⚡ electrical engineering

Data-Driven Sequential Market Optimization for Front-of-the-Meter Battery Energy Storage Systems

Este artigo introduz uma estrutura de otimização sequencial baseada em dados para Sistemas de Armazenamento de Energia por Baterias do tipo Front-of-the-Meter que modela realisticamente o fechamento de janelas de mercado e previsões móveis para derivar estratégias de lances baseadas em custo de oportunidade, aumentando assim a viabilidade operacional e a lucratividade em múltiplos mercados de eletricidade.

Autores originais: Steffen Kortmann, Hannah Sanders, Andreas Ulbig

Publicado 2026-07-28

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Steffen Kortmann, Hannah Sanders, Andreas Ulbig

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine a rede elétrica como um jogo de cadeiras musicais gigante e de alto risco, mas em vez de pessoas, são elétrons dançando entre as usinas de energia e a sua torradeira. O objetivo é manter a música tocando perfeitamente no tom; se houver muitos elétrons, a frequência sobe, e se houver poucos, ela desaba. Para manter o ritmo constante, precisamos de ajudantes "flexíveis" que possam agarrar energia extra instantaneamente ou liberar um pouco quando a música fica caótica. Entre o Sistema de Armazenamento de Energia por Baterias (BESS), uma bateria digital massiva que atua como um superatleta, pronto para dar um tiro de corrida para dentro ou para fora ao menor sinal. Mas aqui está a parte complicada: este atleta não joga apenas um jogo. Ele tem que equilibrar múltiplos mercados simultaneamente — vendendo energia quando está barata, retendo-a para ajudar a estabilizar a rede e negociando-a novamente mais tarde. O problema é que as regras para esses mercados mudam em momentos diferentes, e os preços são como previsões do tempo: eles mudam conforme você se aproxima do evento. Se você planejar toda a sua estratégia do dia às 6h00 com base em um palpite, pode perder uma tempestade repentina (ou um pico repentino de preços) que acontece ao meio-dia.

Este artigo aborda a dor de cabeça de como gerenciar essas baterias gigantes sem ser pego em uma armadilha de palpites ruins. Os autores, Steffen Kortmann, Hannah Sanders e Andreas Ulbig, perceberam que a maioria dos métodos existentes é como tentar planejar toda uma viagem de carro de uma só vez, ignorando que as atualizações de tráfego chegam a cada hora. Eles argumentam que, para ganhar dinheiro e manter a rede segura, você precisa de uma abordagem "sequencial" — uma estratégia passo a passo que atualiza seu plano toda vez que um novo mercado fecha suas portas. Eles construíram uma estrutura inteligente e orientada por dados que atua como um treinador experiente, reavaliando constantemente os movimentos da bateria conforme novas previsões de preços chegam, garantindo que a bateria não se comprometa demais ou fique sem carga no momento errado.

O Jogo do "Custo de Oportunidade"

Pense na energia da bateria como uma mochila cheia de moedas de ouro. Você tem um número limitado de moedas e quer gastá-las onde elas comprem mais felicidade (ou lucro). Mas você não pode gastar a mesma moeda duas vezes. Se você usar uma moeda para comprar um ingresso para um show (vendendo energia agora), não poderá usar essa mesma moeda para comprar um ingresso para uma festa VIP mais tarde (fornecendo energia de emergência). O "Custo de Oportunidade" é o valor do ingresso da festa que você não comprou porque gastou a moeda no show.

O artigo introduz uma maneira inteligente de calcular esse custo. Em vez de apenas adivinhar, a estrutura pergunta: "Se eu comprometer esta potência de bateria no Mercado A agora, quanto lucro potencial estou perdendo dos Mercados B, C e D que ainda não aconteceram?" Ela então usa esse cálculo para definir um "preço mínimo" para lances. Se o mercado não estiver oferecendo dinheiro suficiente para cobrir a perda de oportunidade dos outros mercados, a bateria simplesmente diz: "Não, obrigado", e guarda sua energia para um negócio melhor. Isso garante que a bateria nunca faça um negócio que pareça bom isoladamente, mas que seja, na verdade, uma jogada ruim para o dia inteiro.

