http://www.simulace.info/api.php?action=feedcontributions&feedformat=atom&user=Lebm05 2026-07-27T14:31:47Z User contributions MediaWiki 1.31.1 http://www.simulace.info/index.php?title=User:Lebm05&diff=27345 2025-06-20T14:53:14Z

<p>Lebm05: /* Model ceny plynu */ Odstraneni poznamky ke staremu obrazku ktery byl v dobe odevzdani jiz nahrazen stavajicim</p> <hr /> <div>= Možnosti využití plynových elektráren v ČR (Vensim)=<br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu 1 MW/h (cena zemního plynu krát konverzní poměr) nižší než spotová cena elektřiny. Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|1400px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena zemního plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|1200px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> [[File:model_week_generation.png|1100px|Modelový týden: spotřeba &amp;amp; dodávky dle typu]]<br /> <br /> <br /> [[File:model_week_prices.png|1100px|Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu]]<br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|1100px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min<br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> * UNITS FOR TIME = Minute<br /> * INITIAL TIME = 0<br /> * FINAL TIME = 10065<br /> * TIME STEP = 15<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii.<br /> <br /> Za možné riziko tohoto modelu považuji existenci futures trhu s energií, kde by mohla elektrárna na základě expertního modelu spekulovat na cenu plynu/spark spread a tím pádem dopředu vědět, kdy bude generovat.<br /> Je to ale příliš komplikované a do takové hloubky této problematiky jsem se dostud nedostal.<br /> <br /> <br /> Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27268 2025-06-15T21:37:52Z

<p>Lebm05: /* Možnosti využití plynových elektráren v ČR */</p> <hr /> <div>= Možnosti využití plynových elektráren v ČR (Vensim)=<br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu 1 MW/h (cena zemního plynu krát konverzní poměr) nižší než spotová cena elektřiny. Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|1400px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena zemního plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|1200px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> [[File:model_week_generation.png|1100px|Modelový týden: spotřeba &amp;amp; dodávky dle typu]]<br /> <br /> <br /> [[File:model_week_prices.png|1100px|Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu]]<br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|1100px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min<br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> * UNITS FOR TIME = Minute<br /> * INITIAL TIME = 0<br /> * FINAL TIME = 10065<br /> * TIME STEP = 15<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii.<br /> <br /> Za možné riziko tohoto modelu považuji existenci futures trhu s energií, kde by mohla elektrárna na základě expertního modelu spekulovat na cenu plynu/spark spread a tím pádem dopředu vědět, kdy bude generovat.<br /> Je to ale příliš komplikované a do takové hloubky této problematiky jsem se dostud nedostal.<br /> <br /> <br /> Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27259 2025-06-15T21:36:33Z

<p>Lebm05: </p> <hr /> <div>= Možnosti využití plynových elektráren v ČR = <br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu 1 MW/h (cena zemního plynu krát konverzní poměr) nižší než spotová cena elektřiny. Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|1400px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena zemního plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|1200px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> [[File:model_week_generation.png|1100px|Modelový týden: spotřeba &amp;amp; dodávky dle typu]]<br /> <br /> <br /> [[File:model_week_prices.png|1100px|Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu]]<br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|1100px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min<br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> * UNITS FOR TIME = Minute<br /> * INITIAL TIME = 0<br /> * FINAL TIME = 10065<br /> * TIME STEP = 15<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii.<br /> <br /> Za možné riziko tohoto modelu považuji existenci futures trhu s energií, kde by mohla elektrárna na základě expertního modelu spekulovat na cenu plynu/spark spread a tím pádem dopředu vědět, kdy bude generovat.<br /> Je to ale příliš komplikované a do takové hloubky této problematiky jsem se dostud nedostal.<br /> <br /> <br /> Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27245 2025-06-15T21:32:04Z

<p>Lebm05: </p> <hr /> <div>název: Možnosti využití plynových elektráren v ČR = <br /> autor: Michal Lebeda (Lebm05)<br /> nástroj: Vensim PLE<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu 1 MW/h (cena zemního plynu krát konverzní poměr) nižší než spotová cena elektřiny. Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|1400px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena zemního plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|1200px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> [[File:model_week_generation.png|1100px|Modelový týden: spotřeba &amp;amp; dodávky dle typu]]<br /> <br /> <br /> [[File:model_week_prices.png|1100px|Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu]]<br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|1100px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii.<br /> <br /> Za možné riziko tohoto modelu považuji existenci futures trhu s energií, kde by mohla elektrárna na základě expertního modelu spekulovat na cenu plynu/spark spread a tím pádem dopředu vědět, kdy bude generovat.<br /> Je to ale příliš komplikované a do takové hloubky této problematiky jsem se dostud nedostal.<br /> <br /> <br /> Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27242 2025-06-15T21:30:24Z

