Optimización cuarto horaria del uso de una batería integrada en una planta solar para la maximización del beneficio en mercados eléctricos

Abstract

El sistema eléctrico español atraviesa una transformación profunda: la masiva penetración de la energía solar fotovoltaica deprime los precios del mercado diario en las horas centrales del día y los dispara al caer el sol, generando una brecha de precios creciente que se conoce como efecto canibalización. Este escenario, unido a la creciente necesidad de flexibilidad para mantener el equilibrio de la red, convierte a los sistemas de almacenamiento por batería (BESS) en un activo estratégico, tanto para el arbitraje energético como para la prestación de servicios de ajuste al operador del sistema. En este contexto, el presente trabajo desarrolla un modelo de optimización determinista para maximizar el beneficio económico de una batería de iones de litio que opera simultáneamente en el mercado diario de electricidad y en el mercado de reserva secundaria del sistema eléctrico español, a resolución cuartohoraria. El modelo se formula como un problema de programación lineal entera mixta (MILP) y se implementa en Python utilizando la librería Pyomo junto con el solver de código abierto HiGHS. Para evaluar la robustez de la estrategia óptima frente a la incertidumbre real del mercado, se complementa el modelo con una simulación de Montecarlo que introduce variabilidad en los precios, la activación de la reserva, las casaciones de ofertas y los fallos técnicos de la batería. La simulación se ejecuta sobre un horizonte anual de 363 días, lo que permite cuantificar el coste de la incertidumbre y analizar el comportamiento del modelo en condiciones realistas. Los resultados confirman que el modelo genera valor de forma consistente a lo largo del año, con un coste de incertidumbre anual del 14% respecto al escenario de información perfecta.The Spanish electricity system is undergoing a profound transformation: the massive penetration of solar photovoltaic energy depresses day-ahead market prices during the central hours of the day and pushes them up at sunset, generating a widening price gap known as the cannibalization effect. This scenario, combined with the growing need for flexibility to keep the grid balanced, turns Battery Energy Storage Systems (BESS) into a strategic asset, both for energy arbitrage and for the provision of ancillary services to the system operator. In this context, this work develops a deterministic optimization model to maximize the economic profit of a lithium-ion battery operating simultaneously in the day-ahead electricity market and in the secondary reserve market of the Spanish power system, at quarter-hourly resolution. The model is formulated as a Mixed Integer Linear Programming (MILP) problem and implemented in Python using the Pyomo library together with the open-source solver HiGHS. To assess the robustness of the optimal strategy against real market uncertainty, the model is complemented with a Monte Carlo simulation that introduces variability in prices, reserve activation, bid clearing and technical failures of the battery. The simulation is run over an annual horizon of 363 days, which makes it possible to quantify the cost of uncertainty and analyze the behavior of the model under realistic conditions. The results confirm that the model generates value consistently throughout the year, with an annual uncertainty cost of 14% with respect to the perfect-information scenario.