Price Information Is Not Enough: Ordering and Decision Rules in Storage Bidding
Diese Arbeit zeigt auf, dass die Menge an Preisprognoseinformationen unzureichend ist, um Gebotsstrategien für die Speicherung zu bewerten, da der realisierte Erlös entscheidend von der Fähigkeit der Entscheidungsregel abhängt, Preisintervalle korrekt zu ordnen, anstatt lediglich den Vorhersagefehler zu minimieren.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen das Wetter vorherzusagen, um zu entscheiden, ob Sie einen Regenschirm mitnehmen sollten. In der Welt der Wissenschaft beurteilen wir einen Wetterprognostiker normalerweise danach, wie nah seine Temperaturvorhersage an der tatsächlichen Temperatur liegt. Wenn er 20 °C sagt und es 21 °C sind, ist das eine „gute“ Prognose. Aber stellen Sie sich vor, Sie sind ein professioneller Wettspieler, der auf das Wetter wettet. Ihnen geht es nicht nur um die Temperaturzahl; Ihnen geht es um die Reihenfolge der Ereignisse. Kam der Regen vor oder nach dem Wind? Wenn Sie die Reihenfolge falsch bekommen, verlieren Sie selbst dann Ihre gesamte Wette, wenn Ihre Temperaturvorlage perfekt war. Dieses Paper bewegt sich an der Schnittstelle zwischen Energiemärkten und Entscheidungsfindung. Es stellt eine einfache, aber knifflige Frage: Macht eine „schlaue“ Prognose, die Strompreise präzise vorhersagt, einen Batteriebesitzer tatsächlich profitabler? Der Autor untersucht den Zusammenhang zwischen „Information“ (wie viel eine Prognose weiß) und „Einnahmen“ (wie viel Bargeld sie generiert). Er versucht herauszufinden, ob das Wissen um mehr immer auch bedeutet, mehr Geld zu verdienen, oder ob es eine versteckte Falle in der Art und Weise gibt, wie wir diese Informationen nutzen.
Die Geschichte beginnt mit einer Batterie. Betrachten Sie diese Batterie als einen riesigen, hochtechnologischen Wassertank, der gefüllt werden kann, wenn der Strom günstig ist, und entleert (Strom verkauft) werden kann, wenn der Strom teuer ist. Das Ziel ist einfach: billig kaufen, teuer verkaufen. Das Paper betrachtet eine spezifische Batterie in Frankreich, die täglich etwa 6,53 Megawattstunden Energie bewegen kann. Der Forscher wollte wissen: Wie viel zusätzliches Geld verdient eine Batterie, wenn sie eine ausgeklügelte Prognose verwendet, im Vergleich zu der Verwendung der „durchschnittlichen“ Preisgeschichte (Klimatologie)?
Hier kommt die Wendung, die das Paper entdeckt: Es reicht nicht aus, die exakten Zahlen der Preise zu kennen; es ist alles entscheidend, das Ranking richtig zu bekommen.
Der Autor führte ein massives Experiment mit 939 Tagen realer Strompreise durch. Er testete verschiedene „Entscheidungsregeln“ – im Grunde verschiedene Wege, wie ein Computer eine Prognose nutzen könnte, um der Batterie zu sagen, wann sie laden und entladen soll. Er begann mit einer theoretischen Idee: dass der Wert einer Prognose an die Menge der „Information“ gebunden sein sollte, die sie enthält. In der Mathematik bewies er eine Regel, die besagt, dass der maximale mögliche Gewinn durch eine Quadratwurzelformel begrenzt ist, die die Größe der Batterie und die Volatilität des Preises beinhaltet. Es ist, als würde man sagen: „Egal wie schlau deine Karte ist, du kannst nicht schneller fahren als das Tempolimit der Straße.“
Doch als er dies tatsächlich an realen Daten testete, war das „Tempolimit“ so hoch, dass es nutzlos war. Es war, als hätte man ein Tempolimitschild, auf dem „1000 mph“ steht, während das Auto nur 60 mph fahren kann. Das eigentliche Problem war nicht das Limit; es war der Fahrer.
Das Paper fand heraus, dass viele „schlaue“ Prognosen tatsächlich Geld vernichteten. Wenn die Prognose leicht verrauscht war (ein wenig Rauschen im Signal), bekamen die Computerregeln die Reihenfolge der Preise falsch. Anstatt in der günstigsten Stunde zu kaufen und in der teuersten zu verkaufen, kaufte die Batterie zu einem mittleren Preis und verkaufte zu einem niedrigen Preis. Da die Batterie die Energie zyklisch ein- und ausführt, ist eine falsche Reihenfolge eine doppelte Katastrophe: Man kauft teuer ein und verkauft billig.
Der schockierendste Teil? Der Forscher erstellte eine „perfekte“ Prognose, die den exakten Preis auf den Cent genau kannte, aber er vertauschte die günstigste Stunde mit der teuersten Stunde. Nur dieser eine Tausch verursachte, dass die Batterie 53 % ihres gesamten potenziellen Umsatzes verlor. Umgekehrt erstellte er eine „dumme“ Prognose, die die tatsächlichen Preise überhaupt nicht kannte, aber die korrekte Reihenfolge der Stunden wusste (z. B. „Stunde 3 ist günstiger als Stunde 4“). Diese „dumme“ Prognose fing immer noch 90 % des möglichen Zusatzgewinns ein.
Das Paper argumentt, dass die Standardmethode, mit der Prognosen bewertet werden – also die Prüfung, ob die Preisprognose nahe am realen Preis liegt (wie der mittlere absolute Fehler/Mean Absolute Error) – das falsche Werkzeug für diese Aufgabe ist. Eine Prognose kann in den Zahlen sehr genau sein, aber beim Ranking katastrophal, was zu enormen finanziellen Verlusten führt. Tatsächlich stellte die Studie fest, dass ein Batteriebesitzer, der alle Prognosen ignoriert und stattdessen einfach der durchschnittlichen monatlichen Preisgeschichte (Klimatologie) folgt, immer noch 78 % des gesamten möglichen Gewinns einfängt. Der gesamte Wert einer „perfekten“ Prognose liegt nur in den verbleibenden 22 %, und dieses winzige Stück hängt vollständig davon ab, das tägliche Preis-Ranking korrekt zu treffen.
Der Autor kommt zu dem Schluss, dass wir bei Speicherbatterien aufhören müssen zu fragen: „Wie nah ist die Preisprognose am echten Wert?“ und stattdin fragen müssen: „Hast du die Reihenfolge richtig bekommen?“ Er schlägt eine neue Art vor, Prognosen zu bewerten, baseinander darauf, ob sie die Stunden korrekt von günstig nach teuer ranken, gewichtet nach dem Betrag, der bei diesen Differenzen auf dem Spiel steht. Wenn eine Prognose nicht in der Lage ist, die einfache „Durchschnittspreis“-Strategie beim Ranking der Stunden zu schlagen, sollte sie nicht verwendet werden, egal wie ausgeklügelt ihre Mathematik auch aussehen mag. Die Lektion ist klar: In der Welt der Energiespeicherung ist es weitaus wertvoller, richtig über die Sequenz der Ereignisse zu sein, als richtig über die Zahlen zu sein.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.