On the Design of Stochastic Electricity Auctions

Die Arbeit schlägt vor, Strommärkte durch die Einführung zustandsabhängiger Verträge, die auf der optimalen Partitionierung möglicher Weltzustände basieren, zu reformieren, um die Unsicherheit erneuerbarer Energien effizienter zu handhaben und suboptimale Systementscheidungen zu vermeiden.

Das Wesentliche

Das Problem: Der Wetter-Wecker, der nicht funktioniert

Stell dir vor, du bist ein Windrad-Betreiber. Du hast eine riesige Windmühle auf dem Meer. Deine Aufgabe ist es, morgen Strom zu verkaufen. Das Problem: Du weißt heute mittag noch nicht, wie stark der Wind morgen wehen wird.

Heute läuft der Stromhandel so ab:
Du musst dich heute mittag entscheiden, wie viel Strom du morgen verkaufst.

• Szenario A: Du verkaufst zu wenig. Wenn morgen ein Sturm kommt, hast du viel Strom produziert, aber niemanden, der ihn will. Du musst den Strom abregeln (wegwerfen). Das ist Verschwendung.
• Szenario B: Du verkaufst zu viel. Wenn morgen Flaute herrscht, hast du versprochen, Strom zu liefern, den du nicht produzieren kannst. Du musst ihn dann teuer auf dem Sekundärmarkt zurückkaufen. Das kostet dich Geld.

Das ist wie ein Bäcker, der jeden Morgen entscheiden muss, wie viele Brötchen er backt, ohne zu wissen, ob morgen Regen oder Sonne ist. Backt er zu viele und es regnet, verrotten sie. Backt er zu wenige und es ist sonnig, verpasst er Kunden.

Der Autor sagt: Unser aktueller Strommarkt ist wie ein Bäcker, der nur "Regen" oder "Sonne" als Optionen kennt, aber nicht die Nuancen dazwischen. Er kann nicht sagen: "Ich verkaufe Strom nur, wenn der Wind genau 12 km/h weht."

Die Lösung: Der "Wetter-abhängige" Vertrag

Hübner schlägt vor, den Strommarkt zu ändern. Statt nur für "morgen um 10 Uhr" zu handeln, sollten wir Verträge schließen, die von der Weltlage abhängen.

Stell dir vor, du kaufst eine Pizza.

• Der alte Weg: Du bestellst eine Pizza für morgen Abend. Egal, ob es stürmt oder die Sonne scheint, du musst sie bezahlen und bekommst sie. Wenn du sie nicht willst (weil du im Urlaub bist), ist das dein Problem.
• Der neue Weg (Stochastische Auktion): Du bestellst eine Pizza mit einer Bedingung: "Ich zahle dir 10 Euro, aber du lieferst die Pizza nur, wenn es morgen regnet. Wenn die Sonne scheint, ist die Pizza kostenlos für dich, ich zahle nichts."

Im Strommarkt würde das bedeuten:
Ein Windpark verkauft Strom nur dann, wenn es windig ist.
Ein Kraftwerk verkauft Strom nur dann, wenn es windstill ist.

Das klingt kompliziert, ist aber genial:

1. Der Windpark weiß: "Wenn ich morgen viel Wind habe, bekomme ich mein Geld." Er muss sich keine Sorgen machen, dass er Strom produzieren muss, wenn kein Wind weht.
2. Der Käufer (z. B. eine Fabrik) weiß: "Ich zahle nur, wenn der Wind weht."
3. Das System wird effizienter, weil niemand Strom produzieren muss, der nicht gebraucht wird, und niemand Strom kaufen muss, den er nicht braucht.

Das große Rätsel: Wie definieren wir "Windig"?

Jetzt kommt der knifflige Teil. Was genau bedeutet "windig"?
Ist es Wind zwischen 10 und 15 km/h? Oder zwischen 10 und 12 km/h? Oder nur, wenn der Wind aus Norden kommt?

