Thesis:

An Exact Bienstock-Zuckerberg-based algorithm for solving the Convex Hull Pricing problem with ramps constraint An Exact Bienstock-Zuckerberg-based algorithm for solving the Convex Hull Pricing problem with ramps constraint

This thesis addresses the problem of price distortions and uplift payments in non convex electricity markets by proposing an efficient methodology for Convex Hull Pricing computation. An extended network-flow–based Unit Commitment formulation is developed, explicitly incorporating intertemporal ramping constraints and warm-up periods, and solved through an adaptation of the Bienstock–Zuckerberg algorithm. This column-generation and partition-refinement framework enables an accurate representation of generator operational flexibility and the computation of prices that minimize unrecovered costs, while progressively tightening the feasible solution space across iterations. Computational experiments on real-world systems from California, FERC, RTS-GMLC and Belgium demonstrate that the proposed approach outperforms traditional methods such as Dantzig–Wolfe decomposition and the Level Method in terms of robustness and convergence speed. Moreover, the results show that omitting ramp constraints leads to an underestimation of equilibrium prices, and that preprocessing techniques are critical for the computational viability of the model.

Esta tesis aborda el problema de las distorsiones de precios y los pagos adicionales en mercados eléctricos no convexos, proponiendo una metodología eficiente para el cálculo de precios de envolvente convexa. Se desarrolla una formulación de compromiso de unidades basada en el flujo de red, que incorpora explícitamente restricciones de rampa intertemporales y períodos de calentamiento, y se resuelve mediante una adaptación del algoritmo de Bienstock-Zuckerberg. Este marco de generación de columnas y refinamiento de particiones permite una representación precisa de la flexibilidad operativa de los generadores y el cálculo de precios que minimizan los costos no recuperados, al tiempo que reduce progresivamente el espacio de soluciones factibles a lo largo de las iteraciones. Los experimentos computacionales en sistemas reales de California, FERC, RTS-GMLC y Bélgica demuestran que el enfoque propuesto supera a los métodos tradicionales, como la descomposición de Dantzig-Wolfe y el método de niveles, en términos de robustez y velocidad de convergencia. Además, los resultados muestran que omitir las restricciones de rampa conduce a una subestimación de los precios de equilibrio, y que las técnicas de preprocesamiento son fundamentales para la viabilidad computacional del modelo.