{"id":6533,"date":"2024-02-07T13:26:33","date_gmt":"2024-02-07T13:26:33","guid":{"rendered":"https:\/\/flex-power.energy\/?p=6533"},"modified":"2025-09-02T17:52:48","modified_gmt":"2025-09-02T17:52:48","slug":"modellierung-batterie-speicher-strommarkt","status":"publish","type":"post","link":"https:\/\/flex-power.energy\/de\/energieblog\/modellierung-batterie-speicher-strommarkt\/","title":{"rendered":"\u00dcber die „Wissenschaft“ der Erl\u00f6smodellierung von Batteriespeichern am Strommarkt"},"content":{"rendered":"

Im Laufe des letzten Jahres haben wir uns zunehmend mit der „Wissenschaft“ der Modellierung vergangener und zuk\u00fcnftiger Ertr\u00e4ge 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.<\/p><\/blockquote>\n

Anwendungsf\u00e4lle f\u00fcr die Erl\u00f6smodellierung von Batteriespeichern<\/h2>\n

Beginnen wir also damit, wer diese Erl\u00f6smodelle braucht und wof\u00fcr sie ben\u00f6tigt werden. Die Gr\u00fcnde f\u00fcr 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 Kreditvertr\u00e4ge unterzeichnen. Derzeit werden die meisten Anlagen auf kommerzieller Grundlage gebaut, was bedeutet, dass Investoren w\u00e4hrend der gesamten Lebensdauer der Anlage, sagen wir 15 Jahre, ein Preisrisiko tragen. Au\u00dferdem wollen Speicherbetreiber von potenziellen H\u00e4ndlern wissen, mit welchen Ertr\u00e4gen sie rechnen, um einen von ihnen auszuw\u00e4hlen und vielleicht auch, um deren F\u00e4higkeiten zu bewerten, indem sie ihnen die Erstellung einer Erl\u00f6smodellierung \u00fcbertragen. So weit, so gut.<\/p>\n

Unserer Ansicht nach gibt es zwei grundlegende Probleme bei der Modellierung von Speichererl\u00f6sen. Das eine ist konzeptioneller Natur, das andere hat mehr mit den widerstreitenden Interessen der Akteure zu tun.<\/p>\n

Das konzeptionelle Problem bei der Modellierung von Batterieerl\u00f6sen<\/h2>\n

Ich beginne mit dem konzeptionellen Problem, das viel mit der gr\u00f6\u00dften St\u00e4rke der Batterie zu tun hat: Batteriespeicher<\/a> sind extrem flexibel, d.h. man kann sie auf verschiedenen M\u00e4rkten 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) w\u00e4hlen. W\u00e4hrend dies f\u00fcr die Betreiber des Speichers im Allgemeinen eine gute Nachricht ist, \u00f6ffnet es auf der Ebene der Erl\u00f6smodellierung die B\u00fcchse der Pandora f\u00fcr grenzenlose Komplexit\u00e4t. Diese Komplexit\u00e4t l\u00e4dt zu Missverst\u00e4ndnissen ein, und Missverst\u00e4ndnisse laden zu fragw\u00fcrdigen Praktiken ein. Doch dazu sp\u00e4ter mehr. Wir haben zwei Analyseachsen, eine davon ist die Gegen\u00fcberstellung von vergangenen und zuk\u00fcnftigen Preisen, d. h. dem Backtesting mit tats\u00e4chlichen Preisen und der Prognose von zuk\u00fcnftigen Preisen. Die andere ist die Betrachtung eines einzelnen Marktes im Vergleich zu einer kombinierten markt\u00fcbergreifenden Betrachtung.<\/p>\n

