Mezinárodní energetická agentura (IEA) vydala svůj každoročně vydávaný energetický výhled <a href="https://www.iea.org/weo2019/">World Energy Outlook 2019</a>. Výhled pracuje s několika scénáři, jejichž předpoklady se liší. Cílem je zjistit, jaké by byly dopady, pokud by byla přijata konkrétní opatření a podniknuty konkrétní kroky. 
Podle energetického výhledu World Energy Outlook 2019 (WEO 2019) existuje v současné ve světové energetice několik zásadních rozporů. Jedná se například o kontrast mezi dobře zásobovanými trhy s ropou a rostoucími geopolitickými napětími a nejistotami v jiných částech světa. Dále je zde propast mezi rostoucím objemem emisí skleníkových plynů a nedostatečně ambiciózními politikami omezit tyto emise, aby byly došlo k naplnění stanovených klimatických cílů. A v neposlední řadě rozpor mezi slibem dostupné energie pro všechny a nedostatečným přístupem k elektřině pro 850 milionů lidí na planetě.
Scénáře, ze kterých závěry WEO 2019 vychází, obsahují různé implementované politiky, různou míru investic, rozdílný rozvoj technologií a další rozhodnutí, která vývoj světového a regionálních energetických systémů ovlivní. Tento energetický výhled se tak snaží nabídnout pohled na to, jak by vývoj energetiky vypadal, kdyby byla učiněna ta, či ona opatření.
<figure id="attachment_77779" class="wp-caption aligncenter" style="width: 525px;"><img class="aligncenter wp-image-77779 size-full" src="https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-scénáře.png" sizes="(max-width: 525px) 100vw, 525px" srcset="https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-scénáře-1024x457.png 1024w, https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-scénáře-512x228.png 512w, https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-scénáře-768x343.png 768w, https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-scénáře-725x323.png 725w, https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-scénáře-800x357.png 800w, https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-scénáře.png 1029w" alt="" width="1029" height="459" /><figcaption class="wp-caption-text">Světová spotřeba energie a emise CO2 spojené s energetikou v jednotlivých scénářích použitých ve WEO 2019. Zdroj: IEA WEO 2019</figcaption></figure>
<h2>Tradiční energetická bezpečnost je stále relevantní</h2>
Útoky v Saúdské Arábii v září 2019 potvrdily, že rizika z oblasti tradiční energetické bezpečnosti jsou stále relevantní a je potřeba jim věnovat pozornost. Zároveň se ovšem objevují nová rizika související s kybernetickou bezpečností, nebo extrémním počasím. Podle odhadů <a href="https://oenergetice.cz/rychle-zpravy/iea-ke-zvysovani-energeticke-ucinnosti-dochazi-prilis-pomalu-rok-2018-nejhorsim-rokem-za-posledni-dekadu/">IEA</a> byla jedna pětina nárůstu globální spotřeby energie v roce 2018 způsobena horkými léty a chladnými zimami.
<a href="https://oenergetice.cz/uhli/iea-rusko-se-stane-roku-2040-nejvetsim-exporterem-uhli/">IEA</a> ve svém energetickém výhledu pro rok 2019 věnovala zvláštní pozornost Africe. Ta bude mít na vývoj světové energetiky čím dál tím větší vliv, a to nejen kvůli očekávanému a významnému růstu počtu obyvatel. Ve scénáři, který pracuje s implementací již oznámených politik (Stated Policies Scenario) je růst spotřeby ropy v Africe do roku 2040 vyšší než v případě Číny. Podobně poroste i spotřeba zemního plynu, mimo jiné i proto, že se v regionu očekává objevení významných ložisek.
<figure id="attachment_77781" class="wp-caption aligncenter" style="width: 525px;"><img class="size-large wp-image-77781" src="https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-Afrika-produkce-plynu-1024x438.png" sizes="(max-width: 525px) 100vw, 525px" srcset="https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-Afrika-produkce-plynu-1024x438.png 1024w, https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-Afrika-produkce-plynu-512x219.png 512w, https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-Afrika-produkce-plynu-768x328.png 768w, https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-Afrika-produkce-plynu-725x310.png 725w, https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-Afrika-produkce-plynu-800x342.png 800w, https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-Afrika-produkce-plynu.png 1060w" alt="" width="525" height="225" /><figcaption class="wp-caption-text">Podíl poptávky, těžba a nových nalezišť zemního plynu severní Afriky, subsaharské Afriky a zbytku světa. Zdroj: IEA WEO 2019</figcaption></figure>
<h2>Poptávku po zemním plynu v EU IEA každoročně snižuje</h2>
Poptávku po zemním plynu v EU<a href="https://www.spglobal.com/platts/en/market-insights/latest-news/natural-gas/111319-iea-cuts-2040-eu-gas-demand-forecast-by-further-22-bcm"> IEA ve scénáři Stated Policies Scenario</a> odhaduje na 386 miliard metrů krychlových (bcm) v roce 2040. Jedná se o pokles 22 bcm oproti loňskému předpokladu, který byl 408 bcm. WEO pro rok 2017 počítal dokonce se spotřebou 454 bcm.
Globální poptávka po <a href="https://oenergetice.cz/plyn/deni-trhu-plynem-nord-stream-2-turkstream-vyjednavani-tranzitu-pres-ukrajinu/">zemním plynu</a> ovšem v tomto scénáři poroste a v roce 2040 dosáhne 5,4 bilionů metrů krychlových plynu. Růst poptávky v USA vyváží výše zmiňovaný pokles v EU.
Podobný rychlý pokles se očekává v domácí produkci zemního plynu v EU. Ze současné úrovně 120 bcm ročně až na 40 bcm v roce 2040 podle WEO 2019. Závislost EU na importech zemního plynu tak dosáhne v roce 2030 téměř 90 %. Rusko a region Blízkého východu by si přitom měly zachovat svou současnou roli jako jedni z nejvýznamnějších exportérů plynu. A to i přesto, že zde budou další exportéři, kteří dosáhnou vyšších podílů na trhu. Bude to kupříkladu Austrálie díky exportu LNG a samozřejmě USA, které se stanou druhým největším exportérem (hned po Rusku) do roku 2025.
<figure id="attachment_77780" class="wp-caption aligncenter" style="width: 525px;"><img class="size-large wp-image-77780" src="https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-produkce-plynu-1024x599.png" sizes="(max-width: 525px) 100vw, 525px" srcset="https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-produkce-plynu-1024x599.png 1024w, https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-produkce-plynu-512x299.png 512w, https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-produkce-plynu-768x449.png 768w, https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-produkce-plynu-725x424.png 725w, https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-produkce-plynu-800x468.png 800w, https://oenergetice.cz/wp-content/uploads/2019/11/WEO-2019-produkce-plynu.png 1175w" alt="" width="525" height="307" /><figcaption class="wp-caption-text">Produkce zemního plynu v jednotlivých světových regionech ve dvou scénářích WEO 2019. Zdroj: IEA WEO 2019</figcaption></figure>

Rychlé zprávy

IEA WEO 2019: Vliv Afriky na vývoj světové energetiky poroste

Podle nového <a href="https://www.spglobal.com/platts/en/market-insights/latest-news/natural-gas/092419-eia-sees-global-natural-gas-consumption-40-higher-by-2050?ite=91147&amp;ito=1449&amp;itq=1b6c3b3c-fcf6-4606-879a-e182005051a7&amp;itx%5bidio%5d=3759698">výhledu budoucího vývoje</a> mezinárodní energetiky americké vládní agentury<a href="https://www.eia.gov/outlooks/ieo/"> U.S. Energy Information Administration</a> (EIA) se globální spotřeba energie zvýší o 50 % do roku 2050. Spotřeba zemního plynu se dle výhledu zvýší o 40 % do roku 2050. 
<a href="https://oenergetice.cz/vetrne-elektrarny/eia-rust-vykonu-vetrnych-turbin-usa-by-pristim-roce-mel-byt-rekordni/">EIA</a> ve svém výhledu vývoje mezinárodní energetiky predikuje, že se globální spotřeba zemního plynu zvýší o 40 % na zhruba 5 600 miliard metrů krychlových (200 kvadrilionů Btu) do roku 2050. Tento nárůst bude hnán především růstem poptávky v průmyslovém a elektroenergetickém sektoru zemí mimo OECD.
Nárůst spotřeby zemního plynu souvisí s očekávaným nárůstem spotřeby energie. Mezi lety 2018 a 2050 EIA očekává vzrůst o 50 %. Očekává se také rapidní nárůst využití obnovitelných zdrojů energie. Poptávka po obnovitelné energii poroste o 3 % ročně. Na konci 40. let 21. století by se tak obnovitelné zdroje měly stát největším zdrojem primární energie na světě a předehnat tak ropu.
<figure id="attachment_76139" class="wp-caption aligncenter" style="width: 419px;"><img class="size-full wp-image-76139" src="https://oenergetice.cz/wp-content/uploads/2019/09/EIA-mix.png" alt="" width="419" height="351" /><figcaption class="wp-caption-text">Očekávaný vývoj spotřeby primární energie. Zdroj: EIA</figcaption></figure>
<h2>Obchod se zemním plynem se zintenzivní</h2>
Užívání zemního plynu v zemích mimo OECD do roku 2050 vzroste o 70 %. V členských zemích OECD bude tento růst mnohem mírnější a užívání plynu tak vzroste pouze o 17 % mezi roky 2018 a 2050. Podle výhledu <a href="https://oenergetice.cz/zahranicni/eia-usa-nejvice-poroste-vyroba-elektriny-plynu-vetru/">USA</a> ve sledovaném období zůstanou hlavním producentem plynu.
Při rostoucím geografickém rozdělení produkce a poptávky po plynu EIA očekává významný nárůst obchodování s plynem. Čisté importy do Asie se do 2050 ztrojnásobí. Spotřeba zemního plynu v Číně vzroste téměř o 190 % a v Indii o 250 %. Dle energetického výhledu se během sledovaného období v obou zemích rozšiřují průmyslové sektory kvůli tomu, že roste střední třída, HDP, výroba elektřiny z <a href="https://oenergetice.cz/rychle-zpravy/fatih-birol-plyn-muze-pomoci-omezit-emise-nejdrive-si-musi-vyresit-sve-problemy/">plynu</a> a populace, což zvyšuje poptávku po spotřebním zboží.  Zpráva tedy predikuje, že se globální exporty plynu plynovody a ve formě LNG více než zdvojnásobí do roku 2050.
Při prezentaci ku příležitosti zveřejnění energetického výhledu ovšem několik prezentujících přiznalo, že zde je mnoho proměnných, které mohou mít na vývoj energetiky významný vliv. Zmíněny byly například snahy snížit emise skleníkových plynů nebo budoucí růst Indie, <a href="https://oenergetice.cz/zivotni-prostredi/obchodni-valka-usa-muze-ohrozit-cinskou-snahu-snizeni-produkce-sklenikovych-plynu/">Číny</a> a jiných zemí mimo OECD.

