Interactions between carbon and power markets in transition

Pełen tekst

(1)Doctoral Thesis Delft, The Netherlands 2015. Interactions between carbon and power markets in transition Jörn Constantin Richstein.

(2) Interactions between carbon and power markets in transition.

(3)

(4) Interactions between carbon and power markets in transition. PROEFSCHRIFT. ter verkrijging van de graad van doctor aan de Technische Universiteit Delft, op gezag van de Rector Magnificus prof.ir. K.C.A.M. Luyben; voorzitter van het College voor Promoties, in het openbaar te verdedigen op woensdag 2 december 2015 om 12:30 uur door Jörn Constantin RICHSTEIN Diplom-Wirtschaftsingenieur, Karlsruhe Institut für Technologie, Duitsland geboren te Hannover, Duitsland..

(5) This dissertation has been approved by the promotor: Prof. dr. ir. M.P.C. Weijnen copromotor: Dr. ir. L.J. de Vries Composition of the doctoral committee: Rector Magnificus Prof. dr. ir. M.P.C. Weijnen Dr. ir. L.J. de Vries. chairman Technische Universiteit Delft Technische Universiteit Delft. Independent members: Prof. Dr. M. Galeotti Prof. Dr. N. Gilbert Prof. Dr. P. Linares Llamas Prof. Dr. L. Söder Prof. dr. ir. G.J.W. van Bussel Prof. dr. R. Künneke. Università degli Studi di Milano University of Surrey Universidad Pontificia Comillas Kungliga Tekniska Högskolan Technische Universiteit Delft Technische Universiteit Delft, reserve member. TRITA-EE 2015:71 ISSN 1653-5146 ISBN 978-94-6186-560-1 The doctoral research has been carried out in the context of an agreement on joint doctoral supervision between KTH Royal Institute of Technology, Sweden, Comillas Pontifical University, Spain and Delft University of Technology, the Netherlands. This research was funded by the European Commission through the Erasmus Mundus Joint Doctorate Program and Delft University of Technology.. c 2015 by J.C. Richstein Copyright Some rights reserved. This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License. To view a copy of this license, visit http: //creativecommons.org/licenses/by-nc-nd/4.0/ or send a letter to Creative Commons, 171 Second Street, Suite 300, San Francisco, California, 94105, USA.. Cover: Mock blueprint of power plant with EUA price in polar coordinates. Designed by Jan Christian Schulz and the author. Typeset by the author in LATEX 2ε , layout adopted from Émile Chappin Printed and published by: Gildeprint Drukkerijen - Enschede, The Netherlands - 2015. E-mail:. jrichstein@gmail.com.

(6) Doctoral Thesis supervisors: Prof.dr.ir. M.P.C. Weijnen Dr. ir. L.J. de Vries Members of the Examination Committee: Prof. Dr. M. Galeotti Prof. Dr. N. Gilbert Prof. Dr. P. Linares Llamas Prof. Dr. L. Söder Prof. dr. ir. G.J.W. van Bussel Prof. dr. R. Künneke. Università degli Studi di Milano University of Surrey Universidad Pontificia Comillas Kungliga Tekniska Högskolan Technische Universiteit Delft Technische Universiteit Delft, reserve member. TRITA-EE 2015:71 ISSN 1653-5146 ISBN 978-94-6186-560-1 This research was funded by the European Commission through the Erasmus Mundus Joint Doctorate Program and Delft University of Technology. Keywords: EU ETS, carbon market, investment, electricity, agent-based modelling, EMLab-Generation, price floor, price ceiling, price corridor, market stability reserve, MSR c 2015 by J.C. Richstein Copyright Some rights reserved. This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License. To view a copy of this license, visit http: //creativecommons.org/licenses/by-nc-nd/4.0/ or send a letter to Creative Commons, 171 Second Street, Suite 300, San Francisco, California, 94105, USA.. Printed and published by: Gildeprint Drukkerijen - Enschede, The Netherlands - 2015.

(7) SETS Joint Doctorate The Erasmus Mundus Joint Doctorate in Sustainable Energy Technologies and Strategies, SETS Joint Doctorate, is an international programme run by six institutions in cooperation: • Comillas Pontifical University, Madrid, Spain • Delft University of Technology, Delft, the Netherlands • Florence School of Regulation, Florence, Italy • Johns Hopkins University, Baltimore, USA • KTH Royal Institute of Technology, Stockholm, Sweden • University Paris-Sud 11, Paris, France The Doctoral Degrees issued upon completion of the programme are issued by Comillas Pontifical University, Delft University of Technology, and KTH Royal Institute of Technology. The Degree Certificates are giving reference to the joint programme. The doctoral candidates are jointly supervised, and must pass a joint examination procedure set up by the three institutions issuing the degrees. This thesis is a part of the examination for the doctoral degree. The invested degrees are official in Spain, the Netherlands and Sweden respectively. SETS Joint Doctorate was awarded the Erasmus Mundus excellence label by the European Commission in year 2010, and the European Commission’s Education, Audiovisual and Culture Executive Agency, EACEA, has supported the funding of this programme. The EACEA is not to be held responsible for contents of the Thesis..

(8) Contents List of Figures. xi. List of Tables. xv. Summary. xvii. Samenvatting. xxiii. Acknowledgements. xxxi. 1. 2. 3. Introduction 1.1 Background . . . . . . . . . . . . . . . . 1.2 Problem statement and research questions 1.2.1 Problem statement . . . . . . . . 1.2.2 Research questions . . . . . . . . 1.3 Scientific contribution and method . . . 1.4 Thesis structure . . . . . . . . . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. 1 1 2 2 3 4 5. EMLab-Generation model description and assumptions 2.1 General model structure & agents . . . . . . . . . . 2.2 Power plant operation and spot market bidding . . . 2.3 Interlinked electricity and CO2 markets . . . . . . . 2.4 Generation technologies & initial portfolio . . . . . 2.5 Investment in generation capacity . . . . . . . . . . 2.6 Fuel price and demand trends . . . . . . . . . . . . 2.7 Renewable investment . . . . . . . . . . . . . . . . 2.8 Model verification and validation . . . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. 7 8 9 11 14 15 16 17 17. . . . . .. 19 19 19 20 22 22. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. General and national price caps in an emission trading system 3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.1 Motivation . . . . . . . . . . . . . . . . . . . . . . 3.1.2 Literature review and choice of methodology . . . . 3.2 Model results and discussion . . . . . . . . . . . . . . . . . 3.2.1 Scenarios . . . . . . . . . . . . . . . . . . . . . . . vii. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . ..

(9) Contents. 3.3 4. 5. viii. 3.2.2 CO2 prices and emissions . . . . . . . . . . . . . . . . 3.2.3 Generation portfolio . . . . . . . . . . . . . . . . . . . 3.2.4 Total generation costs and consumer expenditure . . . . 3.2.5 Sensitivity analysis: fuel and renewable energy scenarios 3.2.6 Sensitivity analysis: the level of the price floor . . . . . 3.2.7 Reflection on the assumptions . . . . . . . . . . . . . . Conclusions and policy implications . . . . . . . . . . . . . . .. The Market Stability Reserve and backloading 4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Banking and the EU ETS reforms . . . . . . . . . . . . . . 4.2.1 The banking behaviour of power generators . . . . 4.2.2 Improving the ETS: Backloading and the MSR . . . 4.2.3 Uncertain effects of the proposed MSR . . . . . . . 4.2.4 The effect of the MSR on price volatility . . . . . . 4.2.5 Choice of modelling methodology . . . . . . . . . 4.3 Modelling backloading and the market stability reserve . . . 4.4 Results and discussion . . . . . . . . . . . . . . . . . . . . 4.4.1 The proposed EU ETS reforms . . . . . . . . . . . Scenario description . . . . . . . . . . . . . . . . . CO2 prices, emissions and banking . . . . . . . . . Sensitivity analysis: CO2 hedging assumptions . . . Sensitivity analysis: introduction time for the MSR 4.4.2 Alternative designs of the MSR . . . . . . . . . . . Scenario description . . . . . . . . . . . . . . . . . EUA prices and hedging . . . . . . . . . . . . . . . EUA Price volatility . . . . . . . . . . . . . . . . . 4.4.3 Volatility analysis with simplified model . . . . . . 4.4.4 Reflection on the assumptions . . . . . . . . . . . . 4.5 Conclusions and policy implications . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. 23 27 29 31 32 32 33. . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . .. 35 35 36 36 38 38 39 41 42 43 44 44 44 47 49 49 49 53 56 56 57 58. Adjusting the emission cap to subsidised RES generation 5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1.1 Related literature . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1.2 Rationale for and against cap adjustment based on subsidised renewable electricity production . . . . . . . . . . . . . . . . . . . 5.1.3 Design options for a cap adjustment based on subsidised renewable electricity production . . . . . . . . . . . . . . . . . . . . . 5.1.4 Choice of modelling methodology . . . . . . . . . . . . . . . . 5.2 Model adaptions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1 Modelling the adjustment of the cap based on renewable policy . 5.2.2 Investment in RES . . . . . . . . . . . . . . . . . . . . . . . . . 5.3 Model results and discussion . . . . . . . . . . . . . . . . . . . . . . . . 5.3.1 Scenarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3.2 Results and analysis . . . . . . . . . . . . . . . . . . . . . . . . . 5.3.3 EUA prices . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 61 . 61 . 62 . 63 . . . . . . . . .. 64 66 67 67 68 68 68 69 69.

