OPTYMALIZACJA KRAJOWEGO MIKSU ENERGETYCZNEGO

W KONTEKŚCIE POLITYKI ENERGETYCZNEJ

Autorzy: Michał Wierzbowski, Błażej Olek, Wojciech Łyżwa

("Rynek Energii" nr 5/2014)

Słowa kluczowe: miks energetyczny, optymalizacja, modelowanie systemów energetycznych, polityka

energetyczna

Streszczenie. Artykuł odnosi się do narzędzia jakim jest model optymalizacji mix-u energetycznego kraju,

mogący znacząco pomóc w kreowaniu polityki energetycznej, prowadząc do właściwej struktury jednostek

wytwórczych. Mix energetyczny jest silnie zależny od polityki energetycznej UE. W artykule została

przedstawiona sytuacja Polski w kontekście polityki europejskiej. Zawarto w nim również analizę modelu

opracowanego w DAS KPRM wraz z przeglądem różnych podejść do modelowania systemów energetycznych

oraz wyniki obliczeń według założonych scenariuszy.

1. WSTĘP

Mix energetyczny można rozpatrywać w bardzo szerokim zakresie, włączając różne formy

wykorzystania energii. W niniejszym artykule mix energetyczny odnosi się do sektora

elektroenergetycznego, w którym przez mix, rozumie się strukturę mocy zainstalowanej oraz

produkcję energii elektrycznej w elektrowniach w podziale na wykorzystywane paliwa i

technologie.

Tematyka właściwego mix-u energetycznego jest zagadnieniem bardzo istotnym, ponieważ

odpowiednia struktura źródeł wytwórczych jest czynnikiem decydującym o zapewnieniu

bezpieczeństwa energetycznego. Kształt mix-u określa możliwości wypełnienia europejskiej

polityki energetycznej i klimatycznej.

Narzędziem tworzenia odpowiedniego krajowego miksu energetycznego jest polityka

energetyczna. Projekt miksu zawarty w polityce nie może być często modyfikowany na

skutek inercji w procesach inwestycyjnych i ich ryzyka. Model będący przedmiotem artykułu

stanowi narzędzie wspomagające tworzenie polityki energetycznej.

2. POLSKA W KONTEKŚCIE POLITYKI ENERGETYCZNEJ UE

Obecna polityka energetyczna UE obowiązuje do roku 2020. Trudno z góry przewidzieć w

jaki sposób polityka ta zmieni się po roku 2020. W świetle przemian gospodarczych,

zachodzących na przestrzeni kilku ostatnich lat, jest mało prawdopodobne, że zostanie

uzgodniony protokół post-Kyoto (dotychczasowe porozumienie z Kyoto obowiązywało do

końca roku 2012). Można spodziewać się porozumienia o charakterze deklaratywnym, bez

konkretnych zobowiązań.

Wydaje się, że Unia Europejska będzie kontynuować próby ograniczenia emisji CO2 po 2020

roku w formie podobnej do obecnie funkcjonującego European Union Emission Trading

System (EU ETS). Pojawienie się nowego systemu w miejsce EU ETS jest mało

prawdopodobne, ze względu na bariery akceptacji nowego systemu oraz wysokie koszty jego

ewentualnego tworzenia. Do końca okresu obowiązywania obecnego systemu, tj. do 2020,

pozostało sześć lat. Aby nowy system mógł sprawnie działać od 2020, musiałby być

uzgodniony już obecnie, a wprowadzony w roku 2018.

Obecne ceny pozwoleń na poziomie 5-6 €/tCO2 nie mają istotnego negatywnego wpływu na

polską gospodarkę. EU ETS nie działa szkodliwie na elektroenergetykę, ponieważ ta przenosi

wszystkie koszty na odbiorców. Wzrost cen energii jest negatywny dla przemysłu, bo już dziś

koszty bezwzględne energii elektrycznej dla odbiorców przemysłowych w Polsce

przewyższają koszty w innych krajach i mogą doprowadzić do ucieczki przemysłu nie tylko

poza Unię Europejską ale i wewnątrz Wspólnoty (zjawisko car-bon leakage).

Polska może podjąć działania na poziomie europejskim albo krajowym. Na poziomie

europejskim to:

- podjęcie kroków w kierunku zachowania EU ETS pamiętając o tym, że przychody z handlu

powinny trafiać do budżetów krajów członkowskich,

- podjęcie kroków w kierunku maksymalizacji puli przeznaczonej do handlu, co

powodowałoby utrzymanie cen pozwoleń na niskim poziomie,

- podjęcie prób włączenia do celów europejskich tzw. niskich emisji (z niskich kominów

indywidualnych gospodarstw domowych i małego przemysłu), gdzie Polska ma szczególnie

duży potencjał redukcji.

