OPTYMALIZACJA KRAJOWEGO MIKSU ENERGETYCZNEGO … · reprezentantami są modele makroekonomiczne....
Transcript of OPTYMALIZACJA KRAJOWEGO MIKSU ENERGETYCZNEGO … · reprezentantami są modele makroekonomiczne....
OPTYMALIZACJA KRAJOWEGO MIKSU ENERGETYCZNEGO
W KONTEKŚCIE POLITYKI ENERGETYCZNEJ
Autorzy: Michał Wierzbowski, Błażej Olek, Wojciech Łyżwa
("Rynek Energii" nr 5/2014)
Słowa kluczowe: miks energetyczny, optymalizacja, modelowanie systemów energetycznych, polityka
energetyczna
Streszczenie. Artykuł odnosi się do narzędzia jakim jest model optymalizacji mix-u energetycznego kraju,
mogący znacząco pomóc w kreowaniu polityki energetycznej, prowadząc do właściwej struktury jednostek
wytwórczych. Mix energetyczny jest silnie zależny od polityki energetycznej UE. W artykule została
przedstawiona sytuacja Polski w kontekście polityki europejskiej. Zawarto w nim również analizę modelu
opracowanego w DAS KPRM wraz z przeglądem różnych podejść do modelowania systemów energetycznych
oraz wyniki obliczeń według założonych scenariuszy.
1. WSTĘP
Mix energetyczny można rozpatrywać w bardzo szerokim zakresie, włączając różne formy
wykorzystania energii. W niniejszym artykule mix energetyczny odnosi się do sektora
elektroenergetycznego, w którym przez mix, rozumie się strukturę mocy zainstalowanej oraz
produkcję energii elektrycznej w elektrowniach w podziale na wykorzystywane paliwa i
technologie.
Tematyka właściwego mix-u energetycznego jest zagadnieniem bardzo istotnym, ponieważ
odpowiednia struktura źródeł wytwórczych jest czynnikiem decydującym o zapewnieniu
bezpieczeństwa energetycznego. Kształt mix-u określa możliwości wypełnienia europejskiej
polityki energetycznej i klimatycznej.
Narzędziem tworzenia odpowiedniego krajowego miksu energetycznego jest polityka
energetyczna. Projekt miksu zawarty w polityce nie może być często modyfikowany na
skutek inercji w procesach inwestycyjnych i ich ryzyka. Model będący przedmiotem artykułu
stanowi narzędzie wspomagające tworzenie polityki energetycznej.
2. POLSKA W KONTEKŚCIE POLITYKI ENERGETYCZNEJ UE
Obecna polityka energetyczna UE obowiązuje do roku 2020. Trudno z góry przewidzieć w
jaki sposób polityka ta zmieni się po roku 2020. W świetle przemian gospodarczych,
zachodzących na przestrzeni kilku ostatnich lat, jest mało prawdopodobne, że zostanie
uzgodniony protokół post-Kyoto (dotychczasowe porozumienie z Kyoto obowiązywało do
końca roku 2012). Można spodziewać się porozumienia o charakterze deklaratywnym, bez
konkretnych zobowiązań.
Wydaje się, że Unia Europejska będzie kontynuować próby ograniczenia emisji CO2 po 2020
roku w formie podobnej do obecnie funkcjonującego European Union Emission Trading
System (EU ETS). Pojawienie się nowego systemu w miejsce EU ETS jest mało
prawdopodobne, ze względu na bariery akceptacji nowego systemu oraz wysokie koszty jego
ewentualnego tworzenia. Do końca okresu obowiązywania obecnego systemu, tj. do 2020,
pozostało sześć lat. Aby nowy system mógł sprawnie działać od 2020, musiałby być
uzgodniony już obecnie, a wprowadzony w roku 2018.
Obecne ceny pozwoleń na poziomie 5-6 €/tCO2 nie mają istotnego negatywnego wpływu na
polską gospodarkę. EU ETS nie działa szkodliwie na elektroenergetykę, ponieważ ta przenosi
wszystkie koszty na odbiorców. Wzrost cen energii jest negatywny dla przemysłu, bo już dziś
koszty bezwzględne energii elektrycznej dla odbiorców przemysłowych w Polsce
przewyższają koszty w innych krajach i mogą doprowadzić do ucieczki przemysłu nie tylko
poza Unię Europejską ale i wewnątrz Wspólnoty (zjawisko car-bon leakage).
