Myopischer Ansatz

Optimierungsmodelle können hinsichtlich des Grades der Einbeziehung zukünftiger Ereignisse klassifiziert werden. Der myopische Ansatz ist ein Lösungsansatz um den Nachteilen der perfekten Voraussicht zu begegnen. Bei dem myopischen Ansatz erfolgt eine zeitliche Zerlegung des betrachteten Optimierungsproblems, indem der gesamte Planungshorizont in kleine Zeitabschnitte unterteilt wird. Parameter aus zukünftigen Zeitabschnitten sind während der Optimierung von vorherigen Zeitabschnitten nicht bekannt. Wichtige Parameter in Energieprozessmodellen sind beispielsweise die zukünftige Nachfrage, die zukünftige Einspeisung aus erneuerbaren Energien oder zukünftige Energiepreise. Der myopische Ansatz führt zu einer höheren Realitätsnähe als der Ansatz der perfekten Voraussicht. Außerdem reduziert die schrittweise Optimierung die benötigte Rechnerleistung und Rechendauer.

Beim myopischen Ansatz werden die Optimierungsergebnisse aus bereits durchlaufenen Zeitabschnitten fixiert. Periodenübergreifende Variablen aus einem vorherigen Zeitabschnitt werden als fixierte Variable als Startwerte in die Optimierung des aktuellen Zeitabschnitts einbezogen. Eine wichtige periodenübergreifende Variable in Energieprozessmodellen ist beispielsweise der Speicherfüllstand. Parameter aus nachfolgenden Zeitabschnitten fließen nicht in die Optimierung des aktuellen Zeitabschnitts ein. Das berechnete Optimum ist durch das Außerachtlassen zukünftiger Entwicklungen lediglich für die explizit betrachtete Periode optimal. Durch die Kurzsichtigkeit des myopischen Ansatzes sollen beispielsweise nur kurzfristig auftretende Technologien oder Ereignisse unbeachtet bleiben, um das Ergebnis nicht zu verfälschen. Durch das fehlende Wissen zukünftiger Entwicklungen kommt es hinsichtlich des myopischen Ansatzes allerdings häufig zu Fehlinvestitionen und sprunghaften Entwicklungspfaden.

Alternativen zum myopischen Ansatz sind die Methoden der perfekten Voraussicht und des Rollierender Horizont. Beim Ansatz der perfekten Voraussicht erfolgt die Optimierung unter der Annahme völliger Informationsgewissheit über alle zukünftigen Parameter. Der Ansatz des Rollierenden Horizonts verfolgt auch die schrittweise Optimierung in kleinen Zeitschritten, allerdings mit dem Wissen über Ereignisse oder zukünftige Entwicklung von Parametern für einen Ausschnitt des jeweils nachfolgenden Zeitabschnitts.

Synonym(e):

Time-Step Optimierung, rekursiv-dynamischer Ansatz

Englische Übersetzung(en):

myopic model, static expectations