Ennusteiden laadun vaikutukset sähköjärjestelmän käyttötoimintaan
Loading...
Journal Title
Journal ISSN
Volume Title
Sähkötekniikan korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Author
Date
2020-05-18
Department
Major/Subject
Control, Robotics and Autonomous Systems
Mcode
ELEC3025
Degree programme
AEE - Master’s Programme in Automation and Electrical Engineering (TS2013)
Language
fi
Pages
69+4
Series
Abstract
Sääriippuvaisen tuotannon kasvun myötä sähköjärjestelmän ennusteiden korkea laatu on entistä tärkeämpää. Sähköjärjestelmän tehotasapainon ylläpidon kannalta tärkeitä ennusteita ovat tuulivoima-, kulutus-, tuotanto- ja siirtoennusteet. Sähköntuotannon muuttuessa epäsäännöllisemmäksi pohjoismaisen sähköjärjestelmän tasehallintaan tulee muutoksia. Tässä diplomityössä tutustuttiin Fingrid Oyj:n ennustejärjestelmien laatuun ja kehitettiin Power BI -raportti automaattista laadun seurantaa varten. Lisäksi työssä tutkittiin ennusteiden vaikutusta kantaverkkotoiminnan muutoksiin sekä tuulivoiman vaikutusta sähköjärjestelmän inertiaan. Työssä tutkittiin kahta Fingridin käytössä olevaa ennustejärjestelmää eri ennustehorisonteilla vuoden mittaiselta ajanjaksolta. Ennustejärjestelmien tuulivoimaennusteen vertailussa huomattiin, että toinen ennustejärjestelmä kykenee ennustamaan huomattavasti toista paremmin seuraavalle tunnille. Ennustehorisontin pidentyessä toinen ennustejärjestelmä oli vastaavasti tarkempi. Kulutusennusteen tuottamisessa toinen ennustejärjestelmä oli tarkempi tutkituilla ennustehorisonteilla. Ennustejärjestelmien laatu pysyi kohtuullisena haastavissa tilanteissa, kuten nopeiden tuulivoiman kasvutuntien aikana. Toteutetun Power BI -raportin avulla Fingridin asiantuntijat kykenevät seuraamaan ennusteiden laatua systemaattisesti ja nopeasti. Laadun seurannalla voidaan varmistaa, että ennustejärjestelmien taso pysyy korkeana, ja että ennustemallien toiminnallisia virheitä huomataan. Ennustejärjestelmiin tehdyssä laatutarkastelussa huomattiin toisesta ennustejärjestelmästä virheellistä ennustamista pienillä tuulennopeuksilla. Ennustemalliin tehtiin laatutarkastelun ja asiantuntijakeskustelujen pohjalta muutoksia.Due to the increase of weather-dependent generation, the high quality of power system forecasts is ever more important. Necessary forecasts for maintaining the balance between production and consumption are wind power, consumption and transmission forecasts. As electricity production becomes more irregular, balance management in the Nordic electricity system changes. In this thesis, the quality of Fingrid Oyj's forecasting systems was examined, and an automatic quality monitoring was developed with Power BI. In addition, the impact of forecasts on changes in grid operation and the impact of wind power on the electricity system inertia were studied. In this thesis, two forecasting systems used by Fingrid were examined with one-year period with different forecasting horizons. Comparison of the wind power forecasts showed that the first forecasting system was significantly more accurate forecasting the next hour than the second system. With longer forecasting horizons, the second system was more accurate. The first system was more accurate forecasting consumption with all examined forecasting horizons. The quality of the forecasting systems were reasonable even during challenging situations such as during the hours when wind power increased rapidly. With the developed Power BI report, the experts at Fingrid are able to systematically and quickly monitor the quality of forecasts. Quality monitoring can ensure that forecasting systems remain on high standard and that forecasting model functional errors are detected. The examination of the quality of the forecasting systems revealed that the second system had poor quality at low wind speeds. Changes were made to the forecast model based on quality examination and expert discussions.Description
Supervisor
Lehtonen, MattiThesis advisor
Laatikainen, MikaMattila, Tuomas
Keywords
forecasting, wind power, electric power system, power BI
