Gute Aussichten und wertvolle Einblicke

Adrian Meier, Trainee Machine Learning Engineering, hat für sein zweites Assignment des Traineeship das Team Physical Optimization & Structuring desk in Malmö unterstützt. Er gibt uns einen tiefen Einblick in seinen Alltag in Schweden.

Mein Aufenthalt begann im Januar. Der warme Empfang des Teams und der Menschen in Malmö überwog bei weitem den Versuch des Wetters, mich zurück in den Süden zu schicken.

Axpo SE zählt rund 15 Mitarbeitende. Die meisten haben eine Funktion als Originator, Controller oder Portfolio / Operationsmanager. Erst letztes Jahr durfte das Team in ein neues, grosszügiges Büro umziehen. Es befindet sich im obersten Stock des Gebäudes. Zwar ist 9 die Zahl, die im Aufzug gewählt werden muss, im Treppenhaus jedoch reicht es, acht Stockwerke zu erklimmen, um am gleichen Ort anzukommen.

Lenken durch den Norden

Der südliche Teil Schwedens, Skåne, ist flach. Das macht das Velofahren einfach (Fahrräder haben hier nicht mehr als drei Gänge – für windige Tage). Die Ebenheit erschwert aber die Orientierung. In Malmö gibt es keine natürlichen Aussichtspunkte, die einen Überblick über die Stadt verschaffen könnten. Die meisten Gebäude sind gleich hoch. Einzelne Ausnahmen, wie der Wolkenkratzer Turning Torso, sind aus dem Labyrinth der Innenstadt nicht sichtbar.

Am ersten Morgen, an dem ich mit dem Velo zur Arbeit fuhr, war es dunkel, kalt, windig und verregnet. Der Menge der unbeirrten Radfahrer den gekennzeichneten Velowegen folgend, bog ich falsch ab. Ich musste eine Niederlage eingestehen, zog meine durchnässten Handschuhe aus und navigierte per GPS. Seit diesem Morgen bin ich ausschliesslich per Velo zur Arbeit unterwegs.

Das Büro ist nicht nur ein guter Arbeitsplatz, sondern liefert auch eine fantastische Aussicht: Die Stadt auf einer Seite, das Meer, die Øresund Brücke nach Kopenhagen und Sonnenuntergänge auf der anderen.

Meine Mission am Nordic Physical Desk

Um unser Wiki zu zitieren: «Das Nordic Physical Desk handelt mit kurzfristigem Strom, verwaltet und entwickelt die physische Strom-Wertschöpfungskette in den nordischen und baltischen Ländern.»

Meine Aufgaben hier sind vielfältig:

• Mehr über den physischen Stromhandel zu lernen. Was sind die Marktreiber und wie funktioniert das Zusammenspiel zwischen den Intraday-, Day-Ahead- und Imbalance-Märkten?
• Die Zusammenarbeit zwischen dem Advanced Analytics Team (meine erste Rotation im Traineeship) und dem Physical Desk stärken
• Meinen Computer-/Data Science Hintergrund gezielt einsetzen, um die Automatisierung und Optimierung voranzutreiben oder um Erkenntnisse aus Daten zu schöpfen

Das Physical Desk arbeitet (wie vermutlich die meisten Frontdesks) mit hoher Geschwindigkeit. Von Tag zu Tag können sich Prioritäten drastisch ändern. Entweder um neuste Gelegenheiten der Märkte zu nutzen oder um eine Katastrophe durch eine unerwartete Veränderung zu verhindern. Schnelligkeit der Entwicklung hat hier höhere Priorität als Wartbarkeit, Wiederverwendbarkeit oder zu einem gewissen Grad sogar Korrektheit. In den meisten Fällen ist es hier besser, eine einfache Lösung zu haben, die 80% der Fälle abdeckt, als zusätzliche Zeit für einen allgemeineren, komplexeren Ansatz aufzuwenden. Bis eine allgemeine Lösung bereit stünde, ist das Zeitfester der Gelegenheit vielleicht schon vorbei.

Das steht im Gegensatz zu meinen Erfahrungen im Advanced Analytics Team. Dort verfolgten wir einen sehr grundlegenden, langfristen Ansatz zur Entwicklung allgemeiner Lösungen. Einen Schritt von der Front entfernt zu sein, war mir ein vorher unbekannter Luxus.

Eine Vielzahl datengestützter Aufgaben

Meine Aufgaben während der ersten vier Monate bei Axpo Nordic umfassten, beispielsweise die Erschliessung von Zugangspunkten zu verschiedenen Datenquellen. Es gibt massenhaft Netz-, Markt-, Wetter (, …) Daten, die den Handel von physischer Energie informieren können. Viele dieser Inputs sind Prognosen; präzisere Prognosen ermöglichen bessere Entscheidungen.

Um unsere Prognosen zu verbessen, unterstützte ich die Überarbeitung einer Prognose von Marktkennzahlen. Zusätzlich habe ich Energie-Prognosen zu Erzeugung, Verbrauch, und Preis von verschiedenen Anbietern ausgewertet.

Des Weiteren ermittelte ich eine Erwartungsrechnung zu Frequenzbegrenzungsreserven (FCR) für bestimmte Windparks. Das Projekt will automatische Drosslung von Windparks in Echtzeit und auf Basis der Netzfrequenz anbieten. Dadurch wird die Stabilisierung des Stromnetzes bei Überproduktion / mangelnder Nachfrage unterstützt. Für einen Windpark betrachten wir die Echtzeit-Produktion als die maximale Abregelung. Um für die Abregelung bezahlt zu werden, muss das Gebot für die FCR-Regelung im Voraus platziert werden. Die Prognose von Windenergieproduktion wird nie der Echtzeit-Produktion entsprechen können. Es besteht immer das Risiko, dass die tatsächliche Produktion tiefer ausfällt als das entsprechende Abregelungs-Gebot. Trifft dies ein, kann die Abregelungs Leistung nicht vollständig erbracht werden. Es kommt zu einer Penalisierung. Ich habe diese Aufgabe als Optimierungsproblem mit einem Risikoparameter betrachtet: Für ein Zielrisiko (z.B. weniger als einmal monatlich penalisiert zu werden), was ist das maximale Volumen, dass wir zur Abregulierung bieten können?

Schliesslich - im Rahmen einer Untersuchung eines systematischen Marktmusters - konnte ich für eine Woche die Kollegen in Oslo besuchen. Dort wurde mir, wie überall in nordischen Ländern, gesagt: «Du musst im Sommer wiederkommen!».

Und bis dahin werde ich den milden skandinavischen Frühling geniessen.