Działania na poziomie krajowym są:

- krótkoterminowe, czyli kompensowanie negatywnych skutków poprzez skierowanie

przychodów z handlu emisjami na redukcję podatków VAT i akcyzy, szczególnie dla

odbiorców komercyjnych,

- długookresowe, czyli opracowanie kompleksowych planów inwestycji w nowe moce

wytwórcze, które nawet w przypadku odbudowy elektrowni węglowych ograniczą emisje o

około 30% i wykorzystanie wpływów ze sprzedaży pozwoleń na systemy wsparcia inwestycji

(minimalizacja ryzyka finansowego) poprzez różne formy rynku mocy czy kontraktów

różnicowych.

Działania długookresowe, jako działania strategiczne najczęściej przynoszą bardzo dobre

rezultaty pozwalając dostosować i określić wiele procesów towarzyszących. Są jednocześnie

najtrudniejsze, a ich sukces jest uwarunkowany stabilnością działań i konsekwencją w

realizacji planów.

W przypadku systemu elektroenergetycznego przed określeniem dokładnych planów należy

zdefiniować kształt mix-u. Z tego powodu analizy jakie technologie produkcji energii

elektrycznej będą konieczne dla zapewnienia bezpieczeństwa energetycznego są niezbędne.

Bardzo pomocne przy tym są komputerowe modele systemu elektroenergetycznego

pokazujące tendencje w długim horyzoncie czasowym, np. do roku 2050 i później.

Przegląd różnych modeli został zawarty w kolejnej sekcji, a modelem dedykowanym do

obliczeń optymalizacyjnych mix-u energetycznego dla Polski jest model opracowany w

Departamencie Analiz Strategicznych KPRM, w skrócie DAS (będący przedmiotem tego

artykułu) oraz rozwijany na Politechnice Łódzkiej kompleksowy model „eMix” (nie będący

częścią niniejszego opracowania).

2.1. Modelowanie sektora energetycznego

Optymalizacja mix-u energetycznego jest częścią zagadnienia modelowania systemów

energetycznych (ang. energy system modelling). Poważna dyskusja pomiędzy ekspertami

oraz politykami o przyszły kształt sektora energetycznego spowodowała powstanie licznych

modeli wspomagających decyzje sektorowe oraz planowanie polityki [1]. Wing w [3] doko-

nuje analizy dwóch podstawowych podejść do zagadnienia modelowania systemów

energetycznych: oddolne (ang. bottom-up) oraz odgórne (ang. top-down). Pierwsze z nich

koncentruje się na technicznych zagadnieniach opisywanych procesów w tym szczegółach

technologicznych. To podejście zwane jest również podejściem procesowym (ang.

process-oriented). Ze względu na duży nacisk na techniczną stronę funkcjonowania systemu

niemożliwe jest określenie wpływu czynników gospodarczych, czyli ekonomicznych,

społecznych, strukturalnych.

Ograniczenia podejścia oddolnego są eliminowane przez podejście odgórne, którego

reprezentantami są modele makroekonomiczne. Potrafią one symulować ogólny bilans popytu

i podaży, biorąc pod uwagę czynniki gospodarcze niezwiązane bezpośrednio z sektorem

energetycznym takie jak: wzrost gospodarczy, zatrudnienie, czynniki społeczne [2]. To po-

dejście pozwala również na analizę wpływu wielu sektorów na siebie nawzajem. Niemniej

jednak, podejście odgórne, nie pozwala na właściwe odzwierciedlenie zagadnień

technicznych np. rozwoju technologii, emisji spalin, działania systemu elektroenergetycznego

czy gazowego.

Nie ma wątpliwości, że najlepsze rezultaty zostałyby osiągnięte przy połączeniu obu ścieżek

modelowania. Taki model dostarczyłby spójnych odpowiedzi zarówno w warstwie

technicznej jak i makroekonomicznej [3],[4],[5],[12].

Najważniejsza grupa modeli reprezentująca podejście „top-down” to modele równowagi

ogólnej (Computa-ble General Equilibrium Models - CGE). Jej przedstawicielem jest np.

model GEM-E3, używany przez Komisję Europejską. W tym podejściu zakłada się, że na

początku wszystkie rynki są w równowadze. Następnie następuje zaburzenie i ustalenie

nowego punktu równowagi. Zaburzenia nie mogą bezpośrednio modyfikować cen. Podmioty

działają jako „price ta-kers”.

