Modelo basado en agentes para incluir el proceso de adaptación de los generadores en subastas dinámicas para contratos de largo plazo en el sector eléctrico

Abstract

Los mercados de capacidad, también conocidos como mercados de energía firme, han ganado relevancia en el sector eléctrico como alternativa para asegurar el suministro energético a largo plazo. En estos mercados, es común el uso de subastas de reloj descendente como mecanismo de asignación ya que permiten que los participantes adapten su oferta en función de la información que se revela. Esta característica es particularmente importante en este tipo de mercados en los que se negocian productos de largo plazo entre agentes que se caracterizan por su aversión al riesgo. Esta tesis doctoral tiene por objetivo analizar el proceso de adaptación de los generadores que participan en este tipo de subastas, teniendo en cuenta dos aspectos fundamentales: la información disponible durante la subasta y el tipo de producto que se negocia. Con este propósito, se desarrolló un modelo basado en agentes con una metodología de aprendizaje por refuerzo conocida como Q-learning, que luego fue implementado en un software de simulación. A partir de este modelo, se analizaron una serie de casos que permitieron establecer que los agentes pueden aprovechar la información que se revela durante la subasta para mejorar la estimación sobre el valor del producto subastado, pero también para establecer comportamientos estratégicos que les permitan aumentar su beneficio. Los resultados evidencian que, en los mercados eléctricos, el proceso de adaptación está más relacionado con el comportamiento estratégico que con la mejora en la estimación. Aunque esto aplica en general para todos los productos analizados, los productos que implican mayor incertidumbre son los que mejor evidencian esta conclusión. Estos hallazgos, constituyen un aporte al conocimiento sobre subastas dinámicas, y son útiles en el diseño de mercados y definición de mecanismos de asignación, especialmente en el sector eléctrico.

Abstract: The capacity markets have arisen in the electric sector to guarantee the supply availability in the long-term. This kind of markets usually employ a Descending Clock Auction (DCA) as allocation mechanism due to the bidders can adjust their offers during the auction. This adjustment is particularly important in capacity markets since long-term products are traded among risk-averse agents. This doctoral thesis aims to assess the bidder’s adaptation process during a DCA regarding disclosed information and different kinds of traded products. An agent-based model (ABM) with a reinforcement learning method known as Q-learning was developed and implemented on a simulation software to fulfill such an objective. Several cases were simulated, and their results suggest that bidders can take advantage from the disclosed information during the auction to improve their estimation of product value but also to bid strategically in order to increase their reward. The model’s outcomes also suggest that adaptation process of generators who participate in capacity auction is more related to bid strategically than to the estimation of product value; this fact decreases both efficiency an optimality auction. These adaptation effects over auction outcomes are greater when reliability options are traded. These findings contribute to market design in the electricity sector.