ŁÓDŹ UNIVERSITY OF TECHNOLOGY FACULTY OF ELECTRICAL, ELECTRONIC, COMPUTER AND CONTROL ENGINEERING INSTITUTE OF ELECTRICAL POWER ENGINEERING DOCTORAL DISSERTATION Longterm, dynamic modelling of the power system development Długoterminowe, dynamiczne modelowanie rozwoju systemu elektroenergetycznego (PL) mgr inż. Izabela Filipiak SUPERVISOR: prof. dr hab. inż. Władysław Mielczarski ŁÓDŹ, POLAND NOVEMBER 2018 1
STRESZCZENIE W JĘZYKU POLSKIM Celem badań przedstawionych w rozprawie jest opracowanie nowej metody długoterminowego, modelowania systemu elektroenergetycznego, która pozwoliłaby na zapewnienie bezpieczeństwa energetycznego poprzez zapewnienie odpowiedniej ilości mocy wytwórczych w jednostkach produkujących energię elektryczną, aby zbilansować zapotrzebowanie oraz utrzymać wymaganą rezerwę mocy. Długoterminowe modelowanie i optymalizacja procesów inwestycji w celu zapewnienia odpowiedniego poziomu bezpieczeństwa energetycznego poprzez utrzymywania adekwatnych do zapotrzebowania mocy wytwórczych wraz z wymaganym standardami technicznymi poziomem mocy wytwórczych wymaga uwzględnienia aspektów zarówno technicznych jak i ekonomicznych, a także regulacji prawnych rozwoju systemu elektroenergetycznego. Szczególnie ważnie jest zapewnienie realizacji Polityki energetycznej uzgodnionej z Komisją Europejską. zapewnienie odpowiedniego poziomu bezpieczeństwa energetycznego długoterminowe modelowanie i regulacja procesów inwestycyjnych aspekty techniczne aspekty ekonomiczne regulacje prawne Rys. 1 Aspekty zapewnienia bezpieczeństwa energetycznego (opracowanie własne) Zgodnie z tezą rozprawy, opracowana metoda uwzględnia: trudne do przewidzenia warunki pracy systemu w długim horyzoncie czasowym, 2
dynamiczne reakcje rozwoju jednostek wytwórczych na zmieniające się warunki działania, wieloletni proces inwestycji w jednostki wytwórcze wynikający z: konieczności przeprowadzenia studium wykonalności, uzyskania finansowania oraz czasu konstrukcji instalacji, wpływ polityki energetycznoklimatycznej. Prace badawcze będące podstawą rozprawy obejmowały: 1. Analizę pracy system elektroenergetycznego i rozwoju mocy wytwórczych. 2. Analizę polityk energetycznych, które mają wpływ na rozwój mocy wytwórczych. 3. Analizę ekonomicznych aspektów wytwarzania energii mających wpływ na podejmowanie decyzji inwestycyjnych w nowe jednostki wytwórcze. 4. Identyfikację nowych wyzwań dla zapewnienia bezpieczeństwa energetycznego w zmieniających się systemach energetycznych. 5. Identyfikację rozwiązań wprowadzanych w wielu sektorach energetycznych w celu uniknięcia niezapewnienia odpowiednich rezerw mocy. 6. Przegląd istniejących technik modelowania sektora energetycznego. 7. Opracowanie nowej metody pozwalającej na uwzględnienie dynamiki rozwoju mocy wytwórczych w systemie elektroenergetycznym oraz wpływu regulacji. 8. Opracowanie systemu do weryfikacji metody. 9. Wybranie scenariuszy symulacyjnych. 10. Symulację systemu testowego reprezentującego Polski system elektroenergetyczny. 11. Analizę wyników. 12. Wnioski i rekomendacje do dalszych prac. Zadanie nr. 7 jest unikalnym osiągnięciem doktorantki. W ramach tego zadania została opracowana nowa metoda, która pozwala na uwzględnienie aspektów przedstawionych w tezie rozprawy. Potrzeba nowych metod modelowania rozwoju system elektroenergetycznego Energia elektryczna jest produktem, którego nie można magazynować na dużą skalę w efektywny ekonomiczny sposób więc konieczne jest ciągłe bilansowanie jej 3
