Risikomanagement in der Direktvermarktung erneuerbarer Energien

Thie, Nicolas; Schnettler, Armin; Wagner, Ulrich

doi:39659

Risikomanagement in der Direktvermarktung erneuerbarer Energien = Risk management in direct marketing of renewable energies

Thie, Nicolas^RWTH*

2020

VerantwortlichkeitsangabeNicolas Thie

Ausgabe1. Auflage

ImpressumAachen : Verlagshaus Mainz GmbH 2020

Umfang1 Online-Ressource (ii, 139 Seiten) : Illustrationen, Diagramme

ReiheAachener Beiträge zur Hochspannungstechnik ; 70

Dissertation, RWTH Aachen University, 2020

Auch veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak06

Hauptberichter/Gutachter
Schnettler, Armin (Thesis advisor)^RWTH* ; Wagner, Ulrich (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2020-03-30

Online
DOI: 10.18154/RWTH-2020-05389
URL: https://publications.rwth-aachen.de/record/789712/files/789712.pdf

Einrichtungen

Lehrstuhl für Elektrische Anlagen und Hochspannungstechnik (614210)

Inhaltliche Beschreibung (Schlagwörter)
Flexibilitäten (frei) ; Risikomanagement (frei) ; Vermarktungsplanung (frei) ; erneuerbare Energien (frei)

Thematische Einordnung (Klassifikation)
DDC: 621.3

Kurzfassung
Verbunden mit dem weltweiten Ausbau dezentraler Erzeugungsanlagen (DEA)steigt die Forderung nach einer stärkeren Marktintegration. Dabei haben sich Aggregatoren, welche DEA bündeln und zentral vermarkten, als Dienstleister für die Direktvermarktung dezentraler Anlagen etabliert. Aggregatoren sind in der Direktvermarktung finanziellen Risiken aufgrund von Prognoseunsicherheiten ausgesetzt, insbesondere durch dargebotsabhängige Erzeugung. Diese können die Wirtschaftlichkeit der Direktvermarktung beeinträchtigen. Die Quantifizierung der Risikoexposition sowie die Ableitung und Nutzung von Maßnahmen des Risikomanagements gewinnen zunehmend an Bedeutung. Bisherige Verfahren zur Vermarktungsplanung berücksichtigen zumeist nur einzelne Unsicherheiten und erlauben keine umfassende Bewertung des Risikomanagements. Ziel dieser Arbeit ist daher die Entwicklung eines Verfahren, welches eine optimale Vermarktungsentscheidung unter Unsicherheit bestimmen und gleichzeitig Maßnahmen für Risikomanagement gezielt einsetzen und bewerten kann. Aus der Analyse verwandter Forschungsfelder werden die Maßnahmen „Hedging mit Termingeschäften“, „Einsatz von Flexibilitäten“ sowie „regionale Diversifikation“ von DEA identifiziert. Das entwickelte Verfahren gliedert sich dabei in die Szenariogenerierung und die Vermarktungsplanung unter Unsicherheit. Innerhalb der Szenariogenerierung werden die Unsicherheiten inForm stochastischer Szenarien modelliert. Sie bilden die statistischen Eigenschaften der zugrundeliegenden Unsicherheiten ab (Wahrscheinlichkeitsverteilung, Auto- und Kreuzkorrelation). Die Vermarktungsplanung wird in Form der stochastischen gemischt-ganzzahligen linearen Programmierung implementiert. Auf Basis der Szenarien wird eine optimale Vermarktungsentscheidung unter den Zielgrößen des erwarteten Erlöses (bzw. Rendite) sowie des Risikomaßes Conditional-Value-at-Risk (CVaR) bestimmt. Der Vermarktungsprozess wird dabei geschlossen betrachtet, um Interdependenzenzwischen den Märkten und Risikomanagementmaßnahmen bewerten zu können. Das Verfahren wird für einen exemplarischen Untersuchungsfall validiert und zur Bewertung der Risikomanagementmaßnahmen angewendet. Durch kombinierte Anwendung aller Maßnahmen kann die Wirtschaftlichkeit deutlich erhöht werden. So wird eine Steigerung der erwarteten Rendite um 15%-Punkte und des CVaR um ca. 20%-Punkte im Vergleich zur Benchmark ohne Risikomanagementerreicht. Als Hauptkriterium für die Wirkung der Maßnahmen kann ihr Einfluss auf die Volumenrisiken und damit die Ausgleichsenergiebedarfe identifiziert werden. Je stärker die Maßnahmen die Ausgleichsenergiebedarfe reduzieren können, desto stärker verbessern sie die Wirtschaftlichkeit in der Direktvermarktung.

In conjunction with the worldwide expansion of distributed energy resources(DER), the call for stronger market integration increases. In this process, aggregators, who pool DER and control them centrally, have established themselves as service providers for the direct marketing of distributed generation. In direct marketing, aggregators are exposed to risks due to forecast uncertainties, in particular due to intermittent generation. These risks can impair the profitability of direct marketing. Therefore, the quantification of risk exposure and the derivation and use of risk management measures are becoming increasingly important. However, existing market scheduling methods mostly take into account only individual uncertainties and do not permit a comprehensive assessment of risk management. The goal of this thesis is to develop a method which can determine an optimal market scheduling under uncertainty and at the same time apply and evaluate risk management measures in a targeted manner. From the analysis of related research fields, the following measures are identified: hedging with futures, the use of flexibilities as well as regional diversification of DER. The developed method is divided into two steps: scenario generation and market scheduling under uncertainty. Within the scenario generation, the uncertainties are modelled in the form of stochastic scenarios. They represent the statistical properties of the underlying uncertainties (probability distribution, autocorrelation and crosscorrelation).The market scheduling is implemented in the form of stochastic mixed-integer linear programming. On the basis of the scenarios, an optimal scheduling decision is determined with the objectives of expected revenue (or return on investment) and the risk measure Conditional-Value-at-Risk (CVaR).The entire scheduling process of an aggregator is considered as a whole in order to evaluate interdependencies between markets and risk management measures. The method is validated for an exemplary case and used to evaluate the risk management measures. The combined application of all investigated measures can significantly increase profitability. Thus, an increase of the expected return by 15%-points and of the CVaR by approx. 20%-points is achieved compared to the benchmark without risk management. As the main criterion for the effect of the measures can be identified as their influence on volume risks and thus the balancing energy demands. The more the measures can reduce the balancing energy demands, the more they improve the profitability in direct marketing.

OpenAccess:
PDF
(additional files)