Durch den erheblichen Zubau Erneuerbarer Energien im europäischen in den vergangenen Jahren hat sich der Anteil volatiler und wetterabhängiger Stromerzeugung deutlich erhöht. Zudem hat sich durch den Umstieg auf ein System mit einem hohen Anteil Erneuerbarer Energien die Anzahl der Akteure im deutschen Stromsystem erhöht. Während bei herkömmlichen Stromsystemen die Stromerzeugung von einer kleinen Anzahl an großen Kraftwerken bereitgestellt wurde, erzeugen dezentrale Energieerzeuger wie beispielsweise private Haushalte mit Photovoltaikanlagen Strom.
Für die operative und strategische Führung des Stromsystems führen diese Entwicklungen zu deutlichen Veränderungen. Da keine ausreichenden Speichermöglichkeiten absehbar sind, können unvorhergesehenen Zustände nicht durch die Bereitstellung von Energie ausgeglichen werden. Für die korrekte Modellierung des Stromsystems bedarf es daher Methoden, die komplexe Optimierungsprobleme mit einer Vielzahl an Variablen lösen sowie die systemimmanente Stochastizität berücksichtigen können. Da die Qualität der Vorhersagen von Randbedingungen wie Wetterverhältnissen abhängt, sollten meteorologische Unsicherheiten für die Vorhersagen quantifizierbar sein und in großskaligen Energiesystemodellen nutzbar sein. Zudem bedarf es neuer Modellierungsmöglichkeiten, die auch das Nutzerverhalten kleinerer Gruppen in einem dezentralen Stromsystem berücksichtigen.
Die Promotion zielt auf die Methodenentwicklung für eine bessere Planung, Bewertung und Entscheidungsfindung unter Unsicherheiten im heutigen stochastischen Stromsystem. Hierbei werden Situationen erhöhter Vorhersageunsicherheit identifiert basierend klassischen Methoden der Meteorologie und anhand von Deep Learning. Basierend auf diesen Situationen, sollen Vorhersagen durch die Nutzung von maschinellem Lernen verbessert werden. Im letzten Schritt werden probabilistische Vorhersagen durch mehrstufige stochastische Energiesystemmodelle integriert. Hier soll unter anderem auch untersucht werden, welchen Mehrwert spieltheoretische Ansätze haben, um das Verhalten einzelner Marktakteure zu modellieren.