Battery Bidding under Price Uncertainty in Wholesale Electricity Markets

Este artículo demuestra que el comportamiento de retención aparentemente estratégico por parte de las baterías a escala de red en los mercados mayoristas de electricidad puede explicarse como una gestión de riesgos racional bajo la incertidumbre de los precios, utilizando un modelo de programación lineal reformulado para mostrar cómo los niveles de estado de carga y la aversión al riesgo moldean las curvas de oferta.

Lo esencial

Imagina una batería gigante y de alta tecnología como un gestor inteligente de dinero para la electricidad. Su trabajo es sencillo: comprar electricidad cuando es barata (como abastecerse de comestibles cuando están en oferta) y venderla cuando es cara (como vender esos mismos comestibles con un sobreprecio durante una tormenta).

Sin embargo, este gestor enfrenta un problema complicado: tiene que realizar sus pedidos antes de saber el precio exacto del día de mañana. Es como intentar fijar el precio de venta de una casa antes de saber si el mercado colapsará o florecerá la próxima semana.

Este artículo plantea una gran pregunta: Cuando vemos que estos gestores de baterías actúan de forma extraña —como negarse a vender incluso cuando los precios parecen adecuados—, ¿están siendo codiciosos y manipulando el mercado, o simplemente están siendo inteligentes y cautelosos?

Los autores dicen: Es mayormente lo segundo. Construyeron un modelo matemático para demostrar que el comportamiento "extraño" es a menudo una respuesta racional a la incertidumbre y al riesgo, no una señal de manipulación del mercado.

Aquí están las tres conclusiones principales, explicadas con analogías de la vida cotidiana:

1. El efecto de la "Billetera Vacía" (Por qué se contienen)

Imagina que tienes una billetera con muy poco efectivo. Si ves la oportunidad de comprar un café por $5, podrías dudar porque no sabes si necesitarás esos $5 más tarde para un boleto de autobús para volver a casa. Te quedas con tu efectivo porque es escaso.

• El hallazgo del artículo: Cuando una batería tiene muy poca energía almacenada (un bajo "Estado de Carga"), actúa como esa persona con la billetera vacía. Incluso si el precio actual de la electricidad parece bueno, la batería podría negarse a vender (o "retener" energía) porque teme quedarse sin combustible antes de un momento realmente caro más adelante.
• El resultado: Parece que la batería está siendo codiciosa y reteniendo energía, pero en realidad solo tiene miedo de quedarse sin combustible.

2. El giro del "Tanque Lleno" (Por qué se vuelven exigentes cuando tienen mucho)

Ahora, imagina que esa misma persona tiene una billetera llena de efectivo. De repente, se vuelve más dispuesta a gastar. Pero aquí está el giro: si tiene demasiado efectivo y el futuro es muy impredecible, podría volverse incluso más exigente con sus gastos. Podría decir: "Tengo tanto dinero que solo compraré ese café si tiene una liquidación masiva, por si acaso necesito comprar algo aún más importante después".

• El hallazgo del artículo: Cuando una batería está llena de energía, el efecto de la incertidumbre cambia.
  • Si la batería está vacía, la incertidumbre hace que quiera retener la energía (elevando su precio de venta).
  • Si la batería está llena, la incertidumbre puede, de hecho, hacer que baje su precio de venta. ¿Por qué? Porque tiene tanta energía que está dispuesta a vender parte de ella a un precio más bajo solo para asegurarse de obtener algo de dinero, en lugar de arriesgarse a conservarla toda y quedarse estancada si los precios caen.

3. La estrategia del "Pastel por Capas" (Cómo gestionan el riesgo)

Piensa en la estrategia de oferta de una batería como un pastel por capas.

• La capa inferior (La apuesta segura): Esta parte del pastel está diseñada para ser comida (vendida) casi todos los días. Tiene un precio diseñado para asegurar que la batería obtenga una ganancia constante y fiable, tal como una cuenta de ahorros segura.

• La capa superior (El premio mayor): Esta parte se deja en el estante a un precio muy alto. La batería espera que no se venda a menudo, pero si el mercado se vuelve loco y los precios se disparan, esta capa se vende por una ganancia enorme.