Es gibt unendlich viele Möglichkeiten, den Wind zu definieren. Wenn wir zu viele kleine Kategorien machen (z. B. "Wind genau 12,34 km/h"), wird der Markt zu kompliziert. Niemand kann mehr über so viele verschiedene Verträge handeln. Wenn wir zu wenige machen (nur "Wind" und "Kein Wind"), ist es wieder zu ungenau.

Hübner sagt: Wir brauchen eine mathematische Methode, um die perfekten Kategorien zu finden.

Die Methode: Der "Voronoi-Pizza-Schnitt"

Der Autor nutzt ein mathematisches Werkzeug, das man sich wie das Schneiden einer Pizza vorstellen kann.

1. Stell dir eine große Karte vor, auf der alle möglichen Windgeschwindigkeiten liegen (z. B. 0 bis 20 km/h).
2. Wir wollen diese Karte in ein paar wenige, sinnvolle Stücke (Zustände) teilen.
3. Die Regel ist: Jedes Stück soll so kompakt wie möglich sein und die häufigsten Windgeschwindigkeiten enthalten.

Hübner schlägt vor, die Karte so zu teilen, dass jeder Punkt auf der Karte dem nächsten "Ankerpunkt" zugeordnet wird.

• Wir setzen ein paar "Anker" (z. B. einen bei "leichter Wind", einen bei "starker Wind").
• Alles, was dem "leichten Wind"-Anker näher ist als allen anderen, gehört in diesen Zustand.
• Alles, was dem "starken Wind"-Anker näher ist, gehört in den anderen Zustand.

Das nennt man Voronoi-Partitionierung. Es ist wie ein natürlicher Magnetismus: Jeder Windzustand wird von dem "nächsten" Anker angezogen.

Warum ist das gut?

• Es ist einfach zu erklären: "Der Zustand 'Starker Wind' gilt, wenn der Wind näher an 15 km/h liegt als an 10 km/h."
• Es ist berechenbar: Computer können diese perfekten Schnitte schnell finden.
• Es passt sich dem Wetter an: Wenn es oft moderate Winde gibt, werden die Kategorien dort feiner unterteilt. Wenn extreme Winde selten sind, werden sie in große, grobe Kategorien gepackt.

Ein Beispiel aus der Nordsee

Der Autor testet das an echten Daten aus der Nordsee. Er nimmt zwei Messpunkte (z. B. vor der deutschen und vor der dänischen Küste).

• Früher: Man hätte nur "Wind" oder "Kein Wind" gesagt.
• Jetzt: Der Computer schneidet die Karte so, dass es z. B. drei Zustände gibt:
  1. "Allgemein schwacher Wind" (beide Messpunkte zeigen wenig).
  2. "Allgemein starker Wind" (beide zeigen viel).
  3. "Uneinheitlicher Wind" (ein Ort hat Wind, der andere nicht).

Dadurch können die Windparks ihre Verträge viel präziser anpassen. Sie verkaufen genau dann, wenn es für sie profitabel ist, und vermeiden die teuren Fehler von heute.

Fazit: Warum das wichtig ist

Dieser Vorschlag ist wie ein Upgrade für das Betriebssystem des Strommarktes.

• Heute: Wir versuchen, das Wetter zu ignorieren und hoffen, dass es passt. Das führt zu Verschwendung und hohen Kosten.
• Morgen (mit Hübners Idee): Wir bauen das Wetter direkt in den Vertrag ein. Wir sagen: "Der Vertrag gilt nur, wenn der Wind so und so weht."

Das macht den Markt fairer für alle:

• Die Windparks verdienen sicherer, weil sie nicht für Strom bezahlen müssen, den sie nicht produzieren können.
• Die Konsumenten zahlen weniger, weil weniger Strom verschwendet wird.
• Das System wird stabiler, weil Entscheidungen besser auf die Realität abgestimmt sind.

Es ist im Grunde die Idee, den Strommarkt so schlau zu machen wie ein erfahrener Gärtner, der nicht nur "Gießen" oder "Nicht-Gießen" kennt, sondern genau weiß, wann und wie viel Wasser jede einzelne Pflanze braucht, je nachdem, wie das Wetter wird.

