Next Generation Control Centres for Smart Grids Kjell Sand, Sintef Energi/NTNU/The Norwegian Smart Grid Centre
NTNU-prosjektet Fremtidens driftssentral NTNU institutt Datateknikk og informasjonsvitenskap Telematikk Elkraftteknikk SINTEF Energi Prosjektpartnere: ABB NTE Hafslund Statnett Telenor Eidsiva EB Nett Agder Powel Skagerak Smartgrid Norway Trønderenergi 05.11.2014
Hovedfinansiør er NTNU 05.11.2014
Deltakere Kornschnok Dittawit (Peach) PhD-student ved Institutt for telematikk Finn Arve Aagesen professor ved Institutt for telematikk Jonas Wäfler, PhD-student ved Institutt for telematikk Poul Einar Heegaard professor ved institutt for telematikk ved NTNU Boye Annfelt Høverstad post doktor ved Institutt for Data og Informasjonsvitenskap (IDI) Axel Tidemann post doktor ved Institutt for Data og Informasjonsvitenskap (IDI) Pinar Öztürk førsteamanuensis ved Institutt for Data og Informasjonsvitenskap (IDI) Helge Langseth professor Institutt for Data og Informasjonsvitenskap (IDI) Asbjørn Thomassen amanuensis, Institutt for Data og Informasjonsvitenskap (IDI) Vijay Venu Vadlamudi post doktor ved Institutt for elkraftteknikk Kjell Sand professor II ved Institutt for elkraftteknikk (prosjektleder) Rolf Michelsen, Trønderenergi (prosjektleder 2012-medio 2014) Masterstudenter 05.11.2014
Tema som behandles Informasjonsinnsamling om status i dag gjennom workshops med: Statnett Hafslund EB Trønderenergi NTE Telenor ABB Powel Rammevilkår - scenarier trender som påvirker fremtidens driftssentral Korttids lastprognosering v.hj.a AMS data Kundenivå Nettstasjonsnivå Landsnivå
Tema som behandles (forts.) Pålitelighet i Smart Grids (modeller som kombinerer kraftnett og kommunikasjonsnett) Adaptive home energy management systems for demand side management in smart grids Arkitektur Funksjonalitet CIM Simuleringer Automatisk identifikasjon av større/viktige forbruksapparater og kraftproduksjon i installasjoner Metodikk for analyse og forbedring av brukergrensesnitt i Scada og DMS-systemer Use case for effektiv håndtering av lokal produksjon i smarte hus og mikronett
Resultatformidling Rapporter Nyhetsbrev Årlig workshop med partnerne Papers Div. presentasjoner f.eks. på Smartgrid-konferansen 05.11.2014
Typiske oppgaver i dag - nettsentralen Hovedområde Oppgaver Kontinuerlig Hendelsesstyrt Overvåking Overvåking X Planlegging Revisjonsplanlegging X (X) Optimal nettdrift (X) X Respons Driftsomlegging (koblinger) X Fjernkoblinger ved feil X Koordinering av manuelle koblinger Feil lokalisering Koordinering/status reparasjoner Håndtering av kundehenvendelser gi driftsinformasjon til kunder Styring spenning/reaktiv (X) X Produksjonskoordinering (X) X Dokumentasjon FASIT X Driftslogg X X X X X
Driftssentralfunksjoner eksempel Hafslund Planlagte arbeider i nettet Overvåkning og styring Driftskontrollsystemet Værvarsel, lynweb Håndtering av driftsforstyrrelser Lokalisering og isolering, innkobling av friskt nett Mannskapslogistikk, flåtestyring Reparasjon Informasjon om driftsforstyrrelsen s.9
Hva gjør driftssentralen i løpet av ett år (Hafslund 2010) Telefoner Besvarte kundehenvendelser 23 500 stk Gjennomsnittlig ventetid 23 sek Driftstelefoner 100 500 stk Journaler R-nett 548 stk Høyspenning D-nett 1 281 stk Lavspenning D-nett 4 057 stk Veilys 218 stk Tele/kabeltv 583 stk Påsettinger av stengte anlegg 112 stk Antall koblinger ca. 80 000 stk / 220 pr.dag
Tilstøtende aktiviteter - Hafslund Driftskontroll nett og produksjon Samband Fjernkontroll SCADA-systemet Talesamband Feilanalyse FASIT feil- og avbruddsstatistikk Behandler og analyserer informasjon om feil og avbrudd som støtte for investeringsbeslutninger Kvalitet og leveranse fra beredskapsentreprenørene følges opp Skadebehandling Fjernvarme
