本発明は、発電事業者などが参加する電力取引市場において電力の売買を支援するための電力取引支援装置及び方法、または応用装置に関するものである。

日本では電力改革が推進中である。この中では電力取引市場が拡大し、電力取引市場に参加する発電事業者などは競争のなかで収益向上を図ることになる。電力取引の意思決定支援のためには、取引案件に関わるリスク定量化方式が求められる。

電力取引の意思決定支援のツールとして、以下に示すものが知られている。

特許文献1は、電力事業者の電力事業における個々の取引条件の評価を容易に行うことができる取引条件評価システムを提供するものである。ここでは、「取引条件評価システムにおいて、電力取引の評価に関するシミュレーションに使用される情報を格納するデータ部110と、シミュレーションに使用される情報を取得する通信部100と、シミュレーション処理を行う処理部120とを備え、処理部120は、データ部110に格納された情報に基づいて、電力取引に関する収入および支出の算出を複数回行い、複数回の収入および支出の算出結果からそれぞれの収益を算出するシミュレーション部121と、シミュレーション部121により算出された複数の収益の算出結果に基づいて、収益の変動量となるリスク量を算出するリスク算出部122とを有する。」としている。

特許文献2は、スポット市場の取引価格と取引量を適切に設定可能として、より精度の高い収益リスク分析を行うものである。ここでは「ポートフォリオ作成部11は、需要想定データ、電源データ、市場データに基づき、発電、小売、卸電力取引を含む複数の電力資産運用種別の組合せによる電力需給構成を示す複数のポートフォリオを作成する。市場価格予測部12は、需要想定データ、電源データ、市場データに基づき、電力市場における電力取引を仮想的に実現して、需要および発電コストを含むパラメータの値を変動させた複数のパラメータ値セットについて市場取引価格の予測結果を算出する。収益リスク分析部13は、市場価格予測部12により算出された市場価格の予測結果をリスク分析におけるシナリオとして、ポートフォリオ作成部11により作成された各ポートフォリオの収益リスク計算を実行する。」としている。

特許文献3は、不確実性を考慮して電力取引を効率よく的確に評価可能とするものである。ここでは、「電力取引評価システムは、演算部1、インタフェース部2、記憶部3から構成される。演算部1は、不確実性データ設定部11、確率的発電コスト計算部12、取引データ評価部13を備える。不確実性データ設定部11は、不確実性に関する不確実性データとして、需要予測データの確率分布および発電機の停止確率を設定する。確率的発電コスト計算部12は、設定された需要予測データの確率分布および発電機の停止確率に基づき、発電ユニットの運用に関する特性データを用いて、畳み込み計算によって取引期間を含む想定期間における限界費用の期待値を計算する。取引データ評価部13は、計算された限界費用を、評価対象となる電力取引データの電力取引価格と比較することにより、電力取引データを評価する。」としている。

特開2006−244202号公報

特開2006−331229号公報

特開2008−146105号公報

このように、電力取引の各場面において利用可能な各種ツールが種々提案されている。然しながら、その結果としての収益あるいは収益リスクを含み、高い精度での適切な指標となるものを提案できる内容のものにはなっていないのが実状である。

具体的には、電力取引において、現時点で販売価格が固定される先渡し取引または相対取引(以降、相対取引という。)にて販売するのが良いか、市場取引で販売するのが良いかの意思決定を行う際、収益の期待値だけでなく、収益リスクについても知りたいという課題がある。また、経営戦略として、収益リスクの許容範囲を定めたとき、その範囲で最大の収益を狙うには、相対取引と市場取引の配分や、発電機制御などをどうするのが良いかを知りたいという課題がある。また、収益リスクが低く収益の期待値が高い電力取引の条件について知りたいという課題がある。

以上のことから、収益あるいは収益リスクについてより高精度に求める必要性があるが、この点に関し、収益は市場取引における自社約定量に依存し、自社約定量は発電コストカーブ(コストと電力量をコスト順に並べた関数)に依存する。したがって、コストカーブの確率分布の計算方式を確立することが課題となる。

