Multi-area electricity market modeling using intelligent data techniques and an advanced temporal framework

Abstract

La liberalización del mercado eléctrico y la creciente penetración de las fuentes de energía renovables están transformando los sistemas eléctricos a nivel mundial. Estos cambios introducen nuevos desafíos de cara al análisis del funcionamiento y operación del mercado eléctrico. En este contexto, los modelos de equilibrio de mercado resultan ser una herramienta de previsión muy valiosa para el mercado eléctrico. Estos modelos son particularmente útiles para la planificación de los mercados eléctricos a medio plazo debido a que incorporan interacciones competitivas entre los generadores, que tiene una gran influencia en los precios, suministro y otros resultados del mercado. En los sectores liberalizados, esta competencia, así como el equilibrio resultante, son impulsores claves del mercado. Los modelos de equilibrio de mercado ofrecen una importante solución para los sistemas que cuentan con alta penetración de renovables, dado que permiten modelar la variabilidad y la incertidumbre de estas fuentes de energía, así como el papel de las diferentes opciones de flexibilidad para integrarlas. Esto ayuda a cuantificar los impactos del crecimiento de las fuentes de energía renovables y evaluar opciones de apoyo. En general, estos modelos proporcionan una plataforma para la evaluación sistemática de cambios en la política energética, tendencias tecnológicas y otros factores que afectan al funcionamiento del mercado. Esta tesis propone una metodología novedosa para modelar la operación a medio plazo de los sistemas eléctricos integrados a gran escala con una creciente entrada de fuentes de energía renovables y tecnologías de almacenamiento. Este documento presenta tres artículos que, en conjunto, abordan los desafíos computacionales del mencionado modelo. El primer artículo propone un método original para el modelado del equilibrio de mercado a medio plazo en un sistema eléctrico multi-área, teniendo en consideración las múltiples formas en las que se puede dividir el mercado y las respuestas a las conjeturas de precios. Este método reduce el número de posibles configuraciones de red asegurando una trazabilidad computacional. El segundo artículo aborda el problema de agregación temporal en un sistema eléctrico interconectado proponiendo una nueva metodología para modelos de mercados eléctricos multi-área. Aplicando un algoritmo de agrupación multidimensional, los datos horarios originales se transforman en estados donde la limitación computacional se reduce considerablemente a la vez que se mantiene una representación precisa de la variabilidad del sistema. Finalmente, el tercer artículo presenta una nueva metodología para reducir la dimensión temporal de los modelos de medio plazo en sistemas eléctricos de tamaño real con altos niveles de generación renovable y presencia de sistemas de almacenamiento. El algoritmo de clustering propuesto transforma la estructura temporal de los parámetros de entrada en diferentes niveles de agregación temporal, permitiendo la trazabilidad computacional y capturando la variabilidad a corto y medio plazo presente en los sistemas eléctricos. En su conjunto, estos artículos contribuyen al desarrollo de técnicas de modelado más eficientes y precisas para los sistemas eléctricos interconectados con alta penetración de fuentes de energía renovables y almacenamiento. Este estudio demuestra la validez de estas metodologías a través de casos de estudios sobre el sistema eléctrico europeo y pone de manifiesto sus beneficios frente a los modelos convencionales. En resumen, esta tesis realiza una contribución innovadora a través del desarrollo de técnicas avanzadas para solventar los retos computacionales del modelado de sistemas eléctricos a medio plazo que puede suponer una valiosa aportación para agentes de mercado en su toma de decisiones durante la actual transición energética.Electricity market liberalization and the increased penetration of renewable energy sources are transforming power systems worldwide. These changes introduce new challenges for analyzing market performance and incentives. In this context, market equilibrium models become a very valuable forecasting tool for the electricity market. These models are particularly suited for the medium-term planning of electricity markets due to their incorporation of the competitive interactions between suppliers, which influence prices, dispatch, and other outcomes. In liberalized sectors, this competition and the resulting equilibrium are crucial market drivers. Market equilibrium models are also a great solution for high-renewable energy systems, as they allow modeling of the variability and uncertainty of renewable energy as well as the role of different flexibility options to integrate it. This assists in quantifying the impacts of renewable growth and evaluating support options. Overall, they provide a platform for the systematic evaluation of policy changes, technological trends, and other market drivers. This thesis proposes a novel methodology to model the medium-term operations of large-scale integrated electricity systems with increasing penetration of renewable energy and storage technologies. The work is presented in three articles that collectively address the computational challenges of such system-level modeling. The first article proposes an original method for modeling medium-term market equilibrium in multi-area electricity systems, considering multiple market splitting possibilities and conjectured-price responses. This method reduces the possible network configurations, ensuring computational tractability. The second article addresses the challenge of temporal aggregation in interconnected energy systems by proposing a new methodology for multi-area energy system models. By applying a multi-dimensional clustering algorithm, the original hourly data is transformed into system states, significantly reducing the computational burden while maintaining an accurate representation of system variability. Finally, the third article presents a novel methodology for reducing the temporal dimension of medium-term operation models in real-size power systems with significant renewable generation and storage systems. The proposed two-stage clustering algorithm transforms the input parameters' temporal structure into different levels of time aggregation, enabling computational tractability and capturing the short- and medium-term variability present in power systems. Together, these studies contribute to the development of more efficient and accurate modeling techniques for interconnected electricity systems with high renewable and storage penetrations. The dissertation demonstrates these methodologies through case studies of European electricity systems and shows their benefits over conventional modeling approaches. Overall, this work makes a novel contribution by developing advanced techniques to overcome the computational challenges of medium-term power system modeling that can prove valuable insights for decision-makers during the ongoing energy transition.