Loading...
Zurück

6. December 2018

Keine Überraschungen mehr bei Auktionen?

Veröffentlicht in: Veröffentlichungen

Eine Auktion mit vielen anonymen Bietern kann große Überraschungen bergen. Umso besser natürlich, wenn man den Ausgang einer Versteigerung vorhersagen oder zumindest genauer einschätzen könnte. Unserem Kollegen Stefan ist gemeinsam mit JunProf. Dominik Liebl von der Universität Bonn ein großer Schritt in diese Richtung gelungen. In ihrem Artikel „Partially Observed Functional Data: The Case of Systematically Missing Parts“, der im Journal „Computational Statistics and Data Analysis” erschienen ist, abstrahieren sie menschliche Strategien in ein statistisches Modell, das der Kooperationspartner Entelios AG im alltäglichen Energiehandel nutzt.

Die von den beiden Autoren vorgeschlagene Methodik ist motiviert durch das praktische Problem der Entelios AG von nicht veröffentlichten Preisen und der sich daraus ergebenden Schwierigkeit,  Nachfragekurven zu prognostizieren. Dieses Problem entsteht beispielsweise auf dem sogenannten Regelleistungsmarkt (engl.: Control Reserve Market). Dieser Strommarkt soll Leistung und Energie akquirieren,  um Frequenzschwankungen im Stromnetz auszugleichen, da dort die eingespeiste Strommenge immer der Entnommenen entsprechen muss. Durch das Auktionsdesign des Regelleistungsmarktes werden jährlich ca. 500 Millionen Euro gehandelt, jedoch können die Preiskurven nur partiell beobachtet werden und die bisher verwendeten Mechanismen liegen oftmals falsch, da sie auf gewöhnlichen Systemhandelsstrategien basieren. Diesem Problem wirken sie mit einer neuartigen Schätzmethode entgegen.

Das Projekt ist eine Kooperation mit der Entelios AG, einem Anbieter von Demand Response-Lösungen am Energiemarkt. Mit dessen Hilfe können Stromgroßabnehmer, aber auch -produzenten ihre flexiblen Stromlasten vermarkten.

Unserem Kollegen Stefan und Dominik Liebl ist es gelungen, die Nachfragekurven besser als bisher abzuschätzen und somit den Einpreisungsmechanismus zu optimieren.

Bei diesem Projekt zeigt sich wieder, dass sich Wissenschaft und Praxis nicht unvereinbar gegenüberstehen. Mit den Daten von Entelios konnte ein state-of-the-art Modell für den Energiehandel entwickelt werden, das sowohl methodisch auf dem neuesten Stand ist und gleichzeitig hohe Relevanz in der Anwendung in der Wirtschaft hat.

Weitere Posts

Veröffentlichungen

Neue Einsichten in Google Ads

Forschung und Praxis – zwei schwierig vereinbare Komponenten? Nicht bei uns! Unser Kollege Stefan Rameseder hat zusammen mit Christoph Rust von der Universität Regensburg und…

Mehr erfahren
Veröffentlichungen

Harmonisierung von heterogenen Materialstammdaten

Alle sprechen über Data Science und Predictive Analytics, aber wie können Analysen realisiert werden, wenn die Daten nicht an einer Stelle gebündelt sind? Was, wenn…

Mehr erfahren
Veröffentlichungen

Forecasts: Jeder braucht sie, keiner kann sie skalieren

In welchen Bereichen sind Forecasts anwendbar und wie kann man Forecasts sowohl auf große Datenmengen als auch auf verschiedene Kontexte skalieren? Antworten auf diese Fragen…

Mehr erfahren