XiaoMi-AI文件搜索系统
World File Search Systemtrage
通过点对点能源交易实现可再生能源微电网的套利策略
摘要 — 本文提出了一种针对可再生能源微电网 (MG) 的套利策略，以克服光伏和风能等可再生能源 (RES) 在日前市场 (DAM) 和实时市场 (RTM) 之间建立的交易能源市场 (TEM) 中的点对点 (P2P) 能源交易这一新兴商业领域中的不稳定行为。为了识别由 P2P 和实时交易之间的价格差异产生的套利机会，提出了一种具有区间系数的双层风险约束随机规划 (BRSPIC)。在决策的第一阶段，采用各种方案来处理 DAM 价格的不确定性。在第二阶段，P2P 能源交易竞争由基于非合作领导者-追随者博弈的双层规划建模。在较低层次上最大化同行的社会福利的同时，MG 在较高层次上最大化其利润。为了更加贴近实时，第三阶段考虑了区间系数，以应对 RES 和负载以及 RTM 价格的不确定性。条件风险价值 (CVaR) 被强制应用于模型，以控制利润波动的风险。通过使用 Karush-Kuhn-Tucker (KKT)，BRSPIC 被转换为单级优化。然后，将其线性化并通过混合整数线性规划 (MILP) 求解器进行求解。通过在测试系统上评估所提出的模型，很明显，通过套利策略，MG 的利润增加了 3.1% 以上。通过考虑 CVaR，完全规避风险的决策会使 MG 的利润减少 27%，尽管这是一个非常保守的决策。
电池储能系统的能源套利与快速频率响应之间的协同作用 E. Pusceddu 1、Behnam Zakeri 2,3,4、G. Castagneto
储能系统可通过提供各种能源系统服务，为未来平衡低碳能源系统做出重要贡献，随着创新成本下降，电池有望得到广泛部署。本文评估了如果使用电池储能系统 (BESS) 提供这两种服务，其中最重要的两项服务，快速响应或所谓的增强频率响应 (EFR) 和能源套利之间是否存在协同作用。开发了一个技术经济模型来模拟 600 个可能的增强频率响应可用性窗口。结果表明，两种存储服务之间存在两种不同的协同作用。第一个协同作用考虑了在死区之外对储能系统充电以提供增强频率响应的可能性。我们提出了一种创新的充电状态管理策略来利用这种协同作用。第二个协同作用是由于套利收入高度集中在高峰时段，这可以使电池储能系统捕获大部分套利收入，而不会过度减少存储系统在增强频率响应中提供容量的收入。这两种协同效应的结合意味着，通过交替提供套利和频率响应，电池储能系统可以提高 25% 的运营利润。历史数据显示，这一结果在统计上是可靠的。满功率下放电时间为 1.5-2 小时的电池尺寸可能是利用这些协同效应的最佳选择。
股息套利交易计划行动计划（“Cum-Ex ...”
3. EBA 向根据国家法律指定负责 EBA 职权范围内的金融机构反洗钱监管的机构提交了一项调查。该调查旨在了解股息套利交易计划（例如 cum-ex 和 cum-cum 计划）是否被视为税务犯罪，以及处理此类计划的收益是否构成洗钱，符合指令 (EU) 2015/849 (AMLD4)。它还试图确定监管机构如何评估与这些计划相关的 ML/TF 风险，并获取有关监管机构为应对这些风险而采取的行动的信息。EBA 向审慎监管机构进行了第二项调查，以了解金融机构参与此类计划如何遵守审慎框架，特别是指令 2013/36/EU (CRDIV) 中有关机构治理安排的规定。
间歇性可再生能源、水电动态和储能套利的盈利能力
摘要 1 本文估计了太阳能和风能间歇性对批发价格、套利机会和存储盈利能力的影响。首先，我利用风能和太阳能发电的短期随机性来估计墨西哥批发电力市场价格的每小时下降幅度（优先排序效应）。其次，由于水力发电已经通过平滑风能和太阳能的每小时间歇性充当了电池存储，因此我使用滞后来控制重新分配，估计适当的动态优先排序效应并预测未来更大可再生能源容量的批发价格。第三，我使用动态优化来评估边际存储者的能源套利盈利能力。基于 2019 年市场平均批发价格（10.6 GW 风能和太阳能）的存储利润低于电池的平准化成本 (LCOE)。对于 2029 年计划的风能和太阳能容量（30.9 GW），存储套利利润将在其预计的 4 小时电池 LCOE 下降范围内。然而，对于价格差异较大且传输不完全拥堵的节点，套利存储将在 2025 年（25.4 GW）之前进入 LCOE 范围。抽水蓄能水电以较低的费率套利电力，因此其利润低于电池。如果我们考虑其他服务（例如频率调节），存储的全部价值可能会更大。类似的经验教训将适用于可再生能源和非主导水电份额不断增加的电网/国家。JEL 分类：L94、Q41、Q42、Q47 关键词：风能和太阳能、存储、水力发电、优先顺序效应
