Im zweiten Quartal haben wir unsere Deep Learning Prognose für den Leistungsmarkt überarbeitet und nach fünf Experimentierphasen erhebliche Verbesserungen erzielt. Besonders in den hochvolatilen Wochen zwischen Mitte Juni und Juli konnten wir wertvolle Erkenntnisse gewinnen und wertvolle Schlüsse für die Prognose ziehen.
Mehr Fokus auf Wetter-Inputs bilden den erhöhten Einfluss der Erneuerbaren Energieerzeuger ab und neue Marktsignale finden nun Einfluss in die Prognose.
Wir sind von unserem dynamischen Ansatz der Risiko-Perzentile überzeugt und sehen auch, dass wir in Österreich im ersten und zweiten Quartal teilweise deutlich über dem Marktdurchschnitt für bestimmte Produktzeitscheiben lagen.
Für den deutlich schwierigeren Markt in Deutschland erreichen wir diesen Benchmark nicht, konnten aber die Performance im Schnitt um 5% steigern. Unser finalisiertes Modell steht bald in unserer Testumgebung zur Verfügung. Wir freuen uns, Ihnen auch Testdatensätze zur Verfügung zu stellen oder direkt im Erlösrechner selbst zu vergleichen.