ANALISI DI RISCHI ED OPPORTUNITÀ MEDIANTE LA …unponte2017.stat.unipd.it/slides/Canazza.pdf · ovvero non ci sono cicli di feedback) La rete neurale è stata implementata con il

RINNOVABILI CON STORAGE IN MARKET PARITY

ANALISI DI RISCHI ED OPPORTUNITÀ MEDIANTE LA SIMULAZIONE DI SCENARIO

Virginia Canazza

Padova, 12 Ottobre 2017

Agenda

2

▪ Framework

o Recenti trend di mercato: crescete rischiosità

o Rinnovabili elettriche: fondamentali per incontrare target di decarbonizzazione al 2030

▪ Approcci modellistici

o la previsione del mercato a supporto delle decisioni di investimento

▪ Case study

o analisi delle condizioni per lo sviluppo di rinnovabili senza/con storage in market parity

▪ Nuovi sviluppi

Framework

3

In Italia condizioni strutturali di mercato lungo...

Framework

Forte penetrazione delle rinnovabili (25% del

mix) e declino della domanda residua su

MGP

4

Reserve margin and CSS

(€/MWh)

Source: REF-E estimate

-8.0

-3.0

2.0

7.0

12.0

17.0

22.0

27.0

-16.0%

-6.0%

4.0%

14.0%

24.0%

34.0%

44.0%

54.0%

2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

Reserve margin CSS

MGP production by technology

(TWh)

Data collected up to December 2016

Source: REF-E processing on GME data

0

50

100

150

200

250

300

350

2010 2011 2012 2013 2014 2015 2016

OtherImportOCGTSelf-producersRepoweringConventional STCCGTCHPCoalPumpingHydroGeothermalBiomassSolarWindNon-relevant FER

Overcapacity su MGP: i prezzi si allineano ai

costi variabili della tecnologia marginale

(CCGT)

5

Framework

…ma alta sensibilità a fenomeni contingenti

[€/MWh]

0

20

40

60

80

100

120

140

160

180

ge

n-1

5

feb

-15

ma

r-15

ap

r-15

ma

g-1

5

giu

-15

lug

-15

ag

o-1

5

set-

15

ott

-15

no

v-1

5

dic

-15

ge

n-1

6

feb

-16

ma

r-16

ap

r-16

ma

g-1

6

giu

-16

lug

-16

ag

o-1

6

set-

16

ott

-16

no

v-1

6

dic

-16

ge

n-1

7

feb

-17

ma

r-17

ap

r-17

ma

g-1

7

giu

-17

lug

-17

ag

o-1

7

set-

17

ott

-17

PUN orario PUN media mensile

Picco Estivo

Bassa

idraulicitàPicco Estivo

Indisponibilità

nucleare francese

Inverno rigido in

Europa

Bassa

Idraulicità

Fonte: elaborazioni REF-E su dati GME

Aumenta il valore della flessibilità per garantire la sicurezza e

l’adeguatezza

6

Framework

Peak electricity demand 2012-2016

(GW)

* Provisional data

Source: Terna

54.1 53.951.6

59.4

53.3

30

36

42

48

54

60

2012 2013 2014 2015 2016*

Peak electricity demand

Crescente influenza dei mercati

esteri

Alta variabilità del picco di domandaFonte: Terna ed elaborazioni REF-E su dati GME e Terna

Le rinnovabili elettriche hanno un ruolo chiave per il

raggiungimento degli obiettivi ambientali

7

Framework

▪ Le linee guida europee e gli obiettivi al 2030

hanno lo scopo di assicurare un

approvvigionamento energetico sicuro, economico e a basso impatto ambientale e

climatico

▪ Obiettivi SEN 2017 al 2030:

o rinnovabili 27% del CIL

o rinnovabili elettriche 48-50% del CIL

elettrico

o efficienza:

• riduzione di 15 Mtep di consumi di

energia primaria rispetto 2015

• riduzione di 7 Mtep di consumi finali di energia rispetto 2015

SEN2017 REF-E

Gross Final Energy Consumption

(GFEC) - E [Mtep] 29.07 30.03

Actual load [TWh] 324.28 335.11

Net electricity import [TWh] 23.26 19.83

Coal-based generation - net

output [TWh] 25.80 18.20

Power generation from RES-E net

output [TWh] 166.48 160.00

Power generation from other

sources 111.23 137.02Fonte: Terna ed elaborazioni REF-E su dati MiSE

Nuovi fattori guidano la transizione

8

Framework

Quali rischi ed opportunità sui mercati per gli operatori e gli

investitori nello scenario futuro?

