Заявление об ограничении ответственности: Вся информация / данные, представленные здесь, являются общедоступными и основаны на моем мнении. Это не является комментарием каких-либо компаний, в которых я работал или с которыми я работал.

В Сингапуре мы выиграли от относительно стабильных оптовых цен на электроэнергию с незначительной разницей в пиковых и внепиковых ценах. Это во многом объясняется высокоэффективной системой электропередачи и рыночной политикой, ориентированной на потребителя. Полезно понять рынок электроэнергии более подробно, проанализировав существующие тенденции. Для начала я приведу некоторые данные, которые демонстрируют рыночные реалии.

Историческая единая цена на электроэнергию в Сингапуре (USEP) / объем - Источник: Energy Market Company

USEP означает «Единые сингапурские цены на электроэнергию», которые представляют собой получасовую расчетную цену на электроэнергию, совершаемую участниками рынка. Примерами участников рынка являются розничные продавцы электроэнергии и производители электроэнергии. На следующем графике показаны данные USEP с 23 апреля 2017 г. по вчерашний день (5 апреля 2018 г.), всего для анализа 16618 наборов данных. На следующем графике показаны цены USEP за весь год.

На следующем графике показаны цены USEP с разбивкой по месяцам. Вертикальная ось показывает получасовые цены USEP, а горизонтальная ось показывает получасовые цены. Естественно, февраль имеет более короткую ось абсцисс по сравнению с январем, поскольку в феврале меньше точек данных по сравнению с январем.

Оптовое потребление энергии - Источник: Energy Market Company

На следующем графике показаны данные о потреблении энергии в Сингапуре. Мы можем сделать вывод, что потребление энергии следует предсказуемой модели на еженедельной основе.

Исторические цены на нефть - Источник: Quandl

Историческая нефть также используется в качестве ориентира для цен на энергоносители.

Тарифы на электроэнергию в Сингапуре - Источник: Singapore Power

Традиционно известно, что регулируемый тариф имитирует тенденции на нефть и цены USEP, покрывая все основные риски волатильности.

Миф 1: Оптовые цены на электроэнергию подвержены внезапным скачкам, и их волатильность значительна.

Во-первых, давайте установим факты того факта, что случайные «всплески» действительно происходят в оптовых продажах электроэнергии по разным причинам - это может быть отказ генератора электростанции, нестабильность на стороне спроса, нестабильность передающей сети и т. Д. Это непредсказуемые случайные события, которые мы классифицируем как редкие события. Эти редкие события в разной степени нарушают равновесие спроса и предложения на рынке электроэнергии. В зависимости от серьезности события влияние на цены USEP может быть значительным.

Основываясь на исторической цене USEP, мы рассчитываем основные статистические данные для простоты сравнения. Здесь мы оцениваем 3 отдельных случая:

Базовый случай: редкие события включены в качестве основы для предположений. Это демонстрирует простейшую форму анализа наборов данных. Никакие наборы данных не были исключены из анализа.

Скорректированный случай: средняя стоимость энергии рассчитывается с учетом потребленной энергии (кВтч). Это уравнение усредняет стоимость энергии по отношению к дневному потреблению. Это показывает истинную среднюю стоимость USEP для потребителя / генератора. Следующая формула используется для расчета среднего:

Обратите внимание, что корпус может варьироваться в зависимости от индивидуального использования. Например, центр обработки данных, производственный центр и коммерческий офис будут иметь разные модели использования, что приведет к разным скорректированным USEP. Для расчета скорректированного среднего вам потребуется фактический профиль потребления энергии.

Исключенный случай. Эта модель используется для расчета обычного сценария ведения бизнеса без каких-либо редких событий. Эта модель улучшает скорректированный случай, статистически удаляя точки данных из случайных событий для рассмотрения. Случайное событие принимается как μ + 2d (среднее и двукратное стандартное отклонение). Соответствующий USEP демонстрирует сумму, которую участник рынка будет платить, если во время события набора данных не произойдет редких событий. Соответствующая формула приведена ниже.

В следующей таблице приведены результаты.

Мы сделали несколько выводов из этих наборов данных. Изучая данные, мы можем быть уверены, что влияние редких событий составляет определенный процент рисков. Для потребителя, предполагающего постоянную нагрузку в течение дня (то есть без пиковой и внепиковой потребляемой мощности), ожидаемые средние затраты на электроэнергию будут такими же, как и в Базовом случае. Дополнительные соображения должны быть приняты во внимание для клиентов с пиковой нагрузкой (например, рабочее время или производственные мощности).

Вывод: с учетом среднего среднего и исключенного среднего, влияние внезапных колебаний представляло дополнительный риск на 3,137% для цены USEP. Долгосрочное влияние волатильности рынка составило 2,26 доллара США за МВтч в стоимости энергии.

Миф 2: Цена USEP следует кривой нормального распределения

С точки зрения статистики, можно предположить, что достаточно большие точки данных могут сформировать кривую нормального распределения. Чтобы лучше понять эту проблему, точки данных объединены в скобки за 100 долларов, чтобы оценить модель распределения, которая будет использоваться.

Построение точек данных в соответствии с диапазонами интервалов показывает следующие экспоненциальное и нормальное распределения.

В зависимости от того, как данные сегментируются, представляющая статистическая модель может быть разной. Мы видим, что вероятность редких событий следует экспоненциальному распределению, в то время как вероятность распределения цен следует нормальному распределению.

