由于风电功率预测的局限性，难以准确而有效地刻画风电功率的概率分布函数，提出考虑风电功率概率分布不确定性的含风电配电网无功规划方法。该方法可有效应用于风电概率分布集合中的任意分布情况，在一定概率约束下保证配电网的安全运行要求，同时最小化配电网网损和无功设备投资成本之和。采用概率分布鲁棒机会约束模型描述含风电的配电网无功规划问题，根据潮流平衡等式分离节点电压和支路功率约束中的随机向量，根据条件风险价值（CVaR）的物理意义构建关于节点电压约束和支路功率约束的CVaR模型，利用对偶优化、Schur补和S-lemma的性质将该模型转化为确定性的双线性矩阵不等式（BMI）问题。采用基于BMI优化的免疫粒子群算法求解该问题。改进的IEEE 33节点配电系统仿真结果验证了所提无功规划方法的可行性和有效性。
2021-12-27 18:26:22
1.16MB
1
本文开发了一个条件分位数模型，可以学习序列数据的长期和短期记忆。 它建立在顺序神经网络上，但输出可解释的动态。 我们使用 1960 年代至 2018 年的历史数据将该模型应用于 11 个资产类别的资产回报时间序列。我们的结果表明，它不仅提取了条件波动率中的序列依赖结构，还提取了深埋在历史价格尾部的记忆。 我们根据广泛的流行模型进一步评估其风险价值预测。 我们的模型优于 GARCH 系列以及使用过滤历史模拟、条件极值理论和动态分位数回归的模型。 这些研究表明，资产回报的条件分位数具有持续的风险来源，而这些来源并非来自那些负责波动性聚类的人。 这些发现可能对一般风险管理，尤其是尾部风险预测具有重要意义。
2021-12-26 22:02:48
577KB
1
可持续发展挂钩债券的实践分析与发展建议：励新惟实，关注核心风险点，助力绿色转型发展.pdf
2021-12-26 17:04:25
1.33MB