Entwicklung eines adaptiven autoregressiven Modells zur Kurzfristlastprognose im liberalisierten Energiemarkt

Abstract

Für Unternehmen in der Energiewirtschaft ist es von großer Bedeutung, die elektrische Lastnachfrage seitens der Verbraucher, vorhersagen zu können. Auf diese Weise können zum einen Stromproduzenten den Betrieb ihrer Kraftwerke, und zum Anderen die durch die Liberalisierung des Energiemarktes neu entstandenen Stromhändler ihre Strategie beim An- und Verkauf von elektrischer Energie besser planen. Ziel dieser Arbeit ist es, auf Basis eines autoregressiven Ansatzes (AR-Ansatz), verschiedene Modelle zu erstellen, welche eine Kurzfrist-Prognose, das heisst für den Zeitraum der nächsten 24 Stunden, der elektrischen Lastnachfrage ermöglichen. Der reine AR-Ansatz wird hierfür erweitert. Zuerst durch ein adaptives Prognosevorgehen, welches es dem Modell ermöglicht sich an veränderliche Bedingungen anzupassen, wie sie zum Beispiel durch die Fluktuationen im Kundenstamm, verursacht durch die Liberalisierung des Energiemarktes entstehen. Anschließend durch einen X-Anteil (ARX-Ansatz) welcher den Einfluss der Temperatur berücksichtigt und Konstanten zur Abbildung spezifischer elektrischer Tageslastverläufe enthält. Die Ergebnisse zeigen, dass der ARX-Ansatz, kombiniert mit einem adaptiven Prognosevorgehen, die besten Ergebnisse liefert. Werktage, speziell in der warmen Jahreszeit, lassen sich mit diesem Modell gut abbilden. Die Prognose von Wochenend- und Feiertagen, sowie Tagen in der kalten Jahreszeit muss noch verbessert werden. Dabei ist bei der Prognose von Tagen der kalten Jahreszeit eine Verfeinerung des Verfahrens zur Berücksichtigung der Temperatur vorzunehmen und eine Einbeziehung weiterer Einflussgrößen wie zum Beispiel der Helligkeit vorzusehen. Die Arbeit wurde betreut von Dipl.-Ing. Derk Jan Swider (ds@ier.uni-stuttgart.de).