Kartläggning av Uppsala kommuns elanvändning

MAT-VET-F 20007

Examensarbete 15 hp 5 juni 2020

Kartläggning av Uppsala kommuns elanvändning

Självständigt arbete i teknisk fysik Jakob Edberger Persson

Göran Iliev

William Järvström

Emil Danielsson

Teknisk- naturvetenskaplig fakultet UTH-enheten

Besöksadress:

Ångströmlaboratoriet Lägerhyddsvägen 1 Hus 4, Plan 0 Postadress:

Box 536 751 21 Uppsala Telefon:

018 – 471 30 03 Telefax:

018 – 471 30 00 Hemsida:

http://www.teknat.uu.se/student

Abstract

Kartläggning av Uppsala kommuns elanvändning

Jakob Edberger Persson, Göran Iliev, William Järvström & Emil Danielsson

I projektet kartläggs elanvändningen i Uppsala kommun baserat på data från kommunens egna fastigheter. Syftet var att öka kunskapen och informationen kring hur kommunens elanvändning ser ut; dels totalt sett och dels på mer detaljerad nivå. För att få tillgång till en mer

detaljerad bild över elanvändningen och se olika konsumtionsmönster kategoriserades datan utifrån verksamhet och geografi. Vidare har även projekt haft som avsikt att resulterande eldata ska kunna ligga som grund för klimat- och energisimuleringar, samt vidare forskning och arbeten inom området.

Fastigheterna vars elanvändning har kartlagts ägs av olika kommunala bolag, vilka har Vattenfall AB och Eon som elleverantörer. Från elleverantörerna har eldata, i den mån den funnits tillgänglig, hämtats ut från respektive elabonnemang. Den resulterande kartläggning består av 799 olika elabonnemang, från 13 kommunala bolag av totalt sett cirka 3000 aktiva elabonnemang som existerar. Att endast 799 kunde ingå i denna kartläggning beror på sekretess- och tillgänglighetsproblematik med leverantörer. I och med detta har även en projektstruktur utvecklats med intention att underlätta för framtida, vidare, kartläggning.

Projektstrukturen består av instruktioner och styrdokument för guidning.

Utifrån sammanställd eldata skapades flertalet lastprofiler som exemplifierar kommunens elanvändning, både totalt sett och för olika verksamhetsindelningar. Slutligen konstateras att, trots det låga

antalet tillgängliga elabonnemang, kan trender och konsumtionsmönster identifieras. Men för att få en helhetsbild och fullständig kartläggning

över elanvändningen behövs register över kommunens verksamheter samt ett bättre samarbete med elleverantörer.

Examinator: Martin Sjödin Ämnesgranskare: Jonas Lindh Handledare: David Jedland

Kartläggning av Uppsala kommuns elanvändning är besvärligt men nödvändigt!

Jakob Edberger Persson, Göran Iliev, William Järvström & Emil Danielsson.

Populärvetenskaplig sammanfattning av Självständigt arbete i teknisk fysik, VT2020.

Institutionen för Materialvetenskap, Uppsala universitet.

I ett alltmer digitalt, uppkopplat och växande samhälle används mer och mer el. Utvecklingen ser inte ut att bromsa in, utan snarare accelerera. För att klara klimat- och miljömålen utan att inskränka alltför mycket på våra levnadsvanor behöver vi använda mer el, inte mindre.

Den ökande efterfrågan på el har på senare år i Sverige aktualiserat brister i elnätet. I media har det rapporterats om effekt- och kapacitetsbrister. Som växande storstadsregion är Uppsala kommun i farozonen när det kommer till elbrist. För att kommunen ska undvika att hamna i en situation med en större efterfråga på el än det finns tillgängligt behöver kunskapen kring elanvändningen att öka.

En kartläggning över hur mycket el, och vid vilka tidpunkter elen används, för samtliga av Uppsala kommuns egna fastigheter skulle vara till stor nytta och bidra till en ökad kunskap som främjar arbetet kring elbristen.

Genom att ha kännedom om vid vilka tidpunkter mest el används (och därmed behöver finnas tillgängligt) kan åtgärder i god tid sättas in när de har som störst värde. Åtgärder som kan sättas in finns flertalet exempel på; den enklaste av dem alla är att väldigt elkrävande verksamheter ser till att inte vara igång vid dessa tidpunkter. En fullständig kartläggning över elanvändningen skulle även ge positiva utslag inom arbetet mot klimat- och miljömålen. Samhällsviktiga klimat- och energisimuleringar som utförs för att ta fram prognoser över möjliga framtidsscenarion är beroende av aktuell eldata.

Uppsala kommun har idag via sina kommunala bolag ungefär 3000 aktiva elavtal som alla har bakomliggande mätvärden som visar hur mycket el respektive användare betalar för. Tyvärr är majoriteten av informationen kring elavtalen i dagsläget helt eller delvis oåtkomlig på ett eller annat sätt. Alltifrån sekretessproblem, saknade fastighetsregister från kommunens sida, eller dåliga och ofullständiga hemsidor från elleverantören Vattenfall AB har satt käppar i hjulet för en fullständig kartläggning. Totalt sett har endast 799 aktiva kommunala elavtal hittills kunnat bidra med eldata till kartläggningen. Men man ska inte låta sig luras alltför mycket av den relativt låga mängden ingående elavtal. Kartläggningen har kommit betydligt längre än vad siffrorna antyder.

På plats finns numera en färdig produkt utvecklad åt kommunen. Produkten består av en tydlig struktur och arbetssätt för att i framtiden, i takt med att mer eldata blir tillgänglig, enkelt kunna fylla på den totala kartläggningen. Strukturen och arbetssättet är uppbyggda utifrån distinkta instruktioner och så kallade styrdokument. Styrdokumenten är dokumentmallar som på ett okomplicerat sätt bidrar till kartläggningen genom att man fyller i och hanterar dem. Om all väsentlig bakgrundsinformation finns tillgänglig är arbetet i sig inte speciellt svårt, utan mest tidskrävande. Det som gör det besvärligt har redan förklarats ovan, men för att repetera: Uppsala kommunen har inte koll på sina verksamheter och i samarbetet med Vattenfall förekommer svårigheter snarare i regel än i undantagsfall.

Redan idag kan vissa slutsatser dras utifrån elkartläggningen, trots den relativt lilla mängden eldata. Till exempel kan man som förväntat se en stor nedgång i elanvändning under sommarmånaderna totalt sett.

Kanske inte lika självklart är att nedgången är avsevärt tydligare och pågår under en längre tid för fastigheter i innerstaden än i stadsbygden. Kanske beror det här på att boende, verksamheter och aktiviteter i innerstaden i högre grad tar semester på annan plats eller pausar? Eller finns det en stor elbov placerad i stadsbygden som vägrar sluta belasta elnätet även under sommaren? En alternativ förklaring kan vara så enkel som att urvalet slutsatsen i dagsläget baseras på tenderar slumpmässigt åt det hållet. Det går inte med säkerhet att veta vad som ligger bakom utan vidare efterforskning! Men kartläggningen kan alltså redan, trots sina

Vill du veta mer? Eller leta efter egna elbovar inom Uppsala kommun?

Edberger Persson J, Iliev G, Järvström W, Danielsson E. 2020. Kartläggning av Uppsala kommuns elan- vändning. Självständigt arbete i teknisk fysik, Uppsala universitet.

