Simulering av elmarknader. EG2205 Föreläsning 11, vårterminen 2016 Mikael Amelin

Relevanta dokument
Monte Carlo-simulering. EG2205 Föreläsning 15 18, vårterminen 2015 Mikael Amelin

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Exempel. Kontinuerliga stokastiska variabler. Integraler i stället för summor. Integraler i stället för summor

SF1901: Sannolikhetslära och statistik. Flera stokastiska variabler.

SF1901 Sannolikhetsteori och statistik I

SF1911: Statistik för bioteknik

Kompletteringsskrivning i EG2050/2C1118 Systemplanering, 14 april 2007, 18:00-20:00, seminarierummet

Stat. teori gk, ht 2006, JW F7 STOKASTISKA VARIABLER (NCT 5.7) Ordlista till NCT

Statistiska metoder för säkerhetsanalys

LINKÖPINGS UNIVERSITET EXAM TAMS 79 / TEN 1

Föreläsning 5, Matematisk statistik Π + E

Väntevärde och varians

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I

Föreläsning 7: Punktskattningar

Matematisk statistik för D, I, Π och Fysiker

Kompletteringsskrivning i EG2050 Systemplanering, 4 april 2011, 13:00-15:00, H21

Matematisk statistik 9hp Föreläsning 7: Normalfördelning

Sannolikhet och statistik XI

Stokastiska signaler. Mediesignaler

SF1901: Sannolikhetslära och statistik

Föreläsning 7: Punktskattningar

Kompletteringsskrivning i EG2050 Systemplanering, 23 juni 2011, 9:00-11:00, seminarerummet

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)

SF1901: Sannolikhetslära och statistik

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 08-12

Föreläsning 7: Punktskattningar

Kap 2. Sannolikhetsteorins grunder

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler. Jörgen Säve-Söderbergh

Matematisk statistik 9hp Föreläsning 5: Summor och väntevärden

Föreläsning 5, FMSF45 Summor och väntevärden

Projektuppgift E. Avdelningen för elektriska energisystem EG2205 DRIFT OCH PLANERING AV ELPRODUKTION Vårterminen 2015

Stokastiska vektorer och multivariat normalfördelning

SF1901: SANNOLIKHETSTEORI OCH KONTINUERLIGA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 7 september 2016

Lektionsanteckningar 11-12: Normalfördelningen

Föreläsning 6, Matematisk statistik Π + E

Föreläsning 11. Slumpvandring och Brownsk Rörelse. Patrik Zetterberg. 11 januari 2013

Föreläsning 2 (kap 3): Diskreta stokastiska variabler

Tentamen 11 juni 2015, 8:00 12:00, Q21

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 6 Väntevärden Korrelation och kovarians Stora talens lag. Jörgen Säve-Söderbergh

Kompletteringsskrivning i EG2050 Systemplanering, 12 april 2013, 13:00-15:00, seminarierummet

TMS136. Föreläsning 4

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2

Några extra övningsuppgifter i Statistisk teori

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3

Kurssammanfattning MVE055

Matematisk statistik för B, K, N, BME och Kemister

Två parametrar: µ (väntevärdet) och σ (standardavvikelsen) µ bestämmer normalfördelningens läge

Demonstration av laboration 2, SF1901

Matematisk statistik 9 hp Föreläsning 4: Flerdim

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

Sannolikheter och kombinatorik

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06

ÖVNINGSUPPGIFTER KAPITEL 9

FACIT: Tentamen L9MA30, LGMA30

Lärmål Sannolikhet, statistik och risk 2015

Matematisk statistik 9 hp Föreläsning 6: Linjärkombinationer

SF1901: Sannolikhetslära och statistik

F7 forts. Kap 6. Statistikens grunder, 15p dagtid. Stokastiska variabler. Stokastiska variabler. Lite repetition + lite utveckling av HT 2012.

Tentamen MVE301 Sannolikhet, statistik och risk

Instruktioner. Hemuppgifter

Tentamen i 2C1118 Systemplanering, 12 mars 2007, 8:00 13:00, D31-D34

Tentamen i EG2050 Systemplanering, 16 mars 2011, 14:00 19:00, E34, E36

Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat.

