Aller au contenu principal

Power Price Projections

Modéliser bien plus que l’optimisation énergétique.

Brochure Planifier une démo
Power Price Projections

Il existe enfin un choix alternatif pour accéder aux prix futurs de l'électricité. Notre service Power Price Projections est une offre par abonnement fournissant des analyses et des séries temporelles sur l'évolution à long terme des prix de gros de l'électricité pour le marché day-ahead. Ce service s'appuie sur notre modèle énergétique Enerdata basé sur la bibliothèque open-source PyPSA et sur les scénarios énergie-climat de référence d'Enerdata. Il bénéficie de nos vastes bases de données détaillées (demande d'électricité sectorielle et données par centrales électriques) ainsi que de notre expertise des marchés de l'énergie. Power Price Projections est l'outil stratégique ultime pour les investisseurs et les développeurs du secteur de l'énergie cherchant à évaluer leurs retours sur investissement à court, moyen et long terme.

En savoir plus sur Power Price Projections

Approche à 360°

des marchés européens de l'énergie

Granularité horaire

des prix de gros

2025 à 2050

projections annuelles

Nos Power Price Projections sont élaborées à partir de deux modèles exclusifs :

  • Notre modèle POLES : modèle de projection d'énergie multi-pays robuste utilisé par de nombreuses entreprises du secteur de l’énergie, services publics, investisseurs et développeurs dans le monde entier. Il modélise au niveau national (entre autres indicateurs), les capacités installées annuelles et la demande d'électricité par secteur.
  • Notre modèle PyPSA-Enerdata : élaboré à partir de la bibliothèque open-source PyPSA avec les données et les post-traitements d'Enerdata. Ce modèle utilise les données issues de POLES pour modéliser une répartition horaire des prix de l'électricité au niveau de la zone d'appel d'offres et de la centrale électrique. 

Quelles différences entre notre approche et les modèles de projection de l’électricité de « pure optimisation » ? 

  • L'utilisation de l'approche de modélisation POLES pour la capacité et la demande permet d'éviter l'effet "malheur aux vaincus" « tout-au-gagnant » souvent observé dans les modèles d'optimisation pure. Grâce à la prise en compte des mix historiques de capacité et de production, ainsi qu'à l'introduction de paramètres de concurrence non économiques, POLES attribue les technologies de production d'électricité sur la base des LCOE (coût actualisé de l’énergie) et des coûts variables, mais tient compte également de paramètres non économiques (politiques, diversification du mix, etc.).
  • Le modèle POLES considère les classes technologiques en fonction de leurs paramètres techniques, économiques et environnementaux, avec une approche récursive année par année, plus adaptée à la représentation des systèmes énergétiques réels avec leurs imperfections et leurs barrières : alors que les modèles d'optimisation utilisent souvent une approche de prévoyance parfaite - permettant aux agents économiques de disposer de toutes les informations sur l'ensemble de la période considérée - POLES met en œuvre un processus itératif, tenant compte des besoins de capacité à long terme et garantissant l’ajout d’une réserve de sécurité définie par l'utilisateur à la demande de pointe.
  • Une autre valeur ajoutée majeure de POLES est que la demande énergétique sectorielle est endogène et peut être modélisée/affinée par l'utilisateur, qui trouvera des rétroactions logiques entre l'offre et la demande d'électricité. Les modèles d'optimisation des systèmes énergétiques, quant à eux, utilisent généralement la demande énergétique comme un paramètre d'entrée exogène, reflétant une nouvelle fois soit une hypothèse fixe à long terme, soit une prévision parfaite à long terme pour les agents du système énergétique. 

Le modèle PyPSA-ENERDATA présente deux avantages supplémentaires par rapport aux autres modèles :

  • La répartition de l'électricité est affinée par centrale électrique sur la base des données recueillies dans notre Power Plant Tracker.
  • Le comportement des agents économiques est modélisé pour refléter les stratégies d'offre non rationnelles et tenir compte des contraintes non linéaires (par exemple, le temps d’atteinte des capacités, les charges minimales, les exigences annuelles en matière d'émissions, etc.).

Planifier une démo

Profitez d'une démonstration complète et d'une session de questions-réponses avec nos spécialistes.

Besoin de plus d'information ? Contactez-nous

T: +33 4 7642 2546