Αλγόριθμοι τιμολόγησης για την ελληνική αγορά ηλεκτρικής ενέργειας

Abstract

Σκοπός αυτής της εργασίας είναι η ανάπτυξη αλγορίθμων τιμολόγησης σε θεωρητικό επίπεδο και η προσαρμογή τους στην ελληνική αγορά ηλεκτρικής ενέργειας. Συγκεκριμένα, ένα νέο μοντέλο τιμολόγησης υπό συνθήκες real time pricing προτείνεται, αναλύοντας παράλληλα τη βιβλιογραφία στην οποία βασίστηκε. Η αλληλεπίδραση μεταξύ επιχειρήσεων και καταναλωτών μοντελοποιήθηκε ως Stackelberg game, ο ανταγωνισμός μεταξύ των επιχειρήσεων ως non cooperative game, ενώ ο τρόπος απόφασης των καταναλωτών ως εξελικτική διαδικασία. Απαραίτητη για την λειτουργία του αλγορίθμου είναι η γνώση της παραγωγικής δυνατότητας των επιχειρήσεων, καθώς και η ορθή πρόβλεψη της συνάρτησης χρησιμότητας των καταναλωτών. Παραδοχή ακόμα αποτελεί και το ότι οι καταναλωτές έχουν τη δυνατότητα να επιλέγουν όποια εταιρία επιθυμούν σε ωριαία βάση.

Παράλληλα, το μοντέλο τροποποιήθηκε για να προσαρμοστεί στις παρούσες συνθήκες της ελληνικής πραγματικότητας. Θεωρώντας πως οι επιχειρήσεις έχουν μη δυναμική χρέωση, μελετάμε την αγορά σε διάστημα εξαμήνου. Και αυτήν την φορά γίνεται η παραδοχή πως οι καταναλωτές μπορεί να αλλάξουν εταιρία άμεσα, όποτε το αποφασίσουν. Στη συνέχεια, επειδή στην πραγματικότητα η συμπεριφορά των καταναλωτών επηρεάζεται με μη ορθολογικό τρόπο από παράγοντες όπως η διαφημιστική εκστρατεία και η φήμη των εταιριών, δύο νέα μοντέλα αναπτύχθηκαν, ένα σε αντιστοιχία για κάθε ένα αρχικό, προσπαθώντας να συμπεριλάβουν και αυτές τις παραμέτρους. Για την επίτευξη αυτού του στόχου, αποδόθηκε μια σταθερή βάση πελατών στη ΔΕΗ.

Έπειτα, για να επαληθευτεί η πρακτική αξία των παραπάνω μοντέλων, πραγματοποιήθηκαν προσομοιώσεις με τα δεδομένα του χειμερινού εξαμήνου του 2016. Προτού υλοποιηθούν οι προσομοιώσεις όμως, παράμετροι του θεωρητικού μοντέλου προσαρμόστηκαν στα ελληνικά δεδομένα χρησιμοποιώντας τεχνικές machine learning και συγκεκριμένα βελτιστοποίηση υπερπαραμέτρων, αλλά και διάφορες μορφές στατιστικής επεξεργασίας. Γι’ αυτό το σκοπό, αναπτύχθηκαν προγράμματα σε Python.

Οι προσομοιώσεις πραγματοποιήθηκαν σε προγραμματιστικό περιβάλλον C, λόγω της απλότητας που προσφέρει. Συνολικά μελετήθηκαν 32 σενάρια, τα οποία μεταξύ άλλων συμπεριλάμβαναν περιπτώσεις χαμηλής, υψηλής και μέσης ζήτησης, υποθετικές συνεργασίες εταιριών σε βάρος άλλων, καρτέλ σε βάρος του καταναλωτή, και συμφωνία για μη πόλεμο τιμών.

Τέλος, τα αποτελέσματα συγκρίθηκαν με τα πραγματικά στοιχεία που καταγράφηκαν το χειμερινό εξάμηνο του 2016. Κύριο κριτήριο αξιολόγησης των μοντέλων αποτελεί η αντιπαραβολή της αρχικής κατάστασης αγοράς που προβλέπουν τα μοντέλα, πριν ακόμα δηλαδή τροποποιήσουν κάποια τιμή, με τα πραγματικά στοιχεία του 2016. Επικουρικό κριτήριο είναι η σύγκριση των τελικών αποτελεσμάτων σε διαφορετικά σενάρια, καθώς σύμφωνα με την οικονομική θεωρία, κάποια σενάρια θα πρέπει να έχουν μεγαλύτερη ζήτηση ή κέρδη επιχειρήσεων από άλλα.