Polska może podjąć działania na poziomie europejskim albo krajowym. Na poziomie
europejskim to:
- podjęcie kroków w kierunku zachowania EU ETS pamiętając o tym, że przychody z handlu
powinny trafiać do budżetów krajów członkowskich,
- podjęcie kroków w kierunku maksymalizacji puli przeznaczonej do handlu, co
powodowałoby utrzymanie cen pozwoleń na niskim poziomie,
- podjęcie prób włączenia do celów europejskich tzw. niskich emisji (z niskich kominów
indywidualnych gospodarstw domowych i małego przemysłu), gdzie Polska ma szczególnie
duży potencjał redukcji.
Działania na poziomie krajowym są:
- krótkoterminowe, czyli kompensowanie negatywnych skutków poprzez skierowanie
przychodów z handlu emisjami na redukcję podatków VAT i akcyzy, szczególnie dla
odbiorców komercyjnych,
- długookresowe, czyli opracowanie kompleksowych planów inwestycji w nowe moce
wytwórcze, które nawet w przypadku odbudowy elektrowni węglowych ograniczą emisje o
około 30% i wykorzystanie wpływów ze sprzedaży pozwoleń na systemy wsparcia inwestycji
(minimalizacja ryzyka finansowego) poprzez różne formy rynku mocy czy kontraktów
różnicowych.
Działania długookresowe, jako działania strategiczne najczęściej przynoszą bardzo dobre
rezultaty pozwalając dostosować i określić wiele procesów towarzyszących. Są jednocześnie
najtrudniejsze, a ich sukces jest uwarunkowany stabilnością działań i konsekwencją w
realizacji planów.
W przypadku systemu elektroenergetycznego przed określeniem dokładnych planów należy
zdefiniować kształt mix-u. Z tego powodu analizy jakie technologie produkcji energii
elektrycznej będą konieczne dla zapewnienia bezpieczeństwa energetycznego są niezbędne.
Bardzo pomocne przy tym są komputerowe modele systemu elektroenergetycznego
pokazujące tendencje w długim horyzoncie czasowym, np. do roku 2050 i później.
Przegląd różnych modeli został zawarty w kolejnej sekcji, a modelem dedykowanym do
obliczeń optymalizacyjnych mix-u energetycznego dla Polski jest model opracowany w
Departamencie Analiz Strategicznych KPRM, w skrócie DAS (będący przedmiotem tego
artykułu) oraz rozwijany na Politechnice Łódzkiej kompleksowy model „eMix” (nie będący
częścią niniejszego opracowania).
2.1. Modelowanie sektora energetycznego
Optymalizacja mix-u energetycznego jest częścią zagadnienia modelowania systemów
energetycznych (ang. energy system modelling). Poważna dyskusja pomiędzy ekspertami
oraz politykami o przyszły kształt sektora energetycznego spowodowała powstanie licznych
modeli wspomagających decyzje sektorowe oraz planowanie polityki [1]. Wing w [3] doko-
nuje analizy dwóch podstawowych podejść do zagadnienia modelowania systemów
energetycznych: oddolne (ang. bottom-up) oraz odgórne (ang. top-down). Pierwsze z nich
koncentruje się na technicznych zagadnieniach opisywanych procesów w tym szczegółach
technologicznych. To podejście zwane jest również podejściem procesowym (ang.
process-oriented). Ze względu na duży nacisk na techniczną stronę funkcjonowania systemu
niemożliwe jest określenie wpływu czynników gospodarczych, czyli ekonomicznych,
społecznych, strukturalnych.
Ograniczenia podejścia oddolnego są eliminowane przez podejście odgórne, którego
reprezentantami są modele makroekonomiczne. Potrafią one symulować ogólny bilans popytu
i podaży, biorąc pod uwagę czynniki gospodarcze niezwiązane bezpośrednio z sektorem
energetycznym takie jak: wzrost gospodarczy, zatrudnienie, czynniki społeczne [2]. To po-
dejście pozwala również na analizę wpływu wielu sektorów na siebie nawzajem. Niemniej
jednak, podejście odgórne, nie pozwala na właściwe odzwierciedlenie zagadnień
technicznych np. rozwoju technologii, emisji spalin, działania systemu elektroenergetycznego
czy gazowego.
Nie ma wątpliwości, że najlepsze rezultaty zostałyby osiągnięte przy połączeniu obu ścieżek
modelowania. Taki model dostarczyłby spójnych odpowiedzi zarówno w warstwie
technicznej jak i makroekonomicznej [3],[4],[5],[12].
Najważniejsza grupa modeli reprezentująca podejście „top-down” to modele równowagi
ogólnej (Computa-ble General Equilibrium Models - CGE). Jej przedstawicielem jest np.
model GEM-E3, używany przez Komisję Europejską. W tym podejściu zakłada się, że na
początku wszystkie rynki są w równowadze. Następnie następuje zaburzenie i ustalenie
nowego punktu równowagi. Zaburzenia nie mogą bezpośrednio modyfikować cen. Podmioty
działają jako „price ta-kers”.
