Balansering av en storskalig vindkraftsutbyggnad i Sverige med ...

Figur 1 Illustration av vattenkraftsplanering, (Sintef, 2011)
Ovan en illustration av ett kraftsystem med tre kraftverk och optimal produktion för 3 dagar.Den kan
tolkas som att produktionsplaneraren minskar produktionen på morgonen och natten då efterfrågan
är lägre än på dagen. Kraftverk 2 har konstant effekt vilket kan bero på högre kostnader för
start/stopp för detta kraftverk.
POMO‐ Sweco
Pomo är en modell framtagen av Sweco för att förutspå elpriser, den simulerar alltså hela
elmarknaden och inte bara vattenkraften i Sverige. Den räknar ut en jämvikt mellan utbud och
efterfrågan och vad elpriset blir vid denna jämvikt. Modellen är en optimeringsmodell som
maximerar producenternas vinster. Den förutspår om el kommer att produceras i vattenkraftverk
eller termiska kraftverk. Modellens utdata är ett genomsnittligt elpris för de kommande veckorna. Då
tillgången på vatten i magasinen till stor del påverkar elpriset är modelleringen en viktig del av
modellen. Modellen är förenklad så att alla vattenmagasin i Sverige är i hopslagna till ett enda stort.
Den är förenklad också i det avseende att den inte tar hänsyn till transmissionsbegränsningar inom
olika prisområden. (Sweco, 2011) Detta ska dock vidareutvecklas innan prisområden införs i Sverige.
Modellen har en separat undermodell för att förutspå snösmältning separat och på så sett veta hur
mycket vatten som kommer att bli tillgänglig för vattenkraftproduktion. Efterfrågan i modellen tar
hänsyn till att det finns priskänsliga konsumenter i form av industrier som minskar sin efterfrågan vid
höga elpriser. Pomo använder statistiska funktioner istället för givna data för tillrinning, efterfrågan
och basproduktion, detta möjliggör att Pomo kan räkna ut volatiliteten för det prognostiserade
elpriset och på sätt ge en fördelning över olika prisnivåer. Sweco använder sig av modellen när de
säljer prognoser till kunder som oftast är stora konsumenter av el och därför har ett behov av
prognoser om framtida elpriser. Trots dessa förenklingar ger den enligt Sweco själva en bra prognos
av framtida elpriser. Modelleringen av vattenkraften visar att mängden lagrat vatten i magasinen är
det som mest påverkar elpriset. Det är helt logiskt även om en noggrannare modellering som tar
hänsyn var och i vilka magasin vattnet finns tillgängligt troligen skulle förbättra prognoserna och
modellens resultat. (Sweco, 2011)
13