Simplifying Preference Elicitation in Local Energy Markets: Combinatorial Clock Exchange

Ce papier propose un mécanisme de marché local d'énergie combinant l'échange en horloge combinatoire et l'apprentissage automatique pour simplifier l'expression des préférences complexes des prosumers et accélérer la découverte des prix grâce à un format intuitif et transparent.

L'essentiel

🌟 Le Grand Marché de l'Énergie de Quartier : Comment faire jouer tout le monde ensemble ?

Imaginez que votre quartier est devenu une petite ville autonome où tout le monde produit et consomme de l'électricité. Vous avez des panneaux solaires sur le toit, une voiture électrique, et peut-être même une batterie. Vos voisins aussi.

Dans le passé, l'électricité venait d'une grande centrale lointaine et vous la achetiez simplement. Aujourd'hui, tout le monde est un "prosommeur" (à la fois producteur et consommateur). Le problème ? C'est comme si tout le monde devait négocier un marché complexe en même temps, et c'est devenu un vrai casse-tête pour les gens.

Les auteurs de ce papier proposent une nouvelle façon de gérer ce marché, un peu comme un marché aux puces intelligent qui utilise la magie de l'Intelligence Artificielle (IA) pour simplifier les choses.

1. Le Problème : Le "Menu" Trop Complexe 🤯

Imaginez que vous voulez acheter un repas.

• L'ancien système vous demande de dire : "Je veux 2 kg de pommes, 3 kg de poires, et je suis prêt à payer X euros si le prix des pommes monte, mais Y si les poires baissent, en sachant que si j'ai trop de pommes, je ne peux pas manger de poires..."
• C'est trop compliqué ! Votre cerveau ne peut pas faire tous ces calculs. C'est ce qu'on appelle la "charge cognitive". Les gens abandonnent ou font des erreurs, et le marché ne fonctionne pas bien.

De plus, vos besoins sont liés. Par exemple, si vous chargez votre voiture électrique (produit A), cela change la quantité d'énergie disponible pour votre batterie (produit B). Ces produits sont inséparables, comme les roues d'une voiture : on ne peut pas les vendre ou les acheter indépendamment sans perdre le sens.

2. La Solution : Le "Marché Horloger" (Combinatorial Clock Exchange) ⏱️

Les auteurs proposent un système en deux étapes, qu'ils appellent le Combinatorial Clock Exchange (CCE). C'est comme un jeu de négociation qui se déroule en plusieurs tours, avec un "horloger" (le marché) qui ajuste les prix.

Comment ça marche ?

1. Le Market Maker (l'horloger) affiche un prix pour chaque produit (électricité à 14h, électricité à 15h, flexibilité, etc.).
2. Vous (le prosommeur) ne devez pas faire de prévisions compliquées. Vous regardez les prix et vous dites simplement : "Avec ces prix, je préfère acheter ceci et vendre cela."
3. L'Horloger regarde la réponse de tout le monde. S'il y a trop de demandes pour l'électricité à 14h, il augmente le prix. S'il y a trop de ventes, il baisse le prix.
4. On recommence jusqu'à ce que tout le monde soit d'accord et que l'offre égale la demande.

Pourquoi c'est génial ?
Au lieu de devoir dire "Je veux telle combinaison de produits pour tous les prix possibles" (ce qui est impossible), vous répondez juste à la question du moment : "Qu'est-ce que je veux faire maintenant avec ces prix ?". C'est intuitif, comme faire ses courses au supermarché.

3. L'Accélérateur : L'Intelligence Artificielle (IA) 🤖

Le problème de ce système, c'est qu'il peut prendre beaucoup de temps (beaucoup de tours de négociation) pour trouver le prix parfait. C'est comme attendre que le marché se calme.

C'est là que les auteurs ajoutent une touche de Machine Learning (Apprentissage Automatique) :

• L'IA observe vos réponses aux différents tours.
• Elle apprend vos préférences cachées (un peu comme un ami qui vous connaît bien et sait ce que vous aimez).
• Grâce à cette connaissance, elle peut deviner les meilleurs ajustements de prix beaucoup plus vite.

Au lieu de faire 50 tours de négociation, l'IA permet de trouver l'équilibre en 15 tours. C'est comme passer d'une conversation lente à un message instantané.

