7 forecast ifs

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) Ă“ptional

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 qualitĂ 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 qualitĂ 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 qualitĂ 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 alberto.lombardi@ifs-italia.it Tel: 06 5089991 ext 217 Cell: 335 7545072

27