Περίληψη
Η παρούσα διατριβή αφορά στην ποσοτική ανάλυση και μοντελοποίηση της παραγωγής των Ανανεώσιμων Πηγών Ενέργειας (ΑΠΕ) με εποχική και ημερήσια διακύμανση, στην μοντελοποίηση της ζήτησης ηλεκτρικής ενέργειας επίσης με εποχική και ημερήσια διακύμανση καθώς και στην μοντελοποίηση της προσφοράς από συμβατικές πηγές οι οποίες και διαμορφώνουν την σχετική καμπύλη αξίας (Merit Order Curve ή MOC). Περαιτέρω μελετήθηκε ποσοτικά και μοντελοποιήθηκε η απομειωτική επίδραση της διείσδυσης των ΑΠΕ στην χονδρεμπορική τιμή ηλεκτρικής ενέργειας, φαινόμενο διεθνώς αποκαλούμενο ως Merit Order Effect (ΜΟΕ) καθώς και η ελαστικότητα του ως προς την μεταβολή θεμελιωδών μεγεθών της αγοράς. Για τους σκοπούς της παρούσας διατριβής αξιοποιήθηκαν πραγματικά πρωτογενή δεδομένα (παραγωγή ΑΠΕ, φορτίο ζήτησης, τιμές ΟΤΣ) από την λειτουργία της χονδρεμπορικής αγοράς ηλεκτρικής ενέργειας επόμενης ημέρας, όπως αυτά δημοσιεύονται σε ωριαία βάση από τον Λειτουργό της Αγοράς. Ιδίως ως προς την μοντελοποίηση της MOC που με τ ...
Η παρούσα διατριβή αφορά στην ποσοτική ανάλυση και μοντελοποίηση της παραγωγής των Ανανεώσιμων Πηγών Ενέργειας (ΑΠΕ) με εποχική και ημερήσια διακύμανση, στην μοντελοποίηση της ζήτησης ηλεκτρικής ενέργειας επίσης με εποχική και ημερήσια διακύμανση καθώς και στην μοντελοποίηση της προσφοράς από συμβατικές πηγές οι οποίες και διαμορφώνουν την σχετική καμπύλη αξίας (Merit Order Curve ή MOC). Περαιτέρω μελετήθηκε ποσοτικά και μοντελοποιήθηκε η απομειωτική επίδραση της διείσδυσης των ΑΠΕ στην χονδρεμπορική τιμή ηλεκτρικής ενέργειας, φαινόμενο διεθνώς αποκαλούμενο ως Merit Order Effect (ΜΟΕ) καθώς και η ελαστικότητα του ως προς την μεταβολή θεμελιωδών μεγεθών της αγοράς. Για τους σκοπούς της παρούσας διατριβής αξιοποιήθηκαν πραγματικά πρωτογενή δεδομένα (παραγωγή ΑΠΕ, φορτίο ζήτησης, τιμές ΟΤΣ) από την λειτουργία της χονδρεμπορικής αγοράς ηλεκτρικής ενέργειας επόμενης ημέρας, όπως αυτά δημοσιεύονται σε ωριαία βάση από τον Λειτουργό της Αγοράς. Ιδίως ως προς την μοντελοποίηση της MOC που με την κλίση και την μορφή της καθορίζει εν πολλοίς την έκταση του MOE, δηλαδή της προς τα κάτω μεταβολής της χονδρεμπορικής τιμής της ηλεκτρικής ενέργειας που συντελείται με την αύξηση της διείσδυσης των ανανεώσιμων υπό προτεραιότητα κατανομής, αξιοποιήθηκαν στοιχεία της Αγοράς Επόμενης Ημέρας (ή Ημερήσιος Ενεργειακός Προγραμματισμός) αλλά και της Εικονικής Αγοράς Επόμενης Ημέρας δηλαδή αυτής χωρίς καθόλου συμμετοχή ΑΠΕ. Τα στοιχεία της δεύτερης άρχισαν να καταγράφονται μετά την υιοθέτηση και εφαρμογή ενός καινοτόμου σε διεθνές επίπεδο μηχανισμού στην χώρα μας, αυτού της Χρέωσης Προμηθευτή όπως θεσπίστηκε με τον ν. 4414/2016. Η χρέωση αυτή αποσκοπούσε στην αντιστάθμιση του φαινομένου του MOE δια της χρέωσης των Προμηθευτών (εταιρειών λιανικής ρεύματος) με το όφελος που καρπώνονταν από την μείωση των χονδρεμπορικών τιμών του ρεύματος και την απόδοση του στον Ειδικό Λογαριασμό ΑΠΕ προς μείωση του ΕΤΜΕΑΡ, δηλαδή του Τέλους που καταβάλουν οι καταναλωτές με τους λογαριασμούς τους για την στήριξη των ανανεώσιμων και κατ’ επέκταση των κλιματικών στόχων της χώρας. Τα πρωτογενή ωριαία στοιχεία που καταγράφηκαν από την λειτουργία της Εικονικής Αγοράς Επόμενης Ημέρας (δηλαδή χωρίς ΑΠΕ) στα πλαίσια του μηχανισμού της Χρέωσης Προμηθευτή, βοήθησαν στο να χαρτογραφηθούν τα ανώτερα τμήματα της MOC, δηλαδή αυτά που αφορούν συνθήκες κάλυψης από συμβατικές πηγές αναγκών υψηλού φορτίου (αφού στην Εικονική