⚡ electrical engineering

Bid Lattices and the Value of Flexibility:A Granularity Ratio for Capacity Markets

Cet article introduit le « ratio de granularité » adimensionnel pour quantifier la manière dont la nature discrète des attributions du marché de capacité crée des erreurs d'évaluation dépendantes de la taille et des contraintes de vendabilité structurelles, démontrant que l'omission des effets de réseau entraîne une surestimation significative de la valeur des actifs et une distorsion des stratégies de participation au marché.

Auteurs originaux : Brieuc Le roux tardif

Publié 2026-08-11

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Brieuc Le roux tardif

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le Maître de la Grille : Pourquoi la Taille Compte dans le Monde de l'Énergie

Imaginez le réseau électrique comme un immense marché bourdonnant où l'électricité s'achète et se vend chaque seconde. Dans ce monde, il existe deux principaux types de transactions : vendre l'électricité réelle que vous générez (comme l'eau coulant d'un robinet) et vendre la promesse d'être prêt à générer de l'électricité si nécessaire (comme un extincteur accroché au mur, prêt à l'emploi). Cette « disponibilité » est appelée capacité ou réserve.

Depuis des décennies, les scientifiques et les ingénieurs tentent de calculer combien d'argent une batterie ou une centrale électrique peut gagner sur ce marché. Pour ce faire, ils utilisent généralement des modèles mathématiques qui traitent l'électricité comme de l'eau : fluide, continue et infiniment divisible. Vous pouvez imaginer vendre 0,999 litre d'eau ou 1,001 litre sans aucun problème. Mais dans le monde réel, les marchés de l'électricité ne fonctionnent pas comme un flux d'eau continu ; ils fonctionnent comme une règle avec des graduations. Vous ne pouvez vendre de la puissance que par paliers fixes et spécifiques, comme 1 MW, 2 MW ou 3 MW. Vous ne pouvez pas vendre 1,5 MW si le marché n'accepte que des nombres entiers. Cet article explore ce qui se passe lorsque l'on tente de faire entrer une idée de valeur lisse et continue dans un marché qui ne parle qu'en « blocs ». Il pose une question simple mais délicate : combien d'argent perdons-nous parce que la règle du marché est trop grossière ?

La Grande Découverte de l'Article : La Taxe de la « Granularité »

Cet article, écrit par Brieuc Le Roux-Tardif, plonge dans la réalité complexe des marchés de l'électricité, en examinant plus précisément comment la « granularité » des règles d'enchères affecte la valeur du stockage d'énergie, comme les batteries géantes. L'auteur introduit une nouvelle méthode ingénieuse pour mesurer ce problème à l'aide d'un nombre unique appelé le ratio de granularité (appelons-le $\rho$ ). Considérez $\rho$ comme une mesure de la « taille » de votre batterie par rapport au plus petit pas du marché.

Si le marché dit : « Nous n'achetons que par blocs de 1 MW », et que vous avez une batterie de 1 MW, votre ratio est de 1. Si vous avez une batterie de 100 MW, votre ratio est minuscule (0,01), ce qui signifie que le pas de 1 MW n'est qu'une tache infime sur votre actif géant. L'article prouve que l'erreur de valorisation de votre batterie dépend entièrement de ce ratio.

Voici le rebondissement : l'article démontre que la croyance commune — selon laquelle les batteries plus grandes sont toujours plus « sûres » et plus proches du modèle mathématique parfait — n'est vraie qu'en moyenne. En réalité, la relation suit un motif en dents de scie. Parfois, une batterie dont la taille est juste légèrement inférieure à un multiple parfait du pas du marché subit une pénalité massive. Par exemple, si le pas du marché est de 1 MW, une batterie dimensionnée à 1,99 MW est dans une situation critique. Elle ne peut pas vendre ses 1,99 MW complets car le marché n'accepte que des nombres entiers. Elle doit arrondir à 1 MW, laissant presque la moitié de sa puissance « structurellement invendable ». L'article montre que le pire scénario se produit lorsqu'un actif est juste en dessous de deux fois la taille du pas du marché, où jusqu'à la moitié de la connexion peut être gaspillée.

