OPTYMALIZACJA KRAJOWEGO MIKSU ENERGETYCZNEGO W KONTEKŚCIE POLITYKI ENERGETYCZNEJ

Transkrypt

1 OPTYMALIZACJA KRAJOWEGO MIKSU ENERGETYCZNEGO W KONTEKŚCIE POLITYKI ENERGETYCZNEJ Autorzy: Michał Wierzbowski, Błażej Olek, Wojciech Łyżwa ("Rynek Energii" nr 5/2014) Słowa kluczowe: miks energetyczny, optymalizacja, modelowanie systemów energetycznych, polityka energetyczna Streszczenie. Artykuł odnosi się do narzędzia jakim jest model optymalizacji mix-u energetycznego kraju, mogący znacząco pomóc w kreowaniu polityki energetycznej, prowadząc do właściwej struktury jednostek wytwórczych. Mix energetyczny jest silnie zależny od polityki energetycznej UE. W artykule została przedstawiona sytuacja Polski w kontekście polityki europejskiej. Zawarto w nim również analizę modelu opracowanego w DAS KPRM wraz z przeglądem różnych podejść do modelowania systemów energetycznych oraz wyniki obliczeń według założonych scenariuszy. 1. WSTĘP Mix energetyczny można rozpatrywać w bardzo szerokim zakresie, włączając różne formy wykorzystania energii. W niniejszym artykule mix energetyczny odnosi się do sektora elektroenergetycznego, w którym przez mix, rozumie się strukturę mocy zainstalowanej oraz produkcję energii elektrycznej w elektrowniach w podziale na wykorzystywane paliwa i technologie. Tematyka właściwego mix-u energetycznego jest zagadnieniem bardzo istotnym, ponieważ odpowiednia struktura źródeł wytwórczych jest czynnikiem decydującym o zapewnieniu bezpieczeństwa energetycznego. Kształt mix-u określa możliwości wypełnienia europejskiej polityki energetycznej i klimatycznej. Narzędziem tworzenia odpowiedniego krajowego miksu energetycznego jest polityka energetyczna. Projekt miksu zawarty w polityce nie może być często modyfikowany na skutek inercji w procesach inwestycyjnych i ich ryzyka. Model będący przedmiotem artykułu stanowi narzędzie wspomagające tworzenie polityki energetycznej. 2. POLSKA W KONTEKŚCIE POLITYKI ENERGETYCZNEJ UE Obecna polityka energetyczna UE obowiązuje do roku Trudno z góry przewidzieć w jaki sposób polityka ta zmieni się po roku W świetle przemian gospodarczych, zachodzących na przestrzeni kilku ostatnich lat, jest mało prawdopodobne, że zostanie uzgodniony protokół post-kyoto (dotychczasowe porozumienie z Kyoto obowiązywało do końca roku 2012). Można spodziewać się porozumienia o charakterze deklaratywnym, bez konkretnych zobowiązań.

2 Wydaje się, że Unia Europejska będzie kontynuować próby ograniczenia emisji CO 2 po 2020 roku w formie podobnej do obecnie funkcjonującego European Union Emission Trading System (EU ETS). Pojawienie się nowego systemu w miejsce EU ETS jest mało prawdopodobne, ze względu na bariery akceptacji nowego systemu oraz wysokie koszty jego ewentualnego tworzenia. Do końca okresu obowiązywania obecnego systemu, tj. do 2020, pozostało sześć lat. Aby nowy system mógł sprawnie działać od 2020, musiałby być uzgodniony już obecnie, a wprowadzony w roku Obecne ceny pozwoleń na poziomie 5-6 /tco 2 nie mają istotnego negatywnego wpływu na polską gospodarkę. EU ETS nie działa szkodliwie na elektroenergetykę, ponieważ ta przenosi wszystkie koszty na odbiorców. Wzrost cen energii jest negatywny dla przemysłu, bo już dziś koszty bezwzględne energii elektrycznej dla odbiorców przemysłowych w Polsce przewyższają koszty w innych krajach i mogą doprowadzić do ucieczki przemysłu nie tylko poza Unię Europejską ale i wewnątrz Wspólnoty (zjawisko car-bon leakage). Polska może podjąć działania na poziomie europejskim albo krajowym. Na poziomie europejskim to: - podjęcie kroków w kierunku zachowania EU ETS pamiętając o tym, że przychody z handlu powinny trafiać do budżetów krajów członkowskich, - podjęcie kroków w kierunku maksymalizacji puli przeznaczonej do handlu, co powodowałoby utrzymanie cen pozwoleń na niskim poziomie, - podjęcie prób włączenia do celów europejskich tzw. niskich emisji (z niskich kominów indywidualnych gospodarstw domowych i małego przemysłu), gdzie Polska ma szczególnie duży potencjał redukcji. Działania na poziomie krajowym są: - krótkoterminowe, czyli kompensowanie negatywnych skutków poprzez skierowanie przychodów z handlu emisjami na redukcję podatków VAT i akcyzy, szczególnie dla odbiorców komercyjnych, - długookresowe, czyli opracowanie kompleksowych planów inwestycji w nowe moce wytwórcze, które nawet w przypadku odbudowy elektrowni węglowych ograniczą emisje o około 30% i wykorzystanie wpływów ze sprzedaży pozwoleń na systemy wsparcia inwestycji (minimalizacja ryzyka finansowego) poprzez różne formy rynku mocy czy kontraktów różnicowych. Działania długookresowe, jako działania strategiczne najczęściej przynoszą bardzo dobre rezultaty pozwalając dostosować i określić wiele procesów towarzyszących. Są jednocześnie najtrudniejsze, a ich sukces jest uwarunkowany stabilnością działań i konsekwencją w realizacji planów. W przypadku systemu elektroenergetycznego przed określeniem dokładnych planów należy zdefiniować kształt mix-u. Z tego powodu analizy jakie technologie produkcji energii

