具有风险约束的随机发电交易策略

由于风力发电量比Emax更可能接近于零，上述影响导致空头头寸比多头头寸更频繁。这增加了VAR，因为空头头寸可能导致负收入，而空头头寸只会导致收入减少，除非平衡价格为负。六、 最后，提出并分析了具有单一价格平衡机制的可变发电参与非电力市场的交易策略。该问题被公式化为一个不确定性和解决方案下的决策问题，基于对系统长度的概率预测，以实现收入最大化，其次是约束风险。交易策略基于简单的分析，使用稳健和易访问的预测方法，使其对信息智能电网范式中的许多参与者具有适应性和吸引力。收入[lb/兆瓦时]1%风险价值[lb]33 34 35 36 37 38 39-1不平衡最小值0/MaxMultiplicativeAdditiveQuantileFig。2、三种风险约束策略的收益与1%VaR曲线图，参数值跨越表III中列出的参数值。十字表示表II中列出的收益最大化（零/最大）和不平衡最小化策略的结果。研究表明，通过对冲对不平衡价格的惩罚，市场参与者既可以减少不平衡费用，也可以从增加的有利平衡价格敞口中获益。在最极端的例子中，在考虑任何补贴之前，收入增长了10%以上，尽管这要求参与者利用可能被厌恶风险的发电商所无法接受的巨大失衡，以及监管机构的不良行为。然而，更保守的风险约束方法可以增加收入，同时降低风险。

虽然这个问题是在考虑英国电力市场的情况下制定的，但在任何一天之前的市场中有利地定位自己的原则适用于其他问题，其中纠正该位置的成本反映在单一价格中，即平衡价格或某个日内合同。未来的工作应考虑扩展问题公式，将概率价格预测包括在订单中，以根据特定结算期相关风险制定策略。此外，还应确定价格接受消费的限制，并研究价格制定者情景。确认授权或确认lexon和匿名风电场运营商提供数据。Jethro Browell得到了Strathc lyde大学EPSRC Doctora lPrize博士的支持，批准号为EP/M508159/1。数据声明：可从Elexon（www.Elexon.co.uk）免费注册下载电价和相关数据。风力发电数据可能不受法律限制。收入[lb/兆瓦时]平均绝对不平衡[%名义]33 34 35 36 37 38 390.0 0.1 0.2 0.3 0.4不平衡最小值零/最大乘法数字量化。3、三种风险约束策略的收入与平均绝对不平衡图，参数值跨越表III中所列的参数值。十字表示表II中所列收入最大化（零/最大）和平衡最小化策略的结果。[2] J.Morales、A.Conejo、H.Madsen、P.Pinson和M.Zugno，《可再生能源在电力市场中的整合》。Springer，2014年。[3] W.Pei、Y.Du、W.Deng、K.Sheng、H.Xiao和H.Qu，“实时平衡市场中微电网聚合器的最优竞价策略和市场内机制”，IEEE工业信息交易，第12卷，第2期，第587–596页，2016年4月。[4] C.Fernandes，P.Fr'ias和J。

