pommesdispatch
POMMES goes public
Un modèle de marché de puissance fondamental ascendant pour le secteur de l'électricité allemand
Il s'agit de la variante de répartition des pommers du modèle de marché de puissance fondamental ( poker m odel de l' efficacité et des re -s ources). Veuillez accéder à la section d'intérêt pour en savoir plus.
Pomme lui-même est un cosmos composé d'un modèle de répartition (stocké dans ce référentiel et décrit ici), une routine de préparation des données et un modèle d'investissement pour le marché allemand de la puissance en gros. Le modèle a été initialement développé par un groupe de chercheurs et d'étudiants du président de la gestion de l'énergie et des ressources de Tu Berlin et est maintenant maintenu par un groupe d'anciens élèves et ouvert à d'autres contributions.
Si vous êtes intéressé par les routines de préparation des données utilisées ou la modélisation des investissements, veuillez trouver plus d'informations ici:
La variante de répartition du modèle de marché de puissance Pomme pommesdispatch permet à l'utilisateur de simuler la répartition des centrales de sauvegarde, des stockages ainsi que des unités de réponse à la demande fédérale de l'Allemagne pour une année arbitraire ou un délai entre 2017 et 2030. La répartition des centrales renouvelables est déterminée exogène par les séries temporelles d'intérêt normalisées et les valeurs de capacité. L'objectif global des modèles est de minimiser les coûts du système d'énergie se produisant à partir des marchés de gros par lesquels aucune contrainte de réseau n'est prise en compte, à l'exception de la configuration de la zone d'appel d'offres existante utilisée pour la modélisation d'échange d'électricité. Ainsi, l'objectif du modèle est de simuler les décisions de répartition et les prix du marché des jours qui en résultent. Une brève catégorisation du modèle est donnée dans le tableau suivant. Une catégorisation approfondie peut être trouvée dans la documentation du modèle.
| critère | manifestation |
|---|---|
| But | - Simulation de la répartition des centrales électriques et des prix du jour pour le DE (analyse de scénario) |
| Couverture spatiale | - Allemagne (DE-LU) + voisins électriques (approche NTC) |
| Horizon temporel | - Habituellement 1 an dans une résolution horaire |
| Technologies | - centrales électriques conventionnelles, stockage, réponse à la demande (optimisée) - Générateurs renouvelables (fixe) - Demande: séries chronologiques exogènes |
| Sources de données | - Les données d'entrée n'ont pas été expédiées, mais peuvent être obtenues auprès de Pommesdata; OPSD, Bnetza, Ento-E, autres |
| Mise en œuvre | - Représentation des graphiques et optimisation linéaire: Oemof.Solph / Pyomo - Gestion des données: Python / .csv |
La méthode mathématique sous-jacente des modèles est une approche de programmation linéaire , cherchant à minimiser les coûts globaux du système d'alimentation sous des contraintes telles que la satisfaction de la demande d'énergie à tout moment et ne pas violer la capacité de production d'électricité ou les limites de stockage. Ainsi, les variables binaires telles que l'état des unités, les startups et les arrêts ne sont pas pris en compte.
Le modèle s'appuie sur le cadre OEMOF.Solph qui permet de modéliser les systèmes d'énergie dans une représentation basée sur des graphiques avec les contraintes mathématiques sous-jacentes et les termes de fonction objectif implémentés dans Pyomo . Certaines des fonctionnalités OEMOF.Solph requises - telles que la modélisation de la réponse à la demande - ont été fournies par les principaux développeurs Pomme qui sont également actifs dans la communauté OEMOF. Les utilisateurs qui ne sont pas familiers avec OemOf.Solph peuvent trouver plus d'informations dans la documentation OEMOF.Solph.
Une documentation approfondie de Pommesdispatch se trouve sur ReadTheDocs. Il contient un guide de l'utilisateur, une catégorisation de modèle, certaines informations de base économiques et techniques énergétiques, une formulation de modèle complète ainsi que la documentation des fonctions et classes du modèle.
Pour configurer pommesdispatch , configurez un environnement virtuel (par exemple à l'aide de Conda) ou ajoutez les packages requis à votre installation Python. De plus, vous devez installer un solveur afin de résoudre le problème d'optimisation mathématique.
pommesdispatch est hébergé sur PYPI. Pour l'installer, veuillez utiliser la commande suivante
pip install pommesdispatch
Si vous souhaitez contribuer en tant que développeur, vous devez le débarrasser et cloner le référentiel, afin de copier les fichiers localement en tapant
git clone https://github.com/your-github-username/pommesdispatch.git
Après le clonage du référentiel, vous devez installer les dépendances requises. Assurez-vous que Conda a installé en tant que gestionnaire de packages. Sinon, vous pouvez le télécharger ici. Ouvrez un shell de commande et accédez au dossier où vous avez copié l'environnement.
Utilisez la commande suivante pour installer des dépendances
conda env create -f environment.yml
Activez votre environnement en tapant
conda activate pommes_dispatch
Afin de résoudre une instance de modèle pommesdispatch , vous avez besoin d'un solveur installé. Veuillez consulter les informations d'OemOf.Solph sur les solvers. Par défaut, Gurobi est utilisé pour les modèles pommesdispatch . Il s'agit d'un solveur commercial, mais fournit des licences académiques, cependant, si cela s'applique à vous. Sinon Whise, nous vous recommandons d'utiliser CBC comme le recommande le solveur OEMOF. Pour tester votre solveur et votre installation OemOf.Solph, voir encore des informations d'OemOf.Solph.
