Il sistema di supporto alle tue decisioni Le offerte pubbliche del GME Strumenti di business intelligence per l analisi di Luigi Poderico (lpoderico@mbigroup.it) M.B.I. Srl, Via Francesco Squartini 7-56121 Pisa, Italia - tel. 050 3870888 - fax. 050 3870808 www.powerschedo.it www.mbigroup.it
PowerSchedO è un marchio registrato MBI. Questo documento contiene informazioni di proprietà M.B.I. S.r.l. e non può essere usato, citato, distribuito o riprodotto, in parte o per intero, senza un consenso scritto. PowerSchedO is an MBI registered trade mark. This document contains information owned by M.B.I. S.r.l. and may not be used, quoted, distributed or reproduced, in part or in whole, without a written permission of MBI. 1
Sommario Introduzione... 3 Caratteristiche degli strumenti di analisi... 3 Formato dei dati... 3 Le analitiche... 4 Analisi per componenti principali... 4 Cluster analysis... 5 Box-plot... 6 Extended Scatter... 7 Price Volume Assessment... 8 Per maggiori dettagli... 9 2
Introduzione Al fine di agevolare la concorrenza tra gli operatori del mercato elettrico, il GME (Gestore dei Mercati Energetici) pubblica, con un ritardo di sette giorni, tutte le offerte pervenute dagli operatori per i vari mercati elettrici: mercato del giorno prima, mercato infragiornalierio e mercato dei servizi di dispacciamento. I dati che in questo modo vengono pubblicati sono tanti. Basti pensare che per ogni giorno ci sono circa 50.000 offerte, tra accettate e rifiutate, per il solo mercato del giorno prima, proposte da circa 100 operatori in produzione e circa 100 operatori in acquisto. In questo documento concentreremo la nostra attenzione sulle offerte presentate sul mercato del giorno prima. Caratteristiche degli strumenti di analisi Data la grossa mole di dati, si rende necessario lo sviluppo di strumenti specifici che permettano di gestire efficientemente i dati e, contemporaneamente, permettano di effettuare delle analisi mirate e specifiche. In particolare, le analisi devono essere tali per cui sia possibile monitorare in maniera semplice le strategie di operatori, unità di produzione o unità di consumo. Allo stesso tempo, però, si vogliono poter usare algoritmi di analisi potenti e non banali. Per coprire queste richieste è stato sviluppato un framework software, chiamato embi (energy management business intelligence), che permette di scrivere in maniera agile singole applicazioni di business intelligence e di analisi dei dati, che poi possano essere fruibili in maniera completamente equivalente sia da una applicazione desktop che da applicazioni web. Formato dei dati I dati pubblicati sul sito del GME sono disponibili in formato tabellare, utilizzando un unica struttura capace di ospitare i dati delle offerte per tutti i mercati elettrici. Ogni riga di questa tabella, corrisponde ad una singola offerta presentata da un operatore per una data ora di un dato giorno per un dato mercato. Dati i nostri scopi, forniamo di seguito una descrizione dei campi che useremo nelle analisi che presenteremo e che sono orientate al mercato del giorno prima. Campo BID_OFFER_DATE_DT INTERVAL_NO OPERATORE UNIT_REFERENCE_NO ZONE_CD Descrizione Data a cui si riferisce l offerta. Ora a cui si riferisce l offerta. Ragione sociale dell'operatore offerente. Codice dell'unità di produzione o di consumo. Rappresenta il codice utilizzato per identificare l unità nel Registro Unità Produzione o Registro Unità Consumo. Zona di mercato di appartenenza dell'unità. 3
Identifica lo scopo dell offerta, secondo il valore del campo: BID identifica le offerte in acquisto PURPOSE_CD OFF identifica le offerte in vendita Indica se l'offerta rappresenta una transazione derivata ad un BILATERAL_IN contratto bilaterale. QUANTITY_NO Quantità di energia presentata dall'operatore. ENERGY_PRICE_NO Prezzo unitario presentato dall'operatore. AWARDED_QUANTITY_NO Quantità di energia riconosciuta dal mercato. AWARDED_PRICE_NO Prezzo unitario riconosciuto dal mercato. Stato dell'offerta dopo l'esecuzione del mercato. I valori possibili per questo campo sono: ACC: accettata REJ: rifiutata INC: incongrua REP: sostituita STATUS_CD REV: revocata Le analitiche Analisi per componenti principali La tecnica di analisi per componenti principali, detta anche principal components analysis o PCA, è una tecnica statistica che permette di analizzare una grossa mole di dati con lo scopo di determinare delle correlazioni nascoste o non evidenti. Da un punto di vista matematico e in maniera molto semplificata, la PCA è un procedimento che si applica su un insieme di osservazioni O di un dato fenomeno, dove ogni osservazione è rappresentato da un punto nello spazio R. Come risultato della PCA abbiamo che le osservazioni O vengono trasformate in osservazioni equivalenti in un nuovo spazio S a dimensione m, con m n. Il nuovo spazio S ha le seguenti caratteristiche: Se le osservazioni riguardano variabili tra di loro correlate, come può essere il caso delle offerte presentate sui mercati elettrici, m può essere veramente molto piccolo. In molti casi pratici, con un valore di m 4 si copre fino al 95% della variabilità delle osservazioni in O. Il sistema di riferimento usato per S è ordinato per importanza. Ovvero, il primo asse di riferimento è quello dove si evidenza la maggiore varianza dei dati; sul secondo asse si evidenzia la varianza maggiore dopo quella del primo asse; sul terzo asse si evidenzia la varianza maggiore dopo quella dei primi due assi e così via. Il sistema di riferimento di S sono esattamente le componenti principali. La figura che segue mostra in maniera grafica il risultato di una analisi PCA sulle quantità offerte ed accettate dai produttori su una settimana. Ogni pallino rappresenta le offerte di un produttore; le componenti principali sono 2, quindi l insieme S coincide con il piano cartesiano. 4