\"Die<\/span><\/p>\n

Beginnen wir damit, das Backtesting einer Spotmarkt-Optimierung zu betrachten und die Regelenergieprodukte f\u00fcr 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 M\u00e4rkten vorgehen<\/a>, und auch den FlexIndex<\/a> ver\u00f6ffentlicht, 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 Komplexit\u00e4t den Kunden den Kopf verdreht. Im Grunde genommen kann man diese M\u00e4rkte nacheinander durchgehen, um eine Anlage mit verschiedenen Annahmen hinsichtlich Leistung, Kapazit\u00e4t und Zyklusbeschr\u00e4nkungen zu optimieren und zu sehen, wie viel Geld dieses Asset in der Vergangenheit mit dieser Methodik verdient h\u00e4tte. Diese Methode gibt einen sehr guten Anhaltspunkt daf\u00fcr, wie viel Geld eine flexible Anlage im Laufe der Zeit bei sich \u00e4ndernden Marktbedingungen voraussichtlich einbringen wird.<\/p>\n

Modellierung der Erl\u00f6se im kontinuierlichen Intraday-Handel<\/h3>\n

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 Abschl\u00fcssen f\u00fcr jeden Kontrakt pro Tag. Sehen Sie sich die Preiskurve des Produkts von 12q3 vom heutigen Tag an. Sie sehen, dass die Preise f\u00fcr das identische Produkt zwischen 45 EUR\/MWh und 80 EUR\/MWh schwankten, je nachdem, wann Sie sich auf dem Markt umgesehen haben.<\/p>\n

\"Preise<\/span><\/p>\n

Im wirklichen Leben w\u00fcrde ein Optimierungsalgorithmus diese sich st\u00e4ndig \u00e4ndernden Preise kontinuierlich nutzen. Unser Modellierungsansatz mit einem einzigen Preis l\u00e4sst diese M\u00f6glichkeit au\u00dfer Acht und untersch\u00e4tzt daher systematisch die Handelseinnahmen.<\/p>\n

Sollte dies also nicht ber\u00fccksichtigt und in die Ergebnisse eingearbeitet werden? Wir sagen klar Nein. Der Grund daf\u00fcr ist, dass Sie bei einem Blick in die Vergangenheit und der Annahme, dass Sie zu diesen Preisen handeln k\u00f6nnten, die Tatsache ignorieren, dass jedes Kaufgebot oder Verkaufsgebot, das Sie auf dem Markt platzieren, einen Einfluss auf die Preise gehabt h\u00e4tte. Dies mag bei einer 1-MW-Position keine Rolle spielen, da sie zu klein ist, um die Preise erheblich zu beeinflussen, bei gr\u00f6\u00dferen Positionen w\u00e4re dies jedoch definitiv der Fall.<\/p>\n

Zweitens erh\u00f6ht die Er\u00f6ffnung dieser Analysem\u00f6glichkeit (d.h. die Verwendung von Tick- und Orderbuchdaten) die Menge der f\u00fcr die Analyse verwendeten Daten sowie die Komplexit\u00e4t 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 f\u00fcr einen Au\u00dfenstehenden nicht mehr nachvollziehbar sind. Dies \u00f6ffnet der Manipulation der Ergebnisse T\u00fcr 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 f\u00fchren d\u00fcrfte, als jemandem zu erlauben, mit den Tick-Daten zu machen, was er will. Ich fordere Sie auf, Ihren Modellierer zu bitten, sein Optimierungsmodell zu ver\u00f6ffentlichen, 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.<\/p>\n