<p>Lebm05: </p> <hr /> <div>název: Možnosti využití plynových elektráren v ČR = <br /> autor: Michal Lebeda (Lebm05)<br /> nástroj: Vensim PLE<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|1400px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena zemního plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|1200px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> [[File:model_week_generation.png|1100px|Modelový týden: spotřeba &amp;amp; dodávky dle typu]]<br /> <br /> <br /> [[File:model_week_prices.png|1100px|Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu]]<br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|1100px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii.<br /> <br /> Za možné riziko tohoto modelu považuji existenci futures trhu s energií, kde by mohla elektrárna na základě expertního modelu spekulovat na cenu plynu/spark spread a tím pádem dopředu vědět, kdy bude generovat.<br /> Je to ale příliš komplikované a do takové hloubky této problematiky jsem se dostud nedostal.<br /> <br /> <br /> Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=SS_2024/2025/cs&diff=27236 2025-06-15T21:27:19Z

<p>Lebm05: /* Vypracovaná témata LS 2024/2025 */</p> <hr /> <div>{{DISPLAYTITLE:LS 2024/2029}}<br /> <br /> Semestrální práce (simulace) z letního semestru 2024/2025. Sem přidejte odkaz na stránku s Vaší prací.<br /> Nejprve je třeba nechat schválit [[Assignment SS 2024/2025/cs|zadání práce]].<br /> <br /> =Vypracovaná témata LS 2024/2025=<br /> * [https://www.simulace.info/index.php/User:Hlaj13 Strategie hráčů ve hře v kostky dle pravidel hry Farkle (NetLogo)] - Jan Hlavnička<br /> * [https://www.simulace.info/index.php/User:Plaz03 Simulace tučňáků hledajících lásku na ledové kře (NetLogo)] - Zuzana Plachá<br /> * [https://www.simulace.info/index.php/Útoky_medvědů Útoky medvědů (NetLogo)] Jan Vlček<br /> * [https://www.simulace.info/index.php/User:Smrv03 Evakuace šelem v pražské ZOO v případě povodně (NetLogo)] - Veronika Smrčková<br /> * [https://www.simulace.info/index.php/User:Bilk08 Bitva u Azincourtu (Netlogo) ] – Kateřina Bílková<br /> * [https://www.simulace.info/index.php/User:Seka01 Simulace vojenské patroly a střetu s nepřítelem (Netlogo)] - Alexandr Sekera<br /> * [https://www.simulace.info/index.php/User:Kubd06 Chování zákazníků v supermarketu/večerce (Netlogo)] – David Kubánek<br /> * [https://www.simulace.info/index.php/User:Sanv05 Kontrola jízdenek v MHD (NetLogo)] - Vladislav Sanin<br /> * [https://www.simulace.info/index.php/User:Jelp05 Autobusová linka v městské dopravě (NetLogo)] - Petr Jelínek<br /> * [https://www.simulace.info/index.php/User:Kalp08 Přemnožení divokých prasat (NetLogo)] - Petr Kalina<br /> * [https://www.simulace.info/index.php/User:Lans06 Pavlovovo podmiňování (Vensim)] - Louis Lang<br /> * [https://www.simulace.info/index.php/User:Kala13 Šíření invazních druhů rostlin v krajině (Netlogo)] - Alena Smetanová<br /> * [https://www.simulace.info/index.php/Optimální_nacenění_zálohy_na_kelímky Optimální nacenění zálohy na vratné kelímky na akcích (Monte Carlo)] - Phuong Bao Pham<br /> * [https://www.simulace.info/index.php/User:Jana19 Bakterie na rukou (NetLogo)] – Alena Jansová<br /> * [https://www.simulace.info/index.php/User:Hluv01 Vývoj hodnoty investičních portfolií v čase (Monte Carlo)] – Vilém Hluštík<br /> * [https://www.simulace.info/index.php/User:Hrus07 Dynamika technického dluhu v softwarovém vývoji] – Šimon Hrúz<br /> * [https://www.simulace.info/index.php/User:Kozo01 Simulace obsazenosti akutních lůžek v českých nemocnicích (Vensim)] – Olesia Kozlova<br /> * [https://www.simulace.info/index.php/User:Lebm05 Možnosti využití plynových elektráren v ČR (Vensim)] - Michal Lebeda</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27232 2025-06-15T21:25:41Z

