BL20A0400 Sähkömarkkinat. Kuormat ja kuormitusennusteet Jarmo Partanen

Transkriptio

1

2 BL20A0400 Sähkömarkkinat Kuormat ja kuormitusennusteet Jarmo Partanen

3 Kuormat ja kuormitusennusteet Kuormat nykyiset kuormat; energia, teho kuormitusennusteet; energia, teho Kuormitustiedoissa olevilla virheillä on suuri vaikutus tuloksiin (verkostosuunnittelu, sähkön hankinta ja myynti, tariffisuunnittelu) 3

4 Kuormat ja kuormitusennusteet - Energia teho -muunnos Teho on keskeinen verkoston suunnittelun ja käytön mitoitusperusta. Tehon määritys on myös keskeinen osa sähkönhankinnan ja tariffien suunnittelua. Erilaisia tarpeita tehon määritykselle: verkoston seurantalaskenta: johtojen maksimitehot ja vuotuiset häviöt kuluvana vuonna suunnittelulaskenta (verkosto, sähkönhankinta): tuntitehot tarkasteluaikajakson aikana maksimitehot tarkasteluaikajakson aikana tarkasteluaikajakson kokonaishäviöt käyttötoiminta: nykyhetken ja lähitulevaisuuden (1-168 h) tuntitehot 4

5 Kuormat ja kuormitusennusteet - Energia teho -muunnos Tehojen määritykseen käytettävissä olevia tietoja: mitattu/arvioitu sähkönkäyttäjän vuosienergia asiakastyyppi asiakkaan sijainti Vuotuiset tuntitehot (AMR-mittarit) Suunnitteluvaiheessa yleisin lähtötieto on asiakastyyppi ja vuosienergia-arvio energiatieto pitää jollain tavoin muuttaa tehoksi Kuormitusmallit, tyyppikuormituskäyrät 5

6 Tyyppikuormituskäyrät Velanderin kaava P max k1 W k2 W P [kw], W [MWh] k1 k2 kotitalous sähkölämmitys palvelu Soveltuu suuren sähkönkäyttäjäjoukon huipputehon määritykseen. Ei sovellu yksittäisen sähkönkäyttäjän ja tietyn hetken tehojen määritykseen. 6

7 Tyyppikuormituskäyrät Määritetään tyyppisähkönkäyttäjän teho vuoden kunakin tuntina Edellytys: tyyppikäyttäjien valinta riittävä mittausaineisto tulosten analyysiä keskitehot, hajonnat, lämpötilariippuvuudet Käyttö: Sähkön hankinta, hinnoittelun suunnittelu, markkinointi, verkostolaskenta, tariffisuunnittelu AMR-mittarit tuottavat nykyisin erinomaista tuntidataa kuormituksista. Voidaan käyttää tyyppikuormitusmallien päivitykseen. Ei poista mallien tarvetta. 7

8 Tyyppikuormituskäyrät - esimerkki Laske alueen suurin keskituntiteho, kun vuosienergiat asiakasryhmittäin ovat seuraavat: kerrostaloasuminen 1.8 GWh, 450 asiakasta ok-talo, sähkölämmitys, k-vesi 300 l 1.3 GWh, 65 asiakasta metalliteollisuus, 1-vuoro 1.1 GWh, 2 asiakasta Laske myös alueen suurin 1 % ylitystodennäköisyyttä vastaava huipputeho, kun asiakasryhmien keskihajonnat ovat 20 %, 33 % ja 35 % keskituntitehosta. suurin teho esiintyy todennäköisesti samanaikaisesti jonkin ryhmän huipun kanssa. Kerrostaloasumisen huippu esiintyy klo (lauantaina hieman suurempi kuin arkena). ok-taloasumisen huippu esiintyy klo ollen suurinpiirtein samansuuruinen arkena ja lauantaina. Teollisuuden huippu esiintyy arkena klo Iltateho on arkena huomattavasti suurempi kuin lauantaina. Edellä olevan perusteella oletetaan huipun esiintyvän arkena. kaksiviikkoindeksien perusteella arvioituna huippu ajoittuu todennäköisesti tammikuun loppujaksolle, jolloin k kt22 =131, k ok 22=169 ja k teoll22 =123. 8

9 Kuormat ja kuormitusennusteet KOKONAISKULUTUS JALOSTUS PALVELU YKSITYINEN JA MAATALOUS Prosessiteollisuus Hallinto Sähkölämmitys Muu teollisuus Liike-elämä Osittainvaraava 1-vuoro teollisuus Huonekohtainen 2-vuoro teollisuus Varaava Kotitaloudet Kerrostaloasuminen Omakoti- ja rivitaloasuminen Maataloudet 9

