Prediksjon og håndtering av effekttopper

flowchart LR
	A[Regionalnett
måle- og driftsdata] --> C[Datagrunnlag]
	B[Distribusjonsnett
AMS og nettstasjoner] --> C
	D[Vær, kalender
produksjon og kundeprofiler] --> C

	C --> E[Prediksjon av belastning
og effekttopper]
	E --> F[Vurdering av tiltak]
	F --> G[Beslutningsstøtte
for netteier]

	F --> H[Fleksibilitet]
	F --> I[Energilagring]
	F --> J[Driftsmessige tiltak]
	F --> K[Nettforsterkning]
					

1. Bakgrunn

Denne prosjektskissen tar utgangspunkt i behovet for bedre forståelse, prediksjon og håndtering av effekttopper i regionalnett og distribusjonsnett. Elektrifisering, ny industri, elbillading, lokal produksjon og endrede forbruksmønstre kan gi større variasjon i belastningen og økt behov for kapasitetsstyring.

Prosjektet bygger på en tilnærming der belastning først predikeres, før mulige tiltak vurderes mot forventet effektreduksjon, kostnad og praktisk gjennomførbarhet.

Kapasitetsutfordringer kan oppstå på ulike nettnivå og på tvers av systemer. Prosjektet bør derfor undersøke samspillet mellom regionalnett, distribusjonsnett og tilhørende drifts- og målesystemer, og hvordan måledata og driftsdata fra ulike kilder kan brukes til å forstå, forklare og predikere belastning.

2. Kunnskapshull og behov

Nettselskaper har tilgang til stadig større mengder måle- og driftsdata, men det er fortsatt krevende å omsette slike data til beslutningsgrunnlag for drift, planlegging og prioritering av tiltak.

Et sentralt behov er å forstå hvordan belastning, samtidighet og kapasitetsutnyttelse henger sammen på tvers av regionalnett, distribusjonsnett og tilhørende drifts- og målesystemer.

Det er også behov for bedre kunnskap om hvilke datakilder og målepunkter som gir størst verdi for prediksjon, overvåking og beslutningsstøtte.

3. Problemstilling

Prosjektets hovedproblemstilling er hvordan måle- og driftsdata fra regionalnett og distribusjonsnett kan brukes til å predikere effekttopper og gi bedre beslutningsgrunnlag for tiltak mot kapasitetsutfordringer.

En sentral utfordring er å forstå hvor, når og hvorfor effekttopper oppstår, og hvordan belastning på ett nettnivå kan påvirke kapasitet, drift og planlegging på andre nettnivå eller i tilknyttede systemer.

4. Formål

Formålet er å utvikle og evaluere en datadrevet tilnærming for prediksjon og håndtering av effekttopper, der belastning først predikeres og deretter brukes som grunnlag for vurdering av mulige tiltak.

Prosjektet skal undersøke hvordan måledata, værdata, kalenderdata, nettstruktur og informasjon om kundegrupper kan brukes til å predikere effekttopper i regionalnett og distribusjonsnett.

Arbeidet kombinerer elkraftfaglig forståelse med industriell IT, dataintegrasjon, modellering og analyse av sanntidsnære data.

5. Forskningsspørsmål

1. Hvordan kan måle- og driftsdata brukes til å predikere effekttopper i regionalnett og distribusjonsnett?
2. Hvilke datakilder, belastningsmønstre og systemvariabler gir størst forklaringsverdi for prediksjon av effekttopper?
3. Hvordan kan predikert belastning brukes til å vurdere tiltak som fleksibilitet, energilagring, driftsmessige tiltak eller nettforsterkning?
4. Hvordan kan resultatene presenteres som beslutningsstøtte for drift, planlegging og prioritering av tiltak?

6. Metode og datagrunnlag

Prosjektet kan ta utgangspunkt i analyse av belastningsmønstre over tid, statistisk modellering, maskinlæring og vurdering av mulige tiltak. Metodisk kan prosjektet bygge på en todelt tilnærming der belastning først predikeres, før aktuelle tiltak vurderes mot forventet effektreduksjon, kostnad og praktisk gjennomførbarhet.

Aktuelle datakilder kan være AMS-data, nettstasjonsdata, målinger fra transformatorstasjoner, værdata, kalenderdata, produksjonsdata og informasjon om kunde- og forbruksprofiler.

Et sentralt tema er datakvalitet. Feil, manglende verdier, ulik tidsoppløsning og svak kobling mellom datakilder kan påvirke både modellkvalitet og praktisk nytteverdi.

7. Avgrensning

Prosjektet bør avgrenses til utvalgte nettområder, nettnivå eller komponentgrupper der kapasitetsutfordringer er relevante og der nødvendig datagrunnlag er tilgjengelig.

Endelig avgrensning må gjøres i samarbeid med bedriften og gradsgivende utdanningsinstitusjon, slik at prosjektet får en tydelig forskningsmessig ramme og samtidig er praktisk gjennomførbart.

8. Forventet bidrag

Vitenskapelig kan prosjektet bidra med kunnskap om hvordan belastningsdata, driftsdata og eksterne datakilder kan kombineres for å predikere effekttopper og forstå kapasitetsutfordringer på tvers av nettnivå.

For netteier kan prosjektet gi bedre grunnlag for tidligere varsling av kapasitetsproblemer, mer presis nettplanlegging og bedre prioritering mellom driftsmessige tiltak, fleksibilitet og nettforsterkning.