Eksperter i Team TET4850 Smart Grid Prisregimets effekt på kraftnettet

Størrelse: px
Begynne med side:

Download "Eksperter i Team TET4850 Smart Grid Prisregimets effekt på kraftnettet"

Transkript

1 Eksperter i Team TET4850 Smart Grid Prisregimets effekt på kraftnettet Gruppe 4 Beate Norheim Brynjar Jacobsen Filip Andre Larsen Tomren Jonas Tøgersen Kjellstadli Kari Vingdal Silje Johannessen

2 ii Forord Denne rapporten er utarbeidet våren 2014 i emnet TET4850 Eksperter i Team av gruppenummer fire i landsbyen Smart Grid. Gruppen som har utredet rapporten har tilknytning til realfagsstudier på Gløshaugen. Bærebjelken i gruppen er tverrfaglighet, noe som har resultert i en økonomisk og teknisk utredning av en kompleks problemstilling. Samarbeidspartner i dette prosjektet er Hafslund, og av den grunn vil rapporten ta utgangspunkt i nettselskapets utfordringer innenfor smartgrid. For å nyttiggjøre innholdet i rapporten fullstendig forutsettes det en grunnleggende kjennskap til kraftsystemets oppbygging og funksjonalitet. Vi vil takke landsbyleder Ole-Morten Midtgård og læringsassistentene Håkon Rake og Richard Kringlebotten for veiledning og tilbakemelding under hele eksperter i team. Vi ønsker også å takke samarbeidspartner Hafslund, representert av Kjell Anders Tutvedt, for god veiledning og hjelp underveis i prosjektet. Beate Norheim Industriell Økonomi Brynjar Jacobsen Elkraftteknikk Filip Andre Larsen Tomren Informatikk Jonas Tøgersen Kjellstadli Fysikk Kari Vingdal Elkraftteknikk Silje Johannessen Industriell Økonomi

3 iii

4 iv Sammendrag Hensikten med denne rapporten har vært å finne en prismodell for nettoverføring som resulterer i en mer optimal utnyttelse av nettkapasiteten. Formålet var dermed å unngå eller utsette investeringer i nettet som følge av fremtidens økte belastning. Ved å innhente informasjon om oppbyggingen av nettariffer og analysere de forskjellige virkemidlene er det utarbeidet en prismodell som anses som effektiv basert på gitte argumenter. Prismodellen baserer seg på Critical Peak Pricing, med et prisledd i kritiske timer med størrelse avhengig av en faktor X. Denne faktoren representerer stryken på prissignalet i de timene når det er lite kapasitet i nettet. Prismodellen som er utarbeidet er en dynamisk modell og er avhengig av at alle forbrukerne har avanserte målingssystemer for registrering av energibruk. I tillegg er modellen avhengig av en viss forbrukerrespons, for eksempel i form av styringsmekanismer som er i stand til å reagere på prissignaler. Ved hjelp av simuleringer testes prismodellen på et utvalg framtidssituasjoner, gitt ved andelen av husstander som har elbiler og andelen som har avanserte styringsmekanismer, for å se hvordan lastkurven endrer seg i respons til prissignalet. Simuleringene for hvert fremtidstilfelle kjøres for flere styrker på prissignalet for å finne den optimale prismodellen i hvert tilfelle. Deretter testes de nye lastkurvene ved hjelp av nettsimuleringer for å se om dagens nett tåler den nye belastningen. Resultatene viser at andelen elbiler ikke har noen innvirkning på valget av faktoren X i modellen, men at andelen styringsmekanismer har et omvendt forhold til optimal X. Dersom flere forbrukere er priselastiske, trenger ikke prissignalet være like sterkt, men om få reagerer ved å flytte forbruk må signalet være sterkere slik at flere flytter en større andel av forbruket. Flere av tilfellene fra nettsimuleringene viste at dagens nett ikke vil være tilstrekkelig dimensjonert ved fremtidig last. Slik prismodellen er implementert i denne rapporten oppnås altså ikke optimal lastflytting fordi store lasttopper inntreffer utenom de definerte kritiske timene. Det foreslås at tidsrommet for de kritiske timene utvides til å inkludere den timen der den nye begrensninger inntreffer. En mulig måte å videreføre arbeidet på er å forbedre den numeriske modellen. Det kan gjøres ved for eksempel å utføre undersøkelser angående elbilforbruk for å få tak i informasjon om hvor ofte og lenge elbiler lades, når de lades og hvor ofte ladestasjoner benyttes. I tillegg kan man lage en ny formel for flytting av forbruk for å sammenligne med den brukt her, noe som vil gi en indikasjon på disse resultatenes nøyaktighet. Som nevnt over virker det også ønskelig å utvide de kritiske timene til å inkludere én time til, for å se hvordan dette endrer resultatene. Det er i tillegg mulig å gjøre mer avanserte nettsimuleringer hvor feilsituasjoner og neglisjerte parametere inkluderes.

5 v

6 vi Innholdsfortegnelse 1. Innledning Dagens Prismodell Dagens prising av nettleie Critical peak pricing Effektprising Modellen Energiledd Effektledd Styringsmekanismer Avanserte Måle- og Styringsystemer Generelt om intelligente styringssystemer Z-Wave Styring med Z-Wave Kostnad for et typisk Z-Wave-oppsett Produkter som kan være interessante Forbrukerrespons Bakgrunn Forbrukerrespons og dynamiske markedsmodeller Forbrukerfleksibilitet og styringssystemer Numerisk modell for forbruksendring Antagelser Beskrivelse av koden Mulige forbedringer Nettsimuleringer Bakgrunn Nettmodell Antagelser og Parametere Samtidighetsfaktor Bestemmelse av belastninger og effektbehov Linjeparametere Tilfelle 1: Dagens Situasjon Tilfelle 2: Dimensjonerende Effekt... 22

7 vii 6.6. Tilfelle 3: Input fra økonomisk modell Tilfelle 4: Maksimal overføring på linjene Diskusjon Resultater Diskusjon Konklusjon Bibliografi Vedlegg A Vedlegg B Vedlegg C Vedlegg D Vedlegg E Vedlegg F... 54

8 viii

9 1 1. Innledning I løpet av det siste tiåret har forbrukeren gått fra å være en passiv aktør til å være en fremtidig ressurs i kraftsystemet. Denne utviklingen gjør at morgendagens kraftsystem har et stort behov for implementering av smartgrid teknologi. Implementering av smartgrid mekanismer gjør det nødvendig å analysere konsekvensene av endret prissetting og forbrukeratferd i fremtidens smarte nett. Kundens lastprofil i de dimensjonerende timene er svært sentral for å optimalisere nettinvesteringer. Problemet med dagens prismodell er at den ikke gis insentiver til forbrukeren å forflytte last når det eksisterer en kapasitetsknapphet i nettet. For å oppnå bedre utnyttelse av dagens nettstruktur er det avgjørende at det eksisterer større korrelasjon mellom produksjon og etterspørsel i sanntid. Dersom nettdimensjoneringen blir mer sammenfallende med nettselskapenes prismodell vil nettkapasiteten bli utnyttet mer optimalt. Prosjektet tar derfor for seg følgende problemstillinger: - Hvordan kan nettselskapene utjevne effekttopper gjennom et rettferdig prisregime og smarte styringsmekanismer? - I hvilken grad kan forbrukerfleksibilitet og fjernkobling bidra flytting av lavprioritert last? - Er dagens nett dimensjonert for belastningen som oppstår på grunn av endret forbrukeratferd og prisregime, og vil det være behov for reinvesteringer i nettet? Denne problematikken gjør det nødvendig å undersøke implementering av dynamiske tariffmodeller. For å utvikle dynamiske tariffmodeller som bygger på effektdimensjonering vil det være avgjørende å undersøke indirekte lastkontroll i form av forbrukerrespons, og direkte lastkontroll ved hjelp av styringsmekanismer. Implementering av ulike styringsmekanismer hos forbruker vil muliggjøre nye tariffer hvor effekt og energi kan prises i forhold til produksjon og forbruk på et gitt tidspunkt.

10 2 2. Dagens Prismodell 2.1. Dagens prising av nettleie Nettleie er det forbrukeren betaler for å få tilgang til elektrisk energi via overføringslinjer eller kabler. Forskjellige nettselskaper har ansvar for nettet i hvert sitt område, både med tanke på utbygging, vedlikehold og distribusjon. De enkelte nettselskapene fastsetter også hvordan tariffmodellen skal være bygget opp, og hvordan nettleien pris-settes. Nettleien skal dekke nettselskapets utgifter, som består av investeringer og overføringstap. Slik tariffen er bygd opp i dag, består nettleien av et fastledd og et energiledd. Fastleddet er et fast årlig beløp som betales for å få tilgang til den leverte energien, uansett forbruk. Energileddet er forbrukerjustert og avhenger av antall kilowatt-timer (kwh) brukt. Energileddet skal som hovedregel være lik nettapet under overføringen, og kan beskrives som kostnaden kunden påfører nettet. I realiteten dekker fastleddet kun deler av investeringskostnadene til et nettselskap. Deler av energileddet vil derfor også gå til dekning av investeringer for nettselskapet. Energileddet reflekterer derfor ikke nøyaktige marginale tapskostnader, og fastleddet er nødvendig for å gi en rimelig avkastning. Typisk for nettselskapene i dag er å ha et fastledd på rundt 50 prosent av selskapets inntekter (Norges vassdrags- og energidirektorat, 2010). Utforming av fastleddet har derfor stor betydning for hvordan nettselskapets inntektsbehov dekkes, samtidig som at nettet benyttes på en økonomisk effektiv måte. Nettselskaper har en kostnadsstruktur bestående av høye faste kostnader i form av investeringer og vedlikehold, og lave variable overføringskostnader. Med denne strukturen blir gjennomsnittskostnadene lavere ved økende last, som medfører betydelige fordeler ved storskala overføring. Det vil være optimalt for nettselskapet å utnytte mest mulig av kapasiteten i et nett inntil en viss kapasitetsgrense. På en annen side, dersom man nærmer seg denne kapasitetsgrensen vil de marginale tapskostnadene øke betydelig grunnet et høyere tap i overføringen. Dagens energiledd består som regel av to prisnivåer, et for høylast-timer og et for lavlast-timer. Som regel skilles det her mellom natt og dag, eller vinter og sommer. Denne modellen gjenspeiler at de marginale tapskostnadene øker når nettet nærmer seg kapasitetsgrensen. Når lasten er høyest, i såkalt kritiske timer, enten på dagen eller på vinteren, er prisen satt høyere enn ellers. Figur 2.1. Dagens prismodell.

11 3 Problemet med dagen modell er at den på ingen måte gir insentiver hos forbrukerne til å flytte lasten når det er lite kapasitet i nettet. For det første er det ikke mulig å utnytte den differensierte prisen i løpet av døgnet fordi det ikke registreres når i døgnet energien blir levert. Dette betyr at energileddet blir regnet ut ved å fordele totalt forbruk i en husstand over et estimert forbruksmønster, fordelt mellom natt og dag. I et fungerende marked gjenspeiles kapasitetsmangel ved prissignaler som påvirker forbruket til de med høyest priselastisitet. Dette er ikke tilfellet for dagens nettleie fordi det ikke er noe direkte sammenheng mellom pris og reelt forbruk. For det andre kan man argumentere at forskjellen på prisnivåene i dagens modell er for liten til å ha en reell innvirkning på forbruket. Innen 1. januar 2019 skal alle husstander ha installert AMS (LOVDATA, u.d.), som gjør det mulig å registrere hvor mye energi eller effekt som blir brukt til enhver tid. Dette gjør det mulig å innføre mer dynamiske prismodeller for energileddet, som videre kan gjenspeile kapasitetsmangel og oppfordre til å flytte forbruk fra de dimensjonerende timene. Det virker i første omgang som at dette fører til et mer optimalt marked, men problemet er at dynamisk prising vil medføre en merkostnad ved innhenting og håndtering av data. Problemstillingen når det gjelder prismodeller for nettleie innebærer derfor å finne en løsning hvor de økte kostnadene i forbindelse med prismodellen er lavere enn en eventuell investering i nettet som følge av for lite kapasitet. Andre utfordringer ved utforming av prismodeller er å finne en modell der det er en tilfredsstillende sammenheng mellom pris, nettap og effektmangel. I tillegg må modellen gi et prissignal som har ønsket innvirkning på kundens forbruk. Effekten av differensiering av prisen ved bruk av mer dynamiske prismodeller er altså avhengig av i hvor stor grad forbrukerne responderer på prissignalet. Modeller for prising av nettleie kan ha forskjellig grad av dynamikk innenfor en tidsperiode. Med økt dynamikk vil tidsoppløsningen for prisingen være finere, men dette vil også føre til merkostnader på grunn av mengden data som skal innhentes og behandles. Noen eksempler på dynamiske modeller er time-ofuse (TOU), real-time-pricing (RTP) og critical-peak-pricing (CPP). TOU modellen er en dynamisk modell fordi prisen er avhengig av når energien brukes, men prisen varier kun innenfor faste tidsblokker i løpet av døgnet eller året, og modellen regnes som relativt lite dynamisk. RTP er en fullstendig dynamisk modell der prisen varierer med de faktiske marginale tapskostnadene fra time til time. I denne rapporten fokuseres det på en halvdynamisk modell kalt CPP. Figur 2.2. Dynamiske prismodeller Critical peak pricing CPP modellen innebærer at prisen gjennomgående er forholdsvis lav, men settes betydelig høyere i perioder med kapasitetsmangel eller høye forbrukstopper. Denne modellen differensierer kun prisen i timer med dimensjonerende last, men prisen i disse timene settes betydelig høyere slik at modellen gir et mye sterkere prissignal der det faktisk er nødvendig. Hvilke timer som defineres som kritiske og prisene i disse timene kan bli bestemt dagen før, og kundene blir opplyst per , melding eller et display i hjemmet.

12 4 Eventuelt kan det fastsettes et antall timer den høyere prisen skal gjelde, men hvilke timer dette vil være avhenger av lasten. Antall dager med dimensjonerende last kan variere, men vil som regel variere mellom dager i året, samt at prisen i disse dimensjonerende timene kan være mellom 3-10 ganger høyere enn ellers (Sepúlveda, 2012). Utfordringer ved utformingen av en slik modell vil være å finne ut hvor høy prisen må være for å gi tilstrekkelig finansielt insentiv for kunden til å flytte lavprioritert forbruk bort fra de kritiske timer. Figur 2.3. Critical peak pricing Effektprising Kapasiteten i nettet er begrenset av mengden effekt, ikke energi, for et gitt tidspunkt. Ved dimensjonerende last vil det ikke gi mening at prisen på nettleien er avhengig av energien som brukes. Det er derimot mulig å prise effekt direkte, slik at prisen reflekteres av den faktiske kapasitetsmangelen i nettet. Spotprising av energien gir korrekte prissignaler som reflekterer knapphet av selve energien. Et dynamisk energiledd i nettleien, som beskrevet over, medfører dermed at høylastforbruk kan reduseres. For å utsette investeringer i nett med økende last kan det derimot være nødvendig å innføre ytterlige prissignal for effektknapphet. Dette prissignalet kan være i form av et effektledd. Effekttariffer kan dimensjoneres gjennom en standard gjennomsnittlig lastkurve i et gitt geografisk område. Effekttariffen settes i forhold til en gjennomsnittskurve for effektforbruk, slik at kunder som trekker mye effekt i høylasttimen får en høyere strømregning. Hensikten med effektleddet er altså å redusere lastuttaket i dimensjonerende timer, og effektleddet vil derfor gjelde kun i timer med maksimal belastning eller kapasitetsmangel. Videre vil et prissignal som reduserer forbruk i timer der kapasiteten ikke utnyttes fullt gi et effektivitetstap. Teoretisk bør kostnaden for kunden i disse timene reflektere de marginale investeringskostnadene samtidig som den er på et nivå som utnytter kapasiteten i nettet. Er prissignalet for stort vil det føre til at forbruket i disse timene reduseres mer enn nødvendig og nettet blir ikke lenger utnyttet optimalt. Er derimot prissignalet for lite vil ikke insentivet for å flytte lasten være stort nok. For å unngå disse fellene kan effektleddet gjelde for uttak av last over en viss kapasitet i de gitte dimensjonerende timene. Det finnes flere måter å utforme et slikt prissignal på, et eksempel er abonnert effekt, hvor man betaler et beløp for gitt effekt og må betale en høyere pris for uttak over denne effekten.

