Elektrotehniski vestnik 68(5): 277–285, 2001Electrotechnical Review, Ljubljana, Slovenija

Uporaba simulacijskega orodja za napovedovanjerazmer na trgu elektricne energije

Robert Golob1, Tomaz Stokelj2, Dejan Paravan1, Biljana Stojkovska1

1Univerza v Ljubljani, Fakulteta za elektrotehniko, Trzaska 25, 1000 Ljubljana2Soske elektrarne Nova Gorica, Erjavceva 20, 5000 Nova GoricaE-posta: dejan@strela.fe.uni-lj.si

Povzetek. V prispevku je predstavljen simulacijski model dnevnega trga z elektricno energijo, ki je osnova zaproucevanje razmer v dereguliranih elektroenergetskih sistemih. Za natancno delovanje simulatorja trga je polegmodeliranja sosednjih elektroenergetskih sistemov in prenosnih omejitev treba upostevati se natancne hidroloskerazmere rek, tehnicne karakteristike agregatov in njihove planirane remonte ter nakljucne izpade. Simulacijadnevnega trga z elektricno energijo se izvaja na urni podlagi, zato dobimo kot rezultat urne podatke o sistemskiceni in angaziranosti posameznih agregatov, iz teh pa letno proizvodnjo in prihodek proizvodnih podjetij.Simulacijski model smo verificirali na testnem elektroenergetskem sistemu. Prikazan je vpliv zdruzevanjaposameznih proizvodnih podjetij ter izpada dela proizvodnje in s tem zmanjsanja konkurence med proizvajalci nadelovanje trga in oblikovanje sistemske cene.

Kljucne besede: simulator trga, deregulacija, elektroenergetski sistem, dnevni trg, strategije ponujanja

Application of simulation technique for forecasting electricitymarket behavior

Extended abstract. Worldwide, the power industry is fac-ing challenges of deregulation and liberalization of electricitymarkets. To cope with this situation, utilities are looking fornew software tools to optimize their operational efficiencies andprofits.

The electricity market structure and organization in varioussystems may differ as each country has its own technical, ge-ographical and political particularities [1-5]. However, experi-ences in countries with evolved power market have shown thatpower exchange can operate efficiently only if physical and fi-nancial products are precisely defined and trading facilities de-veloped.

In many countries with a liberalized electricity market, themajor part of physical products is traded on the bilateral marketand only some 20 % of all the energy is traded on the day-aheadmarket. Nevertheless, the day-ahead market serves as a pricereference for financial contracts [5]. The day-ahead market isusually designed on hourly bases and bids/offers for each hourof the next day can be made. Besides the day-ahead electricitymarket there are two more power marketplaces that are commonto several power exchanges around the world: hourly market andregulating power market. The latter is designed to correct imbal-ances, which arise unexpectedly during the day due to variationsin load or production.

In the paper, a simulator for the day-ahead electricity marketis presented (Fig. 1). The decentralized market model is consid-ered where all optimization is done locally. Power producersand also consumers can make their bids/offers (Fig. 2) and asimple supply-demand clearing procedure is used to determinethe system price (Fig. 3). The day-ahead electricity market sim-ulator enables simulation on hourly basis for the next day andcan be easily automated for long period simulations (one year

Prejet 6. marec, 2001Odobren 24. september, 2001

or more).The developed market simulator is quite a comprehensive

computational tool, whit which not only power plants and net-work operational data but also the neighboring power systemsand hydrological data are taken into account. When intercon-nection lines between power systems transfer relatively largequantities of power, the neighboring systems can greatly affectthe domestic market behavior. As a consequence, the researchwas conducted towards the most appropriate neighboring sys-tems modeling. Relatively small neighboring systems can bemodeled with a couple of aggregate power plants and consumerswith different price levels. However, if neighboring systems aremuch greater than the import / export capabilities, the amountof the traded energy does not affect the system price in thosesystems. In such a case, the electricity trading with the neigh-boring systems is modeled with one producer and one consumerfor each system, while the system price in those systems is mod-eled hour by hour based on the system demand profile and theratio between hydro, thermal and nuclear production.

The simulation is made on hourly basis. Hourly marketclearing price and the corresponding power plant production arethus obtained as an electricity market simulation result. Fromthese results, the unit annual production and its income fromelectricity sales can be calculated.

The proposed computational tool allows simulation of dif-ferent aspects of power system deregulation and electricity mar-ket implementation. The tool was verified on a small test powersystem (Fig. 8). Two cases are presented. The first case ad-dresses the impact of outages of two large thermal units on thedevelopment of the system price. By observing Fig. 9, it canbe concluded that reduction in available generation capacitiessignificantly raises the system prices. The second case dealswith market power issues resulting from merging of the largestthermal unit with existing hydro plants. Due to the large mar-ket share, a merged company can use its dominant position to

278 Golob, Stokelj, Paravan, Stojkovska

increase its operating profits despite of lowering its total elec-tricity production (Fig. 10 and Table 2).

The electricity market simulator can be a very useful toolfor:• bidding strategies,• gamming,• defining the role of a particular production company on

the electricity market,• stranded investments issues and• an efficient tool for power market regulator.The day-ahead electricity market simulator was also suc-

cessfully implemented and used for education purposes at theFaculty of Electrical Engineering, University of Ljubljana.

