MétaCan
Menu
Retour à la cohorte
Enregistrement W229373040 · doi:10.2172/900946

A Regional Approach to Market Monitoring in the West

2006· report· en· W229373040 sur OpenAlexfundno aff
Matthew Barmack, Edward Kahn, Susan F. Tierney, Charles Goldman

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensnon disponible
Organismes subventionnairesOffice of ElectricityBC HydroPermitting, Siting and AnalysisOffice of Electricity Delivery and Energy ReliabilityJohns Hopkins UniversityU.S. Department of Energy
Mots-clésMarket powerWholesale marketMarket priceFunction (biology)EconomicsBusinessMicroeconomicsElectricityEngineering

Résumé

récupéré en direct d'OpenAlex

Market monitoring involves the systematic analysis of pricesand behavior in wholesale power markets to determine when and whetherpotentially anti-competitive behavior is occurring. Regional TransmissionOrganizations (RTOs) typically have a market monitoring function. Becausethe West does not have active RTOs outside of California, it does nothave the market monitoring that RTOs have. In addition, because the Westoutside of California does not have RTOs that perform centralized unitcommitment and dispatch, the rich data that are typically available tomarket monitors in RTO markets are not available in the West outside ofCalifornia. This paper examines the feasibility of market monitoring inthe West outside of California given readily available data. We developsimple econometric models of wholesale power prices in the West thatmight be used for market monitoring. In addition, we examine whetherproduction cost simulations that have been developed for long-runplanning might be useful for market monitoring. We find that simpleeconometric models go a long ways towards explaining wholesale powerprices in the West and might be used to identify potentially anomalousprices. In contrast, we find that the simulated prices from a specificset of production cost simulations exhibit characteristics that aresufficiently different from observed prices that we question theirusefulness for explaining price formation in the West and hence theirusefulness as a market monitoring tool.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,791
Score d'incertitude au seuil0,717

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,240
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric Power System OptimizationTravaux en français237 207