Battery Bidding under Price Uncertainty in Wholesale Electricity Markets

Este artigo demonstra que o comportamento aparentemente estratégico de retenção por parte de baterias em escala de rede nos mercados de eletricidade no atacado pode ser explicado como gestão de risco racional sob incerteza de preços, utilizando um modelo de programação linear reformulado para mostrar como os níveis de estado de carga e a aversão ao risco moldam as curvas de oferta.

O essencial

Imagine uma bateria gigante e de alta tecnologia como um gestor de dinheiro inteligente para a eletricidade. Seu trabalho é simples: comprar eletricidade quando está barato (como estocar mantimentos em promoção) e vender quando está caro (como vender esses mesmos mantimentos com um valor premium durante uma tempestade).

No entanto, esse gestor enfrenta um problema complicado: ele tem que fazer seus pedidos antes de saber o preço exato de amanhã. É como tentar definir o preço de venda de uma casa antes de saber se o mercado vai entrar em colapso ou prosperar na próxima semana.

Este artigo faz uma grande pergunta: Quando vemos esses gestores de baterias agindo de forma estranha — como recusar a venda mesmo quando os preços parecem aceitáveis — eles estão sendo gananciosos e manipulando o mercado, ou estão apenas sendo inteligentes e cautelosos?

Os autores dizem: É majoritariamente o segundo caso. Eles construíram um modelo matemático para provar que o comportamento "estranho" é frequentemente uma resposta racional à incerteza e ao risco, não um sinal de manipulação de mercado.

Aqui estão as três principais conclusões, explicadas com analogias do cotidiano:

1. O Efeito "Carteira Vazia" (Por que eles retêm energia)

Imagine que você tem uma carteira com muito pouco dinheiro vivo. Se você vê uma chance de comprar um café por US$ 5, pode hesitar porque não sabe se precisará desses US$ 5 mais tarde para uma passagem de ônibus para voltar para casa. Você guarda seu dinheiro porque ele é escasso.

• A Descoberta do Artigo: Quando uma bateria tem muito pouca energia armazenada (um baixo "Estado de Carga"), ela age como essa pessoa com a carteira vazia. Mesmo que o preço atual da eletricidade pareça bom, a bateria pode se recusar a vender (ou "reter" energia) porque tem medo de ficar sem combustível antes de um momento realmente caro mais adiante.
• O Resultado: Parece que a bateria está sendo gananciosa e retendo energia, mas ela está, na verdade, apenas com medo de ficar sem combustível.

2. A Reviravolta do "Tanque Cheio" (Por que eles ficam exigentes quando têm muito)

Agora, imagine que essa mesma pessoa tem uma carteira cheia de dinheiro. De repente, ela se torna mais disposta a gastar. Mas aqui está a reviravolta: se ela tiver dinheiro demais e o futuro for muito imprevisível, ela pode, na verdade, tornar-se mais exigente sobre como gastar. Ela pode dizer: "Eu tenho tanto dinheiro que só comprarei aquele café se for em uma liquidação massiva, caso eu precise comprar algo ainda mais importante depois".

• A Descoberta do Artigo: Quando uma bateria está cheia de energia, o efeito da incerteza muda.
  • Se a bateria estiver vazia, a incerteza faz com com que ela queira guardar energia (aumentando seu preço de venda).
  • Se a bateria estiver cheia, a incerteza pode, na verdade, fazer com que ela baixe seu preço de venda. Por quê? Porque ela tem tanta energia que está disposta a vender parte dela por um preço menor apenas para garantir que consiga algum dinheiro, em vez de arriscar guardar tudo e ficar presa com o estoque se os preços despencarem.

3. A Estratégia do "Bolo em Camadas" (Como eles gerenciam o risco)

Pense na estratégia de lances de uma bateria como um bolo em camadas.

• A Camada de Baixo (A Aposta Segura): Esta parte do bolo é projetada para ser comida (vendida) quase todos os dias. Ela é precificada para garantir que a bateria tenha um lucro constante e confiável, como uma conta de poupança segura.

