BL20A0400 Sähkömarkkinat Kuormat ja kuormitusennusteet Jarmo Partanen
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
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
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
Tyyppikuormituskäyrät Velanderin kaava P max k1 W k2 W P [kw], W [MWh] k1 k2 kotitalous 0.29 2 sähkölämmitys 0.22 0.9 palvelu 0.25 1.9 Soveltuu suuren sähkönkäyttäjäjoukon huipputehon määritykseen. Ei sovellu yksittäisen sähkönkäyttäjän ja tietyn hetken tehojen määritykseen. 6
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
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 18-19 (lauantaina hieman suurempi kuin arkena). ok-taloasumisen huippu esiintyy klo 22-23 ollen suurinpiirtein samansuuruinen arkena ja lauantaina. Teollisuuden huippu esiintyy arkena klo 9-10. 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
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
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
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 8760 100 100 T Kuormitusmallit esimerkki: Omakotiasujan vuosienergia on 10 000 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
Kuormituskäyrät - omakoti- ja rivitaloasuminen Lappeenranta University of Technology 8.9.2015 12
Kuormituskäyrät - omakoti- ja rivitaloasuminen Lappeenranta University of Technology 8.9.2015 13
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
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 = 111.5 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 1 2 1 n n 2 2 2 15
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
Kuormitusennusteet Sähkönkäyttöennusteita tarvitaan Sähkökaupassa 1-5 vuoden aikajänne Verkostosuunnittelussa 10-30 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
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
Kuormitusennusteet - ennustemenetelmiä 2008 2008 0007 0010 0036 0018 0014 0029 2002 0101 0028 0024 0041 0040 0733 0043 0042 0045 2001 0058 0795 0799 2007 0798 2007 0077 0797 0097 2007 0079 2007 00800098 0102 0777 0092 0107 0734 0106 0134 0793 0733 2006 0135 0141 0734 0152 0178 0195 0794 2005 0733 0206 0212 0140 0244 0783 0657 0290 0789 0208 0212 0774 0212 0759 0657 0307 0229 0233 0733 0314 0231 0317 0320 2000 0272 0374 0661 2003 0776 0776 0778 0786 0477 0479 0330 0784 0733 0427 0399 0733 0433 0785 0791 0659 2005 0796 0471 0538 0790-5-0% 0-1% 1-3% 3-5% 5-10% 10-20% Sähkön käytön muuttuminen vuosien 2005-2012 aikana 19
Kuormitusennusteet - muutoksia 3000 Other Lighting Home electronics Washing Cooking and dishwashing Refrigeration equipment kwh/year 2500 2000 1500 1000 700 650 200 300 450 600 150 550 430 550 150 650 500 650 650 500 0 100 150 120 1993 2006 2011 Kerrostaloasunnon sähkön käyttö Lämmitystapavalinnat Lämpöpumppuennuste, 2014 Sulpu 20
Kuormitusennusteet - muutoksia Muuntamon kuormituskäyrä Saksassa 21
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
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
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
Kuormitusennusteet - tulokset Lappeenranta University of Technology 8.9.2015 25
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
Kuormituskäyrät - osittain varaava sähkölämmitys ja asuminen Lappeenranta University of Technology 8.9.2015 27
Kuormituskäyrät - osittain varaava sähkölämmitys ja asuminen Lappeenranta University of Technology 8.9.2015 28
Kuormituskäyrät 1-vuoroteollisuus Lappeenranta University of Technology 8.9.2015 29
Kuormituskäyrät 1-vuoroteollisuus Lappeenranta University of Technology 8.9.2015 30
Kuormituskäyrät - omakotitalo, sähkölämmitys huonekoht., käyttövesi 300 ltr. Lappeenranta University of Technology 8.9.2015 31
Kuormituskäyrät - omakotitalo, sähkölämmitys huonekoht., käyttövesi 300 ltr. Lappeenranta University of Technology 8.9.2015 32
Kuormituskäyrät - kerrostaloasuminen Lappeenranta University of Technology 8.9.2015 33
Kuormituskäyrät - kerrostaloasuminen Lappeenranta University of Technology 8.9.2015 34