produkcji i konsumpcji. Dodatkowo przesył energii od wytwórcy do odbiorcy wymaga infrastruktury przesyłowej a nieprzerwana ciągłość dostaw jest niezbędna dla sprawnego funkcjonowania państwa i bezpieczeństwa obywateli. Przedstawione cechy, odróżniające energię elektryczną od innych produktów były podstawą do stosunkowo późnej decentralizacji i urynkowienia sektorów energetycznych. Demonopolizacja nastąpiła dopiero pod koniec XX wieku w nadziei, że wprowadzenie rynku energii doprowadzi do ograniczenia cen dla odbiorców końcowych i zapewni ciągłość dostaw. Rozbicie monopolu w sektorze energetycznym spowodowało rozproszenie odpowiedzialności za bezpieczeństwo energetyczne. Ministerstwo Energii, Urząd Regulacji Energetyki oraz Polskie Sieci Energetyczne są organami odpowiedzialnymi za zapewnienie bezpieczeństwa energetycznego na poziomie krajowym, podczas gdy decyzje o budowie nowych jednostek wytwórczych podejmowane są przez przedsiębiorstwa prywatne bądź będące własnością skarbu państwa, ale funkcjonujące w środowisku rynkowym. Dlatego też, w nowoczesnych systemach energetycznych bardzo ważną rolę odgrywają długoterminowe strategie energetyczne, które zawierają plany rozwoju systemu elektroenergetycznego. Plany rozwoju systemu elektroenergetycznego są problemami wielkoskalowymi, długoterminowymi i dynamicznymi. Wymagają uwzględniania indywidualnych parametrów pracy poszczególnych jednostek, ale także holistycznego zapewnienia bezpieczeństwa energetycznego w całym systemie. Plany takie są więc przygotowywane w oparciu o zaawansowane modele matematyczne, które wykorzystują różne metody. Jedną z najczęściej stosowanych i najbardziej rozwijanych metod jest optymalizacja, która symuluje rozwój sektora przy określonej funkcji celu (najczęściej minimalizacja kosztów) i zadanych ograniczeniach (np. zapewnienie odpowiednich rezerw mocy lub energii w systemie, dostępność do paliw czy ilość emisji). Metoda ta jednak zakłada, że decyzje inwestycyjne są podejmowane w sposób scentralizowany wyznaczając najbardziej optymalny miks energetyczny w długoterminowej perspektywie (analiza expost). W rzeczywistości, nowe jednostki wytwórcze powstają w oparciu o dostępne na dany moment informacje o dostępnych 4
rezerwach (analiza exante). Dodatkowo, w optymalizacji, uwzględnienie dynamiki rozwoju systemu jest skomplikowane i może prowadzić do problemów obliczeniowych przy symulacji dużych systemów w długim horyzoncie czasowym. Wadą dotychczasowych metod modelowania i optymalizacji długoterminowego rozwoju systemu elektroenergetycznego było stosowanie metod z grupy Energy Mix, które dynamiczny w czasie, dyskretny model rzutowały w przestrzeń statyczną przypisując każdej dyskretnej wartości funkcji nową zmienną. W wyniku tego, liczba zmiennych w procesie optymalizacji rosła znacznie była wymnażana przez liczbę lat w modelowanym okresie (z reguły 5060). Powodowało to znaczne wydłużenie czasu symulacji i konieczność stosowania wydajnych komputerów opartych na wielordzeniowych procesorach. Jednak największą wadą metod z grupy Energy Mix była eliminacja dynamicznych relacji zachodzących pomiędzy elementami modelowanego systemu. Uwzględnienie faktycznych warunków rozwoju systemu może być wykonane przy pomocy metody System Dynamics (SD), która opiera się na sygnałach między podmiotami w systemie i pozwala na uwzględnienie dynamiki rozwoju systemów. Jednym z najważniejszych wyzwań stojących przed wszystkimi