E4T

Mit dem Fortschreiten der Marktliberalisierung hat innerhalb der deutschen Energiewirtschaft in den vergangenen Jahren der  Abschluss geeigneter Erzeugungs- und Liefervereinbarungen neben der internen Kostenminimierung entscheidend an Bedeutung gewonnen; solche Vereinbarungen können nur auf Grundlage qualitativ hochwertiger Prognosen getroffen werden.

Im Rahmen des Projektes E4T werden Lastprognosen auf der Basis historischer Verbraucherwerte, externer Einflussgrößen (Wettergrößen wie Temperatur, Globalstrahlung etc.) und der Kenntnis besonderer Ereignisse (Ferien, Feiertage, Großveranstaltungen etc.) erstellt.

Die vorliegenden historischen Verbrauchs- und Einflusswerte wurden in einer Datenbank abgelegt. Hiermit wurden Untersuchungen angestellt, in welcher Weise die Tageslastprofile neben der bekannten Unterscheidung zwischen Werk- und Feiertagen feinere Unterteilungen aufweisen und in welchem Maße sich besondere Ereignisse erkennen lassen, die den Lastverbrauch beeinflussen. Zum Einsatz kamen hier Clustermethoden, Selbstorganisierende Karten und statistische Verfahren.

Aus vertragstechnischen Gründen ist eine Lastprognose für zwei Folgetage erforderlich. Bei einer zeitlichen Auflösung von 15 Minuten besteht eine Zweitagesprognose aus 192 Vorhersagewerten; diese werden mit Hilfe umfangreicher Trend-, Periodizitäts- und Zeitreihenbetrachtungen sowie mit Hilfe Neuronaler Netzen berechnet. Grundlage sind hierbei Lastdaten typgleicher Vorgängertage.

Die Anwendung klassischer Zeitreihenmodelle erweist sich insbesondere bei Vorhersagen zu Werktagen als sehr erfolgreich. Verfeinerte Anpassungen der Zeitreihenmodelle an den vorliegenden Problembereich führen zu einem geringeren Prognosefehler als erwartet.

Zwecks Einbeziehung vorhergesagter Wetterdaten in die Prognosefindung wurden umfangreiche Korrelationsuntersuchen zwischen Wetter- und Lastdaten angestellt; ein kombiniertes Einfluss-/Zeitreihenmodell befindet sich in der Entwicklung.

Das Prognoseprogramm ist als Prototyp für den Kooperationspartner Stadtwerke Osnabrück AG  entwickelt worden. Es wurde sowohl mit  Lastdaten der Stadt Osnabrück als auch mit Lastdaten zweier Versorgungsunternehmen aus eher ländlichen Bereichen erfolgreich getestet. Die Prognosestrategien sollen an ein vorhandenes Energiedatenmanagementsystem angebunden werden.