УЧЕТ РЕГИОНАЛЬНЫХ ОСОБЕННОСТЕЙ И ВИДА НЕОПРЕДЕЛЕННОСТИ ИСХОДНЫХ ДАННЫХ ПРИ ПРОГНОЗИРОВАНИИ ТАРИФОВ НА ЭЛЕКТРИЧЕСКУЮ ЭНЕРГИЮ
Аннотация и ключевые слова
Аннотация (русский):
Представлен методический подход к вероятной оценке стоимости тарифов на электроэнергию и конкурентоспособности новых электростанций на длительную перспективу с учетом инвестиционных рисков и характера неопределенности исходных данных. Произведена оценка влияния региональных особенностей на величину генерации электроэнергии и инвестиционные риски

Ключевые слова:
долгосрочные прогнозы, электроэнергия, цены, новые электростанции, моделирование, инвестиционные риски, неопределенность
Текст
Текст произведения (PDF): Читать Скачать

Прогнозы возможной динамики цен на электроэнергию обязательно должны приниматься во внимание при разработке стратегий и программ развития энергетики и экономики России. По ним можно судить как меняется конкурентоспособность электростанций различного вида и продукция энергетических производств и делать инвестиционные оценки при принятии решений о строительстве новых объектов энергетики [1].

Усложнение взаимозависимости между энергетикой и экономикой, повышение неопределенности прогнозных оценок стоимости, появление необходимости искать новые методы для долгосрочных прогнозов вызваны развитием рыночных отношений в топливно-энергетическом комплексе (ТЭК) и реформами, проводимыми в электроэнергетике. При разработке этих методов необходимо учитывать множество конкурирующих участников энергетических рынков со своими интересами, особенности региональных рынков топлива и энергии, усиление прямых и обратных взаимосвязей между структурой и темпами развития объектов электроэнергетики и ценами на электроэнергию (рис. 1). Неопределенность будущих условий требует представления результатов прогнозов в виде интервала их возможных значений [2].

Прогнозирование вероятной минимальной цены электроэнергии целесообразно проводить по следующей схеме:

1. По заданным сценариям развития экономики страны и регионов определяем спрос на электроэнергию.

2. Рассматриваем варианты требуемого ввода мощностей и типа новых электростанций.

3. Производим расчет требуемых капиталовложений.

4. Находим цены на электроэнергию, которые должны окупать затраты и приносить минимальную прибыль для энергокомпаний.

5. Выполняем оценку влияния этой цены на электроэнергию на изменение потребности в регионах.

6. При необходимости производим корректировку спроса на электроэнергию.

7. Выполняем новый цикл расчета.  

 

 

Рисунок 1 - Взаимозависимость развития генерирующих мощностей и цен на электроэнергию

 

Таких циклов расчета может быть достаточно много из-за того, что с увеличением горизонта прогнозирования очень сильно возрастает неопределенность исходной информации [3].

При выполнении прогнозов на перспективу 20-30 лет данную схему расчетов можно сделать более простой путем объединения ряда этапов. В статье представлен методический подход, позволяющий осуществить прогнозирование тарифов на электроэнергии на многолетнюю перспективу. Особое внимание при этом уделено учету характера неоднозначности возможных условий развития объектов энергетики и строительства новых электростанций [4].

Тарифы на генерацию электроэнергии зависят в первую очередь от стоимости ее производства на электростанциях, которые замыкают баланс мощности и энергии в энергосистеме. Технические характеристики таких электростанций на длительном горизонте прогнозирования можно определить, сравнив цены самоокупаемости для всех станций, конкурирующих между собой. Для новых станций эта цена должна окупать эксплуатационные издержки, а также быть достаточной для возврата заемных и кредитных средств. Кроме того, инвестору надо получать хотя бы минимальную прибыль на вложенные финансы [5].

Сравнивая экономические и технические показатели электростанций различного типа и учитывая цены и спрос на электроэнергию, можно определить оптимальную структуру ввода новых станций и стоимости генерации электроэнергии. Все это можно осуществить на оптимизационной компьютерной модели МИСС-ЭЛ, которая была разработана при участии автора в Институте систем энергетики СО РАН [6].

