Der FlexIndex ist eine transparente Referenz für den Wert von Flexibilität auf dem deutschen Strommarkt. Die Berechnung des FlexIndex basiert auf der marktübergreifenden Optimierung einer Batterie auf den deutschen Stromgroßhandelsmärkten. Konkret betrachten wir eine Referenzbatterie mit 1MWh, 1MW und 1 Zyklus pro Tag, die in der Day-Ahead Auktion, der Intraday Auktion und auf dem kontinuierlichen Intraday Markt optimiert wird.

Vereinfacht ausgedrückt beantwortet der FlexIndex folgende Frage: "Wenn ich eine 1MWh-1MW-1Cycle-Batterie besäße, wie viel Geld würde ich damit jeden Tag verdienen?"

Die Erlöse der Referenzbatterie sollen eine Indikation für den historischen und gegenwärtigen Wert von Flexibilität im deutschen Strommarkt geben. Wenn Sie eine Batterieanlage besitzen oder entwickeln und an einer detaillierten Erlösmodellierung, Optimierung und/oder Vermarktung Ihrer spezifischen Anlage interessiert sind, setzen Sie sich bitte mit uns in Verbindung.

Die obige interaktive Grafik zeigt die historische Entwicklung des FlexIndex von 2018 bis heute. Dargestellt ist ein gleitender 28-Tage-Durchschnitt der aktuellen Tageswerte, um Rauschen zu eliminieren. Sie können in das Diagramm hineinzoomen, indem Sie einen Bereich mit der Maus auswählen. Der Button oben rechts setzt den Zoom zurück. Wenn Sie mit der Maus über die Grafik fahren, werden die expliziten Werte für jeden Tag angezeigt.

Die zugrundeliegenden Daten stehen als Download zur Verfügung. Am Ende dieser Seite finden Sie ein Formular, in das Sie Ihre E-Mail-Adresse eintragen können, um Zugang zu den vollständigen historischen Daten des FlexIndex zu erhalten.

Open-Sourcing des Optimierungsmodells...

Das Modell für die lineare Drei-Märkte-Optimierung ist auf unserem GitHub öffentlich zugänglich. Es handelt sich um eine vereinfachte Version unseres internen Optimierungsmodells, welche auf Verständlichkeit und Transparenz ausgerichtet ist. Das veröffentlichte Modell wird zur Berechnung des FlexIndex verwendet. Das GitHub Repository enthält ein Dokument mit der mathematischen Formulierung des Optimierungsproblems sowie eine Python-Implementierung des Modells unter Verwendung der kostenlosen Bibliothek Pyomo.

Mit diesem Modell wollen wir zu einem öffentlich zugänglichen Wissenspool zur Flexibilitätsoptimierung beitragen und hoffentlich einen fachlichen Diskurs anregen, von dem alle profitieren können. Wenn Sie dieses Modell benutzen oder darauf aufbauen, würden wir uns darüber freuen, wenn Sie ebenfalls dazu beitragen. 

Wie es funktioniert

Das Modell folgt der Optimierungslogik, die in unserem Blog-Beitrag vom Oktober letzten Jahres über die marktübergreifende Optimierung von Batteriespeichern erläutert wurde.

Hier unsere Annahmen:

• Wir gehen von einer Batterie mit einer Energiekapazität von 1 MWh und einer Leistungskapazität von 1 MW aus und erlauben einen vollen Zyklus pro Tag.
• Komplexe - und oft individuelle -  Batterieeigenschaften wie Wirkungsgrad, Entladetiefe oder Netzanschlussbedingungen werden in diesem Modell der Verständlichkeit halber nicht berücksichtigt.
• Jeder Tag wird separat betrachtet. Die Batterie beginnt um Mitternacht mit einem Ladezustand von 0% und endet 24 Stunden später mit einem Ladezustand von 0%.
• Die Positionen auf den drei Märkten werden nacheinander optimiert, basierend auf perfekter Voraussicht. (Lesen Sie weiter unten, warum wir diese Modellierung trotzdem für einen konservativen Ansatz halten)

Um eine bessere Vorstellung davon zu bekommen, wie dies funktioniert, betrachten wir einen Beispieltag im Oktober 2023.

Optimierungsschritt 1

Wir beginnen mit Positionen in der Day-Ahead Auktion, in der wir die billigste Stunde kaufen und die teuerste Stunde verkaufen. Am Beispieltag ist die billigste Stunde 03h-04h und wir kaufen hier zu 7,77 EUR/MWh. Die teuerste Stunde ist 19h-20h, wo wir für 127,36 EUR/MWh verkaufen. Der an diesem Tag erzielte Day-Ahead-Erlös von 119,59 EUR ist identisch mit dem High-Low-Spread der Day-Ahead-Auktion. Für die Referenzbatterie gilt dies für die meisten Tage, außer in Situationen, in denen der Tageshöchstpreis vor dem Tagestiefpreis liegt (wir müssen die Batterie aufladen, bevor wir sie entladen können). Man sieht, dass der Day-Ahead High-Low-Spread das Umsatzpotenzial unterschätzt. Jedoch weist dieser eine starke Korrelation mit den Umsätzen auf. Deshalb werben wir für diese Kennzahl als Index-Benchmark für den generellen Wert von Flexibilität.

Die in der Day-Ahead-Auktion getätigten Trades führen zu einem bestimmten State-of-Charge-Profil. Es ist wichtig zu verstehen, dass dieses Profil noch nicht final ist. Die Day-Ahead-Positionen werden einen Tag im Voraus eingegangen. In den weiteren Schritten werden wir auf den Intraday-Märkten um diese bestehenden Positionen herum handeln. Das State-of-Charge-Profil nach Schritt 3 ist der endgültige Fahrplan, der in den Dispatch, also die eigentliche Anlagenschaltung, geht.

Optimierungsschritt 2

Im zweiten Schritt tätigen wir Geschäfte in der Intraday-Auktion, müssen aber unsere bereits bestehenden Positionen aus der Day-Ahead-Auktion berücksichtigen. Es stellt sich zum Beispiel heraus, dass wir in den Viertelstunden 27 und 32 hohe Preisspitzen in der Intraday Auktion haben. Natürlich wollen wir dort verkaufen, aber da wir unsere gesamte Energie bereits um 19-20 Uhr verkauft haben, müssen wir einige unserer Positionen schließen. Daher kaufen wir einige der Viertelstunden in 19h-20h zurück, die wir zuvor in der Day-Ahead Auktion verkauft haben. Die Trades können hier recht komplex werden, aber der Optimierungsalgorithmus findet den Fahrplan, der die zusätzlichen Einnahmen maximiert. Am Beispieltag erhöhen sich unsere Einnahmen um 40,66 EUR durch die in der Intraday Auktion eingegangenen Positionen. Es ist zu sehen, dass die zusätzlichen Positionen zu einem anderen, komplexeren State-of-Charge-Profil führen.

Optimierungsschritt 3

Im letzten Schritt tätigen wir Geschäfte auf dem kontinuierlichen Intraday-Markt, wiederum unter Berücksichtigung unserer Positionen aus den beiden vorherigen Optimierungsschritten. Der kontinuierliche ID-Markt ist ein Pay-as-bid-Markt, im Gegensatz zu den Auktionen in den beiden vorherigen Schritten. Hier ändern sich die Strompreise für jeden Viertelstundenkontrakt im Laufe der Zeit. Wir approximieren den kontinuierlichen ID-Markt mit dem ID1-Index. Der ID1 ist der volumengewichtete Durchschnittspreis aller Trades in der letzten Stunde vor Handelsschluss.

Ansonsten ist die Logik auf dem kontinuierlichen ID-Markt identisch mit dem zweiten Optimierungsschritt. Am Beispieltag erzielen wir mit unseren ID-Positionen einen zusätzlichen Ertrag von 36,45 EUR.

Die Gesamteinnahmen am Beispieltag entsprechen der Summe der einzelnen Einnahmen der drei Märkte, also 119,59 EUR + 40,66 EUR + 36,45 EUR = 196,70 EUR.

Warum der FlexIndex trotz perfekter Prognosen ein konservativer Ansatz sind

Die Tatsache, dass wir hier von perfekten Preisprognosen ausgehen, könnte den Ansatz zu optimistisch erscheinen lassen. Perfekte Voraussicht funktioniert nur historisch. Wie soll man das in die Praxis umsetzen?

Bei der Day-Ahead-Auktion und der Intraday-Auktion werden in der Tat nie die Umsätze aus der Modellierung mit perfekter Voraussicht erzielt. Mit ausgefeilten Prognosemethoden und guten Kenntnissen der Märkte kann man jedoch recht nah herankommen. Ein wichtiger Aspekt ist, dass man bei den Auktionen nur richtig vorhersagen muss, wann die höchsten oder niedrigsten Preise auftreten werden, nicht aber, wie hoch oder niedrig sie sein werden. Das Markträumungsprinzip der Auktionen erledigt hier den Rest.

Für den kontinuierlichen Intraday-Markt ist die Situation anders. Wie oben erwähnt, handelt es sich um einen Pay-as-Bid-Markt, bei dem die Preise kontinuierlich über die Zeit variieren. In der Praxis werden die Verträge zu einem bestimmten Zeitpunkt immer zu Preisen gehandelt, die höher sind als der ID1, und zu einem anderen Zeitpunkt werden sie zu Preisen gehandelt, die niedriger sind als der ID1. Beim Intraday-Handel sieht man jederzeit live, zu welchem Preis jede Viertelstunde gerade gehandelt wird, und kann entsprechend Positionen eingehen. Hier sind keine Prognosen erforderlich. Sobald Sie einen anderen, höheren Spread zwischen anderen Viertelstunden sehen, schließen Sie Ihre bestehenden Positionen und realisieren den höheren Spread. Hier zeigen Flexibilitätsanlagen ihr volles Potenzial und werden fast zu einem Cheat-Code für kurzfristigen Handel. Mit einem gut durchdachten Flexibilitätsalgorithmus und einem erfahrenen Handelsteam, das in hitzigen Situationen übernimmt, werden Sie die ID1-Approximation deutlich übertreffen. Darüber hinaus ist der FlexIndex ein Spot-Index und ignoriert FCR, aFRR und regulatorische Arbitrage, was zweifellos weiteres Umsatzpotenzial bietet.

Man sagt, "Alle Modelle sind falsch, aber einige sind nützlich": Wir haben uns entschieden, den FlexIndex auf Basis einer Methode zu definieren, die so einfach wie möglich und so komplex wie nötig ist. Wir ignorieren die Volatilität innerhalb des Intraday-Produkts, da deren Berücksichtigung zu einem Modell führen würde, welches weder reproduzierbar noch allgemein verständlich ist. Das hier vorgestellte Modell und der resultierende FlexIndex stellen eine allgemein verständliche Referenz für den Wert von Flexibilität dar. 

Abruf von Rohdaten

Geben Sie Ihre Kontaktdaten ein, um Zugang zum historischen FlexIndex-Datensatz zu erhalten.