Daten unter Strom

Daten unter Strom

Strom ist für uns heutzutage so selbstverständlich verfügbar wie die Luft zum Atmen. Damit das so bleibt, werden präzise Vorhersagen immer wichtiger. Multiple Saisonalitäten, kalendarische Ereignisse sowie das Wetter können Energiebedarf und -versorgung bei fehlender Weitsicht schnell in Schieflage bringen. Hinzu kommt noch die fortschreitende Energiewende, die volatilere Energiequellen zur Folge hat. Daher ist es notwendig, für verschiedene Bedürfnisse passgenaue Prognosemodelle zu entwickeln, um möglichst viele Unsicherheiten in den Griff zu bekommen.

Liebe Besucher des ProgBlogs,

ohne groß darüber nachzudenken stecken wir heutzutage den Stecker unseres Handyladegeräts in die Steckdose und sind nicht überrascht, wenn der Handyakku wenig später auch tatsächlich geladen hat. Strom ist - natürlich kostenpflichtig - in unseren Haushalten mittlerweile immer verfügbar. Eine auf den ersten Blick nicht ganz offensichtliche Bedeutung hierbei hat die zuverlässige Vorhersage von Energiebedarfen. Diese ist für unterschiedliche Zielgruppen von Interesse. Genaue Prognosen sind für Energieversorger ebenso vorteilhaft wie für Stromzwischenhändler oder industrielle Energieverbraucher. Zudem sind entsprechende Vorhersagen in den letzten Jahren ein wichtiger Bestandteil von Smart-City-Projekten, deren Ziel die Entwicklung von ganzheitlichen Konzepten für intelligente Städte ist. Dabei sind Effizienz und technologischer Fortschritt von großer Bedeutung.

Mit diesen unterschiedlichen Zielgruppen gehen unterschiedliche Vorhersagehorizonte und damit auch unterschiedliche Vorhersagegranularitäten einher: Der Langfristhorizont, welcher den Bedarf an elektrischer Energie für mehrere Monate bis einige Jahre abschätzt, ist häufig im Interesse politischer Entscheidungsträger. Hier spielen Langzeittrends eine Rolle, wenn beispielsweise der Gesamtenergieverbrauch eines Landes in zehn Jahren prognostiziert werden soll. Die Mittelfristprognose dient der Vorhersage des Energiebedarfs in der Regel für einige Wochen bis Monate im Voraus. Die Kurzfristprognose zielt darauf ab, die Bedarfe für die nächsten Viertelstunden, halbe Stunden, Stunden oder für einige Tage im Voraus zu schätzen. Bedarf an Kurz- und Mittelfristvorhersagen haben etwa die Stromzwischenhändler, die an ihre Kunden zu unterschiedlichen Zeiten unterschiedliche Mengen an Strom liefern und dabei stets lieferfähig bleiben müssen.

Strombedarf: Unterversorgung vermeiden

Elektrische Energie zu speichern bedeutet Aufwand. Dadurch wird die Notwendigkeit präziser Analyseverfahren klar: Mit der Energiewende werden immer mehr klassische always-on Kraftwerke (v.a. AKWs und Kohlekraftwerke) durch volatilere Energiequellen (Wind, Solar, Gezeiten) ersetzt. Die produzierten Mengen werden künftig stärker schwanken, während gleichzeitig der Gesamt-Energiebedarf stetig zunimmt. Um eine Unterversorgung zu verhindern, muss ein Energielieferant aber zu jedem Zeitpunkt genügend elektrische Leistung zur Verfügung stellen. Energiebedarfsprognosen sind dabei von großer Wichtigkeit.

Droht der Bedarf die zur Verfügung stehende Menge zu überschreiten, muss elektrische Energie oft kurzfristig auf dem Spotmarkt teuer zugekauft werden. Eine besondere Herausforderung kommt auf Energieversorger zu Zeiten von Spitzenlasten zu, in denen der Energieverbrauch weit über dem Durchschnitt liegt und nahe oder sogar über dem, was überhaupt lieferbar ist.

Zahlreiche Einflüsse bestimmen die Prognosegüte

Die Vorhersage des kurzfristigen Energiebedarfs geht mit einer ganzen Reihe von Herausforderungen einher. Einerseits müssen aufgrund der hohen zeitlichen Auflösung und sich oft stark verändernden Umweltbedingungen Vorhersagen kurzfristig erzeugt und häufig erneuert werden. Dies erfordert ein verlässliches, ständig zur Verfügung stehendes Vorhersagesystem, das automatisiert und in kürzester Zeit Vorhersagen liefern kann. Kalender und Uhrzeiten beeinflussen entscheidend, ob in naher Zukunft viel oder wenig Energie benötigt wird. In Haushalten etwa ist der Bedarf nachts normalerweise geringer als am Tag. Industrielle Verbraucher benötigen wochentags deutlich mehr Strom als an Wochenenden, Feiertagen oder Brückentagen, wobei regionale Unterschiede in dieser Hinsicht einer unterschiedlichen Behandlung bedürfen. Im Falle, dass elektrische Energie zum Heizen verwendet wird, benötigt man im Winter mehr Strom als im Sommer, während im Gegensatz dazu in südeuropäischen Ländern Klimaanlagen vor allem in der warmen Jahreszeit zu erhöhten Verbräuchen führen.