Key words: market simulator, deregulation, power exchange,bidding strategies, power system

1 Uvod

Elektrogospodarstva so v stevilnih drzavah po vsemsvetu izpostavljena velikim spremembam, ki jih je zaz-namoval prehod iz reguliranega v deregulirani trzno nar-avnani sistem [1-5]. Medtem ko prenosna in distribu-cijska omrezja veljajo za naravne monopole in ostajajoregulirane dejavnosti, pa so proizvodnja in trgovanje zelektricno energijo izpostavljena konkurencnemu boju natrgu. V taksnem okolju je zagotovitev preglednega inucinkovitega trznega mehanizma ena pomembnejsih na-log.

V dereguliranih EES po svetu so uporabljeni razlicnimodeli trga, vendar se bomo v nadaljevanju omejili napopolnoma decentraliziran model, ki omogoca nastopanjena trgu tako proizvajalcem kot kupcem elektricne ener-gije. V popolnoma decentraliziranem modelu trga se natrgu izvede le trzna poravnava, medtem ko se nacrtovanjeproizvodnje in porabe prenese na udelezence trga. Le-tilahko sklepajo pogodbe na razlicne nacine, v osnovi pa jihlahko razdelimo na financno in fizicno trgovanje. Trgov-anje na financnem trgu vpliva le na financno poslovanjepodjetij, ni pa neposredno povezano z dejansko izmen-javo elektricne energije. Na financnem trgu se posluje sstandardiziranimi financnimi instrumenti, ki sluzijo proiz-vajalcem in upravicenim odjemalcem za obvladovanjerizika, borznim spekulantom pa za ustvarjanje dobicka.

Ceprav se v vecini dereguliranih EES velik delfizicnega trgovanja izvaja prek dvostranskih pogodb, paje dnevni trg bistvenega pomena, saj sluzi sistemskacena, dolocena na dnevnem trgu, kot referenca tudi vsemdrugim trgom [4,5]. Dnevni trg je organizirani trg z elek-tricno energijo, ki je namenjen trgovanju za en dan naprejin je ponavadi zasnovan na urni podlagi. Poleg dnevnegatrga imamo ponavadi se kratkorocni trg z elektricno en-ergijo, ki omogoca prodajo presezkov in kupovanje pri-manjkljajev elektricne energije tudi za samo nekaj urnaprej ter regulacijski trg in trg sistemskih storitev.

V clanku je predstavljen simulacijski model dnevnegatrga z elektricno energijo. Ker se dolgorocno gledano

cene dvostranskih pogodb izenacijo s cenami elektricneenergije na dnevnem trgu [5], smo le-te nadomestili s tr-govanjem na dnevnem trgu. Kratkorocni trg smo v simu-latorju upostevali tako, da smo vse primanjkljaje energijezaradi nakljucnih izpadov elektrarn, ki se zgodijo po odd-aji ponudb za naslednji dan, poravnali na kratkorocnemtrgu z elektricno energijo. Pri tem smo predpostavili,da morajo udelezenci na trgu do 12. ure oddati svojeponudbe za naslednji dan.

Predstavljeno racunalnisko orodje bo podlaga zaraziskave stevilnih novih problematik ter podrocij, ki sonastali s procesom deregulacije EES, kot npr.:

• strategije ponujanja elektricne energije,

• ugotavljanje izkoriscanja monopolnega polozaja vEES,

• polozaj in vloga posameznega podjetja znotraj EESin

• nepogresljivo orodje regulatorju trga pri opravljanjunadzora.

Poleg tega bo simulator dnevnega trga vkljucen vpedagoski proces na Fakulteti za elektrotehniko Univerzev Ljubljani, kjer se bodo lahko studentje seznanili zosnovnimi zakonitostmi trga z elektricno energijo.

Hidrologije

Podatki HE

PodatkiTE

Uvoz

Sestavljanje ponudb(proizvodnja)

Racunanjedosez�ene cene

Tehnicneomejitve?

Rezultati(cena in kolicina)

ne

da

Nepokritikonzum

Izvoz

Sestavljanjeponudb (poraba)

AplikacijaHIDRO

Pripravavhodnih

podatkov

Prednostnodispeciranje

Konzum SLO

v

v

v

v

v

Slika 1. Algoritem simulatorja trga elektricne energijeFigure 1. Electricity market simulation algorithm

Uporaba simulacijskega orodja za napovedovanje razmer na trgu elektricne energije 279

2 Algoritem simulacije

Koncept dnevnega trga v elektroenergetiki je uvedelSchweppe [6]. Ceprav je bil model nekoliko poenostavl-jen, je bil njihov prispevek temelj vseh nadaljnjih tovrst-nih raziskav [7-9].

Simulator dnevnega trga elektricne energije je zgra-jen na urni podlagi in omogoca simulacije tudi za vec letnaprej. Temu primerni sta tudi struktura in oblika vhodnihter izhodnih podatkov simulacijskega modela, kateregablokovno shemo prikazuje slika 1, posamezni moduli paso opisani v nadaljevanju.

A. Priprava vhodnih podatkov

Najprej je treba pripraviti ustrezne vhodne podatke, karobsega stiri sklope:

• napoved konzuma,

• podatki o obratovalnem stanju termoagregatov in nji-hovi pripravljenosti za obratovanje,

• izracun proizvodnje moci in energije v hidroelektrar-nah (HE),

• modeliranje cen elektricne energije v sosednjih EES.