また、保守による発電効率と故障確率の変化がコストカーブに影響を与えるため、これを考慮したコストカーブの確率分布の計算方式が課題となる。

以上のことから本発明においては、コストカーブの観点を取り入れることで、より高精度に収益あるいは収益リスクを算出し、提供可能な電力取引支援装置及び方法、または応用装置を提供することを目的とする。

以上のことから本発明においては、「相対取引量と相対取引価格の入力を受け付ける入力部と、第1の収益リスク要因のデータと、第1の収益リスク要因の条件別の第2の収益リスク要因のデータと、電力市場取引価格データを保持するデータ保持部と、相対取引量と、相対取引価格と、第1及び第2の収益リスク要因のデータと、電力市場取引価格データから収益の情報を算出する収益算出部と、収益の情報を出力する出力部からなることを特徴とする電力取引支援装置。」とする。

また「火力発電のコストカーブを、当該コストカーブに影響を与えるリスク要因とその確率に応じて修正した複数組の修正コストカーブを求め、さらに再生エネルギによる発電とその確率に応じて修正した複数組の再修正コストカーブを求め、複数組の再修正コストカーブと複数の市場単価とから、収益の情報を得ることを特徴とする電力取引支援方法。」とする。

本発明によれば、収益リスク要因の関連を反映する収益リスクを算出できる。また実施例によれば、発電量を販売先に配分する割合の意思決定支援ができ、あるいは条件がどうなった時にリスクが生じるのかを知ることができる。

本発明に係る電力取引支援装置の全体構成を示す図。

収益リスク要因のうち、機器故障による影響を示す図。

収益リスク要因のうち、燃料価格による影響を示す図。

収益リスク要因のうち、需要による影響を示す図。

図1の入札ビット作成部32の処理フローを示す図。

降水量と日射量の散布図。

降水量が無いかあるかで条件を分けて日射量の確率分布を示した図。

図7の日射量の確率分布を、降水量がある(降水量>0)という条件でグラフ化した図。

図7の日射量の確率分布を、降水量がない(降水量=0)という条件でグラフ化した図。

条件別の条件となる降水量の確率分布を示す図。

降水エリアと日射エリアのひも付けデータD5で定義する図。

降水エリアに対応付いた降水量データの例を示す図。

日射エリアに対応付いた日射量データの例を示す図。

降水量の確率分布と日射量の確率分布を作成する処理フローを示す図。

条件別収益算出部31の動作フローを示す図。

コストカーブ数の分だけ、市場単価の各階級の条件における自社約定量を算出することを示す図。

収益(ch、cj)の算出手法を説明するための図。

収益の確率分布の出力例を示す図。

収益の確率分布の出力例を示す図。

収益の確率分布の出力例を示す図。

収益の確率分布の出力例を示す図。

以下本発明の実施例について図面を用いて詳細に説明する。

図1は、本発明に係る電力取引支援装置の全体構成を示している。電力取引支援装置10は、入力部1と、データ保持部2と、収益算出部3と、出力部4で構成された、計算機システムで構成されている。

このうち入力部1は、相対取引量D1と相対取引価格D2の入力を、インターネットなどを経由して外部から受け付ける。

データ保持部2は、予め次のデータを保持する。なおこれらのデータは、過去データばかりでなく、インターネットなどを経由したオンラインのデータを含んでいてもよい。データ例としては、複数の降水エリアに対応付いた降水量データ群D3、複数の日射エリアに対応付いた降水量別の日射量データ群D4、降水エリアと日射エリアのひも付けデータD5、電力市場取引価格データD6を含む。これらのデータの例については、後述する。

