Battery Bidding under Price Uncertainty in Wholesale Electricity Markets

Questo articolo dimostra che il comportamento di apparentemente strategico accantonamento da parte delle batterie su scala di rete nei mercati elettrici all'ingrosso può essere spiegato come una gestione razionale del rischio sotto incertezza dei prezzi, utilizzando un modello di programmazione lineare riformulato per mostrare come i livelli di stato di carica e l'avversione al rischio modellino le curve di offerta.

L'essenziale

Immagina una gigantesca batteria hi-tech come un gestore di denaro intelligente per l'elettricità. Il suo compito è semplice: comprare elettricità quando costa poco (come fare scorta di generi alimentari durante i saldi) e venderla quando costa molto (come vendere quegli stessi generi alimentari a un prezzo maggiorato durante una tempesta).

Tuttavia, questo gestore affronta un problema complicato: deve piazzare i suoi ordini prima di conoscere il prezzo esatto di domani. È come cercare di stabilire il prezzo di vendita di una casa prima di sapere se il mercato crollerà o esploderà la settimana prossima.

Questo articolo pone una grande domanda: quando vediamo questi gestori di batterie comportarsi in modo strano — come rifiutarsi di vendere anche quando i prezzi sembrano accettabili — sono avidi e manipolano il mercato, o sono solo intelligenti e prudenti?

Gli autori affermano: è quasi sempre la seconda ipotesi. Hanno costruito un modello matematico per dimostrare che un comportamento "stravagante" è spesso una risposta razionale all'incertezza e al rischio, non un segno di manipolazione del mercato.

Ecco le tre conclusioni principali, spiegate con analogie quotidiane:

1. L'effetto "Portafoglio Vuoto" (Perché si tirano indietro)

Immagina di avere un portafoglio con pochissimi contanti. Se vedi l'opportunità di comprare un caffè per 5 dollari, potresti esitare perché non sai se ti serviranno quei 5 dollari più tardi per un biglietto dell'autobus per tornare a casa. Tieni stretti i tuoi contanti perché sono scarsi.

• La scoperta del paper: Quando una batteria ha pochissima energia immagazzinata (un basso "Stato di Carica"), agisce come quella persona con il portafoglio vuoto. Anche se il prezzo attuale dell'elettricità sembra buono, la batteria potrebbe rifiutarsi di vendere (o "trattenere" l'energia) perché teme di rimanere senza carburante prima di un momento davvero costoso più tardi.
• Il risultato: Sembra che la batteria sia avida e stia trattenendo l'energia, ma in realtà sta solo temendo di restare a secco.

2. Il colpo di scena del "Serbatoio Pieno" (Perché diventano esigenti quando hanno molto)

Ora, immagina che la stessa persona abbia un portafoglio pieno di contanti. Improvvisamente, è più disposta a spendere. Ma ecco il colpo di scena: se ha troppi contanti e il futuro è molto imprevedibile, potrebbe in realtà diventare ancora più esigente riguardo alle spese. Potrebbe dire: "Ho così tanti soldi che comprerò quel caffè solo se è in un super saldo, nel caso in cui mi servisse comprare qualcosa di ancora più importante dopo".

• La scoperta del paper: Quando una batteria è piena di energia, l'effetto dell'incertezza cambia.
  • Se la batteria è vuota, l'incertezza la spinge a voler trattenere l'energia (alzando il suo prezzo di vendita).
  • Se la batteria è piena, l'incertezza può effettivamente farle abbassare il prezzo di vendita. Perché? Perché ha così tanta energia che è disposta a venderne una parte a un prezzo più basso pur di assicurarsi di incassare qualche denaro, piuttosto che rischiare di tenerla tutta e restare con l'energia in mano se i prezzi dovessero crollare.

3. La strategia della "Torta a Strati" (Come gestiscono il rischio)

Pensa alla strategia di offerta di una batteria come a una torta a strati.

• Lo strato inferiore (La scommessa sicura): Questa parte della torta è progettata per essere mangiata (venduta) quasi ogni giorno. È prezzata per garantire alla batteria un profitto costante e affidabile, proprio come un conto di risparmio sicuro.

• Lo strato superiore (Il jackpot): Questa parte viene lasciata sullo scaffale a un prezzo molto alto. La batteria spera che non venga venduta spesso, ma se il mercato impazzisce e i prezzi salgono alle stelle, questo strato viene venduto per un profitto enorme.

