On the Design of Stochastic Electricity Auctions

Cet article propose de concevoir des enchères d'électricité stochastiques où les contrats sont conditionnés à l'état du monde (par exemple, la force du vent) plutôt qu'au seul temps et lieu, afin de résoudre l'incertitude de la production renouvelable en définissant ces états via un problème de partitionnement optimal illustré par une étude de cas sur l'éolien en mer.

L'essentiel

🌩️ Le Problème : Acheter de l'électricité "à l'aveugle"

Imaginez que vous êtes un producteur d'électricité éolienne. Vous avez des éoliennes en mer. Le problème, c'est que le vent est capricieux.
Aujourd'hui, pour vendre votre électricité, vous devez le faire la veille (comme réserver un restaurant la veille pour le lendemain).

C'est comme si vous deviez promettre de livrer 100 pizzas demain midi, alors que vous ne savez pas encore s'il y aura assez de farine (le vent) pour les faire.

• Si vous promettez trop : Il n'y a pas assez de vent, vous ne pouvez pas livrer. Vous devez racheter de l'électricité très cher sur le marché d'urgence pour payer vos dettes.
• Si vous promettez trop peu : Il y a beaucoup de vent, vous produisez plus que prévu. Vous devez jeter l'excédent (ou le couper) car vous ne pouvez pas le vendre.

C'est inefficace et coûteux. Le marché actuel est comme un jeu de devinettes où l'on ne peut pas dire : "Je vous vends de l'électricité, mais seulement s'il y a du vent."

💡 La Solution : Le "Menu à la Carte" du Monde Réel

L'auteur, Thomas Hübner, propose une idée géniale venue de la théorie économique : vendre des contrats qui dépendent de l'état du monde.

Imaginez un restaurant qui ne vend pas juste "une pizza", mais un menu conditionnel :

1. Pizza "Grand Vent" : Si demain il y a beaucoup de vent, vous livrez 100 pizzas.
2. Pizza "Peu de Vent" : Si demain il y a peu de vent, vous livrez 10 pizzas.

Dans ce nouveau système d'enchères, vous ne vendez pas juste de l'électricité pour "demain à 12h". Vous vendez de l'électricité pour "demain à 12h, SI le vent souffle fort".

Cela permet aux producteurs d'énergie renouvelable de dire exactement ce qu'ils peuvent produire selon la météo, et aux acheteurs de payer le juste prix selon la rareté de l'électricité à ce moment précis.

🧩 Le Défi : Comment définir les "États du Monde" ?

C'est ici que ça devient technique, mais restez avec moi. Le monde est complexe. Il y a une infinité de façons de décrire le vent (vitesse, direction, humidité, etc.). On ne peut pas créer un contrat pour chaque possibilité infinie (ce serait trop compliqué et trop cher à gérer).

Il faut donc choisir un petit nombre de "scénarios" (ou états) pour couvrir toutes les possibilités.

• Mauvaise idée : Diviser le vent en "1 m/s", "2 m/s", "3 m/s"... (Trop de cases !).
• Bonne idée : Regrouper les vents similaires.

L'auteur utilise une méthode mathématique intelligente appelée partition de Voronoi.
Imaginez que vous devez placer des phares sur une carte pour éclairer toute la mer.

• Vous placez quelques phares (les "états").
• Chaque bateau (chaque situation de vent réelle) se connecte au phare le plus proche.
• Si le vent ressemble le plus au "Phare A", alors c'est l'état "A" qui est activé.

L'astuce de l'auteur est de placer ces phares de manière à ce qu'ils soient au centre de gravité des zones de vent les plus probables. Cela permet de créer des catégories simples et intuitives, comme :

• État 1 : "Vent généralement faible"
• État 2 : "Vent généralement fort"
• État 3 : "Vent fort au nord, faible au sud"

🏗️ Comment ça marche en pratique ?

