Kuluttajien kysyntäjouston ennakointi tasevastaavan näkökulmasta : kuluttajakäyttäytymisen ennakointi kalliina vuorokausimarkkinoiden aikoina

Abstract

Tasevastaavien työ on muuttunut viime vuosina energiamurroksen, kuluttajakäyttäytymisen ja sähkömarkkinoiden muutoksien myötä. Tasevastaavan tavoite on pitää hänen allaan oleva tase tasapainossa, ja tähän prosessiin kuuluu kulutusennusteiden laadinta. Tämän työn tarkoituksena oli tehdä katsaus kulutusjouston ennakoinnista ja saada ratkaisuja ennakoinnin kehittämiseen sekä tasevastaavan kustannusriskin pienentämiseen.

Työn tutkimusmenetelminä käytettiin kirjallisuuskatsausta ja haastatteluita. Haastattelut toteutettiin teemahaastatteluna ja haastateltavat olivat tasevastaavia, sähkön myyjiä tai asiantuntijoita.

Tuloksista voidaan päätellä, että kulutusjouston merkitys kasvaa kulutusennusteiden laadinnassa. Erityisesti kehitettävää on kulutusjouston mallintamisessa tilanteissa, jossa spot-hinta nousee erityisen korkealle tai matalalle. Tällä hetkellä ennakointiin käytetään ohjelmistoja, jotka perustuvat tilastollisiin ja koneoppimisen malleihin. Ratkaisuja tasevastaavan kustannusriskien pienentämiseen ja ennakointitarkkuuden parantamiseen esitetään ennustusohjelmien kehittymistä, kulutusjouston yleistymistä, reaaliaikaisen mittausdatan saatavuuden parantamista, tasepoikkeamahinnoittelun muutosta ja uudenlaisia sähkösopimustyyppejä.

The work of balance responsible parties has changed in recent years due to the energy transition, as well as changes in consumer behavior and in the electricity market. The goal of a balance responsible party is to keep the balance within their responsibility area, and this process includes preparing consumption forecasts. The purpose of this thesis was to review the forecasting of demand response and to identify solutions for improving forecasting as well as reducing the cost risk faced by balance responsible parties.

The research methods used in the work were a literature review and interviews. The interviews were conducted as thematic interviews. The interviewees were balance responsible parties, electricity suppliers, or experts.

The results show that the impact of demand response is increasing in the preparation of consumption forecasts. There is room for development in the modeling of demand response in situations where the spot price is particularly high or low. Currently, forecasting relies on software based on statistical and machine-learning models. Proposed solutions for reducing the cost risks of balance responsible parties and improving forecasting accuracy include the development of forecasting software, wider adoption of demand response, improved availability of real-time measurement data, changes to imbalance pricing, and new types of electricity contracts.