SAS forum maj Gas portefølje optimering i Energy Markets

Transkript

1 SAS forum maj 2009 Gas portefølje optimering i Energy Markets

2 Agenda Præsentation af DONG Energy og Energy Markets Fortiden: Baggrund for porteføljemodellering Nuet: Vækst og øget krav til modellering Fremtid: Døgn og stokastisk modellering Spørgsmål 2

3 Aktiviteter 3

4 Koncern ledelse Overview/Elements/Hierarchies Anders Eldrup CEO Carsten Krogsgaard Thomsen CFO Søren Gath Hansen Exploration & Production Niels Bergh- Hansen Generation Kurt Bligaard Pedersen Energy Markets Lars Clausen Sales & Distribution 4

5 Omsætning Omsætningen steg med 46% og udgjorde DKK 60,8 mia. i 2008 mod DKK 41,6 mia. i 2007 Stigningen skyldes hovedsagelig højere gennemsnitlige salgspriser for olie, gas og el samt øget olie- og gasproduktion 21% 9% DKK 60,8 milliarder 20% Exploration & Production Generation Energy Markets Sales & Distribution Olie- og gasproduktionen var 65% højere end i 2007, hovedsagelig som følge af produktion fra gasfeltet Ormen Lange, som indledte produktion i oktober % Salget af gas steg med 26%. Den termiske elproduktion faldt med 7% 5

6 Driftsresultat Driftsresultatet (EBITDA) steg med 42% i 2008 til 13,6 mia. kr. mod 9,6 mia. kr. i 2007 Udover stigningen i omsætningen skyldes en væsentlig del af stigningen tidsforskydningseffekter i forbindelse med de kraftige udsving i markedspriserne på især olie, gas og kul 36% 13% DKK 13,6 milliarder 29% 22% Exploration & Production Generation Energy Markets Sales & Distribution 6

7 Energy Markets Energy Markets optimerer DONG Energy s energiportefølje og er dermed bindeleddet mellem koncernens fremskaffelse og salg af energi. Energy Markets sælger gas og el til engroskunder og handler på energibørser GASSALG GWh 36% ELSALG GWh EBITDA DKK millioner 7

8 Energy Markets fakta 8

9 Sammenhæng mellem fremskaffelse og salg af gas I 2008 kom hovedparten af DONG Energy s gasforsyning fra langsigtede gaskøbsaftaler med tredjeparter. 14% blev produceret internt i koncernen af Exploration & Production I Danmark blev GWh solgt internt, delvis til videresalg til slutkunder i Sales & Distribution og delvis til brændsel i de termiske kraftværker GWh blev solgt til eksterne engroskunder Det udenlandske salg af gas udgjorde i GWh, som var fordelt med GWh til engroskunder og GWh på gasbørser m.v 9

10 Agenda Præsentation af DONG Energy og Energy Markets Fortiden: Baggrund for porteføljemodellering Nuet: Vækst og øget krav til modellering Fremtid: Døgn og stokastisk modellering Spørgsmål 10

11 Baggrund for model Markeds situation 2003/2004 Fri markedsadgang til dansk marked pr. 1. januar Engros salg til Tyskland med levering i Ellund. Engros salg til Sverige med levering i Dragør. Mere end 90% af gasafsætningen købt på langtidskontrakt. Begyndende marked i Holland med handel af gas men vi havde ikke adgang. Udfordring Hvis "stort" markedstab, så "dobbelt" tab grundet Take & Pay langtidskontrakter. Etablere rør forbindelse til Holland. 11

12 Etablere forbindelse til Holland fra nordsøen Spørgsmål Hvor stor kapacitet skal man have til Holland. Kan vi sige noget som helst fornuftigt om forventet indtjening ved at etablere forbindelsen. Hvordan udnyttes fleksibiliteten i lageret og købskontrakterne optimalt - ud fra et kommercielt synspunkt. Givet prisniveau og afsætning kan et simpelt lineært program hjælpe til med at give svarene. Model Minimer udgifter til køb af gas, brug af lager og transport til Holland minus salg af gas i Holland. Under hensyntagen til månedlig balancering og kapacitetsbegrænsninger, månedlige og årlige restriktioner på købsaftalerne. Erfaringerne var, at modellen var meget nyttig til også at planlægge brugen af lager og køb af gas. Modellen fik lov til at udvikle sig til en egentlig driftsmodel. 12

13 Udvidelser fra 2004 til 2006 Udvidelse på gasmarkedet omfatter blandt andet: 10% ejerandel af gasfeltet Ormen Lange. Opkøb af distributionsselskabet Intergas i Nederlandene Etablering af handelsselskabet E-nord i Tyskland Køb af lagerkapacitet i Tyskland og Nederlandene Modellen benyttes til Planlægge mængder af gas, der kan sælges på "børser" (hubs) Estimere behov for infrastruktur Sourcing analyser 13

14 Rapportering Rapport værktøj i SAS/AF. Netværksgraf med SAS annotate. Rapporter afhængig af, hvilken type node eller kant men vælger. Eksport til Excel. Excel baseret rapporteringsværktøj. "Dump" af alle datasæt til Excel. Al forretningslogik også indbygget i Excel. Rigtig flot grafik, der virkelig "solgte" modellen og de budskaber, vi gerne ville have ud. 14

