DNV GL - Energy Prognozowanie krótkoterminowe

Transkrypt

1 DNV GL - Energy Prognozowanie krótkoterminowe Ir. Jarno Schipper Starszy Inżynier Prognozowanie Karol Mitraszewski Inżnier 1 14 December 2015 SAFER, SMARTER, GREENER

2 Potentat technologiczny Nr 1 25 w zakresie badań wysokich mocy i napięć Wiodąca jednostka certyfikująca z ponad 25 opublikowanymi normami i wytycznymi Największy niezależny doradca techniczny w branży energetyki odnawialnej niezależnych ekspertów w dziedznie energetyki laboratoriów, w tym największe na świecie laboratorium badawcze wysokich mocy i napięć lat doświadczenia, w tym 30 lat w zakresie efektywności energetycznej i energetyki wiatrowej Informacje poufne 2

3 Oferta dla całego łańcucha wartości w energetyce Polityka i strategia Wytwarzanie Obrót Przesył i dystrybucja Sprzedaż i wykorzysta nie Konsultacje techniczne i biznesowe, porady ekspertów, usługi eksploatacyjne Badania, przeglądy, certyfikacja, weryfikacja Zarządzanie ryzykiem, wynikami i jakością Badania i innowacje 3

4 3000 ekspertów w dziedzinie energetyki i zrównoważonego rozwoju Wyróżniki konsultacji biznesowych Bezstronność Ogromne doświadczenie Sprawdzone metodologie Światowe doświadczenie w branży usług komunalnych Unikatowa wartość dla klienta Wyróżniki konsultacji technicznych Najlepszy personel techniczny Zrozumienie wynikające z doświadczenia Zrozumienie działania skomplikowanych elementów i systemów na podstawie doświadczenia 4

5 Dlaczego potrzebujemy prognoz produkcji energii? 11

6 Kto korzysta z prognoz produkcji energii? Przykład: Spółki obrotu Na giełdzie EPEX SPOT (Paryż, Lipsk) można handlować energią na rynku dnia bieżącego oraz następnego. Rynek dnia bieżącego jest centralnym rynkiem Europy, obejmującym terytorium Francji, Niemiec, Austrii oraz Szwajcarii, co odpowiada ponad jednej trzeciej europejskiego zużycia energii elektrycznej. Wiedza, ile energii ze źródeł odnawialnych można zaoferować pomaga w budowaniu strategii na tym rynku i może nieść za sobą znaczne korzyści finansowe 12

7 Moc (% mocy zainstalowanej) Kto korzysta z prognoz produkcji energii? Przykład: Operatorzy Systemów Przesyłowych Tradycyjnie zadaniem OSP w zakresie energetyki wiatrowej jest zdobywanie informacji o tym, ile energii jest wytwarzane, tak, aby spełnić wymagania w zakresie bilansowania przy uwzględnieniu ograniczeń. Produkcję energii ze źródeł odnawialnych można prognozować, ale nie można jej grafikować (nie jest to do końca prawdą w przypadku Niemiec), co powoduje problemy z bilansowaniem sieci po stronie OSP. Odnawialne źródła energii charakteryzują się większą zmiennością w krótkich okresach czasu niż jednostki cieplne. Interesujące użytkowników produkty to prognozy na dzień bieżący oraz następny, a także prognozy zmiany mocy oraz zapotrzebowania na moc. 24 kwi 24 kwi 25 kwi 26 kwi 27 kwi 28 kwi 29 kwi 30 kwi 1 maj 2 maj Data Czas Rzeczywista prod. Prognoza P50 Pasmo P75 do P25 13

8 24 sty :00 24 sty :00 24 sty :00 24 sty :00 25 sty :00 25 sty :00 25 sty :00 26 sty :00 26 sty :00 26 sty :00 26 sty :00 27 sty :00 27 sty :00 27 sty :00 28 sty :00 28 sty :00 28 sty :00 28 sty :00 Moc (% mocy zainstalowanej) Kto korzysta z prognoz produkcji energii? Przykład: Operatorzy Systemów Dystrybucyjnych 1 Operatorzy systemów dystrybucyjnych dostarczają energię do odbiorców końcowych. Podobnie jak w przypadku OSP, są najbardziej zainteresowani produktami takimi, jak prognozy zmiany mocy oraz zapotrzebowania na moc. Prognoza Pasmo P25 do P75 Pasmo P10 do P90 Rzeczywisty poziom produkcji 14

9 Kto korzysta z prognoz produkcji energii? Przykład: Operatorzy Systemów Dystrybucyjnych 2 Przyszłe plany integracji OZE z inteligentną siecią. Precyzyjne prognozowanie na różnych poziomach napięcia i w różnych węzłach sieci przy wykorzystaniu najnowocześniejszych metod dynamiczno-statystycznych (ensemble) 15

