Prognozowanie cen energii, czyli trudny orzech, który opłaca się zgryźć

Prognozowanie cen energii dokładniejsze nawet o ułamek procenta potrafi przełożyć się na większe zyski lub oszczędności podmiotu gospodarczego. Cena energii elektrycznej ma wpływ na wszystkie sektory gospodarki. Większość produktów, jakie konsumujemy, zostały wyprodukowane przy jej użyciu. Z tego powodu jej koszt jest wliczony w cenę większości dóbr i usług.

Dobre prognozowanie cen energii zwyczajnie się opłaca

Postępująca informatyzacja energetyki pozwala na elastyczne reagowanie na zmiany cen energii. Z jednej strony przemysł i usługi mogą planować zużycie energii na czas, kiedy jest ona najtańsza, z drugiej strony wytwórcy starają się produkować najwięcej energii w czasie gdy jest ona najdroższa. W efekcie, podmioty umiejące dynamicznie dopasowywać się do zmian cen energii stają się bardziej rentowne. Pojawia się zależność: im trafniejsza predykcja, tym większy zysk dla firmy.

Zobacz także: Elektromobilność w Polsce – jak wpłynie na sektor energii?

Rynek dnia następnego (RDN)

Handel energią odbywa się głównie na tzw. Rynku Dnia Następnego (RDN). Notowania odbywają się codziennie w dwóch sesjach: o godz. 8:00 i 10:30. W trakcie sesji ustalają się ceny dla poszczególnych godzin. RDN prowadzony jest na dzień przed dobą, w której następuje fizyczna dostawa energii.

Wyk 1. Ceny energii elektrycznej na rynku RDN (30.07.2023-25.08.2023)

Na powyższym wykresie widzimy, że ceny za 1 MWh energii elektrycznej wahają się od 11 € do 216 € (co w przeliczeniu wynosi około 50 zł  i 968 zł). Zmiany pomiędzy cenami w danych godzinach w jednym dniu, potrafią wynosić nawet ponad 50 proc.

Od czego zależą ceny energii? Czynników jest wiele

Dwa najważniejsze czynniki wpływające na ceny energii — generacja i zapotrzebowanie, określają popyt oraz podaż w sposób zagregowany. Zapotrzebowanie to ilość mocy pobieranej z sieci w danym czasie. Możliwości wytwórcze producentów, inaczej generacja, to moc, jaką będą oni w stanie dostarczyć do sieci o danej godzinie. Dni tygodnia oraz poszczególne godziny są wyraźnie odwzorowane na wykresach zapotrzebowania.

Zobacz także: LG Energy Solution buduje zakład produkujący baterie EV za 5,5 mld USD

Zwykle w weekend w Polsce zużywamy mniej prądu niż w dni robocze. Godziny wieczorne i poranne charakteryzują się najwyższym zużyciem energii elektrycznej, w nocy zapotrzebowanie jest najniższe. Dodatkowo dni „specjalne”, takie jak na przykład finał Ligi Mistrzów, wyróżniają się wysokim zużyciem energii. Rytm tygodniowy oraz dobowy należy zatem uwzględnić podczas prognozowania cen energii.

Wyk 2. Generacja i zapotrzebowanie na energię elektryczną w Polsce w sierpniu 2023 r.

Ze względu na coraz większy udział OZE w miksie energetycznym kolejnym istotnym czynnikiem jest pogoda, która wpływa zarówno na zapotrzebowanie, jak i generację. Wysoka temperatura przyczynia się na przykład do zmniejszenia zużycia energii na ogrzewanie, zmniejszenia wydajności paneli fotowoltaicznych czy zwiększenia poboru energii na potrzeby klimatyzacji.

Inny ważny czynnik rzutujący na ceny energii elektrycznej to polityka i zmieniające się regulacje. Niestety, jest ona  trudna do przewidzenia oraz określenia ilościowo, a ma ogromny wpływ na kształtowanie się cen – poprzez działania takie jak chwilowe „zamrożenie” cen energii, ciągłe zmiany ustaw dot. OZE czy wprowadzanie nowych systemów wsparcia.

Zobacz także: Jak funkcjonuje Rządowa Tarcza Solidarnościowa?

Jednym z innowacyjnych rozwiązań pozwalających na ilościową analizę zachowań ludzkich jest automatyczne (wykorzystujące różnorodne algorytmy) zbieranie informacji z artykułów i postów w mediach społecznościowych. Następnie algorytm szuka słów określających sentyment, jaki w tej chwili panuje w stosunku do danego tematu. Używając takiego programu, można dowiedzieć się, jaki jest ogólny sentyment społeczeństwa w stosunku do zmian prawnych i planowanych inwestycji.

