Wet­ter­be­ding­te Men­gen­ri­si­ken im Gas­ver­trieb

Lesedauer: 4 Minuten

Das Wet­ter ist einer der Haupt­ri­si­ko­trei­ber im Gas­ver­trieb. Die Model­lie­rung des Risi­ko­fak­tors „Tem­pe­ra­tur“ spielt eine ent­schei­den­de Rol­le bei der Ein­schät­zung poten­zi­el­ler Absatz­schwan­kun­gen im Pri­cing und Risi­ko­ma­nage­ment. Ener­gie­ver­sor­ger mit einem geo­gra­fisch kon­zen­trier­ten Ver­triebs­ge­biet haben dort eine ein­fa­che­re Auf­ga­be: Die Betrach­tung einer ein­zi­gen Wet­ter­sta­ti­on ist oft aus­rei­chend. Bun­des­weit akti­ve Unter­neh­men hin­ge­gen müs­sen ein kon­sis­ten­tes Modell über eine Viel­zahl an Tem­pe­ra­tur­mess­sta­tio­nen auf­stel­len, um eine hin­rei­chend genaue Abbil­dung des Risi­ko­pro­fils eines geo­gra­fisch breit gestreu­ten Port­fo­li­os zu errei­chen.

Den Aus­gangs­punkt bil­det in aller Regel die Fest­le­gung eines Sets von Refe­renz­wet­ter­sta­tio­nen im V-PFM-Sys­tem, die das Ver­triebs­ge­biet gleich­mä­ßig abde­cken und eine hin­rei­chend zuver­läs­si­ge Grund­la­ge für die Erstel­lung der (kurz­fris­ti­gen) Last­pro­gno­sen dar­stel­len.

Auf der Basis der Zuord­nung ein­zel­ner Abnah­me­stel­len zu den Refe­renz­wet­ter­sta­tio­nen las­sen sich abnah­me­stel­len- oder seg­ment­spe­zi­fi­sche Last­funk­tio­nen auf­stel­len. Ver­fügt man dann über ein kon­sis­ten­tes Modell der Tages­mit­tel­tem­pe­ra­tur als wich­tigs­te Ein­gangs­grö­ße,  las­sen sich wert­vol­le Aus­sa­gen über die Ver­tei­lung und Dyna­mik der Ver­triebs­last ablei­ten.

Dyna­mik der Tages­mit­tel­tem­pe­ra­tur

Zur Ver­an­schau­li­chung des Ana­ly­se­gangs betrach­ten wir exem­pla­risch sechs, über das gesam­te Bun­des­ge­biet ver­teil­te Wet­ter­sta­tio­nen: Leipzig/Halle, Ber­lin-Tegel, Bre­men, Düs­sel­dorf, München/Flughafen und Stuttgart/Echterdingen (Abbil­dung 1).

Die Tages­mit­tel­tem­pe­ra­tur weist kla­re sai­so­na­le Mus­ter auf. Die­se wer­den im ers­ten Schritt über eine deter­mi­nis­ti­sche Funk­ti­on der Jah­res­zeit abge­bil­det (Norm­tem­pe­ra­tur). Die nach Abzug der Norm­tem­pe­ra­tur resul­tie­ren­den Resi­du­en wer­den dann im zwei­ten Schritt simul­tan über alle Refe­renz­wet­ter­sta­tio­nen model­liert.

Die sto­chas­ti­schen Kurz­frist­schwan­kun­gen ein­zel­ner Wet­ter­sta­ti­on sind nicht unab­hän­gig von­ein­an­der. Ganz im Gegen­teil: Die Zeit­rei­hen wei­sen eine hohe posi­ti­ve Kor­re­la­ti­on auf (Abbil­dung 2).

Im Fal­le stark kor­re­lier­ter Zeit­rei­hen bie­tet  sich die Haupt­kom­po­nen­ten­ana­ly­se als Instru­ment zur Reduk­ti­on der Modell­di­men­si­on an. Die Haupt­kom­po­nen­ten sind die weni­gen, laten­ten Risi­ko­fak­to­ren, die die wesent­li­chen Bestand­tei­le der Dyna­mik in den empi­ri­schen Daten beschrei­ben. Die zen­tra­le Idee besteht in der Kon­zen­tra­ti­on der Ana­ly­se auf die Haupt­kom­po­nen­ten, die kumu­la­tiv einen gefor­der­ten Min­dest­er­klä­rungs­ge­halt (z. B. 95%) auf sich ver­ei­nen.

Ergeb­nis­se der HK-Ana­ly­se

Die Eigen­wer­te (eigenva­lues) reprä­sen­tie­ren die Antei­le der ein­zel­nen Risi­ko­fak­to­ren an der Gesamt­va­ri­anz der empi­ri­schen Daten. Aus Abbil­dung 3 ist ersicht­lich, dass bereits die ers­ten drei Fak­to­ren (Haupt­kom­po­nen­ten) für die Erklä­rung von über 95% der Gesamt­va­ri­anz aus­rei­chend sind. Folg­lich kann die Dimen­si­on des Modells ohne einen nen­nens­wer­ten Genau­ig­keits­ver­lust ent­schei­dend redu­ziert wer­den.