Z kolei modele równowagi cząstkowej (ang. Partial Equilibrium Models) w swojej istocie

bardzo podobne do modeli CGE, jednak nie uwzględniające wszystkich sektorów gospodarki

są najczęściej utożsamiane z podejściem „bottom-up”. Ograniczenie sektorów gospodarki

ułatwia bowiem uwzględnienie warstwy technicznej, jednak modele z tej grupy nadal nie

odzwierciedlają w pełni procesów technicznych. Najważniejszymi modelami z tej grupy są:

PRIMES, POLES, WEM.

Kolejną grupą modeli klasyfikowaną jako „bottom-up” są modele optymalizacyjne. Są one

najchętniej wykorzystywane do poszukiwań optymalnego miksu energetycznego, czyli miksu

przy najniższym koszcie, biorąc pod uwagę ceny będące w równowadze oraz ograniczenia

wynikające z warunków działania sektora elektroenergetycznego. Najważniejsze modele tego

typu to: MARKAL, TIMES, MESSAGE, DIME, PLEXOS. Model TIMES wyrasta z rodziny

MARKAL. Model PLEXOS jest oprogramowaniem komercyjnym i powszechnie

stosowanym w obrębie modelowania działania systemu elektroenergetycznego [9]. Bardzo

często modele optymalizacyjne są jednocześnie modelami symulacyjnymi dostarczającymi

wyników ilościowych przy obliczeniach gotowych scenariuszy z założonymi parametrami

sterującymi (NEMS [6]). Modele ściśle symulacyjne nie posiadają zmiennych decyzyjnych

(MEAD-2 [11], WEM[12]).

Do tej pory żaden z istniejących modeli nie pozwalał na kompleksową optymalizację miksu

energetycznego z uwzględnieniem typoszeregów jednostek wytwórczych, sieci

elektroenergetycznej, zasad działania systemu elektroenergetycznego, procesów inwesty-

cyjnych oraz otoczenia rynkowego.

3. METODOLOGIA MODELU DAS

Model DAS jest modelem optymalizacyjnym, reprezentującym oddolne podejście do

zagadnienia modelowania systemów energetycznych. Uwzględnia on tylko system

elektroenergetyczny i jego otoczenie, dając wyniki w postaci optymalnej struktury źródeł

wytwórczych w Polsce [14].

Metodologia przyjęta podczas tworzenia modelu zakłada jednoczesną optymalizację mocy

zainstalowanej w krajowym systemie elektroenergetycznym (KSE) i produkowanej energii,

tak aby oba bilanse były zachowane. Optymalizacja jest oparta o kryterium najniższego

kosztu z możliwością wprowadzania ograniczeń. Zagadnienie optymalizacji mix-u ma

charakter dynamiczny - końcowa optymalna jego forma jest zależna od serii rozproszonych

decyzji rozłożonych w czasie. Zastosowana metodologia zakłada rzutowanie problemu

dynamicznego na problem liniowy z ograniczeniami.

Model DAS może być zaliczony do tej samej grupy modeli co MARKAL, TIMES czy

MESSAGE. Jednakże DAS w przeciwieństwie do nich zakłada nie tylko konieczność

zachowania bilansu energii ale także bierze pod uwagę bilans mocy. DAS integruje te dwa

bardzo ważne zagadnienia dla działania systemu elektroenergetycznego [15]. Jest to bardzo

istotna zaleta tego modelu.

3.1. Struktura modelu DAS

Funkcja celu wykorzystywana jako wskaźnik jakości w optymalizacji ma charakter funkcji

kosztowej. Sumarycznie uwzględnia następujące koszty:

- CAPEX kopalni - koszt inwestycyjny uruchomienia nowego złoża na jednostkę zasobu,

- CAPEX jednostki wytwórczej - koszt 1MW mocy zainstalowanej (jako koszt inwestycyjny

technologii),

- OPEX stały i zmienny jednostki wytwórczej -koszt operacyjny stały, zależny od mocy

zainstalowanej (na 1MW) oraz zmienny, zależny od poziomu produkcji (na 1MWh energii);

OPEX nie uwzględnia kosztów paliwa i uprawnień do emisji CO2,

- koszt paliwa,

- koszt uprawnień do emisji CO2,

- ceny węgla kamiennego oraz brunatnego (12 oraz 8 PLN/GJ),

- koszty CAPEX i OPEX dla elektrowni jądrowej (CAPEX - 22 mln zł/MW, OPEX stały -

420 tys. zł/MW ; OPEX zmienny - 15 zł/MWh),

- współspalanie biomasy z węglem - założono tendencję do zanikania tej formy produkcji

energii na rzecz produkcji w dedykowanych jednostkach spalających biomasę,

zaktualizowano produkcję ze współspalania zgodnie z sytuacją obecną oraz uaktualniono

poziom mocy zainstalowanej w źródłach na węgiel kamienny i brunatny,

- częściowo uwzględniono ograniczenia systemowe dotyczące zdolności systemu do

integracji różnych technologii. Przyjęto ograniczenie poziomu potencjału technicznego dla

elektrowni opartych o źródła odnawialne oraz elektrowni jądrowej (6400 MW). Ograniczono

również coroczną instalację mocy w danej technologii, aby uniknąć nierealnych skoków

mocy zainstalowanej,

- ograniczono potencjał techniczny dla jednostek gazowych ze względu na zdolności

importowe gazu,

- uaktualniono specyfikację techniczną dla technologii, zwłaszcza czasy pracy jednostek.