(10) Contents. 5.4 6. 7. 5.3.4 CO2 emissions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 5.3.5 Green promotes the dirtiest - cap adaption impedes them . . . . . 74 Conclusions and policy implications . . . . . . . . . . . . . . . . . . . . . 74. Comparison of carbon market reforms and the robustness of model results to risk aversion 6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1.1 Review of literature regarding market stability reserve proposals 6.1.2 Review of risk-averse investment behaviour and inclusion of uncertainty in power sector capacity expansions modelling . . . . . 6.2 Model adaptions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2.1 Risk based investment . . . . . . . . . . . . . . . . . . . . . . . 6.2.2 Parliament MSR . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3 Results and discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3.1 CO2 prices and their volatility . . . . . . . . . . . . . . . . . . . 6.3.2 Generation technology mix . . . . . . . . . . . . . . . . . . . . 6.3.3 CO2 emissions and reduction efficiency . . . . . . . . . . . . . . 6.3.4 Redistribution effects . . . . . . . . . . . . . . . . . . . . . . . . 6.3.5 Cross-policy comparison . . . . . . . . . . . . . . . . . . . . . . 6.4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . .. 79 81 81 82 83 83 85 87 89 91 94. Conclusions and discussion 7.1 Conclusions . . . . . . . . . . . . . . . . . . . . . . 7.2 Reflection . . . . . . . . . . . . . . . . . . . . . . . 7.2.1 On limitations and strengths of the approach 7.2.2 On artificial markets . . . . . . . . . . . . . 7.3 Recommendations . . . . . . . . . . . . . . . . . . 7.3.1 For policy makers . . . . . . . . . . . . . . 7.3.2 For future research . . . . . . . . . . . . . .. . . . . . . .. 97 97 101 101 103 103 103 105. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. 77 . 77 . 78. Appendices. 107. A Model Definition A.1 Technologies . . . . . . . . . . . . . . . . . . . . . . . A.2 Gas and coal price model . . . . . . . . . . . . . . . . . A.3 Calculation of the emission cap and scaling of the MSR A.3.1 Standard cap . . . . . . . . . . . . . . . . . . . A.3.2 Backloading and scaling of MSR . . . . . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. 109 109 109 110 110 111. B Model verification and validation B.1 Verification . . . . . . . . . . . . . . . . . . B.2 Validation . . . . . . . . . . . . . . . . . . . B.2.1 Structural behaviour validation . . . Investment level and producer profits Gas price validation . . . . . . . . . CO2 tax validation . . . . . . . . . . CO2 market validation . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. 113 113 117 117 117 118 118 120. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. ix.

(11) Contents B.2.2. Historical price validation . . . . . . . . . . . . . . . . . . . . . . 120. C General and national price caps in an emission trading system C.1 Sensitivity Analysis: Renewable subsidies . . . . . . . . . . C.2 Sensitivity Analysis: Fuel prices . . . . . . . . . . . . . . . C.3 Sensitivity: Floor price level . . . . . . . . . . . . . . . . . C.4 Test statistics . . . . . . . . . . . . . . . . . . . . . . . . .. . . . .. . . . .. . . . .. . . . .. . . . .. . . . .. . . . .. . . . .. 125 125 125 125 133. D Comparison of carbon market reforms and the robustness of model results to risk aversion 135 D.1 Risk aversion parameters . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 D.2 Discounted mitigation costs, system costs and surpluses . . . . . . . . . . 135 E Additional sensitivity analysis E.1 Investment horizon and number of past years used for forecasting prices and demand . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . E.2 Exogenous market parameters . . . . . . . . . . . . . . . . . . . . . . . E.2.1 Demand growth . . . . . . . . . . . . . . . . . . . . . . . . . . E.2.2 Emission cap . . . . . . . . . . . . . . . . . . . . . . . . . . . . E.2.3 Power plant mix . . . . . . . . . . . . . . . . . . . . . . . . . . E.2.4 No new nuclear and CCS investment . . . . . . . . . . . . . . .. 139 . . . . . .. 139 141 141 142 142 143. Bibliography. 145. List of publications. 157. Curriculum Vitae. 159. x.

(12) List of Figures 1.1. Reading guide to thesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 2.1 2.2 2.3. Stylized model flow diagram of a year in the model. . . . . . . . . . . . . . . 9 Load duration curves of CWE and GB and their approximations. . . . . . . . 11 Stylized electricity and CO2 market clearing process . . . . . . . . . . . . . . 12. 3.1 3.2 3.3 3.4 3.5. CO2 price and emissions development. . . . . . . . . . . . . . . . . . . . . Maximum CO2 permit prices in different scenarios. . . . . . . . . . . . . . Boxplot of the standard deviation of effective CO2 prices in individual runs. Histogram of CO2 emissions. . . . . . . . . . . . . . . . . . . . . . . . . . Mean development of nuclear, pulverised coal, integrated gasification combined cycle (IGCC), combined cycle gas turbine (CCGT) and technologies with carbon capture and storage (CCS) . . . . . . . . . . . . . . . . . . . . Boxplot of specific consumer expenditures in CWE and GB (excl. RES subsidies). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Median electricity market price development in CWE (with 50% and 90% envelopes) and GB. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 3.6 3.7. . . . .. 6. 24 25 26 26. . 28 . 30 . 30. 4.1. Response curve of proposed MSR (not scaled to electricity sector of Central Western Europe and Great Britain). Adapted from Tschach et al. (2014). . . . 4.2 CO2 permit prices and banked CO2 permits. The upper and lower triggers are shown as dashed lines in the MSR scenario. For comparison, we added the scaled EU ETS cap. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 Market Stability Reserve Volume . . . . . . . . . . . . . . . . . . . . . . . . 4.4 Total CO2 emissions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.5 Comparing the standard scenarios to a scenario where the electricity sector is the only sector with hedging requirements. . . . . . . . . . . . . . . . . . . . 4.6 EUA prices in different hedging scenarios. . . . . . . . . . . . . . . . . . . . . 4.7 Banked EUAs in different hedging scenarios. . . . . . . . . . . . . . . . . . . 4.8 Comparing the standard scenarios to a scenario with an earlier introduction of the MSR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.9 Response curves of target corridors investigated in the sensitivity analysis for the first year of operation (year 2021). Later years are scaled down with the cap. 4.10 EUA prices in alternative target corridor scenarios. . . . . . . . . . . . . . . . xi. 39. 45 46 46 48 50 51 52 53 54.

(13) List of Figures 4.11 Banked EUAs in alternative target corridor scenarios. . . . . . . . . . . . . . 55 4.12 Boxplot of the increases in standard deviation between the alternative target corridor scenario run and corresponding backloading run. . . . . . . . . . . . 56 4.13 Simplified model of an expected mid-term shortage with and without MSR. . 58 5.1 5.2 5.3 5.4 5.5 5.6 6.1 6.2 6.3 6.4. 6.5. 6.6. Example of a cap adjustment based on renewables. Adapted from Diekmann (2013). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Mean share of subsidised renewable energy production in generation. . . . . EUA prices in PureETS-0POvershoot scenario. . . . . . . . . . . . . . . . . EUA price differences to the PureETS-0POvershoot scenario. . . . . . . . . Total CO2 emissions in different Monte-carlo scenarios (Probability density function). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Relative generation of lignite in CO2 and renewable policy scenarios. . . . . CO2 price development. . . . . . . . . . . . . . . . . . . . . . . . . . . . . Median generation level of power generation technology groups. . . . . . . Probability density plot of CO2 emissions. . . . . . . . . . . . . . . . . . . Box plot of relative mitigation cost compared to CO2 emissions. The middle line corresponds to the median, the upper and lower hinge to the 1st and 3rd quartile. The whiskers extend to the highest/lowest point in the dataset which lies within the interquartile range (IQR) from the hinge (IQR = 1st quartile minus the 3rd quartile). The notches extend to 1.58 * IQR / sqrt(n). If the notches of two groups do not overlap, this is strong indication that the medians differ. For more details see McGill et al. (1978). . . . . . . . . . . . Specific differences in consumer and producer surplus, as well as system costs compared to a no CO 2 policy scenario. See Figure 6.4 for an explanation of the box plot. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . The average differences in net and gross consumer surplus to equivalent scenarios without CO2 policy. By stacking system costs, producer surplus and government revenue from the ETS it is shown that their sum is equivalent to the decrease of consumer surplus. . . . . . . . . . . . . . . . . . . . . . . .. . . . .. 63 69 70 71. . 73 . 74 . 84 . 86 . 87. . 89. . 90. . 92. A.1 Fuel price trends for coal and gas . . . . . . . . . . . . . . . . . . . . . . . . . 110 A.2 Emission caps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 B.1 Supply ratio in Great Britain in exogenous static demand scenarios. . . . . . B.2 Yearly profits of producers in CWE and GB in exogenous static demand scenarios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.3 Capacity mix in different gas price levels. . . . . . . . . . . . . . . . . . . . B.4 Emissions in different CO2 tax scenarios. . . . . . . . . . . . . . . . . . . . B.5 Emissions in different ETS cap scenarios. . . . . . . . . . . . . . . . . . . . B.6 EUA prices in different ETS cap scenarios. . . . . . . . . . . . . . . . . . . B.7 Banked EUAs in different ETS cap scenarios. . . . . . . . . . . . . . . . . . B.8 EUA prices in different ETS cap scenarios. . . . . . . . . . . . . . . . . . . B.9 Comparison of CO2 prices in model, and continuous EUA futures. . . . . . B.10 Comparison of CWE prices in model, and historic base and peak load prices in Germany.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xii. . 118 . . . . . . . .. 119 119 119 120 121 121 121 122. . 123.

(14) List of Figures C.1 C.2 C.3 C.4 C.5 C.6 C.7 C.8. C.9 C.10 C.11. CO2 price development for RES sensitivity. . . . . . . . . . . . . . . . . . . . 126 Histograms of CO2 emissions for RES sensitivity. . . . . . . . . . . . . . . . 126 Boxplots of consumer expenditures in CWE in different RES scenarios. . . . . 127 Boxplots of consumer expenditures in GB in different different RES scenarios. 127 Histograms of CO2 emissions for fuel price sensitivity. . . . . . . . . . . . . . 128 Boxplots of specific total consumer expenditures in CWE in different fuel price trend scenarios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 Boxplots of specific total consumer expenditures in GB in different different fuel price trend scenarios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129 The impact of different price floor and caps on CO2 prices. Price floors shown in dashed(-dotted), price ceilings in dotted lines. The levels of the price floors are indicated to the right of the graphs. . . . . . . . . . . . . . . . 130 The impact of different price floor and caps on CO2 emissions. The levels of the price floors are indicated to the right of the graphs. . . . . . . . . . . . . . 131 The impact of different price floor and caps on total cost to consumers in CWE. 132 The impact of different price floor and caps on total cost to consumers in GB. 132. D.1 CO2 prices for variations of risk aversion levels. . . . . . . . . . . . . . . . D.2 CO2 prices for variations of past years influencing risk aversion. . . . . . . . D.3 Box plot of relative discounted mitigation cost compared to CO2 emissions (see Figure 6.4 for non-discounted numbers and explanation of the boxplot). D.4 Specific discounted differences in consumer and producer surplus (see Figure 6.5 for non-discounted numbers), as well as system costs compared to a no CO2 policy scenario. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . 136 . 137. . 138. E.1 PureETS scenario with standard values (Reference year 7 years ahead, backlooking varies between 6 to 8 years). . . . . . . . . . . . . . . . . . . . . . . E.2 Sensitivity to reference year. . . . . . . . . . . . . . . . . . . . . . . . . . . E.3 Sensitivity of past years used in regression forecasts of agents. . . . . . . . . E.4 Sensitivity base case of PureETS, ParlMSR and PriceCorridor. . . . . . . . . E.5 Sensitivity analysis for a (on average) flat demand growth. . . . . . . . . . . E.6 Sensitivity analysis for stringency of emission cap. . . . . . . . . . . . . . . E.7 Sensitivity analysis for the starting power plant mix. . . . . . . . . . . . . . E.8 Sensitivity analysis for exclusion of nuclear and CCS as investment options. E.9 Sensitivity analysis for exclusion of nuclear and CCS as investment options.. . . . . . . . . .. . 138. 139 140 140 141 141 142 143 143 144. xiii.

(15) List of Figures. xiv.

(16) List of Tables 2.1 2.2. Notation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 Fuel price and demand growth rate assumptions. . . . . . . . . . . . . . . . . 16. 3.1 3.2. Investigated CO2 policies. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 Price floor levels. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32. 4.1 4.2 4.3. Banking & hedging scenarios. . . . . . . . . . . . . . . . . . . . . . . . . . . 40 Investigated banking/hedging ratios. . . . . . . . . . . . . . . . . . . . . . . . 47 Increase of EUA price standard deviation in runs compared to Backloading. . 57. 5.1 5.2. Characteristics of design options. . . . . . . . . . . . . . . . . . . . . . . . . 66 EUA price difference as compared to the PureETS-0POvershoot scenario. . . 72. 6.1. References of models in the power sector that treat investment decisions under uncertainty and with risk aversion. . . . . . . . . . . . . . . . . . . . . . 80 Quartiles of the CO2 price standard deviation (in EUR/ton) in individual runs 85. 6.2. A.1 Power generation technology assumptions . . . . . . . . . . . . . . . . . . . . 109 B.1 Validation scenarios (Scenarios marked with * are the identical base case) . . . 117 C.1 Total generation costs regarding price floors [EUR]. . . . . . . . . . . . . . . 129 C.2 EUA mean price Wilcox test . . . . . . . . . . . . . . . . . . . . . . . . . . . 133. xv.

(17) List of Tables. xvi.

(18) Summary Interactions between carbon and power markets in transition Why investigate power and carbon markets in transition? And the difficulty of doing so Over the past 25 years, the reports of the Intergovernmental Panel on Climate Change have indicated the urgency of avoiding the probably severe consequences of climate change for humans and ecosystems worldwide. Climate change is caused by anthropogenic greenhouse gas emissions, among them CO2 as the most influential greenhouse gas. A transition to a low-carbon economy over the coming decades is therefore considered to be essential. Consequently, with Directive 2003/87/EC the European Union established a cap-and-trade system in order to limit and reduce the emissions of greenhouse gases. In the European Union Emission Trading System (EU ETS), emitters need to hand in allowances (EUAs) for each ton of emitted greenhouse gases. The number of allowances made available by the EU and its member states is limited and declines over time. Allowances can be freely traded between market participants and be banked for future use. The EU ETS has been characterised by volatile prices since its inception, with the EUA price dropping to below 5 Euro/ton in 2013. This is considered to be problematic because the price is too low to induce a transition to a low-carbon economy. It is also feared that a delay in the process leads to dynamic inefficiencies; that is the failure to reduce emissions at present time may lead to an overall more costly energy transition, since investments in infrastructures are very long-lived. Several national policy measures, such as a national price floor for CO2 in Great Britain, and EU ETS wide reforms, such as the backloading measure or the market stability reserve, have been proposed and/or implemented. The largest economic sector that is affected by the EU ETS is the electricity sector. Due to its liberalisation and the accompanying partial shift of responsibility to private actors, interventions in the sector have become a complex challenge for governments. Another reason for the complexity of interventions is the longevity of assets in the power sector. Power plants have life times well in excess of 20 years, thus decisions and policy changes affect the sector for a long time to come. This effect is also known as path dependency. Dynamic interactions between the electricity sector and the carbon market thus play out over several years or even decades and will determine the effectiveness and xvii.

