Regelenergie hilft, das Stromnetz zu stützen, wenn Ungleichgewichte oder Engpässe auftreten. Gehandelt wird auf dem Regelenergiemarkt, auf dem kurzfristige Erhöhungen oder Reduktionen der nachgefragten Strommengen gehandelt und bei Bedarf abgerufen werden – wer also seine Strombedarfe flexibel anpassen kann, kann mitverdienen.
Flexible Industriestromnachfrage könnte Spitzenlast um bis zu 15 Prozent senken
Entscheidend für den erzielten Erlös ist die Preisprognose. „Regelleistung wird auf einem sogenannten Pay-as-Bid-Markt gehandelt“, erklärt Alexander Sauer, Institutsleiter des Fraunhofer für Produktionstechnik und Automatisierung. „Dort gilt ein Gebotsverfahren, bei dem jedem Anbieter der Preis gezahlt wird, mit dem er sein Gebot abgegeben hat.“ Wer also den tatsächlich realisierten Strompreis deutlich unterbietet, verzichtet auf Geld. Wer mit seinem Gebot darüber liegt, geht komplett leer aus.
KI statt statischer Gebote
Wissenschaftler des Fraunhofer IPA ist es nun gelungen, ein Prognoseverfahren zu entwickeln, das mithilfe von Künstlicher Intelligenz deutliche genauere Vorhersagen ermöglicht und so den Erlös um bis zu 37 Prozent zu steigern, heißt es in einer Presseinformation des Instituts. Durch den Einsatz verschiedener maschineller Lernverfahren sei es den Wissenschaftlern vom Fraunhofer IPA jetzt gelungen, diesen Preis besser zu prognostizieren.
Viele Industrieunternehmen bespielsweise, die am Regelenergiemarkt teilnehmen, setzten bislang auf einfache, statische Gebotsstrategien, heißt es weiter. Sie legen ihr Gebot also einmal fest und bleiben dann dabei. Oder sie orientieren sich am Preis des Vortags oder der vergangenen Woche, wenn sie ihr Gebot abgeben.
Malte Schön von Tesvolt: „Der Speicher muss durch einen Flexibilitätsvermarkter steuerbar sein“
Vier Teilmärkte für Regelenergie untersucht
In einem zweiten Schritt haben sie ihre KI-gestützte Preisprognose um ein speziell entwickeltes Offset-Verfahren ergänzt. „Das ist gewissermaßen die Nachbearbeitung des prognostizierten Strompreises, sodass das abgegebene Gebot leicht darunter liegt“, erklärt Vincent Bezold vom Forschungsteam Datengetriebene Energiesystemoptimierung am Fraunhofer IPA. „Das hat mit den Spielregeln auf dem Pay-as-Bid-Markt zu tun.“ Es lohne sich am meisten, den tatsächlichen Strompreis gezielt zu unterbieten. „Genau das erreichen wir mit unserem Offset-Verfahren.“
In einem Paper haben die Wissenschaftler vier Teilmärkte der deutschen Regelenergie untersucht und dabei gezeigt: Schon ein um einen Euro pro Megawattstunde kleinerer Prognosefehler kann – je nach Markt – bis zu 3.631 Euro jährlichen Mehrerlös pro Megawatt bringen. Um dieses Ergebnis noch zu steigern, wollen die Forscher vom Fraunhofer IPA künftig noch komplexere KI-Modelle anwenden und dabei auch externe Faktoren wie Wetterdaten und wahrscheinlichkeitsbasierte Prognosen berücksichtigen, um die Prognosequalität weiter zu erhöhen.
