Genauere Prognosemodelle für die Energiewende

06.09.2018

Genauere Prognosemodelle für die Energiewende

Fachgebiet EINS erfolgreich bei zweiter Förderrunde des Pioneer Funds

Das Projekt „Probabilistische Strompreisprognose mehrerer Märkte“ soll die Energiewende weniger unsicher machen und dabei helfen Strompreise besser vorherzusagen. Professor Florian Steinke und Tim Janke vom Fachgebiet Energy Information Networks & Systems (EINS) überzeugten mit dem Projekt in der Programmlinie BOOSTER des Pioneer Funds, welche besonders praxisrelevante Forschung und deren Transfer fördern soll.

Prof. Florian Steinke und Tim Janke, M.Sc. zusammen mit Robert Heitzmann, TU-Innovationsmanagement. (v.l.n.r)
Prof. Florian Steinke und Tim Janke, M.Sc. zusammen mit Robert Heitzmann, TU-Innovationsmanagement. (v.l.n.r)

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 Optimierungs-problem.

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. Die Liberalisierung des Strommarktes und der fortschreitende Ausbau der erneuerbaren Energien sorgen dafür, dass es einen steigenden Bedarf nach diesen Prognosemodellen gibt.

Zusammen mit der Entega AG als Praxispartner kann am Fachgebiet EINS Dank der Förderung des Pioneer Funds nun praxisnahe Forschung zur Entwicklung leistungsfähiger Prognosemodelle betrieben werden.

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. Die Forscher setzen daher darauf, ihr Wissen über die Funktionsweise des Marktes mit ihren Kenntnissen über Stärken und Schwächen der verschiedenen Typen von Prognosemodelle zu kombinieren, um ihr Ziel zu erreichen.

Der Pioneer Fund, ein gemeinsames Innovationsförderprogramm der TU Darmstadt und des ENTEGA NATURpur Instituts GmbH, fördert die Überführung von wissenschaftlichen Ergebnissen in die praktische Anwendung mit jährlich 300.000 Euro. Das Innovationsförderprogramm existiert seit dem Jahr 2016 und fördert verschiedene Programme in drei Förderlinien.

zur Liste