Wahrscheinlichkeitsprognose Umgang mit Unsicherheiten bei Solaranlagen

Bereitstellung von Prognoseszenarien zur Solarstromerzeugung

Bei der probabilistischen Solarstromprognose wird nicht ein einzelner Erwartungswert, sondern die Bandbreite möglicher Ergebnisse der Solarstromerzeugung geschätzt. Ein deterministisches Prognosemodell liefert pro Zeitschritt einen Wert (Q50). Eine probabilistische Prognose liefert eine vollständige Verteilung, die in der Regel durch Quantile von Q05 bis Q95 ausgedrückt wird. Sie quantifiziert die mit jeder Prognose der Photovoltaik-Leistung verbundene Prognoseunsicherheit. Diese Unterscheidung gewinnt für unabhängige Stromerzeuger (IPP), Energiehändler, Aggregatoren und Netzbetreiber zunehmend an struktureller Bedeutung, da sie zwischen verschiedenen Solarstromerzeugungsszenarien abwägen, Ausgleichsstrafen auf den Spot- und Intraday-Strommärkten verwalten und den Einsatz von Solaranlagen optimieren müssen, deren Leistung unter wechselnden Wetterbedingungen naturgemäß schwankt.

Der Grad der Unsicherheit hängt vom Vorhersagehorizont, von der Wettervariabilität – insbesondere der Dynamik der Bewölkung – sowie von der Qualität der Eingabedaten ab, die von Vor-Ort-Messungen der Sonneneinstrahlung (GHI) bis hin zu Satellitenbildern und numerischen Wettervorhersagen (NWP) reichen. CalibSun kombiniert diese Quellen in einem analogen Ensemble-Rahmen, der durch Messungen vor Ort kontinuierlich neu kalibriert wird, um von Haus aus probabilistische Solarstromprognosen liefern, die die tatsächliche Verteilung der Ergebnisse widerspiegeln anstatt sich auf deterministische Durchschnittswerte zu stützen, die die Variabilitätsstruktur verschleiern.

Die wichtigsten Erkenntnisse

CalibSun ist der einzige Vorhersagedienst, der sowohl probabilistische als auch deterministische Vorhersagen nativ bereitstellt, die auf der analogen Ensemble-Methode basieren und vor Ort kombiniert werden.
Die probabilistische Solarstromprognose von CalibSun stellt die PV-Stromerzeugung als Verteilung von Ergebnissen anhand von Quantilen im Bereich von Q5 bis Q95 dar, wobei der Bereich von Q5 ausgeht.
Die Methodik stützt sich auf langjährige wissenschaftliche Erfahrung und die Zusammenarbeit mit der Mines Paris – PSL und basiert auf begutachteten Veröffentlichungen (IEEE, EUPVSEC…).
Die betrieblichen Vorteile konzentrieren sich auf den Energiehandel am Spotmarkt, das Ungleichgewichtsmanagement und das Speichermanagement für PV-Anlagen.

Deterministische vs. probabilistische Vorhersage: zwei Ansätze, zwei Anwendungsbereiche

Die probabilistische Prognosemethode von CalibSun basiert auf dem analogen Ensemble, einem nichtparametrischen statistischen Ansatz.

Mechanismen und Schlüsselkonzepte

Eine deterministische Prognose liefert pro Zeitschritt einen einzigen Erwartungswert für die Solarstromerzeugung. Eine probabilistische Prognose beschreibt die vollständige bedingte Verteilung möglicher Ergebnisse, die in der Regel anhand von Quantilen zusammengefasst werden. Q10 bezeichnet den Wert, unterhalb dessen die Produktion mit einer Wahrscheinlichkeit von 10% liegen wird; Q50 ist der Median; Q90 die Schwelle für hohe Produktion. Die Q10–Q90-Bandbreite ist das 80%-Vorhersageintervall, das die Prognoseunsicherheit verdeutlicht.

Eingabedaten

Für die Erstellung dieser Verteilung werden drei Gruppen von Eingabedaten benötigt:

Messungen vor Ort Bereitstellung von Referenzdaten zur Sonneneinstrahlung (GHI, GTI) und zu lokalen Wetterbedingungen (Temperatur, Luftfeuchtigkeit …) unter Erfassung kurzfristiger Veränderungen der Bewölkung, die für Satelliten nicht erkennbar sind.
Satellitenbilder erweitert das räumliche Bewusstsein auf das umgebende Wolkenfeld.
NWP liefert die synoptischen Wettergrößen, die die Erzeugung am Vortag bestimmen. Die relative Gewichtung der einzelnen Quellen ändert sich mit dem Vorhersagehorizont: Vor-Ort-Daten dominieren im kurzfristigen Bereich, numerische Wettervorhersagen (NWP) im Tagesvorausbereich, Satellitendaten schließen die Lücke im Intraday-Bereich.

