Etäluettavan energiamittaustiedon hyödyntäminen alueellisissa kuormitusennusteissa

No Thumbnail Available
Journal Title
Journal ISSN
Volume Title
Master's thesis
Date
2011
Major/Subject
Sähköverkot ja suurjännitetekniikka
Mcode
S-18
Degree programme
Language
fi
Pages
[11] + 103
Series
Abstract
Valtioneuvoston asetuksen mukaan lähes kaikki Suomen sähkömittarit on vaihdettava tuntimittausta tukeviin etäluettaviin AMR-mittareihin vuoden 2013 loppuun mennessä. Mittarien vaihdon jälkeen verkkoyhtiöiden käytössä on yksittäisten asiakkaiden tuntimittaustiedot, joita voidaan käyttää uusissa sovelluksissa sekä tulevaisuuden sähkön käytön skenaarioissa. Ennusteiden tulee kattaa pitkän aikavälin sähkön kysynnänmuutokset kehittyvässä yhteiskunnassa, koska sähköverkon ja sähköasemien rakennushankkeet kestävät useita vuosia ja niiden pitoaika on vielä pidempi. Tässä diplomityössä AMR-tuntimittaustietoja käytetään pitkän aikavälin sähkönkulutus-skenaarioihin. Kehitettävässä skenaariotyökalussa ennusteiden lähtökohtana on aina tämän hetkinen mitattu sähkökuorma. Kuorma voidaan mallintaa melko tarkasti lineaarisen regressiomallin avulla, jossa käytetään selittävinä tekijöinä ulkolämpötilaa, päivän pituutta ja vuorokauden tyyppiä. Lisäksi erityyppiset asiakkaat voidaan tunnistaa heidän tuntisarjojensa perusteella käyttämällä pääkomponentti-analyysiä (PCA) tai tunnuslukumenetelmää. Tämän jälkeen asiakkaiden lopullisessa ryhmittelyssä voidaan käyttää klusterointia tai raja-arvomenetelmää. Skenaariotyökalussa kuormituskäyriin voidaan yhdistää taustatietoja verkkotietojärjestelmästä, asiakastietojärjestelmästä, kuntarekisteristä, säätilastoista sekä rakennusennusteista. Tietojärjestelmien yhdistäminen mahdollistaa uudentyyppisten analyysien tekemisen. Kuormituskäyriä voidaan päivittää ja niistä erottaa erityisiä kuormia. Sähkönkulutustiedoista voidaan tunnistaa pitkän aikavälin muutostrendejä alueittain tai asiakasryhmittäin. Lisäksi voidaan tutkia, miten kiinteistön rakennusvuosi vaikuttaa sen sähkön ominaiskulutukseen. Työssä on käytetty kuormitusennusteisiin alueellista simulointimenetelmää. Suurimmat muutokset tulevaisuuden sähkön käyttöön aiheutuvat uudisrakentamisesta, uudesta alueellisesta tuotannosta ja sähkön käytöstä sekä sähkön käytön muutoksista. Uudisrakentamisen huomioimisessa käytetään asiakasryhmille yksilöllisiä kerrosneliömetrikohtaisia ominaiskulutuksia (kWh/ke-m2) sekä Helsingin alueen rakennusennusteita. Kaikki tulevaisuuden muutokset alueellisessa sähkökuormassa on huomioitu lisäämällä muutokset modulaarisesti nykyisen kuormituksen päälle, mikä mahdollistaa kaiken tyyppisten muutosten huomioimisen tulevien vuosikymmenien aikana. Diplomityössä luotiin manuaalisesti alueelliset kuormitusennusteet aikavälille 2010 - 2030 kahdelle demonstraatioalueelle Helsingissä: Lauttasaaren ja Pakilan kaupunginosille. Alueiden kehitys-ennusteet eroavat merkittävästi, mikä näkyi myös selvästi sähkön käytön skenaarioissa. Manuaalinen ennustusprosessi paljasti myös valtavien tietomäärien ja niiden yhdistämisen haasteet, jotka tulee ottaa huomioon skenaariotyökalun kehityksessä. Tulevassa työkalussa skenaarioihin voidaan käyttää useita eri tietolähteitä ja ulostulona saadaan helposti muokattavia skenaarioita. Ennusteita voidaan tarkastella taulukoina, kaavioina tai ne voidaan havainnollistaa karttapohjalla.

At the moment, new AMR (Automatic Meter Reading) smart meter installations are going on in Finland, finishing by the end of 2013. A considerable amount of hourly metered load data is already available and new applications based on these data are being developed when electricity utilities attempt to response demand changes of electricity in the developing society. Because the planning and building of the transmission system and substations may take up to a decade and their lifetime is even longer, the time scales of load scenarios should accordingly cover these needs. In this master's thesis, AMR hourly data are used in spatial long-term scenarios of electricity consumption. In the scenario tool under development, the measured load data serves as a starting point of the scenario. Present spatial load curves can be modeled utilizing linear regression where outside temperature, day length, and day type are used as explanatory variables. Based on hourly measurements of an individual customer, different customer types can be recognized mathematically exploiting key figure method or principal component analysis (PCA). Customer groups can then be obtained using clustering or limiting value method. In the tool, background data from various sources, like the network information system, the customer database, municipality registers, interviews, and the temperature data, is linked to the measured load curves. Using manifold analyses, load curves can then be updated and specific consumption determined. The measured load curves and background data are analysed in order to identify long-term trends in electricity consumption and to study the relationship between a construction year of building and its electricity consumption. A spatial simulation method is applied to create the load forecasts. Main sources for alternation in prospective load curves are the spatial future construction, totally new spatial generations and loads, and the future changes in the use of electricity. In this part, individual nominal consumption per floor area (kWh/FA-m2) for each customer group and the spatial future construction of the area are critical input data. All changes are modeled summing specific modules to present load curves and thus it is possible to take into account several possible changes arising in the coming decades. In the master's thesis, spatial load forecasts were created for two different districts of Helsinki: Lauttasaari and Pakila. These areas have considerably different plans regarding future development, which is clearly reflected in the results. The load scenarios covered the years 2010 - 2030. Several challenges in handling large amounts of data and in linking data from different sources were identified by demonstration. Such information is crucial for the scenario tool design. The tool should make it possible to dynamically vary the input data and give as an output alternative and manifold scenarios. The results should be available spatially as tables and graphs as well as illustrated on map.
Description
Supervisor
Lehtonen, Matti
Thesis advisor
Hyvärinen, Markku
Heine, Pirjo
Keywords
AMR, customer type, customer identification, load analysis load scenario, AMR, asiakastyyppi, asiakastyypin tunnistus, kuormitusanalyysi, kuormitusennuste
Other note
Citation