A Novel Stochastic Copula Model for the Texas Energy Market
Notice bibliographique
Résumé
The simulation of wind power, electricity load, and natural gas prices will allow commodity traders to see the future movement of prices in a more probabilistic manner. The ability to observe possible paths for wind power, electricity load, and natural gas prices enables traders to obtain valuable insights for placing their trades on electricity prices. Since the above processes involve a seasonality factor, the seasonality component was modeled using a truncated Fourier series, and the random component was modeled using stochastic differential equations (SDE). It is evident from the literature that all the above processes are mean-reverting processes; thus, three mean-reverting Ornstein–Uhlenbeck (OU) processes were considered the model for wind power, the electricity load, and natural gas prices. Industry experts believe there is a correlation between wind power, the electricity load, and natural gas prices. For example, when wind power is higher and the electricity load is lower, natural gas prices are relatively low. The novelty of this study is the incorporation of the correlation structure between processes into the mean-reverting OU process using a copula function. Thus, the study utilized a vine copula and integrated it into the simulation. The study was conducted for the Texas energy market and used daily time scales for the simulations, and it was able to conclude that the proposed novel mean-reverting OU process outperforms the classical mean-reverting process in the case of wind power and the electricity load.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».