• A Camada de Cima (O Prêmio): Esta parte é deixada na prateleira por um preço muito alto. A bateria espera que ela não seja vendida com frequência, mas se o mercado enlouquecer e os preços dispararem, essa camada será vendida por um lucro enorme.

• A Descoberta do Artigo: Quando os gestores de baterias estão preocupados com o risco (eles querem evitar perder dinheiro), eles não apenas escondem toda a sua energia. Em vez disso, eles constroem essa estratégia "em camadas". Eles garantem uma renda segura e constante com a camada de baixo, enquanto mantêm um pequeno "bilhete de loteria" (a camada de cima) para aqueles momentos raros de picos massivos de preços. Isso faz com que suas curvas de lances pareçam complexas e "estranhas", mas é, na verdade, uma forma inteligente de equilibrar segurança e potencial de lucro.

A Grande Conclusão

O artigo utiliza dados reais do mercado de eletricidade da Califórnia para mostrar que as baterias não estão necessariamente trapaceando.

Quando os reguladores veem uma bateria recusando-se a vender a um preço "justo", eles frequentemente suspeitam que a bateria está tentando manipular o mercado para elevar os preços. Este artigo argumenta que não, elas estão apenas jogando pelo seguro. Elas estão calculando as probabilidades dos preços futuros, gerenciando o risco de ficarem sem energia e tentando se proteger de desastres financeiros.

Em resumo: O que parece "ganância" é, muitas vezes, apenas "cautela". A bateria está tentando sobreviver a um mercado tempestuoso, não manipular o jogo.

Resumo técnico

Resumo Técnico: Oferta de Baterias sob Incerteza de Preços em Mercados de Eletricidade no Atacado

Definição do Problema
Baterias de escala de rede são cada vez mais críticas para integrar energia renovável variável e garantir a confiabilidade da rede. No entanto, padrões de oferta observados em mercados de eletricidade no atacado — especificamente lacunas sistemáticas entre as ofertas submetidas e os preços realizados no mercado do dia anterior (DAM) — frequentemente se assemelham a comportamentos de "retenção" (ex: ofertas de venda excepcionalmente altas ou ofertas de compra excepcionalmente baixas). Embora tais padrões levantem preocupações sobre poder de mercado e manipulação estratégica, as medidas existentes de mitigação de poder de mercado têm mostrado impacto limitado no despacho de baterias. A questão central abordada por este artigo é se esses padrões de oferta podem surgir de operações competitivas e racionais sob incerteza de preços e gestão de risco, em vez de do exercício de poder de mercado.

Metodologia
Os autores desenvolvem um modelo de nível de ativo, tomador de preços, de um operador de bateria participando do mercado do dia anterior. O modelo é projetado para otimizar curvas de oferta escalonadas (pares quantidade–preço) em vez de apenas quantidades de despacho, alinhando-se com a mecânica real de participação no mercado.

1. Formulação do Modelo:

   • Objetivo: A bateria maximiza um objetivo de média–CVaR (Valor em Risco Condicional), equilibrando a receita esperada contra o risco de queda (downside risk).
   • Incerteza: Os preços de mercado são representados por um conjunto finito de cenários horários.
   • Restrições: O modelo incorpora restrições físicas (limites de potência, capacidade de armazenamento, eficiência de carga/descarga) e restrições de mercado (não simultaneidade de carga/descarga, imposta via uma zona morta (deadband) entre os preços de compra e venda).
   • Estado de Carga (SoC): A dinâmica de inventário é modelada através da evolução esperada do SoC entre os cenários, garantindo que a bateria não carregue quando cheia ou descarregue quando vazia em expectativa.

2. Reformulação Exata por Programação Linear (LP):

   • Uma formulação natural deste problema é um Programa Linear Inteiro Misto (MILP) devido à natureza binária do fechamento de mercado (se uma oferta é executada depende de se o preço realizado cruza o preço ofertado).
   • Os autores provam que, para um conjunto finito de cenários de preços amostrados, os preços de oferta ótimos podem ser restritos ao conjunto dos preços amostrados sem perda de otimalidade.
   • Esta observação permite que os indicadores de execução sejam pré-computados como coeficientes fixos, transformando o MILP em uma reformulação de Programação Linear (LP) exata.
   • Significância: Esta reformulação reduz os tempos de solução de horas (para o MILP) para menos de um segundo, tornando a análise empírica computacionalmente tratável. Ela também expõe variáveis duais economicamente significativas, como o preço sombra da restrição de SoC, que representa o custo de oportunidade intertemporal da bateria.