3 elektrycznej będą konieczne dla zapewnienia bezpieczeństwa energetycznego są niezbędne. Bardzo pomocne przy tym są komputerowe modele systemu elektroenergetycznego pokazujące tendencje w długim horyzoncie czasowym, np. do roku 2050 i później. Przegląd różnych modeli został zawarty w kolejnej sekcji, a modelem dedykowanym do obliczeń optymalizacyjnych mix-u energetycznego dla Polski jest model opracowany w Departamencie Analiz Strategicznych KPRM, w skrócie DAS (będący przedmiotem tego artykułu) oraz rozwijany na Politechnice Łódzkiej kompleksowy model emix (nie będący częścią niniejszego opracowania) Modelowanie sektora energetycznego Optymalizacja mix-u energetycznego jest częścią zagadnienia modelowania systemów energetycznych (ang. energy system modelling). Poważna dyskusja pomiędzy ekspertami oraz politykami o przyszły kształt sektora energetycznego spowodowała powstanie licznych modeli wspomagających decyzje sektorowe oraz planowanie polityki [1]. Wing w [3] dokonuje analizy dwóch podstawowych podejść do zagadnienia modelowania systemów energetycznych: oddolne (ang. bottom-up) oraz odgórne (ang. top-down). Pierwsze z nich koncentruje się na technicznych zagadnieniach opisywanych procesów w tym szczegółach technologicznych. To podejście zwane jest również podejściem procesowym (ang. process-oriented). Ze względu na duży nacisk na techniczną stronę funkcjonowania systemu niemożliwe jest określenie wpływu czynników gospodarczych, czyli ekonomicznych, społecznych, strukturalnych. Ograniczenia podejścia oddolnego są eliminowane przez podejście odgórne, którego reprezentantami są modele makroekonomiczne. Potrafią one symulować ogólny bilans popytu i podaży, biorąc pod uwagę czynniki gospodarcze niezwiązane bezpośrednio z sektorem energetycznym takie jak: wzrost gospodarczy, zatrudnienie, czynniki społeczne [2]. To podejście pozwala również na analizę wpływu wielu sektorów na siebie nawzajem. Niemniej jednak, podejście odgórne, nie pozwala na właściwe odzwierciedlenie zagadnień technicznych np. rozwoju technologii, emisji spalin, działania systemu elektroenergetycznego czy gazowego. Nie ma wątpliwości, że najlepsze rezultaty zostałyby osiągnięte przy połączeniu obu ścieżek modelowania. Taki model dostarczyłby spójnych odpowiedzi zarówno w warstwie technicznej jak i makroekonomicznej [3],[4],[5],[12]. Najważniejsza grupa modeli reprezentująca podejście top-down to modele równowagi ogólnej (Computa-ble General Equilibrium Models - CGE). Jej przedstawicielem jest np. model GEM-E3, używany przez Komisję Europejską. W tym podejściu zakłada się, że na początku wszystkie rynki są w równowadze. Następnie następuje zaburzenie i ustalenie nowego punktu równowagi. Zaburzenia nie mogą bezpośrednio modyfikować cen. Podmioty działają jako price ta-kers.