L'Expérience Française : Quand la « Disponibilité » Tue le « Trading »

Pour tester ces idées, l'auteur a réalisé une simulation massive utilisant 943 jours de données réelles du marché français (couvrant la période 2024-2026). Il a étudié une batterie standard de 1 MW et 2 heures.

Les résultats sont surprenants et contre-intuitifs. La plupart des gens supposent que si un marché possède des règles « granulaires », la perte principale provient de l'incapacité à vendre suffisamment de capacité (la promesse d'être prêt). Mais l'article a découvert l'inverse. À la plus petite taille d'actif (où le ratio $\rho = 1$ ), le modèle mathématique continu a surestimé la valeur de la batterie de 4,2 %. Cependant, 77 % de cette valeur perdue ne proviennent pas de la perte de ventes de capacité. Cela provient de l'arbitrage déplacé.

Voici la métaphore : Imaginez que vous êtes un chauffeur de taxi qui peut soit transporter des passagers (trading d'énergie), soit occuper une place dans une file VIP (réserve de capacité). Les règles du marché stipulent que si vous prenez la place VIP, vous devez garer votre voiture et arrêter de conduire pour toute la journée. Si votre voiture est petite (1 MW), prendre la place VIP signifie que vous ne pouvez plus conduire du tout. Vous perdez toutes vos courses de passagers. L'article montre que pour les petites batteries, les règles « granulaires » les forcent à choisir entre être un taxi ou un membre du VIP, plutôt que de faire les deux. Le modèle continu suppose que vous pouvez faire les deux de manière fluide, mais le marché réel impose un arrêt brutal, coûtant au propriétaire de la batterie une grande partie de ses profits potentiels de trading.

Ce que cela signifie pour l'avenir

L'article ne se contente pas de pointer un problème ; il offre une boîte à outils pour trois groupes différents :

Pour les passionnés de mathématiques (Modélisateurs) : Arrêtez de prétendre que l'électricité est parfaitement fluide. Si vous évaluez une batterie, vous devez rapporter le « ratio de granularité » ( $\rho$ ). Si la batterie n'est pas un multiple parfait du pas du marché, votre calcul est probablement erroné, et vous devriez effectuer un second calcul plus réaliste pour voir la marge d'erreur.
Pour les constructeurs (Développeurs) : Si vous construisez une batterie, la taille compte plus que vous ne le pensez. Construire une batterie qui fait exactement 1 MW, 2 MW ou 3 MW (des multiples parfaits du pas du marché) est plus intelligent que de construire une batterie de 1,9 MW ou 2,1 MW. Ces dernières tailles laissent une puissance « invendable » pour laquelle vous avez payé, mais que vous ne pouvez pas utiliser.
Pour les décideurs (Concepteurs de marché) : La façon dont le marché fixe son incrément (son pas) agit comme une taxe sur les petits acteurs. Un pas de marché grossier (comme 1 MW) nuit beaucoup plus aux petites batteries qu'aux grandes. L'article suggère que rendre les pas plus petits ou permettre aux petites batteries de se regrouper (s'agréger) en un groupe plus large pourrait corriger cette injustice.

L'essentiel

L'article prouve que le « ratio de granularité » est la clé pour comprendre la valeur perdue dans les marchés d'électricité en raison de règles rigides. Il montre que l'erreur n'est pas seulement un petit problème d'arrondi ; c'est un défaut structurel qui peut rendre les petits actifs nettement moins précieux que ce que prédisent les modèles. La plus grande surprise est que le coût de ces règles rigides n'est pas seulement la perte de revenus de capacité ; c'est souvent l'incapacité de commercer l'énergie du tout. L'auteur a mesuré cet écart à 4,2 % pour une batterie standard de petite taille en France, la majeure partie de cette perte provenant de l'impossibilité de commercer l'énergie tout en détenant une réserve.

