In der minimalen Ausprägung bringt das Modul LoadManager | Prognose einfache Basismodelle mit, wie beispielsweise Vortag kopieren, Vorwochentag kopieren oder Mittelwertprognose. Zu allen Modellen, die den Tagtyp also den Tag in der Woche berücksichtigen, ist es möglich, Kalender zu definieren, die entweder offizieller Natur sein oder selbst konfiguriert werden können. Die separat zubuchbaren komplexeren Modelle umfassen einerseits statistische Modelle, die auf Regressionsverfahren beruhen oder es werden neuronale Netze, also künstliche Intelligenz (KI) eingesetzt. Die von uns verwendete KI sind eigene Netze, die wir bereits seit über 20 Jahren verwenden und die kontinuierlich weiterentwickelt worden sind. Sie werden durch die Anwender trainiert mit Parametersätzen, die ebenfalls durch die Anwender vorgegeben werden. Alternativ sind feste Parametersätze in den Modellen hinterlegt, die von uns in den Beschreibungen (Handbuch) klar und transparent genannt werden.

Im LoadManager lassen sich alle für die Energiewirtschaft relevanten Prognosehorizonte abbilden. Der Standard für Bilanzkreis- oder Bilanzgruppenverantwortliche sind Day-Ahead-Prognosen. Für die Vertriebssicht und Mittel- und Langfristplanung sind eher Monats- oder Jahresprognosen relevant. Für den kurzfristigen Ausgleich bei Prognoseabweichungen werden als Basis für den Intradayhandel letztlich die Rest-of-the-Day-Prognosen benutzt. Alle Prognosehorizonte lassen sich im LoadManager manuell auslösen oder per Dienst bzw. Job ausführen.

Unsere Philosophie ist es, eine möglichst vielseitige Plattform bereitzustellen. Daher können mit dem Prognosemodul des LoadManager Prognosen aus den unterschiedlichsten Sichten und aufgrund unterschiedlichster Anforderungsfälle erstellt werden. Ob in der Rolle Netzbetreiber die Netzlast, Restlast, DBA-Zeitreihe oder andere Zeitreihen vorhergesagt werden sollen oder in der Rolle des Bilanzkreis- oder gruppenverantwortlichen die Bilanzkreisprognosen FCCONS und FCPROD im Strom (entry und exit als Transportkunde im Gas) erstellt werden sollen, spielt im Prognosemodul keine Rolle. Die folgenden Anwendungsfälle zählen zu den typischen, die mit dem Modul LoadManager | Prognose bearbeitet werden:

• Prognosen für verschiedene Commodities (Strom, Gas, Wärme, Wasser, …) aus Sicht des Lieferanten oder Transportkunden
• Netzprognosen für unterschiedliche Commodities aus Sicht des Netzbetreibers
• Einspeiseprognosen aus Sicht eines Kraftwerksbetreibers
• Lastprognosen für den eigenen Bedarf aus Sicht eines Großabnehmers (hochenergetische Industrie) für die Beschaffung
• Lastprognosen für verschiedene Commodities aus Sicht eines Lieferanten für den Handel und die Beschaffung
• Einspeiseprognosen erneuerbarer Energien aus Sicht des Lieferanten oder als Basis für Redispatch
• Prognosen von Durchflüssen (Wasser) für den Kraftwerksbetrieb oder andere Anwendungsfälle
• Prognosen von CO2-Zertifikatsbedarfen für den CO2-Ausgleich
• Prognosen von beliebigen Zeitreihen mit frei einstellbaren Einheiten und Einflussfaktoren

Für die Prognose von vielen Energiezeitreihen gibt es eine klare Abhängigkeit zwischen einer bestimmten Einflussgröße und dem Verlauf der Zeitreihe. Für Lastgänge beispielsweise sind die wohl am häufigsten verwendeten Einflussgrößen Wetterdaten (bspw. Temperatur) und kalendarische Daten. Für Einspeiseprognosen aus erneuerbaren Energien hingegen besteht kein kalendarischer Einfluss, jedoch eine starke Abhängigkeit von dem „Brennstoff“ also Wind oder Solarstrahlung bspw.

Im LoadManager lassen sich diese Einflussgrößen sehr flexibel zuführen oder abschalten. Zeitreihen können genauso als Einflussgrößen definiert werden wie einzelne Parameter wie bspw. der Tag im Jahr oder der Vortag. Auch Trägheiten oder Kombinationen von verschiedenen Einflüssen lassen sich so individuell berüksichtigen.

Selbstverständlich bringt der LoadManager auch Möglichkeiten mit, Abhängigkeiten zunächst zu analysieren. Zudem ist es möglich nach erstellter Prognose die Prognosequalität per Knopfdruck oder auch regelmäßig per Dienst auszugeben. Auch automatisierte Best-fit oder Best-of Verfahren bringt das Prognosemodul in einem hohen Automatisierungsgrad mit.