Im Laufe des letzten Jahres haben wir uns zunehmend mit der "Wissenschaft" der Modellierung vergangener und zukünftiger Erträge von Batteriespeichern befasst und uns nun entschlossen, etwas Licht in diese Praxis zu bringen. Wir sind der Meinung, dass Kunden eine Menge Voodoo als Wissenschaft verkauft wird und dass die Anreize in diesem Sektor fundamental falsch gesetzt sind.
Anwendungsfälle für die Erlösmodellierung von Batteriespeichern
Beginnen wir also damit, wer diese Erlösmodelle braucht und wofür sie benötigt werden. Die Gründe für die Erstellung von Ertragsprognosen sind eindeutig: Investoren wollen das Ertragspotenzial ihrer Anlage kennen, bevor sie ihr Geld investieren, und Banken wollen eine gewisse Sicherheit haben, bevor sie Kreditverträge unterzeichnen. Derzeit werden die meisten Anlagen auf kommerzieller Grundlage gebaut, was bedeutet, dass Investoren während der gesamten Lebensdauer der Anlage, sagen wir 15 Jahre, ein Preisrisiko tragen. Außerdem wollen Speicherbetreiber von potenziellen Händlern wissen, mit welchen Erträgen sie rechnen, um einen von ihnen auszuwählen und vielleicht auch, um deren Fähigkeiten zu bewerten, indem sie ihnen die Erstellung einer Erlösmodellierung übertragen. So weit, so gut.
Unserer Ansicht nach gibt es zwei grundlegende Probleme bei der Modellierung von Speichererlösen. Das eine ist konzeptioneller Natur, das andere hat mehr mit den widerstreitenden Interessen der Akteure zu tun.
Das konzeptionelle Problem bei der Modellierung von Batterieerlösen
Ich beginne mit dem konzeptionellen Problem, das viel mit der größten Stärke der Batterie zu tun hat: Batteriespeicher sind extrem flexibel, d.h. man kann sie auf verschiedenen Märkten handeln und optimieren. In Deutschland kann eine Batterie frei zwischen dem Spotmarkt (Day-Ahead-Auktion, Intraday-Auktion und Continuous Intraday) und dem Regelenergiemarkt (PRL, SRL, vielleicht noch MRL) wählen. Während dies für die Betreiber des Speichers im Allgemeinen eine gute Nachricht ist, öffnet es auf der Ebene der Erlösmodellierung die Büchse der Pandora für grenzenlose Komplexität. Diese Komplexität lädt zu Missverständnissen ein, und Missverständnisse laden zu fragwürdigen Praktiken ein. Doch dazu später mehr. Wir haben zwei Analyseachsen, eine davon ist die Gegenüberstellung von vergangenen und zukünftigen Preisen, d. h. dem Backtesting mit tatsächlichen Preisen und der Prognose von zukünftigen Preisen. Die andere ist die Betrachtung eines einzelnen Marktes im Vergleich zu einer kombinierten marktübergreifenden Betrachtung.
Beginnen wir damit, das Backtesting einer Spotmarkt-Optimierung zu betrachten und die Regelenergieprodukte für eine Sekunde zu ignorieren. Einfacher kann man nicht loslegen. Allerdings durchlaufen wir auch in dieser vereinfachten Betrachtung bereits drei Marktsegmente, die in unterschiedlichen Marktsettings zu unterschiedlichen Zeiten ablaufen: die Day-Ahead-Auktion, die Intraday-Auktion und der kontinuierliche Intraday-Markt. Wir haben in einem Blog beschrieben, wie wir bei der Batterieoptimierung auf diesen Märkten vorgehen, und auch den FlexIndex veröffentlicht, der auf diesem Optimierungsmodell basiert. Wir lieben diesen Ansatz, denn er ist zwar alles andere als einfach, aber so einfach, wie man es nur machen kann, ohne dass die Komplexität den Kunden den Kopf verdreht. Im Grunde genommen kann man diese Märkte nacheinander durchgehen, um eine Anlage mit verschiedenen Annahmen hinsichtlich Leistung, Kapazität und Zyklusbeschränkungen zu optimieren und zu sehen, wie viel Geld dieses Asset in der Vergangenheit mit dieser Methodik verdient hätte. Diese Methode gibt einen sehr guten Anhaltspunkt dafür, wie viel Geld eine flexible Anlage im Laufe der Zeit bei sich ändernden Marktbedingungen voraussichtlich einbringen wird.
Modellierung der Erlöse im kontinuierlichen Intraday-Handel
Das erste Problem bei diesem Ansatz ist, dass er den kontinuierlichen Intraday-Handel stark vereinfacht, da er jeder Viertelstunde nur einen einzigen Indexpreis, den so genannten ID1, zuordnet. In Wirklichkeit gibt es nicht den einen Intraday-Preis, sondern einen lebhaften Markt mit Geboten und Angeboten und Tausenden von Abschlüssen für jeden Kontrakt pro Tag. Sehen Sie sich die Preiskurve des Produkts von 12q3 vom heutigen Tag an. Sie sehen, dass die Preise für das identische Produkt zwischen 45 EUR/MWh und 80 EUR/MWh schwankten, je nachdem, wann Sie sich auf dem Markt umgesehen haben.
Im wirklichen Leben würde ein Optimierungsalgorithmus diese sich ständig ändernden Preise kontinuierlich nutzen. Unser Modellierungsansatz mit einem einzigen Preis lässt diese Möglichkeit außer Acht und unterschätzt daher systematisch die Handelseinnahmen.
Sollte dies also nicht berücksichtigt und in die Ergebnisse eingearbeitet werden? Wir sagen klar Nein. Der Grund dafür ist, dass Sie bei einem Blick in die Vergangenheit und der Annahme, dass Sie zu diesen Preisen handeln könnten, die Tatsache ignorieren, dass jedes Kaufgebot oder Verkaufsgebot, das Sie auf dem Markt platzieren, einen Einfluss auf die Preise gehabt hätte. Dies mag bei einer 1-MW-Position keine Rolle spielen, da sie zu klein ist, um die Preise erheblich zu beeinflussen, bei größeren Positionen wäre dies jedoch definitiv der Fall.
Zweitens erhöht die Eröffnung dieser Analysemöglichkeit (d.h. die Verwendung von Tick- und Orderbuchdaten) die Menge der für die Analyse verwendeten Daten sowie die Komplexität der Analyse um ein Vielfaches. Niemand teilt die Tick- oder Orderbuchdaten und die Art und Weise, wie sie organisiert wurden, was bedeutet, dass die Ergebnisse für einen Außenstehenden nicht mehr nachvollziehbar sind. Dies öffnet der Manipulation der Ergebnisse Tür und Tor, damit diese genau das zeigen, was man will. Daher sollten wir lieber mit einer groben Annahme arbeiten wie: "In der Praxis bringt die Intraday-Optimierung 20 % mehr als in der ID1-Berechnung angenommen", was zu einem saubereren Ergebnis führen dürfte, als jemandem zu erlauben, mit den Tick-Daten zu machen, was er will. Ich fordere Sie auf, Ihren Modellierer zu bitten, sein Optimierungsmodell zu veröffentlichen, wie wir es getan haben, und seine Ergebnisse zur Nachahmung freizugeben. Ich garantiere Ihnen, er wird sich verrenken und winden wie John Travolta in seinen besten Zeiten.
Strompreisprognosen sind, nun ja, heikel
Lassen Sie uns auch nicht vergessen, dass wir mit unserer Modellierung von Batterieerlösen noch in der Vergangenheit leben. Es wurden bisher keine Prognosen für zukünftige Strompreise erstellt. Wenn man so lange wie ich mit Preismodellen arbeitet, kommt man an einen Punkt, an dem man jedem, der eine Preisprognose für die nächsten 15 Jahre macht, eine einzige Frage stellt: "Hast Du danach gehandelt?". Wenn nicht, höre ich nicht mehr zu. Ein Preismodell für ein Jahr oder sogar einen Monat zu erstellen, ist EXTREM schwierig. Die Vorhersage von Strompreisen für einen Zeitraum, der länger ist als der, für den es einen liquiden Markt gibt (d. h. fünf Jahre), ist auf dem gleichen Niveau wie das Zerschneiden und Lesen von Vogeldärmen. Niemand hat den Preisverfall in der Mitte des letzten Jahrzehnts vorausgesehen, niemand hat die Pandemie vorausgesehen, niemand hat die von Russland ausgelöste Energiekrise vorausgesehen, aber diese Dinge passieren. Diese Ereignisse sind die Regel, nicht die Ausnahme! Und wir sprechen hier über die Unmöglichkeit, die langfristigen BASE-Preise vorherzusagen. Sehen Sie sich das untenstehende Modell an, das am 29. Juni 2021 veröffentlicht wurde und eine Strompreisprognose mit einer Schwankungsbreite zeigt. Demnach würde sich das Jahr 2022 irgendwo zwischen 58 EUR/MWh und 78 EUR/MWh einpendeln. Wissen Sie, wo er sich einpendelte? 235 EUR/MWh! Preisprognosen schießen ganz generell mit großer Wahrscheinlichkeit am Ziel vorbei.
Und nur um sicherzugehen: Nein, das ist nicht die Schuld von Energy Brainpool. Alle haben sich geirrt, und alle irren sich eigentlich immer.
Für die Modellierung von Batterieerlösen müssten Sie übrigens nicht nur Base-Preise, sondern auch (viertel-)stündliche Preise modellieren. Sie müssen also wissen, bis zu welchem Niveau die Preise steigen und wie weit sie sinken können.
Letztes Jahr haben wir zum ersten Mal Day-Ahead-Preise von -500 EUR/MWh gesehen. Niemand hatte dies in seinem Modell. Was ist dieses Jahr drin? Niemand weiß es! Und das sind jetzt nur die Day-Ahead-Preise, aber um das alles richtig zu modellieren, müsste man auch die künftigen Intraday-Preise kennen, und zwar nicht nur die Preisniveaus, SONDERN AUCH die Tick-Daten, d. h. Millionen von Preisen pro Minute für die Zukunft.
Natürlich kann dies niemand tun oder wissen, aber darüber hinaus müssen Sie Annahmen über die Volatilität dieser Märkte und der Märkte untereinander treffen. Da man die Base-Preise nicht einmal für zwei Jahre im Voraus vorhersagen kann, muss man eigentliche nur einen einfachen Fakt verinnerlichen: Die Modellierung kurzfristiger Preise für 15 Jahre ist NICHT möglich. Punktum. Keine Diskussionen. Vergessen Sie es einfach. Ja, man kann sie modellieren und viel Geld dafür verlangen, aber die Ergebnisse sind klarer und unbestreitbarer Blödsinn.
Marktübergreifende Optimierung von Batteriespeichern
Oh, und was ist eigentlich mit der marktübergreifenden Optimierung? Wenn das bisher noch nicht genug ist, sollten wir noch eine weitere Ebene der Komplexität hinzufügen. Mit einer Batterie können Sie Ihre Dienste auch für PRL und SRL anbieten, und ich denke, dass in Zukunft mehr Systemdienstleistungen für Batterien verfügbar sein werden, die weitere Einnahmequellen erschließen. Sie können die Einnahmen aus diesen Märkten einzeln modellieren, was für das Backtesting ein fairer Ansatz ist, aber bei der Projektion dieser Einnahmen haben Sie die gleichen Probleme, nur stärker als oben beschrieben, weil diese Märkte kleiner und unübersichtlicher sind. Wenn Sie es nun wagen, diese Märkte in einem marktübergreifenden Optimierungsansatz zu kombinieren, führen Sie eine strategische Optimierung durch, bei der Sie im Wesentlichen mit Ihrer Einnahmeerwartung auf dem letzten Markt beginnen und sich rückwärts vorarbeiten, um Ihre Erwartung als Inputpreise für die Regelenergiemärkte zu verwenden.
Wenn Sie besonders raffiniert sein wollen, können Sie auch die voraussichtliche Degradation Ihres Batteriespeichers in jedem Markt einbeziehen und diese berücksichtigen. Wenn Sie diesen Schritt hinzufügen, kommen Sie dem, was Sie mit einer Batterie im wirklichen Leben tun würden, sehr nahe, aber Sie haben sich ein Modell gebaut, das wahrscheinlich nur eine Person im Universum versteht. Damit haben wir jede Chance auf Verständlichkeit gegen ein großes schlammiges Durcheinander von Komplexität eingetauscht, bei dem jeder Modellierer buchstäblich jedes beliebige Ergebnis produzieren kann. Und wie schon Goethe wusste: "Gelegenheit macht Diebe...".
Mein Rat an dieser Stelle ist also: Vergessen Sie es einfach. Wenn Sie als Banker über die Finanzierung eines Projekts nachdenken, nehmen Sie einfach Ihr Ertragsmodell und verwenden Sie es als Schmierpapier. Sie wissen schon, um den Planeten zu retten! Das mag etwas hart klingen, und Sie fragen sich vielleicht: "Das ist frustrierend, was soll ich tun?". Nun, ich werde Ihnen meinen Ratschlag am Ende geben, aber bevor wir dazu kommen, sollten Sie die Motivation der Leute verstehen, die diese Ertragsberechnungen durchführen.
Das Problem falscher Anreize bei der Modellierung von Batterieerlösen
Der Händler
Die wahrscheinlich schlechteste Person, die man nach einer Ertragsmodellierung fragen sollte, ist Ihr potenzieller Batterieoptimierer/-händler. Glauben Sie mir, ich weiß es, wir sind einer von denen.
Die Erstellung eines Ertragsmodells ist für uns nicht besonders schwierig, denn wir sind diejenigen, die das Asset tatsächlich handeln, und wir wissen, wie wir das in der Praxis tun. Es sollte also einfach genug sein, ein solches Modell zu erstellen. Das ist alles gut und richtig. Allerdings sind unsere Anreize überhaupt nicht gut aufeinander abgestimmt. Wenn Modellierer um ein Ertragsmodell gebeten werden, weil sie wissen, dass dies Auswirkungen darauf hat, ob sie für den Handel mit dem Vermögenswert beauftragt werden, liegt der Anreiz auf der Hand: Prognostizieren Sie einfach einen höheren Ertrag als Ihre Mitbewerber, und stellen Sie sicher, dass Sie über eine ausgeklügelte kontinuierliche Intraday-Strategie, komplexe KI-basierte Algorithmen und marktübergreifende Optimierung sprechen, und liefern Sie dann eine superhohe Zahl, die dem Kunden die Freudentränen in die Augen treibt.
Viele Händler erstellen eine schick aussehende Ertragsprognose, können sich aber - aus welchen Gründen auch immer - nicht auf einen Mindestertrag oder einen Mindestpreis festlegen und liefern Ihnen ein Modell, das die Erträge mit ziemlicher Sicherheit erheblich überschätzt. Sie werden Ihnen sagen, dass sie diese Ergebnisse mit den aktuellen Assets in ihrem Portfolio erzielen, ohne Ihnen die Ergebnisse jemals zu zeigen, und sich dabei auf irgendeinen NDA-Blödsinn berufen. Wenn Sie Ihren Optimierer nach seiner Ertragsprognose fragen, ist das so, als würden Sie einen Bautrupp um einen völlig unverbindlichen Kostenvoranschlag bitten und den billigsten auswählen. Ich hoffe, Sie kennen das Problem: Sie landen bei den Auftragnehmern, die am ehesten bereit sind, den Preis zu drücken, und sobald Sie mit dem Bau beginnen, werden die Kosten wie aus dem Nichts auftauchen und sich auftürmen, bis Sie das Doppelte zahlen, was Sie erwartet haben, und möglicherweise müssen Sie die Bautrupps im Laufe des Prozesses dreimal wechseln. Das ist keine gute Strategie.
Der Berater
Eine bessere Wahl wäre ein Beratungsunternehmen, das sich auf die Modellierung von Einnahmen aus der Batterievermarktung spezialisiert hat. Dies ist sicherlich die teuerste Option, aber angesichts der großen Investition, die Sie vor sich haben, kann man leicht 20.000 Euro ausgeben, um sicherzustellen, dass Sie Ihr Projekt mit der gebotenen Sorgfalt durchführen, oder?
Nun, nicht wirklich, denn auch diese Akteure haben SEHR wenig zu verlieren. Ihr Ruf steht auf dem Spiel, ok, aber am Ende müssen sie nur in der Lage sein, Ihnen gegenüber die eigenen Modellannahmen zu rechtfertigen. Ihr Interesse besteht auch darin, einfach nur eine Zahl zu produzieren, die groß genug ist, damit Sie mit Ihrem Projekt weitermachen können. Der Vorteil ist, dass die Bank diese Zahl vielleicht schluckt, wenn sie naiv genug ist. Ich persönlich würde den Ertragsprognosen eines Beratungsunternehmens nur dann trauen, wenn die Berater bereit sind, Mindesterträge in der Praxis zu garantieren, oder wenn sie Ihnen zumindest ihre Ertragsprognosen für alle Projekte der letzten fünf Jahre zeigen und Ihnen die tatsächlich erzielten Erträge der Kunden mitteilen, die sie in der Vergangenheit beraten haben. Spoiler: Sie werden es nicht tun.
Die von uns empfohlene Vorgehensweise
Was bleibt Ihnen also? Es tut mir leid, Sie zu enttäuschen, aber nicht viel. Daher hier unser Ansatz und der beste Rat, den wir geben können: Vergessen Sie das falsche Gefühl der Sicherheit, das Ertragsmodelle zu vermitteln versuchen. Alle Modelle sind falsch, aber einige sind nützlich. Sehen Sie sich daher unseren recht einfachen und reproduzierbaren FlexIndex an. Natürlich ist er unvollkommen, aber das ist ja der Punkt. Es ist nur ein Modell. Holen Sie sich das OpenSource-Python-Modell und spielen Sie mit der Konfiguration und den Zyklusrestriktionen der Batterie herum, um ein Gefühl dafür zu bekommen, wie sich Ihre Anlage in der Vergangenheit verhalten hätte. Verwenden Sie dieses Modell, fügen Sie Ihre Kosten hinzu und finden Sie die optimale Konfiguration für Ihre Investition. Unser eigenes Modell bietet einige weitere Flexibilitätsgrade, einschließlich PV/Wind Co-Location, und wir helfen Ihnen gerne bei der Klärung Ihrer Fragen.
Dann fragen Sie Ihren Nachbarn und Ihre Freunde, ob sie heute, letzte Woche und letztes Jahr gutes Geld mit ihrem Batterie-Asset verdient haben. Sie werden es Ihnen sagen: Das Jahr der Energiekrise war großartig. Das zeigt Ihnen die einfache Wahrheit: Mit einer Batterie lässt sich viel Geld verdienen, wenn es viele Schwankungen am Strommarkt gibt. Ein guter Index für die Volatilität ist der Day-Ahead-High-Low-Spread. Fragen Sie sich nun: Wenn eine Batterie heute profitabel ist, wird sie dann auch in Zukunft profitabel sein? Das ist nichts anderes als die Frage: Steigt oder fällt die Volatilität der Preise am Strommarkt?
Volatilität der Preise auf dem Strommarkt
Warum sollte die Volatilität auf den Strommärkten zunehmen?
Warum sollte die Volatilität auf den Strommärkten abnehmen?
Für mich persönlich sind die Argumente für einen Anstieg der Strommarktvolatilität viel stärker, aber es ist Ihre Aufgabe als Investor, hier eine Meinung zu haben. Kein Ertragsmodell kann Ihnen hier weiterhelfen!
Lösung: Das Risiko hedgen
Es gibt jedoch noch eine andere Lösung, und ich vermute, dass sie Ihnen beim Lesen dieser Zeilen eh schon durch den Kopf gegangen ist. Wenn ein echtes Risiko besteht, das Sie nur schwer einschätzen können, können Sie zwei Dinge tun.
Sie können auf Scharlatane hören, die Ihnen genau das erzählen, was Sie hören wollen, und Sie können am Ende Ihr ganzes Geld verlieren. Oder: Sie geben dieses Risiko an jemand anderen ab, der bereit ist, es zu tragen, d.h. Sie sichern sich ab! Und das ist unsere eigentliche Lösung für dieses Problem. Sie können einen Händler/Optimierer auswählen, der nicht nur Ihre Erträge modelliert, sondern Sie zwingen ihn, sich an dem ganzen Spiel zu beteiligen, indem er Ihnen einen Mindestertrag und/oder einen Mindestpreis garantiert. Vergewissern Sie sich, dass das Unternehmen über die nötige Finanzkraft verfügt, um seine Versprechen auch tatsächlich einhalten zu können. Nur so erhalten Sie realistische Zahlen von Marktteilnehmern, und wir sind gerne bereit, Ihnen diese zu liefern. Wir reden nicht nur darüber, sondern wir lassen auch Taten folgen und stehen zu unseren Modellierungsergebnissen in Form von garantierten Erträgen. Ich würde niemandem trauen, der das nicht anbietet.
Als CF Flex Power können wir Ihnen eine Preisgarantie für 2-3 Jahre geben, aber leider nicht für 15 Jahre. Wir können Ihnen aber trotzdem helfen. Wir haben das Flex HL-Profil als Finanzprodukt konzipiert, mit dem Sie sich langfristig gegen das Risiko sinkender Preisschwankungen absichern können. Wer würde dieses Risiko eingehen, werden Sie sich fragen? Nun, es gibt viele industrielle Verbraucher, die zu Recht Angst vor hoher Volatilität haben und sich gegen dieses Preisrisiko absichern wollen. Wir haben eine Marktplattform PowerMatch geschaffen, um diese beiden Parteien zusammenzubringen, so dass Sie einen bankfähigen Vertrag mit jemandem abschließen können, der eigentlich das gegenteilige Problem wie Sie hat und Ihre Batterie gerne als finanzielle Absicherung für seine Risikoposition nutzen würde. Mehr dazu in einem anderen Blog, der in Kürze erscheint.
Lassen Sie uns zusammenfassen, warum wir nicht glauben, dass irgendjemand Vertrauen in einen übermäßig komplexen Ansatz zur Ertragsmodellierung setzen sollte. Und zwar aus zwei Gründen: a) Sie können nicht mit einem gewissen Maß an Klarheit und Transparenz durchgeführt werden und b) die Akteure, die sie durchführen, haben nicht Ihr bestes Interesse im Sinn. Wir empfehlen daher, sich an einfache, transparente und offene Modelle zu halten. Wir haben unser Modell als OpenSource zur Verfügung gestellt, damit Sie es ausprobieren können und kein Geld für völlig nutzlose Ergebnisse ausgeben müssen. Zweitens: Vertrauen Sie nicht auf Modelle, sondern auf gute Verträge, die es Ihnen ermöglichen, Ihr Risiko tatsächlich abzusichern, anstatt die gefährlichste Strategie im Stromhandel zu spielen: Holding and Hoping.