3. Análise Empírica:

   • O modelo é testado usando dados de preços do Mercado do Dia Anterior (DAM) de 2024 da CAISO (California ISO).
   • A incerteza de preços é modelada usando um processo gaussiano calibrado com resíduos históricos, com um parâmetro escalar controlando o nível de incerteza.
   • Três simulações são conduzidas:
     1. Descarga vespertina livre de risco com SoC inicial variável.
     2. Carga meridiana e descarga vespertina livres de risco (ciclo intradia completo).
     3. Operações avessas ao risco (variando o peso média-CVaR) sob o ciclo intradia completo.

Principais Contribuições e Resultados

1. Retenção Racional sem Poder de Mercado:
   O artigo demonstra que o comportamento de "retenção" (submeter ofertas que evitam a execução no mercado do dia anterior) pode surgir naturalmente de um comportamento competitivo e tomador de preços. Quando a energia armazenada é escassa, o custo de oportunidade de usar essa energia agora versus guardá-la para uma hora futura de preço potencialmente maior aumenta. Essa valoração racional leva a ofertas de venda mais altas, mesmo sem poder de mercado.

2. Dependência da Incerteza de Preços em relação ao Estado de Carga (SoC):
   O efeito da incerteza de preços na oferta é não-monotônico e depende fortemente do inventário inicial da bateria:

   • Inventário Escasso: Uma maior incerteza aumenta o valor de manter energia para oportunidades futuras de preços altos, elevando os preços das ofertas de venda.
   • Inventário Abundante: Quando a bateria possui energia suficiente para cobrir as horas de pico, uma maior incerteza pode, de fato, reduzir os preços de venda. O operador torna-se mais disposto a liquidar o excesso de inventário em uma gama mais ampla de cenários para evitar ficar com energia não vendida ao final do horizonte.

3. Estruturas de Oferta em Camadas a partir da Gestão de Risco:
   A introdução da aversão ao risco (via termo CVaR) remodela as curvas de oferta em estruturas "em camadas".

   • Para garantir um piso de receita, a bateria reduz uma parte de suas ofertas de venda para assegurar a execução em um amplo conjunto de cenários.
   • Simultaneamente, ela retém uma parte de sua capacidade a preços muito altos (com aparência de retenção) para preservar a exposição a picos de preços raros, porém valiosos.
   • Isso resulta em uma curva de oferta que equilibra a estabilidade de execução central com o potencial de alta, em vez de um simples deslocamento de toda a curva.

Significância e Alegações
O artigo alega que os padrões de oferta de baterias observados nos mercados de atacado, frequentemente interpretados como evidência de manipulação de mercado, podem ser totalmente explicados por operações econômicas legítimas sob incerteza. Os autores argumentam que:

• Mudança Interpretativa: As estruturas de monitoramento de mercado devem distinguir entre retenção estratégica (poder de mercado) e comportamento tomador de preços ajustado ao risco. Este último é uma resposta racional à natureza intertemporal do armazenamento de bateria e à volatilidade de preços.
• Utilidade Metodológica: A reformulação exata por LP fornece uma ferramenta prática para análise empírica, permitindo que pesquisadores resolvam problemas de oferta complexos de forma eficiente e extraiam variáveis duais que oferecem insights econômicos sobre custos de oportunidade.
• Implicação de Política: Os achados sugerem que as ferramentas atuais de mitigação de poder de mercado podem estar desalinhadas com os reais direcionadores do comportamento das baterias, que são frequentemente baseados na gestão de risco e escassez de inventário, em vez de manipulação estratégica.

O artigo conclui observando que, embora o modelo isole o arbitragem de energia, trabalhos futuros devem estender este framework para incluir a co-otimização com serviços ancilares e obrigações de adequação de recursos, o que influenciaria ainda mais a formação de ofertas através de custos de oportunidade adicionais.