La posada en marxa del Mercat Ibèric de l'Electricitat va introduir al sector elèctric espanyol un seguit de nous mecanismes de participació que han forçat els agents a renovar les seves polítiques de gestió. D'aquesta nova situació sorgeix l'oportunitat d'estudiar noves estratègies d'oferta a curt termini per a companyies de generació price-taker que participin diàriament al Mercat Ibèric de l'Electricitat. Aquestes estratègies se centraran al mercat diari, ja que és aquí on es negocia un 80% de l'electricitat que es consumeix diàriament a Espanya i on s'integren gran part de la resta de mecanismes de participació. La liberalització dels mercats elèctrics obre a noves tècniques d'optimització els problemes clàssics de gestió de l'energia. En particular, atesa la incertesa que l'existència del mercat ocasiona als preus, les tècniques de programació estocàstiques es converteixen en la forma més natural per abordar aquests problemes. Als mercats elèctrics el preu es fixa horàriament com a resultat d'un procés de casació , és a dir que quan l'agent ha d'efectuar la seva oferta desconeix el preu al qual li vindrà remunerada l'energia. Aquesta incertesa fa imprescindible l'ús de tècniques estadístiques per obtenir informació del mercat i introduir-la als models d'optimització. En aquest aspecte, una de les contribucions d'aquesta tesi és l'estudi dels preus del mercat de l'electricitat a Espanya i el seu modelat mitjançant models factorials. D'altra banda, s'hi es descriuen els nous mecanismes presents al Mercat Ibèric de l'Electricitat que afecten directament la producció física de les unitats. En particular, s'inclou el modelat detallat dels contractes de futurs físics i bilaterals i de la seva inclusió a l'oferta del mercat diari per part de les companyies de generació. Als models presentats, es tenen en compte explícitament les regles del mercat, així com les clàssiques restriccions d'operació de les unitats, tant tèrmiques com de cicle combinat. A més, es deriva i es demostra l'expressió de la funció d'oferta. Per tant, els models construïts són una eina per decidir l'assignació de les unitats, la generació dels contractes de futurs físics i bilaterals a través seu i l'oferta òptima d'una companyia de generació. Un cop s'han cobert aquests objectius, es presenta una millora dels models mitjançant la inclusió de la seqüència de mercats de molt curt termini per tal de modelar la influència que tenen en l'oferta al mercat diari. Aquests mercats es casen just abans i durant el dia en què l'energia ha de ser consumida, i això permetrà veure com la possibilitat d'augmentar els beneficis participant-hi afecta directament les estratègies d'oferta òptima del mercat diari. Els models presentats en aquest treball han estat provats amb dades reals provinents del Mercat Ibèric de l'Electricitat i d'una companyia de generació que hi opera. Els resultats obtinguts són adequats i es discuteixen al llarg del document / La puesta en marcha del Mercado Ibérico de la Electricidad introdujo en el sector eléctrico español una serie de nuevos mecanismos de participación que han forzado a los agentes a renovar sus políticas de gestión. De esta nueva situación surge la oportunidad de estudiar nuevas estrategias de oferta para las compañías de generación. Esta tesis se enmarca en las estrategias de oferta a corto plazo para compañías de generación price-taker que participen diariamente en el Mercado Ibérico de la Electricidad. Estas estrategias se centraran en el mercado diario ya que es donde se negocia un 80% de la electricidad consumida diariamente en España y es donde se integran gran parte del resto de los mecanismos de participación. La liberalización de los mercados eléctricos permite aplicar nuevas técnicas de optimización a los problemas clásicos de gestión de la energía. En concreto, dada la incertidumbre en el precio existente en el mercado, las técnicas de programación estocástica se convierten en la forma más natural para abordar estos problemas. En los mercados eléctricos el precio se fija horariamente como resultado de un proceso de casación, es decir, cuando el agente debe efectuar sus ofertas desconoce el precio al que la energía le será pagada. Esta incertidumbre hace imprescindible el uso de técnicas estadísticas para obtener información del mercado e introducirla en los modelos de optimización. En este aspecto, una de las contribuciones de esta tesis es el estudio del precio de la electricidad en España y su modelado mediante modelos factoriales. Se describen los nuevos mecanismos