Residuallast-Frühwarnung

So entsteht die Prognose

Woher die Idee kommt. Den Anstoß gab Darius75 im Akkudoktor-Forum: „Residuallast-Frühwarnung: 5 Tage Vorlauf vor teuren Tagen“ (16.08.2026). Er hat eine Vorwarnung vor teuren Strom-Tagen gebaut, die aus Wetterprognosen die deutsche Residuallast schätzt und eine Ebene über der Tagesplanung von EOS sitzt. Von ihm stammen die Grundidee, die Residuallast als zentrale Kenngröße, der Vorlauf von fünf Tagen und der Weg über Sonneneinstrahlung, Wind in 100 m Höhe und die Daten von Energy-Charts. Seine offenen Fragen im Thread (Verbrauch mit Temperatur und Feiertagen, Tagesmittel statt Tagesspitze, Prüfung über einen ganzen Winter) haben die Umsetzung geprägt. Umgesetzt haben wir es eigenständig und mit eigenem Code: gelernte statt fest gerechneter Umrechnungen, 42 statt 6 Wetterpunkte, ein gelerntes Verbrauchsmodell statt eines 30-Tage-Profils, Gas- und CO₂-Preis als Preisniveau, eine Preisprognose mit Bandbreite statt fester GW-Schwellen und ein Rückblick über zwei Jahre. Danke, Darius!

1. Wetter → Strom aus Wind und Sonne, Verbrauch. Zweimal täglich holen wir die neueste Prognose des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF, frei verfügbare „Open Data“) für 42 Punkte über Deutschland, Nord- und Ostsee. Daraus schätzt ein Modell, das auf den damaligen Wetterprognosen der letzten zweieinhalb Jahre gelernt hat, Wind- und Solarstrom und den Verbrauch. Daraus ergibt sich die Residuallast.

2. Residuallast → Preis. Wie teuer eine hohe Residuallast wird, hängt vom Gas- und CO₂-Preis ab: Gaskraftwerke setzen dann den Preis. Das Modell rechnet darum im Verhältnis zu den Grenzkosten eines Gaskraftwerks. So bleibt es stabil, auch wenn sich der Gaspreis verdoppelt.

3. Im Rückblick geprüft. Über 24 Monate (Nov. 2024 – Nov. 2026) nachgespielt, nur mit Daten, die zum jeweiligen Zeitpunkt schon veröffentlicht waren (siehe „So haben wir getestet“), lag die stündliche Abweichung im zweiten Jahr so:

Mittlerer Fehler in ct/kWh je Stunde, Nov. 2025 – Nov. 2026 (Durchschnittspreis 11,6 ct/kWh), alle Verfahren auf denselben Stunden. ¹ Die Variante, die hier live läuft. ² Die Variante, die eine vorher festgelegte Regel allein mit dem ersten Jahr gewählt hätte — die ehrlichere Zahl, weil die live laufende Variante mit Blick auf beide Jahre entstanden ist. ³ Holt-Winters-Fortschreibung der Börsenpreise (DVhub: 28 Tage; EOS: 35 Tage, wie EOS fehlende Preise selbst ergänzt). Teure Tage erkannte diese Prognose bei 2–5 Tagen Vorlauf in 55–68 % der Fälle, die Regel-Variante in 51 %, die Fortschreibungen in 33–44 %. Mit absichtlich verschlechterten Daten (Gegenprobe) ändern sich die Fehler um höchstens etwa 0,1 ct/kWh.

Grenzen: Kraftwerksausfälle, Leitungsengpässe und das Wetter in den Nachbarländern kennt das Modell nur grob. Ab Tag 4 wird die Wetterprognose selbst unsicher, darum werden die Bänder breiter. Die Werte sind eine statistische Einschätzung für ganz Deutschland, keine Anlagen- oder Anlageberatung.

So haben wir getestet

Nachgespielt wie damals. Für jeden Tag von November 2024 bis November 2026 haben wir die Prognose so gerechnet, als wäre es 11 Uhr an diesem Tag: mit den Wetterprognosen, die ECMWF damals tatsächlich herausgegeben hatte (keine nachträglich „gewussten“ Werte), und nur mit Messwerten, Preisen und Brennstoffpreisen, die zu dieser Uhrzeit schon veröffentlicht waren — im Zweifel mit größerem Verzug. Die Modelle wurden dabei immer nur mit der Vergangenheit trainiert (jeden Monat bzw. jede Woche neu).

Erst wählen, dann prüfen. Welche Modellvariante und welche Bandbreiten-Methode zählen, entscheidet eine vorher aufgeschriebene Regel allein mit dem ersten Jahr. Gemessen wird im zweiten Jahr. Weil wir das zweite Jahr vorher schon einmal angesehen hatten, gilt der Rückblick trotzdem nur als Erkundung, nicht als Beweis.

Gegenprobe. Messwerte werden nachträglich korrigiert, und die alten Fassungen sind nicht mehr zu bekommen. Darum haben wir alles absichtlich verschlechtert: Messwerte einen Tag älter, installierte Leistung zwei Monate alt und ohne Nachmeldungen, Brennstoffpreise älter, dazu die gemessenen Korrekturen als Störung. Die Fehler ändern sich dadurch um höchstens etwa 0,1 ct/kWh, der Abstand zu den Fortschreibungen bleibt.

Der eigentliche Test läuft jetzt. Das Modell ist eingefroren (Stand rl-1.2.0 ab 14.11.2026). Es ist unser neuester Stand: Variante und Bandbreite hat eine vorab festgelegte Regel aus allen 24 Monaten gewählt; der Ölpreis fällt dabei weg. Alle Modelle wurden mit den Daten bis 13.11. neu trainiert. Die Vorgänger rl-1.1.0/1.1.1 liefen am 12. und 13.11. und werden getrennt berichtet. Zusätzlich messen wir live mit: die freie KI-Prognose EpexPredictor und den Nachbau von Darius’ Modell (siehe oben), beide nur zum Vergleich. Wir verändern es nicht mehr; jede veröffentlichte Prognose wird mit den echten Börsenpreisen bewertet, gegen die EOS-eigene und DVhubs Fortschreibung. Was wir prüfen, welche Statistik zählt und wann ausgewertet wird (zuerst am 18. August 2027), steht vorab in einem Prüfprotokoll, das wir am 12.11.2026 festgelegt und vor dem Start von rl-1.2.0 per Nachtrag ergänzt haben (Prüfsumme SHA-256 6e40775f6b415fc4…, mit OpenTimestamps extern beglaubigt, damit es sich nachträglich nicht unbemerkt ändern lässt). Bis dahin sind alle Live-Zahlen ein Zwischenstand, kein Ergebnis.