Modellierung von Investitionsentscheidungen und Kraftwerkseinsatzplanung unter Unsicherheit mittels Stochastischer Optimierung und Multi-Agenten-Ansatz am Beispiel des deutschen Strommarktes

Der Strommarkt befindet sich im Wandel, dies erfordert eine Umstrukturierung des heutigen Energiemixes. Die künftige Stromerzeugung muss v.a. die Versorgungssicherheit garantieren, wirtschaftlich und umweltfreundlich sein. Die Entscheidungen der energiewirtschaftlichen Unternehmen müssen aber auch von energiepolitischer Seite ermöglicht werden. Die Investitionsentscheidungen der Energieversorgungsunternehmen unterliegen den Risiken des Marktes, welche wiederum durch politische Eingriffe überlagert sind, wodurch Investitionsentscheidungen zusätzlich beeinflusst und gelenkt werden. Bei der Wahl des zukünftigen Erzeugungs- und Kraftwerksmix haben die Entscheidungsträger mit Unsicherheiten zu kämpfen, die auf unterschiedlichen Ebenen angesiedelt sind. In der vorliegenden Arbeit wurden Methoden und Ansätze entwickelt und untersucht, mit denen Unsicherheiten im Bereich der Energiewirtschaft abgebildet und angemessen behandelt werden können. Insbesondere stellen die Modelle ein Werkzeug für die Bewertung von Investitionen in Kraftwerksbauten dar, um die Entwicklung des zukünftigen Kraftwerkspark unter verschiedenen Aspekten beurteilen und analysieren zu können. Hierzu wurden die Methoden der stochastisch linearen Programmierung und des Multi-Agenten-Ansatzes verwendet. Das deutsche Stromerzeugungs- und Übertragungssystem wurde mit einem zweistufig stochastisch linearen Modell beschrieben. Mit dem Ziel der Minimierung der Gesamtkosten werden unter Berücksichtigung der fluktuierenden Eigenschaft erneuerbarer Energien, der variierenden Brennstoffkosten, des Übertragungsnetzes und der Kraftwerksalternativen durch das Modell u.a. die nötigen Kapazitäten für die Erzeugung, Speicherung und den Transport und die daraus resultierenden Stromflüsse zur stündlichen Lastdeckung bestimmt. Als Speicher wurden Pumpspeicherkraftwerke modelliert. Die dabei anfallenden Strompreise des Energiemarktes werden aus den Grenzkosten der Erzeugung abgeleitet. Die Brennstoffkosten und CO2-Zertifikatspreise fließen als stochastische Größen in das Modell mit ein. Mit diesem Modell wurde der deutsche Strommarkt in sehr hoher räumlicher Auflösung abgebildet. Es wurden Szenarien berechnet, die u.a. den Ausstieg aus der Kernenergie, die Integration von Windenergie in das bestehende System als auch den Ausbau der Photovoltaik untersuchen. Auf Grund der Annahme perfekter Voraussicht kann es bei der Optimierung von Entscheidungen, deren Auswirkungen in die Zukunft reichen, zu falschen Handlungsempfehlungen kommen, wenn die Erwartungen nicht eintreffen. Es wurde gezeigt, dass durch den Ansatz stochastischer Optimierung Fehlentscheidungen durch falsche Annahmen stark reduziert werden und damit besser geeignet ist als rein deterministische Ansätze. Der zweite Modellansatz basiert auf einer Multi-Agenten-Simulation. Mit diesem Ansatz wird der Strommarkt nicht mehr volkswirtschaftlich optimiert, sondern aus einem betriebswirtschaftlichen Blickwinkel betrachtet, dadurch können unterschiedlichste Unternehmertypen abgebildet und deren Zusammenspiel untersucht werden. Das gemeinsame Agieren auf dem Strommarkt führt zu einer Rückkopplung der einzelnen Investitionsentscheidungen, wodurch die Unternehmen ihre Strategien überdenken und an die veränderten Geschehnisse anpassen können. Die Agenten des Modells sind auf der einen Seite die Energieversorgungsunternehmen und auf der anderen Seite die Stromkunden durch deren Interaktion ein Stromhandel in Gang gesetzt wird. Durch die Einbettung strategischer Unternehmensplanung in eine Strommarktsimulation wird die Stromversorgung ganzheitlich modelliert. Die angestrebte langfristige Planung führt dazu, dass die Agenten Annahmen über zukünftige Entwicklungen treffen und Daten schätzen müssen, die sich im Planungshorizont wieder verändern können. Dieses Problem des mangelnden Wissens über zukünftige Ereignisse wird in dem entwickelten Multi-Agenten-Modell dadurch gelöst, dass die Investitionsplanung eines Agenten in eine Simulation der Realität eingebettet wird und die Agenten so eine rollierende Investitionsplanung durchführen. Die Modellierung beinhaltet also zwei Zeitebenen. In der Simulation wird der stündliche Handel von Strom an einer Strombörse nachgebildet. Kraftwerkseinsatz und Strompreisbildung