Die Fak­tor­la­dun­gen (eigen­vec­tors) bil­den den Ein­fluss der Risi­ko­fak­to­ren auf die ein­zel­nen Wet­ter­sta­tio­nen ab (Tabel­le 1). Der ers­te Risi­ko­fak­tor treibt die Tem­pe­ra­tur an allen Stand­or­ten in die glei­che Rich­tung und mit nähe­rungs­wei­se glei­cher Inten­si­tät. Die­ser Fak­tor kann mit der Ver­än­de­rung der Groß­wet­ter­la­ge gleich­ge­setzt wer­den und erklärt ca. 86% der sto­chas­ti­schen Tem­pe­ra­tur­schwan­kun­gen.

Der zwei­te Risi­ko­fak­tor treibt die Tem­pe­ra­tur im Nor­den und im Süden in die ent­ge­gen­ge­setz­te Rich­tung, wäh­rend der drit­te für ent­ge­gen­ge­setz­te Schwan­kun­gen im Osten und Wes­ten ver­ant­wort­lich ist (s. Abbil­dung 4). Dies kann am Vor­zei­chen der Fak­tor­la­dun­gen  der Wet­ter­sta­tio­nen abge­le­sen wer­den.

Die Fak­tor­wer­te (fac­tor scores) beschrei­ben die Rea­li­sa­ti­on der Risi­ko­fak­to­ren im his­to­ri­schen Zeit­raum. Die Fak­tor­wer­te sind unkor­re­liert und kön­nen daher unab­hän­gig von­ein­an­der über sto­chas­ti­sche Pro­zes­se model­liert wer­den.

Die Simu­la­ti­on der Tages­mit­tel­tem­pe­ra­tur an den betrach­te­ten Mess­sta­tio­nen erfolgt dann in drei Schrit­ten:

  1. Simu­la­ti­on der fac­tor scores für den zukünf­ti­gen Zeit­raum
  2. Rück­trans­for­ma­ti­on der fac­tor scores in kurz­fris­ti­ge Tem­pe­ra­tur­schwan­kun­gen
  3. Ermitt­lung der simu­lier­ten Tem­pe­ra­tur über Addi­ti­on der jewei­li­gen deter­mi­nis­ti­schen Kom­po­nen­te
Tem­pe­ra­tur und Ver­triebs­last

Das Modell erlaubt nicht nur die Simu­la­ti­on der gemes­se­nen Tages­mit­tel­tem­pe­ra­tur, son­dern ent­hält dar­über hin­aus impli­zit ein Refe­renz­mo­dell für die kurz­fris­ti­ge Tem­pe­ra­tur­pro­gno­se. Folg­lich kön­nen die Modell­er­geb­nis­se direkt auf das syn­the­ti­sche SLP-Ver­fah­ren (als geo­me­tri­sche Rei­he der Tages­mit­tel­tem­pe­ra­tur) ange­wandt wer­den.

Auf Grund­la­ge der simu­lier­ten Temperatur(prognose)zeitreihen las­sen sich dar­über hin­aus pro­blem­los Last­sze­na­ri­en in hoher Auf­lö­sung für ein­zel­ne RLM-Abnah­me­stel­len oder -Seg­men­te gene­rie­ren.

Ein­fluss auf den Spot­preis

Das Wet­ter hat einen nach­weis­ba­ren Ein­fluss auf die Gas­prei­se. Unse­re Ana­ly­se hat erge­ben, dass die kurz­fris­ti­ge Dyna­mik des Spot­prei­ses im Wesent­li­chen mit der Dyna­mik der ers­ten Haupt­kom­po­nen­te zusam­men­hängt. Zwi­schen die­sen bei­den Grö­ßen haben wir eine zwar ver­gleichs­wei­se mode­ra­te, aber hoch­si­gni­fi­kan­te Kor­re­la­ti­on fest­ge­stellt. Die­se Erkennt­nis ver­setzt uns in die Lage, ein schlan­kes Modell über Spot­preis und Tem­pe­ra­tur (und damit auch Ver­triebs­last) auf­zu­stel­len.

Fazit

Die inte­grier­te Modell­sicht auf Ver­triebs­men­gen und Groß­han­dels­prei­se ist uner­läss­lich für kon­sis­ten­te Ent­schei­dun­gen im Port­fo­lio­ma­nage­ment und Ver­triebs-Pri­cing. In der Pra­xis muss die ver­meint­lich hohe Modell­kom­ple­xi­tät oft als Begrün­dung für den Ein­satz heu­ris­ti­scher Ver­fah­ren her­hal­ten. Bei genaue­rem Hin­se­hen stellt man aber fest, dass eine ana­ly­tisch fun­dier­te Lösung oft nur eine Arm­län­ge ent­fernt ist.

In unse­rer Bera­tungs­ar­beit haben wir den Anspruch, res­sour­cen­scho­nen­de Lösun­gen umzu­set­zen und die­se auch Unter­neh­men zugäng­lich zu machen, die über über­schau­ba­re Res­sour­cen im Port­fo­lio­ma­nage­ment ver­fü­gen.

Erschie­nen im con­en­er­gy News­let­ter Aus­ga­be 9 (Mai 2014).

Veselin Kozhuharov

Veselin Kozhuharov

Ehem. Senior-Berater
con|energy unternehmensberatung
unternehmensberatung@conenergy.com

Bei­trag Tei­len:

Facebook
Google+
Twitter
LinkedIn