Technische Zusammenfassung

1. Problemstellung

Der aktuelle Stromhandel findet überwiegend in Day-Ahead-Auktionen statt, da operative Entscheidungen (z. B. das Anfahren von Kraftwerken) vor der Lieferung getroffen werden müssen. Dies führt jedoch zu einem grundlegenden Ineffizienzproblem im Kontext erneuerbarer Energien:

• Unsicherheit: Wind- und Solaranlagen stehen vor der Lieferung einer Unsicherheit bezüglich ihrer tatsächlichen Erzeugung gegenüber.
• Unvollständige Märkte: In aktuellen Auktionen hängen Verträge nur von Zeit ($t$) und Ort ($n$) ab, nicht jedoch vom Zustand der Welt (z. B. windig vs. windstill).
• Folgen: Erneuerbare Erzeuger stehen vor einer suboptimalen Wahl: Sie verkaufen entweder zu wenig und müssen Restmengen zu unsicheren Bedingungen im Intraday- oder Regelenergiemarkt veräußern (oder abregeln), oder sie verkaufen zu viel und riskieren hohe Rückkaufpreise. Dies führt zu einer ineffizienten Nutzung erneuerbarer Energien und suboptimalen Systementscheidungen.

Die Literatur hat dies bisher oft als Problem der „stochastischen Markträumung" behandelt, was jedoch häufig zu komplexen und unpraktikbaren Lösungen führt. Hübner schlägt einen anderen Ansatz vor, der auf der mikroökonomischen Theorie des Gleichgewichts unter Unsicherheit (Equilibrium Under Uncertainty) basiert.

2. Methodik und Theoretischer Rahmen

Der Autor leitet ein neues Auktionsdesign her, das auf dem Konzept von zustandsabhängigen Verträgen (State-Contingent Contracts) aufbaut.

• Zustandsabhängige Verträge: Im Gegensatz zu heutigen Verträgen, die nur für eine einzige „Welt" ($S=1$) gelten, werden Verträge definiert, die nur dann geliefert werden, wenn ein spezifischer Zustand $s$ der Welt eintritt.
  • Ein Zustand $s$ ist eine Teilmenge $\Omega_s$ des Stichprobenraums $\Omega$ einer Zufallsvariable $\xi$ (z. B. Windgeschwindigkeit).
  • Zahlungen erfolgen zum Zeitpunkt $t=0$ (vor der Unsicherheitsrealisierung), die physische Lieferung erfolgt jedoch nur, falls der Zustand $s$ realisiert wird.
• Gleichgewichtstheorie: Das Papier zeigt, dass der Handel mit diesen Verträgen zu einem Walras-Gleichgewicht führt. Unter der Annahme vollständiger Märkte (für jeden Zustand existiert ein Vertrag) maximiert dieses Gleichgewicht den sozialen Wohlfahrtszustand und führt zu optimalen Vorab-Entscheidungen ($z^*$) für das gesamte System. Dies ist eine direkte Anwendung der Wohlfahrtstheoreme auf unsichere Umgebungen.
• Das Definitionsproblem: Die zentrale Herausforderung ist die Definition der Zustände. Da es unendlich viele Möglichkeiten gibt, einen Zustand zu definieren, muss eine Auswahlkriterien entwickelt werden, um eine endliche Anzahl $S$ von Zuständen zu wählen.

3. Schlüsselbeiträge: Die Auswahl der Zustände

Ein wesentlicher Beitrag des Papers ist die Herleitung von Kriterien zur optimalen Partitionierung des Unsicherheitsraums.

• Kriterien:
  1. Überdeckung (Cover): Die Zustände müssen den gesamten Stichprobenraum abdecken.
  2. Paarweise Disjunktheit: Die Zustände dürfen sich nicht überschneiden.
  3. Minimale Größe (Minimal Size): Die Zustände sollten so „klein" wie möglich sein, wobei Größe als gewichtete Varianz (unter Berücksichtigung der Wahrscheinlichkeitsmasse und der räumlichen Streuung) definiert wird.
• Mathematische Lösung: Die Optimierung dieser Kriterien führt zu einem optimalen Partitionierungsproblem. Die Lösung entspricht einer zentroidalen Voronoi-Partition (Centroidal Voronoi Tessellation).
  • Ein Zustand $s$ ist definiert als die Menge aller Punkte im Unsicherheitsraum, die näher an einem repräsentativen Punkt $\omega_s$ (dem Zentrum des Zustands) liegen als an jedem anderen $\omega_j$.
  • Dies reduziert das Problem auf ein Standortproblem (Facility Location Problem), das als gemischt-ganzzahliges quadratisches Programm (MIQP) formuliert und gelöst werden kann.
• Vorteile: Diese Zustände sind intuitiv interpretierbar („Zustand $s$ tritt ein, wenn der Wind näher am Wert $\omega_s$ liegt als an anderen") und rechnerisch handhabbar, was Transaktionskosten für Marktteilnehmer minimiert.

4. Ergebnisse und Fallstudie

Das Papier illustriert die Machbarkeit und Interpretation der Methode anhand einer Fallstudie mit Offshore-Windparks in der Nordsee.

• Setup: Die Zufallsvariable $\xi$ besteht aus den Windgeschwindigkeiten an zwei Messpunkten (z. B. vor der englischen/französischen Küste und vor der niederländischen/deutschen/dänischen Küste) um 23:00 Uhr.
• Berechnung: Unter Verwendung von Wetterdaten (39 Szenarien) wurde das MIQP für $S=2, 3, 4$ Zustände gelöst.
• Ergebnisse:
  • Mit steigender Anzahl der Zustände ($S$) wird die Partitionierung des Windgeschwindigkeitsraums feiner.
  • Die berechneten Zustände lassen sich klar interpretieren (z. B. „Allgemein niedriger Wind", „Hoher Wind an Standort 1", „Hoher Wind an Standort 2").
  • Dies ermöglicht es Marktteilnehmern, ihre Handelsentscheidungen präziser an den erwarteten Windbedingungen auszurichten, was die Effizienz des Marktes steigert.
• Auktionsdesign: Das Papier zeigt, dass das bestehende Day-Ahead-Design einfach erweitert werden kann. Die Eigenschaften der aktuellen Auktionen (Strategie-Proofness in großen Märkten, Budgetausgleich, individuelle Rationalität) bleiben auch im stochastischen Setting ($S > 1$) erhalten.

5. Signifikanz und Implikationen

• Theoretische Bedeutung: Das Paper verbindet die Theorie des Gleichgewichts unter Unsicherheit (Debreu, Arrow) direkt mit dem praktischen Design von Strommärkten. Es zeigt, dass die Einführung zustandsabhängiger Verträge die Ineffizienzen der aktuellen deterministischen Auktionen behebt, ohne die wünschenswerten Eigenschaften des Marktes zu verlieren.
• Praktische Relevanz:
  • Es bietet einen konkreten, berechenbaren Weg, um Unsicherheit in Strommärkten zu integrieren, anstatt sie nur als Störfaktor zu behandeln.
  • Die vorgeschlagene Methode zur Zustandsdefinition (Voronoi-Partitionierung) löst das Problem der willkürlichen Zustandsauswahl und bietet eine fundierte Basis für regulatorische Entscheidungen.
  • Es wird argumentiert, dass die heutige Day-Ahead-Auktion nur ein Spezialfall ($S=1$) dieses allgemeineren stochastischen Designs ist.
• Zukünftige Forschung: Das Paper fordert weitere Untersuchungen zur Integration von Netzdaten in die Zustandsdefinition sowie zu Simulationsstudien, um die Wohlfahrtsgewinne empirisch zu quantifizieren.

Fazit: Thomas Hübner demonstriert, dass durch die Einführung zustandsabhängiger Verträge, deren Zustände durch eine optimale Partitionierung (Voronoi) der Unsicherheitsquelle definiert werden, ein effizienterer Strommarkt geschaffen werden kann, der erneuerbare Energien besser integriert und systemische Risiken reduziert.