(19) Summary efficiency of the energy transition. The central research question addressed is in this thesis is therefore: How do the EU ETS and national or systemwide reforms thereof interact with the European electricity sector during the energy transition? This thesis comprises the introduction of an agent-based model for the investigation of said dynamics. Four studies of the original EU ETS and possible and enacted reforms are carried out: national and EU ETS wide price floors and price caps, the market stability reserve as originally proposed by the European Commission, the version of the Market Stability Reserve that was agreed upon by the member states and the European Parliament, and a mechanism for adjusting the emission cap in response to changes in renewable policy.. EMLab-Generation: a long-term agent-based model of electricity and carbon markets In order to answer the main research question, the development of the agent-based model EMLab-Generation was completed in this research. The model was conceptualised and partly implemented by Laurens J. de Vries, Émile Chappin and Alfredas Chmieliauskas before the start of this dissertation. The carbon market, including the banking and hedging of EUAs, and the investigated EU ETS policy options were newly conceptualised and implemented in the course of this research. In agent-based modelling, the system at hand is analyzed bottom-up by describing the behaviour of the agents in this system. The results of the simulation emerge from the computational execution of this algorithmic description of the agents’ behaviour and their interactions. Agent-based modelling was chosen as the methodology because it is well-suited for investigating problems in which path dependency, equilibrium formation and the actions of boundedly-rational actors play a role. These features play an important role in the investigated problem: as mentioned previously, path-dependency is a characteristic of the power sector and since the topic is the investigation of the energy transition, the electricity and carbon markets will not be in long-term equilibrium. Finally, actors in the energy and climate sectors are faced with a highly complex environment. They are limited in their computational, intellectual and organisational capabilities, cannot forecast the future perfectly and can thus be best described as boundedly rational. EMLab-Generation is an agent-based simulation model of two interconnected electricity markets and a common CO2 market that is designed to investigate the evolution of two electricity markets (or aggregated areas, such as Central Western Europe and Great Britain in this thesis) over a period decades. Its main agents are electricity producers who bid into the electricity markets and make investment decisions in new power plants based on individual, imperfect forecasts of revenues for different investment choices. The carbon market is modelled by means of an iteration algorithm that finds a CO2 price that brings the current electricity market and the expected electricity market in three years time in equilibrium with the emission cap. In this way, allowance banking is modelled. Additionally, hedging targets of power producers are considered by adapting the emission clearing constraint. The transition of the electricity sector and carbon market is xviii.

(20) Summary thus modelled endogenously in this research. Rather than computing an “optimal trajectory”, the model is used to test the impact of different policy options on the evolution of the electricity sector under a wide range of Monte-Carlo scenarios. Therefore the name Electricity Market Laboratory for Generation (EMLab-Generation).. General and national price caps in an emission trading system Great Britain introduced a carbon price floor for the electricity sector in 2013, in addition to participating in the EU ETS. General (system-wide) price floors and price caps are possible design elements of a reformed EU ETS (and other carbon markets). Chapter 3 investigates the effects that a national price floor may have on the electricity sector of Britain and on the EU ETS. In addition, general price floors, price caps and the combination of the two, a price corridor, are analysed in this chapter. This research finds that in the current design of the EU ETS, a significant risk of CO2 price collapses and price peaks exists. This CO2 price volatility may lead to investment cycles in abatement (and vice versa). A national price floor in Great Britain does not change this price dynamic. While it leads to a relatively faster and smoother decarbonisation in the introducing country, overall emissions are not reduced. Even emission reduction due to a price floor in a larger part of the ETS can be outweighed by the emissions in the remaining part without a price floor, that continues to emit at high levels. Introducing a national price floor also leads to welfare transfers from the introducing country to the countries without a price floor. A general price floor (starting at 7.5 Euro/ton in 2011 and increasing by 1 Euro/ton per year), on the other hand, does lead to a smoother transition and price path in the simulation and to slightly lower emissions, but with a marginally less certain reduction pathway than the original EU ETS design. A price cap removes the remaining price spikes, while, if set high enough (starting at 60 Euro/ton in 2011, increasing by 2 Euro/ton per year), it increases the risk of exceeding the emission cap only by a very limited amount in the simulation. The reason is that the price ceiling is set above the medium-term marginal abatement cost, so only short-term scarcity situations cause additional emissions.. The Market Stability Reserve and backloading reforms In December 2013, the European Parliament enacted the “Backloading” reform that delayed the auctioning of 900 million allowances until 2019–2020 in order to increase the low EUA prices. In January 2014, the European Commission proposed a “Market Stability Reserve” as a more structural measure to stabilise EUA prices (which I call CommMSR). The CommMSR is a quantity-based instrument which, after a two-year delay, shifts EUAs marked for auctioning into the CommMSR if the number of EUAs in circulation (i.e. banked EUAs) is higher than a certain trigger level. The reverse happens if the EUAs in circulation are below a lower trigger level. In addition to these quantity triggers, a price trigger exists which acts upon a tripling of the price. Chapter 4 investigates these two proposals by including a model of them in EMLabGeneration. This research finds that the backloading reform may increase prices in the short term but may lead to a price collapse when allowances are returned to the market in 2019 and 2020. In the medium to long term, little difference was found in comparison to xix.

(21) Summary the original EU ETS. The CommMSR reform, on the other hand, was found to destabilise the EU ETS in the simulation. The primary cause for this is that the CommMSR trigger levels are set too low for the needs of power producers to hedge EUAs. The hedging need of power producers is empirically not well established, but our results show that the CommMSR is sensitive to wrong hedging assumptions. We also found that the two-year delay and the noncontinuous response curve of the CommMSR were additional causes for the increase in EUA price volatility.. Adjusting the emission cap to subsidised RES generation If (subsidised) renewable electricity generation develops faster than expected, this may lead to undesired EUA price drops. A second concern is that such an additional public investment in renewable energy is not climate effective because CO2 emissions will continue to be equal to the emissions cap. The reaon is that emissions reductions due to additional renewable electricity generation are offset by more generation from emissionintensive power plants, an effect known as “green promotes the dirtiest”. In Chapter 5, this thesis investigates a dynamic mechanism that adjusts the emission cap of the EU ETS in case of an overshoot of renewable energy generation. In practice, this is not an easy task for a regulator, because he/she would need to calculate counterfactual scenarios over a long time horizon. This thesis proposes two concrete heuristics for implementation. They reduce the cap in proportion to the volume of subsidised renewable electricity generation that exceeds ex-ante government targets as compared to either total generation (termed TBA) or to the originally planned electricity production by all non-subsidised generators (termed RBA). Both policies perform reasonably well in the simulation with regard to offsetting the EUA price drop and undoing the “green promotes the dirtiest” effect. The TBA has a weaker response than the RBA, which was found to fully restore prices to levels that would have existed without the renewable energy policy overshoot. Neither policy was found to reduce price volatility, because they only restore a price scenario, which may be volatile or not.. Comparison of carbon market reforms and the robustness of model results to risk aversion In May 2015, the European Parliament and the European member states agreed on an adaptated version of the MSR (ParlMSR). They proposed to let the ParlMSR start in 2019 already, to move the 900 million backloaded emission allowances into the reserve and reduce the reaction delay to one year. Chapter 6 of this thesis compares the original EU ETS with the Backloading reform, the CommMSR, the ParlMSR and an systemwide price corridor in the EU ETS. This chapter also considers the effect that risk-averse investors may have on the investigated policies. Risk aversion is taken into account by considering (negative) experiences of investors with different generation technologies. In the following, the risk-neutral case is summarised first. This thesis finds that the original EU ETS and the Backloading reform both exhibit a risk of high EUA prices, and, associated with that, redistribution of wealth from consumers to producers, as well as redistribution of wealth between consumer groups as compared to a no-CO2 -policy scenario. The price corridor was found to lead to a smoother xx.

(22) Summary transition path, lower CO2 price volatility, smaller redistribution effects and higher system efficiency (both with respect to the cost of generation and the cost of emissions reductions) than the other considered policies, while on average it achieves lower, but slightly more uncertain emissions reductions than the original EU ETS. The ParlMSR was found to be a significant improvement to the CommMSR. It exhibits a smoother decarbonisation pathway, and has, on average, the lowest emissions of all considered policies within the 40 year time frame. It is as effective, in terms of CO2 emissions reductions, as the price corridor. However, the ParlMSR was found not to protect consumers from price peaks and the associated wealth redistribution effects and to lead to higher costs of generation than the price corridor. The preceding results were found to be robust with respect to risk aversion of investors in power plants. Risk aversion led to an interesting effect in the simulation. It caused a relative shift to less capital-intensive power plants, which corresponds to earlier theoretical findings and simulation results. This thesis shows that the perceived carbon price risk (either high or low carbon price risk) may determine whether this shift to gas mainly comes from capital and carbon intensive power plants, such as coal power plants, or capital intensive but low-carbon power plants such as nuclear or CCS power plants.. Conclusions This thesis addresses the question of how the EU ETS and national or system-wide reforms of it interact with the European electricity sector during the energy transition. While the answer is clear for rational investors with perfect foresight under perfect market conditions (a stable carbon price is determined by the long-run equilibrium, which rises with inflation), it is far from clear how these interactions take place under imperfect, but more realistic market conditions. Using the agent-based model EMLab-Generation, this thesis shows that when private investors are assumed to have limited foresight, investment cycles may occur in the carbon and power markets. They lead to a risk of CO2 price collapses (as experienced after the recession in 2008), but also of CO2 scarcity prices. These scarcity prices may cause wealth to be redistributed from consumers to producers, as well as between consumer groups due to the government income from the ETS. The price volatility can also lead to “stranded investments” and an inefficient decarbonisation pathway. The reason for this volatility is to be found in the artificial set-up of the European carbon market. The supply of allowances is inflexible to the carbon price and producers’ willingness to bank EUAs for long periods is too low to compensate this inflexibility. This thesis shows that the EU ETS does not reward efforts by national governments to reduce emissions by means of additional renewable policy or by additional carbon policy (for example via national price floors). These policies may lead to price drops in an ETS and benefit the dirtiest producers. To overcome this, the emission cap may be adjusted. This thesis investigates two heuristics for reducing the emission cap when renewable energy targets are exceeded. They are found to restore CO2 prices to levels that would have existed without exceeding the renewable energy goals and to make the additional renewable policy climate-effective. The investigated cap adaption policies were not found to reduce CO2 price volatility. The major reforms of the EU ETS that have been investigated in this research have xxi.

(23) Summary the aim of making the supply of allowances in the system more flexible in order to reduce price volatility. The price floors and price caps do so directly on the basis of the carbon price. The market stability reserve reduces price volatility indirectly by banking allowances. This thesis finds a price corridor to be the most effective way of reducing CO2 price volatility and increasing efficiency while protecting consumers from high CO2 prices and achieving emission targets. However, this is conditional on setting the price floor high enough to encourage continuous decarbonisation while not turning the system into a tax, and while leaving the price ceiling low enough to protect consumers but not so low that emissions exceed the reduction target. This may be a challenging task for regulators. Regulators may adopt different measures to meet this challenge. At regular intervals, the regulator may adjust the price corridor to a level that induces sufficient investment. Another option is to implement an upper price reserve (possibly constituted of different levels) which is exhausted when active too long, instead of an unlimited ceiling. A firm regulatory commitment could be made to adjust the price floor only upwards, in order to reduce investor uncertainty. At first glance, the market stability reserve appears to relieve the regulator of the difficult task of choosing price levels. However, this thesis shows that setting correct banking triggers may be even more difficult, because the hedging behaviour of producers is difficult to determine and may change over time. (One could also argue that the changes to the quantity trigger levels may be driven by an implicit, desired price corridor). Additionally, this research shows that the existing price trigger in the EU ETS may too easily be activated for low prices and may not protect consumers against high prices. Furthermore, the delay in the response of a market stability reserve may increase price volatility. In case a market stability reserve is introduced, it is therefore recommended to evaluate the banking trigger levels frequently, to reform the emergency price trigger and minimise its response time.. xxii.

(24) Samenvatting Interacties tussen CO2 - en elektriciteitsmarkten in transitie Waarom onderzoek naar elektriciteits- en CO2-markten in transitie? En de moeilijkheid om dit te doen De rapporten van de Intergovernmental Panel on Climate Change van de laatste 25 jaar hebben de urgentie aangegeven van het vermijden van de waarschijnlijk ernstige consequenties van klimaatverandering voor mensen en ecosystemen wereldwijd. Klimaatverandering wordt veroorzaakt door antropogene broeikasgasemissies, waaronder CO2 als het meest invloedrijke broeikasgas. Een transitie naar een CO2 -arme economie in de volgende decennia wordt daarom essentieel geacht. Derhalve heeft de Europese Unie met Richtlijn 2003/87/EC een cap-and-tradesysteem ingesteld om de uitstoot van broeikasgassen te beperken en reduceren. In het Europese Unie Emissiehandelssysteem (EU ETS) moeten uitstoters CO2 rechten (EUA’s) inleveren voor elke ton uitgestoot broeikasgas. Het aantal door de EU en haar lidstaten jaarlijks beschikbaar gemaakte rechten is beperkt en neemt af over de tijd, maar rechten kunnen vrij worden verhandeld tussen marktspelers en kunnen worden bewaard voor toekomstig gebruik. De prijzen in het EU ETS zijn al sinds oprichting volatiel, met een EUA-prijs die tot onder de 5 Euro/ton zakte in 2013. Dit wordt problematisch geacht omdat de prijs te laag is om een transitie naar een CO2 -arme economie teweeg te brengen en omdat gevreesd wordt dat een vertraging in het proces tot dynamische inefficiëntie kan leiden. Dit laatste wil zeggen dat het verzuim om de emissies te reduceren kan leiden tot een hogere kosten van de energietransitie, aangezien investeringen in infrastructuren een lange levensduur hebben. Verschillende nationale beleidsmaatregelen, zoals een nationale minimumprijs voor CO2 in Groot-Brittannië, en EUETS-brede hervormingen, zoals de backloading-maatregel en de marktstabiliteitsreserve, zijn voorgesteld en/of geïmplementeerd. De grootste sector van de economie die door het EU ETS wordt geraakt is de elektriciteitssector. Door de liberalisering en de bijbehorende gedeeltelijke verschuiving van verantwoordelijkheid naar private actoren zijn interventies in deze sector een complexe uitdaging geworden voor overheden. Een andere reden voor de complexiteit van interventies is de lange levensduur van productiemiddelen in de elektriciteitssector. Elektrixxiii.

(25) Samenvatting citeitscentrales hebben een levensduur van ruim meer dan 20 jaar en dus beïnvloeden besluiten en beleidswijzigingen de sector voor een lange periode. Dit effect is ook bekend als padafhankelijkheid. Dynamische interacties tussen de elektriciteitssector en de CO2 markt werken dus door over meerdere jaren of zelfs decennia en zullen de effectiviteit en efficiëntie van de energietransitie bepalen. De centrale onderzoeksvraag die in dit proefschrift wordt behandeld is derhalve: Wat is de wisselwerking tussen het EU ETS, inclusief nationale of systeembrede hervormingen daarvan, en de Europese elektriciteitssector gedurende de energietransitie? Dit proefschrift introduceert een agent-gebaseerd model voor het onderzoeken van genoemde dynamiek. Vier studies van het originele EU ETS en mogelijke en geïmplementeerde hervormingen zijn hiermee uitgevoerd: nationale en EU-ETS-brede minimumprijzen en maximumprijzen, de marktstabiliteitsreserve zoals oorspronkelijk voorgesteld door de Europese Commissie, de versie van de marktstabiliteitsreserve zoals overeengekomen door de lidstaten en het Europees Parlement en een mechanisme om het emissieplafond aan te passen naar aanleiding van veranderingen in het hernieuwbare energiebeleid.. EMLab-Generation: een agent-gebaseerd langetermijnmodel van elektriciteits- en CO2 -markten Om de onderzoeksvraag te beantwoorden is als eerste stap de ontwikkeling van het agentgebaseerd model EMLab-Generation afgerond in dit proefschrift. Het model was geconceptualiseerd en gedeeltelijk geïmplementeerd door Laurens de Vries, Émile Chappin en Alfredas Chmieliauskas voor de start van dit onderzoek. De CO2 -markt, inclusief de wijze waarop bedrijven EUA’s opsparen en weer inzetten, evenals de onderzochte beleidsaanpassingen van het EU ETS, zijn geconceptualiseerd en geïmplementeerd in de loop van dit onderzoek. In agent-gebaseerde modelleren wordt het gedrag van agenten in een systeem bottom-up beschreven en komen de resultaten van de simulatie voort uit de rekenkundige uitvoering van deze algoritmische beschrijving van het gedrag van de agenten. Als methodologie is gekozen voor agent-gebaseerd modelleren omdat het geschikt is om problemen te onderzoeken waarbij padafhankelijkheid, evenwichtsvorming en de acties van beperkt rationele actoren een rol spelen. Dit zijn kenmerken van het onderzochte probleem: zoals eerder opgemerkt is padafhankelijkheid een kenmerk van de elektriciteitssector en aangezien het onderwerp het onderzoeken van een energietransitie is, zullen de elektriciteits- en CO2 -markt niet in evenwicht zijn. Ten slotte worden actoren in de energie- en klimaatsector geconfronteerd met een zeer complexe omgeving. Zij zijn beperkt in hun rekenkundige, intellectuele en organisatorische capaciteiten, kunnen de toekomst niet perfect voorspellen, en kunnen daarom het best worden omschreven als beperkt rationeel. EMLab-Generation is een agent-gebaseerd model van twee gekoppelde elektriciteitsmarkten en een gezamenlijke CO2 -markt dat ontworpen is om de evolutie van gekoppelde elektriciteitsmarkten (of geaggregeerde zones, zoals Centraal-West-Europa en xxiv.