EIA: Globální spotřeba energie se do roku 2050 zvýší o 50 %

Britský provozovatel přenosové soustavy National Grid ESO <a href="https://www.nationalgrideso.com/media-test/net-zero-carbon-emissions-2050-achievable?fbclid=IwAR1JhAa0flRlQxi_V1EnbSzM_hjIvNsIypiS00VrzNTYkRyRy3SlDyU1NlY" target="_blank" rel="noopener">publikoval studii</a>, ve které zkoumá ve 4 scénářích možnosti vývoje britské energetiky. Do roku 2050 je i v rámci dvou nejvíce optimistických scénářů dosaženo pouze 80% redukce emisí CO2. Kompletní uhlíkové neutrality dosáhnout lze, ale pouze za cenu výrazně většího úspěchu ve všech sledovaných segmentech.
Nedávné výroky a nastavování stále ambicioznějších klimaticko-energetických cílů, ať už od nové <a href="https://oenergetice.cz/evropska-unie/nova-predsedkyne-komise-slibuje-navyseni-cilu-snizovani-emisi-sklenikovych-plynu/">předsedkyně Evropské komise</a>, či od <a href="https://oenergetice.cz/emise-co2/finsko-chce-konce-sveho-predsednictvi-rade-eu-protlacit-dohodu-uhlikove-neutralite-roku-2050/">finského předsednictví v Radě EU,</a> hovoří o kompletní uhlíkové neutralitě v roce 2050.
Samotné Spojené království by na základě zákona z roku 2008 mělo v roce 2050 dosáhnout redukce 80 % emisí CO2. V červnu 2019 se dokonce britský cíl zvýšil na 100% redukci v roce 2050. Studii National Grid ESO tak lze chápat jako komplementární diskuzní materiál a pohled na ambiciózní politické cíle s otázkou, jak by tato budoucnost mohla (měla) být zajištěna.
<h2>4 scénáře</h2>
Britský operátor generuje 4 scénáře, které se vzájemně odlišují očekávanou mírou decentralizace energetiky a rychlostí dekarbonizace. Mezi druhotné indikátory, na jejichž rozdílných hodnotách a mírách naplnění jsou scénáře vystavěny, patří právní podpora, ekonomický růst, zapojenost zákazníků, technologický pokrok a energetická účinnost. Strategické scénáře vznikaly na základě vstupů a konzultací s více než 600 odborníky z průmyslu a energetiky.
<h2><img class="size-medium wp-image-74090 aligncenter" src="https://oenergetice.cz/wp-content/uploads/2019/07/Scénáře_ng-512x303.png" sizes="(max-width: 512px) 100vw, 512px" srcset="https://oenergetice.cz/wp-content/uploads/2019/07/Scénáře_ng-512x303.png 512w, https://oenergetice.cz/wp-content/uploads/2019/07/Scénáře_ng-768x454.png 768w, https://oenergetice.cz/wp-content/uploads/2019/07/Scénáře_ng-725x429.png 725w, https://oenergetice.cz/wp-content/uploads/2019/07/Scénáře_ng.png 786w" alt="" width="512" height="303" /> 
Dopady scénářů</h2>
Dva nejvíce optimistické scénáře, ve kterých se kombinuje jak politická podpora, ekonomický růst i příhodný technologický vývoj (Community renewables a Two Degrees) dosahují pouze 80% redukce emisí CO2. Původní britský cíl z roku 2008 tak lze naplnit, nicméně cíl z června 2019 v podobě uhlíkové neutrality dle studie v rámci zkoumaných 4 scénářu splnit nelze.
Mezi zajímavá očekávání, která jsou shodná napříč scénáři, lze uvést následující body:
<ul>
<li>Všechny scénáře počítají se zvýšeným špičkovým zatížením, včetně ztrát, v intervalu přibližně 68 GW – 83 GW (60 GW v roce 2018)</li>
<li>Do roku 2030 by měla většina domácností dosáhnout na certifikát energetické náročnosti „C“</li>
<li>Přes 35 milionů elektromobilů by následně pomáhalo stabilizovat a integrovat zvyšující se podíl elektřiny z fotovoltaiky (až ve výši 20 % celkové výroby z fotovoltaiky)</li>
<li>V dopravě má spotřeba elektřiny dosáhnout intervalu mezi 65 TWh – 95 TWh ročně</li>
<li>V rámci dvou scénářů je dokonce kalkulováno s nulovou spotřebou ropy v dopravě</li>
</ul>
<h2>Jak dosáhnout „Net Zero“?</h2>
Aby byl naplněn nový cíl, je autory sestaven i speciální pátý scénář (Net Zero), který kombinuje příznivé prvky z vývoje všech ostatních scénářů. Nicméně pro jeho dosažení je dle autorů třeba konat okamžitě a dosáhnout výrazného úspěchu ve všech oblastech.
Dle autorů je například nezbytné na vytápění používat o třetinu méně energie a transformovat plynové distribuční sítě na způsobilé přenášet vodík. Na spalování vodíku je také třeba připravit i veškeré spotřebiče.
Sektor elektroenergetiky by dokonce musel generovat negativní emise (např. kombinací využívání biomasy a zachycování a skladování uhlíku).
<figure id="attachment_74089" class="wp-caption aligncenter" style="width: 512px;"><img class="wp-image-74089 size-medium" src="https://oenergetice.cz/wp-content/uploads/2019/07/Instalovaný-výkon_net-zero-512x309.png" sizes="(max-width: 512px) 100vw, 512px" srcset="https://oenergetice.cz/wp-content/uploads/2019/07/Instalovaný-výkon_net-zero-512x309.png 512w, https://oenergetice.cz/wp-content/uploads/2019/07/Instalovaný-výkon_net-zero-768x464.png 768w, https://oenergetice.cz/wp-content/uploads/2019/07/Instalovaný-výkon_net-zero-235x141.png 235w, https://oenergetice.cz/wp-content/uploads/2019/07/Instalovaný-výkon_net-zero-725x438.png 725w, https://oenergetice.cz/wp-content/uploads/2019/07/Instalovaný-výkon_net-zero-300x180.png 300w, https://oenergetice.cz/wp-content/uploads/2019/07/Instalovaný-výkon_net-zero-800x484.png 800w, https://oenergetice.cz/wp-content/uploads/2019/07/Instalovaný-výkon_net-zero.png 867w" alt="Graf 1: Instalovaný výkon v roce 2050. Zdroj: National Grid" width="512" height="309" /><figcaption class="wp-caption-text">Graf 1: Instalovaný výkon v roce 2050. Zdroj: National Grid</figcaption></figure>
„Poptávka po elektřině by měla narůst až na 491 TWh … V rámci Net Zero by v roce 2050 mělo špičkové zatížení dosahovat 115 GW, což je dvojnásobkem současného stavu,“ uvádí studie.
Vzhledem k extrémně daleké budoucnosti, kterou se studie snaží predikovat, je třeba studii chápat spíše jako zajímavý myšlenkový experiment. Nicméně slovy autorů je cílem studie zejména „stimulovat debatu a poskytnout informace pro budoucí debatu.“

Emise CO2

Britský provozovatel přenosové soustavy: Uhlíkově neutrální energetika je možná, ale málo pravděpodobná

<a href="https://www.energy-storage.news/news/navigant-risk-of-slower-than-expected-price-declines-for-lithium-batteries?fbclid=IwAR3stDXQ3vFHUwDKkv_wVHaWS9qgT2iDVqktVJd-mqGiIUAKma5owIB2-5I">Podle analýzy od společnosti Navigant Research</a> by cena za kWh lithium iontových baterií mohla být 76 dolarů (zhruba 1 700 korun) v roce 2030. Cena v roce 2019 se pohybuje okolo 139 dolarů (zhruba 3 130 korun) za kWh.
<blockquote>„V roce 2019 se ceny snižovaly mnohem pomalejším tempem, než bylo očekáváno po roce 2018,“ uvedl Alex Eller, vedoucí výzkumný analytik.
„Celkově jsou naše dlouhodobé předpovědi pro snižování cen li-ion baterií více konzervativní než předpovědi ostatních společností. My ale věříme, že stále existuje riziko pomalejšího snižování cen, než bylo očekáváno kvůli nedostatku hotových baterií na finálních trzích nebo nedostatku klíčových materiálů.“</blockquote>
V březnu roku 2019 uvedla společnost BloombergNEF analýzu, ve které byla předpovídaná cena v roce 2030 za kWh li-ion baterie 62 dolarů (zhruba 1400 korun). Pokud instalované množství baterií bude větší, než je očekáváno, způsobí to další tlak na snižování cen.
<h3>Integrace obnovitelných zdrojů bude vyžadovat obrovské množství úložišť energie</h3>
Společnost Navigant modelovala ceny pro bateriová úložiště energie pro přenosovou soustavu od výkonu 10 MW s kapacitou 5 MWh až po úložiště s výkonem 10 MW a kapacitou 40 MWh.
<blockquote>„Pro úložiště 10MW/40MWh se průměrná cena v roce 2019 pohybuje okolo 15,8 milionů dolarů. Předpoklad je, že cena v roce 2028 bude za stejné úložiště 9,8 milionů dolarů,“ uvedla společnost Navigant.</blockquote>
Společnost IDTechX vydala studii „Baterie pro stacionární úložiště energie 2019-2029“, která se zaměřuje na země vedoucí v současné době trh s bateriovými úložišti a predikuje trhy, které budou lídry v horizontu 10 let.
Podle IDTechX byla v roce 2018 vystavěna bateriová úložiště s kapacitou 6,2 GWh. Rok 2018 byl tak nazván „pozoruhodným rokem“ pro tuto technologii. Lídrem ve výstavbě stacionárních bateriových úložišť je již po několik let USA, a to zejména díky politickým nástrojům.
Čína i Jižní Korea vystavěly v roce 2018 úložiště s kapacitou převyšující 1 GWh. S takovýmto velkým rozvojem byly samozřejmě spojené i problémy. Kvůli vysoké poptávce v Jižní Koreji výrobci zanedbali kvalitu a několik desítek veřejných bateriových systémů vzplanulo.
Zdroj úvodního obrázku: insideclimatenews.com

Akumulace energie

Navigant Research: Cena li-ion baterií bude nadále klesat pomalejším tempem

Australská agentura pro obnovitelné zdroje ve spolupráci s tamním operátorem trhu <a href="https://arena.gov.au/news/9-million-funding-to-enhance-short-term-forecasting-of-wind-and-solar-farms/" target="_blank" rel="noopener">podpoří více než desítku projektů, které mají za cíl zvýšit přesnost krátkodobého predikování výroby obnovitelných zdrojů</a>. Finanční podpora ve výši bezmála 10 milionů dolarů má pomoci ověřit možnosti předpovídání výroby konkrétních větrných a solárních elektráren z místních dat.
Australská agentura pro obnovitelné zdroje (ARENA), spadající pod australskou vládu, přidělila celkem 9,41 milionů dolarů 11 projektům, které mají ověřit možnosti předpovídání výroby u velkých větrných a solárních farem napříč Austrálií.
Zdroje by tak měly být schopné na základě místních meteorologických údajů předpovídat vlastní výrobu po pětiminutových intervalech a tato data zasílat do systému australského operátora trhu (AEMO).
<blockquote>„Ve spolupráci s AEMO podporujeme tyto testy, abychom výrobcům pomohli vyhnout se neférovým penalizacím za nepřesné předpovědi a zvýšili bezpečnost energetického systému lepším sesouhlasením poptávky s očekávanou výrobou z obnovitelných zdrojů,“ uvedl Darren Miller, výkonný ředitel agentury ARENA.</blockquote>
Těchto 11 farem s celkovým výkonem 3,5 GW podle agentury tvoří zhruba 45 % veškerého výkonu větrných a solárních farem registrovaných na národním trhu s elektrickou energií.
V současné době za předpovídání výroby větrných a solárních elektráren zodpovídá tamní operátor trhu. Pokud jsou předpovědi nepřesné, kdy výrobci nedokáží poskytnout predikovaný výkon či naopak výroba převyšuje původní předpoklady, znamená to zvýšení nestability sítě a růst nákladů na její provoz.
<blockquote>„Podobně jako v případě tradičních zdrojů chceme ukázat, že obnovitelné zdroje jsou schopné poskytovat přesné měření výroby. S téměř polovinou větrných a solárních zdrojů zapojených do projektů v rámci této iniciativy toto povede k lepším podmínkám pro větrné a solární elektrárny, nižším nákladům a přesnějším datům pro AEMO,“ dodal Miller.</blockquote>
<h2>Kamery sledující oblačnost, meteorologické radary či umělá inteligence</h2>
V rámci 11 projektů budou otestovány různé technologie včetně kamer pro snímání oblačnosti, které dokáží vliv přecházejících mraků na solární elektrárny, větrných radarů, japonských meteorologických satelitů či strojového učení.
<blockquote>„Některé solární a větrné farmy ozkouší několik různých technologií a některé technologie budou otestovány na více místech, abychom mohli porozumět výhodám různých přístupů v různých lokalitách. Zlepšení předpovídání výroby z větrných a solárních zdrojů pomůže lépe integrovat variabilní obnovitelnou energii so sítě, omezí síťovou nestabilitu a sníží náklady,“ říká Miller.</blockquote>

Obnovitelné zdroje

Australská vláda podpoří projekty pro zlepšení předpovědi výroby větrných a solárních elektráren

Americká konzultační společnost McKinsey vydala <a href="https://www.mckinsey.com/~/media/McKinsey/Industries/Oil%20and%20Gas/Our%20Insights/Global%20Energy%20Perspective%202019/McKinsey-Energy-Insights-Global-Energy-Perspective-2019_Reference-Case-Summary.ashx">studii Global Energy Perspective 2019</a> k vývoji energetiky pro nadcházející desetiletí. Výsledky šetření, ke kterému přispěli zaměstnanci z poboček společnosti ze všech koutů světa, jsou veskrze velmi pozitivní: vyrovnání soutěžního prostředí mezi OZE a tradičními výrobnami elektřiny, snížení cen baterií a tím i cen elektromobilů a dosažení vrcholu globálních emisí skleníkových plynů.
McKinsey reaguje na vývoj energetických systémů po celém světě a analyzuje dopady změn těchto podmínek na podnikání, státy i jednotlivce. Případové studie zpracovává společnost každoročně, lze tedy mezi nimi porovnávat a určovat, které trendy zaznamenávají rychlý vývoj a které naopak. Letošní analýza se soustředí na pět oblastí:
<ul>
<li>poptávka po energii,</li>
<li>poptávka a nabídka elektřiny,</li>
<li>poptávka po plynu</li>
<li>poptávka po ropě,</li>
<li>globální emise skleníkových plynů.</li>
</ul>
<figure id="attachment_68408" class="wp-caption aligncenter" style="width: 621px;"><img class="wp-image-68408" src="https://oenergetice.cz/wp-content/uploads/2019/03/mckinsey-512x442.png" sizes="(max-width: 621px) 100vw, 621px" srcset="https://oenergetice.cz/wp-content/uploads/2019/03/mckinsey-512x442.png 512w, https://oenergetice.cz/wp-content/uploads/2019/03/mckinsey-768x664.png 768w, https://oenergetice.cz/wp-content/uploads/2019/03/mckinsey-1024x885.png 1024w, https://oenergetice.cz/wp-content/uploads/2019/03/mckinsey-725x627.png 725w, https://oenergetice.cz/wp-content/uploads/2019/03/mckinsey-800x691.png 800w, https://oenergetice.cz/wp-content/uploads/2019/03/mckinsey.png 1031w" alt="" width="621" height="536" /><figcaption class="wp-caption-text">Světová výroba elektřiny v tisících TWh</figcaption></figure>
Závěry studie ukazují na to, že ceny energie z obnovitelných zdrojů budou v mnoha zemích v příštích pěti letech klesat, až dosáhnou bodu, kdy elektřina ze solárních či větrných zdrojů bude z hlediska nákladů konkurenceschopná se zdroji konvenčními.
<figure id="attachment_68438" class="wp-caption aligncenter" style="width: 1058px;"><a href="https://oenergetice.cz/wp-content/uploads/2019/03/RES-parity.png"><img class="wp-image-68438 size-full" src="https://oenergetice.cz/wp-content/uploads/2019/03/RES-parity.png" sizes="(max-width: 767px) 89vw, (max-width: 1000px) 54vw, (max-width: 1071px) 543px, 580px" srcset="https://oenergetice.cz/wp-content/uploads/2019/03/RES-parity.png 1058w, https://oenergetice.cz/wp-content/uploads/2019/03/RES-parity-512x373.png 512w, https://oenergetice.cz/wp-content/uploads/2019/03/RES-parity-768x560.png 768w, https://oenergetice.cz/wp-content/uploads/2019/03/RES-parity-1024x746.png 1024w, https://oenergetice.cz/wp-content/uploads/2019/03/RES-parity-725x528.png 725w, https://oenergetice.cz/wp-content/uploads/2019/03/RES-parity-800x583.png 800w" alt="" width="1058" height="771" /></a><figcaption class="wp-caption-text">Období, kdy se nové fotovoltaické a větrné elektrárny stanou levnějšími než existující plynové (šedá) a uhelné (modrá) zdroje</figcaption></figure>
McKinsey dále zjišťuje, že vzhledem k poklesu nákladů na výrobu a pořízení baterií bude v nadcházejícím desetiletí docházet i k prudkému poklesu cen elektromobilů, které mají našlápnuto k tomu být ekonomičtějším řešením než vozidla se spalovacími motory. To platí i pro oblast lehké nákladní dopravy.
Třetím důležitým bodem je pak předpověď dosažení vrcholu v globální produkci emisí skleníkových plynů. K tomu má dojít již kolem roku 2025 a posléze mají celosvětové emise začít klesat. Nemělo by přitom dojít ke zpomalení hospodářského růstu.
<figure id="attachment_68440" style="width: 763px" class="wp-caption aligncenter"><a href="https://oenergetice.cz/wp-content/uploads/2019/03/Co2.png"><img class="size-full wp-image-68440" src="https://oenergetice.cz/wp-content/uploads/2019/03/Co2.png" alt="" width="763" height="661" srcset="https://oenergetice.cz/wp-content/uploads/2019/03/Co2.png 763w, https://oenergetice.cz/wp-content/uploads/2019/03/Co2-512x444.png 512w, https://oenergetice.cz/wp-content/uploads/2019/03/Co2-725x628.png 725w" sizes="(max-width: 706px) 89vw, (max-width: 767px) 82vw, 740px" /></a><figcaption class="wp-caption-text">Světové emise CO2 v energetice</figcaption></figure>
Celá studie je ke zhlédnutí <a href="https://www.mckinsey.com/~/media/McKinsey/Industries/Oil%20and%20Gas/Our%20Insights/Global%20Energy%20Perspective%202019/McKinsey-Energy-Insights-Global-Energy-Perspective-2019_Reference-Case-Summary.ashx" target="_blank" rel="noopener">zde</a>.