Historyczne ceny energii, ceny paliw oraz magazyny energii

Ceny paliw takich jak węgiel, gaz, olej opałowy i biomasa bezpośrednio oddziałują na koszty wytwarzania energii w elektrowniach cieplnych, które stanowią główną metodę wytwarzania energii elektrycznej w Polsce. Wytwórcy, zwłaszcza ci mający możliwość dywersyfikacji wykorzystywanych paliw, regularnie planują ich zakup oraz zużycie w sposób jak najbardziej ekonomiczny.

Zobacz także: Głód benzyny, czyli jak kształtowały się ceny ropy na przestrzeni lat

Historyczne ceny energii ujawniają pewne trendy oraz pozwalają na tworzenie statystyk i obliczanie wskaźników branych pod uwagę przy handlu energią. Jednak większa część graczy na rynku nie stosuje analizy technicznej lub form handlu automatycznego. Przeważa analiza fundamentalna i podejmowanie decyzji według przeszłych doświadczeń.

Magazyny energii, głównie w postaci elektrowni szczytowo-pompowych (i coraz częściej baterii), pozwalają na „przechowywanie” energii. Oznacza to możliwość jej zakupu i sprzedaży (poboru i oddawania do sieci) w dowolnym czasie. Dzięki temu wykres ceny energii w ciągu doby wypłaszcza się, czyli zmniejszają się wahania cen energii. Obecnie elektrownie szczytowo-pompowe stanowią mniej niż 2% w polskim miksie energetycznym — według danych z PSE z lipca 2023 r., elektrownie wodne wyprodukowały w sumie 1,9% całej wytworzonej energii.

Wyk 3. Generacja energii elektrycznej przez elektrownie szczytowo-pompowe w sierpniu 2023 r.

Pozyskiwanie informacji oraz danych ilościowych jest trudnym zadaniem

Częstym problemem przy prognozowaniu cen energii jest utrudniony dostęp do danych wysokiej jakości. Na rynku nie ma serwisu lub portalu, który oferowałby wszystkie potrzebne dane o istotnych czynnikach w jednym miejscu oraz w przystępnej cenie. Aktualnie, pozyskiwanie danych wiąże się głównie z wyszukiwaniem rozproszonych źródeł oferujących zadowalającą ich jakość, porównywaniem i żmudną analizą przydatności oferowanych danych. Problem ten jest częściowo rozwiązywany przez projekty takie jak ENTSO-E Transparency Platform, które skupiają w jednym miejscu dane dostarczane przez operatorów systemów przesyłowych.

Zobacz także: Twitter liderem w kategorii… dezinformacja. Wyprzedza nawet Facebooka

Członkowie SKN Energetyki z SGH wpadli na pomysł stworzenia usługi, która rozwiązałaby problem dostępności danych dotyczących energetyki. Aplikacja nosi nazwę ISADRE (Innowacyjny System Analiz Danych Rynku Energii). Obecnie trwają prace nad rozwojem i wdrożeniem tego rozwiązania.

Prognozowanie cen energii może stać się znacznie łatwiej dzięki m.in. AI

Energetyka jest bardzo rozległą dziedziną i wymaga kompleksowej wiedzy. Sieć powiązań i korelacji w danych jest ogromna. Prognozowanie cen energii to proces złożony i pracochłonny — zwłaszcza jeśli robimy to ręcznie. Pomocnym rozwiązaniem może być wykorzystanie tzw. algorytmów uczenia maszynowego typu XGBoost lub Random Forest, które są w stanie wykrywać zależności w skomplikowanych środowiskach lepiej niż ludzie. Nieco gorzej radzą sobie natomiast sieci neuronowe. Do wytrenowania modelu o takiej samej dokładności co XGBoost potrzebują zazwyczaj więcej danych. Posiadają jednak pewną zaletę — potrafią pokazać nam, które dane „wstawione” do modelu mają największe znaczenie dla predykcji cen energii. Wówczas możemy zmodyfikować model, odrzucając niepotrzebne parametry.

Zobacz także: Rozwój sztucznej inteligencji to nie katastrofa! To wyzwanie

Wraz z pojawianiem się nowych technologii w dziedzinie AI, jakość analiz rośnie z tygodnia na tydzień. Rozwój technologii informatycznych umożliwia przedsiębiorcom właściwą analizę zmienności cen energii i dopasowywanie do niej swoich działań związanych z produkcją lub świadczeniem usług. Również przedsiębiorstwa coraz częściej dostrzegają, że właściwe predykcje cen energii, dokładniejsze nawet o ułamek procenta, potrafią przerodzić się w znaczne zyski lub oszczędności. Mimo że prognozowanie cen energii jest trudnym i skomplikowanym zadaniem, na rynku pojawia się więcej rozwiązań, które mają za zadanie ułatwić ten proces.

Jan Georges Waga,

SKN Energetyki SGH,

Poglądy przedstawione w tekście są wyłącznie poglądami autora.

Energia w UE pochodzi głównie z OZE i atomu. W Polsce z węgla