利用储能进行功率因数校正套利
摘要 — 随着通过仅产生有功功率的逆变器连接的分布式发电大规模集成，无功功率补偿对于功率因数 (PF) 校正的重要性将显著增加。在这项工作中，我们专注于共同优化储能以进行能源套利以及局部功率因数校正。联合优化问题是非凸的，但可以使用 McCormick 松弛和基于惩罚的方案有效地解决。通过对真实数据和实际存储配置文件进行数值模拟，我们表明储能可以在不降低套利利润的情况下局部校正 PF。观察到有功功率和无功功率控制在本质上在很大程度上是解耦的，用于执行套利和 PF 校正 (PFC)。此外，我们考虑实时实现具有不确定负载、可再生和定价配置文件的问题。我们开发了一种基于模型预测控制的存储控制策略，使用自回归预测来应对不确定性。我们观察到 PFC 主要受转换器大小控制，因此在线设置中的时间前瞻不会对 PFC 产生明显影响。然而，与缓慢上升的电池相比，上升速度更快的电池的套利利润对不确定性更为敏感。
电池储能系统 (BESS) 设计用于减少峰值需求、能源套利和电网辅助服务 Wan Syakirah Wan Abdullah 1，M
可再生能源 (RE) 渗透是电力系统中的新现象。随着可再生能源在系统中的高渗透率，必须解决几个问题，尤其是当它涉及电力系统的稳定性和灵活性时。电池储能系统 (BESS) 因其能够储存能量并用于解决各种电力系统问题的多种用途而广受欢迎。此外，可以将多个 BESS 组合起来作为虚拟发电厂 (VPP) 运行。本研究将涉及为示范项目设计和实施五个潜在客户站点的 BESS，并可能将其集成到一个 VPP 系统中。该研究有望展示由于峰值需求减少和能源套利节省，使用 BESS 为客户节省账单。
多因素模型和套利定价理论（APT）
A 100 25.00 29.58 1.00 -0.15 -0.29 0.68 B 100 20.00 33.91 -0.15 1.00 -0.87 -0.38 C 100 32.50 48.15 -0.29 -0.87 1.00 0.22 D 100 22.25 8.58 0.68 -0.38 0.22 1.00
通过智能调度电池储能实现能源套利，同时考虑电池退化和电价预测
摘要 — 随着电动汽车和用于缓冲光伏能源的家用电池市场的不断增长，电网一体化锂离子电池的数量在过去几年中不断增加。除了主要用途之外，这些电池还可用于为电网提供服务，如调峰或调频。然而，此类服务对电池所有者的盈利能力仍然是一个有争议的问题。特别是，由于能量吞吐量增加而导致的电池性能下降被认为是盈利运营的主要障碍。本文提出了一种调度方法，该方法考虑了电池老化与各种运行参数的非线性依赖关系以及实时价格和价格预测，以计算最佳充电/调度计划。该方法适用于从四个不同电力市场获得的价格数据。调查部分证实了现有的盈利能力问题，但进一步表明，明确考虑电池性能下降可以产生有利可图的结果。探索使用总边际价格和位置边际价格以及不同预测范围和时间分辨率的各种场景，以确定有利的运营条件。索引术语 — 电池、电池退化、电动汽车、电网整合、调度
使用量子退火器寻找最佳套利机会
我们提出了两种公式来寻找最佳套利机会，将其作为二次无约束二元优化问题，可以使用量子退火器解决。这些公式基于在图中寻找最有利可图的循环，其中节点是资产，边权重是转换率。基于边的公式更简单，而基于节点的公式允许识别特定的最佳套利策略，同时可能需要更少的变量。此外，还提出了一种替代形式，允许根据交易者的风险规避程度找到最佳平衡利润和风险的套利机会。我们讨论了在实践中使用的注意事项。特别是，我们建议将其应用于非流动性资产并给出一个说明性示例。关键词：套利、量子退火、优化