Nacin napovedovanja porabe je odvisen oddaljnoseznosti simulacije. Za kratkorocno napovedporabe elektricne energije se navadno uporabljajo regre-sijski modeli ali pa modeli na podlagi umetnih nevronskihomrezij [10]. Ti modeli utemeljujejo svoje napovedi spodatki trenutnih in minulih vrednostih porabe, dnevain ure v tednu ter raznih meteoroloskih podatkov, kotso temperatura, vlaga, sevanje sonca itd. Za dolgorocnonapoved porabe pa ponavadi izberemo neko tipsko leto,katerega urno porabo elektricne energije korigiramoskladno s predvidenimi indeksi rasti porabe elektricneenergije v obravnavanem obdobju. Ker je predstavljenisimulacijski model trga z elektricno energijo uporabljenza simulacijo razmer v EES za prihodnje desetletje, smouporabili drugi nacin napovedovanja porabe.

Podatke o termoagregatih sestavljajo predvsemtehnicni podatki, podatki o fiksnih in variabilnih stroskihproizvodnje elektricne energije (slednji so potrebni prioblikovanju ponudb) ter podatki o remontih, revizijahin nakljucnih izpadih posameznih agregatov. Potrebnitehnicni podatki termoagregatov so:

• tehnicni minimum in maksimum agregata,

• cena zagona agregata,

• podatki o specificni porabi goriva,

• cena goriva in njegova kaloricna vrednost.

Pri oblikovanju ponudb hidroelektrarn potrebujemoinformacijo o mogoci proizvodni HE, zato smo za ta na-men uporabili aplikacijo HIDRO [11-13]. Ta aplikacijaje bila razvita za srednjerocno in dolgorocno planiranjeobratovanja hidroelektrarn, njena glavna odlika pa je ve-lika natancnost izracuna, saj simulira mogoco proizvod-njo HE na urni podlagi ob upostevanju vseh glavnih obra-tovalnih omejitev in tehnicnih karakteristik HE. Vhodnipodatki aplikacije HIDRO so:

• statisticno obdelani hidroloski podatki za referencnoobdobje,

• napoved porabe elektricne energije,

• tehnicni podatki posamezne HE (minimalen in mak-simalen pretok, maksimalna moc, velikost in maksi-malna hitrost denivelacije akumulacijskega bazena,krivulje izkoristkov agregatov,...),

• podatki o predvidenih remontih in revizijah.

Na podlagi omenjenih podatkov programski paketHIDRO razporedi proizvodnjo HE, kolikor je to mogoce,v obdobja, ko je potreba po elektricni energiji najvecja.

Cene v sosednjih EES smo modelirali s pomocjostatisticne obdelave podatkov o nihanju sistemskih cen,porabe oziroma kolicine trgovanja in strukture proizvod-nje v sistemih z ze uveljavljenim trgom z elektricno en-ergijo.

B. Sestavljanje ponudb

Sestavljanje ponudb je eden najpomembnejsih korakovpri simulaciji trga z elektricno energijo. Ponudbe se raz-likujejo glede na tip elektrarne in izbrane strategije (angl.bidding strategies) [14,15]. Za vsako proizvodno podjetjeje treba oblikovati urne ponudbe obratovanja za nasled-nji dan, ki morejo vsebovati cene in kolicine elektricneenergije (podobno velja za porabnike elektricne ener-gije). Krivulja ponudbe mora biti odsekoma linearna inmonotono narascajoca funkcija:

Ch = fh(W ), (1)

kjer je Ch cena in W ponujena energija v uri h. Funkcijafh je injektivna, saj mora biti dolocitev proizvodnjeposameznih proizvajalcev ob izracunani sistemski cenienolicno resljiv problem. Primer ponudbe prikazuje slika2∗.

C. Racunanje sistemske cene

Z ureditvijo ponudb vseh proizvajalcev in porab-nikov elektricne energije sestavimo krivulji ponudbe in

∗Predpostavili smo, da se proizvodnja in poraba znotraj posamezneure ne spreminjata. Zato je na abscisi moc, ceprav trgujemo z energijo.

280 Golob, Stokelj, Paravan, Stojkovska

CENA [SIT/kW] 0 4 4,01 8 50

...

18:00 - 19:00 15 MW 15 MW 25 MW 30 MW 30 MW

...

C [SIT/kWh]

W [MWh]

sistemska cena

0

C(h)

W(h)

ponudbapovprasevanje

v

Slika 2. Primer ponudbe za cas od 18:00 do 19:00Figure 2. Bid example for hour 19

povprasevanja. Krivulje sestavimo tako, da ponudbeproizvajalcev oziroma porabnikov sestejemo po moci (ab-scisna os). Dosezeno ali sistemsko ceno (market clear-ing price) doloca presecisce med krivuljama ponudbe inpovprasevanja (slika 3).

C [SIT/kWh]

W [MWh]

sistemska cena

0

C(h)

W(h)

ponudbapovprasevanje

v

Slika 3. Sistemska cena v uri hFigure 3. Market clearing price in hour h

Ker se v simulatorju izracunava sistemska cena zavsako uro posebej, je treba izbrati casovno ucinkovitometodo. Tem zahtevam ustreza Fibonaccijeva metoda[16] iskanja ekstremov funkcije, ki temelji na postopnemzmanjsevanju intervala, na katerem se nahaja ekstrem, zuporabo Fibonaccijevih stevil.

