Daten aus BESS-Anlagen

In unseren vorherigen Artikeln – einem Überblick über die Funktionsweise von BESS-Anlagen und ihre Märkte sowie einem Beitrag zu Netzdienstleistungen und Energiehandel – haben wir den Aufbau von Batteriespeichersystemen, ihre Märkte und die für ihre Steuerung erforderlichen Plattformen untersucht. Diesmal betrachten wir einen weniger sichtbaren Teil des Gesamtbilds: die Daten. Auf den ersten Blick scheint alles einfach. Wenn ein BESS eine bestimmte Nennleistung und Energiekapazität hat und sein Steuerungssystem den Ladezustand der Batterie anzeigt, sollten wir wissen, wie viel Energie noch verfügbar ist. Doch das ist nicht unbedingt der Fall.

Aus Sicht des Speichereigentümers zählt vor allem, wie viel Energie innerhalb eines bestimmten Zeitraums tatsächlich ins Netz abgegeben werden kann, mit welcher Leistung und unter Einhaltung der Garantiebedingungen. Die Energiekapazität auf dem Typenschild allein reicht dafür nicht aus. Für den Netzbetreiber stellt sich die Frage, ob diese Energie genau dann verfügbar sein wird, wenn sie benötigt wird. Beide Perspektiven treffen bei der Analyse von Mess-, Betriebs-, historischen und Marktdaten zusammen. Ihre Qualität entscheidet darüber, ob wir die tatsächlichen Möglichkeiten des BESS nutzen oder lediglich eine mehr oder weniger genaue Annäherung daran verwalten.

Ladezustand der Batterie: Ein scheinbar einfacher Indikator

Beginnen wir mit dem bekanntesten Parameter: SoC (State of Charge). Vereinfacht ausgedrückt gibt er den Ladezustand der Batterie als Prozentsatz einer angenommenen Referenzkapazität an. Wenn das Dashboard des Betreibers 60 % anzeigt, lesen wir das intuitiv wie die Tankanzeige eines Autos oder die Akkuanzeige eines Telefons: Es sind noch 60 % übrig. Die Bedeutung ist jedoch nicht ganz so eindeutig. Man kann nicht einfach eine Sonde in eine Batterie einführen und ihre verbleibende Energie so messen wie den Flüssigkeitsstand in einem Tank. Zudem ist für Anwendungen wie Netzdienstleistungen die tatsächliche Energiemenge, die das System aufnehmen oder abgeben kann, wesentlich aussagekräftiger (in MWh statt als Prozentsatz).

Ein typisches BMS (Batteriemanagementsystem) schätzt den SoC anhand von Spannungs-, Strom- und Temperaturmessungen sowie geeigneten Modellen. Eine Methode ist das Coulomb Counting, bei dem der in die Batterie hinein- und aus ihr herausfließende Strom integriert wird. Das funktioniert recht gut, doch Messungen sind fehlerbehaftet, und diese Fehler können sich aufsummieren. Auch die spannungsbasierte Korrektur hat Grenzen, insbesondere bei den heute weit verbreiteten Lithium-Eisenphosphat-Zellen (LFP). Ihre Spannungskurve verläuft über einen breiten Ladebereich relativ flach, wodurch leicht Fehler entstehen. Eine geringe Spannungsdifferenz gibt daher nicht immer eindeutig Aufschluss darüber, wie viel Energie noch in einer Zelle vorhanden ist.

ACCURE, ein unabhängiger Anbieter von Batterieanalytik, berichtet auf Basis seiner gesammelten Daten, dass Fehler bei der Schätzung des Ladezustands in LFP-Anlagen etwa ±15 % erreichen können, in manchen Fällen sogar mehr.1 Physikbasierte Modelle und fortgeschrittene Datenanalysen können diesen Fehler auf unter ±2 % reduzieren. Häufig ist dafür jedoch ein „BMS-Reset“ mit einem vollständigen Entlade- und Ladezyklus erforderlich, der sich möglicherweise nicht in den Betriebsfahrplan der Batterie einfügt.

