Il Forecast nel mercato dell Energia

Transcript

1 Il Forecast nel mercato dell Energia Relatore: Alberto Lombardi - Managing Partner ifs Italia srl Concordia S/S - 5 Marzo

2 La Filiera Commerciale 2

3 Il Gestore della Rete Elettrica Nazionale 3

4 L attività di dispacciamento di TERNA I costi che Terna sostiene per lo svolgimento dell attività di dispacciamento (assieme ad altre componenti di costo per Terna) vengono ribaltati sui consumatori finali attraverso una specifica componente a piè di lista (uplift) della bolletta elettrica. disciplina del dispacciamento TIS - TESTO INTEGRATO DELLE DISPOSIZIONI DELL AUTORITA PER L ENERGIA ELETTRICA E IL GAS IN ORDINE ALLA REGOLAZIONE DELLE PARTITE FISICHE ED ECONOMICHE DEL SERVIZIO DI DISPACCIAMENTO (SETTLEMENT) 4

5 Prevedere però non è solo programmazione a breve termine Le necessità che spingono gli operatori a ricercare previsioni sempre più accurate si possono ricondurre a due principali ambiti: BREVE TERMINE Rispettare obblighi di comunicazione normativi al fine del mantenimento dei vincoli di rete Trading sui Mercati a pronti (Minimizzazione dei costi di acquisto e delle penali di sbilanciamento) LUNGO TERMINE Guidare scelte strategiche in Approvvigionamento Massimizzare profitti attraverso la definizione di efficaci politiche di prezzo 5

6 I forecast non sono tutti uguali.. Applicazioni degli algoritmi di Forecast nel mercato energetico: Prevedere Produzione da fonti Rinnovabili (Fotovoltaico, Eolico, Idrico) Domanda EE : Zonale Nazionale, PRA, Grandi Clienti (Energivori) Consumo Gas : REMI civili o industriali, uso Stoccaggio, Grandi Clienti (Energivori) Prezzi (PUN, Prezzo zonale) che a loro volta dipendono in maniera differente da vari fattori di influenza, quali: Periodicità Composte Tipi di giorni (lavorativo, festivo, domenica, ponte, ) Settimanale, mensile, annuale, con gestione dell ora legale Influenza dei fattori climatici Temperatura, irraggiamento, durata delle giornate, quantità delle precipitazioni, velocità del vento, ecc Sensibilità a fattori esterni trend macro-economici, prezzi (petrolio, gas), stoccaggio materie prime, diffusione impianti rinnovabili, risparmio energetico ecc 6

7 e si possono avere Strategie di previsione differenziate.. Approccio ibrido : bottom up & top down Sui grandi clienti (numero limitato) si dispone di misure reali provenienti da smart meter si segue l approccio bottom up Per tutti i clienti non dotati di misure reali (orarie/giornaliere) si calcola il profilo residuo per l EE o il load profiling per il Gas I clienti di cui si hanno misure realmente prelevate dal PdM ma di piccola e media dimensione si possono aggregare secondo tipologie di utenza (per es. Artigiani, PMI,..) o modalità di rilascio delle misure (Mensili o Giornaliere) o in gruppi omogenei (clusters) e applicare l approccio top down Previsione totale P = previsione Livello Tipologia Cliente P P Livello Cliente P P P 7

8 ed utilizzare vari Algoritmi With training ANN (Ensemble forecast) ALN (Ensemble forecast / MISO Cluster) Kalman ARIMAX Short term forecast (day type) Exponential Smoothing Loadprofile propagation (day type) Reference forecast Without training Standard loadprofile Initial Long-term Medium-term Day ahead Intraday Online 8

9 Ma è fondamentale avere una forte Automatizzazione del processo di Forecast.. Loadprofiles (1 - >1000) Weatherdata etc. Cluster Analysis (when bottom up forecast) Óptional Aggregations (Loadprofile-Clusters) Initial-/Retraining (Forecast models) BelVisPro kernel Analysis (Model quality) Import (Forecast parameters) Quality Check (Forecast parameters) Correction (Forecast parameters) Forecast (n-models in parallel) Selection (Best forecast) Aggregations (if bottom up forecast) Archiving (Forecast parameters) Archiving (Forecasts) Surveillance (Forecast quality) Alarming Forwarding 9

10 inserito nel Energy Management Integrato per la Vendita Piattaforme Istituzionali (GME, TERNA,...) Programmi bilaterali, GME-offerte, margini,... NRG Trader Offerte accettate GME, Dati di liquidazione, Schedules,... Profili, contratti Transazionii, Forecast UC, Offerte IPEX Portfolio Management - BelVis Prezzi/indici Info providers Previsioni, prezzi, programmi Distributori Forecast - BelVis Misure EDM (EDL+EDC-V) Anagrafiche Anagrafiche, prestazioni, misure, fatture Billing MUBI 10