1. L'enchère : La veille, les producteurs disent : "Je suis prêt à vendre 10 MWh si l'état 'Grand Vent' arrive, et 5 MWh si l'état 'Petit Vent' arrive."
2. Le prix : Le prix s'ajuste automatiquement. Si l'état "Grand Vent" est très probable, le prix pour cet état baisse (car il y a beaucoup d'offre). Si l'état "Peu de Vent" est rare mais critique, son prix monte.
3. Le résultat :
   • Les producteurs ne risquent plus de perdre de l'argent à cause du vent.
   • Le système électrique prend les meilleures décisions d'avance (comme démarrer une centrale thermique seulement si nécessaire).
   • On gaspille moins d'énergie renouvelable.

🎯 En résumé

Ce papier propose de transformer le marché de l'électricité actuel, qui est un peu comme un parapluie universel (il pleut ou il ne pleut pas, mais on achète le même parapluie), en un magasin de vêtements sur mesure.

Au lieu de vendre de l'électricité "pour demain", on vend de l'électricité "pour demain, dans ces conditions météo précises".
Grâce à une méthode mathématique pour regrouper les conditions météo en quelques catégories logiques (comme des zones sur une carte), on peut rendre le marché plus juste, plus efficace et plus respectueux de l'environnement, sans rendre la vie des traders impossible.

C'est une façon de dire à la nature : "On ne va pas essayer de la deviner, on va juste s'adapter à elle, contrat à l'appui."

Résumé technique

1. Problématique

Le marché de l'électricité repose principalement sur des enchères « jour avant » (day-ahead) pour permettre la prise de décisions opérationnelles critiques (comme le démarrage des unités de production thermique) avant la livraison réelle. Cependant, l'intégration massive des énergies renouvelables (éolien et solaire) introduit une incertitude fondamentale sur la production réelle.

Le problème central identifié par l'auteur :
Dans les enchères actuelles, l'incertitude de la production renouvelable ne peut pas être communiquée directement. Les contrats sont conditionnés uniquement par le temps et le lieu, mais pas par l'état du monde (par exemple, « venteux » vs « calme »). Cela force les producteurs renouvelables à choisir entre deux options inefficaces :

1. Vendre trop peu et risquer de devoir couler (curtail) leur production excédentaire si elle est supérieure aux prévisions.
2. Vendre trop et risquer de devoir racheter de l'électricité à des prix très élevés sur les marchés d'équilibrage si la production est insuffisante.

Cette inefficacité conduit à une sous-utilisation des énergies renouvelables et à des décisions systémiques sous-optimales. L'article soutient que cette inefficacité découle de l'incomplétude du marché jour avant.

2. Méthodologie

L'auteur aborde le problème en s'appuyant sur la théorie microéconomique de l'équilibre sous incertitude (Debreu, Arrow, Radner) et en l'appliquant à la conception des enchères électriques.

Approche théorique :

• Contrats contingents à l'état : L'auteur propose que les contrats d'électricité soient conditionnés non seulement au temps et au lieu, mais aussi à un « état du monde » $s$ (une réalisation d'une variable aléatoire $\xi$, comme la vitesse du vent).
• Modélisation : Le système est modélisé avec des agents (producteurs, consommateurs, opérateurs de réseau) qui négocient des contrats à l'instant $t=0$ (avant l'incertitude). Les paiements sont effectués à $t=0$, mais la livraison physique dépend de la réalisation de l'état $s$.
• Équilibre de Walras : Il est démontré que si les agents négocient ces contrats contingents, l'équilibre atteint maximise le bien-être social et conduit à des décisions prévisionnelles optimales, généralisant les résultats des marchés déterministes aux environnements stochastiques.

