电价预测
电价预测
超越独立的电力优化建模
电价预测
360° 欧洲能源市场方法
批发价格的小时粒度
2025 年至 2050 年的, 年度预测
未来电价数据终于提供了另一种选择。我们的电价预测服务是一种订阅型服务，提供有关电力日前批发价格长期演变的见解和时间序列。该服务利用了我们基于 PyPSA 开源库和 Enerdata 闻名的能源气候情景的 Enerdata 电力模型。它由我们庞大的数据库（行业电力需求和发电厂级数据）和深厚能源市场知识提供强力支持。电价预测是能源投资者和开发商在短期、中期和长期内估计投资回报的最有效战略工具。
为什么要订阅？
- 与传统优化模型不同，得益于电力需求和发电/容量发展的内生建模，可以从全局概览中受益
- 内部全球认可的模型，涵盖所有技术，包括可再生能源和整个能源系统。
- 全球认可的能源专业知识
- 基于科学的建模
- 每个国家有三个长期容量情景，以及多个气候和价格情景，以探索可能的未来发展路径。可以根据需求使用自定义场景。
主要特点
Excel 格式的数据集：
- 最新的需求以及发电输入内容
- 日前批发价格:
- 截至 2050 年的平均每小时价格，时间步长为 5 年，每年更新一次
- 截至 2028 年的中期年度价格，时间步长为 1 年，每季度更新一次
- 可再生能源捕获价格
- 最低和最高月平均价格 - 取决于气候情景
- 年度商品价格
PDF 报告：
- 关于方法、假设、项目、监管背景和情景的文档。
涵盖的国家
- 欧洲电力市场
- 根据需求：任何其他具有区域市场的国家（即具有开放电力市场，其中现货电价在给定区域内相同）
方法
我们的电价预测基于以下两个专有模型得出：
- 我们的 POLES 模型：一个强大的多国电力预测模型，全球众多能源公司、公用事业公司、投资者和开发商都在使用该模型。它在国家/地区级别（以及其他指标），通过年度装机容量和按行业划分的电力需求建模。
- 我们的 PyPSA-Enerdata 模型：使用 Enerdata 自己的数据和后处理从开源库 PyPSA 构建而成。该模型使用 POLES 的输出内容来模拟竞价区和发电厂级别的每小时电价调度。
我们的方法与‘纯优化’电力模型的主要区别在于：
- 针对容量和需求使用 POLES 建模方法，避免了纯优化模型中经常出现的‘赢家通吃’效应。由于考虑了历史容量和生产量组合，并引入了非经济竞争参数，POLES 在分配发电技术时不仅根据 LCOE 和可变成本，还考虑了非经济参数（政策、组合多样化等）。
- POLES 模型考虑了技术类别及其技术、经济和环境参数，采用逐年递归方法呈现，更适合描述真实能源系统及其缺陷和障碍：优化模型通常使用完美的预见方法 – 让经济主体可以在整个时间范围内处理所有信息 - POLES 实施迭代过程，考虑长期容量需求并确保根据峰值需求达到用户定义的储备安全。
- POLES 的另一个明显附加价值在于部门能源需求为内生型，可以由用户建模/改进，用户可以找到电力供应和需求之间的逻辑追溯。相比之下，能源系统优化模型通常使用能源需求作为外生输入参数 – 这样也能反映能源系统代理的不变长期假设或完美长期预见。
与现有电力模型相比，PyPSA-ENERDATA 模型额外具有两个明显优势：
- 根据在我们发电厂跟踪器上收集的数据，在发电厂层面优化电力调度。
- 对经济主体的行为进行建模，以反映非理性竞价策略，并考虑非线性制约因素（例如，启动时间、最小负荷、年度排放量要求…)。
EnerFuture 情景
Enerbase
EnerBase 描述了一个世界，在这个世界中，现有的政策倾向性地继续下去，并追求最近观察到的趋势。缺乏对温室气体减排的支持在很长一段时间内影响到整个能源系统，能源需求不断增加，燃料多样化有限。这种情况导致温度上升超过3°C。
EnerBlue
EnerBlue 的基础是成功实现当前国家数据中心（国家确定贡献）2030年的排放目标，以及在2030年后持续不断的努力。新兴国家的持续增长是全球能源需求的强大驱动力，但政策在控制增长速度方面发挥着关键作用。这种情况导致全球气温上升2°C至2.5°C。
EnerGreen
EnerGreen 探讨了更严格的气候政策的影响，各国履行或超额实现其国家数据中心承诺，然后定期修订其排放目标。这些变化导致能源效率的显著提高和可再生能源的大力部署。在这种更清洁的轨迹中，全球气温上升限制在2°C以下。