ここで挙げた降水量、日射量、電力市場取引価格のデータ(D3、D4、D6)は収益リスク要因であり、発電日やその直前の収益リスク要因の取る値によって、収益は変動する。つまり、リスクを伴う。データ保持部2では、代表的な収益リスク要因として降水量・日射量・電力市場取引価格のデータ(D3、D4、D6)を保持している。

なおこれら以外に収益リスク要因となるものとして、機器故障、需要、燃料価格があり、それらについても、同様にデータを保持し、演算により収益リスクを算出できる。後述する収益算出部3の処理の中では、データ保持部2に保有する収益リスク要因(降水量、日射量、電力市場取引価格)ばかりでなく、その他の収益リスク要因(機器故障、需要、燃料価格)についても考慮される。

なお本発明の実現に当たり、降水量データD3の代わりに、水力発電量D3a、日射量データD4の代わりに太陽光発電量D4aでも良い。この場合、降水エリアと日射エリアのひも付けデータD6の代わりに、水力発電量D3aと太陽光発電量D4aのひも付けデータD6aを備える必要があり、電力系統に接続する太陽光発電量が増えた場合に、このデータD6aを更新する必要がある。ひも付けデータD6aは、具体的には、日射量データD4から太陽光発電量D4aを導くためのパラメータ値、降水量データD3から水力発電量D3aを導くためのパラメータ値である。なお以下において特に必要がない限り、降水量データD3は水力発電量D3aを含む概念であり、日射量データD4は太陽光発電量D4aを含む概念として説明される。

収益算出部3は、条件別収益算出部31、入札ビット作成部32、火力発電機効率データデータ保持部33で構成されており、条件別収益算出部31において、データ保持部2のデータなどを参照して収益の情報として例えば確率分布を算出する。なお収益の情報としては、確率分布の代わりに、収益期待値、収益リスクを算出しても良い。以下において特に必要がない限り、収益の情報とは、確率分布、収益期待値、収益リスクを含む概念として説明される。このようにして最終的に出力部4からは、電力取引による収益の情報が出力される。

収益算出部3内の火力発電機効率データ保持部33は、火力発電機のユニット単位ごとに、発電効率データ及び故障確率データを保持する。発電効率は、起動コスト、出力値ごとコストのデータを保持するが、平均コスト値を用いると計算時間を短縮できる。

入札ビット作成部32は、火力発電機効率データ保持部33を参照して収益リスク要因の組合せの場合別に入札ビッドを作成する。入札ビッドの例については、後述する。

条件別収益算出部31は、収益リスク要因の組合せの場合別の入札ビッドと、電力市場取引価格の組合せの場合別に収益を算出する。

以下、収益算出部3内の処理について、上流側から火力発電機効率データ保持部33、入札ビット作成部32、条件別収益算出部31の順に詳細に説明する。なおデータ保持部2に保有するデータのうち、降水量データ群D3と日射量データ群D4は入札ビット作成部32での処理に反映され、電力市場取引価格データD6は条件別収益算出部31の処理に反映されている。またその他の収益リスク要因(機器故障、需要、燃料価格)については、火力発電機効率データデータ保持部33に反映されている。

最初に火力発電機効率データ保持部33に保有するデータとその利用法の考え方について図2、3、4を用いて説明する。まず、基本的な事項を図2の例で説明しておく。図2において、横軸は、電力取引市場に参加する発電事業者における自社発電量である。縦軸は自社火力発電コスト単価である。また棒グラフの矩形は、発電機のユニット毎の発電量P(i)(横幅)と発電コスト単価cst(i)(縦高)を発電コスト単価順に並べたものである。実線の線グラフy=F(X)は、矩形の右肩をつないで作成したコストカーブであるが、実際は、棒グラフの形状である。この実線のコストカーブy=F(X)は、この時点において当該発電事業者が保有する発電機ユニットのうち、定期点検などの計画停止中のユニットを除くすべての発電ユニットについて求めたコストカーブである。従って、この機器を全て使用する運転状態が収益を考慮する上では最良といえる。

