📈 economics

Locational Energy Storage Bid Bounds for Facilitating Social Welfare Convergence

Este artículo propone un método novedoso y consciente de la incertidumbre para generar límites de ofertas de almacenamiento de energía por ubicación que alineen eficazmente las ofertas del mercado con los objetivos de bienestar social, reduciendo los costos del sistema y aumentando las ganancias del almacenamiento al tiempo que se mitigan los riesgos de poder de mercado.

Autores originales: Ning Qi, Bolun Xu

Publicado 2026-05-08

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Ning Qi, Bolun Xu

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 gran y bullicioso mercado donde la energía se compra y vende cada segundo. En este mercado, el almacenamiento en baterías es un nuevo tipo de comerciante. A diferencia de una planta de carbón o gas que vende energía según el costo del combustible que quema, un comerciante de baterías juega un complejo juego de "comprar barato, vender caro" a lo largo del tiempo. Quieren cargar cuando la electricidad es barata y descargar cuando es cara.

El problema es que, debido a que el futuro es incierto (el sol podría no brillar, o podría llegar una tormenta), estos comerciantes de baterías a menudo juegan demasiado a la defensiva... o demasiado codiciosos. Podrían retener su energía (reteniendo) esperando un aumento masivo de precios más adelante, o podrían ofertar precios extremadamente altos solo por si acaso. Este comportamiento puede hacer que todo el mercado sea ineficiente y costoso para todos.

Este artículo propone un nuevo conjunto de "Límites de Precio" (o límites de oferta) para estas baterías. Piensa en estos límites como el reglamento de un árbitro que dice: "Puedes ofertar tan alto como quieras, pero no más alto que este límite específico basado en el clima actual, el nivel de carga de tu batería y lo riesgoso que parece el mercado".

Aquí tienes un desglose de cómo funciona esto, usando analogías simples:

1. El problema de la "Bola de Cristal"

En un mundo perfecto, el operador del mercado tendría una bola de cristal. Sabría exactamente cuánta energía eólica y solar se generará mañana y exactamente cuánta electricidad usarán las personas. Con este conocimiento perfecto, podrían decirle a las baterías exactamente cuánto cargar y descargar para mantener bajos los costos. Esto se llama el escenario "Oráculo".

Pero no tenemos bolas de cristal. Solo tenemos suposiciones (incertidumbre). Si el operador establece reglas basadas en una "mejor suposición", las baterías podrían ser engañadas. Si la suposición es incorrecta, las baterías podrían perder dinero, o el mercado podría volverse caótico.

2. La "Red de Seguridad" (Límites con Restricciones de Probabilidad)

Los autores crearon una nueva herramienta matemática llamada modelo de "Restricciones de Probabilidad". Imagina que estás haciendo maleta para un viaje.

Determinista (Antigua forma): Empacas para un clima soleado porque el pronóstico dice "soleado". Si llueve, te mojas.
Con Restricciones de Probabilidad (Nueva forma): Empacas un paraguas por si acaso llueve, pero solo lo empacas si hay un 5% de probabilidad de lluvia. Estás dispuesto a aceptar un riesgo mínimo de mojarte para evitar cargar un paraguas pesado todos los días.

El artículo utiliza esta lógica para establecer los límites de precio. Calcula un límite que es "seguro" el 95% de las veces (o el nivel de confianza que elija el operador). Este límite tiene en cuenta:

Cuánta energía hay en la batería: Si una batería está casi llena, su valor para el sistema es menor (tiene menos espacio para almacenar más), por lo que el límite de su precio de oferta baja.
Qué tan incierto es el clima: Si el viento es impredecible, el límite sube para compensar a la batería por el riesgo.
Qué tan averso al riesgo es el operador: Si el operador está muy nervioso por los apagones, establece límites más altos para fomentar la participación de las baterías.

3. La analogía del "Límite de Velocidad"

Piensa en la oferta de la batería como un coche acelerando por una autopista.