A Estratégia Passo a Passo

Os autores projetaram um sistema que imita a linha do tempo real dos mercados de eletricidade na Alemanha. Imagine uma série de portas se fechando uma após a outra:

Reserva de Contenção de Frequência (FCR): A primeira porta fecha cedo. Isso é para ajuda imediata de emergência. A bateria trava um plano aqui.
Reserva de Restauração Automática de Frequência (aFRR): A próxima porta fecha. Isso é para um equilíbrio de rede um pouco mais lento, mas ainda urgente.
Leilão Day-Ahead (DAA): A grande porta para vender energia no dia seguinte.
Leilão Intraday (IDA): As portas finais, que se abrem mais perto do tempo real para ajustes de última hora.

A magia da estrutura deles é que não planeja apenas para a primeira porta e esquece o resto. Ela resolve o quebra-cabeça para a porta atual e, imediatamente, resolve o quebra-cabeça para todas as demais portas, usando as previsões de preços mais recentes. É como jogar um videogame onde o mapa é atualizado toda vez que você sobe de nível. Se o preço da eletricidade disparar à tarde, o sistema percebe, recalcula o "custo de oportunidade" e pode decidir reter parte da energia para o mercado Intraday em vez de vendê-la toda no mercado Day-Ahead.

O Que Eles Descobriram (e o Que Não Descobriram)

Os pesquisadores testaram sua ideia usando uma simulação de um único dia (1º de abril de 2024) com uma bateria com potência nominal de 3,65 MW e capacidade de 7,3 MWh. Eles não apenas adivinharam; eles rodaram os números através de um modelo matemático complexo que respeita os limites físicos da bateria (ela não pode carregar e descarregar ao mesmo tempo, e não pode ficar abaixo de 0% ou acima de 100% de carga).

Os resultados mostraram que sua abordagem passo a passo e orientada por dados funciona. Quando compararam o plano "Day-Ahead" (feito cedo pela manhã) com o plano "Intraday" (feito mais tarde com informações melhores), viram que o plano posterior estava muito mais próximo do que realmente aconteceu. A estrutura conseguiu se adaptar às previsões atualizadas, reduzindo a lacuna entre o que foi planejado e o que foi realmente feito. Isso significa que o operador da bateria pode ganhar mais dinheiro e evitar o risco de quebrar as regras ou ficar sem energia.

No entanto, é importante notar que isso é uma simulação. O artigo prova que a matemática funciona e que a lógica se sustenta sob condições realistas, mas ainda não foi testado em uma bateria real em um mercado vivo e caótico. Os autores sugerem que seu método é uma base sólida, mas trabalhos futuros precisarão adicionar ainda mais complexidade, como o uso de Inteligência Artificial para negociar no mercado "contínuo" final (Intraday Continuous), onde os preços mudam a cada segundo.

Por Que Isso Importa

Para qualquer pessoa que se preocupe com energia limpa, isso é algo grandioso. À medida que mudamos para energia eólica e solar, a rede torna-se mais imprevisível. Precisamos de baterias para serem os amortecedores do sistema. Mas se os operadores de baterias estiverem usando ferramentas de planejamento rígidas e obsoletas, eles podem perder lucros ou, pior, falhar em ajudar a rede quando for mais necessário. Este artigo oferece um novo manual: uma forma de ser flexível, inteligente e orientado por dados. Ele transforma a bateria de uma unidade de armazenamento estática em um jogador dinâmico que pode navegar pelo cenário complexo e mutável dos modernos mercados de energia, garantindo que as luzes permaneçam acesas e o bolso continue cheio.

