On the Design of Stochastic Electricity Auctions

El artículo propone mejorar la eficiencia de las subastas eléctricas diarias ante la incertidumbre de las energías renovables mediante contratos condicionados al estado del mundo, los cuales se definen resolviendo un problema óptimo de partición y se ilustran con un caso de estudio de parques eólicos marinos en el Mar del Norte.

Lo esencial

Imagina que el mercado de la electricidad es como un gran mercado de frutas, pero con una diferencia crucial: el clima decide qué fruta hay, y nadie sabe exactamente qué tiempo hará mañana.

El autor de este artículo, Thomas Hübner, nos dice que nuestro sistema actual para comprar y vender electricidad tiene un gran defecto cuando se trata de energías renovables (como el viento y el sol). Aquí te explico su idea usando una analogía sencilla:

1. El Problema: El "Pronóstico del Tiempo" que no existe en el contrato

La situación actual:
Imagina que eres un agricultor de manzanas (una planta eólica). Mañana es un día de mercado (la subasta de "día anterior"). Tienes que decidir hoy cuántas manzanas venderás mañana, pero no sabes si mañana hará sol o lloverá.

• Si vendes demasiadas manzanas y mañana llueve (no hay viento), no tendrás fruta para entregar. Tendrás que comprar manzanas caras en el mercado de emergencia para cumplir tu promesa. ¡Pierdes dinero!
• Si vendes pocas manzanas y mañana hace un sol radiante (mucho viento), tendrás fruta sobrante que nadie quiere. Tendrás que tirarla a la basura (o "cortar" la producción). ¡Pierdes dinero!

En el mercado actual, solo puedes firmar un contrato que diga: "Te vendo 100 manzanas mañana a las 10:00". El contrato no dice nada sobre el clima. Es un contrato "a ciegas".

La solución propuesta:
Hübner sugiere cambiar las reglas del juego. En lugar de vender "manzanas para mañana a las 10:00", deberíamos vender:

• "Te vendo 100 manzanas si mañana hace sol."
• "Te vendo 50 manzanas si mañana llueve."

Estos son contratos contingentes al estado del mundo. Si mañana llueve, el contrato de "sol" desaparece mágicamente y no tienes que entregar nada. Si hace sol, el contrato de "lluvia" desaparece. Así, el agricultor ya no tiene que adivinar; simplemente vende lo que cree que tendrá en cada escenario posible.

2. La Magia: El "Mapa de Estados" (La Gran Idea)

Aquí viene la parte difícil pero brillante. ¿Cómo definimos "sol" o "lluvia"?
El mundo es complejo. El viento no es solo "mucho" o "poco". Puede ser fuerte en el norte y débil en el sur. Podríamos definir millones de estados posibles (viento de 1.2 m/s al norte, 3.4 m/s al sur, etc.), pero eso sería un caos. Nadie podría entender los contratos.

El autor dice: "Necesitamos un mapa que divida el mundo en zonas manejables".

• La analogía del mapa de calor: Imagina que el viento es un mapa de calor. En lugar de tener un mapa con millones de puntos de colores, queremos dividir ese mapa en pocos grupos grandes (por ejemplo: "Zona de Viento Bajo", "Zona de Viento Alto", "Zona de Viento Fuerte en el Norte").
• El algoritmo inteligente: El autor propone usar matemáticas avanzadas (llamadas "particiones de Voronoi") para dibujar estos grupos de la manera más inteligente posible. Es como si un algoritmo colocara "puntos de referencia" en el mapa y dijera: "Todo lo que esté más cerca de este punto es 'Viento Alto', todo lo que esté cerca de ese otro es 'Viento Bajo'".

Esto asegura que los grupos sean:

1. Pequeños y precisos: Que no mezclen situaciones muy diferentes.
2. Probables: Que se centren en los escenarios que más suelen ocurrir.
3. Fáciles de entender: Que un agricultor o una fábrica puedan decir: "Ah, hoy el viento está en la zona azul, así que usaré mi contrato azul".

3. ¿Por qué es mejor? (El Beneficio)

Si implementamos esto:

• Para el viento/sol: Ya no tienen miedo. Si saben que mañana hará mucho viento, venden su contrato de "Viento Fuerte". Si el viento falla, simplemente no entregan, pero no tienen que pagar multas ni comprar energía cara.
• Para el sistema eléctrico: Las centrales de energía tradicionales (como las de gas) pueden planificar mejor. Saben exactamente cuánta energía les falta en cada escenario de viento.
• Resultado: Se desperdicia menos energía renovable, la electricidad es más barata y el sistema es más eficiente.

En resumen

El artículo propone dejar de tratar la electricidad como un producto genérico que se vende "para mañana", y empezar a venderlo como un producto que depende del clima específico de ese día.

Es como pasar de vender "un paraguas para mañana" (sin saber si lloverá) a vender "un paraguas si llueve, y un sombrero si hace sol". Gracias a una técnica matemática inteligente para dibujar los "escenarios" del clima, podemos hacer que este mercado funcione perfectamente, ahorrando dinero y energía para todos.

La frase clave: No intentemos predecir el futuro; en su lugar, diseñemos un mercado que funcione bien sin importar qué futuro ocurra.

Resumen técnico

Resumen Técnico: Diseño de Subastas Eléctricas Estocásticas

1. Planteamiento del Problema

El mercado eléctrico actual opera principalmente mediante subastas "day-ahead" (un día antes), donde se toman decisiones operativas críticas (como el compromiso de unidades o unit commitment) bajo incertidumbre.

