PROGNOZA ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ I MOC SZCZYTOWĄ DLA POLSKI DO 2040 ROKU

Transkrypt

1 PROGNOZA ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ I MOC SZCZYTOWĄ DLA POLSKI DO 2040 ROKU Dr hab. inż. Tomasz Popławski Prof. PCz Politechnika Częstochowska Nałęczów

2 Plan wystąpienia Prognozowanie dla celów planowania rozwoju Problematyka danych wejściowych Preprocesing i postprocesing zmiennych objaśniających Problematyka tworzenia scenariuszy zmiennych objaśniających Problematyka wyboru modeli Przykładowa konstrukcja długoterminowej prognozy dla KSE 2

3 Prognozowanie a obowiązki prawne Art. 16 USTAWA z dnia 10 kwietnia 1997 r. Prawo energetyczne (Tekst ujednolicony w Biurze Prawnym URE) ust. 1 - Przedsiębiorstwa energetyczne zajmujące się przesyłaniem lub dystrybucją paliw gazowych lub energii sporządzają dla obszaru swojego działania plany rozwoju w zakresie zaspokojenia obecnego i przyszłego zapotrzebowania na paliwa gazowe lub energię... ust.2a - Operator systemu elektroenergetycznego sporządza plan rozwoju w zakresie zaspokojenia obecnego i przyszłego zapotrzebowania na energię elektryczną, na okresy nie krótsze niż 5 lat, oraz prognozy dotyczące stanu bezpieczeństwa dostaw energii elektrycznej na okresy nie krótsze niż 15 lat. 3

4 Problematyka danych wejściowych Opis jakościowy danych wejściowych wymaganych do użytkowania modeli (w procesie prognozowania popytu na energię i moc elektryczną należy zdefiniować czynniki oraz cechy badawczo- analityczne mające wpływ na badane wielkości) Czas horyzont i krok (interwał) prognozowania perspektywa długoterminowa (5, 10, 15, 25 lat), która ma zostać osiągnięta z interwałem prognoz rocznych, kilkuletnich Podejście scenariuszowe zmienne wejściowe do modeli mają być wykreowane w postaci scenariuszy rozwoju, spójnych wewnętrznie, z których każdy będzie odpowiadał za nieco inną koncepcję rozwoju kraju, w tym krajowej elektroenergetyki (np. przewaga działań wspierających rozwój sektorów tradycyjnych, czy szybszy rozwój sektorów innowacyjnych, szybszy rozwój wielkiej energetyki systemowej, czy przyśpieszenie rozwoju energetyki rozproszonej itp.) (problem ilości scenariuszy) 4

5 Problematyka danych wejściowych Opis jakościowy danych wejściowych wymaganych do użytkowania modeli (w procesie prognozowania popytu na energię i moc elektryczną należy zdefiniować czynniki oraz cechy badawczoanalityczne mające wpływ na badane wielkości) Metodyka postępowania, metody predykcji i zmienne wejściowe: - problematyka typowania oraz weryfikacji modeli umożliwiających kreowanie tempa rozwoju kraju z uwzględnieniem otoczenia zewnętrznego. Wykorzystanie mechanizmów adaptacji polegających na połączeniu wyników uzyskiwanych z formalnych zależności makroekonomicznych, energetycznych i społecznych (np. modele wzrostu wskaźników makroekonomicznych, struktura tworzenia i podziału PKB, kształtowanie się trendów ogólnoświatowych dotyczących sektora elektroenergetycznego itp.) 5

6 Problematyka danych wejściowych Zmienne objaśniające zewnętrzne kreujące tempo rozwoju Polski na skutek oddziaływania czynników zewnętrznych (polityka energetyczna UE, tempo rozwoju krajów UE, rozwój gospodarczy/kryzys, czynniki społeczne w UE, czynniki środowiskowe w UE) dla europejskich krajów OECD. Zmienne objaśniające wewnętrzne kreujące tempo rozwoju Polski na skutek oddziaływania czynników wewnętrznych w Polsce (polityka gospodarcza rządu, rozwój gospodarczy/kryzys w Polsce, czynniki społeczne w Polsce, czynniki środowiskowe w Polsce.

7 Problematyka danych wejściowych Zmienne objaśniające zewnętrzne Całkowite zużycie energii pierwotnej w PBtu, Zużycie ogółem energii elektrycznej netto w TW h, Całkowita emisja CO2 związana ze zużyciem energii w mln ton, Energochłonność w Btu/USD2005.

8 Problematyka danych wejściowych Zmienne objaśniające wewnętrzne Ludność w mln osób, Produkt krajowy brutto, w cenach bieżących w mln PLN, Wartość dodana w przemyśle, w cenach bieżących w mln PLN, Wartość dodana w pozostałych sektorach gospodarki, w cenach bieżących w mln PLN, Całkowite zużycie energii pierwotnej w PJ, Całkowita emisja CO2 związana ze zużyciem energii w mln ton, Energochłonność w Btu/USD2005, Straty i różnice bilansowe (straty przesyłu i dystrybucji energii elektrycznej) w GW h, Zużycie bezpośrednie energii elektrycznej w przemyśle w GW h, Zużycie bezpośrednie energii elektrycznej w grupie pozostali odbiorcy w GW h.

