Bilansowanie energii: prognozowanie cen wspomagane sztuczną inteligencją zwiększa przychody nawet o 37 procent

Bilansowanie energii pomaga wspierać sieć energetyczną, gdy występują nierównowagi lub wąskie gardła. Dzieje się tak na rynku bilansowania energii, gdzie krótkoterminowe wzrosty lub spadki zapotrzebowania na energię elektryczną są przedmiotem obrotu i są wykorzystywane w razie potrzeby – więc ci, którzy mogą elastycznie dostosowywać swoje zapotrzebowanie na energię elektryczną, mogą również zarabiać pieniądze.

Elastyczne zapotrzebowanie przemysłu na energię elektryczną może zmniejszyć szczytowe obciążenie nawet o 15 procent

Prognoza cenowa ma kluczowe znaczenie dla generowanych przychodów. „Moc kontrolna jest przedmiotem obrotu na tak zwanym rynku pay-as-bid” — wyjaśnia Alexander Sauer, dyrektor Fraunhofer Institute for Manufacturing Engineering and Automation. „Tam obowiązuje proces przetargowy, w którym każdemu dostawcy płaci się cenę, jaką złożył w ofercie”. Dlatego każdy, kto znacząco zaniży rzeczywistą cenę energii elektrycznej, traci pieniądze. Każdy, kto zaoferuje więcej niż cena, traci całkowicie.

Sztuczna inteligencja zamiast statycznych ofert

Naukowcom z Fraunhofer IPA udało się opracować metodę prognozowania, która przy pomocy sztucznej inteligencji umożliwia znacznie dokładniejsze przewidywania, zwiększając tym samym przychody nawet o 37 procent, zgodnie z komunikatem prasowym instytutu. Dzięki zastosowaniu różnych metod uczenia maszynowego naukowcom z Fraunhofer IPA udało się teraz dokładniej prognozować tę cenę.

Chcesz być na bieżąco z transformacją energetyczną? Zapisz się na bezpłatny newsletter ERNEUERBARE ENERGIEN – największego w Niemczech niezależnego magazynu o odnawialnych źródłach energii!

Na przykład wiele firm przemysłowych uczestniczących w rynku energii bilansującej dotychczas polegało na prostych, statycznych strategiach przetargowych, kontynuuje. Ustalają swoją ofertę raz, a następnie się jej trzymają. Albo opierają swoją ofertę na cenie z poprzedniego dnia lub tygodnia.

Malte Schön z Tesvolt: „System magazynowania musi być sterowany przez osobę zajmującą się marketingiem elastyczności”.

Cztery podrynki bilansowania energii zbadane

W drugim kroku uzupełnili swoją prognozę cenową wspieraną przez sztuczną inteligencję o specjalnie opracowany proces kompensacji. „Jest to w pewnym sensie post-processing prognozowanej ceny energii elektrycznej, tak aby złożona oferta była nieco niższa” — wyjaśnia Vincent Bezold z zespołu badawczego Data-Driven Energy System Optimization w Fraunhofer IPA. „Ma to związek z zasadami rynku pay-as-bid”. Najbardziej opłacalne jest celowe zaniżanie rzeczywistej ceny energii elektrycznej. „Dokładnie to osiągamy dzięki naszemu procesowi kompensacji”.

W artykule naukowcy zbadali cztery podrynki niemieckiej energii bilansującej i wykazali, że nawet błąd prognozy wynoszący jedno euro na megawatogodzinę może – w zależności od rynku – wygenerować do 3631 euro dodatkowego rocznego przychodu na megawat. Aby jeszcze bardziej poprawić ten wynik, naukowcy z Fraunhofer IPA planują w przyszłości zastosować jeszcze bardziej złożone modele AI, uwzględniając czynniki zewnętrzne, takie jak dane pogodowe i prognozy oparte na prawdopodobieństwie, aby jeszcze bardziej poprawić jakość prognoz.