Analyse und Generierung von Zeitreihen im Kontext von Energiemärkten

Im Rahmen des Carbon2Chem®-Verbundprojekts wurden drei Zeitreihen aus dem Jahr 2030 untersucht. Diese Zeitreihen repräsentieren den Strompreis, den Anteil an erneuerbaren Energien (EE) sowie das Global Warming Potential (GWP). Ziel dieser Arbeit ist die Analyse dieser Zeitreihen sowie die Entwicklung geeigneter Modelle zur Generierung neuer Zeitreihen, die als Grundlage für nachfolgende Simulationen dienen sollen. Zunächst wurde der theoretische Hintergrund der Zeitreihenanalyse betrachtet, einschließlich grundlegender Konzepte wie Stationarität sowie elementarer Prozesse wie Weißes Rauschen. Zudem wurden verschiedene Zeitreihenmodelle – darunter autoregressive Prozesse und ARMA-GARCH-Modelle – theoretisch erläutert, da sie in der Methodik Anwendung fanden. Für die Analyse und Generierung der Zeitreihen wurden drei Ansätze verfolgt. Der erste Ansatz bestand in der Identifikation deterministischer Effekte. Dieser führte jedoch nicht zu zufriedenstellenden Ergebnissen, da die identifizierten Effekte nur einen geringen Einfluss auf die Zeitreihen hatten. Der zweite Ansatz nutzte eine AR-Modellanpassung unter Verwendung von Lasso-Regularisierung und des Varianz-Inflations-Faktors (VIF). Auch dieser Ansatz führte nicht zu überzeugenden Resultaten bei der Generierung realistischer Zeitreihen. Daher wurde angenommen, dass ein GARCH-Effekt in den Zeitreihen vorhanden sein könnte. Daraufhin wurde eine ARMA-GARCH-Modellanpassung mit sukzessiver Modellvergrößerung durchgeführt. Dabei erfolgte das Sampling sowohl aus den tatsächlichen Residuen als auch aus Innovationen, die einer angepassten skalierten t-Verteilung entstammen. Dieses Verfahren erzielte die besten Ergebnisse, da sowohl optisch als auch strukturell eine hohe Ähnlichkeit zwischen den generierten und den originalen Zeitreihen festgestellt werden konnte. Der entwickelte Generierungsprozess liefert somit belastbare Ergebnisse, die als Grundlage für Simulationen herangezogen werden können.