(26) Samenvatting Groot-Brittannië in dit proefschrift) te onderzoeken over een periode van decennia. De belangrijkste agenten zijn elektriciteitsproducenten die elektriciteit aanbieden en investeringsbeslissingen nemen over nieuwe elektriciteitscentrales, gebaseerd op imperfecte voorspellingen van opbrengsten van verschillende investeringskeuzes. De CO2 -markt is gemodelleerd door middel van een iteratie-algoritme dat een CO2 -prijs vindt die de huidige elektriciteitsmarkt en een verwachte elektriciteitsmarkt over drie jaar in evenwicht brengt met het emissieplafond. Het opsparen van rechten door elektriciteitsproducenten is gemodelleerd door hun behoefte om risico’s af te dekken mee te nemen in dit algoritme. De transitie van de elektriciteitssector en CO2 -markt wordt dus endogeen gemodelleerd in dit onderzoek. In plaats van een “optimaal traject” te berekenen wordt het model gebruikt om het effect van verschillende beleidsopties op de evolutie van de elektriciteitssector te testen binnen een breed spectrum van Monte Carlo scenario’s. Vandaar de naam Electricity Market Laboratory of Generation (EMLab-Generation).. Systeembrede en nationale maximumprijzen in een emissiehandelssysteem Groot-Brittannië heeft in 2013 een minimumprijs voor CO2 voor de elektriciteitssector geïntroduceerd ter aanvulling op het EU ETS. Algemene minimumprijzen en maximumprijzen zijn mogelijke ontwerpelementen van een hervormd EU ETS (en andere CO2 markten). Hoofdstuk 3 onderzoekt het effect van een nationale minimumprijs op zowel de elektriciteitssector van Brittannië als op het EU ETS. Verder worden systeem-wijde minimumprijzen, maximumprijzen en de combinatie van beide, een prijscorridor, geanalyseerd in dit hoofdstuk. Dit onderzoek laat zien dat er in het originele EU-ETS-ontwerp een significant risico op CO2 -prijscycli bestaat. Deze volatiele CO2 -prijzen leiden tot investeringscycli in reductietechnologieën (en vice versa). Een nationale minimumprijs in Groot-Brittannië doet deze prijsdynamiek niet veranderen. Hoewel het tot relatief snellere en soepelere CO2 -reductie leidt in het introducerende land, veranderen de totale emissies niet. Zelfs emissiereducties als gevolg van een minimumprijs in een groter deel van het ETS wegen mogelijk niet op tegen de hogere emissies in de andere zone, zonder een minimumprijs, dat doorgaat met uitstoten op grote schaal. Het introduceren van een nationale minimumprijs leidt ook tot welvaartsoverdrachten van het introducerende land naar de landen zonder een minimumprijs. Een systeembrede minimumprijs (beginnend bij 7.5 Euro/ton in 2011 en toenemend met 1 Euro/ton per jaar), aan de andere kant, leidt tot een soepelere transitie en prijspad in de simulatie en tot iets lagere emissies, maar met een iets onzekerder reductiepad dan in het oorspronkelijke EUETS-ontwerp. Een maximumprijs bleek effectief te zijn in het voorkomen van resterende prijspieken, terwijl, wanneer deze hoog genoeg is ingesteld (beginnend bij 60 Euro/ton in 2011 en toenemend met 2 Euro/ton per jaar), deze slechts een beperkt risico op het overschrijden van het emissieplafond laat zien in de simulatie. Dit komt doordat het prijsplafond hoger is gekozen dan de marginale reductiekosten op middellange termijn, zodat alleen kortetermijnschaarste tot extra emissies leidt. xxv.

(27) Samenvatting. De Marktstabiliteitsreserve en backloading-hervormingen In december 2013 nam het Europees Parlement de “Backloading”-hervorming aan die het veilen van 900 miljoen rechten uitstelde tot 2019–2020 om de lage EUA-prijzen te verhogen. In januari 2014 stelde de Europese Commissie een marktstabiliteitsreserve voor als een structurelere maatregel om EUA-prijzen te stabiliseren (CommMSR). De CommMSR is een kwantiteitgebaseerd instrument dat, met een vertraging van twee jaar, te veilen EUA’s verplaatst naar de CommMSR als het aantal in omloop zijnde EUA’s (d.w.z. door bedrijven bewaarde EUA’s) hoger is dan een bepaald niveau. Het omgekeerde gebeurt als de in omloop zijnde EUA’s onder een minimumactiveringsniveau liggen. Ter aanvulling op deze kwantiteitsactiveringen bestaat er een prijsactivering die reageert op een verdrievoudiging van de prijs. Hoofdstuk 4 onderzoekt de twee voorstellen door EMLab-Generation uit te breiden met een model van beide beleidsinstrumenten. Dit proefschrift laat zien dat backloading op korte termijn de prijzen kan laten stijgen, maar tot een prijsinzakking leidt wanneer rechten worden teruggeven aan de markt in 2019 en 2020. Op de middellange tot lange termijn wordt weinig verschil gevonden vergeleken met het originele EU ETS. Aan de andere kant blijkt de CommMSR-hervorming het EU ETS te destabiliseren in de simulatie. De voornaamste oorzaak hiervan is dat de activeringsniveaus van de CommMSR te laag zijn voor de aangenomen behoefte van elektriciteitsproducenten om EUAs te sparen ten behoeve van risicomanagement. Hoewel de behoefte van elektriciteitsproducenten om rechten te sparen niet goed empirisch is vastgesteld, laten onze resultaten zien dat de CommMSR gevoelig is voor verkeerde aannames met betrekking tot hun behoefte aan risicodekking. Daarnaast dragen de responstijd van twee jaar en de discontinue responscurve van de CommMSR verder bij aan de volatiliteit van de EUA-prijs.. Afstemming van het emissieplafond op gesubsidieerde hernieuwbare energieproductie Als (gesubsidieerde) hernieuwbare elektriciteitsproductie sneller groeit dan verwacht, kan dit leiden tot ongewenste EUA-prijsdalingen. Een tweede zorgpunt is dat een dergelijke extra publieke investering in hernieuwbare energie niet klimaateffectief is omdat de totale CO2 -emissies in het EU-ETS gelijk aan het emissieplafond zullen blijven. Emissiereducties ten gevolge van additionele hernieuwbare elektriciteitsproductie worden teniet gedaan door meer productie door emissieintensieve elektriciteitscentrales, een effect dat bekend staat als “groen bevordert het vuilste”. In Hoofdstuk 5 onderzoekt dit proefschrift een dynamisch mechanisme dat het emissieplafond van het EU ETS verder reduceert naar mate de doelen voor hernieuwbare energieproductie verder overschreden worden. In de praktijk is dit geen gemakkelijke taak voor een toezichthouder, aangezien hij/zij een perfect referentiescenario zou moeten berekenen over een lange tijdhorizon. Dit proefschrift stelt twee concrete sets regels voor implementatie voor. Deze reduceren het emissieplafond in verhouding tot de mate waarin gesubsidieerde hernieuwbare elektriciteitsproductie de ex ante vastgestelde overheidsdoelen overschrijdt, in vergelijking met ofwel de totale elektriciteitsproductie (TBA genoemd), ofwel met de oorspronkelijk geplande elektriciteitsproductie van alle niet gesubsidieerde opwekkingseenheden (RBA genoemd). Beide beleidsmaatregelen presteren xxvi.

