MétaCan
Menu
Retour à la cohorte
Enregistrement W4254187592 · doi:10.5383/ijtee.10.02.004

Financial Risk and market Effects for the Congestion Costs of the electricity System in Italy

2015· article· en· W4254187592 sur OpenAlexvenueno aff
Enrico Maria Mosconi, Stefano Poponi, Cecilia Silvestri

Notice bibliographique

RevueInternational Journal of Thermal and Environmental Engineering · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectricity marketElectricityBusinessElectric power systemGridMicroeconomicsEnvironmental economicsIndustrial organizationFinanceEconomicsPower (physics)

Résumé

récupéré en direct d'OpenAlex

The physical and structural constraints of the electricity grid economically and financially affect the operators imposing on them a set of measures designed to contain the problem of electric congestions. The Congestion costs occur in the electricity market when the power flows, equivalent to a projection mapping of energy injection and withdrawal, established by the “electricity stock exchange” and by “bi-lateral contracts”, are incompatible with the transfer capacity guaranteed by the power grid, in required security conditions. Transfer restrictions in the national and transboundary transmission grid can potentially determine the market segmentation in different geographical areas, preventing the producers to compete freely to satisfy the overall demand in those areas. As a result of power congestions, those producers that have reduced limitations in the power transfer are obviously favored, also if in the presence of high marginal production costs and prices, leading to the constitution of pools of producers that de facto control the local market. Through a critical survey of the situation of the Italian electricity market the paper aims to describe and discuss the problem of power congestions costs, the electricity price formation and the congestion risk management.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,124
Score d'incertitude au seuil0,181

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,002
Tête enseignante GPT0,156
Écart entre enseignants0,154 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Thermal and Environmental EngineeringMême sujetElectric Power System OptimizationTravaux en français237 207