Kurzfrist-Lastprognose für die Day-Ahead- und Intraday-Stromnachfrage bei sich systematisch ändernden Lasten

Lastprognosen werden in vielen Bereichen der deutschen Energiewirtschaft eingesetzt, um auf Basis dieser beispielsweise die Energieerzeugung oder den Energiezukauf zu planen und zu optimieren. Dafür sind genaue Lastprognosen unabdingbar. Viele Lastprognosemethoden stoßen jedoch an ihre Grenzen, wenn das vorherzusagende Lastprofil systematischen Änderungen unterliegt, da das Prognosemodell in der Regel anhand historischer Daten kalibriert wird und auf dieser Basis die aufgetretene Last mit den Inputdaten in Verbindung stellt. Durch eine Veränderung des Lastprofils – z. B. durch ein zusätzliches Gebäude – verschiebt sich das Lastniveau im Vergleich zum Kalibrierzeitraum. Da das Lastprognosemodell auf Grundlage der historischen Daten kalibriert ist, können daraus erhöhte Prognosefehler resultieren, die wiederum negative Folgen für die darauffolgenden Optimierungsschritte mit sich bringen können. In dieser Arbeit wird deshalb ein methodischer Ansatz für ein Lastprognosemodell vorgestellt, das sich automatisch an sich systematisch ändernde Lastprofile anpassen kann. Dieses Lastprognosemodell wird zunächst anhand eines Anwendungsfalls verifiziert, bevor dieses anschließend auf zwei weitere, extreme Nachfragefälle angewendet wird, um die Grenzen des entwickelten Lastprognosemodells zu identifizieren.