Vorteile der stochastischen Optimierung als moderne Methodologie zur Entscheidungsunterstützung unter Unsicherheit

Traditionelle Ansätze zur strategischen und operativen Entscheidungsoptimierung unter Unsicherheit sind im gegenwärtigen kompetitiven Markt nicht mehr ausreichend.

In der linearen Programmierung (LPs) können zwar Marktstrukturen, insbesondere spezifische Regeln der Märkte sowie spezifische technische Eigenschaften von Erzeugungsanlangen oder Verteilnetzen detailliert abgebildet werden, aber die Modellierung des Preis- und Ressourcenrisikos kommt oft zu kurz.

Simulationsmodelle und statistische Methoden sind geeignet, Unsicherheit zu analysieren, scheitern allerdings oft, fundamentale Marktgesetze zu berücksichtigen und dann adäquate, eindeutige Handlungsempfehlungen vorzuschlagen.

Die stochastische Optimierung vereint die Stärken der linearen Programmierung und der Simulation, wobei sie unterschiedliche Planungshorizonte und Kraftwerkstypen abbilden kann. Der Optimierungsansatz empfiehlt Entscheidungen, die den Wert des Kraftwerks oder Portfolios unter Einbeziehung verschiedener Restriktionen und Unsicherheiten maximiert. Der Modellrahmen bildet fundamentale Marktgesetze ab und ist in der Lage, Strom-, Brennstoff- und Emissionsportfolios in einem Modell zu integrieren. Insbesondere führt diese Modellierung Detailwissen der Bilanz, beispielsweise eines Kraftwerks, zusammen (Strom-, Brennstoff, CO2-Kosten), bildet die unsichere zukünftige Entwicklung ab und schlägt eine eindeutige, optimale Entscheidung unter Berücksichtigung aller relevanten Unsicherheiten vor.