En résumé, la règle du marché est trop grossière pour les petits acteurs, et tant que les règles ne changent pas ou que les joueurs ne grandissent pas, ils laissent de l'argent sur la table — non pas parce qu'ils ne sont pas intelligents, mais parce que la mathématique du monde réel ne correspond pas aux courbes lisses des manuels scolaires.

Résumé technique : Réseaux de soumission et valeur de la flexibilité

Énoncé du problème
Les marchés de capacité pour les actifs flexibles, tels que le stockage d'énergie, attribuent généralement les réserves par incréments discrets (par exemple, 1 MW). Cependant, les modèles de valorisation standards traitent presque universellement la quantité attribuée comme une variable de décision continue pour simplifier l'optimisation. Ce document identifie une erreur de modélisation systématique découlant de cette divergence. Un actif autonome ne peut pas offrir un incrément fractionnaire (par exemple, une batterie de 1,99 MW ne peut pas offrir 1,99 MW si l'incrément minimal est de 1 MW). L'article soutient que l'ampleur de l'erreur de valorisation qui en résulte n'est pas seulement une fonction de la taille de l'actif, mais qu'elle est organisée par un paramètre adimensionnel spécifique : le ratio de granularité $\rho = \delta/P$ , où $\delta$ est l'incrément d'attribution et $P$ est la puissance installée de l'actif.

Méthodologie
L'auteur formule un problème de co-optimisation jour-j pour un actif de stockage preneur de prix, maximisant les revenus de l'arbitrage d'énergie et des réserves de capacité symétriques (spécifiquement la réserve de contrôle de fréquence, FCR). Le modèle inclut les contraintes standards de limites de puissance, de bilan énergétique, d'efficacité et d'endurance.

L'innovation méthodologique centrale est la re-paramétrisation du problème. Au lieu de balayer la puissance installée $P$ tout en maintenant $\delta$ fixe, l'auteur analyse le problème sous l'angle de $\rho$ . Ils exploitent l'homogénéité positive du problème d'optimisation : l'échelle appliquée à $P$ , l'énergie $E$ et l'incrément $\delta$ par un même facteur $\alpha$ met à l'échelle le revenu optimal par $\alpha$ . Cela implique que le revenu par mégawatt dépend de la taille de l'actif uniquement par le biais de $\rho$ et de la durée de stockage.

L'étude utilise 943 jours de prix de règlement jour-j et FCR français (2024–2026). Le plan expérimental comprend :

Balayage de la granularité : Variation directe de $\delta$ sur un actif fixe de 1 MW/2 MWh pour créer une grille dense de $\rho$ .
Test d'homogénéité : Vérification que différents actifs de tailles absolues avec le même $\rho$ produisent des revenus par MW identiques.
Comparaison : Résolution du problème avec un domaine d'attribution continu ( $\delta=0$ ) par rapport à un domaine contraint par un réseau ( $\delta > 0$ ) pour mesurer le biais de valorisation $\beta(\rho)$ .
Décomposition : Séparation de la perte de revenus entre « capacité perdue » et « arbitrage déplacé ».

Résultats structurels clés
L'article dérive trois résultats structurels primaires, vérifiés numériquement :

