MODELOS DE MÁXIMA GANANCIA EN EL SECTOR …€¦ · excedente social que puede producir el...
Transcript of MODELOS DE MÁXIMA GANANCIA EN EL SECTOR …€¦ · excedente social que puede producir el...
1
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
DOCUMENTO DE TRABAJO - DW-DT-047-003
Ing. Jesús María Velásquez Bermúdez, Eng. D. DecisionWare Ltd., Colombia
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
2
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
Ing. Jesús María Velásquez Bermúdez, Eng. D.
DecisionWare Ltd., Colombia
1. CONCEPTOS FUNDAMENTALES
En la economía actúan dos fuerzas que determinan las transacciones de los agentes en un mercado: la oferta y la demanda. Cada productor debe establecer una “función de oferta” que le indique a qué
precio debe ofrecer una cantidad determinada de bienes o qué cantidad de bienes puede producir para vender a un precio dado; de la misma forma el consumidor debe establecer una “función de
demanda” que le permite determinar cuánto está dispuesto a pagar por una cantidad dada de bienes o cuantos bienes está dispuesto a comprar a un precio dado.
La suma de las funciones de todos los oferentes se conoce como la Oferta Agregada y la suma de las funciones de todos los compradores se conoce como la Demanda Agregada. Permanentemente
un mercado tenderá a alcanzar el punto en el cual estas dos funciones se cortan. Se puede ver en la realidad que, si la cantidad demandada por un bien es más grande que la cantidad ofrecida, los
precios aumentan; por otro lado, si los precios de un bien suben la cantidad que los agentes compran
disminuye. Este comportamiento, realmente observado, se debe precisamente a la tendencia de la demanda y de la oferta a equilibrarse.
Si bien la interacción entre la oferta y la demanda es una realidad observable en todos los mercados
y el concepto teórico de equilibrio es relativamente simple, en la práctica determinar los puntos de equilibrio es difícil debido a que se desconocen las curvas reales de oferta y de demanda para cada
uno de los agentes del mercado, y por consiguiente las curvas agregadas son imposibles de calcular.
Esto se presenta debido a la complejidad de las organizaciones sociales y a la forma como los individuos razonan, lo que conlleva a que en la formulación de las funciones de oferta y de demanda
se presenten dificultades de carácter numérico y matemático requiriéndose de supuestos simplificadores que facilitan la obtención de las curvas agregadas, pero que alejan el modelo de la
realidad.
Históricamente los modelos de equilibrio se han desarrollado partiendo de las curvas de demanda y
de oferta agregada e introduciendo supuestos globales sobre el comportamiento de los agentes de un mercado y sobre las relaciones entre ellos. Las funciones individuales que se obtienen coinciden
con las funciones que se obtendrían en un mercado que cumpliera con los supuestos globales. En la realidad muy pocas veces se cumplen dichos supuestos, lo que lleva a que estos modelos produzcan
resultados que no corresponden con la realidad.
En los últimos años las herramientas de modelaje han avanzado, aumentando la capacidad de los
economistas para estudiar fenómenos complejos producto de situaciones no ideales que efectivamente se presentan en la economía. Una de estas herramientas se conoce como Economía
Computacional basada en Agentes (Agent-Based Computational Economics, ACE). ACE busca
modelar los mercados partiendo de los agentes individuales que los componen y de la forma como estos se relacionan, permitiéndole a los mercados evolucionar durante un período de tiempo
determinado en el cual se observa la manera como se relacionan el comportamiento de los agentes individuales (variables micro) con el comportamiento global del mercado (variables macro).
Recientemente ACE ha tenido un gran desarrollo y la investigación en esta área se ha incrementado;
en la actualidad se realizan muchos estudios para explotar todo el potencial que esta aproximación
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
3
computacional tiene en el estudio de estructuras sociales y, en particular, en el estudio de la
economía.
1.1. EQUILIBRIO ECONÓMICO
El concepto de equilibrio económico es fundamental para entender el comportamiento en el largo
plazo de una economía. Estos modelos se centran en determinar los precios y las cantidades que se
transarán dinámicamente en un mercado compuesto por varios agentes que actúan de manera autónoma.
Siguiendo los principios fundamentales de la Teoría Walrasiana de Equilibrio General, el problema de
obtener la asignación “óptima” del uso del suelo consiste en encontrar aquella que maximiza el excedente social que puede producir el mercado, de forma tal de garantizar el uso eficiente de todos
los recursos, que es lo que da mayor ganancia para la sociedad.
Existen al menos dos alternativas para conseguir este objetivo:
▪ Vía Funciones de Oferta y Demanda: implica determinar funciones de oferta y de demanda de los bienes y servicios que se transan en el mercado, incluyendo las importaciones y las
exportaciones de dichos bienes y servicios; y
▪ Vía Modelaje Técnico-Económico: teniendo en mente que el excedente social es una medida de la riqueza que se genera como resultado de las interacciones de los mercados que componen
una economía, una alternativa es maximizar la riqueza que se produce en la región. Para ello se tiene en cuenta el consumo de recursos que se requiere y los costos y los beneficios que genera
la utilización de dichos recursos para satisfacer sus necesidades (demanda de bienes y servicios) y para exportar e importar bienes y servicios a otras economías.
Es necesario señalar la relación que existe entre los modelos de equilibrio y los modelos de optimización, ya que se asume que todo agente que actúa en la economía posee una función de
utilidad y que se comportará buscando obtener la mayor utilidad que le sea posible dadas las restricciones del mercado. Así se puede analizar el comportamiento de un agente por medio de un
modelo de optimización en el cual la función objetivo la determina la función de utilidad del agente
y las restricciones sus limitaciones y sus relaciones con el mercado en el cual actúa.
Así el equilibrio del mercado se hallará en los puntos en los cuales cada uno de los agentes maximiza su función de utilidad, teniendo en cuenta el efecto que sus decisiones tienen sobre los demás. Bajo
competencia perfecta, esta racionalidad implica la maximización del excedente social del mercado
definido como la suma del excedente del consumidor más el excedente del productor.
Como referencia, a continuación, se presenta un resumen de los principales hitos relacionados con el desarrollo histórico de la teoría del equilibrio económico. El trabajo inicial más conocidos es el de
Cournot (1838), quien desarrolló una teoría de agentes oligopólicos, con el monopolio y la competencia perfecta como casos extremos. En el período que siguió al trabajo de Cournot se buscó
desarrollar teorías de equilibrio más formales y sólidas. Como fruto de este esfuerzo cabe destacar
el trabajo de Walras (1874), quien desarrolla un modelo de equilibrio general, y Bertrand (1884), quien desarrolla modelos de oligopolios basándose en una serie de supuestos de comportamiento
que continúan teniéndose en cuenta en la actualidad.
Posteriormente los economistas buscaron aplicar medidas racionales de toma de decisiones a
distintos problemas sociales, distintos de la producción y la distribución de productos. Estos problemas al ser de carácter más general, y al no poseer una estructura tradicional de mercado,
requerían también un enfoque más general que permitiera modelarlos. Uno de los primeros avances en esta área se encuentra en el trabajo de Jhon Von Neumman (1928), con el desarrollo de las bases
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
4
teóricas de la Teoría de Juegos que se concreta en 1944 con la publicación (conjuntamente con Oskar
Morgenstern) del libro "The Theory of Games and Economic Behavior".
