Resource Allocation in Electricity Markets with Budget Constrained Customers

Resumen Técnico: Asignación de Recursos en Mercados de Electricidad con Clientes Sujetas a Restricciones Presupuestarias

1. Planteamiento del Problema

El artículo aborda un desafío fundamental en la teoría de mercados de electricidad: la integración rigurosa de restricciones presupuestarias en los usuarios. Tradicionalmente, los modelos de asignación de recursos maximizan el bienestar social (suma de utilidades de los usuarios menos el costo del sistema) asumiendo que los usuarios pueden consumir cualquier cantidad si pagan el precio de mercado.

Sin embargo, en la realidad, los clientes (residenciales y grandes cargas como la IA) tienen un límite superior en su gasto total ($p \cdot q \leq b$). El problema central es que este límite depende del precio de equilibrio ($\lambda$), el cual es una variable dual determinada por la solución del problema de optimización. Esto crea una referencia circular:

• El precio depende de la demanda.
• La demanda depende del precio y del presupuesto.
• Esto hace que la definición del problema de maximización de bienestar sea difícil de formular directamente y que la existencia de un equilibrio competitivo sea no trivial, pudiendo generar no convexidades o múltiples equilibrios.

El objetivo del trabajo es:

1. Demostrar la existencia y unicidad de un precio de equilibrio competitivo bajo estas restricciones.
2. Proporcionar una interpretación primal equivalente (sin variables duales en las restricciones) que permita resolver el problema mediante optimización convexa estándar.

2. Metodología

Los autores proponen un enfoque dual basado en dos pilares principales:

A. Algoritmo de Ascenso Dual Modificado (Algoritmo 1)
Extienden el algoritmo estándar de ascenso dual utilizado en mercados sin restricciones. El procedimiento iterativo funciona de la siguiente manera:

1. Dado un precio $\lambda_k$, cada usuario $i$ resuelve su problema de maximización de utilidad sujeto a su presupuesto:
   $$x_i^*(\lambda) = \arg \max_{x_i \geq 0} \{ u_i(x_i) - \lambda x_i \} \quad \text{sujeto a} \quad \lambda x_i \leq b_i$$
   Esto resulta en una demanda cerrada: $x_i^*(\lambda) = \max\left(0, \min\left((u_i')^{-1}(\lambda), \frac{b_i}{\lambda}\right)\right)$.
2. El operador del sistema resuelve la maximización de beneficio: $y^*(\lambda) = \arg \max_{y \geq 0} \{ \lambda y - C(y) \}$.
3. Actualización del precio: Se ajusta el precio mediante un gradiente ascendente basado en el exceso de demanda: $\lambda_{k+1} = \lambda_k + \alpha_k (\sum x_i^* - y^*)$.

B. Equivalencia Primal mediante Funciones de Utilidad Modificadas
Para evitar la naturaleza circular de las restricciones, los autores demuestran que el equilibrio del algoritmo anterior es exactamente la solución de un problema de maximización de bienestar sin restricciones explícitas de presupuesto, pero con funciones de utilidad modificadas ($\hat{u}_i$).

La construcción de $\hat{u}_i$ es pieza por pieza:

• Donde el presupuesto no es vinculante (slack), la utilidad modificada es la original: $\hat{u}_i(x) = u_i(x)$.
• Donde el presupuesto es vinculante, la utilidad se reemplaza por una función logarítmica: $\hat{u}_i(x) = b_i \log(x) + \text{constante}$.
• Los puntos de cruce se determinan donde la utilidad marginal original iguala la utilidad marginal logarítmica: $u_i'(x) = b_i/x$.

Esta transformación convierte el problema original (no convexo o mal definido) en un problema de optimización convexa estándar:
$$\max_{x,y} \sum \hat{u}_i(x_i) - C(y) \quad \text{sujeto a} \quad \sum x_i = y, \ x_i \geq 0$$

3. Contribuciones Clave

1. Existencia y Unicidad del Equilibrio: Bajo supuestos estándar de concavidad estricta para las utilidades y convexidad estricta para los costos, demuestran que existe un único precio de equilibrio $\lambda^*$ que iguala oferta y demanda.
2. Convergencia del Algoritmo: Probaron que el Algoritmo 1 (ascenso dual) converge a este equilibrio único desde cualquier precio inicial positivo, utilizando un argumento de función de Lyapunov.
3. Teorema de Equivalencia Primal (Teorema 2): Esta es la contribución teórica más significativa. Establecen que el equilibrio de mercado con restricciones presupuestarias es idéntico a la solución de un problema de bienestar social convexo con utilidades modificadas. Esto permite aplicar toda la teoría existente de asignación de recursos convexa a problemas con presupuestos.
4. Construcción Explícita: Proporcionan una fórmula explícita para construir las funciones de utilidad modificadas, mostrando cómo "cortan" la utilidad original y la reemplazan por una función logarítmica ($b \log x$) cuando el presupuesto se agota.

4. Resultados y Validación

Los autores validan sus resultados teóricos mediante simulaciones numéricas con dos tipos de funciones de utilidad:

• Utilidades Cuadráticas: $u(x) = \beta x - \alpha x^2$.
• Utilidades Raíz Cuadrada: $u(x) = \alpha \sqrt{x}$.

Hallazgos de las simulaciones:

• Convergencia: El algoritmo converge rápidamente al precio de equilibrio (ej. $\lambda^* \approx 2.743$ en el caso de dos usuarios).
• Comportamiento de la Demanda: Se observa que la demanda de los usuarios con restricciones presupuestarias se "aplana" o se vuelve más elástica a medida que el precio aumenta, limitándose a $b_i/\lambda$ en lugar de seguir la curva de demanda no restringida.
• Comparación de Escenarios: Al comparar el caso sin restricciones vs. con restricciones:
  • El precio de equilibrio tiende a disminuir ligeramente en el caso restringido (debido a la reducción de la demanda agregada efectiva).
  • Los usuarios con presupuestos ajustados reducen su consumo significativamente para no exceder su gasto, mientras que los usuarios con presupuestos más holgados pueden aumentar su consumo relativo.
  • La asignación óptima en el problema modificado (Primal) coincide exactamente con la obtenida por el algoritmo iterativo.

5. Significado e Implicaciones

• Modelado Realista: El trabajo permite modelar mercados de electricidad donde los costos crecientes y la sensibilidad al presupuesto son factores críticos, incluyendo grandes cargas de IA y usuarios residenciales.
• Solvabilidad Computacional: Al transformar el problema en uno convexo mediante la modificación de la utilidad, se habilita el uso de algoritmos de optimización distribuida eficientes y garantizados, eliminando la necesidad de heurísticas complejas para manejar la circularidad de los precios.
• Diseño de Tarifas: La estructura de la utilidad modificada sugiere cómo los mecanismos de mercado pueden diseñarse para ser eficientes incluso cuando los usuarios tienen límites de gasto rígidos.
• Futuras Direcciones: Los autores señalan que el modelo actual es de "un solo disparo" (estático) y no considera restricciones de red (nodos). Futuras investigaciones deberían abordar la equidad (fairness), la dinámica temporal y las restricciones de transmisión.

En resumen, el artículo resuelve una dificultad teórica importante en la economía de la energía, demostrando que las restricciones presupuestarias no rompen la estructura convexa del problema de mercado si se interpretan correctamente a través de funciones de utilidad modificadas, garantizando así un equilibrio competitivo único y computable.