📈 economics

Locational Energy Storage Bid Bounds for Facilitating Social Welfare Convergence

Dit artikel stelt een nieuwe, onzekerheidsbewuste methode voor voor het genereren van biedingsgrenzen voor locatiegebonden energiestorage die marktbiedingen effectief afstemt op doelstellingen voor het maatschappelijk welzijn, waardoor systeemkosten worden verlaagd en opslagwinsten worden verhoogd, terwijl risico's op marktmacht worden beperkt.

Oorspronkelijke auteurs: Ning Qi, Bolun Xu

Gepubliceerd 2026-05-08

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Ning Qi, Bolun Xu

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je het elektriciteitsnet voor als een enorme, drukke markt waar energie elke seconde wordt gekocht en verkocht. Op deze markt is batterijopslag een nieuw type handelaar. In tegenstelling tot een kolengestookte of gasgestookte centrale die energie verkoopt op basis van de brandstofkosten, speelt een batterijhandelaar een complex spel van "koop laag, verkoop hoog" in de tijd. Ze willen opladen wanneer elektriciteit goedkoop is en ontladen wanneer het duur is.

Het probleem is dat, omdat de toekomst onzeker is (de zon schijnt misschien niet, of er komt een storm), deze batterijhandelaars vaak te voorzichtig spelen – of juist te gretig. Ze kunnen hun energie achterhouden (terughoudendheid) in de hoop op een enorme prijsstijging later, of ze kunnen wild hoge prijzen bieden, gewoon voor het geval dat. Dit gedrag kan de hele markt inefficiënt en duur maken voor iedereen.

Dit artikel stelt een nieuwe reeks "prijsplafonds" (of biedgrenzen) voor deze batterijen voor. Denk aan deze plafonds als een scheidsrechter's regelsboek dat zegt: "Je mag bieden zo hoog als je wilt, maar niet hoger dan dit specifieke limiet, gebaseerd op het huidige weer, het laadniveau van je batterij en hoe risicovol de markt eruitziet."

Hieronder volgt een uiteenzetting van hoe dit werkt, met behulp van eenvoudige analogieën:

1. Het "Kristallen Bol"-probleem

In een perfecte wereld zou de marktexploitant een kristallen bol hebben. Ze zouden precies weten hoeveel wind- en zonne-energie morgen wordt opgewekt en precies hoeveel elektriciteit mensen zullen verbruiken. Met deze perfecte kennis zouden ze de batterijen precies kunnen vertellen hoeveel ze moeten opladen en ontladen om de kosten laag te houden. Dit wordt het "Orakel"-scenario genoemd.

Maar we hebben geen kristallen bollen. We hebben alleen maar gissingen (onzekerheid). Als de exploitant regels baseert op een "beste schatting", kunnen de batterijen worden bedrogen. Als de schatting verkeerd is, kunnen de batterijen geld verliezen, of kan de markt in chaos verzinken.

2. Het "Veiligheidsnet" (Kans-beperkte grenzen)

De auteurs hebben een nieuw wiskundig hulpmiddel ontwikkeld, een "Chance-Constrained" model. Stel je voor dat je inpakt voor een reis.

Deterministisch (oude manier): Je pakt voor zonnig weer omdat de voorspelling "zonnig" zegt. Als het regent, word je nat.
Chance-Constrained (nieuwe manier): Je pakt een paraplu voor het geval het regent, maar je pakt hem alleen in als er 5% kans op regen is. Je bent bereid een klein risico te accepteren om nat te worden, om elke dag een zware paraplu te hoeven dragen.

Het artikel gebruikt deze logica om de prijsplafonds vast te stellen. Het berekent een limiet die 95% van de tijd "veilig" is (of welk betrouwbaarheidsniveau de exploitant ook kiest). Deze limiet houdt rekening met:

Hoeveel energie er in de batterij zit: Als een batterij bijna vol is, is zijn waarde voor het systeem lager (het heeft minder ruimte om meer op te slaan), dus het plafond voor zijn biedprijs gaat omlaag.
Hoe onzeker het weer is: Als de wind onvoorspelbaar is, gaat het plafond omhoog om de batterij te compenseren voor het risico.
Hoe risicomijdend de exploitant is: Als de exploitant erg nerveus is over stroomuitval, stelt hij de plafonds hoger in om batterijen aan te moedigen deel te nemen.

