全部版块 我的主页
论坛 经济学人 二区 外文文献专区
577 13
2022-05-06
英文标题:
《Principal wind turbines for a conditional portfolio approach to wind
  farms》
---
作者:
Vitor V. Lopes, Teresa Scholz, Frank Raischel, Pedro G. Lind
---
最新提交年份:
2014
---
英文摘要:
  We introduce a measure for estimating the best risk-return relation of power production in wind farms within a given time-lag, conditioned to the velocity field. The velocity field is represented by a scalar that weighs the influence of the velocity at each wind turbine at present and previous time-steps for the present \"state\" of the wind field. The scalar measure introduced is a linear combination of the few turbines, that most influence the overall power production. This quantity is then used as the condition for computing a conditional expected return and corresponding risk associated to the future total power output.
---
中文摘要:
我们介绍了一种在给定时滞内,以速度场为条件,估计风电场发电的最佳风险收益关系的方法。速度场由一个标量表示,该标量衡量每个风力涡轮机当前的速度影响,以及风场当前“状态”的前一时间步。引入的标量度量是少数几个涡轮机的线性组合,这些涡轮机对整体发电量影响最大。然后将该数量用作计算条件预期回报和与未来总功率输出相关的相应风险的条件。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:General Finance        一般财务
分类描述:Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--
一级分类:Physics        物理学
二级分类:Data Analysis, Statistics and Probability        数据分析、统计与概率
分类描述:Methods, software and hardware for physics data analysis: data processing and storage; measurement methodology; statistical and mathematical aspects such as parametrization and uncertainties.
物理数据分析的方法、软硬件:数据处理与存储;测量方法;统计和数学方面,如参数化和不确定性。
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-5-6 02:27:28
主要风力涡轮机,用于有条件的风电场组合方法普托V.洛佩斯1,2,特蕾莎·斯科尔茨3,4,弗兰克·莱舍尔,佩德罗·G.林代奥·西奥,里斯本大学科学系,葡萄牙阿玛达斯埃斯佩,拉塔孔加,厄瓜多尔理论和计算物理中心,里斯本大学,葡萄牙能源分析和网络部,能源与地质国家实验室,里斯本,葡萄牙地球物理中心,IDL,里斯本大学,葡萄牙风能研究中心,物理研究所,德国奥尔登堡卡尔·冯·奥塞茨基大学电子邮件:teresa。scholz@lneg.ptAbstract.我们介绍了一种测量方法,用于在给定时滞内,以速度场为条件,估计风电场发电的最佳风险收益关系。速度场由一个标量表示,该标量衡量了当前风电场当前“状态”下每个风力涡轮机的速度影响以及之前的时间步长。引入的scalarmeasure是少数几个涡轮机的线性组合,对整体发电量影响最大。然后,该数量被用作计算条件预期回报和与未来总功率输出相关的相应风险的条件。1.导言风能正成为可再生能源组合中的主要贡献者,这是因为风能具有相当高的容量和发电成本,与传统能源相比具有竞争力[1]。然而,风能系统有一个主要的缺点,即其来源的不确定性[2],这对风力发电商在自由化的电力市场上进行交易构成了挑战。为此,参与者必须提前投标,风力发电的不确定性可能导致承诺发电量与实际发电量之间的差异。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-6 02:27:31