Riforma del modello di mercato:

target model (integrazione dei mercati bilanciamento, riforma sbilanciamenti, riforma MI e spostamento gate

closure), abilitazione sui mercati di tutte le risorse (rinnovabili, DSR, storage)

Capacity Market: garanzia

dell’adeguatezza sul lungo periodo

Sviluppo rete di trasmissione e distribuzione

Nuove tecnologie per la flessibilità (storage)

Data Management:

Nuove tecnologie IoT per il controllo, gestione, misura

delle reti

La previsione del mercato è fondamentale per

supportare le decisioni di investimento

Elevatarischiosità del

mercato

Approcci modellistici

9

I modelli di REF-E per i mercati energetici

10

I Approcci modellistici

Modelli alimentati da vaste e aggiornate banche dati

11


▪ I modelli si alimentano da banche dati costantemente aggiornate e con informazioni

complete per ogni tipo di analisi:

✓ Monitoraggio del mercato

✓ Ottimizzazione delle strategie di offerta

✓ Previsione dei driver di scenario

✓ Previsioni di prezzo

✓ Ottimizzazione di portafoglio

✓ …

▪ Le banche dati sono raccolte

in un web database

alimentato da fonti pubbliche

e non, gestito attarverso un

software di data management

(Stream) sviluppato in-house

▪ Il web database può essere

interrogato automaticamente

dai modelli REF-E

Approcci complementari per la simulazione delle diverse fasi

del mercato

12


Simulazione

del Mercato

del Giorno

Prima

Configurazione

dello scenario

di input

Prezzi zonali e

volumi

accettati per

singola UP su

MGP

Simulazione

del Mercato

Intraday

Simulazione di

MSD

Differenziali di

prezzo fra MI

ed MGP

Volumi (per

singola UP) e

distribuzione

dei prezzi su

MSD ex ante

Simulazione

di MB

Volumi zonali

e distribuzione

dei prezzi su

MB (e per RS)

Modello

basato su

Rete Neurale

simula le

correlazioni

storiche coi

fondamentali

Proiezione futura di

elaborazioni stratistiche

del differenziale storico

fra prezzi MSD e prezzi

MGP

Modello

basato su

Rete Neurale

simula le

correlazioni

storiche coi

fondamentali

simulazione deterministica di breve-medio-lungo periodo

MGP: approccio deterministico

13

La simulazione MGP

▪ ELFO++ simula il mercato elettrico del giorno prima ottimizzando il dispacciamento del parco di generazione e

calcolando il system marginal price a livello zonale

▪ ELFO++ adotta un approccio deterministico:

o Input è costituito dal modello dei parametri e vincoli del sistema elettrico e delle strategie di offerta dei

concorrenti

o La simulazione fornisce la sensitività del Prezzo spot e delle quantità scambiate ai findmentali di mercato

(analisi What If)

o Algoritmo di ottimizzazione: minimizza il costo per il sistema per coprire la domanda su orizzonte annuale

INPUTScenario di mercato

atteso

Modello del

sistema elettrico zonale

Modello delle

strategie di offerta

OUTPUT

Prezzi orari

Produzioni orarie

delle unità di generazione

Risultati economici

degli operatori

L’accuratezza dell’input

14

La simulazione MGP

Il database

Il parco di generazione:

▪ Anagrafica degli impianti

▪ Caratteristiche tecniche e di flessibilità

▪ Informazioni di costo e rendimento

▪ Disponibilità e manutenzioni

Il sistema elettrico:

▪ Configurazione di rete

▪ Limiti di scambio tra le zone

▪ Vincoli di riserva nelle zone

▪ Domanda elettrica zonale

Lo scenario macroeconomico

Costante

monitoraggio del

mercato

Informazioni

pubbliche GME e

Terna

Letteratura

tecnica

Informazioni da

produttori e

operatori

Informazioni costantemente aggiornate in base a dati pubblici e validate dalla continua interazione con gli operatori e dalle molteplici applicazioni