presentes en el Mercado Ibérico de la Electricidad que afectan directamente a la producción física de las unidades. En particular, se incluye una modelización detallada de los contratos de futuros físicos y bilaterales y su inclusión en la oferta enviada al mercado diario por las compañías de generación. En los modelos presentados se tiene en cuenta explícitamente las reglas del mercado así como las clásicas restricciones de operación de las unidades, tanto térmicas como de ciclo combinado. La expresión de la función de oferta óptima se deriva y se demuestra. Por lo tanto, los modelos construidos son una herramienta para decidir la asignación de unidades, la generación de los contratos de futuros físicos y bilaterales a través de ellas y la oferta óptima de una compañía de generación. Una vez alcanzados estos objetivos, se presenta una mejora del modelo con la inclusión de la secuencia de mercados de muy corto plazo. El objetivo es modelar la influencia que esta tiene en la oferta al mercado diario. Estos mercados se casan justo antes y durante el día en el que la energía va a ser consumida y se verá cómo la posibilidad de aumentar los beneficios participando en ellos afecta a las estrategias de oferta óptima del mercado diario. Los modelos presentados en este trabajo se han probado con datos reales procedentes del Mercado Ibérico de la Electricidad y de una compañía de generación que opera en él. Los resultados obtenidos son adecuados y se discuten a lo largo del documento. / The start-up of the Iberian Electricity Market introduced a set of new mechanisms in the Spanish electricity sector that forced the agents participating in the market to change their management policies. This situation created a great opportunity for studying the bidding strategies of the generation companies in this new framework. This thesis focuses on the short-term bidding strategies of a price-taker generation company that bids daily in the Iberian Electricity Market. We will center our bidding strategies on the day-ahead market because 80% of the electricity that is consumed daily in Spain is negotiated there and also because it is the market where the new mechanisms are integrated. The liberalization of the electricity markets opens the classical problems of energy management to new optimization approaches. Specifically, because of the uncertainty that the market produces in the prices, the stochastic programming techniques have become the most natural way to deal with these problems. Notice that, in deregulated electricity markets the price is hourly fixed through a market clearing procedure, so when the agent must bid its energy it is unaware of the price at which it will be paid. This uncertainty makes it essential to use some statistic techniques in order to obtain the information coming from the markets and to introduce it in the optimization models in a suitable way. In this aspect, one of the main contributions of this thesis has been the study the Spanish electricity price time series and its modeling by means of factor models. In this thesis, the new mechanism introduced by the Iberian Market that affects the physical operation of the units is described. In particular, it considers in great detail the inclusion of the physical futures contracts and the bilateral contracts into the day-ahead market bid of the generation companies. The rules of the market operator have been explicitly taken into account within the mathematical models, along with all the classical operational constraints that affect the thermal and combined cycle units. The expression of the optimal bidding functions are derived and proved. Therefore, the models built in this thesis provide the generation company with the economic dispatch of the committed futures and bilateral contracts, the unit commitment of the units and the optimal bidding strategies for the generation company. Once these main objectives were fulfilled, we improved the previous models with an approach to the modeling of the influence that the sequence of very short markets have on optimal day-ahead bidding. These markets are cleared just before and during the day in which the electricity will be consumed and the opportunity to obtain benefits from them changes the optimal day-ahead bidding strategies of the generation company, as it will be shown in this thesis. The entire models presented in this work have been tested using real data from a generation company and Spanish electricity prices. Suitable results have been obtained and discussed.