SoC, SoH und die tatsächlich verfügbare Energie

Nun zum nächsten Puzzleteil. Der Ladezustand der Batterie (SoC) sagt nichts über ihre verfügbare Kapazität aus. Zellen altern mit der Zeit, und ihre Fähigkeit, Energie zu speichern, verändert sich. Ein Indikator dafür ist der SoH (State of Health), der den Gesundheitszustand der Batterie beschreibt. Das Ausmaß dieser Degradation ist häufig Gegenstand des Vertrags mit dem Lieferanten. Selbst wenn zwei Module denselben SoC von 60 % anzeigen, müssen sie nicht dieselbe Energiemenge enthalten. Das eine kann eine geringere tatsächliche Kapazität haben, während das andere bei ungünstiger Temperatur arbeitet oder aufgrund von Schutzfunktionen beziehungsweise eines bevorstehenden Balancing-Zyklus einer Leistungsbegrenzung unterliegt.

Hinzu kommen systemweite Einschränkungen: das zulässige SoC-Betriebsfenster, der Umwandlungswirkungsgrad des PCS, der Eigenbedarf für Kühlung und Heizung, die Grenzen der Transformatoren sowie die Verfügbarkeit einzelner Container und Module. Deshalb tritt neben dem SoC zunehmend der SoE (State of Energy) auf: eine Schätzung der tatsächlich abgebbaren Energie. Für den Energiehandel ist entscheidend, wie viele MWh das System innerhalb welchen Zeitraums und mit welcher Leistung am Netzanschlusspunkt bereitstellen kann – also welche Menge ein Händler am Energie- oder Regelreservemarkt verbindlich anbieten kann.

Der SoE ist selbstverständlich kein einzelner, universell gültiger Gerätewert. Er muss anhand des Batteriezustands, des Wirkungsgrads, technischer Einschränkungen und des aktuellen BESS-Betriebsfahrplans berechnet werden. Die Verfügbarkeit eines Systems, das für eine einstündige Entladung vorbereitet ist, unterscheidet sich von der einer Anlage, die zusätzlich Reserven für Regelreserve vorhalten und zugleich die Garantiegrenzen für Zyklenzahl und Temperaturen einhalten muss. Deshalb sollten Daten zu Energie, Leistung und Einschränkungen ein einziges, konsistentes Anlagenmodell bilden und nicht in getrennten Anwendungen und Tabellen liegen. Diese Verfügbarkeit wird im Garantievertrag häufig mit einer Formel wie der folgenden definiert:

Eine BESS-Managementplattform sollte diesen Wert gemäß seiner vertraglichen Definition überwachen und Berichte bereitstellen, die Gespräche mit dem Lieferanten unterstützen, wenn die anhand der Formel gemessene Verfügbarkeit erheblich vom angegebenen Wert abweicht. Die angegebenen Werte für die tatsächliche Verfügbarkeit – also die jährliche Betriebszeit ohne technische Einschränkungen – liegen häufig über 99 %.

Was sind fünf Prozentpunkte in einem BESS wert?

Nehmen wir eine BESS-Anlage mit einer Nennleistung von 100 MW und einer Referenzenergiekapazität von 200 MWh an. Das System zeigt einen SoC von 50 % an, aufgrund eines Schätzfehlers liegt der tatsächliche Ladezustand jedoch fünf Prozentpunkte höher. Für dieses Beispiel vereinfachen wir den Zusammenhang zwischen SoC und Energie zu einer linearen Beziehung und lassen Kapazitätsänderungen sowie Grenzen des minimalen SoC außer Acht. Die Differenz beträgt dann 200 MWh × 5 % = 10 MWh in den Batterien gespeicherte Energie.

