Il Forecast nel mercato dell`Energia

Il Forecast nel mercato
dell’Energia
Relatore: Alberto Lombardi - Managing Partner
ifs Italia srl
Concordia S/S - 5 Marzo 2015
1
La Filiera Commerciale
2
Il Gestore della Rete Elettrica Nazionale
3
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
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
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, 2)
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
$ 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
Livello Tipologia
Cliente
Livello
Cliente
P
P
= previsione
P
P
P
P
7
$ ed utilizzare vari Algoritmi
With training
ANN (Ensemble forecast)
ALN (Ensemble forecast / MISO Cluster)
Kalman
ARIMAX
Exponential Smoothing
Short term forecast (day type)
Loadprofile propagation (day type)
Reference forecast
Without training
Standard loadprofile
Initial
Long-term
Medium-term
Day ahead
Intraday
Online
8
Ma è fondamentale avere una forte
Automatizzazione del processo di Forecast$..
Loadprofiles
(1 - >1000)
Weatherdata
etc.
Cluster Analysis
Import
(Forecast parameters)
Quality Check
Archiving
(Forecast parameters)
(Forecast parameters)
(Loadprofile-Clusters)
Correction
Archiving
(Forecast parameters)
(Forecasts)
Initial-/Retraining
Forecast
(Forecast models)
(n-models in parallel)
(when bottom up forecast) Óptional
Aggregations
BelVisPro kernel
Analysis
Selection
Surveillance
(Model quality)
(Best forecast)
(Forecast quality)
Aggregations
(if bottom up forecast)
Forwarding
Alarming
9
$ inserito nel Energy Management Integrato per la
Vendita
Piattaforme Istituzionali (GME, TERNA, ...)
Programmi
bilaterali,
GME-offerte,
margini, ...
Offerte accettate
GME, Dati di
liquidazione,
Schedules, ...
NRG Trader
Profili,
contratti
Transazionii,
Forecast UC,
Offerte IPEX
Portfolio Management - BelVis
Previsioni,
prezzi,
programmi
Forecast - BelVis
Misure
Distributori
EDM
(EDL+EDC-V)
Prezzi/indici
Info providers
Anagrafiche
Billing – MUBI
Anagrafiche,
prestazioni,
misure, fatture
10
Previsione della Domanda
EE e dei consumi Gas
11
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
1
14
27
40
53
66
79
92
105
118
131
144
157
170
183
196
209
222
235
248
261
274
287
300
313
326
339
352
365
378
391
404
417
430
443
456
469
482
495
508
521
534
547
560
573
586
599
612
625
638
651
664
677
690
703
716
729
742
Zoom su Luglio 2010: l‘influenza del clima
12000
PRA
ALN Optimum
10000
GG simili con T°
8000
6000
4000
2000
0
CALDO ED AFA
FRESCO
13
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
ALN (temperatura+ calendario)
ANN (temperatura+calendario)
Giorni Simili (Temperatura)
ALN PIL (-267gg)
ALN (temperatura+ calendario+Fiducia
consumatori-360gg)
ALN Commercio (temperatura+calendario+
Indice ordini del Commercio-260gg)
ALN Servizi (temperatura+ calendario+
Indice Ordini di Servizi-237gg)
Errore Assoluto Medio
P e r c e n t u a l e
3,97%
4,25%
8,65%
3,70%
4,15%
3,60%
3,24%
Si guadagna un ulteriore 0.7-1% dall’uso di tali indicatori
14
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
Potere predittivo durante fase di Crescita
Modello ALN: analisi qualità della previsione della domanda Gas con dati di
training dal 1.10.2006 al 30.09.2007 (1 anno)
Crescita
MAPE=2,5%
NBIAS=-1%
Consuntivo
Previsione
Errore
16
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 1.10.2006 al 30.09.2008 (2 anni)
Crescita + Stabile
MAPE=3,1%
NBIAS=+2,5%
Consuntivo
Previsione
Errore
17
Potere predittivo in una fase di Recessione
ALN qualità di una previsione del carico di rete con dati di training dal
1.10.2006 bis 30.09.2009 (3 anni)
Crescita + Stabile + Recessione
MAPE=11%
NBIAS=+11%
Consuntivo
Previsione
Errore
18
Previsione dei Prezzi
19
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
L’analisi della correlazione
Prezzo
Eolico
Fabbisogno
Giorno
Margine Residuo
21
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
Previsione delle Rinnovabili
23
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
Previsioni “Day Ahead”: esempio Generazione
Eolica
Caso Italia: centrale media in zona SUD, Agosto 2011
SA: +5%
WMAE: 41%
25
Previsioni “Day Ahead”: esempio Generazione FV
Caso Italia: centrale media in zona SUD, Maggio 2013
SA: -7%
WMAE: 27%
26
Alberto Lombardi
[email protected]
Tel: 06 5089991 ext 217
Cell: 335 7545072
27