Aufrufe
vor 5 Jahren

Jahresbericht 2007 - FGE - RWTH Aachen University

Jahresbericht 2007 - FGE - RWTH Aachen University

Analyse des

Analyse des kurzfristigen strategischen Verhaltens an Strommärkten Analysis of the Short-term Strategical Behaviour in Power Markets Dipl.-Ing. Pablo Frezzi Pablo.Frezzi@iaew.rwth-aachen.de 1 Einleitung In den heutigen Elektrizitätsmärkten können oligopolistische Strukturen beobachtet werden. Im Gegensatz zu Märkten mit vollkommener Konkurrenz befinden sich die Marktteilnehmer nicht mehr in einer passiven Umgebung als Preisnehmer, sondern sowohl der Preis als auch die Dynamik des Marktes sind von den Strategien der Teilnehmer abhängig. Dies macht die Elektrizitätsmärkte besonders anfällig, unter Marktmacht zu leiden. Unter Marktmacht versteht man die Fähigkeit eines einzelnen Marktteilnehmers bzw. einer kleinen Gruppe von Marktteilnehmern, den Marktpreis zu ihren Gunsten zu beeinflussen, um die Gewinne zu erhöhen [1]. Eine Möglichkeit, Marktmacht auszuüben, ist durch die Koordination von Strategien zwischen den Marktteilnehmern. Diese Koordination muss nicht unbedingt ausdrücklich kollusiv und folglich strafbar sein. Märkte mit erhöhter Konzentration, sich wiederholenden Interaktionen, Marktzutrittsbarrieren und Koordination zwischen den Teilnehmern, die von sich wiederholenden Versteigerungsprozessen abgeleitet werden, sind besonders anfällig für Kollusion. Die heutigen Strommärkte erfüllen diese Bedingungen und FORSCHUNGSPROJEKTE Im letzten Jahrzehnt wurden die Elektrizitätsmärkte in vielen Ländern restrukturiert, um die Elektrizitätspreise durch steigenden Wettbewerb zu reduzieren. Durch diese Liberalisierung, die besonders im Erzeugungssektor stattfand, wurde der bislang monopolistisch strukturierte Elektrizitätsmarkt von einem Wettbewerbsmarkt abgelöst. Trotz des ursprünglichen Ziels der Liberalisierung, den Wettbewerb des Marktes zu erhöhen, haben viele Fusionen und Übernahmen zwischen Stromerzeugungsunternehmen stattgefunden, welche die Konzentration des Marktes erhöht haben. Diese steigende Konzentration zusammen mit einigen Eigenschaften des Stromhandels ermöglichen die Ausübung von Marktmacht bzw. Kollusion. Im Rahmen dieses Forschungsprojekts wird ein Simulationsmodell entwickelt, das den Elektrizitätsmarkt als ein Oligopol betrachtet. Mittels der Spieltheorie wird die Konkurrenz zwischen den Marktteilnehmern als ein wiederholtes Spiel mit unvollständiger Information modelliert. Durch künstliche Intelligenz und Multi- Agenten-Systeme wird die Anpassungsfähigkeit und die Entwicklung des Verhaltens der Marktteilnehmer im Laufe der Zeit berücksichtigt. Der Anwendungsbereich des Simulationsmodells liegt besonders bei Kartell-, aber auch bei Regulierungsbehörden. In the last decade, power markets of many countries were restructured in order to reduce the electricity prices by means of growing competition. Through this liberalisation, which took place especially in the generation sector, the monopolistic power market was replaced by a competitive structure. In spite of the original aim of the liberalisation, which was the increase of the competition, many mergers and acquisitions were carried out, which have intensified the concentration of the market. This growing concentration combined with characteristics of the market may cause the exercise of market power and collusion respectively. In the context of this research project, a simulation model is developed considering the power market as an oligopoly. Applying game theory, the competition amongst market participants is modelled as a repeated game with incomplete information. By means of artificial intelligence and multiagent systems, the adaptability and the evolution of the behaviour of the market participants in the course of the time are considered. The scope of application of the simulation model aims especially at regulatory authorities and antitrust agencies. können deswegen Kollusion erleiden. Die Marktmacht bzw. Kollusion verursacht einen Wohlfahrtsverlust durch die Erhöhung der Strompreise und die Übertragung von Gewinnen. Außerdem können die langfristigen Verzerrungen der Preise unwirtschaftliche Investitionen hervorrufen. Nach der Liberalisierung ist die Ausübung von Marktmacht ein weltweites Problem geworden, das in verschiedenen Ländern zu beobachten ist. Angesichts der Folgen besteht ein starker Bedarf an Modellen, die die Marktmacht sowohl ex ante als auch ex post erkennen und bewerten. Die Anwendung dieser Modelle ist nicht nur auf die Strategieentwicklung für Marktteilnehmer beschränkt. Regulierungsbehörden benötigen neue Werkzeuge, um sowohl Marktmacht und kollusives Verhalten zu identifizieren, als auch um ihre Folgen einzuschätzen. In diesem Kontext weisen die European Transmission System Operators (ETSO) sowohl auf die Ausübung von Marktmacht als auch auf die Wichtigkeit der Entwicklung von neuen Modellen zur Marktanalyse hin [2]. Das Ziel des Forschungsprojekts ist die kurzfristige Analyse von Marktmachtausübung unter Beachtung der Konzentration des Marktes, der technischen Restriktio- IAEW – FGE – JAHRESBERICHT 2007 67

