Podstawowy model prognozujący generację mocy ze źródeł odnawialnych bazował przede wszystkim na prognozach pogody w lokalizacjach o największym skupieniu farm wiatrowych i fotowoltaicznych. Z kolei po stronie popytowej mamy prognozowane zapotrzebowanie na moc, które w pewnym stopniu także zależy od pogody. Istotna jest również informacja o dniach wolnych od pracy, ponieważ wtedy „wie” dlaczego zapotrzebowanie […]
Podstawowy model prognozujący generację mocy ze źródeł odnawialnych bazował przede wszystkim na prognozach pogody w lokalizacjach o największym skupieniu farm wiatrowych i fotowoltaicznych.
Z kolei po stronie popytowej mamy prognozowane zapotrzebowanie na moc, które w pewnym stopniu także zależy od pogody. Istotna jest również informacja o dniach wolnych od pracy, ponieważ wtedy „wie” dlaczego zapotrzebowanie na moc spadnie (np. z powodu ograniczenia poboru mocy przez firmy). Dla niektórych lokalizacji w Polsce jak i zagranicą warto także dodać odrębnie niektóre dane pogodowe.
Na bazie wymienionych zmiennych powstał podstawowy model prognozujący cenę spot energii w Polsce (prognoza indeksu TGEBase).
Model podstawowy ma między innymi tę zaletę, że jest dość łatwy w interpretacji. Poniższa tabela zawiera listę zmiennych objaśniających modelu podstawowego wraz z ich wpływem na prognozę ceny energii. Reakcja modelu [%] mówi o ile procent zmieni się cena energii, jeżeli zmienna objaśniająca z listy zmieni się o 1[%], a inne zmienne pozostaną bez zmiany .
| Zmienne modelu : ID[59614] Model: OZE vs TGEBase | Reakcja modelu[%] |
| PSE PROGNOZA generacji mocy ze źródeł wiatrowych i fotowoltaicznych Polska [MW] wygładzona dz | -0.492850779 |
| Gdańsk – temperature min | -0.125198939 |
| Gdańsk – temperature max | -0.042660698 |
| Amsterdam – temperature min | -0.042007839 |
| TIME_Dni_wolne od pracy_takze w weekendy_Polska | -0.00012186 |
| PSE PRONOZA Prognozowane zapotrzebowanie sieci | 0.076150017 |
| TGEBase kurs wygładzony | 0.35766362 |
Rozszerzenie modelu podstawowego o kilka dodatkowych zmiennych objaśniających poprawiło dokładność modelu.
Dodatkowe zmienne uwzględniły więcej informacji dotyczących na przykład segmentu paliw kopalnych, czy kosztów związanych z koniecznością zakupu przez producentów energii praw do emisji CO2, a także planowane wyłączenia bloków energetycznych (całkowite lub częściowe). Dysponowaliśmy zatem prognozą modelu podstawowego i do niej dołączaliśmy jako dodatkowe zmienne objaśniające wspomniane wyżej serie danych.
Kolejnym krokiem było zaprognozowanie wszystkich zmiennych objaśniających i użycie uzyskanych predykcji w modelu prognozującym cenę energii. Model korzysta obecnie z następujących prognoz:
Prognoza generacji ze źródeł wiatrowych i fotowoltaicznych (suma generacji):
Prognoza generacji ze źródeł kopalnych:
Prognoza udziału źródeł kopalnych w miksie energetycznym:
Prognozowane zapotrzebowanie na moc:
Prognoza ceny gazu ziemnego TTF:
Prognoza ceny węgla ARA:
Prognoza ceny praw do emisji CO2:
W efekcie otrzymujemy prognozę kursu TGEBase opartą o predykcje wymienione wyżej:
Średnio w latach 2018 – 2022 wzrost udziału generacji z OZE w miksie energetycznym w Polsce o 1[%] powodował obniżenie ceny energii o 0.229[%]. Wzrost udziału OZE w miksie wspiera spadki cen energii. Im wyższy udział OZE w miksie energetycznym , tym większe jego oddziaływanie na cenę energii. Zgodnie z intuicją, zwiększenie udziału OZE w miksie wspiera spadki cen energii elektrycznej. Jest to związane z obniżeniem kosztów wytwarzania energii.