13 Modellen Energiledd Ved hjelp av informasjon om mulige prismodeller og fordeler og ulemper er det blitt konstruert en modell for prising av nettleie. Modellen tar utgangspunkt i CPP, men differensierer også prisen mellom dag og natt, som i en TOU modell. Det antas at en halvdynamisk modell som denne er tilstrekkelig for å få ønsket effekt. Med en RTP modell ville det blitt unødvendige kostnader for å oppnå den samme effekten man får med CPP. Figur 2.4. Oppbygningen av energileddet. På dager uten dimensjonerende last vil prisen variere mellom dag og natt avhengig av forventede marginaltapskostnader og prisen settes da til samme nivå som i dagens modell. På dager med dimensjonerende last vil prisen i timer som ikke er kritiske være lavere sammenlignet dagens modell. Dette fungerer da som en kompensasjon for at prisen er høyere i dimensjonerende timer. Figur 2.4 viser oppbygningen av energileddet på kritiske dager sammenlignet med eksempler på prissatser i dagens nett. Denne figuren demonstrer kun prisnivået og det spesifiseres at modellen i denne rapporten er dynamisk, samtidig som dagens modell er uavhengig av forbruk. Figuren viser også at prisnivåene i timer som ikke er kritiske ligger marginalt lavere enn prisnivåene i dagens modell. Siden formålet med denne rapporten er finne en prismodell for å redusere last i kritiske timer og deretter se om dagens nett vil tåle belastningen anses det kun relevant å se på dager med dimensjonerende last. Det antas derfor at det estimeres om dimensjonerende last vil inntreffe fra dag til dag og at kunder får beskjed dagen før om prisen vil øke, men at det ikke er viktig å presisere hvilke og hvor mange dager dette blir. Når det gjelder tidsrommet for de differensierte prisene er disse satt med bakgrunn i dagens forbruksmønster. Prisen for dag er gjeldene fra time 8 til 22, og på dimensjonerende dager er de kritiske timene mellom time 16 og 21. På kritiske dager vil det være tre forskjellige prisnivåer; én pris for natt, en for dag og én i kritiske timer. Prisen i de kritiske timene ble variert for å finne det nivået som resulterer i optimal lastflytting og prisnivået

14 6 for dag og natt er avhengig av størrelsen på det kritiske nivået. I denne modellen er Hafslunds nåværende sesongvarierte priser brukt som utgangspunkt. Periode Pris per kwh (Øre) Sommer 37,2 Vinter 39,6 Tabell 2.1. Hafslunds sesongvarierte priser. Fra disse prisene defineres prisen for dag og natt gitt en størrelse på det kritiske prisnivået ved å holde gjennomsnittsprisen i løpet av døgnet konstant. Periode Kritisk Dag Natt Tabell 2.2. Prismodell for kritiske dager. Pris per kwh (Øre) 39,6 * x 39,6 - Y 37,2 - Y I Tabell 2.2 er x en skalar som representerer større priser er i de kritiske timene sammenlignet med vanlig pris, og Y er størrelsen på nedjusteringen av prisen for dag og natt. Y = 1 (x 1) 39, Effektledd Ved økende last i det eksisterende nettet kan investeringer utsettes ved ytterlige prissignal. I denne rapporten skal fremtidens belastning modelleres på dagens nett. Det er derfor ønskelig å finne en modell som kan håndtere fremtidens økende last uten at det er behov for å investere i nettet. Dette kan oppnås ved å legge til et effektledd som ekstra insentiv til å flytte forbruk. Dette tillegget er ment som en alternativ kostnad til en eventuell investering og reflekterer derfor ikke kostnaden påført nettet, men kostnaden ved at nettet ikke er tilstrekkelig dimensjonert for en fremtidig situasjon. Effektleddet i denne modellen gjelder bare i de kritiske timene fordi det ikke er ønskelig å gi insentiv til å flytte forbruk i timer med tilstrekkelig kapasitet. I tillegg gjelder dette leddet kun for effekt som overstiger 70 % av dimensjonerende kapasitet. I kapittel 6 er dimensjonerende kapasitet definert som 9 kw per husstand (for transformatoren), og prisleddet øker lineært når forbruket overstiger 70 % av dimensjonerende kapasitet. For å implementere denne prisen i simuleringene velger vi å se på forbruk i tidsintervall på én time. En eventuell overstigelse av den satte grensen for effekt vil reflekteres i mengde energi brukt i denne timen, gitt i kwh. Siden forbruk over et døgn kun er gitt som et gjennomsnitt per time er det ikke nødvendig å se på effektforbruket i et mindre tidsintervall. Prisen per kwh over denne grensen er en funksjon avhengig av hvor langt over grensen forbruket er. Ved forbruk akkurat på grensen er prisen lik A per kwh og etter dette øker den med B per kwh. Pris = A + BX X = Forbruk 9 0,7

15 7 3. Styringsmekanismer 3.1. Avanserte Måle- og Styringsystemer Per i dag har de aller fleste husstander måleutstyr som utfører akkumulerte målinger som avleses hver måned eller sjeldnere. Dette setter store begrensninger for et voksende sanntidssamfunn hvor man vil ha så nøyaktig data som mulig. Avanserte Måle- og Styringssystemer (AMS) er et nytt system som etter gjeldende planer skal være installert i alle målepunkt innen 1. januar 2019 (LOVDATA, u.d.). Dette innebærer at alle gamle mekaniske målere skal ut av systemet. Etter funksjonskrav til AMS etter paragraf 4-2 i Forskrift om måling, avregning og samordnet opptreden ved kraftomsetning og fakturering av nettjenester (LOVDATA, u.d.) skal AMS: a. lagre måleverdier med en registreringsfrekvens på maksimalt 60 minutter, og kunne stilles om til en registreringsfrekvens på minimum 15 minutter, b. ha et standardisert grensesnitt som legger til rette for kommunikasjon med eksternt utstyr basert på åpne standarder, c. kunne tilknyttes og kommunisere med andre typer målere, d. sikre at lagrede data ikke går tapt ved spenningsavbrudd, e. kunne bryte og begrense effektuttaket i det enkelte målepunkt, unntatt trafomålte anlegg, f. kunne sende og motta informasjon om kraftpriser og tariffer samt kunne overføre styrings- og jordfeilsignal, g. gi sikkerhet mot misbruk av data og uønsket tilgang til styrefunksjoner og h. registrere flyt av aktiv og reaktiv effekt i begge retninger. Kravene koker ned til tre primærfunksjoner: 1. Tilrettelegging for registrering av energiforbruket hos sluttbruker. 2. Bidra til overføring av data mellom sluttbruker og nettselskap. 3. Mulighet for at nettselskapet kan fjernstyre og begrense uttaket hos enkelte kunder. Dette innebærer at nettselskapene kan endre måten de prissetter energi og nettbruk, og samtidig tilby kundene differensiert prising basert på faktisk forbruk. Med nye målere kan forbruk registreres hver time, noe som muliggjør fakturering av forbruk på timesbasis. Dette fører også til et bedre datagrunnlag for å kunne avgjøre om det trengs investeringer i nettet nå eller i fremtiden Generelt om intelligente styringssystemer Intelligente styringssystemer er en sentral del av smarthusteknologi, som er en samlebetegnelse for informasjons- og kommunikasjonsteknologi anvendt i boliger (BUFETAT, 2004). Med slike systemer kan en kontrollere og overvåke enheter i hjemmet på en annen måte enn tidligere. Enheter kan med slike systemer programmeres til å reagere på signaler gitt av en sentral enhet som igjen reagerer på signaler gitt av eksterne sensorer og hendelser. Ved å bruke intelligente styringssystemer kan boliger bli mye mer intuitive, og det muliggjør energisparing. Kun fantasien setter grenser for hva man kan oppnå med et slikt system. Om det er ønskelig at alle lys i huset skal kunne slukkes med én bryter, at kaffetrakteren skal settes på når vekkerklokken ringer om morgenen, eller at alle lys skal styres av bevegelsessensorer, er dette fullt mulig å implementere. Forskjellige implementasjoner kan rangeres fra alt av ekstrem nytteverdi, til å være en gimmick. I denne rapporten er det energisparing og utjevning av forbruk som vil være fokuset. For å se nærmere på hvordan dette oppnås

16 8 konstrueres det i denne rapporten et program basert på statistisk forbruk, faktisk forbruk enhetsattributter og pris. Det finnes utallige varianter intelligente systemer på markedet i dag, inkludert veldig industrielle system som benytter busser hvor alle punkter har en IP-adresse, eller mer forbrukervennlige systemer som opererer trådløst. Et bus-system krever planlegging i byggefasen fordi kablingen må legges til alle punkter i huset hvor man vil ha styring. Det krever mye arbeid for å legge om til et bus-system, samtidig som det er kostbart. Ved å velge systemer som er mer egnet hos vanlige forbrukere og som opererer trådløst unngår man mange av utfordringene man møter i industrielle systemer. Det er gjerne snakk om plug-in enheter som enkelt settes mellom støpsel og stikkontakt, eller i-vegg-enheter som man setter bak brytere og stikkontakter. Basert på et forbrukerperspektiv vil styringssystemet Z-Wave være godt egnet Z-Wave Et system som baserer seg på trådløs kommunikasjon og krever minimalt av arbeid i installasjonsprosessen er Z-Wave. Z-Wave er en godt etablert standard for trådløse styringsenheter over hele verden, og det eksisterer en mengde leverandører av kompatible komponenter. Z-Wave blir også regnet som en av nøkkeldriverene bak tingenes internett (ZWAVEALLIANCE, u.d.). Fordelene med Z-Wave som teknologi er som følger (Sigma Designs, Inc., u.d.): Enkelt å installere Krever ikke ny kabling i hus Kompatibilitet - alle produkter merket med Z-Wave fungerer sammen med hverandre Billig - start med noen få komponenter og utvid senere Utbredt og enkelt og anskaffe - har vært i markedet i over ti år Sikkerhet - samme kryptering som nettbanker Valgmuligheter - stil, pris, farger, etc. Testet - over 20 millioner produkter installert i hjem rundt i verden De største merkene lager produkter for Z-Wave 9 av 10 ledende sikkerhetsselskaper i USA bruker Z-Wave Alle disse fordelene bidrar til å senke kostnaden og terskelen for ettermontering av utstyr, noe som gjør det lettere for forbrukeren å investere i smarte komponenter Styring med Z-Wave I utgangspunktet kan det meste i huset styres med et styringssystem som Z-Wave. I denne rapporten er det mest hensiktsmessig å fokusere på hva som kan oppnås ved å styre effekttungt utstyr som varmtvannsberedere og elbiler. De fleste har stort sett en fast timeplan og er hjemme til de samme tider hver dag. Hos alle det her er snakk om kan det implementeres et program i styringssystemet som slår av og på enheter for å jevne ut lastkurven utover dagen. Elbiler kan lades på natten når kapasiteten i nettet er høy, og oppvarmingen av varmtvann kan flyttes til tidspunkter uten knapphet. Ved å implementere slike løsninger vil det bli enklere å flytte lasten bort fra de kritiske timene. Styringssystemer kan også settes opp slik at det er en overordnet kontroll over hvor mye effekt som brukes til enhver tid. Dette muliggjør også tiltak mot overforbruk. Eksempelvis kan systemet slå av oppvarming av

17 9 varmtvann, ladning av elbil og varmeapparater dersom forbrukeren begynner å lage mat med induksjonstopp og stekeovn samtidig. Dette kan med andre ord muliggjøre en automatikk som hjelper forbrukeren med å holde forbruket under en gitt grense til enhver tid Kostnad for et typisk Z-Wave-oppsett For å komme i gang med styringssystemer trengs det minimum en gateway (sentral styringsenhet), et punkt som kan styres og en komponent som måler forbruk. Følgende pakke er minimum og passer for de med kun varmtvannstank som de vil styre. Tabell 3.1. Priser for diverse Z-Wave komponenter (Tronika, u.d.) Produkt (beskrivelse etc.) Antall Pris Rele for varmtvannsbereder. Pris avhenger av varmeelementets maks energiforbruk. Gateway som styrer alt. Pris avhenger av hvor stor funksjonalitet en trenger. 1 ca kr 1 ca kr Strømmåler (utenom AMS) 1 ca kr Totalt ca kr Ut fra Tabell 3.1 kan det observeres at det ikke nødvendigvis er store kostnader knyttet til å komme i gang med styringssystemer. Det hele kommer an på hvor mange enheter man vil styre, og hvor mye funksjonalitet som trengs Produkter som kan være interessante Med et stadig voksende utvalg av enheter og tilbehør, kan det være vanskelig å vite hvilke komponenter som kan være nyttige. I Vedlegg F er det derfor listet en del komponenter (Tronika, u.d.) som kan være nyttige for å realisere flytting av last bort fra de kritiske timer.

18 10 4. Forbrukerrespons 4.1. Bakgrunn Kraftnettet dimensjoneres ut i fra maksimal effekt levert til forbruker. Dette vil si at nettet må kunne være i stand til å levere den etterspurte effekten til alle kunder på et gitt tidspunkt. Hvis kraftnettet er underdimensjonert risikerer man utfall av store områder, noe som var årsaken til mørkleggingen av store deler av Italia i 2003 (Corsi & Sabelli, 2004). Det norske kraftnettet er et av de eldste i drift, og investeringer ble gjort med hensyn til datidens forbruksmønster. De siste årene har det midlertidige vært en økende trend av effektkrevende apparater og påfølgende høye effekttopper i nettet. Økte effekttopper skyldes i stor grad økt bruk av elektrisitet som oppvarmingskilde, oppladning av El-biler og induksjonsovner i husholdninger. Statnett har anslått at det vil kreves investeringer i milliardklassen for at kraftnettet skal være i stand til å levere den fremtidige etterspurte effekten dersom utviklingen fortsetter (Statnett SF, 2013). Denne problematikken gjør det ønskelig at forbrukerfleksibiliteten utnyttes for å redusere forbruket i knapphetsperioder og dermed utsette fremtidige investeringer i kraftnettet. I denne rapporten er det benyttet følgende definisjon av forbrukerfleksibilitet: «Kundens evne til å endre forbruket sitt eller bytte energibærere i tidsbegrensede perioder, som respons på endringer i priser på elektrisitet - i vårt tilfelle nettariff» (SINTEF. Sæle H. G., 2008) Det teoretiske potensialet for forbrukerfleksibilitet i det norske kraftnettet er kartlagt til å være tilnærmet 1700MW for alminnelig forsyning (SINTEF. Sæle H. G., 2008). Den norske forbrukerfleksibiliteten kan i stor grad realiseres ved hjelp av utkobling av lavprioritert forbruk. Lavprioritert forbruk vil variere innenfor forskjellige kundegrupper og bygningstyper. Definisjonen av lavprioritert forbruk er som følger: «Forbruk som kan kobles ut for en begrenset periode, og som medfører liten eller ingen komfortreduksjon for sluttforbruker» (SINTEF. Sæle H. S., 2013). Figur 4.1. Før og etter utkobling av lavprioritert forbruk (SINTEF. Sæle H. G., 2008).

19 11 Lyseblå kurve i Figur 4.1 viser effektforbruket ved utkobling av lavprioritert forbruk gjennom fire dager i uke 21. Lastkurven viser at det er fordelaktig å forflytte lavprioritert forbruk for å unngå effekttopper. Norges høye potensial innen forbrukerfleksibilitet skyldes at store deler av elektrisitetsforbruket brukes oppvarming av bygningsmasse og varmtvannsbereder (SINTEF. Sæle H. G., 2008). Figur 4.2 illustrerer den gjennomsnittlige fordelingen av strømforbruk i norske husholdninger. Det fremgår av figuren at 79 % av strømforbruket benyttes til oppvarming av bygningsmasse og varmtvann. Bruk av intelligente styrings systemer kan bidra til at både det totale forbruket og etterspurt effekt i de kritiske timene reduseres. Figur 4.2. Strømforbruk i husholdning 2006/2007 (SINTEF. Sæle H. S., 2013). Endring av lastprofil kan være et resultat av indirekte eller direkte lastkontroll. Den indirekte kontrollen inkluderer forbrukerrespons og dynamiske markedsmodeller, og direkte lastkontroll benytter styringsmekanismer Forbrukerrespons og dynamiske markedsmodeller Overføring av effekt og styring av kraftmarkedet er fra et økonomisk ståsted et naturlig monopol. I økonomisk termologi betraktes kraftnettet som et offentlig gode som ikke kan kontrolleres ut ifra de vanlig økonomiske prinsippene om tilbud og etterspørsel. Det kan fra et samfunnsøkonomisk ståsted allikevel være gunstig å introdusere elementer av tilbud og etterspørsel for å oppnå et mer effektivt marked. Forbrukerfleksibilitet kan utnyttes i knapphetsperioder for å oppnå økt effektivitet i markedet. Det er utallige empiriske bevis for at en liten reduksjon i forbruk under de kritiske timene kan føre til en stor reduksjon i pris (SINTEF. Sæle H. S., 2013). Et særtrekk ved dagens elektrisitetsforbruk er en uelastisk pris-sensitivitet. Dette innebærer at etterspørselen av elektrisk energi er uavhengig av pris. Et av de store problemene med dagens system er derfor at forbruker ikke blir premiert for å flytte forbruk vekk fra timer med høyt forbruk (THEMA consulting, 2013). Pilotprosjekter utført av SINTEF viser til at strømtariffen i seg selv ikke gir forbrukeren et stort nok insentiv til å forflytte forbruket vekk fra de kritiske timene (SINTEF. Sæle H. G., 2008).

20 12 For å oppnå bedre utnyttelse av dagens nettstruktur er det avgjørende at det eksisterer større korrelasjon mellom produksjon og etterspørsel i sanntid. Dersom betalingsvilligheten til forbrukeren blir mer sammenfallende med spotprisen vil markedet bli mer funksjonelt i den forstand at det vil bli bedre korrelasjon mellom effektflyt og kraftpriser. En elastisk sammenheng mellom produksjon og etterspørsel vil også kunne føre til at en økning i kraftprisen gir en reduksjon i etterspørselen. Muligheten til å forskyve last under store fluktuasjoner i pris vil i større grad gjøre det lønnsomt for forbrukere å redusere eller bli mer fleksibel på elektrisitetsforbruk. I dagens marked foreligger det små prisfluktuasjoner hvor forbruker ofte er bundet opp mot en spotpriskontrakt, der det ikke har noen betydning når på døgnet man bruker elektrisitet. Under disse forholdene eksisterer det ikke noe grunnlag for å fakturere forbrukeren med sanntidspriser. Disse faktorene fører til at insentivene til å investere i forbrukerfleksibilitet ikke når tilstrekkelig frem til forbruker (Bye, 2011). De siste årene har det blitt en større forståelse for at investering i forbrukerfleksibilitet frembringer kostnadseffektivitet, som videre har resultert i at insentivene har nådd frem til kraftselskapene. Forskerbaserte avhandlinger påpeker at investering i forbrukerfleksibilitet kan gi et mer kostnadseffektivt alternativ i forhold til utvidelse av overføringskapasitet og produksjonskapasitet (SINTEF. Sæle H. S., 2013). Forbedring av forbrukerfleksibiliteten, altså en forskyving av last, frembringer økt konsumentoverskudd, forbedret stabilitet i nettet og redusert behov for nye nettinvesteringer. Forbrukerfleksibilitet vil derfor på kort sikt være viktig for kostnadseffektivitet, økt pålitelighet og et velfungerende energisystem. Det vil være avgjørende å fastslå hvor mye kapasitet som skal gå til spot- og markedsklarering, og hvor mye kapasitet som skal gå til reguleringsmekanismer. Spotmarkedet stenger døgnet før driftstiden, og dersom markedsklareringen i spotmarkedet blir eksponert til forbruker gjennom intelligente applikasjoner kan det muliggjøre en hensiktsmessig forbrukerrespons i forhold til flytting av last. Fastsettelsen av spotprisen gir samtidig en viss forutsigbarhet i prisstrukturen. Det vil være hensiktsmessig å foreta utkobling av lavprioritert forbruk når det foreligger effektknapphet i systemet eller når forbruket forbigår en viss effektgrense. Effekttariffen (kapittel 2.2.2) som innføres dersom forbruket overstiger 70 % av dimensjonerende kapasitet vil være et sterkt insentiv til forbrukerfleksibilitet. Den tidsvariable nettariffen signaliserer en premiering av forbrukeren dersom man oppnår reduksjon i effektuttaket under de kritiske timene Forbrukerfleksibilitet og styringssystemer Introduksjonen av AMS muliggjør mer dynamiske nettariffer som ville vært umulig med dagens analoge strømmålere. Under et pilotprosjekt i Malvik Everk hvor AMS og direkte fjernkobling er benyttet, har utkobling av lavprioritert forbruk i høylasttimene gitt gode resultater med tanke på flytting av last. Resultatene kan ses i Tabell 4.1. Tabell 4.1. Gjennomsnittlig forbrukerrespons når AMS er installert (SINTEF. Sæle H. S., 2013). System Varmtvannsbereder og vannbårent varmesystem Installert effekt [kw] Høylast time Varmtvannsbereder Gjennomsnittlig forbrukerrespons [kwh/h] Dersom en endring i prisstrukturen blir implementert sammen med toveis kommunikasjonsløsninger og AMS, kan man forbedre forbrukerfleksibiliteten, samtidig som tillitten fra forbrukeren blir ivaretatt ved at

21 forbrukeren selv kan styre utkobling. Forbrukerfleksibilitet og fjernkobling kan stimuleres ved at ulike prissignaler inntreffer på en slik måte at forbrukeren motiveres til lastforskyvning. Dersom nettselskapene får direkte kontroll over lavprioritetsforbruk, vil det fungere som et ekstra tiltak for sikre stabil drift av nettet. Ved en slik direkte kontroll over lavprioritert forbruk bør kontrollen utøves kun i de kritiske timene eller ved andre forhold med knapphet. Moduler og smarte komponenter som kan foreta slik utkobling kan heve nytteverdien hos forbruker, og er et resultat av endret betalingsvillighet via eksponering for prisvariasjon. 13

22 14 5. Numerisk modell for forbruksendring Vi har laget en numerisk modell for å forsøke å beskrive hvordan forbrukerne vil reagere på prismodellen som er beskrevet i kapittel 2. Python-koden for implementasjonen av denne modellen finnes i Vedlegg A Antagelser For å kunne lage en modell som skal beskrive hvordan forbrukere i fremtiden vil reagere på prissignaler må man gjøre en del antagelser. Her følger antagelsene brukt i denne modellen samt begrunnelser for hvorfor disse antagelsene er gjort. Polarisering av mengden styringsmekanismer hos forbrukerne. Det skilles i denne modellen mellom husholdninger med og uten styringssystemer. I realiteten vil det nok finnes et mer eller mindre kontinuerlig spektrum av hvor mange styringsmekanismer som finnes i ulike husstander, men her klassifisers alle husholdninger som enten med eller uten styringssystemer. Med styringssystemer menes det at husholdningen har styringsmekanismer som kan styre en betydelig del av effektforbruket. Denne klassifiseringen er nødvendig for å forenkle modellen nok til å havne innenfor oppgavens omfang. De som ikke har styringssystemer endrer ikke forbruket sitt. På bakgrunn av antagelsen over burde man forvente at de forbrukerne som er i kategorien «med styringssystemer» har en evne til å endre forbruk som langt overgår det resten er villige til å gjøre manuelt. Derfor burde dette være en grei tilnærmelse for problemet, spesielt dersom verdien av X fra prismodellen ikke er for stor, da villigheten til å manuelt og bevisst endre forbruksmønster er relativt liten. Bortsett fra økt forbruk fra en økende elbil-park vil ikke forbruket endre seg nevneverdig fra de siste årene. Energiforbruket per husholdning ligger nå lavere enn for ca år siden, men har de siste årene vært noenlunde stabilt (SSB). Siden en betydelig andel av energibruken i Norge går til varme, og nyere hus har høyere krav til isolasjon, er det ingen grunn til å forvente at forbruket vil øke, med mindre vi får en kraftig økning av effekttunge apparater eller maskiner. Det eneste eksempelet på dette som virker sannsynlig er en kraftig økning av antall elbiler. Det trenges mye strøm for å lade opp batteriene samtidig som det har vært en sterk vekst i antall elbiler i Norge de siste årene (Grønn Bil). Derfor behandles elbiler spesielt i modellen, mens det øvrige forbruket baseres på hverdagene i januar (Figur 5.1), som også er det verste tilfellet for belastningen på nettet (se kapittel 6 for nettsimuleringer). Figur 5.1. Oversikt over gjennomsnittlig timesforbruk i kwh/time. (Halvorsen, 2012, s. 9)

23 15 Alle som har elbil lader denne hjemme ingen benytter ladestasjoner. Elbiler lades fra tomt til fullt batteri hver dag. Uten å utføre spørreundersøkelser for å finne ut hvor ofte ladestasjoner benyttes, og hvor ofte og lenge elbiler lades av eierne privat, er det vanskelig å si noe nøyaktig om hvordan lading av elbiler forgår. Disse antagelsene er i tråd med ideen om å se på verste mulige tilfelle: med flere elbiler må man forvente en fremvekst av ladestasjoner, slik at bilene ikke nødvendigvis lades hjemme hos forbrukerne, og i mange situasjoner vil batteriet holde lenger enn ett døgn. Fordeling av timer for ladning av elbil. For å fordele i hvilke timer forbrukernes elbiler lades er det blitt antatt at alle timer unntatt timene 9-16 (dvs. 08:00-16:00) er like sannsynlige for lading, mens de nevnte timene der mange vil være på jobb og ikke har mulighet til å lade bilen hjemme er kun 20% så sannsynlige som de øvrige. Dette medfører at elbilladingen modifiserer forbruket som vist i Figur 5.2. Her er gjennomsnittlig forbruk representert i hver time, både uten elbil og i en situasjon hvor 60% av husholdningene har én elbil. Som man ser av figuren får man kraftige hopp i gjennomsnittlig forbruk fra time 8 til 9 og time 16 til 17, når sannsynligheten for at elbilene lades brått endres med en faktor på fem. I virkeligheten vil sannsynlighetsfordelingen for timene være glattere enn dette, så disse overgangene vil med en mer nøyaktig modell være jevnere. Spesielt vil antakelig den spisse toppen i time 8 jevnes ut. Denne toppen er til en viss grad en kunstig konstruksjon som skyldes modellen og ikke nødvendigvis gjenspeiler virkeligheten. Figur 5.2. Gjennomsnittlig lastkurve gjennom døgnet før og etter elbilenes forbruk er lagt til. Her har 60% av husstandene én elbil. Forbruk kan flyttes, men ikke fjernes. Styringsmekanismer kan brukes til å koble ut elektrisk utstyr f.eks. varmtvannstank eller varmekabler når man ikke trenger å bruke det. Når termisk trege apparater som varmtvannstanker kobles ut vil forbruket reduseres i tidsrommet de er koblet ut, men dette må tas igjen i tiden etterpå. Slik kan styringsmekanismer bidra til å flytte forbruk til andre tidsperioder. De kan selvsagt også brukes til å senke forbruket, blant annet ved å holde en lavere temperatur i huset når det ikke er noen hjemme. Antagelsen om at alt forbruk flyttes vil være konsekvent med de andre antagelsene om å se på det verste mulige tilfellet. Flytting av forbruk fordeles tilfeldig over resten av døgnet.

24 16 Dette er en ganske stor forenkling. I virkeligheten vil forbruk fra termisk trege laster som varmtvannstank kun flyttes til timene etter utkoblingen, mens andre apparater som vaskemaskin godt kan flyttes til mange ulike tidspunkter i løpet av døgnet. Denne modellen velger for hver husstand med styringssystemer et tilfeldig antall timer det flyttede forbruket skal fordeles jevnt på. For noen forbrukere vil alt det flyttede forbruket havne i én eller to andre timer, mens for andre kan det bli fordelt over alle de 19 timene som ikke definert som kritiske i prismodellen. Dette gjør at når man ser på gjennomsnittet av mange husholdninger vil det flyttede forbruket fordeles jevnt utover alle de 19 ukritiske timene. Å se på en enkelt forbruker her vil antagelig ikke gi noe mening da modellen er ment å gi et innblikk i hvordan det gjennomsnittlige forbruket ser ut. Husholdninger kan flytte inntil 50% av forbruket. Et forsøk av Kure i 2012 (Kure, 2012) viste at en enebolig kunne senke den brukte effekten i gitte timer med litt mer enn 1kW ved å koble ut varmtvannstank og varmekabler ved bruk av styringsmekanismer (se tabell 4.1). Sammenlignet med døgnforbruket denne modellen baserer seg på (se punktet om antatt strømforbruk i fremtiden) hvor toppene ligger på litt over 3 kw, tilsvarer dette en senkning på nesten 35%. (Forsøket er riktignok gjort på et hus der forbruket ser ut til å ligge høyere enn den gjennomsnittlige kurven vi benytter, så for en gjennomsnittlig bolig ville antageligvis reduksjonen vært mindre.) Basert på definisjonen av «med styringssystemer» burde vi forvente at disse forbrukerne har installert flere styringsmekanismer enn i Kures forsøk, og derfor er i stand til å flytte litt mer av forbruket sitt. Om 50% skulle være en litt i overkant optimistisk verdi vil dette bety at estimatet av optimal X-verdi (for å jevne ut effekttoppene best mulig) er litt for liten. Andel forbruk flyttet vekk fra de kritiske timene er gitt ved 1 π tan 1 (( cpp 30 flat 0.08) ) (5.1) Her er «cpp» prisen en gitt husholdning må betale i løpet av døgnet med vår prismodell, mens «flat» er prisen den samme husholdningen må betale med en helt flat pris for det samme døgnet. Den flate prisen er justert slik at en forbruker med uniformt effektforbruk vil betale det samme med begge prisfunksjonene. Denne fordelingen av hvor mye forbruk som flyttes er nedre begrenset til intervallet fra 0 til 0.5 (siden argumentet til arctan er ikke-negativt). Forholdet mellom cpp og flat er et mål på hvor stor andel av forbruket som er i de kritiske timene for de aller fleste vil dette forholdet være større enn 1, men hvor mye avhenger kraftig av verdien til X. Formelen har derfor den intuitive fordelen at de husstandene med størst andel av forbruket i disse timene flytter mer av forbruket sitt til andre tidspunkter. Parameterne i argumentet til arctan-funksjonen er valgt med litt prøving og feiling slik at funksjonen gir fornuftige resultater for spesialtilfellene når X = 1 og når X er stor. En stor X innebærer at prisen i de kritiske timene blir svært høy sammenlignet med prisen ellers. X lik 1 er i samsvar med dagens prismodell, og vi burde forvente at ingen av forbrukerne endrer forbruket sitt. Figur 5.3 viser normert sannsynlighetsfordeling for andelen flyttet forbruk for husholdningene med X = 1. De fleste husholdningene ligger under 0.06, som tilsvarer at de med styringssystemer flytter litt mindre enn 3% av forbruket sitt bort fra de kritiske timene. Dette er ikke i perfekt samsvar med forventningen om at forbruket ikke flyttes, men for dette tilfellet antas det som godt nok.

25 17 Figur 5.3. Fordeling av hvor mye forbruk husholdningene flytter med X = 1. X-aksen angir andelen av maksgrensen for flytting (på 50%). Her gir en verdien på 0.06 at 3% av forbruket flyttes. Det andre tilfellet med stor X er vist Figur 5.4 med X = 5. Med en svært høy pris i de kritiske timene burde de med styringssystemer flytte så mye av forbruket de klarer eller er villige til, og det burde derfor forventes at mange av dem ligger i nærheten av maksgrensen. I figuren ser man tydelig at de fleste er fordelt mellom 0.8 og 1, dvs. at de flytter mellom 40% og 50% av forbruket sitt fra de kritiske timene. Når X øker vil denne fordelingen forskyves ytterligere mot høyre og enda tettere oppunder maksgrensen. Figur 5.4. Tilsvarende figur 3, men med X = 5.

26 18 Formelen som er brukt her er ikke optimal, men siden den ser ut til å gi fornuftige resultater for spesialtilfellene gir det grunn til å tro at den gir fornuftige resultater for mellomliggende X-verdier Beskrivelse av koden Her følger en kort beskrivelse av hva python-koden i Vedlegg A gjør utover det som allerede er nevnt under antagelsene. For det første settes effektbruk av elbiler under lading til 2.3 kw, da de fleste elbiler er justert til å ikke lade med større effekt enn dette når vanlig stikkontakt brukes (Ladestasjoner.no, 2014). Ladetiden fra tomt til fullt batteri er satt til 8 timer, basert på at typisk ladetid er 6-9 timer med lading fra stikkontakt (Norsk Elbilforening, 2012). Først interpoleres døgnforbruket nevnt under antagelsene, og hver husholdning får tildelt et forbruk som for hver time er normalfordelt rundt denne interpolerte kurven med et standardavvik på 0.4kW. Denne fordelingen er årsaken til at forbrukerne oppfører seg ulikt og gir spredningen i Figur 5.3 og Figur 5.4. For en enkelt husholdning kan da forbruket i løpet av et døgn se ut som i Figur 5.5. Dette er ikke realistisk for enkelthusstander, men gjennomsnittsforbruket er realistisk og resulterer i den blå kurven i Figur 5.2. Figur 5.5. Last i løpet av et døgn for én husholdning. Deretter bestemmes det hvilke husholdninger som har styringssystemer og hvilke som har elbiler modellen er laget slik at man kan ta hensyn til at også en viss andel vil ha to elbiler. Disse blir tilfeldig valgt ut slik at man får riktig andel med både styringsmekanismer og elbil, samtidig som det ikke er noen korrelasjon mellom dette og forbruket til husholdningene. Til slutt legges elbilenes forbruk til det opprinnelige forbruket, og forbruk flyttes deretter vekk fra de kritiske timene for de som har styringssystemer før resultatet formateres i en figur. Det er verdt å merke seg at prosessen for å flytte forbruk ikke fjerner like mye fra hver av de kritiske timene, men fjerner riktig andel av summen for de fem timene, og deretter fordeles dette på timene basert på differansen mellom dem. Dersom forbruket i en av timene skulle være 2kW høyere enn i en annen kritisk time vil mengden som flyttes fra den første timen være er ca ganger større enn mengden som flyttes fra den andre. I tillegg beregnes gjennomsnittlig besparelse for de med styringssystemer for dette døgnet med den gjeldende X- verdien.

27 Mulige forbedringer Ut fra alle antagelsene og forenklingene som er gjort er det klart at denne modellen kan forbedres på flere måter. Et greit eksempel på dette er måten elbiler er implementert på: Man kunne gjort en undersøkelse som kartlegger husholdningers bruk av elbilen. Slik kan man få informasjon om hvor ofte ladestasjoner benyttes, og hvor mye og når på døgnet bilen lades. Dette kan brukes til å lage en mer realistisk beskrivelse av hvordan elbilen påvirker effektforbruket. På denne måten vil man kunne fjerne en del flere av antagelsene i modellen, og selv om dataene ikke nødvendigvis vil være helt nøyaktige i en fremtidig situasjon vil det være en forbedring fra slik modellen er nå. En annen ting som kan forbedres er hvordan det er blitt antatt at forbrukerne reagerer på prismodellen. Det er argumentert for at formelen gir fornuftige resultater i grensetilfellene for prismodellen, men dette gir ingen garantier for at den ellers er god, selv om det virker sannsynlig. For å se hvor mye denne antagelsen har å si for resultatet kan man f.eks. lage enda en formel som fungerer kvalitativt annerledes. Dersom man ikke kan se noen stor forskjell på resultatene fra de to formlene burde dette være en indikasjon på at formelen (5.1) ikke har størst betydning for resultatet, eller at den er en grei tilnærmelse. Dersom det viser seg at det er store forskjeller, kan det innebære at resultatene er unøyaktige. En mer avansert forbedring som vil virke utslagsgivende på store deler av modellen, vil være å implementere styringsmekanismer for enkeltapparater slik at man slipper å dele forbrukerne inn i grupperingene med og uten styringssystemer. Da kan man ha egne parametere for hvor mange som har styringsmekanismer til f.eks. varmtvannstank, varmekabler (og andre ting til oppvarming, som varmeovner), og så videre. En slik modell blir svært komplisert å lage, man får et større parameterrom å utforske og man blir nødt til å finne en ny måte å beskrive forbrukerresponsen til prismodellen. På en annen side vil den være en mye mer nøyaktig beskrivelse av en virkelig situasjon, og det forventes derfor at den gir mer nøyaktige resultater.

28 20 6. Nettsimuleringer 6.1. Bakgrunn I dette kapittelet vil bakgrunnen, antagelsene og utførelsene av tekniske nettsimuleringer presenteres. Ved å utføre simuleringer og se hvordan de forskjellige komponentene eller nodene i nettet blir belastet, vil man kunne si noe om den teknisk-økonomiske situasjonen i dagens kraftnett. Med andre ord vil man kunne se om det vil være behov for reinvesteringer i nettet. Simuleringene er utført i programmet Matpower. Matpower krever spesielt formaterte skript med relevant data for nettet som skal analyseres (Vedlegg D), hvor koden er basert på, og kjøres via Matlab. For å kunne skrive ut og tolke informasjonen på en god måte er det blitt konstruert et Matlab-skript som kaller Matpower og lagrer resultatene. Matlab-skriptet (Vedlegg E) er skrevet slik at man kun trenger å skrive inn den aktuelle effekten (driftssituasjonen), all annen informasjon regnes ut automatisk og blir deretter presentert i en matrise for lettere tolkning. Det vil være av interesse å undersøke effektflyten under følgene forhold: Dagens situasjon Dimensjonerende effekt Input fra økonomisk modell Maksimal overføring på linjene For simuleringene er det kun ønskelig å se på normal driftsituasjon, altså ikke feilsituasjoner. Dersom feilsituasjoner skal studeres vil det være behov for en større dynamisk analyse. De utregningene som utføres med resultatene fra lastflyt-analysen (Matpower) er basert på enkle formler innenfor elkraftteknikk. Formlene under angir en basis for alle utregninger utført. S = 3UI (6.1) S er tilsynelatende effekt, U er linjespenningen og I * er den kompleks-konjugerte strømmen. Videre er det også nyttig å huske følgende to ligninger: P = U I cosφ (6.2) Q = U I sinφ (6.3) I formlene (6.2) og (6.3) er det absoluttverdiene til spenningen og strømmen som er brukt, samt fasevinkelen mellom disse, φ. cosφ kalles effektfaktor Nettmodell Basisen for nettmodellen er gitt av samarbeidspartner Hafslund, og representerer et typisk norsk bygdenett. Bygdenettet er et 230V lavspentnett og forsynes fra et 22kV distribusjonsnett via en transformator. Transformatoren har merkespenninger på 22kV:240V, og en merkeeffekt på 50 kva. I Figur 6.1 er høyspentnettet (22kV) representert ved en generator. I nettet er det ti husstander, og relevante distanser og linjetyper mellom alle nodene er angitt.

29 21 Figur 6.1. Representasjon av nettet som skal simuleres. De grå kvadratene representerer husstander. Høyspenningsnettet (22kV) er representert ved en generator tilkoblet en transformator Antagelser og Parametere Samtidighetsfaktor Ved å benytte seg av samtidighetsfaktoren, også kalt reduksjonsfaktor, kan man ved analyser ta hensyn til at alle forbrukerne ikke vil benytte seg av maksimal effekt på samme tidspunkt. Samtidighetsfaktoren er i hovedsak erfaringsbaserte verdier (Hansen, 2010, ss ), og må derfor settes i sammenheng til det man ønsker å analysere. I Tabell 6.1 er relevante data for samtidighetsfaktoren oppsummert. Tabell 6.1. Oppsummering av viktige data for samtidighetsfaktor. Samtidighetsfaktor, α Boliger med elektrisk oppvarming Mer enn 9 belastninger 0.6 For nettmodellen beskrevet i kapittel 6.2 er det oppgitt at det er ti husstander (belastninger). Siden dette også er et bygdenett er det rimelig å anta at flere av boligene benytter seg av vedfyring i tillegg til elektrisk oppvarming. Dette medfører at samtidighetsfaktoren vil kunne antas noe lavere enn for boliger med elektrisk oppvarming. Dersom man allikevel er interessert i å analysere et fremtidig nett hvor flere av belastningene også kan inkluderer elektriske biler eller annet effekttungt utstyr er det ønskelig med en høyere samtidighetsfaktor. Tar man da hensyn til dette er en samtidighetsfaktor på 0.6 en rimelig antagelse. Det er også viktig å merke seg at denne faktoren er et mål på nettet som helhet, og vil derfor ikke være et nøyaktig mål på overføringslinjene nært belastningene. Med dette menes at det er husstandens maksimalforbruk som vil være dimensjonerende for overføringslinjen inn til huset, altså uavhengig av samtidighetsfaktoren Bestemmelse av belastninger og effektbehov For å kunne beregne de aktuelle parameterne i nettet må det bestemmes hvordan den tilsynelatende effekten, S, fordeles mellom aktiv og reaktiv effekt. Mye av det nyere elektriske utstyret man finner i en

30 22 gjennomsnittlig husstand vil ha kraftelektronikk innebygd. Dette vil si at man kan konvertere AC-DC-AC for å unngå endringer i effektfaktor eller store tap i overføringen. Videre er vanlige varmeelementer rent resistiv, og vil derfor ha en effektfaktor på 1. I dagens husstander er det i hovedsak lys, utstyr med motorer eller induksjonskomfyrer som vil kunne påvirke effektfaktoren. Nyere induksjonskomfyrer kan også benytte kraftelektronikk for å redusere reaktivt effektbehov. Tar man dette med i betraktningen er en effektfaktor mellom 0.9 og 0.95 en rimelig antagelse Linjeparametere Linjeparameterne er gitt av samarbeidspartner Hafslund og er presentert i Vedlegg B. I det samme vedlegget er per-unit verdiene til linjene oppgitt. Per-unit verdiene tas som argument i Matpower, og finnes ved å ta de ohmske verdiene og dele på den referansen som benyttes i nettet. I tilfellet presentert i Figur 6.1 vil denne referansen være: Z base = U 2 base = 2302 S base = 1,058 Ω I alle overføringslinjer vil det også være kapasitive egenskaper mellom linjene og linje mot jord. For kapasitansen mot jord, vil typiske verdier for denne være oppgitt i nanofahrad per kilometer, nf/km. For veldig korte overføringer, som for nettet i Figur 6.1, vil da susceptansen og strømmen i for disse kapasitansene bli som vist under. B j = ωc j = K I j = B j U = K 1 U 10 9 I linje hvor K 1 er en skalar som representerer produktet av kapasitans og lengde av den aktuelle linjen. Fra ligningene over vil strømmene som mot jord bli så liten at den kan neglisjeres, og dermed er susceptansen, representert ved parameter b, satt til null i matpower-skriptet (Vedlegg D). Det er også antatt at kabler kan behandles som vanlige overføringslinjer, slik at kapasitansberegningene vist over er gjeldende for alle deler av nettet Tilfelle 1: Dagens Situasjon Dagens situasjon er representert ved forbrukerkurver som vist i Figur 5.1. For nettsimuleringene vil det være relevant å se på effektbehovet under de kritiske timene. Dette vil da være for time 19 (Figur 5.1). I denne situasjonen vil det ikke være interessant å ta hensyn til samtidighetsfaktoren, da kurvene er oppgitt som gjennomsnittlige tall. I Tabell 6.2 er effektdata for nettet vist sammen med den laveste spenningen som oppstår ved denne typen belastning. Tabell 6.2 Resultater fra simuleringer basert på maksimalt effektbehov i dag. Bus Spenning [V] Tap [kw] 23 0,9504 1,845 40,9423 Nødvendig effekt [MVA] 6.5. Tilfelle 2: Dimensjonerende Effekt Ifølge BKK skal nye transformatorer dimensjoneres for 9kW per tilkoblet last (BKK, 2008). Dersom samtlige av belastningene gis en effekt på 9kW og det ses bort fra at transformatoren er av størrelsen 50kVA får

31 23 man resultatene vist i Vedlegg C. I Tabell 6.3 er den totale effekten og tapene i nettet vist sammen med hvilke busser i nettet som vil ha en spenning under 90% av driftsspenningen (230V). Derom man også tar hensyn til samtidighetsfaktoren vil den totale effekten, gitt at tap i overføringene er neglisjert, bli følgende: P husstand = 0,6 9kW = 5,4 kw Simulering med denne effekten per husstand gir resultatene vist i Vedlegg C, og i Tabell 6.4 er effekten og de mest kritiske punktene oppsummert. Tabell 6.3. Resultater fra 9kW dimensjoneringstest. Bus Spenning [pu] 10 0, , , , , , , , ,8323 For store strømmer [A] Linje ,7 Nødvendig effekt [MVA 118,251 Tap i nettet [kw] 16,4 Tabell 6.4. Resultater fra 9kW dimensjoneringstest, inkludert samtidighetsfakotor. Antatt tapsfritt under beregning av enkeltlaster. Bus Spenning [pu] 13 0, ,8876 For store strømmer [A] Ingen Nødvendig effekt [MVA 65,3008 Tap i nettet [kw] 4, Tilfelle 3: Input fra økonomisk modell Fra simuleringene gjort i kapittel 5 ser man at den fremtidige maksimale lasten varier mellom 3.6 og 4.4 kw. Simuleringene baserer seg på variasjoner i parametere samt antagelser gjort, og derfor vil det være hensiktsmessig å gjøre nettsimuleringer på et utvalg effekter. Under vises den totale effekten som trengs i nettet, tapet og de nodene med lavest spenning for et slikt intervall. For en mer detaljert oversikt over resultatene under, se Vedlegg C.

32 24 Tabell 6.5. Resultater for nettsimuleringer basert på fremtidig effektbruk. Nettets laveste spenninger, tap og totalt effektbehov er vist for et intervall tilsvarende resultatene presentert i kapittel 5 P [kw] Bus Spenning [V] Nødvendig Effekt [kva] Tap i Nettet [kw] 4,0 13 0, , , ,9347 4,1 13 0, , , ,9314 4,2 13 0, , , ,9282 4,3 13 0, , , ,9245 4,4 13 0, , , , Tilfelle 4: Maksimal overføring på linjene Ved å ta hensyn til nettmodellen i Figur 6.1 og oversikten over merkestrømmene i Vedlegg B, kan det ses at den begrensende faktoren for strøm vil være linjen mellom transformatoren og første forgrening. Dette er da under antagelsene om at alle forbrukerne i nettet har den samme lastprofilen. Dersom man videre antar at det ikke er noe spenningstap fra transformatoren og frem til den første forgreningen (tapsfritt system) vil den teoretisk maksimale tilsynelatende effekten som kan overføres finnes ved bruk av formel (6.1): S = = [kva] Om resten av nettet også antas tapsfritt betyr dette at hver forbruker i nettet har en tilsynelatende effekt på: S i = = [VA] P = S cosφ = = [kw] Grunnet at denne verdien vil være større enn lastene i den dimensjonerende testen på 9kW (tapsfritt) vil det ikke være av interesse å simulere denne situasjonen Diskusjon Her vil den tekniske delen av resultatene bli tolket. For det økonomiske perspektivet se kapittel 8. Med utgangspunkt i dagens situasjon, Tabell 6.2, ser man at den laveste spenningen i nettet er på 5% av referansespenningen (230 V). Dersom man tar hensyn til at transformatoren har en spenning på 240 V, er det totale spenningsfallet fra transformator til aktuell forbruker på 9,4%. Spenningskvaliteten hos forbruker tolkes likevel som 95% av referanseverdi, og er derfor innenfor grensen på pluss/minus 10%. Simuleringene utført sier i hovedsak noe om transformatorens dimensjonerende effekt. Som vist i tabellene tilhørende disse kapitlene er det et spenningsfall på mer enn 10% for flere av nodene, samt at den nødvendige effekten i nettet overstiger det transformatoren kan levere. Dersom man ser nærmere på

33 25 tilfellet i Tabell 6.3 ser man også at strømmen i kabelen fra transformator og frem til første forgrening er større enn merkestrømmen. Da tapene er proporsjonale med kvadratet av strømmen, vil store strømmer gi store tap. Dersom strømmen overstiger linjens merkestrøm vil isolasjonen kunne skades, og i verste fall kan det bli utfall av nettet. Sannsynligheten for at samtlige av forbrukerne i nettet bruker 9 kw samtidig er svært liten, og derfor vil resultatene presentert i Tabell 6.4 hvor samtidighetsfaktoren er inkludert være av større relevans. Simuleringene utført med bakgrunn i et antatt fremtidig forbruk viser flere interessante aspekter ved nettet. Tabell 6.5 viser at en effekt på 4.2 kw hos hver av de ti forbrukerne i nettet gir et totalt effektbehov i nettet på 49.7 kva. Dersom effekten økes vil dette effektbehovet overstige transformatorens kapasitet på 50 kva. Ved å sammenligne resultatene i kapittel 6, ser det ut til at node 13 og 23 alltid vil ha de laveste spenningene i nettet. Dette kan bety at disse nodene er de svakeste punktene i nettet, og ved oppgraderinger av nettet burde forbindelsene i tilknytning disse nodene skiftes ut.

34 26 7. Resultater Figurene som følger er resultater fra scriptet i Vedlegg A kjørt med ulike parameterverdier. Hver figur består av fire grafer, alle med samme andel husholdninger med styringssystemer (angitt med styring i figurteksten) og elbiler, mens verdien av X varierer. Innad i hver figur er resultatene rangert etter stigende X- verdier fra venstre mot høyre. Hvilke verdier for X som er brukt er indikert i figurtekstene. Alle andre parametere er holdt konstante til verdiene vist i Vedlegg A, og det er verdt å merke seg at det betyr at antall husholdninger med to elbiler er satt til null. Kurvene viser gjennomsnittlig effekt trukket av et passelig stort antall husholdninger (8000 i disse beregningene) for hver time i døgnet. De blå og grønne grafene viser henholdsvis resultatet før og etter at styringsmekanismene er implementert. Den blå linjen representerer tilfellet hvor forbrukerne ikke har noe insentiv til å flytte forbruk, og er hva vi burde forvente ved f.eks. en flat pris eller vår prismodell med X lik 1. Parameterrommet (settet av ulike parameterverdier) er alt for stort til at det kan utforskes i denne rapporten, noe som er grunnen til at vi har valgt ut fem dataserier å studere. X-verdiene er valgt ved prøving og feiling. Det er også interessant å se på andre parameterverdier enn det som er valgt her, men det går utover omfanget til denne rapporten. Figur 7.1. Styring= 0.4 Elbil=0.6 X=1.5, 1.75, 2, 3.

35 27 Figur 7.2. Styring=0.4 Elbil=0.8 X=1.5, 1.75, 2, 3. Figur 7.3. Styring=0.1 Elbil=0.3 X=3, 4, 5, 9.

36 28 Figur 7.4. Styring= 0.2 Elbil=0.3 X=1.75, 2, 2.5, 3. Figur 7.5. Styring=0.5 Elbil=0.3 X=1.3, 1.5, 1.75, 2.5.

37 29 Som nevnt i kapittel 5.2 beregner også koden i Vedlegg A gjennomsnittlig besparelse for husholdningene med styringssystemer for den angitte X-verdien. Tabell 7.1 viser denne besparelsen for et utvalg X-verdier, både per døgn og per år, i tilfellet der 40% av husholdningene har elbil og 30% har styringssystemer. Resultatene forutsetter at prismodellen og forbruket ser likt ut hver dag i løpet av året. Besparelsene gjelder kun for husstandene med styringssystemer, og vil variere med andelen som har elbil. Siden X påvirker tallene mer enn andelen elbiler, er det valgt å ikke se på noen variasjon i andel elbiler. Tabell 7.1. Gjennomsnittlig besparelse for husholdninger med: Styring=0.3 og Elbil=0.4. X Besparelse per dag [kr] Besparelse per år [kr] 1,5 0,26 94,9 2 1,02 372,3 2,5 2,45 894,25 3 4, ,1 4 8, ,15

38 30 8. Diskusjon For hver av parametersammensetningene for styringsmekanismer og elbiler er grafene blitt tolket for å finne den optimale verdien av X, størrelsen på det kritiske leddet, som definerer den beste prismodellen for hvert av tilfellene. En fremtidig situasjon med en stor andel elbiler vil føre til høyere fremtidig forbruk, noe som kan sees fra Figur 7.1 og Figur 7.2, hvor andelen elbiler varier fra 0.6 til 0.8, ved at forbruksgrafen skifter oppover. En økt andel elbiler vil øke effekttoppen og dermed er det større behov for at forbruk forflyttes fra de kritiske timene, altså vil det kreve et høyere prisinsentiv. Fra Figur 7.1 og Figur 7.2 kan en se at høyere prisinsentiv fører til at mer av forbruket flyttes bort fra de kritiske timene. Det er ikke ønskelig at det flyttes mer last enn det som er nødvendig fordi det da kan dannes effekttopper i andre timer. For X-verdier på 2 og 3 dannes det en slik ny effekttopp i time 22, noe som tyder på at prisinsentivet er for stort. Det optimale er å oppnå en flatest mulig forbrukskurve i tidsintervallet rundt de kritiske timene. Siden effekttoppen for de to siste tilfellene er omtrent like store kan det argumenteres for at den optimale løsningen er den med flatest kurve og ikke nødvendigvis den som har lavest effekttopp. Forskjellen på de to toppene er så lite som 5 W, og siden man må regne med en viss feilmargin i programmet er slike forskjeller neglisjerbare. Dette leder til at en X-verdi på 1.5 vil gi en optimal prismodell for tilfellene med andel elbiler på 0.6 og 0.8. Fra dette kan det antas at for en bestemt andel styringsmekanismer er ikke den optimale X verdien avhengig av andel elbiler. Når andel styringsmekanismer endres vil mengde forbruk som flyttes fra de kritiske timene variere. Dette kan observeres ved å sammenligne grafene fra Figur 7.3 og Figur 7.4 med lik X-verdi. Dette betyr at desto større andel av forbrukerne som har styringsmekanismer, jo lavere prissignal behøves for å oppnå optimal lastflytting. Optimale verdier for tilfellene i Figur 7.3, Figur 7.4 og Figur 7.5 ble satt på grunnlag av den X- verdien som resulterte i lavest lasttopp. I disse tre tilfellene er det ikke merkbar forskjell i flatheten på kurvene mellom de X-verdiene som gav lavest og nest lavest effekttopp. Den optimale verdien for en andel styringsmekanismer på 0.1 er X=4, og når andelen økes til 0.2 og 0.5 synker den optimale verdien til henholdsvis X=2 og X=1.5. Dette er i samsvar med at et lavere prissignal er nødvendig når en større andel har styringsmekanismer. Slik en vanlig CPP modell er bygget opp skal den kritiske prisen kun inntreffe et fåtall ganger i løpet av et år, og kun på de dagene som er mest kritiske. Med modellen i denne rapporten kan en se av de estimerte daglige besparelsene at det ikke vil være særlig lønnsomt for forbrukerne å flytte forbruket i et slikt tilfelle. I modellen er det ikke spesifisert hvilke og hvor mange dager som er kritiske. Om det antas at modellen gjelder alle dager, er derimot besparelsen for forbrukeren betydelig, og en eventuell investering i styringsmekanismer vil være mer aktuell. I prismodellen er det også definert et effektledd, som kun inntreffer ved effektuttak over 70 % av kapasiteten. Med det forbrukermønsteret som analyseres viser det seg at dette effektleddet så godt som aldri inntreffer. Simuleringene gir en maksimal effekt på 4.4 kw i tilfellet med 80% elbiler. Med et standardavvik på 0.4 kw vil tilnærmet ingen overstige grensen hvor effektleddet inntreffer. Fra Figur Figur 7.5 ser vi at når X øker vil etter hvert effekttoppen inntreffe i time 22 (21:00 22:00), og en videre økning vil gjøre denne toppen høyere. Det er derfor denne toppen som begrenser hvor mye man klarer å redusere den gjennomsnittlige effekttoppen. At det er akkurat denne timen som er begrensende skyldes to ting. For det første har denne timen størst forbruk utenom de fem kritiske timene, og for

39 31 det andre vil flyttingen av forbruk som implementert i Vedlegg A resultere i at det gjennomsnittlige forbruket blir jevnt over alle de andre timene i døgnet. Dersom man lager en mer nøyaktig modell som tar hensyn til at forbruket fordeles ujevnt over de andre timene er det ikke sikkert at det er denne timen som vil være begrensende. Resultatene her indikerer at dersom time 22 inkluderes som en av de kritiske timene vil man kunne klare å senke maksimalt effektbruk enda mer. For å se hvordan dagens nett er dimensjonert i forhold til de numeriske resultatene fra kapittel 6, er det utført nettsimuleringer presentert i kapittel 6.6. Simuleringsresultatene oppnådd ved bruk av nettmodellen i Figur 6.1 viser at transformatoren og overføringslinjen frem til forbruker nummer 23 er svært utsatt ved fremtidig belastning. Ved reinvesteringer i nettet vil det derfor være hensiktsmessig å utbedre disse punktene før andre utbedringer utføres. Satt i sammenheng til den økonomiske modellen presentert i kapittel 2, samt simuleringene gjort i kapittel 5 kan det gjøres flere viktige observasjoner. De numeriske simuleringene viste at et fremtidig effektbehov kan variere fra ca. 3.8 til 4.4 kw, avhengig av andelen elbiler i nettet. Disse resultatene viser at effekttoppene er mer eller mindre lik, på tvers av prismodellene. Dette fører da til at dimensjoneringen av nettet er uavhengig av den nye prismodellen. Som det er blitt nevnt i denne diskusjonen ville prismodellen hatt en enda bedre effekt på effektbruket dersom de kritiske timene hadde blitt utvidet med én time. Dette ville ført til at den største effekttoppen ville falt innunder de kritiske timene, og effektbruket ville dermed blitt forflyttet i henhold til prismodellen. Dette ville da ført til en mye lavere effekttopp for det fremtidige bruket, noe som er gunstig med tanke på å utsette investeringer i nettet. Dette er også svært gunstig sett fra ett teknisk perspektiv, da resultatene fra simuleringene er under ideelle forhold. Kapasiteten til nettet kan derfor være lavere enn det simuleringene viser. Resultatene fra nettsimuleringene kan videre benyttes til en generalisert modell for å identifisere svake ledd i et hvilket som helst nett. Dette er nyttig da en slik identifisering kan benyttes til å si noe om hvor i nettet det bør gjøres investeringer eller ikke. I kapittel 6.8 ble det diskutert to risikofaktorer ved fremtidig effektbehov, nemlig transformatoren og en av overføringslinjene frem til forbruker. Den sistnevnte observasjonen er svært nyttig dersom man skal installere batteribanker eller annen form for energilagring i nettet. En sentralisert løsning for energilagring vil ikke nødvendigvis komme forbrukeren til gode dersom overføringslinjen frem til denne forbrukeren ikke er dimensjonert for å takle effektflyten. Resultatene fra simuleringene som er utført viser også at det samlede effektbehovet eller strømmene kan være begrensende for effektbruket hos hver enkelt forbruker, og må tas hensyn til dersom det skal gjøres investeringer i nettet.

40 32 9. Konklusjon Den største usikkerheten i forhold til valg av prismodell er andel husholdninger med styringsmekanismer. Det er vanskelig å estimere denne parameter fordi størrelsen er avhengig av hvor stor den eventuelle besparelsen ved anskaffelse er for forbrukeren, og denne besparelsen er igjen avhengig av størrelsen av X. På grunn av usikkerheten relatert til andelen av styringsmekanismer, vil konklusjonen være uavhengig av denne faktoren. Tabell 9.1. Optimal X for fremtidige situasjoner analysert i rapporten. Fremtidstilfelle X Styring=0.4 Elbil= Styring=0.4 Elbil= Styring=0.1 Elbil=0.3 4 Styring=0.2 Elbil=0.3 2 Styring=0.5 Elbil= Tabell 9.1 viser kun den optimale prismodellen for de få fremtidstilfellene som er analysert i denne rapporten. Simuleringene kan kjøres for andre tilfeller, gitt mer informasjon om framtidssituasjonen, for å få et mer korrekt bilde av hvilken modell som er mest effektiv. Resultatene gir derimot noen klare retningslinjer for hvordan prismodellen bør utformes. For det første konkluderes det med at jo større andel elbiler, jo viktigere er det med en effektiv modell som gir korrekte prissignaler. Høyere effektuttak resulterer fort i nye effekttopper dersom forbruket øker for mye, og samtidig flyttes effektuttaket til andre tider i døgnet. For høyere effektuttak er det derfor mye viktigere at prissignalet ikke er for sterkt, slik at det ikke dannes nye effekttopper. Selv om det er viktig at prismodellen er optimal ved en høy andel elbiler virker det ikke som om X-verdien er avhengig av denne andelen. Den optimale X-verdien er derimot avhengig av mengden styringsmekanismer. For et nett hvor få husholdninger har styringsmekanismer kreves det et større prisinsentiv for å få de som er priselastiske til å flytte mer forbruk. Når en større andel har styringsmekanismer kreves det derimot et mindre prisinsentiv, og den optimale X-verdien er lavere. For et gitt fremtidstilfelle kan man finne den optimale X-verdien fra dette inverse forholdet, slik at verken for mye eller for lite av forbruket blir flyttet. Effektleddet i modellen har ikke hatt innvirkning på prisen for forbrukerne i de tilfellene som er analysert i denne rapporten. Det kan derimot tenkes at forbruket blir høyere i visse situasjoner og at dette leddet kan ha en positiv innvirkning når det inntreffer. Effektleddet er bare ment som et forsikringsledd som skal dekke marginale investeringskostnader, og skal ikke inntreffe dersom kapasiteten i nettet er stor nok. Resultatene fra nettsimuleringene viser at dagens nett sannsynligvis ikke vil være tilstrekkelig dimensjonert ved en fremtidig last. Dette viser da viktigheten av å implementere tiltak som gir insentiver til flytting av last vekk fra de kritiske timene. De kritiske timene, slik den er definert for prismodellen presentert i denne rapporten, viser at prismodellen ikke påvirker dimensjoneringen av nettet. Effekttoppene er i samme størrelsesforhold både med dagens- og den nye prismodellen. Den ønskede effekten kan derimot oppnås dersom de kritiske timene utvides med én time. Da vil den største effekttoppen falle inn under de kritiske timene, og forbruket vil forflyttes. Dette gir en mye større forskjell på dagens- og den nye prismodellen. Dersom dette utføres vil den ønskede effekten av prismodellen oppnås, både i forhold til utsettelse av investeringer og reduksjon av effektforbruket i de kritiske timene.

41 Videre viser resultatene fra nettsimuleringene muligheten til å benytte tilsvarende metodikk for å identifisere svake ledd i et hvilket som helst nett. Dette vil være svært nyttig for å gjøre gode investeringer, samtidig som det gir et overblikk over samspillet til komponentene i nettet. I dagens samfunn er forbrukerne vant til, og forventer, at det vil være elektrisitet tilgjengelig til enhver tid. For å sørge for fremtidig leveringssikkerhet kan en fremtidig investering være å anlegge sentraliserte energilager. En slik investering er ikke nødvendigvis til nytte for forbrukeren dersom overføringslinjen og andre komponenter i nettet ikke er dimensjonert for å takle en fremtidig effektflyt. På bakgrunn av dette vil en analyse som identifiserer svake ledd i nettet være viktig for å kunne gjøre optimale investeringer i nettet, sett både fra nettselskapenes ståsted, så vel som et samfunnsøkonomisk perspektiv. 33

42 34 Bibliografi BKK. (2008). BKK sin praksis for anleggsbidrag. Hentet 02 22, 2014 fra BUFETAT. (2004, November). SMARTHUSTEKNOLOGI - Planlegging og drift i kommunale tjenester. Hentet Mars 26, 2014 fra 1216_Smarthusteknologi_planlegging_og_drift_i_kommunale_tjenester.pdf Bye, T. B. (2011). Flere og riktigere priser Et mer effektivt kraftsystem. Oslo. Corsi, S., & Sabelli, C. (2004). General blackout in Italy Sunday september 28, 2003, h. 03:23:00. IEEE. Grønn Bil. (n.d.). Ladbare biler i Norge. Retrieved 2014 йил 23-4 from Halvorsen, B. (2012). Utviklingen i strømforbruket, prisfølsomheten og strømmarkedet. statistisk sentralbyrå. Hentet 2 19, 2014 fra Hansen, E. H. (2010). Elektroinstallasjoner. Classica. Kure, H. M. (2012). Implementering av energi- og effektstyring av forbrukslaster. Masteroppgave, NTNU, Institutt for Elkraftteknikk. Ladestasjoner.no. (2014). Kontakttyper. Hentet 4 25, 2014 fra LOVDATA. (u.d.). Lovdata - Forskrift om måling, avregning og samordnet opptreden ved kraftomsetning og fakturering av nettjenester - Kapittel 4. Avanserte måle-... Hentet Mars 26, 2014 fra 4-7 Norges vassdrags- og energidirektorat. (2010, 02 15). Komponenter i nettleien. Hentet fra Norsk Elbilforening. (2012, 10 2). Fakta om elbil. Hentet 4 25, 2014 fra Sepúlveda, C. (2012, 3 15). energinorge.no. Hentet fra energinorge.no: %20Sepulveda.pdf Sigma Designs, Inc. (u.d.). Z-Wave : What is Z-Wave? Hentet Mars 26, 2014 fra SINTEF. Sæle, H. G. (2008). Marked Based Demand Response. Research Project summary. Tondheim: SINTEF Energi AS. SINTEF. Sæle, H. S. (2013). Forbrukerfleksibilitet. Trondheim: SINTEF Energi AS. SSB. (u.d.). Husenergi. Hentet 4 22, 2014 fra

43 35 Statnett SF. (2013). Nasjonal plan for neste generasjon kraftnett: Nettutviklingsplan Oslo: Statnett. Hentet 2014 THEMA consulting. (2013). Innkreving av residuale nettkostnader med AMS. Oslo: Thema Consulting Group. Hentet Thema Consulting. (2013). Prisning av overføringskapasitet med AMS. Thema Consulting Group. Hentet fra Tronika. (u.d.). SmartHus og Custom Install produkter fra Tronika. Hentet Mars 26, 2014 fra ZWAVEALLIANCE. (u.d.). Welcome to the Z-Wave Alliance. Hentet Mars 26, 2014 fra

44 36 Vedlegg A Pyton-skript # -*- coding: utf-8 -*- """ Simulering av lastkurver for EiT - Smartgrid gruppe 4 """ from future import division import numpy as np import matplotlib.pyplot as plt from scipy import interpolate "Parametere:" X = 3 #Parameter for peak i prismodell vinter = #Vinterpris (kr/kwh) sommer = #Sommerpris (kr/kwh) elb1 = 0.6 #Andel som har minst en elbil elb2 = 0 #Andel som har to elbiler sty = 0.3 #Andel som har styringssystemer a = 0.30 #Stigning i effektledd (kr/kwh^2) b = 0.20 #Konstant i effektledd (kr/kwh) N = 8000 #Antall forbrukere M = 1 #Antall ganger forbruket måles (per time) "Konstanter:" elb_eff = 2.3 #Elbileffekt (kw) elb_timer = 8 #Antall timer elbil må lades elb_ssh = 1 #Sannsynlighet for at elbil må lades en gitt dag flytt = 0.50 #Maks andel av forbruk som kan flyttes Y = 5*vinter*(X-1)/19 #(kr/kwh) krit = vinter*x #Kritisk pris (kr/kwh) l = sommer - Y #Natt- (vanlig) pris (kr/kwh) h = vinter - Y #Dag- (vanlig) pris (kr/kwh) flat = (5*krit + 9*h + 10*l)/24 #Flat rate-pris (kr/kwh) lim = 9 #Grense for hva nettet er dimensjonert for (kw) """Initialisere forbrukere """ opprinnelig = np.zeros((n,24*m),dtype =np.float64) #Opprinnelig effektforbruk "Interpoler døgnforbruk:" x = np.linspace(0,24,num=25) y = [3.025,2.75,2.6,2.55,2.55,2.58,2.65,2.9,3.225,3.275,3.225,3.175,3.15,3.1, 3.075,3.125,3.25,3.5,3.575,3.575,3.525,3.525,3.45,3.3,3.025] last = interpolate.interp1d(x,y)

45 37 "Normalfordel rundt interpolering for hvert tidspunkt:" np.random.seed(9) for i in range(24*m): opprinnelig[:,i] = np.random.normal(last(1+i/m),0.4,n) "Sett opp data for hvem som har elbil(er) og styringssystemer:" forbrukerdata = np.zeros((n,3),dtype = np.int) rand = np.random.rand(n,3) for i in range(n): if (rand[i,0] < sty): forbrukerdata[i,0] = 1 #Har styringssystem if (rand[i,1] < elb1): forbrukerdata[i,1] = 1 #Har minst én elbil if (rand[i,2] < elb2): forbrukerdata[i,2] = 1 #Har to elbiler styring = np.sum(forbrukerdata[:,0]) #Antall som har styringssystemer """Prisfunksjoner """ def flatrate(forbruk): return flat*np.sum(forbruk)/m def effektledd(effekt,tid): if (effekt > 0.7*lim and tid >= 16*M and tid < 21*M): rate = a*(effekt - 0.7*lim)/M + b #Enhet kr/kwh return rate else: return 0 def cpp(forbruk): pris = 0 for i in range(24*m): if (i >= 16*M and i < 21*M): eff = effektledd(forbruk[i],i) #Effektledd pris = pris + krit*forbruk[i]/m + eff*(forbruk[i]-0.7*lim)/m elif (i >= 8*M and i < 22*M): pris = pris + h*forbruk[i]/m else: pris = pris + l*forbruk[i]/m return pris #Returnerer pris (kr) """Styringssystemer """ def finn_andel(forbruk): temp = (cpp(forbruk)/flatrate(forbruk) )**30 andel = flytt*2*np.arctan(temp)/np.pi return andel #Andel av forbruket denne forbrukeren skal flytte

46 38 def fjernes(forbruk): andel = finn_andel(forbruk) skalflyttes = andel*np.sum(forbruk[(16*m):(21*m-1)]) ref = 2 fordeling = np.zeros(5*m) for i in range(5*m): fordeling[i] = np.exp(forbruk[16*m + i]/ref) tot = np.sum(fordeling) #Referanseverdi for å gi dimensjonsløs eksponent (kw) fordeling = fordeling/tot #Fordeling av hvor flyttingen skal skje return skalflyttes*fordeling #Fordeling av flyttet forbruk/effekt "Funksjoner til å generere timer som forbruk skal flyttes til: " def finnes_i_liste(array,element): for i in range(np.size(array)): if (element == array[i]): return True return False def generer_timer(timeantall): timer = (-1)*np.ones(timeantall,dtype= np.int) #Timeantall >= 1 timer[0] = np.floor(19*m*np.random.rand(1)) i = 1 while (i < timeantall): ny_time = np.floor(19*m*np.random.rand(1)) while (finnes_i_liste(timer,ny_time)): ny_time = np.floor(19*m*np.random.rand(1)) timer[i] = ny_time i = i + 1 return timer "Funksjoner til elbilforbruk: " def avviser(time): if (time >= 8*M and time < 16*M): test = np.random.rand(1) if (test < 0.8): avvis = True #Avviser disse timene med 80% ssh else: avvis = False else: avvis = False return avvis def generer_elbiltimer(timeantall): timer = (-1)*np.ones(timeantall,dtype= np.int) #Timeantall >= 1 avvis = True while (avvis): #Finn første time timer[0] = np.floor(24*m*np.random.rand(1)) avvis = avviser(timer[0])

47 39 i = 1 while(i < timeantall): #Passer på å finne riktig antall timer avvis = True ny_time = np.floor(24*m*np.random.rand(1)) while(avvis or finnes_i_liste(timer,ny_time)): ny_time = np.floor(24*m*np.random.rand(1)) avvis = avviser(ny_time) timer[i] = ny_time i = i + 1 return timer """Oppdater forbruk med styringssystemer og elbiler """ timeantall = np.ceil(19*m*np.random.rand(styring)) pos = 0 #Nåværende posisjon i timer-arrayen "Distribuer elbilforbruk: " for i in range(n): if (forbrukerdata[i,1] == 1): test = np.random.rand(1) if (test < elb_ssh): timer = generer_elbiltimer(elb_timer) for j in range(elb_timer): opprinnelig[i,timer[j]] = opprinnelig[i,timer[j]] + elb_eff if (forbrukerdata[i,2] == 1): test = np.random.rand(1) if (test < elb_ssh): timer = generer_elbiltimer(elb_timer) for j in range(elb_timer): opprinnelig[i,timer[j]] = opprinnelig[i,timer[j]] + elb_eff snitt = np.zeros(24*m,dtype =np.float64) for i in range(24*m): snitt[i] = np.sum(opprinnelig[:,i])/n #Regn ut snitteffekten til forbrukerne maks_foer = np.max(snitt) #Maks snitteffekt før styring plt.figure() plt.plot(np.linspace(1,24,num=24),snitt,label='uten') #Plot uten styring "Flytting for dem med styringssystemer: " oppdatert = np.zeros((n,24*m),dtype =np.float64) #Oppdatert effektforbruk for i in range(n): oppdatert[i,:] = opprinnelig[i,:] if (forbrukerdata[i,0] == 1): #Hvis styringssystem: fordeling = fjernes(opprinnelig[i,:]) skalflyttes = np.sum(fordeling) for j in range(5*m): #Fjern forbruk fra kritiske timer: oppdatert[i,16*m+j] = opprinnelig[i,16*m+j] - fordeling[j]

48 40 #Hvor mye som skal legges til hver av timene forbruket flyttes til: pt = skalflyttes/timeantall[pos] #Generer hvilke timer forbruket skal flyttes til: timer = generer_timer(timeantall[pos]) #Legg til flyttet forbruk til de valgte timene: for j in range(int(timeantall[pos])): if (timer[j] < 16*M): oppdatert[i,timer[j]] = opprinnelig[i,timer[j]] + pt else: oppdatert[i,5*m+timer[j]] = opprinnelig[i,5*m+timer[j]] + pt pos = pos + 1 #Oppdater posisjon for i in range(24*m): snitt[i] = np.sum(oppdatert[:,i])/n #Regn ut snitteffekten til forbrukerne maks_etter = np.max(snitt) #Finn maksimum av snittet "Finn gjennomsnittlig besparelse for de med styringssystemer: " kost_uten = 0 #Kostnad uten styring kost_med = 0 #Kostnad med styring for i in range(n): if (forbrukerdata[i,0] == 1): kost_uten = kost_uten + cpp(opprinnelig[i,:]) kost_med = kost_med + cpp(oppdatert[i,:]) spart = (kost_uten - kost_med)/styring print('gjennomsnittlig besparelse (per dag) for de med styringssystemer:') print(spart) "Plot resultatene: " plt.plot(np.linspace(1,24,num=24),snitt,label='etter/med') plt.axis([0.5,24.5,0,5]) plt.xticks(np.arange(0,25,1)) plt.xlabel('time nr.', fontsize = 18) plt.ylabel('effekt [kw]', fontsize = 18) plt.legend(loc = 3) tittel = ('Peak uten = ' + str(round(maks_foer,3)) + ', Peak med = ' + str(round(maks_etter,3))) plt.title(tittel, fontsize = 18) navn = 'X=' + str(x) + 'sty=' + str(sty) + 'elb1=' + str(elb1) + '.png' plt.savefig(navn)

49 41 Vedlegg B Linjeparametere

50 42 Vedlegg C

51 43

52 44

53 45

Norges vassdrags- og energidirektorat

Norges vassdrags- og energidirektorat Norges vassdrags- og energidirektorat Dette er et skjult lysbilde Tema Prinsipper for tariffer i distribusjonsnettet Tariffer basert på abonnert effekt 6. sep. 2012 Tariffering med AMS AMS gir nye muligheter

Detaljer

Effekttariffer. Hvordan kan de utformes for å styre elforbruket i kostnadsriktig retning?

Effekttariffer. Hvordan kan de utformes for å styre elforbruket i kostnadsriktig retning? Effekttariffer. Hvordan kan de utformes for å styre elforbruket i kostnadsriktig retning? SET/NEF-konferansen 20.10.2015 Velaug Mook Elmarkedstilsynet Seksjon for regulering av nettjenester Hvorfor skal

Detaljer

Innføring av Avanserte måle- og styresystem(ams) Informasjonsanbefaling til nettselskap om AMS og hvordan bidra til å redusere lasttopper

Innføring av Avanserte måle- og styresystem(ams) Informasjonsanbefaling til nettselskap om AMS og hvordan bidra til å redusere lasttopper Innføring av Avanserte måle- og styresystem(ams) Informasjonsanbefaling til nettselskap om AMS og hvordan bidra til å redusere lasttopper Problemstilling Gi en anbefaling til nettselskaper om hvordan de

Detaljer

Norske erfaringer med fleksibelt forbruk

Norske erfaringer med fleksibelt forbruk Norske erfaringer med fleksibelt forbruk Høring Energipolitiske Udvalg, Folketinget, København 26/02-09 Ove S. Grande ove.s.grande@sintef.no 1 Det Energipolitiske Udvalg EPU alm. del - Bilag 189 Offentligt

Detaljer

Av David Karlsen, NTNU, Erling Tønne og Jan A. Foosnæs, NTE Nett AS/NTNU

Av David Karlsen, NTNU, Erling Tønne og Jan A. Foosnæs, NTE Nett AS/NTNU Av David Karlsen, NTNU, Erling Tønne og Jan A. Foosnæs, NTE Nett AS/NTNU Sammendrag I dag er det lite kunnskap om hva som skjer i distribusjonsnettet, men AMS kan gi et bedre beregningsgrunnlag. I dag

Detaljer

Prinsipiell begrunnelse for effekttariffer. Sted, dato Oslo, 7.4.2015 Ref 15031/2015-1002 1 INNLEDNING... 1 2 FORVENTET UTVIKLING I BEHOV...

Prinsipiell begrunnelse for effekttariffer. Sted, dato Oslo, 7.4.2015 Ref 15031/2015-1002 1 INNLEDNING... 1 2 FORVENTET UTVIKLING I BEHOV... NOTAT Til Fra Tema Energi Norge v/ Trond Svartsund Kjetil Ingeberg Prinsipiell begrunnelse for effekttariffer Sted, dato Oslo, 7.4.2015 Ref 15031/2015-1002 Innhold 1 INNLEDNING... 1 2 FORVENTET UTVIKLING

Detaljer

Tariffer for utkoblbart forbruk. Torfinn Jonassen NVE

Tariffer for utkoblbart forbruk. Torfinn Jonassen NVE Tariffer for utkoblbart forbruk Torfinn Jonassen NVE 2 Utredning om utkoblbart forbruk - bakgrunn OED har fått en rekke innspill vedrørende ordningen og innvirkning på arbeidet med omlegging av energibruken

Detaljer

Oppsummering og svar på høring om tariffer for uttak i distribusjonsnettet

Oppsummering og svar på høring om tariffer for uttak i distribusjonsnettet Notat Til NVE, Energi Norge Oppsummering og svar på høring om tariffer for uttak i distribusjonsnettet Dette notatet er et svar på NVEs høring om tariffer for uttak i distribusjonsnettet. Slik NTE Nett

Detaljer

Nettleien 2011 Oppdatert 07.02.2011

Nettleien 2011 Oppdatert 07.02.2011 Nettleien 2011 Oppdatert 07.02.2011 Innholdsfortegnelse NVEs inntektsrammer Nettoppbygging Strømprisen og nettleiens sammensetning Hva påvirker nettleien Historisk utvikling Nettinvesteringer NVEs inntektsrammer

Detaljer

Av Petter Solberg Efskin (NTNU), Hans Wigen Finstad (NTE Nett) og Jan Andor Foosnæs (NTE Nett/NTNU)

Av Petter Solberg Efskin (NTNU), Hans Wigen Finstad (NTE Nett) og Jan Andor Foosnæs (NTE Nett/NTNU) Av Petter Solberg Efskin (NTNU), Hans Wigen Finstad (NTE Nett) og Jan Andor Foosnæs (NTE Nett/NTNU) Sammendrag Denne artikkelen vil se på hvordan man ved hjelp av nettleietariffer kan bidra til netteffektivisering.

Detaljer

Framtidens byer. Forbrukerfleksibilitet i Den smarte morgendagen. Rolf Erlend Grundt, Agder Energi Nett 7. februar 2012

Framtidens byer. Forbrukerfleksibilitet i Den smarte morgendagen. Rolf Erlend Grundt, Agder Energi Nett 7. februar 2012 Framtidens byer Forbrukerfleksibilitet i Den smarte morgendagen Rolf Erlend Grundt, Agder Energi Nett 7. februar 2012 Igjennom følgende Sett fra et nettselskaps ståsted 1. Hva bestemmer kapasiteten på

Detaljer

Hvordan kan AMSinformasjon. for å oppnå SmartGrid? Kjetil Storset 3.2.2011

Hvordan kan AMSinformasjon. for å oppnå SmartGrid? Kjetil Storset 3.2.2011 Hvordan kan AMSinformasjon brukes for å oppnå SmartGrid? Kjetil Storset 3.2.2011 Hvor Smart Grid har vi i dag? Regionalnettet Smart, men dyrt Distribusjonsnettet Ikke så smart Kunde/lavspentnettet Blir

Detaljer

DET KONGELIGE OLJE- OG ENERGIDEPARTEMENT. Deres ref 03/01988-5 12.12.2005. av klage på tariffvedtak fra Jan Olsen

DET KONGELIGE OLJE- OG ENERGIDEPARTEMENT. Deres ref 03/01988-5 12.12.2005. av klage på tariffvedtak fra Jan Olsen Jan Olsen Elgfaret 16 1453 Bjørnemyr DET KONGELIGE OLJE- OG ENERGIDEPARTEMENT....._.._... s.b.n.. r i I ;'..'i ` -7, Deres ref Vår ref Dato 03/01988-5 12.12.2005 Oversendelse av klage på tariffvedtak fra

Detaljer

Automatiske strøm-målere, også kalt «smart meter» eller AMS, hvorfor får vi dem, skaper de helseplager og hvordan kan vi beskytte oss?

Automatiske strøm-målere, også kalt «smart meter» eller AMS, hvorfor får vi dem, skaper de helseplager og hvordan kan vi beskytte oss? Automatiske strøm-målere, også kalt «smart meter» eller AMS, hvorfor får vi dem, skaper de helseplager og hvordan kan vi beskytte oss? AMS kurs 07. november 2015 Jostein Ravndal - www.emf-consult.com 1

Detaljer

Nye målertyper. Toveis kommunikasjon. Kontroll av målere. Varmepumper. Varme styring elektrovarme

Nye målertyper. Toveis kommunikasjon. Kontroll av målere. Varmepumper. Varme styring elektrovarme VELKOMMEN Nye målertyper Toveis kommunikasjon Kontroll av målere Varmepumper Varme styring elektrovarme Utstyr og installasjon HJEM KRAFT benytter kun godkjente elektrisitetsmålere. Målere etc. leveres

Detaljer

Høring om endring i forskrift om krav til elektrisitetsmålere.

Høring om endring i forskrift om krav til elektrisitetsmålere. 1 HOVEDINNHOLDET I FORSLAGET Justervesenet sender med dette forslag til endring i forskrift 28.desember 2007 nr. 1753 om krav til elektrisitetsmålere (el-målerforskriften) på høring. Endringer i elmålerforskriften

Detaljer

Energiledd. Christina Sepúlveda Oslo, 15. mars 2012

Energiledd. Christina Sepúlveda Oslo, 15. mars 2012 Energiledd Christina Sepúlveda Oslo, 15. mars 2012 Hvorfor energiledd? Et grunnleggende prinsipp for optimal ressursanvendelse er at den marginale kostnaden ved å frembringe et gode, skal være lik kjøpers

Detaljer

Toveiskommunikasjon hype eller nytte

Toveiskommunikasjon hype eller nytte Toveiskommunikasjon hype eller nytte Markedskonferansen 2003 Ove S. Grande Hype??? Internett søk ga følgende resultat: Brukes ofte om visjonære (hyperaktive).com-satsninger En/noe som lover mer enn den

Detaljer

Gir smartere løsninger bedre forsyningssikkerhet?

Gir smartere løsninger bedre forsyningssikkerhet? Gir smartere løsninger bedre forsyningssikkerhet? - Er Smart grid løsningen på bedret forsyningssikkerhet? Kjell Sand SINTEF Energi, Inst. Elkraft, NTNU Energidagene NVE 2011-10-14 1 The Norwegian Smartgrid

Detaljer

Elkraftteknikk 1, løsningsforslag obligatorisk øving B, høst 2004

Elkraftteknikk 1, løsningsforslag obligatorisk øving B, høst 2004 HØGSKOLEN I AGDER Fakultet for teknologi Elkraftteknikk 1, løsningsforslag obligatorisk øving B, høst 2004 Oppgave 1 Fra tabell 5.2 summerer vi tallene i venstre kolonne, og får 82.2 TWh. Total midlere

Detaljer

Fremtidens strømmåler blir smart side 4. Nytt fra Skagerak. - vinn en. Små endringer av nettleien i 2013 side 2. Kompensasjon ved strømbrudd side 6

Fremtidens strømmåler blir smart side 4. Nytt fra Skagerak. - vinn en. Små endringer av nettleien i 2013 side 2. Kompensasjon ved strømbrudd side 6 Januar 2013 Nytt fra Skagerak Fremtidens strømmåler blir smart side 4 Små endringer av nettleien i 2013 side 2 Kompensasjon ved strømbrudd side 6 Opprett efaktura - vinn en ipad Små endringer i nettleien

Detaljer

Hvordan varierer timeforbruket av strøm i ulike sektorer?

Hvordan varierer timeforbruket av strøm i ulike sektorer? Hvordan varierer timeforbruket av strøm i ulike sektorer? Økonomiske analyser / Hvordan varierer timeforbruket av strøm i ulike sektorer? Torgeir Ericson og Bente Halvorsen Størrelsen på forventet forbruk

Detaljer

Prising av overføringskapasitet med AMS

Prising av overføringskapasitet med AMS Offentlig ISBN nr. 978-82-93150-37-4 (elektronisk utgave) Prising av overføringskapasitet med AMS På oppdrag fra Norges vassdrags- og energidirektorat juni 2013 THEMA Rapport 2013-23 Om prosjektet Om rapporten:

Detaljer

VILKÅR FOR PLUSSKUNDER

VILKÅR FOR PLUSSKUNDER VILKÅR FOR PLUSSKUNDER Oppdragsgiver: Energi Norge Kontaktperson: Trond Svartsund Leverandør: Energy Creative group AS (ECgroup) Kontaktperson hos ECgroup: Svein Sandbakken Dato: 2. september 2011 Antall

Detaljer

Hvilken holdning har strømkundene til automatisk måleravlesning? eva.fosby.livgard@tns-gallup.no

Hvilken holdning har strømkundene til automatisk måleravlesning? eva.fosby.livgard@tns-gallup.no Hvilken holdning har strømkundene til automatisk måleravlesning? eva.fosby.livgard@tns-gallup.no Automatisk måleravlesning AMR 2VK Toveiskommunikasjon Automatic Meter Reading AMS Avanserte måleravlesningssystemer

Detaljer

PRISER. for. Nettleie. Fra

PRISER. for. Nettleie. Fra PRISER for Nettleie Fra 1. Januar 2016 Dalane energi 2 Nettleie Generelt Priser for nettleie er utarbeidet etter «Forskrift om økonomisk og teknisk rapportering, inntektsramme for nettvirksomheten og overføringstariffer»

Detaljer

Fremtidens teknologi

Fremtidens teknologi Smart Energy leverer spesialiserte tjenester rettet mot energimarkedet. Vi tilbyr løsninger, systemer og rådgivning for å effektivt styre energiforbruk og produksjon på tvers av mange enheter. Med god

Detaljer

REN blad 4021 LS Nett Måling. Krav til overvåkning av nettstasjon ved bruk av AMS 1. Sammendrag

REN blad 4021 LS Nett Måling. Krav til overvåkning av nettstasjon ved bruk av AMS 1. Sammendrag 1. Sammendrag REN har laget en standardisert beskrivelse av overvåkning i nettstasjon. Versjon 1. Dette omfatter funksjonskrav, kommunikasjons muligheter, nettnytte, og teknologiske løsninger for dette.

Detaljer

Lokal energiutredning

Lokal energiutredning Lokal energiutredning Presentasjon 25. januar 2005 Midsund kommune 1 Lokal energiutredning for Midsund kommune ISTAD NETT AS Lokal energiutredning Gjennomgang lokal energiutredning for Midsund kommune

Detaljer

Takler el-nettet eksplosjonen i el-bilsalget?

Takler el-nettet eksplosjonen i el-bilsalget? Takler el-nettet eksplosjonen i el-bilsalget? Camilla Aabakken Seksjon for regulering av nettjenester Elmarkedstilsynet Agenda Om NVE Elbiler i Norge 200 000 elbiler innen 2020? Noen nettselskapers erfaringer

Detaljer

Miljømessige gevinster ved AMS

Miljømessige gevinster ved AMS Norges Energidager 2011-13. oktober 2011 Miljømessige gevinster ved AMS Hanne Sæle (Hanne.Saele@sintef.no) Wall-e: Teknologi med miljøfokus 1 Agenda AMS og Fremtidens nett (SmartGrid) Husholdningskundens

Detaljer

AMS og tariffering. Problemstillinger knyttet til nordisk sluttbrukermarked og behov for tariffharmonisering.

AMS og tariffering. Problemstillinger knyttet til nordisk sluttbrukermarked og behov for tariffharmonisering. AMS og tariffering. Problemstillinger knyttet til nordisk sluttbrukermarked og behov for tariffharmonisering. Ole-Petter Halvåg Direktør Forretningsutvikling og Rammer Først et lite (?) paradoks Energi-

Detaljer

AMS - funksjonskrav og nytteverdi oppsummering av høring og fastsettelse av forskrift

AMS - funksjonskrav og nytteverdi oppsummering av høring og fastsettelse av forskrift AMS - funksjonskrav og nytteverdi oppsummering av høring og fastsettelse av forskrift Thor Erik Grammeltvedt Seksjonssjef Kraftmarked Energiavdelingen, NVE NVE utsetter vedtak om innføring av AMS Internasjonale

Detaljer

Smarte nett/smartgrid. Hva er det og hvorfor blir dette viktig?

Smarte nett/smartgrid. Hva er det og hvorfor blir dette viktig? Smarte nett/smartgrid Hva er det og hvorfor blir dette viktig? Kjell Sand SINTEF Energi, Inst. Elkraft, NTNU EnergiRike Studentforum 2011 Haugesund 2011-06-24 1 Fremtidens energisystem blir mer elektrisk

Detaljer

Nettleien 2009. Oppdatert 01.03.2009. EBL drivkraft i utviklingen av Norge som energinasjon

Nettleien 2009. Oppdatert 01.03.2009. EBL drivkraft i utviklingen av Norge som energinasjon Nettleien 2009 Oppdatert 01.03.2009 EBL drivkraft i utviklingen av Norge som energinasjon Innholdsfortegnelse NVEs inntektsrammer Nettoppbygging Strømprisen og nettleiens sammensetning Hva påvirker nettleien

Detaljer

NVEs vurdering i klage på nettleie - vedtak

NVEs vurdering i klage på nettleie - vedtak Adresseinformasjon fylles inn ved ekspedering. Se mottakerliste nedenfor. Adresseinformasjon fylles inn ved ekspedering. Se mottakerliste nedenfor. Vår dato: 15.01.2016 Vår ref.: 201504967-7 Arkiv: 623

Detaljer

Med AMS fra 2011 til 2020. AMS i Norge - Temadag 25. Mai 2011

Med AMS fra 2011 til 2020. AMS i Norge - Temadag 25. Mai 2011 Med AMS fra 2011 til 2020 AMS i Norge - Temadag 25. Mai 2011 Innhold Hovedpunkter fra høringsinnspillene Hvordan ser kraftmarkedet ut i 2020? 2 Innhold Hvordan ser kraftmarkedet ut i 2020? Hovedpunkter

Detaljer

Demonstrasjon og Verifikasjon av Intelligente Distribusjonsnett DeVID

Demonstrasjon og Verifikasjon av Intelligente Distribusjonsnett DeVID Demonstrasjon og Verifikasjon av Intelligente Distribusjonsnett DeVID Nettkonferansen 2014 Therese Troset Engan, Demo Steinkjer Vidar Kristoffersen, Smart Energi Hvaler 1 Hovedidé Prosjektets hovedidé

Detaljer

N O T A T. Tittel/heading: System- eller områdepris i energileddet. Betydning (skala 1-5) Verdiskapning: 4 Forsyningssikkerhet: 2 Miljø: 2

N O T A T. Tittel/heading: System- eller områdepris i energileddet. Betydning (skala 1-5) Verdiskapning: 4 Forsyningssikkerhet: 2 Miljø: 2 N O T A T Tittel/heading: System- eller områdepris i energileddet Sakstype: Beslutningssak Betydning (skala 1-5) Verdiskapning: 4 Forsyningssikkerhet: 2 Miljø: 2 Ansvarlig/Adm. enhet Kommersiell utvikling

Detaljer

Hvordan senke effekttopper og få en mindre strømregning. Kjell Petter Småge, energi og effektjeger. Morgendagens Eiendomsmarked 2005

Hvordan senke effekttopper og få en mindre strømregning. Kjell Petter Småge, energi og effektjeger. Morgendagens Eiendomsmarked 2005 Hvordan senke effekttopper og få en mindre strømregning. Kjell Petter Småge, energi og effektjeger Morgendagens Eiendomsmarked 2005 EvoTek AS ble etablert 1. april 2004. EvoTek AS er et rådgivingsfirma

Detaljer

AMS EN LØSNING PÅ EFFEKTPROBLEMENE I FORDELINGSNETTET? SET/NEF-konferansen 2015 20. Oktober Stig Simonsen, Skagerak Nett

AMS EN LØSNING PÅ EFFEKTPROBLEMENE I FORDELINGSNETTET? SET/NEF-konferansen 2015 20. Oktober Stig Simonsen, Skagerak Nett AMS EN LØSNING PÅ EFFEKTPROBLEMENE I FORDELINGSNETTET? SET/NEF-konferansen 2015 20. Oktober Stig Simonsen, Skagerak Nett AMS idag Fra innføring av energiloven i -91 til i dag - Sluttbrukermarkedet for

Detaljer

det er Ønskelig med konkurranse om tjenester knyttet til måling og avregning

det er Ønskelig med konkurranse om tjenester knyttet til måling og avregning Norges vassdrags- og energidirektorat E Advokatene Rekve, Pleym & Co Pb 520 9255 TROMSØ Middelthuns gate 29 Postboks 5091 Majorstua 0301 OSLO Vår dato: q n Vår ref.: N?0e6Q12ZUY emp/plm Arkiv: 912-654

Detaljer

Utvikling i tariffer i distribusjonsnettet Presentasjon på Nettkonferansen 2014 3.12.14

Utvikling i tariffer i distribusjonsnettet Presentasjon på Nettkonferansen 2014 3.12.14 Utvikling i tariffer i distribusjonsnettet Presentasjon på Nettkonferansen 2014 3.12.14 1 1 INNHOLD Hvorfor trenger vi nye tariffer i distribusjonsnettet? Alternativer for utforming fordeler og ulemper

Detaljer

Smart strømmåler innen 2019

Smart strømmåler innen 2019 Januar 2015 Nytt fra Skagerak Smart strømmåler innen 2019 Bruk «Min side»! Endring i forbruksavgift og nettleie Endring i forbruksavgift og nettleie Med virkning fra 1.1.2015 endres nettleien for privatkunder.

Detaljer

Nodeprising fremtidens energimarked?

Nodeprising fremtidens energimarked? Nodeprising fremtidens energimarked? Klikk for å redigere undertittelstil i malen Andre nivå Tredje nivå Energidagene 2011 Finn Erik Ljåstad Pettersen Seksjon for analyse Motivasjon Overføringskapasitet

Detaljer

Elbil og annen elektrifisering av transport

Elbil og annen elektrifisering av transport Elbil og annen elektrifisering av transport Undertegnede har sitt daglige fokus på den norske ladeinfrastrukturen i Salto Ladestasjoner AS, og er formann i NK 69 Egil Falch Piene Spørsmålstilling 1. Hvordan

Detaljer

AMS - Fremtidens mulighet for styring av belastninger og nye tjenester. Vigdis Sværen, Norsk Teknologi Oslo 13.10.2011

AMS - Fremtidens mulighet for styring av belastninger og nye tjenester. Vigdis Sværen, Norsk Teknologi Oslo 13.10.2011 AMS - Fremtidens mulighet for styring av belastninger og nye tjenester Vigdis Sværen, Norsk Teknologi Oslo 13.10.2011 AMS - første skrittet på veien mot det integrert kraftnett Sett fra installatørene

Detaljer

NVEs vurdering i klage på ny beregning av nettleie - vedtak

NVEs vurdering i klage på ny beregning av nettleie - vedtak Adresseinformasjon fylles inn ved ekspedering. Se mottakerliste nedenfor. Adresseinformasjon fylles inn ved ekspedering. Se mottakerliste nedenfor. Vår dato: 12.11.2015 Vår ref.: 201504434-6 Arkiv: 623

Detaljer

Elbilladning Muligheter og utfordringer

Elbilladning Muligheter og utfordringer Elbilladning Muligheter og utfordringer Seminar ELiSØR 29. og 30.10.2015 Rolf Erlend Grundt, AEN Innholdsplan 1. Agder Energi Nett tall 2. Effektkrevende apparater 3. Hva er svake nett 4. Elbilladning

Detaljer

Alternativer til nettinvesteringer i Oslo og Akershus

Alternativer til nettinvesteringer i Oslo og Akershus Alternativer til nettinvesteringer i Oslo og Akershus Trond Jensen, Statnett En studie fra Xrgia Agenda Hvilke tiltak er egnet? Forbruket i topplast Nett - investering Forbruker - tiltak Potensialer Kan

Detaljer

KLAGESAK ANGÅENDE TARIFF FOR UTKOBLBAR OVERFØRING

KLAGESAK ANGÅENDE TARIFF FOR UTKOBLBAR OVERFØRING Likelydende brev til: BKK Nett AS Boks 565 5002 Bergen Statoil Norge AS Postboks 1176 Sentrum 0107 Oslo Deres ref Vår ref Dato OED 98/3198 EV MM 12.07.01 KLAGESAK ANGÅENDE TARIFF FOR UTKOBLBAR OVERFØRING

Detaljer

Men selv om det totale årlige forbruket blir lavt er det uvisst om forbrukstoppene vil reduseres. Introduksjonen av effektkrevende elek-

Men selv om det totale årlige forbruket blir lavt er det uvisst om forbrukstoppene vil reduseres. Introduksjonen av effektkrevende elek- Av Bjarne Tufte, Agder Energi Nett Sammendrag "Smart Village Skarpnes" er et FoU prosjekt støttet av Norges Forskningsråd med hovedfokus på å undersøke hvordan det elektriske distribusjonsnettet kan dimensjoneres

Detaljer

Innføring av nye strømmålesystemer i kraftmarkedet

Innføring av nye strømmålesystemer i kraftmarkedet Innføring av nye strømmålesystemer i kraftmarkedet Politisk rådgiver Geir Pollestad Elmåledagene, Oslo 14. november 2007 Global utvikling: Utfordringer i energisektoren - Økende energiforbruk - Avhengighet

Detaljer

EKSPERTER I TEAM VÅR 2013

EKSPERTER I TEAM VÅR 2013 EKSPERTER I TEAM VÅR 2013 TET4850 SMART GRID PROSJEKTRAPPORT Forretningsmodeller for fremtidens kraftmarked Landsby: Smart Grid Gruppe: 4 Faglig Ansvarlig: Ole-Morten Midtgård FORORD Denne rapporten er

Detaljer

1. Generelt / innledning

1. Generelt / innledning 1. Tariffvilkår for nettleie med fleksibelt forbruk Sist endret : asthil - 06.09.2013 1. Generelt / innledning 1.1. Avtaleforholdet Disse vilkår for fleksibelt forbruk inngår som vedlegg til standard nettleie

Detaljer

AMS & Demand Response

AMS & Demand Response AMS & Demand Response Insentiver til forbrukerne for å oppnå ønskede virkninger med AMS Kim R. Klungland Veileder Ellen K. Nyhus Masteroppgaven er gjennomført som ledd i utdanningen ved Universitetet i

Detaljer

Status for arbeidet med AMS

Status for arbeidet med AMS Status for arbeidet med AMS Hvor og når går veien videre? TEMADAGER 26. 27. MAI 2010, GARDERMOEN Seksjonssjef Thor Erik Grammeltvedt, NVE Innhold AMS-prosessen fra 2004 til 2009 Mål og virkemidler Forskrift

Detaljer

FAQ ewave. Om installering

FAQ ewave. Om installering FAQ ewave Om installering Hva skal følge med i esken med ewave? - ewave (displayet) - Senderen som skal monteres i strømmåleren - Strømadapter - Installasjonsmanual Jeg klarer ikke å få satt inn senderen

Detaljer

Leverandørskifteundersøkelsen 2. kvartal 2006

Leverandørskifteundersøkelsen 2. kvartal 2006 Leverandørskifteundersøkelsen 2. kvartal 2006 Sammendrag Omlag 66 000 husholdningskunder skiftet leverandør i løpet av 2. kvartal 2006. Dette er en nedgang fra 1. kvartal 2006, da omlag 78 200 husholdningskunder

Detaljer

Eltako Wireless Opplev en helt ny livskvalitet 24 / 7. Mer fleksibilitet, mer sikkerhet og mer tid for deg selv!

Eltako Wireless Opplev en helt ny livskvalitet 24 / 7. Mer fleksibilitet, mer sikkerhet og mer tid for deg selv! Eltako Wireless Opplev en helt ny livskvalitet 24 / 7. Mer fleksibilitet, mer sikkerhet og mer tid for deg selv! Brytere kan enkelt festes til vegger, glass eller møbler takket være trådløs teknologi.

Detaljer

Vurdering av minimum nettstyrke NVE fagdag om lavspenningsnettet

Vurdering av minimum nettstyrke NVE fagdag om lavspenningsnettet Vurdering av minimum nettstyrke NVE fagdag om lavspenningsnettet NVE 14. april 2016 Rolf Erlend Grundt, AEN Tema 1. AEN tall 2. Hva er nettstyrke 3. Rutiner for dimensjonering av lavspentnett 4. Krav som

Detaljer

Nettleien 2010 Oppdatert 09.02.2010

Nettleien 2010 Oppdatert 09.02.2010 Nettleien 2010 Oppdatert 09.02.2010 Innholdsfortegnelse NVEs inntektsrammer Nettoppbygging Strømprisen og nettleiens sammensetning Hva påvirker nettleien Historisk utvikling NVEs inntektsrammer NVEs inntektsrammer

Detaljer

Toveiskommunikasjon, norske og nordiske aspekter

Toveiskommunikasjon, norske og nordiske aspekter Toveiskommunikasjon, norske og nordiske aspekter Temadager EBL Kompetanse 12. og 13. juni 2007 Ingeborg Graabak SINTEF Energiforskning 1 Innhold Erfaring med kvalitet på timeverdier Forslag til krav til

Detaljer

Dilemmaer rundt lokal og sentral energiproduksjon

Dilemmaer rundt lokal og sentral energiproduksjon Dilemmaer rundt lokal og sentral energiproduksjon Konsekvenser for nettet sett fra nettselskapets side BKK Nett AS, Bengt Otterås, oktober 2013. Hvordan ser fremtiden ut? Dilemma 1: Trender, effekt og

Detaljer

Smart Hub. Den trådløse bygningen. Vedlikeholdsfritt. Enkelt å installere

Smart Hub. Den trådløse bygningen. Vedlikeholdsfritt. Enkelt å installere Med briljante, innovative og brukervennlige løsninger, introduserer vi smarthus for alle! Smart Hub Liten, anonym og lett å installere. Dette er kjernen i Future Home. Den sørger for at all husets elektronikk

Detaljer

Tommy Skauen. Grønne bygg: Henger «elektro forskriftene» med?

Tommy Skauen. Grønne bygg: Henger «elektro forskriftene» med? Tommy Skauen Grønne bygg: Henger «elektro forskriftene» med? Infratek Elsikkerhet AS Sakkyndig kontrollselskap 71 ansatte Kontor Oslo og Sarpsborg Tjenester DLE-tjenester Kontroll av kwh-målere Kontroll

Detaljer

NVEs vurdering i klage fra Per Steen på Økning i nettleien for H1 kunder hos Nordmøre Energiverk AS (NEAS)

NVEs vurdering i klage fra Per Steen på Økning i nettleien for H1 kunder hos Nordmøre Energiverk AS (NEAS) Norges vassdrags- og energidirektorat N V E Per Steen Havnegata 2 6516 KRISTIANSUND Vår dato: i a og. 2006 Vår ref.: NVE 200602158-6 emp/vem Arkiv: 912-653.3 Deres dato: 31.05.2006 Deres ref.: Saksbehandler:

Detaljer

Mikroøkonomi del 2 - D5. Innledning. Definisjoner, modell og avgrensninger

Mikroøkonomi del 2 - D5. Innledning. Definisjoner, modell og avgrensninger Mikroøkonomi del 2 Innledning Et firma som selger en merkevare vil ha et annet utgangspunkt enn andre firma. I denne oppgaven vil markedstilpasningen belyses, da med fokus på kosnadsstrukturen. Resultatet

Detaljer

Kommentar til NVEs konsepthøring om tariffer i distribusjonsnettet

Kommentar til NVEs konsepthøring om tariffer i distribusjonsnettet Offentlig Kommentar til NVEs konsepthøring om tariffer i distribusjonsnettet THEMA Notat 2015-04 2015 THEMA Consulting Group Om prosjektet Om notatet Prosjektnummer: ENO-2015-03 Notatnummer: 2015-04 Oppdragsgiver:

Detaljer

Morgendagens kraftpriser mulige virkninger på forbrukernes tilpasning. Jørgen Bjørndalen, 19/10-2012

Morgendagens kraftpriser mulige virkninger på forbrukernes tilpasning. Jørgen Bjørndalen, 19/10-2012 Morgendagens kraftpriser mulige virkninger på forbrukernes tilpasning Jørgen Bjørndalen, 19/10-2012 Hovedpunkter Hva forteller prisen oss og hvordan reagerer vi på pris Prisendringer - sjokk vs. jevn endring

Detaljer

Orientering til medlemmer av fylkestinget i Nord-Trøndelag. Østersund 17.02.2010

Orientering til medlemmer av fylkestinget i Nord-Trøndelag. Østersund 17.02.2010 Orientering til medlemmer av fylkestinget i Nord-Trøndelag NTE NETT Nett AS ENERGI Østersund 17.02.2010 Konsernsjef i NTE og styreleder i Torbjørn R. Skjerve Nett NTEs fire pilarer Energi Marked Forr.utvikl.

Detaljer

Når nettene blir trange og kulda setter inn Har vi alternativer til nettutbygging? Kristian M. Pladsen, direktør

Når nettene blir trange og kulda setter inn Har vi alternativer til nettutbygging? Kristian M. Pladsen, direktør Når nettene blir trange og kulda setter inn Har vi alternativer til nettutbygging? Kristian M. Pladsen, direktør Hovedbudskap Velfungerende energisystem er en forutsetning for all næringsvirksomhet. Manglende

Detaljer

Tappevannsoppvarming. System

Tappevannsoppvarming. System Tappevannsoppvarming Tappevannsforbruket varierer sterkt over døgnet og har i boliger en topp om morgenen og om kvelden. Vannet i nettet varierer litt over årstidene og kan gå fra 5 12 C når det tappes

Detaljer

Marginaltap - oppdatering Et kritisk skråblikk på marginaltapsmodellen

Marginaltap - oppdatering Et kritisk skråblikk på marginaltapsmodellen Marginaltap - oppdatering Et kritisk skråblikk på marginaltapsmodellen Marginaltapskalkulatoren EBL drivkraft i utviklingen av Norge som energinasjon Hans Olav Ween Næringspolitisk rådgiver - Kraftsystem,

Detaljer

Smartnett og muligheter. Kjell Sand, Sintef Energi, The Norwegian Smart Grid Centre

Smartnett og muligheter. Kjell Sand, Sintef Energi, The Norwegian Smart Grid Centre Smartnett og muligheter Kjell Sand, Sintef Energi, The Norwegian Smart Grid Centre 2 Hvor kommer jeg fra? Innhold The Norwegian Smartgrid Centre Hva er Smart grids? Drivkrefter Muligheter Barrierer 3 4

Detaljer

Bransjens konklusjon og anbefaling rundt AMS-kanalen og lokale grensesnitt på målernoden

Bransjens konklusjon og anbefaling rundt AMS-kanalen og lokale grensesnitt på målernoden Bransjens konklusjon og anbefaling rundt AMS-kanalen og lokale grensesnitt på målernoden Dato: 21. november 2012 Dette notatet beskriver endelige konklusjoner fra Energi Norge og Energi Norges AMS-prosjekt

Detaljer

6.2 Signifikanstester

6.2 Signifikanstester 6.2 Signifikanstester Konfidensintervaller er nyttige når vi ønsker å estimere en populasjonsparameter Signifikanstester er nyttige dersom vi ønsker å teste en hypotese om en parameter i en populasjon

Detaljer

EBLs kravspesifikasjon

EBLs kravspesifikasjon EBLs kravspesifikasjon Ingeborg Graabak SINTEF Energiforskning SINTEF Energiforskning AS 1 Innhold presentasjon av kravspesifikasjon Hensikt og formål Oppbygging og innhold Hvordan bruke kravspesifikasjonen

Detaljer

Fra råvareleverandør til SMART forenkler av hverdagen TU Smart Grid Summit 2015 16.3.2015 Ole Sunnset

Fra råvareleverandør til SMART forenkler av hverdagen TU Smart Grid Summit 2015 16.3.2015 Ole Sunnset Fra råvareleverandør til SMART forenkler av hverdagen TU Smart Grid Summit 2015 16.3.2015 Ole Sunnset Agenda Ringeriks-Kraft AMS Generelt Vurderinger hos Ringeriks-Kraft Erfaringer hos Ringeriks-Kraft

Detaljer

Markedsbasert forbrukstilpasning Prosjektoversikt bakgrunn og framdrift

Markedsbasert forbrukstilpasning Prosjektoversikt bakgrunn og framdrift Markedsbasert forbrukstilpasning Prosjektoversikt bakgrunn og framdrift Avslutningsseminar 2/12-08 Ove S. Grande 1 Forbrukstilpasning = Demand Response (DR) Definisjon Tiltak som stimulerer til situasjonsavhengig

Detaljer

NYTTIGE TIPS OM BATTERIER I SOLCELLEANLEGG

NYTTIGE TIPS OM BATTERIER I SOLCELLEANLEGG Technical document no. 01-2012 rev.a NYTTIGE TIPS OM BATTERIER I SOLCELLEANLEGG OMFANG Disse tipsene gjelder alle vanlige "solcellebatterier" (blybatterier), inkludert AGM-batterier som er de vanligste

Detaljer

Norges vassdrags- og energidirektorat. Endringer i kontrollforskriften: Fellesmåling

Norges vassdrags- og energidirektorat. Endringer i kontrollforskriften: Fellesmåling Norges vassdrags- og energidirektorat Endringer i kontrollforskriften: Fellesmåling Uregulerte nett og fellesmåling Lavspent fordelingsnett (ikke konsesjonspliktige) Fra nettstasjon til klemme på husvegg

Detaljer

Byrådssak 1173/11. Dato: 26. april 2011. Byrådet. Høringsuttalelse. Implementering av "Avanserte Måle- og Styringssystemer" (AMS) SARK-03-201104908-15

Byrådssak 1173/11. Dato: 26. april 2011. Byrådet. Høringsuttalelse. Implementering av Avanserte Måle- og Styringssystemer (AMS) SARK-03-201104908-15 Dato: 26. april 2011 Byrådssak 1173/11 Byrådet Høringsuttalelse. Implementering av "Avanserte Måle- og Styringssystemer" (AMS) KKOL SARK-03-201104908-15 Hva saken gjelder: Norges vassdrags- og energidirektorat

Detaljer

Råd om energimåling av varmepumper for boligeier

Råd om energimåling av varmepumper for boligeier Råd om energimåling av varmepumper for boligeier Hvorfor energimåling av varmepumper? Ville du kjøpt en bil uten kilometerteller? For å finne ut hvor mye "bensin" varmepumpen din bruker "per kilometer"

Detaljer

66: Overføringsne : ttet

66: Overføringsne : ttet 6: Overføringset 82 : Fakta 2008 : Energi og vannressurser i Norge 6.1. Innledning Produksjon, overføring og omsetning er de tre grunnleggende funksjonene i kraftforsyningen. Overføringset deles inn i

Detaljer

Råd om energimåling av varmepumper for boligeier

Råd om energimåling av varmepumper for boligeier Råd om energimåling av varmepumper for boligeier Enova er et statlig foretak som skal drive fram en miljøvennlig omlegging av energibruk, fornybar energiproduksjon og ny energi- og klimateknologi. Vårt

Detaljer

Sentralnettstariffen 2013 gjelder fra 1. januar 2013 til og med 31. desember 2013. 1

Sentralnettstariffen 2013 gjelder fra 1. januar 2013 til og med 31. desember 2013. 1 Sentralnettstariffen 2013 Tariffheftet 2013 Sentralnettstariffen 2013 gjelder fra 1. januar 2013 til og med 31. desember 2013. 1 Grunnlaget for utforming av nettleie i sentralnettet er gitt i Norges vassdrags-

Detaljer

Risikovurdering av AMS

Risikovurdering av AMS Risikovurdering av AMS Frank Skapalen Seksjon for beredskap, energiavdelingen NVEs BfK-seminar 11. januar 2012 Rekkefølge Formål med AMS, funksjoner Hva vi har jobbet med i risikovurderingen Scenarioer

Detaljer

Ny markedsmodell for sluttbrukermarkedet - Hva er bransjens posisjon? Ole Haugen, Energi Norge / Andreas Aamodt, ADAPT Consulting

Ny markedsmodell for sluttbrukermarkedet - Hva er bransjens posisjon? Ole Haugen, Energi Norge / Andreas Aamodt, ADAPT Consulting Ny markedsmodell for sluttbrukermarkedet - Hva er bransjens posisjon? Ole Haugen, Energi Norge / Andreas Aamodt, ADAPT Consulting Utgangspunktet for Energi Norges posisjon Markedet er i utvikling AMS Elhub

Detaljer

Sentralnettariffen 2013

Sentralnettariffen 2013 Sentralnettariffen 2013 Statnett har vedtatt å holde et stabilt tariffnivå til våre kunder. På grunn av spesielt høye flaskehalsinntekter Ingress: vil merinntekten i løpet av året komme opp mot 3,5 mrd.

Detaljer

Hvordan forberede seg til en datatsunami?

Hvordan forberede seg til en datatsunami? Hvordan forberede seg til en datatsunami? Big Data/High-Performance Analytics - 30. mai 2012 Egil Brækken s.1 Innledning Alt henger sammen med alt I fremtidens energiselskap vil transaksjons- og datamengde

Detaljer

Regionmøte Midt-Norge 7. februar 2011 Radisson Blu Hotel, Trondheim Airport

Regionmøte Midt-Norge 7. februar 2011 Radisson Blu Hotel, Trondheim Airport Regionmøte Midt-Norge 7. februar 2011 Radisson Blu Hotel, Trondheim Airport NTE Nett AS er et heleid datterselskap i NTE. Nettselskapet er ansvarlig for strømnettet i Nord-Trøndelag. NTE har et 12.800

Detaljer

Høring om tariffer for uttak i distribusjonsnettet HØRINGSDOKUMENT

Høring om tariffer for uttak i distribusjonsnettet HØRINGSDOKUMENT Høring om tariffer for uttak i distribusjonsnettet 2015 HØRINGSDOKUMENT Høring om tariffer for uttak i distribusjonsnettet Utgitt av: Redaktør: Forfattere: Norges vassdrags og energidirektorat Torfinn

Detaljer

Anleggsbidrag - forenklinger?

Anleggsbidrag - forenklinger? Anleggsbidrag - forenklinger? Næringspolitisk verksted, Tariffer og anleggsbidrag i distribusjonsnettet BKK Nett AS, Charlotte Sterner og Bengt Otterås Energi Norge 4.8.2012 Hvem kan spå om fremtiden?

Detaljer

Distribuert produksjon utfordrer spenningskvalitet, lokal stabilitet og reléplaner

Distribuert produksjon utfordrer spenningskvalitet, lokal stabilitet og reléplaner Distribuert produksjon utfordrer spenningskvalitet, lokal stabilitet og reléplaner Brukermøte spenningskvalitet Kielfergen 13. 25. September 2009 Tarjei Solvang, SINTEF Energiforskning AS tarjei.solvang@sintef.no

Detaljer

Strømkrisa hvor reell er den? Fins det andre alternativer enn store kabler? Nils Martin Espegren Energiavdelingen, nettseksjonen

Strømkrisa hvor reell er den? Fins det andre alternativer enn store kabler? Nils Martin Espegren Energiavdelingen, nettseksjonen Strømkrisa hvor reell er den? Fins det andre alternativer enn store kabler? Nils Martin Espegren Energiavdelingen, nettseksjonen Fakta Myndighetenes vurderinger Strømkrise? Energibalanse Større hendelser

Detaljer

Framtidens byer - Energiperspektiver. Jan Pedersen, Agder Energi AS

Framtidens byer - Energiperspektiver. Jan Pedersen, Agder Energi AS Framtidens byer - Energiperspektiver Jan Pedersen, Agder Energi AS Agenda Drivere for fremtidens byer Krav til fremtidens byer Fra sentralisert til distribuert produksjon Lokale kraftkilder Smarte nett

Detaljer

Klage pa kontroll av maleravlesning - Drammen fjernvarme

Klage pa kontroll av maleravlesning - Drammen fjernvarme Norges vassdrags-og energidirektorat N V E I III Sameiet Union Brygge - Pollenkvartalet v/roar Grøttvik Postboks 2177 Strømsø 3003 DRAMMEN Middelthuns gate 29 Postboks 5091, Majorstua 03010510 Telefon:

Detaljer

Kjøpsveileder varmestyring. Hjelp til deg som skal kjøpe varmestyringsanlegg.

Kjøpsveileder varmestyring. Hjelp til deg som skal kjøpe varmestyringsanlegg. Kjøpsveileder varmestyring Hjelp til deg som skal kjøpe varmestyringsanlegg. 1 Et styringssystem sørger for minimal energibruk når du er hjemme, og effektivt energibruk når du ikke er tilstede. Hva er

Detaljer