systemami elektroenergetycznymi jest zapewnienie odpowiedniego poziomu rezerw mocy wytwórczych w długim horyzoncie czasowym. Zadanie to jest szczególnie trudne w polskim systemie, ze względu na wysoki udział starzejącej się infrastruktury. Na poniższym wykresie widać, że ok 60% infrastruktury wytwórczej zostało wybudowane w latach 70tych i 80tych XX w. a tylko ok 15% jednostek powstało w ostatnim 15 leciu. Oznacza to, że znaczna część jednostek będzie musiała w najbliższych latach być wymieniona na jednostki bardziej wydajne i mniej emisyjne. Budowa nowych jednostek będzie prawdopodobnie przeprowadzona na podobną skalę co w latach 70tych i 80tych, jednak tym razem decyzje inwestycyjne nie będą podejmowane centralnie, lecz na podstawie sygnałów rynkowych. 5
100% 90% 80% 70% 60% 50% 63 59 40% 30% 20% 10% 0% 14 14 2,6 2,7 7 6 7 6 3,1 5,2 6 6 Boilers Kotły Turbogeneratory generators x<5 6<x<10 11<x<15 16<x<20 21<x<25 26<x<30 over 30 Rys. 2 Wiek infrastruktury energetycznej w Polsce Problem brakujących zdolności wytwórczych powstających w zdemonopolizowanych sektorach energetycznych jest obserwowany w wielu sektorach energetycznych. W odpowiedzi, urzędy regulacji energetyki zdecydowały się wprowadzić dodatkowe mechanizmy wynagradzające za każdy MW mocy dostępnej dla operatora jako dodatek dla właścicieli jednostek do zysków z rynku energii mechanizmy te nazywa się CRM Capacity Remuneration Mechanisms. Obecnie (listopad i grudzień 2018 roku) w Polsce operator systemu przesyłowego, Polskie Sieci Elektroenergetyczne prowadzą aukcje w ramach mechanizmu rynku mocy, który został zaaprobowany przez Komisję Europejską, w celu dostarczenie subsydiów do elektrowni, które pozwoliłyby na przeprowadzenie remontów części bloków wytwórczych oraz obniżyły koszty kapitałowe nowych bloków, takich jak: Kozienice II, Opole 5 i 6, Jaworzno II oraz Ostrołęka C. W rozprawie, wybrana metoda SD została dodatkowo uzupełniona o automatyczny regulator typu PID. Regulator reprezentuje działania Urzędu Regulacji Energetyki (lub innego organu odpowiedzialnego za utrzymanie bezpieczeństwa energetycznego) poprzez zapewnienie odpowiednich rezerw mocy wytwórczych. 6
Opracowanie nowej metody Nowa metoda modelowania systemu elektroenergetycznego opiera się na połączeniu modelowana SD z automatycznym regulatorem. Metoda SD została opracowana w latach 50tych przez Johna Forrestera na podstawie teorii sterowania do modelowania skomplikowanych, dynamicznych systemów. Była wielokrotnie wykorzystywana w opracowywaniu strategii długoterminowych, również dotyczących rozwoju sektorów elektroenergetycznych. Metoda ta łączy analizę jakościową i ilościową. Bardzo ważną częścią analizy SD jest opis przedstawianego systemu: jego poszczególnych elementów i relacji występujących między jego komponentami. Relacje przedstawiane są za pomocą sygnałów, które są przetwarzane z sygnałów wejściowych na sygnały wyjściowe przez podmioty występujące w systemie. Analiza ilościowa prowadzi do stworzenia modelu, w którym relacje między komponentami modelu są zapisane za pomocą równań matematycznych. Jednym z pierwszych etapów opracowania modelu SD jest stworzenie schematu ogólnego, który w kolejnych krokach jest rozwijany, tak aby uwzględnić optymalną ilość parametrów mających wpływ na zachowanie systemu. Na poniższym rysunku przedstawiony jest schemat ogólny dla modelowanego systemu wraz ze sprzężeniami zwrotnymi występującymi pomiędzy elementami systemu. Poziom rezerw mocy ma wpływ na czas pracy jednostek w systemie a także ceny energii na rynku (w relacji: im wyższy poziom rezerw tym niższe ceny energii co jest oznaczone symbolem "" przy strzałce). Czas pracy jednostki i ceny energii mają wpływ na całkowite koszty MWh wyprodukowanej energii ponoszone przez właścicieli jednostek, a także przychody z pracy jednostek. Na podstawie przychodów i kosztów podejmowane są decyzje inwestycyjne oraz decyzje o wygaszeniu nierentownych jednostek, co ma wpływ na poziom mocy zainstalowanej w systemie, a tym samym na bezpieczeństwo energetyczne. Poziom mocy zainstalowanej w zestawieniu z zapotrzebowaniem na moc wyznacza poziom rezerw mocy. 7
rezerwy mocy moc zaintalowana cena energii czas pracy jednostki wygaszenie jednostek nowe inwestycje przychody koszt na MWh Rys. 3 Schemat ogólny modelowanego systemu Powyższy schemat ogólny został rozwinięty, aby otrzymać końcowy model rozwoju sektora energetycznego. Model ten uwzględnia relacje mające największy wpływ na rozwój mocy wytwórczych, a także istnienie Urzędu Regulacji Energetyki lub innego urzędu, który regulując poziom wynagrodzenia z CRM (subsydium) utrzymuje zadany poziom rezerw mocy w sektorze energetycznym. Urząd ten reprezentowany jest przez automatyczny regulator. W opracowanym modelu do symulowania reakcji urzędu regulacyjnego został wybrany automatyczny regulator typu PID, ponieważ regulator ten nie wymaga określania własności elementów modelu za pomocą transmitancji operatorowej i pozwala na odpowiedni dobór sygnału wyjściowego u(t) na podstawie monitorowanego uchybu e(t). Celem regulatora jest utrzymanie wartości zadanej uchybu (nadmiaru mocy ponad wymagany poziom rezerw) na poziomie jak najbardziej zbliżonym do zera (Rys. 4). 8
obiekt Rys. 4 Zasada działania regulatora PID Uchyb jest liczony jako różnica zapotrzebowania, importu, mocy zainstalowanej w istniejących jednostkach, planowanych jednostkach i jednostkach powstałych na podstawie symulacji:!. #$%&'&$()* = /01234 (6. )7 6. 1'&$ 6. $)9) gdzie: [MW] Zapotrzebowanie na moc w roku t /01234 [MW] import zdolności wytwórczych w roku t 6. )7 [MW] sumaryczna moc zainstalowana w istniejących jednostkach wytwórczych w roku t 6. 1'&$ [MW] sumaryczna moc zainstalowana w roku t w planowanych jednostkach wytwórczych uwzględnionych w rocznych planach koordynacyjnych przygotowywanych przez PSE 6. $)9 [MW] sumaryczna moc zainstalowana w roku t w nowych jednostkach wybudowanych w czasie symulacji w oparciu o sygnały: cena energii, czas pracy i subsydium. W opracowanym modelu (Rys. 5) występują trzy sprzężenia zwrotne: pętla B1, B2 i B7. Pętla B1 wskazuje, że im wyższy poziom nadwyżek mocy w systemie tym niższe ceny rynkowe energii. Niższe ceny rynkowe energii powodują niższe przewidywane przychody jednostek i obniżają ilość inwestycji w nowe jednostki wytwórcze. Przy utrzymanym planie wygaszeń istniejących jednostek wytwórczych i rosnącym zapotrzebowaniu, prowadzi to do obniżenia poziomu nadwyżek mocy w systemie a w konsekwencji podwyższenia cen energii. Pętla B2 jest analogiczna do 9
pętli B1, jednak dotyczy wskaźnika wykorzystania mocy jednostek (ich czas pracy w roku). Cena energii (scarcity price) była wyznaczona iteracyjnie jako suma dwóch składowych: przewidywanej ceny rynkowej (market price) na podstawie kosztów zmiennych jednostek w miksie energetycznym i jako ceny stymulującej inwestycje (investment driving price) wyznaczanej na podstawie nadwyżek mocy w systemie obliczanych jako: ; =!. #$%&'&$()* 10
