Smarte Nett. Øivind Kristian Rue UBC,

Transkript

1 Smarte Nett Øivind Kristian Rue UBC,

2 Antall minutter med frekvensavvik

3 Neste generasjon kraftsystem - SIKKERT, SMART & SPREDT Source: IEA ETP 2014 (IEA scenario 2050)

4 Store endringer i kraftsystemet fram mot 2020 SK Norlink 2018 NSN sider med CODES inn i norsk lov

5 Det nordiske bildet Flere aktører Ubalanser Kompleksitet Klima Hz Teknologiutvikling EU Europeisk Integrasjon

6 Bakgrunnen for Smarte Nett Hvordan håndtere økt kompleksitet. Behov for full innsikt og kontroll. Tilstanden til kraftsystemet i sann tid. Automatiserte løsninger. Kontrollsystemer som optimaliserer driften. Digitalisert anleggsforvaltning Integrerte platformer Analyser i sann tid Utnyttelse av fleksibilitet

7 IKT vil ha en dominerende rolle i neste generasjon kraftsystem Alle komponenter har sensorer for monitorering og styring Tilstanden i kraftsystemet kan måles i sanntid Ubegrenset kapasitet for lagring og prosessering av data Ubegrenset transmisjonskapasitet

8 Økt kompleksitet krever beslutninger i sann tid Sann tid Måling og styring Knytte systemdrift og anlegg tettere sammen Nye operatørmiljø Maskinlæring og Big data Analyse og beslutningsmodeller i sann tid Nye arkitekturer (Fog, cloud +++) Ny kompetanse (data scientists) Automatisering Roboter og regelmotorer Kunstig intelligens (AI) Kontrollsystemer for automatisering

9 Hvordan kan vi oppnå full innsikt og kontroll Dashboards Storskala laststyring Beslutningsstøtte og automatisering Maskinlæring og Big Data SPANDEX SAMBA Modeller av kraftsystemet og maskinlæring gir beslutningsstøtte i sann tid. Ingen begrensninger i IKT. Kontroll Overvåkning Sensorer måler og styrer alle parametre.

10 SAMBA Smarter Asset Management with Big data UBC konferansesenter, Ullevål, 20.april 2017

11 Hva er SAMBA-prosjektet? SAMBA prosjektet er et 3 årig FoU prosjekt med støtte fra Norsk Forskningsråd Energix program og vil pågå ut Statnett, IBM, ABB, GE Grid Solutions, og Sintef ER står sammen bak forskningsprosjektet (SAMBA)

12 Hovedideen bak prosjektet Hvordan kan Statnett optimalisere anleggsforvaltning i fremtiden Bedre utnytte dataene våre Teste forskjellige modeller og metoder for tilstandsvurderinger for å hente ut: Tilstandsutvikling Restlevetid for komponenter Risiko Optimalt tidspunkt for vedlikehold og reinvesteringer

13 De store spørsmålene i anleggsforvaltning Hvordan er tilstanden til komponentene mine akkurat nå? Hvordan vil tilstanden til komponentene mine utvikle seg framover? Gjør jeg riktig vedlikehold til riktig tid? Når må jeg bytte ut komponentene mine? Hva er konsekvensen ved svikt? Risikostyring!

14 SAMBA prosjektet består av åtte arbeidspakker Rapport fra WP1 som sammenfatter dagens praksis, utfordringer og muligheter. I WP2 skal prosjektet sammenligne eksisterende modeller og metoder. WP3 og WP4 er IKT-oppgaver på datahåndtering. WP5: Teste, evaluere og forbedre nye metoder og modeller. WP6: Mulighetsstudie for overvåkingssenter.

15 Sentrale resultater fra arbeidspakke 1 WP1 Rapporten beskriver dagens status vs. fremtidige behov: Plan For Anleggsforvaltning (PFA) Strategi for fornyelse innen anleggsforvaltningen Vedlikeholdsstyring Analyse og beslutningsstøtte i anleggsforvaltningen Overvåkning IKT Oppsummering av WP1 rapporten er å finne på Nettopp.(Internt i Statnett): Statnett sin hjemmeside:

16 WP2, Metoder og use case Pågående aktiviteter Use case er ferdig definert og nødvendig dataunderlaget er under utarbeidelse. Dette gjelder for de use cases som Sintef og Statnett blir å jobbe med. Use cases som våre partnere (GE og ABB) blir å jobbe med er under utarbeidelse. Alle use case blir testet i WP5. Prosjektet har en viktig IKT utfordring som det jobbes med i WP3 og WP4. WP6, som er en mulighetsstudie for et "Asset Health Monitoring Centre", har så smått startet.