4 Z kolei modele równowagi cząstkowej (ang. Partial Equilibrium Models) w swojej istocie bardzo podobne do modeli CGE, jednak nie uwzględniające wszystkich sektorów gospodarki są najczęściej utożsamiane z podejściem bottom-up. Ograniczenie sektorów gospodarki ułatwia bowiem uwzględnienie warstwy technicznej, jednak modele z tej grupy nadal nie odzwierciedlają w pełni procesów technicznych. Najważniejszymi modelami z tej grupy są: PRIMES, POLES, WEM. Kolejną grupą modeli klasyfikowaną jako bottom-up są modele optymalizacyjne. Są one najchętniej wykorzystywane do poszukiwań optymalnego miksu energetycznego, czyli miksu przy najniższym koszcie, biorąc pod uwagę ceny będące w równowadze oraz ograniczenia wynikające z warunków działania sektora elektroenergetycznego. Najważniejsze modele tego typu to: MARKAL, TIMES, MESSAGE, DIME, PLEXOS. Model TIMES wyrasta z rodziny MARKAL. Model PLEXOS jest oprogramowaniem komercyjnym i powszechnie stosowanym w obrębie modelowania działania systemu elektroenergetycznego [9]. Bardzo często modele optymalizacyjne są jednocześnie modelami symulacyjnymi dostarczającymi wyników ilościowych przy obliczeniach gotowych scenariuszy z założonymi parametrami sterującymi (NEMS [6]). Modele ściśle symulacyjne nie posiadają zmiennych decyzyjnych (MEAD-2 [11], WEM[12]). Do tej pory żaden z istniejących modeli nie pozwalał na kompleksową optymalizację miksu energetycznego z uwzględnieniem typoszeregów jednostek wytwórczych, sieci elektroenergetycznej, zasad działania systemu elektroenergetycznego, procesów inwestycyjnych oraz otoczenia rynkowego. 3. METODOLOGIA MODELU DAS Model DAS jest modelem optymalizacyjnym, reprezentującym oddolne podejście do zagadnienia modelowania systemów energetycznych. Uwzględnia on tylko system elektroenergetyczny i jego otoczenie, dając wyniki w postaci optymalnej struktury źródeł wytwórczych w Polsce [14]. Metodologia przyjęta podczas tworzenia modelu zakłada jednoczesną optymalizację mocy zainstalowanej w krajowym systemie elektroenergetycznym (KSE) i produkowanej energii, tak aby oba bilanse były zachowane. Optymalizacja jest oparta o kryterium najniższego kosztu z możliwością wprowadzania ograniczeń. Zagadnienie optymalizacji mix-u ma charakter dynamiczny - końcowa optymalna jego forma jest zależna od serii rozproszonych decyzji rozłożonych w czasie. Zastosowana metodologia zakłada rzutowanie problemu dynamicznego na problem liniowy z ograniczeniami. Model DAS może być zaliczony do tej samej grupy modeli co MARKAL, TIMES czy MESSAGE. Jednakże DAS w przeciwieństwie do nich zakłada nie tylko konieczność zachowania bilansu energii ale także bierze pod uwagę bilans mocy. DAS integruje te dwa bardzo ważne zagadnienia dla działania systemu elektroenergetycznego [15]. Jest to bardzo istotna zaleta tego modelu.