D. Tehnicne omejitve

Na zgoraj opisani nacin dobimo rezultate, ki lahkoprekoracijo katero izmed tehnicnih omejitev elektrarn.Tezave navadno nastopijo predvsem s prepogostim vk-lapljanjem in izklapljanjem termoagregatov. Te sprakticnega vidika neekonomicne ali neizvedljive rezul-tate simulacij popravimo tako, da v urah, ko rezultati neustrezajo omejitvam, ustrezno korigiramo ponudbe agre-gatov. Sledi ponovni izracun sistemske cene. Postopekponavljamo iterativno, dokler resitve ne ustrezajo vsemtehnicnim omejitvam.

E. Rezultati simulatorja

S pomocjo simulatorja trga z elektricno energijo do-bimo urne vrednosti skupne proizvodnje in porabe elek-tricne energije, sistemske cene in kolicine energije, kijo bo moral posamezni proizvajalec ob doloceni urizagotoviti. Z zdruzitvijo urnih rezultatov pa dobimopovprecne dosezene cene, proizvedene kolicine in pri-hodke na trgu posameznih proizvodnih podjetij.

3 Modeliranje cen elektricne energije sosednjihsistemov

Urne cene elektricne energije v sosednjih EES smodolocili tako, da smo analizirali nihanje sistemskih cenv drzavah, ki ze imajo uveljavljen trg z elektricno en-ergijo. Na podlagi statisticnih analiz je bilo ugotovljeno,da ima najvecji vpliv na nihanje sistemske cene porabaelektricne energije oziroma kolicina trgovanja. Tako smopovezavo med ceno in porabo elektricne energije pre-prosto zapisali z linearno enacbo (linearna aproksimacijafunkcije Cn(Dn)):

Cn(Dn) ≈ K ·Dn + n, (2)

kjer je Cn normirana urna sistemska cena, Dn normi-rana urna poraba elektricne energije ter K in n koefi-cienta v linearni enacbi. Za linearno aproksimacijo smose odlocili zaradi pomanjkanja podatkov in ker se nelin-earnost pokaze sele v izjemnih, a redkih primerih, ko cenamocno naraste. S podatki o ceni in porabi elektricne ener-gije na trgih Argentine, Anglije, Skandinavije in Spanijesmo izracunali naslednje vrednosti K in n (Tabela 1). IzTabele 1 je razvidno, da vecji prispevek hidroelektrarn vstrukturi proizvodnje povzroci nizjo vrednost koeficientaK, vecji prispevek termoelektrarn pa jo ustrezno poveca.To pomeni, da je nihanje cene v sistemih s pretezno termoproizvodnjo vecje kot v sistemih, kjer prevladuje hidroproizvodnja, saj je hidro proizvodnja veliko bolj fleksi-bilna.

K n % HE % TE % NE

Argentina 1,0586 0,0136 34 57 9

Anglija 3,1582 -2,0270 2 65 33

Skandinavija 0,6799 0,3191 52 34 14

Spanija 1,1218 -0,1990 28 32 37

Tabela 1. Struktura proizvodnje in linearizacijski koeficientinekaterih drzav z delujocim trgom elektricne energijeTable 1. Production structure and linear coefficients for somecountries with operating power markets

Na podlagi predstavljenih rezultatov lahko z resitvijosistema linearnih enacb dolocimo koeficiente aT , aH ,aN , bT , bH in bN enacbe 3. Ker poznamo za vsakod sosednjih EES deleze termo (T ), hidro (H) in nuk-learne (N ) proizvodnje, izracunamo koeficienta K in nza posamezen sosednji EES:

Uporaba simulacijskega orodja za napovedovanje razmer na trgu elektricne energije 281

aTT + aHH + aNN = K

bTT + bHH + bNN = n.(3)

Ce upostevamo se podatke o nihanju porabe v dolocenemobdobju, lahko s pomocjo enacbe 2 izracunamo urno cenoelektricne energije v sosednjem sistemu.

4 Strategije in oblikovanje ponudb na dnevnemtrgu elektricne energije

V modulu Sestavljanje ponudb oblikujemo urne ponudbeposameznih proizvodnih podjetij za naslednji dan. Oblikaponudbe je odvisna od:

• vrste proizvodnje (hidro, termo, nuklearna),

• strategije podjetja.

Slednja je povezana predvsem s polozajem, ki ga zavzemaproizvodno podjetje na trgu. Podjetja, ki s svojimi ponud-bami lahko vplivajo na ceno elektricne energije na trgu(angl. price maker), bodo imela povsem drugacne strate-gije kot tista podjetja, ki s svojimi ponudbami ne morejovplivati na visino sistemske cene (angl. price taker). Po-drocje strategij in oblikovanja ustreznih ponudb je zeloobsezno in bi zahtevalo posebno obravnavo. V nadal-jevanju so tako predstavljene le osnovne oblike ponudbglede na vrsto proizvodnih podjetij.

A. Hidroelektrarne

Prednost hidroelektrarn je v njihovi prilagodljivosti obra-tovanja, saj lahko hitro spremenijo svojo proizvodnjo vsirokem obsegu. Zaradi omenjenih tehnicnih in obra-tovalnih lastnosti so bile HE v reguliranem sistemu na-menjene proizvajanju vrsne energije. Do podobnegasklepa pridemo, ko v novih trznih razmerah gledamo zekonomskega vidika. V urah z veliko porabo elektricneenergije (vrsna energija) je tudi obseg trgovanja vecji, karponavadi privede do visjih sistemskih cen.