e(t) URE regulujący poziom rezerw poprzez CRM reprezentowany przez automatyczny regulator B7 u(t) koszt operacyjny OBIEKT koszt paliwa sąsiednie gospodarki gospodarka prawo energetyczne, IRESP wymagany poziom rezerw cena energii B1 czas pracy B2 opłacalność inwestycji przychody koszty zmienne plan wygaszeń jednostek koszty koszt środowiskow koszty stałe koszt inwestycyjny wzrost zapotrzebowania zapotrzebowanie na moc poziom nadwyżki mocy rozpoczęcie pracy przez nowe jednostki moc zainstalowana zakończenie pracy przez istniejące jednostki import ref(t) przewidywany poziom nadwyżki mocy x(t) Rys. 5 Model systemu elektroenergetycznego opracowany w rozprawie 11
Pętla B7 reprezentuje zachowanie urzędu regulacyjnego, który w odpowiedzi na przewidywany poziom rezerw (poziom rezerw, który będzie dostępny za 5 lat) sygnał e(t) wprowadza subsydium sygnał u(t). Subsydium zwiększa przewidywane przychody jednostek i przyciąga nowe inwestycje. W analogii do Rys. 4, regulator za pomocą subsydium u(t) utrzymuje nadwyżki mocy w systemie obiekcie na poziomie jak najbardziej zbliżonym do zera. Z pośród wielu dostępnych rozwiązań CRM, w przedstawionym modelu jako system subsydiów wybrany został system płatności za moc dyspozycyjną. W systemie tym, każda jednostka może wnioskować o wynagrodzenie w wysokości ustalonej opłaty mocowej na każdy MW dostępnej mocy. W opracowanym modelu, przyznane subsydium wypłacane jest przez kolejne 20 lat pracy jednostki. Wybór scenariuszy symulacyjnych Opłacalność inwestycji w jednostki wytwórcze zależna jest w głównej mierze od kosztów zmiennych pracy, w szczególności: Kosztów paliwa Kosztów pozwoleń na emisję CO2 w systemie EU ETS EUA. Ponieważ zmiany w cenach paliw dla jednostek opalanych węglem kamiennym i brunatnym nie mają aż tak dużego wpływu na opłacalność inwestycji jak w przypadku jednostek gazowych, scenariusze symulacyjne zostały opracowane dla niskich i wysokich cen gazu oraz dla niskich i wysokich cen EUA (Rys. 6 i Rys. 7). 12
cena gas gazu price [ /1000m 3 ] cena EUA EUA prices [ /E] 500 450 400 350 300 250 200 150 100 50 0 50 45 40 35 30 25 20 15 10 5 0 2020 2022 2020 2022 2024 2026 2028 low gas niska price scenario [ /1000m3] 2024 2030 2032 2034 2036 2038 2040 2042 2044 high gas wysoka price scenario [ /1000m3] Rys. 6 Scenariusze niskich i wysokich cen gazu 2026 2028 2030 lowe EUA price niska scenario [ /1000kg] 2032 2034 2036 2038 2040 2042 2044 2046 high EUA wysoka price scenario [ /1000kg] Rys. 7 Scenariusze niskich i wysokich cen EUA 2046 2048 2050 2052 2054 2056 2058 2060 2048 2050 2052 2054 2056 2058 2060 W konsekwencji, symulowane były cztery scenariusze rynkowe przedstawione w tabeli: Niska cena EUA 10 /1000m 3 Wysoka cena EUA 16 (in 2020) 44 (in 2060) /1000m 3 Niska cena gazu 127 /1000m 3 1. scenariusz podstawowy 3. scenariusz ekologiczny Wysoka cena gazu 200 (in 2020) 440 (in 2060) /1000m 3 2. scenariusz konwencjonalny 4. scenariusz wysokich kosztów 13
