💰 quantitative finance

Optimizing Bidding Curves for Renewable Energy in Two-Settlement Electricity Markets

Este artículo propone un marco de optimización de nivel superior que genera curvas de oferta optimizadas para la energía renovable variable en mercados eléctricos de doble liquidación, demostrando que una curva de segmento único de precio cero logra la optimalidad del sistema, mientras que un enfoque multisegmento linealizado aproxima eficazmente el inalcanzable resultado estocástico de menor costo en sistemas prácticos a gran escala.

Autores originales: Dongwei Zhao, Stefanos Delikaraogloub, Vladimir Dvorkin Alberto J. Lamadrid L., Audun Botterud

Publicado 2026-08-10

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Dongwei Zhao, Stefanos Delikaraogloub, Vladimir Dvorkin Alberto J. Lamadrid L., Audun Botterud

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina la red eléctrica como un enorme y de alto riesgo juego de las sillas musicales, pero en lugar de personas, las sillas son centrales eléctricas y la música es el sol brillando o el viento soplando. En este juego, los jugadores se dividen en dos equipos: el equipo de "Día Anterior", que hace un plan para la fiesta de mañana, y el equipo de "Tiempo Real", que entra corriendo para arreglar cualquier desastre cuando la fiesta real comienza. El problema es que el viento y el sol son invitados notoriamente poco fiables; pueden presentarse con una carga completa de energía un minuto y desaparecer al siguiente. Si el equipo de Día Anterior planifica un día soleado pero las nubes entran en escena, el equipo de Tiempo Real tiene que apresurarse, poniendo en marcha costosos generadores de respaldo para mantener las luces encendidas. Este apresuramiento cuesta una fortuna y hace que todo el sistema sea ineficiente. La gran pregunta que los científicos se plantean es: ¿Cómo pueden los productores de viento y sol decirle al equipo de Día Anterior exactamente cuánta energía debe planificar, para que todos ahorren dinero y las luces permanezcan encendidas?

Este artículo aborda ese rompecabezas proponiendo una nueva forma para que los productores de energía renovable "liciten" su energía en el mercado. Piensa en una curva de licitación como un menú que un restaurante le entrega a un catering. En lugar de solo decir: "Tenemos 100 hamburguesas", el menú dice: "Tenemos 100 hamburguesas a $5 cada una, o 200 a $10 cada una". En los mercados de electricidad, los productores presentan estos menús (curvas de licitación) para decir cuánta energía pueden proporcionar y a qué precio. Los autores, utilizando una sofisticada herramienta matemática llamada "optimización bilevel" (que es como un maestro de ajedrez pensando tres movimientos por delante), descubrieron el menú perfecto para minimizar el costo total del juego completo.

Aquí está el giro sorprendente que descubrieron: Para obtener el mejor resultado posible para todo el sistema, los productores de viento y solar no necesitan un menú complejo con precios sofisticados. Solo necesitan una línea única y sencilla en su menú que diga: "Tenemos esta cantidad de energía, y nos cuesta cero dólares dártela". El artículo demuestra matemáticamente que si el costo real de producir energía eólica o solar es cero (que lo es), licitar a un precio de cero es suficiente para guiar al sistema hacia su estado más eficiente. Es como si el viento y el sol dijeran: "Toma lo que necesites, gratis, y nosotros nos encargaremos del resto más tarde si algo sale mal".

Los investigadores probaron esta idea a una escala masiva y real utilizando la red del Operador Independiente del Sistema de Nueva York (NYISO), que cubre 1,576 ubicaciones diferentes (buses) y gestiona miles de líneas de potencia. Realizaron simulaciones comparando su nueva estrategia de "licitación inteligente" contra el estándar actual, donde los productores simplemente adivinan la cantidad promedio de viento o sol que esperan recibir. Los resultados fueron dramáticos. Al utilizar sus curvas de licitación optimizadas, el sistema ahorró aproximadamente $155,000 por hora en comparación con la estrategia de adivinación. ¡Eso es una reducción de costos del 36%!

Incluso más impresionante, su método logró que el sistema fuera casi tan barato y eficiente como un mundo teórico "perfecto" donde el futuro se conoce con un 100% de certeza—un escenario que actualmente es imposible de lograr en la vida real. El artículo muestra que, si bien los productores pueden presentar menús complejos con múltiples puntos de precio, el sistema funciona mejor cuando se ciñen a la estrategia sencilla de precio cero. Los autores sugieren que este marco podría ser utilizado por los reguladores del mercado como un "punto de referencia" o una "puntuación de riesgo" para ayudar a guiar a los productores sobre cómo licitar, asegurando que todos jueguen el juego de una manera que mantenga la electricidad asequible y fiable para todos. Aunque el estudio se basa en simulaciones y aún no incluye baterías o respuesta de la demanda, ofrece un camino poderoso y probado para hacer nuestra transición a la energía verde más fluida y económica.

Resumen Técnico: Optimización de las Curvas de Oferta para Energías Renovables en Mercados Eléctricos de Dos Liquidaciones

Planteamiento del Problema
La transición hacia sistemas de potencia de cero emisiones requiere la integración a gran escala de la Energía Renovable Variable (ERV) en los mercados eléctricos reestructurados. Sin embargo, los diseños de mercado actuales, basados en marcos para generadores de combustibles fósiles despachables, operan mediante dos liquidaciones deterministas secuenciales: un Mercado de Día Anterior (DAM, por sus siglas en inglés) y un Mercado en Tiempo Real (RTM). Aunque los productores de ERV poseen costos marginales de cero, su inherente incertidumbre de producción crea un desafío de coordinación. Si los productores ofrecen su costo marginal real (cero) basándose en pronósticos esperados, el DAM puede sobre-comprometer la ERV, lo que genera un re-despacho significativo y costoso en el RTM. Por el contrario, si los productores ofrecen precios más altos para reflejar los riesgos potenciales del RM, podrían recibir un despacho insuficiente, reduciendo la utilización de las renovables. El problema central abordado es identificar las curvas de oferta óptimas (precios y cantidades) para los productores de ERV que minimicen el costo total esperado del sistema tanto en el DAM como en el RTM, manteniéndose compatibles con las estructuras de liquidación deterministas existentes.