Pri sestavljanju ponudb podjetij s hidro proizvod-njo lahko uporabimo rezultate aplikacije HIDRO.Glede na predvideno porabo elektricne energije,hidrologije, remonte in tehnicne podatke HE, izracunaaplikacija proizvodnjo HE, pri cemer je kot kriterijuporabljeno maksimalno pokrivanje konic diagramaporabe. Izracunana optimalna moc Po(h) v uri h jeosnova za oblikovanje ponudbe hidro proizvajalcev (slika4). Ponudba naj bo taksna, da bo HE obratovala z mocjoPo, pri cemer upostevamo, da so kratkorocni stroskiobratovanja enaki nic (cena goriva je nic).

PA = Po(h) · (1− x) ≥ 0PB = Po(h) · (1 + x) ≤ Pmax

(4)

P [MW ]

C[SIT/kW]

Cp(h)

PO(h) P

maxPA

PB

0

Slika 4. Ponudba HE ob uri hFigure 4. HPP bid example in hour h

V primeru odstopanja dosezene sistemske cene odpredvidene cene Cp pa lahko predvideno proizvodnjoHE spreminjamo v okolici tocke Po (od PA do PB).Vrednosti x se gibljejo od 0,05 do 0,2 in so odvisneod tehnicnih parametrov HE (velikost akumulacijskegabazena, hitrosti denivelacije...).

B. Termoelektrarne

V nasprotju s HE pri TE spremenljivih stroskov nemoremo vec zanemariti in tako razen v primerih, ko sizaradi prevelikih stroskov zagona ne smemo privoscitiizklopa iz omrezja, proizvodnje ne ponujamo vec po ceninic. Prvi del ponudbe do Pmin sledi ekonomski teorijiidealnega trga, ki predvideva, da vsi proizvajalci ponujajopo svojih variabilnih stroskih. Od Pmin naprej se krivuljaponudbe dviga, saj proizvajalci igrajo, da bi si lahkopokrili tudi svoje fiksne stroske. S tovrstnimi ponudbamiproizvajalci dolocajo sistemsko ceno. Primer ponudbe TEje podan na sliki 5.

P [MW]

C [SIT/kW ]

P(h)

Cs(h)

Pmax

3*Cp(h)

Pmin

Cp(h)

Slika 5. Ponudba TE ob uri hFigure 5. TPP bid example in hour h

C. Jedrska elektrarna

Pri sestavljanju ponudb za jedrsko elektrarno (JE)moramo upostevati dve pomembni lastnosti:

1. variabilni stroski so dokaj majhni,

2. zaradi obratovalnih lastnosti je JE primerna za pokri-vanje pasovne energije.

Ponudbe za jedrske elektrarne bomo oblikovali tako, dabodo ves cas obratovale z najvecjo mocjo. To pomeni,

282 Golob, Stokelj, Paravan, Stojkovska

da celotno razpolozljivo energijo ponujamo po ceni nic(podobno kot v HE, le x=0).

D. Ponudbe porabnikov

Zaradi pomanjkanja podatkov o odvisnosti porabe elek-tricne energije od spremembe cen smo porabo elektricneenergije v tesnem EES modelirali kot neobcutljivo naceno elektricne energije. Predpostavili smo, da so porab-niki pripravljeni doloceno uro kupiti zeleno kolicino ener-gije ne glede na ceno elektricne energije v tem trenutku.Taka strategije oziroma ponudba porabnikov je prikazanana sliki 6, kjer je s Cmax oznacena najvisja cena, po katerise lahko trguje na trgu, s Pzel pa zelena moc v uri h.

P P

Cena

Cmax

0zelv

Slika 6. Oblika ponudbe porabnikovFigure 6. Consumers offer example

Kljub temu pa velja poudariti, da je simulacijskimodel zasnovan tako, da omogoca poljubno kompleksnoobliko ponudbe porabnikov elektricne energije (podobnokot za proizvajalce).

E. Oblikovanje ponudb uvoza in izvoza

Na splosno lahko sosednje sisteme modeliramo na dvanacina:

• Uvoz iz vsakega od sosednjih sistemov modeliramos ponudbami treh (ali vec) proizvajalcev, ki sodelu-jejo na trgu, pri cemer prvi proizvajalec ponuja elek-tricno energijo po nizki, drugi po srednji, tretji papo visoki ceni. Proizvodne zmogljivosti tako mod-eliranih proizvajalcev elektricne energije so odvisneod prenosnih zmogljivosti med sistemi. Na podobennacin modeliramo tudi izvoz elektricne energije stremi porabniki na trgu elektricne energije. Pritakem nacinu so ponudbe akterjev v vseh urah enake,vendar se cene za razlicne kolicine uvoza ali izvozamed seboj razlikujejo.

• Drugi nacin predvideva, da na podlagi predvidenegaurnega poteka sistemskih cen sosednjih EES zaobravnavano obdobje modeliramo uvoz iz sosed-njega sistema z enim proizvajalcem, izvoz pa zenim kupcem. Tako modelirani akterji, ki sodelu-jejo na nasem trgu elektricne energije, trgujejo scelotno razpolozljivo kolicino elektricne energije poisti ceni, vendar se ta cena spreminja od ure do ure.

