L`influenza della Meteo sul fabbisogno di energia elettrica

Transcript

L’influenza della Meteo sul fabbisogno di energia elettrica:
ll’esperienza
esperienza di Acquirente Unico
Carmela Fardella
Milano – 8 novembre 2007
DOE / Approvvigionamento Energia
Indice
• Errori di previsione
• Meteo e consumi elettrici
• Temperatura e consumi elettrici Acquirente Unico
• Previsioni fabbisogno e temperatura: modello Acquirente Unico
• Criticità modello Acquirente Unico
•Evoluzione effetto temperatura nel tempo
• Conclusioni
2
Errori di previsione
• Necessitàà di previsioni accurate per evitare/minimizzare il pagamento degli
oneri di sbilanciamento
• Analisi accurata delle variabili che influenzano i consumi: es. variabili meteo
S bilanciam ento attribuito
MWh
5000
S bilanciam ento
4000
3000
2000
1000
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
ore
PRA
P R A attribuito
P revisione
3
Meteo e consumi elettrici
Variabili meteo che influenzano i consumi elettrici
•
Temperatura: ha effetto sulla utilizzazione degli elettrodomestici (stufette e
condizionatori) ed è avvertito in modo pressoché uniforme durante l’arco della
giornata
•
Luminosità: ha effetto sull’anticipo o sul ritardo dell’accensione delle luci ed è
avvertito principalmente in alcune ore del mattino e della sera
•
Ventilazione/Umidità: hanno effetto sulla percezione della temperatura
4
Temperatura e consumi elettrici Acquirente Unico
Giugno 2007 – zona Nord
35
210000
190000
30
170000
25
150000
20
130000
temp
energia
15
110000
10
90000
5
70000
0
50000
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
5
Luglio 2007 – zona Nord
40
230000
210000
35
190000
30
170000
25
150000
temp
20
energia
130000
15
110000
10
90000
5
70000
0
50000
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
6
Temperatura
C°
Energia
kWh
mercoledì 13/06/07
28,2
179.314
mercoledì 20/06/07
32 8
32,8
196 636
196.636
(+10%)
mercoledì 27/06/07
28,5
181.587
(-8%)
venerdì 13/07/07
30,5
176.677
venerdì 20/07/07
36,5
216.335
(+22%)
venerdì 27/07/07
35,5
201.836
(-7%)
7
11.000
32,8 C°
10.000
28, 5 C°
9.000
MWh
8.000
13/06/2007
7.000
20/06/2007
27/06/2007
6.000
5.000
28 2 C°
28,
4.000
3.000
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
ore
8
12,000
36,5 C°
11,000
35,5 C°
10,000
9,000
30,5 C°
8,000
MWh
13/07/2007
20/07/2007
27/07/2007
7,000
6,000
5,000
4,000
3,000
1
2
3
4
5
6
7
8
9
10
11
12 13
14
15
16
17
18
19
20 21
22
23
24
ore
9

La relazione tra domanda elettrica e temperatura è di tipo parabolico, con il
minimo in corrispondenza dei 20° circa

La relazione non è stabile nel tempo e nello spazio ma è funzione di:

ora del giorno

giorno della settimana
g

stagione

localizzazione geografica
domanda
elettrica
t
temperatura
t
10
Previsioni fabbisogno e temperatura: modello Acquirente Unico
•
Effetto meteo utilizzato esclusivamente per le previsioni di breve periodo
•
Utilizzazione metodo giorni matching days (giorni simili)
•
Variabile meteo utilizzata: temperatura
•
Temperatura di riferimento: temperatura massima
•
Località di riferimento: una o più località rappresentative dell’area
11
Criticità modello Acquirente Unico
•
Criticità Acquirente Unico
–
•
•
PRA
•
Mercato Vincolato fino al 30 giugno 2007
•
Mercato tutelato + salvaguardia fino al 31 ottobre 2007
•
Mercato tutelato dal 1° novembre 2007
Criticità generali
–
•
serie storica dati fabbisogno perimetro Acquirente Unico breve e con perimetro
variabile nel tempo
L’effetto della temperatura
p
sul consumo è:
•
funzione dalla tipologia di clienti che costituisce l’aggregato da prevedere
•
funzione della temperatura dei giorni precedenti
•
in continua evoluzione nel tempo
Attenzioni
–
Manutenzione continua dei parametri e del modello di previsione
–
Affid bilità d
Affidabilità
della
ll ffornitura
it
dei
d i dati
d ti di previsione
i i
meteo
t
12
Evoluzione effetto temperatura nel tempo
1997 carico
1997:
i orario
i 3° mercoledì
l dì del
d l mese
Fonte: Terna
13
2005 carico
2005:
i orario
i 3° mercoledì
l dì del
d l mese
Fonte: Terna
14
Numero condizionatori venduti in Italia
Fonte:
15
Conclusioni
•
Necessità inserimento variabili meteo nel modello di previsione del consumo
•
Variabile meteo di base: temperatura
•
Modello continuamente monitorato e riparametrizzato
•
Inserimento di correttivi per tener conto dell’evoluzione della diffusione degli
elettrodomestici che hanno un’utilizzazione che è funzione della temperatura
•
Evoluzione del modello di previsione da modello di “regressione”
g
a modello “neurale”
•
Scelta accurata del fornitore dati meteo: un modello perfetto che viene alimentato con
dati imperfetti o assenti ovviamente produce risultati “imperfetti”
16