17 Dagens systemer vs. Fremtidig behov i Anleggsforvaltningen

18 Dagens systemer vs. Fremtidig behov i Anleggsforvaltningen

19 Advanced Analytics (Målbilde) Fire faser for endringer og forbedringer: Beskrivende: Hva skjedde? Diagnose: Hvorfor skjedde det? Prediktiv: Hva vil skje? Preskriptiv: Hva er det beste resultatet og hvordan kan vi la det skje?

20 Spørsmål? Takk for oppmerksomheten!

21 Laststyring nytt virkemiddel i anstrengt drift. 20. april 2017 Knut Hornnes Statnett

22 Bakgrunn Fremtidas kraftsystem inkl. auka fornybardel, aukar behovet for fleksibilitet og reguleringsevne Nye Network Codes krev tilrettelegging for Demand Side Response (DSR) Behov for fleire virkemiddel i anstrengte driftssituasjonar kopla ut noko for å oppretthalde forsyningen til resten

23 Klima og endringar

24 Driftsforstyrrelsar

25

26 Fokusområde Nord-Noreg Pilotprosjektet, ferdig i 2015, såg på Sørnettet i Lofoten. Storskala-prosjektet vil sjå på bruk av laster innanfor eit større geografisk område

27 Piloten: Direktestyringsmodellen SYSTEMOPERATØR NETTSELSKAP AMS-SYSTEM SLUTTBRUKER Driftssentral - system Driftssentral - system AMS Datainnsamling og kommunikasjon AMS boks Laststyring Laststyring Laststyring Laststyring

28 Hålogaland kraft Pilotprosjekt Nord-Noreg -Fleksibel forbrukslast som effektbidrag Vesterålskraft Trollfjord kraft Lofotkraft Pilottest Test av teknologi for styring av fleksibel forbrukslast fra Regionsentralen i Alta Regionsentralen i Alta

29 Storskala laststyring - hovedprosjekt Oppstart Varigheit: ca. 3 år Temaområder: Skalerbarheit av teknisk konsept, mål om ca. 300 lastobjekt over eit større geografisk område Potensialet for forbrukarfleksibilitet i ulike geografiske område Undersøkja lastkarakteristika for ulike typer last Interessant for Statnett å kunna samarbeide med kompetansemiljø Prosjektet er ein del av ei større heilheit rundt Demand Side Respons (DSR), jfr Network Codes i 3. elmarkedspakke og Demand Connection Codes (DCC)

30 Roles in a future power system

31 Systemløysingar To aktuelle infrastrukturar for kommunikasjon AMS med fullverdig tovegs kommunikasjon IP-adresserbart på fiber, GSM, GPRS Avhengig av framtidige rollar Nettselskapa Aggregatorar Kraftleverandørar

32 Statnett rolle og involvering Følgje med på utviklinga og håpe at det som kjem passer Statnett sitt behov Påverke utviklinga aktivt med informasjon og kva vi har behov for, utvikla demo for ynskt konsept og funksjonalitet Leia utviklinga av konsept, funksjonalitet og eventuell marknadsløysning

33 Utviding pilot -> storskala Piloten demonstrerte ei spesifikk teknisk løysing som fungerte Løysinga som vart brukt for 3 av nettselskapa i piloten er ikkje skalerbar og/eller framtidsretta. Storskala må finne eit fungerande konsept og teknisk løysing som passar med forventa utvikling både med omsyn til roller og framtidig teknologi. Løysinga skal gi oss ca. 300 laster, vera skalerbar og framtidsretta.

34 Storskala: Tilbodsmodellen SYSTEMOPERATØR Nettselskap BRP SLUTTBRUKER Driftssentral - system Datainnsamling Kommunikasjon Styring Styring IOT Driftssentral - system Laststyring Laststyring

35 Storskala Laststyring Nord-Noreg Anbodskonkurranse Inntil 300 laster i Nordland, Troms og Finnmark (Ca. 30 MW) Anbudsfrist 7. april Konsept Testperiode vinteren Erfaringane dannar grunnlag for vidare utvikling av teknisk konsept og marknad

36 Verktøy Regionsentral Nord

37 I framtida, potensielt også sjå på andre geografiske områder Fokus i prosjektet er region Nord, men vi vurderer også andre områder, og moglegheita for å kopla seg mot andre demoanlegg innanfor Smartgrids Statnett er avhengig av eit godt samarbeid med lokale aktørar

38 SPANDEx Driftssentralenes plattform for PMU-applikasjoner som overvåker stabiliteten i kraftsystemet FoU-konferansen, april 2017

39 Effektpendlinger i Norden Verken Statnett SF eller Svenska Kraftnät merket hendelsene. Fingrid oppdaget store pendlinger med jevne mellomrom. Årsak: Feil i Nederland førte til kommuteringssvikt på HVDCforbindelsen NorNed.