Otros trabajos de la época son los de Wald (1935, 1936), quien prueba la existencia de distintas
características cualitativas del equilibrio, y el trabajo de Stackelberg (1934), quien estudia el equilibrio de oligopolios con agentes dominantes. Uno de los aportes más importantes al estudio del equilibrio
fue el dado por el Nobel en economía Jhon F. Nash en la década de los 50, quien desarrolló la teoría
del equilibrio no cooperativo, que tuvo un gran impacto en la economía y en otras ciencias sociales, y que contribuyó a la ampliación del campo de acción de la economía de una ciencia basada en el
estudio de la producción y la distribución de bienes y servicios, a una ciencia que analiza los incentivos que mueven a todas las instituciones sociales.
Otros trabajos importantes son los de Arrow y Debreu (1951), quienes incluyen la incertidumbre
(riesgo) en los modelos de equilibrio. Posteriormente está el trabajo de Robert Dorfman, Paul
Samuelson y Robert Solow (1958), quienes con la publicación de su libro “Linear Programming and Economic Analysis" presentan una visión general de la relación entre los modelos de optimización y
la teoría económica. Este libro se convierte en un libro de consulta básico para profundizar en los aspectos matemáticos que rigen los procesos económicos.
En la actualidad diversos modelos combinan la teoría económica clásica, los procesos estocásticos, los modelos de optimización y la teoría del equilibrio. La mayoría de estos modelos buscan relajar los
supuestos de los modelos de "competencia perfecta", para acercarse más a la realidad de las interacciones que se presentan en los mercados, algunos de estos supuestos son:
▪ Todos los agentes de la economía tienen información perfecta acerca de los productos disponibles, los precios de mercado y las cantidades ofrecidas por los productores.
▪ El número de agentes de la economía es lo suficientemente grande, de tal manera que el número
de transacciones relacionadas con un producto específico es muy pequeño con respecto al número total de transacciones de la economía.
▪ Todos los agentes son idénticos para quien los observa, ya sea oferente o demandante, esto implica que para los agentes del mercado no existe diferenciación ni preferencias.
▪ Todos los agentes se comportan como “price-takers”, es decir que no influyen en la
determinación del precio.
El desarrollo de la tecnología informática ha generado un gran avance en la investigación de mercados aplicada ya que cada vez más se cuenta con computadoras con mayor capacidad y mayor rapidez
que permiten crear modelos más complejos y obtener resultados en menor tiempo. Estos avances
han impulsado la creación de nuevos enfoques de estudio de los mercados y nuevas alternativas para modelarlos.
Una de estas nuevas aproximaciones es ACE, que permite modelar los mercados como la evolución
de sistemas de agentes autónomos que interactúan entre sí. A diferencia de los enfoques tradicionales, que parten de comportamientos e interacciones globales ideales y a partir de ellas
extrapolan el comportamiento de los agentes con el fin de darle sentido al modelo. ACE busca
generar una economía partiendo de un grupo de agentes que la componen y de las relaciones entre ellos. Esta nueva aproximación permite modelar economías partiendo de los agentes básicos que la
componen para llegar a resultados agregados de una forma más cercana al comportamiento real de los entes sociales.
1.2. COMPUTACIÓN BASADA EN AGENTES (ABC)
Los sistemas de multi-agentes se derivan del trabajo en un área de la Inteligencia Artificial llamada Inteligencia Artificial Distribuida, que busca resolver problemas dividiéndolos en un número de
programas o agentes, cada uno con su propio tipo de conocimiento o experiencia.
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
5
Existen diversas definiciones del concepto de agentes, sin embargo, se toma la definición que da la
Inteligencia Artificial: "un agente se define como un sistema informático, situado en un ambiente en el que actúa de una manera autónoma y flexible para lograr los objetivos
para los cuales fue concebido". En el caso de organizaciones industriales con ánimo de lucro, como las que integran el sector eléctrico, y en general el sector de la energía, todas ellas fueron
concebidas para maximizar la utilidad económica, cuando empresas privadas, y la utilidad social,
cuando son empresas con participación de los estados. Teniendo en cuenta esta definición se pueden enumerar algunas características de un agente.
▪ Situado: el agente es capaz de actuar sobre el ambiente a partir de información que él recibe del mismo ambiente.
▪ Autónomo: el agente es capaz de actuar sin la intervención de un tercero (humano o agente) ▪ Flexible: En este caso el agente es:
▪ Capaz: el agente percibe el ambiente y es capaz de elaborar una respuesta en el tiempo
requerido. ▪ Proactivo: el agente muestra un comportamiento proactivo y oportunista, es decir, es capaz
de tomar la iniciativa en el momento apropiado y capturar las ventajas que le da el mercado. ▪ Social: el agente es capaz de interactuar con los demás agentes cuando la situación lo exija
a fin de completar sus tareas o de ayudar a los demás a cumplir las suyas (Jennings et al.
1998). Esto no siempre se cumple, ya que prioritariamente un agente estratégico busca maximizar sus propios objetivos y no los de la sociedad en la que está inmerso.
En los últimos años la concepción de economías organizaciones basadas en agentes han salido del
domino de la Inteligencia Artificial y han incursionado en las ciencias sociales donde han mostrado su utilidad para simular el comportamiento y las interacciones propias de organizaciones humanas.
La computación basada en agentes (Agent Based Computation) y su aplicación en la economía se ha
convertido en un área de investigación permanente. En particular en el estudio de las economías de mercados descentralizados (decentralized market economies) se ha desarrollado la ACE, dedicada al
estudio de economías modeladas computacionalmente como sistemas evolutivos de agentes autónomos que interactúan entre sí (Testfatsion 2001).
Algunas de las ventajas de utilizar modelos de multi-agentes en economía son: ▪ Construir una economía y hacer cálculos de los parámetros agregados partiendo de los agentes
individuales que la componen, sin necesidad de supuestos globales irreales que afecten los resultados.
▪ Obtener información económica en situaciones en las cuales no se cuenta con modelos
matemáticos o cuando estos tienen un alto grado de complejidad. ▪ Estudiar cómo evoluciona la economía a través del tiempo.
Para que los sistemas multi-agentes funcionen, es necesario definir las reglas de comportamiento
que debe seguir cada agente para tomar sus decisiones, y la forma de interactuar con su entorno, es decir con otros agentes. En nuestro caso, la estructura de comportamiento del agente se deriva a
partir de las condiciones de optimalidad que proporciona las matemáticas específicamente la teoría
de optimización.
1.3. MODELAJE DE MERCADOS VÍA OPTIMIZACIÓN
Como punto de partida se debe tener en cuenta que está demostrado que bajo competencia perfecta
y bajo hipótesis de inelasticidad de la demanda (demanda insensible al precio), los resultados de un modelo agregado del mercado que minimice los costos de producción sectoriales son equivalentes a
los obtenidos a partir de modelos individuales ideales para cada agente productor. Es por esto que en 1958 el Nobel de Economía Paul A. Samuelson, en compañía de Robert Dorfman y Robert Solow,
afirmó: "La programación lineal es, por así decir, un sistema centralizado de cálculo para
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
6
esquemas eficientes o incluso para explorar todo el conjunto eficiente. En cambio, la
maximización competitiva del beneficio es una forma descentralizada, atomista, de hacer
lo mismo". Lo anterior está totalmente respaldado en las verdades ocultas de la Teoría de la Dualidad en donde se puede probar que la función objetivo correspondiente a un modelo de mínimo
costo implica la maximización del excedente de los productores. Esta forma de encontrar el equilibrio económico se puede denominar como modelos de mínimo costo sectorial, o multisectorial. Un
ejemplo del estudio de grandes mercados utilizando esta metodología es el modelo MARKAL,
desarrollado por la Agencia Internacional de Energía (IEA), de amplio uso en el sector energético (Hamilton et. al. 1992) desde hace varias décadas.