Esempio di risultati

15

La simulazione MGP

ELECTRICITY BALANCE - 2030PACKAGE

(TWh)

Source: REF-E forecast

0306090

120150180210240270300330360390420

20

13

20

14

20

15

20

16

20

17

20

18

20

19

20

20

20

21

20

22

20

23

20

24

20

25

20

26

20

27

20

28

20

29

20

30

20

31

20

32

20

33

20

34

20

35

20

36

20

37

20

38

20

39

20

40

Coal fired thermal plants

Gas fired thermal plants

Conventional thermal plants

Renewables

CIP6, ex CIP6 and waste fired

CIP6 thermal plants

Self-production

Large hydro + pumping

Net import

Electricity demand + pumping

hydro consumptions

P UN COM P ONE NT S - 2030PACKAGE

(€/MW h)

Source: REF-E forecast

0

10

20

30

40

50

60

70

80

90

100

110

20

13

20

14

20

15

20

16

20

17

20

18

20

19

20

20

20

21

20

22

20

23

20

24

20

25

20

26

20

27

20

28

20

29

20

30

20

31

20

32

20

33

20

34

20

35

20

36

20

37

20

38

20

39

20

40

Variable cost gas ETS Impact - CCGT 53%

GC impact CSS

PUN w/t CM PUN

Co

nfid

en

tia

l

Co

nfid

en

tia

l

SEN2017 REF-E

Gross Final Energy Consumption

(GFEC) - E [Mtep] 29.07 30.03

Actual load [TWh] 324.28 335.11

Net electricity import [TWh] 23.26 19.83

Coal-based generation - net

output [TWh] 25.80 18.20

Power generation from RES-E net

output [TWh] 166.48 160.00

Power generation from other

sources 111.23 137.02

COMMODITIES SEN2017 REF-E

PSV [€/Gcal NCV] 39.30 23.45

Coal quotation [€/Gcal] 14.18 11.02

EU ETS [€/tCO2] 27.32 27.24

Fonte: REF-E, Scenario 2030 Package , update luglio 2017

Trend recenti su MI: liquidità in aumento e forte correlazione

con prezzi MGP

16

La simulazione di MI

▪ MI è usato per aggiustare la

programmazione MGP

▪ Crescita dei volume MI dovuta alla

partecipazione delle rinnovabili e alle

nuove sessioni di Mercato

VOLUMES TRADED ON MI

(TWh)

Data collected up to August 2017

Source: GME data

0

5

10

15

20

25

30

2012 2013 2014 2015 2016 2017

MI7 MI6 MI5 MI4

MI3 MI2 MI1

INCIDENCE OF MI ON MGP

(%)

Data collected up to May 2017


0%

2%

4%

6%

8%

10%

12%

14%

Jan-11 Jan-12 Jan-13 Jan-14 Jan-15 Jan-16 Jan-17

Traded volumes Increase of production

Average differentials between MGP prices and MI1 prices

(€/MWh)

Source: REF-E elaboration on GME data

0.00

10.00

20.00

30.00

40.00

50.00

60.00

70.00

80.00

90.00

100.00

Nov-

09

Mar-

10

Jul-10

Nov-

10

Mar-

11

Jul-11

Nov-

11

Mar-

12

Jul-12

Nov-

12

Mar-

13

Jul-13

Nov-

13

Mar-

14

Jul-14

Nov-

14

Mar-

15

Jul-15

Nov-

15

Mar-

16

Jul-16

Nov-

16

NORD

CNOR

CSUD

SUD

SICI

SARD

MI: reti neurali consentono di simulare relazioni non lineari

complesse fra input ed output

17

La simulazione di MI

▪ Per le simulazioni di MI è stata usata

una rete neurale feed-forward nella

quale il flusso di informazioni è

unidirezionale (i nodi mandano

informazioni ad altri nodi dai quali non

ricevono più nessuna informazioni,

ovvero non ci sono cicli di feedback)

▪ La rete neurale è stata implementata

con il software R usando la libreria nnet

▪ Variabili di input: rinnovabili,

domanda, prezzo MGP

AVERAGE PRICES TREND ACCEPTED ON MI

(€/MWh)