• El hallazgo del artículo: Cuando los gestores de baterías están preocupados por el riesgo (quieren evitar perder dinero), no se limitan a esconder toda su energía. En su lugar, construyen esta estrategia "por capas". Aseguran un ingreso seguro y constante con la capa inferior, mientras mantienen un pequeño "billete de lotería" (la capa superior) para esos momentos de picos de precios masivos y poco comunes. Esto hace que sus curvas de oferta parezcan complejas y "extrañas", pero es en realidad una forma inteligente de equilibrar la seguridad y el beneficio potencial.

La Gran Conclusión

El artículo utiliza datos reales del mercado eléctrico de California para mostrar que las baterías no necesariamente están haciendo trampa.

Cuando los reguladores ven que una batería se niega a vender a un precio "justo", a menudo sospechan que la batería intenta manipular el mercado para elevar los precios. Este artículo argumenta que no, solo están jugando a lo seguro. Están calculando las probabilidades de los precios futuros, gestionando su riesgo de quedarse sin energía y tratando de protegerse de desastres financieros.

En resumen: Lo que parece "codicia" es a menudo "cautela". La batería está tratando de sobrevivir a un mercado tormentoso, no de amañar el juego.

Resumen técnico

Resumen Técnico: Oferta de Baterías bajo Incertidumbre de Precios en Mercados Eléctricos Mayoristas

Planteamiento del Problema
Las baterías a escala de red son cada vez más críticas para integrar la energía renovable variable y garantizar la fiabilidad de la red. Sin embargo, los patrones de oferta observados en los mercados mayoristas de electricidad —específicamente las brechas sistemáticas entre las ofertas presentadas y los precios realizados en el mercado del día siguiente (DAM)— suelen asemejarse a un comportamiento de "retención" (por ejemplo, ofertas de venta inusualmente altas o ofertas de compra inusualmente bajas). Si bien tales patrones plantean preocupaciones sobre el poder de mercado y la manipulación estratégica, las medidas existentes de mitigación del poder de mercado han mostrado un impacto limitado en el despacho de las baterías. La pregunta central que aborda este artículo es si estos patrones de oferta pueden surgir de operaciones competitivas y racionales bajo incertidumbre de precios y gestión de riesgos, en lugar de derivar del ejercicio de poder de mercado.

Metodología
Los autores desarrollan un modelo a nivel de activo de un operador de baterías que participa en el mercado del día siguiente. El modelo está diseñado para optimizar curvas de oferta escalonadas (pares cantidad–precio) en lugar de solo cantidades de despacho, alineándose con la mecánica real de participación en el mercado.

1. Formulación del Modelo:

   • Objetivo: La batería maximiza un objetivo de media–Valor en Riesgo Condicional (CVaR), equilibrando los ingresos esperados frente al riesgo de pérdida.
   • Incertidumbre: Los precios de mercado se representan mediante un conjunto finito de escenarios horarios.
   • Restricciones: El modelo incorpora restricciones físicas (límites de potencia, capacidad de almacenamiento, eficiencia de carga/descarga) y restricciones de mercado (no simultaneidad de carga/descarga, impuesta mediante una banda muerta entre los precios de compra y venta).
   • Estado de Carga (SoC): La dinámica del inventario se modela a través de la evolución esperada del SoC en distintos escenarios, asegurando que la batería no cargue cuando esté llena ni descargue cuando esté vacía en términos de expectativa.

2. Reformulación Exacta por Programación Lineal (LP):

   • Una formulación natural de este problema es un Programa Lineal Entero Mixto (MILP) debido a la naturaleza binaria del despacho de mercado (si una oferta se ejecuta depende de si el precio realizado cruza el precio de la oferta).
   • Los autores demuestran que, para un conjunto finito de escenarios de precios muestreados, los precios óptimos de oferta pueden restringirse al conjunto de los precios muestreados sin pérdida de optimalidad.
   • Esta observación permite que los indicadores de despacho se precomputen como coeficientes fijos, transformando el MILP en una reformulación de Programación Lineal (LP) exacta.
   • Significado: Esta reformulación reduce los tiempos de solución de horas (para el MILP) a menos de un segundo, haciendo que el análisis empírico sea computacionalmente tratable. También expone variables duales económicamente significativas, como el precio sombra de la restricción de SoC, que representa el costo de oportunidad intertemporal de la batería.