<p>Lebm05: </p> <hr /> <div>= Možnosti využití plynových elektráren v ČR = <br /> autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|1400px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena zemního plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|1200px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> [[File:model_week_generation.png|1100px|Modelový týden: spotřeba &amp;amp; dodávky dle typu]]<br /> <br /> <br /> [[File:model_week_prices.png|1100px|Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu]]<br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|1100px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii.<br /> <br /> Za možné riziko tohoto modelu považuji existenci futures trhu s energií, kde by mohla elektrárna na základě expertního modelu spekulovat na cenu plynu/spark spread a tím pádem dopředu vědět, kdy bude generovat.<br /> Je to ale příliš komplikované a do takové hloubky této problematiky jsem se dostud nedostal.<br /> <br /> <br /> Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27229 2025-06-15T21:24:50Z

<p>Lebm05: Lebm05 přesunul stránku User:Možnosti využití plynových elektráren v ČR na User:Lebm05: špatný hrníček</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|1400px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena zemního plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|1200px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> [[File:model_week_generation.png|1100px|Modelový týden: spotřeba &amp;amp; dodávky dle typu]]<br /> <br /> <br /> [[File:model_week_prices.png|1100px|Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu]]<br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|1100px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii.<br /> <br /> Za možné riziko tohoto modelu považuji existenci futures trhu s energií, kde by mohla elektrárna na základě expertního modelu spekulovat na cenu plynu/spark spread a tím pádem dopředu vědět, kdy bude generovat.<br /> Je to ale příliš komplikované a do takové hloubky této problematiky jsem se dostud nedostal.<br /> <br /> <br /> Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Mo%C5%BEnosti_vyu%C5%BEit%C3%AD_plynov%C3%BDch_elektr%C3%A1ren_v_%C4%8CR&diff=27230 2025-06-15T21:24:50Z

<p>Lebm05: Lebm05 přesunul stránku User:Možnosti využití plynových elektráren v ČR na User:Lebm05: špatný hrníček</p> <hr /> <div>#REDIRECT [[User:Lebm05]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27226 2025-06-15T21:23:14Z

<p>Lebm05: Lebm05 přesunul stránku Možnosti využití plynových elektráren v ČR na User:Možnosti využití plynových elektráren v ČR</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|1400px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena zemního plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|1200px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> [[File:model_week_generation.png|1100px|Modelový týden: spotřeba &amp;amp; dodávky dle typu]]<br /> <br /> <br /> [[File:model_week_prices.png|1100px|Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu]]<br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|1100px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii.<br /> <br /> Za možné riziko tohoto modelu považuji existenci futures trhu s energií, kde by mohla elektrárna na základě expertního modelu spekulovat na cenu plynu/spark spread a tím pádem dopředu vědět, kdy bude generovat.<br /> Je to ale příliš komplikované a do takové hloubky této problematiky jsem se dostud nedostal.<br /> <br /> <br /> Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=Mo%C5%BEnosti_vyu%C5%BEit%C3%AD_plynov%C3%BDch_elektr%C3%A1ren_v_%C4%8CR&diff=27227 2025-06-15T21:23:14Z

<p>Lebm05: Lebm05 přesunul stránku Možnosti využití plynových elektráren v ČR na User:Možnosti využití plynových elektráren v ČR</p> <hr /> <div>#REDIRECT [[User:Možnosti využití plynových elektráren v ČR]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27225 2025-06-15T21:20:51Z

<p>Lebm05: /* Závěr */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|1400px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena zemního plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|1200px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> [[File:model_week_generation.png|1100px|Modelový týden: spotřeba &amp;amp; dodávky dle typu]]<br /> <br /> <br /> [[File:model_week_prices.png|1100px|Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu]]<br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|1100px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii.<br /> <br /> Za možné riziko tohoto modelu považuji existenci futures trhu s energií, kde by mohla elektrárna na základě expertního modelu spekulovat na cenu plynu/spark spread a tím pádem dopředu vědět, kdy bude generovat.<br /> Je to ale příliš komplikované a do takové hloubky této problematiky jsem se dostud nedostal.<br /> <br /> <br /> Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27219 2025-06-15T21:14:24Z

