Agent-based ex-post simulation of the german markets for control reserve and the spot market based on historical data

Abstract

El mercado spot es una parte fundamental del suministro eléctrico. Un modelo del mercado spot alemán fue desarrollado para poder simular su comportamiento y pronosticar el comportamiento de los precios. Los datos utilizados por el modelo son las centrales térmicas e hidroeléctricas, la generación de energías renovables y la demanda. La generación de las centrales térmicas e hidroeléctricas se modela con agentes mientras que la demanda y la generación de las renovables se modela con una serie temporal fija. Los resultados de las simulaciones se comparan con los precios históricos de 2014 para evaluar la precisión del modelo. El objetivo de este trabajo es mejorar el modelo para conseguir precios más similares a los históricos. Para ello, se modificó el modelo de la no disponibilidad de las centrales térmicas. La no disponibilidad era generada anteriormente con un método estocástico asumiendo valores medios mensuales para cada tecnología. Este modelo se sustituyó por la no disponibilidad histórica de cada central. Solo se utilizó la disponibilidad prevista porque el análisis se centra en el mercado diario. Las diferencias entre ambos modelos tienen efecto en los resultados de las simulaciones. El nuevo modelo tiene una variación mensual mayor que el modelo estocástico. Los parones son más frecuentes en los meses con menor demanda y precios. El nuevo modelo también tiene un valor medio anual ligeramente superior. Aunque la no disponibilidad es más alta en el nuevo modelo, la media de los precios simulados es menor. Esto es provocado por la diferente distribución mensual de la no disponibilidad, el efecto en los meses con mayores precios es mayor que en los meses con menores precios por la variación de la pendiente de la curva de ofertas. La pendiente es menor en la zona con menores precios y mayor en la zona con mayores precios. El nuevo modelo aproxima mejor los precios medios y los de valle mientras que el modelo antiguo simula mejor los precios pico. El nuevo modelo replica mejor la curva de duración que el antiguo. Reduce el número de precios muy altos y se aproxima mejor en los precios bajos (de la hora 6000 a la 8760). Los precios negativos no pueden ser simulados aún, es necesario incluir más limitaciones en el modelo de las centrales térmicas.En el ámbito semanal, el nuevo modelo no mejora significativamente. La mayor mejora se observa en los domingos.Una regresión multivariante se llevó a cabo para estimar hasta qué punto depende el precio de la no disponibilidad y de los otros factores del modelo. El efecto de la no disponibilidad es significativo, aunque sea menor que el de la demanda y la generación de renovables, y podría ser útil para prever precios en el futuro.

The spot market is a part of great importance in the electricity supply chain. In order to simulate its behavior and to be able to forecast future prices a model of the German spot market was developed. The data used are the thermal and hydraulic power plants, renewable energies generation and the load. The generation of thermal and hydraulic power plants is modeled with agents while the load and the renewable energies are modeled with a fixed time series. The results of the simulations are compared with the historic prices of 2014 to evaluate the accuracy of the model. The objective of this work is to improve the model to get prices more similar to the historic. The model for the unavailability of thermal power plants was changed in order to achieve this. The unavailability was generated previously with a stochastic method with assumed average values, and it was substituted with the historic per unit unavailability. Only the planned unavailability was used because the analysis will focus on the day ahead market. There are some differences between the data of both models which had an effect on the market prices. The new model has a higher monthly variation than the stochastic model, with the highest values concentrated in the months with lowest load and prices. The new model also has a slightly higher average unavailability during the year. Even though the unavailability was higher in the new model, the prices were lower on average. This could be explained by the monthly distribution of unavailability, its effect in the months with higher prices more than offsetting the effect in the months with lower prices because of the characteristics of the merit order curve. The new model approximates better both the base and off peak prices while the peak prices were better previously. The new model fits better the duration curve than the old model. It reduced the number of price spikes, and is closer to the historic prices in the lower part of the curve (from the hour 6000 to the 8760). Negative prices still cannot be simulated, further changes in the thermal power plant model will be needed. On a weekly basis, the new model performs better on Sundays while during the rest of the week it is similar to the stochastic model. A multivariate regression was done to estimate the impact of the unavailability and the other factors of our model on the prices. The effect of the unavailability, while lower than that of the load and the renewable energies is significant and could be useful to predict future prices.