Intelligente Energieprognosen mit hetida Framework
Der Strommarkt unterscheidet sich von anderen Märkten insbesondere dadurch, dass gleich viel Strom erzeugt wie genutzt wird und die Versorgungssicherheit gegeben sein muss. Durch den zunehmenden Anteil an erneuerbaren Energien im Strommix sind besonders gute Erzeugungsprognosen wichtig geworden. Weichen die Prognosen von der tatsächlichen Erzeugung und Nutzung ab, sind beispielsweise Stadtwerke gezwungen hohe Preise an der Energiebörse zu zahlen, um die Unterschiede auszugleichen.
fuseki hat eine cloud-basierte intelligente Prognose-Plattform Basis für seinen Kunden entwickelt. Sie ermöglicht schnelle und laufend aktualisierte Energieprognosen, um den Erfolg im Energiehandel zu erhöhen. Als technologischer Rahmen nutzt diese Lösung das von fuseki entwickelte hetida Framework.
Hintergrund
An den Energiebörsen bieten die Stromerzeuger ihre Energie zum Kauf an. Abnehmer sind insbesondere Stadtwerke, große Industrieunternehmen sowie Banken, Handelshäuser und Broker. Dabei werden zwei Märkte unterschieden: Der Termin- und der Spotmarkt.
Der Terminmarkt ist mittel- bis langfristig ausgelegt, d.h. hier wird der Strom einige Monate bis Jahre im Voraus gehandelt. Beim Spotmarkt geht es um kurzfristige Geschäfte für den nächsten Tag bis hin zu sehr kurzfristigen Geschäften für die nächste Viertelstunde.
Das Angebot an der Energiebörse hängt aufgrund der erneuerbaren Energien zunehmend von Umwelteinflüssen wie Sonneneinstrahlung und Windgeschwindigkeiten ab. An wolkenlosen, aber windigen Tagen wird durch die Solar- und Windparks so viel Strom erzeugt, dass die Preise an der Börse sinken. Das kann zur Abschaltung von Solar- und Windparks führen oder sogar für negative Energiepreise, wenn es nicht genug Abnehmer für den Strom gibt.
Auch das Verhalten der Marktteilnehmer hat Auswirkungen auf die Preise. Ist z.B. für den Folgetag viel Wind vorhergesagt, werden Einkäufe zurückgehalten, da man auf günstigere Preise spekuliert. Kommt weniger Wind auf, fällt die erzeugte Strommenge geringer aus als prognostiziert und die Preise für kurzfristige Energie steigen stark. Verstärkt wird dieser Effekt dadurch, dass die nun benötigte Energie zwangsläufig bereit gestellt werden muss. Das unausgeglichene Verhältnis zwischen Angebot und Nachfrage lässt die Preise weiter ansteigen.
In Deutschland gibt es einen Anbieter für Energieprognosen mit vorherrschender Marktposition, auf den viele Marktteilnehmer vertrauen. Fehler in diesen Prognosen führen zu einer Verschiebung eines Großteils des Markts und die Effekte werden verstärkt.
Optimierter Handel durch intelligente Energieprognosen
Vision
Für die Berechnung von Energieprognosen wird eine Prognoseplattform geschaffen. Dabei wird mit Künstlicher Intelligenz aus historischen und aktuellen Wetter- und Erzeugungsdaten eine Energieprognose für Wind und Solar erstellt. Die Prognosen werden im 5-Minuten-Takt für ganz Deutschland erstellt, um für den schnellen Rhythmus des Spotmarkts zur Verfügung zu stehen. Die Plattform ist in der Lage verschiedene Prognosemodelle zu berechnen und sie miteinander zu vergleichen, um sie laufend optimieren zu können. Die Prognoseergebnisse werden direkt in das unternehmenseigene Handelssystem eingespielt, auf das z.B. Broker Zugriff haben, um den aktuellen Stand an den Energiebörsen bewerten zu können.
Umsetzung
Es wurde eine Big Data Prognoseplattform auf cloudbasierter, skalierbarer Infrastruktur erstellt, die ausschließlich aus Open Source Komponenten besteht. Es werden laufend neue Eingangsdaten verarbeitet:
- aktuelle Wetterdaten und -prognosen
- aktuelle Erzeugungsdaten von Wind- und Solaranlagen
- Börsenwerte
- ggf. Energieprognosen weiterer Anbieter, Verbrauchsdaten
Ergänzt werden sie durch:
- historische Erzeugungsdaten
- historische Prognosen und Wetterdaten
- Stammdaten zu den einzelnen Wind- und Solaranlagen
- Informationen zu geplanten Stillständen / Wartungsinformationen
Die Prognoseplattform ist hoch skalierbar, um dem wachsenden Datenbestand und weiteren Eingangsdaten oder rechenintensiveren Prognosemodellen gerecht zu werden. Es können mehrere Prognosemodelle ausgeführt und miteinander verglichen werden. Die Ergebnisse werden individuell zusammengefasst und an unternehmensinterne Handels- und Reportingsysteme weitergeleitet. Sie dienen auch zur Steuerung unternehmenseigener Anlagen zur Energieerzeugung und können ggf. Hinweise auf das zukünftige Marktverhalten an den Energiebörsen liefern.
Die Fachabteilungen können über eine umfangreiche Visualisierung direkt auf alle Daten und Zeitreihen der Eingangswerte und errechneten Prognosen zugreifen und sie über Dashboards miteinander in Verbindung setzen.
Künstliche Intelligenz macht den Unterschied
Die Stromerzeugung eines Solar- oder Windparks hängt nicht allein von der Sonneneinstrahlung oder Windstärke ab, sondern auch von Standortfaktoren. Die Windrichtung kann beispielsweise einen großen Einfluss haben: wenn der Wind aus einer ungünstigen Richtung kommt, können Windräder sich gegenseitig verdecken und erzeugen so weniger Energie. Solaranlagen können je nach Sonnenstand unterschiedlich verschattet sein und liefern je nach Einstrahlungswinkel einen unterschiedlichen Wirkungsgrad. Diese komplexen Faktoren zu modellieren wäre ein unmögliches Unterfangen.
Ein Abgleich der historischen Wind- und Sonnenbedingungen mit den historischen Erzeugungsdaten einzelner Anlagen berücksichtigt solche Gegebenheiten. Dies gelingt durch den Einsatz von Methoden der Künstlichen Intelligenz wie etwa neuronalen Netzwerken. Das Resultat sind deutlich präzisere Energieprognosen, die mit jeder Ausführung noch genauer werden.
Ergebnisse
In der aktuellen Ausbaustufe der Plattform wurden 20 externe Datenquellen und -senken angebunden. Es können bis zu 100.000 Datenpunkte pro Sekunde als Zeitreihen importiert werden und alle 5 Minuten werden 10.000 Wind- und Solarprognosen berechnet. Die Prognosequalität konnte deutlich gesteigert werden und hat sich als Erfolgsfaktor beim Handel an der Energiebörse erwiesen. Zudem konnte der Bezug von Ausgleichsenergie signifikant reduziert werden.
Die Mehrwerte konnten bereits ab dem ersten Release, was zu dem Zeitpunkt noch einen Test/Beta-Status hatte, abgeleitet werden. Die Plattform wird iterativ weiterentwickelt und bietet dem Kunden klare und zählbare Wettbewerbsvorteile.
Weitere Projekte und Referenzen
Data ScienceEnergiewirtschaft 
Energiewirtschafthetida designer 
Data ScienceEnergiewirtschaft