然るに実線の線グラフy=F(X)は、各種の収益リスク要因の影響を受けるために、一定に固定されることはない。この場合の収益リスク要因は、先に述べたその他の収益リスク要因(機器故障、需要、燃料価格)である。

図2には、この収益リスク要因のうち、機器故障による影響が示されている。例えば合計mユニットの発電機のうち、発電機iが故障したとする。図2のグラフでは、発電量P(i)、発電コスト単価cst(i)の矩形が発電機故障により除外された時の線グラフとして点線の線グラフを描くことができる。点線のグラフは実線のグラフに対して上方向にシフトしたものであり、機器故障によりコストカーブは変化(悪化)することを表している。

なおこの場合に、発電機iの故障は、あくまでも想定上の事象である。このため、発電機故障の確立も同時に合わせて検討する。発電機iが故障する確率がf(i)とすると、故障した場合のコストカーブの確率はf(i)、故障しない場合のコストカーブの確率は1−f(i)と計算できる。同様に各々の機器が故障するときのコストカーブの確率は、機器の故障率と発電コスト単価から求めることができる。

収益リスク要因のうち、上記機器故障の問題について、全ての発電機の故障を想定し、その時のコストカーブと、故障確率が発電機ごとに予め求められている。なおこの想定においては多重故障を考慮してもよいが確率は低いものとなる。なお以下の説明において、機器故障の想定個数は「I」とする。

図3には、収益リスク要因のうち、燃料価格による影響が示されている。図3の右側には燃料単価と、当該燃料単価になる確率頻度が示されている。図示の点線は燃料単価が下がり、コストカーブが全体として実線よりも低下したことを示している。燃料価格の変動によるコストカーブの変動に関して、ここでは例えば、燃料価格変動の階級をJ通りに分けて各々の階級の確率を算出している。

図4には、収益リスク要因のうち、需要による影響が示されている。需要とは、火力発電以外の発電要因であり、火力発電とは異なるコスト体系の例えば太陽光発電が新たに導入されることによるコストへの影響を考慮したものである。図4の例では、発電出力が10000(MW)級の太陽光発電が導入された時の出力別の確率頻度とそのときのコストカーブを示している。図示はしていないが、同様にして水力発電、風力発電についても新たに導入されることによるコストへの影響を考慮するのがよい。

火力発電機効率データ保持部33には、図2、図3、図4に示したその他の収益リスク要因(機器故障、需要、燃料価格)の全てについて、それぞれの時のコストカーブ及びその時の確率を演算するに足りる根拠データが保持されている。なお最終的には、機器故障、需要、燃料価格の観点からコストカーブとその確率の組み合わせを求めた結果として、以下の事例では例えば100通りのコストカーブが得られるものとする。

なお図2、図3、図4は、自社コストのデータと市場単価確率分布から自社約定量を推測する考え方を示したものである。

次に入札ビット作成部32の考え方について説明する。ここでは、収益リスク要因の100通りの組合せの場合別に、入札ビッド(コストカーブ)を作成する。図5には、図1の入札ビット作成部32の処理フローが示されている。

図5の処理フローは、図2、3、4で説明した考え方にもとづいて、収益リスク要因(機器故障、需要、燃料価格)毎に入札ビッド(コストカーブ)を作成する処理を実行する考え方を示している。この場合に、火力発電機効率データ保持部33に保持されたデータと、データ保持部2に保有するデータのうち、降水量データ群D3と日射量データ群D4を参照する。

図5の処理ステップS321では、機器稼働確率(機器故障確率)によるコストカーブを生成する。機器稼働確率によるコストカーブ生成ステップS321では、火力発電機効率データ保持部33に保持されたデータから、自社発電機データ、保守スケジュール、機器故障確率、を取得して、機器稼働確率によるコストカーブとその確率の集合(以下、コストカーブの確率分布と称する)を生成する。このようにして生成されたものが、図2の点線で示すコストカーブである。このとき、機器がI台あれば、2^I通りのコストカーブを生成する。この結果は、次の処理である燃料価格確率分布によるコストカーブ生成処理ステップS322に渡される。

燃料価格確率分布によるコストカーブ生成処理ステップS322では、火力発電機効率データ保持部33に保持されたデータから燃料価格確率分布を取得して、燃料価格変動の階級をJ通りに分けて各々の階級の確率を算出する。機器稼働確率によるコストカーブの確率分布の各々のコストカーブに対し、燃料価格のJ通りについて、各階級におけるコストカーブを算出し、各階級における確率を算出し、燃料価格確率を反映したコストカーブの確率分布を生成する。この結果が図3の点線で示すコストカーブである。このとき、機器がI台あり機器故障率により2^I通りのコストカーブを生成していれば、燃料価格変動の階級をJ通りについて計算するため、2^I*J通りのコストカーブを生成することになる。この結果も次の処理である再エネ発電量確率分布によるコストカーブ生成処理ステップS323に渡される。

処理ステップS323は、需要による影響を演算するものである。ここでの需要としては、再エネ発電量を想定している。再エネ発電量確率分布によるコストカーブ生成処理ステップS323では、火力発電機効率データ保持部33に保持されたデータから再エネ発電量確率分布を取得して、再エネ発電量変動の階級をK通りに分けて各々の階級の確率を算出する。前段までの処理により生成されたコストカーブの確率分布の各々に対し、再エネ発電量のK通りについて、各階級におけるコストカーブを算出し、各階級における確率を算出し、再エネ発電量確率を反映したコストカーブの確率分布を生成する。これにより、2^I*J*K通りのコストカーブが生成される。

より具体的に、再エネとして太陽光発電量と水力発電量の変動を収益リスク要因とする場合には、それぞれについて同様に処理する。すなわち、前段までの処理により生成されたコストカーブの確率分布の各々に対し、水力発電量確率分布によるコストカーブ生成処理ステップS323aでは、水力発電量のK1通りについて、各階級におけるコストカーブを算出し、各階級における確率を算出し、水力発電量確率を反映したコストカーブの確率分布を生成する。

次に、前段までの処理により生成されたコストカーブの確率分布の各々に対し、太陽光発電量確率分布によるコストカーブ生成処理ステップS323bでは、太陽光発電量のK2通りについて、各階級におけるコストカーブを算出し、各階級における確率を算出し、太陽光発電量確率を反映したコストカーブの確率分布を生成する。

図4は再エネ発電量確率分布によるコストカーブ生成についてより詳細に説明する図である。図では太陽光発電量のコスト単価を10円として太陽光発電量の変動によるコストカーブの変化を示している。また、水力発電は別のコスト単価で発電量が変動する。太陽光発電量と水力発電量の関係については、それを表す確率分布で示す。水力発電量のK1通り、太陽光発電量のK2通りについて、各階級におけるコストカーブを算出する。

需要確率分布によるコストカーブ生成処理ステップS324では、最終的に全ての収益リスク要因(機器故障、需要、燃料価格)に基づくコストカーブとそれぞれにおける発生確率を求める。以上のように、コストカーブの確率分布を求めると、機器稼働の変動によるコストカーブがI通り、燃料価格による変動によりJ通り、再エネ発電量による変動によりK=K1*K2通りとすれば、2^I×J×K個のコストカーブが生じ(実施例の事例ではこの組み合わせ個数が100通りあるとしている)、これ以降の変動を考慮すると計算時間が増えてしまうという問題を生じる。

I×J×K個のコストカーブをクラスタリングにてN個に集約するための処理ステップS325では、計算時間の増大を抑えるべく以下の処理を行う。計算時間を増やしたくない場合には、生成した複数のコストカーブをその形状によるクラスタリングにてカテゴリー分けして、制限時間内に計算可能な場合の数L個のカテゴリーに集約するのが良い。クラスタリングによりカテゴリー分けし、各々のカテゴリーに属するコストカーブから平均コストカーブを生成する。生成した平均コストカーブの確率は、カテゴリーに属するコストカーブの確率の和を用いる。コストカーブのような折れ線図形のクラスタリングについては、特開2001−22891にて開示されている。

