Stochastic approach to mid- and long-term forecasting of ERCOT real-time electricity price

Abstract

Tämän työn tavoitteena on mallintaa päivän sisäistä sähkönhintaa Teksasissa sijaitsevalla ERCOT-markkinalla. Lisäksi kehitetään simulointimenetelmä, jolla voidaan luoda hinta-aikasarjoja useaksi vuodeksi tulevaisuuteen. Selittäjämuuttujien vaikutus huomioidaan mallinnuksessa.

Sähkönhinnan ennustaminen on tärkeää esimerkiksi voimalaitosinvestointien kannattavuutta laskettaessa. ERCOT:ssa voimalaitokset myyvät sähköä kolmella markkinalla: seuraavan päivän (DA), päivän sisäisellä (RT) sekä reservituotemarkkinalla (AS). Tavallisesti vain DA-markkinan hinta huomioidaan investointilaskelmissa. Nopeat voimalaitokset voivat kuitenkin hyötyä merkittävästi RT-markkinahinnan liikkeistä ja erityisesti sen ja DA-markkinahinnan erosta.

Sähkönhinnan ennustamiseksi on olemassa kahdenlaisia menetelmiä - fundamentaalisia ja stokastisia. DA-markkinahinnan ennustamiseen käytetään yleisesti tietokoneohjelmia, joiden antamat tulokset ovat varsin tarkkoja niin lyhyellä kuin pitkälläkin ennustehorisontilla. RT-markkinahinnalle ei kuitenkaan ole olemassa vastaavia pitkän aikavälin ratkaisuja.

Tässä työssä tutkitaan tilastollisesti RT-markkinahinnan muodostumista. Löydettyihin selittäjämuuttujiin perustuen rakennetaan bootstrap-menetelmää käyttäen stokastinen ennustemalli. Korkeiden hintapiikkien nähdään useimmiten tapahtuvan korkean DA-markkinahinnan ja alhaisen vapaan sähköntuotantokapasiteetin aikoina. Tavallisimmalla hintatasolla selittäjämuuttujiksi valitaan DA-markkinahinta, vapaan sähköntuotantokapasiteetin ennustevirhe, tuulituotannon ylittävän kulutuksen muutosnopeus sekä edellinen RT-markkinahinta. Selittäjämuuttujien arvot simuloidaan sähkömarkkinamallinnukseen tarkoitetulla tietokoneohjelmalla ja Markovin ketjuihin perustuvalla stokastisella menetelmällä.

Simulointimenetelmän toimivuus varmistetaan ennustamalla menneisyyden hintoja ja havaitsemalla ennusteet tarpeeksi samanlaisiksi toteutuneiden kanssa. RT-markkinahintaa simuloidaan kahdessa tulevaisuuden skenaariossa. Tuulituotannon määrän kasvun nähdään kasvattavan hintavaihteluita RT-markkinalla.