Z kolei modele równowagi cząstkowej (ang. Partial Equilibrium Models) w swojej istocie
bardzo podobne do modeli CGE, jednak nie uwzględniające wszystkich sektorów gospodarki
są najczęściej utożsamiane z podejściem „bottom-up”. Ograniczenie sektorów gospodarki
ułatwia bowiem uwzględnienie warstwy technicznej, jednak modele z tej grupy nadal nie
odzwierciedlają w pełni procesów technicznych. Najważniejszymi modelami z tej grupy są:
PRIMES, POLES, WEM.
Kolejną grupą modeli klasyfikowaną jako „bottom-up” są modele optymalizacyjne. Są one
najchętniej wykorzystywane do poszukiwań optymalnego miksu energetycznego, czyli miksu
przy najniższym koszcie, biorąc pod uwagę ceny będące w równowadze oraz ograniczenia
wynikające z warunków działania sektora elektroenergetycznego. Najważniejsze modele tego
typu to: MARKAL, TIMES, MESSAGE, DIME, PLEXOS. Model TIMES wyrasta z rodziny
MARKAL. Model PLEXOS jest oprogramowaniem komercyjnym i powszechnie
stosowanym w obrębie modelowania działania systemu elektroenergetycznego [9]. Bardzo
często modele optymalizacyjne są jednocześnie modelami symulacyjnymi dostarczającymi
wyników ilościowych przy obliczeniach gotowych scenariuszy z założonymi parametrami
sterującymi (NEMS [6]). Modele ściśle symulacyjne nie posiadają zmiennych decyzyjnych
(MEAD-2 [11], WEM[12]).
Do tej pory żaden z istniejących modeli nie pozwalał na kompleksową optymalizację miksu
energetycznego z uwzględnieniem typoszeregów jednostek wytwórczych, sieci
elektroenergetycznej, zasad działania systemu elektroenergetycznego, procesów inwesty-
cyjnych oraz otoczenia rynkowego.
3. METODOLOGIA MODELU DAS
Model DAS jest modelem optymalizacyjnym, reprezentującym oddolne podejście do
zagadnienia modelowania systemów energetycznych. Uwzględnia on tylko system
elektroenergetyczny i jego otoczenie, dając wyniki w postaci optymalnej struktury źródeł
wytwórczych w Polsce [14].
Metodologia przyjęta podczas tworzenia modelu zakłada jednoczesną optymalizację mocy
zainstalowanej w krajowym systemie elektroenergetycznym (KSE) i produkowanej energii,
tak aby oba bilanse były zachowane. Optymalizacja jest oparta o kryterium najniższego
kosztu z możliwością wprowadzania ograniczeń. Zagadnienie optymalizacji mix-u ma
charakter dynamiczny - końcowa optymalna jego forma jest zależna od serii rozproszonych
decyzji rozłożonych w czasie. Zastosowana metodologia zakłada rzutowanie problemu
dynamicznego na problem liniowy z ograniczeniami.
Model DAS może być zaliczony do tej samej grupy modeli co MARKAL, TIMES czy
MESSAGE. Jednakże DAS w przeciwieństwie do nich zakłada nie tylko konieczność
zachowania bilansu energii ale także bierze pod uwagę bilans mocy. DAS integruje te dwa
bardzo ważne zagadnienia dla działania systemu elektroenergetycznego [15]. Jest to bardzo
istotna zaleta tego modelu.
3.1. Struktura modelu DAS
Funkcja celu wykorzystywana jako wskaźnik jakości w optymalizacji ma charakter funkcji
kosztowej. Sumarycznie uwzględnia następujące koszty:
- CAPEX kopalni - koszt inwestycyjny uruchomienia nowego złoża na jednostkę zasobu,
- CAPEX jednostki wytwórczej - koszt 1MW mocy zainstalowanej (jako koszt inwestycyjny
technologii),
- OPEX stały i zmienny jednostki wytwórczej -koszt operacyjny stały, zależny od mocy
zainstalowanej (na 1MW) oraz zmienny, zależny od poziomu produkcji (na 1MWh energii);
OPEX nie uwzględnia kosztów paliwa i uprawnień do emisji CO2,
- koszt paliwa,
- koszt uprawnień do emisji CO2,
- ceny węgla kamiennego oraz brunatnego (12 oraz 8 PLN/GJ),
- koszty CAPEX i OPEX dla elektrowni jądrowej (CAPEX - 22 mln zł/MW, OPEX stały -
420 tys. zł/MW ; OPEX zmienny - 15 zł/MWh),
- współspalanie biomasy z węglem - założono tendencję do zanikania tej formy produkcji
energii na rzecz produkcji w dedykowanych jednostkach spalających biomasę,
zaktualizowano produkcję ze współspalania zgodnie z sytuacją obecną oraz uaktualniono
poziom mocy zainstalowanej w źródłach na węgiel kamienny i brunatny,
- częściowo uwzględniono ograniczenia systemowe dotyczące zdolności systemu do
integracji różnych technologii. Przyjęto ograniczenie poziomu potencjału technicznego dla
elektrowni opartych o źródła odnawialne oraz elektrowni jądrowej (6400 MW). Ograniczono
również coroczną instalację mocy w danej technologii, aby uniknąć nierealnych skoków
mocy zainstalowanej,
- ograniczono potencjał techniczny dla jednostek gazowych ze względu na zdolności
importowe gazu,
- uaktualniono specyfikację techniczną dla technologii, zwłaszcza czasy pracy jednostek.