Innehåll

1 Introduktion . . . . 5

1.1 Bakgrund . . . . 5

1.2 Syfte . . . . 6

1.3 Omfattning och avgränsningar . . . . 6

1.4 Målformulering och kravspecifikation . . . . 6

1.5 Rapportupplägg . . . . 7

1.6 Ordlista . . . . 7

2 Teoretisk bakgrund . . . . 8

2.1 Effekt- och kapacitetsbrist . . . . 8

2.2 Datamängd . . . . 8

2.3 Rådata . . . . 9

2.4 Verksamhetsindelning . . . . 9

2.5 Geografisk indelning . . . . 9

2.6 SQLite . . . 11

2.7 Normalisering . . . 12

2.8 Genomsnittlig anläggning/abonnemang . . . 12

3 Metod . . . 12

3.1 Utförande projekt . . . 12

3.2 Styrdokument . . . 12

3.3 Instruktion framtida utförande . . . 14

3.4 Hantering och visualisering via SQLite-databas . . . 15

4 Resultat . . . 15

4.1 Översikt sammanställning . . . 15

4.2 Styrdokument . . . 16

4.3 Exempel på lastprofiler . . . 19

5 Diskussion . . . 26

5.2 Styrdokument och resulterande produkt . . . 26

5.3 Uppsala kommuns lastprofiler . . . 26

5.4 Användningsområden . . . 27

5.5 Felkällor och förbättringsåtgärder . . . 28

6 Slutsats . . . 29

Appendix A 31 1 MATLAB-kod . . . 31

1 Introduktion

1.1 Bakgrund

Uppsala kommun har satt som mål att vara klimatpositiva år 2050. Med anledning av detta har ett Energi- program 2050 antagits [1], vilket ska möta utmaningarna som målet innebär. En stor del av utmaningarna ligger i omställningen av energisystemet som behöver ske för att uppnå en klimatpositiv kommun. Energi- systemet ska successivt övergå till att bli helt förnybart. Till följd av övergången förväntas elektrifieringen, och med det även elanvändningen, att öka. Dessutom finns det samtidigt för Uppsala kommun en prognos över en befolkningsökning från dagens 220 000 invånare till hela 350 000 år 2050 [2], vilket även det kommer att bidra till en ökad elanvändning. Någon brist på elenergi i sig finns inte i Sverige; vi ligger årligen på ett totalt elenergiöverskott tillräckligt för att möta den ökade elanvändningen. Däremot har vi på senare år behövt hantera effekt- och kapacitetsbrister i vårt elnät (se avsnitt2.1nedan där begreppen utreds/definie- ras ytterligare). Effektbrist kan uppstå lokalt, då efterfrågan på el är större än utbudet i ett visst område.

Framförallt finns risk för effektbrist hos snabbt växande städer i storstadsregioner som Uppsala.

En konsekvens som har identifieras till följd av effekt- och kapacitetsbristen är just en ökad svårighet för Uppsala att genomföra den nödvändiga klimatomställningen. Den enkla lösningen på det lokala problemet för Uppsala är utbyggnation och förbättring av stamnätsledningar in till staden. Stamnätsoperatören och ägaren Svenska kraftnät har vidtagit vissa åtgärder för att öka kapaciteten på kort sikt, men de mer lång- siktiga åtgärderna beräknas inte vara klara förrän runt 2030 [3]. Med anledning av detta dröjsmål är andra snabba åtgärder som bidrar till en minskad elkonsumtion och ett mer resurssnålt energisystem viktiga och ytterst välkomna. Men för att åtgärder ska kunna implementeras där de gör som störst nytta behövs till att börja med en ökad kunskap om den faktiska elanvändningen i kommunen. Som den största aktören i Uppsala har kommunen ett stort ansvar gällande detta, och önskar få en sammanställd överblick av sina olika verksamheters elanvändning och förekommande mönster samt trender.

Uppsala kommun har som avsikt att sammanställningen över elkonsumtionen ska tillgängliggöras för in- tressenter, ligga som grund i egna energi- och klimatsimuleringar och användas just för att skapa så kallade lastprofiler (se ordlista nedan) av olika verksamheters elanvändning. Utifrån sammanställning och lastprofiler kan sedan förslag uppbackade av faktisk användardata tas fram för effekteffektiviseringar.

Redan idag står kommunen bakom flertalet initiativ vars syfte är att minska den negativa påverkan av effekt- och kapacitetsbristen. Ett av dessa initiativ är EU-projektet CoordiNet. Nedan i 1.1.1följer en utförligare beskrivning.

1.1.1 CoordiNET

CoordiNET [4] är ett EU-finansierat projekt vars syfte är att ta fram och testa olika lokala marknadslösning- ar för effektivare användning av elnätet. I detta sammanhang finns delprojekt som utförs i Sverige, Grekland och Spanien. Inom projektet i Sverige arbetar Uppsala kommun tillsammans med bland annat Vattenfall eldistrubition för en lokal effektmarknad, vilket startades i januari 2020. Tanken är att den lokala effekt- marknaden ska avlasta elnätet när belastningen är som störst, genom att ge stora elanvändare möjlighet att anpassa sitt effektuttag.

Elnätägaren, som i det här lokala fallet är Vattenfall, kan vid vissa specifika (effekt- och kapacitetsmässigt) ansträngda tillfällen köpa effekt av elnätanvändare för att frigöra kapacitet i elnätet. Elnätanvändaren kan till exempel vara Uppsalahem, ett stort kommunalt fastighetsbolag, som har möjlighet att vara flexibel när det kommer till sin elanvändning. Elnätanvändaren kan vara flexibel genom att vid en given tidpunkt antagligen minska sitt momentana effektuttag (helt enkelt konsumera mindre el) eller öka sin elproduktion (aktivera reservkraft eller frigöra andra elenergilager). Om det här appliceras och effektmarknaden ”kickar in” vid rätt tidpunkt kommer Uppsalas energisystem användas mer effektivt och konsekvenserna av effekt-

samt kapacitetsbristen minska. Att hitta dessa flexibilitetsresuser bland Uppsala kommuns fastighetsbestånd och optimal nyttjandetid för effektmarknaden knyter an till vad detta projekt förhoppningvis ska möjliggöra.

1.1.2 STUNS Energi

STUNS är en stiftelse för samverkan mellan universitet i Uppsala, näringsliv och samhälle i stort som bildades redan 1984 på initiativ av dåvarande landshövdingen [5]. En nutida inriktning för STUNS är energiområdet.

Inom energiområdet verkar man som STUNS Energi för att stödja innovationer och entreprenörskap som matchar utbud och efterfråga kring hållbara energi-, klimat och miljölösningar. Framförallt driver man projekt i skärningspunkten mellan nyssnämnda aktörer: Universitet, näringsliv och samhälle.

Det här specifika projektet har STUNS Energi som initiativtagare och samarbetspartner.

1.2 Syfte

Det här projektet har som uttalat syfte att bidra till att öka Uppsala kommuns kunskap om sin elanvänd- ning och hur dess konsumtionsmönster ser ut både på övergripande nivå och detaljnivå. För att uppnå detta syfte behöver kommunens elanvändning sammanställas, utifrån bland annat olika verksamheter och geografi. Mål för uppfyllande av syftet beskrivs mer ingående under avsnitt1.4 i en kravspecifikation. Om syftet uppfylls kommer kommunens elanvändning tillgängliggöras och kunna ligga som grund för framtida förbättringsarbeten och forskning inom området, bland annat till initiativet CoordiNet.

1.3 Omfattning och avgränsningar

Projektet kom att omfatta 799 elabonnemang med tillhörande elenergimätare för Uppsala kommun. Elabon- nemangen finns registrerade hos 13 kommunala bolag med fastighetsbestånd. Elleverantörer är Vattenfall AB och Eon. Att endast 799 elabonnemang omfattades beror på svårigheter kring att få ut mer data från kommunens leverantörer. Detta beskrivs ingående i avsnitt2.2.