5 3.1. Struktura modelu DAS Funkcja celu wykorzystywana jako wskaźnik jakości w optymalizacji ma charakter funkcji kosztowej. Sumarycznie uwzględnia następujące koszty: - CAPEX kopalni - koszt inwestycyjny uruchomienia nowego złoża na jednostkę zasobu, - CAPEX jednostki wytwórczej - koszt 1MW mocy zainstalowanej (jako koszt inwestycyjny technologii), - OPEX stały i zmienny jednostki wytwórczej -koszt operacyjny stały, zależny od mocy zainstalowanej (na 1MW) oraz zmienny, zależny od poziomu produkcji (na 1MWh energii); OPEX nie uwzględnia kosztów paliwa i uprawnień do emisji CO 2, - koszt paliwa, - koszt uprawnień do emisji CO 2, - ceny węgla kamiennego oraz brunatnego (12 oraz 8 PLN/GJ), - koszty CAPEX i OPEX dla elektrowni jądrowej (CAPEX - 22 mln zł/mw, OPEX stały tys. zł/mw ; OPEX zmienny - 15 zł/mwh), - współspalanie biomasy z węglem - założono tendencję do zanikania tej formy produkcji energii na rzecz produkcji w dedykowanych jednostkach spalających biomasę, zaktualizowano produkcję ze współspalania zgodnie z sytuacją obecną oraz uaktualniono poziom mocy zainstalowanej w źródłach na węgiel kamienny i brunatny, - częściowo uwzględniono ograniczenia systemowe dotyczące zdolności systemu do integracji różnych technologii. Przyjęto ograniczenie poziomu potencjału technicznego dla elektrowni opartych o źródła odnawialne oraz elektrowni jądrowej (6400 MW). Ograniczono również coroczną instalację mocy w danej technologii, aby uniknąć nierealnych skoków mocy zainstalowanej, - ograniczono potencjał techniczny dla jednostek gazowych ze względu na zdolności importowe gazu, - uaktualniono specyfikację techniczną dla technologii, zwłaszcza czasy pracy jednostek. Model zakłada obliczenia w dowolnym horyzoncie czasowym zadanym przez użytkownika. Jednak, aby nie dopuścić do efektu końca świata, co oznaczałoby, że po zadanym okresie system przestaje funkcjonować (a koszty nie są dalej ponoszone), w rzeczywistości model dokonuje obliczeń w dłuższym horyzoncie, niż ten zadany przez użytkownika (o 30 lat). Z tego względu wszystkie koszty są dyskontowane oraz uwzględniany jest koszt kapitału zgodnie z szeregiem stóp procentowych, a także dodawana jest marża na koszt finansowania. Uwzględniono również wzrost cen i kosztów zgodnie z przewidywaną inflacją i wzrostem PKB Zmiany założeń Poniżej zostały przedstawione te założenia przyjęte do obliczeń mix-u, które zostały zmienione w stosunku do oryginalnego modelu DAS. Ze względu na bardzo rozbudowane dane wejściowe dokładny opis można znaleźć w [14].

6 4. ANALIZA DLA POLSKI 4.1. Scenariusze obliczeniowe Scenariusze symulacyjne wraz z niektórymi parametrami wejściowymi zostały przedstawione w Tabela 1. Scenariusze S1 i S2 prezentują opcję najtańszego miksu energetycznego bez żadnych dodatkowych ograniczeń związanych z polityką energetyczną i klimatyczną. Utrzymane zostało jedynie wymaganie dotyczące produkcji z OZE. Dwa scenariusze bazowe wraz ze scenariuszem S3 pokazują na ile cena pozwoleń na emisję jest w stanie dostarczyć impulsu do inwestycji w technologie niskoemisyjne. Scenariusze S4 i S5 pokazują na ile polski sektor elektroenergetyczny może wypełnić bardziej restrykcyjną politykę energetyczną, czyli dalszy wzrost produkcji z OZE (S4) oraz bardzo wysoką redukcję emisji CO 2 (S5). Ostatni scenariusz odnosi się do obniżenia wzrostu zapotrzebowania na energię elektryczną z 1,01% rocznie do 0,7% (S6) Wyniki symulacji Model DAS dostarcza bardzo duży zestaw informacji wyjściowych włączając w to moc zainstalowaną, moc dyspozycyjną, produkcję energii, koszty itd. Nie jest możliwe kompleksowe przedstawienie wszystkich wyników w niniejszym artykule, dlatego zdecydowano się na prezentację zestawień dla mocy dyspozycyjnej w systemie, energii oraz kosztów. Moc dyspozycyjna pokrywa zapotrzebowanie maksymalne na energię elektryczną oraz 18% rezerwę. Tabela 2 prezentuje moc dyspozycyjną w systemie dla scenariusza S1, czyli przy niskiej cenie uprawnień do emisji CO 2 oraz przy braku bezpośrednich ograniczeń na emisje dla jednostek wytwórczych. Głównym paliwem jest węgiel kamienny. Udział węgla brunatnego maleje ze względu na wyczerpywanie się lokalnych zasobów tego surowca. W mix-ie zwłaszcza w latach pojawiają się jednostki gazowe, jednak pełnią one rolę jednostek szczytowych i produkują niewiele energii (Tabela 3). Przez cały okres optymalizacji poziom mocy w elektrociepłowniach (CHP) nie zmienia się znacząco. Poziom produkcji z OZE jest zapewniony głównie przez elektrownie wiatrowe na lądzie wspomagane energią z biomasy. Model uwzględnia wartość mocy dyspozycyjnej elektrowni wiatrowych równą 10% mocy zainstalowanej.