Model zakłada obliczenia w dowolnym horyzoncie czasowym zadanym przez użytkownika.

Jednak, aby nie dopuścić do „efektu końca świata”, co oznaczałoby, że po zadanym okresie

system przestaje funkcjonować (a koszty nie są dalej ponoszone), w rzeczywistości model

dokonuje obliczeń w dłuższym horyzoncie, niż ten zadany przez użytkownika (o 30 lat). Z

tego względu wszystkie koszty są dyskontowane oraz uwzględniany jest koszt kapitału

zgodnie z szeregiem stóp procentowych, a także dodawana jest marża na koszt finansowania.

Uwzględniono również wzrost cen i kosztów zgodnie z przewidywaną inflacją i wzrostem

PKB.

3.2. Zmiany założeń

Poniżej zostały przedstawione te założenia przyjęte do obliczeń mix-u, które zostały

zmienione w stosunku do oryginalnego modelu DAS. Ze względu na bardzo rozbudowane

dane wejściowe dokładny opis można znaleźć w [14].

4. ANALIZA DLA POLSKI

4.1. Scenariusze obliczeniowe

Scenariusze symulacyjne wraz z niektórymi parametrami wejściowymi zostały przedstawione

w Tabela 1. Scenariusze S1 i S2 prezentują opcję najtańszego miksu energetycznego bez

żadnych dodatkowych ograniczeń związanych z polityką energetyczną i klimatyczną.

Utrzymane zostało jedynie wymaganie dotyczące produkcji z OZE. Dwa scenariusze bazowe

wraz ze scenariuszem S3 pokazują na ile cena pozwoleń na emisję jest w stanie dostarczyć

impulsu do inwestycji w technologie niskoemisyjne.

Scenariusze S4 i S5 pokazują na ile polski sektor elektroenergetyczny może wypełnić bardziej

restrykcyjną politykę energetyczną, czyli dalszy wzrost produkcji z OZE (S4) oraz bardzo

wysoką redukcję emisji CO2 (S5). Ostatni scenariusz odnosi się do obniżenia wzrostu

zapotrzebowania na energię elektryczną z 1,01% rocznie do 0,7% (S6).

4.2. Wyniki symulacji

Model DAS dostarcza bardzo duży zestaw informacji wyjściowych włączając w to moc

zainstalowaną, moc dyspozycyjną, produkcję energii, koszty itd. Nie jest możliwe

kompleksowe przedstawienie wszystkich wyników w niniejszym artykule, dlatego

zdecydowano się na prezentację zestawień dla mocy dyspozycyjnej w systemie, energii oraz

kosztów. Moc dyspozycyjna pokrywa zapotrzebowanie maksymalne na energię elektryczną

oraz 18% rezerwę.

Tabela 2 prezentuje moc dyspozycyjną w systemie dla scenariusza S1, czyli przy niskiej cenie

uprawnień do emisji CO2 oraz przy braku bezpośrednich ograniczeń na emisje dla jednostek

wytwórczych. Głównym paliwem jest węgiel kamienny. Udział węgla brunatnego maleje ze

względu na wyczerpywanie się lokalnych zasobów tego surowca. W mix-ie zwłaszcza w

latach 2025+ pojawiają się jednostki gazowe, jednak pełnią one rolę jednostek szczytowych i

produkują niewiele energii (Tabela 3). Przez cały okres optymalizacji poziom mocy w

elektrociepłowniach (CHP) nie zmienia się znacząco.

Poziom produkcji z OZE jest zapewniony głównie przez elektrownie wiatrowe na lądzie

wspomagane energią z biomasy. Model uwzględnia wartość mocy dyspozycyjnej elektrowni

wiatrowych równą 10% mocy zainstalowanej.

Tabela 4 prezentuje wyniki mocy dyspozycyjnej w scenariuszu dla wysokiej ceny uprawnień

do emisji CO2. Wyniki są podobne do scenariusza S1. Zatem okazuje się, że wysoka cena

uprawnień niekoniecznie musi prowadzić do wzrostu inwestycji w nowe źródła

niskoemisyjne. Można zaobserwować nieznaczne ograniczenie emisji (Tabela 13),

powodujące częściową rekompensatę kosztów (wysokiej ceny uprawnień), jednak nie

pojawiły się technologie charakteryzujące się niską emisją.

