Kurzfristige probabilistische Zeitreihenprognose des Energieverbrauchs von Gebäuden

Abstract

Die Bedeutung probabilistischer elektrischer Lastvorhersagen nimmt durch die zunehmende Elektrifizierung, insbesondere im Wohngebäudebereich, stetig zu. Mittels probabilistischer Vorhersagen kann auf Grundlage von risikobasierten Entscheidungen die Betriebsplanung flexibler Anlagen optimiert werden, was zu einer Reduktion der Energiekosten und CO2-Emissionen fuhren kann. In dieser Arbeit wird die Anwendung von ARIMA-GARCH-Modellen als bedingte Mittelwert- und Varianzmodelle zur Erstellung kurzfristiger probabilistischer Prognoseintervalle fur den elektrischen Lastverlauf des nächsten Tages untersucht. Der Prognosehorizont umfasst dabei 96, was einer zeitlichen Auflösung von 15 Minuten entspricht. Zudem wird eine naive Prognosemethode sowie die Quantilsregression als Benchmark fur die erstellten ARIMA-GARCH Modelle herangezogen. Die drei Modelle werden im Rahmen einer Case-Study auf ein Jahr an Haushaltslast-Daten angewandt und mittels einer proper Scoring-Rule, dem Winklerscore, verglichen. Auch wenn ARIMA-GARCH Modelle fur die Vorhersage typischer Tagesverläufe und Volatilitäten genutzt werden können, so übertreffen diese Modelle noch nicht die Ergebnisse der Benchmark-Methoden und lassen weiteren Raum fur Optimierung.