Skip to main content
Erschienen in:

11.05.2020

Der Einfluss von Offshore-Windenergie auf die EEX-Strompreise

verfasst von: Jens Lichter, Emil Hosius, Benjamin Wacker, Jan Schlüter

Erschienen in: Zeitschrift für Energiewirtschaft | Ausgabe 2/2020

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Dieser Artikel untersucht den Zusammenhang zwischen der Offshore-Windenergieerzeugung und dem Strompreis an der European Energy Exchange (EEX) in Deutschland. Mit Hilfe eines GARCH-Modells wird in einem integrierten Ansatz der Einfluss der Offshore-Windenergie auf die Höhe und Volatilität des Strompreises ermittelt.
Die Ergebnisse zeigen, dass die Offshore-Windenergie einen preisreduzierenden Effekt auf den Strompreis hat. In Bezug auf die Variabilität kann der Einfluss hingegen nicht eindeutig identifiziert werden.
Insgesamt kann diese Studie einen negativen Einfluss auf den Strommarkt durch den Ausbau der Offshore-Windenergie nachweisen. Insofern besteht ein politischer Handlungsbedarf, um den Ausbau der Offshore-Windenergie zu fördern und ihren Einfluss auf die Strompreisschwankungen zu minimieren.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Zeitschrift für Energiewirtschaft

Zeitschrift für Energiewirtschaft (ZfE) ist eine unabhängige Fachzeitschrift mit aktuellen Themen zu Energiewirtschaft, Energiepolitik und Energierecht. JETZT BESTELLEN

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Anhänge
Nur mit Berechtigung zugänglich
Fußnoten
1
Vgl. beispielsweise Neubarth et al. (2006); Nicolosi and Fürsch (2009); Ketterer (2014); Würzburg et al. (2013).
 
2
Die ceteris paribus-Klausel drückt aus, dass sich nur eine erklärende Variable (hier die Windenergieeinspeisung) ändert und die restlichen Variablen unverändert bleiben.
 
3
Eine Zeitreihe beschreibt eine Reihe von Daten, die mit der Zeit erhoben wurden. Die Zeitpunkte zu denen die Daten erhoben wurden, werden hier mit \(t=1,2,{\ldots},T\) bezeichnet.
 
4
Denn bei der Modellierung der Stundendaten konnten die signifikanten Korrelationen der Fehlerterme nicht beseitigt werden.
 
5
 
6
Die Daten zum Handelsvolumen stammen ebenfalls von der EEX. Die Daten zur Stromnachfrage stehen zur freien Verfügung unter: https://​transparency.​entsoe.​eu/​load-domain/​r2/​totalLoadR2/​show, letzter Zugriff: 11.01.2020. Analog zu den Windenergieeinspeisungsdaten werden für die Stromnachdaten auch die am Vortag vorhergesagten Nachfragedaten verwendet, die von den Marktteilnehmern des Day-Ahead Marktes berücksichtigt werden.
 
7
Escribano et al. (2011); Mayer et al. (2015) und Bierbrauer et al. (2007) wenden ähnliche Verfahren zur Bereinigung der Daten an.
 
8
Während für den Datensatz der Wert der Schiefe mit \(-0{,}37\) nahe bei Null liegt, sinkt die Kurtosis durch die Bereinigung auf 3,07. Die Schiefe der Normalverteilung ist Null und die Kurtosis der Normalverteilung ist 3, somit sind die Werte nun annähernd normalverteilt.
 
9
Die Autokorrelationsfunktion misst die lineare Vorhersagbarkeit einer Zeitreihe für den Zeitpunkt \(t\) mit dem Wert \(x_{t}\) durch den Wert \(x_{s}\). Die Formel lautet: \(\rho(s,t)=\frac{\gamma(s,t)}{\sqrt{\gamma(s,s)\gamma(t,t)}}\), wobei \(-1\leq\rho(s,t)\leq 1\) vgl. Shumway and Stoffer (2017).
 
10
Zur Prüfung der Autokorrelation kann auch der Box-Ljung Test verwendet werden. Das Testergebnis zeigt, dass Autokorrelation vorhanden ist. Der Box-Ljung Test ist jedoch anfällig für Fehler und Chatfield (2004, S. 28) beschreibt, dass das Korrelogramm schon genug Aufschluss über die Autokorrelation gibt.
 
11
Vgl. Knittel and Roberts (2005).
 
12
Vgl. ähnliche Resultate von Knittel and Roberts (2005).
 
13
Das Resultat des Tests ist ein Portmanteau‑Q Testwert von 70,4 mit einem p-Wert von \(<0{,}0001\) und ein Lagrange-Multiplier Testwert von 573,1 mit einem p-Wert von \(<0{,}0001\).
 
14
Vgl. ähnliche Resultate in Ketterer (2014). Der theoretische Hintergrund zum Lagrange-Multiplier Testwert in Liu (2011).
 
15
\(T\) entspricht der Länge des Datensatzes. In dem untersuchten Datensatz ist \(T=731\).
 
16
Die Tab. 3 zeigt die AIC- und BIC-Werte für die unterschiedlichen Modelle.
 
17
Modelliert wird mit der ugarchfit-Funktion, die univariate AR-GARCH-Modelle fittet. Das zugehörige „rugarch“-Paket wurde von Ghalanos (2014) erstellt.
 
18
In Hadsell (2006) wird ein GARCH-Modell der Erträge von Strompreisfutures modelliert. Auch sie verwenden das Handelsvolumen als externen Regressor. Für den deutschen Strommarkt hat Gianfreda (2010) das Handelsvolumen als externen Regressor mit in ein heteroskedastisches Zeitreihenmodell aufgenommen.
 