<p>Lebm05: /* Vensim model */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|1400px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena zemního plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|1200px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> [[File:model_week_generation.png|1100px|Modelový týden: spotřeba &amp;amp; dodávky dle typu]]<br /> <br /> <br /> [[File:model_week_prices.png|1100px|Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu]]<br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|1100px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27217 2025-06-15T21:13:40Z

<p>Lebm05: /* Spotová cena plynu a elektřiny */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|1400px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena zemního plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|1200px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> [[File:model_week_generation.png|1100px|Modelový týden: spotřeba &amp;amp; dodávky dle typu]]<br /> <br /> <br /> [[File:model_week_prices.png|1100px|Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu]]<br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|900px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27215 2025-06-15T21:13:24Z

<p>Lebm05: /* Modelový týden */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|1400px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|1200px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> [[File:model_week_generation.png|1100px|Modelový týden: spotřeba &amp;amp; dodávky dle typu]]<br /> <br /> <br /> [[File:model_week_prices.png|1100px|Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu]]<br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|900px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27214 2025-06-15T21:13:04Z

<p>Lebm05: /* Spotová cena plynu a elektřiny */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|1400px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|1200px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> [[File:model_week_generation.png|900px|Modelový týden: spotřeba &amp;amp; dodávky dle typu]]<br /> <br /> <br /> [[File:model_week_prices.png|900px|Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu]]<br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|900px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27213 2025-06-15T21:12:24Z

<p>Lebm05: /* Spotřeba a generování */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|1400px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|800px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> [[File:model_week_generation.png|900px|Modelový týden: spotřeba &amp;amp; dodávky dle typu]]<br /> <br /> <br /> [[File:model_week_prices.png|900px|Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu]]<br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|900px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27209 2025-06-15T21:05:20Z

<p>Lebm05: /* Modelový týden */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|800px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> [[File:model_week_generation.png|900px|Modelový týden: spotřeba &amp;amp; dodávky dle typu]]<br /> <br /> <br /> [[File:model_week_prices.png|900px|Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu]]<br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|900px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=File:Model_week_prices.png&diff=27208 2025-06-15T21:03:31Z

<p>Lebm05: </p> <hr /> <div></div>

Lebm05 http://www.simulace.info/index.php?title=File:Model_week_generation.png&diff=27207 2025-06-15T21:03:21Z

<p>Lebm05: </p> <hr /> <div></div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27205 2025-06-15T21:02:35Z

<p>Lebm05: /* Zdroje */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|800px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|900px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> * Data o generování a spotřebě: https://transparency.entsoe.eu/dashboard/show<br /> * Spotové ceny: https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market<br /> * Informace o elektrárnách: předmět P1BP437 Analýza trhů energetických komodit<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27202 2025-06-15T21:00:28Z

<p>Lebm05: /* Spotová cena plynu a elektřiny */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|800px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|900px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27201 2025-06-15T21:00:17Z

<p>Lebm05: /* Spotová cena plynu a elektřiny */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|700px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|900px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27200 2025-06-15T20:59:59Z

<p>Lebm05: /* Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|500px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|900px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|500px|Výsledek experimentu]]<br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27199 2025-06-15T20:59:49Z

<p>Lebm05: /* Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|500px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|900px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27198 2025-06-15T20:59:33Z

<p>Lebm05: /* Nahrazení solárních elektráren */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|500px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|900px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|500px|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27197 2025-06-15T20:58:43Z

<p>Lebm05: /* Závěr */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|500px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|900px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil o další znalosti jiné oblasti.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27196 2025-06-15T20:57:56Z

<p>Lebm05: /* Soubor */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|500px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|900px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil i o jiné znalosti, než vytváření simulací.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =<br /> [[File:lebm05-simulace.zip]]</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27194 2025-06-15T20:57:14Z

<p>Lebm05: /* Nahrazení solárních elektráren */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|500px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|900px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result_basic.png|Výsledek experimentu]]<br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil i o jiné znalosti, než vytváření simulací.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27193 2025-06-15T20:56:52Z

<p>Lebm05: /* Vensim model */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|500px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|900px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil i o jiné znalosti, než vytváření simulací.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27191 2025-06-15T20:56:19Z

<p>Lebm05: /* Model ceny plynu */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|500px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|600px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|700px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil i o jiné znalosti, než vytváření simulací.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27190 2025-06-15T20:56:12Z