Resumo Técnico: Otimização de Mercado Sequencial Baseada em Dados para BESS Front-of-the-Meter

Definição do Problema

A integração de Sistemas de Armazenamento de Energia por Baterias (BESS) nos mercados de eletricidade aumentou a necessidade de participação coordenada em energia e serviços de regulação para maximizar a flexibilidade operacional. No entanto, os modelos de empilhamento de receita existentes frequentemente baseiam-se em suposições simplificadas, como o lances simultâneos em múltiplos mercados e a negligência dos impactos de previsões rotativas (rolling forecasts). Essas simplificações levam a um escalonamento irrealista, planos operacionais inviáveis e projeções de receita superestimadas. Os operadores carecem atualmente de métodos transparentes para determinar quantidades e preços de lances que sejam viáveis e que se alinhem com a natureza sequencial das operações de mercado, aos Tempos de Fechamento de Janela (GCT) específicos e às previsões de preços atualizadas.

Metodologia

O artigo propõe um framework de otimização sequencial e baseado em dados, projetado para espelhar as operações reais de mercado para BESS Front-of-the-Meter (FTM). A metodologia estrutura o processo de escalonamento em estágios consecutivos de mercado, atualizando as decisões em cada Tempo de Fechamento de Janela (GCT) com base nos resultados de mercado mais recentes e nas revisões de previsões.

1. Framework de Otimização Sequencial

O framework modela a sequência cronológica dos mercados: Reserva de Contenção de Frequência (FCR), Reserva de Restauração Automática de Frequência (aFRR), Leilão de Dia Seguinte (DAA) e Leilão Intraday (IDA).

Propagação de Estado: O Estado de Carga (SoC) resultante de um mercado liquidado torna-se uma condição de contorno fixa para o estágio de otimização subsequente.
Previsões Rotativas (Rolling Forecasts): As previsões de preço são atualizadas em cada estágio, incorporando informações de mercados já liquidados para refinar a otimização para os mercados restantes.
Restrições: O modelo impõe restrições técnicas e regulatórias rigorosas, incluindo:
- Física da Bateria: Equações de balanço de energia, limites de potência, perdas de eficiência e exclusividade mútua de carga/descarga.
- Regras de Mercado: Incrementos de lance fixos (ex: 1 MW para reservas, 0,1 MW para energia), consistência de blocos e razões específicas de energia-para-potência ( $\gamma$ ) e fatores de potência bloqueada ( $\phi$ ) exigidos para produtos de reserva (ex: FCR requer 1,25 MW de capacidade de potência por cada 1 MW de reserva em estágios de intraday).
- Bloqueio de Capacidade: As restrições garantem que a capacidade de reserva bloqueie a porção necessária da capacidade de armazenamento utilizável para o comércio de energia subsequente.

2. Estratégia de Lances Baseada em Custo de Oportunidade

Um componente central da metodologia é a derivação de volumes de lances e preços mínimos baseados no custo de oportunidade (OC).

Otimização de Capacidade Residual: Para um estágio de mercado específico, o framework resolve um problema de otimização "residual" para todos os mercados futuros. Isso determina a quantidade máxima de lance viável ( $L_b$ ) e o valor ( $V_b$ ) dos mercados restantes caso o mercado atual não seja participado.
Cálculo de OC: O custo de oportunidade é calculado como o lucro renunciado dos mercados futuros causado pela reserva de capacidade para o mercado atual. Isso contabiliza o efeito de "bloqueio" das compensações de reserva nas capacidades de negociação futuras.
Formulação do Preço de Lance: O preço mínimo de lance é derivado distribuindo o custo de oportunidade sobre a quantidade oferecida e a duração do tempo.
- FCR: Utiliza um preço único cobrindo o OC do bloco (pay-as-cleared).
- aFRR: Emprega uma estratégia de lances em "escada" (ladder), dividindo a capacidade em múltiplos lances com preços variando de um piso conservador (ajustado por um fator de risco $\theta$ ) a preços agressivos baseados em previsões de preço, para equilibrar a probabilidade de aceitação e a margem.
- DAA & IDA: Determina a direção da negociação (compra/venda) e define preços com base no piso do custo de oportunidade, ajustado para granularidade de mercado e regras de liquidação (pay-as-bid vs. pay-as-cleared).