Das sind noch keine 10 MWh, die wir verkaufen können. Nehmen wir für die Übertragung dieser zusätzlichen Energie von den Batterien bis zum abrechnungsrelevanten Messpunkt einen Wirkungsgrad von 85 % an, bleiben etwa 8,5 MWh übrig. Bei einem hypothetischen Preis von 400 PLN/MWh entspricht dies einem Bruttoumsatz von rund 3.400 PLN bei einem einzigen Vorgang. Das ist natürlich kein Gewinn, sondern eine entgangene Chance: Die Kosten der vorherigen Ladung, Degradationskosten, Gebühren, Marktbeschränkungen und die Frage, ob sich überhaupt eine Verkaufsmöglichkeit zu diesem Preis ergibt, sind darin nicht berücksichtigt. Dennoch verdeutlicht das Beispiel, warum verlässliche Schätzungen der Leistungsfähigkeit einer Anlage sinnvoll sind.

Das gilt auch umgekehrt. Überschätzt das BMS den SoC und geben wir ein Marktangebot ab, das die tatsächliche Energielieferfähigkeit des Systems übersteigt, riskieren wir Abweichungen vom Fahrplan, die Deckung von Energiedefiziten oder Vertragsstrafen. Ein umsichtiger Betreiber wird dann mithilfe einer weiteren Einheit eine größere Sicherheitsreserve einplanen. Das Problem: Eine breite Reserve schützt vor Fehlern, kann jedoch auch dazu führen, dass ein Teil einer voll funktionsfähigen Anlage ungenutzt bleibt. Bessere Daten beseitigen die physikalischen Grenzen der Batterie nicht, sondern ermöglichen es uns, genauer zu erkennen, wo diese Grenzen tatsächlich liegen.

Verfügbarkeit: Ist das BESS bereit oder meldet es das nur?

Die Genauigkeit des SoC ist das eine, die technische Verfügbarkeit der gesamten BESS-Anlage das andere. In einer im September 2026 veröffentlichten ACCURE-Studie zu mehr als 50 laufenden Projekten lag der Median der von den Anlagen gemeldeten Verfügbarkeit – also der mittlere Wert aller Messwerte – bei 96,7 %. Der anhand der tatsächlichen Reaktion der Komponenten auf Befehle ermittelte Median betrug dagegen 94,1 %. Die Differenz beträgt 2,6 Prozentpunkte. Diese Ergebnisse beziehen sich auf die untersuchte Stichprobe und die verwendete Methodik; sie lassen sich nicht pauschal auf jede Speicheranlage übertragen.2

Wie entsteht diese Abweichung? Ein Gerät kann im Kommunikationsnetz sichtbar sein und keinen aktiven kritischen Alarm aufweisen, aber dennoch die angeforderte Leistung nicht erreichen oder einen Befehl nicht innerhalb der erforderlichen Zeit ausführen. Deshalb müssen wir zwischen dem Status „online“ und der Fähigkeit unterscheiden, eine konkrete Aufgabe zu erfüllen. Eine weitere Frage ist, ob eine gesamte BESS-Anlage als verfügbar gilt, wenn ein Container außer Betrieb ist, die übrigen aber noch bestimmte Dienstleistungen erbringen können. Darauf gibt es keine einfache Antwort: Wir müssen wissen, wie viel Leistung und Energie verfügbar sind, für wie lange und unter welchen Bedingungen. In unserer Plattform GridConnect nennen wir das die Planung der Einsatzverfügbarkeit.

Auch auf betrieblicher Ebene reicht es nicht aus, Alarme zu sammeln und auf einem Bildschirm anzuzeigen. Wir müssen Befehlshistorien, Gerätereaktionen, Fahrplanabweichungen, Leistungsbegrenzungen, Ausfallzeiten und Wartungsereignisse erfassen. Hilfreich ist es, wenn sich das Alarmmanagement mit einem externen Service-Ticketsystem verknüpfen lässt. Noch besser ist es, wenn Techniker auf Grundlage früherer ähnlicher Störungen Handlungsempfehlungen erhalten. Erst diese Gesamtsicht zeigt, ob ein Verfügbarkeitsverlust auf einen Geräteausfall, eine BMS-Schutzfunktion, ein Kommunikationsproblem oder eine ungenaue Schätzung der Anlagenfähigkeiten zurückgeht.