Nieznacznie wzrosła produkcja energii z elektrowni gazowych w miejsce obniżonej produkcji

z elektrowni węglowych. Warto pamiętać, że zastępowanie starych elektrowni węglowych

jednostkami nowoczesnymi o wysokiej sprawności, samo w sobie powoduje ograniczenie

emisji CO2.

W przypadku symulowanych scenariuszy wzrosły przepływy finansowe dla scenariusza

wysokiej ceny CO2, co wynika z konieczności ponoszenia wyższych kosztów pracy jednostek

(Tabela 13).

Scenariusz wysokich cen pozwoleń na emisję CO2 w połączeniu z zewnętrznym

ograniczeniem na emisję na poziomie 120 mln tCO2 (S3) to ewolucja scenariusza S2. Wyniki

pokazują (Tabela 5), że dopiero zewnętrzne bezpośrednie ograniczenia na emisję może w

polskich warunkach wywołać powstanie nowych technologii niskoemisyjnych. W mix-ie

pojawia się elektrownia jądrowa, po tym jak potencjał techniczny jednostek gazowych,

wiatrowych, wodnych i spalających biomasę został wyczerpany. Inne technologie oparte o

źródła odnawialne nie pojawiają się z uwagi na niski potencjał technologiczny, zbyt wysokie

koszty oraz niski współczynnik wykorzystania mocy zainstalowanej.

Koszt mix-u rośnie zdecydowanie i jest jednym z najwyższych spośród wszystkich

analizowanych scenariuszy (Tabela 13). Zredukowane koszty emisji nawet przy wysokich

cenach CO2 nie rekompensują poniesienia niezbędnych wydatków na technologie

niskoemisyjne, w tym przede wszystkim na elektrownię jądrową.

W produkcji energii źródła jądrowe zastępują produkcję z węgla. Produkcja z gazu również

jest zauważalna, pomimo wysokich cen gazu. Jest to wymuszone ograniczeniem na emisję.

Scenariusz dużego udziału źródeł odnawialnych w mix-ie energetycznym (S4) zakłada

produkcję 30% i 40% energii, odpowiednio w roku 2030 i 2050. Jednocześnie założono

ograniczenie na emisję CO2 do poziomu 120 mln tCO2.

Duże wymaganie powiązane z ograniczeniami potencjałów technicznych najtańszych

technologii spowodowało pojawianie się w mix-ie wszystkich dostępnych źródeł opartych o

energię odnawialną, włączając w to niewystępujący dotychczas biogaz i elektrownie wiatrowe

na morzu. W mix-ie pojawiają się również jednostki jądrowe, dla zapewnienia wymaganej re-

dukcji emisji CO2 (Tabela 7).

Struktura mix-u wskazuje, że zapotrzebowanie na moc zostanie pokryte bez jej niedoborów.

Założony 40% udział produkcji energii z OZE okazuje się niemożliwy do spełnienia przy

założonych realnych ograniczeniach (Tabela 8). Od roku 2050 następuje permanentny

niedobór energii.

Scenariusz S5 prezentuje zdolność systemu elektroenergetycznego do osiągnięcia bardzo

niskoemisyjnej struktury mix-u. Scenariusz zakłada redukcję do 120, 90, 60 mln tCO2 w roku

2020, 2040 i 2050. Zapewnienie takich redukcji wiąże się ze sprowadzeniem poziomu

instalacji węglowych do około 30% mocy zainstalowanej. Pozostała cześć mocy musi być po-

kryta w technologiach niskoemisyjnych. Dlatego w symulowanym scenariuszu pojawiają się

prawie wszystkie technologie. Teoretycznie, niska emisja powinna być osiągnięta poprzez

inwestycje w najtańszą technologię, ale jest to w praktyce niemożliwe ze względu na

ograniczenia potencjału niektórych technologii w polskich warunkach.

Mix osiągnięty w tym scenariuszu zapewnia duży stopień dywersyfikacji źródeł. Jednakże nie

jest realny, ponieważ pojawiają się niedobory mocy, których nie ma jak pokryć ze względu na

ograniczenie emisji CO2 do 60 mln tCO2 w roku 2050. Po roku 2050 pojawiają się również

niedobory energii spowodowane rosnącym zapotrzebowaniem na energię, a z drugiej strony

brakiem możliwości dalszego rozwoju systemu. Koszt tego zdywersyfikowanego mix-u jest

najwyższy spośród wszystkich scenariuszy.

