Dynamische Tarife und Batteriespeicher zahlen sich im Zusammenspiel aus. Eine Analyse von 448 Haushalten zeigt, wie groß der Effekt tatsächlich ist.
Die kombinierte Nutzung von Batteriespeichern und dynamischen Stromtarifen verschafft Haushalten einen messbaren finanziellen Vorteil. Was für viele in der Branche seit einiger Zeit plausibel erscheint, hat ein Forschungsteam der Universitäten Bamberg, Würzburg, Zürich und Chemnitz nun mit einer umfangreichen Datengrundlage nachgewiesen und quantifiziert. Die Wissenschaftler nutzten Smart-Meter-Daten von 448 deutschen Haushalten, die stündlich aufgelöst und über einen Zeitraum von fünf Jahren von 2019 bis 2023, Verbrauch, Photovoltaik-Erzeugung und Strompreis aufzeichneten. Auf dieser Basis simulierten die Forscher unterschiedliche Speichergrößen, Betriebsstrategien und Tarifmodelle und verglichen mögliche Kosteneinsparungen bei der Strombeschaffung mit festen oder mit dynamischen Strompreisen.
Die Studie zeigt, dass Batteriespeicher im Betrieb mit dynamischen Tarifen die Strombezugskosten für ihre Besitzer im Vergleich zum Betrieb mit festen Tarifen senken können und das auch ohne hochkomplexe Optimierungsalgorithmen. Werden Preisprognosen, Lastprognosen, Wetterdaten und weitere Parameter in die Speichersteuerung einbezogen, steigen die Einsparungen bei den Strombeschaffungskosten zusätzlich. Für ein Speichersystem mit zehn Kilowattstunden Kapazität zeigt die Analyse, dass bereits eine reine Optimierung des Eigenverbrauchs ohne Berücksichtigung der Strompreise zu 12,7 Prozent geringeren Strombezugskosten führt, wenn der Haushalt einen dynamischen Tarif nutzt, statt eines festen.
In einem zweiten Schritt untersuchte das Forschungsteam, wie sich die Erlöse entwickeln, wenn der Speicher aktiv auf Preissignale reagieren kann. Für ein zehn Kilowattstunden großes Speichersystem ergibt sich ein zusätzlicher finanzieller Vorteil von bis zu sechs Prozent.
Im dritten Schritt analysierten die Forscher den Einfluss von Prognosequalitäten. Dafür wurden zwei Annahmen verglichen: eine perfekte Vorhersage, bei der die tatsächlichen Day-ahead-Preise dem Algorithmus als Prognose zugrunde gelegt werden. Das nennt man „perfect foresight“. Diese Prognose bildet die bestmögliche Prognosequalität. Sie wurde verglichen mit einer einfachen, sogenannten naiven Prognose, die lediglich die Werte des Vortages in den Folgetag fortschreibt. Alles dazwischen ist die Bandbreite, in der sich die Vorhersagemodelle voneinander unterscheiden können. Die Unterschiede variieren je nach Jahr und Speichergröße, bleiben jedoch über die gesamte Datenbasis hinweg eindeutig zugunsten besserer Preisprognosen. Eine lineare Optimierungsstrategie mit perfekten Daten kann eine einfache, regelbasierte Optimierungsstrategie bei der Effizienz der Stromkostensenkung deutlich überbieten. Von bis zu 14 Prozent ist in der Studie die Rede.
Die Forscher arbeiteten für ihre Simulationen mit den festen Strompreisen vom BDEW, sowie mit einer Einspeisevergütung von 8,1 Cent pro Kilowattstunde nach EEG 2025. Für die dynamischen Tarife nutzten sie stündliche EPEX-Spotpreise, die über die Schnittstelle des Anbieters Awattar abgerufen wurden. Die Strompreise für Endkunden berechneten die Forscher so, dass sie dem Börsenpreis einen Aufschlag von drei Prozent, sowie 16 Cent pro Kilowattstunde für Steuern und Abgaben, hinzufügten.
Die Studie lässt sich hier nachlesen.
Dieser Inhalt ist urheberrechtlich geschützt und darf nicht kopiert werden. Wenn Sie mit uns kooperieren und Inhalte von uns teilweise nutzen wollen, nehmen Sie bitte Kontakt auf: redaktion@pv-magazine.com.
Popular content