Instruktioner. Hemuppgifter

Föreläsning 5, Matematisk statistik 7.5hp för E Linjärkombinationer

FACIT: Tentamen L9MA30, LGMA30

Industriell matematik och statistik, LMA /14

Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar

Kovarians och kriging

Föreläsning 7: Stokastiska vektorer

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2

2.1 Mikromodul: stokastiska processer

Statistiska metoder för säkerhetsanalys

Finansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 2. Diskreta Sannolikhetsfördelningar. (LLL Kap 6) Stokastisk Variabel

Problemdel 1: Uppgift 1

5 Kontinuerliga stokastiska variabler

Hur måttsätta osäkerheter?

ÖVNINGSUPPGIFTER KAPITEL 9

modell Finansiell statistik, vt-05 Modeller F5 Diskreta variabler beskriva/analysera data Kursens mål verktyg strukturera omvärlden formellt

FÖRELÄSNING 7:

Föreläsning 12: Repetition

2 x dx = [ x ] 1 = 1 ( 1 (1 0.9) ) 100 = /

Tentamen MVE302 Sannolikhet och statistik

Energisäkerhetsaspekter på förnybar, distribuerad och intermittent elproduktion

SF1922/SF1923: SANNOLIKHETSTEORI OCH DISKRETA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 23 mars, 2018

Föreläsning 3. Kapitel 4, sid Sannolikhetsfördelningar

Övning 1 Sannolikhetsteorins grunder

Föreläsning 2, Matematisk statistik för M

Tentamen i EG2050 Systemplanering, 20 maj 2014, 14:00 19:00, Q24, Q26

19.1 Funktioner av stokastiska variabler

Kursprogram vårterminen 2016

Matematisk statistik för D, I, Π och Fysiker

Tentamen MVE301 Sannolikhet, statistik och risk

Statistisk analys av komplexa data

Tentamen i EG2050 Systemplanering, 5 juni 2013, 8:00 13:00, E34-E36

Grundläggande matematisk statistik

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Mer om slumpvariabler

Transkript:

Simulering av elmarknader EG2205 Föreläsning 11, vårterminen 2016 Mikael Amelin 1

Kursmål Tillämpa stokastisk produktionskostnadssimulering och Monte Carlo-simulering för att beräkna förväntad driftkostnad och risk för effektbrist på en elmarknad, samt använda simuleringsresultaten för att bedöma konsekvenserna av olika åtgärder på en elmarknad. 2

Elmarknadssimulering Syfte Syftet med att simulera en elmarknad är att förutsäga hur elmarknaden kommer att fungera givet indata såsom - resurser, - efterfrågan, Valet av modell beror på vilket problem som ska studeras. Simuleringarna visar vad som kan hända inte vad som kommer att hända! 3

Repetition Stokastiska variabler Betrakta en stokastisk variabel, X: Definition C.1. Sannolikheten att en observation av X tillhör en viss mängd X ges av täthetsfunktionen f X (x), d.v.s. P(X X ) = X f X x dx. För diskreta stokastiska variabler får vi f X (x) = P(X =x ). 4

Repetition Stokastiska variabler Definition C.2. Sannolikheten att X x ges av fördelningsfunktionen F X (x), d.v.s. F X (x) = P(X x). Definition C.3. Sannolikheten att X x ges av varaktighetskurvan F X x, d.v.s. F X x = P(X x). 5

Repetition Stokastiska variabler Theorem C.4. Täthetsfunktionen, fördelningsfunktionen och varaktighetskurvan förhåller sig till varandra enligt F X x = 1 F X (x) = 1 f X t dt = f t dt. X x x 6

Repetition Stokastiska variabler Definition C.6. Väntevärdet för en stokastisk variabel X ges av E X = xf X x E X = xf X x dx x (diskret stokastisk variabel), (kontinuerlig stokastisk variabel). 7

Repetition Stokastiska variabler Definition C.7. Variansen för en stokastisk variabel X ges av Var X = E X E X 2 = E X 2 E X 2 (allmänt), Var X = f X x x E X 2 x (diskret variabel), Var X = f X x x E X 2 dx (kontinuerlig variabel). 8

Repetition Stokastiska variabler Definition: Standardavvikelsen är kvadratroten av variansen, d.v.s. X = Var X. Theorems C.8/C.9. E[aX] = ae[x] E[X + Y] = E[X] + E[Y] Var[aX] = a 2 Var[X] Var[X + Y] = Var[X] + Var[Y] + 2Cov[X, Y] 9

Repetition Stokastiska variabler Definition C.11. Kovariansen melln X och Y ges av Cov[X, Y] = E[(X E[X])(Y E[Y])] = E[XY] E[X]E[Y]. Theorem: Cov[X, Y] = Cov[Y, X] Cov[X, X] = Var[X] 10

