Fraunhofer-Einrichtung für Energieinfrastrukturen und Geotechnologien IEGGegenstand des Projekts im Auftrag eines integrierten Projektentwicklers und Betreibers von Erneuerbare Energieanlagen, Speichern und Elektrolyseuren war die die folgenden FuE-Leistungen:
- Entwicklung und Erprobung verschiedener, innovativer KI-/ML-Methoden zur Kurzfristprognose der Leistungspreise am Sekundärregelleistungsmarkt (SRL, aFRR) und der Zuschlagswahrscheinlichkeit beim Gebot bestimmter Leistungspreisniveaus
- Vergleich naiver, statistischer und maschineller Lernmethoden für Prognosen auch mit ökonomischen Analysen
- Analyse exogener Parameter, probabilistische Methoden mit Berücksichtigung von Ausreißern zum Zweck der kontinuierlichen Verbesserung der Outliers (Ausreißererkennung) für bessere Entscheidungsfindung
- Simulation des tatsächlichen SRL-Abrufs des EE-Elektrolyse-Verdichter-Gesamtsystems entsprechend den Präqualifikationsanforderungen und der historischen Abrufhäufigkeit bei bestimmten Arbeitspreisniveaus.
- Vorstellung, Erläuterung und Diskussion der Analyseergebnisse und -erkenntnisse sowie der prototypischen Analysemodule/-tools gemeinsam mit dem Auftraggeber (inkl. Bereitstellung der Informationen zur Analysemethodik und des Programmiercodes)
- Bereitstellung von Daten als Basis für fundiertere Investitions-, Betriebs- und Handels-/Gebotsentscheidungen mittels des Einsatzes neuer ML-Methoden zur Erkennung von (Volatilitäts-)Mustern in SRL-Märkten, bspw. Berücksichtigung von Ereignissen mit geringer erneuerbarer Energieerzeugung (Dunkelflaute), reduzierter Grundlast oder unsicheren Wetterbedingungen
Mehrwert des Projekts
Der Einsatz innovativer ML-Methoden und einer intelligenten Gebotsstrategie kann das Umsatzpotenzial der Anbieter von Regelleistung und Regelenergie sowie die Markteffizienz steigern.
