Marginaltap i sentralnettet - erfaringer etter ett år med ukentlige beregninger Sarah Helene Sjong, Statnett EBL temadag Marginaltap oppdatering, 13. mars 28 1
Et bedre energiledd.
Innhold Bakgrunn Hvorfor? Dagens ordning Hva? Hvordan? Resultater/evaluering Hva påvirker? Tanker om fremtiden Hva har vi oppnådd? 3
Hvorfor driver vi med dette energileddet? energiloven forvaltningspraksis st.prp. forskrifter Myndigheter Samfunnsøkonomi Kundefokus riktige signaler riktig faktura Samf.øk rasjonell drift effektiv utnyttelse tidsoppløsning og beregningsfrekvens systembelastningen riktige signaler representativ lastflyt Kvalitet Ukentlige beregninger Samf.øk optimal ressursbruk marginalkostnaden signal til markedet kraftoverføring er ikke gratis kostnaden varierer over tid økende behov
Energileddet i kroner og øre Energiledd Tapskostnad 11 9 9 8 8 7 7 MNOK MNOK 6 6 5 5 4 4 3 3 2 2 1 1 1997 1998 1999 2 21 22 23 24 25 26 27 Energiledd Snitt system pris kr/mwh Systempris (kr/mwh) 45 4 35 3 25 2 15 1 5 1998 1999 2 21 22 23 24 25 26 27 5 1 9 8 7 6 5 4 3 2 1 Energiledd (MNOK)
Hva ligger i dagens ordning?
Energileddet i sentralnettet Energiledd (Kr) = Marginaltapsatser, referert innmating Marginaltapsats (%) (dag/natt pr uke) * systempris (Kr/MWh) (pr time) * utveksling (MWh) (pr time) Dag Natt Punktvise marginaltapsatser Separate satser for dag og natt/helg Symmetriske om null, dvs. MTP inn = -MTP ut Begrenset til ± 1% Uke 7-27 pos neg 8-1 6-8 4-6 2-4 -2
Energileddet i utvikling Beregningsperiode Samlast PSS/E Varslingstid Gjeldende marginaltapssatser Tidligere Uker -4-3 -2-1 1 8 / 1 Satser på Internett Varslingstid Magasinstatus Beregnings- Periode Samlast Gjeldende satser I dag Uker -4-3 -2-1 1 8 / 1 Magasinstatus Satser på Internett Vi kan ta hensyn til markedsinformasjon! Kvalitet! 8 Snø Forbruksprognoser Tilsigsprognoser Feil Revisjoner Trender Priser
Kun ett modellverktøy U&I Marked Marked Tidligere Samlast PSS/E Marginaltapsberegning Marginaltap Marked I dag Samlast Marginaltap Mindre vedlikehold Beholder detaljer Ingen konvergensproblem Automatisk marginaltap Fokus på prognoser/marked Stort samlast brukermiljø Kvalitet og effektivitet! 9
Samlast Integrert markeds- og nettmodell Beskriver markedet i Norden 19 delområder Detaljert nettbeskrivelse i Sverige, Finland, Danmark og Norge Beregningsalgoritme Finner optimal markedsløsning Fordeler forbruk og produksjon på punkter Løser lastflytligningene Beregner marginaltap Nederland Tyskland Polen 1
Dette er også Samlast Old school grensesnitt Mange detaljer Tungvint å oppdatere Tungt tilgjengelige resultater Kjernekraftmodul Forsmark 2 Prinsipp: Produksjonskapasitet og marginalkostnad settes på forhånd. Produksjonen er resultat av simuleringen Delområde 4, NORGEVEST Vannkraftmodul Kvilldal Typisk resultatfil, kommadelt og flat..
Vi ville ha noe i tillegg..
Ressursbruk - ukentlig beregningsprosess Powels estimat I dag 29? Mandag Mandag Mandag Tirsdag Tirsdag Tirsdag Onsdag Onsdag Onsdag Torsdag Torsdag Torsdag Fredag Fredag Fredag 13
Hvordan gjør vi det?
