どんなに優れたモデルであっても、前提条件が脆弱であれば精度の低い予測しか生み出せません。そのため「Power Price Projections」では、Enerdataの市場知見、保守的な需要シナリオ、広範なエネルギーデータベース、そしてオープンソースフレームワーク「PyPSA」に基づく最先端の電力市場モデルを統合しています。本サービスは、信頼性の高い翌日物卸電力価格の長期予測を提供し、投資家、デベロッパー、エネルギー市場参加者の長期的な計画策定や投資判断を確かな知見で支援します。
360°アプローチ
欧州エネルギー市場への
堅実かつ現実的な
需要予測
2027年から2050年までの
年次予測
ｷｬﾌﾟﾁｬｰﾌﾟﾗｲｽ
太陽光および風力
国別分析アジェンダ
1時間ごとの前日価格 - EnerBaseシナリオ - スペイン
1時間ごとの前日価格例 - EnerBaseシナリオ
- 高品質な需要予測、強固な市場前提条件、実績ある最適化モデルを組み合わせることで、信頼性の高い予測値を提供します。
- 当社のシナリオは需要の伸びに対して保守的なアプローチを採用し、省エネ性能の向上や行動変容の影響を反映することで、堅牢かつ現実的な将来シナリオを描きます。
- 従来の最適化モデルとは異なり、従来の最適化モデルとは異なり、電力需要と発電・設備開発の内生的モデリングにより、全体像を把握することができます。
- 再生可能エネルギーを含むすべての技術とエネルギーシステム全体をカバーする、世界的に認められた自社モデル。
- 世界的に認められたエネルギーに関する専門知識
- 3つの対照的な長期容量シナリオ（様々な気候・価格の可能性を想定）により、各国における現実的かつ可能性の高い将来の道筋を探る。カスタムシナリオはオンデマンドで利用可能。
Excel形式のデータセット:
- 最新の需要および発電インプット
- デイ・アヘッド卸売価格
- 2050年までの1時間当たりの平均価格-5年単位、毎年更新
- 2030年までの中期年間価格-1年単位、四半期更新
- 再生可能エネルギー価格
- 最小・最大月平均価格 - 気候シナリオによる
- 年間商品価格
独占データシリーズ：
- 部門別電力需要
- 発電所レベル
- CO2価格
PDFレポート:
- 方法論、仮説、プロジェクト、規制の背景、シナリオに関する文書。
- 欧州電力市場:
- 対象国：イギリス、アイルランド、フランス、スペイン、ポルトガル、ドイツ、オーストリア、スイス、ベルギー、オランダ、デンマーク、ノルウェー、スウェーデン、フィンランド、リトアニア、ラトビア、ギリシャ、アルバニア、ボスニア・ヘルツェゴビナ、ブルガリア、クロアチア、チェコ、スロベニア、スロバキア、ハンガリー、ルーマニア。
- オンデマンド：ゾーン市場を有するその他の国（すなわち、特定のゾーン内でスポット電力価格が同一となる開放的な電力市場を有する国。例えば、日本や韓国など。）
方法論
当社の電力価格予測は、2つの独自モデルから構築されています：
- 当社のPOLESモデル：世界中の数多くのエネルギー会社、電力会社、投資家、開発業者によって使用されている、堅牢な複数国の電力予測モデル。POLESモデルは、国レベル（他の指標も含む）で、セクター別の年間設備容量と電力需要をモデル化します。
- 当社のPyPSA-Enerdataモデル：オープンソースライブラリPyPSAにEnerdata独自のデータと後処理を加えて構築されています。このモデルは、POLESの出力を使用して、入札ゾーンと発電所レベルでの1時間ごとの電力価格ディスパッチをモデル化します
当社のアプローチと"純粋な最適化”電力モデルとの主な違い :
- 容量と需要についてPOLESのモデリング・アプローチを用いることで、純粋な最適化モデルでしばしば見られる「勝者総取り」の効果を回避することができます。過去の発電容量と生産ミックスを考慮し、非経済的な競争パラメータを導入することにより、POLESは、LCOEと変動コストに基づいて発電技術を割り当てるだけでなく、非経済的なパラメータ（政策、ミックスの多様化など）も考慮します。
- POLESモデルは、技術的、経済的、環境的パラメータを持つ技術分類を考慮し、1年ごとの再帰的アプローチにより、不完全性や障壁を持つ現実のエネルギーシステムを描くのに適しています： 最適化モデルでは、経済主体が全期間にわたってすべての情報を処分できるような完全予見アプローチを用いることが多いですが、POLESでは、長期的なキャパシティ・ニーズを考慮し、ピーク時の需要に加え、ユーザーが定義した予備力の確保が確実に達成されるよう、反復プロセスを実施します。
- 当社のファンダメンタルズに基づくアプローチの大きな特徴は、セクター別エネルギー需要が内生化されており、ユーザー自身によるモデル化や詳細設定が可能な点です。これにより、電力需給における現実的なフィードバックループが実現します。これにより、電力の需給間に現実的なフィードバックループが形成されます。これとは対照的に、エネルギーシステム最適化モデルは、一般的にエネルギー需要を外生的な入力パラメータとして使用します。
PyPSA-ENERDATAモデルには、既存の電力モデルと比較して、さらに2つの明確な利点があります：
- 電力供給は、当社の発電所データベース（Power Plant Tracker）で収集されたデータに基づいて発電所レベルで調整されます。
- 経済エージェントの行動は、非合理的な入札戦略を反映し、非線形制約（例えば、ランプアップ時間、最小負荷、年間排出要件など）を考慮するようにモデル化されます。
将来のシナリオ
EnerBase
EnerBaseは既存政策と傾向の継続を想定。このシナリオでは、気温は約3℃上昇する。
中央シナリオ
エネルデータの中心シナリオは、短期的な発電プロジェクトの実現可能性を評価し、需要の電化傾向を検証することで短期トレンドに焦点を当てています。中長期においては、各国がNDC（国別貢献目標）を達成する推定確率を考慮しています。
EnerBlue
EnerBlueは、2025年末までに提出された新たなNDCの達成を前提としています。このシナリオでは、世界の気温上昇は2℃から2.5℃の範囲に収まります。