Maalämpökohteiden sähkönkäytön analysointi

Abstract

Sähkönjakeluyhtiöt tekevät alueellisia kuormitusennusteita sähköverkkoinvestointipäätösten tueksi. Alueen uusien rakennusten lisäksi on tärkeää havaita ja ottaa huomioon muutokset sähkönkäytössä. Tämän työn tarkoitus oli analysoida maalämpöpumpullisten erillisten pientalojen sähkönkäyttöä. Tämä tehtiin käyttämällä tunneittain mitattuja sähkönkulutustietoja sekä kiinteistötietoja.

Maalämpökohteiden havaitsemiseksi sovellettiin muutoskohdan havaitsemismenetelmää sähkön vuosienergiatietojen avulla. Keskimääräiset vuosienergiamuutokset laskettiin sähkölämmityksestä ja ei-sähkölämmityksestä maalämpölämmitykseen vaihdettaessa. Keskimääräiselle maalämpökohteelle tehtiin regressioanalyysi päiväenergioille ja määritettiin tunneittainen sähkönkulutus. Maalämpökohteita yritettiin luokitella muista asiakasryhmistä käyttämällä pääkomponenttianalyysiä ja K-means -ryhmittelyä tunneittain mitatuille sähkönkulutustiedoille.

Vaihdettaessa sähkölämmityksestä ja ei-sähkölämmityksestä maalämpöön, tulosten mukaan vuosienergia vähenee mediaaniltaan 53 % ja kasvaa 150 %. Maalämpökohteen sähkönkäyttöprofiili on niin samankaltainen kuin suoralla sähkölämmityksellä, että niitä ei pystytty erottamaan toisistaan näillä matemaattisilla menetelmillä pelkästään tuntimittaustietoja käyttämällä. Lopuksi tehtiin kaksi skenaariota neljälle Helsingin pientalovaltaiselle kaupunginosa-alueelle, jotta voitiin arvioida maalämpöpumppujen lisääntymisen vaikutus alueelliseen sähkönkäyttöön. Tulosten perusteella näillä skenaarioalueilla sähkönkulutus lisääntyisi ja huipputeho vähenisi hieman ilman maalämpöpumppuja tapahtuvaan kehitykseen verrattuna.

Spatial load forecasting is done by distribution system operators to assist in power system investment decisions. In addition to the new buildings in the area, it is important to detect and take into account the changes in electricity consumption. The aim of this thesis was to analyse the electricity consumption of detached house customer connections with ground source heat pumps (GSHP). This was done by using hourly measured consumption data and property data.

A break point detection method was applied to annual electricity consumption data to detect GSHP customers. Average changes in annual electricity consumption when switching from electric and non-electric heating to GSHPs were calculated. Regression analysis for daily electricity consumption and plotting of hourly electricity consumption were done for an average GSHP customer. Classification of GSHP customers from other customer types was tried by using principal component analysis (PCA) and K-means clustering for hourly measured electricity consumption data.

When switching to GSHP heating from electric and non-electric heating, the results show that the annual electricity consumption decreases on median by 53 % and increases by 150 %, respectively. The electricity consumption profile of a GSHP customer is so similar to direct electric heating that they could not be differentiated from each other with tested mathematical methods using only hourly measured consumption data. Finally, two scenarios were done in four Helsinki sub-districts with mostly detached houses to see the effect of increased number of GSHPs in spatial loads. In these scenario areas, the annual electricity consumption would increase and the peak power would decrease slightly compared to the scenario without GSHPs.