αγορά οι ΑΠΕ απουσιάζουν) άρα και τιμών, υπό τα δεδομένα, δομές, κόστη και χαρακτηριστικά βεβαίως της συμβατικής παραγωγής αλλά και της αγοράς της περιόδου εκείνης. Με δεδομένο πως τα στοιχεία των προσφορών των συμβατικών παραγωγών που εν τέλει διαμορφώνουν την MOC θεωρούνται απόρρητα και δεν δημοσιεύονται, οι αξίες που προκύπτουν από την ωριαία επίλυση της αγοράς για την χονδρεμπορική τιμή του ρεύματος ανά ώρα (Οριακή Τιμή Συστήματος ή ΟΤΣ) και το φορτίο όπως αυτά δημοσιεύονται από τον Λειτουργό της Αγοράς, έχουν κεφαλαιώδη σημασία για την αποκάλυψη της MOC. Έτσι η μοντελοποίηση της MOC ελέγχθηκε και προσαρμόστηκε στα πραγματικά πρωτογενή ωριαία στοιχεία του 2017, ούτως ώστε εν συνεχεία και σε συνδυασμό με τις μοντελοποιήσεις της παραγωγής των ΑΠΕ αλλά και της ζήτησης ηλεκτρικής ενέργειας που επίσης διεξήχθησαν, ελέγχθηκαν και προσαρμόστηκαν και αυτές στα πραγματικά δεδομένα, να μπορεί με ικανοποιητική προσέγγιση να προσομοιωθεί η καθημερινή ωριαία επίλυση της αγοράς υπό τα δεδομένα και τις δομές όπως ελέχθη της περιόδου εκείνης. Χωρίς την ύπαρξη ωριαίου πλαφόν για το MOE όπως τέθηκε από την ΡΑΕ στα 15 ευρώ/MWh, από την προσομοίωση της διατριβής το μέσο ετήσιο ΜΟΕ για το 2017 υπολογίστηκε στα 12.6 ευρώ/MWh όταν από τα πραγματικά στοιχεία της αγοράς ήταν 14.2 ευρώ/MWh. Αν η μοντελοποίηση της διατριβής αφορούσε περιοριστικά το ΜΟΕ, η απόκλιση θα μπορούσε να ήταν πολύ μικρότερη. Το μοντέλο ωστόσο που αναπτύχθηκε στην παρούσα διατριβή σχεδιάστηκε για την προσομοίωση συνολικά της λειτουργίας της αγοράς και των μεγεθών της και όχι περιοριστικά του ΜΟΕ που αποτελεί την διαφορά της ΟΤΣ από την Εικονική ΟΤΣ. Το υπολογιζόμενο δηλαδή ΜΟΕ στην διατριβή προκύπτει ως η διαφορά από τις τιμές που υπολογίζει το μοντέλο εν προκειμένω για την ΟΤΣ και την Εικονική ΟΤΣ και που έχει προσαρμοστεί ώστε να προσεγγίζει τις πραγματικές τιμές αυτών των μεγεθών για την εξεταζόμενη περίοδο. Για τον περαιτέρω έλεγχο της προσαρμογής του μοντέλου, ελέγχθηκε η συνολική ζήτηση ηλεκτρικής ενέργειας που υπολογίζει για το διασυνδεδεμένο σύστημα και βρίσκεται στις 51.6 TWh/y ήτοι πολύ κοντά με την καταγραφείσα των 51.9 TWh/y, η παραγωγή από φωτοβολταϊκά στις 3.71 TWh/y επίσης πολύ κοντά με την καταγραφείσα των 3.72 ΤWh/y, των λοιπών ΑΠΕ στις 5.48 TWh/y ήτοι λίγο μικρότερη από την καταγραφείσα των 5.84 TWh/y, ενώ για την συμβατική δυναμικότητα των 9.88 GWh/h όπως προκύπτει από την βέλτιστη προσαρμογή του για την MOC, τούτη υπολείπεται μεν της εγκατεστημένης ισχύος τους των ~11.5 GW, ωστόσο αυτό μπορεί να ερμηνευτεί από το γεγονός ότι η συμβατική ισχύς τους δεν είναι ποτέ διαθέσιμη ολόκληρη. Εν είδει ασκήσεων ευαισθησίας του φαινομένου του ΜΟΕ, χρησιμοποιώντας το μοντέλο και μεταβάλλοντας θεμελιώδη μεγέθη της αγοράς ως προς το σημείο που ήταν το 2017, προσδιορίστηκε ποσοτικά πως μείζονα ρόλο στην περαιτέρω επίταση του παίζουν κατά σειρά η αύξηση της ζήτησης ηλεκτρικής ενέργειας όπου για αύξηση της κατά 25% περίπου διπλασιάζεται το φαινόμενο, κατόπιν η περαιτέρω αύξηση της διείσδυσης των ΑΠΕ, ενώ αντιστρόφως ανάλογα επιδρά η αύξηση της εγκατεστημένης συμβατικής ηλεκτροπαραγωγικής ισχύος. Η επίδραση των παραγόντων αυτών στο ΜΟΕ σε περίπτωση που μεταβάλλονται συνδυαστικά, μεγιστοποιείται όταν η ζήτηση και οι ΑΠΕ ταυτόχρονα αυξάνονται, όπου με μεταβολή τους κατά 20% το ΜΟΕ διπλασιάζεται, παραμένει ουδέτερη όταν όλοι οι παράγοντες αυξάνονται με τον ίδιο ρυθμό, ενώ μειώνεται στις υπόλοιπες περιπτώσεις.