11 Previsione della Domanda EE e dei consumi Gas 11

12 Quali sono le grandezze da prevedere per EE? Punti di Misura Orari => necessitano di dati dai DSO aggiornati ogni mese (tempi e formati normati da TIS + del 65/12) oppure giornalmente (servizi a pagamento da parte dei DSO, per es. Enel) si possono prevedere singolarmente Punti di Misura Non Orari => necessitano di dati dal SII (PRA e CRPu) aggiornati ogni mese (tempi e formati normati da TIS e SII) si prevedono in forma aggregata Punti di Illuminazione Pubblica (IP) => necessitano di dati da Terna aggiornati ogni mese (tempi e formati normati da TIS e Terna) Varie fonti dati, ognuna con i propri tempi e formati, per poter fare le Previsioni! E le varie previsioni devono poi essere aggregate a livello zonale! 12

13 Zoom su Luglio 2010: l influenza del clima CALDO ED AFA FRESCO 13 PRA ALN Optimum GG simili con T

14 Zoom su Luglio 2010: ulteriori miglioramenti usando input econometrici PRA Distributore Luglio 2010 con aggiunta di input econometrici Confronto tra diverse metodologie e miglioramento con nuovi input Metodologia Errore Assoluto Medio P e r c e n t u a l e ALN (temperatura+ calendario) 3,97% ANN (temperatura+calendario) 4,25% Giorni Simili (Temperatura) 8,65% ALN PIL (-267gg) 3,70% ALN (temperatura+ calendario+fiducia consumatori-360gg) 4,15% ALN Commercio (temperatura+calendario+ Indice ordini del Commercio-260gg) 3,60% ALN Servizi (temperatura+ calendario+ Indice Ordini di Servizi-237gg) 3,24% Si guadagna un ulteriore 0.7-1% dall uso di tali indicatori 14

15 Quali sono le grandezze da prevedere per il Gas? REMI e clienti diretti industriali non condivisi su rete di Trasporto per i quali sono disponibili serie storiche di dati giornalieri REMI e clienti diretti industriali non condivisi su rete di Trasporto per i quali sono disponibili serie storiche di dati giornalieri, che vanno rielaborati sulla base del profilo di shipper Clienti allacciati a reti di distribuzione e allocati su REMI condivisi con serie storiche di dati mensili Clienti senza storico (meno di 6 mesi) e per i quali sono disponibili i dati a consuntivo con cadenza giornaliera o mensile (tipicamente nuovi clienti). 15

16 Potere predittivo durante fase di Crescita Modello ALN: analisi qualità della previsione della domanda Gas con dati di training dal al (1 anno) Crescita MAPE=2,5% NBIAS=-1% Consuntivo Previsione Errore 16

17 Potere predittivo in una fase stabile subito dopo una fase di crescita Modello ALN: analisi qualità della previsione della domanda Gas con dati di training dal al (2 anni) Crescita + Stabile MAPE=3,1% NBIAS=+2,5% Consuntivo Previsione Errore 17

18 Potere predittivo in una fase di Recessione ALN qualità di una previsione del carico di rete con dati di training dal bis (3 anni) Crescita + Stabile + Recessione MAPE=11% NBIAS=+11% Consuntivo Previsione Errore 18

19 Previsione dei Prezzi 19

20 Il modello utilizzato Combinazione di tre modelli a reti neurali: 1. un modello autoregressivo con variabili tipo calendario; 2. un modello a cascata su due livelli, formato da un sotto-modello le cui previsioni sono usate come input nel modello superiore; 3. un modello di tipo cluster in cui le 24 ore sono raggruppate in cluster modellati separatamente Per implementare questi super-algoritmi ci aiutano i moduli Belvis Pro e Enhancement Package (EHP) della suite Belvis della Kisters! 20

21 L analisi della correlazione Prezzo Eolico Fabbisogno Margine Residuo Giorno 21

22 Un run di forecast Previsioni dei tre modelli fino a 4 giorni in avanti, estendibili fino a 10; Previsione finale: combinazione pesata delle previsioni dei 3 modelli. Approccio dinamico: i pesi dipendono dall errore di previsione e sono calcolati tramite una finestra mobile di 7 giorni; 22

23 Previsione delle Rinnovabili 23

24 La Previsione della Generazione da impianti Rinnovabili Obiettivo: ottenere una Previsione a livello orario per singolo impianto (UP) con orizzonte temporale tipicamente tra le 24 e le 144 ore in avanti Tipi di impianti da prevedere: con storico sia della generazione che delle variabili meteo di almeno 1 anno di durata Impianti nuovi o con storico insufficiente Uso delle Previsioni: invio giornaliero al MGP dei programmi dei prossimi 3 giorni in maniera da minimizzare gli sbilanci rispetto al programma vincolante modificato e corretto Fine tuning dei piani di manutenzione per ridurre l impatto delle fermate agli impianti con bassa generazione in previsione 24

25 Previsioni Day Ahead : esempio Generazione Eolica Caso Italia: centrale media in zona SUD, Agosto 2011 SA: +5% WMAE: 41% 25

26 Previsioni Day Ahead : esempio Generazione FV Caso Italia: centrale media in zona SUD, Maggio 2013 SA: -7% WMAE: 27% 26

27 Alberto Lombardi Tel: ext 217 Cell: