Modo Energy a développé une prévision des revenus issus du stockage d'énergie par batterie dans l’ERCOT. Cette prévision permet aux propriétaires, exploitants, développeurs et financeurs de batteries de comprendre les opportunités de revenus jusqu’en 2050.

Vous pouvez personnaliser vos paramètres pour visualiser les projections de revenus pour des batteries de différentes tailles, capacités, durées et emplacements. Ainsi, vous pouvez facilement construire et comparer des business cases selon divers scénarios. Pour en savoir plus, planifiez un appel dès maintenant.

Mais comment fonctionne réellement ce modèle ?

La prévision repose sur deux principaux composants.

Premièrement, le modèle de coût de production simule le dispatch économique optimal de la production pour répondre à la demande. Cela se fait à une granularité de 15 minutes, jusqu’en 2050.

Deuxièmement, le modèle de dispatch simule le fonctionnement d’un système individuel de stockage d’énergie par batterie. Il calcule ainsi les revenus et les taux de cyclage de la batterie.

Il est essentiel de comprendre les hypothèses qui structurent la prévision – et produisent les prix de l’électricité (et, in fine, les revenus du stockage par batterie).

Qu’est-ce que le modèle de coût de production ?

Le modèle de coût de production calcule la production par type de technologie et par localisation, afin de déterminer les prix de l’énergie dans chaque région. Parallèlement, l’approvisionnement en services auxiliaires est co-optimisé pour répondre à toute la demande – aussi bien pour l’énergie que pour les services auxiliaires – au moindre coût pour le système.

Cela aboutit à des prix de l’énergie et des services auxiliaires toutes les 15 minutes.

Un modèle de coût de production requiert plusieurs données d’entrée pour établir des prix de l’électricité 24h/24.

1) Prévision de la demande à long terme

La prévision de la demande à long terme est la principale donnée côté demande du modèle.

Elle détermine la quantité totale d’énergie requise sur l’ensemble de l’ERCOT pour chaque période de 15 minutes.

L’ERCOT dispose de sa propre prévision de charge à long terme afin d’anticiper la demande sur les dix prochaines années. Cette prévision s’appuie sur des données économiques et météorologiques historiques. Elle projette la demande horaire par région et par type (y compris la charge de base, les charges flexibles, le solaire résidentiel et la recharge des véhicules électriques).

Ces derniers mois, l’ERCOT a révisé cette prévision, aboutissant à une pointe de demande projetée d’environ 150 GW à l’horizon 2030.

Cependant, une grande partie de cette demande est potentiellement flexible et non traditionnelle. Par conséquent, elle peut ne pas réellement contribuer aux pointes de demande lors des quatre pics coïncidents d’ERCOT en été. De plus, la capacité de production susceptible d’entrer en service d’ici 2030 (selon la file d’attente d’interconnexion d’ERCOT) ne permet tout simplement pas de soutenir une telle croissance de la charge à cet horizon.

Pour cette raison, la prévision à long terme de Modo s’appuie principalement sur la version précédente de la prévision de charge à long terme d’ERCOT, étendue jusqu’en 2050 en supposant des taux de croissance annuels. Par ailleurs, la version révisée par ERCOT informe une croissance plus agressive de la demande dans le modèle de Modo.

La prévision de Modo inclut également les besoins anticipés en services auxiliaires. ERCOT a publié un jeu de données sur les besoins en services auxiliaires projetés qui fournit des projections horaires jusqu’en 2027. Modo Energy prolonge ce jeu de données jusqu’en 2050 en s’appuyant sur les hypothèses de la dernière année disponible.

2) Capacité de production

La principale donnée d’entrée côté offre du modèle est la projection de capacité de production.

Cela détermine la quantité de capacité installée dans l’ERCOT, et sa répartition par type de technologie.

La prévision de capacité de production de Modo Energy agrège de nombreux jeux de données, dont :

• Inventaire mensuel des générateurs électriques de l’EIA.
• File d’attente d’interconnexion d’ERCOT.
• Perspectives annuelles de l’énergie 2023 (AEO – données du scénario « Coût faible des technologies zéro carbone ») de la US Energy Information Administration (EIA).

Cependant, les propres recherches de Modo montrent que les délais typiques de la file d’attente d’interconnexion sont plus longs que prévu. Ainsi, le modèle suppose que les sites solaires mettent deux fois plus de temps que prévu à être raccordés, et que les sites éoliens et de batteries prennent trois fois plus de temps.

