Zeitfenster-basierte Risikoabschätzung stochastischer Prozesse
Diese Arbeit entwickelt eine Methode, um Extremwerte von zeitfenster-basierten Risiken für stochastische Prozesse nach oben abzuschätzen. Beispiele für solche Risiken sind der maximale Durchschnitt oder das 90%-Quantil des Stroms entlang einer Übertragungsleitung in einem beliebigen 5-Minuten-Fenster.
Zufallslauf in der Theorie der zufälligen Permutationsmengen
Die Studie zeigt, dass der Zufallslauf, der auf der Theorie der zufälligen Permutationsmengen (RPST) basiert, ähnliche Eigenschaften wie ein Gauß'scher Zufallslauf aufweist und durch ein spezielles Skalierungsverfahren in einen Wiener-Prozess umgewandelt werden kann. Damit wird eine neuartige Verbindung zwischen RPST und der Theorie des Zufallslaufs hergestellt, was nicht nur die Anwendbarkeit von RPST erweitert, sondern auch das Potenzial für die Kombination der Stärken beider Ansätze zur Verbesserung der Problemlösungsfähigkeiten zeigt.
© 2024 by Linnk AI