Impact of weather years on the investment decisions in agent-based modeling

Agentenbasierte Strommarktmodelle werden vielfach eingesetzt, um die Entwicklung des Strommarkts und Energiesystems explorativ zu untersuchen. Häufig werden hierbei auf Basis von Eingangszeitreihen die Investitions- und Dispatch-Entscheidungen von konventionellen Kraftwerken, wie Gas- oder Kohlekraftwerke, und Speichertechnologien nachgebildet . Modelle wie PowerACE und AMIRIS nutzen Brennstoffpreisreihe, Last, Erneuerbaren-Energien (EE)-Erzeugung und Investitionsoptionen sowie den bestehenden Kraftwerkspark als Eingangsdaten. Die zu Grunde gelegte Last und EE-Erzeugung sind hierbei stark vom jeweiligen Wetterjahr, auf denen sie basieren, abhängig. ... mehrZum einen ist das Wind- und Strahlungsdargebot als auch der Wärme- und Kältebedarf, welche einen starken Einfluss auf den Strombedarf haben, jedes Jahr unterschiedlich, gleichzeitig führen technologische Entwicklungen dazu, dass eine reine Skalierung historischer Erzeugung zukünftige EE-Erzeugung systematisch unterschätzt. Es soll untersucht werden, ob die Verwendung von nur einem Wetterjahr dazu führt, dass, insbesondere bei Betrachtungszeiträumen von mehreren Jahrzehnten, es beim Vergleich zwischen verschiedenen Wetterjahren zu erheblichen Unterschieden in den Simulationsergebnissen , sowohl bei den Investitionen als auch bei den Marktpreisen, kommt. Ziel ist es die Unsicherheiten in Bezug auf EE-Erzeugung und Stromnachfrage im Agentenverhalten abzubilden. In Rahmen dieser Arbeit soll diese Unsicherheit in den Ergebnissen agentenbasierter Modelle, am Beispiel PowerACE, quantifiziert werden und dargelegt werden, ob die Verwendung von mehreren Wetterjahren oder die Nutzung synthetische Wetterjahren, also eine Kombination verschiedener Wetterjahre auf Erzeugungs- und Nachfrageseite, hier einen Vorteil bieten .

Agent-based electricity market models are widely used to exploratively investigate the development of the electricity market and energy system. Often, investment and dispatch decisions of conventional power plants such as gas or coal-fired power plants, as well as storage technologies, are simulated based on input time series. Models like PowerACE and AMIRIS utilize fuel price series, demand, renewable energy generation, investment options, and the existing power plant fleet as input data. The underlying demand and renewable energy generation strongly depend on the respective weather year on which they are based. ... mehrOn one hand, the availability of wind and radiation as well as the need for heating and cooling, which have a significant influence on electricity demand, vary each year. At the same time, technological developments lead to an underestimation of future renewable energy generation when purely scaling historical generation. It will be examined whether the use of only one weather year leads to significant differences in simulation results, especially when considering time frames of several decades, in the comparison between different weather years, both in terms of investments and market prices. The aim is to represent uncertainties in renewable energy generation and electricity demand in agent behavior. In the context of this work, this uncertainty in the results of agent-based models, using PowerACE as an example, will be quantified and it will be explained whether the use of multiple weather years or the use of synthetic weather years, i.e., a combination of different weather years on the generation and demand side, offer an advantage here.