Ein gutes Modell, das auf schwachen Annahmen basiert, liefert schwache Prognosen. Aus diesem Grund kombiniert „Power Price Projections“ die Marktkompetenz von Enerdata, konservative Nachfrageszenarien, umfangreiche Energiedatenbanken und ein hochmodernes Strommarktmodell, das auf dem Open-Source-Framework PyPSA basiert. Der Dienst liefert zuverlässige Langzeitprognosen für die Day-Ahead-Großhandelsstrompreise und bietet Investoren, Entwicklern und Akteuren des Energiemarktes glaubwürdige Einblicke für die langfristige Planung und Investitionsentscheidungen.
für die europäischen Energiemärkte
Nachfrageprognosen
Jahresprognosen
solar und wind
Agenda für die Länderanalyse
Stündlicher Preis für den nächsten Tag - EnerBase-Szenario - Spanien
Beispiel eines stündlichen Preises für den nächsten Tag - EnerBase-Szenario
- Durch die Kombination hochwertiger Nachfrageprognosen, solider Marktannahmen und bewährter Optimierungsmodelle liefern wir zuverlässige Prognosen
- Unsere Szenarien verfolgen einen konservativen Ansatz hinsichtlich des Nachfragewachstums und stützen sich auf die Auswirkungen von Energieeffizienz und Verhaltensänderungen, um robuste und realistische Entwicklungspfade zu liefern.
- Im Gegensatz zu traditionellen Optimierungsmodellen profitieren Sie dank der endogenen Modellierung der Stromnachfrage sowie der Entwicklungen in der Stromerzeugung und -kapazitäten von einem holistischen Überblick.
- Ein intern entwickeltes, weltweit anerkanntes Modell, das alle Technologien, einschließlich erneuerbarer Energien, und das gesamte Energiesystem abdeckt.
- Weltweit anerkannte Energiekompetenz
- Drei kontrastierende langfristige Kapazitätsszenarien mit verschiedenen Klima- und Preismöglichkeiten, um realistische und wahrscheinliche Zukunftspfade für jedes Land zu untersuchen. Benutzerdefinierte Szenarien können bei Bedarf verwendet werden.
Datensatz im Excel-Format:
- Die neuesten Daten zur Nachfrage und Stromerzeugung
- Großhandelspreise vom Vortag
- Durchschnittliche Stundenpreise bis 2050 im 1-Jahr-Intervall, vierteljährlich aktualisiert
- Mittelfristige Jahrespreise bis 2030 im 1-Jahres-Intervall, vierteljährlich aktualisiert
- Preise für erneuerbare Energien
- Min. und max. monatliche Durchschnittspreise – abhängig von Klimaszenarien
- Jährliche Rohstoffpreise
Exklusive Datenreihen:
- Strombedarf nach Sektoren
- Auf Ebene der Kraftwerke
- CO₂-Preise
PDF-Bericht:
- Dokumentation der Methodik, Hypothesen, Projekte, regulatorischen Kontexte und Szenarien.
Geographische Abdeckung
- Europäische Strommärkte:
- Betroffene Länder: Vereinigtes Königreich, Irland, Frankreich, Spanien, Portugal, Deutschland, Österreich, Schweiz, Belgien, Niederlande, Dänemark, Norwegen, Schweden, Finnland, Litauen, Lettland, Griechenland, Albanien, Bosnien und Herzegowina, Bulgarien, Kroatien, Tschechien, Slowenien, Slowakei, Ungarn, Rumänien.
- Auf Abfrage: jedes andere Land mit einem zonalen Markt (d. h. mit einem offenen Strommarkt, in dem der Spotpreis für Strom innerhalb einer bestimmten Zone einheitlich ist, wie beispielsweise in Japan und Korea.)
Unsere Strompreisprognosen basieren auf zwei proprietären Modellen:
- Unser POLES-Modell: Ein robustes, länderübergreifendes Stromprognosemodell, das von zahlreichen Energieunternehmen, Versorgungsunternehmen, Investoren und Entwicklern weltweit genutzt wird. Es modelliert auf Länderebene (neben anderen Indikatoren) die jährlich installierten Kapazitäten und den Strombedarf nach Sektoren.