Model zakłada obliczenia w dowolnym horyzoncie czasowym zadanym przez użytkownika.
Jednak, aby nie dopuścić do „efektu końca świata”, co oznaczałoby, że po zadanym okresie
system przestaje funkcjonować (a koszty nie są dalej ponoszone), w rzeczywistości model
dokonuje obliczeń w dłuższym horyzoncie, niż ten zadany przez użytkownika (o 30 lat). Z
tego względu wszystkie koszty są dyskontowane oraz uwzględniany jest koszt kapitału
zgodnie z szeregiem stóp procentowych, a także dodawana jest marża na koszt finansowania.
Uwzględniono również wzrost cen i kosztów zgodnie z przewidywaną inflacją i wzrostem
PKB.
3.2. Zmiany założeń
Poniżej zostały przedstawione te założenia przyjęte do obliczeń mix-u, które zostały
zmienione w stosunku do oryginalnego modelu DAS. Ze względu na bardzo rozbudowane
dane wejściowe dokładny opis można znaleźć w [14].
4. ANALIZA DLA POLSKI
4.1. Scenariusze obliczeniowe
Scenariusze symulacyjne wraz z niektórymi parametrami wejściowymi zostały przedstawione
w Tabela 1. Scenariusze S1 i S2 prezentują opcję najtańszego miksu energetycznego bez
żadnych dodatkowych ograniczeń związanych z polityką energetyczną i klimatyczną.
Utrzymane zostało jedynie wymaganie dotyczące produkcji z OZE. Dwa scenariusze bazowe
wraz ze scenariuszem S3 pokazują na ile cena pozwoleń na emisję jest w stanie dostarczyć
impulsu do inwestycji w technologie niskoemisyjne.
Scenariusze S4 i S5 pokazują na ile polski sektor elektroenergetyczny może wypełnić bardziej
restrykcyjną politykę energetyczną, czyli dalszy wzrost produkcji z OZE (S4) oraz bardzo
wysoką redukcję emisji CO2 (S5). Ostatni scenariusz odnosi się do obniżenia wzrostu
zapotrzebowania na energię elektryczną z 1,01% rocznie do 0,7% (S6).
4.2. Wyniki symulacji
Model DAS dostarcza bardzo duży zestaw informacji wyjściowych włączając w to moc
zainstalowaną, moc dyspozycyjną, produkcję energii, koszty itd. Nie jest możliwe
kompleksowe przedstawienie wszystkich wyników w niniejszym artykule, dlatego
zdecydowano się na prezentację zestawień dla mocy dyspozycyjnej w systemie, energii oraz
kosztów. Moc dyspozycyjna pokrywa zapotrzebowanie maksymalne na energię elektryczną
oraz 18% rezerwę.
Tabela 2 prezentuje moc dyspozycyjną w systemie dla scenariusza S1, czyli przy niskiej cenie
uprawnień do emisji CO2 oraz przy braku bezpośrednich ograniczeń na emisje dla jednostek
wytwórczych. Głównym paliwem jest węgiel kamienny. Udział węgla brunatnego maleje ze
względu na wyczerpywanie się lokalnych zasobów tego surowca. W mix-ie zwłaszcza w
latach 2025+ pojawiają się jednostki gazowe, jednak pełnią one rolę jednostek szczytowych i
produkują niewiele energii (Tabela 3). Przez cały okres optymalizacji poziom mocy w
elektrociepłowniach (CHP) nie zmienia się znacząco.
Poziom produkcji z OZE jest zapewniony głównie przez elektrownie wiatrowe na lądzie
wspomagane energią z biomasy. Model uwzględnia wartość mocy dyspozycyjnej elektrowni
wiatrowych równą 10% mocy zainstalowanej.