3. Análisis Empírico:

   • El modelo se prueba utilizando datos de precios del Mercado del Día Siguiente (DAM) de 2024 de la California ISO (CAISO).
   • La incertidumbre de precios se modela mediante un proceso gaussiano calibrado con los residuos históricos, con un parámetro escalar que controla el nivel de incertidumbre.
   • Se realizan tres simulaciones:
     1. Descarga vespertina neutral al riesgo con un SoC inicial variable.
     2. Carga meridiana y descarga vespertina neutral al riesgo (ciclo intradía completo).
     3. Operaciones con aversión al riesgo (variando el peso medio-CVaR) bajo el ciclo intradía completo.

Contribuciones Clave y Resultados

1. Retención Racional sin Poder de Mercado:
   El artículo demuestra que el comportamiento de "retención" (presentar ofertas que evitan ejecutarse en el mercado del día siguiente) puede surgir naturalmente de un comportamiento competitivo y tomador de precios. Cuando la energía almacenada es escasa, el costo de oportunidad de usar esa energía ahora frente a guardarla para una hora futura de mayor precio aumenta. Esta valoración racional conduce a ofertas de venta más altas, incluso sin la existencia de poder de mercado.

2. Dependencia del Estado de Carga (SoC) de la Incertidumbre:
   El efecto de la incertidumbre de precios en la oferta es no monotónico y depende fuertemente del inventario inicial de la batería:

   • Inventario Escaso: Una mayor incertidumbre aumenta el valor de mantener la energía para oportunidades futuras de alto precio, elevando los precios de las ofertas de venta.
   • Inventario Abundante: Cuando la batería tiene energía suficiente para cubrir las horas pico, una mayor incertidumbre puede, de hecho, bajar los precios de las ofertas de venta. El operador está más dispuesto a liquidar el exceso de inventario en un rango más amplio de escenarios para evitar quedarse con energía no vendida al final del horizonte.

3. Estructuras de Oferta por Capas derivadas de la Gestión de Riesgos:
   La introducción de la aversión al riesgo (mediante el término CVaR) reconfigura las curvas de oferta en estructuras "por capas".

   • Para asegurar un piso de ingresos, la batería reduce una parte de sus ofertas de venta para garantizar la ejecución en un conjunto amplio de escenarios.
   • Simultáneamente, retiene una parte de su capacidad a precios muy altos (con apariencia de retención) para preservar la exposición a picos de precios raros pero valiosos.
   • Esto resulta en una curva de oferta que equilibra la estabilidad de la ejecución central con el potencial de ganancias, en lugar de un simple desplazamiento de toda la curva.

Significancia y Reivindicaciones
El artículo sostiene que los patrones de oferta de baterías observados en los mercados mayoristas, a menudo interpretados como evidencia de manipulación de mercado, pueden explicarse plenamente mediante operaciones económicas legítimas bajo incertidumbre. Los autores argumentan que:

• Cambio de Interpretación: Los marcos de monitoreo de mercado deben distinguir entre la retención estratégica (poder de mercado) y el comportamiento de toma de precios ajustado al riesgo. Este último es una respuesta racional a la naturaleza intertemporal del almacenamiento de baterías y la volatilidad de los precios.
• Utilidad Metodológica: La reformulación exacta por LP proporciona una herramienta práctica para el análisis empírico, permitiendo a los investigadores resolver problemas de oferta complejos de manera eficiente y extraer variables duales que ofrecen información económica sobre los costos de oportunidad.
• Implicación de Política: Los hallazgos sugieren que las herramientas actuales de mitigación del poder de mercado pueden estar desalineadas con los impulsores reales del comportamiento de las baterías, que a menudo radican en la gestión de riesgos y la escasez de inventario en lugar de la manipulación estratégica.

El artículo concluye señalando que, si bien el modelo aisla el arbitraje de energía, el trabajo futuro debería extender este marco para incluir la co-optimización con servicios auxiliares y obligaciones de suficiencia de recursos, lo que influiría aún más en la formación de ofertas a través de costos de oportunidad adicionales.