以上の説明においては、コストカーブから市場取引の入札ビットを作成するが、簡単のため、コストカーブを売り入札にも買い入札にも用いる前提で説明した。実際は、売り入札ではコストカーブより取引手数料分を高めにして入札ビッドとし、買い入札では含めに入札ビッドを定めることになる。

この再エネ発電量確率分布によるコストカーブ生成処理ステップS323での処理に際し、収益リスク要因間に何らかの関連がある場合には、条件付きの確率分布を用いると、関連を反映した収益リスクを求めることができる。以下に、データ保持部2に保持された降水量データD3と日射量データD4を用いて処理を簡便化する手法について説明する。

この場合に、太陽光発電量と水力発電量は、晴れれば前者の発電量が増加し、雨が降れば後者の発電量が増加する関連性があり、独立ではないと考えられる。図6は、降水量(横軸)と日射量(縦軸)の散布図であり、晴れれば前者の発電量が増加し、雨が降れば後者の発電量が増加するといった関係にある。そこで、一つの方法は、両方を正規分布と仮定し、相関値を求めて、2収益リスク要因の階級をコレスキー分解による一次変換を行って相関値を反映することである。

しかし、この方法は、線形でない相関を反映できず、図6の降水量データD3と日射量データD4の関係は線形ではない。そこで、別の方法として、条件付き確率分布を用いる。図7は、降水量(横項目)が無いかあるかで条件を分けて日射量(縦項目)の確率分布を示した図である。図8は、図7の日射量の確率分布を、降水量がある(降水量>0)という条件でグラフ化したものであり、図9は図7の日射量の確率分布を、降水量がない(降水量=0)という条件でグラフ化したものであり、日射エリアに対応付いた降水量別の日射量データD4を表している。また図10は、この条件別の条件となる降水量の確率分布であり、降水エリアに対応付いた降水量データD3である。これらのデータD3、D4は、図1のデータ保持部2に保持されたものを利用している。

この方法により、非線形の関係の収益リスク要因がある場合に精度良く評価できる。なお、降水量と日射量から太陽光発電量と水力発電量を求めるには、以下の式により変換する。 太陽光発電量=F1(日射量) 水力発電量=F2(降水量) なお、日射量の観測点と降水量の観測点は複数あるため、日射量の観測点について、どの降水量の観測点の降水量を条件とするか、図11の降水エリアと日射エリアのひも付けデータD5で定義する。

以上、収益リスク要因(データ保持部2に保持された降水量データD3と日射量データD4)の確率分布を保持して用いる方法を述べた。以下、確率分布の作成について説明する。まず、図11の降水エリアと日射エリアの対応を定義するデータD5を保持する。図12と図13は、降水エリアと日射エリアの対応を定義するデータD5で対応付けられた降水エリアの時系列降水データと日射エリアの時系列日射データである。

具体的には、図14に示す処理ステップに従って、降水量の確率分布と日射量の確率分布を作成する。ここでは、分析期間について、条件とならない方の収益リスク要因(ここでは日射量)について、開始時刻から終了時刻まで、時刻毎に、対応を定義するデータで定義された降水量エリアの降水量の条件別に各階級の頻度を数えてヒストグラムを作成する。最後に各階級の頻度を条件下の合計頻度で割ると、確率分布を得ることができる。データ保持部2に保持する確率分布は、あらかじめ定めた時刻に自動的に時系列降水データと日射エリアの時系列日射データを所定のサイトから読み出して確率分布を自動生成すると、手間数を省くことができる。

図14の例では上記処理を以下のように行う。最初の処理ステップS3231では、分析期間の設定を行う。開始時刻tS、終了時刻teとして、各時刻tについてtSから開始する。処理ステップS3231では、終了時刻teになるまで、繰り返し処理を実行する。

