When and How Should a Power Trader Engage in Arbitrage? Predict, then Contextually Optimize

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a novel decision framework combining prediction and contextual optimization for energy arbitrage, with empirical validation.

🏢実務担当者:Offers a practical bidding strategy for power traders to increase profits while managing risk, applicable to wind farms and hybrid plants.

🏛政策担当者:Illustrates how market design and flexible assets like electrolyzers can enhance renewable integration and market efficiency.

電力市場は、日前市場とバランシング市場の間の価格スプレッド拡大により、確率的な発電事業者に対して裁定取引の機会をますます露出させている。しかし、予想される価格スプレッドを利用するために発電予測から意図的に乖離する日和見的入札は、重大なリスクを伴い、既存のフレームワークは説明可能でリスクを考慮した意思決定支援をほとんど提供していない。我々は、日前入札決定を、いつ裁定取引に参加するか、どの方向に、どの程度行うかを決定する3つの明示的な段階に分解する、予測-その後-文脈的最適化フレームワークを提案する。信頼度しきい値を備えた確率的二値分類器は、予測された価格スプレッドが日和見的入札を正当化するのに十分に確信的であるかどうかを決定する。そうでない場合、トレーダーは電力予測に等しい裁定取引なしの入札をデフォルトとする。文脈的最適化により各クラスに対して学習された線形決定ポリシーは、電力予測からの入札乖離の大きさを決定する。このフレームワークは、スタンドアロンの再生可能エネルギー発電と、電解槽などの他の資産と再生可能エネルギー発電を組み合わせたハイブリッド発電所の両方に対応する。我々は、ローリングウィンドウ手順を用いて欧州の入札ゾーンDK1およびDE/LUにある実際の風力発電所でこのフレームワークを評価し、いくつかのベンチマーク入札戦略と比較する。結果は、提案されたフレームワークが、裁定取引なしのベンチマークと比較して平均利益を増加させ、DK1のハイブリッド発電所では約7%の改善に達することを示している。最大の利益は、トレーニングウィンドウとテストウィンドウの間の分布ドリフトが低いときに発生し、併設された電解槽は追加の運用柔軟性を提供することで裁定取引価値をさらに高める。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Electricity markets increasingly expose stochastic energy generators to arbitrage opportunities between the day-ahead and balancing markets, driven by widening price spreads. However, opportunistic bidding, deliberately deviating from the production forecast to exploit anticipated price spreads, carries significant risk, and existing frameworks rarely offer explainable, risk-aware decision support. We propose a predict-then-contextual-optimize framework that decomposes the day-ahead bidding decision into three explicit stages to decide, when to engage in arbitrage, in what direction, and to what extent. A probabilistic binary classifier with confidence thresholds determines whether the predicted price spread is sufficiently confident to justify an opportunistic bid. Otherwise, the trader defaults to an arbitrage-free bid equal to the power forecast. A linear decision policy learned for each class via contextual optimization determines the magnitude of the bid deviation from the power forecast. The framework accommodates both standalone renewable generation and hybrid power plants combining renewable generation with other assets, such as an electrolyzer. We evaluate the framework on a real wind farm in the European bidding zones DK1 and DE/LU using a rolling-window procedure and compare it against several benchmark bidding strategies. The results show that the proposed framework increases mean profit relative to an arbitrage-free benchmark, reaching an improvement of about 7% for the hybrid power plant in DK1. The largest gains occur when distributional drift between training and testing windows is low, while the co-located electrolyzer further increases arbitrage value by providing additional operational flexibility.

• semanticscholar https://www.semanticscholar.org/paper/eb971c7fdb92b41619f8277c9e70684d8d8a923afirst seen 2026-07-24 06:47:08 · last seen 2026-08-31 05:46:50