Tägliche Windleistungsprognosen für ein Aggregat von Windkraftanlagen sind heute für eine Vielzahl von Anwendern, wie bspw. Übertragungsnetzbetreiber oder Direktvermarkter, zu einem zentralen Instrument geworden. Jedoch haben bereits relativ kleine Vorhersagefehler bei einem hohen Anteil von Windenergieerzeugung im Gesamtsystem nicht vernachlässigbare Auswirkungen auf die Systemstabilität, Energiepreise und andere Systemgrößen. Folglich ist auch die Nutzung probabilistischer Prognosetools gestiegen. Allerdings berücksichtigen aktuelle Methoden die einzelnen Vorhersagezeitschritte meist nur separat und vernachlässigen dabei die zeitliche Fortpflanzung von Vorhersagefehlern entlang des Vorhersagehorizonts. Der Vortrag stellt eine neuartige Methode vor, die die sogenannte pair-copulae oder vine-Theorie anwendet, um zeitlich gekoppelte Windeinspeiseszenarien für ein Portfolio von Windkraftanlagen zu generieren. Es wird anhand belgischer Offshore-Windfarms demonstriert wie eine D-vine-Copula geschätzt und angewendet werden kann, um day-ahead Einspeiseszenarien in viertelstündiger Auflösung zu generieren.