3. De "Snelheidslimiet"-analogie

Stel je het bod van de batterij voor als een auto die over een snelweg racet.

Zonder de regel: De batterij kan racen (hoge biedingen) in de hoop op een enorme beloning, maar dit veroorzaakt file (hoge systeemkosten) voor iedereen anders.
Met de regel: Het artikel stelt een dynamische snelheidslimiet voor. Als de weg vrij is (lage onzekerheid), is de limiet lager. Als de weg mistig is (hoge onzekerheid), is de limiet hoger.
Het resultaat: De batterij kan nog steeds snel rijden als de omstandigheden dat rechtvaardigen, maar het kan niet roekeloos racen tot het punt waarop de markt crasht.

4. Wat gebeurde er in de test?

De auteurs testten dit idee op een gesimuleerde versie van het elektriciteitsnet van Nieuw-Engeland (ISO-NE). Ze creëerden "agenten" (computerprogramma's) die openden als hebzuchtige batterijeigenaren die probeerden het systeem te manipuleren.

Het resultaat: Toen ze hun nieuwe "snelheidslimieten" (biedgrenzen) toepasten:
- Systeemkosten daalden: De totale kosten om het net te runnen daalden lichtjes (ongeveer 0,17% in hun test).
- Batterijwinsten stegen: Verrassend genoeg maakten de batterijen meer geld (gemiddeld ongeveer 10% meer).
- Waarom? Door de "hebzuchtige" biedingen die te hoog waren, af te kappen, mochten de batterijen vaker deelnemen aan de markt. Ze hielden hun energie niet langer uit angst achter, wat betekende dat ze meer stroom konden verkopen tegen eerlijke prijzen.

5. Het "Grote Batterij"-effect

Het artikel vond dat hoe meer batterijen er op het net zijn, hoe belangrijker deze regels worden.

Als je een paar batterijen hebt, veranderen ze de markt niet veel.
Als je veel batterijen hebt (zoals 35% van de capaciteit van het net), kan hun collectieve gedrag de prijzen wild laten schommelen. De nieuwe regels fungeren als een stabilisator, zodat een enorm vloot batterijen voor het net werkt in plaats van tegen het net.

Samenvatting

Het artikel betoogt dat we een slimmere manier nodig hebben om energieopslag te reguleren. In plaats van te gokken of starre regels te gebruiken, moeten we een flexibel "veiligheidsnet" gebruiken dat verandert op basis van hoe vol de batterij is en hoe risicovol het weer eruitziet. Dit houdt de markt eerlijk, verlaagt de kosten voor iedereen en helpt batterijeigenaren eigenlijk een betere winst te maken door ze te voorkomen dat ze gevaarlijke, inefficiënte spellen spelen.

Technische Samenvatting: Locatiewijze Biedgrenzen voor Energieopslag ter Bevordering van Convergentie van het Maatschappelijk Welzijn

Probleemstelling
De snelle invoering van energieopslag in elektriciteitsmarkten introduceert aanzienlijke uitdagingen voor het reguleren van marktmacht en het waarborgen van convergentie van het maatschappelijk welzijn. In tegenstelling tot thermische generators, wier biedingen gebaseerd zijn op bekende brandstofkosten, moeten deelnemers aan opslag biedingen indienen die rekening houden met toekomstige kansen en onzekerheden, die moeilijk te kwantificeren zijn. Huidige marktpraktijken vertrouwen op strategisch bieden door opslagdeelnemers, wat vaak leidt tot economische terughoudendheid (het terughouden van capaciteit om te arbitreren in realtime-markten of het anticiperen op prijsschommelingen). Dit gedrag kan resulteren in marktinefficiënties, buitensporige prijsvolatiliteit en verminderd maatschappelijk welzijn. Bestaande regelmaatregelen, zoals deterministische standaardbiedingen (bijvoorbeeld de vierde hoogste dagvooraf LMP van CAISO), zijn vaak te conservatief, negeren realtime-onzekerheden en de afhankelijkheid van de waarde van kansen van de laadtoestand (SoC). Bovendien is het detecteren van marktmanipulatie moeilijk, omdat legitieme economische terughoudendheid om toekomstige kansen te benutten niet te onderscheiden is van manipulatieve terughoudendheid zonder een robuuste basislijn voor opportuniteitskosten.