Bornes d'erreur via l'arrondi :
L'arrondi de l'attribution optimale continue vers le point de réseau inférieur produit toujours un programme réalisable. Cela établit une borne supérieure sur l'erreur de valorisation :
$R(0) - R(\rho) \leq \rho \Lambda$
où $\Lambda$ est le revenu de la vente de 1 MW dans chaque produit sur l'horizon. L'erreur est de l'ordre de $O(\rho)$ et s'annule au moins aussi vite que l'inverse de la taille de l'actif.
Invendabilité structurelle (l'effet en dents de scie) :
La plus grande attribution qu'un réseau permet est $\delta \lfloor P/\delta \rfloor$ . Par conséquent, une fraction de la connexion, $u(\rho) = 1 - \rho \lfloor 1/\rho \rfloor$ , est structurellement invendable. Cette fraction forme une fonction en dents de scie dont le supremum est 0,5, approché lorsque la taille de l'actif est juste en dessous de deux fois l'incrément (par exemple, un actif dimensionné juste en dessous de 2 MW dans un marché à incrément de 1 MW).
Exclusion de l'arbitrage d'énergie à $\rho = 1$ :
Lorsque un actif engage la totalité de sa puissance de connexion ( $P = \delta$ ), la contrainte de capacité force la position nette sur le réseau à zéro pour la durée du produit. Cela convertit un engagement de capacité partiel en une exclusion totale du marché de l'énergie. À $\rho=1$ , l'offreur doit choisir entre la capacité et l'énergie ; il ne peut pas combiner les deux.

Résultats empiriques
En utilisant les données du marché français, l'article rapporte les conclusions suivantes pour une batterie de 1 MW, 2 heures ( $\rho=1$ ) :

Biais de valorisation : Le modèle continu surestime les revenus de 4,2 % par rapport à la réalité contrainte par le réseau.
Source de l'erreur : Contrairement à l'intuition selon laquelle les contraintes de réseau coûtent principalement des revenus de capacité, 77 % de l'écart de 4,2 % est dû à l'arbitrage déplacé. Le réseau force l'actif à renoncer au trading d'énergie pour maintenir un engagement de capacité complet.
Biais maximal : Le biais n'est pas monotone. Le biais maximal mesuré sur le réseau est de 21,5 % à $\rho \approx 0,505$ (un actif dimensionné juste en dessous de deux fois l'incrément), confirmant la prédiction théorique du pic d'« invendabilité structurelle ».
Homogénéité : Les expériences numériques confirment que le revenu par MW est invariant sous une mise à l'échelle conjointe de $P$ , $E$ et $\delta$ , validant la paramétrisation par $\rho$ .

Signification et revendications
L'article positionne sa contribution comme une identification étroite mais rigoureuse d'une erreur de modélisation répandue. Il revendique trois utilités spécifiques pour le ratio de granularité $\rho$ :

Pour les modélisateurs : $\rho$ sert de diagnostic pour l'ampleur de l'erreur de valorisation. Les modélisateurs devraient rapporter $\rho$ et la borne $\rho\Lambda$ aux côtés des valorisations. Si la connexion n'est pas un multiple entier de l'incrément, les formulations continue et par réseau devraient toutes deux être résolues.
Pour les développeurs : Les résultats fournissent une règle de dimensionnement. Connecter un actif à un multiple entier de l'incrément élimine la queue structurellement invendable, bien que cela n'élimine pas l'écart d'intégralité résiduel. L'écart mesuré sert également de borne supérieure à la valeur brute de l'agrégation (le revenu qu'un actif autonome perd en ne faisant pas partie d'un portefeuille capable d'accéder à des réseaux plus fins).
Pour les concepteurs de marché : La granularité des offres agit comme un instrument de distribution. L'incidence de l'erreur pèse le plus lourdement sur les petits actifs. L'article suggère que la réduction de l'incrément $\delta$ ou l'autorisation de l'agrégation sont les principaux leviers pour atténuer cela, notant que l'ampleur de l'impact est calculable ex-ante en utilisant uniquement les séries de prix et les règles des produits.

L'auteur déclare explicitement qu'il ne propose aucun nouvel algorithme de dispatch ou de conception de marché. Il fournit plutôt un cadre adimensionnel pour quantifier le coût de l'indivisibilité, distinguant l'erreur de modélisation, l'inefficacité de dimensionnement et l'impact distributionnel des règles de marché.

Le Maître de la Grille : Pourquoi la Taille Compte dans le Monde de l'Énergie

La Grande Découverte de l'Article : La Taxe de la « Granularité »

L'Expérience Française : Quand la « Disponibilité » Tue le « Trading »

Ce que cela signifie pour l'avenir

L'essentiel

Articles similaires