Optimización Financiera

Maestría en Investigación Operativa y Estadística

Mercados Eléctricos
Estocásticos

Pereira, 2023.
 Agenda:

1. Mercados eléctricos

• Marco institucional del mercado eléctrico colombiano.

• Costo unitario.
• ¿Qué hace un comercializador de energía?
• Problema del consumidor de energía.
• Formulación nodo-variable.
• Formulación Escenario-variable.
• Problema del productor de energía.
 Fuente: Archivos del Laboratorio

Fuente: Laboratorio Financiero, Facultad de Ciencias Empresariales, Universidad Tecnológica de Pereira. UTP
 Diseño mercado eléctrico colombiano
El diseño o marco institucional en nuestro país es el siguiente:

Fuente: : Presentación CREG Marco Regulatorio, Sector Energético.

Fuente: : Curso Mercados Eléctricos. Ingeniería Eléctrica. Universidad Tecnológica de Pereira. Profesor Salazar, H. (2022).
 Costo Unitario

Fuente: : Curso Mercados Eléctricos. Ingeniería Eléctrica. Universidad Tecnológica de Pereira. Profesor Salazar, H. (2022).
 Costo Unitario

Fuente: : Curso Mercados Eléctricos. Ingeniería Eléctrica. Universidad Tecnológica de Pereira. Profesor Salazar, H. (2022).
 ¿Qué hace un comercializador de energía?

Usuarios de energía
En su forma más básica:
1. Lee el contador.
2. Emite una factura.
3. Recauda los pagos de la factura.
4. Paga por la compra de energía.
5. Paga por el transporte de la energía.

Fuente: : Curso Mercados Eléctricos. Ingeniería Eléctrica. Universidad Tecnológica de Pereira. Profesor Salazar, H. (2022).
¿Qué hace un comercializador de energía?

Generador o
Productor
(Oferta)

Comercializador
(Intermediario)

Consumidor
(demanda)

Fuente: : Curso Mercados Eléctricos. Ingeniería Eléctrica. Universidad Tecnológica de Pereira (UTP). Profesor Salazar, H. (2022).
 ¿Qué hace un comercializador de energía?

Oferta por: bolsa y contratos. Portfolio

Los contratos pueden ser OTC o Choice
Estandarizados.

Comercializador.

Demanda
satisfecha. Demanda por atender.
Cumplimiento de
indicadores
técnicos.

Fuente: : Curso Mercados Eléctricos. Ingeniería Eléctrica. Universidad Tecnológica de Pereira. Profesor Salazar, H. (2022).
 Problema del consumidor de energía
Un consumidor de energía no regulado tiene incertidumbre en el consumo
semanal y en el precio de la energía. Los posibles escenarios son mostrados en
la tabla.

El consumidor tiene la posibilidad de comprar hasta 90 MW a un precio de

$45/MWh firmando un contrato al comienzo de la semana, antes de conocer el
precio que tendría que pagar en el mercado spot.

Escenario Probabilidades Demanda [MW] Precio [$/MWh]

1 0,2 110 50
2 0,6 100 46
3 0,2 80 44

Se requiere formular el problema usando programación estocástica de 2

etapas, para determinar la cantidad de energía a comprar a través del contrato.
Fuente: CONEJO, A. J.; CARRIÓN, M.; MORALES, J. M. Decision Making Under Uncertainty in Electricity Markets, Springer, 2010
Curso del Doctorado en Ingeniería en optimización estocástica, UTP. Profesor Franco, J.F. (2017, 2022).
 Árbol de escenarios para el problema:

𝑃𝑐 : Potencia contratada.
𝑃𝑖 : Potencia comprada en el
mercado libre en el escenario 𝑖.

Firmar el contrato Compra en el mercado

definiendo el valor de libre para completar la
potencia contratado. demanda.