40 Hvem er jeg? Navn: David Karlsen Utdannet sivilingeniør innen elkraft ved NTNU August 2014 September 2016: Operatør ved Regionsentral Sør September 2016 nå: 75 % prosjektleder SPANDEx 25 % Regionsentral Sør

41 Hva er SPANDEx? SPANDEx står for Synchrophasor/PMU Application Integration and Data Exchange FoU-prosjektet er et samarbeid mellom Statnett, NTNU, SINTEF og GE. Prosjektet mottar støtte fra Forskningsrådet. Prosjektet skal: Implementere et grensesnitt for å teste nytten av PMU-data ved driftssentralene. Utvikle, implementere og teste ut nye applikasjoner. Samle erfaring og kunnskap gjennom testing og ytelsesanalyser. Utarbeide et veikart for videre satsing på PMU'er i Statnett.

42 PMU - Phasor Measurement Unit PMU'er gir informasjon om nettet i sanntid: Strøm, spenning, frekvens og fasevinkler. 50 målinger/sekund. Alle målingene er tidssynkronisert. Power Grid Substation A Substation B t0 t1 UU X t0 GPS Time t1 A B Synchronization P sin( ) Flow A B 10 s med frekvenspendling, dagens SCADA ville vist én tilfeldig verdi.

43 Bakgrunn for SPANDEx Etter driftsforstyrrelser som førte til kaskaderende utfall og mørklegging av store områder, ble det en økt interesse for anvendelse av PMU'er blant TSO'er. (eks. Nord Amerika, Sverige, Italia) Neste generasjons kraftsystem: Flere HVDC-forbindelser og mer ikke regulerbar fornybar energi gir større, hyppigere og mer uforutsigbare variasjoner i kraftflyten. Til nå: Data fra PMU'er har blitt brukt til å analysere hendelser i nettet og innstilling av dynamiske komponenter. Kan Statnetts driftssentraler ha nytte av slike målinger for å overvåke tilstanden i kraftsystemet? Hvilke behov har den operative driften?

44 Erfaringer fra Regionsentral Sør Effektpendlinger pga. feil på HVDC-anlegg. NorNed SK3 50,15 Hz 19 s Usikkerhet rundt spenningsstabilitet. Stavanger-området Haugalandet Separatområder 3 ukers separatområde i Indre Sogn: Nedkjøringer av forbruk hos aluminiumsverk, dårlig frekvens, pendlinger og tidsavvik på 15 min. 49,65 Hz 0,5 Hz Frekvenspendlinger med en periode på 19 sekunder og amplitude opp mot 0,5 Hz.

45 Hovedaktiviteter Utfordringer og krav til IKTsystemer. Implementasjon av applikasjoner og testing i pilot. H1 Technology Assessment H2 ICT for Interoperable Information & Data Exchange H3 PMU Application Development H4 PMU Application Implementation H5 Deployment, Testing H6 End-to-End Performance Analysis H7 Roadmap and Recommendations H8 Coordination and Dissemination Ansvarlig for arbeidspakke: SN NTNU SNTF GE

46 Utvalgte anvendelser i piloten Overvåking av spenningskollaps Stavanger Hammerfest/Melkøya Lofoten/Vesterålen Overvåking av effektpendlinger Nord-Norge Nord-Finland Sør-Norge Hasle Øydriftsdeteksjon og overvåking Indre Sogn Generell overvåking Andre forstyrrelser i systemet Høy-lav frekvens Høy-lav spenning Unormale fasevinkler Unormale frekvensendringer (RoCoF) PMU-dekning i Statnett Statnett har PMU'er i 31 stasjoner hvor det kan være nyttig med tanke på pendlinger. Behov for nye PMU'er for å se på spenningskollaps og øydrifter.

47 Plattform for pilot PMU i stasjon 1 PMU i stasjon 2 PMU i stasjon 3 Statnetts PDC SPANDEx Integration Platform PhasorPoint Serveren gir oss en plattform som driftssentralene kan logge seg inn og se dynamikken i systemet. Hvilken betydning vil en storskala utrulling av PMU'er ha for IKT? Bør et slik system på sikt integreres i SCADA?