Kategorisering av verksamheter utförs enligt beteckningar från Fastighetsregistret med 16 antal förekom- mande verksamhetskategorier. Utöver detta har 17 egna verksamhetskategorier adderats. Fullständiga be- skrivningar för uppdelning återfinns nedan i avsnitt2.4samt3.2, och samtliga verksamhetskategorier i figur 7. För geografisk uppdelning begränsar vi oss till att dela upp elabonnemang utifrån ”stadsbygd, landsbygd eller innerstad” samt postnummer, vilket beskrivs mer ingående i avsnitt2.5nedan.

Gällande tolkning av Uppsala kommuns elanvändning avgränsar vi oss i rapporten till att diskutera utvalda lastprofiler som presenteras i resultatdelen4.3. Detta sker på en mer övergripande nivå än för varje enskilt elabonnemang. I [resultat/diskussionsdelen] motiveras val av lastprofiler som presenteras i rapporten. Även förslag på olika användningsområdet för kartläggningen presenteras i diskussionsdelen.

Vidare är det upp till kommunen och andra aktörer att använda sammanställd eldata till analyser, energisi- muleringar och dylikt för framtida bruk. Metoddelen ämnar att beskriva hur specifik eldata kan hämtas ut från sammanställningen, samt hur man fyller på med mer, ny data, då denna finns tillgänglig.

1.4 Målformulering och kravspecifikation

Projektets målformulering beskrivs utifrån en kravspecifikation. Om kraven ställda i kravspecifikationen uppfyllts kommer projektets syfte ha nåtts.

Kravspecifikationen ser ut enligt följande:

• Mätserier för Uppsalas kommuns elanvändning från respektive elabonnemang ska ha samlats in.

• Elabonnemang ska ha kategoriserats enligt verksamhet och geografi.

• Databas och styrdokument ska ha framtagits så att den kategoriserade datan kan hanteras.

• Databas och styrdokument ska ha fyllts i.

• Lastprofiler som exemplifierar delar av Uppsala kommuns elanvändning ska ha tagits fram och till viss del diskuterats.

• Databas och styrdokument (sammanställd färdig produkt) samt rapport (med bakgrund, förklaring- ar, diskussioner och förslag till förbättringsåtgärder) ska ha lämnats över till Uppsala kommun samt samarbetspartner STUNS Energi.

1.5 Rapportupplägg

Rapporten är upplagd som ett traditionellt projektarbete under två första avsnitten. I första avsnittet in- troduceras projektet och dess bakgrund samt förutsättningar beskrivs. I andra avsnittet förklaras nödvändig teori och mer konkret projektspecfik information tas upp. Däremot går rapporten isär under metodavsnittet i två olika grenar. Dels förklaras hela projektets genomförande utifrån delmoment och arbetsgång. Utöver detta finns även instruktioner med framtida användare av projektstrukturen för att kunna använda vårt projekt som en produkt. Samma delning är sedan genomgående för resten av rapporten. I resultatet pre- senteras produkten som lämnas över, men också resultat man kan få ut genom användning av den. Och till följd av detta tar även den avslutande diskussionsdelen upp båda delar. Projektgenomförandet och vårt tillvägagångsätt för att ta fram produkten diskuteras. Likväl diskuteras resultat, användningsområden och Uppsala kommuns elanvändning. Förbättringsåtgärder och slutsatser försöker lyftas fram för båda grenar i projektet. Avslutningsvis i rapporten presenteras använda referenser i Litteraturförteckningen och sist ligger Appendix med bilagor.

1.6 Ordlista

• Elabonnemang - Abonnemang som hanterar ett elavtal mellan två parter. Här är kommunala bolagen abonnenterna.

• Lastprofil - Graf över en eller flera abonnemangs elanvändning under en given tidsperiod.

• Produkt - Samlingsnamn för det projektet producerar och som lämnas ifrån vid avslut till Uppsala kommun. Innefattar sammanställd elkonsumtion och styrdokument (både ifyllda och som mallar).

• Trend - Stabil, långsiktigt förändring.

• Wh (wattimme) - Sammansatt enhet som representerar energi. Är den mängd effekt på en watt (W ) som används under en timme (h).

• kWh (kilowattimme) - Wattimme med prefix k (kilo) som betecknar multiplikation med 10³, alltså 1000. Används ofta vid mätning av elenergi.

• Databas - Samling information organiserad på ett sådant sätt att den är lätt att söka efter och hämta.

• MATLAB - Beräknings- och visualiseringsprogram.

2 Teoretisk bakgrund

2.1 Effekt- och kapacitetsbrist

I den allmänna diskussionen kring Sveriges elförsörjning som har aktualiserats mer på senare tid råder en viss sammanblandning av begreppen effekt- och kapacitetsbrist. Vad är egentligen vad och var ligger bristerna?

Till att börja med kan man säga att bägge begreppen används för att diskutera de olika utmaningar vårt svenska kraftsystem står inför. Viktigt är att skilja på elenergi och eleffekt. Generellt kan elbrist avse både elenergi- och eleffektbrist.

Elenergi är den mängd el som producerats eller använts under en given tidsperiod [3]. Används här i enhet W h.

Eleffekt är den mängd el som producerats eller använts i varje givet ögonblick [3]. Används här i enhet W (Watt), vilket är energi per tidsenhet.

Effektbrist är bristen som uppstår då det vid en viss tidpunkt inte producerats tillräckligt med el för att möta elanvändningen i den tidpunkten [3]. Enkelt uttryck sker detta då efterfrågan är större än utbudet.

Det här kan ske för hela Sverige, eller inom mer lokala elområden (finns fyra stycken olika i Sverige).

Kapacitetsbrist är överföringsbrister i själva elnätet. Kapacitetsbrist uppstår då inte tillräckligt med el kan överföras till en avgränsad geografisk plats med aktuellt elbehov, trots att det inte råder någon effektbrist [3].

2.2 Datamängd

Elabonnemang fanns tillgängliga hos elleverantörerna Vattenfall samt Eon. De hämtades ner från Vattenfall EnergySite Plus, ett onlineverktyg från Vattenfall till deras kunder, och E.ON Navigator, ett onlineverktyg för Eons kunder. Detta gjordes via studentinloggningsuppgifter tillhandahållna från Uppsala kommun.

Vattenfall EnergySite Plus gav information över elanvändning från cirka 1700 aktiva kommunala anlägg- ningar. Av dessa aktiva anläggningar gick endast 548 stycken att ladda ner mätserier för. Den främsta anledningen till detta var begränsningar gällande Vattenfall EnergySite Plus. Företaget Uppsala Kommun hade på Vattenfall EnergySite Plus cirka 1200 anläggningar. Det gick dock inte att ladda ner data för dessa anläggningar manuellt, av någon oklar anledning. Inte heller Vattenfall kunde hjälpa till för att få ut denna data. En ytterligare orsak till det låga antalet abonnemang var att en del av dessa resterande anläggningar inte hade installerade huvudmätare som mätte elanvändning timvis. Istället mätte de installerade mätarna elanvändning per dag, månad, kvartal eller år. Dessa mätare var ej av intresse för detta projekt då de inte kunde bidra till en timvis detaljerad lastprofil.

Majoriteten av de 548 elabonnemang som hämtades från Vattenfall hade ett tidsspann som sträckte sig från juli 2018 till april 2020. Vattenfall EnergySite Plus är ett relativt nytt onlineverktyg som Vattenfall tillhandahåller och därav fanns det bara ett fåtal anläggningar med data längre tillbaka i tiden än juli 2018. I samarbete med STUNS Energi gjordes ytterligare försök till att hämta en större mängd data från Vattenfalls portal Mina sidor, dock utan framgång.

Från E.ON Navigator hämtades 251 elabonnemang. Att hämta ut äldre data från Eon än januari 2018 var sekretessbelagt. Detta resulterade i att majoriteten av elabonnemangen från Eon har ett tidsspann från januari 2018 till april 2020.