10 Kto korzysta z prognoz produkcji energii? Operatorzy farm wiatrowych Zoptymalizowana kosnerwacja oraz planowanie budowy farm wiatrowych. Produkty obejmują prognozy pogody z dodatkowymi ostrzeżeniami przed burzami, oblodzeniem, podmuchami wiatru, itp. 16

11 Jak powstają prognozy produkcji energii energetyka wiatrowa 17

12 Jak tworzymy prognozy? Wejście Numeryczna prognoza pogody (NPP) Dane dla konkretnej lokalizacji Współrzędne geograficzne Typ turbiny Wysokość piasty Liczba turbin Berglicht Windpark 12 Vestas V90 2.0MW Szerokość: 49,78 Długość: 6,97 Wysokość piasty: 95 m System SCADA Łączna moc turbin Prędkość wiatru Wyjście NPP + Dane dla konkretnej lokalizacji + SCADA Windhelm SCADA Prognoza produkcji energii 18

13 Jak tworzymy prognozy? NPP Dane historyczne SCADA Dane bieżące SCADA Geografia lokalizacji Statystyka wyjściowa modelu (MOS) Statystyka adaptacyjna Szeregi czasowe Klimatologia Adaptacja modeli Połączenie modeli Prognoza prędkości wiatru Dane bieżące SCADA Geografia lokalizacji Model produkcji energii Prognoza produkcji energii Adaptacja modeli 19

14 Średni błąd bezwzględny (% mocy zainstalowanej farmy) Każdy model charakteryzuje się unikatowymi cechami kluczem jest ich połaczenie! Inteligentne połączenie różnych modeli poprawia dokładność Zoptymalizowane połączenie Model NPP 1 Model NPP 2 Model NPP 3 Model NPP 4 Model NPP 5 Horyzont czasowy prognozy (godziny) 20

15 Jak tworzymy prognozy? NPP Dane historyczne SCADA Dane bieżące SCADA Geografia lokalizacji Statystyka wyjściowa modelu (MOS) Statystyka adaptacyjna Szeregi czasowe Klimatologia Adaptacja modeli Połączenie modeli Prognoza prędkości wiatru Dane bieżące SCADA Geografia lokalizacji Model produkcji energii Prognoza produkcji energii Adaptacja modeli 21

16 Wynik 22

17 Moc (% mocy zainstalowanej) Pewność prognozy 25% prawdopodobieństwo, że rzeczywiście wytworzona ilość energii przekroczy prognozowaną ilość energii P25 75% prawdopodobieństwo, że rzeczywiście wytworzona ilość energii przekroczy prognozowaną ilość energii P75 24 kwi 24 kwi 25 kwi 26 kwi 27 kwi 28 kwi 29 kwi 30 kwi 1 maj 2 maj Rzeczywisty poziom produkcji Data Czas Prognoza P50 Pasmo P75 do P25 23

18 Jak tworzymy prognozy? NPP Dane historyczne SCADA Dane bieżące SCADA Geografia lokalizacji Statystyka wyjściowa modelu (MOS) Statystyka adaptacyjna Szeregi czasowe Klimatologia Adaptacja modeli Połączenie modeli Prognoza prędkości wiatru Dane bieżące SCADA Geografia lokalizacji Model produkcji energii Prognoza produkcji energii Adaptacja modeli 24

19 Jak dokładne są prognozy? 25

20 25 mar :00 26 mar :00 27 mar :00 28 mar :00 29 mar :00 30 mar :00 31 mar :00 1 kwi :00 2 kwi :00 3 kwi :00 4 kwi :00 5 kwi :00 6 kwi :00 7 kwi :00 8 kwi :00 9 kwi :00 Moc (% mocy zainstalowanej) Jak dokładne są prognozy? przykład dla konkretnej lokalizacji Dane godzinowe z wyprzedeniem 24-godzinnym Najnowocześniejsze metody prognozowania mają na celu odzwierciedlenie czasu wystąpienia oraz amplitudy zdarzeń z wysokim stopniem dokładności. Czas (GMT) Prognoza Rzeczywisty Przeszacowanie poziom produkcji Niedoszacowanie 26

21 Średni błąd bezwzględny (% mocy zainstalowanej farmy) Jak dokładne są prognozy? Błąd średni Poszczególne lokalizacje Portfolio Typowa dokładność prognoz dla portfela Mniejsze błędy ze względu na oddziaływanie warunków pogodowych na poszczególne lokalizacje w różnym czasie Zmniejszenie błędów losowych Horyzont czasowy prognozy (godziny) 27