10 Kuormitusmallit - määritys ja tulokset Suomessa tyypillisesti käytössä olevat mallit: 46 tyyppikäyttäjän kuormitusmallit P k,, Kaksiviikkoindeksit (26 mallia) Tuntikohtaiset päivämallit; arki, aatto, pyhä Koko vuosi on mallinnettu 26 x 3 x 24 = 1872 tuntiteholla Malleista saadaan tehot, kun tiedetään: sähkönkäyttäjän tyyppi sähkönkäyttäjän vuosienergia sijoittuminen verkkoon toimii lähtötietona verkostolaskelmissa 10

11 Kuormitusmallit - määritys ja tulokset Tuntikeskitehon laskenta P it käyttäjän i tuntiteho ajanhetkellä t W i vuosienergia Pit k i2t kaksiviikkoindeksi käyttäjälle i ajanhetkellä t k it tunti-indeksi käyttäjälle i ajanhetkellä t lämpötilariippuvuusindeksi T poikkeama ajanhetken keskilämpötilasta Wi ki2t kit T Kuormitusmallit esimerkki: Omakotiasujan vuosienergia on kwh. Mikä on käyttäjän teho tammikuun 1. viikon lauantai-iltana klo 17-18? k i2t = 123 k it = 250 P 10000kWh 8760h 1,23 2,5 3,5kW 11

12 Kuormituskäyrät - omakoti- ja rivitaloasuminen Lappeenranta University of Technology

13 Kuormituskäyrät - omakoti- ja rivitaloasuminen Lappeenranta University of Technology

14 Kuormitusmallit - määritys ja tulokset Kuormitusten satunnaisvaihtelu kuormitusmallit kertovat keskitehon, eivät mahdollista huipputehoa. Huipputeho kiinnostaa, koska se määrää mitoituksen. Ylitystodennäköisyyttä a vastaava huipputeho voidaan laskea, jos hajonta tunnetaan (oletetaan normaalijakaumaksi) jos a = 1 %, on Z a = 2.3 (normaalijakaumasta) jos a = 5 %, on Z a = 1.6 jos a = 50 %, on Z a = 0 P max n P z a n 14

15 Kuormitusmallit - satunnaisvaihtelu, kuormitusten yhdistäminen n samanlaista asiakasta Esim. jos a= 1 % eli Z a = 2.3 ja oletetaan = 0.5 x P k n = 1, n = 2, n = 10, n = 100, P max = 2.1 x P k P max = 3.6 x P k P max = 13.6 x P k P max = x P k P max n P z a n Voimakas tasoittuminen! Hajonta vaikuttaa pj-verkon mitoitukseen, kj-verkossa ja sähkön hankinnassa lähes merkityksetön. Kuormitusten yhdistäminen kahden erilaisen asiakasryhmän yhdistäminen (ei korrelaatiota) P max n 1 P 1 n 2 P 2 z a n n

16 Kuormitusmallit - satunnaisvaihtelu, kuormitusten yhdistäminen Syöttö 2 Sähkölämmitys 30 MWh/a 3 Neljä kotitalousasiakasta á 5 MWh/a Risteily + tasoittuminen 1 % ylitystodennäköisyys 4 Kotitalous 20 MWh/a P max,1% P avg 16

17 Kuormitusennusteet Sähkönkäyttöennusteita tarvitaan Sähkökaupassa 1-5 vuoden aikajänne Verkostosuunnittelussa vuoden aikajänne, kuormitusennusteet ovat tärkein yksittäinen lähtötieto verkoston pitkän aikavälin kehittämissuunnittelulle Alueittaiset asiakasryhmittäiset ennusteet energiaennusteet suurille pistekuormille suoraan tehoennuste Verkon kehittämissuunnittelussa tarvitaan ennusteita, jotka ovat kohdistettavissa nykyisille jakelumuuntamoille. Tällöin verkostolaskelmien tekeminen on vaivatonta. Kehittämissuunnittelussa tarvitaan alueittaisia ennusteita, mutta alueen koko voi olla melko suuri (esim. 5 x 5 km). Ennusteiden perusteella ei tehdä yksityiskohtaista ja lopullista mitoitusta, joka tapahtuu normaalin verkosto-suunnittelun yhteydessä ajantasaisilla tiedoilla. 17

18 Kuormitusennusteet - ennustemenetelmiä Talousmallit Ekstrapolointi Alueittainen kuluttajaryhmäkohtainen Alueittaiset asiakasryhmittäiset ennusteet suunnittelujakson jako sopiviin välietappeihin, 2-3 jaksoa, ensimmäinen jakso max. 5 v asiakasryhmien kehitysennusteet yhdyskuntien kehitysennusteiden pohjalta asiakasryhmien ominaiskulutusten kehitysennusteet valtakunnallisten kehitysennusteiden pohjalta Mikä on sopiva aluejako? kaupungeissa paljon jopa korttelikohtaisia kehitysennusteita maaseudulla kuntataso sopiva alue ennusteen pohjaksi kuntasuunnitelmat maakuntahallinnon suunnitelmat Yhdyskunnan kehitysennusteet tärkeä pohjatieto. Suuralueilla tilastolliset menetelmät pätevät. Pienalueilla tilastolliset menetelmät eivät anna hyviä tuloksia. 18

