Intelligente Prognoseverfahren für beeinflusstes Verbrauchsverhalten in Energiesystemen Stefan Klaiber 1 , Peter Bretschneider 1 , Simon Waczowicz 2 , Ralf Mikut 2 , Irina Konotop 3 , Dirk Westermann 3 1 Fraunhofer IOSB, Institutsteil Angewandte Systemtechnik (AST) E-Mail: {stefan.klaiber}{peter.bretschneider}@iosb-ast.fraunhofer.de 2 Karlsruher Institut für Technologie, Institut für Angewandte Informatik E-Mail: {simon.waczowicz}{ralf.mikut}@kit.edu 3 Technische Universität Ilmenau, FG Elektrische Energieversorgung E-Mail: {irina.konotop}{dirk.westermann}@tu-ilmenau.de 1 Einführung Mit dem steigenden Anteil fluktuierender Einspeisung elektrischer Energie aus dezentralen Erzeugungsanlagen wie Wind und Photovoltaik wachsen auch die technischen Herausforderungen für das elektrische Energieversorgungssystem, insbesondere für die Einhaltung des permanenten Gleichgewichts von Erzeugung und Verbrauch. Für die künftige Gewährleistung der Versorgungssicherheit wird die Erschließung zusätzlicher Flexibilitäten notwendig sein. Es gibt prinzipiell zwei Möglichkeiten für den Ausgleich zwischen Erzeugung und Verbrauch: Einerseits die Anpassung der Erzeugung an den Verbrauch und andererseits die Anpassung des Verbrauchs an die Erzeugung. Letzteres ist Gegenstand der weiteren Betrachtungen. Die verbrauchsseitige Anpassung erfolgt durch die Ausnutzung verbrauchseitiger Lastverschiebepotentiale, technisch realisiert über das Demand Side Management. Mit der Bereitstellung dieser Flexibilitätspotentiale ist neben dem Vorteil auch gleichzeitig der Nachteil verbunden, dass die bisher unbeeinflussten typischen Verbrauchsmuster durch markt- und/oder erzeugungssituationsabhängige Anreizsignale verändert werden. Dies führt wiederum zur Erhöhung der Unsicherheit bei der Verbrauchsprognose und insbesondere bei autoregressiven Vorhersagemodellen zu einer Systemrückkopplung. Für eine ökonomisch und ökologisch optimale Fahrweise des elektrischen Energiesystems muss auch ein derart beeinflusstes Verbrauchsverhalten in hinreichend guter Qualität prognostizierbar sein. Herkömmliche Prognosemethoden für Standard- und Sonderkunden können diesen Beitrag durch die geänderten Anforderungen nicht leisten.