Von Tausenden Signalen zu einer Betreiberentscheidung

Wie Sie sich vorstellen können, gibt es in einer großen BESS-Anlage eine enorme Zahl von Variablen: Zelltemperaturen und -spannungen, Strommessungen, Modul- und Containerzustände, PCS-Parameter, Energiezähler, Schutzeinrichtungen, HLK-Systeme, Mittel- und Hochspannungstechnik sowie Signale aus dem lokalen SCADA-System. Diese Daten an einem Ort zusammenzuführen bedeutet noch nicht, dass sie bessere Entscheidungen ermöglichen. Dafür braucht es eine Architektur, die eine angemessene Datenqualität, Zeitstempel und die Zuordnung zu konkreten Geräten sicherstellt.

Die Architektur von GridConnect, unserer modernen BESS-Managementplattform, umfasst drei Hauptbereiche. Der erste ist die lokale Ebene mit BMS, PCS, Automatisierung, SCADA und einem Edge-Gerät, auf der Messwerte erfasst und kritische Steuerungsaufgaben ausgeführt werden. Der zweite ist die operative EMS-Ebene, die dem Betreiber eine konsistente Sicht auf eine oder mehrere Anlagen, Ereignis- und Verfügbarkeitsaufzeichnungen sowie Betriebsfahrpläne bietet. Der dritte umfasst Analytik und historische Daten. Er unterstützt die Schätzung von Kapazität, Wirkungsgrad und technischem Zustand, Verfügbarkeitsprognosen sowie die Bereitstellung zuverlässiger Informationen für Handelssysteme.

 

Bereich Welche Daten und Aufgaben? Was erhält der Nutzer?
Lokal / Edge BMS, PCS, SCADA, Schutzeinrichtungen; industrielle Kommunikation; lokale Steuerung und Pufferung Zuverlässige Signale und sichere Befehlsausführung
Betrieb / EMS Gerätemodell, Zustände, Alarme, Einschränkungen, Betriebsfahrpläne und Abweichungen Aktuelle Betriebsfähigkeit der Anlage und Unterstützung des Betreibers
Analytik / Historie / Geschäft SoC/SoE/SoH, Wirkungsgrad, Degradation, Zyklen, Datenqualität, Prognosen Schätzungen der Leistungsfähigkeit und Risiken für künftige Zeiträume
Markt / Optimierung Preisdaten, Fahrpläne, Verfügbarkeitsmeldungen, Abrechnungen Ein auf die tatsächlichen Möglichkeiten der Anlage abgestimmtes Angebot und ein entsprechender Fahrplan

Tabelle 1. Von technischen Daten zu Geschäftsentscheidungen: Beispiel einer Aufgabenverteilung innerhalb einer BESS-Plattform.

Unser GridConnect-Konzept, das bei ConnectPoint im Rahmen der Arbeit an Plattformen für große Speicheranlagen untersucht wurde, sieht genau diese Aufgabentrennung vor. Die Geräte- und Integrationsebene umfasst lokale SCADA-Systeme, Edge-Geräte und Protokolle wie IEC 60870-5-104, MQTT und OPC UA. Im Zentrum stehen das Anlagenmodell, die operative Plattform und die Infrastruktur für den Datenaustausch. Darüber liegen ein Data Lakehouse für historische Aufzeichnungen sowie die Integration mit Anwendungen für Handel und Optimierung. Dies beschreibt eine architektonische Ausrichtung und Anwendungsfälle; es bedeutet nicht, dass jede genannte Funktion bereits in jedem solchen System umgesetzt wurde.

