Energieplattform AG optimiert ihre Prognosen und spart Ausgleichskosten
Mit den einfach zu bedienenden Prognosetools von Optimatik präzisere Prognosen erzielen.
Die Energieplattform AG wurde im Januar 2014 gegründet. Nebst der Strombeschaffung unterstützt sie Elektrizitätsversorgungsunternehmen mit Dienstleistungen in den Bereichen Energie- und Netzwirtschaft, Markt und Beratung sowie Vertriebssupport und Abwicklung. Von ihren Dienstleistungen profitieren über 50 EVUs mit zusammen rund 2 TWh Umsatz. Die Energieversorgungsunternehmen bleiben dadurch regional verwurzelt und unabhängig, profitieren jedoch vom Fachwissen der Energieplattform AG.
Die Aufgabe
Der Energiehandelsmarkt steht unter starkem Preisdruck. Um konkurrenzfähig zu bleiben, müssen die Marktteilnehmer ihre Effizienz konstant steigern. Ziel dieses Optimierungsprojektes war die Reduktion der Ausgleichsenergiekosten, was durch eine verbesserte Prognosequalität in den bestehenden Prognosemodellen erreicht werden sollte. Denn es gilt: Je genauer die Prognose, desto weniger Ausgleichsenergiekosten fallen an.
Die Lösung
Mit unterschiedlichen, aufeinander abgestimmten Massnahmen konnte das Ziel einer verbesserten Prognosequalität erreicht werden.
mehr erfahren
Geografische Aufteilung der Prognosepools
Das Versorgungsgebiet der Energieplattform erstreckt sich über verschiedene Wetterregionen. Im Extremfall schneit es im Appenzellerland, während im Rheintal der Föhn bläst. Diese Bedingungen verschlechtern die Güte einer Gesamtprognose mit nur einer Meteostation. Der Gesamt-Prognosepool wurde aufgeteilt in sechs Einzel-Prognosepools. Dazu wurden die einzelnen Messpunkte regional kategorisiert, summiert und geeignete Meteostationen ausgewählt.
Aufteilung in Verbrauchs- und Produktionsprognosen
Wo immer möglich, wurden separate Prognosen für den Verbrauch und die Produktion erstellt. Somit kommen die entscheidenden Einflussgrössen stärker zum Zug. Beispielsweise die Durchfluss-Einflussgrösse bei einem Produktionslastgang mit einem hohen Wasserkraftanteil.
Einsatz künstlicher Intelligenz
Um höchste Prognosequalität zu erreichen, wurden Adaptiv-Logische-Netze(ALN) des BelVisPRO-Moduls eingesetzt. Diese Prognosemodelle greifen auf durch KISTERS patentierte Verfahren zu und bieten höchste Prognosegüte. Um optimale Ergebnisse zu erzielen, wurden die Modelle mit den historischen Daten der letzten 1-2 Jahre trainiert.
Automatische Modellbildung
Um die ALN-Modelle zu optimieren, benötigt es keine Mathematiker. Der Prognoseverantwortliche stellt dem Modell verschiedene Einflussgrössen wie z.B. Tagestyp, Globalstrahlung oder Temperatur zur Verfügung. Das automatische Verfahren ermittelt dann selbständig die richtige Anzahl Neuronen und Gewichte. Das optimale Modell wird in einem iterativen Training in wenigen Minuten gefunden. Das automatische Optimieren kann regelmässig durch das System durchgeführt werden, was dem Prognoseverantwortlichen wertvolle Zeit spart.
Vollständige Integration
Die Energieplattform setzt für ihr EDM-System auf die bewährte BelVis-Plattform. Das Prognosemodul konnte somit einfach im Vertriebs-EDM aktiviert und genutzt werden. Die Prognosen werden täglich automatisch berechnet und per BelVis-Auftrag an die Beschaffung gesendet. Für das Prognosecontrolling werden alle Prognosen einzeln archiviert. Somit ist eine detaillierte Auswertung der Prognosequalität möglich.
Während des sechstägigen Prognoseoptimierungs-Projektes hat uns Optimatik mit ihrer Erfahrung viele wertvolle Tipps und Ideen mit auf den Weg gegeben. Dadurch konnte die Prognose auf der Verbrauchs- und Produktionsseite deutlich verbessert werden.
Dominik Burkolter, Portfoliomanager Energieplattform AG
Der Nutzen
Die beschriebenen Massnahmen reduzierten den mittleren Prognosefehler deutlich. Damit spart die Energieplattform jährlich einen höheren fünfstelligen Frankenbetrag an Ausgleichsenergiekosten.
Dank dem Know-how-Transfer von Optimatik zur Energieplattform können die Prognoseverantwortlichen weitere Optimierungsmassnahmen selbständig ausführen und so die Prognosequalität auch in Zukunft weiter verbessern.