2.3 Rådata

Den nedladdade rådatan kom i format .xlsx, vilket är ett standardformat för programmet Microsoft Excel.

Den innehöll konsumtionsdata i form av respektive abonnemangs mätarställning vid timvisa tidsintervall.

Mätarställningens värde visade hur mycket el som hade använts föregående timme, alltså presenterades i enhet W h. Upplösning, storleksordning (prefix) och tidsperiod med mätvärden varierade från mätare till mätare. Tillsammans med varje mätvärde fanns en tillhörande tidssangivelse för år, månad, datum och klockslag.

En observation gällande de mätserier hämtade från Vattenfall var att en stor andel av dessa visade sig ha nollvärden för de första timmarna. Gällande nollvärdernas trovärdighet kom vi till slutsatsen att dessa timmar var felaktigt satta till 0. Under databehandlingsfasen togs därför timmarna bort från mätserierna.

Elleverantörer har olika sätt att mäta elanvändning vid omslag till eller från sommartid. Vid omslag till sommartid loggar Vattenfalls mätare den hoppade timmen och anger ett nollvärde, medan Eons mätare ej loggar den timmen. Vid omslag från sommartid loggar Vattenfalls mätare en timme som visar elanvändning för två timmar, medan Eons mätare loggar två separata timvärden för samma timme.

2.4 Verksamhetsindelning

Respektive elabonnemang kategoriserades med avseende på typ av verksamhet enligt beteckningar från Sve- riges Fastighetsregister, på begäran från Uppsala kommun. Fastighetsregistret är Sveriges officiella register för hur landets mark är indelad och vem som äger vad [6]. Registret förvaltas av Lantmäteriet och inne- håller bland annat byggnadsinformation, vilket presenteras i dokumentet formatbeskrivning för överföring i Fastighetsregistret [7]. Under byggnadsinformation finns en tabell 50A REGBYG (Registerbyggnad) som har underkategorier med fältnamn BYGGTYP, vars innehåll i sin tur beskriver detaljerade byggnandsän- damål. Det är utifrån dessa byggnandsändamål som verksamheter har kategoriserats, i den mån de har existerat i Fastighetsregistret. För förekommande verksamheter där passande byggnandsändamål saknats har ytterligare verksamhetsindelningar lagts till. Fullständig lista över verksamhetstyper som elabonnemang har kategoriserats efter presenteras i figur7 under resultat.

2.5 Geografisk indelning

Geografisk indelning av elabonnemang skedde genom att dela in Uppsala kommun enligt tre geografiska om- råden; innerstad, stadsbygd och landsbygd. Samtliga geografiska gränser för indelning delfineras nedan i figur 1,2och4. Kartbilder är från kommunens Översiktsplan 2016 [8]. Denna geografiska indelning kompletterades med att också kategorisera abonnemangen efter respektive postnummer.

Figur 1: Geografisk gräns för innerstad enligt streckat område.

Figur 2: Geografiska gränser för stadsbygd enligt gulfärgade områden plus stadsnoder visade nedan i figur3.

Figur 3: Geografiska gränser för stadsnoder enligt rödfärgade områden, ingående i geografisk indelning stads- bygd bortsett från innerstadsmarkering för nod.

Figur 4: Geografiska gränser för landsbygd enligt rosafärgade områden samt fristående gula.

2.6 SQLite

SQLite är en fri relationsdatabashanterare (information på samma rad hör ihop) som inte har en separat serverprocess likt många andra databashanterare; utan den läser och skriver till en fullständig SQLite-databas som ligger i en enstaka lokal diskfil. Detta medför att databasen är mycket portabel och kan kopieras mellan en rad olika system och användas av olika programvaror [9]. En relationsdatabas utgörs av en samling tabeller som byggs upp av kolumner och rader. I en tabells rader sparas datan. Tabellens kolumner har specifika namn som beskriver datan som sparas i varje kolumn [10]. SQL är ett standardiserat fråge/programmeringsspråk för att hantera data i relationsdatabaser som exempelvis en SQLite-databas [10].

2.7 Normalisering

För att kunna jämföra olika anläggningar och verksamheter åt som storleksmässigt skiljer sig betydligt kan värden ibland behöva normaliseras. Normalisering innebär att värden skalas till att storleksmässigt lika inom ett visst, valfritt och justerbart, intervall. En generell typ av normaliseringsformel [11] som kan användas för att begränsa värden till att ligga inom intervallet mellan a och b ges av

v⁰= a +(v vmin)(b a) vmax vmin

. (1)

Här är v⁰ det nya normaliserade värdet, v originalvärdet samt vmin och vmax min- och maxvärden bland originalvärdena.

2.8 Genomsnittlig anläggning/abonnemang

För att göra jämförelser mellan olika abonnemang inom samma verksamhetsindelning kan det även vara bra att ha värden för en genomsnittlig anläggning. Denna genomsnittliga anläggning kan då användas för att detektera abonnemang med annorlunda storleksordning jämfört med andra abonnemang inom samma verksamhetsindelning. Om detta skulle vara fallet kan dessa abonnemangs verksamhetsindelning behöva ses över.

Som nämnts i sektion2.3har alla abonnemang varierande tidsperioder vilket är något som måste tas hänsyn till vid beräkning av en genomsnittlig anläggning. Formeln för ett genomsnittligt värde ges då av

v(t)⁰= Pn(t)

i=1 vi(t)

n(t) . (2)

Här är v(t)⁰ det genomsnittliga värdet vid tidpunkt t, vi(t)värdet för abonnemang i vid tidpunkt t och n(t) antalet abonnemang vid tidpunkt t.

3 Metod

3.1 Utförande projekt

Projektets mest omfattande del var bearbetningen av all tillgänglig rådata. För att automatisera bearbetning- en utformades ett antal styrdokument som samtliga projektmedlemmar arbetade efter. Dessa styrdokument beskrivs nedan och har överlämnats till Uppsala kommun och STUNS Energi för framtida användning och distribuering. Enkelt uttryckt handlar majoriteten av utförandedelen för projektet om att arbeta igenom och fylla i samtliga styrdokument, utifrån tillgänglig rådata.

Styrdokumentens datainnehåll importerades sedan in till en SQLite-databas som vidare MATLAB är kopplad till och kan hämta data från. I MATLAB visualiserades exempel på resultatet i form av dataplottar över vissa lastprofiler. Även detta beskrivs mer ingående nedan under avsnitt 3.4. SQLite-databasen och MATLAB- programmen har också överlämnats.

3.2 Styrdokument

3.2.1 Mall_Verksamhetsindelning.xlxs

Mall_Verksamhetsindelning.xlxs är ett Excel-dokument där samtliga verksamhetstyper, som elabonnemang kan kategoriseras efter, listades. Den första kolumnen innehåller existerande byggnandsändamål med tillhö- rande numrering från Fastighetsregistret [7]. Den andra kolumnen innehåller de av oss tillagda kategorier

som vi ansett behövts för att fullt ut kunna kategorisera kommunens verksamheter. Numrering har endast använts för att särskilja dessa åt och undvika dubbletter; i övrigt saknar numren betydelse. Vid användning av dokumentet är tanken att man ska redigera den andra kolumnen och lägga till egna verksamhetskategorier vid behov.

Innehåll: Se figur7i resultat för innehåll.

3.2.2 Mall_Anläggningsinfo_Total.xlxs

Mall_Anläggningsinfo_Total.xlxs är ett Excel-dokument som ska innehålla en sammanställning över samt- liga hanterade elabonnemang och dess status. Här ska inga konsumtionsvärden (från rådatan) finnas med utan syftet är endast att ge en översikt. För att lägga till ett elabonnemang krävs kategorisering utav abon- nemanget i form av verksamhets- och geografisk indelning.

