strompreisprognose für investitionen
Unterstützung der Investitionsentscheidung durch Machine-Learning gestützte 25-jahres Prognose der Strommarktpreise am Netzanschlusspunkt
Unterstützung der Investitionsentscheidung durch Machine-Learning gestützte 25-jahres Prognose der Strommarktpreise am Netzanschlusspunkt
Im Rahmen des Eintritts in den mexikanischen Markt evaluierte ein deutscher Projektentwickler einen Brownfield Standort für ein Photovoltaikgroßprojekt. Im Auftrag des Country Managers wurde eine Langzeitprognose der lokalen Strommarktpreise im Echtzeitmarkt für den Netzknoten durchgeführt. Ziel war die belastbare Bewertung der wirtschaftlichen Tragfähigkeit eines des Projekts über einen Zeitraum von 25 Jahren. Hierzu wurden realistische Prognoseszenarien (Base-, Best- und Worst-Case) modelliert und zur Unterstützung der Standortentscheidung, der Wirtschaftlichkeitsanalyse sowie der finanzseitigen Projektbewertung herangezogen.
Sammlung und Aufbereitung der Zeitreihen in einem mehrdimensionalen Datenarray mit Mehrfachindizes sowie statistische Deskomposition mittels MSTL zur Trennung von Trend Saisonalität und Residuum
Auswahl geeigneter Modellfamilien (u. a. autoregressiv, exponentiell, Machine Learning) sowie Definition eines heuristischen Referenzmodells mit Fokus auf Prognosegüte.
Iteratives Feintuning der Modelle unter Einsatz von Feature Engineering und Hyperparameter-Optimierung.
Erstellung von 3 Szenarien der 25-jahres-Prognose in 24-Stunden-Profilen je Monat (12x24 Matrizen) als .csv-Datei
Standortbewertung: Klare Entscheidungsgrundlage zur wirtschaftlichen Eignung des geplanten PV-Projekts am Netzanschlusspunkt
Investitionsabsicherung: Integration belastbarer Preisszenarien in wirtschaftliche Modelle zur Vorbereitung von Investitionsentscheidungen
Datentiefe: Detaillierte Stundenwerte für ein präzises, lastgangsensitives Einspeisemodell
„Die Ergebnisse der Strompreisanalyse haben entscheidend dazu beigetragen, das Projekt in die nächste Phase zu überführen.“
- Malte Neumeier