<p>Lebm05: /* Model ceny elektřiny */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|500px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|500px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|600px|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|700px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil i o jiné znalosti, než vytváření simulací.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27189 2025-06-15T20:55:55Z

<p>Lebm05: /* Model ceny plynu */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|500px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|500px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|700px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil i o jiné znalosti, než vytváření simulací.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27188 2025-06-15T20:55:44Z

<p>Lebm05: /* Model ceny plynu */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|500px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|350px|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|700px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil i o jiné znalosti, než vytváření simulací.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27186 2025-06-15T20:55:23Z

<p>Lebm05: /* Spotová cena plynu a elektřiny */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin.<br /> <br /> [[File:spot_price.png|500px|ČR: Spotové ceny]]<br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|700px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil i o jiné znalosti, než vytváření simulací.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27184 2025-06-15T20:53:54Z

<p>Lebm05: /* Vensim model */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin. [[File:spot_price.png|ČR: Spotové ceny]]<br /> <br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:lebm05_model.png|700px|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat.<br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil i o jiné znalosti, než vytváření simulací.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =</div>

Lebm05 http://www.simulace.info/index.php?title=File:Spot_price.png&diff=27183 2025-06-15T20:52:53Z

<p>Lebm05: </p> <hr /> <div></div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27182 2025-06-15T20:52:03Z

<p>Lebm05: /* Spotřeba a generování */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|800px|ČR: Generování a spotřeba elektřiny]]<br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin. [[File:spot_price.png|ČR: Spotové ceny]]<br /> <br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:model.svg|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat. <br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil i o jiné znalosti, než vytváření simulací.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27181 2025-06-15T20:50:20Z

<p>Lebm05: /* Model ceny plynu */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|ČR: Generování a spotřeba elektřiny]]<br /> <br /> <br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin. [[File:spot_price.png|ČR: Spotové ceny]]<br /> <br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry:<br /> * Intercept: -3.4551033181729914e-06 <br /> * Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|Delta spotřeby na cenu zemního plynu]]<br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:model.svg|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat. <br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil i o jiné znalosti, než vytváření simulací.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27180 2025-06-15T20:50:05Z

<p>Lebm05: /* Model ceny elektřiny */</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|ČR: Generování a spotřeba elektřiny]]<br /> <br /> <br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin. [[File:spot_price.png|ČR: Spotové ceny]]<br /> <br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry: - Intercept: -3.4551033181729914e-06 - Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|Delta spotřeby na cenu zemního plynu]]<br /> <br /> <br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry:<br /> * Intercept -0.0011127649462628903 <br /> * Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:model.svg|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat. <br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil i o jiné znalosti, než vytváření simulací.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =</div>

Lebm05 http://www.simulace.info/index.php?title=File:Result_maxed.png&diff=27179 2025-06-15T20:49:39Z

<p>Lebm05: </p> <hr /> <div></div>

Lebm05 http://www.simulace.info/index.php?title=File:Result_conversion_ratio.png&diff=27178 2025-06-15T20:49:28Z

<p>Lebm05: </p> <hr /> <div></div>

Lebm05 http://www.simulace.info/index.php?title=File:Result_basic.png&diff=27177 2025-06-15T20:49:17Z

<p>Lebm05: </p> <hr /> <div></div>

Lebm05 http://www.simulace.info/index.php?title=File:Lebm05_model.png&diff=27176 2025-06-15T20:48:45Z

<p>Lebm05: </p> <hr /> <div></div>

Lebm05 http://www.simulace.info/index.php?title=File:Generation_and_load.png&diff=27174 2025-06-15T20:46:52Z

<p>Lebm05: </p> <hr /> <div></div>

Lebm05 http://www.simulace.info/index.php?title=File:Gas_model.png&diff=27173 2025-06-15T20:46:30Z

<p>Lebm05: </p> <hr /> <div></div>

Lebm05 http://www.simulace.info/index.php?title=File:El_model.png&diff=27172 2025-06-15T20:46:22Z

<p>Lebm05: </p> <hr /> <div></div>

Lebm05 http://www.simulace.info/index.php?title=File:Lebm05-simulace.zip&diff=27171 2025-06-15T20:45:53Z

<p>Lebm05: </p> <hr /> <div></div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27170 2025-06-15T20:45:00Z