Die folgende Abbildung zeigt beispielhaft den stundengenauen Energiebedarf einer Gruppe von industriellen Verbrauchern über einen Zeitraum von drei Wochen. Gezeigt sind sich überlagernde Saisonalitäten: Die typische Wochensaisonalität und Innertagessaisonalität wird von einem Feiertag und einem Brückentag gestört.

Ein Vorhersagesystem für Energiebedarfe muss mit diesen gerade im Kurzfristbereich sehr typischen mehreren, sich überlagernden Saisonalitäten umgehen können, um Unterversorgungen oder Nachkäufe zu vermeiden.

Viele Faktoren erhöhen die Unsicherheit der Vorhersage

Während der Kalender als deterministischer Einflussfaktor betrachtet werden kann, spielen weitere äußere Gegebenheiten eine Rolle, auf die sich ein Kurzfrist-Vorhersagesystem rasch anpassen können muss. Das Wetter ist eine wichtige Einflussgröße, wobei etwa Außentemperatur, Wolkendecke oder Niederschlag von Bedeutung sein können.

Es ist offensichtlich, dass die künftigen Zustände dieser Faktoren möglichst bekannt oder gut vorhersagbar sein sollten, um in einem Vorhersagemodell verwendet werden zu können. Aus diesem Grund wird nicht selten auf Wettervorhersagen zurückgegriffen, die heutzutage zumindest im Kurzfristbereich eine sehr gute Vorhersagegüte mit sich bringen. Der Einfachheit halber wird für die Modellierung häufig angenommen, dass diese Expertenvorhersagen perfekt sind, das heißt, den wahren, später eintretenden Werten entsprechen. Klar ist aber, dass auf diese Weise die Unsicherheit ignoriert wird, die die Wetterprognosen selbst mit sich bringen. Prognoseintervalle, die auf derartigen Prognosemodellen beruhen, sind tendenziell eher zu schmal. Trotzdem sind solche Expertenprognosen im Normalfall besser, als wenn man klassische Prognosemethoden, die kurzfristige Trendwechsel nicht ohne Weiteres erkennen können, auf Wetterdaten anwenden würde. Ist die Unsicherheit in der Wetterprognose klein im Vergleich zur Volatilität der Zeitreihe des Energiebedarfs, ist die oben genannte deterministische Annahme bezüglich der Wetterprognosen gerechtfertigt und stört die Güte der Vorhersage nicht wesentlich.

Erneuerbare Energien machen Bedarfsprognosen unerlässlich

Wie bereits erwähnt werden die produzierten Mengen aufgrund des veränderten Energiemix künftig stärker schwanken, während gleichzeitig der Gesamt-Energiebedarf stetig zunimmt. Statistische Verfahren mit dem Ziel, Bedarfsprognosen zu erstellen, werden für alle Marktteilnehmer wichtiger werden. Genauso gewinnt das smarte Management zwischen Bedarf und Erzeugung immer mehr an Bedeutung. Beides geht Hand in Hand.

Neben dem rein wirtschaftlichen Interesse des günstigen Energieeinkaufs oder -verkaufs steht letztlich immer auch das gesamtgesellschaftliche Wohl der lückenlosen Grundversorgung aller Netzteilnehmer im Vordergrund. Dies ist längst eine internationale Aufgabe und verspricht eine der größten Hürden für die Energiewende zu werden. Präzise Vorhersagen helfen dabei.

Lesen Sie mehr über Stromvorhersagen und andere potentielle Anwendungsbereiche unserer Dienstleistungen in unserem Use-Case-Bereich.

Infobox:

Spotmarkt: Auf einem Spotmarkt (oft auch Kassamarkt genannt) werden Rohstoffe oder Finanzprodukte mit sofortiger oder zeitnaher Lieferung, meist innerhalb von ein bis zwei Tagen, verkauft. Das Gegenstück dazu bildet der Terminmarkt, auf dem Waren mit längerfristigen Verträgen von bis zu sechs Jahren gehandelt werden. Das Handelsvolumen an der europäischen Strombörse EEX betrug beispielsweise im vergangenen Jahr 3.347 Terawattstunden für den europäischen Terminmarkt und 577 Terawattstunden für den Spotmarkt (Quelle: www.eex.com).