Sin la regla: La batería podría acelerar (ofertar alto) esperando una gran recompensa, pero esto causa atascos (altos costos del sistema) para todos los demás.
Con la regla: El artículo propone un límite de velocidad dinámico. Si el camino está despejado (baja incertidumbre), el límite es más bajo. Si el camino está neblinoso (alta incertidumbre), el límite es más alto.
El resultado: La batería aún puede conducir rápido si las condiciones lo justifican, pero no puede acelerar imprudentemente hasta el punto de hacer colapsar el mercado.

4. ¿Qué pasó en la prueba?

Los autores probaron esta idea en una versión simulada de la red eléctrica de Nueva Inglaterra (ISO-NE). Crearon "agentes" (programas informáticos) que actuaban como dueños de baterías codiciosos tratando de manipular el sistema.

El resultado: Cuando aplicaron sus nuevos "Límites de Velocidad" (límites de oferta):
- Los costos del sistema bajaron: El costo general para operar la red disminuyó ligeramente (aproximadamente un 0,17% en su prueba).
- Las ganancias de las baterías aumentaron: Sorprendentemente, las baterías en realidad ganaron más dinero (aproximadamente un 10% más en promedio).
- ¿Por qué? Al limitar las ofertas "codiciosas" que eran demasiado altas, se permitió a las baterías participar con más frecuencia en el mercado. Dejaron de retener su energía por miedo, lo que significó que podían vender más energía a precios justos.

5. El efecto de la "Gran Batería"

El artículo encontró que cuanto más baterías hay en la red, más importantes se vuelven estas reglas.

Si tienes pocas baterías, no cambian mucho el mercado.
Si tienes muchas baterías (como el 35% de la capacidad de la red), su comportamiento colectivo puede hacer oscilar los precios violentamente. Las nuevas reglas actúan como un estabilizador, asegurando que una flota masiva de baterías trabaje para la red en lugar de contra ella.

Resumen

El artículo argumenta que necesitamos una forma más inteligente de regular el almacenamiento de energía. En lugar de adivinar o usar reglas rígidas, deberíamos usar una "red de seguridad" flexible que cambie según lo llena que esté la batería y lo riesgoso que parezca el clima. Esto mantiene el mercado justo, reduce los costos para todos y realmente ayuda a los dueños de baterías a obtener mejores ganancias al evitar que jueguen juegos peligrosos e ineficientes.

Resumen Técnico: Límites de Ofertas de Almacenamiento de Energía Locacional para Facilitar la Convergencia del Bienestar Social

Enunciado del Problema
El despliegue rápido de almacenamiento de energía en los mercados eléctricos introduce desafíos significativos en la regulación del poder de mercado y la garantía de la convergencia del bienestar social. A diferencia de los generadores térmicos, cuyas ofertas se basan en costos de combustible conocidos, los participantes de almacenamiento deben presentar ofertas que contemplen oportunidades futuras e incertidumbres, las cuales son difíciles de cuantificar. Las prácticas actuales de mercado dependen de ofertas estratégicas por parte de los participantes de almacenamiento, lo que a menudo conduce a la retención económica (retener capacidad para arbitrar en mercados en tiempo real o anticipar picos de precios). Este comportamiento puede resultar en ineficiencias de mercado, volatilidad excesiva de precios y una reducción del bienestar social. Las medidas regulatorias existentes, como las ofertas predeterminadas deterministas (por ejemplo, el LMP de día anterior cuarto más alto de CAISO), suelen ser excesivamente conservadoras, ignorando las incertidumbres en tiempo real y la dependencia del valor de la oportunidad del estado de carga (SoC). Además, detectar la manipulación del mercado es difícil porque la retención económica legítima para capturar oportunidades futuras es indistinguible de la retención manipuladora sin una línea base robusta de costos de oportunidad.

