Supporting materials

Downloads

Faça o download do PDF completo

Full Report (PDF)

Methodology

Cost benefit analysis for renewable energy procurement by industries

The analysis evaluates the current cost structure (BAU) for heavy industries by compiling HT industrial electricity tariffs across states and considering captive coal-based generation and waste heat recovery costs, assumed at ₹1.5/kWh for fixed and variable expenses. In the renewable energy (RE) scenario, a solar tariff of ₹2.5/kWh is used, incorporating state-wise charges such as transmission, wheeling, cross-subsidy, and additional surcharges, while also factoring in applicable waivers under green energy open access rules. The data for state-specific tariffs and open access charges are updated until December 2024.

O modelo de acesso aberto segue uma lógica de otimização de custos, substituindo a grade ou a potência em cativeiro pela opção mais barata disponível. Ao comparar custos variáveis de eletricidade, a análise estima a economia de custos por unidade, que é usada para avaliar a melhoria da lucratividade para a transição das indústrias para a energia renovável. Considera uma carga de pico de 500 MW com um fator de carga de 82%, incorporando os custos de armazenamento solar, de vento e bateria. Os perfis de geração são derivados de dados climáticos históricos (2017-2023) para explicar a variabilidade na disponibilidade de recursos renováveis.

Power purchase agreement (PPA) Optimisation Model

The PPA optimisation model determines the least-cost mix of solar, wind, and battery storage to meet industrial demand while ensuring reliability. It considers a 500 MW peak load with an 82% load factor, incorporating the costs of solar, wind, and battery storage. Generation profiles are derived from historical weather data (2017–2023) to account for variability in renewable resource availability.

Usando o PYPSA, o modelo otimiza a capacidade de armazenamento solar, de vento e bateria para atender ao perfil da demanda, ao mesmo tempo em que atinge as metas de consumo de energia renovável que variam de 50% a 100%. A otimização é realizada em todos os anos climáticos para garantir a robustez. Finalmente, o modelo estima o custo de atingir diferentes metas de ER sob uma estrutura de PPA. As unidades bancárias são limitadas a 30% da eletricidade adquirida da grade a cada mês e incorrem em uma taxa bancária de 8% nas unidades depositadas. Presume -se que qualquer geração excedente além desse limite seja vendida ao descompact a ₹ 1,8/kWh, que é 75% da menor tarifa solar (aproximadamente ₹ 2,5/kWh). Essa estrutura garante uma avaliação realista da utilização e avaliação da energia excedente sob condições de mercado predominantes. e fornecendo orientação. Graças a Chelsea Bruce-Lockhart e Jivan Zhen Thiru por suas contribuições para as ilustrações do relatório. Graças a Shiyao Zhang, Sachin Sreejith e Ardhi Arsala Rahmani pelo apoio às comunicações. Graças a Aditya Lolla por conduzir a revisão interna e fornecer sugestões valiosas. Energyworld

The model incorporates banking provisions, allowing excess renewable energy generated during high-output periods to be credited and used when generation falls below demand. The banked units are limited to 30% of the electricity purchased from the grid each month and incur a banking charge of 8% on the units banked. Any excess generation beyond this limit is assumed to be sold to the discom at ₹1.8/kWh, which is 75% of the lowest solar tariff (approximately ₹2.5/kWh). This framework ensures a realistic assessment of surplus energy utilisation and valuation under prevailing market conditions.

Acknowledgements

Contributors

Special thanks to Killian Daly and Shailesh Telang (EnergyTag), Labanya Prakash Jena (IEEFA) and Kamesh Korangi (Anthropocene Fixed Income Institute) for their support in reviewing this article and providing guidance. Thanks to Chelsea Bruce-Lockhart and Jivan Zhen Thiru for their contributions to the report’s illustrations. Thanks to Shiyao Zhang, Sachin Sreejith and Ardhi Arsala Rahmani for their communications support. Thanks to Aditya Lolla for conducting the internal review and providing valuable suggestions.