Ir arriba
Información de la Tesis Doctoral

Electricity markets operation planning with risk-averse agents: stochastic decomposition and equilibrium

Nenad Jovanovic

Dirigida por Javier García González, Julián Barquín Gil

La creciente penetración de fuentes de energía renovable en los sistemas eléctricos obliga a adaptar los modelos de planificación de la operación para hacer frente a la inherente variabilidad e incertidumbre de la generación eólica o solar. Además, la volatilidad de los precios de combustibles fósiles (como por ejemplo el gas natural) o la incertidumbre de las aportaciones hidráulicas obliga a que el proceso de toma de decisiones para operar las centrales se realice teniendo en cuenta todas estas fuentes de incertidumbre, de modo que las técnicas de optimización estocástica han sido ampliamente utilizadas en este contexto. Desde el punto de vista de la operación del sistema, la introducción de la generación eólica y solar en el mix de generación ha obligado a que los generadores convencionales estén sujetos a programaciones más exigentes desde el punto de vista técnico, aumentando por ejemplo el número de arranques y paradas durante la semana, o teniendo que hacer frente a rampas de programación más pronunciadas. Desde el punto de vista del mercado, todo ello se traslada al mecanismo de formación de precios que pueden estar sujetos a una mayor volatilidad. Esta tesis se centra en el problema de la gestión de riesgos desde la perspectiva de una empresa de generación utilizando como medida coherente de riesgos el Conditional Value at Risk (CVaR). La tesis propone un método iterative que puede ser utilizado por un agente de mercado para optimizar sus decisions de operación en el corto plazo cuando la incertidumbre está caracterizada por un conjunto de escenarios de las variables aleatorias. La tesis analiza cómo es possible descomponer el problema de gestión de riesgos mediante técnicas de Relajación Lagrangiana y descomposición de Benders, y demuestra que el algoritmo iterative propuesto (Iterative-CVaR) converge a la misma solución que la optimización directa. El algoritmo se aplica a dos problemas típicos a los que se enfrentan los agentes: 1) optimización de la operación de una central de ciclo combinado (CCGT) ante volatilidad en el precio del mercado spot para construir la curva de oferta para el mercado de futuros, y 2) modelo de unit-commitment estratégico. En una segunda parte de la tesis se estudia el problema del equilibrio de mercado para modelar la interacción entre varias empresas generadoras con portfolios de generación mixtos (térmicos, hidráulicos y renovables) y se analiza cómo se modifica la solución del equilibrio de Nash ante distintos niveles de aversión al riesgo de los agentes. En particular, se estudia cómo se modifica la gestión de los embalses hidroeléctricos a lo largo del horizonte anual cuando los agentes son aversos al riesgo, y se compara con la solución neutral al riesgo que coincide con una planificación centralizada donde el objetivo sea la minimización de la esperanza del coste total de explotación.


Descriptores: agentes aversos al riesgo, descomposición estocástica, equilibrio del mercado, técnicas de descomposición

Universidad Pontificia Comillas. Madrid (España)

05 de noviembre de 2019



Cita:
N. Jovanovic (2019), Electricity markets operation planning with risk-averse agents: stochastic decomposition and equilibrium. Universidad Pontificia Comillas. Madrid (España).

pdf Solicitar la tesis al autor



Aviso legal  |  Política de cookies |  Política de Privacidad

© Universidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería - ICAI, Instituto de Investigación Tecnológica

Calle de Santa Cruz de Marcenado, 26 - 28015 Madrid, España - Tel: (+34) 91 5422 800