Prvi nacin modeliranja temelji na predpostavki, da jekolicina trgovanja v sosednjih sistemih majhna v primer-javi s kolicino uvoza in izvoza, torej obravnavani sistems trgovanjem bistveno vpliva na spremembo sistemskecene v sosednjih sistemih. Drugi nacin pa predvideva, daje kolicina trgovanja v sosednjih sistemih bistveno vecjaod kolicine uvoza in izvoza, kar pomeni, da obravnavanisistem s trgovanjem ne vpliva na spremembo sistemskecene v sosednjih sistemih. V nadaljevanju je predstavljendrugi nacin modeliranja sosednjih sistemov.

Vrednost cene uvozene elektricne energije Cuv(h) vuri h je dolocena s ceno elektricne energije v sosed-njem EES (CSS(h)) in pribitkom za prenos elektricneenergije med sistemoma (stroski prenosa). Najvecjakolicina ponujene energije je odvisna od trenutnih prenos-nih omejitev na interkonekcijskih vodih, kar je na sliki 7aoznaceno s Puv .

Puv P

Cen

a

Cuv(h)

Pizv P

Cizv(h)

a) b)

CSS(h) CSS(h)

stroski

prenosa

v

stroski

prenosa

v

Slika 7. Modeliranje ponudb a) uvoza in b) izvoza elektricneenergijeFigure 7. Offer example for electricity a) import and b) export

Oblika ponudbe izvoza je prikazana na sliki 7b, kjersta s Cizv(h) in Pizv oznaceni cena izvoza in najvecjadovoljena energija izvoza v uri h.

5 Testni primer

S pomocjo predstavljenega simulatorja dnevnega trga zelektricno energijo je mogoce simulirati in proucevatipoljubne scenarije organiziranosti proizvodnih enot instrategij ponujanja elektricne energije na trgu. Simula-tor smo preskusili na primeru testnega EES z naslednjimikarakteristikami:

• Struktura proizvodnje po instalirani moci je 350 MWHE, 500 MW TE in 150 MW NE.

• Najvecji proizvajalec v sistemu je termoelektrarna(NTE) z 250 MW instalirane moci.

• Plinska elektrarna z instalirano mocjo 150 MW jeobjekt z najvisjimi variabilnimi stroski v sistemu.

• Sistem je povezan z dvema sosednjima EES, zvsakim pa je glede na prenosne zmogljivosti vodovtrgovanje omejeno na najvec 100 MW. Medtem ko jev prvem sosednjem EES proizvodnja v veliki meri izHE, pa v drugem vecji del proizvodnje pokrivajo TE,

Uporaba simulacijskega orodja za napovedovanje razmer na trgu elektricne energije 283

kar ima za posledico vecje nihanje sistemske cene vdrugem in manjse v prvem sosednjem EES.

• Ker sta oba sosednja EES veliko vecja kot prenosnezmogljivosti s testnim EES, smo predpostavili, da tr-govanje v testnem EES ne vpliva na ceno elektricneenergije sosednjih EES.

• Poraba v sistemu je stalna znotraj posamezne ure inse giblje od 400 do 700 MWh/h.

Strukturo proizvodnje testnega sistema in prenosneomejitve s sosednjimi EES prikazuje slika 8.

100 MW 100 MW

Sosednji

sistem 1

Testni EES

350 MWHE

500 MWTE

150 MWNE

Sosednji

sistem 2

Slika 8. Povezave testnega EES s sosednjimi sistemi ter omeji-tve pri prenosu elektricne energijeFigure 8. Connections between the test system and its neighbor-ing systems

Delovanje simulatorja trga je prikazano na primeru si-mulacije razmer na trgu v tipicnem tednu (od ponedeljkado nedelje), za kar simulator dnevnega trga porabi pri-blizno 15 sekund (PC Pentium III). Najprej smo spomocjo simulatorja dnevnega trga analizirali vpliv po-manjkanja proizvodnje na delovanje trga z elektricno en-ergijo. V ta namen smo simulirali tri scenarije:

1. vse proizvodne enote testnega EES so razpolozljive;

2. izpad enega od dveh termo blokov najvecjega proiz-vajalca v EES (125 MW);

3. izpad obeh blokov najvecjega proizvajalca (NTE) vEES (250MW).

Slika 9 prikazuje gibanje sistemske cene po posamez-nih urah v scenarijih 1, 2 in 3. Iz slike je razvidno, daizpad enega bloka NTE v sistemu (scenarij 2) ne ogrozidelovanja trga, saj je povecanje sistemske cene zane-marljivo (4%). Ob izpadu obeh blokov NTE (scenarij3) pa v dolocenih urah razpolozljiv uvoz in proizvodnjale s tezavo pokrivata celotno porabo elektricne energije vEES. To povzroci, da so velik del dneva angazirane na-jdrazje enote v sistemu, med katerimi je tudi najdrazjaPE. Ker slednja zaradi visokih variabilnih stroskov v nor-malnih okoliscinah nikoli ne obratuje, ponuja elektricnoenergijo vedno po najvisji ceni (angl. price cap), 50SIT/kWh. Ceprav je proizvodnja iz najdrazje PE rela-tivno majhna (∼2%), se je cena med 6. in 24. uromocno povecala, saj jo v sistemu vedno doloca najdrazjase angazirana enota. V izjemnih okoliscinah (neugodnakombinacija remontov, nakljucnih izpadov, pomanjkanja

vode v HE, povecane porabe...) lahko PE na tak nacinv relativno kratkem casu in temu primerno visoki cenipridela potreben letni prihodek.