Tabela 4 prezentuje wyniki mocy dyspozycyjnej w scenariuszu dla wysokiej ceny uprawnień
do emisji CO2. Wyniki są podobne do scenariusza S1. Zatem okazuje się, że wysoka cena
uprawnień niekoniecznie musi prowadzić do wzrostu inwestycji w nowe źródła
niskoemisyjne. Można zaobserwować nieznaczne ograniczenie emisji (Tabela 13),
powodujące częściową rekompensatę kosztów (wysokiej ceny uprawnień), jednak nie
pojawiły się technologie charakteryzujące się niską emisją.
Nieznacznie wzrosła produkcja energii z elektrowni gazowych w miejsce obniżonej produkcji
z elektrowni węglowych. Warto pamiętać, że zastępowanie starych elektrowni węglowych
jednostkami nowoczesnymi o wysokiej sprawności, samo w sobie powoduje ograniczenie
emisji CO2.
W przypadku symulowanych scenariuszy wzrosły przepływy finansowe dla scenariusza
wysokiej ceny CO2, co wynika z konieczności ponoszenia wyższych kosztów pracy jednostek
(Tabela 13).
Scenariusz wysokich cen pozwoleń na emisję CO2 w połączeniu z zewnętrznym
ograniczeniem na emisję na poziomie 120 mln tCO2 (S3) to ewolucja scenariusza S2. Wyniki
pokazują (Tabela 5), że dopiero zewnętrzne bezpośrednie ograniczenia na emisję może w
polskich warunkach wywołać powstanie nowych technologii niskoemisyjnych. W mix-ie
pojawia się elektrownia jądrowa, po tym jak potencjał techniczny jednostek gazowych,
wiatrowych, wodnych i spalających biomasę został wyczerpany. Inne technologie oparte o
źródła odnawialne nie pojawiają się z uwagi na niski potencjał technologiczny, zbyt wysokie
koszty oraz niski współczynnik wykorzystania mocy zainstalowanej.
Koszt mix-u rośnie zdecydowanie i jest jednym z najwyższych spośród wszystkich
analizowanych scenariuszy (Tabela 13). Zredukowane koszty emisji nawet przy wysokich
cenach CO2 nie rekompensują poniesienia niezbędnych wydatków na technologie
niskoemisyjne, w tym przede wszystkim na elektrownię jądrową.
W produkcji energii źródła jądrowe zastępują produkcję z węgla. Produkcja z gazu również
jest zauważalna, pomimo wysokich cen gazu. Jest to wymuszone ograniczeniem na emisję.
Scenariusz dużego udziału źródeł odnawialnych w mix-ie energetycznym (S4) zakłada
produkcję 30% i 40% energii, odpowiednio w roku 2030 i 2050. Jednocześnie założono
ograniczenie na emisję CO2 do poziomu 120 mln tCO2.
Duże wymaganie powiązane z ograniczeniami potencjałów technicznych najtańszych
technologii spowodowało pojawianie się w mix-ie wszystkich dostępnych źródeł opartych o
energię odnawialną, włączając w to niewystępujący dotychczas biogaz i elektrownie wiatrowe
na morzu. W mix-ie pojawiają się również jednostki jądrowe, dla zapewnienia wymaganej re-
dukcji emisji CO2 (Tabela 7).
Struktura mix-u wskazuje, że zapotrzebowanie na moc zostanie pokryte bez jej niedoborów.
Założony 40% udział produkcji energii z OZE okazuje się niemożliwy do spełnienia przy
założonych realnych ograniczeniach (Tabela 8). Od roku 2050 następuje permanentny
niedobór energii.
Scenariusz S5 prezentuje zdolność systemu elektroenergetycznego do osiągnięcia bardzo
niskoemisyjnej struktury mix-u. Scenariusz zakłada redukcję do 120, 90, 60 mln tCO2 w roku
2020, 2040 i 2050. Zapewnienie takich redukcji wiąże się ze sprowadzeniem poziomu
instalacji węglowych do około 30% mocy zainstalowanej. Pozostała cześć mocy musi być po-
kryta w technologiach niskoemisyjnych. Dlatego w symulowanym scenariuszu pojawiają się
prawie wszystkie technologie. Teoretycznie, niska emisja powinna być osiągnięta poprzez
inwestycje w najtańszą technologię, ale jest to w praktyce niemożliwe ze względu na
ograniczenia potencjału niektórych technologii w polskich warunkach.
Mix osiągnięty w tym scenariuszu zapewnia duży stopień dywersyfikacji źródeł. Jednakże nie
jest realny, ponieważ pojawiają się niedobory mocy, których nie ma jak pokryć ze względu na
ograniczenie emisji CO2 do 60 mln tCO2 w roku 2050. Po roku 2050 pojawiają się również
niedobory energii spowodowane rosnącym zapotrzebowaniem na energię, a z drugiej strony
brakiem możliwości dalszego rozwoju systemu. Koszt tego zdywersyfikowanego mix-u jest
najwyższy spośród wszystkich scenariuszy.
