Conférence TechnoArk 2016 - 06 alpiq
-
Upload
laurent-borella -
Category
Technology
-
view
104 -
download
1
Transcript of Conférence TechnoArk 2016 - 06 alpiq
Optimisation énergétique / A. Poncet 2
Contenu
• Contexte: les marchés de l’électricité au quotidien
Focus: Valoriser la flexibilité énergétique grâce au stockage
Illustré ici par des ouvrages hydro-électriques
[ALPIQ hydro: env. 2’500 MW, 5’000 GWh/an]
• Challenge 1: Comment anticiper la valeur «instantanée»(horaire) des besoins énergétiques?
• Challenge 2: Comment gérer l'allocation horaire des ressources de production?
• Challenge 3: Comment atténuer l’impact de l'incertitudeliée aux intermittences?
• Conclusions
Optimisation énergétique / A. Poncet 4
Les fondamentaux de l'électricité en CH
En partie prévisibles – mais seuls certains sont influençables
Démographie MacroéconomiePolitique Marchés énergieFluctuations
météo
Disponibilité des interconnections
Volume et Prix d’électricité(adéquation offre/demande)
Consommation Production(mix)
Impact écologique et économique
Equilibrage continuel
Optimisation énergétique / A. Poncet 5
influences macros
Contexte:Les marchés de l’électricité au quotidien
L’équilibre exact en temps réel nécessite une longue préparation:
forwards: marché à terme via contrats, brokers et bourses (EEX)
day-ahead: marché en J-1 via bourses (EPEX)
intraday: marché jusqu’à H-1 via bourses et en bilatéral
SDL: ajustement d’écarts via gestionnaire réseau
Rôle du Trading (négoce): Valoriser la flexibilité énergétique
[Larousse]: action de donner plus de valeur (par opposition à gaspiller)
Ici: illustré dans le cas des ouvrages de stockage hydro-électriques
t-3 ans … -1 mois -1 semaine J-1 H-1 0
prévisions météo météo locale
Optimisation énergétique / A. Poncet 6
– Challenge 1: Anticiper la valeur horaire des besoins énergétiques –
Zervreila, GR
Optimisation énergétique / A. Poncet 7
Comment anticiper la valeur horaire des besoins énergétiques?Modélisation des attentes par le marché
Tout d’abord: Pour suivre continuellement le besoin/l’insuffisance,
quelle «mesure globale» est disponible?
Prix = signal horaire de carence… MAIS: disponible qu’en J-1!
⇒ Approche: Construction de courbe de prix horaires (ou ¼-h)
basée sur les forwards = consensus de différents acteurs(≠ prognostic individuel)
• Forwards disponibles aujourd’hui = mesures partielles du marché
horizon, granularité et profil sont limités
• Développement de propres algorithmes pour estimer le reste de l’«état» du marché
saisonnalités, jours fériés, météo, disponibilité du parc, etc.
Optimisation énergétique / A. Poncet 8
Construction de courbes de prix horaireDécomposer, filtrer, recomposer
Nécessite: traitement de grandes quantités de données, fonctions mathématiques complexes comme traitement du signal, opérations sur des matrices de millions d’éléments(utilisation de MATLAB)
Composante résiduelleComposantes de saisonnalité
Spikes
Fériés /Surabon-dance
annuel
hebdomadairequotidien
Pri
x (
norm
alisé)
Optimisation énergétique / A. Poncet 9
Construction de courbes de prix horaireExemple: anticipation marché de mi-déc 2014 sur l’année 2015
Jan 2015 Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec0
20
40
60
80
0
20
40
60
80
Tic
k F
orw
ard
Price
[EU
R/M
Wh]
Jan 2015 Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec0
20
40
60
80
0
20
40
60
80Forw
ard
Price
[EU
R/M
Wh]De…
à… 8’760 valeurs horaires(ici: 24 courbes = heures 1 à 24)
Prix forwards de 16 produits base et peak (ce jour-là)
2*2 semaines
2*2 mois3*2 trimestres 1*2 années
Optimisation énergétique / A. Poncet 10
– Challenge 2: Gérer l'allocation des ressources de production –
Hongrin, VD
Optimisation énergétique / A. Poncet 11
Comment gérer l'allocation horaire des ressources de production?