0 24 48 72 96 120 144 168 0

10

20

30

40

50

60

Cas [h]

Scenarij 1 Scenarij 2 Scenarij 3

v

Slika 9. Urne vrednosti sistemske cene v scenarijih 1, 2 in 3Figure 9. Hourly market clearing prices for scenarios 1, 2 and 3

Pomembno je poudariti, da je scenarij 3 skrajen, ven-dar mogoc primer, na kar nas opozarja dogajanje na kali-fornijskem trgu z elektricno energijo. Regulator trga,katerega osnovna funkcija je nadziranje delovanja trgaz elektricno energijo, lahko s pomocjo simulatorja trgapredvidi in prepreci tovrstne anomalije ob deregulacijiEES.

Na dolocanje strategij ponujanja elektricne energije natrgu mocno vpliva tudi trzna moc podjetja. V nadalje-vanju so prikazani rezultati primerjave dogajanja na trgu,ko proizvodna podjetja nastopajo loceno ter v primeruzdruzitve vseh HE in NTE v skupno podjetje. Takonastalo zdruzeno podjetje vkljucuje 350 MW instaliranemoci hidroproizvodnje z variabilnimi stroski 0 SIT/kWhter 250 MW instalirana moci termo proizvodnje z vari-abilnimi stroski 7,5 SIT/kWh, kar je skupaj 60 odstotkovproizvodnih zmogljivosti v testnem EES. Rezultati simu-lacij so prikazani na spodnji sliki, stevilske vrednosti paso podane v tabeli 2.

Povecan trzni delez skupnega podjetja omogoca vecjimanevrski prostor pri dolocanju strategij in oblikovanjuustreznih ponudb na trgu z elektricno energijo. Kerimajo HE v testnem EES relativno majhne akumulacijskebazene, bi ob igranju s proizvodnjo HE lahko prislodo nepotrebnega prelivanja prek jezu HE, zato vecji delproizvodnje HE se naprej ponujamo po ceni nic. Iz slike10 je razvidno, da zdruzeno podjetje lahko izkorisca svojpolozaj predvsem v urah vecje porabe, ko je konkurencamed proizvajalci manjsa. Z visanjem cen ponudbe NTEse je njihova proizvodnja zmanjsala priblizno za 57odstotkov, vendar pa se je temu primerno sistemska cenazvisala priblizno za 35 odstotkov. Kljub nizji proizvodnjiTE pa se njihovi prihodki ob zdruzitvi le malo znizajo,

284 Golob, Stokelj, Paravan, Stojkovska

0 24 48 72 96 120 144 1680

10

20

Sistemskacena

[SIT/kWh]

0 24 48 72 96 120 144 1680

200

400

600

Proizvodnja

[MWh]

0 24 48 72 96 120 144 1680

2

4

6

Prihodek[m

ioSIT]c.)

b.)

a.)Locen nastop

Zdruzen nastop

v

v

Cas [h]v

Slika 10. Vpliv zdruzevanja podjetij na delovanje trga z elek-tricno energijoFigure 10. Impact of joint bidding on electricity market behav-ior

mocno pa so se zvisali prihodki skupnega podjetja (+33odstotkov), kar je bil tudi cilj zdruzevanja.

Loceno Zdruzeno Sprememba

Sistemska cena

[SIT/kWh] 7,18 9,69 +35 %

Proizvodnja NTE

[GWh] 24,9 10,7 -57 %

Proizvodnja HE+NTE

[GWh] 51,7 37,5 -27 %

Prihodek NTE

[mio SIT] 29,1 28,8 -1 %

Prihodek HE+NTE

[mio SIT] 238 317 +33 %

Tabela 2. Primerjava sistemske cene, proizvodnje in prihodkaNTE ter zdruzenega podjetja pri locenem in zdruzenem nastopuna trguTable 2. MCP, power production and income of some marketparticipants in case of separate and joint bidding on the electric-ity market

6 Sklep

Simulator dnevnega trga elektricne energije je temeljnoorodje za raziskovanje problematik, povezanih z deregu-lacijo EES. Namenjen je predvsem analiziranju strategijnastopa posameznih akterjev na trgu elektricne energije.

V clanku je predstavljen algoritem simulatorja s po-drobnimi opisi posameznih blokov. Najobseznejsi ko-rak je priprava vhodnih podatkov in zahteva natancenopis vseh proizvodnih objektov v sistemu, vkljucno z nji-hovimi tehnicni podatki, podatke o variabilnih stroskihposamezne enote, hidroloske podatke, napoved porabe in

podatke o sosednjih sistemih, kot tudi prenosne omeji-tve med posameznimi sistemi. Posebna pozornost je bilaposvecena modeliranju sosednih sistemov. Na podlagitako pripravljenih podatkov oblikujemo ponudbe proiz-vajalcev in porabnikov elektricne energije. Predstavljeneso bile osnovne oblike ponudb glede na vrsto proizvod-nje, pri cemer smo upostevali obratovalne karakteris-tike posameznih objektov. Sledi dolocanje sistemskecene oziroma iskanje presecisca med krivuljo ponudbe inpovprasevanja, pri cemer morajo biti izpolnjene zahteve otehnicnih omejitvah posameznih objektov.

Simulator dnevnega trga z elektricno energijo smopreverili na modelu testnega EES. Ugotavljali smo vplivizpada dela proizvodnje in s tem zmanjsanja konkurencemed proizvajalci ter skupnega nastopa proizvodnih pod-jetij na delovanje trga in oblikovanje sistemske cene.