Scenariusz efektywności energetycznej (S6) poprzez zmniejszony przyrost zapotrzebowania
na moc i energię charakteryzuje się najniższymi przepływami finansowymi w sektorze oraz
znaczną redukcją CO2 (Tabela 13).
Zmniejszone zapotrzebowanie powoduje zmniejszone inwestycje w technologie węglowe. W
stosunku do scenariusza S1 i S2 poziom źródeł odnawialnych oraz jednostek gazowych jest
podobny. Technologie OZE muszą pojawić się dla zapewnienia wymaganych 20% produkcji,
zaś technologie gazowe są jednostkami szczytowymi, o niskich kosztach CAPEX a wysokich
OPEX.
Niski poziom emisji w tym scenariuszu to efekt poprawy efektywności energetycznej i
racjonalizacji zużycia energii, co docelowo przekłada się na zmniejszenie tempa wzrostu
zapotrzebowania na energię. Z mix-u zostały wyeliminowane głównie jednostki węglowe
powodujące największe emisje (Tabela 13).
4.2 Dyskusja
Koszty „average cash flow” (AvCF) są miarą pozwalającą porównać dwie ścieżki
przepływów pieniężnych różniących się wysokością wypłat w czasie. Dodatkowo są one
obliczane dla kilku okresów badanego horyzontu, pokazując w którym okresie przepływy są
większe. Ponieważ wszystkie scenariusze są obliczane według tych samych założeń
metodologicznych modelu, dzięki danym o przepływach kosztowych możliwe jest dokonanie
porównania pomiędzy symulacjami. Pozwala to ocenić czy dany scenariusz opisuje droższy
czy tańszy mix. Wskaźnik zmiany poziomu emisji uzupełnia dane umieszczone na wykresach,
a roczna importochłonność określona jako procent energii elektrycznej pozyskanej przy
użyciu surowca importowanego, pozwala na ocenę na ile przedstawiony mix jest zależny od
paliwa importowanego (uzależnienie od państw zagranicznych).
Poziom uzależnienia od importu kształtuje się na stałym poziomie poza scenariuszem dużego
udziału OZE, co wskazuje, że Polska w każdym wariancie będzie w znacznym stopniu
uzależniona od importu surowców.
Porównując scenariusze S1 i S2 w zakresie zmiany poziomu emisji można stwierdzić, że
nawet wysoka cena pozwolenia na emisję CO2 (168 PLN/tCO2) w polskich warunkach nie
przekłada się na znaczący spadek emisji CO2. Wyższy koszt emisji oznacza wyższe koszty
dla sektora i nie powoduje powstania technologii niskoemisyjnych.
Największe korzyści finansowe oraz wysokie cele redukcyjne są osiągane przy redukcji
zapotrzebowania na energię. Wskazuje na to scenariusz S6. O ile niski wzrost gospodarczy
nie jest pozytywny dla Polski, o tyle efektywność energetyczna powinna być jednym z celów
polityki energetycznej państwa.
Najwyższy koszt przedstawia scenariusz S5 – wynika to z dwóch powodów: (a) wysoka cena
pozwoleń na emisję powoduje wysokie koszty ze względu na istniejącą strukturę wytwarzania
opartą na węglu oraz (b) koniecznością szybkiej redukcji emisji do poziomu 120 mln tCO2 do
roku 2020. Założenia powodują powstanie elektrowni jądrowej. Z symulacji scenariusza S5
oraz biorąc pod uwagę pozostałe wyniki powstaje bardzo istotny wniosek: z uwagi na bardzo
wysokie koszty elektrownia jądrowa wchodzi do mix-u dopiero gdy pojawia się silne
ograniczenie na wielkość emisji CO2. Żadne inne impulsy cenowe nie uzasadniają tej
technologii.
Scenariusz zakładający bardzo wysoki udział źródeł odnawialnych powoduje największą
redukcję emisji CO2 (poza S5) oraz ograniczenie importu surowców. Koszt takiego mix-u jest
umiarkowany. Należy pamiętać, że mogą zaistnieć trudności w realizacji mix-u przy
założonych ograniczeniach wynikających z pracy systemu elektroenergetycznego. Takie
założenia dotyczą np. wiatraków. W prezentowanym scenariuszu pojawiły się braki energii po
roku 2050, czyli przy najwyższym wymaganiu dotyczącym poziomu produkcji z OZE (40%).
Wskazuje to na brak możliwości spełnienia tego warunku w symulowanych realiach Polski.