Information som ska fyllas i för dokumentet är beskrivna i lista nedan. Notera att vissa uppgifter kan saknas, då markeras detta med - i cellen, eller vara orelevant, då lämnas cellen tom.

Innehåll:

• Anläggning, namn eller adress på anläggning angiven i rådata.

• AnläggningsID, bokstavs- eller sifferkombination från elleverantör.

• Databasformaterad, om konsumptionsvärden lagts in i databasformat (enligt 3.2.3nedan). Endast Ja/Nej.

• Fjärrvärme, om anläggning har fjärrvärme. Endast Ja/Nej. I samråd med Uppsala kommun har i det generella fallet anläggningar i innerstad och stadsbygd antagits ha och i landsbygden inte ha fjärrvärmeanslutning. Detta där ej annat explicit har framgått.

• Anläggningsinfo, relevant info om anläggning som ej framgår i namnet.

• Datainfo, relevant info om rådata och dess utseende.

• Verksamhetsindelning, verksamhetsindelning enligt Fastighetsregistret.

• Postnummer, anläggningens postnummer. OBS! Ange utan mellanrum.

• Geografisk indelning, geografisk indelning efter innerstad, stadsbygd och landsbygd.

• Starttid, datum och klockslag som konsumtionsvärden finns tillgängliga från.

• Sluttid, datum och klockslag som konsumtionsvärden finns tillgängliga till.

• Tidsavvikeler, eventuella tidsperioder där konsumtionsvärden saknas.

• Enhet, vilken enhet konsumtionsvärden i rådata har.

• Upplösning, vilken upplösning (hur många decimaler som finns med) konsumtionsvärden i rådata har.

• Företag, vilket kommunalt företag som är fastighetsägare.

• Hämtat från, varifrån rådata har laddats ner.

3.2.3 Mall_Databasformat_XX.xlxs

Mall_Databasformat_XX.xlsx är ett Excel-dokument som ska innehålla respektive elabonnemangs all kon- sumtionsdata i form av timvärden vid motsvarande datum och klockslag. Eftersom det troligtvis är så många värden kan uppdelning behöva göras dokumentvis. Uppdelning kan göras via ett löpnummer, företagsvis eller ett för användaren annat lämpligt sätt. XX representerar denna valbara uppdelning.

Anledning till att innehållsrubriker är på engelska är för att dokumenten i nästa skede ska läggas in i en SQLite-databas.

Innehåll:

• Adress, namn eller adress på anläggning angiven i rådata (samma som i dokument ovan).

• MeterID, bokstavs- eller sifferkombination från elleverantör (samma som i dokument ovan).

• PostalCode, anläggningens postnummer. OBS! Ange utan mellanrum (samma som i dokument ovan).

• Sorting, verksamhetsindelning enligt Fastighetsregistret (samma som i dokument ovan).

• Geography, geografisk indelning efter innerstad, stadsbygd och landsbygd (samma som i dokument ovan).

• Company, vilket kommunalt företag som är fastighetsägare (samma som i dokument ovan).

• Year, tillhörande år för datavärde angivet med fyra siffror.

• Month, tillhörande månad för datavärde angivet som siffra 1-12 (1 = januari, 2 = februari, ...).

• Day, tillhörande datum för datavärde angivet som siffra 1-31.

• Hour, tillhörande timme för datavärde angivet som klockslag 0-23.

• Weekday, tillhörande veckodag för datavärde (Måndag, Tisdag, ...).

• Value, konsumtionsdatavärde angivet i enhet kW h.

3.2.4 Vår SQLite-databas

OBS! Vi har använt MATLAB för att skapa databasen och lägga in datan, men valfritt program/program- meringsspråk kan användas som kan hantera SQLite.

Genom MATLAB-programmet manage_databse.m, återfinns i Appendix1, och MATLABs inbyggda gräns- snitt för att ansluta till SQLite-databaser skapades filen el_databas.db. Inom el_databas.db skapades tabellen dataEL, i vilken mätdata sparades. Tabellen dataEl har samma kolumner och struktur som Excel-dokumenten Mall_Databasformat_XX.xlsx. Mätdata importerades sedan från dessa Excel-dokument till databasen med hjälp av MATLAB-programmet.

3.3 Instruktion framtida utförande

Sammanfattning genomförande i kronologisk ordning för framtida utförande:

1. Ladda ner rådata.

2. Fyll i styrdokument enligt beskrivning under3.2.

3. Överför alla Mall_Databasformat_XX.xlsx till SQLite-databas enligt3.2.4ovan eller på annat valfritt tillvägagångssätt.

4. Visualisera resultat i valfritt visualiseringsprogram eller använd elanvändningsvärden till annat ända- mål.

3.4 Hantering och visualisering via SQLite-databas

OBS! Vi har använt MATLAB för att visualisera datan, men valfritt program/programmeringsspråk kan användas som kan hantera SQLite.

Via samma inbyggda gränssnitt som tidigare nämndes anslöts MATLAB till databasen el_databas.db. Data hämtades från tabellen dataEl genom att specificera tidsperiod och/eller versamhetsindelning om detta önskades i SQL-språk i kommandot fetch. En sådan kod kan se ut enligt följande

SELECT SUM(Value) FROM dataEl WHERE Sorting = ’Skola’ AND Year = 2019

Ovanstående kod summerar alla värden för varje enskild timme där villkoren ”Sorting = Skola” och ”Year

= 2019” uppfylls. Den hämtade datan från databasen plottades sedan. Lastprofilen från det givna exemplet kan ses i figur18. För ytterligare dokumentation och instruktioner om SQL-språket se SQL Tutorial [12].

4 Resultat

4.1 Översikt sammanställning

Total resulterande projektsammanställning med avseende på abonnemangsmängd, verksamheter och geografi presenteras nedan i figurer5 och6.

Figur 5: Resulterande sammanställning över förekommande verksamheter och inom vilket geografiskt område.

Figur 6: Resulterande sammanställning över geografisk indelning.

4.2 Styrdokument

Resulterande framtagna och ifyllda styrdokument samt skapad SQLite-databas presenteras nedan i figurer 7, 8,9 och10.

Figur 7: Verksamhetsindelning i Mall_Verksamhetindelning.xlxs enligt Fastighetsregistrets Formatbeskriv- ning [6]. Nyttjas innebär att det förekommer abonnemang inom denna kategori.

Figur 8: Utdrag av ifylld Mall_Anläggningsinfo_Total.xlxs i Excel.

Figur 9: Utdrag av ifylld Mall_Databasformat_XX.xlsx i Excel.

Figur 10: Utdrag av tabellen dataEl i SQLite-databasen el_databas.db

4.3 Exempel på lastprofiler

Exempel på lastprofiler som kan tas fram presenteras nedan i figur 11 och 14 till 23. Notera att dessa endast är exempel på lastprofiler. Om intresse skulle finnas för andra typer av lastprifler går dessa självklart också att ta ut från databasen. De valda verksamhetsindelningarna som lastprofiler är exemplifierade för har valts efter samrådan med kommunen och efter eget intresse. Antalet abonnemang har också tagits hänsyn till. Gemensamt för alla lastprofiler med datapunkter är att varje punkt motsvarar ett timvärde vid en viss tidangivelse. Lastprofilerna i figur 22 och 23 har en linje mellan timvärdespunktern för att göra det lättare att se ett mönster i elanvändningen. Lastprofiler med heldragna linjer i figur 20 och 21 har ingen kurvanpassningen utan är ett medelvärde av varje enskild timme, och därav används inte en punkt.

Figur 11: Total lastprofil för Uppsala kommuns samtliga 725 stycken elabonnemang,timvis upplösning, alla verksamhetstyper och geografiska placeringar för fullständig tidsperiod med data.