<p>Lebm05: </p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|ČR: Generování a spotřeba elektřiny]]<br /> <br /> <br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin. [[File:spot_price.png|ČR: Spotové ceny]]<br /> <br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry: - Intercept: -3.4551033181729914e-06 - Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|Delta spotřeby na cenu zemního plynu]]<br /> <br /> <br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry: - Intercept -0.0011127649462628903 - Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> <br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:model.svg|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat. <br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil i o jiné znalosti, než vytváření simulací.<br /> <br /> = Zdroje =<br /> <br /> = Soubor =</div>

Lebm05 http://www.simulace.info/index.php?title=User:Lebm05&diff=27169 2025-06-15T20:38:46Z

<p>Lebm05: Created page with &quot;autor: Michal Lebeda = Definice problému = Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižš...&quot;</p> <hr /> <div>autor: Michal Lebeda<br /> <br /> <br /> = Definice problému =<br /> <br /> Elektrárna na zemní plyn generuje pouze pokud je tzv. ''spark spread'' kladný, tedy pokud jsou náklady na výrobu MW nižší než možný zisk (spotová cena elektřiny). Dalším důležitým parametrem je rump-up time, tedy čas, za jaký je schopná plynová elektrárna naběhnout do plného výkonu (v kterém zůstane, dokud to dovolí spark spread). Efektivně tedy jde o binární dodávku, buďto elektrárna jede na plný výkon nebo na nulový (krom chvvilkové rump-up křivky). Posledním důležitým parametrem je účinnost převodu plynu na el. energii, typicky 30-55%.<br /> <br /> Některé typy elektráren se podílejí na celkovém generování velice málo, případně jen v některá časová rozmezí, jako například solární a větrné. Tyto typy elektráren by mohlo být možné nahradit elektrárnou spalující zemní plyn.<br /> <br /> <br /> = Data =<br /> <br /> Veškerá zpracovaná data jsou od roku 2017-2024 (včetně), a obsahují tedy i cenové a jiné výkyvy, v závislosti na rozpoutaném konfliktu.<br /> <br /> <br /> == Spotřeba a generování ==<br /> <br /> Pro simulaci byla potřeba data o spotřebě a počtu generovaných MW dle typu elektrárny. Tato data jsem stáhl z https://transparency.entsoe.eu/dashboard/show. Stránka nabízí stažení balíku ročních dat ve formátu CSV, takže bylo snažší. Jediný problém představovala skutečnost, že starší data měla rozlišení hodinu, zatímco novější 15 minut. Data jsem proto lineární interpolací upscaloval na 15m. Také se u některých zdrojů vyskytoval null hodnoty, typicky pro zdroje, které v ČR nemáme (mořské větrné elektrárny atd). Jinde se vyskytovaly null hodnoty způsobené sběrem dat či jinou chybou, které jsem rovněž lineární interpolací doplnil z okolních hodnot, ale bylo jich poměrně málo. Další zpracování bylo zaměřeno na parsování datumů, které naštěstí byly v UTC.<br /> <br /> <br /> <br /> [[File:generation_and_load.png|ČR: Generování a spotřeba elektřiny]]<br /> <br /> <br /> <br /> == Spotová cena plynu a elektřiny ==<br /> <br /> Tato data jsem stáhl z https://www.ote-cr.cz/en/short-term-markets/electricity/intra-day-market a proces byl mnohem náročnější. Předně stránka nedovoluje stáhnout balík ročních dat, a proto jsem musel pomocí Python scriptu data tzv “vyscrapovat”. Dále bylo nutné podobně jako u spotřeby a generování interpolovat chybějící hodnoty. Největší problém bylo (české) časové pásmo u timestampů, protože některé dny, kdy dochází ke změné mezi letním a zimním časem, měly 25 hodin. [[File:spot_price.png|ČR: Spotové ceny]]<br /> <br /> <br /> == Modelový týden ==<br /> <br /> Původně jsem veškerá data chtěl importovat do Vensim, bohužel se ukázalo, že verze PLE neumí importovat soubory .xlsx, .csv, ani jiné. Nicméně jsem objevil možnost, jak toto omezení částečně obejít. Místo importu dat jsem použil LOOKUP proměnnou, kdy jsem si pomocí Python scriptu nakopíroval do schránky v požadovaném formátu páry čas-hodnota a následně je ''paste'' tlačítkem v prostředí Vensim PLE hromadně vložil do tabulky. Bohužel jsem zjistil, že původní datasety (200 000+ řádků) tímto způsobem importovat nelze. Dokonce i 10 000 řádků vedlo k zamrznutí programu než nakonec spadl.