In dieser Architektur sollten wir Sicherheitsfunktionen oder schnelle Regelungsaufgaben nicht von lokalen Steuerungen in die Datenbankanalytik verlagern, nur weil die Datenbank eine komfortablere Rechenumgebung bietet. Die übergeordnete Plattform kann Schätzungen und Fahrpläne bereitstellen, doch lokale Schutzsysteme müssen autonom bleiben. Ebenso wichtig ist die Kommunikationsqualität: Fehlende Signale, uneindeutige Zeitstempel oder ein Kommunikationsausfall bei einer Anlage können schnell dazu führen, dass ein gutes Analysemodell mit einem veralteten Lagebild arbeitet. Auch für diese Szenarien ist ein Plan erforderlich.

Leistungsfähigkeit prognostizieren, nicht nur Ereignisse erfassen

Wechseln wir nun von der laufenden Überwachung zum Blick in die Zukunft. Bei der Erbringung von Dienstleistungen auf den Energie- und Regelreservemärkten reicht es nicht aus zu wissen, welche Leistung ein Speicher in einer bestimmten Sekunde bereitstellen kann. Wir müssen auch abschätzen, wie viel in einer Stunde, morgen und in den kommenden Tagen verfügbar sein wird – unter Berücksichtigung des aktuellen SoC, geplanter Zyklen, Temperaturen, Wartungsstillstände und bestehender Verpflichtungen. Ein in den GridConnect-Architekturunterlagen betrachteter Anwendungsfall ist die Schätzung der Einsatzverfügbarkeit über einen längeren Zeithorizont. Das zeigt gut, wie weit heutige Anforderungen über eine einfache Anzeige von Batterieparametern hinausgehen. Aufgrund der Struktur der Energie- und Regelreservemärkte sind verlässliche Schätzungen für mindestens zwei Tage unerlässlich.

In diese Analyse fließen mindestens zwei Arten von Daten ein. Die erste stammt aus dem Speicher selbst und beschreibt seine technischen Einschränkungen. Die zweite kommt aus externen Quellen: Anweisungen des Netzbetreibers, Prognosen der Betriebsbedingungen und erforderliche Reserven. Erst durch ihre Verknüpfung können wir eine praktische Frage beantworten: Kann ich für einen bestimmten Zeitraum 80 MW und 100 MWh anbieten, ohne mit einer anderen Verpflichtung oder einer Betriebsgrenze der Batterie in Konflikt zu geraten?

Wichtig ist auch der Vergleich zwischen Fahrplan und tatsächlicher Leistung. Wenn ein Händler ein bestimmtes Entladeprofil geplant hat, die Anlage aber weniger Energie liefert, erklärt die Differenz allein wenig. Wir benötigen eine Historie der Soll- und Istwerte, den Zustand der Anlagen zum Zeitpunkt des Ereignisses sowie die Ursache der Einschränkung. Diese Informationen unterstützen nicht nur die Abrechnung des Speicherbetriebs, sondern auch die Verbesserung nachfolgender Schätzungen und die Überprüfung der von den Gerätelieferanten angegebenen Parameter.

Interessanterweise ist die Prognose der Speicherverfügbarkeit mehr als eine Idee des Eigentümers für einen effizienteren Energiehandel. In Polen verlangt auch PSE entsprechende Daten. Für JGM-Fahrplaneinheiten (Speicher-Fahrplaneinheiten) erwartet der Netzbetreiber Schätzungen der minimalen und maximalen Leistung sowohl in Erzeugungs- als auch in Bezugsrichtung (Pmax_gen_est, Pmin_gen_est, Pmax_pob_est, Pmin_pob_est) sowie der maximalen Energie, die der Speicher ins Netz abgeben oder daraus aufnehmen kann (E_max_dysp_up und E_max_dysp_down). Diese Unterscheidung ist wichtig, weil ein System zu einem bestimmten Zeitpunkt über genügend Leistung verfügen kann, diese aber aufgrund seines aktuellen SoC, seiner Temperatur oder technischer Einschränkungen nicht über den gesamten geplanten Zeitraum aufrechterhalten kann. BPKD-DB-Fahrpläne (Intraday) haben eine Auflösung von 15 Minuten, BPKD-CR-Fahrpläne (Echtzeit) von 5 Minuten. Die Prognose muss sich daher auf konkrete Zeitpunkte und nicht nur auf die allgemeine Verfügbarkeit der Anlage beziehen. Darüber hinaus werden wichtige Messwerte und Signale zum aktuellen JGM-Betrieb alle 1–2 Sekunden an das LFC-System übertragen. So können wir Schätzungen laufend überprüfen, Abweichungen erkennen und nachfolgende Prognosen anpassen.