7 Tabela 4 prezentuje wyniki mocy dyspozycyjnej w scenariuszu dla wysokiej ceny uprawnień do emisji CO 2. Wyniki są podobne do scenariusza S1. Zatem okazuje się, że wysoka cena uprawnień niekoniecznie musi prowadzić do wzrostu inwestycji w nowe źródła niskoemisyjne. Można zaobserwować nieznaczne ograniczenie emisji (Tabela 13), powodujące częściową rekompensatę kosztów (wysokiej ceny uprawnień), jednak nie pojawiły się technologie charakteryzujące się niską emisją.

8 Nieznacznie wzrosła produkcja energii z elektrowni gazowych w miejsce obniżonej produkcji z elektrowni węglowych. Warto pamiętać, że zastępowanie starych elektrowni węglowych jednostkami nowoczesnymi o wysokiej sprawności, samo w sobie powoduje ograniczenie emisji CO 2. W przypadku symulowanych scenariuszy wzrosły przepływy finansowe dla scenariusza wysokiej ceny CO 2, co wynika z konieczności ponoszenia wyższych kosztów pracy jednostek (Tabela 13).

9 Scenariusz wysokich cen pozwoleń na emisję CO 2 w połączeniu z zewnętrznym ograniczeniem na emisję na poziomie 120 mln tco 2 (S3) to ewolucja scenariusza S2. Wyniki pokazują (Tabela 5), że dopiero zewnętrzne bezpośrednie ograniczenia na emisję może w polskich warunkach wywołać powstanie nowych technologii niskoemisyjnych. W mix-ie pojawia się elektrownia jądrowa, po tym jak potencjał techniczny jednostek gazowych, wiatrowych, wodnych i spalających biomasę został wyczerpany. Inne technologie oparte o źródła odnawialne nie pojawiają się z uwagi na niski potencjał technologiczny, zbyt wysokie koszty oraz niski współczynnik wykorzystania mocy zainstalowanej. Koszt mix-u rośnie zdecydowanie i jest jednym z najwyższych spośród wszystkich analizowanych scenariuszy (Tabela 13). Zredukowane koszty emisji nawet przy wysokich cenach CO 2 nie rekompensują poniesienia niezbędnych wydatków na technologie niskoemisyjne, w tym przede wszystkim na elektrownię jądrową.

10 W produkcji energii źródła jądrowe zastępują produkcję z węgla. Produkcja z gazu również jest zauważalna, pomimo wysokich cen gazu. Jest to wymuszone ograniczeniem na emisję. Scenariusz dużego udziału źródeł odnawialnych w mix-ie energetycznym (S4) zakłada produkcję 30% i 40% energii, odpowiednio w roku 2030 i Jednocześnie założono ograniczenie na emisję CO 2 do poziomu 120 mln tco 2. Duże wymaganie powiązane z ograniczeniami potencjałów technicznych najtańszych technologii spowodowało pojawianie się w mix-ie wszystkich dostępnych źródeł opartych o energię odnawialną, włączając w to niewystępujący dotychczas biogaz i elektrownie wiatrowe na morzu. W mix-ie pojawiają się również jednostki jądrowe, dla zapewnienia wymaganej redukcji emisji CO 2 (Tabela 7). Struktura mix-u wskazuje, że zapotrzebowanie na moc zostanie pokryte bez jej niedoborów. Założony 40% udział produkcji energii z OZE okazuje się niemożliwy do spełnienia przy założonych realnych ograniczeniach (Tabela 8). Od roku 2050 następuje permanentny niedobór energii. Scenariusz S5 prezentuje zdolność systemu elektroenergetycznego do osiągnięcia bardzo niskoemisyjnej struktury mix-u. Scenariusz zakłada redukcję do 120, 90, 60 mln tco 2 w roku 2020, 2040 i Zapewnienie takich redukcji wiąże się ze sprowadzeniem poziomu instalacji węglowych do około 30% mocy zainstalowanej. Pozostała cześć mocy musi być pokryta w technologiach niskoemisyjnych. Dlatego w symulowanym scenariuszu pojawiają się prawie wszystkie technologie. Teoretycznie, niska emisja powinna być osiągnięta poprzez inwestycje w najtańszą technologię, ale jest to w praktyce niemożliwe ze względu na ograniczenia potencjału niektórych technologii w polskich warunkach.

