When and How Should a Power Trader Engage in Arbitrage? Predict, then Contextually Optimize

Resumen Técnico: Predicción y Optimización Contextual para el Arbitraje de Comerciantes de Energía

Planteamiento del Problema
Los generadores de energía estocásticos, como los parques eólicos, enfrentan crecientes oportunidades y riesgos en los mercados eléctricos debido a la ampliación de los diferenciales de precios entre los mercados de día siguiente (day-ahead) y de balanceo. Bajo esquemas de precio único para el balanceo (comunes en Europa), los comerciantes están expuestos al riesgo de precio independientemente de la dirección de su desequilibrio, lo que crea un potencial para el arbitraje oportunista. Sin embargo, las estrategias de oferta actuales suelen carecer de explicabilidad y de una gestión de riesgos explícita. Los comerciantes deben decidir no solo si desviarse del pronóstico de producción para explotar un diferencial de precios predicho ($\Delta\lambda_t = \lambda^{DA}_t - \lambda^B_t$), sino también en qué dirección (largo o corto) y en qué medida. Los marcos actuales frecuentemente oscurecen la lógica económica de estas decisiones o no proporcionan un mecanismo pragmático y consciente del riesgo para ajustar el equilibrio entre beneficio y riesgo de cola (por ejemplo, el Valor en Riesgo Condicional, CVaR). Además, el problema se complica para las plantas de energía híbridas (HPP), que combinan renovables con activos como electrolizadores, los cuales introducen restricciones temporales y flexibilidad operativa adicional.

Metodología: Un Marco de Predicción y Optimización Contextual
Los autores proponen un marco de tres etapas que descompone la decisión de oferta del día siguiente en pasos explícitos y explicables:

1. Etapa 1: Cuándo Participar (Clasificación Probabilística)
   Un clasificador binario probabilístico predice el signo del diferencial de precios ($\Delta\lambda_t > 0$ o $< 0$) basándose en características contextuales (por ejemplo, clima, precios de mercado, pronósticos de demanda). Para gestionar el riesgo, el marco emplea dos umbrales de confianza ajustables ($\alpha$ y $\bar{\alpha}$) sobre la probabilidad predicha.

   • Si la confianza de la predicción es alta (probabilidad $\ge \bar{\alpha}$), el comerciante participa en una oferta larga oportunista.
   • Si la confianza de la predicción es baja (probabilidad $\le \alpha$), el comerciante participa en una oferta corta oportunista.
   • Si la predicción cae dentro de una "banda muerta" ($\alpha < \text{prob} < \bar{\alpha}$), el comerciante recurre por defecto a una oferta libre de arbitraje (igual al pronóstico de producción).
   • Detalle de Entrenamiento: El clasificador se entrena utilizando LightGBM. Se introduce un "cuantil de banda muerta" ($\delta$) para excluir muestras de entrenamiento con diferenciales de precios cercanos a cero, que son de alto ruido y bajo valor. Los umbrales $\alpha$ y $\bar{\alpha}$ se ajustan en un conjunto de validación para maximizar una métrica orientada al valor (beneficio esperado o CVaR), en lugar de minimizar la pérdida de clasificación.

2. Etapa 2: En qué Medida (Optimización Contextual)
   Condicional a la decisión de participar en el arbitraje (largo o corto), una política de decisión lineal determina la magnitud de la desviación de la oferta respecto al pronóstico. Se aprenden dos políticas separadas mediante optimización contextual: una para la clase larga y otra para la clase corta.

   • La política mapea las características contextuales directamente a una desviación con signo $z_t$, de tal manera que la oferta sea $p^{DA}_t = \hat{P}^W_t + z_t$.
   • El objetivo de optimización maximiza una combinación ponderada del beneficio medio y el CVaR del beneficio, sujeto a restricciones físicas (balance de potencia, límites operativos del electrolizador, objetivos de producción de hidrógeno).
   • Para las HPP, el modelo incorpora restricciones para el electrolizador, permitiéndole absorber desequilibrios o adquirir energía de la red, aumentando así la flexibilidad.