Metodología
El artículo propone un marco de optimización bi-nivel para determinar las curvas de oferta de referencia para los productores de ERV.

Nivel Superior: El operador del sistema (o un planificador central) optimiza las curvas de oferta de la ERV (segmentos de precio y cantidad) para minimizar la suma del costo del sistema en el día anterior y el costo esperado de re-despacho en tiempo real.
Nivel Inferior: El proceso de liquidación del mercado ocurre en dos etapas. Primero, el DAM se liquida basándose en las curvas de oferta proporcionadas por el nivel superior. Segundo, el RTM se liquida para realizaciones de incertidumbre específicas (escenarios), minimizando los costos de re-despacho dado el programa del día anterior.
Enfoque de Solución: El problema bi-nivel general involucra términos bilineales (precio $\times$ cantidad) y es computacionalmente desafiante. Para resolver esto en sistemas de gran escala, los autores emplean una técnica de relajación basada en la dualidad fuerte y las envolventes de McCormick. Esto transforma el problema bi-nivel en un problema de Programación Lineal (LP) de un solo nivel, permitiendo la escalabilidad a sistemas de más de 1,500 nodos.
Simplificación Teórica: Los autores demuestran que, si el costo marginal real de la ERV es cero, una curva de oferta de un solo segmento con un precio de oferta de cero es teóricamente suficiente para lograr la optimalidad del sistema. El modelo bi-nivel entonces solo necesita optimizar la cantidad de este segmento único.

Contribuciones Clave

Marco Bi-nivel para Curvas de Oferta: Este trabajo presenta el primer marco de optimización bi-nivel diseñado específicamente para optimizar las curvas de oferta de ERV en un mercado de dos liquidaciones para minimizar los costos esperados del sistema, en lugar de maximizar las ganancias individuales de los productores.
Optimalidad Teórica de Segmentos Únicos de Precio Cero: El artículo proporciona una prueba teórica de que una curva simplificada de un solo segmento con un precio de cero logra el mismo costo esperado del sistema que una curva compleja de múltiples segmentos con precios optimizados, siempre que el costo marginal de la ERV sea cero. Esto aborda la complejidad computacional del problema general.
Solución Escalable para Grandes Sistemas: Al aprovechar la dualidad fuerte y las envolventes de McCormick, los autores demuestran que el marco bi-nivel puede resolverse eficientemente para sistemas prácticos de gran escala (específicamente probado en un sistema NYISO de 1576 nodos), superando las limitaciones de escalabilidad de los enfoques previos de Programación Lineal Entera Mixta (MILP) basados en condiciones KKT.
Benchmarking Práctico: El marco sirve como una herramienta para generar cantidades de oferta de referencia para los productores de ERV. Incluso cuando a los productores se les permite ofrecer curvas de múltiples segmentos con precios distintos de cero, el marco puede ajustar las cantidades para aproximarse al óptimo del sistema.

Resultados
El marco propuesto fue probado en un sistema NYISO de 1576 nodos utilizando datos de viento y carga del 2 de agosto de 2019, con 20 escenarios conjuntos.

Reducción de Costos: En comparación con una línea base de "Despacho Miope" (MyD), donde los productores de ERV ofrecen sus cantidades pronosticadas esperadas, el marco bi-nivel propuesto (BiD) redujo el costo esperado horario del sistema en un 36% (de \ $430k a \$ 275k).
Proximidad al Óptimo Estocástico: Los resultados del BiD aproximaron estrechamente la solución de "Despacho Estocástico" (StD), que representa el resultado de menor costo teórico pero es incompatible con los diseños de mercado secuenciales actuales. La diferencia de costo entre el BiD (\ $275k) y el StD (\$ 263k) fue mínima.
Sensibilidad al Precio: Las simulaciones mostraron que, bajo el marco BiD, variar el precio de oferta dentro de un rango razonable (hasta $26/MWh) tuvo poco impacto en el costo del sistema debido a que el modelo ajusta dinámicamente las cantidades de oferta. En contraste, la estrategia MyD fue altamente sensible a los precios de oferta, lo que provocó aumentos significativos de costos o escasez.
Desempeño de Múltiples Segmentos: Cuando se aplicó a curvas de múltiples segmentos (con precios fijos distintos de cero), el marco optimizó con éxito las cantidades para cada segmento, logrando resultados casi idénticos al caso de un solo segmento de precio cero.

Significancia y Reivindicaciones
El artículo sostiene que su marco propuesto ofrece un mecanismo práctico para mejorar la coordinación económica entre los mercados de día anterior y tiempo real sin requerir un cambio fundamental en la estructura de mercado determinista existente. Al internalizar el costo del re-despacho en tiempo real en las curvas de oferta del día anterior, el sistema alcanza una eficiencia casi óptima. Los autores enfatizan que, aunque el marco es centralizado y genera curvas de "referencia", puede servir como una herramienta regulatoria o de monitoreo para guiar las estrategias de oferta de los productores privados de ERV, potencialmente a través de puntuaciones de riesgo o mecanismos de incentivos. El trabajo reconoce explícitamente que actualmente no modela el almacenamiento de energía ni la respuesta de la demanda, identificándolos como áreas para futuras investigaciones, y mantiene una perspectiva centralizada en lugar de una teoría de juegos para las estrategias individuales de los productores.

Más como este