Wann ist eine Solarprognose eigentlich „gut“? Eine Einordnung aus Sicht der Wissenschaft
„Heute nur 62 % Genauigkeit, taugt die Prognose überhaupt was?“ Diese Frage bekomme ich oft. Die ehrliche Antwort lautet: Ein einzelner Tag sagt fast nichts. Was die Prozentzahl bedeutet, welche Werte wirklich gut sind und wie die Forschung Prognosen bewertet, erkläre ich in diesem Artikel.
Was die Wissenschaft unter einer „guten“ Prognose versteht
Der Meteorologe Allan Murphy hat schon 1993 beschrieben, was eine gute Prognose ausmacht [1]. Sie muss drei Dinge erfüllen:
- Ehrlich: Sie zeigt, was das Modell tatsächlich erwartet, und wird nicht geschönt.
- Treffsicher: Sie stimmt über längere Zeit mit der Wirklichkeit überein.
- Nützlich: Man kann mit ihr bessere Entscheidungen treffen, zum Beispiel wann der Akku geladen oder die Waschmaschine gestartet wird.
Die heutige Solarforschung ergänzt einen wichtigen Punkt:
Eine Prognose wird nie an einzelnen Tagen bewertet, sondern über lange Zeiträume. Außerdem wird sie immer mit einer einfachen Vergleichsprognose verglichen [2][3]. Die einfachste Vergleichsprognose lautet „Morgen wird wie heute“, eine andere ist der langjährige Durchschnitt für diesen Tag. Wie viel besser eine Prognose als diese simplen Regeln ist, nennt man in der Fachsprache den Skill, also das „Können“ der Prognose.
Was die Genauigkeit in Prozent bei SFML bedeutet
Die Genauigkeit zeigt, wie nah der tatsächliche Ertrag an der Prognose lag. Ein Beispiel: Vorhergesagt waren 20 kWh, erzeugt wurden 17 kWh. Die Abweichung beträgt 3 kWh, also 15 % der Prognose. Die Genauigkeit liegt damit bei 85 %. Ob die Anlage mehr oder weniger erzeugt hat als erwartet, spielt dabei keine Rolle.
Stunden, die mit dem Wetter nichts zu tun haben, lasse ich bei der Bewertung bewusst weg:
- Stunden, in denen der Wechselrichter abgeregelt hat,
- Stunden mit Schnee auf den Modulen,
- Stunden, in denen die Messdaten fehlen oder unplausibel sind.
Das entspricht der Empfehlung aus der Forschung, nur saubere und vergleichbare Daten zu bewerten [2].
Wichtig ist noch:
Es gibt in der Wissenschaft keine einheitliche Prozentzahl. Je nachdem, worauf man die Abweichung bezieht (auf die Anlagengröße, den mittleren Ertrag oder die Prognose), kommen für dieselbe Prognose sehr unterschiedliche Prozentwerte heraus [4]. Prozentangaben verschiedener Anbieter lassen sich deshalb nur vergleichen, wenn sie gleich berechnet werden.
Welche Werte sind gut?
Die folgende Einteilung ist meine Übertragung der Fachliteratur [2][5] auf die Genauigkeit, wie SFML sie anzeigt. Sie gilt für eine einzelne Hausanlage in Deutschland und den Durchschnitt über 30 Tage:
| Einstufung | Sommerhalbjahr | Winterhalbjahr |
|---|---|---|
| Sehr gut (überdurchschnittlich) | ab 85 % | ab 75 % |
| Gut (zuverlässig) | 75–85 % | 65–75 % |
| Brauchbar | 65–75 % | 55–65 % |
| Eher eine Schätzung | unter 65 % | unter 55 % |
Warum ist der Winter schlechter? Zum einen wegen der Mathematik: Bei 20 kWh im Juni ist 1 kWh Abweichung gerade einmal 5 %, bei 3 kWh im Dezember sind es über 30 %. Zum anderen wegen des Hochnebels. Eine große Studie des Deutschen Wetterdienstes und des Fraunhofer-Instituts hat gezeigt, dass Hochnebel zu den kritischsten Wetterlagen für Solarprognosen in Deutschland gehört [6].
