Mehr Marge im Direktvermarktungsgeschäft? Data Science hilft!

Energiehandel – Optimierung der Direktvermarktung für Energieerzeuger

Im Energiehandel für erneuerbare Energien herrscht viel Bewegung. Sowohl die Zahl der Marktteilnehmer als auch die gehandelten Mengen steigen ständig. Um Margen auszureizen, müssen die Prognosen der Kraftwerke möglichst genau mit der Realität übereinstimmen, damit Ausgleichsenergiekosten und unnötige Tradingpositionen vermieden werden.

Für einen Five1-Kunden wurde dafür die Erstellung der Prognosen optimiert. Im ersten Schritt wurden alle verfügbaren Daten in ein Datenmodell integriert. Dazu zählen neben den Prognosedaten von emsys, Solar3 und Wind9 auch CRM- und Abrechnungsdaten.

Metamodellierung als Schlüssel zur höheren Marge

Prognoseanbieter arbeiten mit unterschiedlichen Modellen zur Vorhersage von Energieerzeugung und liefern dadurch unterschiedliche Ergebnisse. Für den Kunden wurde speziell hierfür ein Meta-Prognosemodell entwickelt, das die Besonderheiten der Daten erkennt und Anlagen-spezifisch optimiert. Dabei wird nicht außer Acht gelassen, dass zum Schluss die Energiesumme der Anlagen für die Vermarktung relevant ist.

Ein leicht verständliches Beispiel hierfür ist folgendes: Durch das Zusammenbringen von bspw. Wetter- und historischen Abrechnungsdaten können wir automatisiert feststellen, welcher Anbieter bei welcher Windkonstellation Abweichungen für eine bestimmte Anlage aufweist. Gewinnt man diese Erkenntnis aus unterschiedlichen Kombinationen von Wetter- und Prognosedaten, lässt sich ein Meta-Prognosemodell trainieren, dessen Resultate individuell und automatisiert bessere Ergebnisse liefert. Die so gewonnenen Ergebnisse sind genauer und das Model lernt ständig dazu.

Sie möchten noch mehr über Methoden und Möglichkeiten für Sie als Energieversorger erfahren? Dann laden Sie hier unser Whitepaper herunter und lernen Sie, welche Vorteile Ihnen eine Cloud-Strategie bietet: