Quantifying the Flexibility of Residential Electricity Demand in 2050 Through Price Elasticities: a Bottom-up Approach

Slimme elektriciteitsnetten: de oplossing voor het energieprobleem?

door Jonas Engels en Dries Guldentops

De opwarming van de aarde leidt tot een groeiende bewustwording dat de uitstoot van broeikasgassen sterk verminderd moet worden om de globale temperatuurstijging te beperken. Dit zorgt ervoor dat het aandeel van fluctuerende hernieuwbare energiebronnen in de elektriciteitsproductie toeneemt. Opdat het elektriciteitssysteem zou kunnen omgaan met deze onvoorspelbare, variërende energiebronnen heeft het een grote graad van flexibiliteit nodig. Door het ontwikkelen van nieuwe concepten als slimme elektriciteitsnetwerken ontstaan er nieuwe manieren om in deze nood aan flexibiliteit te voorzien, zoals de actieve deelname van de vraagzijde op de elektriciteitsmarkt. De netwerkbeheerder staat hier voor de grote uitdaging om deze flexibiliteit vooraf in de markt in te plannen. Zo kan bijvoorbeeld het gebruik van dure piekcentrales worden vermeden. Om dit mogelijk te maken moet deze flexibiliteit echter eerst bepaald en gekwantificeerd worden. Hiervoor werd  een methode ontwikkeld om de flexibiliteit van de residentiële vraagzijde te kwantificeren door middel van prijselasticiteiten. Een prijselasticiteit geeft de gedragswijziging in elektriciteitsverbruik weer bij een verandering van de elektriciteitsprijs.

Modellering
Bovenstaande methode gaat uit van een bottom-up principe. Dit wil zeggen dat eerst het gedrag van de individuele consument wordt gemodelleerd om vervolgens een heel land te kunnen voorstellen. Dit wordt vervolgens toegepast op een volledig geëlektrificeerde, CO2-vrije maatschappij geprojecteerd naar 2050 voor België. De modellering bestaat uit twee delen, namelijk: 1) de modellering van de verschillende flexibele apparaten en de optimalisatie van hun elektriciteitsverbruik met het oog op kostenminimalisatie, en 2) het bepalen van de prijselasticiteiten met behulp van statistische methodes gebruik makende van de resultaten van voorgaande optimalisaties. Drie types van flexibele apparaten zijn geïmplementeerd: verwarming (d.m.v. warmtepompen en elektrische bijverwarming), elektrische voertuigen en witgoedtoestellen (wasmachines, droogkasten en vaatwassers). Deze apparaten worden samen gegroepeerd in huizen, rekening houdend met hun verwachte penetratiegraad. Elk huishouden krijgt een variërende elektriciteitsprijs doorgestuurd (bv. één dag op voorhand). Het elektriciteitsverbruik van hun flexibele apparaten wordt dan zo gepland zodat de elektriciteitskost minimaal is voor de verbruiker. Om een correcte weergave te krijgen van de bevolkingsstructuur en van de penetratiegraden van de verschillende apparaten worden huizen per 70 gegroepeerd in een wijk. Een wijk heeft voor elk prijssignaal een overeenkomstig elektriciteitsverbruik. Om de complexiteit niet te hoog te maken wordt gezocht naar een lineair verband tussen een relatieve prijsverandering en een relatieve verandering in elektriciteitsverbruik voor een wijk, ten opzichte van een referentiescenario. Dit verband wordt gelegd m.b.v. lineaire regressies. De resultaten van deze regressies leiden dan tot de gezochte prijselasticiteiten voor een specfieke wijk. Deze prijselasticiteiten worden gegroepeerd in een ‘elasticiteitenmatrix’. De diagonaal van deze matrix bevat de eigen prijselasticiteiten per uur, de waarden buiten de diagonaal worden kruiselasticiteiten genoemd. De eigen prijselasticiteiten drukken het verband uit tussen de procentuele verandering van de prijs op een bepaald uur en de procentuele verandering in elektriciteitsverbruik op hetzelfde uur. Deze eigen elasticiteiten zijn doorgaans negatief. De kruiselasticiteiten drukken het verband uit tussen de procentuele verandering van de prijs op een bepaald uur en de procentuele verandering in elektriciteitsverbruik op ander uur. Deze zijn in het algemeen positief, met grote waarden nabij de diagonaal en kleinere waarden verder van de diagonaal. Verder wordt er een selectieve regressie toegepast om op een statistische manier het tijdsinterval te bepalen waarbinnen een verandering van de elektriciteitsprijs effect heeft op het elektriciteitsverbruik. Aangezien elke wijk is opgebouwd uit verschillende stochastische elementen (penetratiegraden van apparaten, bezetting van huizen, enz.), kunnen de karakteristieken van een ‘gemiddelde’ wijk bepaald worden via een Monte Carlo simulatie. De bekomen resultaten van een gemiddelde wijk kunnen dan worden opgeschaald naar het niveau van een regio of een land, in deze thesis toegepast op België. De Monte Carlo simulatie wordt uitgevoerd voor de vier verschillende seizoenen, zowel voor weekdagen als weekenddagen om de invloed op de flexibiliteit na te gaan.

Resultaten
Het gemiddeld jaarlijks elektriciteitsverbruik volgens het geïmplementeerde model verdubbelt t.o.v. de huidige residentiële elektriciteitsvraag. Dit is vooral te wijten aan de volledige elektrificatie. Verwarming en transport gebeuren nu immers vooralmet fossiele brandstoffen, waar ze hier  nieuwe elektrische lasten vormenmet warmtepompen en elektrische voertuigen. Het piekvermogen neemt toe met een factor 5 tot 8, afhankelijk van het seizoen. Dit komt wederom door de nieuwe elektrische lasten en door de prijsstrategie die ervoor zorgt dat zoveel mogelijk lasten naar hetzelfde (goedkope) moment worden verschoven. De prijselasticiteiten tonen aan dat er in de winter het meeste flexibiliteit voorhanden is en in de zomer het minste. Dit is voornamelijk te wijten aan de belangrijke bijdrage van de elektrische verwarmingsapparaten tot de flexibiliteit. De grootste tijdspanne waarin een prijsverandering invloed heeft op de vraag volgens ons model is zeven uur. Dit wil zeggen dat (een deel van) de elektriciteitsvraag maximaal zeven uur verschoven wordt in de tijd t.o.v. zijn originele verbruikstijdstip bij de referentieprijs. De meeste flexibiliteit die beschikbaar is komt van de verwarmingsapparaten. Deze varieert zoals eerder gezegd naargelang het seizoen. Elektrische voertuigen zorgen ook voor een aanzienlijk deel van de totale flexibiliteit, voornamelijk tijdens de nacht. Witgoedtoestellen leveren een eerder beperkte bijdrage.

Conclusie
De bekomen elasticiteitsmatrices kunnen in een verdere stap gebruikt worden in een unit commitment model om de flexibele vraag mee te plannen in de elektriciteitsvoorziening. De prijselasticiteiten geven aan dat er heel wat ruimte is om het elektriciteitsverbruik te verschuiven naar momenten wanneer elektriciteit goedkoop is. Dit is veelal het geval als er veel hernieuwbare elektriciteit wordt geproduceerd. Met behulp van slimme netten zou de vraag dus beter op het aanbod kunnen afgestemd worden en zouden zo de erg actuele dreigende blackouts vermeden kunnen worden.