11 Mix osiągnięty w tym scenariuszu zapewnia duży stopień dywersyfikacji źródeł. Jednakże nie jest realny, ponieważ pojawiają się niedobory mocy, których nie ma jak pokryć ze względu na ograniczenie emisji CO 2 do 60 mln tco 2 w roku Po roku 2050 pojawiają się również niedobory energii spowodowane rosnącym zapotrzebowaniem na energię, a z drugiej strony brakiem możliwości dalszego rozwoju systemu. Koszt tego zdywersyfikowanego mix-u jest najwyższy spośród wszystkich scenariuszy. Scenariusz efektywności energetycznej (S6) poprzez zmniejszony przyrost zapotrzebowania na moc i energię charakteryzuje się najniższymi przepływami finansowymi w sektorze oraz znaczną redukcją CO 2 (Tabela 13).

12 Zmniejszone zapotrzebowanie powoduje zmniejszone inwestycje w technologie węglowe. W stosunku do scenariusza S1 i S2 poziom źródeł odnawialnych oraz jednostek gazowych jest podobny. Technologie OZE muszą pojawić się dla zapewnienia wymaganych 20% produkcji, zaś technologie gazowe są jednostkami szczytowymi, o niskich kosztach CAPEX a wysokich OPEX. Niski poziom emisji w tym scenariuszu to efekt poprawy efektywności energetycznej i racjonalizacji zużycia energii, co docelowo przekłada się na zmniejszenie tempa wzrostu zapotrzebowania na energię. Z mix-u zostały wyeliminowane głównie jednostki węglowe powodujące największe emisje (Tabela 13).

13 4.2 Dyskusja Koszty average cash flow (AvCF) są miarą pozwalającą porównać dwie ścieżki przepływów pieniężnych różniących się wysokością wypłat w czasie. Dodatkowo są one obliczane dla kilku okresów badanego horyzontu, pokazując w którym okresie przepływy są większe. Ponieważ wszystkie scenariusze są obliczane według tych samych założeń metodologicznych modelu, dzięki danym o przepływach kosztowych możliwe jest dokonanie porównania pomiędzy symulacjami. Pozwala to ocenić czy dany scenariusz opisuje droższy czy tańszy mix. Wskaźnik zmiany poziomu emisji uzupełnia dane umieszczone na wykresach, a roczna importochłonność określona jako procent energii elektrycznej pozyskanej przy użyciu surowca importowanego, pozwala na ocenę na ile przedstawiony mix jest zależny od paliwa importowanego (uzależnienie od państw zagranicznych). Poziom uzależnienia od importu kształtuje się na stałym poziomie poza scenariuszem dużego udziału OZE, co wskazuje, że Polska w każdym wariancie będzie w znacznym stopniu uzależniona od importu surowców. Porównując scenariusze S1 i S2 w zakresie zmiany poziomu emisji można stwierdzić, że nawet wysoka cena pozwolenia na emisję CO 2 (168 PLN/tCO 2 ) w polskich warunkach nie przekłada się na znaczący spadek emisji CO 2. Wyższy koszt emisji oznacza wyższe koszty dla sektora i nie powoduje powstania technologii niskoemisyjnych. Największe korzyści finansowe oraz wysokie cele redukcyjne są osiągane przy redukcji zapotrzebowania na energię. Wskazuje na to scenariusz S6. O ile niski wzrost gospodarczy nie jest pozytywny dla Polski, o tyle efektywność energetyczna powinna być jednym z celów polityki energetycznej państwa. Najwyższy koszt przedstawia scenariusz S5 wynika to z dwóch powodów: (a) wysoka cena pozwoleń na emisję powoduje wysokie koszty ze względu na istniejącą strukturę wytwarzania

