Konzept zur datengetriebenen Analyse und Modellierung des preisbeeinflussten Verbrauchsverhaltens

Der verstärkte Ausbau von Erneuerbare-Energien-Anlagen in Deutschland führt dazu, dass der Anteil der erneuerbaren Energien am gesamten Bruttostromverbrauch im Jahr 2016 bei ca. 32% lag. Die Erzeugungscharakteristik von Photovoltaik- und Windkraftanlagen macht jedoch nachfrage- und erzeugungsseitige Anpassungen im deutschen Elektrizitätsmarkt notwendig. Im Energiesystem der Zukunft (Smart Grid) wird die Bereitstellung von lastseitigen Flexibilitäten eine bedeutende Rolle einnehmen.

Die Veränderung der Verbraucherlast durch Preisanreize steht dabei ausdrücklich nicht in Konkurrenz zum verstärkten Ausbau von Energiespeichern, Energieübertragungs- und -verteilnetzen. ... mehrDie Verbraucherbeeinflussung mithilfe von Steuer- (Demand Side Management, DSM) und Preissignalen (Demand Response, DR) setzt allerdings voraus, dass die Auswirkungen von Preissignalen für Energieverbraucher auf deren Verbrauchsverhalten untersucht, mathematisch modelliert und validiert werden. Die vorliegende Doktorarbeit beschäftigt sich aus diesem Grund mit der datengetriebenen Analyse und Modellierung des Verbrauchsverhaltens als Reaktion auf variable Stromtarife.

Dazu wurde ein Gesamtkonzept entwickelt, das aus verschiedenen Vorverarbeitungs-, Analyse- und Modellierungsmethoden besteht. Das Konzept behandelt die gesamte Prozesskette von der Erfassung der Smart-Meter-Rohdaten bis hin zur Analyse und Modellierung des preisbeeinflussten Verbrauchsverhaltens. Das Zeitreihen-Clustering als wichtiger Bestandteil des neuen Konzeptes erlaubt, Aussagen über saisonale, wochentagsbedingte, tarifbedingte Unterschiede für eine Demand-Response-Maßnahme treffen zu können. Des Weiteren erlaubt das neue Konzept, dass haushaltsindividuelle Unterschiede in der Verbrauchsreaktion (Responder-, Semi-Responder, Non-Responder-Haushalte) identifiziert werden können. Zudem wurde eine neue Demand-Response-Modellklasse (Virtuelle-Speicher-Modelle) entwickelt, deren Modelle aus einem System von Differenzengleichungen bestehen und das Verbrauchsverhalten von Haushaltsstromkunden als Reaktion auf verschiedene Preissignale beschreiben.

The increased expansion of renewable energy plants in Germany leads to a share of renewable energies in the total gross electricity consumption of around 32% (2016). However, the production characteristics of photovoltaic and wind power plants makes it necessary to adjust the demand and production side of the German electricity market. In the energy system of the future (Smart Grid), the provision of demand side flexibility will play an important role.

The change of the consumer load via variable electricity prices does explicitly not compete with the increased expansion of energy storages, transmission grids and distribution grids. ... mehrHowever, the use of control (Demand Side Management, DSM) and price signals (Demand Response, DR) to change the consumer load assumes that the effect of these signals has to be investigated, mathematically modeled and validated. Therefore, the present work deals with the data-driven analysis and modeling of the consumption behavior of household customers in response to different price signals.

For this purpose, an overall concept was developed that consists of different preprocessing, analysis and modeling methods. The concept covers the entire process chain from the acquisition of the smart meter raw data to the analysis and modeling of the consumption behavior. The time series clustering as an important part of the new concept allows statements to be made about seasonal, weekly, tariff-related differences for a demand response measure. Furthermore, the new concept allows that household-specific DR differences (responder, semi-responder, non-responder households) can be identified. In addition, a new demand response model class (virtual storage model) was developed whose models consist of a system of difference equations and describe the consumption behavior of household customers in response to different price signals.