Ekonomické analýzy

McKinsey: OZE a bateriová úložiště se stanou do deseti let rentabilními

Na závěr seriálu věnovaného predikcím v energetice Vám přinášíme exkluzivní pohled do zákulisí jejich praktického využívání. Význam predikcí pro obchodování s plynem a elektřinou nám přiblížil Jan Starý, který zajišťuje ve společnosti MND optimalizaci nákupu komodit a také vyvíjí strategie pro automatické obchodování.
MND je evropskou skupinou podnikající převážně v naftovém a plynárenském odvětví. Podniká napříč celým spektrem aktivit v oblasti těžby ropy a zemního plynu v ČR, Německu, Rusku a na Ukrajině. Pražská část skupiny se soustředí na obchodování různých komodit nejen na evropských trzích a také na prodej energií koncovým zákazníkům.
<h3>Jan Starý &#8211; MND</h3>
Jan Starý pochází z technického prostředí, vystudoval VŠCHT v Praze. Na magisterských studiích se zaměřil na operační výzkum. V MND začal pracovat začátkem roku 2014, kdy společnost právě přebírala portfolio zákazníku Elektrárny Chvaletice. Toto byla pro firmu nová oblast, která nabídla spoustu prostoru pro implementaci nových přístupů.
<blockquote>
„První modely samozřejmě vznikaly jako všude v Excelu. Poměrně rychle jsme tento přístup nahradili komplexnějším systémovým řešením. Postupem času nás uhranuly možnosti open source platformy Python, na níž teď plynule přecházíme. Během této doby u nás vzniklo oddělení spekulativního tradingu, které se zaměřuje na různé komodity napříč trhy, což ohromně rozšířilo možnosti pro analytický přístup.“
</blockquote>
V MND pracuje na pozici Senior Quantitative Analytik, ve které má na starosti dvě hlavní oblasti &#8211; optimalizaci nákupu pro portfolio koncových zákazníků a vývoj kvantitativních strategií pro automatické obchodování a podporu tradingu. Název pozice je obtížně přeložitelný do češtiny a lze v něm nalézt odkaz na metody operačního výzkumu.
<blockquote>
„Energetika a data science jsou oblasti, které si k sobě ve větší míře teprve začaly hledat cestu a já se snažím, aby nám v MND neujel vlak. Spolupracuji na tom s týmem skvělých lidí, ať už programátorů, obchodníků i analytiků.“
</blockquote>
Jak v MND využíváte predikční nástroje, co všechno predikujete a proč?
Predikční nástroje využíváme jak pro potřeby retailu (dodávky koncovým zákazníkům), tak tradingu (obchodování s komoditami).  Z pohledu retailu predikujeme dlouhodobou spotřebu ve formě hodinového diagramu koncových zákazníků, kterou následně upravujeme s blížícím se obdobím dodávky. Důvodem je optimalizace nákupů, kdy na velkoobchodních trzích nakupujeme standardizované produkty jak v Čechách, tak i například v Německu. V daný den dodávky už ale volíme trochu rozdílný přístup, kdy místo optimalizace samotné predikce spotřeby zákazníků vyhodnocujeme aktuální bilanci přenosové soustavy a snažíme se odchylku našeho nákupu od reálné spotřeby posouvat tak, abychom tím pomohli udržet soustavu v rovnováze. Pro tuto optimalizaci využíváme vnitrodenní obchodování v rámci regionu střední a západní Evropy. Také se snažíme vhodně upravovat výkon vlastních flexibilních zdrojů.
Zmínil jste, že využíváte predikce také pro potřeby tradingu.
Přesně tak, z pohledu tradingu predikujeme kde co. Snažíme se například hrát na rozdíl ceny elektřiny bilaterálních kontraktů (OTC) proti krátkodobým trhům. Zatímco pro forwardové obchody je pro ČR jasným tvůrcem ceny Německo, na krátkodobých trzích díky market couplingu často cena uskočí podle bilancí Maďarska. Pro nás to například znamená zaměřit se na predikce vodních elektráren na Balkáně, sledovat možné odstávky klíčových zdrojů v Maďarsku a Slovensku apod. Zajímavá oblast je také rozdíl cen hodin ve špičce (peak) a mimo ní. Na českém trhu není tolik hráčů, kteří by byli ochotni na dlouhé pozici obchodovat peak produkty, proto je zajímavé predikovat rozdíl těchto cen na spotovém trhu. Skladovatelnost elektřiny je velmi omezená, a tudíž musí být soustava vybalancovaná na straně dodávky i spotřeby, což nabízí zajímavé možnosti pro spekulaci na vývoj ceny. Velký vliv mají ne zcela efektivní podmínky pro výkup obnovitelných zdrojů, které v konečném důsledku vychylují cenu na vnitrodenním trhu od záporných hodnot až ke stovkám EUR za dodanou MWh.
Jaká data ke svým predikcím využíváte a z jakých zdrojů tato data čerpáte?
V podstatě ať predikujeme cokoliv, začínáme autoregresními modely a teprve následně hledáme cestu ke zlepšení skrz další faktory. Stahujeme veškeré ceny všech možných produktů a burz, data o přeshraničních a výrobních kapacitách, plánované odstávky v celém evropském regionu nebo realizované toky jednotlivých komodit. Pro spotové produkty jsou pro nás velmi důležité výstupy z různých modelů predikující počasí. Kromě časových řad ale stahujeme i například fotografie z webových kamer, případně textové články z různých zpravodajských serverů.
Jak byste charakterizoval význam predikování pro obchodníky s elektřinou a plynem?
V MND vnímáme predikce jako klíčový faktor, který nám poskytuje konkurenční výhodu. V dnešní době minimálních marží je nutné odhalovat neefektivnosti na trhu právě správnou predikcí.
Co pro Vás znamená úspěšná predikce a jak ji vyhodnocujete?
Je to pro nás opravdu klíčová otázka. Správně definovaná odpověď v dané oblasti teprve umožňuje predikci efektivně využít. Například se můžu zaměřit na predikci regulační energie. Pokud budu predikovat konkrétní hodnotu v nějakém intervalu, nebude predikce nikterak úspěšná a výstup bude nepoužitelný. Když se ale zamyslíte nad tím, že jde pouze o znaménko regulační energie a přidáte k tomu určitý odhad přesnosti této predikce, umožní vám to poměrně jednoduše spočítat cenové pásmo, ve kterém by se měla cena na trhu pohybovat. Šířka cenového pásma je pak dána přesností modelu a díky volatilitě, která je pro spotové trhy charakteristická, můžeme poměrně často identifikovat tržní příležitosti.
Co by podle Vás měl umět dobrý predikční systém?
Dobrý predikční systém je v praxi ten, který je efektivní. Pokud například budu schopen predikovat s vysokou přesností něco, co odhadne většina trhu, není to rozhodně tak cenné, jako méně přesná predikce něčeho, co trh neočekává. To je důvod proč naši energii nesoustředíme například na neustálé vylepšování predikčních modelů spotřeby koncových zákazníků, ale spíše hledáme nové pohledy, které nám pomůžou náklady spojené s odchylkou modelu mnohem efektivněji vyřešit. Z analytického pohledu je také nutné dodržet určité principy &#8211; například zpětné testování pomáhá rychle odhalit jak chyby, které mohly vzniknout při vývoji modelu, tak i měnící se situaci na trhu.
Jaká jsou podle Vás aktuálně největší úskalí predikce?
Z mého pohledu je největším úskalím rychlý vývoj, kterým si teď energetika prochází. Díky masivnímu nástupu obnovitelných zdrojů, díky cenovým výkyvům a díky tomu, že legislativa ne vždy dokáže na tyto změny pružně reagovat, vznikají na trhu situace, které byly před pár lety scifi. Můžu zmínit třeba záporné ceny na denním trhu, kdy je přebytek elektřiny tak velký, že jsou výrobci ochotni platit za dodanou komoditu. Tyhle nové situace se opravdu těžko predikují, ale zároveň je vnímáme jako ohromnou příležitost pro náš byznys.
Spoléháte se při tvorbě predikcí na vlastní řešení a své know how nebo využíváte již hotové produkty dostupné na trhu?
Jelikož je trading hra s nulovým součtem, je vždy výhoda vědět něco, co ostatní hráči netuší. I v retailu je pro nás predikce a s ní spojené nacenění dodávky koncovým zákazníkům oblast, která nabízí potenciál získat výhodu. Samozřejmě nechceme plýtvat energii na vývoj něčeho, co už je na trhu dostupné v dobré kvalitě, na druhou stranu se ale často ukazuje, že je třeba i hotové produkty upravovat pro naše konkrétní účely.
Jak přistupujte ke stanovování předpokladů, ze kterých Vaše predikce vycházejí?
Jednoduše, aby predikce měla smysl, musí být na jejím základě možné generovat zisk. Například z našeho pohledu je hodnotnější predikovat právě bilanci soustavy, kde se úspěšnost predikce přehoupne stěží přes 80 %, než predikovat konečnou spotřebu našeho portfolia, kde je chyba řádově nižší. Predikce vám dá vždycky určitou informaci a její spolehlivost. Smysl je v tom, jak tuto kombinaci dokážete úspěšně přetavit v konkrétní výsledek/obchod. Prvotní impuls pro stanovení předpokladů chodí vždycky z businessu – podíváme se na to, kde vidí obchodník příležitost a otestujeme odlišné přístupy. Začínáme jednoduchými prototypy a když to začne dávat smysl, jdeme dál. Konkrétní příklad: Začneme si hrát s autoregresními modely pro predikci regulační energie, přetavíme to ve výpočet limitní ceny pro bid na vnitrodenním trhu a pokud to funguje, jdeme do detailu. Můžeme si například začít hrát s analýzou obrazu z webových kamer a jejich vlivem na výrobu FVE – to už ale predikujeme konkrétní složku původního modelu.
Jak vnímáte příležitosti nebo hrozby plynoucí ze Zimního energetického balíčku (například pokud jde o tzv. agregátory)? Jaké očekáváte dopady plynoucí z nové unijní energetické legislativy do oblastí, kterými se v MND zabýváte?
Je to zajímavá příležitost a krok vpřed. Je těžké odhadnout, do jaké míry budou mít spotřebitelé zájem obchodovat s přebytky na spotovém trhu, ale nabízí se tu příležitost vyvinout novou platformu, která přístup na tento komplexní trh konečným uživatelům usnadní. Navíc se přímo nabízí propojení s konceptem virtuální elektrárny a případné nabídky virtuální akumulace přebytků. Ostatně pokusy o podobné přístupy už na našem trhu vidíme, dle mého názoru je ale potřeba odpoutat se od přístupu, kdy se snažíme zákazníka tímto způsobem zafixovat a místo toho hledat uplatnění pro úplně nový obchodní koncept.
Jak vnímáte likviditu na evropských trzích s elektřinou a plynem a jak si v tomto ohledu z Vašeho ohledu stojí ČR?
Tohle je otázka na trading. Obecně je na elektřině hlavním trhem Německo, u nás sice určitá likvidita je, ale špičkové produkty děláte víceméně s jedním hráčem. Ostatní lokace se dělají spíše finančně přes burzu. Na spotu už se situace trochu zlepšuje díky flow based mechanismům, které umožňují efektivně stanovit cenu napříč propojenými lokacemi. Aktuálně se spouští XBID platforma, která tyto mechanismy aplikuje na vnitrodenní trh.
Jak se podle Vás bude v následujících 2-3 letech vyvíjet spotřeba elektřiny a plynu?
Jelikož jde evropská ekonomika stále silně nahoru, měla by i celková spotřeba komodit narůstat. Zároveň tu máme silnou evropskou ekologickou iniciativu, která často tlačí trh k nelogickým krokům. Oba tyto faktory vedou k růstu ceny, což ale vytvoří prostor pro různá nová úsporná řešení a to by mělo růst spotřeby výrazně přibrzdit. Velmi zajímavý potenciál je v takzvaném internetu věcí a digitalizaci. Tato oblast v budoucnu nesporně umožní mnohem efektivněji pracovat s energiemi a dosáhnout zmiňovaných úspor.
Na našem serveru v diskuzním fóru je dlouhodobě konfrontována klasická energetika s decentrálním přístupem k výrobě prostřednictvím OZE. Můžete popsat jaké dopady na Vaše podnikání mají neplánované odstávky systémových zdrojů typu elektrárny Chvaletice ve srovnání s výrobou OZE závislých na počasí.
Myslím, že je potřeba pochopit, že OZE i přes mnoho výhrad a nedostatků jsou aktuálně tím silným trendem, který náš region bude následovat. Bohužel se ne vždy šlo v tomto směru efektivní cestou, do značné míry to je spojené s politickým lobby. Na druhou stranu s tím, jak se bude posouvat vývoj způsobů akumulace energie, tak bude tento trend dávat větší smysl. Ohledně výpadků &#8211; pokud vám neplánovaně zmizí ze soustavy 500 MW výkonu, moc s tím nevymyslíte, bilance bude v nedostatku, cena vyletí k hranici 100 EUR/MWh a vy se můžete modlit, ať jste s odchylkou vlastního portfolia na správné straně. Co se týče odchylek OZE, tam je aktuálně obrovský vývoj. Už vznikly společnosti, které se zaměřují pouze na tento druh predikce a poměrně dobře na trhu fungují. Je to o efektivním nastavení mechanismů vypořádání těchto odchylek a myslím, že ČEPS je v tomhle směru velmi unikátní a vytváří skvělé tržní prostředí, které zvládá celkem slušně balancovat soustavu samo a nabízí dobré podmínky pro rozvoj flexibilních zdrojů. Například v Německu nesmíte být bez portfolia v odchylce vůbec, na Slovensku zase máte mrtvý vnitrodenní trh.

