Effektfaktor

EDMI-m¨ataren m¨ater reaktiv och aktiv energi per timme. Det m¨ojligg¨or en ber¨akning av effektfaktorn som timmedelv¨arde. I avsnittet analyseras variationen av effektfaktorn

Figur 4.16: Last och utomhustemperatur i n¨atstation 17, under ca tv˚a dygn.

och dess samband med ansluten last.

I figur 4.17 visas effektfaktorns variationer under ett ˚ar i n¨atstation 5. Effektfaktorn va-rierar mellan 0,95 och 0,99, med ett medel p˚a 0,98. Variationerna ¨ar relativt konstanta under ˚aret, vilket inneb¨ar att lastens sammans¨attning av resistiva och kapacitiva/induk-tiva laster ¨ar den samma under ˚aret.

Figur 4.17: Effektfaktor och utomhustemperatur under ett ˚ar i n¨atstation 5.

I figur 4.18 visas effektfaktorns variationer under ett ˚ar i n¨atstation 17. Effektfaktorn varierar mellan 0,98 och 1, med ett medel p˚a 0,99. Variationerna under ˚aret skiljer sig mellan sommar och vinter. Skillnaden kan bero p˚a att uppv¨armningen sker med v¨armepump, d¨ar pumpen ¨ar en induktiv last. I figuren visas ¨aven utomhustemperatu-ren. Temperaturkurvan st¨arker analysen av att det ¨ar uppv¨armningsalternativet som p˚averkar effektfaktorn, d˚a variationsm¨onstret f¨or¨andras n¨ar temperaturen sjunker.

I figur 4.19 presenteras effektfaktorn under ett ˚ar i n¨atstation 1. I n¨atstationen finns ett samband mellan utomhustemperaturen och effektfaktorn, effektfaktorn blir h¨ogre och mer stabil under vintern. Det ¨ar ett motsatt samband till det sambandet som identifiera-des f¨or n¨atstation 17. Variationerna i last mellan sommar och vinter tyder p˚a att anslutna fastigheters uppv¨armningsalternativ antingen ¨ar v¨armepumpar eller direktverkande el.

Figur 4.18: Effektfaktor och utomhustemperatur under ett ˚ar i n¨atstation 17.

Den, under vintern, mindre varierande effektfaktorn tyder p˚a att uppv¨armningen till

¨

overv¨agande del best˚ar av direktverkande el, d¨ar den resistiva lasten bidrar till att sta-bilisera effektfaktorn.

Figur 4.19: Effektfaktor och utomhustemperatur under ett ˚ar i n¨atstation 1.

4.3.6 Slutsats

Lastkurvor

Att anv¨anda insamlad m¨atdata f¨or att skapa lastprofiler f¨or att analysera hur f¨orbrukningen varierar hos de anslutna kunderna fungerar bra. Vilken information som kan utl¨asas ur lastprofilerna beror p˚a vilken tidsperiod som profilen visas, i analysen visas lastprofiler p˚a en vecka och p˚a ett ˚ar.

Om en lastprofil, som visar ett ˚ar, analyseras kan information om n¨ar p˚a ˚aret lasten

¨

ar som h¨ogst respektive som l¨agst utl¨asas samt att f¨orh˚allandet till lasten under ¨ovriga

˚aret kan analyseras. Informationen kan bland annat anv¨andas till att planera underh˚all och avbrott, f¨or att minimera p˚averkan f¨or kunden. Samt kunna avg¨ora hur anslutna kunder p˚averkas om ett avbrott skulle ske.

Lastprofilen, som visar en vecka, kan anv¨andas till att mer noggrant studera kundernas f¨orbrukningm¨onster, bland annat kan lastvariationen under ett dygn analyseras. Lasten kan skilja mellan olika veckor, beroende bland annat p˚a helgdagar, temperatur och semesterperioder. Det inneb¨ar att flera veckor b¨or analyseras f¨or att f˚a en komplett bild av lasten.

Lastkurvorna kan anv¨andas f¨or att avg¨ora vilken typ av kunder som ¨ar anslutna till n¨atstationen och i kombination med till exempel effektfaktorn och utomhustemperaturen analysera lastens sammans¨attning. Det kan anv¨andas till att till exempel avg¨ora vilket uppv¨armningsalternativ som ¨ar vanligast bland kunderna.

F¨or att kunna genomf¨ora noggrannare analyser av f¨orbrukningsm¨onstret hos anslutna kunder kr¨avs en h¨ogre tidsuppl¨osning.

Belastning i n¨atstationen

Att k¨anna till maxbelastningen i n¨atstationen ¨ar viktig f¨or att bed¨oma om n¨atstationen klarar av att ytterligare laster ansluts, eller om n¨atstationen beh¨over bytas ut.