Chaque type de contribution ou de rétroaction est chaleureusement bienvenu.
Nous utilisons la gestion des problèmes GitHub ainsi que les demandes de collaboration. Nous essayons de nous en tenir aux normes de codage PEP8.
pommesinvest sont Johannes Kochems et Yannick Werner. Il est maintenu par Johannes Kochems.Les personnes suivantes ont contribué à Pomme . La plupart de ces contributions appartiennent à des versions à un stade précoce et ne font pas partie du code source réel. Néanmoins, toutes les contributions doivent être reconnues et la liste complète est prévue pour des raisons de transparence.
Les principaux contributeurs sont indiqués en haut, le reste est répertorié par ordre alphabétique.
| Nom | Contribution |
|---|---|
| Johannes Kochems | Développement et conceptualisation majeures conceptualisation, développement de toutes les pièces liées à l'investissement; Développement des principales routines de préparation des données (en particulier la projection future pour tous les composants, Res Tend Data et Estimations LCOE, documentation), architecture, processus de publication, maintenance |
| Yannick Werner | Développement et conceptualisation majeures Conceptualisation, développement de principales routines de préparation des données (données de statu quo pour tous les composants, Res détaillés, interconnexion et données hydroélectriques), architecture |
| Benjamin Grosse | Collecte de données pour les centrales électriques conventionnelles au stade de développement précoce, soutien idéal et conseil conceptionl |
| Carla Spiller | Collecte de données pour les centrales électriques conventionnelles en début de stade comme une entrée à Pommesdata ; Co-développement de la modélisation de répartition de Rolling Horizon dans le prédécesseur de Pommesdispatch |
| Christian Fraatz | Collecte de données pour les centrales électriques conventionnelles en début de stade comme une entrée à Pommesdata |
| Conrad Nicklisch | Collecte de données pour Res en début de stade comme une entrée à Pommesdata |
| Daniel Peschel | Collecte de données sur les centrales CHP comme entrée à Pommesdata |
| Dr Johannes Giehl | Soutien et recherche Conceptionel de l'octroi de licences de données; Conceptionl Support pour la modélisation des investissements dans PommeNvest |
| Dr Paul Verwiebe | Développement de petits modèles de test comme prédécesseur de POMES |
| Fabian Büllesbach | Développement d'un prédécesseur de l'approche de modélisation à horizon à roulement à Pommesdispatch |
| Flora von Mikulicz-Radecki | Des tests de code et de fonctionnalité étendus dans une étape de développement précoce pour les prédécesseurs de Pommesdispatch et PommeNvest |
| Florian Maurer | Support avec / fixer pour les dépendances Python |
| Hannes Kachel | Développement et analyse des approches pour la réduction de la complexité dans un prédécesseur de PommeNvest |
| Julian Endres | Collecte de données pour les coûts et les centrales électriques conventionnelles au début du stade |
| Julien Faist | Collecte de données pour la fermeture d'origine du charbon et l'installation prévue de nouvelles centrales électriques pour Pommesdata ; co-développement d'un prédécesseur de pommenvest |
| Leticia encinas rosa | Collection ATA pour les centrales électriques conventionnelles en début de stade comme une entrée à Pommesdata |
| Prof. Dr.-ing. Joachim Müller-Kirchenbauer | financement, habilitation et soutien conceptuel |
| Robin Claus | Collecte de données pour Res en début de stade comme une entrée à Pommesdata |
| Sophie Westphal | Collecte de données pour les coûts et les centrales électriques conventionnelles en début de stade comme entrée pour Pommesdata |
| Timona Ghosh | Collecte de données pour les données d'interconnexion comme entrée à Pommesdata |
Une publication utilisant et introduisant pommesdispatch est actuellement en préparation.
Si vous utilisez pommesdispatch pour vos propres analyses, nous vous recommandons de citer:
Kochems, J. et Werner, Y. (2024): Pommesdispatch. Un modèle de marché de l'énergie fondamental ascendante pour le secteur de l'électricité allemand. https://github.com/pommes-public/pommesdispatch, accédé à yyyy-mm-dd.
Nous recommandons en outre de nommer la balise de version ou le hachage de validation utilisé pour la transparence et la reproductibilité.
Voir également le fichier citation.cff pour les informations de citation.
Ce logiciel est sous licence MIT.
Copyright 2024 Pomme Developer Group
L'autorisation est accordée gratuitement à toute personne qui obtient une copie de ce logiciel et des fichiers de documentation associés (le "logiciel"), pour traiter le logiciel sans restriction, y compris sans limiter les droits d'utilisation, de copie, de modification, de fusion, de publication, de distribution, de sublince et / ou de vendre des copies des conditions suivantes.
L'avis de droit d'auteur ci-dessus et le présent avis d'autorisation sont inclus dans toutes les copies ou des parties substantielles du logiciel.
Le logiciel est fourni "tel quel", sans garantie d'aucune sorte, express ou implicite, y compris, mais sans s'y limiter, les garanties de qualité marchande, d'adéquation à un usage particulier et de non-contrefaçon. En aucun cas, les auteurs ou les détenteurs de droits d'auteur ne seront pas responsables de toute réclamation, dommage ou autre responsabilité, que ce soit dans une action de contrat, de délit ou autre, découlant de, hors du logiciel ou de l'utilisation ou d'autres relations dans le logiciel.
