Analysis and description of sealed-bid auction

El objetivo de este proyecto es desarrollar un nuevo modelo de Machine Learning, denominado Bidding Tree Model, tanto su estructura interna y su algoritmo de aprendizaje, específicamente diseñado para facilitar la extracción de características descriptivas relevantes de las curvas agregadas de oferta y demanda del mercado eléctrico diario y simplificar dichas curvas. Este modelo modificado de Machine Learning utiliza un modelo de regresión lineal para ajustar los datos en los nodos del árbol, en lugar de los valores medios como hace la regresión de los árboles de decisión. Además, el método propuesto permite realizar un trade-off entre el error y la complejidad en términos del error de reconstrucción que se está dispuesto a aceptar. En el proyecto, se aplica el Bidding Tree Model a una gran cantidad de datos del mercado eléctrico Ibérico, utilizando un enfoque de modelo jerárquico que combina la salida de este nuevo Modelo de Machine Learning con otras técnicas de aprendizaje automático, como el clustering y los árboles de decisión. Un análisis posterior del comportamiento temporal de estas características permite extraer conocimiento sobre el comportamiento estratégico en el mercado, de interés para los agentes del sector, basado en las características desarrolladas en el modelo de Machine Learning propuesto.

The aim of this project is to develop a new Machine Learning model, the so-called Bidding Tree Model, both its internal structure and learning algorithm, specifically designed to facilitate the extraction of relevant descriptive characteristics of the aggregate sealed-bid auction curves of the daily electricity market and to simplify these curves. This modified Machine Learning model uses a linear regression model to fit the data at tree nodes, instead of the average values as standard decision tree regression does. Furthermore, the proposed method allows balancing the trade-off between the error and the complexity in terms of the reconstruction error we are willing to accept. The project applies the Bidding Tree Model to a large amount of data from the Iberian electricity market, using a hierarchical model approach that combines the output of this new Machine Learning Model with other Machine Learning techniques, such as clustering and decision trees to subtract relevant characteristics. A subsequent analysis of the temporal behaviour of these characteristics allows extracting knowledge about the strategic behaviour in the market, of interest to the agents of the sector, based on the engineering features developed in the proposed Machine Learning model.