В качестве критерия оптимальности в модели выступает минимум цены на производство электроэнергии в рассматриваемом регионе, а ограничениями являются: потребности электроэнергии, ее возможный экспорт или импорт, мощность действующих электростанций и потенциально возможный ввод электростанций разного типа, ограничения на добычу или на поставку в регион топлива для электростанций. Все ограничения задаются в виде интервалов. Цены на газ и уголь, удельные величины капиталовложений и другие показатели, влияющие на себестоимость электрической энергии задаются в виде интервалов.

В качестве переменных в модели МИСС-ЭЛ выступают: мощности электростанций, объемы производства электроэнергии, величины потребления газа и угля, тарифы на электростанциях разного типа, и средняя и максимальная цены производства электроэнергии в каждом субъекте РФ. Эта цена играет важную роль в определении цены рынка и соотносится с ценой генерации электроэнергии на самой неэкономичной станции, которая последней попала в баланс энергосистемы.

Учет неопределенности предполагает рассмотрение большого количества решений, получаемых при разных вариациях исходных показателей. Для этого в модели МИСС-ЭЛ используется метод статистических испытаний - метод Монте-Карло.

При генерации возможных комбинаций значений исходных данных, заданных своими интервалами, используется формула бета-распределения:

                               Fx (a, b, α, β)  ,

где  B (a, b, α, β) = B (a, b, α, β)  dx, a,b – границы диапазона  неопределенности, α, β > 0 – числовые параметры, определяющие характер распределения величин внутри  диапазона.

Вариация параметров α и β позволяет случайным образом сгенерировать величины с разными типами статистических распределений – нормальным, равномерным, показательным, логнормальным и т.д.

Учет большого количества вариантов на модели МИСС-ЭЛ дает возможность найти самую эффективную структуру и мощность новых электростанций по заданным критериям для любой комбинации исходных условий, а также оценить риски, с которыми может столкнуться инвестор при строительстве электростанции разного типа. В модели МИСС-ЭЛ осуществляется определение вероятности попадания каждой электростанции в наиболее экономичные решение. Чем ниже такая вероятность, тем больше риск осуществления данного проекта ввода в эксплуатацию станции определенного типа.

Из большого множества получаемых вариантов ввода мощностей в модели МИСС-ЭЛ формируется основной вариант, который включает в себя наименее рискованный состав электростанций и обеспечивает наиболее низкую цену производства электроэнергии с учетом всех исходных данных и ограничений.

Величина такого интервала и вид характера неопределенности зависят от горизонта прогнозирования и могут быть различными для каждого из регионов России. Показатели надежности оценок вариантов ввода разного типа электростанций и прогнозных тарифов на электроэнергию так же могут быть разными.

Экспериментальные расчеты проводились для следующих регионов России, входящих в единую энергосистему: Северо-Запад, Центр, Юг, Средняя Волга, Урал, Сибирь. В каждом из этих макрорегионов выделялось несколько регионов, отличающихся, прежде всего, ценами на топливо. При этом рассматривались два основных сценария: дорогое и относительно дешевое топливо. Для каждого сценария на модели МИСС-ЭЛ определялось множество сбалансированных вариантов ввода электростанций разного типа и мощности при разной комбинации исходных данных.

В каждом рассматриваемом регионе будут разные условия развития электроэнергетики. Прежде всего имеют место различия в стоимости топлива, в величинах прогнозируемого роста спроса на электроэнергию и в режимах энергопотребления. Так же надо учитывать более дорогое строительство атомных и тепловых электростанций в Сибири из-за вопросов логистики и больших площадей территорий с неразвитой инфраструктурой.

Значения цен на топливо (табл. 1) и другие данные для расчетов брались на основании прогноза развития электроэнергетики России на перспективу 2025-2030 годов.

Различия в стоимости топлива и другие региональные особенности обусловили заметное отличие в ценах на генерацию электроэнергии (табл. 2).

Можно увидеть, что средняя цена электроэнергии, производимой на всех электростанциях, которые вошли в оптимальное решение в Европейской части страны примерно на 15% больше, чем в Сибирском регионе, а разница в цене генерации на электростанциях, которые последними попадают баланс, достигает 20%. При относительно дешевом газе замыкающими являются угольные ТЭС, а при дорогом – газовые ПГУ. Атомные электростанции попадали в оптимальное решение только в Европейской части страны.