48 PhasorPoint GE Grid Solutions har et verktøy som gir oss mulighet til å overvåke: Effekt- og frekvenspendlinger Øydrifter Raske endringer i fasevinkel og frekvens

49 Effekt- og frekvenspendlinger Hva kjennetegner pendlinger? Amplitude Pendlingens demping Pendlingens frekvens Pendlingen er godt dempet hvis amplituden blir halvert innen 5 perioder. Store pendlinger kan føre til utfall i nettet. Det beste tiltaket er å redusere effektflyten. Pendlingens frekvens varierer mellom områder: Ca. 0,5 Hz mellom Sør-Norge og Sverige. Ca. 0,8 Hz i Nord-Norge.

50 Øydrifter Viser fasevinkelen for alle stasjonene. Graf for øvre og nedre frekvens i systemet. Et bredt bånd indikerer at noe har skjedd. Applikasjonen identifiserer hvilke PMU'er som er i øydrift og grupperer dem.

51 Nye applikasjoner NTNU har utviklet en ny algoritme for å overvåke spenningsstabilitet. Algoritmen angir avstand til spenningskollaps. Bygger på sensitivitet i strøm og spenning. Vi er i dialog med GE for å implementere applikasjonen i PhasorPoint.

52 Uttesting og opplæring Vil ikke erstatte de systemene vi har i dag, men gi informasjon om dynamikken og stabiliteten i kraftsystemet, noe vi mangler i dag. NTNU og SINTEF står bak Smart Grid Laboratoriet. Få hendelser hvor store deler av nettet blir mørelagt. Praktisk erfaring er viktig for at operatørene kan bruke verktøyet ved en hendelse. Smart Grid Laboratoriet kan tilpasses. DQB M M M PMU G G G PDC = ~ = ~ DQC ~ = DQA DQD PMU PMU PMU DQFC PMU ~ = DQFD ~ = DQFE DQE Model grid 400V AC busbars PMU ~ _ Network emulator DC grid 700V DC busbars DQFB

53 Evolution of the Control Room Analog Tech. SCADA Digital v.1. From analog to digital SCADA/EMS+ PMU PMU data starts being used in control rooms for monitoring displays & alarming ( ) Today: SCADA/EMS+ PMU + PMU Applications for Monitoring a few Specific Conditions WAMS From digital to digital + SCADA/EMS Digital v.2. The Future? Appearance of EMS applications Luigi Vanfretti

54 IMPALA Hvordan forutse ubalanser med maskinlæring? Eivind Lindeberg, FoU-konferansen 2017 Ullevål,

55 Statnett balanserer Markedet balanserer per time vi må passe på hvert sekund Vind og sol lar seg ikke planlegge Forbruket endres uten å be om lov

56 Problemet: Operatøren må regulere for ukjente ubalanser fremover i tid HV DC Mer vindkraft + Flere kabler = Større ubalanser

57 Dagens løsning Forventet ubalanse Planlagt utveksling En liten usikkerhet i inndataene (~10000 MW) Planlagt produksjon Estimert forbruk gir stor usikkerhet i ubalanseprognosen (~500 MW)

58 06:30:00 06:32:00 06:35:00 06:38:00 06:41:00 06:44:00 06:47:00 06:50:00 06:53:00 06:56:00 06:59:00 07:02:00 07:05:00 07:08:00 07:11:00 07:14:00 07:17:00 07:20:00 07:23:00 07:26:00 07:29:00 07:32:00 07:35:00 07:38:00 07:41:00 07:44:00 07:47:00 07:50:00 07:53:00 07:56:00 07:59:00 08:02:00 08:05:00 08:08:00 08:11:00 08:14:00 08:17:00 08:20:00 08:23:00 08:26:00 08:29:00 Det finnes mønstre 1500,00 Utvikling i systemubalansen 20 etterfølgende dager 06:30=0 MW 1000,00 500,00 0,00-500, , ,00

59 Maskinlæring mønstre Kilde: Michael Copeland 2016)

60 Vær, kalender, etc MASKIN- LÆRING Gode prognoser

61 Målbildet 1250 MW Show: 750 MW Nordics Norway NO1 250 MW Time t int t+4 t -250 MW -750 MW int t+24 t Historical ACE OL Predicted ACE OL in intervals of 5 minutes from time «t». Given as: (int t+n t ) Confidence interval MW

62 Steg 1 Steg 2 Prognosen brukes av operatørene til å ta bedre beslutninger Prognosen brukes direkte til å bestille reguleringer EBGL: Europeisk plattform for mfrr

63 Prosjektet IMPALA IMbalance Predicition with Advanced Learning Algorithm 2-årig forskningsprosjekt Støttet av Forskningsrådet gjennom EnergiX-programmet Deltagere: Optimeering Statnett Université de Liège NTNU

64 Spørsmål?