Simulating Arbitrage Optimization for Market Monitoring in Gas and Electricity Transmission Networks

Noah Rhodes, Sachin Shivakumar, Luke S. Baker, Kaarthik Sundar, Anatoly Zlotnik

View Original ↗
AI 導讀 industry infrastructure 重要性 4/5

微調0.1美元氣價,即可利用跨市場盲區,合法將區域邊際電價推升至150美元。

  • 電廠兼具氣電雙重身分,可透過限制實體供氣製造電網壅塞。
  • 現行 MISO 監管僅針對單一電力市場,難以偵測跨網域操控。
  • GPA 模型結合 OPF 與 OGF,成功找出規避行為測試的套利路徑。

洛斯阿拉莫斯國家實驗室最新模擬發現,天然氣發電廠僅需將天然氣競標價微調 0.1 美元,就能在不觸發電力市場監管警報下,將特定節點的區域邊際電價從 26.2 美元大幅推升至 150 美元。這揭示了跨越兩種能源網路進行套利的巨大監管死角。

跨越電網與天然氣管線的市場套利死角

過去的能源系統協調研究多半將天然氣發電廠視為被動元件,僅透過固定的熱效率曲線連結電網與天然氣管線。隨著燃煤電廠除役與再生能源的間歇性特質,天然氣發電廠快速擴張以填補供電缺口。現代天然氣發電廠多由大型能源集團營運,這些管理者具有高度的商業理性,目標是最大化即時電力市場(RTM)與次級天然氣釋放容量市場(SRCM)之間的價差利潤。

市場角色的轉變讓發電廠不僅是電力網路的生產方,更是天然氣市場的龐大消費方。研究人員發現,天然氣市場的參與者可能會利用其市場支配力,間接影響電力市場的結算結果。問題在於,多數地區的天然氣與電力運輸市場在法規上完全脫鉤,天然氣管線受高度管制,並包含複雜的平衡規則以維持物理流量,這導致管線有效容量經常被低估,進而扭曲了市場價格訊號。

美國的獨立系統營運商(ISO)雖然在電力生產與傳輸上具備完善的監管框架,卻無法看穿來自天然氣市場底層的操縱手法。由於歐盟與美國的天然氣市場監控指引匱乏,發電廠得以利用金融熱效率(financial heat rate)在兩個截然不同的市場間穿梭。這種橫跨兩種能源基礎設施的套利行為,成為難以從單一數據源察覺的商業策略。

MISO 電力系統監管機制的運作與極限

獨立系統營運商(如 MISO、CAISO 等)設有專責的市場監控部門,主要防範發電業者進行經濟或物理性的發電容量保留(withholding)。當電力網路出現輸電壅塞時,監管機構會啟動兩階段審查機制:首先是「行為測試(Conduct Test)」,檢查報價是否異常超過基準線;接著是「影響測試(Impact Test)」,評估異常報價是否實質推升了市場結算電價。

監管強度的設定取決於電網節點的位置特性。在「狹窄受限區域(NCA)」,由於輸電線路經常達到極限,監管條件極為嚴苛;MISO 規定在此區域若報價高於基準的幅度超過年度固定成本分攤值(目前約為 22.05 至 100 美元/MWh),就會判定行為測試未通過。而在競爭相對充分的「廣泛受限區域(BCA)」,容忍度則放寬至報價飆升 300% 或高出 100 美元/MWh 才會觸發警報。

現有的防禦機制建立在一項根本假設上:電價異常僅源自電力市場內部的惡意報價。如果電價飆升是由發電廠物理端供應不足(例如買不到足夠的天然氣)所引發的電網壅塞,演算法會將其判定為正常的稀缺現象。因此,只要發電廠在電力市場的報價壓在測試門檻內,即便它在另一個市場惡意製造了物理稀缺,也不會面臨任何強制降價的緩解(Mitigation)懲罰。

結合 OPF 與 OGF 的雙層發電套利模型

為了解析業者的實際操作手法,洛斯阿拉莫斯國家實驗室開發了發電機價格套利(GPA)數學模型。這套架構整合了電力市場的直流最佳潮流(OPF,計算最低發電成本的線性模型)以及天然氣市場的穩態最佳天然氣流(OGF,受 Weymouth 方程式等流體力學限制的非凸最佳化模型)。