Einzelne Tage kann man grob so lesen:
- Über 90 %: Volltreffer.
- 80 bis 90 %: gut.
- 60 bis 80 %: Das Wetter kam anders als erwartet.
- Unter 60 %: Das Wetter hat die Vorhersage „überrascht“.
Solche Tage gibt es bei jeder Prognose weltweit. Entscheidend ist, dass sie selten bleiben.
Ab wann ist eine Prognose mehr als eine Schätzung?
Streng genommen ist jede Vorhersage eine Schätzung, denn niemand kennt die Zukunft sicher. Wissenschaftlich spricht man aber erst dann von einer belastbaren Prognose, wenn vier Bedingungen erfüllt sind [1][2][3]:
- Sie wurde vorher festgelegt und danach nicht mehr verändert.
- Sie ist nachvollziehbar. Sie beruht auf Wetterdaten und einem Rechenmodell, nicht auf Bauchgefühl.
- Sie wurde mit echten Messwerten überprüft, und zwar über alle Jahreszeiten.
- Sie ist dauerhaft besser als „Morgen wird wie heute“. Wer diese simple Regel über Monate nicht schlägt, hat keine Prognose, sondern eine Vermutung, egal wie viel Technik dahintersteckt.
Warum Solarprognosen so schwierig sind
Eine Solarprognose ist immer nur so gut wie die Wettervorhersage, auf der sie aufbaut. Wie viel Strom eine Anlage bei einer bestimmten Sonneneinstrahlung erzeugt, lässt sich heute sehr genau berechnen. Den größten Teil des Fehlers verursacht die Bewölkung [5].
- Strahlend blauer Himmel: fast immer über 90 %.
- Durchziehende Regenfront: meist gut vorhergesagt.
- Hochnebel im Herbst und Winter: die klassische Schwachstelle [6]. Ob sich der Nebel um 10 Uhr, um 14 Uhr oder gar nicht auflöst, entscheidet über den ganzen Tag.
- Sommergewitter: Dass es Gewitter gibt, ist meist bekannt. Wann und wo genau sie auftreten, ist dagegen Glückssache.
- Saharastaub: Beim Staubereignis im April 2014 lagen die Solarprognosen für ganz Deutschland deutlich zu hoch, weil die Modelle den Staub unterschätzt hatten [7].
Außerdem gilt: Je weiter eine Prognose in die Zukunft reicht, desto ungenauer wird sie [5][8].
Noch ein Hinweis:
Die Forschung zeigt klar, dass sich Fehler über viele Anlagen hinweg ausgleichen und eine Region deshalb deutlich genauer vorhergesagt werden kann als ein einzelnes Dach [9].
Feste und mitlaufende Prognosen: ein wichtiger Unterschied
Die feste Prognose wird einmal festgelegt und bleibt dann unverändert. In SFML wird die Tagesprognose morgens um 6 Uhr festgeschrieben, und die Genauigkeit wird gegen diesen Stand gemessen.
Die mitlaufende Prognose wird im Laufe des Tages immer wieder neu berechnet, mit neuen Wetterdaten und oft auch mit dem bisher gemessenen Ertrag.
In der Forschung ist klar geregelt, dass Prognosen nur bei gleichem Erstellungszeitpunkt und gleichem Vorhersagezeitraum verglichen werden dürfen [2]. Wie groß der Unterschied sein kann, zeigt ein Nebeltag im Oktober, an dem tatsächlich 11 kWh erzeugt wurden:
| Stand der Prognose | Vorhersage | Genauigkeit |
|---|---|---|
| 6 Uhr morgens (fest) | 15,5 kWh | 71 % |
| 10 Uhr (Nebel hält sich) | 12,5 kWh | 88 % |
| 14 Uhr (drei Viertel des Tages vorbei) | 11,3 kWh | 97 % |
| 18 Uhr | 11,0 kWh | 100 % |
Am Abend sieht die mitlaufende Prognose perfekt aus. Um 18 Uhr ist sie aber keine Vorhersage mehr, sondern fast nur noch eine Messung. Wer abends Screenshots verschiedener Dienste vergleicht, vergleicht Messwerte und keine Prognosen.
