Risk Management for Renewable Energy Generation How to Deal 2017-11-05آ  Risk Management for Renewable

  • View
    1

  • Download
    0

Embed Size (px)

Text of Risk Management for Renewable Energy Generation How to Deal 2017-11-05آ  Risk Management for...

  • Fakultät für Wirtschaftswissenschaften

    Center for Energy Markets

    Risk Management for Renewable Energy Generation

    — How to Deal with the Uncertainty

    of Wind and Solar Power

    Gerke Gersema

    Vollständiger Abdruck der von der Fakultät für Wirtschaftswissenschaften der

    Technischen Universität München zur Erlangung des akademischen Grades eines

    Doktors der Wirtschaftswissenschaft (Dr. rer. pol.)

    genehmigten Dissertation.

    Vorsitzender: Prof. Dr. Reiner Braun

    Prüfer der Dissertation: 1. Prof. Dr. Gunther Friedl

    2. Prof. Dr. David Wozabal

    Die Dissertation wurde am 8. Februar 2017 bei der Technischen Universität München

    eingereicht und durch die Fakultät für Wirtschaftswissenschaften

    am 15. Juli 2017 angenommen.

  • Danksagung

    Ich danke . . .

    • . . . meiner Frau Mi-Ra für ihr umfängliches Verständnis und ihre unermüdliche

    liebevolle Unterstützung während der Erstellung dieser Arbeit.

    • . . . meinen Eltern und meiner Familie für das frühe Anspornen meiner Neugier, ihre

    unablässige Förderung und ihren hohen Anspruch.

    • . . . meinem Doktorvater Gunther Friedl für seine persönliche und inhaltliche Be-

    treuung, das konstruktive Feedback zu dieser Arbeit, sowie das positive Klima an

    seinem Lehrstuhl.

    • . . . meinem Koautor David Wozabal für zahllose Diskussionen und tiefe inhaltliche

    Zusammenarbeit, die wesentlich zur Qualität dieser Arbeit beigetragen hat.

    • . . . meinem Arbeitgeber McKinsey und den Kollegen für großzügig gewährten Freiraum

    und die fortdauernde inhaltliche Inspiration zu dieser Arbeit.

    • . . . meinen Kommilitonen am Lehstuhl und den anderen Doktoranden im ’Berliner

    Büro’ für die gute gemeinsame Zeit und die gegenseitige Unterstützung.

  • Zusammenfassung

    Die Verfügbarkeit von Wind- und Solarenergie ist inhärent unsicher. Während sich die

    Forschung bislang auf ihre lang- und kurzfristige Unsicherheit konzentriert hat, erhielt

    der mittelfristige Zeitraum über das kommende Jahr weniger Aufmerksamkeit. Dabei ist

    er hochrelevant für Investoren, Banken und Versicherungen, sowie Systemplaner. Aus

    diesem Grund umfasst diese Dissertation drei Aufsätze über den Umgang mit mittel-

    fristiger Unsicherheit in der erneuerbaren Stromerzeugung: in einem virtuellen Kraftwerk,

    mit Windstromfutures und bei der Nutzung von Investitions- und Einsatzmodellen zur

    Systemplanung.

    Aufsatz I: Viele Eigentümer von Photovoltaik- und Windkraftanlagen nutzen virtuelle

    Kraftwerke um Zugang zum Strommarkt zu erhalten. Ihre Stromerzeugung ist inhärent

    unsicher und ihr Umsatz damit riskant. Wir untersuchen in welchem Maß eine Bündelung

    verschiedener Technologien und Regionen im Portfolio eines virtuellen Kraftwerks das

    Risiko mindern kann. Zu diesem Zweck entwickeln wir stochastische Modelle für die Fak-

    toren, die das Preis- und Volumenrisiko der Anlagen treiben und setzen ein Modell zur

    risikooptimierten Portfoliobildung darauf auf. Am Beispiel des deutschen Marktes zeigen

    wir, dass unsere optimalen Portfolios ein eindeutig besseres Risikoertragsprofil haben als

    das Marktportfeuille. Diese Erkenntnis gilt für den Fall ohne Subventionen, aber auch

    für den Fall von Einspeisevergütungen.

  • Aufsatz II: Windenergie ist unsicher, was sich auf die Gewinne von Windstrom- wie

    auch von konventionellen Erzeugern auswirkt. Aktuell haben beide Gruppen nur begren-

    zte Möglichkeiten ihr resultierendes Volumenrisiko abzutreten. Die European Energy

    Exchange (EEX) führte daher in 2016 börsengehandelte Windstromfutures ein um diese

    Marktunvollkommenheit zu adressieren. Wir schlagen ein stilisiertes Gleichgewichtsmod-

    ell mit zwei repräsentativen Agenten vor und analysieren die erwarteten Preise von Wind-

    stromfutures, sowie den Mechanismus hinter ihren Risikoprämien. Wir kalibrieren und

    simulieren stochastische Modelle für Windstromerzeugung, Strompreise und -nachfrage,

    sowie weitere relevante Quellen von Unsicherheit. Die damit durchgeführte Fallstudie

    für den deutschen Markt analysiert Preise, Hedgingeffektivität, sowie Risikoprämien.