En el pasado, un modelo multisectorial, multi-agente de mínimo costo que permitiera calcular el
"estado de equilibrio dinámico" al cual tiende la economía presentaba problemas en su solución debido al tiempo de cómputo y a los requerimientos de memoria necesarios para obtener resultados.
Por esta razón se recurrió a las técnicas de optimización de gran escala, como la Teoría de Benders
y la Relajación Lagrangiana, que permiten descomponer modelos de optimización de gran tamaño y alta complejidad en una serie de modelos coordinados más pequeños, de menor complejidad, cuya
solución coordinada proporciona la solución óptima del modelo agregado.
El beneficio de las técnicas de gran escala no se limita a la solución numérica del problema; se debe
notar que su estructura y la información intercambiada entre los diferentes submodelos (en adelante agentes) refleja características importantes del mercado que se está estudiando, como son los tipos
de agentes que lo componen, la estructura jerárquica del mercado, los canales de intercambio de información entre agentes, y la relación de los agentes con su entorno. Además, esta forma de
modelar el mercado permite observar detalladamente las interacciones (intercambio y procesamiento de información) de cada agente con su entorno, y como el conjunto de estas interacciones construye
una economía.
La información intercambiada entre los agentes tiene un claro contenido económico. Por ejemplo, en
el caso de Benders, consideremos un modelo coordinador de un conjunto de agentes productores que tratan de atender la demanda del mercado. En este caso, el modelo coordinador representa a
un "gerente del sector" y su función es interpretar la información de los costos y de los beneficios
marginales de los agentes productores para construir las funciones de oferta de cada uno de ellos y con base en ello determinar la forma óptima de atender la demanda. Los denominados cortes de
Benders, son simplemente la representación de las funciones de oferta de los agentes, por ende del sector, por medio de los hiperplanos que las limitan/definen.
A partir del modelo atomizado del mercado, compuesto por múltiples tipos de agentes, es posible generar perturbaciones relacionadas con la producción, la captura y el procesamiento de la
información para generar imperfecciones en los agentes y en sus interacciones; y así observar como estas imperfecciones afectan el desempeño global de la economía. Con base en estos "agentes
imperfectos" es posible construir "economías imperfectas" que siguen "racionalidades imperfectas" construidas a partir de una teoría matemática coherente, que sería totalmente válida si fuese posible
tener un mundo perfecto.
La denominada MAPO -Multiagent Asyncronous Paralell Optimization- (Velásquez 2001) sirve como
plataforma conceptual básica para diseñar procesos multi-agente para la optimización paralela asincrónica de sistemas desacoplados. Bajo este enfoque, la optimización global de un sistema
complejo se logra mediante la coordinación de diferente tipo agentes que permanente y
simultáneamente están resolviendo múltiples tipos de problemas. En un esquema asincrónico, la coordinación de un algoritmo no requiere de la finalización de un proceso para dar curso a otro nuevo
proceso, sino que se soporta en el establecimiento de normas de comunicación entre los agentes, de forma tal de ir haciendo uso de la información a medida que se produce, convirtiendo la solución del
problema en un proceso basado en eventos.
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
7
Bajo esta metodología, en un modelo sectorial, o multisectorial, de mínimo costo es posible integrar
los enfoques top-down y bottom-up al resolver el problema de optimización, y por ende al interpretar el mercado (la economía) que representa el modelo. El enfoque top-down se utiliza al establecer las
normas de comunicación entre los agentes, ya que estas siguen lineamientos convencionales en la partición y descomposición de sistemas de gran tamaño; por ejemplo, se pueden utilizar los principios
de la denominada Descomposición Cruzada (Roy 1986) que permiten mezclar enfoques
complementarios de gran escala como son la Teoría de Benders (Benders 1962) y la Relajación Lagrangiana (Lasdon 1970). El enfoque bottom-up se utiliza al resolver el problema, lo que se logra
al integrar los resultados que van produciendo los agentes.
2. MODELAMIENTO DE MERCADOS ELÉCTRICOS COMPETITIVOS
La simulación de un mercado eléctrico competitivo a nivel mayorista es el interés central del presente
trabajo. Los mercados eléctricos tienen peculiaridades que los hacen especiales y por ello se pueden clasificar con toda tranquilidad como mercados imperfectos en los que interactúan un número
limitado de agentes, quizás algunos de ellos con poder de mercado, o sea poder de fijar precio. Por otro lado los agentes demandantes, también pocos, representan a la sociedad y en muchos casos se
limitan a ser intermediarios de la negociación entre los consumidores finales y los productores
mayoristas; en casi todos los mercados abiertos/competitivos los consumidores terminan siendo representados por un agente general, el coordinador/operador del mercado quien debe tomar las
decisiones de compra/venta a los productores mayoristas, en representación de todos los agentes, siguiendo las normas establecidas por el agente regulador.
A continuación, se estudia el caso de la simulación de la operación de un mercado de electricidad en
el que interactúan dos tipos de agentes: i) generadores y ii) operador del mercado. Estos agentes
son en total A+1 agentes autónomos que interactúan entre sí. A son agentes oferentes y el agente adicional corresponde al coordinador del mercado que representa a la demanda, que no está
incorporada explícitamente al modelo. Parte de la formulación presentada proviene de Velásquez, Jaramillo y Jiménez (2003). En este caso la estructura del sistema podría conceptualizarse como lo
presenta el siguiente diagrama
COORDINADOR
OPERADOR DEL MERCADO
AGENTE 1 AGENTE 2OPERACIONES
DE LOS
AGENTES
PA
RT
ICIO
N
DESCOMPOSICION
AGENTE a AGENTE N
COORDINACION
DE LADEMANDA
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
8
2.1. MODELAMIENTO DE MÍNIMO COSTO – MERCADOS PERFECTOS
La teoría de equilibrio de un mercado bajo competencia perfecta establece que el punto de equilibrio del mercado (precio-cantidad) es aquel que maximiza el excedente/riqueza-generada de la sociedad
(excedente social) el cual está conformado como el excedente de los consumidores más el excedente de los productores. El siguiente diagrama describe la situación:
IDT 02/96
CANTIDAD (s)
EQUILIBRIO EN MERCADOS PERFECTOS
EXCEDENTEDEL
PRODUCTOR
PRECIO($/s)
EXCEDENTEDEL
CONSUMIDOR
Función de ofertaD-1(s)
Función de demandaS-1(s)
sE
pE
Desde el punto de vista matemático el punto de equilibrio (pE, sE) es aquel que soluciona el siguiente
problema
Maximizar ESCP = [ D-1(s) – S-1(s) ] ds
donde ESCP representa el excedente social bajo competencia perfecta, s la cantidad demandada, p el precio en el mercado, D-1(s) la función inversa de la demanda (el precio como función de la
cantidad demandada) y S-1(s) la función inversa de la oferta (el precio como función de la cantidad producida).