Historische Daten, Degradation und Betriebskosten

Ein weiterer wichtiger Aspekt bleibt, dessen Folgen jedoch meist erst im Laufe der Zeit sichtbar werden. Batteriespeichersysteme sind Anlagen, die durch Nutzung verschleißen. Jeder Lade- und Entladezyklus hat Auswirkungen, die unter anderem von der Entladetiefe, der Temperatur, der Betriebsleistung und der Zellchemie abhängen. Um die Rentabilität künftiger Transaktionen verlässlich zu bewerten, dürfen wir nicht allein die Einkaufs- und Verkaufspreise der Energie betrachten. Im Rahmen der Garantie legt der Lieferant fest, wie stark die Batteriekapazität in den folgenden Jahren bei ordnungsgemäßem Betrieb durch den Nutzer abnehmen darf.

Historische Daten ermöglichen es uns, Kapazitätsverluste, Unterschiede zwischen Modulen, den tatsächlichen Gesamtwirkungsgrad beim Laden und Entladen, die Zahl und Eigenschaften der Zyklen sowie die Betriebszeit unter bestimmten Bedingungen zu verfolgen. Auf dieser Grundlage können wir versuchen, die mit einer bestimmten Betriebsstrategie verbundenen Verschleißkosten zu schätzen und mit zusätzlichen Erlösen zu vergleichen. Dabei dürfen wir eine solche Schätzung selbstverständlich nicht als scheinbar exakten Wert darstellen: Die Degradation hängt von vielen Faktoren ab, und die Modelle müssen regelmäßig kalibriert und anhand von Messdaten validiert werden.

Zwei Handelsstrategien können beispielsweise ähnliche Bruttoerlöse erzielen, während eine davon häufigere und tiefere Batteriezyklen erfordert. Berücksichtigt unser wirtschaftliches Modell nur die Energieabrechnung, behandeln wir beide als gleichwertig. Beziehen wir Wirkungsgrad, Garantiebedingungen und geschätzte Verschleißkosten ein, kann das Ergebnis anders aussehen. Genau hier sollten historische Analytik, Servicesystem und Betriebsplanung auf derselben zuverlässigen Informationsbasis aufbauen. So können wir die „tatsächlichen Kosten pro Zyklus“ bestimmen.

Wie lässt sich jedes Prozent BESS-Batteriekapazität optimal nutzen? Zuerst müssen wir es zuverlässig messen

Es gibt keine einzelne Methode, die eine maximale Nutzung jedes BESS garantiert. Ein Batteriespeicher für Preisarbitrage und Dienstleistungen am Regelreservemarkt arbeitet anders als eine Anlage, die Reserven für den Netzbetreiber vorhält, oder ein BESS hinter dem Zähler eines großen Industriebetriebs. In jedem Fall sollte jedoch derselbe Grundsatz gelten: von den an der Anlage erfassten Daten zu einem Modell ihrer tatsächlichen Möglichkeiten und erst dann zu betrieblichen und geschäftlichen Entscheidungen.

Wenn wir nicht wissen, wo die technischen Möglichkeiten unseres Speichers enden, gehen wir entweder übermäßige Risiken ein oder halten dauerhaft eine kostspielige Sicherheitsreserve vor. Das ist vielleicht das stärkste Argument für die Investition in eine robuste BESS-Datenplattform und Analytik: Sie ersetzt weder Zellen noch Umrichter noch Betreiber, hilft uns aber, wesentlich besser zu nutzen, wofür der Investor bereits bezahlt hat.