* Historical results

Source: REF-E simulations

0

10

20

30

40

50

60

70

80

90

2016* 2020 2030

NORD CNOR CSUD SUD SICI SARD

FORECASTED MI VOLUMES - 2030PACKAGE

(TWh)

* Historical results

Source: REF-E forecast with ELFO++ and GME data

-25

-20

-15

-10

-5

0

5

10

15

20

25

2016* 2020 2030

Demand orders Supply orders


Co

nfid

en

tia

l

▪ Prezzi MI tendenzialmente in aumento, segnale di incremento del valore della flesibilità

▪ A livello nazionale volumi stabili

▪ In realtà i volumi aumentano dove ci sono più rinnovabili (isole)

▪ si riducono volumi di aggiustamento degli impianti termiciperchè si incrementa il loadfactor dei CCGT (dismissioni, meno import, coal to gas switching)

Trend recenti su MSD: volumi in costante crescita, ampio spread

dei prezzi rispetto MGP

18

La simulazione di MSD

Volumes traded on MSD

(TWh)


Source: GME data

-20.0

-15.0

-10.0

-5.0

0.0

5.0

10.0

15.0

2010 2011 2012 2013 2014 2015 2016

BID - RT

BID - AS

OFF - RT

OFF - AS

▪ Prezzi di terziaria a

salire/scendere

sistematicamente

più alti/bassi del

PUN

▪ Prezzi di start-

up/shut-down più

alti/bassi dei prezzi

di terziaria

▪ Volumi in costante

crescita dopo il

2011-2012

▪ CCGT forniscono

principalmente

servizi di start-up

Monthly prices on MSD (downward services)

(€/MWh)



0

10

20

30

40

50

60

70

80

90

100

Jan-1

0

Apr-

10

Jul-10

Oct-10

Jan-1

1

Apr-

11

Jul-11

Oct-11

Jan-1

2

Apr-

12

Jul-12

Oct-12

Jan-1

3

Apr-

13

Jul-13

Oct-13

Jan-1

4

Apr-

14

Jul-14

Oct-14

Jan-1

5

Apr-

15

Jul-15

Oct-15

Jan-1

6

Apr-

16

Jul-16

Oct-16

Shutdown Tertiary regulation PUN

Volumes traded on MSD by technology on 2016

(TWh)


Source: GME data

-6.0

-4.0

-2.0

0.0

2.0

4.0

6.0

8.0

BID - RT

BID - AS

OFF - RT

OFF - AS

Monthly prices on MSD (upward services)

(€/MWh)



0

50

100

150

200

250

300

Jan-1

0

Apr-

10

Jul-10

Oct-10

Jan-1

1

Apr-

11

Jul-11

Oct-11

Jan-1

2

Apr-

12

Jul-12

Oct-12

Jan-1

3

Apr-

13

Jul-13

Oct-13

Jan-1

4

Apr-

14

Jul-14

Oct-14

Jan-1

5

Apr-

15

Jul-15

Oct-15

Jan-1

6

Apr-

16

Jul-16

Oct-16

Startup Tertiary regulation PUN

Approccio deterministico per la

simulazione dei volumi MSD

19


Approccio statistico per la

simulazione dei prezzi MSD

La simulazione di MSD: esempio di risultati

20


▪ Con le ipotesi adottate, i volumi di riserva terziaria rinagono stabili, mentre i volumi di start-up e shut-down potranno dipendere maggiormente da contingenze (quota non prevista dalla relazione di medio termine)

▪ Nello scenario ipotizzato, quota diflessibilità addizionale provieneda un progressivo sfruttamento dei sistemi di accumulo

AVERAGE PRICES TREND ACCEPTED ON MSD FOR START-UP

(€/MWh)

Source: REF-E scenario with Elfo++

0

20

40

60

80

100

120

140

160

180

2017 2020 2030

NORD CENTRO NORD CENTRO SUD

SUD SICILIA SARDEGNA

AVERAGE PRICES TREND ACCEPTED ON MSD FOR UPWARD

(€/MWh)


0

20

40

60

80

100

120

140

160

180

2017 2020 2030



AVERAGE PRICES TREND ACCEPTED ON MSD FOR SHUT-DOWN

(€/MWh)


0

20

40

60

80

100

2017 2020 2030



AVERAGE PRICES TREND ACCEPTED ON MSD FOR DOWNWARD

(€/MWh)