Bajo la anterior concepción un mercado eléctrico perfecto, con demanda inelástica, se puede concebir mediante un problema de optimización de mínimo costo con la siguiente estructura:
ME: = { Min a=1,A caTza + dTw |
D w + a=1,A Ba ya = bDEM
Ka za + Fa ya = ba a=1,A
zaR+ a=1,A
yaR+ a=1,A
wR+ }
donde el vector za representa las decisiones de los agentes, el vector ya las decisiones de compra al agente a por parte del operador del mercado, el vector w la demanda no atendida, las matrices D,
Ba, Ka y Fa representan la topología y la tecnología del mercado y de cada uno de los agentes, el vector bDEM está directamente relacionado con la demanda del mercado y los vectores ba con los
recursos disponibles para cada agente a, ca con los costos de operación del agente a y d con los costos por no atender la demanda.
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
9
55 CANTIDAD (Q)
PRECIO($/Q)
MinimizarCOSTO
DE
PRODUCCION
Q
P
Función de demanda
D-1(s)
Función de oferta
S-1(s)
MODELOS DE MÍNIMO COSTO
La función objetivo resultante implica que maximizar el excedente social es equivalente a minimizar
los costos que deben asumir los consumidores para demandar la electricidad y los costos que deben
asumir los productores para ofrecer dicha electricidad menos los beneficios que se derivan del comercio con el sector externo. Dada la inelasticidad de la demanda, en este caso la función objetivo
del problema primal corresponde a la minimización de los costos de producción de los productores, en tanto que la función objetivo del problema dual corresponde a la maximización del excedente de
los generadores.
CANTIDAD (Q)
EXCEDENTE
DEL
PRODUCTOR
PRECIO($/Q)
COSTO
DE
PRODUCCION
MODELOS DE MÍNIMO COSTO
Q
P
Función Inelástica
de Demanda
D-1(s)
Función de oferta
S-1(s)
EQUILIBRIO MERCADOS PERFECTOS
En mercados centralizados los modelos de mínimo costo han sido el mecanismo utilizado para
representar la dinámica del mercado, limitándose los costos a los costos variables de generación, de hecho, esa concepción del mercado se refleja en las reglamentaciones de mercados competitivos que
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
10
sugieren, o imponen, que la oferta de precios de los generadores sea basada en sus costos
marginales.
En mercados competitivos una primera modificación a los modelos de mínimo costo que permite
mejorar la aproximación a la simulación del comportamiento del mercado es la inclusión de los beneficios y de los costos que se generan como consecuencia de la reglamentación del mercado
mayorista de la electricidad y de las transacciones que los agentes deben realizar en mercados
complementarios como los de suministro de mediano/largo plazo de electricidad y de gas. De esta forma se adicionan al modelo de mínimo costos variables y restricciones que permiten contabilizar
los ingresos/egresos de los generadores considerando todas las transacciones que deben realizar y no solo limitándose al costo variable del combustible utilizado en la generación. Esto implica unir dos
modelos: el físico correspondiente a los tradicionales modelos de mínimo costo y el comercial que integra el resto de cargos que asume o recibe el generador. El siguiente diagrama presenta lo
descrito.
MODELODEL
MERCADOREGLAMENTADO
MODELO DE DESPACHOCON RESTRICCIONES DE MERCADO
MODELOS DE DESPACHO A MÍNIMO COSTO CON RESTRICCIONES DE MERCADO
MODELODESPACHO
ECONOMICO-FÍSICO-
Minimizar f(x,y)
sujeto a
G(x) = bd
F(x,y) = bm
xÎ Rd
yÎ Rm
x variables de despacho
y variables de mercado
En el caso del mercado electricidad-gas colombiano se debe contemplar ingresos/egresos que se derivan de conceptos propios de la reglamentación de la CREG, entre otros se pueden nombrar:
▪ Contratos de suministro de electricidad: que se derivan de los contratos bilaterales y
estandarizados que asume los agentes; ▪ Contratos de suministro de combustible: que se derivan de los contratos pague lo
contratado (“take or pay”). ▪ Opciones de energía firme: que se derivan los derechos por el cargo de confiabilidad.
Este tipo de modelos se pueden denominar como “modelos de despacho a mínimo costo con restricciones de mercado” los cuales tienen la misma estructura de los modelos de despacho a
mínimo costo tradicionales, pero incluyen todos los ingresos que afectan a los generadores. Desde el punto de vista económico corresponden a mercados perfectos, pero con cuentas económicas
completas para los agentes. Su análisis matemático es igual para los dos casos, ya que los ambos corresponden a modelos de optimización en los que el precio del mercado se determina con base en
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
11
el valor de las variables duales de las ecuaciones demanda de los modelos, y no como consecuencia
de las decisiones de los agentes.
Una forma para comprender la estructura matemática de los problemas de optimización y su relación
con los conceptos económicos es analizarlos utilizando conceptos propios de la optimización de gran escala, que permiten descomponer el problema de acuerdo con su estructura lógica y dar sentido
económico a las relaciones matemáticas que se deben cumplir. A continuación, se analizarán dos
casos: i) Teoría de Benders y ii) Relajación Lagrangeana.
Convencionalmente, se asocia el concepto de teorías de optimización de gran escala a las metodologías orientadas a la partición y a la descomposición de un problema (y por ende del sistema
que representa) en múltiples sub-problemas con la finalidad de facilitar su solución. Es conveniente definir lo que en el presente documento significan los anteriores conceptos:
▪ Partición: acción de dividir un problema en dos sub-problemas estableciendo una relación
jerárquica entre ellos. ▪ Descomposición: acción de dividir un problema en múltiples sub-problemas con el mismo
nivel en una escala jerárquica.
Teniendo en cuenta las experiencias reportadas en la literatura técnica, se puede afirmar que existen
dos metodologías que aglutinan la gran mayoría de aplicaciones: la Teoría de Partición de Benders (TB, Benders 1962) y los métodos basados en la Relajación Lagrangeana de las restricciones
problema (RL, Bazzara y Shetty 1979). Los dos métodos se pueden considerar complementarios ya que matemáticamente implican puntos de vista diferentes.
En términos generales la solución de un problema de optimización utilizando metodologías de gran
escala se fundamenta en la partición del problema en dos sub-problemas que se deben resolver
coordinadamente. En TB la partición se realiza de acuerdo con el tipo de variables, y en RL de acuerdo con el tipo de restricciones. TB es una técnica primal (factible primal, cumple condiciones
de factibilidad), también conocida como "outer linearization" o descomposición por las cantidades/recursos, denominada asi porque el coordinador asigna cantidades.. En TB unas variables
se denominan variables de acople (o de control) y las restantes dependientes (o coordinadas). La
relación jerárquica entre sub-problemas implica que en el nivel superior actúa el problema coordinador sobre a las variables de control y en el nivel inferior se resuelve el problema primario
sobre las variables coordinadas, este problema esta parametrizado como función de las variables de control. Como respuesta el nivel primario devuelve información al coordinador concentrada en el
valor de las variables duales de las restricciones de dicho nivel. En su forma básica, la TB es aplicable
cuando los sub-problemas son lineales.
RL es una técnica dual (factible dual, cumple condiciones de optimalidad), también llamada "inner linearization" o descomposición por los precios (el coordinador asigna precios). En RL las restricciones
se dividen en de acople, o complicantes, y las restantes. La estructura del problema es de tal manera que, si se ignoran las restricciones de acople, es posible concebir el proceso de optimización como
uno más sencillo, que en muchos casos puede ser sujeto de un proceso de descomposición en
múltiples problemas de menor complejidad. Se establecen dos sub-problemas relacionados jerárquicamente, en el nivel superior actúa como problema coordinador responsable de determinar
las variables duales de las restricciones de acople; en el nivel inferior se resuelve un problema "primario" sobre las variables coordinadas cuya función objetivo está parametrizada con base en las
variables duales bajo control del coordinador. Como respuesta el nivel primario devuelve información
al coordinador concentrada en el valor de la solución de las variables primales. Los sub-problemas en RL no están limitados a ser lineales.