περισσότερα
Περίληψη σε άλλη γλώσσα
The present thesis for the Greek interconnected system deals with the quantitative analysis and modeling of the Renewable Energy Sources (RES) production facing seasonal and daily variation, the modeling of electricity demand again facing seasonal and daily variation and the supply from conventional sources which form the relative curve called Merit Order Curve (MOC). Furthermore, the impact of RES penetration on diminishing the wholesale electricity price (System Marginal Price or SMP), internationally referred to as the Merit Order Effect (MOE), as well as its elasticity against market fundamental factors, were also analyzed and modeled.For the purpose of this thesis, real raw data from the operation of the Day Ahead wholesale electricity market (DAM) were used, as published on an hourly basis by the Market Operator. As far as the modeling of the MOC is concerned, its slope and shape largely determine the extent of the MOE namely the downward change of the SMP with the increasing pen ...
The present thesis for the Greek interconnected system deals with the quantitative analysis and modeling of the Renewable Energy Sources (RES) production facing seasonal and daily variation, the modeling of electricity demand again facing seasonal and daily variation and the supply from conventional sources which form the relative curve called Merit Order Curve (MOC). Furthermore, the impact of RES penetration on diminishing the wholesale electricity price (System Marginal Price or SMP), internationally referred to as the Merit Order Effect (MOE), as well as its elasticity against market fundamental factors, were also analyzed and modeled.For the purpose of this thesis, real raw data from the operation of the Day Ahead wholesale electricity market (DAM) were used, as published on an hourly basis by the Market Operator. As far as the modeling of the MOC is concerned, its slope and shape largely determine the extent of the MOE namely the downward change of the SMP with the increasing penetration of renewables under priority in dispatch, data from DAM and Virtual DAM have been utilized. The latter was introduced through Law 4414/2016, consisting internationally an innovative mechanism aiming to offset the negative effect of the MOE on the RES Account. In Virtual DAM renewables were absent, in order for the system to calculate a wholesale price corresponding to what the SMP would be under this condition. The aim of the mechanism was for the Suppliers (retailers) to return to RES Account their benefit from the reduced SMP due to renewables. Consequently ETMEAR, namely the special levy consumers pay on their bills for the support of renewables and therefore country's climate targets, could be then reduced.Raw data from the operation of Virtual DAM contributed in mapping the upper section of the MOC, namely the part relating to conditions of high electricity demand if covered by conventional sources under the structure, cost conditions and profile of these sources met during 2017. Given that bidding data of conventional producers that are ultimately forming the MOC are considered confidential and not published by the Market Operator, the data that concern the hourly solution of the market such as wholesale price per hour (SMP) and load that are published by the Operator, are essential for the disclosure of the MOC. The MOC modeling was tested and adapted to the actual primary hourly data for load, SMP and VSMP of 2017, so that in combination with the RES production model and the electricity demand model that were also carried out (these were also adjusted to the real data), be able to simulate the daily hourly market operation under the structure, profiles and cost conditions of that time.Without the hourly ceiling for the MOE as set by RAE at 15 euro/MWh, from the simulation of this dissertation the average annual MOE for 2017 was estimated at 12.6 euro/MWh when the actual average market figure was 14.2 euro/MWh. However, if the model was built just for the MOE and not for the whole market, this deviation could be much less. As told the model was designed and calibrated among others to estimate SMP and VSMP. MOE is then their difference. To further test the model, total electricity demand calculated for the interconnected system is at 51.6 TWh/y, which is very close to the recorded 51.9 TWh/y, photovoltaic production at 3.71 TWh/y also very close to the recorded 3.72 TWh/y, rest RES at 5.48 TWh/y, slightly lower than recorded at 5.84 TWh/y, while for the conventional capacity of 9.88 GWh/h it remains lower than their installed power of ~11.5 GW at that time. However, this can be attributed by the fact that utilized conventional capacity in always lower compared to nominal.In view of sensitivity analysis for the MOE, selectively altering in the model values for fundamental factors, it was determined that the increase in electricity demand plays major role in further boosting it, as an increase of approximately 25% doubles it. Further increase in RES penetration increases it, while increase in conventional installed capacity acts inversely. The impact of these factors on the MOE when combined, is maximized when demand and RES are simultaneously increasing. An increase of these two i.e. by 20% doubles MOE. When all factors increase at the same rate MOE remains the same, while it decreases in the rest cases.
περισσότερα