<br /> <br /> Z tohoto důvodu jsem vytvořil modelový týden agregací historických dat podle trojice (den v týdnu, hodiny a minuty). Nevýhodou je, že se tím zahladily anomálie 2022-2023, bohužel jsem ale jiné řešení nenalezl.<br /> <br /> Ze struktury zdrojů lze vidět, že solární elektrárny napomáhají peak hours, oproti tomu větrné nejsou pořádně ani vidět. Převládá jádro a hnědouhelné elektrárny.<br /> <br /> ![Modelový týden: spotřeba &amp;amp; dodávky dle typu][model_week_generation.png]<br /> <br /> ![Modelový týden: Spotová cena elektřiny &amp;amp; zemního plynu][model_week_prices.png]<br /> <br /> <br /> = Modely =<br /> <br /> Pro simulaci změny spotové ceny plynu a elektřiny, v závislosti na generování dodatečnými elektrárnami, jsem zvolil lineární model, který jsem natrénoval na historických datech. Oba modely pracují s '''diferencemi''' (rozdíly v rámci 15m intervalů), tedy skoky hodnot, aby šly použít při simulaci.<br /> <br /> Modely jsem zkoušel fitovat jak na agregovaných, tak neagregovaných datech. Na neagregovaných datech (2017-2024 včetně) modely trpěly na nezahlazené outliery z období 2022-2023. Nakonec jsem tedy použil data z modelového týdne.<br /> <br /> <br /> == Model ceny plynu ==<br /> <br /> Pro model ceny plynu jsem jako vstupní proměnnou uvažoval nepřímo zjištěnou spotřebu přes úroveň generování elektráren na zemní plyn.<br /> <br /> Parametry: - Intercept: -3.4551033181729914e-06 - Sklon: 1.442057491733879e-05<br /> <br /> Zdá se, že parametry nejsou příliš významné. Na obrázku níže lze také pozorovat velké množství outlierů, které vznikly převážně v letech 2022-2023.<br /> <br /> <br /> <br /> [[File:gas_model.png|Delta spotřeby na cenu zemního plynu]]<br /> <br /> <br /> <br /> == Model ceny elektřiny ==<br /> <br /> Model ceny elektřiny jsem udělal obdobně, pouze jsem jako vstupní proměnou použil deltu přebytku generované energie.<br /> <br /> Parametry: - Intercept -0.0011127649462628903 - Sklon: -0.017021461696885152<br /> <br /> Zde vyšla hodnota, která se mi nezdá úplně nevýznamná a hlavně '''čím vyšší je přebytek, tím cena klesá, což dává smysl'''.<br /> <br /> <br /> <br /> [[File:el_model.png|Vztah rozdílu přebytku energie a spotové ceny]]<br /> <br /> <br /> <br /> == Vensim model ==<br /> <br /> Pro finální simulace jsem zvolil program Vensim PLE, protože v simulaci se neřeší prostorové vazby ale pouze celkové vztahy.<br /> <br /> Jak již bylo řečeno, data modelového týdnu jsem do programu ''importoval'' pomocí LOOKUP proměnných. Informace o generování z jednotlivých zdrojů jsou slučována do proměnných (Fossil a Hydro), v kterých pomocí nastavitelných konstant lze simulovat úbytek tohoto zdroje. Stejně tak lze omezit zdroje Solar a WindOnshore. '''Některé zdroje by bylo možné sloučit již v předzpracování dat, nicméně vysoká granularita vstupů umožňuje bližší analýzu a možnost rozšíření do budoucna.'''<br /> <br /> <br /> <br /> [[File:model.svg|Vensim model]]<br /> <br /> <br /> <br /> === Konstanty ===<br /> <br /> * WindOnshoreRatio - kolik % z historického generování větrných elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * SolarRatio - kolik % z historického generování solárních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllFossilRatio - kolik % ze historického generování všech typů elektráren na fosilní paliva použít pro simulaci<br /> ** default: 1 (100 %)<br /> * AllHydroRatio - kolik % ze historického generování všech typů vodních elektráren použít pro simulaci<br /> ** default: 1 (100 %)<br /> * GasRumpupTime - Za jak dlouho plynová elektrárna naběhne do plného výkonu<br /> ** default: 30min (na základě předmětu 1BP437 Analýza trhů energetických komodit), posuvníkem lze volit mezi 15-50 min&lt;br /&gt;<br /> <br /> * AdditionalGasOutputPower - Kolik dodatečná plynová elektrárna dodá MW/h, tento parametr je předmětem experimentu. Jelikož lze postavit prakticky jakkoli velká elektrárna s jakýmkoli výkonem (pokud to je ekonomicky únosné), nepřepočítával jsem na kusy nýbrž zjišťoval celkovou hodnotu tohoto výkonu.