Van Roy (1983) desarrolla los principios para integrar TB con RL y los denomina Descomposición
Cruzada (DC), que se aplica cuando se ha realizado la partición coordinador-sub-problema y se desea
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
12
realizar una nueva partición o una descomposición en el coordinador utilizando una teoría básica
diferente a la utilizada previamente. DC es la coordinación armónica de las comunicaciones entre los
diferentes sub-problemas en donde en cada uno de ellos se procesa información de acuerdo con la teoría utilizada, TB o RL, y se intercambia información de acuerdo con la conectividad del esquema
jerárquico de los sub-problemas.
A continuación, se analiza el problema de análisis de un mercado perfecto bajo estos esquemas, este
será el punto de partida para desarrollar otros enfoques de modelamiento de los mercados que se ajusten más a mercados imperfectos.
2.1.1. COORDINACIÓN POR CANTIDADES (DESCOMPOSICIÓN VÍA BENDERS)
Para analizar el mercado competitivo se pueden utilizar los principios de la Teoría de Benders (TB),
de manera general se puede aplicar TB al problema ME:. En este caso el problema coordinado
SPa(y) para cada agente a se escribirá de la siguiente manera
SPa(ya): = { Min caTza |
Aaza = ba + Fa ya
zaR+ }
El modelo coordinador, que representa al operador del mercado, COM: se formula como
COM: = { Min dTw + Q |
D w + a=1,A Ba ya = bDEM
yaR+ a=1,A
wR+
Q = a=1,A Qa
Qa (ak)T[ba – Fa y] a=1,A k1,ITE(a)
0 (vak)T[ba – Fa y] a=1,A k1,ITN(a) }
donde ak representa las variables duales correspondientes a las restricciones del agente a, va un
rayo extremo de la zona de factibilidad del agente a, para los casos en que no se ha conseguido la factibilidad, ITE(a) define el conjunto de las iteraciones factibles para el sub-problema a, e ITN(a)
el de las iteraciones en que no se ha conseguido la factibilidad.
Desde el punto de vista económico, el conjunto de hiperplanos que limitan en el coordinador a la
variable Qa definen la función de oferta de los productos que ofrece al mercado el agente a. El proceso de Benders se puede interpretar como una conversación entre el coordinador del mercado
con cada uno de los agentes con el objetivo de ir obteniendo información que le permita ir construyendo la función de oferta de cada uno de los agentes, la cual el coordinador del mercado
desconoce. Si el coordinador del mercado conociera de antemano la función de oferta de cada agente, no requeriría de esta conversación y podría determinar la estrategia óptima sin necesidad de recurrir
a un problema integral con la participación explícita de cada agente.
Si se interpreta el proceso como una subasta de un solo producto, la TB implica que a partir de una
oferta inicial, el agente coordinador solicita nuevas ofertas a los agentes para que determinen el precio al que están dispuestos a vender la cantidad solicitada (coordinación por cantidades); de esta
forma el coordinador va recopilando información que le sirve para determinar nuevas cantidades a
cotizar en caso que considere que existen posibilidades de mejorar su posición, es decir de obtener un precio menor para el mercado. El coordinador determinará el precio del mercado seleccionado las
mejores ofertas. Para determinar la optimalidad de su posición el coordinador analizará todas las ofertas previamente recibidas y determinará si es posible o no obtener un mejor precio; sí lo considera
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
13
posible estimará las cantidades que deben suministrar los agentes para mejorar el precio, si lo
considera imposible, el proceso de subasta termina.
Es de notar que la anterior conversación coordinador-agentes es estructuralmente igual a la
establecida reglamentariamente para la denominada “Bolsa de Energía” del mercado de electricidad colombiano (mercado spot). La diferencia radica en que en la “Bolsa de Energía” solo se realiza una
iteración del proceso, comenzando por los generadores y por lo tanto solo en casos excepcionales
puede proporcionar resultados óptimos desde el punto de vista del coordinador, ya que no se realiza el proceso iterativo que garantiza la convergencia a la optimalidad. La siguiente gráfica presenta el
esquema de descomposición propuesto.
COM: = { Min Z = dTw + Q |
D w + a=1,A
Ba
ya
= bDEM
yaÎR+ ; wÎR+
Q = a=1,A
Qa
Qa (
ak)T[b
a– F
a y] , a=1,A, k1,ITE(a) ;
0 (Vak)T[b
a– F
a y] , a=1,A, k1,ITN(a) }
SPa(ya): = { Min caTxa |
Aaxa = ba + Fa y
xaR+ }
SPa(ya): = { Min caTxa |
Aaxa = ba + Fa y
xaR+ }
y
a=Aa=1
A1
2.1.2. COORDINACIÓN POR PRECIOS (RELAJACIÓN LAGRANGEANA)
En este caso para resolver el problema se debe considerar la función maximin dual que se formula
como
RL(): = Max { Minxa,w Z = a=1,A caTxa + dTw – (D w + a=1,A Ba ya - bDEM ) |
Aa xa + Fa ya = ba a=1,A ;
xaR+ ; yaR+ ; wR+ }
que reagrupando términos se puede rescribir como
RL(): = Max { Minxa,w Z = a=1,A (caTxa + Ba ya) + (dT – D)w - bDEM ) |
Aa xa + Fa y = ba a=1,A ;
xaR+ ; yaR+ ; wR+ }
Para aplicar los conceptos de RL se deben considerar que se tienen A+1 agentes, A correspondientes
a los agentes del mercado representados por las variables xa y ya, y un agente virtual que atiende la demanda no atendida por los anteriores agentes, representado por las variables w.
El problema coordinado SPa(): para cada agente a se escribirá de la siguiente manera
SPa(): = { Min (caTxa + Baya) | Aaxa = ba + Fa ya ; xaR+ , yaR+ }
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
14
El problema coordinado del agente virtual se escribirá de la siguiente manera
SW(): = { Min (dT – D)w | wR+ }
que se puede considerar como un caso particular, más sencillo, de los agentes reales.
El modelo coordinador con base en planos cortantes, que representa al operador del mercado, COM:
se formula como
COM: = { Max Z = Q |
Q = QW + a=1,A Qa
Qa (caTxk
a + Ba yka) , a=1,A, k1,ITE(a) ;
QW (dT – D)wk, a=1,A, k1,ITEW ;
KKT}
donde xka y yk
a representan las variables primales correspondientes a las soluciones factibles del agente a, ITE(a) define el conjunto de las iteraciones realizadas para el subproblema a, e ITEW el
de las iteraciones realizadas para el agente virtual que atiende el déficit.
Desde el punto de vista económico, el conjunto de hiperplanos que limitan en el coordinador a la
variable Qa definen la función de oferta de los productos que ofrece al mercado el agente a. El proceso de Relajación Lagrangeana se puede interpretar como una conversación entre el coordinador
del mercado y cada uno de los agentes con el objetivo de ir obteniendo información que le permita ir construyendo la función de oferta de cada uno de los agentes, la cual el coordinador del mercado
desconoce. Si el coordinador del mercado conociera de antemano la función de oferta de cada agente,
no requeriría de esta conversación y podría determinar la estrategia óptima sin necesidad de recurrir a un problema integral con la participación explicita de cada agente.