Reneses，“间歇性可再生发电机参与平衡机制：对西班牙市场设计的深入研究”，可再生能源，第89卷，第305-316页，2016年。[5] A.Papakonstantinou和P.Pinson，“电力市场中的信息不确定性：引入概率报价”，IEEE Power Engineeringlingleters，2016年出版。[6] G.Bathurst、J.Weatherill和G.Strbac，“短期能源市场中的风力发电交易”，《IEEE电力系统交易》，第17卷，第3期，第782-7892002页。[7] J.B.Bremnes，“使用局部量化回归的概率风电预测”，风能，第7卷，第47–54页，2004年。[8] P.Pinson、C.Chevallier和G.Kariniotakis，“根据风力发电的短期概率预测进行风力发电交易”，IEEE电力系统交易，第22卷，第3期，第1148-11562007页。[9] E.Bitar、R.Rajagopal、P.Khargonekar、K.Poolla和P.Varaiya，“将风能推向市场”，IEEE电力系统交易，第27卷，第3期，第1225-12352012页。[10] A.Skajaa、K.Edlund和J.M.Morales，“风能的日内交易”，IEEE电力系统交易，第30卷，第6期，第3181–3189页，2015年。[11] M.Zugno、J.M.Morales、P.Pinson和H.Madsen，“定价风电生产商的联合策略”，IEEE电力系统交易，第28卷，第3期，第3440-3450页，2013年8月。[12] S.Delikaraoglou、A.Papakonstantinou、C.Ordoudis和P.Pinson，“参与联合日aheadand实时市场的价格制定者风力发电商”，第12届欧洲能源市场国际会议，2015年5月，第1-5页。[13] R.Weron，“电价预测：现状回顾与未来展望”，《国际预测杂志》，第30卷，第4期，第1030-10812014页。参考文献[1]D.W。

Edwards，《能源交易与投资：能源市场的交易、风险管理和结构化交易》。麦格劳·希尔，2009年。[14] T.Hong、P.Pinson、S.Fan、H.Zareipour、A.Troccoli和R.J.Hyndman，“概率能源预测：2014年及以后的全球能源预测竞赛”，《国际预测杂志》，2016年出版。[15] N.V.Karakatsani和D.W.Bunn，“预测电价：基本面和时变系数的影响”，《国际预测杂志》，第24卷，第4期，第764-7852008页。[16] T.Brijs、K.D.Vos、C.D.Jonghe和R.Belmans，“欧洲平衡市场负价格的统计分析”，可再生能源，第80卷，第53-60页，2015年。[17] F.Ziel、R.Steinert和S.Husmann，“电力现货价格的有效建模和预测”，《能源经济学》，第47卷，第98-1112015页。[18] M.Olsson和L.S¨oder，“使用组合SARIMA和Markov过程建模实时平衡电力市场价格”，IEEE电力系统交易，第23卷，443-450页，2008年。[19] T.J'onsson、P.Pinson、H.A.Nielsen和H.Madsen，《实时电力市场预测的指数平滑方法》，《能源》，第7卷，第3710–3732页，2014年。[20] X.Fang、S.Misra、G.Xue和D.Yang，“智能电网-新的和改进的电网：调查”，IEEE Communications SurveysTutorials，第14卷，第4期，第944-9802012页。[21]L.Hirth和I.Ziegenhagen，“平衡电力和可变可再生能源：三个环节”，《可再生和可持续能源评论》，第50卷，第1035-10512015页。[22]C.Harris，《电力市场：定价、结构和经济学》。威利金融，2006年。【23】R.Hyndman和Y.Khandakar，“自动时间序列预测：R的预测包”，《统计软件杂志》，第26卷，第32008号。[24]M.Landry、T.P.Erlinger、D.Patschke和C。

Varrichio，“GEFCom2014风预测的概率梯度增压机”，《国际预测杂志》，第32卷，第3期，第1061-10661016页。【25】G.Ridgeway和H.Southworth，“gbm：广义boostedregression模型。R包版本2.1”，2014年。[在线]。可用：http://CRAN.R-project.org/package=gbm【26】埃利克森。[在线]。网址：www.elexonportal。co.uk【27】G.Brier，“以概率表示的预测验证”，《每月天气评论》，第78卷，第1-3页，1950年。【28】A.H.Murphy，“概率得分的新向量划分”，《应用气象学杂志》，第12卷，第4期，第595-600页，1973年。[29]K.A.Spackman，“信号检测理论：评估归纳学习的宝贵工具”，《第六届机器学习国际研讨会论文集》，加利福尼亚州圣马特奥，1989年，第160-163页。[30]T.Fawcett，“ROC分析简介”，《模式识别快报》，第27卷，第861-8742006页。此图“jdowell\\u sept14.png”在“png”中提供 格式来源：http://arxiv.org/ps/1708.02625v1