Energetické předpovědi - Energy forecasting - Wikipedia

Energetické předpovědi zahrnuje prognózovanou poptávku (zatížení ) a cena elektřiny, fosilní paliva (zemní plyn, ropa, uhlí) a obnovitelné zdroje energie (OZE; vodní, větrná, sluneční). Prognózováním může být jak očekávaná hodnota ceny, tak i pravděpodobnostní prognóza.[1][2][3][4]

Pozadí

Když byly regulovány elektroenergetické sektory, monopoly na veřejné služby používaly prognózy krátkodobého zatížení k zajištění spolehlivosti nabídky a prognózy dlouhodobé poptávky jako základ pro plánování a investice do nové kapacity.[5][6] Avšak od počátku 90. let proces deregulace a zavedení konkurenční trhy s elektřinou přetvářejí prostředí tradičně monopolních a vládou kontrolovaných energetických sektorů. V mnoha zemích světa se nyní s elektřinou obchoduje podle tržních pravidel bod a derivát smlouvy.[7] Na podnikové úrovni se předpovědi zatížení elektřinou a cen staly základním vstupem do rozhodovacích mechanismů energetických společností. Náklady na nadměrné nebo nedostatečné smlouvy a následný prodej nebo nákup síly na vyrovnávacím trhu jsou obvykle tak vysoké, že mohou vést k obrovským finančním ztrátám a bankrot v krajním případě.[8][9] V tomto ohledu elektrické služby jsou nejzranitelnější, protože obvykle nemohou přenést své náklady na maloobchodní zákazníky.[10]

I když existuje řada empirických studií o bodových předpovědích (tj. „Nejlepší odhad“ nebo očekávaná hodnota spotové ceny), pravděpodobnostní - tj. předpovědi intervalů a hustoty nebyly dosud podrobně zkoumány.[6][11] To se však mění a v dnešní době se výzkumníci i odborníci zaměřují na to druhé.[12] Zatímco Globální soutěž v předpovídání energetiky v roce 2012 se jednalo o bodové předpovídání elektrické zátěže a větrné energie, vydání z roku 2014 se zaměřilo na pravděpodobnostní předpovědi elektrické zátěže, větrné energie, solární energie a cen elektřiny.

Výhody plynoucí ze snížení elektrického zatížení a chyb předpovědi ceny

Extrémní volatilita z velkoobchodní ceny elektřiny, což může být až o dva řády vyšší než u jakékoli jiné komodity nebo finančního aktiva,[6] donutila účastníky trhu zajistit se nejen proti objemovému riziku, ale také proti cenovým pohybům. Generátor, energetická společnost nebo velký průmyslový spotřebitel, který je schopen předpovědět volatilní velkoobchodní ceny s rozumnou úrovní přesnosti, může upravit svou nabídkovou strategii a vlastní plán výroby nebo spotřeby tak, aby snížil riziko nebo maximalizoval zisky v denním předstihu obchodování. Vzhledem k tomu, že prognózy zátěže a cen používají mnoho oddělení energetické společnosti, je velmi těžké kvantifikovat výhody jejich zlepšení. Hrubý odhad úspor z 1% snížení HDP průměrná absolutní procentní chyba (MAPE) pro nástroj s 1GW špičkové zatížení je:[13]

  • 500 000 $ ročně z dlouhodobého zatížení předpovídání,
  • 300 000 $ ročně z předpovědi krátkodobého zatížení,
  • 600 000 $ ročně z krátkodobého předpovědi zatížení a cen.

Hlavní oblasti zájmu

Mezi nejoblíbenější podpůrná pole (z hlediska počtu vyvinutých výzkumných prací a technik) patří:

  • Předpověď zatížení (předpovědi elektrické zátěže, předpovědi elektrické poptávky). Ačkoli "zatížení „je nejednoznačný pojem, v předpovědi zatížení„ zatížení “obvykle znamená poptávku (v kW ) nebo energie (v kWh ) a protože velikost energie a energie je stejná pro hodinová data, obvykle se nerozlišuje mezi poptávkou a energií.[14] Prognóza zatížení zahrnuje přesnou predikci velikostí i geografických poloh v různých obdobích plánovacího horizontu. Základním množstvím zájmu je obvykle hodinové celkové zatížení systému (nebo zóny). Předpovídání zátěže se však také týká predikce hodinových, denních, týdenních a měsíčních hodnot zátěže a špičkové zatížení.[5][8][11]
  • Prognóza cen elektřiny
  • Předpověď větru
  • Prognóza solární energie

Předpovídání horizontů

Je zvykem hovořit o krátkodobých, střednědobých a dlouhodobých prognózách, ale v literatuře neexistuje shoda ohledně toho, jaké prahové hodnoty by ve skutečnosti měly být:

  • Krátkodobé předpovědi obecně zahrnuje obzory od několika minut až po několik dní dopředu a má zásadní význam v každodenní tržní operace. V předpovědi zatížení velmi krátkodobá prognóza s dodací lhůty měřené v minutách se často považuje za samostatnou třídu předpovědí.[15]
  • Střednědobé předpovídáníObecně se dává přednost před několika dny až několika měsíci rozvahové výpočty, řízení rizik a ceny derivátů. V mnoha případech, zejména v prognóza cen elektřiny, hodnocení není založeno na skutečných bodových předpovědích, ale na rozložení cen v určitých budoucích časových obdobích. Protože tento typ modelování má dlouholetou tradici v finance, je pozorován příliv „finančních řešení“.[6]
  • Dlouhodobý předpovídání, přičemž dodací lhůty měřené v měsících, čtvrtletích nebo dokonce letech se soustředí na analýza ziskovosti investic a plánování, jako je určování budoucích lokalit nebo palivových zdrojů elektráren.[16]

Iniciativy

Reference

  1. ^ VanDeventer, William; Jamei, Elmira; Thirunavukkarasu, Gokul Sidarth; Seyedmahmoudian, Mehdi; Tey Kok; Horan, Ben; Mekhilef, Saad; Stojcevski, Alex (01.09.2019). „Krátkodobá prognóza FV výkonu pomocí hybridní techniky GASVM“. Obnovitelná energie. 140: 367–379. doi:10.1016 / j.renene.2019.02.087. ISSN  0960-1481.
  2. ^ Seyedmahmoudian, Mehdi; Jamei, Elmira; Thirunavukkarasu, Gokul Sidarth; Tey Kok; Mortimer, Michael; Horan, Ben; Stojcevski, Alex; Mekhilef, Saad (květen 2018). „Krátkodobá prognóza výstupního výkonu fotovoltaického systému integrovaného do budovy s využitím metheuristického přístupu“. Energie. 11 (5): 1260. doi:10,3390 / cs11051260.
  3. ^ Das, Utpal Kumar; Tey, Kok Brzy; Seyedmahmoudian, Mehdi; Mekhilef, Saad; Idris, Moh Yamani Idna; Van Deventer, Willem; Horan, Bend; Stojcevski, Alex (01.01.2018). „Prognóza výroby fotovoltaické energie a optimalizace modelu: recenze“. Recenze obnovitelné a udržitelné energie. 81: 912–928. doi:10.1016 / j.rser.2017.08.017. ISSN  1364-0321.
  4. ^ Das, Utpal Kumar; Tey, Kok Brzy; Seyedmahmoudian, Mehdi; Idna Idris, Mohd Yamani; Mekhilef, Saad; Horan, Ben; Stojcevski, Alex (červenec 2017). „Model založený na SVR pro předpovídání výroby FV energie za různých povětrnostních podmínek“. Energie. 10 (7): 876. doi:10,3390 / en10070876.
  5. ^ A b Shahidehpour, Mohammad; Yamin, Hatim; Li, Zuyi (2002). Tržní operace v elektrických energetických systémech: prognózy, plánování a řízení rizik. Wiley. doi:10.1002 / 047122412x. ISBN  978-0471443377.
  6. ^ A b C d Weron, Rafał (2014). [Otevřený přístup]. „Předpověď cen elektřiny: přehled nejmodernějších technologií s pohledem do budoucnosti“. International Journal of Forecasting. 30 (4): 1030–1081. doi:10.1016 / j.ijforecast.2014.08.008.
  7. ^ Bunn, Derek W., ed. (2004). Modelování cen na konkurenčních trzích s elektřinou. Wiley. ISBN  978-0-470-84860-9.
  8. ^ A b Weron, Rafał (2006). Modelování a předpovídání zatížení a cen elektřiny: statistický přístup. Wiley. ISBN  978-0-470-05753-7.
  9. ^ Kaminski, Vincent (2013). Energetické trhy. Knihy o riziku. ISBN  9781906348793.
  10. ^ Joskow, Paul L. (2001). „Kalifornská krize v elektřině“. Oxfordský přehled hospodářské politiky. 17 (3): 365–388. CiteSeerX  10.1.1.363.5522. doi:10.1093 / oxrep / 17.3.365. hdl:1721.1/44978. ISSN  0266-903X.
  11. ^ A b Hong, Tao; Dickey, David A. Předpověď elektrického zatížení: Základy a osvědčené postupy. OTexty. Citováno 2015-11-29.
  12. ^ Hong, Tao; Fanoušek, Shu. „Pravděpodobnostní předpovědi elektrického zatížení: výukový přehled“. blog.drhongtao.com. Citováno 2015-11-29.
  13. ^ Hong, Tao (2015). „Lekce křišťálové koule v prediktivní analýze“. Časopis EnergyBiz. Jaro: 35–37.
  14. ^ „Energetické prognózy: zatížení, poptávka, energie a výkon“. blog.drhongtao.com. Citováno 2015-11-29.
  15. ^ „Energetická prognóza: velmi krátká, krátká, střednědobá a dlouhodobá prognóza zatížení“. blog.drhongtao.com. Citováno 2015-11-29.
  16. ^ Ventosa, Mariano; Baıllo, Álvaro; Ramos, Andrés; Rivier, Michel (2005). "Trendy modelování trhu s elektřinou". Energetická politika. 33 (7): 897–913. doi:10.1016 / j.enpol.2003.10.013.

externí odkazy