Å lage en prognose.. Hovedmål: Størst mulig grad av samsvar mellom prognose og reelle tall målt i etterkant Hvor godt traff vi forrige uke? Reelle data Evaluere og justere 154 76 15 53 23 418 2 25 775 659 17 2 15 1 5-5 -1-15 325 68 29 285 443 HIS 498 135 5155 2643 115 241 443 Haslesnittet 4885 43 32 189 1337 368 Uke 51 DAG Prognose Reell Prognose Reell
Å lage en prognose.. Hovedmål: Størst mulig grad av samsvar mellom prognose og reelle tall målt i etterkant Hvor godt traff vi forrige uke? Reelle data Evaluere og justere 127 17 76 7 Oppdaterte forutsetninger/markedsdata Magasinstatus Revisjoner/kapasitetsgrenser Forbruksprognoser Tilsigs- og snøprognoser (råvarepriser) 332 618 34 111 88 13 369 38 37 123 819 1212 771 173 Gjentatte simuleringer/kalibrering 476 17 9 53 76 1761 39 4988 1258 13 23 1184 548 229 7 515 482 135 83 313 85 559 1 1199 21 1292 199 3936 661 161 194 6 88 13 98 213 55 6
Marginaltap Namsos: Vektet gjennomsnitt av marginaltapet mellom Namsos og alle forbrukspunkter i Norge og Sverige + Vektet gjennomsnitt av marginaltapet mellom Namsos og alle produksjonspunkter i Norge og Sverige Namsos Delt på to Gjøres automatisk i Samlast for alle punkter i Norge 17
Hva påvirker satsene?
Marginaltap og kvalitet Et direkte resultat av lastflyten! Prognose flyt dag / natt, uke 7: 271 236 89 51 577 35 18 Kvaliteten påvirkes av: - Beregningsfrekvens - Markedsdata - Lokale forhold - Modell -Kompetanse/rutiner Marginaltapsatser, referert innmating Dag Natt 459 691 58 126 371 2643 294 191 44 23 318 15 92 411 589 4265 544 274 176 161 1292 33 23 95 442 39 415 622 556 487 1987 594 236 229 Prisavsnitt "Peak" Prisavsnitt "Night" pos neg 8-1 6-8 4-6 2-4 -2 83 22 467 241 269 157 491 963 983 439 248 6 6 Kvaliteten på lastflytprognosen er essensiell!
Korrelasjon flyt og marginaltap - de store sammenhengene Stor betydning for satsene i Finnmark Stor betydning for satsene i Nord-Norge Stor betydning for satsene i Midt-Norge Stor betydning for satsene i Syd-Norge
Stor forskjell på dag- og nattsatser i nord - eksempel på korrelasjon lastflyt og marginaltap Prognose flyt dag / natt, uke 7: 89 51 35 18 Årsaken er stor forskjell i flyten dag / natt i Sverige 271 236 577 Marginaltap uke 7: Kirkenes Ofoten - Sør-Sverige MTP7_D % MTP7_N 25 2 15 1 5-5 -1 318 15 92 411 589 4265 544 274 176 161 1292 22 157 33 491 23 23 95 442 39 415 622 556 487 83 467 241 269 459 691 963 1987 983 439 58 126 6 6 594 248 371 2643 236 229 294 191 44 Prisavsnitt "Peak" Prisavsnitt "Night"
Lokale forhold - og betydning av revisjoner To uker med tilnærmet lik balanse i Midt-Norge, men med ulik produksjonsfordeling pga revisjon i Grytten Prognose NATT Uke 6 NATT Uke 7 27 15 23 222 271 316 143 176 Marginaltapsatser (ref. innmating) Leivdal -9,2 % Med revisjon i Grytten NATT Uke 6 25 MW 2 15 1 NATT Uke 6 NATT Uke 7 Leivdal -3,5 % NATT Uke 7 5 Forbruk Produksjon Dersom revisjon i Grytten ikke ble hensyntatt, ville satsen i Leivdal blitt ca 3,5 % også i uke 6
Og hvor godt traff vi..?
Hvor godt traff vi i 27? - eksempel Haslesnittet 25 2 15 1 5-5 -1 26 Prognose DAG Reell flyt DAG -15 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 25 2 15 1 5 27 Prognose DAG Reell flyt DAG Haslesnittet -5-1 -15 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
Hvor godt traff vi i 27? - eksempel Nea-Järpen 5 26 Prognose DAG Reell flyt DAG 4 3 2 1-1 -2-3 -4 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 Nea - Järpen 5 4 27 Prognose DAG Reell flyt DAG 3 2 1-1 -2-3 -4 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
Oppsummert..
Oppsummert Kvalitet! Effektivitet! Kompetanse! 27
Veien videre Fortsette det arbeidet vi er i gang med.. Kontinuerlig evaluering og forbedring Bedre kundeinformasjon Vurdere taket på +/- 1% Og dessuten: ENDA BEDRE Kvalitet! ENDA BEDRE Effektivitet! ENDA BEDRE Kompetanse! 28
~ The End ~