Im europäischen Energiemarkt gewinnen Prognosen von Strompreisen zunehmend an Bedeutung, da diese aufgrund des steigenden Anteils erneuerbarer Energien – wie Wind- und Solarstrom – hoher Volatilität unterliegen. Gleichzeitig bieten Verfahren der künstlichen Intelligenz (KI) neue Potenziale, diese Schwankungen abzubilden und zu prognostizieren. Im Gegensatz dazu stehen konventionelle Methoden der Strompreisprognose (z. B. Regressionsanalyse), deren Leistungsfähigkeit im Kontext der veränderten Rahmenbedingungen mit Verfahren der künstlichen Intelligenz verglichen werden soll.
Ziel dieser Bachelorarbeit ist eine strukturierte Literaturanalyse, die den Einsatz von KI-Methoden bei der Strompreisprognose im europäischen Kontext systematisch untersucht und einen Vergleich zu herkömmlichen Prognosemodellen zieht.
Grundlegende Kenntnisse im Bereich der künstlichen Intelligenz sind von Vorteil.
Bei Interesse melden Sie sich bitte bei Christian Scheller.