    Unsere Ergebnisse deuten darauf hin, dass Windstromerzeuger bereit sind eine Ver-

    sicherungsprämie an konventionelle Erzeuger zu zahlen um ihre Risiken zu reduzieren.

    Aufsatz III: Der Technologiemix im erneuerbaren Stromsystem kann durch Investitions-

    und Einsatzmodelle optimiert werden, die Kosten minimieren. Die Ergebnisse dieser

    Modelle werden stark beeinflusst von ihrer Abbildung der Residuallast, also der Dif-

    ferenz aus Stromverbrauch und erneuerbarer Erzeugung. Aktuelle Modelle fokussieren

    sich meist entweder auf eine hohe zeitliche Auflösung oder auf eine stochastische Mod-

    ellierung. Bisherige Forschung zeigt, dass beide Stoßrichtungen die Qualität der Model-

    lergebnisse substanziell verbessern, aber ihre Kombination die erforderliche Rechenleis-

    tung stark erhöht. Daher entwickle ich ein sparsames Investitions- und Einsatzmodell,

    das in der Lage ist zeitlich hochaufgelöste, stochastisch simulierte Eingangsdaten zu ver-

    arbeiten. Eine Anwendung des Modells auf das deutsche Stromsystem zeigt den Wert der

    stochastischen Modellierung. Dasselbe Modell mit deterministischer Residuallast unter-

    schätzt sowohl die erforderliche Windkraft- und Photovoltaik-, als auch die notwendige

    Speicherkapazität deutlich. Folgerichtig unterschätzt es auch die Systemkosten.

  • Abstract

    The availability of wind and solar energy is inherently uncertain. While much research

    has focused on dealing with its long- and short-term uncertainty, the medium-term, or the

    time period over the coming year, has received less attention. Yet it is highly relevant to

    renewable investors, funding and insurance providers as well as system planners. Hence,

    this dissertation presents three essays on how to deal with medium-term uncertainty in

    variable renewable energy generation: in a virtual power plant, with wind power futures

    and using investment and dispatch models for system planning.

    Essay I: Many photovoltaic and wind generation capacity owners gain access to power

    markets by signing up with virtual power plants. Power generation from these renewable

    sources of electricity is inherently uncertain and, consequently, revenue is random, which

    induces a risk for the owner. In this study, we investigate to what extent pooling different

    technologies and locations in the portfolio of a virtual power plant can reduce aggregate

    risk. To this end, we develop stochastic models for factors driving the assets’ underlying

    market and volume risks on which we base a model for risk-optimized pooling. Using

    the German market as an example, we demonstrate that optimal portfolios have a clearly

    better risk/return profile than the market portfolio. This finding holds in the case without

    subsidies as well as the case with feed-in tariffs.

  • Essay II: Generation from wind power plants is uncertain and affects profits of wind

    power generators and conventional generators alike. Currently, generators have limited

    options for transferring the resulting wind-related volume risks. The European Energy

    Exchange (EEX) recently introduced exchange-traded wind power futures to address this

    market imperfection. We propose a stylized equilibrium pricing model featuring two rep-

    resentative agents and analyze equilibrium prices as well as the mechanics behind risk

    premia for wind power futures. We calibrate and simulate stochastic models for wind

    power generation, power prices, electricity demand, as well as other relevant sources of

    uncertainty and use the resulting scenarios to conduct a case study for the German mar-

    ket, analyzing prices, hedging effectiveness, and risk premia. Our main result suggests

    that wind generators are willing to pay an insurance premium to conventional generators

    to reduce their risks.

    Essay III: The technology mix in a renewables-based power system can be optimized

    by investment and dispatch models minimizing cost. These models’ outcomes are strongly

    driven by their representation of residual load, which is the difference between power

    demand and renewable generation. Models usually either focus on a high temporal res-

    olution or on a stochastic model. Available research suggests that both of these aspects

    make the model output substantially more accurate (e.g., Haller et al., 2012; Haydt et al.,

    2011), but their combination strongly increases computational requirements. Hence, I de-

    velop a parsimonious investment and dispatch model that allows to be based on residual

    load with high temporal resolution and a stochastic simulation. An application of the

    model to the German power system demonstrates the value of stochastic modeling. The

    same model with deterministic residual load underestimates the required wind and solar

    power, as well as storage capacities. Consequentially, it also underestimates the overall

    system costs.

  • Contents

    List of Figures I

    List of Tables III