Si se interpreta el proceso como una subasta de un solo producto, el esquema RL implica que el
agente coordinador hace ofertas de precios (coordinación por precios) a los agentes para que
determinen la cantidad que están dispuestos a vender a ese precio; de esta forma el coordinador va recopilando información que le sirve para determinar un nuevo precio en el caso en que la demanda
y la cantidad ofertada por los agentes no sea igual. Si existe sobreoferta, el nuevo precio propuesto por el coordinador será menor, en caso de déficit será mayor. Cuando se llegue a la igualdad, se
tendrá el precio del producto en el mercado. En mercados con múltiples productos, la información con respecto a las curvas de oferta multiproducto será tenida en cuenta por el coordinador para
estimar un vector de precios que implique el equilibrio del mercado.
La siguiente gráfica presenta el esquema de descomposición propuesto, se ha ignorado al agente
virtual que atiende el déficit.
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
15
COM: = { Max Z = Q |
Q = QW + a=1,A Qa
Qa (caTxk
a + Ba yka) , a=1,A, k1,ITE(a) ;
QW (dT – D)wk, a=1,A, k1,ITEW ;
}
SPa(): = {Min (caTxa+Baya)
Aaxa = ba + Fa ya
xaR+ , yaR+ }
a=Aa=1
xA, yAx1, y1
SPa(): = {Min (caTxa+Baya)
Aaxa = ba + Fa ya
xaR+ , yaR+ }
2.2. MODELOS OLIGOPÓLICOS DE EQUILIBRIO NASH-COURNOT
Las limitaciones principales del anterior modelo son las hipótesis de:
▪ Perfección del mercado en el que todos los agentes son tomadores de precio y que por lo tanto que el precio del mercado se puede determinar con base en el valor de las variables duales de
las ecuaciones demanda de los modelos, y no como consecuencia de las decisiones de los agentes;
▪ Demanda inelástica que implica consumidores insensibles al precio del mercado.
Las anteriores hipótesis se pueden relajar por medio de modelos de equilibrio dinámico, del tipo
Nash-Cournot, para mercados oligopólicos en el cual compiten un número limitado de agentes Nash-Cournot, agentes generadores y agentes consumidores. Se pueden relajar las dos hipótesis
simultáneamente o solo una de ellas.
El modelo de equilibrio permite determinar el despacho de electricidad, de mediano y de largo plazo,
el flujo energético a través de las redes de interconexión y todas las transacciones comerciales que se realicen en el mercado.
2.2.1. MERCADO OLIGOPÓLICO CON DEMANDA INELÁSTICA
Conservando la hipótesis de demanda inelástica, el anterior modelo se puede convertir en uno de equilibrio asumiendo que los agentes procederán a tomar decisiones, incluyendo sus ofertas de
precios, de tal forma de maximizar sus ingresos teniendo como referencia la demanda del mercado y las decisiones de los restantes agentes.
MGI: = { Max a=1,A (Ya - caTza) + dTw |
D w + a=1,A Ba ya = bDEM
Ka za + Fa ya = ba a=1,A
zaR+ a=1,A
yaR+ a=1,A
wR+
,ya ,za]KKTa a=1,A
,w]KKT
}
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
16
donde el vector representa el precio de la electricidad. EL resto de variables tienen la misma
representación antes utilizada, esto es: za representa las decisiones de los agentes, ya las decisiones
de compra al agente a por parte del operador del mercado, el vector w la demanda no atendida, las matrices D, Ba, Ka y Fa representan la topología y la tecnología del mercado y de cada uno de los
agentes, el vector bDEM está directamente relacionado con la demanda del mercado y los vectores ba con los recursos disponibles para cada agente a, ca con los costos de operación del agente a y d con
los costos por no atender la demanda.
Las restricciones
,ya ,za] KKTa a=1,A
,w] KKT
implican que se deben cumplir los precios y las variables de operativas deben cumplir las condiciones
de optimalidad (Karush-Khun-Tucker) de KKTa para cada uno de los agentes a y para el déficit en la atención de la demanda, KKT. A continuación, procederemos a establecer las condiciones KKT
para el anterior problema.
Definamos la función Lagrangeana L(ya,za,w,) como
L(ya,za,w,) = f(ya,za,w) + T[bDEM - (D w + a=1,A Ba ya )]
donde corresponde al vector de precios (Multiplicadores de Lagrange, variables duales), definido
en un espacio de m dimensiones con componentes {1, 2, 3, ... , m} tantas como restricciones
de demanda existan. Para facilidad de la notación las variables físicas, primales, se agrupan en el vector x, esto es
x = {ya,za,w}
De acuerdo con la Teoría de Lagrange las condiciones necesarias que debe cumplir la solución
({ya*,za
*,w*} , *) al problema MGP: son
xL(x*,*) = 0
L(x*,*) = 0
Adicionalmente, se requiere como condición suficiente que la matriz x2L(x*,*), Hessiano del
Lagrangeano con respecto a x, sea positiva semidefinida.
Las anteriores condiciones determinan en el punto (x*,*) lo que se denomina un punto de silla del
Lagrangeano, en el sentido que corresponden a un mínimo de L(x,) con respecto a x y un máximo
con respecto a . Matemáticamente esta característica se puede definir con base en las derivadas
direccionales factibles en (x*,*)
xx* TxL(x*,*) 0
* TL(x*,*) 0
xRn
Rm
El anterior conjunto de inecuaciones corresponde a un Variational Inequality Problem (VI). Estas condiciones también se pueden expresar como condiciones de complementariedad de la siguiente
forma
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
17
x*j L(x*,*)/dxj = 0
*iL(x*,*)/di = 0
o en forma vectorial
x*TxL(x*,*) 0
*TL(x*,*) 0
Las anteriores condiciones unidas a las condiciones KKT determinan lo que se denomina un
Nonlinear Complementarity Problem (NCP), que se expresa como
xTxL(x,) 0
TL(x,) 0
xL(x,)Lx
L(x,)L
xRn
Rm
La solución al anterior problema determina el precio de equilibrio del mercado, *, las decisiones de
los agentes, za*, las compras de electricidad a dichos agentes, ya
*, y el déficit en la atención de la
demanda, w*. Existen múltiples alternativas para resolver este problema las cuales serán analizadas en un numeral posterior.
2.2.2. MERCADO OLIGOPÓLICO CON DEMANDA ELÁSTICA
La hipótesis de demanda inelástica implica u mercado con consumidores finales pasivos que no reaccionan ante los cambios de precios y que por lo tanto están dispuestos a pagar ‘infinito” por el
bien o el servicio del mercado, la electricidad en este caso. Bajo esta consideración, los modelos presentados se pueden clasificar como modelaje técnico-económico concentrado en la oferta.
El siguiente paso en el modelaje del mercado es considerar los consumidores como agentes activos, es decir agentes que reaccionan ante los cambios de precios cambiando el consumo en la medida
que cambian los precios. Esto se puede hacer mediante uno de dos mecanismos que representan el comportamiento de la demanda:
▪ Función Inversa de Demanda: que implica una función de demanda cuya estructura matemática es conocida, siendo determinada en un proceso exógeno al modelo de equilibrio; y
▪ Agentes estratégicos del tipo Nash-Cournot: cuyo comportamiento se simula mediante: i)
una función de utilidad propia (que valora la riqueza producida por el consumo realizado) y ii) unas restricciones de técnico-comerciales que definen su entorno de posibilidades de decisión,
en este caso el modelo determina la función de demanda del agente consumidor.