Eléments - continuellement remis à jour - pour la modélisation:
- prix horaires (attendus / expected values)
- niveaux de stockage actuels, apports attendus (expected inflows)
- contraintes opérationnelles (unités de production, réservoirs)
- révisions planifiées
⇒ Approche: Gestion d’un ouvrage via des optimisations mathématiques (optimal control problem)
Modélisation de la physique des ouvrages et de leurs contraintes opérationnelles
Horizon d’optimisation > 2 ans:
« course contre la montre » (serveur de p.ex. 64 processeurs)
Optimisation énergétique / A. Poncet 12
Gestion d’un ouvrage via des optimisations: Modélisation de contraintes physiques: exemples
Eau c
onsom
mée
[m3/M
Wh]
Pro
duction [
MW
]
Temps [h]
Tmin production
Tmin repos
Production min
Rampe max
0
Limites à la «flexibilité»: contraintes opérationnelles
⇒ nécessite un modèle mixte (variables continues et variables entières)
Combien d’eau est «consommée» pour produire1 MWh?
⇒ dépendence non-linéairep.r. à la puissance de production et au contenu du réservoir
Optimisation énergétique / A. Poncet 13Q1 2015 Q2 Q3 Q4
0
2
4
x 107
0
2
4
x 107
Reserv
oir
Gestion d’un ouvrage via des optimisationsExemple déterministe à titre d’illustration
-200
-100
0
30.03. 06.04. 13.04. 20.04. 27.04. 04.05.2015
-200
-100
0
Pom
page
0
100
200
30.03. 06.04. 13.04. 20.04. 27.04. 04.05.20150
100
200
Pro
duction
Cycle annuel(apports naturels)
Cyclehebdomadaire
Contraintes max de production
Contraintes min de pompage
Contraintes min/max du réservoir
Optimisation énergétique / A. Poncet 14
– Challenge 3: Atténuer l’impact de l’incertitude liée à l’intermittence –
Maggia, TI (Lago del Naret)
Optimisation énergétique / A. Poncet 15
Comment atténuer l’impact de l'incertitudeliée à l’intermittence de la demande résiduelle?
Demande résiduelle = Consommation – (production intermittente)
c’est-à-dire le déséquilibre qui doit être compensé par la flexibilité
1) Gestion continue = séquence de décisions
• dépendantes
• soumises à l’incertitude (demande résiduelle, météo,apports d’eau, prix futurs, …)
⇒ Approche: Utilisation d’algorithmes probabilistes(p.ex. stochastic dynamic programming, scénarios)
2) Représentation de la flexibilité d’un parc d’ouvrages par des options (extension d’un concept des mathématiques financières)
Option = opportunité de prendre sa décision «au dernier moment»
⇒ Approche: Gestion du parc de stockage en tant que portefeuille d’options
Optimisation énergétique / A. Poncet 16
Gestion du parc de production en tant que portefeuille: Alternatives
• Position gardée ouverte face à l’incertitude (‘‘wait-and-see’’)⇒ spéculation, exposition totale au risque
• Elimination (statique) de l’incertitude:fermeture des positions par couverture fixe à terme (hedging)⇒ sécurisation, mais perte de valeur de la flexibilité
• Mieux: Neutralisation (dynamique) de l’incertitude:ré-équilibrage des positions (delta hedging)⇒ préservation de la valeur de la flexibilitéMais: Effets d’échelle/de foisonnement seulement à partir d’une grande taille de portefeuille!
Premium d’option (volatilité) = signal mesurant l’incertitude
Echanger (acheter/vendre) de l’incertitude: p.ex. via
• option swing de production (capacité flexible)• options sur la température, la force du vent, etc.
Optimisation énergétique / A. Poncet 17
Vue d’ensemble: Flux d’information
Modèles
Constructionscénarios horaires
Prix marchés
Données météo
Mesuresconsom, etc.
Mesures Contraintes
Modèles
Optimisation production
Modèles
Optimisation risque
(portefeuille)
Positions de production
Positions de couverture
Fonda-mentaux
Ouvrages production
Optimisation énergétique / A. Poncet 18
Conclusions
• Défi: gérer la production flexible du parc d’ouvragesen tant que ressources limitées (optimisation)capables de compenser au mieux l’intermittence (portefeuille d’options)
• Concepts de base fournis par les théories mathématiques: pour une valorisation rigoureusement optimale de ces ressources
• En réalité et en tenant compte des contraintes pratiques: développer les modèles/algorithmes est un aspect métier clé
• L’évolution des outils logiciels pour implémenter ces algorithmes et traiter ainsi le flux croissant de donnéesnous permet d’aller toujours plus loin…(exemple: mesures météo par drones)