(28) Samenvatting redelijk goed in de simulatie met betrekking tot het compenseren van de EUA-prijsdaling en het ongedaan maken van het “groen bevordert de vuilste”-effect. De TBA heeft een zwakkere respons dan de RBA, die de prijzen volledig bleek te herstellen naar het niveau zonder een overschrijding van hernieuwbare energiebeleidsdoelen. Geen van de beleidsmaatregelen heeft laten zien effectief te zijn in het reduceren van prijsvolatiliteit, aangezien zij enkel een prijsscenario herstellen dat volatiel kan zijn of niet.. Vergelijking van CO2 -markthervormingen en de robuustheid van modelresultaten met betrekking tot risicoaversie In mei 2015 gingen het Europees Parlement en de Europese lidstaten akkoord met een aangepaste versie van de MSR (ParlMSR). Het voorstel is nu om de ParlMSR al in 2019 te laten aanvangen, de 900 miljoen gebackloade emissierechten naar de reserve te verplaatsen en de responstijd naar één jaar te terug te brengen. Hoofdstuk 6 van dit proefschrift vergelijkt het oorspronkelijke EU ETS met Backloading, de CommMSR, de ParlMSR en een EU-ETS-brede prijscorridor. Dit hoofdstuk kijkt ook naar het effect dat risico-averse investeerders kunnen hebben op de onderzochte beleidsmaatregelen. Riskaversie wordt in beschouwing genomen door (negatieve) ervaringen van investeerders met verschillende opwekkingstechnologieën mee te nemen. De risico-neutrale casus wordt hier als eerste gepresenteerd. Dit onderzoek laat zien dat het oorspronkelijke EU ETS en de Backloadinghervorming beide een risico op hoge EUA-prijzen vertonen, alsmede, hieraan gerelateerd, een herverdeling van welvaart van consumenten naar producenten zowel als een herverdeling van welvaart tussen consumentengroepen, vergeleken met een scenario zonder CO2 -beleid. De prijscorridor bleek te leiden tot een soepeler transitiepad, lagere CO2 prijsvolatiliteit, kleinere herverdelingseffecten en grotere systeemefficiëntie (zowel met betrekking tot opwekkingskosten als emissiereductiekosten) dan de andere overwogen beleidsmaatregelen, terwijl het gemiddeld genomen tot een lager maar ook enigszins onzekerder emissiereductiepad leidt dan het oorspronkelijke EU ETS. De ParlMSR bleek een significante verbetering te zijn ten opzichte van de CommMSR. Het vertoont een gelijkmatiger emissiereductiepad en heeft gemiddeld de laagste emissies van alle overwogen beleidsmaatregelen binnen de onderzochte tijdhorizon van 40 jaar. Het is even effectief, in termen van CO2 -reductie, als de prijscorridor. Echter, de ParlMSR bleek consumenten niet te beschermen tegen prijspieken en de gerelateerde welvaartverdelingseffecten en te leiden tot hogere opwekkingskosten dan de prijscorridor. De bovenstaande resultaten bleken robuust te zijn met betrekking tot risico-aversie bij investeerders in elektriciteitscentrales. Risico-aversie leidde tot een interessant effect in de simulatie. Het veroorzaakt een verschuiving is minder kapitaalintensieve elektriciteitscentrales, wat in overeenstemming is met eerdere theoretische bevindingen en simulatieresultaten. Dit proefschrift laat zien dat het ervaren CO2 -prijsrisico (ofwel hoog ofwel laag CO2 -prijsrisico) bepaalt of deze verschuiving naar gas hoofdzakelijk komt van kapitaal- en CO2 -intensieve elektriciteitscentrales, zoals kolencentrales, ofwel kapitaalintensieve maar CO2 -arme elektriciteitscentrales zoals nucleaire centrales of CCS-centrales. xxvii.

(29) Samenvatting. Conclusies Dit proefschrift behandelt de vraag hoe het EU ETS en nationale of systeembrede hervormingen daarvan interacteren met de Europese elektriciteitssector gedurende de energietransitie. Hoewel het antwoord duidelijk is voor rationele investeerders met perfect kennis van de toekomst en onder perfecte marktomstandigheden (een stabiele CO2 -prijs wordt bepaald door het langetermijnevenwicht, welke stijgt met de inflatie), is het verre van duidelijk hoe deze interacties plaatsvinden onder imperfecte maar realistischere marktomstandigheden. Gebruikmakend van het agent-gebaseerde model EMLab-Generation laat dit proefschrift zien dat wanneer wordt aangenomen dat private investeerders een beperkt voorspellend vermogen hebben, investeringscycli kunnen optreden in de CO2 - en elektriciteitsmarkten die leiden tot een risico op CO2 -prijsdalingen (zoals na de recessie van 2008), maar ook tot het risico op CO2 -schaarsteprijzen. Deze schaarsteprijzen kunnen welvaartsoverdracht van consumenten naar producenten, zowel als welvaartseffecten tussen consumentengroepen veroorzaken als gevolg van het overheidsinkomen uit het ETS. De prijsvolatiliteit van CO2 kan ook tot onrendabele investeringen en een inefficiënt decarbonisatiepad leiden. De reden voor deze volatiliteit kan worden gevonden in de kunstmatige opzet van de Europese CO2 -markt. Het aanbod van rechten is inflexibel met betrekking tot de CO2 -prijs en de bereidheid van producenten om rechten op te sparen, wat deze inflexibiliteit zou kunnen compenseren, is te laag. Dit proefschrift laat zien dat het EU ETS extra inspanningen door overheden om emissies te verminderen door middel van aanvullend hernieuwbaar energiebeleid of aanvullend CO2 -beleid (bijvoorbeeld via nationale minimumprijzen) niet beloont. Deze beleidsmaatregelen kunnen leiden tot prijsdalingen in een ETS en komen daardoor ten gunste van de meest vervuilende producenten. Om dit te corrigeren kan het emissieplafond worden aangepast. Dit proefschrift onderzoekt twee praktische manieren om het emissieplafond te verlagen in reactie op het overschrijden van hernieuwbare energiedoelen. Zij blijken de CO2 -prijzen te herstellen naar het niveau zonder een overschrijding van hernieuwbare energiebeleidsdoelen en de investeringen in duurzame energie klimaateffectief te maken. Deze aanpassingen helpen niet om de CO2 -prijsvolatiliteit te verlagen. De grote hervormingen van het EU ETS die in dit proefschrift zijn onderzocht hebben tot doel het aanbod van rechten in het systeem flexibeler te maken opdat de prijsvolatiliteit daalt. De minimumprijzen en maximumprijzen doen dit direct op basis van de CO2 -prijs. De marktstabiliteitsreserves doet dit indirect door rechten uit de markt te halen. Dit proefschrift laat zien dat een prijscorridor de meest effectieve manier is om de CO2 -prijsvolatiliteit te reduceren en de efficiëntie te verhogen, terwijl consumenten zo worden beschermd tegen hoge CO2 -prijzen en emissiedoelen worden behaald. Echter, dit is op voorwaarde dat de minimumprijs voldoende hoog is om voortdurende investering in CO2 -reductie aan te moedigen zonder het systeem in een belasting te veranderen, terwijl het prijsplafond laag genoeg moet blijven om consumenten te beschermen maar ook weer niet zo laag dat het emissiereductiedoel significant wordt overschreden. Dit kan een moeilijke opdracht zijn voor een toezichthouder. Toezichthouders kunnen verschillende maatregelen nemen om deze uitdaging het hoofd te bieden. Met regelmatige tussenpozen kan de toezichthouder de prijscorridor aanpassen naar een niveau dat voldoende investering uitlokt. Een andere optie is om een reserve met maximumprijs (of meerdere op xxviii.

(30) Samenvatting verschillende niveaus) in te stellen, die kan worden uitgeput als hij te lang actief is, in plaats van een onbegrensd prijsplafond. De overheid zou zich erop vast kunnen leggen dat de minimumprijs alleen naar boven zal worden bijgesteld om de onzekerheid voor investeerders te verminderen. De marktstabiliteitsreserve lijkt op het eerste gezicht de toezichthouder te ontlasten bij de moeilijke taak om prijsniveaus te kiezen. Echter, dit proefschrift laat zien dat het instellen van correcte activeringsniveaus waarop emissierechten onttrokken of terug gegeven worden nog moeilijker kan zijn, omdat de behoefte van producenten om rechten te sparen moeilijk te bepalen is en over de tijd kan veranderen. (Men zou kunnen argumenteren dat de werkelijke reden om die activeringsniveaus aan te passen terugvoert op een impliciete gewenste prijscorridor). Bovendien laat het zien dat de bestaande prijsactivering in het EU ETS te snel, bij lage prijzen, in werking kan treden en consumenten mogelijk niet beschermt tegen hoge prijzen. Verder kan een vertraging in de respons van een marktstabiliteitsreserve de prijsvolatiliteit verhogen. In het geval de marktstabiliteitsreserve wordt geïntroduceerd, wordt daarom aanbevolen om de activeringsniveaus regelmatig te evalueren, de prijsactivering te hervormen en de responstijd te minimaliseren.. xxix.

(31) Samenvatting. xxx.

