06 alpiq

Modèles et algorithmes pour
l’optimisation énergétique au Trading
Andreas Poncet

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'incertitude
liée aux intermittences?
• Conclusions

Blenio, TI
– Contexte –

Les fondamentaux de l'électricité en CH
En partie prévisibles – mais seuls certains sont influençables
Démographie MacroéconomiePolitique Marchés énergie
Fluctuations
météo
Disponibilité des
interconnections
Volume et Prix d’électricité
(adéquation offre/demande)
Consommation Production
(mix)
Impact écologique
et économique
Equilibrage continuel

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

– Challenge 1: Anticiper la valeur
horaire des besoins énergétiques –
Zervreila, GR

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.

Construction de courbes de prix horaire
Décomposer, 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
hebdomadaire
quotidien
Prix(normalisé)

Construction de courbes de prix horaire
Exemple: anticipation marché de mi-déc 2014 sur l’année 2015
Jan 2015 Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
0
20
40
60
80
0
20
40
60
80
TickForwardPrice[EUR/MWh]
Jan 2015 Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
0
20
40
60
80
0
20
40
60
80
ForwardPrice[EUR/MWh]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 mois
3*2 trimestres 1*2 années

– Challenge 2: Gérer l'allocation des
ressources de production –
Hongrin, VD

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)

Gestion d’un ouvrage via des optimisations:
Modélisation de contraintes physiques: exemplesEauconsommée
[m3/MWh]Production[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 produire
1 MWh?
⇒ dépendence non-linéaire
p.r. à la puissance de
production et
au contenu du réservoir

Q1 2015 Q2 Q3 Q4
0
2
4
x 10
7
0
2
4
x 10
7
Reservoir
Gestion d’un ouvrage via des optimisations
Exemple déterministe à titre d’illustration
-200
-100
0
30.03. 06.04. 13.04. 20.04. 27.04. 04.05.2015
-200
-100
0
Pompage
0
100
200
30.03. 06.04. 13.04. 20.04. 27.04. 04.05.2015
0
100
200
Production
Cycle annuel
(apports naturels)
Cycle
hebdomadaire
Contraintes max de production
Contraintes min de pompage
Contraintes
min/max du
réservoir

– Challenge 3: Atténuer l’impact de
l’incertitude liée à l’intermittence –
Maggia, TI (Lago del Naret)

Comment atténuer l’impact de l'incertitude
liée 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

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 flexibilité
Mais: 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.

Vue d’ensemble: Flux d’information
Modèles
Construction
scénarios horaires
Prix
marchés
Données
météo
Mesures
consom, etc.
Mesures Contraintes
Modèles
Optimisation
production
Modèles
Optimisation
risque
(portefeuille)
Positions de
production
Positions de
couverture
Fonda-
mentaux
Ouvrages
production

Conclusions
• Défi: gérer la production flexible du parc d’ouvrages
en 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 données
nous permet d’aller toujours plus loin…
(exemple: mesures météo par drones)

Andreas Poncet
andreas.poncet@alpiq.com
Merci de votre intérêt

06 alpiq

Recommandé

Recommandé

Contenu connexe

Similaire à 06 alpiq

Similaire à 06 alpiq (20)

Plus de TechnoArk

Plus de TechnoArk (20)

06 alpiq