Figur 12: Total lastprofil för Uppsala kommuns samtliga 725 stycken elabonnemang, månadsvis upplösning, alla verksamhetstyper och geografiska placeringar för fullständig tidsperiod med data.

I figur11 och12 ses alla summerade timvärden för samtliga abonnemang. Tydliga hopp syns vid juli 2018 och januari 2019. Under 2019 kan man också se att elanvändningen minskar under sommarmånaderna.

Figur 13: Total summerad elkonsumtion per månad samt respektive månads medeltemperatur [13].

Figur 14: Summerad elkonsumtion 2019 för alla abonnemang under verksamhetsindelning ”33 = Flerfamiljs- hus”.

Figur 15: Elkonsumtionen 2019 för en genomsnittlig anläggning under verksamhetsindelning ”33 = Flerfa- miljshus”. Genomsnittlig anläggning beräknad enligt ekvation (2).

Figur 16: Summerad elkonsumtion 2019 för alla abonnemang under verksamhetsindelning ”55 = Idrottsplats”.

Figur 17: Elkonsumtionen 2019 för en genomsnittlig anläggning under verksamhetsindelning ”55 = Idrotts- plats”. Genomsnittlig anläggning beräknad enligt (2).

I både figur14 och 16 ser man att elanvändningen ligger på samma nivå i början av året som i slutet för

”Flerfamiljshus” och ”Idrottsplatser”. Detta är detsamma som syns även i figurer15och17för genomsnittliga anläggningarna.

Figur 18: Summerad elkonsumtion 2019 för alla abonnemang under verksamhetsindelning ”19 = Skola”.

Figur 19: Elkonsumtionen 2019 för en genomsnittlig anläggning under verksamhetsindelning ”19 = Skola”.

Genomsnittlig anläggning beräknad enligt ekvation (2).

Figur19visar att elanvändningen för en genomsnittlig skola ligger på liknade nivå under början av året som i slutet till skillnad från den summerade grafen i figur18där elanvändingen ökar under hela året, bortsätt från under sommaren.

Figur 20: Elkonsumtion för verksamhetsindelningen ”19 = Skola”, 74 abonnemang, under vecka 6 2020 för varje enskilt abonnemang i grått och för ett genomsnittligt abonnemang i tjockare röd. Genomsnittligt abonnemang beräknat enligt ekvation (2).

Figur 21: Normaliserad elkonsumtion för verksamhetsindelningen ”19 = Skola”, 74 abonnemang, under vecka 6 2020 för varje enskilt abonnemang i grått och för ett genomsnittligt abonnemang i tjockare röd. Normaliserad enligt ekvation (1).

I figur 21, där elanvändningen är normaliserad, syns konsumtionsmönstren tydligare än i figur 20. Båda figurerna visar att elanvändningen minskar under helg och natt hos de flesta skolorna. Några av skolornas

elanvändning ser ut att vara avvikande, med högre användning än resterande under natt och helg.

Figur 22: Elkonsumtion för mars 2019 alla anläggningar i versamhetsindelningarna ”55 = Idrottsplats” och

"09 = Ishall", totalt 16 abonnemang.

Figur 23: Summerad elkonsumtion under jul 2019 för alla abonnemang under verksamhetsindelning "33 = Flerfamiljshus".

I figur 22 och figur 23 kan man se en tydlig ökning respektive minskning av elanvändningen vid särskilda

5 Diskussion

5.1 Översikt sammanställning

Det första som kan konstateras från figur5 är att av de totalt 799 nedladdade och hanterade elabonnemang kunde 725 tillslut nyttjas. Med nyttjas menas att de lades in i SQLite-databasen och blev en del av resultatet för framtida användning. De 74 elabonnemang som inte lades till hade antingen korrupta mätvärden, eller saknade värden helt. Att så pass många, drygt 90%, elabonnemang kunde nyttjas anser vi vara ett bra resultat. Det betyder att kvalitén på den rådata som vi väl kom över var godkänd i majoriteten av fallen.

Något annat positivt som kan konstateras utifrån figur5är att verksamhetskategorien ”Ospecificerad”, alltså den som innehåller de abonnemang som inte kunnat kategoriseras, endast utgör cirka 11% av mätvärdena i databasen. Dessutom är hela cirka 53% av de oanvändbara abonnemangen just inom kategorien ”Ospecifice- rad”. Att detta är positivt säger sig själv: Dessa ospecificerade mätvärden bidrar inte till någon information om Uppsala kommuns elanvändning för mer än den totala, summerade bilden.

Vidare kan konstateras att verksamhetskategorien ”Flerfamiljshus” har överlägset mest antal abonnemang som används, och endast 3 oanvändbara. Följaktligen kan statistiskt mest tillförlitliga analyser och slutsatser dras för den verksamhetskategorin. Beklagligt nog finns det flertalet verksamhetskategorier som endast inne- håller mellan 1-10 elabonnemang; till exempel ”Sporthall” och ”Garage”. Eftersom elabonnemangen i dessa fall är så pass få kan endast vettiga analyser göras på anläggningsnivå- och inte i större drag. Därav lämnas dessa analyser därhän enligt projektets avgränsningar.

Gällande geografiska inledningen är det överlägset flest elabonnemang i ”Stadsbygd”, upp emot 70% enligt figur6. Att majoriteten av abonnemangen kommer från ”Stadsbygd” var väntat med tanke på att det är där de flesta fastigheterna återfinns inom kommunen [14]. Noterbart kring geografiska indelningen är också hur pass hög andel oanvändbara abonnemang som förekom för ”Innerstaden”; framförallt i jämförelse med de andra geografiska indelningarna. En förklaring till detta kan vara att där återfinns merparten av abonnemangen för ”Parkering/P-automater”. ”Parkering/P-automater” har, förutom ”Ospecificerad”, flest antal oanvändbara abonnemang.

5.2 Styrdokument och resulterande produkt

Från vår sida är vi tillfreds med den slutprodukt som har lämnats ifrån för framtida bruk. Eftersom det i ett tidigt skede stod klart att vi inte skulle få tillgång till samtliga av Uppsala kommuns elabonnemang fick vi till viss del tänka om. Att lämna ifrån oss en icke komplett sammanställning över elanvändningen skulle inte vara tillräckligt. Däremot kunde vi i så stor utsträckning som möjligt förenkla för den eller dem som i framtiden lyckas komma över den fullständiga datamängden; och har som mål att sammaställa den totala elanvändningen för Uppsala kommun.

Med styrdokumenten i spetsen, tillsammans med instruktioner som finns för dessa i denna rapport, anser vi att man med lätthet kan ta vid där vi stoppade. Det är bara att fortsätta fylla på med ytterligare elabonnemang och dess tillhörande mätdata in i databasen, ju mer desto bättre.

5.3 Uppsala kommuns lastprofiler

De totala summerade lastprofilerna för samtliga av abonnemangen vi har tillgång till i figur11 ser ut som förväntat i stora drag. Det finns tydliga nedgångar i elanvändning under sommarmånaderna, med inte alls lika stora toppar då. Från figur13kan vi utläsa att: Mest el används i januari månad, både under 2019 och 2020. Vid en första anblick på grafen i figur11verkar snarare mest el användas senare under året, i februari eller mars. Visserligen ligger topparna där, men om månadsvärdena summeras ligger januari högst. Detta

belyser det faktum att graf11inte visar hela sanningen; och att man därmed inte ska dra för stora slutsaster utan att först titta på de faktiska bakomliggande värdena. En förklaring till att mest el användes i januari månad 2019 är troligtvis att medeltemperaturen i Uppsala var som lägst då. Detta är dock inte fallet för 2020, som hade februari som kallaste månad (se figur 13 för temperaturer). Alltså behöver nödvändigtvis inte elanvändningen vara som högst då det är som kallast.

