Zusammenfassung
Die zunehmende Stromerzeugung aus erneuerbaren Energien ist ein zentraler Baustein für die erfolgreiche Gestaltung der Energiewende in Deutschland. Die Stromerzeugung aus erneuerbaren Energien unterliegt jedoch witterungsabhängigen Schwankungen und gefährdet somit die Stabilität des Stromnetzes. Ein vielversprechender Ansatz, um diese Herausforderung zu adressieren, ist die Anpassung des Stromverbrauchs an die aktuelle Stromerzeugung im Kontext von Demand Response. Insbesondere energieintensive industrielle Verbraucher können durch eine flexible Anpassung des Stromverbrauches an einen zeitvariablen Stromtarif im Erwartungswert Kosten einsparen. Die finanziellen Einsparungen unterliegen jedoch einem marktlichen Risiko aufgrund unsicherer und volatiler Strompreise. Flexibilitätsversicherungen bieten die Möglichkeit, das marktliche Risiko industrieller Verbraucher auf einen Versicherungsanbieter zu transferieren. Eine wichtige Voraussetzung für das Geschäftsmodell von Versicherungsanbietern ist die Diversifikation des transferierten Risikos. In dieser Arbeit wird auf der Basis von zwei beispielhaften Industrieprozessen simulativ untersucht, ob und in welchem Umfang eine Diversifikation marktlicher Risiken im Kontext von Demand Response erreicht werden kann. Die Ergebnisse der Arbeit sind einerseits relevant für die Bewertung und Entwicklung zukünftiger Geschäftsmodelle für das Angebot von Flexibilitätsversicherungen, andererseits sind diese übertragbar auf energieintensive Unternehmen mit unterschiedlich flexiblen Prozessen, die somit Risikodiversifikation erzielen können.
Abstract
Electricity generation from renewable energies is becoming increasingly important for an effective energy transition in Germany. However, renewable energy is subject to weather-dependent fluctuations, thus jeopardizing the stability of the power grid. Demand Response is one promising approach to address said challenge by means of aligning electricity consumption with current electricity generation. Especially for the energy-intensive industry, Demand Response allows to reduce electricity costs, e.g., by adjusting the load to a flexible electricity tariff. However, financial savings are subject to risk due to uncertain and volatile electricity prices. Flexibility insurances allow to transfer the financial risk associated with Demand Response to an insurance provider. An essential prerequisite for the business model of such insurance providers is to reduce the transferred risk through diversification. In this study, a simulation based on two exemplary industrial processes is used to investigate the extent of risk diversification that can be achieved. Results are particularly relevant for the evaluation and development of future business models for offering flexibility insurances. Results can as well be transferred to energy-intensive companies with different processes offering energy flexibility potentials, which may also benefit from risk diversification.
This is a preview of subscription content, log in via an institution to check access.
Notes
Das arithmetische Mittel kann in dieser Arbeit mit dem Erwartungswert einer Datenreihe gleichgesetzt werden.
Da in dieser Arbeit keine Verteilungsfunktion geschätzt, sondern eine Datenreihe bestehend aus 500 konkreten Ausprägungen betrachtet wird, entspricht der VaR für ein 𝑦 = 0,01 dem 6. kleinsten Wert dieser Datenreihe.
Für die Berechnung des Erwartungswerts, der Standardabweichung sowie des VaR0,01 siehe Abschn. 3.2.
Literatur
Albadi MH, El-Saadany EF (2008) A summary of demand response in electricity markets. Electr Power Syst Res 78:1989–1996. https://doi.org/10.1016/j.epsr.2008.04.002
Alcázar-Ortega M, Calpe C, Theisen T, Carbonell-Carretero JF (2015) Methodology for the identification, evaluation and prioritization of market handicaps which prevent the implementation of Demand Response: Application to European electricity markets. Energy Policy 86:529–543. https://doi.org/10.1016/j.enpol.2015.08.006
Bachmann A, Bank L, Bark C et al (2021) Energieflexibel in die Zukunft – Wie Fabriken zum Gelingen der Energiewende beitragen können. Fraunhofer-Gesellschaft,
Baltuttis D, Töppel J, Tränkler T, Wiethe C (2020) Managing the risks of energy efficiency insurances in a portfolio context: an actuarial diversification approach. Int Rev Financial Analysis 68:101313. https://doi.org/10.1016/j.irfa.2019.01.007
Carreiro AM, Jorge HM, Antunes CH (2017) Energy management systems aggregators: A literature survey. Renew Sustain Energy Rev 73:1160–1172. https://doi.org/10.1016/j.rser.2017.01.179
Dickson G (1995) Principles of risk management. Qual Health Care 4:75–79. https://doi.org/10.1136/qshc.4.2.75
Dufter C, Guminski A, Orthofer C, von Roon S, Gruber A (2017) Lastflexibilisierung in der Industrie – Metastudienanalyse zur Identifikation relevanter Aspekte bei der Potenzialermittlung. 10. Internationale Energiewirtschaftstagung (IEWT).
Feuerriegel S, Neumann D (2014) Measuring the financial impact of demand response for electricity retailers. Energy Policy 65:359–368. https://doi.org/10.1016/j.enpol.2013.10.012
Froot KA, Scharfstein DS, Stein JC (1994) A framework for risk management. J Appl Corp Finance 7:22–33. https://doi.org/10.1111/j.1745-6622.1994.tb00415.x
Garcia RC, Contreras J, van Akkeren M, Garcia JBC (2005) A GARCH forecasting model to predict day-ahead electricity prices. IEEE Trans Power Syst 20:867–874. https://doi.org/10.1109/TPWRS.2005.846044
Gasparrini A, Guo Y, Sera F et al (2017) Projections of temperature-related excess mortality under climate change scenarios. Lancet Planet Health 1:e360–e367. https://doi.org/10.1016/S2542-5196(17)30156-0
Gleißner W, Wolfrum M (2019) Risikoaggregation und Monte-Carlo-Simulation; Schlüsseltechnologie für Risikomanagement und Controlling. Springer, Wiesbaden
Graalmann M‑P, Lehrbass F (2018) Eignung von Varianz-Kovarianz-Ansätzen und Copula-Modellen zur Risikoaggregation in bankaufsichtlichen Risikotragfähigkeitskonzepten. MA Akademie Verlags- und Druck-Gesellschaft, Essen
Graßl M, Reinhart G (2014) Evaluating measures for adapting the energy demand of a production system to volatile energy prices. Procedia CIRP 15:129–134. https://doi.org/10.1016/j.procir.2014.06.081
Hansen K, Breyer C, Lund H (2019) Status and perspectives on 100 % renewable energy systems. Energy 175:471–480. https://doi.org/10.1016/j.energy.2019.03.092
Haupt L, Körner M‑F, Schöpf M, Schott P, Fridgen G (2020) Strukturierte Analyse von Nachfrageflexibilität im Stromsystem und Ableitung eines generischen Geschäftsmodells für (stromintensive) Unternehmen. Z Energiewirtsch 44:141–160. https://doi.org/10.1007/s12398-020-00279-5
Hendricks D (1996) Evaluation of value-at-risk models using historical data. Econ Policy Rev 2:39–70. https://doi.org/10.2139/ssrn.1028807
IPCC (2021) Climate change 2021: the physical science basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change.
Jäckle F, Schöpf M, Töppel J, Wagon F (2019) Risk mitigation capability of flexibility performance contracts for demand response in electricity systems. Proceedings of the 27th European Conference on Information Systems, Stockholm
Jordehi AR (2019) Optimisation of demand response in electric power systems, a review. Renew Sustain Energy Rev 103:308–319. https://doi.org/10.1016/j.rser.2018.12.054
Khorshidi HA, Gunawan I, Ibrahim MY (2015) On reliability evaluation of multistate weighted k -out-of- n system using present value. Eng Econ 60:22–39. https://doi.org/10.1080/0013791X.2014.934940
Kumar V, Singh N, Singh DK, Mohanty SR (2018) Short-term electricity price forecasting using hybrid SARIMA and GJR-GARCH model. In: Perez GM, Mishra KK, Tiwari S, Trivedi MC (Hrsg) Networking communication and data knowledge engineering. Springer, Singapore, S 299–310
Lampropoulos I, van den Broek M, van der Hoofd E, Hommes K, van Sark W (2018) A system perspective to the deployment of flexibility through aggregator companies in the Netherlands. Energy Policy 118:534–551. https://doi.org/10.1016/j.enpol.2018.03.073
Liu H, Shi J (2013) Applying ARMA-GARCH approaches to forecasting short-term electricity prices. Energy Econ 37:152–166. https://doi.org/10.1016/j.eneco.2013.02.006
Livingston EH (2004) The mean and standard deviation: what does it all mean? J Surg Res 119:117–123. https://doi.org/10.1016/j.jss.2004.02.008
Ludig S, Haller M, Schmid E, Bauer N (2011) Fluctuating renewables in a long-term climate change mitigation strategy. Energy 36:6674–6685. https://doi.org/10.1016/j.energy.2011.08.021
Markowitz H (1952) Portfolio selection. J Finance 7:77–91. https://doi.org/10.1111/j.1540-6261.1952.tb01525.x
McCauley D, Heffron R (2018) Just transition: Integrating climate, energy and environmental justice. Energy Policy 119:1–7. https://doi.org/10.1016/j.enpol.2018.04.014
Mills E, Kromer S, Weiss G, Mathew PA (2006) From volatility to value: analysing and managing financial and performance risk in energy savings projects. Energy Policy 34:188–199. https://doi.org/10.1016/j.enpol.2004.08.042
Mosquera-López S, Nursimulu A (2019) Drivers of electricity price dynamics: comparative analysis of spot and futures markets. Energy Policy 126:76–87. https://doi.org/10.1016/j.enpol.2018.11.020
Palensky P, Dietrich D (2011) Demand side management: demand response, intelligent energy systems, and smart loads. IEEE Trans Ind Inform 7:381–388. https://doi.org/10.1109/TII.2011.2158841
Paquin J‑P, Tessier D, Gauthier C (2015) The effectiveness of portfolio risk diversification: an additive approach by project replication. Proj Manag J 46:94–110. https://doi.org/10.1002/pmj.21526
Pecl GT, Araújo MB, Bell JD et al (2017) Biodiversity redistribution under climate change: impacts on ecosystems and human well-being. Science. https://doi.org/10.1126/science.aai9214
Rockström J, Gaffney O, Rogelj J, Meinshausen M, Nakicenovic N, Schellnhuber HJ (2017) A roadmap for rapid decarbonization. Science 355:1269–1271. https://doi.org/10.1126/science.aah3443
Sauer A, Abele E, Buhl HU (Hrsg) (2019) Energieflexibilität in der deutschen Industrie: Ergebnisse aus dem Kopernikus-Projekt-Synchronisierte und energieadaptive Produktionstechnik zur flexiblen Ausrichtung von Industrieprozessen auf eine fluktuierende Energieversorgung (SynErgie). Fraunhofer Verlag, Stuttgart
Siano P (2014) Demand response and smart grids—A survey. Renew Sustain Energy Rev 30:461–478. https://doi.org/10.1016/j.rser.2013.10.022
Töppel J, Tränkler T (2019) Modeling energy efficiency insurances and energy performance contracts for a quantitative comparison of risk mitigation potential. Energy Econ 80:842–859. https://doi.org/10.1016/j.eneco.2019.01.033
U.S. Department of Energy (2006) Benefits of demand response in electricity markets and recommendations for achieving them. A report to the United States congress
Umweltbundesamt (2021) Treibhausgasminderungsziele Deutschlands. https://www.umweltbundesamt.de/daten/klima/treibhausgasminderungsziele-deutschlands. Zugegriffen: 01 Dez 2021
Verband Deutscher Ingenieure e. V. (2020) VDI 5207 – Blatt 1: Energieflexible Fabrik. Verband Deutscher Ingenieure e. V.,
Vereinte Nationen (2021) Ziele für nachhaltige Entwicklung Bericht 2021
Voosen P (2019) A 500-million-year survey of Earth’s climate reveals dire warning for humanity. Science. https://doi.org/10.1126/science.aay1323
Weeber M, Lehmann C, Böhner J, Steinhilper R (2017) Augmenting energy flexibility in the factory environment. Procedia CIRP 61:434–439. https://doi.org/10.1016/j.procir.2016.12.004
Author information
Authors and Affiliations
Corresponding author
Additional information
Ankündigung
Dieser Beitrag befasst sich mit dem marktlichen Risiko bei der Vermarktung industrieller Energieflexibilität im Kontext von Demand Response. Anhand beispielhafter Industrieprozesse wird simulativ aufgezeigt, wie hoch das marktliche Risiko unsicherer Strompreisentwicklungen ist und wie dieses durch Diversifikation unterschiedlicher Industrieprozesse effektiv gesenkt werden kann.
Rights and permissions
About this article
Cite this article
Mijatovic, L., Rockstuhl, S. & Wagon, F. Diversifikation des marktlichen Risikos bei der Vermarktung industrieller Energieflexibilität im Kontext von Demand Response. Z Energiewirtsch 46, 41–59 (2022). https://doi.org/10.1007/s12398-022-00318-3
Published:
Issue Date:
DOI: https://doi.org/10.1007/s12398-022-00318-3