A medida que el mercado energético ha crecido en importancia en las últimas décadas, los investigadores han prestado cada vez más atención a los contratos de opciones swing. Los primeros estudios evaluaron el contrato swing como si fuera un contrato derivado financiero, ignorando sus restricciones de almacenamiento. Ayudados por los recientes avances en inteligencia artificial (IA) y tecnologías de aprendizaje automático (ML), los estudios recientes pudieron incorporar limitaciones de almacenamiento. Hacemos dos descubrimientos en este documento. Primero, contribuimos a la literatura proponiendo una metodología de IA: optimización por enjambre de partículas (PSO) para la evaluación del contrato swing. En comparación con las otras metodologías de ML en la literatura, PSO tiene una ventaja al expandirse para incluir más características. En segundo lugar, estudiamos el impacto relativo del proceso de precios (dado exógenamente) que subyace al contrato swing y las restricciones de almacenamiento que afectan un proceso de decisión de cantidad (decidido endógenamente), y descubrimos que este último tiene un impacto mucho mayor que el primero, lo que indica la limitación de la literatura anterior que se centró solo en la dinámica de precios.