En plus des modèles d’offre et de demande, quels autres facteurs influencent l’économie de la production d’énergie projetée ?

3) Arrêts programmés et imprévus

Le modèle de coût de production de Modo Energy prévoit aussi les maintenances programmées et les arrêts imprévus.

La prévision des arrêts de production de Modo s’appuie sur deux sources principales de données (toutes deux fournies par ERCOT) :

• Données de ressources de production SCED sur 60 jours – qui détaillent les données d’exploitation par centrale.
• Perspectives mensuelles d’adéquation des ressources (MORA) – qui suivent la capacité nominale (en MW) de chaque ressource de production.

Modo a croisé le statut télémesuré des ressources issu des données SCED avec les capacités nominales du rapport MORA. Ainsi, on peut observer les arrêts historiques pour chaque période de 15 minutes, site par site.

Ces données sont ensuite agrégées par type de technologie en un pourcentage de disponibilité pour chaque période de 15 minutes des trois dernières années. Ces calendriers d’arrêts proportionnels sont ensuite répétés jusqu’en 2050.

Comment ces arrêts sont-ils intégrés à la production projetée ?

4) Facteurs de capacité

Étant donné que la production renouvelable (éolien et solaire) est intermittente, il est crucial de modéliser la production de ces ressources en fonction des conditions météorologiques propres à chaque site.

La prévision de Modo Energy prend en compte les limites soutenues maximales (HSL) pour chaque site d’ERCOT, dans le temps. Pour une ressource donnée, le HSL représente sa puissance soutenue maximale – pour une installation solaire ou éolienne bridée, cela correspond à la production qu’elle pourrait fournir si elle n’était pas limitée.

La prévision de Modo Energy utilise les données météorologiques de 2022 pour établir des facteurs de capacité toutes les 15 minutes pour l’éolien et le solaire.

La prévision de Modo combine ce modèle de facteur de capacité sur une année avec le modèle de capacité de production afin de projeter la production future d’éolien et de solaire dans chaque région, jusqu’à 2050.

Cependant, ce modèle de facteur de capacité n’inclut pas la limitation de production (curtailment). Il calcule le potentiel total de production pour chaque période. De plus, l’utilisation d’une seule année de données météo fournit une base utile, mais ne prend pas en compte tous les scénarios climatiques extrêmes.

5) Prix des matières premières

Enfin, le modèle de coût de production de Modo Energy repose sur des hypothèses de prix des matières premières pour prévoir correctement le coût de production de chaque technologie, ce qui détermine leur place relative dans la file d’offre et influence les prix de l’électricité.

Ces prix sont cruciaux pour la modélisation des centrales thermiques. Les prix du gaz naturel et du charbon proviennent des Perspectives annuelles de l’énergie 2023 (AEO).

Pour les centrales nucléaires, aucune hypothèse n’est faite sur le coût du combustible ou de l’uranium. Cependant, la prévision suppose que ces coûts sont suffisamment bas pour que les centrales fonctionnent en continu et soient preneuses de prix.

De même, pour les centrales au lignite, on suppose un coût de combustible de -5 $/MWh, afin que ces sites soient également preneurs de prix. Ceci car les trois centrales au lignite actuellement en service dans l’ERCOT adoptent systématiquement ce comportement.

Comment le modèle de coût de production éclaire-t-il les revenus du stockage d’énergie par batterie ?

Le modèle de coût de production de Modo Energy permet aux abonnés à la prévision de visualiser les résultats suivants pour chaque période de 15 minutes jusqu’en 2050 :

• Pointe de demande (GW).
• Demande totale (TWh).
• Coûts implicites du combustible ($/MWh).
• Capacité de production (GW).
• Production par type de technologie (TWh).

En plus de ces résultats, les prix de l’énergie ($/MWh) sont calculés pour les mêmes périodes, dans chaque région de l’ERCOT.

Toutes ces données alimentent finalement le modèle de dispatch de Modo Energy. Celui-ci simule la performance hypothétique d’un système de stockage d’énergie par batterie, selon des spécifications personnalisées : taille, durée, localisation, etc.

Consultez la documentation complète pour plus de détails.

Si vous souhaitez en savoir plus sur la prévision ERCOT de Modo Energy pour les revenus du stockage d'énergie par batterie, planifiez un appel dès aujourd’hui.