Predstavljeno racunalnisko orodje je objektno zas-novano. Posamezni deli so locene, samostojne enote,kar omogoca nadaljnji razvoj, izpopolnitev in razsiritevfunkcij simulatorja trga z elektricno energijo.

7 Literatura

[1] Philipson, L., Willis, L. H. (1998). Understanding Elec-tric Utilities and De-regulation. Marcel Dekker, Inc., NewYork.

[2] Ilic, M., Galian, F. in Fink, L., (1998). Power system re-structuring: Engineering and economics. Kluwer Aca-demic Publishers, Norwell, Massachusetts.

[3] Sheble, G. B., (1999). Computational auction mecha-nisms for restructured power industry operation. KluwerAcademic Publishers, Norwell, Massachusetts.

[4] Flatabo, N. (2000). Experience Gained After Nine Yearsof Open Electricity Market in the Nordic Countries. IEEEWinter Meeting 2000, Singapore 2000.

[5] Otterstad, B. (2000). Development of the CompetitiveElectricity Market in the Nordic Countries (Scandinavia).IEEE Winter Meeting 2000, Singapore 2000.

[6] Caramanis, M. C., Bohn, R. E., Schweppe, F. C. (1982).Optimal Spot Pricing: Practice and Theory. IEEE Trans.on Power Apparatus and Systems, Vol. PAS-101, no. 9,pp. 3234-3244.

[7] Otero-Novas, I., Meseguer, C., Batlle, C., Alba, J. J.(2000). A Simulation Model for a Competitive Genera-tion Market. IEEE Transactions on Power Systems, Vol.15, No. 1, February.

[8] Kumar, J., Ng, K. H., Sheble, G. (1997). AGC Simulatorfor Price-Based Operation, Part 1: A Model. IEEE Trans-actions on Power Systems, Vol. 12, No. 2, May 1997.

[9] Xie, K., Song, Y., Stonham, J., Liu, G. (2000). Decompo-sition Model and Interior Point Methods for Optimal SpotPricing of Electricity in Deregulation Environments. IEEETransactions on Power Systems, Vol. 15, No. 1, February.

[10] Khotanzad, A., Afkhami-Rohani, R., Maratukulam, D.(1998). ANNSTLF - Artificial Neural Network Short-Term Load Forecaster - Generation Three. IEEE Trans-actions on Power Systems, Vol. 13, No. 4, 1413-1422.

[11] Golob, R. (1999). Mozna proizvodnja moci in energijev hidroelektrarnah za dolgorocno planiranje obratovanjaEES. Studija. Fakulteta za elektrotehniko Univerze v Lju-bljani, Ljubljana.

[12] Stokelj, T. (1999). Prirocnik za uporabo aplikacijeHIDRO. Fakulteta za elektrotehniko Univerze v Ljubljani,Ljubljana.

[13] Stokelj, T., Golob, R., Gubina, F. (1998). Optimalno vo-denje verige HE s pomocjo metod umetne inteligence.Zbornik sedme Elektrotehniske in racunalniske konferenceERK ’98, 24. - 26. september 1998, Portoroz, Slovenija.Ljubljana: IEEE Region 8, Slovenska sekcija IEEE, zv.A, str. 419-422.

[14] Li, C., Svoboda, A. J., Guan, X., Singh, H. (1999). Rev-enue Adequate Bidding Strategies in Competitive Elec-tricity Markets. IEEE Transactions on Power Systems,Vol. 14, No. 2, May 1999.

[15] Richter, C. W., Sheble, G.B. (1998). Genetic AlgorithmEvolution of Utility Bidding Strategies for the Competi-tive Marketplace. IEEE Transactions on Power Systems,Vol. 13, No. 1, February.

[16] Rao, S. S. (1996). Engineering optimization: theory andpractice. 3rd edition. John Wiley & Sons, cop. New York.

Robert Golob je diplomiral, magistriral in doktoriral na Fakul-teti za elektrotehniko v Ljubljani (1989, 1992 in 1994). Poenoletnem izpopolnjevanju na Georgia Tech (ZDA), se je za-poslil na FE kot docent za podrocje energetskih pretvornikov inproizvodnje elektricne energije. Od leta 1999 opravlja funkcijodrzavnega sekretarja za energetiko.

Tomaz Stokelj je diplomiral in magistriral na Fakulteti za ele-ktrotehniko v Ljubljani (1995 in 1998). Zaposlen je na SENG,obenem pa je clan raziskovalne skupine za EES na FE v Lju-bljani, kjer se ukvarja v glavnem z optimizacijo obratovanjaelektrarn.

Dejan Paravan je diplomiral na Fakulteti za elektrotehniko vLjubljani (1999). Zaposlen je kot mladi raziskovalec na FE, kjerkot clan Laboratorija za energetske strategije aktivno sodelujepri pedagoskem procesu in na tekocih projektih. Njegovo glavnopodrocje raziskovanja je deregulacija EES in trg z elektricno en-ergijo.

Biljana Stojkovska je diplomirala na Fakulteti za elektroteh-niko v Skopju (1997). Trenutno dela kot gostujoca raziskovalkana Fakulteti za elektrotehniko v Ljubljani, kjer je clanica Lab-oratorija za energetske strategije in aktivno sodeluje pri tekocihprojektih laboratorija.