Scenariusz efektywności energetycznej (S6) poprzez zmniejszony przyrost zapotrzebowania

na moc i energię charakteryzuje się najniższymi przepływami finansowymi w sektorze oraz

znaczną redukcją CO2 (Tabela 13).

Zmniejszone zapotrzebowanie powoduje zmniejszone inwestycje w technologie węglowe. W

stosunku do scenariusza S1 i S2 poziom źródeł odnawialnych oraz jednostek gazowych jest

podobny. Technologie OZE muszą pojawić się dla zapewnienia wymaganych 20% produkcji,

zaś technologie gazowe są jednostkami szczytowymi, o niskich kosztach CAPEX a wysokich

OPEX.

Niski poziom emisji w tym scenariuszu to efekt poprawy efektywności energetycznej i

racjonalizacji zużycia energii, co docelowo przekłada się na zmniejszenie tempa wzrostu

zapotrzebowania na energię. Z mix-u zostały wyeliminowane głównie jednostki węglowe

powodujące największe emisje (Tabela 13).

4.2 Dyskusja

Koszty „average cash flow” (AvCF) są miarą pozwalającą porównać dwie ścieżki

przepływów pieniężnych różniących się wysokością wypłat w czasie. Dodatkowo są one

obliczane dla kilku okresów badanego horyzontu, pokazując w którym okresie przepływy są

większe. Ponieważ wszystkie scenariusze są obliczane według tych samych założeń

metodologicznych modelu, dzięki danym o przepływach kosztowych możliwe jest dokonanie

porównania pomiędzy symulacjami. Pozwala to ocenić czy dany scenariusz opisuje droższy

czy tańszy mix. Wskaźnik zmiany poziomu emisji uzupełnia dane umieszczone na wykresach,

a roczna importochłonność określona jako procent energii elektrycznej pozyskanej przy

użyciu surowca importowanego, pozwala na ocenę na ile przedstawiony mix jest zależny od

paliwa importowanego (uzależnienie od państw zagranicznych).

Poziom uzależnienia od importu kształtuje się na stałym poziomie poza scenariuszem dużego

udziału OZE, co wskazuje, że Polska w każdym wariancie będzie w znacznym stopniu

uzależniona od importu surowców.

Porównując scenariusze S1 i S2 w zakresie zmiany poziomu emisji można stwierdzić, że

nawet wysoka cena pozwolenia na emisję CO2 (168 PLN/tCO2) w polskich warunkach nie

przekłada się na znaczący spadek emisji CO2. Wyższy koszt emisji oznacza wyższe koszty

dla sektora i nie powoduje powstania technologii niskoemisyjnych.

Największe korzyści finansowe oraz wysokie cele redukcyjne są osiągane przy redukcji

zapotrzebowania na energię. Wskazuje na to scenariusz S6. O ile niski wzrost gospodarczy

nie jest pozytywny dla Polski, o tyle efektywność energetyczna powinna być jednym z celów

polityki energetycznej państwa.

Najwyższy koszt przedstawia scenariusz S5 – wynika to z dwóch powodów: (a) wysoka cena

pozwoleń na emisję powoduje wysokie koszty ze względu na istniejącą strukturę wytwarzania

opartą na węglu oraz (b) koniecznością szybkiej redukcji emisji do poziomu 120 mln tCO2 do

roku 2020. Założenia powodują powstanie elektrowni jądrowej. Z symulacji scenariusza S5

oraz biorąc pod uwagę pozostałe wyniki powstaje bardzo istotny wniosek: z uwagi na bardzo

wysokie koszty elektrownia jądrowa wchodzi do mix-u dopiero gdy pojawia się silne

ograniczenie na wielkość emisji CO2. Żadne inne impulsy cenowe nie uzasadniają tej

technologii.

Scenariusz zakładający bardzo wysoki udział źródeł odnawialnych powoduje największą

redukcję emisji CO2 (poza S5) oraz ograniczenie importu surowców. Koszt takiego mix-u jest

umiarkowany. Należy pamiętać, że mogą zaistnieć trudności w realizacji mix-u przy

założonych ograniczeniach wynikających z pracy systemu elektroenergetycznego. Takie

założenia dotyczą np. wiatraków. W prezentowanym scenariuszu pojawiły się braki energii po

roku 2050, czyli przy najwyższym wymaganiu dotyczącym poziomu produkcji z OZE (40%).

Wskazuje to na brak możliwości spełnienia tego warunku w symulowanych realiach Polski.