処理ステップS3233では、降水量の有無を確認する。降水量有の場合、処理ステップS3234において日射量(降水量有)のヒストグラムに繰り入れる。降水量無の場合、処理ステップS3235において日射量(降水量無)のヒストグラムに繰り入れる。処理ステップS3233では、これらの条件別繰り入れ処理を時刻変更して順次実行させる。

以上により、図1の収益算出部3の各部のうち、火力発電機効率データデータ保持部33と入札ビット作成部32の処理概要を説明したので、次にこれらの結果を受けて実施される条件別収益算出部31の処理について、図15を用いて説明する。

図15は、条件別収益算出部31の動作フローを示す図である。動作フローのうち、最初に行う処理ステップS311では、入札ビット作成部32までの処理で求めた複数のコストカーブから一つを順次選択する。次の処理ステップS312では、複数想定(各階級Cj)されている市場単価の中から一つを順次選択する。処理ステップS313、S314の処理は、選択された組み合わせのコストカーブと市場単価について実行されるが、選択した1つのコストカーブに対して全て(各階級Cj)の市場単価との処理が実行されるまで継続される。同様にして次に選択した1つのコストカーブに対しても全ての市場単価について実行され、最後のコスト単価まで実行される。

処理ステップS313では、選択した1つのコストカーブchと市場単価の各階級cjの条件における自社約定量(Ch、cj)を算出する。図16は、コストカーブ数の分だけ、市場単価の各階級cjの条件における自社約定量(Ch、cj)を算出することを表している。

処理ステップS314では収益(ch、cj)とこのときの確率(ch、cj)を算出する。収益(ch、cj)の算出は、図17にて後述する。確率(ch、cj)は、コストカーブchの確率×市場単価の階級cjの確率で求める。処理ステップS313と処理ステップS314は、コストカーブchの場合の数×市場単価の階級cjの数だけ繰り返されて、結果的にコストカーブchと市場単価の全ての組み合わせにおける収益と確率が求められたことになる。

処理ステップS315では、収益(ch、cj)を昇順にソートし、処理ステップS316では収益(ch、cj)の昇順に確率(ch、cj)の累積値を得る。

処理ステップS317では、累積値がしきい値になる収益(ch、cj)を得る。収益リスクとしてVaRを用いる場合は、しきい値を最悪から累積値が5%と定め、この累積値になるときの収益値を得る。しきい値は、中央値や四分値や期待値を用いても良い。要するに、発電事業者が電力取引市場において、利益最大を狙って運用したいのか、リスク低減を狙っていくのかといった運用目的に応じて適宜しきい値を設定すればよいことである。

ここで、たとえば自社約定量の確率頻度を得たければ、処理ステップS318において、自社約定量(ch、cj)を昇順にソートし、処理ステップS319において、自社約定量(ch、cj)の昇順に確率(ch、cj)の累積値を得ることで得られる。

図17は、処理ステップS313におけるコストカーブchと市場単価の各階級cjの条件における自社約定量(Ch、cj)の算出、処理ステップS314における収益(ch、cj)の算出について説明する図である。

これらの処理ステップの処理の実行に使用する関数名は例えば「Calc_profitstch()」であり、入力として相対販売量、相対販売価格、市場約定価格、コストカーブを用い、出力として収益、収入、コスト(収益=収入−コスト)を得る。当該処理の内容は省略するがこの結果として、図17の関係が得られている。

図17のグラフの横軸は相対販売量であり、縦軸は相対販売価格である。また収益を判断するための指標として市場約定価格の確率分布が参照される。またこのグラフには、矩形状のコストカーブが記述されている。矩形状のコストカーブの右端位置が当該発電事業者の自社発電量M2を表している。