Opracowany model został przetestowany dla każdego scenariusza w dwóch wersjach brak subsydium: nowe jednostki powstają tylko na podstawie sygnałów rynkowych cen energii oraz czasu pracy jednostki w roku, z subsydium: nowe jednostki powstają na podstawie sygnałów rynkowych oraz subsydium wprowadzanego w przypadku ryzyka nieutrzymania wymaganych rezerw mocy wytwórczych. W czasie symulacji analizowany był rozwój tylko tych źródeł wytwórczych, których praca jest sterowalna i może stanowić rezerwę mocy w systemie tj.: jednostki o mocy 450 MW opalane węglem kamiennym, brunatnym lub gazem, jednostki o mocy 900 MW opalane węglem kamiennym lub brunatnym oraz elektrownie wodne o mocy 800 MW. Możliwe jest przeprowadzenie symulacji dla innych typów jednostek także odnawianych źródeł energii, jednak powinny być one wyposażone w magazyny mocy (aby wyeliminować ryzyko zachwiania bezpieczeństwa energetycznego w przypadku braku generacji z niestabilnych źródeł). Horyzont czasowy symulacji obejmował 40 lat: od 2020 do 2060 r. Wyniki symulacji Dla każdego z symulowanych scenariuszy analizowana była struktura mocy zainstalowana w jednostkach wytwórczych i rynkowa cena energii, a dla wersji modelu z subsydium również poziom subsydium i uchyb, na podstawie którego subsydium zostało wyznaczone. Na potrzeby streszczenia prezentacja wyników symulacji została przeprowadzona tylko dla scenariusza bazowego. W przedstawionym scenariuszu w przypadku braku regulacji mających na celu utrzymanie stałego poziomu rezerw mocy niemożliwe było utrzymanie bezpieczeństwa energetycznego przez cały okres symulacji (Rys. 8). Ze względu na wyłączenia istniejących jednostek, już w 2027 r. pojawił się niedostatek mocy zainstalowanej w systemie, który musiał zostać pokryty przez import zdolności wytwórczych. Niedostatek mocy spowodował wzrost ceny energii do jej maksymalnej 14
wartości ograniczonej w symulacjach. Wzrost cen energii (Rys 9) doprowadził do budowy nowych jednostek, jednak ze względu na opóźnienia wynikające z długotrwałych procesów inwestycyjnych, w ciągu 10 lat bezpieczeństwo energetyczne nie było zapewnione. Power [MW] x10 3 100 90 80 70 60 50 40 30 20 10 0 2020 2022 2024 2026 2028 2030 2032 2034 2036 2038 2040 2042 2044 2046 2048 2050 2052 2054 2056 2058 2060 sumexadd HC existing HC900 new HC450 new L existing L900 new L450 new Gas existing Gas new Water existing Water new import demand required reserves Rys. 8 Struktura mocy zainstalowanej w systemie elektroenergetycznym scenariusz bazowy bez subsydium. electricity price [ /Mwh] 150 130 110 90 70 50 30 10 10 2 020 2 021 2 022 2 023 2 025 2 026 2 027 2 028 2 029 2 030 2 032 2 033 2 034 2 035 2 036 2 037 2 038 2 040 2 041 2 042 2 043 2 044 2 045 2 046 2 048 2 049 2 050 2 051 2 052 2 053 2 055 2 056 2 057 2 058 2 059 marketprice investment driving price scarcity price Rys. 9 Cena energii elektrycznej (scarcity price) scenariusz bazowy bez subsydium W przypadku zastosowania mechanizmu regulacyjnego, zapotrzebowanie na moc było pokryte przez cały okres symulacji przez krajowe zdolności wytwórcze (Rys. 15
10). Ponieważ regulator monitoruje poziom mocy ponad zapotrzebowanie z wyprzedzeniem 5 lat (Rys. 12), subsydium zostało wprowadzone (Rys. 13) odpowiednio wcześnie, aby nowe jednostki zdążyły powstać zanim starzejąca się infrastruktura zostanie wycofana. Power [MW] x10 3 100 90 80 70 60 50 40 30 20 10 0 2020 2022 2024 2026 2028 2030 2032 2034 2036 2038 2040 2042 2044 2046 2048 2050 2052 2054 2056 2058 2060 sumexadd HC existing HC900 new HC450 new L existing L900 new L450 new Gas existing Gas new Water existing Water new import demand required reserves Rys. 10 Struktura mocy zainstalowanej w systemie elektroenergetycznym scenariusz bazowy z subsydium Warto zwrócić uwagę, że wprowadzenie systemu regulującego poziom rezerw w systemie poprzez subsydium doprowadziło do obniżenia cen energii (Rys. 11). electricity price [ /Mwh] 150 130 110 90 70 50 30 10 10 2020 2022 2024 2026 2028 2030 2032 2034 2036 2038 2040 marketprice investment driving price scarcity price 16 2042 2044 2046 2048 2050 2052 2054 2056 2058 2060