Fuente: CONEJO, A. J.; CARRIÓN, M.; MORALES, J. M. Decision Making Under Uncertainty in Electricity Markets, Springer, 2010
Curso del Doctorado en Ingeniería en optimización estocástica, UTP. Profesor Franco, J.F. (2017, 2022).
 Formulación Nodo-Variable:

min 𝐶𝑜𝑠𝑡𝑜 = 7 ∗ 24 ∗ (45 ∗ 𝑃𝑐 + 0,2 ∗ 50 ∗ 𝑃1 + 0,6 ∗ 46 ∗ 𝑃2 + 0,2 ∗ 44 ∗ 𝑃3

s.a
𝑃𝑐 + 𝑃1 ≥ 110 Escenario 1
𝑃𝑐 + 𝑃2 ≥ 100 Escenario 2
𝑃𝑐 + 𝑃3 ≥ 80 Escenario 3
0 ≤ 𝑃𝑐 ≤ 90
𝑃𝑐 ≥ 0 Variable de primera etapa
𝑃1 , 𝑃2 , 𝑃3 ≥ 0 Variable de segunda etapa

Fuente: CONEJO, A. J.; CARRIÓN, M.; MORALES, J. M. Decision Making Under Uncertainty in Electricity Markets, Springer, 2010
Curso del Doctorado en Ingeniería en optimización estocástica, UTP. Profesor Franco, J.F. (2017, 2022).
Formulación Escenario-Variable:
min 𝐶𝑜𝑠𝑡𝑜 = 7 ∗ 24 ∗ 0,2 ∗ (45 ∗ 𝑃𝑐,1 + 50 ∗ 𝑃1 )
+7 ∗ 24 ∗ 0,6(45 ∗ 𝑝𝑐,2 + 46 ∗ 𝑃2 )
+7 ∗ 24 ∗ 0,2(45 ∗ 𝑝𝑐,3 + 44 ∗ 𝑃3 )

𝑃𝑐,1 + 𝑃1 ≥ 110
𝑃𝑐,2 + 𝑃2 ≥ 100
𝑃𝑐,3 + 𝑃3 ≥ 80
𝑃𝑐,1 = 𝑃𝑐,2 = 𝑃𝑐,3 Restricción de no
anticipación
0 ≤ 𝑃𝑐,𝑖 ≤ 90
𝑃𝑐,𝑖 ≥ 0
𝑃1 , 𝑃2 , 𝑃3 ≥ 0

Fuente: CONEJO, A. J.; CARRIÓN, M.; MORALES, J. M. Decision Making Under Uncertainty in Electricity Markets, Springer, 2010
Curso del Doctorado en Ingeniería en optimización estocástica, UTP. Profesor Franco, J.F. (2017, 2022).
 Problema del productor de energía

Un productor de energía tiene una capacidad de 120 MW y necesita determinar la

estrategia de venta para un horizonte de 6 días, dividido en dos periodos de 3 días.

Existen dos tipos de contrato que el proveedor puede firmar:

• Un contrato (A) de hasta 50 MW a $25/MWh para los 6 días.

• Un contrato (B) de hasta 40 MW a $26/MWh para 3 días, disponible justo
después del primer periodo 3 días.
Precio Límite de
Contrato Duración Horas
[$/MW] Potencia [MW]
A 6 días 144 25 50
B 3 días 72 26 40

Determinar la estrategia óptima del productor usando un modelo de Programación

Estocástica con 3 etapas.
Fuente: CONEJO, A. J.; CARRIÓN, M.; MORALES, J. M. Decision Making Under Uncertainty in Electricity Markets, Springer, 2010
Curso del Doctorado en Ingeniería en optimización estocástica, UTP. Profesor Franco, J.F. (2017, 2022).
 Problema del productor de energía

El productor también puede vender energía en el mercado libre o bolsa, con potencia constante
durante el primer y segundo periodo de 3 días:

• Los precios en bolsa que están disponibles para el primer periodo (los primeros 3 días)
pueden ser negociados en $27/MWh con probabilidad 0,4 y $23/MWh con probabilidad 0,6.
• Si los precios para los 3 primeros días son $27/MWh, los precios durante el segundo
periodo de 3 días serán $28/MWh con probabilidad 0,4 o $26/MWh con probabilidad 0,6.
• De igual forma, si los precios para los 3 primeros días son $23/MWh, los precios durante el
segundo periodo de 3 días serán $24/MWh con probabilidades 0,4 o $22/MWh probabilidad
0,6.