• La Ineficiencia Actual: Los generadores renovables (eólica y solar) enfrentan incertidumbre sobre su producción real. En las subastas actuales, los contratos dependen solo del tiempo y la ubicación, pero no del estado del mundo (ej. si habrá viento o calma).
• Consecuencias: Esto obliga a los productores renovables a elegir entre vender demasiado poco (y tener que gestionar el excedente en mercados intradiarios con precios volátiles) o vender demasiado (y enfrentar riesgos de recompra a precios altos). El resultado es una utilización ineficiente de la energía renovable y decisiones sistémicas subóptimas.
• Limitación de la Literatura Existente: La literatura anterior ha intentado abordar esto mediante modelos de "despacho estocástico" en la subasta, pero a menudo concluye que estos diseños son imprácticos o carecen de propiedades deseables (como la veracidad de las ofertas).

2. Metodología y Marco Teórico

El autor propone un cambio de paradigma basándose en la teoría microeconómica del Equilibrio bajo Incertidumbre (Debreu, Arrow, Radner).

• Contratos Contingentes al Estado: Se propone que los contratos de electricidad no solo se definan por tiempo ($t$) y nodo ($n$), sino también por un estado del mundo ($s$). Un contrato se ejecuta solo si el estado $s$ se materializa.
• Definición del Estado: Un estado $s$ se define como un subconjunto no vacío del espacio muestral $\Omega$ de una variable aleatoria $\xi$ (ej. velocidad del viento).
• Modelo de Equilibrio:
  • Se establece un modelo de dos etapas: decisiones en $t=0$ (subasta) y realización de la incertidumbre en $t=t_1$.
  • Se demuestra que, si los agentes comercian contratos contingentes al estado y alcanzan un Equilibrio Walrasiano, se maximiza el bienestar social y se toman decisiones óptimas anticipadas, extendiendo los teoremas de bienestar al entorno estocástico.
• Diseño de la Subasta:
  • La subasta centralizada debe asignar contratos y precios ($\lambda$) tal que la oferta y demanda se equilibren para cada estado.
  • Se analizan las propiedades de incentivos: en mercados grandes, la subasta es estratégicamente a prueba de fallos (strategy-proofness in the large), individualmente racional y equilibrada presupuestariamente.

3. Contribuciones Clave

La contribución central del artículo es resolver el problema práctico de cómo definir los estados del mundo de manera óptima, dado que existen infinitas posibilidades teóricas pero solo un número finito puede implementarse.

• Criterios de Selección de Estados: El autor propone tres criterios para seleccionar un conjunto de estados $\Omega_1, ..., \Omega_S$:
  1. Cobertura: La unión de los estados debe cubrir todo el espacio muestral.
  2. Disjunción: Los estados deben ser mutuamente excluyentes (partición).
  3. Tamaño Mínimo: Se busca minimizar la "dispersión" ponderada por la probabilidad de los estados.
• Conexión con la Cuantización Óptima: Se demuestra que la solución a este problema de partición corresponde a una Partición de Voronoi Centroidal.
  • Matemáticamente, esto se formula como un problema de ubicación de instalaciones (minimizar la distancia cuadrática media a los centroides).
  • Esto permite calcular los estados resolviendo un Programa Cuadrático Mixto Entero (MIQP).
• Interpretabilidad: A diferencia de modelos estocásticos complejos, esta metodología genera estados que son intuitivos y fáciles de comunicar (ej. "Estado 1: Viento bajo en el norte y alto en el sur").

4. Resultados y Estudio de Caso

El autor valida la metodología mediante un estudio de caso con parques eólicos marinos en el Mar del Norte Europeo.

• Configuración: Se define la variable aleatoria $\xi$ como la velocidad del viento en dos ubicaciones específicas a las 23:00 horas.
• Cálculo: Se resuelve el problema de partición óptima para $S=2, 3, 4$ estados utilizando el solver Gurobi.
• Hallazgos:
  • S=2: Divide el espacio en "Viento generalmente bajo" y "Viento generalmente alto".
  • S=3 y S=4: Refinan la partición, capturando diferencias espaciales (ej. "Viento bajo en la ubicación 1, alto en la ubicación 2").
  • Interpretación: Cada estado se define por un punto representativo (centroide) $\omega_s$. Un estado ocurre si la realización del viento está más cerca de ese centroide que de cualquier otro.
  • Escalabilidad: Se observa que, aunque la complejidad computacional aumenta con la dimensionalidad, el enfoque es viable para dimensiones bajas (1-5 variables aleatorias), lo cual es suficiente para capturar la incertidumbre principal.

5. Significado e Implicaciones

• Eficiencia del Mercado: La implementación de contratos contingentes al estado permitiría una integración más eficiente de las energías renovables, eliminando la necesidad de curtailment (desconexión) forzado o compras de emergencia costosas.
• Viabilidad Práctica: A diferencia de los enfoques de "despacho estocástico" que a menudo se consideran teóricos o computacionalmente intratables, este enfoque ofrece una extensión conceptualmente simple de las subastas actuales. La subasta actual es un caso especial donde $S=1$.
• Propuesta de Implementación:
  • El subastador (ej. el Comité NEMO en Europa) definiría los estados basándose en pronósticos meteorológicos y distribuciones de probabilidad.
  • Los participantes presentarían ofertas para estos estados específicos.
  • Se mantiene la transparencia y la simplicidad de los contratos, ya que los estados se definen geométricamente (Voronoi) en el espacio de las variables aleatorias.

Conclusión: El artículo demuestra que la ineficiencia actual no es inherente a la incertidumbre, sino a la incompletitud de los contratos. Al definir estados del mundo mediante particiones de Voronoi óptimas, es posible diseñar un mercado day-ahead estocástico que preserve las propiedades deseables de los mercados competitivos (eficiencia, incentivos veraces) mientras gestiona la incertidumbre renovable de manera óptima.