Европа
Австрия
Бельгия
Великобритания
Венгрия
Германия
Дания
Испания
Италия
Нидерланды
Норвегия
Польша
Португалия
Румыния
Словакия
Турция
Франция
Чехия
Швейцария
Швеция
СНГ
Россия
Прогноз цен на электроэнергию
Комплексный подход к расчету оптовых цен на электроэнергию в долгосрочной перспективерочной перспективе
В сфере прогнозирования цен на электроэнергию наконец появился выбор. Наша услуга по прогнозу цен на электроэнергию предлагает прогноз годовых оптовых цен. В основе прогнозов лежит опыт Enerdata в моделировании спроса на электроэнергию и на нашей всемирно признанной модели POLES. Идеальный инструмент для инвесторов и разработчиков в энергетическом секторе, помогающий оценить рентабельность в долгосрочной перспективе.
Зачем подписываться ?
- В отличие от традиционных оптимизационных моделей, позволяет получить общее представление благодаря встроенному моделированию спроса на электроэнергию и развитию энергогенерирующих мощностей
- Модель учитывает все технологии, включая возобновляемые источники энергии
- Отсутствие эффекта «победитель получает все», который зачастую присутствует в чистых оптимизационных моделях.
- Три долгосрочных сценария для каждой страны, рассматривающие возможные пути развития
- Необходимые данные без лишних функций — лучшее соотношение цены и качества по сравнению с другими предложениями на рынке.
- Независимая точка зрения: Enerdata не связана ни с государственными органами, ни с энергетическими компаниями.
Ключевые особенности
- Годовые прогнозы (в долл. США/МВт-ч) по трем подробным сценариям до 2050 года.
- Прогнозы основаны на самых актуальных статистических данных.
- Охват: 32 стран.
- Результаты предоставляются в виде таблицы и графиков; доступен экспорт в формате Excel.
- Полное обновление каждый год.
Список стран
Америка
Аргентина
Бразилия
Канада
Мексика
США
Азиатско-Тихоокеанский регион
Австралия
Китай
Индия
Индонезия
Япония
Южная Корея
Африка
ЮАР
Методология
Проверенной методологической основой прогнозирования цен на электроэнергию является POLES, собственная модель Enerdata. Это надежная модель энергетических прогнозов для разных стран, которую применяет множество энергетических компаний, генерирующих предприятий, инвесторов и разработчиков во всем мире.
Для прогнозирования цен на электроэнергию используются статистические договорные цены до 2018 года, которые индексируются в POLES для получения достоверных результатов моделирования.
Основные различия между POLES и «чистыми оптимизационными» моделями
Во-первых, преимуществом модели POLES для планирования мощностей и производства является отсутствие эффекта «победитель получает все», свойственного чистым оптимизационным моделям. Благодаря анализу статистики по мощностям и производству, а также использованию неэкономических параметров конкуренции, POLES распределяет технологии генерации электроэнергии по приведенной стоимости возобновляемой энергии и переменным издержкам и позволяет без труда менять соотношение между ними.
Модель POLES рассматривает классы технологий вместе с их техническими, экономическими и экологическими параметрами на базе ежегодного рекурсивного анализа, что дает два ключевых преимущества перед оптимизационными моделями.
- Метод POLES больше подходит для описания реальных энергосистем со всеми их недостатками и ограничениями. Оптимизационные модели часто используют метод совершенного прогнозирования, когда в распоряжении участников хозяйственных отношений оказываются все данные за весь горизонт прогнозирования. А в модели POLES реализуется итеративный процесс, в котором учитываются долгосрочные потребности в мощностях и обеспечивается достижение установленного пользователем уровня резервирования на пике спроса.
- В POLES пользователь имеет больше возможностей управлять процедурой и параметрами прогнозирования, поэтому здесь невозможны эффекты, которые часто проявляются в чистых оптимизационных моделях, например предоставление абсолютно разных решений при пренебрежимо малом изменении одного или нескольких входных параметров.
Еще одним явным преимуществом системы POLES является то, что в ней спрос на энергию по секторам является внутренним параметром. Этот спрос может моделироваться и уточняться пользователем, который может находить логические связи между предложением и спросом на электроэнергию. В оптимизационных же моделях для энергосистем спрос на энергию, как правило, является внешним входным параметром и отражает либо фиксированное долгосрочное предположение, либо долгосрочный совершенный прогноз для участников энергетического рынка.
Обзор энергетического модуля POLES
- Подробный охват более 20 технологий, включая капитальные расходы, переменные издержки, стоимость топлива, налоги на выброс углерода, субсидии, срок службы, коэффициент использования, экономичность и многое другое.
- Решение двух задач: планирование и диспетчеризация мощностей:
Планирование мощностей
- На основании приведенной стоимости возобновляемой энергии и ограничений (потенциал и резервирование ВИЭ, допущение ядерной энергетики и пр.)
- Конкурентное сравнение по семи вариантам длительности нагрузки (от 8760 ч/год до 730 ч/год)
- Распределение вероятности получения определенной рыночной доли каждой технологией на основании функции распределения логита.
- Рекурсивный подход: Ежегодно выполняется расчет мощностей, которые будут введены в строй в следующем году.
Диспетчеризация
- На основании переменных издержек, в том числе субсидий и налогов.
- Распределение вероятности получения определенной рыночной доли каждой технологией по принципу роста производственных издержек на основании полиномиальной функции распределения логита.
- Отдельно рассчитываются обязательное производство электроэнергии и производство электроэнергии с использованием критических технологий.
- Диспетчеризация в текущем году зависит от мощностей, введенных в эксплуатацию в этом же году.
- Год разбивается на два типовых дня и 12 двухчасовых срезов.
EnerBase
EnerBase описывает мир, в котором текущая политика, как правило, продолжается, а тенденции, наблюдаемые в последнее время, сохраняются. Отсутствие поддержки мер по снижению выбросов ПГ влияет на все энергетические системы в течение длительного периода времени, при растущем спросе на энергию и ограниченной диверсификации топлива. Этот сценарий приводит к повышению температуры выше 3°C.
EnerBlue
EnerBlue основан на успешном достижении актуальных целей NDC (Nationally Determined Contributions) по выбросам к 2030 году, а также на продолжении последовательных усилий после 2030 года. Устойчивый рост в развивающихся странах является мощной движущей силой мирового спроса на энергию, но политика играет ключевую роль в контроле темпов роста. Этот сценарий приводит к повышению глобальной температуры в пределах от 2°C до 2,5°C.
EnerGreen
В EnerGreen исследует последствия более жесткой климатической политики, когда страны выполняют или перевыполняют свои обязательства по NDC, а затем регулярно пересматривают свои цели по выбросам. Эти изменения приводят к значительному повышению энергоэффективности и активному внедрению возобновляемых источников энергии в энергобаланс. В рамках этой более чистой траектории рост глобальной температуры ограничивается уровнем ниже 2 °C.