14 opartą na węglu oraz (b) koniecznością szybkiej redukcji emisji do poziomu 120 mln tco 2 do roku Założenia powodują powstanie elektrowni jądrowej. Z symulacji scenariusza S5 oraz biorąc pod uwagę pozostałe wyniki powstaje bardzo istotny wniosek: z uwagi na bardzo wysokie koszty elektrownia jądrowa wchodzi do mix-u dopiero gdy pojawia się silne ograniczenie na wielkość emisji CO 2. Żadne inne impulsy cenowe nie uzasadniają tej technologii. Scenariusz zakładający bardzo wysoki udział źródeł odnawialnych powoduje największą redukcję emisji CO 2 (poza S5) oraz ograniczenie importu surowców. Koszt takiego mix-u jest umiarkowany. Należy pamiętać, że mogą zaistnieć trudności w realizacji mix-u przy założonych ograniczeniach wynikających z pracy systemu elektroenergetycznego. Takie założenia dotyczą np. wiatraków. W prezentowanym scenariuszu pojawiły się braki energii po roku 2050, czyli przy najwyższym wymaganiu dotyczącym poziomu produkcji z OZE (40%). Wskazuje to na brak możliwości spełnienia tego warunku w symulowanych realiach Polski. Scenariusz bardzo wysokich celów redukcji emisji CO 2 jest najdroższym prezentowanym scenariuszem. Powoduje powstanie elektrowni jądrowej oraz duży udział źródeł odnawialnych. Jednak podobnie jak w przypadku scenariusza dużego udziału produkcji z OZE, w warunkach Polski, cel redukcji na poziomie 60 mln t CO 2 jest niewykonalny pojawiają się braki energii. Spełnienie celów wymaga: (a) większego udziału EJ, (b) większego udziału OZE, (c) większego udziału jednostek gazowych. Zwiększenie potencjału wszystkich bądź któregokolwiek z powyższych warunków wiąże się z dodatkowymi czynnościami dotyczącymi albo systemu elektroenergetycznego albo zdolności importowych gazu. 5. PODSUMOWANIE Artykuł przedstawia i analizuje możliwe scenariusze, w których polski sektor elektroenergetyczny będzie musiał zapewnić bezpieczeństwo energetyczne, w tym bilans mocy i energii poprzez inwestycje w nowe źródła wytwórcze. Zaproponowane scenariusze w jakich inwestycje mogą się odbywać zależą bardzo silnie od kierunków polityki UE w zakresie energii i klimatu. W artykule została podsumowana obecna polityka i jej możliwa ewolucja. Aby dobrze określić właściwe kierunki dla lokalnej polityki energetycznej w zakresie rozwoju właściwego mix-u energetycznego należy posłużyć się zaawansowanymi modelami obliczeniowymi. W artykule przeanalizowany został model przygotowany w DAS KPRM, w skrócie nazywany modelem DAS. Jego bardzo silną stroną jest uwzględnienie jednocześnie bilansu mocy i energii w systemie. Odnosząc się do uzyskanych wyników należy podkreślić, że w polskich warunkach podstawowym źródłem energii jest węgiel i wszelkie transformacje są bardzo trudne i kosztowne. Dodatkowo, nawet decydując się na dywersyfikację mix-u, podstawowym nośnikiem energii nadal pozostaje węgiel.

15 Warto zauważyć, że wysokie ceny uprawień do emisji niekoniecznie muszą prowadzić do inwestycji w niskoemisyjne źródła. W prowadzonych obliczeniach, wysoka cena spowodowała nieznaczny spadek emisji, natomiast nie spowodowała znaczącej zmiany struktury miksu. Dopiero bezpośrednie ograniczenia na redukcję emisji powoduje powstanie większej ilości OZE, elektrowni jądrowej czy większego wykorzystania elektrowni gazowych. Wymienione przypadki jednocześnie charakteryzują się najwyższym kosztem. W zakresie zwiększania udziału OZE w produkcji energii, czy też bardziej restrykcyjnych ograniczeń na emisje, można stwierdzić, że w polskich warunkach bardzo trudno będzie osiągnąć więcej niż 30% udział OZE i więcej niż 40% redukcji emisji. Model zawiera również szereg uproszczeń, zwłaszcza w technicznej warstwie funkcjonowania systemu elektroenergetycznego. Jednak wyniki mogą dostarczać wskazówek do kreowania polityki energetycznej. Na Politechnice Łódzkiej jest obecnie rozwijany kompleksowy model optymalizacji mix-u energetycznego emix. Korzysta on z metodologii mixed-integer linear programming (MILP). Model ten określa nie tylko niezbędne inwestycje ale również dokonuje optymalizacji pracy jednostek dla zapewnienia zwrotu z inwestycji. Model uwzględnia również ograniczenia wynikające z przepływów w sieci elektroenergetycznej, typoszeregi mocy znamionowych, regulacyjności bloków, emisyjności czy też wymagany poziom rezerw w systemie. PODZIĘKOWANIE Autorzy serdecznie dziękują pracownikom Departamentu Analiz Strategicznych Kancelarii Prezesa Rady Ministrów za pomoc w analizie Modelu Optymalnego Miksu Energetycznego dla Polski do roku 2060 oraz za udostępnienie tego modelu i umożliwienie jego modyfikacji. LITERATURA [1] Krause F.: The costs of mitigating carbon emissions: A review of methods and findings from European stu-dies. Energy Policy, vol. 24, issues 10 11, pp , 1996 [2] Herbst A., Toro F., Reitze F., Jochem E.: Introduction to Energy Systems Modelling. Swiss Society of Eco-nomics and Statistics, vol. 148(2), pp , 2012 [3] Wing I.S.: The synthesis of bottom-up and top-down approaches to climate policy modelling: Electric power technology detail in a social accounting framework. Energy Economics, vol. 30, issue 2, pp , 2008 [4] Böhringer C.: The synthesis of bottom-up and top-down in energy policy modelling. Energy Economics, vol. 20, issue 3, pp , 1998

