Stochastic Systemic LCOE with Time-Varying Pricing Schedule and Agent-Based Interaction Modelling

A methodological scheme to diversify the portfolio of generating technologies, through a Levelized Cost of Electricity (LCOE) analysis is explored in this research, in order to minimize the cost and risk involved in the production of electricity. We investigate the cost effect of the time-varying pricing schedule when the intermittent renewable energy source is integrated into a dispatchable resourced based power system, under a stochastic systemic framework. The unpredictability of fossil fuel prices and the uncertainty in the environmental policies constitute the financial risk in the purely thermal technology portfolio. The fossil fuel is modeled using the mean-reverting Levy models, which captures the complicated behavior in the observed dynamics of market prices; this ensured a more accurate computation of LCOE. The Conditional Value at Risk Deviation (CVaRD) measure is used to capture the tail risk in the systemic LCOE portfolio for the assessment of worst-case scenario. We observe that the inclusion of solar and wind components, which represent the riskless asset of the portfolio, shows a combined effect of extra cost and risk reduction in the systemic frontier produced through the mean-CVaRD optimization approach. This research is useful for a policymaker in measuring the overall competitiveness of an energy system. The second part of this research, which is based on agent interaction, shows the effect of competition and cooperation among interacting agents along a generalized Verhulst-Lotka-Volterra model. We investigate analytically and numerically how interaction among agents affect satisfying demand, that is, reaching the market capacity, and the effect on the systemic stability. Agents in this analysis are the energy investors/firms. Systemic stability is observed when agents grew in size to the market capacity. Agents which collaborated better also tend to perform better in the market.

Uno schema metodologico per diversificare il portafoglio di tecnologie di generazione attraverso un'analisi del LCOE (Levelized Cost of Electricity) è stata analizzata in questo lavoro di ricerca, al fine di minimizzare il costo e il rischio coinvolti nella produzione di elettricità. Abbiamo investigato l'effetto sul costo di una dinamica dei prezzi variabile nel tempo, quando la fonte di energia rinnovabile intermittente è integrata in un sistema di alimentazione basato su risorse dispatchable; sotto un quadro sistemico stocastico. L'imprevedibilità dei prezzi dei combustibili fossili e l'incertezza delle ambientali politiche costituiscono rischio finanziario nel portafoglio tecnologico puramente termico. Il combustibile fossile è stato modellato usando un modello di Levy mean-reverting, il quale riesce a catturare l'andamento della dinamica dei prezzi di mercato osservata; questo assicura un calcolo più accurato del LCOE. Il Conditional Value at Risk Deviation (CVaRD) veniva utilizzato per catturare il tail risk nel LCOE sistemico del portafoglio per la valutazione del worst-case scenario. Si è osservato che l'inclusione di componenti solari ed eolici, che rappresentano l'asset privo di rischio del portafoglio, mostrano un effetto combinato di costo extra e riduzione del rischio nella frontiera sistemica prodotta attraverso l'ottimizzazione media-CVaRD. Questo risultato può essere utilizzato dai policymakers per misurare la competitività complessiva di un sistema energetico che potrebbe essere utile per analizzare politiche energetiche. La seconda parte della tesi, che è basata sull'interazione tra agenti, mostra l'effetto della competizione e cooperazione tra agenti che interagiscono tra loro attraverso un modello generalizzato di tipo Verhust-Lotka-Volterra. Abbiamo investigato analiticamente e numericamente come l'interazione tra agenti influenzi la soddisfazione della domanda, cioè raggiungere la capacità di mercato e l'effetto sulla stabilità del sistema. In questa analisi gli agenti sono gli investitori (aziende) in energia. La stabilità del sistema è stata studiata quando gli agenti crescono in termini di dimensioni alla capacità di mercato. Gli agenti che collaborano meglio tendono ad avere migliori performance nel mercato.