0

10

20

30

40

50

60

2017 2020 2030



FORECASTED MSD VOLUMES

(TWh)

Source: REF-E forecast with ELFO++ and GME data

-15

-10

-5

0

5

10

15

2017 2020 2030

Start-up Tertiary Upward Shut-down Tertiary Downward

Co

nfid

en

tia

l

Co

nfid

en

tia

l

Co

nfid

en

tia

l

Co

nfid

en

tia

l

Co

nfid

en

tia

l


▪ Emerge un diverso valore dei servizi per la sicurezza a livello zonale

Trend recenti su MB: elevati volumi a scendere, alto spread di

prezzo rispetto al PUN

21

La simulazione di MB

Volumes traded on MB

(TWh)


Source: GME data

-14.4

-12.4

-10.4

-8.4

-6.4

-4.4

-2.4

-0.4

1.6

2010 2011 2012 2013 2014 2015 2016

BID - RT

BID - RS

BID - AS

OFF - RT

OFF - RS

OFF - AS

Average monthly prices on MB (upward services)

(€/MWh)



0

50

100

150

200

250

300

350

Jan-1

0

Apr-

10

Jul-10

Oct-10

Jan-1

1

Apr-

11

Jul-11

Oct-11

Jan-1

2

Apr-

12

Jul-12

Oct-12

Jan-1

3

Apr-

13

Jul-13

Oct-13

Jan-1

4

Apr-

14

Jul-14

Oct-14

Jan-1

5

Apr-

15

Jul-15

Oct-15

Jan-1

6

Apr-

16

Jul-16

Oct-16

Startup Secondary regulation Tertiary regulation PUN

Average monthly prices on MB (downward services)

(€/MWh)



0

10

20

30

40

50

60

70

80

90

100

Jan-1

0

Apr-

10

Jul-10

Oct-10

Jan-1

1

Apr-

11

Jul-11

Oct-11

Jan-1

2

Apr-

12

Jul-12

Oct-12

Jan-1

3

Apr-

13

Jul-13

Oct-13

Jan-1

4

Apr-

14

Jul-14

Oct-14

Jan-1

5

Apr-

15

Jul-15

Oct-15

Jan-1

6

Apr-

16

Jul-16

Oct-16

Shutdown Secondary regulation Tertiary regulation PUN

22


Prezzi accettati storici su MB

Distribuzioni di frequenza spread

MB-MGP

Previsione dei prezzi su MB per zona e ora

Approccio statistico per la

simulazione dei prezzi su MB

(come per MSD)

Approccio basato su reti neurali

per la simulazione dei volumi MB

(come per MI)

La simulazione di MB: esempio di risultati

23


▪ Con le ipotesi adottate (che includono un

crescente sfruttamento di sistemi di

accumulo), volumi stabili nel futuro

▪ Prezzi in crescita sia per servizi a salire sia

per servizi a scendere

FORECASTED MB VOLUMES

(TWh)

Source: REF-E forecast and GME data

-10

-5

0

5

10

20

17

20

20

20

30

Secondary Upward Other Services Upward

Secondary Downward Other Services Downward

UPWARD PRICES ON MB

[€/MWh]

Source: REF-E Estimations

0

20

40

60

80

100

120

140

160

2017 2020 2030

SUD NORD

DOWNWARD PRICES ON MB

[€/MWh]

Source: REF-E Estimations

0

5

10

15

20

25

30

35

40

2017 2020 2030

SUD NORD

Co

nfid

en

tia

lC

on

fid

en

tia

l


La simulazione delle aste delle Capacity Market

24

La simulazione del Capacity Market

Equilibrio d'asta per la capacità di adeguatezza

asse verticale: €/MW/anno, asse orizzontale: GW

Fonte: stime REF-E con CAST

0

10 000

20 000

30 000

40 000

50 000

60 000

70 000

80 000

90 000

100 000

0 10 20 30 40 50 60 70

LA COPERTURA DELLA RICHIESTA AL 2018

(CDP: GW)

Fonte: stime REF-E

-15 0 15 30 45 60

Estero

RES inc .

CIP6

Rinno non inc.