Metodología
El artículo propone un marco novedoso para generar límites de ofertas (topes de oferta) locacionales y específicos por unidad para el almacenamiento de energía. La metodología procede a través de los siguientes pasos:

Despacho Económico Oráculo (OED): Los autores primero formulan un problema de despacho económico multiperiodo asumiendo una previsión perfecta de la demanda y la generación renovable. Esto sirve como una línea base teórica para determinar el costo marginal óptimo del almacenamiento, que incluye tanto los costos físicos de degradación como los costos de oportunidad derivados de las restricciones de acoplamiento temporal.
Despacho Económico con Restricciones de Probabilidad (CED): Para abordar la incapacidad práctica de predecir incertidumbres futuras, el OED se extiende a una formulación con restricciones de probabilidad. Este marco incorpora incertidumbres de la carga neta (de renovables y carga) y la preferencia de riesgo del operador del sistema (definida por un nivel de confianza $1-\epsilon$ ).
Reformulación Determinista: El problema con restricciones de probabilidad se reformula en un equivalente convexo determinista. Esto implica reemplazar las restricciones probabilísticas con restricciones deterministas utilizando la función de distribución acumulada inversa (CDF) de la carga neta. Los autores exploran varios modelos de incertidumbre, incluyendo distribuciones normales, aproximaciones robustas (desigualdad de Cantelli) y distribuciones versátiles para datos históricos discretos.
Derivación de Límites de Oferta: Las variables duales asociadas con las restricciones de balance de energía del almacenamiento en el marco CED representan el costo marginal de oportunidad consciente del riesgo. Los autores derivan los límites de oferta de descarga y carga ( $A_{s,t}$ $A_{s, t}$ y $B_{s,t}$ $B_{s, t}$ ) basándose en estas variables duales. Los límites se definen como:
- Límite de Descarga: $A_{s,t} = M_s + \max(\hat{\theta}_{s,t})/\eta_s$
- Límite de Carga: $B_{s,t} = \min(\hat{\theta}_{s,t})\eta_s - M_s$
  Donde $M_s$ es el costo físico de degradación, $\eta_s$ es la eficiencia y $\hat{\theta}_{s,t}$ es el costo de oportunidad consciente del riesgo.
Simulación Basada en Agentes: La efectividad de los límites propuestos se prueba utilizando un sistema de prueba modificado de 8 zonas de ISO-NE con una simulación de mercado basada en agentes. La simulación incluye participantes de almacenamiento estratégicos que emplean estrategias de retención económica a través de diversos niveles de penetración renovable (30%, 50%), capacidad de almacenamiento (20%, 35%) e incertidumbre del sistema.

Contribuciones Clave

Límites con Restricciones de Probabilidad: El artículo introduce un marco novedoso que proporciona límites de oferta probabilísticos para las ofertas de almacenamiento. Estos límites se derivan de un despacho económico multiperiodo que incorpora explícitamente la incertidumbre de la carga neta y las preferencias de riesgo del operador del sistema, ofreciendo una medida preventiva contra el abuso del poder de mercado.
Análisis Teórico de Precios: Los autores proporcionan demostraciones teóricas que establecen características clave de los límites:
- Garantía de Confianza: Los límites topan los costos marginales verdaderos con un nivel de confianza garantizado ( $1-\epsilon$ ).
- Monotonía del SoC: Los límites de oferta disminuyen monótonamente a medida que aumenta el Estado de Carga (SoC) del almacenamiento, reflejando un valor marginal decreciente.
- Escalado de Incertidumbre y Riesgo: Los límites aumentan monótonamente con la incertidumbre de la carga neta y la aversión al riesgo del operador del sistema (menor $\epsilon$ ). Esto contrasta con los generadores convencionales, cuyas ofertas son independientes de tales factores.
- LMP Consciente del Riesgo: Se demuestra que los límites se alinean con los Precios Marginales Locacionales (LMP) conscientes del riesgo.
Validación mediante Simulación: El estudio demuestra a través de simulaciones basadas en agentes que los límites propuestos superan a los límites deterministas existentes. Alinean eficazmente las ofertas de almacenamiento con los objetivos de bienestar social, reduciendo los costos del sistema mientras mantienen o aumentan las ganancias del almacenamiento, particularmente en escenarios con alta retención económica.