19
Die zugehörigen Ergebnisse sind in der Tab. 7 zu sehen.
 
20
Vgl. das Modell von Ketterer (2014).
 
21
Die Bereinigung erfolgt nach der gleichen Prozedur, wobei \(\delta_{1}=0\), da kein Wochenendeffekt vorliegt. Siehe Ergebnisse in Tab. 8.
 
22
Die Bedingungen für Stationarität sind erfüllt, da in der Varianzgleichung alle Koeffizienten signifikant unterschiedlich von 0 sind und das Kriterium \(\alpha+\beta<1\) erfüllt ist.
 
23
Zur Bestimmung des Bestimmtheitsmaßes wird die Formel \(R^{2}=1-\frac{\text{Var}(e)}{\text{Var}(y)}\) benutzt. Vgl. Allen (1997).
 
24
Vgl. die Resultate in Würzburg et al. (2013), Gelabert et al. (2011), Clò et al. (2015) und Woo et al. (2011).
 
25
Vgl. die Ergebnisse von Woo et al. (2011), Ketterer (2014) und Clò et al. (2015).
 
26
Vgl. die Ergebnisse von Gianfreda (2010) für den deutschen Strommarkt.
 
27
Drei der ersten vier Ausschreibungen von Offshore-Windparks konnten dadurch sogar ohne Einspeisungsprämie ausgeschrieben werden (Bundesnetzagentur 2017). Dies stellt eine große Änderung zur heutigen Förderung von Offshore-Windparks da, die in den ersten zwölf Jahren mit 13,9ct/KWh subventioniert werden (§47 EEG2017).
 
Literatur
1.
Zurück zum Zitat Allen MP (1997) Understanding regression analysis. Plenum Press, New York Allen MP (1997) Understanding regression analysis. Plenum Press, New York
2.
Zurück zum Zitat Berkhout V, Mackensen R, Bisevic A, Claußner M, Doerenkaemper M, Durstewitz M, Faulstich S, Goerg P, Große L, Hahn B, Huneke F, Kuhl D, Lutz MA, Mayer J, Mergner J, Noonan M, Pfaffel S, Rehwald F, Schmidt J, Spriestersbach S, Stoevesandt B, Vollmer L (2019) Windenergie Report Deutschland 2018. Fraunhofer IRB, Stuttgart Berkhout V, Mackensen R, Bisevic A, Claußner M, Doerenkaemper M, Durstewitz M, Faulstich S, Goerg P, Große L, Hahn B, Huneke F, Kuhl D, Lutz MA, Mayer J, Mergner J, Noonan M, Pfaffel S, Rehwald F, Schmidt J, Spriestersbach S, Stoevesandt B, Vollmer L (2019) Windenergie Report Deutschland 2018. Fraunhofer IRB, Stuttgart
12.
Zurück zum Zitat Ghalanos A (2014) rugarch: Univariate garch models. r package version 1.3‑5. R package version 1.3‑5 Ghalanos A (2014) rugarch: Univariate garch models. r package version 1.3‑5. R package version 1.3‑5
16.
Zurück zum Zitat Hamilton JD (1994) Time series analysis Bd. 2. Princeton University Press, PrincetonMATH Hamilton JD (1994) Time series analysis Bd. 2. Princeton University Press, PrincetonMATH
21.
Zurück zum Zitat Mayer K, Schmid T, Weber F (2015) Modeling electricity spot prices – combining mean-reversion, spikes and stochastic volatility. Eur J Finance 21(4):292–315CrossRef Mayer K, Schmid T, Weber F (2015) Modeling electricity spot prices – combining mean-reversion, spikes and stochastic volatility. Eur J Finance 21(4):292–315CrossRef
22.
Zurück zum Zitat Mugele C, Rachev S, Trück S (2005) Stable modeling of different European power markets. Invest Manag Financial Innov 3:65–85 Mugele C, Rachev S, Trück S (2005) Stable modeling of different European power markets. Invest Manag Financial Innov 3:65–85
23.
Zurück zum Zitat Neubarth J, Woll O, Weber C, Gerecht M (2006) Beeinflussung der spotmarktpreise durch Windstromerzeugung. Energiewirtsch Tagesfr 56(7):42–45 Neubarth J, Woll O, Weber C, Gerecht M (2006) Beeinflussung der spotmarktpreise durch Windstromerzeugung. Energiewirtsch Tagesfr 56(7):42–45
25.
Zurück zum Zitat Pilgram T (2014) Handel an der EEX. In: Handbuch Energiehandel, 3. Aufl. Erich Schmidt, Berlin Pilgram T (2014) Handel an der EEX. In: Handbuch Energiehandel, 3. Aufl. Erich Schmidt, Berlin
26.
Zurück zum Zitat Shumway RH, Stoffer DS (2017) Time series analysis and its applications. Springer, Heidelberg, Berlin, New YorkCrossRef Shumway RH, Stoffer DS (2017) Time series analysis and its applications. Springer, Heidelberg, Berlin, New YorkCrossRef
Metadaten
Titel
Der Einfluss von Offshore-Windenergie auf die EEX-Strompreise
verfasst von
Jens Lichter
Emil Hosius
Benjamin Wacker
Jan Schlüter
Publikationsdatum
11.05.2020
Verlag
Springer Fachmedien Wiesbaden
Erschienen in
Zeitschrift für Energiewirtschaft / Ausgabe 2/2020
Print ISSN: 0343-5377
Elektronische ISSN: 1866-2765
DOI
https://doi.org/10.1007/s12398-020-00276-8