การออฟติไมซ์การลงทุนระบบไฟฟ้าทั้งหมดที่ใช้ต้นทุนน้อยที่สุดโดยใช้แบบจำลอง PyPSA

กระทรวงพลังงาน ได้มีการจัดทำแผนแม่บทการพัฒนาระบบโครงข่ายสมาร์ทกริดของประเทศไทยปี 2558 – 2579 เป็นโครงข่ายไฟฟ้าที่ใช้เทคโนโลยีสารสนเทศ และการสื่อสารมาบริหารจัดการ ควบคุมการผลิต และจ่ายพลังงานไฟฟ้า ที่สามารถรองรับการเชื่อมต่อระบบไฟฟ้าจากแหล่งพลังงานหมุนเวียน และระบบไฟฟ้าขนาดเล็กแบบกระจายศูนย์ โดยแผนการลงทุนในกิจการไฟฟ้าจากหน่วยงานภาครัฐของไทย ประกอบด้วย 3 หน่วยงาน คือ การไฟฟ้าฝ่ายผลิตแห่งประเทศไทย (กฟผ.) การไฟฟ้าส่วนภูมิภาค (กฟภ.) และการไฟฟ้านครหลวง (กฟน.) เพื่อความต้องการไฟฟ้าที่เพิ่มขึ้น และเพื่อรักษาความมั่นคงของระบบไฟฟ้าและเพิ่มความยืดหยุ่นของระบบส่งไฟฟ้า และโครงสร้างอัตราค่าไฟฟ้า ประกอบด้วย 3 ส่วนสำคัญ คือ ค่าไฟฟ้าฐาน ค่าไฟฟ้าโดยอัตโนมัติ (Ft) และภาษีมูลค่าเพิ่ม (VAT) โดยค่าไฟฟ้าฐาน (Base Tariff) จะปรับทุก 3 –5 ปี ซึ่งสะท้อนถึงต้นทุน ดังนี้ คือ 1) เงินลงทุนในการก่อสร้างโรงไฟฟ้า ระบบส่ง ระบบจำหน่ายไฟฟ้า 2) ค่าเชื้อเพลิงการผลิตไฟฟ้า ค่าซื้อไฟฟ้า และค่าใช้จ่ายตามนโยบายรัฐ  3) ส่วนปรับปรุง เช่น การลงทุนที่ไม่เป็นไปตามแผน (Claw Back) เป็นต้น และ 4) ค่าบริการรายเดือน (MRBC) จากประเด็นท้าทายในการกำหนดอัตราค่าไฟฟ้าฐาน ที่ขึ้นกับปัจจัยหลักจากเงินลงทุนในการก่อสร้างโรงไฟฟ้า ระบบส่ง ระบบจำหน่ายไฟฟ้า ซึ่งจะมีการปรับค่าไฟฟ้าฐานทุก 3-5 ปี ทำให้การประเมินการลงทุนในกิจการไฟฟ้าเป็นสิ่งสำคัญซึ่งจะส่งผลกระทบต่ออัตราค่าไฟฟ้าฐานในอนาคตอีก 3-5 ปี ด้วยเหตุผลดังกล่าว จึงมีความจำเป็นต้องมีการใช้แบบจำลอง PyPSA (Python for Power System Analysis) เพื่อศึกษาและวิเคราะห์ Optimization ต้นทุนน้อยที่สุด (Minimization) ของการลงทุนระบบไฟฟ้าทั้งหมด (Total electricity system least cost investment optimization) ที่ครอบคลุมทั้งด้านการผลิต ระบบส่งและระบบจำหน่าย รวมทั้งผู้ใช้งานปลายทางในภาคเศรษฐกิจต่างๆ ทั้งนี้ การวางแผนระบบไฟฟ้าในปัจจุบันของการไฟฟ้าฝ่ายผลิตแห่งประเทศได้พิจารณาใน 3 ประเด็นหลัก คือ  Least cost, CO2 emission และความมั่นคงของระบบ และมีการศึกษา Power flow ประกอบในการวิเคระห์ แต่ในแบบจำลอง PyPSA สามารถศึกษาครอบคลุมทั้งระบบพลังงานได้ (Total energy system least cost investment optimization) ซึ่งจะทำให้การประเมินการลงทุนน้อยที่สุดสามารถสะท้อนความเป็นจริงของระบบมากกว่า รวมทั้งมีการศึกษา Optimal power flow เช่นกัน อย่างไรก็ตาม การวิจัยนี้ยังเป็นการศึกษาขั้นพื้นฐานก่อนที่จะมีการต่อยอดการศึกษาต่อไป โดยการดำเนินการวิจัยจะประกอบด้วย 4 ขั้นตอนหลัก คือ 1) การเตรียมข้อมูลสำหรับแบบจำลอง PyPSA (Data collection) 2) ดำเนินการใช้งานแบบจำลอง PyPSA ด้วยการเขียนโค้ดดภาษา Python โดยใช้ระบบโครงข่ายและข้อมูลจาก IEEE Test Cases และตรวจสอบความถูกต้อง 3) Run แบบจำลอง PyPSA เพื่อวิเคราะห์ Optimization ต้นทุนน้อยที่สุด (Minimization) ของการลงทุนระบบไฟฟ้าทั้งหมด และ 4) เปรียบเทียบและวิเคราะห์ผลลัพธ์