Mehr Marktsicherheit für Energiepreise
Genauere Prognosemodelle für die Energiewende
2022/11/29 von Tim Janke, sas
Strompreise besser vorhersagen können und so die Energiewende weniger unsicher machen -daran forschen die etit-Wissenschaftler Professor Florian Steinke und Tim Janke im Rahmen des Projektes „Probabilistische Strompreisprognose mehrerer Märkte“. Dafür kombinieren sie Wissen über die Funktionsweise des Marktes mit Kenntnissen über Stärken und Schwächen verschiedener Typen von Prognosemodellen.
Elektrische Leistung und Energie wird in einem komplexen System auf mehreren Märkten und bei unterschiedlichen Voraussetzungen produziert, gehandelt und verteilt. Für das Gelingen der Energiewende ist es fundamental wichtig, dass das Energiesystem flexibel auf Schwankungen in der Energieerzeugung durch erneuerbare Energien reagieren kann. Zur ökonomischen Koordination der verschiedenen flexiblen Erzeugungs- und Verbrauchseinheiten spielen daher Marktpreise auf den Strommärkten eine zentrale Rolle. Produzenten, Nachfrager und Anbieter von Flexibilitäten wie Stromspeichern stehen damit vor einem komplexen Optimierungsproblem.
Daher sind probabilistische Prognosemodelle in der Energiewirtschaft besonders gefragt. Diese Prognosemodelle beziehen sich auf Wahrscheinlichkeiten und liefern neben einer Vorhersage des wahrscheinlich eintretenden Wertes auch eine Einschätzung über die Unsicherheit der Prognose. Zusammen mit der Entega AG als Praxispartner kann am Fachgebiet Energy Information Networks & Systems (EINS) Dank der Förderung des Pioneer Funds praxisnahe Forschung zur Entwicklung leistungsfähiger Prognosemodelle betrieben werden.
Prof. Dr. rer. nat. Florian Steinke,
Fachgebiet Energy Information Networks & Systems
Die Liberalisierung des Strommarktes und der fortschreitende Ausbau der erneuerbaren Energien sorgen dafür, dass es einen steigenden Bedarf an Prognosemodellen gibt.
Intelligente Kombination von Modelltyp und Datensatz
Das Ausgangsmaterial für die Forscher sind Daten wie Stromgroßhandelspreise und Brennstoffpreise sowie die Strommengen aus Photovoltaik und Windenergie, die erzeugt und in das Stromnetz eingespeist werden. Ein Teil dieses Datensatzes wird genutzt, um ein Modell zu „trainieren“ – das heißt, dass die Modellparameter bestimmt werden. Anschließend wird mit einem anderen Datensatz getestet, wie genau das Modell prognostizieren kann.
Dabei müssen die Forscher darauf achten, dass die Zusammenstellung der Daten wirklich ohne Fehler erfolgt. Und auch die Auswahl des richtigen Modelltyps ist nicht ganz einfach, denn mittlerweile existiert eine große Anzahl unterschiedlicher Modelle aus der klassischen Statistik und Machine Learning. Am Ende kommt es darauf an, Modelltyp und Datensatz erfolgreich zu kombinieren.
Der Pioneer Fund
Der ist ein gemeinsames Innovationsförderprogramm der TU Darmstadt und des ENTEGA NATURpur Instituts GmbH. Das Programm unterstützt die Überführung von wissenschaftlichen Ergebnissen in die praktische Anwendung mit jährlich 300.000 Euro. Das Projekt der etit-Wissenschaftler überzeugt in der Programmlinie BOOSTER des Pioneer Funds, welche besonders praxisrelevante Forschung und deren Transfer fördern soll. Pioneer Fund