In de afgelopen maanden hebben wij met het eRisk Group team gewerkt aan een grootschalige update van ons PPSGen programma. PPSGen (Power Price Scenario Generator) is een programma dat sinds 2009 op basis van merit-orders de uurlijkse elektriciteitsprijzen berekent. Het is speciaal ontworpen om verschillende toekomstscenario’s door te kunnen rekenen (bijvoorbeeld: scenario’s van Netbeheer Nederland, klimaattafelscenario’s of scenario’s van onze klanten).
PPSGen maakt een gedetailleerde analyse van de ontwikkelingen in Nederland, het Verenigd Koninkrijk, Duitsland, Frankrijk en België. De belangrijke inputs hiervoor zijn:
- Alle elektriciteitsproductieeenheden: Wij beheren een zeer actuele database van bijna 1200 conventionele productie eenheden met een opgestelde vermogen van meer dan 50MW (inclusief geplande- in aanbouw of gemottenbalde centrales) in de Noordwest Europese markt inclusief alle interconnecties en uitbreidingsplannen. Richting 2050 loopt dat getal flink op vanwege “nextgen” eenheden. Denk aan grote batterijen, centrales die op andere fuels zullen produceren enz. Zon, wind en waterkracht hebben wij apart in het systeem gemodelleerd en de kleinere bijvoorbeeld industriële WKC’s zijn verzameld onder één categorie;
- De ontwikkeling van de vraag: Bijvoorbeeld hoeveel elektrische auto’s en warmtepompen er in welke scenario erbij komen en wat de verschillende vraagprofielen zijn (bijvoorbeeld elektrische auto’s, bussen etc. en warmtepompen voor huishoudens of voor kantoren). Het model maakt onderscheid tussen de lokale vraag van de gebouwde omgeving en het decentrale aanbod (een deel van de PV capaciteit op daken bijvoorbeeld) en aan de andere kant de vraag en het aanbod op groothandelsniveau: vanuit elektriciteitscentrales, windparken en grotere PV installaties maar ook via de diverse interconnectoren.
Omdat in de toekomst het afstemmen van vraag en aanbod steeds complexer wordt, met name als gevolg van het elektrificeren van de vraag en de groei van wind en zon, wordt veel aandacht gegeven aan het modelleren van flexibiliteit. Dat kan in de vorm van het verschuiven in de tijd van vraag (bijvoorbeeld een warmtepomp die eerder aangaat, of een elektrische auto die pas wordt opgeladen als de zon schijnt), of het schakelen tussen aardgas en elektriciteit bij de productie van warmte afhankelijk van de systeemprijs, of het inzetten van batterijen (bijvoorbeeld in de vorm van lithium-ion batterijen of pompopslag – waterkracht). Al deze verschillende vormen van flexibiliteit worden ook weer volgens een merit order ingezet. In de laatste update hebben wij hier met het team op gefocussed, in het kader van een opdracht om industriële flexibiliteit te waarderen (elektronen boilers, weerstandsverwarming/spiraal en industriële warmtepompen).
We zijn tegen veel zaken aangelopen waarvoor wij keuzes hebben moeten maken. Dit heeft ons gedwongen om in meer detail te denken over de impact van flexibiliteit op de merit order, de complexiteit van de relatie tussen flexibiliteit en cross border activiteiten. Maar ook over hoe verschillende vormen van flexibiliteit (lokaal en nationaal) elkaar beïnvloeden.
Bijvoorbeeld: thuisbatterijen worden ingezet volgens een bepaald algoritme, die mogelijk in de toekomst vooral rekening zal houden met het optimaliseren ten opzichte van de aansluitkosten van het huis en/of lokale congestie issues. Maar de industrie zal elektrische boilers inzetten volgens een algoritme dat de waarde optimaliseert rekening houdend met TTF en EPEX spotmarkten. Het samenspel van deze opties is in onze ogen het meest ingewikkelde om op te lossen. Zo zullen thuisbatterijen worden afgestemd op de vraag van warmtepompen en van zonnepanelen op daken, maar hoeveel van de 30GW zon in 2030 wordt lokaal geoptimaliseerd en hoeveel op de spotmarkt? Ook daar hebben wij aannames voor moeten doen. Het kan in de toekomst best zijn dat er op eerste gezicht suboptimale keuzes worden gemaakt, die wel op lokaal niveau lijken te kloppen.
Om een lang verhaal kort te maken: wij toetsen graag de modelaannames met bedrijven, overheden en investeerders en gaan graag aan de slag om scenario’s te maken om specifieke ontwikkelingen door te rekenen. De basisscenario’s in PPSGen zijn gelijk aan de scenario’s uit de Klimaat- en energieverkenning (KEV) van het PBL en de klimaattafel afspraken.
