This paper proposes a model that can simulate the Day Ahead Energy Market and the Market for Ancillary Services in order to study the bidding strategies of the companies participating in the Power Exchange and examine the interaction between these two markets. The model is based on the Supply Function Equilibria, and makes use of a Genetic Algorithm to find a Nash equilibrium. The algorithm, implemented in GAMS (General Algebric Modelling System), has been initially validated on a deliberately simple test system, and subsequently applied to a more complex context, more similar to Italian’s one. Even if penalized by some restrictive assumptions, the simulator is able to bring out bidding strategies that are consistent with the constraints of the system and to bring out the interaction between the two markets concerned, MGP and MSD.

Il presente lavoro propone un modello in grado di simulare il mercato elettrico del giorno prima ed il mercato dei servizi di dispacciamento al fine di studiare le strategie di offerta delle società partecipanti alla Borsa Elettrica e analizzare l’interazione tra i due mercati. Il modello si basa sulle Supply Function Equilibra e fa ricorso ad un algoritmo genetico per pervenire ad un equilibrio di Nash del mercato elettrico. L’algoritmo, costruito ed implementato in GAMS (General Algebric Modelling System), è stato inizialmente validato su una rete test volutamente semplice e, successivamente, applicato ad un contesto più complesso e simile a quello italiano. Pur in presenza di alcune ipotesi restrittive introdotte, il simulatore si è rilevato in grado di far emergere strategie di offerta coerenti con i vincoli del sistema e di dimostrare che una ottimizzazione congiunta delle offerte nei due mercati considerati, consente di ottenere profitti complessivamente maggiori.

Modello supply function equilibrium per l'analisi delle interazioni tra il mercato del giorno prima ed il mercato dei servizi di dispacciamento

PUGLISI, CINZIA
2012/2013

Abstract

This paper proposes a model that can simulate the Day Ahead Energy Market and the Market for Ancillary Services in order to study the bidding strategies of the companies participating in the Power Exchange and examine the interaction between these two markets. The model is based on the Supply Function Equilibria, and makes use of a Genetic Algorithm to find a Nash equilibrium. The algorithm, implemented in GAMS (General Algebric Modelling System), has been initially validated on a deliberately simple test system, and subsequently applied to a more complex context, more similar to Italian’s one. Even if penalized by some restrictive assumptions, the simulator is able to bring out bidding strategies that are consistent with the constraints of the system and to bring out the interaction between the two markets concerned, MGP and MSD.
ING - Scuola di Ingegneria Industriale e dell'Informazione
22-lug-2013
2012/2013
Il presente lavoro propone un modello in grado di simulare il mercato elettrico del giorno prima ed il mercato dei servizi di dispacciamento al fine di studiare le strategie di offerta delle società partecipanti alla Borsa Elettrica e analizzare l’interazione tra i due mercati. Il modello si basa sulle Supply Function Equilibra e fa ricorso ad un algoritmo genetico per pervenire ad un equilibrio di Nash del mercato elettrico. L’algoritmo, costruito ed implementato in GAMS (General Algebric Modelling System), è stato inizialmente validato su una rete test volutamente semplice e, successivamente, applicato ad un contesto più complesso e simile a quello italiano. Pur in presenza di alcune ipotesi restrittive introdotte, il simulatore si è rilevato in grado di far emergere strategie di offerta coerenti con i vincoli del sistema e di dimostrare che una ottimizzazione congiunta delle offerte nei due mercati considerati, consente di ottenere profitti complessivamente maggiori.
Tesi di laurea Magistrale
File allegati
File Dimensione Formato  
2013_07_Puglisi.pdf

accessibile in internet per tutti

Descrizione: Testo della Tesi
Dimensione 4.78 MB
Formato Adobe PDF
4.78 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/81523