Palvelusektorin sähkönkäytön tutkiminen tuntimittaustietojen avulla
No Thumbnail Available
URL
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.
Authors
Date
2012
Department
Major/Subject
Sähköverkot ja suurjännitetekniikka
Mcode
S-18
Degree programme
Language
fi
Pages
[10] + 89 s.
Series
Abstract
Sähköverkon alueellisissa kuormituksen seurannassa ja ennustamisessa on keskeisessä osassa alueen nykyinen ja arvioitu käyttäjäryhmärakenne, rakennuskanta sekä aiempi mitattu sähkönkulutus. Tämän diplomityön tavoite oli selvittää palvelusektorin sähkönkäytön suuruus, ajallinen vaihtelu sekä alueellinen sijoittuminen Helsingissä. Lisäksi työssä tutkittiin etäluentatietojen hyödyntämistä osana alueellista kuormitusanalyysiä. Palvelukulutuksen muodostumista ja alueellista sijoittumista tutkittiin vuosienergioiden, rakennuskantatietojen ja nykyisin käytetyn asiakasluokittelun avulla. Tuntimittaustietojen hyödyntämistä tutkittiin kahdella matemaattisella menetelmällä. Ensimmäisen tutkitun menetelmän tavoite oli ryhmitellä liittymät niiden sähkönkäytön ajallisen vaihtelun mukaan. Toinen tutkittu matemaattinen menetelmä pyrki jakamaan sähkönkulutuksen päälaiteryhmiin tuntilukemien ja sähkönkäyttöä selittävien taustatietojen avulla. Ryhmittelyyn käytetty menetelmä perustui pääkomponenttianalyysiin sekä klusterointiin ja laitetason jaotteluun käytetty menetelmä perustui usean selittäjän regressiomallin. Matemaattisen ryhmittelyn avulla löydettiin kolme sähkölämmitysryhmää, yksi kaukolämmitysryhmä ja yksi palvelukulutusta sisältävä ryhmä. Palvelukulutuksen tarkempi ryhmittely osoittautui haasteelliseksi palvelusektorin monimuotoisuudesta johtuen. Ryhmittelyn tulokset olivat pääpiirteittäin yhteneviä nykyisen asiakasluokittelun kanssa. Menetelmän avulla lasketut pro ilit ja ominaiskulutukset kuvasivat kaikilla ryhmillä järkevästi ryhmän sähkönkäyttöä. Laitetason jaottelulla saatuja tuloksia ei voida pitää luotettavina. Menetelmä osoittautui kuitenkin mahdolliseksi keinoksi laitteiden kulutusosuuksien arvioinnissa. Molempia tutkittuja menetelmiä täytyy tulevaisuudessa kehittää vastaamaan palvelusektorin heterogeenisyydestä johtuvia vaatimuksia.Current and expected customer mix, land use and prior electricity consumption are vital inputs for spatiotemporal load forecasts. The aim of this thesis was to study characteristics of electricity consumption in service sector in the Helsinki city area. Furthermore, the thesis examined applicability of two mathematical methods for deploying automated meter reading data in spatial load analysis. Spatial city district level analysis was performed utilizing annual electricity consumption data, land use information and present customer classification used in customer information system. The automated meter reading data were deployed in two mathematical methods. The objective of the first method was to classify connection points according to consumption structures using principal component analysis. The second method studied used conditional demand analysis to disaggregate the load into main device groups. Using mathematical customer classification three electric heated groups, a district heated and a service consumption groups were found. More detailed classification of service sector was challenging due to the diversity of service consumption. Mathematical customer classification results were mainly consistent with present customer classification. Mathematically calculated load profiles and specific consumptions were meaningful and represented each group coherently. The results from load disaggregation cannot be considered reliable, but the method proved potential to device level analysis. In the future, both studied methods should be developed to meet the requirements caused by heterogeneity in the service sector.Description
Supervisor
Lehtonen, MattiThesis advisor
Hyvärinen, MarkkuHeine, Pirjo
Keywords
AMR, customer classification, load analysis, load profile, service sector, asiakasluokittelu, etäluenta, kuormituskäyrä, kuormitustutkimus, palvelusektori