- Unser PyPSA-Enerdata-Modell: entwickelt auf Basis der Open-Source-Bibliothek PyPSA unter Verwendung von Enerdatas eigenen Daten und Nachbehandlungen. Dieses Modell verwendet die Ergebnisse von POLES, um eine stündliche Verteilung der Strompreise auf Gebotszonen- und Kraftwerksebene zu modellieren.
Hauptunterschiede zwischen unserem Ansatz und den Power-Modellen der reinen Optimierung:
- Der Einsatz des POLES-Modellansatzes für Kapazität und Nachfrage vermeidet den oft in reinen Optimierungsmodellen beobachteten „Winner-takes-all“-Effekt. Durch die Berücksichtigung historischer Kapazitäts- und Produktionsmixe sowie die Einführung nicht-ökonomischer Wettbewerbsparameter weist POLES Stromerzeugungstechnologien auf der Basis von LCOEs und variablen Kosten zu, berücksichtigt jedoch auch nicht-ökonomische Parameter (wie politische Vorgaben, Mix-Diversifizierung und mehr).
- Das POLES-Modell berücksichtigt Technologieklassen mit ihren technischen, wirtschaftlichen und ökologischen Parametern, wobei ein rekursiver Ansatz auf Jahresbasis besser geeignet ist, reale Energiesysteme mit ihren Unzulänglichkeiten und Barrieren abzubilden: Während Optimierungsmodelle häufig einen perfekten Vorausschätzungsansatz verwenden – der es den wirtschaftlichen Akteuren ermöglicht, über den gesamten Zeitraum hinweg alle Informationen zu nutzen – implementiert POLES einen iterativen Prozess, der die langfristigen Kapazitätsbedarfe berücksichtigt und sicherstellt, dass eine benutzerdefinierte Reserve-Sicherheit zusätzlich zur Spitzenlast erreicht wird.
- Ein wesentliches Merkmal unseres fundamentalbasierten Ansatzes ist, dass der sektorale Energiebedarf endogen ist und vom Nutzer modelliert und verfeinert werden kann, wodurch realistische Rückkopplungsschleifen zwischen Stromangebot und -nachfrage entstehen. Modelle zur Energiesystemoptimierung hingegen verwenden im Allgemeinen den Energiebedarf als exogenen Eingangsparameter – was wiederum entweder eine feste langfristige Annahme oder eine perfekte langfristige Vorausschau für die Akteure des Energiesystems widerspiegelt.
Das PyPSA-ENERDATA-Modell hat im Vergleich zu bestehenden Power-Modellen zwei klare zusätzliche Vorteile:
- Der Stromversand wird auf Kraftwerkebene auf Grundlage der in unserem Kraftwerk-Tracker erfassten Daten verfeinert.
- Das Verhalten der Wirtschaftsakteure wird modelliert, um nicht-rationale Gebotsstrategien widerzuspiegeln und nicht-lineare Beschränkungen zu berücksichtigen (z. B. Anlaufzeit, Mindestlasten, jährliche Emissionsanforderungen usw.).
EnerFuture-Szenarien
EnerBase
EnerBase beschreibt eine Fortsetzung bestehender Politiken und Trends. Dieses Szenario führt zu einem Temperaturanstieg von etwa 3°C.
Zentrales Szenario
Das zentrale Szenario von Enerdata konzentriert sich auf kurzfristige Trends, indem es die Erfolgswahrscheinlichkeit angekündigter kurzfristiger Stromerzeugungsprojekte bewertet und Trends bei der Elektrifizierung der Nachfrage untersucht. Für die mittel- bis langfristige Perspektive berücksichtigt das Szenario die geschätzte Wahrscheinlichkeit, mit der jedes Land seine NDCs erreichen wird.
EnerBlue
EnerBlue basiert auf der Erreichung der neuen NDCs (national festgelegten Beiträge), die bis Ende 2025 eingereicht wurden. Dieses Szenario führt zu einem globalen Temperaturanstieg zwischen 2°C und 2,5°C.