Rozhovory

Jan Starý (MND): Méně přesná predikce neočekávaných tržních situací přináší zajímavé obchodní příležitosti

Předchozí díly seriálu objasnily, co vše lze predikovat a proč je to důležité, jaké predikční metody  jsou v oblasti energetiky využívány a co se dá považovat za dobrý predikční model. Poslední článek této série odpoví na otázku, jak by měla vypadat predikce v praxi a co konkrétně má umět software určený k predikcím.
V předchozích dílech série bylo řečeno mnohé o tom, že spolehlivá predikce musí být založena zejména na správném predikčním modelu. Většina dodavatelů nástrojů určených pro predikce se tak i proto předhání v dosahování lepší přesnosti svých výpočtů a ladí své algoritmy k vysněné dokonalosti. Z praktických zkušeností ovšem vyplývá, že velkou slabinou firem využívajících predikční software je nastavení spolupráce okolních systémů, datových zdrojů a uživatelů s vlastním predikčním softwarem.
Existuje tak celá řada úloh a úkonů souvisejících s nejbližším okolím predikčního nástroje, kterým není věnována dostatečná pozornost, případně jsou prováděny manuálně, což zvyšuje riziko chyby. To má ve výsledku velice negativní dopad na výstupy, a tedy i na návazná obchodní rozhodnutí. Proto je dobré tyto úlohy, které budou v následujících odstavcích blíže popsány, podpořit vhodným systémem. Systematizace těchto aktivit prostřednictvím vhodného informačního systému či softwarového nástroje minimalizuje pravděpodobnost zanesení chyby způsobené lidským faktorem. Odměnou za tuto systematizaci je pak dosahování stabilních a velmi přesných výsledků predikce.
<h2>Stahování dat</h2>
Alfou a omegou jakékoliv predikce jsou kvalitní vstupní data. Problémem ovšem často bývá to, jak zajistit konzistenci, validitu a úplnost těchto dat. Vstupní data obvykle pocházejí z velkého množství zdrojů, bývají uchovávána v různorodých formátech a jsou dostupná v různých úrovních kvality. Kvalita dat je určena především tím, zda pocházejí z veřejně dostupných bezplatných zdrojů nebo se jedná o placený zdroj dat.
Vhodný nástroj by si měl poradit s automatickým stahováním dat z nejčastěji používaných zdrojů. Z těchto zdrojů lze jmenovat například Operátora trhu s elektřinou (OTE), provozovatele přenosových a distribučních soustav (ČEPS, ČEZ Distribuce, apod.), ČHMÚ nebo YR.NO jako příklady zdrojů meteorologických dat či energetické burzy (mj. PXE nebo EEX).
<h2>Ověřování dat</h2>
Poté, co jsou data automatický stažena, je nutné kontinuálně monitorovat jejich kvalitu. Na trhu je dnes velké množství nástrojů pro čištění dat, které se dají pro tuto úlohu dobře využít. V ideálním případě by však tuto úlohu měl plnit samotný predikční nástroj při každém získání nových dat z jakéhokoliv datového zdroje. Ověření či datové validace jsou pak realizovány prostřednictvím předem daných validačních postupů, které podle typu dat či zdrojů stanoví, co vše je potřeba kontrolovat a případně napravit.
Typicky se u dat na vstupu do predikčních modelů kontroluje úplnost, při které by mělo dojít k upozornění na případné chybějící úseky měření. Dále se ověřuje smysluplnost, kdy kontrola například upozorní například na situaci, že fotovoltaická elektrárna vyráběla v noci. Ověřuje se také konzistence dat, zda jsou záznamy v souladu s historickým vývojem. Ověřit tyto vlastnosti je nutné nejen u vstupních dat, ale i u dat na výstupu. Musí tedy dojít k ověření, že predikované hodnoty se pohybují v standardním předpokládaném rozpětí.
<figure id="attachment_52897" style="width: 1024px" class="wp-caption aligncenter"><img class="wp-image-52897 size-large" src="http://oenergetice.cz/wp-content/uploads/2018/06/priklad-validacniho-postupu-1024x562.png" alt="Ilustrace validačního postupu pro ověřování dat" width="1024" height="562" /><figcaption class="wp-caption-text">Ilustrace validačního postupu pro ověřování dat</figcaption></figure>
<h2>Notifikace</h2>
V návaznosti na ověřování datové kvality by měl nástroj umožňovat nastavení notifikací či alarmů, které uživatele upozorní na nestandardní či nežádoucí situace. Upozorňovat je možné také na případy, kdy jsou porušena některá kritéria datové kvality. Notifikace takovýchto událostí umožňují začít s řešením problémů dříve, než dojde k použití nevhodných dat, což by mělo za následek snížení přesnosti predikce. Notifikace mohou být doručovány jedním nebo vícero kanály, typicky emailem, SMS zprávou nebo pop-up oknem přímo v predikčním nástroji.
Stejně jako u ověřování dat jsou notifikace potřebné jak na vstupu, kdy nástroj kontroluje kvalitu vstupních dat, tak i na výstupu. Komplexní predikční nástroj by totiž měl být také schopen upozorňovat na situace, kdy například některá z predikovaných veličin překročí předem definovanou hodnotu.
<h2>Doplňování a oprava dat</h2>
Jakmile dojde k zachycení nežádoucí situace na úrovni vstupních dat, je nutné provést jejich úpravu. Systém může upozornit uživatele, že je potřeba manuálně upravit či doplnit data. Manuální doplnění bývá umožněno klasickým importem dat z Excelu, XML souboru aj. V určitých případech může systém provést nápravu či doplnění sám, když použije některou z dostupných metod.
Mezi často používané metody patří inteligentní interpolace. Například metoda Spline, vhodná pro aproximaci kratších úseků (jedná se o polynomickou funkci definovanou v intervalech), či metoda energetického posunu (automatické doplnění časové řady podle předchozího období s ohledem na víkendy a svátky). Tyto metody je pochopitelně nutné volit dle vhodnosti a případně je kombinovat.
<h2>Výpočet predikce</h2>
Samotnému modelu či predikčnímu algoritmu byl věnován <a href="http://oenergetice.cz/ostatni/predikce-energetice-3-ziskavani-vstupnich-dat-vlastnosti-predikcniho-modelu/">samostatný článek série</a>, v této části bude proto uvedeno, jak by mělo vypadat vhodné prostředí pro výpočty, tzv. výpočetní jádro. Výhodou dnešních pokročilých nástrojů je mj. možnost parametrizace výpočtů bez potřeby znalosti programovacích jazyků či pokročilé matematiky.
Dnes tak lze modely ladit prostřednictvím uživatelského rozhraní, aniž by se muselo zasahovat do zdrojového kódu. Nástroje používané v dnešní době umožňují pouze prostřednictvím myši poskládat složité vzorce o mnoha proměnných a ty okamžitě testovat (tzv. drag &amp; drop). Vzhledem k tomu, že se typicky pracuje s velkými objemy dat, predikční nástroje by měly běžet na odpovídající infrastruktuře. Predikční nástroje by měly také poskytovat uživateli rychlou zpětnou vazbu v podobě okamžitých výpočtů a grafických vizualizací výstupů. Výpočetní jádro by si mělo také poradit se začleněním již naprogramovaných řešení v otevřených formátech, především v případech kdy např. existuje vhodný model napsaný v programovacím jazyku R či v Matlabu.
Výpočet samotný se dá rozdělit do dvou částí, první část se stará o poskládání predikované křivky a druhá o její vlastní predikci. Při skládání křivky je nutné započítat dynamiku portfolia, změny v jeho struktuře (příchozí a odchozí zákazníky). Pro dosažení vyšší přesnosti je dobré vhodně zkombinovat metodiky predikce shora a zdola. Vlastní algoritmy predikce pak kombinují matematické zákony (regrese, korelace), fyzikální zákony (saturace) se snahou vyjádřit lidské chování v predikčním algoritmu. Model jako celek pak může simulovat omezený ekosystém spotřeby a výroby elektrické energie.
<figure id="attachment_52898" style="width: 512px" class="wp-caption aligncenter"><img class="size-medium wp-image-52898" src="http://oenergetice.cz/wp-content/uploads/2018/06/vizualizace-predikcni-krivky-512x358.png" alt="Příklad vizualizace predikční křivky" width="512" height="358" /><figcaption class="wp-caption-text">Příklad vizualizace predikční křivky</figcaption></figure>
<h2>Reporting</h2>
Jakmile je k dispozici predikce vypočtená na základě relevantních dat, dochází k předávání výstupů v požadovaném formátu na potřebná místa a v daném čase. Takový report může obsahovat jednu predikci (křivku) a nebo zobrazovat jednotky až desítky výstupů, jejichž obsah je přizpůsoben potřebám konkrétních uživatelů. Zobrazení výstupů může být přizpůsobováno jak z pohledu reportovaných veličin (spotřeba, výroba, odchylka, směr odchylky, vývoj cen, …), tak z pohledu formátu (grafy, tabulky, interaktivní mapy, …).
Přestože je reporting běžnou součástí většiny dnešních softwarových nástrojů, je třeba myslet na to, aby byl reporting dostatečně flexibilní. Každý uživatel totiž může mít odlišné požadavky na zobrazované výstupy. V ideálním případě by měl umožňoval zobrazovat (nebo dokonce pouštět) výpočty/reporty z nástrojů, na které jsou uživatelé běžně zvyklí &#8211; nejčastěji MS Excel či jiné aplikace z rodiny MS Office.
<h2>Závěr</h2>
Ať už je pro podporu predikcí zvolen více či méně komplexní nástroj, vždy by měl splnit následující vlastnosti:
<ul>
<li>měl by být použitelný (nekomplikovat lidem život, ale pomáhat jim),</li>
<li>škálovatelný (zatímco dnes stačí jednoduchý nástroj, měl by růst s velikostí organizace),</li>
<li>bezpečný (zejména dnes, kdy se ke všem aplikacím přistupuje vzdáleně z internetu)</li>
<li>a hlavně funkční z pohledu účelu, kvůli kterému byl pořízen.</li>
</ul>
Pokud se nacházíte v situaci, kdy by vám mohl pomoci nástroj podobný tomu, který byl popsán v tomto článku, kontaktuje <a href="mailto:ondrej.synek@unicorn.com">Ondřeje Synka (ondrej.synek@unicorn.com)</a>, autora tohoto dílu série, alternativně zanechte komentář níže.
<h3>Poděkování autora série</h3>
Za poskytnutí námětu, podkladů, cenných rad a informací bez, kterých by seriál nevznikl, a také za vstřícný přístup děkuji Ondřeji Synkovi a Martinovi Hrubému ze společnosti Unicorn Systems.