22 Średni błąd bezwzględny (%) Prognozowanie bieżące ARMA Zmniejszenie błędu Horyzont czasowy prognozy (godziny) 28

23 Wartość prognoz 29

24 Cena energii (GBP/MWh) Moc (% mocy zainstalowanej) Wartość prognoz Obliczenia zwiększonych przychodów z obrotu energią wynikających z wykorzystania najnowocześniejszych prognoz produkcji energii z wiatru: Prognoza (% mocy zainstalowanej) Rzeczywista produkcja (% mocy zainstalowanej) Kilka lokalizacji w Wielkiej Brytanii Dane na rok 2013 Prognozy na dzień następny i uproszczony model obrotu Rzeczywisty poziom produkcji Systemowe ceny zakupu i sprzedaży (SBP, SSP) Cena rynkowa dnia następnego APX 22/11/13 24/11/13 26/11/13 28/11/13 30/11/13 02/12/13 04/12/13 06/12/13 08/12/13 Data i czas SBP SSP APX DAM 22/11/13 24/11/13 26/11/13 28/11/13 30/11/13 02/12/13 04/12/13 06/12/13 08/12/13 Data i czas 30

25 Gdzie są pieniądze! sprzedaż energii we właściwym czasie Cena Rynku Dnia Następnego DAM (GBP/MWh) Obrót 1 Obrót Systemowa cena sprzedaży SSP (GBP/MWh) Systemowa cena zakupu SBP (GBP/MWh) Prognoza (MWh) Rzeczywista produkcja (MWh) Różnica ΔE (MWh) 8-16 Przychód DAM (GBP) = DAM x prognoza Różnica przychodu Δ (GBP) = ΔE x SSP dla Obrotu 1 ΔE x SBP dla Obrotu 2 Razem (GBP) = przychód DAM + Δ Cena sprzedanej energii (GBP/MWh) = Razem/rzeczywista produkcja Zysk w porównaniu z pozbyciem się energii (GBP/MWh) = Cena sprzedanej energii - SSP Obrót 1 Obrót 2 Niezależnie od tego, czy prognoza jest niedoszacowana (Obrót 1) czy przeszacowana (Obrót 2), sprzedaż po cenie Rynku Dnia Następnego jest opłacalna. Informacje poufne 31

26 Wartość prognoz! Zysk 4 GBP/MWh 1,4 mln GBP rocznie dla farmy wiatrowej o mocy 100 MW! Scenariusz prognozowania Brak prognozy 42,1 Podstawowa prognoza 43,2 Najlepsza prognoza 46,1 Prognoza doskonała 48,4 Średni przychód z obrotu (GBP/MWh) 32

27 Usługi 33

28 Jakie usługi oferujemy? Regularnie aktualizowane prognozy wytwarzania energii w farmach wiatrowych lub słonecznych Horyzont prognoz od teraz do 15 dni naprzód, aktualizacja do kilku razy na godzinę Prognozy dla pojedynczej lokalizacji lub portfela/regionu/kraju Prognozy obejmują pogodę (prędkość i kierunek wiatru, temperaturę, itp.), produkcję energii, obliczenia zakresu niepewności Usługi obejmują wygodny dostęp online do prognoz w czasie rzeczywistym, indywidualne raporty historyczne, porównania, częstotliwość błędów, obliczenia błędów systematycznych, wyświetlanie wykresów, eksport danych do plików CSV, ostrzeżenia przed gwałtownymi zmianami mocy / wyłączeniem spowodowanym silnym wiatrem, bieżące wykorzystanie informacji zwrotnych [lista nie jest wyczerpująca] 99,9% dostępności usług, wsparcie 24/7 Brak instalacji sprzętu ani oprogramowania 34

29 Jak oferujemy nasze produkty? Wymiana danych Prognozy dla konkretnej lokalizacji i regionów Elastyczna aktualizacja portfela, elastyczne prognozy dla organiczeń Wybrany horyzont czasowy prognozy Częstotliwość aktualizacji wybrana przez klienta Zindywidualizowane formaty plików i sposoby dostawy 35

30 Prognozowanie krótkoterminowe - podsumowanie 36

31 Podsumowanie 43 GW prognoz w 18 krajach Najnowocześniejsze prognozy dla energetyki wiatrowej wykorzystujące duże ilości wysokiej jakości danych wejściowych Połączenie wysokiej jakości numerycznych prognoz pogody, pomiarów w danej lokalizacji oraz algorytmów statystycznych pomaga zwiększyć dokładność Prognozowanie pomaga sprawić, by odnawialne źródła energii funkcjonowały w sposób zbliżony do elektrowni konwencjonalnych Dobre prognozowanie zmniejsza koszt integracji energetyki wiatrowej z siecią, a co za tym idzie zmniejsza koszty energii dla wszystkich zarówno finansowe, jak i środowiskowe Inwestycje w badania i rozwój mające na celu dostarczanie dokładniejszych prognoz i produktów pochodnych Niezawodne usługi z doskonałym wsparciem 37