I analysen anv¨andes maxv¨ardet under timmen, vilket kan resultera i att analysen visar en f¨or h¨og belastning, vilket kan ses f¨or n¨atstation 2 och 19. Det ¨ar en m¨ojlighet som den som genomf¨or analyserna b¨or vara medveten om och maxbelastningen b¨or j¨amf¨oras med hur vanligt f¨orekommande en h¨og last ¨ar.

I analysen ¨ar det enbart nio n¨atstationer som har en m¨atserie som inkluderar en vinter-period. Det inneb¨ar att en analys av maxbelastningen av ¨ovriga n¨atstationer inte kan genomf¨oras. M¨atdata som inkluderar ett helt ˚ar blir f¨or merparten av n¨atstationerna tillg¨angligt i mitten av mars, d˚a m¨atdata f¨or februari blir tillg¨anglig. En ny analys b¨or d˚a genomf¨oras, f¨or att ber¨akna maxbelastningen i fler ¨an nio n¨atstationer.

M¨atdata vs. sl¨apvisare

En slutsats av j¨amf¨orelsen mellan m¨atdata och ett v¨arde fr˚an en sl¨apvisare ¨ar att m¨atdata ger mer information om belastningen av n¨atstationen och d¨armed ¨okar tilltron p˚a v¨ardet.

Det finns inte enbart f¨ordelar med mer information. F¨or att kunna anv¨anda information fr˚an m¨atdata kr¨avs det att den analyseras. I dagsl¨aget finns ett v¨arde per n¨atstation och

˚ar, om m¨atdata ska anv¨andas kommer det att finnas ungef¨ar 35040 v¨arden (15-minuters tidsuppl¨osning) p˚a lasten per n¨atstation och ˚ar. F¨or att hantera den ¨okade m¨angden information beh¨ovs ett verktyg, som fungerar innan systemet med sl¨apvisare ers¨atts med m¨atdata.

Temperatur och last

Analysen bekr¨aftar sambandet mellan utomhustemperatur och last i omr˚aden d¨ar kun-dernas uppv¨armning baseras p˚a antingen direktverkande el eller v¨armepumpar. Att las-ten har en tydlig koppling till temperaturen i ett omr˚ade med eluppv¨armning ¨ar ingen

¨

overraskning, det som ¨ar ¨overraskande ¨ar det mycket tydliga sambandet.

I analysen har utomhustemperaturen uppm¨atts ungef¨ar fem kilometer fr˚an n¨atstationen.

Det kan inneb¨ara att sambandet hade varit ¨annu tydligare om m¨atpunkten f¨or ut-omhustemperaturen varit bel¨agen n¨armre n¨atstationen. Fortums n¨atstationer saknar idag m¨atning av utomhustemperatur, n˚agot som ¨ar n¨odv¨andigt om temperaturen ska anv¨andas i noggranna analyser.

F¨or att tydligg¨ora sambandet ytterligare kr¨avs en h¨ogre tidsuppl¨osning p˚a b˚ade m¨atdata fr˚an n¨atstationen och p˚a temperaturdata.

Ett m¨ojligt anv¨andningsomr˚ade f¨or temperaturdata ¨ar att konstruera en modell f¨or att ber¨akna den ungef¨arliga lasten vid en viss utomhustemperatur. Det kan till exem-pel anv¨andas till att ber¨akna vid vilken temperatur en n¨atstation blir ¨overbelastad.

Sv˚arigheten ligger i att samma matematiska samband inte g¨aller f¨or alla temperaturer och att modellen blir sv˚ar att verifiera samt att tr¨oskeleffekter kan f¨orekomma.

Effektfaktor

I analysen anv¨ands effektfaktorn f¨or att analysera lasten hos anslutna kunder. I de ana-lyserade fallen ¨ar anslutna kunder fr¨amst privatpersoner och den last som p˚averkar mest

¨ar uppv¨armningen. N¨ar effektfaktorn analyseras i kombination med utomhustemperatu-ren kan kundernas val av uppv¨armningsalternativ best¨ammas. Det kan vara av intresse f¨or bland annat kundkategorisering och hur en kund skulle p˚averkas av ett str¨omavbrott.

I analysen ber¨aknas effektfaktorn fr˚an aktiva och reaktiva medeleffekten. Det inneb¨ar att, eftersom tidsuppl¨osningen ¨ar en (1) timme, effektfaktorn ¨ar timmedelv¨arde. Det ger ingen information om hur variationen under timmen ser ut, som kan vara av intresse f¨or att se hur kunder p˚averkar fl¨odet av reaktiveffekt.

4.4 Transformator

I det h¨ar avsnittet presenteras resultat fr˚an en analys av f¨orlusterna i transformatorer och en analys av att minska transformatorf¨orlusterna i n¨atstationer med tv˚a transformatorer.

Teorin bakom ber¨akningarna redovisas i avsnitt 2.1.3.