Repetition Stokastiska variabler Definition C.12. Korrelationskoefficienten mellan X och Y ges av X Y = Cov X Y ----------------------------------------. Var X Var Y Definition: De stokastiska variablerna X och Y är oberoende om en observation av X inte ger någon information om utfallet för Y och vice versa. 11

Sannolikhetsfördelningar Likformig fördelning X U(a, b) f X F X F X 1 1 0,5 0,5 x x a b a b 12

Sannolikhetsfördelningar Tvåpunktsfördelning X har bara två möjiga utfall f X F X F X 1 1 0,5 0,5 x x a b a b 13

Sannolikhetsfördelningar Normalfördelning X N(, ) f X F X F X 1 1 0,5 0,5 X x x X 14

Simulering av elmarknader Idé Y gy X Scenarioparametrar, Y. Vektor av stokastiska variabler med känd sannolikhetsfördelning. Elmarknadsmodell, g. Matematisk modell av elmarknaden. Resultvariabler, X. Vektor av stokastiska variabler med okänd sannolikhetsfördelning. 15

Simulering av elmarknader Idé Syftet med simuleringen att studera sannolikhetsfördelningen för resultatvariablerna. I många fall är det tillräckligt att studera ett antal nyckelvärden (som vi kallar systemindex). Ett systemindex är ett statistiskt mått (vanligen ett väntevärde) för en resultatvariabel. 16

Simulering av elmarknader Systemindex Definition 6.1. Den totala driftkostnaden, TOC,* är summan av driftkkostnaderna i alla kraftverk samt övriga driftkostnader (t.ex. kompensation till konsumenter som blivit ofrivilligt bortkopplade). Definition 6.2. Den förväntade totala driftkostnaden är ETOC = E[TOC]. * Total Operation Cost. 17

Simulering av elmarknader Systemindex Definition 6.3. Resultatvariabeln LOLO* är en binär variabel som är lika med ett om effektbrist förekommer (d.v.s. om minst en konsument blivit ofrivilligt bortkopplad p.g.a. kapacitetsbegränsningar i systemet) och annars noll. Definition 6.4. Risken för effektbrist är LOLP = E[LOLO]. * Loss Of Load Occasion. 18

Simulering av elmarknader Systemindex Definition 6.5. Den icke-levererade energin, ENS,* är den energi som ej kunnat levereras p.g.a. kapacitetsbegränsningar i systemet. Definition 6.6. Den förväntade icke-levererade energinn är EENS = E[ENS]. * Energy Not Served. 19

Värdet av en investering Exempel 6.3 Systemindex Ingen transmissionsförbindelse Med transmissionsförbindelse ETOC [ /h] 2 002,50 1972,80 LOLP A [%] 10 14,5 LOLP B [%] 10 Investeringskostnaden för att bygga en förbindelse är 275 000 /år. Den årliga driftkostnaden minskar med 260 000. Risken för effektbrist minskar från 19% till 14,5% (motsvarande ungefär 394 h/år). 20

Effektleveransvärde Från en insändare i Elbranschen, nr 5, 2005: För att klara elenergiförsörjningen inom landet måste en viss effekt installeras. Vindkraftverk tillför inte en enda kw effekt eftersom de behöver backup för att garantera leverans av el även när det blåser lite eller inte alls. Vindkraft kan aldrig ersätta en enda kw från ett kärnkraftverk just på grund av att vi inte kan reglera väder och vind. 21

Effektleveransvärde Resonemanget i insändaren kan sammanfattas så här: Vindkraftproduktionen beror på vindhastigheten behov av reservkraft vindkraft bidrar inte till systemets effektbalans. Men alla kraftverk drabbas av driftstörningar då och då. Kan man inte då lika gärna resonera så här: Kärnkraftverk behöver snabbstoppas ibland behov av reservkraft kärnkraft bidrar inte till systemets effektbalans. 22

Effektleveransvärde Definition: Ett kraftverks effektleveransvärde anger kraftverkets förmåga att öka leveranssäkerheten i systemet. För att beräkna effektleveransvärdet måste vi studera hur kraftverket påverkar systemets LOLP. 23

Effektleveransvärde Exempel 6.4 Slutsats: I det fallet ger 100 MW vindkraft samma förbättring av leveranssäkerheten som 22,2 MW fast kraft vindkraftens effektleveransvärde motsvarar 22,2 MW fast kraft. 24