• La scoperta del paper: Quando i gestori delle batterie sono preoccupati per il rischio (vogliono evitare di perdere soldi), non nascondono semplicemente tutta la loro energia. Invece, costruiscono questa strategia "a strati". Assicurano un reddito sicuro e costante con lo strato inferiore, mantenendo un piccolo "biglietto della lotteria" (lo strato superiore) per quei rari momenti di picchi massimi di prezzo. Questo rende le loro curve di offerta complesse e "strane", ma è in realtà un modo intelligente per bilanciare sicurezza e potenziale profitto.

La Grande Conclusione

L'articolo utilizza dati reali del mercato elettrico della California per dimostrare che le batterie non stanno necessariamente imbrogliando.

Quando i regolatori vedono una batteria che rifiuta di vendere a un prezzo "equo", spesso sospettano che la batteria stia cercando di manipolare il mercato per far salire i prezzi. Questo articolo sostiene che no, stanno solo giocando sul sicuro. Stanno calcolando le probabilità dei prezzi futuri, gestendo il rischio di rimanere senza energia e cercando di proteggersi da disastri finanziari.

In breve: Quello che sembra "avidità" è spesso solo "prudenza". La batteria sta cercando di sopravvivere a un mercato tempestoso, non di truccare il gioco.

Sommario tecnico

Sintesi Tecnica: Offerte di Bidding per Batterie sotto Incertezza dei Prezzi nei Mercati Elettrici all'Ingrosso

Definizione del Problema
Le batterie su scala di rete sono sempre più critiche per l'integrazione dell'energia rinnovabile variabile e per garantire l'affidabilità della rete. Tuttavia, i modelli di offerta osservati nei mercati elettrici all'ingrosso — specificamente gli scostamenti sistematici tra le offerte presentate e i prezzi realizzati nel mercato day-ahead (DAM) — spesso assomigliano a comportamenti di "ritenzione" (ad esempio, offerte di vendita insolitamente alte o offerte di acquisto insolitamente basse). Sebbene tali modelli sollevino preoccupazioni circa il potere di mercato e la manipolazione strategica, le misure esistenti di mitigazione del potere di mercato hanno mostrato un impatto limitato sul dispacciamento delle batterie. La domanda centrale affrontata da questo articolo è se tali modelli di offerta possano derivare da operazioni competitive e razionali sotto incertezza dei prezzi e gestione del rischio, piuttosto che dall'esercizio di potere di mercato.

Metodologia
Gli autori sviluppano un modello a livello di asset, di tipo "price-taker", per un operatore di batterie che partecipa al mercato day-ahead. Il modello è progettato per ottimizzare curve di offerta a gradini (coppie quantità-prezzo) piuttosto che semplici quantità di dispacciamento, allineandosi alla reale meccanica di partecipazione al mercato.

1. Formulazione del Modello:

   • Obiettivo: La batteria massimizza un obiettivo medio–CVaR (Conditional Value-at-Risk), scambiando il ricavo atteso con il rischio di ribasso.
   • Incertezza: I prezzi di mercato sono rappresentati da un insieme finito di scenari orari.
   • Vincoli: Il modello incorpora vincoli fisici (limiti di potenza, capacità di accumulo, efficienza di carica/scarica) e vincoli di mercato (divieto di carica/scarica simultanea, imposto tramite una banda morta tra i prezzi di acquisto e di vendita).
   • Stato di Carica (SoC): La dinamica dell'inventario è modellata attraverso l'evoluzione prevista del SoC attraverso gli scenari, garantendo che la batteria non carichi quando è piena o non scarichi quando è vuota in termini di aspettativa.

2. Riformulazione Esatta tramite Programmazione Lineare (LP):

   • Una formulazione naturale di questo problema è un Programma Lineare Misto (MILP) a causa della natura binaria del clearing di mercato (se un'offerta viene eseguita dipende se il prezzo realizzato incrocia il prezzo dell'offerta).
   • Gli autori dimostrano che, per un insieme finito di scenari di prezzo campionati, i prezzi delle offerte ottimali possono essere ristretti all'insieme dei prezzi campionati senza perdita di ottimalità.
   • Questa osservazione permette di pre-calcolare gli indicatori di clearing come coefficienti fissi, trasformando il MILP in una riformulazione esatta di Programmazione Lineare (LP).
   • Significato: Questa riformulazione riduce i tempi di soluzione da ore (per il MILP) a meno di un secondo, rendendo l'analisi empirica computazionalmente trattabile. Essa espone inoltre variabili duali economicamente significative, come il prezzo ombra del vincolo di SoC, che rappresenta il costo opportunità intertemporale della batteria.

3. Analisi Empirica:

   • Il modello è testato utilizzando dati di prezzo DAM del 2024 della California ISO (CAISO).
   • L'incertezza del prezzo è modellata utilizzando un processo gaussiano calibrato sui residui storici, con un parametro scalare che controlla il livello di incertezza.
   • Vengono condotte tre simulazioni:
     1. Scarica serale risk-neutral con variazione del SoC iniziale.
     2. Carica meridiana e scarica serale risk-neutral (ciclo intraday completo).
     3. Operazioni avverse al rischio (variando il peso medio-CVaR) sotto il ciclo intraday completo.

Contributi Chiave e Risultati

1. Ritenzione Razionale senza Potere di Mercato:
   L'articolo dimostra che il comportamento di "ritenzione" (presentare offerte che evitano l'esecuzione nel mercato day-ahead) può derivare naturalmente da un comportamento competitivo e price-taking. Quando l'energia immagazzinata è scarsa, il costo opportunità di utilizzare quell'energia ora rispetto al conservarla per un'ora futura potenzialmente a prezzo più elevato aumenta. Questa valutazione razionale porta a offerte di vendita più alte, anche in assenza di potere di mercato.

2. Dipendenza dell'Incertezza dallo Stato di Carica (SoC):
   L'effetto dell'incertezza del prezzo sulle offerte è non monotono e dipende fortemente dall'inventario iniziale della batteria:

   • Inventario Scarsità: Una maggiore incertezza aumenta il valore del possesso di energia per future opportunità a prezzi elevati, alzando i prezzi delle offerte di vendita.
   • Inventario Abbondante: Quando la batteria ha energia sufficiente per coprire le ore di picco, una maggiore incertezza può effettivamente abbassare i prezzi delle offerte di vendita. L'operatore diventa più disposto a liquidare l'inventario in eccesso su un intervallo più ampio di scenari per evitare di rimanere con energia invenduta alla fine dell'orizzonte temporale.

3. Strutture di Offerta a Livelli derivanti dalla Gestione del Rischio:
   L'introduzione dell'avversione al rischio (tramite il termine CVaR) modella le curve di offerta in strutture "stratificate".

   • Per garantire un pavimento di ricavi, la batteria abbassa una parte delle sue offerte di vendita per garantire l'esecuzione attraverso un ampio set di scenari.
   • Contemporaneamente, mantiene una parte della sua capacità a prezzi molto alti (che sembrano di ritenzione) per preservare l'esposizione a picchi di prezzo rari ma preziosi.
   • Ciò produce una curva di offerta che bilancia la stabilità dell'esecuzione del nucleo operativo con il potenziale di rialzo, piuttosto che un semplice spostamento dell'intera curva.

Significato e Rivendicazioni
L'articolo sostiene che i modelli di offerta delle batterie osservati nei mercati all'ingrosso, spesso interpretati come prova di manipolazione di mercato, possono essere pienamente spiegati da operazioni economiche legittime sotto incertezza. Gli autori sostengono che:

• Cambio di Interpretazione: I framework di monitoraggio del mercato devono distinguere tra ritenzione strategica (potere di mercato) e comportamento price-taking corretto per il rischio. Questo secondo è una risposta razionale alla natura intertemporale dell'accumulo di energia e della volatilità dei prezzi.
• Utilità Metodologica: La riformulazione esatta LP fornisce uno strumento pratico per l'analisi empirica, permettendo ai ricercatori di risolvere problemi di offerta complessi in modo efficiente ed estrarre variabili duali che offrono approfondimenti economici sui costi opportunità.
• Implicazioni Politiche: I risultati suggeriscono che gli attuali strumenti di mitigazione del potere di mercato potrebbero essere disallineati rispetto ai reali driver del comportamento delle batterie, che sono spesso radicati nella gestione del rischio e nella scarsità di inventario piuttosto che nella manipolazione strategica.

L'articolo conclude notando che, sebbene il modello isoli l'arbitraggio energetico, il lavoro futuro dovrebbe estendere questo framework per includere la co-ottimizzazione con i servizi ausiliari e gli obblighi di adeguatezza delle risorse, che influenzerebbero ulteriormente la formazione delle offerte attraverso ulteriori costi opportunità.