Home » Produktbeschaffung » Erneuerbare Energien » BESS, Deep Learning-Simulationen: Verringerung der Großhandelspreisvariabilität

BESS, Deep Learning-Simulationen: Verringerung der Großhandelspreisvariabilität

Wattstundenzähler auf dem Dach, Solaranlage, Windturbine und Strommast im Hintergrund

Donato Leo ist Autor einer Studie über die Beziehung zwischen Photovoltaik, Batterien und Großhandelspreisen für Energie in Italien. Leos Deep-Learning-Simulationen deuten auf Veränderungen der Energiepreise hin, wenn die installierte Batteriekapazität zunimmt.

Simulation eines Herbsttages
Simulation eines Herbsttages

Als Energieexperte im Versorgungsbetrieb verwendet Leo Deep-Learning- und Machine-Learning-Codes für Analysen und Prognosen, um Marktszenarien zu analysieren und zu simulieren und Portfoliomanagementstrategien zu optimieren. In seiner jüngsten Analyse verwendete Leo Deep-Learning-Techniken, um PUN-Trends im Zusammenhang mit der Installation von Batterien im Versorgungsmaßstab zu simulieren. Der PUN (italienisches Akronym für Prezzo Unico Nazionale, „nationaler Einheitspreis“) – der Großhandelsreferenzpreis für Strom, der auf dem Markt Borsa Elettrica Italiana (IPEX – italienische Strombörse) gekauft wird – stellt den nationalen gewichteten Durchschnitt der zonalen Verkaufspreise für Strom für jede Stunde und jeden Tag dar.

Diagramme zur Elektrizitätsnachfrage in Stromnetzen ähneln ein wenig einer Ente oder einem Kamel (hier als Kamelrückenkurve bezeichnet), mit Spitzen am Morgen und am Abend, wenn die Menschen auf das Netz angewiesen sind, und einem großen Einbruch in der Tagesmitte, wenn viele Menschen stattdessen ihre eigene Solaranlage nutzen und weniger Energie aus dem Netz benötigen.

Laut Leo senken BESS den maximalen Strompreis, erhöhen den minimalen Preis und haben einen saisonabhängigen Effekt auf den Durchschnittspreis: An Tagen mit wenig Sonnenschein würde er sinken und bei hoher PV-Produktion leicht steigen.

BESS ermöglicht es PV, die Einspeisung in das Netz während der Tagesstunden mit geringer PUN zu vermeiden und Strom während dunklerer Stunden mit hoher PUN in das Netz einzuspeisen. Dadurch können die höheren Kosten für BESS ausgeglichen und die Erträge gesteigert werden, aber es hängt vom Kontext ab, richtig? Können Sie das erklären?

Donato Leo: Die Form der PUN-Kurve hängt eng mit den Besonderheiten der Erzeugungsflotte zusammen, die im Falle von PV noch nicht massiv mit BESS ausgestattet ist und daher gezwungen ist, während der Sonnenstunden zu produzieren und einzuspeisen. Die fortschreitende Einführung von BESS (und die Entwicklung von Speicherdiensten durch Dritte) wird dazu führen, dass PV-Betreiber Energie während der derzeit weniger vergüteten Sonnenstunden speichern und sie dann während der PUN-Spitzenzeiten in das Netz einspeisen, was wahrscheinlich zu einer Abflachung der aktuellen Camelback-Kurve führt. Wenn dies ein plausibles Szenario ist, ist es klar, dass in einem solchen Kontext für eine gewisse Zeit die Betreiber von PV-Großanlagen, die zuerst BESS einsetzen, größere Gewinne erzielen werden, da sie zunächst feststellen werden, dass die aktuelle PUN-„Camelback-Kurve“ mit ihrer beträchtlichen täglichen Spanne zwischen PUNmax und PUNmin am Tag unverändert (oder nahezu unverändert) ist.

Sie haben Deep-Learning-Techniken verwendet, um einen Algorithmus zu erstellen, der versteht, wie sich die PUN-Kurve – die jetzt genau die Form eines Kamelrückens hat – ändern könnte. Wenn man ins Detail geht, sieht es so aus, als würde die Kurve den zweiten abendlichen Buckel verlieren und nur den ersten während der Stunden behalten, in denen keine Energiezufuhr erfolgt. Oder beide Buckel wären sowieso geglättet, richtig? Was würde das für die Batterievergütung bedeuten?

DL: Lassen Sie mich dies mit der Bemerkung einleiten, dass der Algorithmus, dessen Ergebnisse Sie in meinen Linkedin-Posts gesehen haben, das Ergebnis eines anfänglichen Trainings mit einem Convolutional Neural Network (CNN) ist, das auf historischen stündlichen Börsen- und Energiebilanzdaten aus dem Jahr 2023 und der ersten Hälfte des Jahres 2024 basiert. Daher sollten die entsprechenden Prognosen mit der gebotenen Vorsicht betrachtet werden, auch unter Berücksichtigung der Tatsache, dass ich in den Beispielen, die ich gepostet habe, von drastischen, massiven Verschiebungen der PV-Produktion von den Tages- in die Abendstunden ausgegangen bin: Dazwischen gibt es jedoch die Auswirkungen der unvorhersehbaren Strategien der Betreiber als Reaktion auf die Strategien der Vorreiter.

Um weiterzulesen, besuchen Sie bitte unsere neue ESS News-Site

Dieser Inhalt ist urheberrechtlich geschützt und darf nicht weiterverwendet werden. Wenn Sie mit uns zusammenarbeiten und einige unserer Inhalte wiederverwenden möchten, wenden Sie sich bitte an: editors@pv-magazine.com.

Quelle aus pv Magazin

Haftungsausschluss: Die oben dargelegten Informationen werden von pv-magazine.com unabhängig von Chovm.com bereitgestellt. Chovm.com gibt keine Zusicherungen und Gewährleistungen hinsichtlich der Qualität und Zuverlässigkeit des Verkäufers und der Produkte.

Über den Autor

Hinterlasse einen Kommentar

E-Mail-Adresse wird nicht veröffentlicht. Pflichtfelder sind MIT * gekennzeichnet. *

Nach oben scrollen