MétaCan
Menu
Retour à la cohorte
Enregistrement W4391468633 · doi:10.1109/ropec58757.2023.10409334

Mitigating the Energy Market Death Spiral through Long-Term Volume Firming Contracts

2023· article· en· W4391468633 sur OpenAlexaff
Sumedha Sharma, Mostafa Farrokhabadi, Hamidreza Zareipour, Petr Musı́lek

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueInnovation Diffusion and Forecasting
Établissements canadiensUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesScience and Engineering Research Council
Mots-clésTerm (time)Spiral (railway)Volume (thermodynamics)Energy (signal processing)Energy marketComputer scienceElectrical engineeringPhysicsEngineeringMechanical engineeringRenewable energy

Résumé

récupéré en direct d'OpenAlex

Increasing penetration of behind-the-meter (BTM) resources in distribution systems is a prominent factor for inducing the death spiral in retail markets. Owing to real-time deviations in BTM generation, the energy procured by retailers in the day-ahead markets may no longer be sufficient. Thus, the retailer must procure excess energy at spot prices to compensate these deviations, which in turn increases energy costs for the customers, driving more BTM resource adoption and reinforcing the death spiral. In this context, this paper develops a framework for the electric retailer to procure energy-storage-as-a-service (ESaaS) to mitigate the operational uncertainty. Volume firming contracts are established between the retailer and utility-scale energy storage operators to minimize the retailer’s energy procurement costs in spot markets, thereby limiting energy costs for the customers in spite of high uncertainty introduced by BTM resources. This paper develops the mathematical framework for the volume firming contracts, obtains conditions for optimality and profitability of the contracts, and discusses implications on social welfare. Simulation results verify the effectiveness of the developed framework in improving the financial situation of the retailers and ESaaS providers under uncertain generation conditions of residential BTM resources.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,386
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,136
Tête enseignante GPT0,371
Écart entre enseignants0,234 · 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.

Devis d'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInnovation Diffusion and ForecastingTravaux en français237 207