IEWT 2015: Dynamische Korrektur der Lastprognose von Haushaltskunden mittels kurzzyklischer Smart-Meter-Daten

Abstract

Die Lastprognose auf Basis von Standardlastprofilen bietet keine Möglichkeit zur dynamischen Korrektur von Abweichungen. Eine Erweiterung des Verfahrens basierend auf aktuellen Verbrauchsdaten erlaubt die zeitnahe Anpassung der Prognose. Dabei besteht die Möglichkeit, die Korrektur am Vortag durchzuführen, um gegebenenfalls am Day-ahead-Markt zu agieren oder untertägig neu zu prognostizieren und am Intraday-Markt zu handeln. Beide Verfahren zeigen hinsichtlich der Prognosegüte deutlich bessere Ergebnisse als die Prognose nach Standardlastprofilmodell.

Motivation und zentrale Fragestellung

Fahrplanprognosen des elektrischen Verbrauchs von Haushaltskunden und Kleingewerbe werden bisher auf Basis von Standardlastprofilen (SLP) erstellt. Dabei entstehen aus zwei Gründen Abweichungen von der Prognose: Zum einen weicht das generelle Verbrauchsverhalten der betrachteten Kunden häufig vom verwendeten SLP ab. Dies kann durch Generieren neuer Lastprofile auf Basis von Smart-Meter-Daten deutlich reduziert werden [1]. Zum anderen verhalten sich Stromkunden nicht jeden Tag gleich. Hier besteht die Möglichkeit, aktuelle Smart-Meter-Daten jedes Kunden zu nutzen, um aufgrund der Abweichungen seines tatsächlichen Verbrauchs vom zugeordneten Profil die Prognose untertägig anzupassen.

Methodische Vorgangsweise

Das Prinzip der dynamischen Prognoseanpassung ist in Abbildung 1 dargestellt. Zunächst wird angenommen, dass sich der betrachtete Kunde gemäß SLP verhält. Mittels laufender Auswertung der Verbrauchsdaten kann festgestellt werden, wenn hier Abweichungen auftreten. Ist dies der Fall, wird diese Abweichung auf den folgenden Zeitraum übertragen und die Prognose entsprechend korrigiert.

Dabei sind verschiedene Varianten des Verfahrens möglich. Die Abweichung kann als absoluter Wert oder als relativer Fehler auf den Folgezeitraum übertragen werden. Sowohl der Zeitraum, der für die Prognoseanpassung berücksichtigt wird, als auch der Zeitraum, auf den sich die Anpassung auswirkt, kann variiert werden. Zum Vergleich werden etablierte Verfahren der Zeitreihenanalyse wie exponentielle Glättung und Autoregression untersucht. Anhand kurzzyklischer Smart-Meter-Daten von Haushaltskunden in 10-Sekunden-Auflösung werden diese möglichen Varianten rechnerisch untersucht und die Auswirkungen auf die resultierende Prognosegüte quantifiziert.

Ergebnisse und Schlussfolgerungen

Die Auswertungen zeigen, dass die Prognosegüte durch Durchführung der dynamischen Anpassung gesteigert werden kann. Dem gegenüber steht allerdings auch ein deutlich erhöhter Aufwand in der täglichen Abwicklung sowie das Problem, dass der derzeitige regulatorische Rahmen eine untertägige Anpassung der Prognose von Standardlastprofilkunden nicht vorsieht.

Literatur:

[1] Michael Hinterstocker, Serafin von Roon, Marina Rau: Bewertung der aktuellen Standardlastprofile Österreichs und Analyse zukünftiger Anpassungsmöglichkeiten im Strommarkt. 13. Symposium Energieinnovation, Graz, 2014.

Weitere Autoren:
David BERNER, Joachim STAATS, Cecil BRUCE-BOYE,
Wissenschaftszentrum für intelligente Energienutzung (WiE)