Autoproduttori

Cogenerazioni

Essenziali

Termo

Calcolo della capacità

qualificata in base ai dati

sulla disponibilità del parco

di generazione del DB REF-

E

Ipotesi sulle possibili

strategie di partecipazione

delle differenti tecnologie:in base ai risultati attesi sui

mercati e l’esigenza di

copertura dei costi fissi è

possibile stimare potenziali

strategie di partecipazione

per gli operatori titolari

della CDP qualificata e

costruire il merit order delle

offerte

La versione probabilistica

di ELFO++ consente di

misurare il livello atteso

dell’adeguatezza (in

termini di LOLE, LOLP ed

ENS) nello scenario futuro:

questa applicazione è

usata per simulare il

requisito di adeguatezza

a livello zonale in input

alla aste di capacità

Molte informazioni chiave inerenti il meccanismo sono ancora in fase di definizione

▪ Stima del premio annuo per

la capacità

▪ Capacità contrattualizzata

▪ Possibili effetti sugli altri

mercati

co

nfid

en

zia

le

Analisi delle condizioni per lo

sviluppo di rinnovabili senza/con

storage in market parity

25

Il grado di market parity dipenderà dall’andamento del prezzo

delle commodities..

26

Analisi delle condizioni per lo sviluppo di rinnovabili senza/con storage in market parity

FORECASTED LCOE OF RENEWABLES 2017 - EU AVERAGE CAPEX

(€/MWh)

0

20

40

60

80

100

120

140

160

180

200

LCOE PV LCOE wind on-

shore

LCOE solar thermal ITA PRICE

2030PACKAGE

fuel cost LCOE ETS CSS


(€/MWh)

0

20

40

60

80

100

120

140

160

180

200


shore


2030PACKAGE

Serie3 ETS CSS


(€/MWh)

0

20

40

60

80

100

120

140

160

180

200


shore


2030PACKAGE

fuel cost LCOE ETS CSS

2017 2020 2030

2017-2020: Il Prezzo della CO2 risentedell’impatto attesodell’implementazione dellepolitiche climaticheeuropee ed internazionaliI nuovi entrant hannoancora bisogno di incentive per essere sviluppato

2030-2040:

Il Prezzo della CO2 consente le switch fra tecnologietermicheconvenzionali e tecnologieinnovative

2020-2030: Il Prezzo della CO2 consente le switch fratecnologie termicheconvenzionali e PV e Eolico onshore

Anche la struttura concorrenziale del

mercato, che incide sul CSS, incide sul

livello di MP


..e dall’evoluzione dei costi delle tecnologie

27


FORECASTED LCOE OF RENEWABLES - EU AVERAGE CAPEX

(€/MWh)

Source: REF-E scenario

0

20

40

60

80

100

120

140

160

180

200

2017 2020 2030 2040

ITA PRICE 2030PACKAGE LCOE PV LCOE wind on-shore

LCOE solar thermal EU electricity price

FORECASTED LCOE OF RENEWABLES - EU MIN CAPEX

(€/MWh)

Source: REF-E scenario

0

20

40

60

80

100

120

140

160

180

200

2017 2020 2030 2040

ITA PRICE 2030PACKAGE LCOE PV LCOE wind on-shore LCOE solar thermal EU power price

La localizzazione degli impianti, in termini di prezzo zonale e load factor, incide

sul livello di MP


Capex 2017:

• FV: 1245 €/kWh• WIND: 1646 €/kWh• Solare a concentrazione:

8035 €/kWh

Capex 2017:• FV: 900 €/kWh• WIND: 1000 €/kWh• Solare a concentrazione:

5000 €/kWh

Prezzo a cui è valorizzato lo sbilanciamento(regola Single Price)

Stima degli oneri di sbilanciamento per le FRNP

28


Segno di macro-zona

Una macro-zona (NORD, SUD) ha segno positivo/negativo se

esporta/importa verso/da l’altra macro-zona più energia

di quanta ne era stata programmata sulla fase MGP

L’onere/ricavo dello sbilanciamento dipende strettamente dal segno di sbilanciamento dell’unità