15 Ad-hoc udvikling Datamodel Optimisten: Meget simpel. Pessimisten: Ikke eksisterende. Tabeller, der kan bruges til at angive værdier for tidsserier. Få metadata, der bruges til lidt rapportering. købskontrakt inflow1 outflow inflow2 salgskontrakt1 salgskontrakt2 Balanceligning kode princip %createpointbalance(bl_red, købskontrakt inflow1 inflow2 outflow salgskontrakt1 salgskontrakt2, , firstdate,lastdate,operator=eq,rhs=0); Til slut havde vi mere end 1000 linjer koder af denne type, og der var påbud om at være minimum 2, når der skulle rettes/tilføjes. I praksis ikke muligt at udvide netværket, der kan modelleres. 15

16 Agenda Præsentation af DONG Energy og Energy Markets Fortiden: Baggrund for porteføljemodellering Nuet: Vækst og øget krav til modellering Fremtid: Døgn og stokastisk modellering Spørgsmål 16

17 Forbedret datamodel Begrænsning Kontrakt Tidsserie Node og kant Tidsserier er det centrale element, som er karakteriseret ved Kontrakt Node Begrænsning (f.eks. balance i en node) og typer Serietype Pris Herudover entiteter, der benyttes til: Definition af scenarier Logning Tids og workflow styring I alt mere end 40 entiteter, som skal sammenholdes med de 4, som var i første version. 17

18 Forbedret SAS kode og dokumentation Etablering af dokumentation standard, så vi nemt kan danne HTML sider med SAS dokumentationen. Versionsstyring. Kode standard så alle programmer er bygget op som: Header med dokumentation Liste af parametre (macrovariable) Sekvens af SAS macroer, der skal kaldes. Evt. kan der også være "små" datastep og/eller procedure kald. Vigtigst: Generel kodning af begrænsninger ud fra type og objekt funktion. Ingen direkte referencer til specifikke tidsserier. 18

19 Ny grænseflade i Java Bruger grænsefladen benyttes til: Få et overblik over porteføljen Rapportering med henblik på at forstå modellens resultater Simpel redigering af input data Definere scenarier ud fra det centrale basis scenarie Schedulere og eksekvere workflows. Udvklingsmetodik: Lavet i Java med interface til en SAS workspace server. Rapporter er SAS stored processer, der bliver præsenteret i en embedded browser. Til schedulering og workflow styring benyttes middleware fra Oracle. 19

20 Excel rapportering Grafik og rapporter formateres i Excel Udtræk og forretningslogik i SAS Interface mellem Excel og SAS er SAS Stored Processer. Vi har bevaret, men udvidet, den "gamle" rapporteringsgrænseflade. 20

21 Benefits En ramme, hvor det er relativ nemt at implementere nye noder og kontrakter. En skalerbar løsning. En rapporteringsløsning, hvor brugerne føler sig "hjemme", men hvor logik stadig er samlet centralt. Muligt at lave mange forskellige former for scenarier. Langt bedre dokumentation. Både med hensyn til koden og de dannede data. Vi gemmer alle kørsels data, og som udgangspunkt sletter vi slet ikke data. Til en given kørsel kan vi spore specifikt hvilke input data, der har være benyttet. 21

22 Agenda Præsentation af DONG Energy og Energy Markets Fortiden: Baggrund for porteføljemodellering Nuet: Vækst og øget krav til modellering Fremtid: Døgn og stokastisk modellering Spørgsmål 22

23 Modellering fra månedsniveau til døgnniveau Typer af input data til modellen 1. Realiserede salg/køb af gas mængder 2. Pris forecast 3. Sæson prognoser (Forecast for retail markederne i DK, S, D og NL) 4. Køb af infrastruktur ydelser. 5. Kontrakt information 6. Forventninger til markeds udvikling 7. Netværk og flow information 1-4 skal opdateres dagligt for en model, der har en daglig opløsning. 5-7 kan opdateres månedligt eller efter behov. Udfordringer (kun tekniske) Opsamling og automatisering af data, der skal opdateres dagligt. F.eks. realiserede data skal hentes fra 5-6 forskellige transaktionssystemer. Lukke priser er først tilgængelige efter midnat. Antallet af beslutningsvariable vokser fra til omkring Ikke være muligt at benytte nuværende procedure LP. Skal i stedet benytte nye LP procedure som f. eks. OPTLP (Vore erfaring er, at de nye er omkring gange hurtigere end de gamle). Medfører desværre nyt input format til procedurerne, så al kode skal gennemgås. Kun mindre ændringer til data modellen 23

24 Stokastisk modellering Nuværende model deterministisk. Det at køre forskellige scenarier henover (f.eks mulige pris scenarier) forandrer ikke ved det princip. Man får en optimal løsning for hvert scenarie, men ikke en løsning, der er "god" i alle scenarier. Så vidt vi ved er der ingen, der har en metode, der kan løse det stokastiske problem på et netværk af vores dimensioner. Men vi håber at have noget i produktion i løbet 2-3 år. Udfordringer Problemformulering. Vi deltager august i en workshop i ESGI med en stokastisk problemformulering Gas portfolio optimisation under uncertainty. Problemet er beskrevet på siden Det er et "ungt" marked, hvorfor der er lille viden om stokastik for pris udvikling og korrelation mellem vejr, priser og sæsonforbrug. Nye produkttyper, såsom handel med infrastruktur ydelser. 24

25 Agenda Præsentation af DONG Energy og Energy Markets Fortiden: Baggrund for porteføljemodellering Nuet: Vækst og øget krav til modellering Fremtid: Døgn og stokastisk modellering Spørgsmål 25

26 Spørgsmål Men først vil jeg gerne have lov til at henvise til en glimrende oversigtsartikel udarbejdet af energisselskabet Essent Trading. Linket til artiklen er Gas Portfolio and Transport Optimization, og findes på Essent Tradings hjemmeside som giver en introduktion til netværksproblemet. 26