Strompreisprognosen sind, nun ja, heikel<\/h3>\n

Lassen Sie uns auch nicht vergessen, dass wir mit unserer Modellierung von Batterieerl\u00f6sen noch in der Vergangenheit leben. Es wurden bisher keine Prognosen f\u00fcr zuk\u00fcnftige Strompreise erstellt. Wenn man so lange wie ich mit Preismodellen arbeitet, kommt man an einen Punkt, an dem man jedem, der eine Preisprognose f\u00fcr die n\u00e4chsten 15 Jahre macht, eine einzige Frage stellt: „Hast Du danach gehandelt?“. Wenn nicht, h\u00f6re ich nicht mehr zu. Ein Preismodell f\u00fcr ein Jahr oder sogar einen Monat zu erstellen, ist EXTREM<\/em> schwierig. Die Vorhersage von Strompreisen f\u00fcr einen Zeitraum, der l\u00e4nger ist als der, f\u00fcr den es einen liquiden Markt gibt (d. h. f\u00fcnf Jahre), ist auf dem gleichen Niveau wie das Zerschneiden und Lesen von Vogeld\u00e4rmen. Niemand hat den Preisverfall in der Mitte des letzten Jahrzehnts vorausgesehen, niemand hat die Pandemie vorausgesehen, niemand hat die von Russland ausgel\u00f6ste Energiekrise vorausgesehen, aber diese Dinge passieren. Diese Ereignisse sind die Regel, nicht die Ausnahme! Und wir sprechen hier \u00fcber die Unm\u00f6glichkeit, die langfristigen BASE-Preise vorherzusagen. Sehen Sie sich das untenstehende Modell an, das am 29. Juni 2021 ver\u00f6ffentlicht wurde<\/a> und eine Strompreisprognose mit einer Schwankungsbreite zeigt. Demnach w\u00fcrde sich das Jahr 2022 irgendwo zwischen 58 EUR\/MWh und 78 EUR\/MWh einpendeln. Wissen Sie, wo er sich einpendelte? 235 EUR\/MWh<\/em>! Preisprognosen schie\u00dfen ganz generell mit gro\u00dfer Wahrscheinlichkeit am Ziel vorbei.<\/p>\n

\"Preisprognosen<\/a><\/span><\/p>\n

Und nur um sicherzugehen: Nein, das ist nicht die Schuld von Energy Brainpool. Alle haben sich geirrt, und alle irren sich eigentlich immer.<\/p>\n

\"Preisprognosen<\/span><\/p>\n

F\u00fcr die Modellierung von Batterieerl\u00f6sen m\u00fcssten Sie \u00fcbrigens nicht nur Base-Preise, sondern auch (viertel-)st\u00fcndliche Preise modellieren. Sie m\u00fcssen also wissen, bis zu welchem Niveau die Preise steigen und wie weit sie sinken k\u00f6nnen.<\/p>\n

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 wei\u00df es! Und das sind jetzt nur die Day-Ahead-Preise, aber um das alles richtig zu modellieren, m\u00fcsste man auch die k\u00fcnftigen Intraday-Preise kennen, und zwar nicht nur die Preisniveaus, SONDERN AUCH<\/em> die Tick-Daten, d. h. Millionen von Preisen pro Minute f\u00fcr die Zukunft.<\/p>\n

Nat\u00fcrlich kann dies niemand tun oder wissen, aber dar\u00fcber hinaus m\u00fcssen Sie Annahmen \u00fcber die Volatilit\u00e4t dieser M\u00e4rkte und der M\u00e4rkte untereinander treffen. Da man die Base-Preise nicht einmal f\u00fcr zwei Jahre im Voraus vorhersagen kann, muss man eigentliche nur einen einfachen Fakt verinnerlichen: Die Modellierung kurzfristiger Preise f\u00fcr 15 Jahre ist NICHT<\/em> m\u00f6glich. Punktum. Keine Diskussionen. Vergessen Sie es einfach. Ja, man kann sie modellieren und viel Geld daf\u00fcr verlangen, aber die Ergebnisse sind klarer und unbestreitbarer Bl\u00f6dsinn<\/em>.<\/p>\n

Markt\u00fcbergreifende Optimierung von Batteriespeichern<\/h3>\n

Oh, und was ist eigentlich mit der markt\u00fcbergreifenden Optimierung? Wenn das bisher noch nicht genug ist, sollten wir noch eine weitere Ebene der Komplexit\u00e4t hinzuf\u00fcgen. Mit einer Batterie k\u00f6nnen Sie Ihre Dienste auch f\u00fcr PRL und SRL anbieten, und ich denke, dass in Zukunft mehr Systemdienstleistungen f\u00fcr Batterien verf\u00fcgbar sein werden, die weitere Einnahmequellen erschlie\u00dfen. Sie k\u00f6nnen die Einnahmen aus diesen M\u00e4rkten einzeln modellieren, was f\u00fcr das Backtesting ein fairer Ansatz ist, aber bei der Projektion dieser Einnahmen haben Sie die gleichen Probleme, nur st\u00e4rker als oben beschrieben, weil diese M\u00e4rkte kleiner und un\u00fcbersichtlicher sind. Wenn Sie es nun wagen, diese M\u00e4rkte in einem markt\u00fcbergreifenden Optimierungsansatz zu kombinieren, f\u00fchren Sie eine strategische Optimierung durch, bei der Sie im Wesentlichen mit Ihrer Einnahmeerwartung auf dem letzten Markt beginnen und sich r\u00fcckw\u00e4rts vorarbeiten, um Ihre Erwartung als Inputpreise f\u00fcr die Regelenergiem\u00e4rkte zu verwenden.<\/p>\n

Wenn Sie besonders raffiniert sein wollen, k\u00f6nnen Sie auch die voraussichtliche Degradation Ihres Batteriespeichers in jedem Markt einbeziehen und diese ber\u00fccksichtigen. Wenn Sie diesen Schritt hinzuf\u00fcgen, kommen Sie dem, was Sie mit einer Batterie im wirklichen Leben tun w\u00fcrden, sehr nahe, aber Sie haben sich ein Modell gebaut, das wahrscheinlich nur eine Person im Universum versteht. Damit haben wir jede Chance auf Verst\u00e4ndlichkeit gegen ein gro\u00dfes schlammiges Durcheinander von Komplexit\u00e4t eingetauscht, bei dem jeder Modellierer buchst\u00e4blich jedes beliebige Ergebnis produzieren kann. Und wie schon Goethe wusste: „Gelegenheit macht Diebe…“.<\/p>\n

Mein Rat an dieser Stelle ist also: Vergessen Sie es einfach. Wenn Sie als Banker \u00fcber 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 durchf\u00fchren.<\/p>\n

Das Problem falscher Anreize bei der Modellierung von Batterieerl\u00f6sen<\/h2>\n

Der H\u00e4ndler<\/h3>\n

Die wahrscheinlich schlechteste Person, die man nach einer Ertragsmodellierung fragen sollte, ist Ihr potenzieller Batterieoptimierer\/-h\u00e4ndler. Glauben Sie mir, ich wei\u00df es, wir sind einer von denen.<\/p>\n

Die Erstellung eines Ertragsmodells ist f\u00fcr uns nicht besonders schwierig, denn wir sind diejenigen, die das Asset tats\u00e4chlich 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 \u00fcberhaupt nicht gut aufeinander abgestimmt. Wenn Modellierer um ein Ertragsmodell gebeten werden, weil sie wissen, dass dies Auswirkungen darauf hat, ob sie f\u00fcr den Handel mit dem Verm\u00f6genswert beauftragt werden, liegt der Anreiz auf der Hand: Prognostizieren Sie einfach einen h\u00f6heren Ertrag als Ihre Mitbewerber, und stellen Sie sicher, dass Sie \u00fcber eine ausgekl\u00fcgelte kontinuierliche Intraday-Strategie, komplexe KI-basierte Algorithmen und markt\u00fcbergreifende Optimierung sprechen, und liefern Sie dann eine superhohe Zahl, die dem Kunden die Freudentr\u00e4nen in die Augen treibt.<\/p>\n

Viele H\u00e4ndler erstellen eine schick aussehende Ertragsprognose, k\u00f6nnen sich aber – aus welchen Gr\u00fcnden auch immer – nicht auf einen Mindestertrag oder einen Mindestpreis festlegen und liefern Ihnen ein Modell, das die Ertr\u00e4ge mit ziemlicher Sicherheit erheblich \u00fcbersch\u00e4tzt. 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-Bl\u00f6dsinn berufen. Wenn Sie Ihren Optimierer nach seiner Ertragsprognose fragen, ist das so, als w\u00fcrden Sie einen Bautrupp um einen v\u00f6llig unverbindlichen Kostenvoranschlag bitten und den billigsten ausw\u00e4hlen. Ich hoffe, Sie kennen das Problem: Sie landen bei den Auftragnehmern, die am ehesten bereit sind, den Preis zu dr\u00fccken, und sobald Sie mit dem Bau beginnen, werden die Kosten wie aus dem Nichts auftauchen und sich auft\u00fcrmen, bis Sie das Doppelte zahlen, was Sie erwartet haben, und m\u00f6glicherweise m\u00fcssen Sie die Bautrupps im Laufe des Prozesses dreimal wechseln. Das ist keine gute Strategie.<\/p>\n

Der Berater<\/h3>\n

Eine bessere Wahl w\u00e4re ein Beratungsunternehmen, das sich auf die Modellierung von Einnahmen aus der Batterievermarktung spezialisiert hat. Dies ist sicherlich die teuerste Option, aber angesichts der gro\u00dfen Investition, die Sie vor sich haben, kann man leicht 20.000 Euro ausgeben, um sicherzustellen, dass Sie Ihr Projekt mit der gebotenen Sorgfalt durchf\u00fchren, oder?<\/p>\n

Nun, nicht wirklich, denn auch diese Akteure haben SEHR<\/em> wenig zu verlieren. Ihr Ruf steht auf dem Spiel, ok, aber am Ende m\u00fcssen sie nur in der Lage sein, Ihnen gegen\u00fcber die eigenen Modellannahmen zu rechtfertigen. Ihr Interesse besteht auch darin, einfach nur eine Zahl zu produzieren, die gro\u00df genug ist, damit Sie mit Ihrem Projekt weitermachen k\u00f6nnen. Der Vorteil ist, dass die Bank diese Zahl vielleicht schluckt, wenn sie naiv genug ist. Ich pers\u00f6nlich w\u00fcrde den Ertragsprognosen eines Beratungsunternehmens nur dann trauen, wenn die Berater bereit sind, Mindestertr\u00e4ge in der Praxis zu garantieren, oder wenn sie Ihnen zumindest ihre Ertragsprognosen f\u00fcr alle Projekte der letzten f\u00fcnf Jahre zeigen und Ihnen die tats\u00e4chlich erzielten Ertr\u00e4ge der Kunden mitteilen, die sie in der Vergangenheit beraten haben. Spoiler: Sie werden es nicht tun.<\/p>\n

Die von uns empfohlene Vorgehensweise<\/h2>\n

Was bleibt Ihnen also? Es tut mir leid, Sie zu entt\u00e4uschen, aber nicht viel. Daher hier unser Ansatz und der beste Rat, den wir geben k\u00f6nnen: Vergessen Sie das falsche Gef\u00fchl der Sicherheit, das Ertragsmodelle zu vermitteln versuchen. Alle Modelle sind falsch, aber einige sind n\u00fctzlich. Sehen Sie sich daher unseren recht einfachen und reproduzierbaren FlexIndex an.<\/a> Nat\u00fcrlich 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 Gef\u00fchl daf\u00fcr zu bekommen, wie sich Ihre Anlage in der Vergangenheit verhalten h\u00e4tte. Verwenden Sie dieses Modell, f\u00fcgen Sie Ihre Kosten hinzu und finden Sie die optimale Konfiguration f\u00fcr Ihre Investition. Unser eigenes Modell bietet einige weitere Flexibilit\u00e4tsgrade, einschlie\u00dflich PV\/Wind Co-Location, und wir helfen Ihnen gerne bei der Kl\u00e4rung Ihrer Fragen.<\/p>\n

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 gro\u00dfartig. Das zeigt Ihnen die einfache Wahrheit: Mit einer Batterie l\u00e4sst sich viel Geld verdienen, wenn es viele Schwankungen am Strommarkt gibt. Ein guter Index f\u00fcr die Volatilit\u00e4t 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 f\u00e4llt die Volatilit\u00e4t der Preise am Strommarkt?<\/p>\n

Volatilit\u00e4t der Preise auf dem Strommarkt<\/h2>\n

Warum sollte die Volatilit\u00e4t auf den Stromm\u00e4rkten zunehmen?<\/p>\n