9 Energia pierwotna [PJ] Emisja CO2 [mln ton] ludność [tys. osób] PKB [mln zł] Problematyka danych wejściowych Opis ilościowy danych wejściowych wymaganych do użytkowania modeli (dane naturalne, a problematyka skali i zmienności) 38700, , , , , , , ,0 4350,0 4300,0 4250,0 4200,0 4150,0 4100,0 4050, , , , , , , , , , , , , ,0 EPIER-EU27 CO2EU ,0 3950,0 3900,0 3850,0 3800, , , , ,0 LUD PKB , ,0 0,0 LATA Lata 9

10 Problematyka danych wejściowych Sprowadzenie danych do wspólnej podstawy (dzięki normalizacji lub transformacji danych (sprowadzenie do wspólnego przedziału), zmienne (wymiary) można do siebie porównywać, przypisać odpowiednie wagi, 10 x 104 sumować, itp.) 1 Energia pierwotna [PJ] Energia pierwotna po transformacji [-] Rok Rok Rys.1. Przebieg zmienności energii pierwotnej dla EU27 przed i po transformacji. 10

11 Problematyka scenariuszowania Scenariuszowanie eksperckie Opieramy się na bazie wiedzy eksperckiej Przyjmujemy za pewnik podane scenariusze kształtowania się zmiennych objaśniających i na ich bazie wytypowany model tworzy prognozy długoterminowe badanych zmiennych Scenariuszowanie modelowane Używamy metod i modeli matematycznych umożliwiających nam wychwycenie tendencji kształtowani kształtowania się zmiennej objaśniającej w przyszłości 11

12 Przykład użycia równania Prigogine a do tworzenia scenariusza Metoda oparta o równanie Prigogine a bazuje na nieliniowym równaniu logistycznym, zaczerpniętym z pracy Ily Prigogine, które opisuje rozwój badanej populacji (bez zgonów): X n 1 X n 1 R 1 X K n, X n, X n t, n 1 t n 1 liczność populacji w chwilach R współczynnik szybkości wzrostu, K pułap rozwoju, X interwał, odstęp między parą wartości n, X n 1 X n 0, 12

13 Równanie Prigogine a Opisywany równaniem proces w zależności od wartości współczynnika R oraz stosunku K/X t0 w chwili startu t=t 0 może prowadzić do pięciu typów zachowania się X t+1 : RU - asymptotyczna zbieżności monotoniczna do K równowaga układu, O - zbieżność do K z oscylacjami, BI - bifurkacja, S - skokowe przejście do K w pierwszym kroku, CH - chaos (łącznie ze zdarzeniami niemożliwymi X t+1 <0). 13

14 Równanie Prigogine a Xn a b 20 c n Rys.2. Model logistyczny wg Prigogine a. K=100. a) R=1, b) R=2, c) R=2,5. 14

15 Równanie Prigogine a Rys.3. Przykładowy przebieg rzeczywisty i prognozowany energochłonności w Polsce. 15

16 Problematyka wyboru modelu Modele wykorzystujące analizę systemową wspomagają podejmowanie decyzji w planowaniu rozwoju systemów paliwowo-energetycznych. (Oparte są na procedurach optymalizacji liniowej, nieliniowej oraz programowania całkowitoliczbowego. Przystosowane są do wprowadzania szeregu ograniczeń : (np. zasobów paliw energetycznych, zdolności importowych, zdolności produkcyjnych, oddziaływania na środowisko, ekonomiczne, finansowe, lokalizacyjne, społeczne itp.) Można je podzielić na trzy grupy modele systemów energetycznych, modele energetyczno-ekonomiczne, modele energetyczno-ekonomiczno-środowiskowe. 16

17 Modele systemów energetycznych Skupiają się na modelowaniu produkcji energii elektrycznej i ciepła, opisując pozyskanie, przetwarzanie i użytkowanie nośników energii. Przykład dotychczas wykorzystywanych modeli: ENPEP, MARKAL EFOM, MESSAGE MIDAS. Modele pozwalały optymalizować strategie rozwojowe systemów energetycznych krajów UE. 17

18 Modele energetyczno-ekonomiczne Charakterystyka: Opisują powiązania systemu energetycznego ze zjawiskami gospodarczymi Budowane są dla sytuacji równowagi podażowo-popytowej. Funkcję celu stanowią koszty ekonomiczne W sytuacji równowagi popytowo-podażowej można określić zmiany w nadwyżkach producentów i konsumentów, które stanowią miarę kosztów ekonomicznych. Oprócz modeli równowagi jako modele energetycznoekonomiczne wykorzystuje się modele ekonometryczne oraz modele typu inputoutput. 18