这种不平衡可能导致支付罚款,从而减少收入。因此,为了获得最大的利润,有必要制定最佳的销售策略。参考文献[3]对投标策略的推导方法进行了综述。在本研究中,我们提出了一种评估风电场回报的方法,该方法可用于制定市场参与的投标策略。我们的衡量标准基于马科维茨[4]在投资组合选择中首次引入的均值方差投资组合(MVP)或风险收益法。Markowitz将投资组合的收益定义为随机变量的加权和,投资者可以选择权重。对于投资,他建议评估预期回报和相关风险之间的比率,他将其定义为回报的标准差。因此,投资决策是风险和预期回报之间的权衡,因为“预期回报最大的投资组合不一定是方差最小的投资组合”[4]。然而,对于给定的风险量,MVP允许在给定的风险水平下最大化预期收益,或等效地在给定的预期收益水平下最小化风险。在风能方面,这转化为优化最大化风电输出和最小化其可变性之间的权衡。Roques等人[5]在风能框架中采用了MVP,以确定最佳的跨国风力发电组合。利用来自五个欧洲国家的历史风力发电数据,作者尝试了两个案例研究。首先,它们优化了风电输出,其次,最大限度地提高了风电对系统可靠性的贡献。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-6 02:27:35
Kitzing[6]也采用了风险回报法,目的是评估两种支持工具的风险影响,即上网电价和上网溢价。本文介绍了一种新的风险收益评估方法,包括对整个风电场状态的依赖。更准确地说,我们的风险回报方法取决于每个时间步的风场。众所周知,这种条件随机方法可以解决风的非平稳特性[2,7]。论文的结构如下。第2节描述了使用的数据集。以秒计。3介绍了EmployeedMethodology,首先定义了基于该标量的条件风险收益商,然后导出了一个可观测标量,用于量化特定时间点的速度场。不安全。4.我们介绍并解释了葡萄牙一个风电场和Sec的结果。5.论文的结论。2.数据:风场和总发电量本手稿中分析的数据来自葡萄牙山区一个拥有80台涡轮机的风电场。数据包括三年的测量,采样时间为10分钟(1.7×10)-3Hz)。它们由两组组成,一组是在农场的每个风能转换器(WEC)处观察到的风速场,另一组是农场的总发电量。速度场用矩阵V表示∈ CNW×NT,其中每个入口Vn(t)=V(x)n(t)+iV(y)n(t)对应于速度向量,其x和y分量V(x)n(t)和V(y)n(t)在WEClabelled为n=1,n和时间t=1,NT:V=V(1)V(2)V(3)。V(NT)V(1)V(2)V(3)。V(NT)V(1)V(2)V(3)。V(新界)。。。。。。。。。。。。。。。VNW(1)VNW(2)VNW(3)。新界北, (1) 式中,Vi(t)是时间步长t时涡轮机i处的速度。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-6 02:27:39
垂直速度总是被忽略的。我们的目标是使用时间t的速度场观测值作为输入,在当前时间t后的时滞τ处估计预期发电量P(t+τ)。下一节将介绍该方法。3.方法和数据分析本节描述了数据分析所用的方法。介绍了一种新的风电场发电条件风险回收方法。需要强调的是,任何风险措施都应考虑风电场的当前“状态”。确定这种状态的直接方法是通过特定时间的全套风速。然而,正如我们在下面强调的,整个风场意味着需要大量数据来确定系统的状态。因此,我们定义了一个标量,而不是全速度场,该标量也能够表征空间扩展系统(如风电场)的状态。确定功率回报率r(t)的常用方法是[6]r(t)=P(t+(t)- P(t)P(t),(2)其中t是固定的时滞。有了回报的时间序列,我们就可以通过^r=Z确定预期的电力回报∞-∞rρ(r(t))dr,(3)相关风险由预期收益的方差给出,即r=Z∞-∞(r)- ^r)ρ(r(t))dr,(4)其中ρ(r(t))是两个等式中在时间t处具有返回r(t)的概率。(3) (4)返回r考虑风电场的总功率输出。其他选择是可能的,例如,只考虑所有WEC的一个子集的功率,这些WEC代表了风电场中最大的功率输出。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-6 02:27:42
总风电场或其子集的功率和的改进将是加权和,但在所有情况下,它将产生一个独立于当前风速场的预期值和方差(风险)。相反,我们建议考虑适当的数量,“量化”风速场,并将其作为计算预期收益和相应方差的条件。一个风电场的这种状态可以定义为瞬间t的风速值集。然而,由于风电场通常包含NW~ 100台风力涡轮机,每台都配有Ns~ 50容许风速状态在适当的装箱[8,9]后,风电场的相空间将包含大约50个可能的状态。为了克服这一缺点,我们选择了一个基于主成分分析(PCA)的加权和,该主成分分析(PCA)的风速在所有的涡轮机和几个时间滞后。这个加权和被截断为给定的q阶,我们将其符号化为S(q)(t)(定义在公式(7)中),我们介绍如下。主成分分析是通过对风速的方差矩阵构造的矩阵进行特征值分解来实现的。给定一组时间滞后T={τ,…,τNτ},对于每对涡轮机i和j,我们计算与给定时间间隔τk,τl相关的风速协方差∈ T byM(iτk)(jτl)={Cij(τl)-τk)}i,j=1,。。。,NW={h(Vi(t+τk)- hVi(t+τk)i)(Vj(t+τl)- hVj(t+τl)i)*i} i,j=1,。。。,西北=M(1τk)(1τl)M(1τk)(2τl)。M(1τk)(NWτl)M(2τk)(1τl)M(2τk)(2τl)。M(2τk)(NWτl)。。。。。。。。。。。。M(NWτk)(1τl)M(NWτk)(2τl)。M(NWτk)(NWτl), (5) 式中i,j=1,NW,l,k=1,Nτ和hi表示时间t和*表示复数共轭。取τ`,τk=1,Nτ协方差可以嵌入主矩阵定义的asM中=M(i0)(j0)M(i0)(j1)。M(i0)(jNτ)M(i1)(j0)M(i1)(j1)。M(i1)(jNτ)。。。。。。。。。。。。M(iNτ)(j0)M(iNτ)(j1)。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群