Modelování energetických trhů agentními systémy

Abstract

Vytvoření plně integrovaného evropského trhu s elektřinou je omezeno fyzickými omezeními, která jsou způsobena zvláštním charakterem elektřiny jako obchodovaného zboží. Přetížení přenosových kapacit mezi různými oblastmi evropského trhu vyžaduje ekonomicky efektivní přístup k optimálnímu využití dostupné přeshraniční kapacity. Budování větších spojených regionů s využitím stejných clearingových mechanismů vede k neustálému rozvoji evropských trhů s elektřinou a změnám jejich fungování. Dostupnou přeshraniční kapacitu lze určit pomocí nodální, nebo dostupné přenosové kapacity (ATC), nebo pomocí metody Flow Based. V Evropě se však používá pouze metoda ATC a Flow Based metoda. Kromě technických aspektů ovlivňuje trh s elektřinou i řada ekonomických souvislostí spojených s liberalizací trhu s elektřinou. Trh s elektřinou Je charakterizován mnoha zúčastněnými a zájemně interagujícími aktéry,kteří se snaží maximalizovat svůj vlastní zisk. Klasické přístupy shora dolů nejsou schopny správně modelovat dynamiku chování jednotlivých entit v systému. S ohledem na nové obchodní modely, umožněné liberalizací trhu s elektřinou, jsou přístupy zdola nahoru vhodnou metodu k pružnému modelování trhů s elektřinou. Nové obchodní modely, jako je například arbitrážní obchodování a poskytování síťových služeb s úložišti elektřiny a decentralizovanými výrobními jednotkami, navíc vyžadují inteligentní reakci na tržní signály. Kromě komplexního prostředí s několika agenty, charakteristika samotného obchodování s elektřinou, činí trh s elektřinou zajímavou oblastí aplikace modelování založeného na agentech. Revolvingové aukce s jednotným obchodem, který se má obchodovat, jsou zajímavým případem strategického nabídkového řízení a úpravy strategií. Výše uvedené aspekty jsou motivací pro tuto práci, kdy cílem je vyvinout model, který je schopen modelovat evropské trhy s elektřinou, včetně různých systémů propojení trhu. Proto se používají různé algoritmy strojového učení s ohledem na strategie chování účastníků trhu. Příkladné studie, které srovnávají různá nastavení propojení trhu, ukazují, že rozšíření současného propojení trhu by mohlo být přínosem pro zvýšení společenského přebytku.

The creation of a fully integrated European electricity market is barred by physical constraints which are caused by the special character of the traded good. Capacity congestions between different European market areas require an economical efficient approach to exploit the available cross-border capacity optimally. Building larger coupled regions using the same clearing mechanisms, the European electricity markets are in constant transition. The available cross-border capacity can be determined with nodal, Available Transmission Capacity (ATC), flow-based market coupling. In Europe, however, only ATC market coupling and the flow-based approach are in use. Besides these technical complexities, form economic perspective, the energy sector is, due to the liberalization, a complex system as well. It is characterized with many interacting actors seeking to maximize their own profit. Classical top-down approaches lack to properly model the dynamics of the behaviors of single entities in the system. Thus, with respect to new business models, enabled by the reform of regulations, bottom-up approaches are a good approach to model electricity markets flexible. Moreover, the new business models, such as arbitrage trading and providing network services with storages and decentralized generation units, require an intelligent response to market signals. Besides the complex environment with several agents, the special characteristics of electricity trading itself, make the electricity markets an interesting field of application of agent-based modeling. Revolving auctions with a uniform good to be traded is an interesting use case for strategic bidding and the adjustment of strategies. The above-mentioned aspects are the motivation for this thesis, to develop a model that is capable to model the European electricity markets including different market coupling schemes. Therefore, different machine learning algorithms are applied with respect to the strategic bidding of market actors. Exemplary studies, comparing different market coupling settings, indicate, that an extension of the current market coupling might be a beneficial result in an increase of the social welfare.