19 Modele energetyczno-ekonomicznośrodowiskowe Charakterystyka: Występują wielopłaszczyznowe powiązania energetyczno-ekonomiczno -środowiskowe. Wymusza to łączenie kilku uzupełniających się i współpracujących ze sobą modeli WEM (ang. World Energy Model)( równań) PRIMES Model Model POLES Green-X Model W Polsce m.in. w EnergSys, PSE S.A. i ARE S.A., GSMiE PAN w Krakowie i IE PCz od wielu lat prowadzone są badanie w celu zastosowania analizy systemowej w gospodarce surowcami mineralnymi, paliwami i energią (w tym energią elektryczną) 19

20 Model rozkładu kanonicznego zmiennych losowych - MRK Zapis formalny modelu prognostycznego: i 1 Xˆ i aijv j Vˆ i xxi j 1 Wyznaczamy z historii procesu współczynniki rozkładu kanonicznego a ij Wyznaczamy z historii procesu dystrybuanty warunkowe z których będziemy losować wektory V i Wielokrotnie dokonujemy losowania z dystrybuant używając do tego celu generatora liczb losowych Wyniki losowań uśredniamy

21 Kalibracja modelu Rys. 4. Przebiegi rzeczywisty i wyznaczone podczas kalibracji modelu MRK w prognozie energii brutto KSE dla najlepszej i najgorszej w sensie błędu dopasowania MAPE kombinacji kolejności zmiennych wyselekcjonowanych metodą Hellwiga

22 Kalibracja modelu Rys. 5. Przebiegi rzeczywisty i wyznaczone podczas kalibracji modelu MRK w prognozie mocy szczytowej KSE dla najlepszej i najgorszej w sensie błędu dopasowania MAPE kombinacji kolejności zmiennych wyselekcjonowanych metodą Hellwiga.

23 Prognozy walidacyjne Tabela 1. Prognozy walidacyjne energii elektrycznej brutto i mocy szczytowej dla KSE za lata 2009 do Prognoza energii brutto E r E pr-var MAPE E pr_var MAPE Lata [TWh] [TWh] [%] [TWh] [%] , ,60 167,8 6, , ,70 162,7 3, ,9 158,9 0,00 162,2 2,03 Błędy średnie 0,43% 3,79% Prognoza mocy szczytowej P r P pr_var MAPE P pr_var MAPE Lata [MW] [MW] [%] [MW] [%] , , , , , ,33 Błędy średnie 1,54% 1,18%

24 Prognozy zmiennych zewnetrznych objaśniających w horyzoncie do 2040 roku Energia pierwotna UE-OECD [PJ] Produkcja energii netto UE-OECD [TW h] Lata EPIER-UE ENET-OECD-UE Rys.6. Przykład prognozy EIA dotyczący zapotrzebowania na energię pierwotną oraz prognoza produkcji energii elektrycznej netto przez europejskie kraje strefy OECD do 2040 roku. Dla scenariusza bazowego

25 Prognozy zmiennych zewnetrznych objaśniających w horyzoncie do 2040 roku Emisja CO2 [mln ton] Energochłonność [Btu/USD] Lata CO2-OECD-UE ENEOECD-UE Rys.7. Prognozy EIA dotyczące emisji CO 2 oraz energochłonności europejskich krajów strefy OECD do 2040 roku.

26 Prognozy zmiennych wewnetrznych objaśniających w horyzoncie do 2040 roku Prognoza ludności GUS do 2035r. ekstrapolowana wielomianem stopnia drugiego do 2040r. Pozostałe scenariusze zmiennych wewnętrznych kreowane równaniem Prigogine a

27 Prognozy zmiennych wewnetrznych objaśniających w horyzoncie do 2040 roku [mln zł] Lata PKB VA-Przem. VA-Poz. Rys.8. Przykłady prognozy PKB dla Polski, wartości dodanej przemysłu oraz pozostałych sektorów łącznie w horyzoncie do 2040 roku.

28 Prognozy energii brutto dla Polski w horyzoncie do 2040 roku [GWh] Lata EPOL-Brutto EPOL-Brutto-D EPOL-Brutto-G Rys.9. Prognozy energii brutto dla Polski w horyzoncie do 2040 roku.

29 Prognozy mocy szczytowej dla Polski w horyzoncie do 2040 roku [MW] Lata PZ PZ-D PZ-G Rys.10. Prognozy szczytu rocznego dla Polski w horyzoncie do 2040 roku.

30 Podsumowanie Uzyskane wyniki prognoz są prognozami autorskimi wspieranymi scenariuszem bazowym dla niektórych zmiennych objaśniających wykonanym przez amerykańską agencję EIA dla europejskich krajów OECD Wykorzystany do tych celów model MRK jest znacznie prostszy w implementacji i wystarczająco uniwersalny w stosunku do innych modeli wykorzystywanych do planowania rozwoju systemów

31 Dziękuję za uwagę! WISŁA