Desarrollo e implementación de un modelo estocástico de arbitraje energético: refinando el proceso de optimización en el mercado eléctrico

Abstract

El arbitraje de energı́a es una práctica habitual en el rubro energético europeo, que consiste en aprovechar las diferencias de precios de energı́a del mercado. De esta manera, las empresas energéticas utilizan el arbitraje para comprar energı́a a un precio determinado, almacenarla en baterı́as y posteriormente venderla a un precio más alto, obteniendo beneficios económicos. Desde el 2022, el Centro de Supercomputación de Barcelona se encuentra estudiando una manera de modelar los costos de una cadena de suministro energético, identificando los mejores momentos de compra y venta de energı́a en el tiempo, con el fin de disminuir los costos totales de ese perı́odo. Sin embargo, limitaciones en el modelamiento matemático y en la implementación de software que han desarrollado impiden cumplir con este propósito. En este contexto, el objetivo general del trabajo realizado consiste en mejorar la represen- tación del modelo de costos de la cadena, incorporando elementos estocásticos y permitiendo su resolución óptima y eficiente. La solución desarrollada se compone de dos partes: el mejoramiento de la implementación del modelo determinista y la introducción de estocasticidad. Para la primera parte, se repa- raron los errores de la implementación existente y se desarrolló un paquete en Python, capaz de resolver el problema de optimización para todos los casos de estudio, de manera expedita. De esta manera, para problemas con un horizonte temporal de 24 horas, se logró completar la optimización del modelo en menos de medio segundo. Para la incorporación de estocasticidad, se modeló la variabilidad del precio de la energı́a de la red eléctrica generando escenarios aleatorios. Esto se logró mediante la predicción de series temporales utilizando tanto métodos estadı́sticos tradicionales como redes neuronales. Tras una evaluación de calidad de las predicciones resultantes, se determinó que este método permite representar de manera fiable la variabilidad del parámetro de interés. De esta forma, se logró cumplir con casi todos los objetivos planteados en el trabajo, desarrollando una solución de gran valor para el BSC. El único objetivo especı́fico que no se cumplió en su totalidad, debido a escasez de tiempo, fue el de la modelación de la variabilidad de todos los parámetros estocásticos del modelo.