eCost - Epex Spot AT Strompreis Übersicht

Projektübersicht

eCost wurde entwickelt, um Strompreisschwankungen des Epex Spot AT Marktes zu analysieren und zu visualisieren. Das Hauptziel ist die Optimierung des Energieverbrauchs durch intelligente Lastverteilung – konkret die Verlagerung des Serverbetriebs in kostengünstige Zeitfenster und die Nutzung von Akkuspeichern während Hochpreisphasen.

Technische Architektur

Das System basiert auf einer serverless Architektur mit folgenden Komponenten:

• Ein automatisierter Cronjob auf Vercel, der täglich die Epex Spot AT API abfragt
• Ein Datenverarbeitungsmodul, das die Preisdaten normalisiert und kategorisiert
• Eine MongoDB Atlas Datenbank zur persistenten Speicherung der Zeitreihen
• Eine NextJS-basierte Visualisierungsschicht mit interaktiven Diagrammen

Datenverarbeitung und Algorithmus

Der Kern des Systems ist der Kategorisierungsalgorithmus, der Strompreise in drei Klassen einteilt:

• Günstig (Grün): Preise im unteren Drittel des gleitenden 7-Tage-Durchschnitts
• Normal (Gelb): Preise im mittleren Bereich
• Teuer (Rot): Preise im oberen Drittel

Diese Klassifizierung ermöglicht eine schnelle visuelle Erfassung der Preissituation und bildet die Grundlage für automatisierte Entscheidungsprozesse im Energiemanagement.

Serverless Deployment

Eine besondere technische Herausforderung war die Implementierung des Datenerfassungsprozesses als serverless Funktion. Durch die Nutzung von Vercel's Cronjob-Funktionalität konnte eine kosteneffiziente Lösung ohne dedizierte Server-Infrastruktur realisiert werden. Die Funktion wird täglich ausgeführt, um aktuelle Preisdaten zu erfassen und in die Datenbank zu schreiben.

Verwendete Technologien

• NextJS für Frontend und API-Routes
• Vercel für Hosting und Serverless Functions
• MongoDB Atlas für die Datenpersistenz
• Chart.js für die Datenvisualisierung
• TailwindCSS für das responsive UI-Design

Weiterentwicklung

Für zukünftige Versionen sind folgende Erweiterungen geplant:

• Integration einer Prognosekomponente basierend auf Machine Learning
• Entwicklung einer API für die Anbindung an Heimautomatisierungssysteme
• Implementierung von Benachrichtigungsfunktionen für extreme Preisschwankungen

Visuelle Darstellung