Methodologie
Het artikel stelt een nieuw kader voor om locatiewijze, eenheidspecifieke biedgrenzen (aanbodplafonds) voor energieopslag te genereren. De methodologie verloopt via de volgende stappen:

Orakel Economische Dispatch (OED): De auteurs formuleren eerst een meerperiodig economisch dispatch-probleem onder de aanname van perfecte vooruitblik op vraag en hernieuwbare opwekking. Dit dient als theoretische basislijn om de optimale marginale kosten van opslag te bepalen, die zowel fysieke slijtagekosten als opportuniteitskosten omvatten die voortvloeien uit tijdsgekoppelde beperkingen.
Kans-beperkte Economische Dispatch (CED): Om het praktische onvermogen om toekomstige onzekerheden te voorspellen aan te pakken, wordt de OED uitgebreid tot een kans-beperkte formulering. Dit kader integreert onzekerheden in de netto-belasting (van hernieuwbare bronnen en last) en de risicopreferentie van de systeembeheerder (gedefinieerd door een betrouwbaarheidsniveau $1-\epsilon$ ).
Deterministische Herformulering: Het kans-beperkte probleem wordt herformuleerd tot een deterministisch convex equivalent. Dit houdt in dat probabilistische beperkingen worden vervangen door deterministische beperkingen met behulp van de inverse cumulatieve verdelingsfunctie (CDF) van de netto-belasting. De auteurs verkennen verschillende onzekerheidsmodellen, waaronder normale verdelingen, robuuste benaderingen (Cantelli's ongelijkheid) en veelzijdige verdelingen voor discrete historische data.
Afleiding van Biedgrenzen: De duale variabelen die geassocieerd zijn met de energiebalansbeperkingen van de opslag in het CED-kader vertegenwoordigen de risicobewuste marginale opportuniteitskosten. De auteurs leiden ontlaad- en laadbiedgrenzen ( $A_{s,t}$ $A_{s, t}$ en $B_{s,t}$ $B_{s, t}$ ) af op basis van deze duale variabelen. De grenzen worden gedefinieerd als:
- Ontlaadgrens: $A_{s,t} = M_s + \max(\hat{\theta}_{s,t})/\eta_s$
- Laadgrens: $B_{s,t} = \min(\hat{\theta}_{s,t})\eta_s - M_s$
  Waarbij $M_s$ de fysieke slijtagekosten is, $\eta_s$ het rendement is, en $\hat{\theta}_{s,t}$ de risicobewuste opportuniteitskosten zijn.
Agent-gebaseerde Simulatie: De effectiviteit van de voorgestelde grenzen wordt getest met een gemodificeerd ISO-NE-testsysteem met 8 zones en een agent-gebaseerde marktsimulatie. De simulatie omvat strategische opslagdeelnemers die economische terughoudendheidsstrategieën toepassen over variërende niveaus van hernieuwbare penetratie (30%, 50%), opslagcapaciteit (20%, 35%) en systeemonzekerheid.

Belangrijkste Bijdragen

Kans-beperkte Grenzen: Het artikel introduceert een nieuw kader dat probabilistische biedgrenzen biedt voor opslaanaanbiedingen. Deze grenzen zijn afgeleid van een meerperiodige economische dispatch die expliciet netto-belastingonzekerheid en risicopreferenties van de systeembeheerder integreert, en bieden een preventieve maatregel tegen misbruik van marktmacht.
Theoretische Prijsanalyse: De auteurs leveren theoretische bewijzen die belangrijke kenmerken van de grenzen vaststellen:
- Betrouwbaarheidsgarantie: De grenzen plafonneren ware marginale kosten met een gegarandeerd betrouwbaarheidsniveau ( $1-\epsilon$ ).
- SoC-monotonie: De biedgrenzen nemen monotoon af naarmate de laadtoestand (SoC) van de opslag toeneemt, wat de afnemende marginale waarde weerspiegelt.
- Schaling van Onzekerheid en Risico: De grenzen nemen monotoon toe met netto-belastingonzekerheid en de risicomijdendheid van de systeembeheerder (lagere $\epsilon$ ). Dit staat in contrast met conventionele generators, wier biedingen onafhankelijk zijn van dergelijke factoren.
- Risicobewuste LMP: De grenzen blijken in overeenstemming te zijn met risicobewuste Locational Marginal Prices (LMP's).
Validatie door Simulatie: De studie demonstreert door middel van agent-gebaseerde simulaties dat de voorgestelde grenzen beter presteren dan bestaande deterministische grenzen. Ze brengen de biedingen van opslag effectief in overeenstemming met doelstellingen voor maatschappelijk welzijn, verlagen de systeemkosten en behouden of verhogen de winst van opslag, met name in scenario's met hoge economische terughoudendheid.