實務環境中,電力與天然氣的報價數據不會交給單一管理者,因此 OPF 與 OGF 無法被合併運算。發電廠將這兩個市場視為獨立的黑盒子,僅透過雙向送出報價與接收結算價格來制定策略。研究團隊設計出一套反覆運算的演算法,精準模擬發電廠如何在兩個市場的結算時間差中尋找利益最大化的出價組合。

發電業者首先會向電力市場提交初始報價並獲得 OPF 結算結果,藉此反推所需的天然氣用量,接著再調整向天然氣市場送出的報價。在取得 OGF 的管線流量分配後,若發現分配到的天然氣量低於預期,業者便會調降下一波的可用發電容量預測,同時拉高電力報價。透過這套疊代邏輯,發電廠能精準踩在監管門檻的紅線上。

5節點管線模擬:邊際電價推升至150美元

研究團隊建構了一組包含 3 節點電網與 5 節點天然氣管線的耦合測試系統,其中節點 1 與節點 2 的天然氣發電廠由同一家企業控制。在網路無壅塞的正常狀態下,兩廠皆能取得 19 MMBtu 的天然氣,電網邊際價格(LMP)維持在合理的 26.2 美元,發電廠僅能賺取微薄的生產利潤。

操縱行動從天然氣市場的微調展開。節點 1 的發電廠將天然氣競標價從 3.5 提高至 3.6 美元/MMBtu,並將需求量異常拉高至 26 MMBtu。這個看似不具破壞力的加價,促使管線將多數天然氣送往節點 1,導致同集團的節點 2 發電廠最終只分配到 14 MMBtu 的氣量,被迫降低電力產出。

發電量實體下降立刻引發了電力網路的壅塞,節點 2 必須仰賴更昂貴的替代電力。此時節點 1 順勢將電力報價拉高至 80 美元,這使得節點 2 的 LMP 瞬間暴漲至 150 美元。即便 150 美元是極度異常的天價,但因為它是「網路壅塞」造成,且 80 美元的報價並未超過行為測試門檻(假設基準線 22.5 的四倍為 90 美元),ISO 的監管機制毫無反應。企業犧牲了少量過度購買天然氣的成本,成功在電力市場套取驚人暴利。

針對跨能源市場漏洞的新一代監管框架

這項模擬數據證明,輸電線路的壅塞本身並不直接等於發電端的市場支配力。異常飆高的邊際電價,完全可以在所有電廠都提交合規報價的前提下,單純因為天然氣管線的分配傾斜而產生。這種利用實體物理限制規避經濟法規的手段,使得現行專注單一領域的監管演算法徹底失靈。

由美國能源部(DOE)支持的這項成果,為未來的市場設計指引了方向。營運商不能再將天然氣網路預設為無限量供應的黑洞,必須引入對偶空間(dual space)的最佳化分析技術。未來的監控系統需要跨市場交叉比對業者的報價結構,提前運算可能的套利路徑。

當越來越多天然氣發電機組成為支撐再生能源的基載核心,打破能源市場間的數據壁壘將是當務之急。唯有整合雙邊市場的資訊流並建立聯合的行為測試基準,才能有效防止大型能源巨頭透過物理管線進行合法的跨區套利。

跨能源市場的套利手法顯示,單憑電力市場的行為測試已無法防範天然氣供應端引發的物理操縱,建立聯合監控架構勢在必行。

補充數據視覺化

5節點網路模擬:天然氣報價微調對電價的影響
營運狀態節點1天然氣報價 ($/MMBtu)節點1獲取氣量 (MMBtu)節點2獲取氣量 (MMBtu)節點2區域邊際電價 ($)
正常運作3.5191926.2
跨市場操縱3.62614150

Abstract

We examine market outcomes in energy transport networks with a focus on gas-fired generators, which are producers in a wholesale electricity market and consumers in the natural gas market. Market administrators monitor bids to determine whether a participant wields market power to manipulate the price of energy, reserves, or financial transmission rights. If economic or physical withholding of generation from the market is detected, mitigation is imposed by replacing excessive bids with reference level bids to prevent artificial supply shortages. We review market monitoring processes in the power grid, and present scenarios in small interpretable test networks to show how gas-fired generators can bid in the gas market to alter outcomes in a power market. We develop a framework based on DC optimal power flow (OPF) and steady-state optimal gas flow (OGF) formulations to represent two interacting markets with structured exchange of price and quantity bids. We formulate optimization-based methods to identify market power in a power grid, as well as to identify market conditions that indicate market power being exerted by a generator using gas market bids.