Massgeschneiderte Handelsstrategien, steigende Erträge

Axpo hat eine Applikation entwickelt, die basierend auf Machine Learning den Händlern eine Handelsempfehlung liefert, die risikooptimiert ist und auf neuesten Prognosen basiert. Axpo vermarktet dadurch die erwartete Produktion aus den Windturbinen mit geringeren Abweichungen zur tatsächlichen Produktionsmenge. Das Ergebnis sind insgesamt höhere Erträge.

Die Möglichkeiten von «Advanced Analytics» nehmen auch im Energiehandel eine immer bedeutendere Rolle ein. Deshalb hat Axpo ein sogenanntes Big Data Projekt lanciert, um das Potential dieser Entwicklung aktiv zu nutzen. Allein in Spanien vermarktet Axpo aktuell ein Windkraftportfolio von 3250 MW. Um den möglichst gewinnbringenden Verkauf am Markt zu unterstützen, werden Modelle auf Basis von «Machine Learning» genutzt. 

Viele Faktoren, wenig Planungssicherheit

Ein Windpark produziert unterschiedlich viel Strom. Das hängt vom Wetter, dem Zustand der Anlage, dem Standort und weiteren Kriterien ab. Der Händler muss also Annahmen zur möglichen Produktionsmenge treffen und platziert die Produktionsprognose einen Tag im Voraus an der Börse, am Day Ahead-Markt. Gleichzeitig meldet er die erwartete Produktionsmenge dem jeweiligen Netzbetreiber. Produziert der Windpark in der Realität mehr oder weniger Strom als prognostiziert, resultieren für Axpo Strafzahlungen in Form von Ausgleichsenergiekosten. Deshalb ist es für Axpo von grossem Interesse, diese Prognosefehler zu reduzieren und daraus entstehende Kosten zu vermeiden. Dies geschieht primär durch Handelsaktivitäten im sogenannten Intraday-Markt, an welchem bis kurz vor Lieferung Produktionsveränderungen bewirtschaftet werden können. 

Axpo entwickelt eigene Applikation 

Deswegen wurde im Rahmen eines Big Data Projekts eine Applikation entwickelt, die einerseits genauere Windenergieprognosen berechnet und andererseits die Handelsstrategie optimiert. Das Projekt wird von Gaudenz Koeppel, Head Models & Optimization Trading & Sales geleitet. Der eigens entwickelte Algorithmus berechnet stündlich, unter Verwendung neuester Wetter- und Marktdaten, die Prognosen neu, bereitet alle erhältlichen Informationen auf und unterstützt so die Händler bei ihren Entscheidungen. Weil die Applikation maschinelles Lernen nutzt und sich jede Nacht automatisch neu trainiert, können Handelsempfehlungen erstellt werden, die sich kontinuierlich entwickeln und sukzessive den Marktverhältnissen anpassen.

Die Applikation ist seit April 2019 bei Axpo Iberia im Einsatz. Die Ergebnisse sind vielversprechend, so dass das Modell bereits für Italien und die skandinavischen Länder adaptiert wurde und dort im Testbetrieb läuft. Hierfür wird eine cloudbasierte Plattform verwendet, welche unter anderem die länderübergreifende Zusammenarbeit unterstützt. 

Advanced Analytics strategisch verankern

Die professionelle Verarbeitung von Informationen ist eine Schlüsselkomponente von erfolgreichem Energiehandel. Mit den Entwicklungen im Bereich Advanced Analytics – die Vorhersage zukünftiger Ereignisse und Verhaltensweisen unter Verwendung von Machine Learning – ergeben sich neue Möglichkeiten, deren Bedeutung für das Handelsgeschäft bei Axpo bereits evaluiert wurden. Da Vorteile und erste Resultate überzeugen, wurde zwischenzeitlich eine Analytics Strategie verabschiedet, welche die koordinierte Integration von Advanced Analytics im Handel zum Ziel hat. Die Umsetzung dieser Strategie ist bereits im Gange. Zudem ist das Projekt Bestandteil des Digitalisierungsportfolios der Axpo Gruppe, damit die anderen Geschäftsbereiche von den gewonnenen Erkenntnissen profitieren können.
 

Drei Fragen an Gaudenz Koeppel, Head Models & Optimization, Geschäftsbereich Trading & Sales, verantwortlich für das Big Data Projekt

1. Inwiefern unterscheidet sich die Anwendung von Advanced Analytics gegenüber den heutigen Aktivitäten?
Zu einem grossen Teil ist Advanced Analytics die konsequente Weiterentwicklung bestehender Ansätze. Ein wesentlicher Unterschied besteht aber darin, dass der Aufbau von Modellen auf Basis von Machine Learning sehr zeit- und ressourcenintensiv ist, der effektive Betrieb aber nur wenige Stunden pro Woche in Anspruch nimmt. Mit dem Big Data Projekt stellen wir dem Business Ressourcen, Best-Practice und Knowhow zur Verfügung, damit diese neuen Methoden effizient und skalierbar entwickelt werden können. Das heisst, wir wollen die Anstrengungen bündeln und dann wiederum der ganzen Firma verfügbar machen. 

2. Was macht unser Modell aus?
Das Modell ist so programmiert, dass wir es für alle Länder, in welchen wir Windparks bewirtschaften, konfigurieren können. Wir haben somit firmenweit quasi das gleiche Modell, das aber für die jeweils lokalen Marktregeln konfiguriert ist. Wenn wir Verbesserungen vornehmen, kommen diese umgehend allen betroffenen Ländern zu Gute. 

3. Braucht es die Händler in Zukunft noch, wenn ein Modell die besten Empfehlungen berechnet?
Ja, unbedingt. Wir brauchen immer Personen, die den Markt verstehen und in der Lage sind, geeignete Modellanforderungen zu definieren. Machine Learning basiert u.a. auf der Erkennung von Mustern. Im Energiehandel ist die Menge verfügbarer Daten – und somit belastbarer Muster – deutlich geringer als z.B. bei einem selbstfahrenden Auto, das pro Sekunde mehrere Bilder verarbeiten muss. Zudem verändert sich der Markt durch menschliche Handlungen kontinuierlich. Deshalb muss das Modell in regelmässigen Abständen durch den Händler auf Veränderungen im Markt kalibriert werden. Die Interaktion des Händlers mit dem Modell wird also zunehmen. Weil hiermit neue Anforderungen auftreten, erarbeiten wir momentan gezielte Trainings, damit unsere Kolleginnen und Kollegen die Modelle im Tagesbetrieb effizient und gewinnbringend nutzen können. Gleichzeitig erhoffen wir uns dadurch auch einen fruchtbaren Dialog zwischen Händlern und Data Scientists beim Ausarbeiten neuer Modelle.