Resultados
Los experimentos numéricos en el sistema de prueba ISO-NE arrojaron los siguientes resultados:

Reducción de Costos del Sistema: Bajo escenarios con 30% de capacidad renovable y 20% de capacidad de almacenamiento, los límites de oferta propuestos redujeron los costos promedio del sistema en un 0.17% en comparación con las ofertas estratégicas no reguladas. La reducción escaló con el aumento de la capacidad de almacenamiento y la retención económica.
Rentabilidad del Almacenamiento: Contrario a la intuición de que el tope de ofertas reduce las ganancias, los límites propuestos aumentaron las ganancias promedio del almacenamiento en un 10.16% en diversos escenarios. Esto se atribuye a que los límites previenen la sobrerretención ineficiente que conduce a un despacho subóptimo y oportunidades perdidas.
Comparación con Límites Deterministas: Se encontró que los límites deterministas (basados en LMP históricos) subestiman los costos de oportunidad bajo alta incertidumbre, lo que lleva a un aumento del 0.01% en los costos del sistema y una reducción de aproximadamente el 20% en las ganancias del almacenamiento. El enfoque con restricciones de probabilidad demostró ser superior para manejar la incertidumbre.
Sensibilidad a Parámetros:
- Preferencia de Riesgo ( $\epsilon$ ): Un $\epsilon$ menor (mayor aversión al riesgo) conduce a límites de oferta más altos pero a una mejora reducida del bienestar social. Se identificó un $\epsilon$ del 5% al 10% como un compromiso práctico.
- Modelos de Incertidumbre: Los modelos de distribución empíricos y versátiles arrojaron mejores mejoras en el bienestar social que las aproximaciones robustas, que produjeron límites excesivamente altos.
- Escasez: Los límites funcionaron particularmente bien en escenarios de escasez (precios altos), frenando eficazmente la retención excesiva que de otro modo impulsaría los costos.
Eficiencia Computacional: Aunque la reformulación exacta escala exponencialmente con el número de unidades de almacenamiento, la aplicación de una relajación robusta (evitando variables binarias) redujo el tiempo de cálculo linealmente, permitiendo la resolución de sistemas con 10,000 unidades en aproximadamente 102 segundos.

Significado y Afirmaciones
El artículo afirma abordar la necesidad urgente de enfoques regulatorios innovadores para gestionar el auge del almacenamiento de energía en los mercados eléctricos. Al proporcionar un marco manejable con restricciones de probabilidad, los autores ofrecen a los operadores del sistema una herramienta para:

Regular el Poder de Mercado: Prevenir la retención económica excesiva que compromete la eficiencia del sistema sin sofocar el comportamiento estratégico legítimo.
Facilitar el Bienestar Social: Alinear las ofertas de almacenamiento con los objetivos de bienestar social, reduciendo los costos generales del sistema.
Mantener la Neutralidad: Permitir que los operadores permanezcan neutrales en los despachos de mercado mientras mantienen los estándares de confiabilidad, ya que los límites se derivan de la optimización a nivel del sistema y no de datos específicos de participantes.
Adaptabilidad: El marco está diseñado para ser transferible a diversos mercados (por ejemplo, CAISO) y puede ajustarse según perfiles de incertidumbre específicos y preferencias de riesgo.

Los autores enfatizan que su enfoque reconoce la validez de la retención económica para capturar oportunidades futuras, pero busca limitar las ofertas que exceden el costo marginal verdadero derivado de una perspectiva de sistema consciente del riesgo. El trabajo se presenta como una solución práctica para gestionar la integración del almacenamiento a medida que aumentan las capacidades renovables y de almacenamiento.