3. Etapa 3: Cálculo de Beneficio Ex-Post
   En la fase de prueba, la oferta de día siguiente comprometida se liquida contra los precios realizados. Para las HPP, se realiza una optimización determinista secundaria para despachar el electrolizador basándose en el pronóstico del precio de balanceo, maximizando el ingreso residual.

Contribuciones Clave

• Descomposición Explicable: A diferencia de los modelos de optimización integrados que emiten una única cantidad de oferta, este marco separa explícitamente la decisión en "cuándo", "dirección" y "medida", haciendo que la lógica económica sea transparente para los comerciantes.
• Ajuste Consciente del Riesgo: El marco introduce dos mecanismos distintos para el control de riesgos: (1) los umbrales de confianza en el paso de clasificación controlan la frecuencia de las ofertas oportunistas, y (2) el peso del CVaR ($\beta$) en el paso de optimización controla la magnitud de la desviación de la oferta.
• Integración de Activos Híbridos: La metodología es aplicable tanto a generadores renovables independientes como a plantas híbridas, demostrando cómo los activos co-ubicados (como los electrolizadores) pueden mejorar el valor del arbitraje al proporcionar flexibilidad operativa para gestionar desequilibrios.
• Optimización Contextual: El enfoque aprovecha la optimización contextual para aprender políticas lineales que se adaptan a las condiciones del mercado sin requerir resolvedores complejos y no convexos en el momento de la inferencia.

Resultos
El marco fue evaluado mediante un procedimiento de ventana rodante utilizando datos reales de las zonas de oferta europeas DK1 (Dinamarca) y DE/LU (Alemania/Luxemburgo) para un parque eólico de 7.2 MW, con y sin un electrolizador de 3.6 MW.

• Mejora de Beneficios: El modelo propuesto de "Clasificación + Políticas" aumentó el beneficio medio aproximadamente un 7% en comparación con un punto de referencia estándar libre de arbitraje (ofertar el pronóstico) para la planta híbrida en DK1.
• Valor de la Flexibilidad: La planta híbrida (HPP) superó consistentemente al parque eólico independiente, logrando mejoras de beneficios de hasta un 75% en DK1 y más del 100% en DE/LU, atribuido a la capacidad del electrolizador para absorber desequilibrios.
• Relación Riesgo-Retorno: El modelo logró un mayor beneficio medio que el punto de referencia de "Política Única", mientras reducía significativamente el CVaR (riesgo de cola). Comparado con una estrategia de "Todo o Nada", el modelo propuesto mantuvo beneficios medios comparables pero redujo drásticamente la severidad de las pérdidas en los peores casos.
• Deriva de la Distribución: El rendimiento fue altamente sensible a la deriva de la distribución entre las ventanas de entrenamiento y de prueba. Las mejoras de beneficios fueron mayores cuando la deriva fue baja y colapsaron (o se volvieron negativas) bajo una deriva severa, resaltando las limitaciones de los modelos estáticos en mercados no estacionarios.

Significancia y Reivindicaciones
El artículo afirma que su principal significancia radica en proporcionar una herramienta de apoyo a la decisión pragmática, explicable y consciente del riesgo para los comerciantes de energía. Al desacoplar la predicción de las oportunidades de mercado de la optimización de las cantidades de oferta, el marco permite a los comerciantes ajustar explícitamente su exposición al riesgo a través de parámetros interpretables (umbrales de confianza y pesos de riesgo). Los autores señalan que, si bien el marco mejora los beneficios individuales de los comerciantes, no analiza los impactos a nivel de sistema (por ejemplo, en el bienestar del mercado o la liquidez), lo cual identifican como una dirección para trabajos futuros. El estudio también reconoce que la no estacionariedad sigue siendo un desafío, sugiriendo que futuras iteraciones podrían incorporar el aprendizaje en línea para adaptarse a la dinámica cambiante del mercado.