Eine genaue Solarenergieprognose verwandelt eine variable erneuerbare Anlage in eine überschaubare, vorhersehbare Stromquelle. Für Netzbetreiber sind Solarprognosen für die Einsatzplanung und den Ausgleich von wesentlicher Bedeutung. Für Batteriespeicherbetreiber steuern Erzeugungsprognosen direkt die Lade-/Entladepläne von BESS und bestimmen, wie viel Arbitrage oder Nebendienstumsätze erzielt werden können. Da die solare Durchdringung weltweit zunimmt, wird die Prognosefähigkeit zu einem zentralen Wettbewerbsvorteil.
Warum Solarprognosen für den BESS-Betrieb wichtig sind
Ein BESS mit Solaranlage kann nur dann optimal betrieben werden, wenn der Betreiber mit hinreichender Sicherheit weiß, wie viel Solarenergie in den nächsten 2–48 Stunden zu erwarten ist. Ohne Prognose:
- Das BESS kann sich tagsüber entladen (wobei davon ausgegangen wird, dass die Solarenergie die Last bewältigen wird), wenn die Wolkendecke die Solarleistung verringert – was zu einem gleichzeitigen Netzimport und einer BESS-Entladung führt
- Das BESS könnte die Führung behalten (und auf ein Spitzennachfrageereignis warten, das nicht eintritt) und TOU-Arbitrage-Möglichkeiten verpassen
- Für Gebote auf dem Großhandelsmarkt ist eine Prognose von 24 bis 48 Stunden im Voraus erforderlich. Schlechte Prognosen führen zu Strafen für ein Ungleichgewicht der Unter-/Überproduktion auf Echtzeitmärkten
Prognosehorizonte und Anwendungen
| Horizont | Name | Bewerbung | Beste Methode |
|---|---|---|---|
| 0–2 Stunden | Nowcasting / Intraday | BESS-Versand in Echtzeit, Zusatzdienste | Himmelskameras, Satellitenbilder |
| 2–6 Stunden | Kurzfristig | Intraday-Marktgebote, BESS-Planung | Numerische Wettervorhersage (NWP) + ML |
| 6–48 Stunden | Day-Ahead | Day-Ahead-Marktausschreibung, Wartungsplanung | NWP-Ensembles, statistische Nachbearbeitung |
| 7–30 Tage | Mittelfristig | Ressourcenplanung, Betriebs- und Wartungsplanung | Saisonale NWP-Modelle, klimatologische Daten |
| 1–30 Jahre | Langfristig (Ressourcenbewertung) | Projektfinanzierung, Energieertragsanalyse | Satelliten-TMY-Datensätze (Solargis, Meteonorm) |
Methoden zur Vorhersage der Einstrahlungsstärke
1. Numerische Wettervorhersage (NWP)
NWP-Modelle (GFS, ECMWF, NAM) simulieren die Atmosphäre nach ersten Prinzipien und erstellen gerasterte Vorhersagen der globalen horizontalen Strahlungsintensität (GHI), der Temperatur, des Windes und der Wolkenbedeckung mit einer räumlichen Auflösung von 1–25 km. ECMWF ist im Allgemeinen das genaueste NWP-Modell weltweit; GFS ist frei verfügbar. Einschränkungen: NWP-Modelle haben eine geringe räumliche Auflösung und systematische Abweichungen in komplexen Gelände- und Küstenzonen. Horizont: 6 Stunden bis 10+ Tage.
2. Satellitenbasiertes Nowcasting
Geostationäre Satelliten (GOES-16/17 in Amerika, Meteosat in Europa, Himawari in Asien) liefern Wolkenbewegungsvektor-Vorhersagen (CMV) und verfolgen die Wolkenbewegung, um die Bestrahlungsstärke 0–6 Stunden im Voraus vorherzusagen. Satellitenbasierte Methoden übertreffen NWP bei kurzen Horizonten (0–4 Stunden), da sie den aktuellen Wolkenzustand mit hoher räumlicher Auflösung (1–4 km) erkennen.
3. Maschinelles Lernen / statistische Nachbearbeitung
Moderne Prognosesysteme kombinieren NWP- und Satellitendaten als Eingaben für ML-Modelle (Gradient Boosting, neuronale LSTM-Netze), die lokale Verzerrungen korrigieren – standortspezifische Geländeeffekte, Aerosolmuster, Schattierung durch nahegelegene Hügel. Die ML-Nachbearbeitung verbessert den RMSE im Vergleich zum reinen NWP typischerweise um 10–25 %. Für die Schulung sind 1–2 Jahre Vor-Ort-Bestrahlungsdaten erforderlich.
Prognosegenauigkeitsmetriken
- RMSE (Root Mean Squared Error): die primäre Prognosegenauigkeitsmetrik; ausgedrückt als % der installierten Kapazität oder kWh. Typischer Day-Ahead-RMSE für eine 10-MW-Solaranlage: 8–15 % der Kapazität für Standorte mit klarem Himmel; 15–25 % in bewölktem/veränderlichem Klima
- nRMSE (normalisierter RMSE): RMSE ausgedrückt als % der durchschnittlichen Produktion, was einen Vergleich zwischen Standorten mit unterschiedlichen Kapazitäten ermöglicht
- MAE (mittlerer absoluter Fehler): weniger empfindlich gegenüber Ausreißern als RMSE; Nützlich für Vertragsstrafenberechnungen, bei denen Fehler über einem Schwellenwert Kosten verursachen
- Fähigkeitsbewertung: Verbesserung im Vergleich zu einer Persistenzprognose (naive Annahme, dass die aktuelle Generation der Generation in der nächsten Stunde entspricht); Ein Fähigkeitswert von >30 % weist auf einen aussagekräftigen Prognosewert hin
Integration von Prognosen in den BESS-Versand
Ein BESS-Versandsystem mit modellprädiktiver Steuerung (MPC) nutzt eine fortlaufende 24- bis 48-Stunden-Sonnenprognose, um die Lade-/Entladeplanung zu optimieren:
- Erhalten Sie alle 6 Stunden eine aktualisierte NWP-basierte Sonnenvorhersage (oder alle 15 Minuten bei satellitengestützter Vorhersage).
- Führen Sie die Optimierung über den Prognosehorizont unter Berücksichtigung des BESS-Ladezustands, des TOU-Tarifplans, der Bedarfsprognose und der Solarprognose durch
- Führen Sie einen optimalen Zeitplan aus. Aktualisierung alle 15–30 Minuten, wenn die Prognosen aktualisiert werden
- Verfolgen Sie die tatsächliche und prognostizierte Erstellung; Geben Sie Istwerte in das ML-Modell ein, um eine fortlaufende Bias-Korrektur zu ermöglichen
Die iSolarCloud-Plattform von Sungrow integriert Leistungsprognosen mit BESS EMS und ermöglicht es BESS-Betreibern, prognosegesteuerte Dispatcher ohne Systeme von Drittanbietern zu implementieren. Für Projekte, die an Großhandelsmärkten teilnehmen, stellt ein zertifizierter Prognosedienstleister (z. B. Solargis Energy, Solcast, DNV GL Energy Transition) bankfähige Prognosen für Marktausschreibungen bereit.