FORSCHUNGSPROJEKTE nen der Kraftwerksblöcke und des Übertragungsnetzes sowie die Verfügbarkeit der Kraftwerksblöcke und die stochastischen Fluktuationen der Nachfrage. Besonders relevant für die Forschung ist auch die Erkennung von kollusivem Verhalten und seinen wichtigsten Ursachen. Der Anwendungsbereich liegt bei Regulierungsbehörden sowie Kartellämtern, die die Verantwortung tragen, gerechten Wettbewerb am Markt zu sichern. 2 Übersicht des Simulationsmodells Das Modell, das im Rahmen des Forschungsprojekts entwickelt wird, ist auf die Analyse der kurzfristigen Preisstrategien der Stromerzeugungsunternehmen (SEU) fokussiert, die sich aus nichtkooperativem Verhalten ableiten. Die Spieltheorie wird angewendet, um den Strommarkt als ein wiederholtes Spiel mit unvollständiger Information zu modellieren. Der Wettbewerb zwischen den SEU wird als ein wiederholter Bertrand Wettbewerb simuliert. Das anpassungsfähige Verhalten der SEU wird als begrenzt rational mittels Reinforcement-Learning dargestellt. Das Reinforcement-Learning ist ein iterativer Algorithmus, der auf einer Versuchs-und-Irrtums-Methode beruht. Ein Multi-Agenten-System wird entwickelt, in dem die SEU Energie als unabhängige Entitäten in einer computergestützten Simulation vermarkten. Die Multi- Agenten-Systeme sind bottom-up-Modelle, die sich auf die Modellierung von individuellen Entitäten konzentrieren, im Vergleich zu den top-down-Modellen, welche die Systeme als eine Aggregation von Entitäten betrachten [3]. So werden die SEU individuell modelliert, wobei das Verhalten und die Strategien, die sich in realen Märkten beobachten lassen, abgebildet werden. Damit ist es möglich, das Verhalten zu erkennen, das sich von den Interaktionen zwischen ihnen ableitet. Das Modell beruht auf einem iterativen zweistufigen Optimierungsverfahren. Im Bild 1 wird eine Verfahrensübersicht des Modells dargestellt. In der ersten Stufe wählt jedes SEU unter Berücksichtigung seiner Erfahrung und eigenen Kostenstruktur, die von seinem eigenen Portfolio an Kraftwerken abhängt, seine Preisstrategien sowohl für den Spotmarkt als 120 [€/MWh] Preis 80 60 40 Januar auch für den Intraday-Markt aus, mit dem Ziel, den eigenen Deckungsbeitrag zu maximieren. In der zweiten Optimierungsstufe werden die Strompreise und die Energiebilanzen des Spot- und des Intraday-Marktes unter Minimierung der Erzeugungskosten bestimmt. In dieser Stufe werden die Nebenbedingungen des Übertragungsnetzes berücksichtigt. Die Verfügbarkeit der Kraftwerke und das Verhalten der Nachfrage werden durch entsprechende stochastische Verfahren modelliert. Nach der zweiten Optimierungsstufe werden die Preisstrategien gemäß den Ergebnissen dieser Stufe bewertet und aktualisiert. Nach einer bestimmten Anzahl an Iterationen wird ein Gleichgewicht erreicht, in dem bei einem gegebenen Verhalten der Konkurrenten kein SEU durch abweichendes Verhalten einen höheren Deckungsbeitrag erwirtschaften kann (Nash-Gleichgewicht). Da der Zeitraum auf weniger als ein Jahr beschränkt wird, unterstellt man eine konstante Kostenstruktur sowie installierte Erzeugungskapazität. 1. Optimierungsstufe: Auswahl von Strategien 2. Optimierungsstufe Energiebilanz und Marktpreisberechnung Intraday- Spotmarkt Markt SEU Nachfrage Übertragungsnetz Kraftwerke Szenarien Bewertung und Aktualisierung der Strategien Gleichgewichtszustand und optimale Strategien Bild 1: Verfahrensübersicht 3 Simulationsergebnisse Im Folgenden werden exemplarische Ergebnisse anhand eines Modellsystems dargestellt. Das Modellsystem umfasst sechs thermische Erzeugungstechnologien und 100 Kraftwerke. Der Erzeugungsmix ist angelehnt an den deutschen Erzeugungspark und die Erzeugungskapazität beträgt 44.420 MW. 20 Werktag Samstag Sonntag 20 Werktag Samstag Sonntag 0 1 7 13 19 1 7 13 vollkommener Konkurrenzmarkt 19 1 7 [h] 19 100 SEU 0 1 7 10 SEU 13 19 1 7 13 19 1 5 SEU 7 [h] 19 Bild 2: Simulierte Strompreise 120 [€/MWh] 68 IAEW – FGE – JAHRESBERICHT 2007 Preis 80 60 40 Juli

Trend-Report - (ISF) der RWTH Aachen - RWTH Aachen University
Neuroästhetik - AKWG Aachen - RWTH Aachen University
2. Zirkular - LEK RWTH-Aachen - RWTH Aachen University
rührkessel - Aachener Verfahrenstechnik - RWTH Aachen University
aktuelle Ausgabe (PDF) - IMA,ZLW & IfU - RWTH Aachen University
Broschüre für Partner - CAMMP - RWTH Aachen University
Atmosphärische Neutrinos - Physikzentrum der RWTH Aachen
Wahlzeitung 2011 - Studierendenschaft der RWTH Aachen
Ratgeber Pflege (pdf: 1302 kb) - RWTH Aachen University
Sonderdruck - Institut für Textiltechnik - RWTH Aachen
Pflegen zu Hause (pdf: 3378 kb) - RWTH Aachen University
RWTH-Themen 2009/2 - Aachener Verfahrenstechnik
Wahlzeitung 2011 - Studierendenschaft der RWTH Aachen