Resultaten
Numerieke experimenten op het ISO-NE-testsysteem leverden de volgende resultaten op:

Verlaging Systeemkosten: In scenario's met 30% hernieuwbare capaciteit en 20% opslagcapaciteit verlaagden de voorgestelde biedgrenzen de gemiddelde systeemkosten met 0,17% in vergelijking met ongereguleerd strategisch bieden. De verlaging schaalde mee met toegenomen opslagcapaciteit en economische terughoudendheid.
Winstgevendheid van Opslag: In tegenstelling tot de intuïtie dat het plafonneren van biedingen de winsten verlaagt, verhoogden de voorgestelde grenzen de gemiddelde winst van opslag met 10,16% in diverse scenario's. Dit wordt toegeschreven aan het feit dat de grenzen inefficiëne over-terughoudendheid voorkomen die leidt tot suboptimale clearing en gemiste kansen.
Vergelijking met Deterministische Grenzen: Deterministische grenzen (gebaseerd op historische LMP's) bleken opportuniteitskosten te onderschatten onder hoge onzekerheid, wat leidde tot een toename van de systeemkosten met 0,01% en een reductie van de opslagwinst met ongeveer 20%. De kans-beperkte aanpak bleek superieur in het hanteren van onzekerheid.
Gevoeligheid voor Parameters:
- Risicopreferentie ( $\epsilon$ ): Lagere $\epsilon$ (hogere risicomijdendheid) leidt tot hogere biedgrenzen maar een verminderde verbetering van het maatschappelijk welzijn. Een $\epsilon$ van 5% tot 10% werd geïdentificeerd als een praktische afweging.
- Onzekerheidsmodellen: Empirische en veelzijdige verdelingsmodellen leverden betere verbeteringen van het maatschappelijk welzijn op dan robuuste benaderingen, die buitensporig hoge grenzen opleverden.
- Schaarste: De grenzen presteerden bijzonder goed in schaarstescenario's (hoge prijzen), waarbij ze effectief buitensporige terughoudendheid beteugelden die anders de kosten zouden opdrijven.
Berekenings-efficiëntie: Hoewel de exacte herformulering exponentieel schaalt met het aantal opslageenheden, verminderde de toepassing van een robuuste relaxatie (het vermijden van binaire variabelen) de rekentijd lineair, waardoor het oplossen van systemen met 10.000 eenheden in ongeveer 102 seconden mogelijk werd.

Betekenis en Beweringen
Het artikel claimt in te spelen op de dringende behoefte aan innovatieve regelbenaderingen om de toename van energieopslag in elektriciteitsmarkten te beheersen. Door een hanteerbaar, kans-beperkt kader te bieden, bieden de auteurs systeembeheerders een instrument om:

Marktmacht te Reguleren: Buitensporige economische terughoudendheid te voorkomen die de systeemefficiëntie ondermijnt, zonder legitiem strategisch gedrag te smoren.
Maatschappelijk Welzijn te Bevorderen: Het bieden van opslag in overeenstemming te brengen met doelstellingen voor maatschappelijk welzijn, waardoor de totale systeemkosten dalen.
Neutraliteit te Handhaven: Beheerders in staat te stellen neutraal te blijven bij marktclearings terwijl betrouwbaarheidsnormen worden gehandhaafd, aangezien de grenzen zijn afgeleid van systeemwijde optimalisatie in plaats van specifieke deelnemersdata.
Aanpasbaarheid: Het kader is ontworpen om overdraagbaar te zijn naar diverse markten (bijvoorbeeld CAISO) en kan worden afgestemd op specifieke onzekerheidsprofielen en risicopreferenties.

De auteurs benadrukken dat hun aanpak de geldigheid erkent van economische terughoudendheid om toekomstige kansen te benutten, maar streeft ernaar biedingen te plafonneren die de ware marginale kosten overschrijden die zijn afgeleid vanuit een risicobewust systeemperspectief. Het werk wordt gepresenteerd als een praktische oplossing voor het beheer van de integratie van opslag naarmate hernieuwbare en opslagcapaciteiten opschalen.