Ostatní

Predikce v energetice 5: Vhodný predikční nástroj

<a href="http://oenergetice.cz/ostatni/predikce-energetice-3-ziskavani-vstupnich-dat-vlastnosti-predikcniho-modelu/" target="_blank" rel="noopener noreferrer">V minulém díle</a> byly představeny základní charakteristiky predikčního modelu obchodní spotřeby elektřiny a plynu. Dnešní díl bude zaměřen na některá úskalí související s predikováním spotřeby elektřiny a plynu.  Na co je dobré dávat při predikcích pozor? Jak při predikcích přistupovat k minulosti a budoucnosti? Jak může počet vstupů a výstupů ovlivnit přesnost predikce a jak přistoupit k variabilitě portfolia, jehož spotřeba se predikuje? To vše bude naznačeno v následujících odstavcích.
<h2>Doby dávno minulé</h2>
Predikce spotřeby v energetice mohou vycházet z velmi dlouhé časové řady vzhledem k dobré dostupnosti historických dat. Jedno ze základních pravidel při vytváření predikčního modelu však právě před predikcí z velmi starých dat varuje. Odvětví energetiky platilo v minulém století za velmi stabilní a to i v horizontu desetiletí, protože v něm nedocházelo k náhlým, prudkým a neočekávaným změnám. Na přelomu tisíciletí však došlo k výraznému posunu celého sektoru, který se stal mnohem dynamičtějším a to především v souvislosti s nástupem nových technologií, obnovitelných zdrojů a rozvoje výpočetní techniky. A tak to, co platilo před deseti lety, již dnes může být zcela jinak.
Příkladem, který dobře ilustruje proměnu odvětví, je vývoj sezónní spotřeby elektřiny. Před deseti lety nebyl v letním období patrný nárůst spotřeby elektřiny související s provozem klimatizačních jednotek v letních měsících. Dnes ovšem provoz klimatizací spotřebu v létě ovlivňuje tak, že s růstem teploty o 1 °C roste spotřeba o 2 % právě kvůli spotřebě chladicích jednotek. Vzhledem k závislosti spotřeby elektřiny i plynu na počasí je evidentní, že počasí patří mezi významné a z historického pohledu také poměrně variabilním vstupy, které ovlivňují přesnost predikce spotřeby. Je tedy žádoucí, aby predikční model byl adaptivní a reflektoval aktuální vývoj v energetickém sektoru i změny související s měnícím se klimatem.
<h2>Budoucnost a chování spotřebitelů</h2>
Stejně jako zahrnutí příliš dávných historických dat do modelu může být problematická i predikce přespříliš vzdálené budoucnosti. Predikce na mnoho let dopředu je značně obtížná, jelikož se začne více spoléhat na očekávání. Negativní vliv očekávání na predikce ilustruje predikce vývoje cen elektřiny v minulých deseti letech. V této době se predikovalo výrazně rychlejší obnovení růstového trendu ceny silové elektřiny po minulé hospodářské krizi. Jenže v regionu střední Evropy cena silové elektřiny narazila na své dosavadní dno teprve až počátkem roku 2016.
Nezanedbatelným faktorem, který ovlivňuje výsledky predikce spotřeby, ať už se jedná o podniky nebo domácnosti, je individuální chování jednotlivých odběratelů. Při tvorbě predikce je tak nutné uvažovat vliv státních svátků, zvýšenou pozornost je nutné věnovat především těm, které nemají pevné místo v kalendáři. Vliv na spotřebu mají i školní prázdniny nebo celozávodní dovolené, jejichž výskyt může být v rámci roku také variabilní.
<h2>Cenové signály</h2>
Dalším faktorem, který by s nástupem smart grids měl ovlivňovat spotřebu stále více, je cena elektřiny. Již nyní mohou spotřebitelé plánovat svou spotřebu dle harmonogramu spínání nízkých tarifů, které řídí systém hromadného dálkového ovládání (HDO). Jakmile se rozšíří chytré měření spotřeby, tzv. smart metering a internet věcí (IoT), budou spotřebitelé mít daleko širší možnosti, jak řídit spotřebu v závislosti na aktuální ceně elektřiny.
Spotřeba elektřiny tedy bude se zavedením těchto technologií v průběhu dne oproti současnosti výrazně variabilnější. Národní akční plán pro smart grid (NAP SG) ovšem předpokládá postupné zavedení chytrých sítí a s nimi souvisejících opatření v několika etapách v horizontu až do roku 2040. Ve střednědobém výhledu lze tedy stále počítat s tím, že vliv ceny elektřiny na její spotřebu bude určovat především HDO.
<figure id="attachment_52723" style="width: 884px" class="wp-caption aligncenter"><img class="wp-image-52723 size-full" src="http://oenergetice.cz/wp-content/uploads/2018/06/predikce-ilustrcni-foto-What-Things-Make-a-Grid-Smart-and-their-operation.jpg" alt="Ilustrace konceptu smart grid. Zdroj: www.solarguidebook.com" width="884" height="422" /><figcaption class="wp-caption-text">Ilustrace konceptu smart grid. Zdroj: www.solarguidebook.com</figcaption></figure>
<h2>Příliš mnoho vstupů</h2>
Z pohledu výrobce je pro predikci výroby nutné brát v úvahu ceny energetických komodit, emisních povolenek a další ekonomické faktory, které mají často přesah i do politiky. Při tvorbě predikčního modelu pro obchodníka tak vzniká komplexní systém obsahující mnoho proměnných, z nichž každá má různou míru významnosti. Některé vstupy do modelu jako např. počasí musí být samy predikovány a nejistotu způsobenou jejich predikcí je nutné v modelu také uvažovat. Výsledný model však stále musí co nejlépe odpovídat skutečnému stavu světa a při tom zůstat přehledný a pochopitelný pro uživatele, kteří s ním pracují.
Velké množství vstupů v predikčním modelu ovšem automaticky neznamená přesnější výstupy, naopak přemíra vstupů často vede k zanášení chyb do výsledku. Rostoucí chyba v souvislosti s rostoucím počtem vstupů je způsobena nepřesností měření, případně odhadem jednotlivých vstupních parametrů. Navíc s rostoucím počtem vstupů bude pravděpodobně docházet k potlačení významu těch veličin, na jejichž vývoji je přesnost predikce nejvíce závislá.
V energetice je také možné setkat se s obdobou efektu motýlích křídel, kdy i malá změna počátečních podmínek může mít významný dopad na celý systém. Některé regionální události tak například dokáží ovlivnit cenu a spotřebu elektřiny v kontinentálním i celosvětovém měřítku. Například když vítr roztočí rotory německých větrných elektráren, poklesnou ceny elektřiny nejen v Německu. Americká hypoteční krize zase vedla ke kolapsu cen energie a poklesu její spotřeby nejen v USA. Při tvorbě predikcí je tedy nutné sledovat vývoj okrajových podmínek a zasazovat je i do kontextu globálního vývoje.
<figure id="attachment_52728" style="width: 1731px" class="wp-caption aligncenter"><img class="wp-image-52728 size-full" src="http://oenergetice.cz/wp-content/uploads/2018/06/cena-elektriny-vyroba-vetrne-elektrarny-Nemecko-leden-2018-vte-wind-1.png" alt="Ilustrace vlivu výroby větrných elektráren na cenu elektřiny. Výroba německých větrných elektráren (zeleně), průměrná cena elektřiny na vnitrodenním trhu na EEX v lednu 2018 (modře) a zatížení německé soustavy černě. Zdroj:www.energy-charts.de" width="1731" height="546" /><figcaption class="wp-caption-text">Ilustrace vlivu výroby větrných elektráren na cenu elektřiny. Výroba německých větrných elektráren (zeleně), průměrná cena elektřiny na vnitrodenním trhu na EEX v lednu 2018 (modře) a zatížení německé soustavy (černě). Levá osa &#8211; výkon v GW, pravá osa &#8211; cena elektřiny v eurech za MWh. Zdroj:www.energy-charts.de.</figcaption></figure>
<h2>Verifikace dat</h2>
Ani nalezení optimálního počtu vstupů však nestačí k tomu, abychom získali výstupy s potřebnou přesností. Vstupní data je totiž nutné před jejich použitím v modelu verifikovat, aby do modelu nezanášela chybu. Může se totiž stát, že dojde ke stažení špatného nebo poškozeného datového souboru, případně k chybě měřícího zařízení.
Tato nesprávná data musí být odstraněna nebo opravena před tím než se použijí jako vstupy do predikčního modelu. K ověření dat menšího rozsahu je možné využít manuální verifikaci, kdy vstupní data projde uživatel a potvrdí jejich správnost. Pro rozsáhlejší datové soubory je již nutné využít automatickou verifikaci, kdy je validita dat ověřována algoritmy, jež mají za účel potvrdit konsistenci a smysluplnost vstupních dat.
<h2>Variabilní portfolio</h2>
Dalším úskalím predikce pro obchodníky s elektřinou je to, že se musejí potýkat s proměnlivostí jejich portfolia  jehož součástí jsou jak spotřebitelé, tak výrobci elektřiny. Výrobu elektřiny lze při tvorbě modelu chápat jako zápornou spotřebu, což omezí úlohu pouze na predikci spotřeby. Pro vlastní predikování je pak možné využít buď predikci zdola (bottom-up), nebo predikci shora (top-down).
Při predikci top-down se rovnou predikuje celkový součet spotřeb jednotlivých odběrných míst z portfolia. Výhodou tohoto přístupu je, že dochází k synergickému efektu, když se chyby související s predikcí spotřeby jednotlivých odběrných míst navzájem kompenzují. Pokud se predikují jednotlivé spotřeby odběrných míst, jak je tomu v případě predikce bottom-up, dochází k sčítání chyb těchto predikcí. Zatímco u přístupu top-down se řeší predikce spotřeby celého portfolia.  Při predikci top-down tedy není nutné řešit individuálně závislost spotřeby každého odběrného místa na počasí a lze lépe postihnout případnou vzájemnou provázanost spotřeby některý odběrných míst.
Na základě praktických historických zkušeností se metoda top-down považuje za nejvhodnější pro predikci spotřeby portfolia. Pro predikci spotřeby variabilního portfolia je však vhodné částečně doplnit metodu top-down metodou bottom-up. Podrobnější popis aplikace takovéhoto kombinovaného přístupu k predikci spotřeby portfolia je možné nalézt <a href="http://archive.unicornsystems.eu/sk/novinky-sk/clanok/predikcia-variabilneho-portfolia-spotreby-a-vyroby-energie.html">zde</a>.
Vzhledem k výše popsaným úskalím a nutnosti zpracovávat obrovské množství dat se běžně pro potřeby predikce používají komplexní predikční nástroje. Jedná se o speciálně vyvinutý software pro účely predikce spotřeby. Jak přesně by takovýto predikční nástroj měl vypadat a co by měl umět bude popsáno v příštím, závěrečném dílu tohoto seriálu.