Scenariusz bardzo wysokich celów redukcji emisji CO2 jest najdroższym prezentowanym

scenariuszem. Powoduje powstanie elektrowni jądrowej oraz duży udział źródeł

odnawialnych. Jednak podobnie jak w przypadku scenariusza dużego udziału produkcji z

OZE, w warunkach Polski, cel redukcji na poziomie 60 mln t CO2 jest niewykonalny –

pojawiają się braki energii. Spełnienie celów wymaga: (a) większego udziału EJ, (b)

większego udziału OZE, (c) większego udziału jednostek gazowych. Zwiększenie potencjału

wszystkich bądź któregokolwiek z powyższych warunków wiąże się z dodatkowymi

czynnościami dotyczącymi albo systemu elektroenergetycznego albo zdolności importowych

gazu.

5. PODSUMOWANIE

Artykuł przedstawia i analizuje możliwe scenariusze, w których polski sektor

elektroenergetyczny będzie musiał zapewnić bezpieczeństwo energetyczne, w tym bilans

mocy i energii poprzez inwestycje w nowe źródła wytwórcze. Zaproponowane scenariusze w

jakich inwestycje mogą się odbywać zależą bardzo silnie od kierunków polityki UE w

zakresie energii i klimatu. W artykule została podsumowana obecna polityka i jej możliwa

ewolucja. Aby dobrze określić właściwe kierunki dla lokalnej polityki energetycznej w

zakresie rozwoju właściwego mix-u energetycznego należy posłużyć się zaawansowanymi

modelami obliczeniowymi. W artykule przeanalizowany został model przygotowany w DAS

KPRM, w skrócie nazywany modelem DAS. Jego bardzo silną stroną jest uwzględnienie

jednocześnie bilansu mocy i energii w systemie.

Odnosząc się do uzyskanych wyników należy podkreślić, że w polskich warunkach

podstawowym źródłem energii jest węgiel i wszelkie transformacje są bardzo trudne i

kosztowne. Dodatkowo, nawet decydując się na dywersyfikację mix-u, podstawowym

nośnikiem energii nadal pozostaje węgiel.

Warto zauważyć, że wysokie ceny uprawień do emisji niekoniecznie muszą prowadzić do

inwestycji w niskoemisyjne źródła. W prowadzonych obliczeniach, wysoka cena

spowodowała nieznaczny spadek emisji, natomiast nie spowodowała znaczącej zmiany struk-

tury miksu. Dopiero bezpośrednie ograniczenia na redukcję emisji powoduje powstanie

większej ilości OZE, elektrowni jądrowej czy większego wykorzystania elektrowni

gazowych. Wymienione przypadki jednocześnie charakteryzują się najwyższym kosztem.

W zakresie zwiększania udziału OZE w produkcji energii, czy też bardziej restrykcyjnych

ograniczeń na emisje, można stwierdzić, że w polskich warunkach bardzo trudno będzie

osiągnąć więcej niż 30% udział OZE i więcej niż 40% redukcji emisji.

Model zawiera również szereg uproszczeń, zwłaszcza w technicznej warstwie

funkcjonowania systemu elektroenergetycznego. Jednak wyniki mogą dostarczać wskazówek

do kreowania polityki energetycznej. Na Politechnice Łódzkiej jest obecnie rozwijany

kompleksowy model optymalizacji mix-u energetycznego „eMix”. Korzysta on z metodologii

mixed-integer linear programming (MILP). Model ten określa nie tylko niezbędne inwestycje

ale również dokonuje optymalizacji pracy jednostek dla zapewnienia zwrotu z inwestycji.

Model uwzględnia również ograniczenia wynikające z przepływów w sieci elek-

troenergetycznej, typoszeregi mocy znamionowych, regulacyjności bloków, emisyjności czy

też wymagany poziom rezerw w systemie.

PODZIĘKOWANIE

Autorzy serdecznie dziękują pracownikom Departamentu Analiz Strategicznych Kancelarii

Prezesa Rady Ministrów za pomoc w analizie Modelu Optymalnego Miksu Energetycznego

dla Polski do roku 2060 oraz za udostępnienie tego modelu i umożliwienie jego modyfikacji.

LITERATURA

[1] Krause F.: The costs of mitigating carbon emissions: A review of methods and findings

from European stu-dies. Energy Policy, vol. 24, issues 10–11, pp. 899-915, 1996

[2] Herbst A., Toro F., Reitze F., Jochem E.: Introduction to Energy Systems Modelling.

Swiss Society of Eco-nomics and Statistics, vol. 148(2), pp. 111-135, 2012

[3] Wing I.S.: The synthesis of bottom-up and top-down approaches to climate policy

modelling: Electric power technology detail in a social accounting framework. Energy

Economics, vol. 30, issue 2, pp. 547-573, 2008

[4] Böhringer C.: The synthesis of bottom-up and top-down in energy policy modelling.