Stesso segno per lo

sbilanciamento

dell’unità e della

macro-zona:

margine negativo

Segno opposto per

lo sbilanciamento

dell’unità e della

macro-zona:

margine positivi

• I flussi a valle di MGP e a valle di MSD (come proxy

dei flussi fisici) dal Centro-Nord al Nord sono stati

simulati usando

• Se in un’ora, il flusso di MSD dal Centro-Nord al

Nord è cresciuto rispetto al flusso MGP, alla macro-

zona SUD è assegnato segno positivo e viceversa

• I prezzi prospettici su MB sono stimati con

approccio statistico

Elevata rischiosità degli oneri di sbilanciamento

29


Impianto eolico da 15 MW e lf 25%:

• Quantità oraria programmata pari alla

producibilità media

• Errore medio del 20%

ONERI DI SBILANCIAMENTO IN FUNZIONE DEL SEGNO

[€/MWh]

Source: REF-E estiamtions

-12

-10

-8

-6

-4

-2

0

2

4

6

8

10

2017

2018

2019

2020

2021

2022

2023

2024

2025

2026

2027

2028

2029

2030

100% concorde 80% concorde 60% concorde

40% concorde 20% concorde 0% concorde


potenziali ricavi con sbilanciamento prevalente di

segno opposto al segno macro-zonale, oneri con

segno concorde

In realtà è il trader che

«copre» il produttorerinnovabile fissando un

premio/sconto sul prezzo di off-take dei contratti PPA che dipende dall’esposizione del

suo portafoglio

Nuove opportunità per le FRNP: partecipazione a MSD

30


▪ Obiettivi AEEGSI: ampliare le risorse di flessibilità e ridurre i costi

per il sistema

▪ Necessità di sostanziale revisione delle regole per stimolare servizi

che le FRNP possono fornire con efficacia al sistema:

o Modalità di partecipazione

o Tempistiche dei mercati

▪ Potenziale partecipazione FRNP su MSD (sia rilevanti che in aggregato) per:

o Servizi a scendere su MSD/MB per risolvere congestioni, riserva

primaria, secondaria, terziaria, bilanciamento, soprattutto con

overgeneration: potenzialmente vantaggiosa se con prezzi negativi

o Regolazione a salire:

• andrebbe trattenuta una banda di potenza, perdendo parte

della produzione

• dovrebbe essere verificata disponibilità fonte primaria (la cui

intermittenza determina il fabbisogno di riserva)

▪ La partecipazione al Capacity Market è già prevista ma con CDP molto

bassa

• AEEGSI: DCO 298/16 Delibera 300/17

• Delibera 583/17: al momento Terna ha avviato i progetti pilota solo per domanda e per generazione distribuita, ma obiettivo è anche per le rinnovabili rilevanti

Accoppiamento FRNP + sistema BESS

31


L’accoppiamento di un sistema BESS alle rinnovabili per prevenire gli oneri di

sbilanciamento non sostenibile con regole di sbilanciamento e costi BESS attuali:

gli oneri dovrebbero essere superiori a 30 €/MWh

(stimati inferiori a 10 €/MWh)

BESS

▪ CAPEX 500 €/kWh

▪ C-rate 1

▪ 1MW, 1 MWh

▪ DoD 80%

un ciclo completo della

batteria costa circa 60 €/MWhDa valutare convenienza BESS in

funzione evoluzione curve di costo, regolazione sbilanciamenti e possible

contributo Capacity Market

SPREAD MEDIO SUI VARI MERCATI

[€/MWh]

Source: REF-E estimations

0

10

20

30

40

50

60

70

MSD-MI MSD-MGP MSD-MB

Nuove opportunità per le FRNP

• diventa impianto programmabile: può adottare strategie sui diversi mercati

• se persistente sbilanciamento concorde alla zona, la capacità della batteria (prevalentemente carica) potrebbe essere venduta sul MC: da valutare in base ai stringenti vincoli sulla presentazione offerte e restituzioni

IRENA Electricity Storage Report 2017 indica una

riduzione attesa dei

costi delle batteria del 60% dal 2016 al 2030

Nuovi sviluppi

32

Nuovi sviluppi : il modello BEST per l’ottimizzazione dei

sistemi BESS (stand alone o accoppiati a generazione

rinnovabili) sui mercati

33

Nuovi sviluppi

Prezzi attesi

Risultati delle simulazioni di mercato

▪ Prezzi attesi

▪ Volumi

▪ Capacità disponibile

INPUT di BESTProbabilità di accettazione sui mercati

▪ MGP, MI

▪ MSD, MB e RS

Modello BEST

Ottimizzazione del profitto del price taker

Strategia di offerta sui mercati ottima: flusso di

ricavi/costi su ogni fase del mercato,

dispacciamento della batteria, stato di carica

OUTPUT di

BEST

Remunerazione

della riserva

primaria?Interazione con la

simulazione di

scenario:

Effetti retroattivi sui

mercati

www.ref-e.com

DisclaimerLe opinioni espresse sono esclusivamente quelle di REF-E che svolge in modo autonomo ed indipendente la propria attività di ricerca.