32 Wsparcie dla ofertowania w aukcji i długookresowe prognozy cen energii 38 9 grudnia 2015 r.

33 Zmiany hurtowych cen energii elektrycznej DNV GL wykorzystuje model rynku symulujący rozwój europejskich rynków energii elektrycznej w długim okresie Kluczowe cechy naszego modelu: Oparty o podejście do modelowania stosujące zasadę minimalizacji kosztów Obejmuje podstawową strukturę europejskiej sieci przesyłowej Oblicza aktualne obciążenia elektrowni i przepływy energii elektrycznej przy uwzględnieniu: Świadczenia rezerw operacyjnych Dostaw ciepła z elektrociepłowni przemysłowych i komunalnych Jednostki, które muszą pracować ze względu na stabilność sieci Uwzględnia zmienność OZE na podstawie rzeczywistej prędkości wiatru / nasłoneczniena dla 8760 h w ciągu roku Zaimplementowany w znanym oprogramowaniu do 39 modelowania PLEXOS Integrated Energy Model ( PLEXOS ) Model rynku w Europie

34 Przygotowanie ważonych wiatrem cen energii elektrycznej W celu określenia opłacalności projektów wiatrowych w Polsce deweloperzy muszą oszacować oczekiwane przychody z działania na rynku hurtowym W systemach wsparcia OZE opartych o aukcje zmiany cen hurtowych energii elektrycznej, a w szczególności przychody osiągalne ze sprzedaży energii na tym rynku, mają znaczący wpływ na opłacalność instalacji OZE ( koszty profilu ) Aby poprawnie uwzględnić wpływ znacznego udziału generacji ze zmiennych OZE na hurtowe ceny energii elektrycznej w naszym modelu zaimplementowaliśmy profile produkcji energetyki wiatrowej oraz słonecznej charakteryzujące się geograficzną spójnością na terenie Europy Profile te bazują na historycznych danych pogodowych (prędkość wiatru, nasłonecznienie, temperatury) przekształconych na produkcję w elektrowniach wiatrowych i słonecznych przez zastosowanie modeli turbin i elektrowni PV Takie podejście umożliwia poprawne odzwierciedlenie wpływu generacji OZE na ceny energii elektrycznej i jej przepływy Ważone wiatrem ceny energii elektrycznej (ceny osiągnięte) można obliczyć dla każdego projektu przy wykorzystaniu: Godzinowych prognoz produkcji dla danego projektu Opcjonalnych obliczeń dla różnych lat klimatycznych, aby zidentyfikować ich wpływ na wyniki farmy 40

35 Wsparcie dla ofertowania w trakcie pierwszej w Polsce aukcji OZE Deweloperzy farm wiatrowych muszą podjąć decyzję dotyczącą strategii ofertowej w zakresie wolumenu, uwzględniając całościowy poziom dochodu oraz ryzyko kar przewidzianych w nowych przepisach DNV GL opracowała własny model, który uwzględnia wyniki długoterminowej oceny produktywności i dostarcza deweloperom oraz innym interesariuszom (bankom itp.) informacji na temat: Prawdopodobieństwa ukarania farmy wiatrowej za zbyt niski poziom produkcji w trakcie eksploatacji (<85% w ciągu 3 kolejnych lat) Oczekiwanym poziomie kary w milionach PLN (niezbędne do oszacowania koniecznej rezerwy finansowej) Model obejmuje przepisy polskiej Ustawy OZE, w szczególności dotyczącye kar za niedostarczenie energii oraz utraty marży przy zbyt wysokim poziomie dostaw Model uwzględnia wzrost cen energii, inflację, oczekiwaną roczną zmienność w warunkach wiatrowych dla danej lokalizacji itp. 41

36 Wsparcie dla ofertowania w trakcie pierwszej w Polsce aukcji OZE Jak wybrać strategię ofertowania? Uwaga: Przykład ogólny Obliczenia są inne dla każdego projektu: zależą od niepewności oceny produktywności, założeń ekonomicznych, itp. 42

37 Dziękuję za uwagę! Ir. Jarno Schipper Karol Mitraszewski SAFER, SMARTER, GREENER 43 9 grudnia 2015 r.