19 Kuormitusennusteet - ennustemenetelmiä % 0-1% 1-3% 3-5% 5-10% 10-20% Sähkön käytön muuttuminen vuosien aikana 19

20 Kuormitusennusteet - muutoksia 3000 Other Lighting Home electronics Washing Cooking and dishwashing Refrigeration equipment kwh/year Kerrostaloasunnon sähkön käyttö Lämmitystapavalinnat Lämpöpumppuennuste, 2014 Sulpu 20

21 Kuormitusennusteet - muutoksia Muuntamon kuormituskäyrä Saksassa 21

22 Kuormitusennusteet - ennustemenetelmiä, aluejako Aluejako: sähköyhtiö (kokonaismyynti) sähköasema kj-johto jakelumuuntamo pj-johto sähkönkäyttäjä (myynti) Asiakasryhmäjako kerrostalot ja rivitalot, kotitalouskäyttö omakotitalot, kotitalouskäyttö maatilat, kotitalous- ja maatilakäyttö sähkölämmitys; rivitalot, omakotitalot, maatilat kesäasunnot; normaalikäyttö + lämmitys palvelut julkinen hallinto pk-teollisuus suuret pistekuormat 22

23 Kuormitusennusteet - ominaiskulutukset Asiakasryhmien ominaiskulutukset kotitalouskäyttö, MWh/asiakas,a maatilat, MWh/asiakas,a sähkölämmitys, MWh/asiakas,a uudet asunnot olemassa olevat asunnot kesäasunnot, MWh/asiakas,a palvelu, MWh/työpaikka,a,MWh/m 2,a julkinen hallinto, MWh/työpaikka,a, MWh/m 2,a pk-teollisuus, MWh/työpaikka,a, MWh/m 2,a suuret pistekuormat, MVA Ominaiskulutusennusteet nykytaso ja historiakehitys asiakastietojärjestelmän tietojen avulla alueittain (kunnittain) kasvuennusteet valtakunnallisten ennusteiden mukaisesti KTM, ymv. Asiakasryhmien kehitysennusteet maakunnan ja kuntien kehitysennusteist oma kokemus ja harkinta 23

24 Kuormitusennusteet - tulokset Tuloksena alueittaiset energiaennusteet asiakasryhmittäin yhteensä, kasvu %/a Kuntaennusteen jako jakelumuuntamoille prosentuaalisen kasvun tasajako ei mielellään (kunnan sisällä isoja alueellisia eroja) kaavatietojen ja kokemuksen perusteella kasvualueet perusalueet taantuvat alueet tuloksena jakelumuuntamoiden kasvuennusteet verkon ja sähköasemien tulevaisuuden kuormat laskentaohjelmiin jakelumuuntamoiden tehot kuormitusmallien avulla 24

25 Kuormitusennusteet - tulokset Lappeenranta University of Technology

26 Changes in energy and power supplied by distribution network Power E. A. Energy efficiency of electric devices (e.g. LED lights) B. Number of electrical devices C. Energy saving as a way of life K. D1. C. I. B. D3. D2. F. Energy D 1. Heat pumps in buildings with electric heating D 2. Heat pumps in other buildings D 3. Electricity use in some other way in heating E. Electric vehicles; non-controlled charging F. Electric vehicles; smart charging A. J. H. G. G. Customer s energy storages H. Load control by the retailer/aggregator I. Load control by the customer J. Load control by the DSO K. Customer s own electricity generation Lappeenranta University of Technology

27 Kuormituskäyrät - osittain varaava sähkölämmitys ja asuminen Lappeenranta University of Technology

28 Kuormituskäyrät - osittain varaava sähkölämmitys ja asuminen Lappeenranta University of Technology

29 Kuormituskäyrät 1-vuoroteollisuus Lappeenranta University of Technology

30 Kuormituskäyrät 1-vuoroteollisuus Lappeenranta University of Technology

31 Kuormituskäyrät - omakotitalo, sähkölämmitys huonekoht., käyttövesi 300 ltr. Lappeenranta University of Technology

32 Kuormituskäyrät - omakotitalo, sähkölämmitys huonekoht., käyttövesi 300 ltr. Lappeenranta University of Technology

33 Kuormituskäyrät - kerrostaloasuminen Lappeenranta University of Technology

34 Kuormituskäyrät - kerrostaloasuminen Lappeenranta University of Technology