Ottimizzazione Stocastica Multistadio per la Gestione del Rischio nel Mercato Energetico Italiano

Il Mercato Energetico Italiano è caratterizzato da un’elevata volatilità e da una complessa struttura sequenziale. In questo contesto, definire una strategia di offerta ottimale risulta particolarmente sfidante, specialmente per i produttori di energia da fonti rinnovabili soggetti alla forte incertezza delle condizioni meteorologiche. Per gestire tale complessità, questo lavoro sviluppa dei modelli di ottimizzazione stocastica multistadio basati su un albero degli scenari, in grado di rappresentare l’evoluzione probabilistica dei prezzi di mercato e di determinare le decisioni ottimali di trading, al fine di massimizzare il profitto. Il contributo della ricerca si articola su due fronti. Sotto il profilo applicativo, la funzione obiettivo è stata estesa per includere la minimizzazione del rischio tramite la metrica Conditional Value at Risk (CVaR). Questo approccio permette all’operatore di limitare l’esposizione alle perdite catastrofiche, sacrificando una quota di profitto atteso in favore di una strategia più robusta e sicura negli scenari sfavorevoli. Sotto il profilo modellistico, il lavoro propone una formulazione innovativa per formalizzare le regole di accettazione del mercato. Anziché ricorrere a formulazioni MILP standard, basate sull’introduzione di variabili binarie, la logica di mercato viene garantita attraverso l’aggiunta dinamica di tagli disgiuntivi. Ogniqualvolta il solutore individua una soluzione ottima che viola le regole di mercato, viene iterativamente generata una nuova disuguaglianza in grado di separare le soluzioni inammissibili. Tali tagli vengono calcolati risolvendo un Cut Generating Linear Program (CGLP), metodologia che ha consentito di rimuovere integralmente le variabili intere, riducendo il modello principale alla sola programmazione lineare. I risultati numerici confermano la validità e l’efficienza di questa formulazione alternativa, capace di chiudere il gap di rilassamento fin dalle prime iterazioni algoritmiche. Infine, l’architettura proposta mostra un’elevata flessibilità, adattandosi con successo anche a strutture operativamente più complesse, come il mercato energetico spagnolo.

The Italian Energy Market is characterized by high volatility and a complex sequential structure. In this context, defining an optimal bidding strategy is particularly challenging, especially for renewable energy producers subject to the high uncertainty of weather forecasts. To address this complexity, this work develops a multistage stochastic optimization model based on a scenario tree, capable of representing the probabilistic evolution of market prices and determining optimal trading decisions, in order to maximize profit. The contribution of this research is twofold. On the applied front, the objective function has been extended to include risk minimization through the Conditional Value at Risk (CVaR) metric. This approach allows the operator to limit exposure to catastrophic losses, sacrificing a portion of the expected profit, favoring a more robust and secure strategy in adverse scenarios. In addition, to improve computational efficiency, this work proposes an innovative formulation to model the market acceptance rules without relying on standard Mixed Integer Linear Programming (MILP) binary variables. Instead, market logic is ensured through the dynamic addition of disjunctive cuts. Whenever the solver identifies an optimal solution that violates the market rules, a new inequality capable of separating the infeasible solutions is iteratively generated. These cuts are computed by solving a Cut Generating Linear Program (CGLP), a methodology that has completely eliminated integer variables, reducing the main model into a pure Linear Program (LP). Numerical results confirm the validity and efficiency of this alternative formulation, which effectively closes the relaxation gap in the initial iterations. Furthermore, the proposed architecture has shown high flexibility, successfully adapting to more operationally complex structures, such as the Spanish energy market.