Stochastische Optimierungsprobleme beim Handel mit erneuerbaren Energien

Die Stromerzeugung in Deutschland als auch weltweit verschiebt sich schon seit einigen Jahren immer mehr in Richtung erneuerbarer Energien.

Dieser grüne Umschwung hat Auswirkungen auf die Energiemärkte: Die Volatilität, die mit einigen erneuerbaren Energieerzeugern wie Windparks oder Solarpanels einhergeht, spiegelt sich auch in den Preisen wieder.

Daher ist es für die Vertreiber von zum Beispiel Windparkstrom sehr wichtig, ihre Vorhersage über die zukünftige Einspeisung so genau wie möglich zu treffen.

 

Für preissensitive Käufer hingegen kann eine solche Prognose ein Indikator dafür sein, wann die Preise niedriger oder höher sind als gewöhnlich. Wenn sie die Möglichkeit haben, ihren Bedarf in einem gewissen Zeitrahmen flexibel zu decken, werden sie natürlich versuchen, das möglichst kostengünstig zu tun.

Spannend wird es, wenn ein Konsument gleichzeitig auch Produzent ist („Prosumer“), und die Möglichkeit hat, in einem gewissen Rahmen selbst Strom zu erzeugen. Natürlich kann der Prosumer sich auch weiterhin am Markt mit Strom eindecken. Nun ist die Frage, wie sich der Prosumer optimal verhalten sollte, um sowohl seine Nachfrage sicher zu decken als auch einen möglichst niedrigen Preis für den Strom zu bezahlen.

 

Zur Analyse dieser Situation werden sowohl klassische Verfahren der stochastischen Optimierung (modellbasiert) als auch neuere Verfahren (datenbasiert) verwendet. Eine spieltheoretische Herangehensweise kann ebenfalls angenommen werden. Ziele sind optimale Handelsempfehlungen für Verbraucher oder aber die Entwicklung von Preisstrategien für den Anbieter, wobei dies im Idealfall in ein Gleichgewichtsmodell für den Markt münden kann.