3. Liquidação e Ajuste de Mercado

O framework simula a liquidação de mercado onde os lances são aceitos ou rejeitados com base no Preço de Liquidação de Mercado (MCP).

Alocação: Os lances aceitos tornam-se parâmetros fixos para os passos de otimização subsequentes.
Reotimização: Se as alocações resultarem em posições abertas ou inviabilidades (ex: devido a requisitos de energia de desequilíbrio), o modelo reotimiza com variáveis de folga para derivar um cronograma alvo viável para o próximo estágio (ex: intraday).

Principais Contribuições

O artigo identifica quatro contribuições primárias:

Formulação Multimercado Sequencial: Um framework unificado que modela explicitamente a sequência cronológica dos GCTs e durações de produtos para FCR, aFRR e mercados de energia, indo além das suposções de otimização simultânea.
Acoplamento de Mercado Baseado em Dados: A integração de previsões de preços rotativas permite a reotimização adaptativa em cada estágio, utilizando informações em tempo real de mercados liquidados.
Lances Baseados em Custo de Oportunidade: A derivação de volumes de lances e preços mínimos de lance a partir da otimização de capacidade residual, garantindo consistência econômica e evitando compromissos inviáveis.
Validação Realista: Demonstração da consistência e viabilidade do framework através de um estudo de caso de um único dia, confirmando o alinhamento entre os planos de dia seguinte e o despacho realizado.

Resultados e Validação

O framework foi validado usando um dia operacional representativo (1 de abril de 2024) para um BESS com 3,65 MW de potência e 7,3 MWh de capacidade.

Evolução do Cronograma: O estudo mostrou que os cronogramas evoluem significamente entre os estágios de otimização (ex: 8:00, 9:00, 12:00, 15:00) à medida que as previsões são atualizadas e os mercados são liquidados.
Viabilidade: O framework gerou com sucesso cronogramas consistentes e tecnicamente viáveis. As trajetórias do Estado de Carga (SoC) permaneceram dentro dos limites técnicos exigidos para a provisão de FCR ao longo da simulação.
Redução de Desvio: Comparações entre o despacho planejado e o realizado indicaram que a reotimização intraday reduziu substancialmente os desvios em comparação com os planos de dia seguinte. Quanto mais próximo o cronograma estava do tempo de despacho real, mais preciso ele se tornava.
Impacto do FCR: Os resultados destacaram como a alocação de FCR bloqueia faixas específicas de SoC (impedindo a operação perto de 0% ou 100% de SoC), o que o modelo contabilizou corretamente nos lances subsequentes de aFRR e mercados de energia.

Significância

O artigo afirma que sua principal significância reside em preencher a lacuna entre modelos de otimização idealizados e as realidades práticas da participação sequencial no mercado. Ao modelar explicitamente os Tempos de Fechamento de Janela, previsões rotativas e custos de oportunidade, o framework fornece um método para operadores determinarem quantidades e preços de lances viáveis que sejam consistentes com o tempo real de mercado.

Os autores afirmam que esta abordagem aumenta a realidade e a lucratividade das operações de BESS ao minimizar os desvios entre o despacho planejado e o realizado e evitar a superestimação de receitas comum em modelos de estágio único ou não baseados em dados. O trabalho estabelece uma base para a participação coordenada entre mercados de equilíbrio e de energia sem exigir modelos complexos de aprendizado de máquina que sejam sensíveis a mudanças de dados, baseando-se, em vez disso, em otimização robusta e precificação de custo de oportunidade.