De stora hopp (förskjutningar av kurva uppåt) som sker vid måndadsskiftet juli 2018, årsskiftet 2018-2019 samt 2019-2020 beror på att elabonnemangen ökar till antalet vid dessa tidpunkter. Det tillkommer helt enkelt mer eldata, och därmed blir den summerade totala elanvändningen större. Innan juli 2018 finns nästan endast eldata från Uppsalahem med. Följaktligen är det elabonnemang för verksamhetskategorien

”Flerfamiljhus” som framförallt framträder. I ifyllda styrdokumentet Mall_Anläggningsinfo_Total.xlxs går det att se vilken eller vilka tidsperioder som respektive elabonnemang är aktivt. Således är det dokumentet ett bra referensverk att förhålla sig till vid tolkning av figur 11. Även den sammanställda översikten som återfinns i figur5och6 kan vara till stor hjälp.

Från figur 14 till 17 ses exempel på olika verksamhetsindelningars lastprofiler för 2019. Dels kan man se verksamhetsindelningens summerade elanvändning och dels elanvändningen för en genomsnittlig anläggning.

Lastprofilerna för alla de tre verksahetsindelningarna följer ungefär samma mönster, med en högre elkon- sumtion under vinterhalvåret och en minskning under sommaren. Noterbart är att den summerade och den genomsnittliga kurvan för verksamhetsindelning ”19 = Skola” inte följer samma trender under året. Det finns en enkel förklaringen till detta. Under första halvåret fanns det färre abonnemang med tillgängliga timvär- den jämfört med slutet på året, mer exakt 25 abonnemang i januari 2019 och 49 abonnemang i december 2019. Till skillnad från verksamhetsindelning ”19 = Skola” följer de summerade och genomsnittliga kurvorna för ”33 = Flerfamiljshus” och ”55 = Idrottsplats” samma mönster. Detta då båda dessa indelningar har ett konstant antal abonnemang under året. Vid analys av andra verksamhetsindelningar är detta en viktig sak att tänka på. Detaljerad information för enskilda abonnemangs tidsperioder hittas, som tidigare nämnts, i styrdokumentet Anläggningsinfo_Total.xlsx.

I figur20till23kan man gå in på en mer detaljerad nivå än årsvis elanvändning. Som i figur21där man kan se en tydlig avvikelse för vissa abonnemang i jämförelse med den genomsnittliga normaliserade elanvändningen.

Under helgen används det lika mycket elenergi som resterande vardagar, samt är vissa anläggningar nästan lika mycket aktiva under natten som dagen. Detta är udda då skolor allt som oftast inte är lika mycket använda under helgen jämfört med veckodagarna. Samma sak gäller för användningen under natten jämfört med förmiddagen. Varför dessa anläggningar har en högre elanvändning på avvikande tider är oklart; det kan vara en engångshändelse, men om denna avvikelse förekommer ofta bör det undersökas vidare (och därmed förhoppningsvis minska den totala elanvändning för vissa anläggningar).

Den 23 mars 2019 hölls bandyfinalen på Studenternas IP i Uppsala. I figur22kan man tydligt se en kraftig ökning på Studenternas IP av elanvändningen under den tiden. Detta är ett exempel på något som kan bidra till lokala effekttoppar. Ett annat exempel på olika trender syns den 24 december i figur23 där en svacka för elanvändningen uppstår då många lämnar sitt hem och samlas hemma hos någon annan. Genom att dokumentera dessa trender kan toppar och svackor förutses och därmed kan man vara bättre förberedda för hur, var och när elnätet kommer belastas.

5.4 Användningsområden

I och med effekt- och kapacitetsbrister som kan uppstå lokalt kan CoordiNET underlätta med infrastrukturen och genom datan som samlats in i detta projekt skulle man kunna förutse när effekttoppar kommer att uppstå. Om vi återigen använder bandyfinalerna som exempel, ses i figur 22, kan man inför kommande års bandyfinaler vara beredda på att en topp från Studenternas IP och koordinera andra elanvändare att minska sin elanvändning under just dessa tider för att undvika att skapa effekt- och kapacitetsbist.

jämföras. Om avvikande mönster eller avsevärt högre elanvändning hittas hos en specifik anläggning kan vidare utredning ske för denna. Åtgärder kan då sättas in som överlag minska elnätsbelastningen, samtidigt som pengar kan sparas för verksamheten.

5.5 Felkällor och förbättringsåtgärder

5.5.1 Kvalité på rådata

Rådatan i detta projekt är som tidigare förklarat i avsnitt2.3 hämtat från elleverantörerna Vattenfall och Eon. Rådatans mätserier hade varierande upplösning, storleksordning och tidsspann. Dessa variationer gäller att ha i åtanke vid analys av datan. Speciellt visade det sig att upplösningen har stor betydelse för ett enskilt abonnemangs antal nollvärden. Med detta menas att de abonnemang som har mätare med sämre upplösning möjligtvis avrundar fler timvärden till 0, 0 än vad en mätare med bättre upplösning gör. Hur mätarna hanterar dessa avrundningar är inget som på detaljnivå undersökts i detta projekt utan slutsatsen gällande avrundningen till fler antal nollvärden är endast grundat på visuella observationer från rådatans timvärden. Skillnader mellan olika mätare har stor påverkan på resultatet och är något som kan undersökas ytterligare. Med tillgång till överordnade system (i form av inloggningsuppgifter) där mätare ligger upplagda skulle jämförelser av olika mätare enkelt kunna göras. Information om mätarens placering, storleksordning och andra relevanta variabler skulle då kunna tas fram.

5.5.2 Verksamhetsindelning

En omfattande och tidskrävande del av projektet visade sig vara att kategorisera respektive abonnemang efter verksamhetsindelning, som beskrivs i sektion2.4. Kategoriseringen var särkilt svår att genomföra då varken Uppsala kommun eller de olika kommunala bolagen har ett komplett register över vad för verksamhet som bedrivs på respektive adress. Försök gjordes för att ta kontakt med de olika kommunala bolagen och på så sätt få hjälp med kategoriseringen. Några av bolagen var hjälpsamma med att ta fram översiktliga dokument över deras anläggningar. Andra kunde hjälpa till med att gissa kategoriseringen för enstaka adresser, men hade inte tid med att gå igenom alla. De dokument som väl erhölls var till stor hjälp under kategoriseringen.

För att i framtiden kunna ta fram en mer komplett och rättvis bild över Uppsala kommuns elanvändning är det essentiellt att dokument som sådan går att ta del av för samtliga kommunala bolag.

Då översiktliga dokument ej erhölls för alla de behandlade abonnemangen förekommer viss osäkerhet kring verksamhetsindelning. Dels var många av abonnemangen omöjliga att kategorisera och blev därav tilldelad kategorin ”99 = Ospecificerad”, dels kan abonnemang ha blivit felaktigt kategoriserade. För att detektera de abonnemang som kan blivit felaktigt kategoriserade kan dessa abonnemang inom samma verksamhets- indelning plottas och jämföras sinsemellan, som beskrivits mer ingående i sektion 2.8. Exempel på dessa plottar kan ses i figur20,21och22. Genom detta kan abonnemang med annorlunda storleksordning jämfört med andra abonnemang inom samma verksamhetsindelning urskiljas och sedan kontrolleras på nytt. En annorlunda storleksordning behöver dock inte betyda att abonnemanget är felaktigt kategoriserat. Detta har dock inte gjorts för fler verksamhetsindelningar än de som redovisas under resultatet (”19 = Skola”, ”33 = Flerfamiljshus” och ”55 = Idrottsplats”). Då en korrekt kategorisering av respektive abonnemang är viktigt för ett representativt resultat är detta något som skulle behöva göras för samtliga verksamhetsindelningar.