Recherche zu ähnlichen Situationen in der Vergangenheit

Das Modell durchsucht historische Daten nach Situationen in der Vergangenheit, die meteorologisch mit den aktuellen Prognosebedingungen vergleichbar sind, und rekonstruiert anschließend anhand dieser Analogfälle die Verteilung der beobachteten Ergebnisse. Für jeden gefundenen Analogfall wird die tatsächlich beobachtete Photovoltaikleistung erfasst. Die Gesamtheit dieser Beobachtungswerte bildet die empirische Verteilung der probabilistischen Prognose.

Dieser nichtparametrische Ansatz hat zwei strukturelle Vorteile:

das führt dazu, dass keine Annahme bezüglich der Form der Verteilung (Gauß-Verteilung, Log-Normal-Verteilung),
Es erfasst auf natürliche Weise nichtlineare und asymmetrische Verhaltensweisen der Solarstromerzeugung – beispielsweise den Rückgang der Erzeugung bei klarem Himmel.

Erstellung der Quantile Q5 bis Q95 und Kalibrierung

Aus der vom analogen Ensemble erzeugten empirischen Verteilung werden die Quantile Q5, Q10, …, Q95 extrahiert. Die Kalibrierung gewährleistet statistische Zuverlässigkeit: Eine Q10-Prognose muss über einen langen Beobachtungszeitraum hinweg in etwa 90% der Fälle durch die tatsächliche Produktion übertroffen werden. CalibSun validiert die Kalibrierung anhand von Zuverlässigkeitsdiagrammen und einer kontinuierlichen Nachbearbeitung historischer Daten, wobei Korrekturen standort- und prognosehorizontspezifisch vorgenommen werden.

Wo liegen die Grenzen der einzelnen Ansätze?

Deterministisch

Ein deterministisches Vorhersagemodell verbirgt die zugrunde liegende Variabilitätsstruktur der Wetterbedingungen. Zwei Prognosen, die auf dieselbe erwartete Solarenergieproduktion hindeuten, können hinsichtlich der Unsicherheitsquellen radikal unterschiedliche Risikoprofile aufweisen. Unter stabilen Wetterbedingungen bleibt die Bandbreite möglicher Ergebnisse (ausgedrückt durch Prognoseintervalle von Q5 bis Q95) eng. Bei stark schwankender Bewölkung hingegen weitet sich diese Ensemble-Streuung erheblich aus. Ein einzelner deterministischer Wert kann diesen Unterschied nicht wiedergeben und die vollständigen Wahrscheinlichkeitsschätzungen, die Solarunternehmen benötigen, nicht vermitteln.

Probabilistisch

Probabilistische Prognosemethoden, die auf nur auf Satellitenbildern es fehlt ihnen die erforderliche lokale Kurzzeitauflösung, um die ortsspezifische Wolkendynamik zu erfassen. Ansätze, die auf nur auf NWP weisen eine grobe räumliche Auflösung und eine begrenzte Reaktionsfähigkeit auf Intraday-Zeithorizonten auf. Umgekehrt verlieren Ansätze, die sich auf Vor-Ort-Messungen beschränken, an Genauigkeit, je länger der Prognosehorizont wird. Für robuste probabilistische Solarstromprognosen sind Kombination aller drei Quellen, gewichtet entsprechend dem Prognosehorizont.

Vergleichstabelle: deterministische vs. probabilistische Prognose

Deterministische Prognose

Wahrscheinlichkeitsprognose

Ausgabe

Einzelner Erwartungswert

Vollständige Verteilung Q5–Q95

Quantifizierung der Unsicherheit

Keine

Explizit, pro Zeitschritt

Handel auf dem Spotmarkt

Begrenzte Arbitrage

Risikoadjustierte Gebotsabgabe (Q30, Q70, adaptive Methoden)

Umgang mit Ungleichgewichten

Reaktiv

Prognostiziert, quantifiziert

Lagerung / Hybridisierungskontrolle

Nicht optimal

Risikobasierte Optimierung

Datenquellen

Oft ausschließlich über Satellit

Vor-Ort-Daten + Satellitendaten + numerische Wettervorhersage (NWP)

Erstellung des probabilistischen Modells: Der wissenschaftliche Ansatz von CalibSun

Unsere Marktdifferenzierung

CalibSun ist derzeit das der einzige Prognosedienst, der sowohl probabilistische als auch deterministische Prognosen nativ bereitstellt aus einem einzigen integrierten Modell.

Der Erwartungswert dient als deterministische Referenz für die standardmäßige Betriebsüberwachung;
Q5 bis Q95 bilden den Unsicherheitsbereich für die risikobasierte Entscheidungsfindung.

Diese doppelte Ausgabe wird durch den „Analog Ensemble“-Ansatz ermöglicht, der die Verteilung direkt erzeugt – der deterministische Wert ist ein Nebenprodukt und kein separates Modell.