Похоже, значительный рост цен связан с редкими событиями, которые происходят в феврале и марте 2018 года. Данные также показывают, что средняя стоимость электроэнергии составляет 80–85 сингапурских долларов за МВтч.

Что мы не показываем, так это движущиеся распределения. Как видно из графика, цена USEP может постепенно увеличиваться в течение нескольких месяцев и, следовательно, влиять на статистические данные. Это может быть дополнительно изучено.

Вывод: USEP действительно следует нормальному распределению для цен ниже 100 сингапурских долларов за МВтч.

Миф 3: При наблюдении за ежемесячными данными наблюдается заметный рост потребления электроэнергии.

Ежедневная общая выработка электроэнергии по сравнению с исторической тенденцией показана ниже. В следующем сценарии сравниваются только ежемесячные данные с мая 2017 года.

При сравнении исторических данных по месяцам рост незначительный. По данным EMA, при сравнении исторических данных из года в год наблюдается постепенный однозначный рост. Этот миф остается неподтвержденным до тех пор, пока не будут предоставлены дополнительные данные. Обратите внимание, что на момент написания были собраны только данные до 5 апреля.

Заключение: данных по месяцам недостаточно для оценки роста электроэнергии.

Миф 4: рост цен на USEP связан с ростом HSFO

Текущее восприятие рынка таково, что цены на нефть были нестабильными в последние несколько месяцев и в настоящее время имеют тенденцию к повышению. Обычно USEP следует следить за ценами на нефть, поскольку они составляют стоимость электроэнергии. Мы смотрим на среднемесячную цену USEP и визуализируем текущие тенденции. Это учтено в редких случаях. На следующем графике показана среднемесячная цена USEP.

Дневная скользящая средняя показывает постепенный восходящий тренд с августа 2017 года и падение с марта 2018 года. Этому также в значительной степени способствовала недавняя волатильность цен HSFO. Для большей интуиции исторические данные HSFO и USEP сравниваются на одной диаграмме. Набор данных был извлечен из Quandl [SGX Platts Singapore Fuel Oil 180cst Index Futures, Continuous Contract # 1 (1MF1) (Front Month)]

Для непосвященных HSFO (180ct) - это цена на нефть, которую использует EMC по этой ссылке. Согласно Singapore Energy Statistic, 95,2% энергии в Сингапуре вырабатывается за счет затрат. Предполагается, что цены на нефть и газ идеально коррелируют.

Это демонстрирует, что USEP вольно следует за ценами на HSFO. По USEP и HSFO в разные периоды наблюдается постепенный и заметный восходящий тренд. Для сравнения, HSFO увеличился с 300 до 370, а USEP увеличился с 70 до 90. Интуиция показывает, что существует корреляция между этими двумя значениями, но мгновенная корреляция не имеет статистической значимости.

Еще один аргумент заключается в том, что цены на нефть могут не сразу повлиять на цены на электроэнергию из-за коммерческих условий и договоренностей между генерирующими компаниями и поставщиками. Структура цен на нефть могла повлиять на цену электроэнергии только с фиксированным лагом. Из приведенного выше графика кажется, что USEP отстает от HSFO на четверть по движущемуся тренду. Дальнейший анализ может быть проведен для определения степени корреляции между HSFO и USEP и временного лага для USEP, на который HSFO повлияет.

Миф 5: существует корреляция между ценой USEP и спросом

Существует мнение, что USEP напрямую коррелирует со спросом и предложением. Под спросом мы понимаем спотовый спрос, а под предложением - отпускную цену на электроэнергию. Чем выше спрос, тем выше цена на электроэнергию. Сначала мы удаляем редкие события (внезапные скачки цен), используя данные с USEP ‹100 MWh SGD. Результирующий график разброса USEP по сравнению со спросом показан ниже.

Мы исключаем рассмотрение редких событий, которые резко нарушают равновесие спроса и предложения, что приводит к прямой корреляции.

Medium не позволяет обновлять изображение в высоком разрешении, вот ссылка на изображение в высоком разрешении этой диаграммы.

Мы пытаемся подобрать линейную модель, чтобы показать корреляцию между X (цена USEP) и Y (спрос). Для идеально коррелированного отношения при y = MX + C значение равно 1. Для усовершенствованного независимого отношения значение R2 равно 0. При использовании линейной модели для представления данных соответствующее значение R равно 0,0407. Это показывает, что нет сильной статистической корреляции между получасовым спросом и соответствующими ценами USEP.

Интересно, что это означает, что цена USEP не обязательно положительно коррелирует со спросом. Подробнее об анализе этих данных я напишу в следующий раз. Это требует более глубокого анализа, чтобы выявить корреляции. Одна из быстрых интуиций, на которую следует обратить внимание, - это влияние ежемесячного распределения USEP и необходимость дальнейшего анализа данных для анализа.

Этот анализ может оказаться полезным для предприятий, чтобы понять, как они могут создать бизнес-модель, которая будет полезна для коммунальных предприятий или клиентов.

Это некий первоначальный анализ, который я сделал с использованием публично доступных данных. Я подробно расскажу о данных USEP в следующем посте. Если у вас есть какие-либо комментарии / вопросы, вы можете связаться со мной по адресу [email protected]. Если вы хотите получить уведомление о следующем обновлении, вы также можете отправить мне электронное письмо.

Хлопает один раз, если вам это нравится, и больше, если вам это нравится.