4. Les Bénéfices Concrets 🎁

• Transparence : Les prix sont simples (un prix par produit), pas de formules mathématiques obscures. Tout le monde comprend.
• Économie d'énergie : En permettant de vendre des produits liés (ex: électricité + flexibilité), on évite de gaspiller des opportunités. C'est comme vendre un ensemble "café + croissant" au lieu de les vendre séparément, ce qui est plus rentable pour le vendeur et le client.
• Moins de stress : Les gens n'ont pas besoin d'être des experts en économie pour participer. Ils peuvent juste dire ce dont ils ont besoin.

En Résumé 🎯

Ce papier propose de transformer le marché de l'énergie local en un jeu de négociation simple et rapide.

• Avant : C'était un examen de mathématiques trop difficile pour les gens.
• Maintenant : C'est une conversation simple où l'IA aide à trouver le prix juste très vite.

C'est une façon de rendre l'énergie plus démocratique, plus efficace et surtout, plus humaine, en respectant la limite de ce que notre cerveau peut gérer au quotidien.

Résumé technique

Voici un résumé technique détaillé de l'article « Simplifying Preference Elicitation in Local Energy Markets: Combinatorial Clock Exchange », rédigé en français.

1. Problématique

L'essor des ressources énergétiques distribuées (DER) telles que le photovoltaïque, les véhicules électriques (VE) et les centres de données transforme les consommateurs en « prosumers » (producteurs-consommateurs). Ces acteurs souhaitent échanger non seulement de l'électricité, mais aussi des services de soutien au réseau (flexibilité, régulation de fréquence).

Cependant, les marchés locaux de l'énergie (LEM) actuels présentent des limites majeures :

• Préférences complexes et interdépendantes : Les prosumers ont des préférences combinatoires où la valeur d'un produit dépend de la combinaison d'autres produits (ex: la valeur de la flexibilité dépend du niveau de charge de la batterie, qui dépend de l'énergie échangée précédemment). Les formats d'enchères actuels (souvent séparables par produit) ne capturent pas ces interdépendances, conduisant à des allocations sous-optimales.
• Charge cognitive excessive : Pour participer aux mécanismes existants, les prosumers doivent souvent prévoir les prix futurs ou formuler des enchères complexes pour toutes les combinaisons possibles de prix et de produits. Cette tâche est cognitivement prohibitive et décourage la participation.
• Compromis entre efficacité économique et utilisabilité : Les mécanismes qui capturent bien les préférences complexes sont souvent trop complexes à utiliser, tandis que les mécanismes simples (prix linéaires, enchères simples) ignorent les interdépendances.

L'objectif de l'article est de concevoir un cadre de marché capable d'élucider précisément ces préférences combinatoires tout en minimisant la charge de participation (cognitive et communicationnelle) des prosumers.

2. Méthodologie

Les auteurs proposent un cadre unifié basé sur un Échange Combinatoire à Horloge (Combinatorial Clock Exchange - CCE) assisté par l'apprentissage automatique (ML).

A. Structure du Marché : Échange Combinatoire

• Architecture : Un marché à double face où les prosumers peuvent acheter et vendre simultanément.
• Produits : Échange simultané de produits hétérogènes et interdépendants (ex: énergie sur plusieurs créneaux horaires + services de flexibilité).
• Règle de tarification : Utilisation de prix linéaires (un prix unitaire par produit). Cela garantit la transparence et l'interprétabilité, contrairement aux prix non linéaires complexes.
• Équilibre : Le marché vise un équilibre de Walras. Bien que la non-concavité des fonctions de valeur (due aux contraintes physiques comme les batteries) puisse théoriquement empêcher l'existence de prix linéaires parfaits, les auteurs démontrent que dans les grands marchés, l'écart de dualité (duality gap) et les déséquilibres résiduels deviennent négligeables.

B. Mécanisme d'Élicitation : CCE Itératif

Au lieu de soumettre une offre globale complexe, le mécanisme fonctionne par itérations (cycles d'horloge) :

1. L'opérateur du marché annonce un ensemble de prix linéaires.
2. Chaque prosumer résout son problème de maximisation d'utilité pour ces prix et rapporte son panier préféré (package query).
3. L'opérateur agrège les demandes et ajuste les prix (augmentation en cas de pénurie, diminution en cas de surplus) jusqu'à convergence.