Scenariusz bardzo wysokich celów redukcji emisji CO2 jest najdroższym prezentowanym
scenariuszem. Powoduje powstanie elektrowni jądrowej oraz duży udział źródeł
odnawialnych. Jednak podobnie jak w przypadku scenariusza dużego udziału produkcji z
OZE, w warunkach Polski, cel redukcji na poziomie 60 mln t CO2 jest niewykonalny –
pojawiają się braki energii. Spełnienie celów wymaga: (a) większego udziału EJ, (b)
większego udziału OZE, (c) większego udziału jednostek gazowych. Zwiększenie potencjału
wszystkich bądź któregokolwiek z powyższych warunków wiąże się z dodatkowymi
czynnościami dotyczącymi albo systemu elektroenergetycznego albo zdolności importowych
gazu.
5. PODSUMOWANIE
Artykuł przedstawia i analizuje możliwe scenariusze, w których polski sektor
elektroenergetyczny będzie musiał zapewnić bezpieczeństwo energetyczne, w tym bilans
mocy i energii poprzez inwestycje w nowe źródła wytwórcze. Zaproponowane scenariusze w
jakich inwestycje mogą się odbywać zależą bardzo silnie od kierunków polityki UE w
zakresie energii i klimatu. W artykule została podsumowana obecna polityka i jej możliwa
ewolucja. Aby dobrze określić właściwe kierunki dla lokalnej polityki energetycznej w
zakresie rozwoju właściwego mix-u energetycznego należy posłużyć się zaawansowanymi
modelami obliczeniowymi. W artykule przeanalizowany został model przygotowany w DAS
KPRM, w skrócie nazywany modelem DAS. Jego bardzo silną stroną jest uwzględnienie
jednocześnie bilansu mocy i energii w systemie.
Odnosząc się do uzyskanych wyników należy podkreślić, że w polskich warunkach
podstawowym źródłem energii jest węgiel i wszelkie transformacje są bardzo trudne i
kosztowne. Dodatkowo, nawet decydując się na dywersyfikację mix-u, podstawowym
nośnikiem energii nadal pozostaje węgiel.
Warto zauważyć, że wysokie ceny uprawień do emisji niekoniecznie muszą prowadzić do
inwestycji w niskoemisyjne źródła. W prowadzonych obliczeniach, wysoka cena
spowodowała nieznaczny spadek emisji, natomiast nie spowodowała znaczącej zmiany struk-
tury miksu. Dopiero bezpośrednie ograniczenia na redukcję emisji powoduje powstanie
większej ilości OZE, elektrowni jądrowej czy większego wykorzystania elektrowni
gazowych. Wymienione przypadki jednocześnie charakteryzują się najwyższym kosztem.
W zakresie zwiększania udziału OZE w produkcji energii, czy też bardziej restrykcyjnych
ograniczeń na emisje, można stwierdzić, że w polskich warunkach bardzo trudno będzie
osiągnąć więcej niż 30% udział OZE i więcej niż 40% redukcji emisji.
Model zawiera również szereg uproszczeń, zwłaszcza w technicznej warstwie
funkcjonowania systemu elektroenergetycznego. Jednak wyniki mogą dostarczać wskazówek
do kreowania polityki energetycznej. Na Politechnice Łódzkiej jest obecnie rozwijany
kompleksowy model optymalizacji mix-u energetycznego „eMix”. Korzysta on z metodologii
mixed-integer linear programming (MILP). Model ten określa nie tylko niezbędne inwestycje
ale również dokonuje optymalizacji pracy jednostek dla zapewnienia zwrotu z inwestycji.
Model uwzględnia również ograniczenia wynikające z przepływów w sieci elek-
troenergetycznej, typoszeregi mocy znamionowych, regulacyjności bloków, emisyjności czy
też wymagany poziom rezerw w systemie.
PODZIĘKOWANIE
Autorzy serdecznie dziękują pracownikom Departamentu Analiz Strategicznych Kancelarii
Prezesa Rady Ministrów za pomoc w analizie Modelu Optymalnego Miksu Energetycznego
dla Polski do roku 2060 oraz za udostępnienie tego modelu i umożliwienie jego modyfikacji.
LITERATURA
[1] Krause F.: The costs of mitigating carbon emissions: A review of methods and findings
from European stu-dies. Energy Policy, vol. 24, issues 10–11, pp. 899-915, 1996
[2] Herbst A., Toro F., Reitze F., Jochem E.: Introduction to Energy Systems Modelling.
Swiss Society of Eco-nomics and Statistics, vol. 148(2), pp. 111-135, 2012
[3] Wing I.S.: The synthesis of bottom-up and top-down approaches to climate policy
modelling: Electric power technology detail in a social accounting framework. Energy
Economics, vol. 30, issue 2, pp. 547-573, 2008
[4] Böhringer C.: The synthesis of bottom-up and top-down in energy policy modelling.
