Toimistokiinteistöjen tehonhallintaratkaisujen vaikutukset sähkönjakeluverkon mitoittamiseen
Koivuniemi, Eero (2020)
Koivuniemi, Eero
2020
Sähkötekniikan DI-tutkinto-ohjelma - Degree Programme in Electrical Engineering, MSc (Tech)
Informaatioteknologian ja viestinnän tiedekunta - Faculty of Information Technology and Communication Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2020-04-06
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202003042519
https://urn.fi/URN:NBN:fi:tuni-202003042519
Tiivistelmä
Tässä diplomityössä tutkitaan asiakkaiden sähkölaitteiden tehonhallinnan vaikutuksia kaupunkisähköverkkoyhtiön pienjänniteverkon mitoittamiseen. Sähköverkkoyhtiöiden strategisessa suunnittelussa tulee huomioida teknologian kehittyminen sekä energiantuotannon ja -kulutuksen muutostrendit. Etenkin kasvukeskuksiksi mielletyissä kaupunkiympäristöissä on odotettavissa lähivuosina sekä julkisen että henkilöliikenteen sähköistymistä. Tässä työssä näkökulmana on erityisesti henkilöliikenteen sähköistymisen aiheuttaman tehokuorman analysointi pienjänniteverkossa.
Työn tutkimus on jaettu kahteen osaan, jotka ovat case-kohteen yksityiskohtaisempi tarkastelu ja alueellisesti mallinnettu kuormitusanalyysi. Tarkastelun keskiössä on toimistokiinteistöissä tapahtuva ohjaamaton sekä latauspisteillä ja akkuresurssilla hallittu vaihtosähkölataus. Toimistokiinteistöt edustavat Helsingissä toiseksi suurinta sähköenergian kulutusryhmää. Toisaalta niiden osallistuminen sähköverkon huipputehon tarpeeseen on merkittävä. Lisäksi toimistot tarjoavat optimaalisen alustan sähköajoneuvojen latauspisteille kaupunkiympäristössä.
Diplomityössä luotiin sähköajoneuvojen latauskuormalle algoritmit, joilla voitiin analysoida sekä ohjaamatonta että älykkäillä latauspisteillä hallittua sähköajoneuvojen tehon tarvetta. Luotua tilastomatemaattista latauskuorman algoritmia voitiin käyttää case-tarkastelussa ja laajemmassa tutkimuksessa. Lisäksi esiteltiin geneettinen algoritmi optimaalisien huipunleikkausrajojen etsintään akkuteholähteelle.
Case-tarkastelussa analysoitiin yksityiskohtaisesti niitä tehonhallintamenetelmiä, joilla voidaan sähkönkäyttöpaikan tai liittymän huipputehoa rajoittaa. Tuloksien perusteella asiakas saa akkuresurssia käyttämällä suurimman taloudellisen hyödyn huipputehomaksujen minimoinnissa. Akkuteholähteen teholeikkausrajat voidaan löytää optimoimalla ohjelmallisesti simuloitua sähkönkulutusprofiilia tai analysoimalla vuosittaista sähkönkulutuksen toteumaa. Case-tarkastelun tuloksien perusteella voitiin todeta myös, että sähkösuunnittelussa laajasti käytetyillä sähköautojen latauspisteiden mitoitusyhtälöillä ei saada optimaalisesti mitoitettuja latauspisteitä termisen kuormitettavuuden näkökulmasta. Ylimitoitukselta vältyttäisiin käyttämällä todennäköisyyspohjaista laskentaa algebrallisen sijaan.
Alueellisessa kuormitusanalyysissä tehtiin skenaariotarkastelu Helsingin henkilöliikenteen sähköistymisestä. Tutkimuskohteeksi valikoitui toimistotiheä kaupunginosa, jossa kiinteistöjen yhteydessä on myös pysäköintialueita. Valitulla kolmella eri skenaariolla voitiin sähköajoneuvojen yleistymisen vaikutuksia analysoida. Alueellisen kuormitusanalyysin tulokset vahvistavat käsityksen siitä, että Helsingin sähkönjakeluverkko on vahva, eikä konservatiivisien arvioiden mukaiset sähköajoneuvojen penetroitumisasteet aiheuta ylikuormitustilanteita toimistokiinteistöjä syöttävässä sähköverkossa. Lisäksi tarkastelussa olleiden verkkokomponenttien kuormitusasteet siirtyvät tässä tilanteessa lähemmäs taloudellisia käyttöalueita. Mikäli sähköautot edustavat noin puolta koko ajoneuvokannasta, aiheuttaa hallitsematon latauskuorma kuitenkin liittymiskaapeleiden ylikuormittumista. Älykkäällä latauksella ylikuormittumisriski on mitätön. Tuloksien perusteella tutkimuskohteen jakelumuuntajien kapasiteetteja ei voida pitää rajoittavina tekijöinä latauskuorman lisäämiselle. This Master of Science Thesis studies the effects of customer-side load management methods on the planning of an urban low-voltage distribution network. For the long-term strategic planning of distribution networks, it is necessary to take into account the development of different technologies as well as the transition trends in energy production and consumption. Especially in large centers of growth like cities, large-scale electrification of public and private transportation is expected. The point of view in this thesis is the electrification of private transportation.
The research presented in this work consists of two different parts: a detailed case-study of an office building and a scenario-based area analysis. The main points of interest in this research are load management methods in office buildings. These buildings have a high participation coefficient to the distribution network's peak load especially during summer time. Moreover, uncontrolled and smart electric vehicle charging as well as electricity peak load shaving with a battery energy storage system in these buildings were studied.
In order to analyze the stochastic behaviour of the electric vehicle charging load, two different algorithms were created. A statistical approach which employed distributions of different parameters was used. Using the models created in this thesis, the effects of uncontrolled and smart charging methods to the loadings and losses of distribution network components can be studied. In addition, a genetic algorithm for finding the optimal peak load shaving levels for the battery energy storage system was presented.
In the case-study, the effects of using smart electric vehicle charging stations and a battery energy storage to the load profile of the case office building was analysed in detail. According to the results presented in this thesis, using a peak load shaving scheme customers can evidently minimize their distribution payment's power-based component to distribution system owner. This method is not the most techno-economic approach however. According to the results, by using a smart charging method where the charging load is distributed evenly throughout the workday, customers could decrease the power payment effectively with a simple control system. Additionally, it was found that the generally used equations used for estimating the power demand of the charging stations oversize their actual power demand. This oversizing could be limited by using a probabilistic estimation of the electric vehicle charging stations' power demand in place of an algebraic one.
In the area analysis, three scenarios for electric vehicle penetration levels were formulated. The results of the area analysis confirm that the distribution network of Helsinki is strong. A small penetration of electric vehicles even with completely uncontrolled charging loads can be managed within the hosting capacity of the grid. As expected however, increasing the penetration level causes overloading firstly in the customers' connecting cables if no charging load management is used. Lower penetration levels of electric vehicles with both of the analyzed charging methods increase the connecting cables' loadings closer to the techno-economical levels. The results imply that it is benefical for customers as well as distribution system owner to use smart charging methods in office buildings.
Työn tutkimus on jaettu kahteen osaan, jotka ovat case-kohteen yksityiskohtaisempi tarkastelu ja alueellisesti mallinnettu kuormitusanalyysi. Tarkastelun keskiössä on toimistokiinteistöissä tapahtuva ohjaamaton sekä latauspisteillä ja akkuresurssilla hallittu vaihtosähkölataus. Toimistokiinteistöt edustavat Helsingissä toiseksi suurinta sähköenergian kulutusryhmää. Toisaalta niiden osallistuminen sähköverkon huipputehon tarpeeseen on merkittävä. Lisäksi toimistot tarjoavat optimaalisen alustan sähköajoneuvojen latauspisteille kaupunkiympäristössä.
Diplomityössä luotiin sähköajoneuvojen latauskuormalle algoritmit, joilla voitiin analysoida sekä ohjaamatonta että älykkäillä latauspisteillä hallittua sähköajoneuvojen tehon tarvetta. Luotua tilastomatemaattista latauskuorman algoritmia voitiin käyttää case-tarkastelussa ja laajemmassa tutkimuksessa. Lisäksi esiteltiin geneettinen algoritmi optimaalisien huipunleikkausrajojen etsintään akkuteholähteelle.
Case-tarkastelussa analysoitiin yksityiskohtaisesti niitä tehonhallintamenetelmiä, joilla voidaan sähkönkäyttöpaikan tai liittymän huipputehoa rajoittaa. Tuloksien perusteella asiakas saa akkuresurssia käyttämällä suurimman taloudellisen hyödyn huipputehomaksujen minimoinnissa. Akkuteholähteen teholeikkausrajat voidaan löytää optimoimalla ohjelmallisesti simuloitua sähkönkulutusprofiilia tai analysoimalla vuosittaista sähkönkulutuksen toteumaa. Case-tarkastelun tuloksien perusteella voitiin todeta myös, että sähkösuunnittelussa laajasti käytetyillä sähköautojen latauspisteiden mitoitusyhtälöillä ei saada optimaalisesti mitoitettuja latauspisteitä termisen kuormitettavuuden näkökulmasta. Ylimitoitukselta vältyttäisiin käyttämällä todennäköisyyspohjaista laskentaa algebrallisen sijaan.
Alueellisessa kuormitusanalyysissä tehtiin skenaariotarkastelu Helsingin henkilöliikenteen sähköistymisestä. Tutkimuskohteeksi valikoitui toimistotiheä kaupunginosa, jossa kiinteistöjen yhteydessä on myös pysäköintialueita. Valitulla kolmella eri skenaariolla voitiin sähköajoneuvojen yleistymisen vaikutuksia analysoida. Alueellisen kuormitusanalyysin tulokset vahvistavat käsityksen siitä, että Helsingin sähkönjakeluverkko on vahva, eikä konservatiivisien arvioiden mukaiset sähköajoneuvojen penetroitumisasteet aiheuta ylikuormitustilanteita toimistokiinteistöjä syöttävässä sähköverkossa. Lisäksi tarkastelussa olleiden verkkokomponenttien kuormitusasteet siirtyvät tässä tilanteessa lähemmäs taloudellisia käyttöalueita. Mikäli sähköautot edustavat noin puolta koko ajoneuvokannasta, aiheuttaa hallitsematon latauskuorma kuitenkin liittymiskaapeleiden ylikuormittumista. Älykkäällä latauksella ylikuormittumisriski on mitätön. Tuloksien perusteella tutkimuskohteen jakelumuuntajien kapasiteetteja ei voida pitää rajoittavina tekijöinä latauskuorman lisäämiselle.
The research presented in this work consists of two different parts: a detailed case-study of an office building and a scenario-based area analysis. The main points of interest in this research are load management methods in office buildings. These buildings have a high participation coefficient to the distribution network's peak load especially during summer time. Moreover, uncontrolled and smart electric vehicle charging as well as electricity peak load shaving with a battery energy storage system in these buildings were studied.
In order to analyze the stochastic behaviour of the electric vehicle charging load, two different algorithms were created. A statistical approach which employed distributions of different parameters was used. Using the models created in this thesis, the effects of uncontrolled and smart charging methods to the loadings and losses of distribution network components can be studied. In addition, a genetic algorithm for finding the optimal peak load shaving levels for the battery energy storage system was presented.
In the case-study, the effects of using smart electric vehicle charging stations and a battery energy storage to the load profile of the case office building was analysed in detail. According to the results presented in this thesis, using a peak load shaving scheme customers can evidently minimize their distribution payment's power-based component to distribution system owner. This method is not the most techno-economic approach however. According to the results, by using a smart charging method where the charging load is distributed evenly throughout the workday, customers could decrease the power payment effectively with a simple control system. Additionally, it was found that the generally used equations used for estimating the power demand of the charging stations oversize their actual power demand. This oversizing could be limited by using a probabilistic estimation of the electric vehicle charging stations' power demand in place of an algebraic one.
In the area analysis, three scenarios for electric vehicle penetration levels were formulated. The results of the area analysis confirm that the distribution network of Helsinki is strong. A small penetration of electric vehicles even with completely uncontrolled charging loads can be managed within the hosting capacity of the grid. As expected however, increasing the penetration level causes overloading firstly in the customers' connecting cables if no charging load management is used. Lower penetration levels of electric vehicles with both of the analyzed charging methods increase the connecting cables' loadings closer to the techno-economical levels. The results imply that it is benefical for customers as well as distribution system owner to use smart charging methods in office buildings.