Diese Arbeit analysiert die Anwendung von dynamischen Sicherungsstrategien für sogenannte strukturelle Strompreismodelle. Die Analyse erfordert die Anwendung mathematischer Methoden der stochastischen Analysis, Finanznumerik und asymptotischen Statistik. Aufgrund von eingeschränkten Möglichkeiten zur Speicherung von Strom wird dieser grundsätzlich unmittelbar nach Produktion verbraucht. Der unmittelbare Verbrauch hat monatliche, \newline wöchentliche als auch stündliche Saisonalitäten zur Folge. Darüber hinaus wirken sich Änderungen in den Vorhersagen von Fundamentaldaten (z. B. erwartete Nachfrage, erwartete Kraftwerksleistungen, erwartete Wetterbedingungen) direkt auf den erwarteten Börsen-Strompreis aus. Der enge Zusammenhang zwischen Saisonalitäten und Fundamentaldaten hat dazu geführt, dass sogenannte strukturelle Modelle erforscht wurden. Diese Art von Modell versucht zum einen, Fundamentalzusammenhänge in ein stochastisches Modell einzubauen, zum anderen sollen weiterhin geschlossene Formeln für zumindest Terminverträge hergeleitet werden. Strukturelle Modelle wurden zwar ausgiebig im Zusammenhang mit der Bewertung von Derivaten erforscht, in der praktischen Anwendung besteht jedoch noch Forschungsbedarf. Mit dieser Arbeit wollen wir eine weitere Lücke bei der praktischen Anwendung schliessen. Als zentrale Idee verwenden wir den theoretischen Zusammenhang zwischen Spot- und Terminmarktmodellen, um ausgehend von einem strukturellen Strompreismodell ein näherungsweise kointegriertes Terminmarktmodell abzuleiten. Die dem Prinzip der Kointegration nahe Dynamik wird direkt durch die Merit Order des Energiemarktes impliziert. Wir zeigen, dass Strom-Terminmarktverträge unter bestimmten Bedingungen Martingale unter der risikoneutralen Erwartung $\Q$ sind. Das Ergebnis bildet die Basis dafür, strukturelle Strompreismodelle für die Berechnung von Sicherungsstrategien anzuwenden. Über den Wechsel in ein risikoneutrales Mass erhalten wir darüber hinaus implizite Informationen über die erwartete (risikoneutrale) Stromnachfrage in der Zukunft (basierend auf den Terminpreisen von Strom und Brennstoffen). Insgesamt analysieren wir mit Hilfe eines strukturellen Strompreismodells zwei unterschiedliche Sicherungsstrategien. Sofern Strom-Terminkontrakte als liquide gehandelt angenommen werden, werden diese in die Berechnung der Sicherungsstrategie einbezogen. Sofern diese als nicht-liquide gehandelt angenommen werden, werden Strompreisänderungen mittels Derivate auf Brennstoffe (z. B. Kohle oder Gas) abgesichert. Es verbleibt jedoch die Unsicherheit in der Nachfrage als nicht unmittelbar handelbare Größe (unvollständiger Markt). Auf Basis dieser Ergebnisse erforschen wir die Schätzung der Modellparameter in einem strukturellen Strompreismodell. Wir berechnen asymptotisch normalverteilte Schätzer für die Modelldynamiken. Ausserdem schätzen wir den Bid Stack anhand historischer Daten. In der Anwendung lässt sich darüber die Parameterunsicherheit quantifizieren. Wir zeigen, dass die Parameterunsicherheit in der Modellierung der Merit Order gerade für Stunden mit hoher Nachfrage einen signifikanten Anteil bei der Bewertung von Strom-Derivaten einnimmt. Weiterhin stellen wir für Stunden mit hoher Nachfrage eine hohe modellimplizierte Volatilität ab Lieferzeiten von 6 Monaten fest. Die Volatilität ergibt sich durch die starke Steigung des Bid Stacks für Stunden mit hoher Stromnachfrage. Aus diesem Grund verallgemeinern wir die Kirk-Formel zur Verwendung bei strukturellen Modellen. Basierend auf den historisch geschätzten Modellparametern ergibt sich zwar eine feste Bewertungsgenauigkeit, diese wird jedoch in unserem Berechnungsbeispiel anhand realistischer Marktdaten numerisch schneller mit der Kirk-Formel als mit einer Monte Carlo Methode erreicht. Weiterführend vergleichen wir verschiedene Methoden zur Berechnung ausgewählter \textit{Griechen} (delta, gamma, vega). Im letzten Kapitel verwenden wir die Ergebnisse zur Berechnung einer Sicherungsstrategie für virtuelle Kraftwerke in der Praxis.