C. Amélioration par l'Apprentissage Automatique (MLCCE)

Pour accélérer la convergence et réduire le nombre d'itérations (et donc la charge de communication), les auteurs intègrent une approche assistée par ML :

• Estimation de la fonction de valeur : À l'aide de l'optimisation inverse (Inverse Optimization), le système apprend les préférences des prosumers à partir des requêtes de paniers passés. Ils utilisent des réseaux de neurones monotones (MVNN) adaptés aux valeurs positives et négatives (achat/vente).
• Mise à jour des prix : Au lieu d'utiliser des pas de gradient fixes, le ML calcule dynamiquement le pas de mise à jour optimal pour minimiser la fonction duale estimée, accélérant ainsi la convergence vers les prix d'équilibre.

3. Contributions Clés

1. Cadre Unifié Multi-Produits : Extension des designs de marché existants (souvent mono-produit ou séparables) vers un échange combinatoire complet à double face, capable de gérer les interdépendances complexes entre produits énergétiques et services de réseau.
2. Mécanisme Itératif Scalable (MLCCE) : Développement d'un mécanisme de déblaiement itératif combinant des requêtes de paniers intuitives (faible charge cognitive) et un algorithme de découverte de prix assisté par ML pour accélérer la convergence.
3. Analyse des Compromis : Évaluation systématique des compromis entre les propriétés économiques (efficacité, incitation à la vérité) et l'utilisabilité pratique (charge cognitive, complexité de calcul).
4. Preuve de Validité des Prix Linéaires : Démonstration théorique et empirique que, dans des marchés comportant un grand nombre de prosumers hétérogènes, les prix linéaires permettent une allocation quasi-optimale malgré la non-concavité des fonctions de valeur individuelles.

4. Résultats Expérimentaux

Les simulations numériques (implémentées en Python sur CPU Apple M3) valident les hypothèses théoriques :

• Gain de Bien-être Social : La structure de marché multi-produit (jointe) surpasse significativement les marchés séquentiels (énergie puis flexibilité). Les marchés séquentiels obligent les prosumers à prévoir les prix futurs, ce qui introduit des erreurs de prévision et réduit le bien-être social, surtout lorsque l'incertitude est élevée.
• Convergence et Imbalance :
  • Le mécanisme MLCCE converge en environ 15 itérations d'horloge, contre un nombre potentiellement plus élevé pour le CCE standard sans ajustement de pas.
  • L'indice de déséquilibre (imbalance) diminue rapidement avec la taille du marché, confirmant que les prix linéaires sont efficaces dans les grands marchés.
• Complexité de Calcul :
  • Le CCE standard est très léger en calcul.
  • Le MLCCE introduit une surcharge de calcul pour l'opérateur (environ 20 à 200 secondes par itération selon la taille du marché) due à l'entraînement des modèles de valeur (résolution de programmes linéaires en nombres entiers mixtes - MILP). Cependant, ce coût est justifié par la réduction du nombre de tours de communication et la rapidité de convergence.
• Robustesse : Le mécanisme reste approximativement incitatif (incentive compatible) et individuellement rationnel pour les grands marchés, malgré l'existence d'un léger déficit de revenus socialisé via des frais de transaction minimes.

5. Signification et Impact

Cet article apporte une contribution majeure à la conception des marchés locaux de l'énergie en résolvant le dilemme entre complexité économique et utilisabilité pratique.

• Démocratisation de la participation : En permettant aux prosumers de répondre simplement à des questions de type « quel panier préférez-vous à ces prix ? » sans avoir à modéliser leurs propres contraintes complexes ou à prédire les prix, le mécanisme rend la participation accessible à des acteurs non experts.
• Efficacité des systèmes énergétiques futurs : En capturant correctement les interdépendances (ex: couplage énergie-flexibilité), le marché permet une allocation des ressources plus efficace, maximisant la valeur des DER et améliorant la résilience du réseau.
• Nouveau paradigme de conception : L'article propose de traiter l'« utilité pratique » (charge cognitive, transparence) comme un objectif de conception explicite, au même titre que l'efficacité économique, offrant ainsi aux concepteurs de marchés des outils pour adapter les mécanismes aux capacités réelles des participants.

En résumé, la proposition MLCCE offre une voie viable pour déployer des marchés locaux de l'énergie complexes, où la technologie (ML) sert à simplifier l'interface humaine tout en optimisant les résultats économiques globaux.