(32) Acknowledgements Slightly over 4 years have passed since I started my PhD at the Energy&Industry section of the Technische Universiteit Delft as part of the Erasmus Mundus Joint Doctorate in Sustainable Energy Technology and Strategies (SETS), a project which culminated in this dissertation. It has been an exciting and fulfilling 4 years both from an academic perspective, but also personally. I would like to take the opportunity to express my gratitude towards all partner institutions, the European Commission and most importantly to the many people that have been part of this way. First and foremost, I would like to thank my copromotor Laurens de Vries for being an extremely supportive and inspiring supervisor, who achieved the difficult balancing act of shaping my research while giving me the freedom to develop my own ideas. During our weekly meetings he has not only been my primary academic sparring partner for my own research, but also an extremely interesting conversationalist for a broad range of topics. I would also like to thank him for giving me the repeated opportunity to present my work to stakeholders outside of academia. Secondly, I express my gratitude to my promotor Margot Weijnen for her sharp and precise comments and kind support. My committee members I would like to thank for their constructive feedback and comments which helped to improve this thesis and Remco Verzijlbergh for accepting the invitation to be my opponent. I want to thank my colleagues from the Energy & Industry section in Delft for creating an inspiring and productive working environment. Especially I would like to acknowledge the role that Émile Chappin played in the creation of this thesis. EMLabGeneration, the model on which this thesis is built, is to a good part his and Laurens’ brainchild. I learned a lot from Émile and his (and Alfredas’) existing code about agentbased modelling. His enthusiasm to implement new ideas has been very infectious and the travels with him to Wuppertal resulted in an interesting collaboration with Peter Viebahn, Ole Soukoup and Christine Krüger . Working (and becoming friends) with Pradyumna Bhagwat, Kaveri Iychettira, and Salman Khan on a common model was stimulating, as well as fun and it is motivating to see my own research continued to be used. It has made the PhD less of a lonely experience than often said. With Riccardo Fagiani I collaborated on a paper based on his model, an experience I truly enjoyed and learned from. Chris and Alfredas taught me to love data and the tools to work with it. Reinier often listened to rough ideas, and translated my summary to Dutch (and in the process improved the English version). The Power Rangers meetings ensured early feedback on the research as it developed. xxxi.

(33) Acknowledgements The company of my many colleagues in Delft that I enjoyed time with in and out of office indirectly made this a better document. Thanks foremost to Elta, who accompanied me from my first PhD day to the last, as well as to Juliana and Martti who were in the same cohort; my office mates Layla, Reinier, Joolie, Catalin, Donna and Gerben; and thanks to the many other colleagues I had nice times with: Andy, Binod, Cherrelle, Joao, Jorge, Sriram, Jochem, Ying, Esther, Ben, Carlo, Amineh, Yashar and Yesh. Thank you also to my friends outside of work. Spending time at the Instituto de Investigacíon Tecnológica at the Universidad Pontifica Comillas in Madrid was one of the main benefits for me of the SETS program. I am grateful to Efraim Centeno and Michel Rivier for hosting me and for providing critical feedback on my research. Experiencing a different academic environment and the European South was very enriching for me. I want to thank all my office mates on the fifth floor, as well as Javier, Antonio, Alessandro, Renato, Camila, Mercedes, Maria, Pablo, Luis, Sonja and many others for their patience with my Spanish. While the mobility encompassed two countries, the SETS program ensured exposure to interesting people from all continents. My only countryman in the program was Ilan, who when I initially met him in Karlsruhe told me about the SETS doctorate and is thus to be thanked for my subsequent application. I would also like to thank all the SETS students not mentioned so far, especially those that crossed my mobility path in Madrid and with whom I explored Spain: Angela, Christian, Marcin, William, Peyman, Zarrar and Desta. A special thanks to those who after the time in Madrid also joined me in Delft: Mahdi, Nenad, Paolo and German. I am grateful to the organisers and initiators of the SETS program; it had a profound and positive effect on my professional and personal life. Thanks also to Jan: the creative iterations for the design of the cover was really fun and I’m happy how it turned out. Thank you Ana, for all the trust, support, shared (PhD) experiences, steaks, travels and dreams. Thanks to the lucky coincidence that we share two out of three cities with Erasmus Mundus partner universities and that you had organised an additional mobility stay in the Netherlands even before meeting me. That made things a lot easier. Last but not least I would like to thank my parents, they never stopped supporting me during my years of study and at times had more trust in me than I had myself. I am also grateful to my sisters and their growing families who would quickly take my mind of interactions between carbon and power markets (in transition) whenever I visited. Jörn C. Richstein – October 2015. xxxii.

(34) 1 1.1. Introduction Background. Greenhouse gas emissions by modern human civilisation are leading to global climate change with probably hazardous consequences for people and ecosystems. Since the first report by the Intergovernmental Panel on Climate Change (IPCC, 1990), scientists have pointed with increasing certainty to global climate change effected by anthropogenic greenhouse gas emissions (IPCC, 2014). Among the already occurring consequences of global climate change are rising surface and ocean temperature levels, ocean acidification, changes in precipitation levels, an increase of droughts and floods, changes in ecosystems and rising sea levels (IPCC, 2014). Reducing greenhouse gas emissions by the electricity sector is a vital part of any costeffective climate change mitigation strategy. The energy supply sector, of which the electricity sector is an important part, contributed around 35% of anthropogenic greenhouse gas emissions in 2010, making it the single largest emitter of greenhouse gases (Bruckner et al., 2014). Most of these greenhouse gas emissions are in the form of CO2 . Decarbonising the electricity sector is one of the fastest and most cost-effective ways to mitigate climate change (Bruckner et al., 2014, p.559). The European Union has established a cap-and-trade system to reduce greenhouse gas emissions in the long run, with the electricity system the largest covered sector. The European Union established the European Union Emission Trading System (EU ETS) starting with Directive 2003/87/EC. It limits the quantity of emitted greenhouse gases (for simplicity referred to CO2 emissions in this thesis, since the electricity sector mainly emits CO2 ) by requiring companies to hand in emission allowances for emitted greenhouse gases. These allowances have a fixed supply limit and can be freely traded between companies, as well as banked for future use (with possible limitations between different trading periods). The EU ETS has experienced very volatile CO2 prices and seen a rapid price drop and low CO2 prices from 2009 on-wards. As Trotignon (2012, p.37ff ) nicely shows, the CO2 price reached peaks of above 30 Euro/ton in 2008 and plummeted to below 5 Euro/ton in 2013. This has attracted policy attention, since it is feared that such a low CO2 price is not sufficient to incentivize investments in low carbon installations. To give two examples: the European Commission proposed the introduction of a Market Stability Reserve, a mechanism that removes allowances from the market under specific conditions, thus increasing the carbon price. And the British government introduced 1.

(35) 1. Introduction a national CO2 price floor that complements the already existing EU ETS. The reason for the fear of low CO2 prices is the longevity of investments: decisions made now, for example in the electricity sector, will affect the next 20 years since infrastructures have a long life-time. At the same time the liberalisation of the electricity sector has turned interventions of governments in the electricity system into a very complex challenge. In many countries the generation, transport and distribution of electricity was handed over to private market parties in order to improve sector efficiency. Since then policies need to take the new intricacies and dynamics of the markets into account. This holds especially true for the European Union where several markets are on the way to an integrated whole, while different levels of government interventions continue to exist.. 1.2 1.2.1. Problem statement and research questions Problem statement. Given the complexity of the European electricity sector, the effect of possible interventions on the EU ETS is highly uncertain; as is the decarbonisation pathway the power sector is going to take over the course of the next 40 years. Models are needed for an analysis of this problem. However, the long-term effects of climate policies on the power sector are difficult to model due to a number of technical and social factors. Firstly, investments in the power sector are very long-lived and thus influence the future of the system for many years to come. This property is known as path dependency, since the current state of the system is highly dependent on the path it has taken up to now. Secondly, the power sector is a highly technical system with many different generation technologies. The resulting market structure is characterized by non-linearity and discontinuities in prices and volumes of electricity and CO2 1 . Thirdly, decisions in the power sector are made by private, heterogeneous agents which do not have a crystal ball to make their decisions. As a result actors actors face informational and knowledge limitations when making decisions. They can be regarded as bounded in their rationality, as defined by Simon (1986). Fourthly, the European power sector is very interconnected, yet has both common European and separate national regulation in place. Power companies affected by national regulation trade in a common market. Thus effects of national policies seep into neighbouring countries and influence the European system as a whole. Finally, the power sector is faced by a multitude of uncertainties: fuel prices as CO2 prices are very volatile, demand grows in spurts, halts or even falls and regulation changes over time. Policies should thus be investigated under a wide range of possible future scenarios. Traditional approaches to evaluate climate and power sector policies do not fully take these challenges into account. Both traditional economic equilibrium theory as well as engineering-based optimisation models fail to capture some of the aforementioned aspects of the EU ETS and the power system. The reason is that as a socio-technical system, the power sector exhibits characteristics both fields can only partly describe. 1 This means that even small changes in inputs can result in large changes in results; and vice versa, even large changes in inputs may barely change results at all.. 2.