16 [5] Böhringer C., Rutherford T. F.: Combining bottom-up and top-down. Energy Economics, vol. 30, issue 2, pp , 2008 [6] Wilkerson J. T., Cullenward D., Davidian D., Weyant J. P.: End use technology choice in the National Energy Modelling System (NEMS): An analysis of the residential and commercial building sectors. Energy Eco-nomics, vol. 40, pp , 2013 [7] Sadeghi M., Hosseini H. M.:Energy supply planning in Iran by using fuzzy linear programming approach (regarding uncertainties of investment costs). Energy Policy, vol. 34, issue 9, pp , 2006 [8] Reber E. E., Mitchell R. L., Carter C. J.: Oxygen absorption in the Earth's atmosphere Aerospace Corp., Los Angeles, CA, Tech. Rep. TR-0200 ( )-3, [9] Talleen S. L.: The Intranet Architecture: Managing information in the new paradigm. Amdahl Corp., Sunny-vale, CA. [Online]. Available: infra/html, 1996 [10] Dryton G: USBR PLEXOS Demo, PLEXOS for Power Systems Electricity Market Simulation, sentation.pdf., 2012 [11] IAEA: Model for Analysis of Energy Demand (MAED-2), International Atomic Energy Agency, COMPUTER MANUAL SERIES No. 18, Austria, 2006 [12] IEA: World Energy Model Methodology And Assumptions, International Energy Agency, World Energy Outlook Group, 2011 [13] Manne A., Richels R. G.: MERGE: A Model for Evaluating the Regional and Global Effects of GHG Reduction Policies, website: [14] DAS KPRM: Optymalny mix energetyczny dla Polski do roku 2060 model DAS (English: Optimal energy mix for Poland in 2060 horizon DAS model), Warsaw [15] Wierzbowski M: Weryfikacja możliwości stosowania modelu DAS do analiz dotyczących rynku energii i założeń polityki energetycznej (English: Validation of the DAS model deployment to analysis of electricity market and energy policy), Report for Deparment of Energy of Polish Ministry of Economy, December [16] Wierzbowski M.: Możliwości symulacji mix-u energetycznego dla Polski (English: Energy mix for Poland scenario simulations), Report for Department of Energy of Polish Ministry of Economy, February, 2014

17 [17] Alqueres J. L., Praca J. C.: The Brazilian power system and the challenge of the Amazon transmission, in Proc IEEE Power Engineering Society Transmission and Distribution Conf., pp ENERGY MIX OPTIMISATION IN THE EU ENERGY POLICY CONTEXT Key words: energy mix, optimisation, energy system modelling, energy policy Summary. The paper refers to the optimization tool that can provide an invaluable assistance in energy policy development, leading to the energy mix optimization. The energy and climate policy have significant impact on energy mix.. Therefore, the paper includes analysis of EU energy policy relating to the Polish energy sector. Paper also includes the analysis of the model for energy mix optimization developed at the Department for Stra-tegic Analyses at the Chancellery of the Prime Minister of the Republic of Poland. The simulation are carried out for several scenarios of energy mix in Poland and the simulation results are analysed. Michał Wierzbowski, dr inż., adiunkt w Instytucie Elektroenergetyki Politechniki Łódzkiej. Jego obszar badawczy obejmuje system elektroenergetyczny, rynki energii i mocy, optymalizację w sektorze oraz smart grids. michal.wierzbowski@p.lodz.pl Błażej Olek, dr inż., adiunkt w Instytucie Elektroenergetyki Politechniki Łódzkiej. Jego obszar badawczy obejmuje system elektroenergetyczny, rynki energii i mocy, źródła generacji rozproszonej oraz jakość energii. blazej.olek@p.lodz.pl Wojciech Łyżwa, mgr inż., doktorant w Instytucie Elektroenergetyki Politechniki Łódzkiej. Prace badawcze dotyczą systemu elektroenergetycznego, rynków energii i mocy oraz zastosowania logiki rozmytej w systemie elektroenergetycznym. wojciech.lyzwa@p.lodz.pl