Ein zweites Unterscheidungsmerkmal ist kontinuierliche Neukalibrierung durch Messungen vor Ort. An der PV-Anlage installierte Pyranometer und Himmelskameras liefern dem Modell in Echtzeit Daten und passen die Verteilung an das tatsächliche lokale Verhalten der Solarressourcen an. Diese Neukalibrierung ist bei Portfolios im Multi-GW-Bereich entscheidend, da sich dort kleine Abweichungen schnell zu einem erheblichen Ungleichgewichtsrisiko summieren.

Interne CalibSun-Forschung

Die probabilistische Prognosemethode von CalibSun basiert auf langjährigen Forschungsarbeiten zur Bewertung von Solarressourcen unter der Leitung des promovierten Datenwissenschaftlers Thomas Carrière, die sich mit analogen Ensemble-Verfahren im Bereich der Photovoltaik befassen.
Das Modell wurde in wissenschaftlicher Zusammenarbeit mit Persee (Mines Paris – PSL) entwickelt, einem Referenzlabor für Solarenergie und die Verarbeitung atmosphärischer Daten, wodurch methodische Genauigkeit hinsichtlich der Analogauswahlfunktion, des Kalibrierungsrahmens und der Validierungsprotokolle gewährleistet wurde.

Gestützt auf Forschung und Wissenschaft

Wahrscheinlichkeitsprognose: Anwendungsfälle im operativen Bereich

Handel, Ausgleich und Strafen bei Ungleichgewichten

Auf den Spotmärkten für Strom ermöglichen probabilistische Prognosen den Energiehändlern, Gebote so zu platzieren, dass die erwarteten Ungleichgewichtskosten auf ein Quantil minimiert werden. Wenn die Strafen asymmetrisch sind, d. h. bei Überproduktion höher ausfallen als bei Unterproduktion oder umgekehrt, dann Das optimale Gebot liegt selten beim Medianwert von Q50: Es handelt sich um das Quantil, das mit der Strafstruktur übereinstimmt (Q30, Q40, Q70, je nach Marktbedingungen und Einschätzungen der bedingten Wahrscheinlichkeit). Diese Optimierung der Gebotsstrategie ist mit einem deterministischen Prognosemodell nicht möglich.

Lagerung, Hybridisierung und Dimensionierung

Bei PV-Anlagen, die an einen Batteriespeicher angeschlossen oder mit Windkraft kombiniert sind, liefern probabilistische Prognosen Energiemanagementsysteme mit den für die risikobasierte Einsatzplanung erforderlichen Daten. Probabilistische Prognosemethoden sind in der Betriebsphase von Bedeutung, um die Entscheidungen bezüglich der Lade- und Entladezyklen von Batteriespeichersystemen (BESS) zu optimieren und damit die Lebensdauer der Solarenergiespeichersysteme zu maximieren.

Häufig gestellte Fragen zur probabilistischen Vorhersage

Welche Vorteile bieten probabilistische Prognosen?

Probabilistische Prognosen ermöglichen eine explizite Quantifizierung der Unsicherheit und damit risikobewusste Entscheidungen im Spotmarkt-Handel, im Energiemanagement, beim Ausgleich von Leistungsungleichgewichten und bei der Speicherauslastung. Im Vergleich zu deterministischen Ergebnissen verbessern sie die betriebliche Leistung, indem sie die Bandbreite plausibler Leistungsszenarien aufzeigen.

Erstellt CalibSun sowohl deterministische als auch probabilistische Vorhersagen?

Ja. Die Prognosedienste NEXT und INSTANT von CalibSun liefern standardmäßig deterministische (Erwartungswert) und probabilistische Verteilungen im Unsicherheitsbereich von Q5 bis Q95. Diese doppelte Ausgabe unterstützt sowohl die standardmäßige Betriebsüberwachung als auch eine fortgeschrittene, risikobasierte Entscheidungsfindung.

Wie wird die Zuverlässigkeit probabilistischer Vorhersagen überprüft?

Die Zuverlässigkeit wird anhand von Zuverlässigkeitsdiagrammen und statistischen Analysen historischer Daten überprüft: Eine Q10-Prognose sollte über einen langen Beobachtungszeitraum hinweg in etwa 90% der Fälle durch die tatsächliche Produktion übertroffen werden. CalibSun führt eine kontinuierliche Neukalibrierung pro Standort und pro Prognosehorizont durch, um diese statistische Konsistenz aufrechtzuerhalten.

Welche weiteren Anwendungsmöglichkeiten gibt es für diese Wahrscheinlichkeitsprognosen neben dem Handel?

Die Vorhersage der Stromerzeugung ist für die Optimierung des Managements erneuerbarer Energien unerlässlich. Indem Calibsun statt eines einzelnen Wertes einen Leistungsbereich angibt, trägt das System dazu bei, Solarenergie steuerbar zu machen und ihre Einbindung in das Stromnetz – mit oder ohne Speicherkapazität – zu optimieren.