<br /> ** default: 1000, ale ukázalo se, že na výsledek nemá příliš vliv, pokud není hodnota příliš nízká. Od určité hodnoty již nemá význam.<br /> * GasConversionRatio - Jak efektivně elektrárna převádí plyn na elektřinu<br /> ** default: 45 % (opět se odkáži na předmět Analýza trhů energetických komodit), pohybuje se mezi 30-55 % u nejmodernějších elektráren<br /> <br /> <br /> === Důležité proměnné ===<br /> <br /> * GenerationDelta - Nedůležitější promněná, která říká, zda je v síti přebytek nebo nedostatek (pak hrozí blackout)<br /> * DemandAdjustedGasPrice - Jedná se o spotovou cenu z modelového týdne s přidanou složkou reagující na změnu poptávky podle již zmíněného lineárního modelu<br /> * SupplyAdjustedElectricityPrice - Spotová cena z modelového týdne s přidanou složkou reagující na navýšení objemu při generování plynovou elektrárnou, opět pomocí lineárního modelu (viz výše)<br /> * AdditionalFossilGas - Kolik generuje simulovaná dodatečná plynová elektrárna (na základě spark gapu a konstant výše)<br /> <br /> Velké množství ostatních proměnných má úlohu zdroje dat, či kombinaci parametrického poměru a těchto dat. <br /> <br /> = Experimenty =<br /> <br /> Vzhledem k vysokému podílu hnědouhelných elektráren a jádra nemá smysl tyto zdroje nahrazovat. Větrné elektrárny generují naopak tak malé množství energie, že by se nic nestalo, kdyby se nepoužívaly.<br /> <br /> Proto jsem se primárně rozhodl zkusit nahradit solární elektrárny.<br /> <br /> <br /> == Nahrazení solárních elektráren ==<br /> <br /> Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 0.45 <br /> * GasRumpupTime = 30min <br /> <br /> Simulace ukázala, že by docházelo k výpadkům (viz záporné hodnoty v GenerationDelta) a to dokonce nezávisle na celkovém novém výkonu, protože elektrárna nebyla schopná dostatečně rychle nastartovat.<br /> <br /> <br /> <br /> [[File:result.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností ==<br /> <br /> Vyzkoušel jsem i hypotetickou situaci, kdy elektrárna běží se 100% účinností (GasConvertionRatio=100) Parametry:&lt;br /&gt;<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 30min<br /> <br /> Elektrárna nyní běžela většinu času, ale o víkendu kvůli zápornému spark gapu nezvládne dodávat. Opět platí, že celkový výkon na tento výpadek nemá vliv.<br /> <br /> <br /> <br /> [[File:result_conversion_ratio.png|Výsledek experimentu]]<br /> <br /> <br /> <br /> == Nahrazení solárních elektráren plynovou elektrárnou s hypotetickou 100% účinností a 15min rump-up časem ==<br /> <br /> Ukázalo se, že ani nerealistická elektrárna s 100% účinností a pouze 15min rump-up časem (kterého lze dosáhnout při použití moderních technologií) nepomůže nedělnímu propadu, protože pro elektrárnu není ekonomicky výhodné generovat elektrickou energii (nezávisle na celkovém výkonu).<br /> <br /> Parametry:<br /> * SolarRatio = 0 <br /> * AdditionalGasOutputPower = 1000 <br /> * GasConvertionRatio = 1.00 <br /> * GasRumpupTime = 15min <br /> <br /> [[File:result_maxed.png|Výsledek experimentu]]<br /> <br /> <br /> = Závěr =<br /> <br /> Simulace ukázala, že solární elektrárny nelze nahradit elektrárnami na zemní plyn, protože během neděle pro ně není výhodné generovat elektrickou energii. Během práce na projektu jsem zjistil spoustu věcí o naší energetické síti a složkách různých zdrojů, podílejících se na generování. Díky tomu mne projekt obohatil i o jiné znalosti, než vytváření simulací.</div>

Lebm05