Accurate short-term electricity price forecasts are essential to all electricity market participants. Generation companies adopt price forecasts to hedge generation shortage risks; load serving entities use price forecasts to purchase energy with low cost; and trading companies utilize price forecasts to arbitrage between markets. Currently, researches on point forecast mainly focus on exploring periodic patterns of electricity price in time domain. However, frequency domain enables us to identify more information within price data to facilitate forecast. Besides, price spike forecast has not been fully studied in the existing works. Therefore, we propose a short-term electricity price forecast framework that analyzes price data in frequency domain and consider price spike predictions. First, the variational mode decomposition is adopted to decompose price data into multiple band-limited modes. Then, the extended discrete Fourier transform is used to transform the decomposed price mode into frequency domain and perform normal price forecasts. In addition, we utilize the enhanced structure preserving oversampling and synthetic minority oversampling technique to oversample price spike cases to improve price spike forecast accuracy. In addition to point forecasts, market participants also need probabilistic forecasts to quantify prediction uncertainties. However, there are several shortcomings within current researches. Although wide prediction intervals satisfy reliability requirement, the over-width intervals incur market participants to derive conservative decisions. Besides, although electricity price data follow heteroscedasticity distribution, to reduce computation burden, many researchers assume that price data follow normal distribution. Therefore, to handle the above-mentioned deficiencies, we propose an optimal prediction interval method. 1) By considering both reliability and sharpness, we ensure the prediction interval has a narrow width without sacrificing reliability. 2) To avoid distribution assumptions, we utilize the quantile regression to estimate the bounds of prediction intervals. 3) Exploiting the versatile abilities, the extreme learning machine method is adopted to forecast prediction intervals. The effectiveness of proposed point and probabilistic forecast methods are justified by using actual price data from various electricity markets. Comparing with the predictions derived from other researches, numerical results show that our methods could provide accurate and stable forecast results under different market situations.

Pumped hydro energy storages commonly plan their operations on short-term forecasts of the upcoming electricity prices, meaning that errors in these forecasts would entail suboptimal operations of the energy storage. Despite the high investment costs of pumped hydro energy storages, few studies take a holistic approach to the uncertainties involved in such investment decisions. The aim of this study is to investigate how forecast errors in electricity prices affect the chosen size configuration in investment decisions for pumped hydro energy storages. Moreover, sizing decisions are made in the long-term and involve long-term uncertainties in electricity prices. A robust decision-making framework including long-term electricity price scenarios is therefore used to evaluate the effects of including forecast errors in the sizing decision. By simulating the day-to-day operation of the energy storage with short-term forecasts, the effects of including the errors are compared to using perfect information. Using this approach, the most robust capacity is shown to increase by 25 MW, from 2 375 MW to 2 400 MW, when including forecast errors instead of assuming perfect information in the simulations. This indicates that the deviations in short-term forecasts require the pumped hydro energy storage operator to be more flexible in their operations, thus requiring a higher capacity. In addition, the profitability of the energy storage decreased significantly when including forecast errors in the simulations, showing the importance of taking the short-term forecast errors into account in sizing and investment decisions of pumped hydro energy storage. / Driften av pumpkraftverk optimeras med hjälp av kortsiktiga prognoser av elpriser, vilket innebär att fel i dessa prognoser leder till suboptimal drift. Trots att investeringar i pumpkraftverk är kostsamma, har få studier ett holistisk synsätt kring osäkerheter i investeringsbeslutet. Målet med denna studie är att undersöka hur kortsiktiga prognosfel i elpriser påverkar den optimala dimensionering av pumpkraftverk. Investeringsbeslut i pumpkraftverk är långsiktiga och kräver estimat av framtida elpriser, vars karakteristik är osäker. Ett ramverk som bygger på robust beslutstagande, med scenarier över framtida elpriser, används därför för att bedöma effekten av att inkludera kortsiktiga prognosfel i investeringsbeslutet. Genom att simulera den dagliga driften av energilager, undersöks effekten av att inkludera prognosfel jämfört med perfekt information. Med detta tillvägagångsätt ökade den mest robusta kapaciteten med 25 MW, från 2 375 MW till 2 400 MW, när prognosfel inkluderades. Detta visar på att fel i kortsiktiga prognoser kräver pumpkraftverket av vara mer flexibelt, vilket ges av höjdkapacitet. Lönsamheten minskade också signifikant när prognosfel inkluderades, vilket visar på vikten av att ta hänsyn till kortsiktiga prognosfel i beslut kring dimensionering och investering av pumpkraftverk.