Modellering av dimensjonerende el-spesifikk last for leiligheter i Fjellhamar Bruk

Abstract

Data fra AMS-målere i norske husholdninger viser at dimensjonerende last i leiligheter blir betydelig overdimensjonert i planleggingsfasen. Dette gjelder spesielt for leiligheter der elektrisitet er energibærer for el-spesifikke laster. Sentrale årsaker er en samtidighetsfaktor som tallfestes for høyt og en planleggingsprosess med sikkerhetsmarginer i flere ledd.

Denne oppgaven har som hensikt å finne dimensjonerende last og tilhørende lastkurver for det el-spesifikke behovet for én leilighet, i et område bestående av 1500 leiligheter i Fjellhamar Bruk. Dette gjøres ved bruk en statistisk modell. For å tilse at dimensjonerende last fra modellen er tilstrekkelig, gjøres en evaluering mot reelle måledata fra AMS-målerne. Deretter undersøkes det hvordan samtidighetsfaktoren påvirker dimensjonerende last for én leilighet i et område bestående av 1500 leiligheter. Til sist skal potensialet for forbrukerfleksibilitet undersøkes, med hensikt å redusere forbruket i timene som er avgjørende for dimensjonerende last. Overordnede problemstilling for oppgaven er: Er dimensjonerende last på 1 kW per leilighet tilstrekkelig i et område med 1500 leiligheter ved Fjellhamar Bruk der elektrisitet kun brukes til el-spesifikke tjenester?

Resultatene ved evalueringen av den statistiske modellen tilsier at metoden ikke er tilstrekkelig for bruk ved dimensjonering. Dimensjonerende last fra modellen tilsa en dimensjonering på 0,95 kW for én leilighet, der reelle målinger tilsa en maks last per time på 1,15 kW per leilighet. Tidspunktet i modellen var time 20, og i time 19 i reelle måledata. Videre vil samtidighetsfaktoren i modellen føre til en overestimering av dimensjonerende last. Dette viser at modellen ikke er tilstrekkelig, da både størrelse, tidspunkt og samtidighetsfaktoren ikke gjenspeiler reelle forhold.

For å finne dimensjonerende last genereres nye parametere. Reelle AMS-data ble inndata i den statistiske modellen. Dette ga en tilstrekkelig dimensjonerende last med tilhørende lastkurve. Samtidighetsfaktor ble korrigert til å gjenspeile dimensjonerende last for 1500 enheter. Noe som resulterte i en dimensjonerende last for én leilighet, i et område med 1500 leiligheter, på 1,05 kWh/h. Fleksibilitetspotensialet i Fjellhamar ble kartlagt i to ulike scenario. I dårligste scenario kan dimensjonerende last reduseres til 1,02 kWh/h per leilighet. I beste scenarioet kan dimensjonerende last reduseres til 1,00 kWh/h per leilighet.

Measurements from the smart meters in Norwegian households shows that the dimensions of the electrical infrastructure are being highly overestimated in the design process. This is especially the case for households where electricity is the carrier for el-specific loads. Reasons for this overestimating is a coincidence factor that is set too high and a planning process where margins for safety are added by different stakeholders throughout the design process.

The purpose of this thesis is to find the dimensioning load and associated load curves for the el-specific consumption for one apartment, in an area consisting of 1500 apartments. A statistical model is evaluated by using actual measurements from the smart meters. The coincidence factor is investigated to see how it affects the dimensioning load for one apartment, in an area consisting of 1500 apartments. The potential of demand-response is investigated to reduce the dimensioning load, by moving the consumption in dimensioning hours. This leads to the research question for this thesis: Is a dimensioning load of 1 kW sufficient for one apartment in an area consisting of 1500 apartments in Fjellhamar Bruk where electricity is used for el-specific services?

The evaluation of the model indicates that the statistical model is not sufficient for dimensioning. The model gives a dimensioning load of 0,95 kW for one apartment while measured values show a peak-load of 1,15 kW from one apartment. Hour 20 was the hour of dimensioning load from the model, and hour 19 in the measured load. Furthermore, the coincidence factor in the model is too high and will lead to an overestimation of the dimensioning load. This result show that the model is insufficient when the model is underestimating the size and time of peak-load, and it doesn’t reflect the coincidence factor when the numbers of households are larger than 38.

To find the dimensioning load, new parameters are generated from the model. The measured values were used as input data in the statistical model. This provided a sufficient sizing and a correct timing of the dimensioning load. The coincidence factor was corrected to reflect a dimensioning load of 1500 apartments. The results of the gives a dimensioning load of 1,05 for one apartment in an area consisting of 1500 apartments. The potential of utilizing demand-response to reduce the dimensioning load was investigated in two different scenarios, best-case- and worst-case scenario. The worst-case scenario gives a dimensioning load of 1,02 kW for one apartment. The best-case scenario gives a dimensioning load of 1,00 kW for one apartment.