Predikce v energetice 4: Úskalí modelování

Po <a href="http://oenergetice.cz/ostatni/predikce-energetice-1-lze-predikovat/" target="_blank" rel="noopener noreferrer">úvodním náhledu do světa predikcí</a> a <a href="http://oenergetice.cz/ostatni/predikce-energetice-2-proc-jsou-predikce-energetice-dulezite-proc-nemusi-vyjit/" target="_blank" rel="noopener noreferrer">jeho následném propojení s energetikou</a> bude dnešní díl zaměřen na samotný predikční model. Konkrétně na predikční model pro obchodníky s plynem a elektřinou. Budou popsány vstupy a zdrojová data využívaná při tvorbě predikcí. Dále budou shrnuty vlastnosti, kterými by měl kvalitní model disponovat. Naznačen bude také způsob, jakým se kvalita takovéhoto modelu ověřuje.
Z minulých dílů série víme, že predikce je tvrzení o tom, co se stane v budoucnosti, které je založeno na přesných vědeckých postupech využívajících historických dat a matematicko-fyzikálních modelů. Model využívaný pro predikce se sestavuje na základě pravidel, která umožňují napodobovat chování a vlastnosti predikovaných hodnot. Výstupem predikčního modelu je vlastní predikce.
Je ovšem nutné si uvědomit, že každá predikce má svá specifika. Jeden model nelze univerzálně použít na predikci ceny energie, její spotřeby a zároveň na predikci vývoje cen akcií nebo kryptoměn. Tento článek se zabývá především predikčním modelem pro obchodníky, jehož výstupem je predikce obchodní spotřeby elektřiny a její výroby, respektive predikce obchodní spotřeby plynu.
<h2>Zdroje vstupních dat</h2>
Pro obchodníky s elektřinou a plynem jsou pro jejich fungování klíčové informace o budoucí spotřebě a výrobě jejich zákaznického portfolia. Vstupními daty pro predikční modely jsou především spotřeba a výroba portfolia v minulosti, předpověď počasí (teplota, oblačnost, rychlost větru) nebo vývoj ceny energetických komodit na burze.
Kromě vlastních dat o historickém vývoji sledovaných veličin portfolia v minulosti využívají obchodníci jako vstupy pro své predikční modely veřejně dostupná data <a href="http://www.ote-cr.cz/statistika/odchylky-elektrina" target="_blank" rel="noopener noreferrer">Operátora trhu (OTE)</a> nebo <a href="https://www.eru.cz/cs/elektrina/statistika-a-sledovani-kvality/ctvrletni-zpravy-o-provozu" target="_blank" rel="noopener noreferrer">Energetického regulačního úřadu (ERÚ)</a>. Využít je možné také <a href="https://www.ceps.cz/cs/uvod" target="_blank" rel="noopener noreferrer">data provozovatele přenosové soustavy (ČEPS)</a>, případně informace z informační systému <a href="https://transparency.entsoe.eu/" target="_blank" rel="noopener noreferrer">ENTSO-E Transparency Platform</a> shromažďujícího data z elektroenergetiky na celoevropské úrovni. Zajímavým zdrojem dat je mj. i platforma <a href="https://open-power-system-data.org/" target="_blank" rel="noopener noreferrer">OPSD</a>, kde lze získat podklady pro modelování na celoevropské úrovni.
Standardní zdrojem dat z oblasti vývoje tržní ceny silové elektřiny a plynu je lipská burza <a href="https://www.eex.com/en/" target="_blank" rel="noopener noreferrer">EEX</a>, která je majoritním vlastníkem pražské burzy <a href="https://www.pxe.cz/" target="_blank" rel="noopener noreferrer">PXE</a>, jejíž data jsou také k predikcím využívána. Jako zdroj meteorologických dat bývá využíván <a href="http://portal.chmi.cz/historicka-data/pocasi/denni-data" target="_blank" rel="noopener noreferrer">Český hydrometeorologický ústav (ČHMÚ)</a>, ze zahraničních zdrojů je pro předpověď velmi populární například norský webu <a href="https://www.yr.no/place/Czech_Republic/" target="_blank" rel="noopener noreferrer">Yr.no</a>.
<blockquote>
„Primárně se opíráme o vlastní data o historii spotřeby, změnách dodavatele nebo vlivu nových technologií na spotřebu energií. Externě pořizujeme meteorologická data a to jak skutečná historická měření, tak i předpovědi,“ specifikuje přístup společnosti innogy ke zdrojům dat Petr Průcha, regionální provozní manager útvaru REM.
</blockquote>
<h2>Vliv počasí na predikci</h2>
Nárůst nebo pokles teploty mají nezanedbatelný vliv na spotřebu a výrobu energie v našich zeměpisných šířkách a proto je předpověď počasí velmi důležitým vstupem, který ovlivňuje přesnost predikce. Klesne-li teplota v zimních měsících o 1 °C, dojde k nárůstu spotřeby elektřiny zhruba o 1 %. U plynu způsobí obdobný pokles teploty nárůst spotřeby dokonce o 5 %, protože je ve srovnání s elektřinou více využíván na vytápění.
Naopak nárůst teploty o 1 °C v letních měsících způsobí nárůst spotřeby elektřiny v městských aglomeracích o 2 %, protože se projeví nárůst spotřeby klimatizačních jednotek. Spotřeba plynu nevykazuje citlivost na kladnou změnu teploty v letních měsících a na rozdíl od elektřiny se s tak kladnou změnu teploty o 1 °C takřka nemění.
Podstatným faktorem v souvislosti s teplotou se proto stává normalizace historických dat o spotřebě na dlouhodobý teplotní normál. Normalizace snižuje variabilitu historických hodnot, což umožňuje získávat přesnější predikce.
<figure id="attachment_52306" style="width: 768px" class="wp-caption aligncenter"><img class="wp-image-52306 size-large" src="http://oenergetice.cz/wp-content/uploads/2018/06/normalizace-teplota-spotreba-priklad-768x1024.png" alt="Ilustrace normalizace teploty a naznačení jejího vlivu na normalizaci spotřeby elektřiny." width="768" height="1024" /><figcaption class="wp-caption-text">Ilustrace normalizace teploty a naznačení jejího vlivu na normalizaci spotřeby elektřiny.</figcaption></figure>
Specifický je vliv počasí na spotřebu průmyslových podniků, které disponují fotovoltaickou elektrárnou využívanou pro omezování spotřeby ze sítě. Díky státní podpoře se dnes můžeme s tímto řešením běžně setkávat a obchodníci ho musí zahrnovat do svých modelů. S odhadem výroby fotovoltaických elektráren mohou pomoci nástroje jako <a href="http://re.jrc.ec.europa.eu/pvgis/apps4/pvest.php?lang=en&amp;map=europe" target="_blank" rel="noopener noreferrer">PV GIS</a>, předpověď počasí a znalost dlouhodobých normálů oblačnosti.
<h2>Vlastnosti modelu</h2>
Pro obchodníka s elektřinou nebo plynem je zásadní schopnost plně využít výstupy, které predikční model na základě vstupních dat poskytuje. Kvalitní, transparentní a pochopitelný predikční model dává obchodníkům, kteří ho umějí správně využít, velkou konkurenční výhodu. Model musí mít jasně definované vstupy a vztahy jakými jsou ze vstupních hodnot získávány výstupy.
Predikční model musí být také odolný vůči lidské chybě. Přehlednost modelu je zase zásadní pro správnou interpretaci výsledků. Model by měl uživatele informovat o stavech vstupů a výsledku, stejně jako poskytovat informace o věrohodnosti vstupních dat. Komplexnější modely pak také udávají možnou chybu budoucího odhadu.
<h2>Kvalita modelu</h2>
Obchodníci při svém rozhodování musí spoléhat na predikce, které jim model poskytuje. Je pro ně zásadní to, jak velkou jistotu ohledně budoucího vývoje jim daný predikční model poskytuje. Pro vyhodnocení přesnosti predikčního modelu je třeba též zvolit vhodnou metodiku. Sledované parametry přesnosti modelu musí odpovídat účelu, na který jsou výstupní data obchodníkem používána.
Například v hodinách, kdy obchodník ví, že mu predikce dlouhodobě vychází může být více ochotný riskovat nebo spekulovat. Naopak v časech, kde je přesnost predikce dlouhodobě nižší se dá spíše očekávat, že obchodníci budou chtít mít zabezpečené pozice a budou minimalizovat rizika.
V sektoru energetiky se nejčastěji predikují časové řady, které jsou součtem určitého trendu a zbytkového (reziduálního) procesu. Pro časové řady je jedním z ukazatelů přesnosti modelu kritérium <a href="https://en.wikipedia.org/wiki/Mean_absolute_percentage_error" target="_blank" rel="noopener noreferrer">MAPE (Mean Absolute Percentage Error)</a>, což je střední absolutní procentní chyba. U kvalitních modelů se standardně pohybuje hodnota denního MAPE pod úrovní 5 %. U predikcí spotřeby elektřiny se sleduje i úspěšnost v jednotlivých obchodních hodinách, případně čtvrthodinách. Přesnost predikce za celý den může být ovšem podstatně snížena jednou jedinou nepovedenou hodinou, která může překlopit obchodní výsledek celého dne do záporných hodnot.
<blockquote>
„Máme stanovené cílové hodnoty chyby predikce, které průběžně vyhodnocujeme. Predikce je úspěšná, pokud je její chyba v rámci stanové tolerance. Protože existuje silná korelace mezi chybou predikce a výslednými komoditními náklady, máme cílové hodnoty chyby nastaveny tak, aby se investice do zajištění přesné predikce vracely ve snížených nákladech na komoditu,“ upřesňuje praktické využití Petr Průcha z innogy.
</blockquote>
Příští, předposlední, díl této série bude zaměřen na úskalí, která s sebou predikce přináší. Zodpovězeny v něm budou otázky jako například, jak vzdálenou budoucnost má smysl predikovat nebo jak dávná data je vhodné pro predikce využívat. Nastíněn bude také způsob, jak se vypořádat s verifikací dat nebo jak se dá predikovat  portfolio obchodníka, které se vyvíjí v čase.