Escenario Precio primeros 3 días Precio segundos 3 días Probabilidad

1 $27 $28 0,4 ∗ 0,4 = 0,16
2 $27 $26 0,4 ∗ 0,6 = 0,24
3 $23 $24 0,6 ∗ 0,4 = 0,24
4 $23 $22 0,6 ∗ 0,6 = 0,36

Fuente: CONEJO, A. J.; CARRIÓN, M.; MORALES, J. M. Decision Making Under Uncertainty in Electricity Markets, Springer, 2010
Curso del Doctorado en Ingeniería en optimización estocástica, UTP. Profesor Franco, J.F. (2017, 2022).
Árbol de escenarios con tres etapas:

Fuente: CONEJO, A. J.; CARRIÓN, M.; MORALES, J. M. Decision Making Under Uncertainty in Electricity Markets, Springer, 2010
Curso del Doctorado en Ingeniería en optimización estocástica, UTP. Profesor Franco, J.F. (2017, 2022).
 𝑀𝑎𝑥 𝑣𝑒𝑛𝑡𝑎 = 0,16 ∗ 72 ∗ (2 ∗ 25 ∗ 𝑃𝐴,1 + 26 ∗ 𝑃𝐵,1 + 27 ∗ 𝑃𝑡1,1 + 28 ∗ 𝑃𝑡2,1 )
+0,24 ∗ 72 ∗ (2 ∗ 25 ∗ 𝑃𝐴,2 + 26 ∗ 𝑃𝐵,2 + 27 ∗ 𝑃𝑡1,2 + 26 ∗ 𝑃𝑡2,2 )
+0,24 ∗ 72 ∗ (2 ∗ 25 ∗ 𝑃𝐴,3 + 26 ∗ 𝑃𝐵,3 + 23 ∗ 𝑃𝑡1,3 + 24 ∗ 𝑃𝑡2,3 )
+0,36 ∗ 72 ∗ (2 ∗ 25 ∗ 𝑃𝐴,4 + 26 ∗ 𝑃𝐵,4 + 23 ∗ 𝑃𝑡1,4 + 22 ∗ 𝑃𝑡2,4 )
Sujeto a:
𝑃𝐴,1 + 𝑃𝑡1,1 ≤ 120
𝑃𝐴,2 + 𝑃𝑡1,2 ≤ 120
𝑃𝐴,3 + 𝑃𝑡1,3 ≤ 120
𝑃𝐴,4 + 𝑃𝑡1,4 ≤ 120
𝑃𝐴,1 + 𝑃𝐵,1 + 𝑃𝑡2,1 ≤ 120
𝑃𝐴,2 + 𝑃𝐵,2 + 𝑃𝑡2,2 ≤ 120
𝑃𝐴,3 + 𝑃𝐵,3 + 𝑃𝑡2,3 ≤ 120
𝑃𝐴,4 + 𝑃𝐵,4 + 𝑃𝑡2,4 ≤ 120
𝑃𝐴,1 = 𝑃𝐴,2 = 𝑃𝐴,3 = 𝑃𝐴,4
𝑃𝐵,1 = 𝑃𝐵,2
Restricciones de no
𝑃𝐵,3 = 𝑃𝐵,4 anticipación
𝑃𝑡1,1 = 𝑃𝑡1,2
𝑃𝑡1,3 = 𝑃𝑡1,4
𝑃𝐴,1 ≤ 50, 𝑃𝐴,2 ≤ 50, 𝑃𝐴,3 ≤ 50, 𝑃𝐴,4 ≤ 50
𝑃𝐵,1 ≤ 40, 𝑃𝐵,2 ≤ 40, 𝑃𝐵,3 ≤ 40, 𝑃𝐵,4 ≤ 40
𝑃𝐴,1 , 𝑃𝐴,2 , 𝑃𝐴,3 , 𝑃𝐴,4 ≥ 0
𝑃𝐵,1 , 𝑃𝐵,2 , 𝑃𝐵,3 , 𝑃𝐵,4 ≥ 0
𝑃𝑡1,1 , 𝑃𝑡1,2 , 𝑃𝑡1,3 , 𝑃𝑡1,4 ≥ 0
𝑃𝑡2,1 , 𝑃𝑡2,2 , 𝑃𝑡2,3 , 𝑃𝑡2,4 ≥ 0

Fuente: CONEJO, A. J.; CARRIÓN, M.; MORALES, J. M. Decision Making Under Uncertainty in Electricity Markets, Springer, 2010
Curso del Doctorado en Ingeniería en optimización estocástica, UTP. Profesor Franco, J.F. (2017, 2022).
 “Go as far as you can see; when
you get there, you’ll be able to
see farther’’ J.P Morgan.

Fuente: https://www.radionacional.co/cultura/por-primera-vez-en-colombia-la-exposicion-el-
mundo-segun-mafalda
adriana.santa@utp.edu.co

¡Muchas Gracias!

Fuente: https://goo.gl/tp7Arv