[論文レビュー] Optimal pricing for electricity retailers based on data-driven consumers' price-response

Román Pérez-Santalla, Miguel Carrión+1 more|arXiv (Cornell University)|Oct 4, 2021

Smart Grid Energy Management参考文献 22被引用数 4

ひとこと要約

本論文は、スマートメーターのデータを用いて、電力小売業者が最適な時間別料金（ToU）を設定するための、データ駆動型でリスク回避的な確率的最適化モデルを提案する。消費者の価格反応弾力性を線形回帰でモデル化し、条件付きリスク価値（CVaR）を用いた2段階の確率的計画法に統合してリスク管理を行う。その結果、消費者の価格感受性が高い場合、プール価格や再生可能エネルギーの供給に不確実性が生じても、競争力のある価格設定と高い利益が達成可能であることが示された。

ABSTRACT

In the present work we tackle the problem of finding the optimal price tariff to be set by a risk-averse electric retailer participating in the pool and whose customers are price-sensitive. We assume that the retailer has access to a sufficiently large smart-meter dataset from which it can statistically characterize the relationship between the tariff price and the demand load of its clients. Three different models are analyzed to predict the aggregated load as a function of the electricity prices and other parameters, as humidity or temperature. More specifically, we train linear regression (predictive) models to forecast the resulting demand load as a function of the retail price. Then we will insert this model in a quadratic optimization problem which evaluates the optimal price to be offered. This optimization problem accounts for different sources of uncertainty including consumer's response, pool prices and renewable source availability, and relies on a stochastic and risk-averse formulation. In particular, one important contribution of this work is to base the scenario generation and reduction procedure on the statistical properties of the resulting predictive model. This allows us to properly quantify (data-driven) not only the expected value but the level of uncertainty associated with the main problem parameters. Moreover, we consider both standard forward based contracts and the recently introduced power purchase agreement contracts as risk-hedging tools for the retailer. The results are promising as profits are found for the retailer with highly competitive prices and some possible improvements are shown if richer datasets could be available in the future. A realistic case study and multiple sensitivity analyses have been performed to characterize the risk-aversion behavior of the retailer considering price-sensitive consumers.

研究の動機と目的

• 変動するプール価格と予測困難な再生可能エネルギー供給に直面するリスク回避的小売業者にとって、最適な電力料金を設定する課題に対処すること。
• 2013年に取得された1,000戸の英国の家庭から得た実際のスマートメーターのデータを用いて、消費者需要が電力価格にどのように反応するかをモデル化すること。
• 前もって契約する契約と発電購入契約（PPA）をリスクヘッジの手段として組み込んだ、確率的最適化フレームワークを構築すること。
• 消費者の価格感受性と小売業者のリスク回避性が、最適な価格設定と調達戦略に与える影響を定量化すること。
• 英国電力市場を対象とした事例研究を通じて、現実の市場条件下でのモデルのパフォーマンスを評価すること。

提案手法

• 半時刻単位のスマートメーターのデータ（価格、気温、湿度を含む）を用いて、集計された家庭需要を小売価格と環境変数の関数として予測する線形回帰モデルを訓練する。
• 予測モデルの統計的性質を活用して、プール価格、再生可能エネルギーの供給可能性、および消費者反応の確率的シナリオを生成および削減する。
• 条件付きリスク価値（CVaR）を用いたリスク回避的目的関数を備えた2段階の確率的混合整数最適化問題を定式化し、最悪ケースの損失を最小化する。
• 複数の調達源を統合する：当日市場、前もって契約する契約、出力が不確実なPPA契約。
• 需要予測制約とリスク制約を満たす条件下で、小売業者のToU料金と調達戦略を同時に最適化する。
• 2013年の英国電力市場データに基づく現実的な事例研究を用いてモデルをキャリブレーションし、リスク回避度と価格弾力性に対する感度分析を実施する。

実験結果

リサーチクエスチョン

• RQ1 消費者の価格弾力性は、最適なToU料金と小売業者の利益にどのように影響するか？
• RQ2 変動するプール価格と予測困難な再生可能エネルギー出力の下で、前もって契約する契約とPPAは、金融リスクをどの程度ヘッジできるか？
• RQ3 リスク回避性は、小売業者の調達および価格設定意思決定にどのように影響するか？
• RQ4 消費者反応のデータ駆動型予測モデルは、電力小売価格の確率的最適化フレームワークに効果的に統合可能か？
• RQ5 歴史的データにおける価格変動の制限が、最適化モデルの実用性に与える影響は何か。また、その影響をどのように軽減できるか？

主な発見

• 制約なしの問題において、期待される利益はそれぞれ530.34 GBP（χ=0）および514.01 GBP（χ=1）に達するが、制約ありのバージョンでは137.64 GBPおよび132.54 GBPにとどまる。これは、高い価格感受性の価値を示している。
• 高いリスク回避性であっても、最適な販売価格は消費者の価格弾力性に強く依存しており、リスク回避度の変化が最終的な価格設定に顕著な影響を与えないことが判明した。
• 特にピーク時間帯に高額なプール価格が予想される場合、PPA契約に対して最大4.92 p/kWhのプレミアムを支払う意思がある。これは、リスクヘッジのための戦略的行動である。
• リスク回避性が高い状況では、4.70 p/kWhまで前もって契約する契約を積極的に活用しており、これは変動が激しいプール市場への露出を低減する役割を果たしている。
• 消費者の価格弾力性が高ければ、明示的な価格制限がなくても、小売業者は競争力のある価格（例：約25 p/kWh）を設定可能であり、結果として利益が増加することが示された。
• モデル内で価格感受性を人工的に高める（βshift = 52）ことで、制限付きの境界を必要としなくなり、制約なしのケースと同等の利益が得られる。これは、より豊富なデータセットがあればモデルの実用性が向上すると示唆している。