5.5.3 Påverkan av elanvändning

Viss hänsyn har tagits till utomhustemperaturer i detta projekt, som ses i figur 13 och som diskuteras kort i sektion 5.3. Att få en mer detaljerad bild av utomhustemperaturens påverkan på elanvändningen är nödvändig för mer välgrundade analyser. Med kunskap om vilka anläggningar som är särkilt känsliga för

temperaturskillnader kan man vara mer förberedd för regionala och eller lokala belastningar av elnätet, och vidta åtgärder utefter denna kunskap.

Två stora faktorer för en anläggnings elanvändning är om den värms upp av fjärrvärme eller ej, samt storleken på anläggningen. I detta projekt har viss hänsyn tagits till om en anläggning har fjärrvärme, som kan ses i styrdokumentet Mall_Anläggningsinfo_Total.xlxs och som beskrivs i3.2.2. Då denna kolumn i dagsläget främst är baserad på generaliseringen att alla abonnemang som tillhör geografiska indelningarna innerstad och stadsbygd har fjärrvärme, finns här möjlighet till förbättring. Det bästa hade varit att få fram tydlig dokumentation över alla anläggningar som visar på vilka som har fjärrvärme och vilka som saknar det.

I styrdokumentet Mall_Anläggningsinfo_Total.xlxs saknas tyvärr information gällande storleken på fastighe- terna som abonnemangen tillhör. Då storleken på fastigheten är avgörande för anläggningens elanvändning kan en kolumn för detta läggas till. Det hade också här varit till fördel om dokumentation över anlägg- ningarnas storlek fanns tillgänglig. Med kännedom om storleken på anläggningarna skulle mer välgrundade jämförelser mellan olika verksamhetsindelningar och anläggningar kunna göras.

En annan yttre faktor som absolut har spelat en stor roll på Uppsala kommuns elanvändning under våren 2020 är pandemin orsakad av COVID-19. Då pandemin har påverkat anläggningar och verksamheter på olika sätt är det svårt att göra välgrundade slutsatser gällande kommunens elanvändning i mars och april 2020.

I framtiden kan dock en kartläggning av elanvändningen under denna tidsperiod bidra till en ökad kunskap gällande människors rörelsemönster och beteenden under en pågående pandemi.

5.5.4 Datamängd

Det låga antalet elabonnemang behandlade i detta projekt får ses som ett mindre misslyckande, det finns därmed stor förbättringspotential angående datamängden. Främsta orsaken till detta visade sig vara be- gränsningar och komplikationer med att hämta datan från Vattenfall. För att få tillgång till de resterande elabonnemangen bör en vidare dialog med Vattenfall äga rum. Om det endast kan hämtas en mindre da- tamängd i taget bör möjligheten till automatiskt hämtning av data undersökas. Man kan även skapa ett program som kontinuerligt hämtar ny data och lägger in den till databasen så fort den görs tillgänglig. Detta skulle vara mycket önskevärt, men samtidigt väldigt resurskrävande.

6 Slutsats

Utifrån presenterat resultat, sammanställd och överlämnad slutprodukt samt förda diskussionspunkter kan vi konstatera: Kravspecifikationen har på alla utom en punkt helt uppfyllts. Det som inte helt har uppfyllts är insamling av samtliga elabonnemang som existerar i Uppsalas kommuns fastighetsbestånd. Detta har redan diskuterats ingående, och förklaring getts till varför, i avsnitt2.2. I övrigt har: Elabonnemang kategoriserat, databas och styrdokument skapats samt fyllts i, lastprofiler tagits fram och diskuterats, och allt överlämnats till Uppsala kommun. Således kan vi med glädje fastslå att projektets målformulering blev nådd- och med det blev även projektets syfte tillgodosett.

Överlag kan det konstateras att detta projekt var hyfsat framgångsrikt. Tyvärr fanns inte förutsättningarna riktigt på plats för att en fullständig kartläggning hade kunnat varit möjlig. Detta var något bortanför både vår vetskap och, till stor del, påverkansmöjlighet. Diverse försök med varierande ansträngningar gjordes för att hantera detta, med mer eller mindre framgång som redan har diskuterats.

Så trots besvärande omständigheter och vissa tveksamma förutsättningar har vi lärt oss fantastiskt mycket om Excel, SQLite och Uppsala kommuns elanvändning. Vad innebär detta då? Jo kan vi kan ni. Kunskapen finns uppenbarligen där och kan nås av den intresserade. Slutligen vill vi uppmana alla till en smarta- re användning av elnätet och ta ansvar. Varje elabonnemang räknas med i denna kartläggning, och varje

Litteraturförteckning

[1] KSN-2017-1868. Energiprogram 2050. Uppsala: Kommunledningskontoret (beslutat om i kommunfull- mäktige); 2018-05-28.

[2] Uppsala kommun. Befolkningsprognos för Uppsala kommun 2017-2050. Uppsala: Kommunledningskon- toret; 2017.

[3] Svenska kraftnät. Systemutvecklingsplan 2020-2029 [Internet]. Sundbyberg: Svenska kraftnät; 2019. [häm- tad 2020-04-14]. Tillgänglig via:https://www.svk.se/systemutvecklingsplan

[4] Uppsala kommun. EU-projektet CoordiNet. [webbsida]. [uppdaterad 2020-02-19; läst 2020-04-22]. Till- gänglig via:https://www.uppsala.se/organisation-och-styrning/amnen/miljo-och-klimat/komm unens-arbete-inom-miljo-och-klimat/eu-projektet-coordinet/

[5] STUNS. Om STUNS: Historik. [webbsida]. [läst 2020-05-18]. Tillgänglig via: https://www.stuns.se/o m-stuns/historik/

[6] Lantmäteriet. Fastighetsregistret. [webbsida]. [läst 2020-04-24]. Tillgänglig via:https://www.lantmate riet.se/sv/Fastigheter/Fastighetsinformation/Fastighetsregistret/

[7] Lantmäteriet. Formatbeskrivning, Överföringsformatet i Fastighetsregistret. Sverige: Geodatadivisionen;

2019-01-18.

[8] Uppsala kommun. Översiktsplan 2016 [Internet]. Uppsala: Kommunstyrelsen, Stadsbyggnadsförvaltning- en; 2016. [uppdaterad 2017-01-16; läst 2020-04-01]. Tillgänglig via:https://www.uppsala.se/organis ation-och-styrning/publikationer/oversiktsplan-2016/

[9] SQLite. Om SQLite. [webbsida]. [läst 2020-05-10] Tillgänglig via:https://sqlite.org/about.html [10] Elmasri R, Navathe S. Fundamentals of database systems. 6. uppl. Upper Saddle River, N.J.: Pearson

Education; 2010.

[11] Kamber, M., Pei, J., Han, J. Data Mining: Concepts and Techniques. 3. uppl. Netherlands: Elsevier Science; 2011.

[12] SQLite Tutorial. [webbsida]. [läst 2020-05-24] Tillgänglig via:https://www.w3schools.com/sql/

[13] SMHI. Års och Månadsstatistik. [webbsida]. [läst 2020-05-20]. Tillgänglig via:https://www.smhi.se/

klimat/klimatet-da-och-nu/manadens-vader-och-vatten-sverige/manadens-vader-i-sverige /ars-och-manadsstatistik

[14] Uppsala kommun. Baskarta. [webbsida]. [läst 2020-05-04]. Tillgänglig via:https://uppsalakommun.ma ps.arcgis.com/apps/webappviewer/index.html?id=a4f4b3674e9a4c33a5f8d2e2efe9b4a4