Le stime e la documentazione prodotte da REF-E sono destinate esclusivamente all’uso interno e non possono essere distribuite o usate in alcun altro modo senza previa autorizzazione scritta da parte di

REF-E. Le informazioni riportate nel presente lavoro sono ritenute dagli autori e da REF-E le migliori possibili. Tuttavia, né gli autori né REF-E garantiscono la accuratezza e la completezza delle informazioni

né si assumono alcuna responsabilità sulle eventuali conseguenze derivanti dall’utilizzo delle informazioni riportate.

DisclaimerThe opinion expressed in this report are solely of REF-E, which is independent in developing its work. Data and documentation produced by REF-E are for the exclusive internal use and cannot be

distributed or used without previous written authorization by REF-E. The information reported are the best possible according to REF-E and to the authors. Anyway, both REF-E and the authors do not

guarantee the accuracy and the completeness of the information reported, and do not assume any responsibility for the consequences deriving form the use of such information.

Follow us on

Grazie dell’attenzione!

Q&[email protected]

mailto:[email protected]

REF-E: eccellenza nei mercati energetici

REF-E opera nel mercato energetico con:

• ricerche e consulenze personalizzate

• osservatori indipendenti

• attività di formazione

Affianca aziende, istituzioni, organismi governativi nei processi

decisionali, promuove il confronto tra operatori e istituzioni sui

risultati degli scenari di policy

come economics: analisi indipendente, a

partire dai fondamentali economici

come engineering: competenze tecniche,

per affrontare le modellizzazioni più

complesse

come energy: un settore vasto, che

presenta tematiche sempre nuove

come environment: la sfida del prossimo

futuro

REF-E IN QUATTRO PAROLE

COMPETENZE

Politiche pubblicheRegolazione

infrastrutture

Market and Auction

designPolitiche Antitrust

Strategie societarie

Surveys

Settori

ELETTRICITÀ ENERGIE

RINNOVABILI

GAS

NATURALE

REF-E: PRODOTTI E SERVIZI

La conoscenza approfondita di tutti i

settori dell’industria energetica

consente ai ricercatori REF-E di offrire

un’ampia gamma di prodotti e servizi.

• I prodotti sono personalizzati rispetto

alle esigenze dei clienti per trovare le

risposte a quesiti operativi o

strategici.

• Le pubblicazioni sono il veicolo per la

divulgazione di un sapere tecnico,

complesso e costantemente

aggiornato.

• I modelli, sono frutto della qualificata

capacità modellistica espressa negli

anni dai professionisti REF-E; sono

commercializzati nella loro versione

standardizzata o declinati ad hoc su

esigenze specifiche.

• I database consentono l'accesso a

molti dati complessi raccolti negli

anni e costantemente aggiornati.

PUBBLICAZIONI

• Newsletter Osservatorio Energia, è il mensile che propone approfondimenti sull’evoluzione normativa, le trasformazioni societarie, l’andamento delle tariffe e il livello dei prezzi

• Energy Outlook, è il quadrimestrale di previsione dello sviluppo a medio termine del mercato elettrico e del gas sulla base del modello di simulazione Elfo++.

• Rapporto Energia, è una pubblicazione annuale sull’evoluzione e le prospettive dei settori elettrico, gas e delle fonti rinnovabili.

• Working Papers, sono studi dettagliati che trattano temi di attualità, a partire dalla letteratura teorica.

I MODELLI REF-E

EU

ABBIAMO LAVORATO PER …

Documents

ANALISI DI RISCHI ED OPPORTUNITÀ MEDIANTE LA …unponte2017.stat.unipd.it/slides/Canazza.pdf · ovvero non ci sono cicli di feedback) La rete neurale è stata implementata con il