El primer caso es más fácil de implementar ya que solo implica introducir en el modelo la función
inversa de demanda Q() que determina la cantidad como función del precio:
MGE: = { Max a=1,A (Ya - caTza) + dTw |
D w + a=1,A Ba ya = Q()
Ka za + Fa ya = ba a=1,A
zaR+ a=1,A
yaR+ a=1,A
wR+
,ya ,za]KKTa a=1,A
,w]KKT
}
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
18
De esta forma las utilidades de los agentes productores se ven afectadas por la cantidad de
electricidad que están dispuestos a pagar los consumidores, y por lo tanto el precio del mercado refleja acciones de los consumidores. El segundo caso implica construir el comportamiento técnico-
económico de uno, o de varios agentes consumidores, de manera similar a como se han construido los agentes productores. Este caso no será analizado en este estudio.
3. MODELOS OLIGOPÓLICOS DE EQUILIBRIO NASH-COURNOT
A continuación, se describe el modelo que se propone implementar como parte del presente proyecto. El objetivo del problema matemático es determinar las decisiones de los agentes mediante un modelo
de equilibrio dinámico Nash-Cournot, para un mercado oligopólico competitivo (tipo Stackelberg) que incluye instrumentos financieros, estandarizados o no, para el cubrimiento de riesgos futuros; de esta
forma se determina un plan de producción mensual para el sistema de generación de electricidad,
durante un horizonte de tiempo predeterminado, de tal forma que los precios del mercado sean determinados por un conjunto de agentes generadores dominantes que fijan conjuntamente el precio
de forma tal que maximizan las ganancias resultado de sus decisiones. El resto de los agentes, los no considerados en el conjunto de agentes dominantes, actúan como seguidores de los agentes
dominantes. Para el caso de un solo nodo de demanda el siguiente diagrama presenta lo descrito.
A nivel físico el modelo permite determinar el despacho de electricidad, de mediano y de largo plazo,
y el flujo energético a través de las redes de interconexión; a nivel comercial el modelo determina el
precio spot de la electricidad y las transacciones comerciales entre los agentes.
Para lo anterior, se considera un mercado de electricidad en el cual compiten agentes generadores que han suscrito instrumentos financieros de cubrimiento de riesgo (opciones y futuros) y que tienen
derechos adquiridos por cargo por confiabilidad (opciones de energía firme). Se consideran que los
agentes generadores hacen parte de un juego en el cual actúan como “Nash players” maximizando sus ingresos con base en ofertas de precios que establecen para participar en el mercado spot.
Indirectamente, por medio de la oferta de precios determina las cantidades óptimas a vender y/o a comprar en el mercado spot. El comportamiento de cada generador es simulado con base en un
Termo
AGENTEAGENTE
22AGENTEAGENTE
11
Termo
AGENTE AGENTE
33
NODO
DEMANDA
TermoEmbalse
Hidro
Hidro
Embalse
Hidro
Embalse
Termo
AGENTEAGENTE
22AGENTEAGENTE
11
Termo
AGENTE AGENTE
33
NODO
DEMANDA
TermoEmbalse
Hidro
Hidro
Embalse
Hidro
Embalse
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
19
modelo individualizado que representa detalladamente su infraestructura industrial y sus
instrumentos financieros.
El mercado spot se considera un agente eficiente que minimiza los costos de atender la demanda
comprando óptimamente de acuerdo con las reglas del mercado y se representa por medio de un modelo que tiene en cuenta las restricciones físicas y las condiciones de negociación. Los
consumidores finales se por medio de una curva de demanda que puede ser elástica o inelástica.
El modelo es la unión de dos modelos: el físico y el de negociación. El físico representa las relaciones
existentes entre las diferentes componentes que hacen parte de la infraestructura de producción; y el de negociación que representa las condiciones pactadas por los agentes para realizar transacciones
comerciales.
Las características del modelo físico son las propias del actual modelo MODSEI (suministrado por
DW a la Superintendencia de Servicios Públicos Domiciliarios de Colombia), ampliado con el sistema de despacho de gas. Se propone la siguiente estructura:
▪ Sistema de transmisión representado por áreas operativas interconectadas por líneas de transmisión
▪ Los centros de consumo y las unidades de generación están ubicados en las áreas operativas
▪ La transmisión de la energía considera un sistema de transporte con pérdidas lineales ▪ Generación hidráulica con base en factores de conversión constantes;
▪ Topología hidráulica real
El modelo de negociación asume las siguientes hipótesis: ▪ Instrumentos financieros consolidados por agente generador
▪ Infraestructura industrial de un agente generador compuesta por múltiples centrales hidráulicas
y múltiples plantas térmicas ▪ Se conocen la consolidación de la cantidad de energía, el precio original y el precio final de los
instrumentos financieros avalados por cada agente.
Cada agente Nash determina sus decisiones teniendo como referencia sus expectativas con respecto
al precio del mercado spot. El agente trata de maximizar sus ganancias a lo largo del horizonte de planificación de T períodos, determinando el precio de oferta de su energía en el mercado spot que
producen cantidades óptimas para la generación y las compras/ventas en el mercado spot.
Para determinar los compromisos adquiridos por el generador se debe tener en cuenta que la energía
comprometida en el mercado de largo/mediano se debe, o puede, entregar independientemente del precio spot, los ingresos correspondientes a esta energía son recibidos previamente al momento de
generación y por lo tanto no se debe contabilizar en los ingresos dependientes de su decisión.
El mercado spot se considera como un agente que actúa en nombre de los consumidores (“the demand side”) cuya función es coordinar a los agentes Nash para atender de demanda del sistema.
La racionalidad económica del mercado spot se basa en atender la demanda al mínimo costo posible
tomando como referencia las ofertas de los agentes generadores; se asume un costo no-lineal de racionamiento para la demanda no atendida. El despacho de electricidad debe respetar las
restricciones físicas, debidas a la tecnología y a la topología del sistema hidroeléctrico.
Se asume un mercado eléctrico reglamentado de acuerdo con las siguientes reglas:
▪ Los generadores venden su energía en un ambiente ideal que no considera las restricciones del sistema de transmisión
▪ La energía se paga a los generadores al precio de oferta de la planta marginal ideal ▪ No existen cargos variables por transmisión debido a que toda la energía es vendida al sistema
ideal, los cargos por transmisión son asumidos por los compradores.
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
20
▪ El mercado spot debe pagar al precio de oferta del generador las desviaciones que se presenten
entre el despacho ideal y el real.
4. EFECTO DEL PODER DE MERCADO EN MERCADO ELÉCTRICOS
El poder de mercado de un agente se deriva de su capacidad para manejar a través del precio la
cantidad que se debe transar en el mercado, forzando al mercado a salir del punto de equilibrio ideal
el cual se obtendría bajo condiciones de competencia perfecta y produciría el mayor beneficio social.
CANTIDAD (Q)
PRECIO($/Q)
EXCEDENTESOCIAL
Q
P
EQUILIBRIO MERCADOS PERFECTOS
Función de oferta
D-1(s)
Función de demanda
S-1(s)
0q
p(q).q - f(q)
El mecanismo de poder de mercado implica disminuir la cantidad transada en el mercado alterando
el precio, si el agente dominante es un productor el precio se fijará por encima del punto de equilibrio
ideal y si es un consumidor se fijará por debajo.