Mitlaufende Prognosen haben trotzdem ihren Sinn. Wer um 10 Uhr entscheiden muss, ob der Akku noch nachgeladen werden soll, ist mit dem aktuellen Stand besser beraten. Beide Arten beantworten unterschiedliche Fragen.
Wie arbeiten die bekannten kostenlosen Dienste?
- Forecast.Solar rechnet aus Wetterdaten und den Angaben zur Anlage (Größe, Neigung, Ausrichtung) eine Ertragsprognose. Sie ist mitlaufend und lernt nicht aus dem tatsächlichen Ertrag der eigenen Anlage.
- Solcast kombiniert Satellitenbilder mit Wettermodellen. Satellitendaten sind nachweislich vor allem für die nächsten Stunden stark, für den nächsten Tag dagegen sind Wettermodelle überlegen [8]. Solcast ist mitlaufend und gibt eine Spanne an (vorsichtig, wahrscheinlich, optimistisch). Kostenlos sind nur wenige Abrufe pro Tag möglich.
- Open-Meteo liefert keine fertige Solarprognose, sondern Wetter- und Strahlungsdaten aus großen Wettermodellen, etwa vom Deutschen Wetterdienst oder vom europäischen Wetterzentrum.
- Der Deutsche Wetterdienst stellt seine Wettermodelle kostenlos bereit. Das sind reine Wetterdaten.
- PVGIS von der EU ist keine Prognose, sondern der langjährige Durchschnittsertrag für den Standort. Damit ist es genau die Art von Vergleichswert, die die Forschung empfiehlt [3].
Zwei Dinge sollte man dabei wissen.
Erstens arbeiten praktisch alle kostenlosen Dienste mitlaufend. Zweitens beruhen fast alle auf denselben wenigen großen Wettermodellen. Wenn diese Modelle an einem Nebeltag danebenliegen, liegen alle darauf aufbauenden Dienste ebenfalls daneben.
Fazit
Die Wissenschaft ist sich einig:
Eine Prognose bewertet man über lange Zeit, bei gleichem Erstellungszeitpunkt und im Vergleich zu einer einfachen Faustregel, und nicht an einem einzelnen Tag. Für SFML heißt das: Im Sommer ist alles ab 85 % sehr gut und alles ab 75 % zuverlässig. Im Winter liegen die Werte naturgemäß etwa zehn Punkte darunter.
Quellen
[1] Murphy, A. H. (1993): What is a good forecast? An essay on the nature of goodness in weather forecasting. Weather and Forecasting, 8(2), 281–293.
[2] Yang, D., Alessandrini, S., Antonanzas, J. et al. (2020): Verification of deterministic solar forecasts. Solar Energy, 210, 20–37.
[3] Yang, D. (2019): Standard of reference in operational day-ahead deterministic solar forecasting. Journal of Renewable and Sustainable Energy, 11, 053702.
[4] Hoff, T. E., Perez, R., Kleissl, J., Renne, D., Stein, J. (2013): Reporting of irradiance modeling relative prediction errors. Progress in Photovoltaics, 21(7), 1514–1519.
[5] Antonanzas, J., Osorio, N., Escobar, R. et al. (2016): Review of photovoltaic power forecasting. Solar Energy, 136, 78–111.
[6] Köhler, C., Steiner, A., Saint-Drenan, Y.-M. et al. (2017): Critical weather situations for renewable energies – Part B: Low stratus risk for solar power. Renewable Energy, 101, 794–803.
[7] Rieger, D., Steiner, A., Bachmann, V. et al. (2017): Impact of the 4 April 2014 Saharan dust outbreak on the photovoltaic power generation in Germany. Atmospheric Chemistry and Physics, 17, 13391–13415.
[8] Perez, R., Kivalov, S., Schlemmer, J. et al. (2010): Validation of short and medium term operational solar radiation forecasts in the US. Solar Energy, 84(12), 2161–2172.
[9] Lorenz, E., Hurka, J., Heinemann, D., Beyer, H. G. (2009): Irradiance forecasting for the power prediction of grid-connected photovoltaic systems. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2(1), 2–10.