この図示例によれば、図示左側の事例では、相対販売量M1が自社発電量M2より小さい場合である。従って、自社発電量M2の余剰分を市場入札し、約定分を収入に加算するとして収益を算出する。発電量M2が相対取引量M1以下の分については、相対販売価格C1で売電し、それ以上の発電量については、コストカーブ価格が市場単価の階級cj以下について、価格cjで売電し、売電についてかかったコスト分を引くと、収益を算出できる。この場合の収益は、図17のハッチにて示す部分である。

図示右側の事例は、相対販売量M1が自社発電量M2より大きい場合であって、自社発電量のM1不足分を市場調達し、約定分をコストに加算するとして収益を算出する。この算出は、これ以外に、たとえば自社発電量M2より相対取引が大きくなる取引は行わない方針であれば、そのように収益を演算する。また、入札価格は、コストカーブに対しマージンを設けている場合は、そのように計算する。

図18から図21は、図15の処理ステップS316で得た結果の収益の確率分布の出力事例であり、モニタ画面などに出力される表示形式例を示している。

図18は、横軸に収益、縦軸に確率頻度をとって示している。なお階級が細かすぎる場合は、新たに階級を定めて、確率の総和をとってヒストグラムにするのが良い。

図19は、実施例1により、評価したい対象の相対契約をした場合(実線のX)、としない場合(点線のX)の収益の確率分布を得て、(VaR値(横軸)、期待値(縦軸))をプロットしたものである。さらに、低い価格と考える売り価格(相対価格:16.8円)、高いと考える売り価格(相対価格:18.3円)の2通りで、相対取引量を変化させたときの収益の確率分布を得て、(VaR値(横軸)、期待値(縦軸))をプロットした図である。

この図19の表記結果によれば、2通りの価格とも、相対取引量により(すなわち、相対契約と市場取引の配分により)収益リスクが変動している。うまく相対契約を使うことで、収益リスクを下げることができ、経営戦略に活かせることが理解できる。たとえば、この図から、次のような戦略を立てることができる。リスクをとらない場合は、安い価格￥16.8の提示であれば、800MWくらいまで、￥18.2の提示であれば、1700MWまでしか売らず、あとは市場取引に賭ける。リスクをとるなら、さらに売るといった判断に利用できる。

なお先に述べた表示事例である図18は、収益の確率分布であるが、要因別にリスクを知りたい場合、要因条件別に確率と収益を示すと良い。たとえば図20、21は、機器故障と市場取引価格の2つの収益リスク要因について軸を分けて示した図である。図15に示した処理ステップS311を機器故障だけにして本処理を行い、処理ステップS315に出力される収益(ch、cj)と確率(ch、cj)を3次元グラフで示せば、図20、21を作図できる。

実施例1は電力取引支援装置の例で説明したが、そのほか、発電機の起動計画を変動させて収益の確率分布を得れば、リスクを緩和できる(発電コストを下げる)発電機の起動計画を探索することもできる。水力発電アルゴリズムを変えて収益の確率分布を得れば、リスクを緩和できる(発電コストを下げる)水力発電アルゴリズムを探索することもできる。

以上説明した本発明は、装置及び方法として把握することができるが、方法として把握するときには、火力発電のコストカーブを、当該コストカーブに影響を与えるリスク要因とその確率に応じて修正した複数組の修正コストカーブを求め、さらに再生エネルギによる発電とその確率に応じて修正した複数組の再修正コストカーブを求め、複数組の再修正コストカーブと複数の市場単価とから、収益の情報を得る手法と理解することができる。

1:入力部 2:データ保持部2 3:収益算出部 4:出力部 10:電力取引支援装置 31:条件別収益算出部 32:入札ビット作成部 33:火力発電機効率データデータ保持部 D1:相対取引量 D2相対取引価格 D3:複数の降水エリアに対応付いた降水量データ群 D4:複数の日射エリアに対応付いた降水量別の日射量データ群 D5:降水エリアと日射エリアのひも付けデータ D6:電力市場取引価格データ