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
21
12
VARIACIÓN EN EL PRECIO QUE FAVORECE
AL PODER DE
MERCADO
EQUILIBRIO MERCADOS IMPERFECTOS
DISMINUCIÓN EN LA CANTIDAD
Función de ofertaD-1(s)
Función de demandaS-1(s)
PRECIO($/Q)
CANTIDAD (Q)Q
La razón por la que se ejerce el poder de mercado se fundamenta en la maximización de las ganancias del agente dominante, las que se generan por medio de transferencia de parte del excedente del
agente dominado hacia el excedente del agente dominante. Al contraer la cantidad transada se
genera una pérdida de beneficio social, o sea la disminución del excedente social, y por ende de la riqueza que el mercado produce a la sociedad.
CANTIDAD (Q)
EXCEDENTEDEL
PRODUCTOR
PRECIO($/Q)
EXCEDENTEDEL
CONSUMIDORP
Q
MERCADOS CONTROLADOS POR EL PRODUCTOR
Función de ofertaD-1(s)
Función de demandaS-1(s)
EQUILIBRIO MERCADOS IMPERFECTOS
CANTIDAD (Q)
EXCEDENTEDEL
PRODUCTOR
PRECIO($/Q)
P
MERCADOS CONTROLADOS POR EL CONSUMIDOR
Q
Función de ofertaD-1(s)
Función de demandaS-1(s)
EQUILIBRIO MERCADOS IMPERFECTOS
EXCEDENTEDEL
CONSUMIDOR
La racionalidad económica del agente dominante se fundamenta en el hecho de que sus ingresos son función de la cantidad generada y que su máximo, teniendo en cuenta el aumento del precio, se da
en una cantidad menor a la ideal para la sociedad. Al conocer el comportamiento del consumidor,
agente dominado, el agente dominante puede determinar el precio y la cantidad que más le convienen de forma tal de maximizar su ganancia/excedente.
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
22
72
GENERACIÓN(MWh)
INGRESOS($/MWh)
pE
OPTIMIZACIÓN DE LA GENERACIÓN DE MÁXIMA GANANCIA
GENERACIÓNMÁXIMA
GANANCIA GENERADOR
GENERACIÓNMÍNIMO
COSTO SOCIAL
En el caso de los mercados de electricidad con hipótesis de demanda inelástica, lo que implica que
la cantidad a transar en el mercado no es posible de alterar, buena parte del poder dominante se realiza por medio de transferencias de generaciones en el tiempo (de un período a otro período) y
entre tipos de agentes (de hidráulicos a térmicos, o viceversa).
Consideremos un caso de generación ideal, o sea a mínimo costos, presentada en la siguiente figura,
en la que el generador hidráulico podría ejercer dominante.
70
Precio = f(Costo Marginal)
EXCEDENTE DE LOS PRODUCTORES
COSTO DE LOS PRODUCTORES
GENERACIÓN HIDRÁULICA
IDEAL
EI
CURVAOFERTA
TÉRMICA
PRECIO($/Q)
CANTIDAD (Q)
DEMANDAINELÁSTICA
SOLUCIÓN DE MÍNIMO COSTO SOCIAL
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
23
Si el generador hidráulico reduce la cantidad a generar, ofreciendo un precio estratégico que implica
mayor generación térmica, podría aumentar su excedente al forzar un mayor precio en el mercado
spot. La ganancia adicional seria la diferencia entre los dos excedentes (EE-EI).
71
Precio Mínimo Costo = f(Costo Marginal)
EXCEDENTE DE LOS PRODUCTORES
COSTO DE LOS PRODUCTORES
PRECIO
($/Q)
Precio Estratégico = f(Costo Marginal)
GENERACIÓN HIDRÁULICAESTRATÉGICA
EE
DEMANDAINELÁSTICA
CURVAOFERTA
TÉRMICA
CANTIDAD (Q)
SOLUCIÓN DE AGENTE ESTRATÉGICO
Existen experiencias con datos reales que muestran la consistencia de la teoría, como la presentadas
por Luiz Augusto Barroso (2001) en simulaciones del sistema/mercado de electricidad brasilero realizadas con modelos de mínimo costo y de máxima ganancia en las que el efecto descrito se ve
con claridad: i) disminución de la generación hidráulica a cambio de un mayor precio en el mercado spot.
73
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
24
74
5. IMPLEMENTACIÓN DE MODELOS DE MÁXIMA GANANCIA
Existen varias alternativas para implementar los modelos de máxima ganancia descritos previamente. Esto debido a que el problema matemático puede mirarse desde de múltiples aristas. Las
posibilidades de solución que se consideran en este estudio implican considerar el problema bajo uno de los siguientes formatos:
▪ NCP - Nonlinear Complementarity Problem ▪ NLP - Nonlinear Optimization Problem
▪ QPQC - Quadratic Problem with Quadratic Constraints
▪ A-MIP – Approximated Mixed Linear Optimization Problem
La selección del enfoque depende de muchas razones, una de las principales es la selección de la(s) librería(s) de programación matemática que se ha(n) de utilizar, ya que existen algoritmos
especializados para cada tipo de formato.
Otro punto a tener en cuenta al resolver el problema es la convexidad o no del problema de equilibrio.
En este caso, bajo la hipótesis de que el sistema técnico-económico que representa a todos los agentes es lineal, hipótesis común en todos los modelos de mínimo costo del sector eléctrico, el
problema de equilibrio resultante es convexo.
El siguiente cuadro presenta un resumen de las diferencias entre los casos:
SOLUCIÓN DE PROBLEMAS DE EQUILIBRIO.
FORMATO CONSIDERACIONES
NCP Nonlinear Complementarity Problem Bajo este enfoque, el original, la solución el problema matemático corresponde a uno de solución de ecuaciones simultáneas: las restricciones originales que representan el problema físico y las condiciones de complementariedad que representan las condiciones de optimalidad para cada uno de los agentes que participan en el problema de equilibrio económico.
NLP Nonlinear Optimization Problem El problema matemático se asocia a uno de programación no-lineal en el que se adiciona alguna función objetivo. Si el problema original es convexo, la función objetivo no es importante y se obtiene siempre la
MODELOS DE MÁXIMA GANANCIA EN EL SECTOR ELÉCTRICO
25
SOLUCIÓN DE PROBLEMAS DE EQUILIBRIO.
FORMATO CONSIDERACIONES
misma solución independiente de la función objetivo. En casos no-convexos, se deben utilizar algoritmo de optimización global y la función objetivo de máxima ganancia.
QPQC Quadratic Optimization Problem with Quadratic Constraints Si se mira el problema de equilibrio como un de programación no-lineal, se puede verificar que este clasifica como una de programación cuadrática con restricciones cuadráticas, ya que la estructura del sistema técnico-económico es lineal, la función objetivo es cuadrática y las condiciones de complementariedad se pueden formular como cuadráticas.
A-MIP Approximated Mixed Linear Optimization Problem Si no se dispone de algoritmos especializados para los anteriores casos, o si se considera que el tiempo de respuesta por esta vía es sensiblemente mejor, es posible resolver un problema mixto lineal aproximado que podría dar la solución aproximada al problema y que garantizaría óptimos globales para problemas no-convexos.
Las decisiones sobre cuál es la estrategia más apropiada depende de la complejidad del problema y
de la disponibilidad de los algoritmos.