stehen dabei in direktem Zusammenhang. Die zweite Zeitebene deckt die langfristigen Entscheidungen der Investitionsplanung ab. Hierbei handelt es sich um ein mathematisches Modell, mit dessen Hilfe die Agenten Zahlungsströme wirtschaftlich beurteilen und damit eine rationale quantitative Vorteilhaftigkeitsentscheidung treffen können. Die Investitionsplanung wird von den Agenten am Anfang eines jeden Jahres durchgeführt, wobei insbesondere auch die Finanzierungsmöglichkeiten mitberücksichtigt werden. Die Ergebnisse bestimmen die Investitionen für die folgenden Jahre. Der Schwerpunkt der Betrachtungen liegt auf der Entwicklung der zukünftigen Kraftwerksstruktur. Durch die Abbildung der Energieversorgungsunternehmen als Agenten, besteht die Möglichkeit deren jeweilige Entscheidungen und Handlungsalternativen, die durch das Auftreten unterschiedlicher unsicherer Größen beeinflusst werden, in dem Modell zu beschreiben. Jedes Unternehmen findet unter den jeweils gemachten Annahmen für sich die optimale Lösung bezüglich des Kraftwerksbaus in der Zukunft und entwickelt demnach eine gewisse Strategie, die es zu verfolgen versucht. Die Kopplung der beiden Zeitebenen führt zu einer Konfrontation der Strategien der einzelnen Agenten, es findet ein Abgleich von Plan- und Ist-Zustand statt, der die Agenten eventuell dazu zwingt ihre Strategien zu überarbeiten. Im Laufe der Simulation kristallisiert sich so ein Kraftwerkspark heraus.The German electricity system is expected to undergo major transitions in the future. This requires a reorganization of the existing energy mix. The future power system has to be economical and ecologically friendly and has to guarantee the security of energy supplies. Methods and models were developed to model and analyze uncertainties in the energy industry. Particularly these models are a tool for investment planning of power plants to analyze and assess the development of the future generation system under different scenarios. Stochastic linear programming techniques and a multi-agent approach were used. The first model is a two-stage stochastic linear program of the German electricity system which is able to describe the system in arbitrary spatial and temporal resolution. Due to the high temporal resolution the model is particularly suitable to analyze the influence of uncertain and fluctuating parameters like the wind supply to the existing electricity system. Germany is represented by 29 nodes within Germany and 13 nodes of neighboring countries. Major transmission lines between these nodes are modeled in a stylized manner. The model calculates the optimal capacities as well as the energy flow in consideration of the energy demand. The stochastic parameters are the fuel costs and prices for CO2. It is also attempted to handle the supply of wind energy in a stochastic way. Different scenarios were calculated to examine the impact of phasing out nuclear energy and increasing the provision of renewables energies to the market. Because of the assumption of perfect foresight it is possible that the optimization of future decisions can result in wrong policy rules. The approach of stochastic programming minimizes this error. The second approach is based on a multi-agent simulation. In comparison to the first model the generation market is viewed from a business economical point of view. Therefore different types of business companies can be modeled. The agents of the model are the utilities providing the electricity as well as the demand side of the electricity market. The interaction of power producer and power consumer leads directly to the power commitment which influences the development of the electricity price. This power trading, the simulation of the electricity market is the first time level of the model. The second time level is a strategic investment decision of each utility. The investment decision for new power plants is done with a simultaneous investment, finance and production program by each utility at the beginning of each year. The result of this integrated optimization tool is an investment and finance plan for the following years. The decisions for the first year are then realized in the market simulation which leads to a confrontation of the various strategies. In the following year the utilities gain experience which contributes to the next decision making. The focus of this second approach lies in analyzing the development of future power system