Таблица 1

Прогноз цен на топливо для электростанций, долл / т.у.т.

Сценарий

Топливо

Цена топлива

Европейская часть

Сибирь

Дешевое топливо

Газ

120-145

80-110

Уголь

65-80

35-60

Дорогое топливо

Газ

155-185

115-150

Уголь

80-100

45-75

 

    Таблица 2

Цена на производство электроэнергии (2013 год), цент / кВт∙ч

Сценарий

Средняя цена

Предельная цена

Европа

Сибирь

Европа

Сибирь

Дешевое топливо

6,2-6,6

5,7-5,8

6,6-7,1

5,5-6,1

Дорогое топливо

6,8-7,3

5,7-6,4

7,2-7,9

6,0-6,7

 

Расчеты на МИСС-ЭЛ показывают, что в рассматриваемых условиях рискованность вариантов электроснабжения в Сибири выше, чем в Европейской части страны. Исходя от сценария и вероятного характера распределения вероятности внутри диапазона неопределенности усредненный риск выбранных вариантов колеблется от 2 до 4% в Европе, и от 8 до 15% в Сибири. Это же характерно и для рискованности ввода отдельных электростанций (табл. 3).

Меньшая надежность оценок ввода мощностей и соответственно прогноза цен электроэнергии в Сибири в значительной степени объясняется большей неопределенностью будущих цен на газ. Не все регионы Сибири подключены к Единой системе газоснабжения страны, а стоимость газа в них существенно зависит от возможностей и условий его экспорта.

Таблица 3

Доля в суммарном вводе мощностей станций с низкими и высокими инвестиционными рисками, %

Сценарий

Риск от 0 до 5%

Риск более 60%

Европа

Сибирь

Европа

Сибирь

Дешевое топливо

96-98

55-64

0-2

2-5

Дорогое топливо

82-94

70-76

1-4

3-6

 

Проведенные на модели расчеты позволяют сделать следующие выводы:

1. Предлагаемый методический подход к долгосрочному прогнозированию цен производства электроэнергии на региональных энергетических рынках основан на оценке эффективности и конкурентоспособности разных способов удовлетворения заданной потребности в электроэнергии в ожидаемых условиях. При этом учитываются инвестиционные риски электростанций, замыкающих баланс мощности и определяющих предельные цены на генерацию.

2. Сочетание оптимизации с методом статистических испытаний, используемое при решении задачи долгосрочного прогнозирования маржинальных и средних цен позволяет учесть неопределенность стоимости топлива и других исходных данных, задаваемых интервалами своих вероятных значений.

3. Результаты экспериментальных расчетов показали работоспособность предлагаемого подхода к долгосрочному прогнозу цен на производство электроэнергии, а также подтвердили их существенную зависимость от региональных особенностей и характера неопределенности.

Список литературы

1. Макаров А.А. Методы и результаты прогнозирования развития энерге-тики России // Известия РАН. Энергетика. 2010. № 4. С. 26-40.

2. Кононов Д.Ю., Кононов Ю.Д. Долгосрочное прогнозирование динамики цен на российских энергетических рынках // Проблемы прогнозирования. 2005. № 6.

3. Кононов Ю.Д., Тыртышный В.Н. Оценка влияния характера неопреде-ленности будущих условий на конкурентоспособность вариантов топливоснаб-жения // Энергетическая политика. 2011. № 4.

4. Кононов Ю.Д. Анализ и прогноз возможной динамики цен на топливо на мировых и российских рынках // Иркутск: ИСЭМ СО РАН. 2013.

5. Генеральная схема размещения объектов электроэнергетики до 2035 года. Правительство РФ, 9 июня 2017 г. No1209-р http://static.government.ru/media/files/zzvuuhfq2f3OJIK8AzKVsXrGIbW8ENGp.pdf

6. Кононов Ю.Д., Гальперова Е.В., Кононов Д.Ю. и др. Методы и модели прогнозных исследований взаимосвязей энергетики и экономики. Новосибирск: Наука, 2009, 178 с.

Войти или Создать
* Забыли пароль?