The valuation of a natural gas-fired power plant with multiple turbines using clean spark spread and weather options
Notice bibliographique
Résumé
Assessing the value of a power plant is an important issue for plant owners and prospective buyers. In a deregulated market, an owner has the option to operate the plant when the revenue from selling the electricity is higher than the cost of operating the plant. This option is known as the spark spread option. Under emission restrictions, when the carbon cost is deducted from the spark spread, the option is named as the clean spark spread option. This thesis presents an analysis on the spark spread and clean spark spread option based valuation methods for a power plant with multiple gas turbines having different input–output characteristics, emission rates, and capacities. Electricity, natural gas and carbon allowance prices are assumed to follow mean–reverting processes. Results demonstrate that CO2 allowance cost reduces the expected plant value, while the flexibility of switching among turbines adds value to the power plant. Weather also affects the power plant operation. This thesis also presents a valuation model for a power plant integrating spark spread and weather options. A cooler winter drawing more electricity could generate a higher payoff for the plant owner. A warmer winter, however, could lead to a lower payoff. An owner holding a long position in a temperature–based put option could exercise the option when the winter is milder. The exercise is triggered by the drop of heating degree days below a strike degree day. The number of weather contracts to buy is determined by minimizing the variance of the total payoff. Pricing of the weather option is calculated based on the mean–reverting behavior of temperature. Results demonstrate that the integrating weather option along with spark spread option adds value to the downward spark spread option based valuation of the plant in a warmer winter. A comparison of temperature modeling approaches with an aim to pricing weather option is also investigated. Regime–switching models generated from a combination of different underlying processes are utilized to determine the expected heating and cooling degree days. Weather option prices are then calculated based on a range of strike heating degree days.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».