Définition des états (Le cœur de la contribution méthodologique) :
Le défi majeur est de définir quels sont les « états du monde » pertinents, car il existe une infinité de définitions possibles. L'auteur propose une approche mathématique rigoureuse pour sélectionner un ensemble fini d'états :

1. Critères de sélection : Les états doivent former une partition de l'espace d'échantillonnage (couverture et disjonction).
2. Critère de taille minimale : Pour choisir la meilleure partition parmi toutes les possibilités, l'auteur propose de minimiser une mesure de « taille » pondérée par la probabilité. Cette taille est définie comme la masse de probabilité pondérée par la variance spatiale (distance au barycentre).
3. Partition de Voronoï Centroidale : Il est démontré mathématiquement que la solution à ce problème d'optimisation correspond à une partition de Voronoï centroidale. Cela signifie que chaque état est défini par un point générateur (centroïde) et que l'état comprend tous les points de l'espace plus proches de ce centroïde que de tout autre.
4. Calcul : La définition des états se réduit à la résolution d'un problème de localisation (n-Weber ou problème de facility location), formulable comme un Programme Quadratique Mixte en Entiers (MIQP).

3. Contributions Clés

1. Extension conceptuelle des enchères : L'article propose une extension naturelle des enchères jour avant actuelles en passant d'un état unique ($S=1$) à un ensemble d'états ($S>1$), préservant les propriétés désirables des marchés déterministes (incitation à la vérité, équilibre budgétaire, rationalité individuelle).
2. Résolution du problème de définition des états : Contrairement à la littérature précédente qui se concentre sur les modèles de clearing stochastiques (souvent jugés impraticables), cet article fournit un cadre normatif pour définir les états de manière optimale et interprétable.
3. Lien avec la quantification optimale : L'application de la théorie de la quantification optimale (Graf & Luschgy) et de l'analyse de localisation pour structurer les marchés de l'électricité est une innovation méthodologique significative.
4. Faisabilité computationnelle : La démonstration que le problème de définition des états peut être résolu via des algorithmes de localisation (MIQP) rend la proposition praticable, à condition de limiter la dimensionnalité des variables aléatoires.

4. Résultats et Étude de Cas

L'auteur illustre sa méthode par une étude de cas sur les parcs éoliens offshore de la mer du Nord européenne.

• Configuration : Deux variables aléatoires (vitesse du vent à 23h00 à deux emplacements géographiques distincts).
• Calcul : Résolution du MIQP pour $S = 2, 3, 4$ états.
• Interprétation des résultats :
  • Les états générés sont des partitions de Voronoï dans le plan bidimensionnel des vitesses du vent.
  • Avec $S=2$, les états distinguent grossièrement « vent faible » et « vent fort ».
  • Avec $S=3$ ou $4$, la partition capture des nuances spatiales (ex: « vent fort à l'endroit 1, vent faible à l'endroit 2 »).
• Observation : L'augmentation du nombre d'états permet d'affiner la granularité des contrats, permettant aux agents de mieux adapter leurs décisions d'offre et de demande aux conditions météorologiques attendues. Cependant, l'auteur note le « fléau de la dimensionnalité » : le nombre d'états nécessaires croît rapidement avec la dimension des variables aléatoires, ce qui impose une limite pratique à la complexité du modèle.

5. Signification et Implications

• Efficacité économique : En permettant aux contrats d'être contingents à l'état du monde, le marché internalise l'incertitude des renouvelables. Cela élimine les incitations perverses actuelles (sur- ou sous-estimation stratégique) et améliore l'allocation des ressources.
• Praticité : L'approche proposée évite les défauts des modèles de clearing stochastiques complexes souvent jugés non implémentables. Elle offre une structure de marché simple à comprendre pour les participants (un état = une région de l'espace des scénarios définie par un point de référence).
• Politique énergétique : Ce design d'enchère faciliterait l'intégration de plus grandes parts d'énergies renouvelables dans le réseau sans compromettre la sécurité d'approvisionnement ou la stabilité des prix, en alignant les incitations des producteurs sur la réalité physique de leur production.
• Limites et recherches futures : L'article reconnaît que la définition optimale des états dépend de la qualité des données probabilistes disponibles et que des simulations plus poussées sont nécessaires pour quantifier les gains de bien-être exacts par rapport aux systèmes actuels.

En résumé, cet article propose un cadre théorique robuste et une méthode computationnelle concrète pour transformer les marchés de l'électricité jour avant en marchés stochastiques complets, résolvant ainsi le problème fondamental de l'incertitude des énergies renouvelables.