Rys. 11 Cena energii elektrycznej (scarcity price) scenariusz bazowy z subsydium error [MW] x10 3 15 10 5 0 2020 5 2025 2030 2035 2040 2045 2050 2055 2060 10 15 20 25 Rys. 12 Uchyb scenariusz bazowy z subsydium subsidy [ /MW/year] x10 3 350 300 250 200 150 100 50 0 2020 50 2025 2030 2035 2040 2045 2050 2055 2060 Rys. 13 Poziom subsydium scenariusz bazowy z subsydium W obu wersjach modelu: z regulatorem i bez regulatora struktura mocy zainstalowanej była bardzo zróżnicowana i zakładała rozwój wszystkich dostępnych technologii poza elektrowniami wodnymi, które nie były konkurencyjne w żadnym z symulowanych scenariuszy. Wnioski Przeprowadzone symulacje wykazały, że metoda SD uzupełniona o automatyczny regulator może być z powodzeniem wykorzystywana do symulowania długoterminowego rozwoju systemu elektroenergetycznego z uwzględnieniem 17
dynamiki procesów budowy nowych mocy wytwórczych energii elektrycznej. Wszystkie analizowane scenariusze wykazały, że w przypadku braku systemu regulacji, średnie ceny energii wzrastają, co doprowadza do rozbudowy mocy wytwórczych. Warto podkreślić, że symulacje potwierdzają istnienie procesu samoregulacji sektora energetycznego: niewystarczająca ilość mocy wytwórczych w systemie prowadzi do wzrostu cen, co zwiększa inwestycje w nowe moce wytwórcze, a w konsekwencji obniża ceny. Proces samoregulacji rynku jest zależny od stałych czasowych jakie w danym sektorze występują. W sektorze elektroenergetycznym budowa nowych mocy wytwórczych jest procesem wieloletnim. Dlatego też cykl inwestycyjny obserwowany w symulacjach scenariuszy bez systemu regulacji nie może mieć miejsca w rzeczywistości, gdyż doprowadziłby do zachwiania bezpieczeństwa energetycznego. W przypadku symulacji dla modelu uwzględniającego system regulacji, wprowadzone subsydium prowadzi do utrzymania wymaganego poziomu rezerw oraz obniżenia cen energii na rynku. Dla wszystkich modelowanych scenariuszy struktura zainstalowanych jednostek była bardzo zbliżona w długim horyzoncie czasowym. Można z tego wnioskować, że bez wprowadzenia zdywersyfikowanych systemów wsparcia zależnych od typów jednostek, podejmowania centralnych decyzji o budowie konkretnych typów jednostek bądź ograniczeń w budowie konkretnych technologii, moce w systemie elektroenergetycznym rozwijać się będą we wszystkich dostępnych technologiach. Wynika to ze zbliżonych dochodów konwencjonalnych jednostek: jednostki węglowe mają niże koszty paliwa, ale wyższe koszty inwestycyjne i koszty emisji CO2, jednostki gazowe mają z kolei wysokie ceny paliwa, ale niskie koszty inwestycyjne, mają też zwiększone przychody z produkcji energii w okresach szczytowego zapotrzebowania i wysokich cen rynkowych. Największym osiągnięciem przedstawionym w niniejszej pracy jest wprowadzenie dynamiki do długoterminowego modelowania rozwoju systemu elektroenergetycznego w celu zbadania warunków zapewnienie odpowiedniego poziomu bezpieczeństwa energetycznego. Zaproponowaną metodę można przyrównać do procesu sterowania obiektem (znanego z teorii sterowania) w oparciu 18