Energy Economics, vol. 20, issue 3, pp. 233-248, 1998

[5] Böhringer C., Rutherford T. F.: Combining bottom-up and top-down. Energy Economics,

vol. 30, issue 2, pp. 574-596, 2008

[6] Wilkerson J. T., Cullenward D., Davidian D., Weyant J. P.: End use technology choice in

the National Energy Modelling System (NEMS): An analysis of the residential and

commercial building sectors. Energy Eco-nomics, vol. 40, pp. 773-784, 2013

[7] Sadeghi M., Hosseini H. M.:Energy supply planning in Iran by using fuzzy linear

programming approach (regarding uncertainties of investment costs). Energy Policy, vol. 34,

issue 9, pp. 993-1003, 2006

[8] Reber E. E., Mitchell R. L., Carter C. J.: Oxygen absorption in the Earth's atmosphere

Aerospace Corp., Los Angeles, CA, Tech. Rep. TR-0200 (4230-46)-3, 1968.

[9] Talleen S. L.: The Intranet Architecture: Managing information in the new paradigm.

Amdahl Corp., Sunny-vale, CA. [Online]. Available:

http://www.amdahl.com/doc/products/bsg/intra/ infra/html, 1996

[10] Dryton G: USBR PLEXOS® Demo, PLEXOS® for Power Systems Electricity Market

Simulation,

https://www.usbr.gov/mp/cvp/cvp-cas/docs/meetings/11-16-12/121612_PLEXOS_Power_Pre

sentation.pdf., 2012

[11] IAEA: Model for Analysis of Energy Demand (MAED-2), International Atomic Energy

Agency, COMPUTER MANUAL SERIES No. 18, Austria, 2006

[12] IEA: World Energy Model – Methodology And Assumptions, International Energy

Agency, World Energy Outlook Group, 2011

[13] Manne A., Richels R. G.: MERGE: A Model for Evaluating the Regional and Global

Effects of GHG Reduction Policies, website: www.standford.edu/group/MERGE, 2004

[14] DAS KPRM: Optymalny mix energetyczny dla Polski do roku 2060 – model DAS

(English: Optimal energy mix for Poland in 2060 horizon – DAS model), Warsaw. 2013

[15] Wierzbowski M: Weryfikacja możliwości stosowania modelu DAS do analiz

dotyczących rynku energii i założeń polityki energetycznej (English: Validation of the DAS

model deployment to analysis of electricity market and energy policy), Report for Deparment

of Energy of Polish Ministry of Economy, December 2013.

[16] Wierzbowski M.: Możliwości symulacji mix-u energetycznego dla Polski (English:

Energy mix for Poland – scenario simulations), Report for Department of Energy of Polish

Ministry of Economy, February, 2014

[17] Alqueres J. L., Praca J. C.: The Brazilian power system and the challenge of the Amazon

transmission, in Proc. 1991 IEEE Power Engineering Society Transmission and Distribution

Conf., pp. 315-320.

ENERGY MIX OPTIMISATION IN THE EU ENERGY POLICY CONTEXT

Key words: energy mix, optimisation, energy system modelling, energy policy

Summary. The paper refers to the optimization tool that can provide an invaluable assistance in energy policy

development, leading to the energy mix optimization. The energy and climate policy have significant impact on

energy mix.. Therefore, the paper includes analysis of EU energy policy relating to the Polish energy sector.

Paper also includes the analysis of the model for energy mix optimization developed at the Department for

Stra-tegic Analyses at the Chancellery of the Prime Minister of the Republic of Poland. The simulation are

carried out for several scenarios of energy mix in Poland and the simulation results are analysed.

Michał Wierzbowski, dr inż., adiunkt w Instytucie Elektroenergetyki Politechniki Łódzkiej.

Jego obszar badawczy obejmuje system elektroenergetyczny, rynki energii i mocy,

optymalizację w sektorze oraz smart grids. E-mail: michal.wierzbowski@p.lodz.pl

Błażej Olek, dr inż., adiunkt w Instytucie Elektroenergetyki Politechniki Łódzkiej. Jego

obszar badawczy obejmuje system elektroenergetyczny, rynki energii i mocy, źródła generacji

rozproszonej oraz jakość energii. E-mail: blazej.olek@p.lodz.pl

Wojciech Łyżwa, mgr inż., doktorant w Instytucie Elektroenergetyki Politechniki Łódzkiej.

Prace badawcze dotyczą systemu elektroenergetycznego, rynków energii i mocy oraz

zastosowania logiki rozmytej w systemie elektroenergetycznym. E-mail:

wojciech.lyzwa@p.lodz.pl