Bretschneider, Peter: Parameteroptimierungsverfahren für ein Fundamentalmodell des deutschen Strommarktes in Python

Abstract in German:

Prognosen zu Marktsituationen an elektrischen Energiemärkten können vielseitig Eingesetzt werden. Ein Aspekt davon ist die Prognose des Kraftwerkseinsatzes, für die oft Fundamentalmodelle eingesetzt werden. Ein Fundamentalmodell bildet das Verhalten des Kraftwerksparks anhand von grundlegenden technischen Eigenschaften und Marktmechanismen ab. Anhand eines solchen Modells können dann Berechnungen für verschiedene Szenarien durchgeführt werden, mit denen bspw. die Rentabilität von Erzeugungsanlagen in verschiedene Marktsituationen bewertet werden können. Die Modellgüte hängt dabei stark von der Qualität der zu Grunde liegenden Eingangsdaten ab. In dieser Arbeit wird daher untersucht, ob die Modellgüte eines vereinfachten auf öffentlichen Daten beruhenden Fundamentalmodells durch eine Eingangsparameteroptimierung verbessert werden kann. Der Fundamentalansatz basiert dabei auf dem Merit-Oder-Prinzip. Dazu wurde zunächst der Stand der Technik erarbeitet, die notwendigen Daten erhoben und ein geeignetes Optimierungskonzept entwickelt. Dann wurde der sowohl ein Fundamentalmodell als auch der Optimierungsalgorithmus in Python implementiert. Für das Optimierungsverfahren wurde die RBFopt-Toolbox verwendet. Diese Toolbox stellt ein Verfahren zur differenzierungsfreien, ganzzahligen, nicht linearen, Blackbox-Optimierung zur Verfügung. Das Verfahren basiert auf der Interpolation eines Ersatzmodells aus einer wachsenden Anzahl von Radial-Basis-Funktionen (RBF). Als Zielfunktion wurde die Minimierung des Root-Mean-Squar-Error (RMSE) zwischen dem simulierten und realen Kraftwerkseinsatz gewählt. Mit Hilfe des Programms wurde an einem Trainingsdatensatz eine Reihe von Parametersets zur Verbesserung der Interpretation der Eingangsdaten generiert und anschließend an einem Validierungsdatensatz getestet. Die Ergebnisse der Validierung wurden auf Verbesserungen in der Modellgüte analysiert und bewertet.