Gestion des risques d'énergie:

Cours de 3ème année de l'ENSAE Paris Tech et du M2 "Statistique et Finance"

P. Tankov, avec participation de J. Collet (EDF Lab)

Objectifs

Le développement continu des marchés d’électricité (création des marchés day-ahead à la fin des années 90, introduction récente des marchés intraday, intégration des marchés d’électricité européens etc.), la déréglementation de l'industrie et le développement croissant des énergies renouvelables de nature intermittente conduit à des problèmes majeurs de planification et de gestion de risques à différentes échelles pour les acteurs de l'industrie énergétique. L’objectif de ce cours est de présenter aux élèves ces nouvelles problématiques de l’industrie énergétique, les approches utilisées, et les outils mathématiques et statistiques développés pour faire face à ces nouveaux défis. Le cours est développé en collaboration avec EDF.

Plan

Téléchargement des supports du cours

Contrôle des connaissances

Références du cours

    Consumption risks
  1. Tindemans SH, Trovato V, Strbac G, 2015, Decentralized Control of Thermostatic Loads for Flexible Demand Response, IEEE Transactions on Control Systems Technology, Vol:23, ISSN:1063-6536, Pages:1685-1700
  2. Mougeot, M., Picard, D., Tribouley, K., Lefieux, V., & Maillard-Teyssier, L. "Sparse approximation and fit of intraday load curves in a high dimensional framework." Advances in Adaptive Data Analysis 5.04 (2013): 1350016.
  3. Power network risks
  4. A. Cassidy, Z. Feinstein, A. Nehorai (2015): Risk measures for power systems and cascading failures.
  5. Heymann, Benjamin, et al. "Continuous optimal control approaches to microgrid energy management." (2015).
  6. Renewable energy risks
  7. Bensoussan, Alain, and Alexandre Brouste. "Cox–Ingersoll–Ross model for wind speed modeling and forecasting." Wind Energy (2015).
  8. Fischer, A., Montuelle, L., Mougeot, M., & Picard, D. (2016). Real-time wind power forecast. arXiv preprint arXiv:1610.01000.
  9. Pinson, Pierre. "Very‐short‐term probabilistic forecasting of wind power with generalized logit–normal distributions." Journal of the Royal Statistical Society: Series C (Applied Statistics) 61.4 (2012): 555-576.
  10. Botterud, A., et al. "Risk management and optimal bidding for a wind power producer." IEEE PES General Meeting. IEEE, 2010.
  11. Zugno, Marco, Tryggvi Jónsson, and Pierre Pinson. "Trading wind energy on the basis of probabilistic forecasts both of wind generation and of market quantities." Wind Energy 16.6 (2013): 909-926.
  12. Probabilistic forecasting
  13. Ziegel, Johanna F., and Tilmann Gneiting. "Copula calibration." Electronic Journal of Statistics 8.2 (2014): 2619-2638.
  14. Schefzik, Roman, Thordis L. Thorarinsdottir, and Tilmann Gneiting. "Uncertainty quantification in complex simulation models using ensemble copula coupling." Statistical Science 28.4 (2013): 616-640.
  15. Pinson, Pierre, and George Kariniotakis. "Conditional prediction intervals of wind power generation." IEEE Transactions on Power Systems 25.4 (2010): 1845-1856.
  16. Market risks
  17. R.Aïd, L.Campi, N.Langrené, A structural risk neutral model for pricing and hedging power derivatives. Math. Financ. 23(3), 387–438 (2013)
  18. Carmona, René, Michael Coulon, and Daniel Schwarz. "Electricity price modeling and asset valuation: a multi-fuel structural approach." Mathematics and Financial Economics 7.2 (2013): 167-202.
  19. A. Cartea, C. González-Pedraz, How much should we pay for interconnecting electricity markets? A real options approach. Energy Econ. 34(1), 14–30 (2012)
  20. H.Geman, A.Roncoroni, Understanding the fine structure of electricity prices. J.Bus.79(3), 1225–1262 (2006)
  21. R.Kiesel, G.Schindlmayr, R.H.Borger, A two-factor model for the electricity forward market. Quant. Financ. 9(3), 279–287 (2009)

(C) Peter Tankov, 2017