o model relacji zachodzących dynamicznie pomiędzy jego elementami. Sygnałem regulowanym i stabilizowanym jest poziom bezpieczeństwa energetycznego, modelem jest system elektroenergetyczny z zachodzącymi w nim dynamicznymi procesami budowy nowych mocy wytwórczych, a systemem regulacji jest układ oparty na System Dynamics uzupełniony regulatorem typu PID. Schemat blokowy został pokazany poniżej na rys. 13. zadany poziom bezpieczeństwa energetycznego uchyb regulator procesów: System DynamicsPID decyzje inwestycyjne długoterminowy model rozwoju systemu elektroenergetycznego poziom bezpieczeństwa energetycznego Rys. 13 Schemat blokowy regulacji poziomu bezpieczeństwa energetycznego. Dalsze prace Dalsze prace nad zaprezentowaną metodą powinny polegać na rozwoju modelu tak, aby możliwe było uwzględnienie następujących elementów: koszty przyjęte do symulacji oraz plan wycofań starzejącej się infrastruktury mógłby być zależny od aktualnego poziomu rezerw w systemie elektroenergetycznym, model mógłby uwzględniać rozwój odnawialnych źródeł energii, jednak aby jednostki te mogły stanowić o bezpieczeństwie energetycznym powinny być wyposażone w magazyny mocy, opracowany model mógłby zawierać model wewnętrzny, służący do wyznaczania cen rynkowych. Zaletą metody SD jest możliwość łatwego jej łączenia z innymi metodami. Model cen rynkowych mógłby się opierać na metodzie wyznaczania równowagi rynkowej. Organizacja pracy Rozprawa doktorska jest podzielona na 8 głównych rozdziałów z podrozdziałami. Pierwszy rozdział jest wprowadzeniem i przedstawia cele pracy, tezę badawczą i procedurę wykazania tezy. 19
Rozdział drugi przedstawia opis funkcjonowania sektora elektroenergetycznego, jego strukturę, podmioty w nim występujące oraz wyjaśnia pojęcie bezpieczeństwa energetycznego. W sekcji tej wyjaśnione jest: pojęcie bilansowania długo i krótkoterminowego produkcji energii elektrycznej szczególnie w kontekście polskiego sektora elektroenergetycznego, funkcjonowanie rynku energii elektrycznej (z podziałem na rynek energii, rynek techniczny i rynek finansowy), podstawy polityki energetycznej Polski i UE, które mają wpływ na rozwój sektora (w szczególności koncesjonowanie, unbundling, zasada dostępu stron trzecich, regulacje cen i subsydiowanie) oraz ekonomiczne aspekty produkcji energii elektrycznej. Trzeci rozdział wskazuje główne wyzwania stojące przed podmiotami odpowiedzialnymi za utrzymanie bezpieczeństwa energetycznego, w szczególności: wzrost udziału odnawialnych źródeł energii, starzejącą się infrastrukturę czy wzrost zapotrzebowania na energię elektryczną. Wyjaśnione są tu też pojęcia brakujących przychodów (missing money) i brakujących zdolności wytwórczych (missing capacity). W tym rozdziale przedstawione są dodatkowo podstawowe sposoby rozwiązywania wskazanych problemów: scarcity pricing i wprowadzanie CRM. Rozdział czwarty przedstawia istniejące techniki modelowania rozwoju systemu elektroenergetycznego, w szczególności zastosowaną w niniejszych badaniach metodę System Dynamics (SD). W rozdziale piątym została opisana nowa metoda modelowania systemu elektroenergetycznego łącząca SD z automatycznym regulatorem. Kolejne rozdziały służą do weryfikacji zaproponowanej metody. Metoda została zweryfikowana dla systemu elektroenergetycznego, którego model został opracowany na podstawie polskiego systemu. Następnie zostały przeprowadzone symulacje dla czterech scenariuszy zakładających różne ceny gazu i pozwoleń na emisję. 20
Ostatni, ósmy rozdział przedstawił wnioski z wykonanych symulacji, z których głównym było udowodnienie tezy rozprawy. Rozdział ten przedstawia również rekomendacje do dalszego rozwoju zaproponowanej metod. 21