Determination of Generator Profits in Day-Ahead Electricity Market Under the Effect of Capacity Withholding by Agent-Based Modelling

Öz

In this study, it is aimed to understand whether the generator production companies in the generation part of an existing test system regulated in accordance with the day-ahead market conditions will dominate the market under variable demands. For this, the daily profits of the generators were examined. Capacity withholding studies were used to determine market dominance. Combined capacity withholding has been applied to the existing electricity system, where economic and physical capacity withholding are used together. It has been examined how the generator and withholding type chosen make a difference in profits and which selections increase them. To prove the validity of the method, the base version of the test system was also taken into account. The regional marginal prices (LMP) of each transmission bus bar are analyzed in a wholesale simulation environment named AMES (Agent-Based Modeling of Electricity Systems) based on reinforcement learning. While determining regional bus bar prices, the effect of generator daily net earnings and line restrictions are also considered. It is assumed that generator outages and weather conditions do not affect the test system. To better understand the effect of capacity withholding types, generators were exposed to a single learning process. As a result, the type of withholding that increases profit the most is economic capacity withholding. Combined capacity withholding also had a remarkable effect. The effect of physical capacity withholding is not significant enough to be considered. It has been observed that generators with large production capacity increased their profits significantly and dominated the market.

Anahtar Kelimeler

• Capacity withholding
• Locational Marginal Prices (LMPs)
• Generator learning
• Agent-based modelling.

Gün Öncesi Elektrik Piyasasında Generatör Kazançlarının Kapasite Stopajı Etkisi Altında Ajan Bazlı Modelleme ile Belirlenmesi

Öz

Bu çalışmada, gün öncesi elektrik piyasası koşullarında mevcut bir test sisteminin üretim şirketlerinin, değişken talepler altında piyasaya hakimiyeti incelenmiştir. Bunun için generatörlerin günlük kazançları analiz edilmiştir. Piyasa hakimiyetini belirlemek için kapasite stopaj çalışmalarından faydalanılmıştır. Mevcut test sistemine, önce ekonomik ve fiziksel kapasite ayrı ayrı daha sonra hem ekonomik hem de fiziksel kapasite stopajının birlikte kullanıldığı birleşik kapasite stopajı uygulanmıştır. Kapasite stopajı çalışmalarında seçilen generatör ve stopaj türünün generatör kazançlarında nasıl bir farklılık oluşturduğu ve hangi seçimlerin generatör kazançlarını pozitif anlamda artırdığı incelenmiştir. Her bir iletim barasındaki bölgesel marjinal fiyatları (LMP), pekiştirilmiş öğrenme tabanlı AMES elektrik sistemlerinin ajan tabanlı modellemesi adlı toptan satıcı simülasyon ortamında belirlenmiştir. Bölgesel bara fiyatları belirlenirken generatör günlük net kazançlarının piyasaya etkisi ve hat kısıtlamalarının durumları da göz önüne alınmıştır. Generatör kesintilerinin ve hava koşullarının test sistemine etkilerinin olmadığı varsayılmıştır. Kapasite stopajı türlerinin etkisini daha iyi anlayabilmek için generatörler tekli öğrenme sürecine maruz bırakılmıştır. Yapılan çalışmalar sonucunda generatör kazancını en çok arttıran stopaj çeşidinin ekonomik kapasite stopajı olduğu görülmüştür. Birleşik kapasite stopajının da generatör kazancına dikkate değer etkisi olmuştur. Fiziksel kapasite stopajının etkisi göz önüne alınacak kadar önemli değildir. Ayrıca bu çalışmadan elde edilen başka önemli sonuç da generatörlerin üretim kapasitesinin etkilerinin kazançlara etkisidir. Üretim kapasitesi büyük olan generatörlerin stopaj çalışmalarında karını çok fazla artırdığı ve piyasayı hakimiyet altına aldığı görülmüştür.

Anahtar Kelimeler

• Kapasite stopajı
• elektrik piyasası hakimiyeti
• bölgesel marjinal fiyatlar
• generatör öğrenmesi
• AMES
• gün öncesi piyasası.

Kaynakça

1. [1] Nicolaisen, J., Petrov, V., & Tesfatsion, L. (2002). Market power and efficiency in a computational electricity market with discriminatory double-auction pricing. IEEE Transactions on Evolutionary Computation, 5(5), 504–523.
2. [2] Tellidou, A. C., & Bakirtzis, A. G. (2007). Agent-based analysis of capacity withholding and tacit collusion in electricity markets. IEEE Transactions on Power Systems, 22(4), 1735–1742.
3. [3] Li, H., & Tesfatsion, L. (2009, July). The AMES wholesale power market test bed: A computational laboratory for research, teaching, and training. In 2009 IEEE Power & Energy Society General Meeting (pp. 1–8). IEEE.
4. [4] Li, H., Sun, J., & Tesfatsion, L. (2008, July). Dynamic LMP response under alternative price-cap and price-sensitive demand scenarios. In 2008 IEEE Power and Energy Society General Meeting—Conversion and Delivery of Electrical Energy in the 21st Century (pp. 1–8). IEEE.
5. [5] Li, H., & Tesfatsion, L. (2009, March). Capacity withholding in restructured wholesale power markets: An agent-based test bed study. In 2009 IEEE/PES Power Systems Conference and Exposition (pp. 1–11). IEEE.
6. [6] Li, H., & Tesfatsion, L. (2010). ISO net surplus collection and allocation in wholesale power markets under LMP. IEEE Transactions on Power Systems, 26(2), 627–641.
7. [7] Tesfatsion, L. (n.d.). AMES Wholesale Power Market Test Bed Homepage. Economics Department, Iowa State University. Retrieved March 20, 2021, from http://www.econ.iastate.edu/tesfatsi/AMESMarketHome.htm.
8. [8] Li, H., & Tesfatsion, L. (2012). Co-learning patterns as emergent market phenomena: An electricity market illustration. Journal of Economic Behavior & Organization, 82(2–3), 395–419.

9. [9] Li, H., Sun, J., & Tesfatsion, L. (2010). Separation and volatility of locational marginal prices in restructured wholesale power markets. (Working paper).
10. [10] Kiran, P., & Chandrakala, K. V. (2020). New interactive agent based reinforcement learning approach towards smart generator bidding in electricity market with micro grid integration. Applied Soft Computing, 97, 106762.
11. [11] Lally, J. (2002, January). Financial transmission rights: Auction example. Section 6 in Financial Transmission Rights Draft 01-10-02 (m-06 ed.). ISO New England, Inc.
12. [12] Shahidehpour, M., Yamin, H., & Li, Z. (2002). Market Operations in Electric Power Systems. New York, NY: IEEE/Wiley-Interscience, John Wiley & Sons, Inc.