Edison Trading A2A Trading ENI E.ON GDF Suez EDF Trading EGL Italia Figura 1 Esempio di analisi per componenti principali Cluster analysis Un altra tecnica molto utile per l analisi delle offerte pubbliche sui mercati elettrici è la cluster analysis. Con questa tecnica si cerca di determinare, all interno di una popolazione di misure, delle aggregazioni in gruppi di elementi che sono tra di loro omogenei. La figura seguente illustra il risultato di una cluster analysis di tipo gerarchico, effettuata sulle offerte in energia accettate dei produttori. Sono ben evidenti due cluster: il primo formato da GSE ed Enel produzione; il secondo formato da tutti gli altri produttori. L altezza della linea blu indica che i due cluster sono tra di loro molto distanti. Per dare un idea della potenza espressiva messa a disposizione, per la cluster analysis gerarchica sono disponibili alcune funzioni di distanza (Euclidean. Cityblock, S-Euclidean, Sq-Euclidean, Cosine, Correlation, Chebyshev, Canberra, Braycurtis) e di collegamento (Single, Complete, Average, Weighted). 5
28: GSE 57:Enel produzioni 33: Edison Trading 73: A2A Trading 80: ENI 40: E-On 23: EDF Trading Figura 2 Esempio di cluster analysis Box-plot I box-plot rappresentano un modo molto semplice per rappresentare in maniera grafica l andamento della distribuzione di un campione di valori. Nello specifico, utilizziamo i box-plot per rappresentare la distribuzione statistica delle offerte a produrre (risp. ad acquistare), in energia o prezzo, di ogni singola unità di produzione (risp. di consumo) di un dato operatore. Ad esempio, analizzando le offerte in energia delle unità di un dato produttore, si possono inferire i limiti operativi dei vari impianti. Inoltre, si possono inferire anche i limiti nell uso medio dell impianto, ovvero si evidenzia in maniera chiara le offerte che cadono nel secondo e terzo quartile. Ad esempio, facendo riferimento alla figura seguente, l unità 29 ha la maggior parte delle offerte che si addensano nell area rappresentata dal rettangolo blu; esistono altre offerte identificate dai baffi tratteggiati, ma che possono essere trascurati rispetto al comportamento tipico dell unità. 6
UP_GISSI_ UP_AMPEZZO_1 UP_CHIVASSO_2 Figura 3 Esempio di box-plot Extended Scatter Con i grafici di tipo scatter, o anche detti a dispersione, è possibile rappresentare in maniera compatta i risultati di un esperimento, dove ogni risultato è rappresentato dal valore di due variabili. Molto semplicemente, sul piano cartesiano viene disegnato un punto per ogni risultato in corrispondenza dei due valori associati, rispettivamente usandoli come valori di ascissa ed ordinata. Per agevolare l analisi dei dati delle offerte pubbliche, abbiamo esteso i diagrammi a dispersione aggiungendo una terza dimensione. Questa è data dalla dimensione del punto, che diventa un cerchio di diametro proporzionale al valore di una terza variabile. Ad esempio, nel diagramma seguente è rappresentata la distribuzione delle offerte in una settimana: sugli assi x ed y sono rappresentati il numero di offerte accettate (x) contro le offerte rifiutate (y); il diametro è proporzionale alla quantità totale di energia offerta. Quindi, ad esempio, si vede bene che le offerte fatte da ENEL sono, all incirca, per metà accettate e per metà rifiutate. Analogamente, ad eccezione di Edison e A2A, la grande maggioranza delle offerte presentate dagli altri operatori vengono accettate. 7
ENEL Edison Trading A2A Trading GSE Figura 4 Diagramma di dispersione sul comportamento degli operatori Price Volume Assessment Scopo di questo modulo di business intelligence è l analisi delle offerte fatte da una singola unità di produzione. In particolare, l analisi rivela tutta la sua utilità quando l unità di produzione non effettua offerte a prezzo nullo, per cui è interessante valutare quale sia l andamento del ricavo minimo atteso dal produttore, rispetto al ricavo reale a valle degli esiti di mercato. Nella figura seguente è illustrato l andamento del ricavo minimo atteso rispetto al ricavo ottenuto, calcolati usando la media del prezzo di equilibrio sulle 24 ore. L analisi copre una settimana. 8
Figura 5 Esempio di price volume assessment Per maggiori dettagli Le analitiche appena viste vogliono essere solo una base di partenza per la costruzione di una suite sempre più completa, che abbia come obiettivo quello di fornire strumenti semplici da usare ma che, allo stesso tempo, siano potenti per l analista. Se il lettore ha qualche dubbio su quanto esposto, oppure si vogliono suggerire altre analitiche, potete inviare una email a team@powerschedo.it e verrete contattati nel più breve tempo possibile. Ti invitiamo anche a visitare il sito www.powerschedo.it per conoscere gli altri strumenti dedicati all energy management. 9