A Coalitional Game for Demand-Side Management in a Micro-Grid with Multiple Electricity Retailers

Nella moderna rete elettrica, il flusso di energia non è più una strada a senso unico che va da una massiccia centrale elettrica verso una casa passiva. Al livello di distribuzione, dove i cavi si collegano ai quartieri, è emersa una nuova dinamica. I consumatori stanno diventando partecipanti attivi, capaci di variare il momento in cui utilizzano l'elettricità in base ai segnali di prezzo, mentre i rivenditori locali di energia competono per attrarre questi utenti. Questa interazione, nota come gestione della domanda (demand-side management), si basa sull'idea che se i prezzi cambiano, le persone aggiusteranno le proprie abitudini, aiutando a bilanciare la rete. Tuttavia, rimane una domanda critica: come decidono i molteplici rivenditori in competizione quali clienti servire, e come quei clienti decidono quale rivenditore scegliere? In un mondo in cui le fonti di energia rinnovabile come il vento e il sole introducono incertezza, la tradizionale ipotesi che queste relazioni siano fisse non è più valida. La sfida è trovare un modo per far sì che questi gruppi in competizione si organizzino in modo efficiente, garantendo che tutti ottengano un affare equo mentre la rete rimane stabile.

Un team di ricercatori ha affrontato questo complesso problema di coordinamento vedendo l'interazione tra i rivenditori di elettricità e i loro clienti come un gioco di formazione di coalizioni. Invece di trattare l'assegnazione dei clienti ai rivenditori come un dato statico, l'hanno trattata come una decisione che può essere ottimizzata insieme al prezzo dell'elettricità e alla quantità di energia consumata. Hanno immaginato uno scenario in cui diversi rivenditori competono in una microrete locale, una piccola rete capace di operare indipendentemente o insieme alla rete principale. In questa configurazione, ogni rivenditore vuole massimizzare il proprio profitto, mentre ogni consumatore vuole massimizzare il proprio beneficio, che è il valore ottenuto dall'uso dell'elettricità meno il costo pagato. I ricercatori hanno compreso che questi due obiettivi sono profondamente intrecciati; il prezzo che un rivenditore stabilisce dipende dai suoi clienti, e la scelta del cliente di rivenditore dipende dal prezzo.

Per risolvere questo problema, gli autori hanno sviluppato un quadro matematico che tratta il raggruppamento di rivenditori e consumatori come un "gioco coalizionale". In questo gioco, una coalizione è semplicemente un rivenditore e l'insieme specifico di clienti che ha attratto. I ricercatori hanno proposto un algoritmo che permette a questi gruppi di formarsi e riformarsi iterativamente. Il processo funziona come una serie di piccoli aggiustamenti: un cliente potrebbe passare da un rivenditore a un altro se ciò migliora il risultato complessivo per tutti i soggetti coinvolti in quel gruppo specifico. L'algoritmo controlla se tale passaggio aumenta il benessere combinato del rivenditore e dei consumatori. Se lo fa, il passaggio avviene. Se nessun singolo cliente può spostarsi verso un altro rivenditore per migliorare la situazione, il sistema ha raggiunto uno stato stabile. I ricercatori hanno dimostrato che questo processo non continua all'infinito; è garantito che si fermi dopo un numero finito di passaggi, stabilizzandosi in una configurazione in cui nessun singolo partecipante ha incentivo a cambiare il proprio accordo.

Lo studio ha rilevato che questo metodo identifica con successo un insieme di configurazioni stabili dove gli obiettivi contrastanti di profitto e benessere dei consumatori sono bilanciati. Eseguendo simulazioni su una rete teorica con tre rivenditori e cinque consumatori, il team ha dimostrato che l'algoritmo converge costantemente verso questi stati stabili. Hanno mostato che le disposizioni finali rappresentano una "frontiera di Pareto", un concetto che significa che non è possibile rendere migliore la situazione di una persona senza peggiorare quella di qualcun altro. Nelle loro simulazioni, l'algoritmo ha prodotto diversi risultati stabili a seconda di quanto peso veniva dato ai profitti dei rivenditori rispetto al risparmio dei consumatori, mappando efficacemente i vari compromessi disponibili nel mercato. Ciò fornisce un modo chiaro e trattabile per analizzare come la competizione e la cooperazione possano coesistere in un mercato energetico complesso.

Oltre a trovare un prezzo e una lista di clienti stabili, i ricercatori hanno anche esplorato come questo sistema gestisce il rischio. Nel mondo reale, la quantità di energia che un gruppo di persone utilizza non è perfettamente prevedibile; fluttua. Il team ha esteso il proprio modello per includere questa incertezza, utilizzando una misura statistica nota come valore in rischio condizionale (conditional value-at-risk) per tenere conto della possibilità che il gruppo utilizzi più energia di quanta il rivenditore possa fornire in sicurezza. Hanno scoperto che quando i consumatori si uniscono in una coalizione, il rischio statistico di sovraccaricare il sistema diminuisce. Ciò accade perché le fluttuazioni casuali nell'utilizzo individuale tendono a cancellarsi a vicenda quando vengono mediate su un gruppo. L'algoritmo ha mostrato che, anche quando il rischio è un fattore, il sistema evolve naturalmente verso una partizione stabile in cui il rischio di violazioni della capacità è minimizzato, e nessun singolo consumatore può ridurre ulteriormente il rischio del gruppo cambiando rivenditore da solo.

I risultati di questo lavoro offrono un nuovo modo di pensare ai mercati energetici. Si va oltre l'idea che i prezzi e l'assegnazione dei clienti siano fissi o determinati da un'autorità centrale. Al contrario, dimostrano che un processo decentralizzato, in cui i rivenditori e i consumatori interagiscono e regolano le proprie relazioni, può naturalmente portare a risultati efficienti e stabili. Lo studio suggerisce che in un futuro con molti fornitori di energia in competizione e fonti rinnovabili incerte, il mercato può auto-organizzarsi in gruppi che condividono i rischi e ottimizzano i costi senza la necessità di un'unica entità che detti ogni mossa. Le simulazioni confermano che un sistema del genere non è solo teoricamente solido, ma anche praticamente computabile, fornendo uno strumento robusto per progettare la prossima generazione di reti energetiche intelligenti dove competizione e collaborazione lavorano mano nella mano.