Energy Economics, vol. 20, issue 3, pp. 233-248, 1998
[5] Böhringer C., Rutherford T. F.: Combining bottom-up and top-down. Energy Economics,
vol. 30, issue 2, pp. 574-596, 2008
[6] Wilkerson J. T., Cullenward D., Davidian D., Weyant J. P.: End use technology choice in
the National Energy Modelling System (NEMS): An analysis of the residential and
commercial building sectors. Energy Eco-nomics, vol. 40, pp. 773-784, 2013
[7] Sadeghi M., Hosseini H. M.:Energy supply planning in Iran by using fuzzy linear
programming approach (regarding uncertainties of investment costs). Energy Policy, vol. 34,
issue 9, pp. 993-1003, 2006
[8] Reber E. E., Mitchell R. L., Carter C. J.: Oxygen absorption in the Earth's atmosphere
Aerospace Corp., Los Angeles, CA, Tech. Rep. TR-0200 (4230-46)-3, 1968.
[9] Talleen S. L.: The Intranet Architecture: Managing information in the new paradigm.
Amdahl Corp., Sunny-vale, CA. [Online]. Available:
http://www.amdahl.com/doc/products/bsg/intra/ infra/html, 1996
[10] Dryton G: USBR PLEXOS® Demo, PLEXOS® for Power Systems Electricity Market
Simulation,
https://www.usbr.gov/mp/cvp/cvp-cas/docs/meetings/11-16-12/121612_PLEXOS_Power_Pre
sentation.pdf., 2012
[11] IAEA: Model for Analysis of Energy Demand (MAED-2), International Atomic Energy
Agency, COMPUTER MANUAL SERIES No. 18, Austria, 2006
[12] IEA: World Energy Model – Methodology And Assumptions, International Energy
Agency, World Energy Outlook Group, 2011
[13] Manne A., Richels R. G.: MERGE: A Model for Evaluating the Regional and Global
Effects of GHG Reduction Policies, website: www.standford.edu/group/MERGE, 2004
[14] DAS KPRM: Optymalny mix energetyczny dla Polski do roku 2060 – model DAS
(English: Optimal energy mix for Poland in 2060 horizon – DAS model), Warsaw. 2013
[15] Wierzbowski M: Weryfikacja możliwości stosowania modelu DAS do analiz
dotyczących rynku energii i założeń polityki energetycznej (English: Validation of the DAS
model deployment to analysis of electricity market and energy policy), Report for Deparment
of Energy of Polish Ministry of Economy, December 2013.
[16] Wierzbowski M.: Możliwości symulacji mix-u energetycznego dla Polski (English:
Energy mix for Poland – scenario simulations), Report for Department of Energy of Polish
Ministry of Economy, February, 2014
[17] Alqueres J. L., Praca J. C.: The Brazilian power system and the challenge of the Amazon
transmission, in Proc. 1991 IEEE Power Engineering Society Transmission and Distribution
Conf., pp. 315-320.
ENERGY MIX OPTIMISATION IN THE EU ENERGY POLICY CONTEXT
Key words: energy mix, optimisation, energy system modelling, energy policy
Summary. The paper refers to the optimization tool that can provide an invaluable assistance in energy policy
development, leading to the energy mix optimization. The energy and climate policy have significant impact on
energy mix.. Therefore, the paper includes analysis of EU energy policy relating to the Polish energy sector.
Paper also includes the analysis of the model for energy mix optimization developed at the Department for
Stra-tegic Analyses at the Chancellery of the Prime Minister of the Republic of Poland. The simulation are
carried out for several scenarios of energy mix in Poland and the simulation results are analysed.
Michał Wierzbowski, dr inż., adiunkt w Instytucie Elektroenergetyki Politechniki Łódzkiej.
Jego obszar badawczy obejmuje system elektroenergetyczny, rynki energii i mocy,
optymalizację w sektorze oraz smart grids. E-mail: [email protected]
Błażej Olek, dr inż., adiunkt w Instytucie Elektroenergetyki Politechniki Łódzkiej. Jego
obszar badawczy obejmuje system elektroenergetyczny, rynki energii i mocy, źródła generacji
rozproszonej oraz jakość energii. E-mail: [email protected]
Wojciech Łyżwa, mgr inż., doktorant w Instytucie Elektroenergetyki Politechniki Łódzkiej.
Prace badawcze dotyczą systemu elektroenergetycznego, rynków energii i mocy oraz
zastosowania logiki rozmytej w systemie elektroenergetycznym. E-mail: