BOKU - Universität für Bodenkultur Wien - Forschungsinformationssystem

Logo BOKU-Forschungsportal

Gewählte Diplomarbeit / Masterarbeit:

Lukas Zwieb (2018): Evaluation of Machine Learning-Based Storage Control Algorithms for the EEX Day-Ahead Electricity Market.
Diplomarbeit / Masterarbeit - Institut für Nachhaltige Wirtschaftsentwicklung, BOKU-Universität für Bodenkultur, pp 120. UB BOKU obvsg FullText

Datenquelle: ZID Abstracts
Abstract:
Im Kontext von Klimawandelsmitigation wandeln sich Energiesysteme weltweit in Richtung nachhaltiger Energieversorgung. Diese Veränderung entwickelt sich zu einer wesentlichen Herausforderung für das Energienetz. Energiespeichersysteme können die Flexibilität und Effizienz des Energiesystems erhöhen und ermöglichen die Integration variabler Anteile erneuerbarer Energien. Die Nutzung von Energiespeichersystemen ist jedoch limitiert, solange die Systeme nicht profitabel sind. Ein automatisierter Betrieb der Systeme kann zu einer Senkung der Betriebskosten und so zu einer Steigerung der Profitabilität beitragen. Maschinelle Lernalgorithmen (ML) sind dabei eine Möglichkeit, die einem automatisierten Handelsprozess zugrundeliegende operative Logik bereitzustellen. Diese Arbeit nutzt daher ein deterministisches lineares Optimierungsmodell mit voller Information über zukünftige Preise, um den Handel eines Lithium-Ionen basierten Energiespeichersystems am deutschen Energiemarkt (2010-2014) zu optimieren. Die gewonnenen Ergebnisse werden als Benchmark verwendet, um ML-Algorithmen auf die Nachahmung des vom linearen Optimierungsmodell vorgegebenen „optimalen Verhaltens“ zu trainieren. Das Endergebnis ist ein Modell zur Evaluierung der Performance des Algorithmus unter den Marktbedingungen von 2015. Die Evaluierung zeigt, dass Neuronale Netzwerke, K-Nearest Neighbors und Random Forest zu etwa 80 % den vom linearen Optimierungsmodell festgesetzten Benchmark-Profit erreichen. Obwohl die Ergebnisse zeigen, dass der Betrieb eines Energiespeichersystems aufgrund der hohen Investitionskosten zum jetzigen Zeitpunkt nicht profitabel ist, zeigen sie auch, dass ML-basierte Ansätze für die Steuerung von Energiespeichersystemen zukünftig nutzbar sind.

Beurteilende(r): Schmidt Johannes

© BOKU Wien Impressum