Arkitektur/kontrollhierarki en utfordring Sentralisert versus desentralisert Filtrering Visualisering Validering-aksjon/kvittering fra operatør på driftssentralen Validering-aksjon/kvittering fra mobilt personell 05.11.2014
Scenario elementer Økt system kompleksitet Siden smart grid er et system av systemer med et økende antall systemer, interaksjoner og data, vil systemets samlede kompleksitet øker Det er en utfordring for neste generasjons driftssentraler å utforme et robust kontrollhierarki slik at driftssentralpersonell inngår i reguleringssløyfen med tilstrekkelig situasjonsforståelse og muligheter for styring og kontroll. 13
Produksjon Sentralnett Marked EMS Kontrollhierarki integrasjonsarkitektur DMS SCADA DMS NIS KIS ERP Distribusjon V e r n Nett automatisering Trafostasjons automatisering MV linje automatisering Nettstasjons automatisering Feltløsninger/Apper Kunde Smarte måling Laststyring 2014.11.05
Eksempel på arkitektur Masterdata for nettdokumentasjon og nettdrift et viktig element. (Selskap i Canada: Ikke lov å spenningssette anlegg før dokumentasjonen var på oppdatert) Kilde: Poweldagene 2013 2014.11.05
Smart grid domener Smart grid soner/ kontrollhierarki Sentrale IT systemer Nettselskap (DSO) Storskala Produksjon Sentralnett Landssentral Region sentral Marked Data Hub Regionalnett S t y r i n g SCADA Distribusjon MV Distribuert produksjon MV Energilagring Smarte nettstasjoner Ladestasjoner EV LV Distribuert produksjon LV Energilagring Kunder/ Plusskunder/Smarte hus Kommunikasjon V e r n Nett automatisering Trafostasjons automatisering MV linje automatisering Nettstasjons automatisering Smart måling Mikronett Kommunikasjon DMS NIS MDM/KIS ERP Flåtestyring I n t e g r a s j o n e r Kommunikasjon Last/produksjon/ Energilagring/EV Home automation Mobile løsninger/ verktøy Apparater Styring av smarte apparater 2014.11.05
Smart grid domener Smart grid soner/ kontrollhierarki Sentrale IT systemer Nettselskap (DSO) Storskala Produksjon Sentralnett Landssentral Region sentral Marked Data Hub D S O Regionalnett Distribusjon MV Distribuert produksjon MV Energilagring Smarte nettstasjoner Ladestasjoner EV LV Distribuert produksjon LV Energilagring Kunder/ Plusskunder/Smarte hus Last/produksjon/ Energilagring/EV Kommunikasjon V e r n S t y r i n g Nett automatisering Trafostasjons automatisering MV linje automatisering Nettstasjons automatisering Smart måling Home automation Mikronett Kommunikasjon SCADA DMS NIS MDM/HES (KIS) ERP Flåtestyring Mobile løsninger/ verktøy C I M I n t e g r a s j o n e r Kommunikasjon Apparater Styring av smarte apparater 2014.11.05
Scenario element Regelverksutvikling: ENTSO-E Draft Network Code for Operational Security Relevante sanntidsdata som skal utveksles mellom nettselskapene og TSO: a) faktiske topologi; b) aktiv og reaktiv effekt pr. avgang; c) aktiv og reaktiv effekt i pr. transformatoravgang d) aktiv og reaktiv effekt fra kraftproduksjon e) aktiv og reaktiv effekt uttak og injeksjoner fra eventuelle underliggende DSOer f) trinnkoblerstillinger g) samleskinne spenninger h) reaktiv effekt i reaktorer og kondensatorbatteri Eksport av data fra DSO SCADA og DMSsystem forventes å øke drastisk basert på dette kravet. Topologiinformasjon eksport kan være mer komplisert enn eksporten av rene måledata. 18
DSO-rollen- DMS Distribuert produksjon vil påvirke driftssentralen Kilde: Pilo, F. ; Pisano, G. ; Soma, G.G. Optimal Coordination of Energy Resources With a Two-Stage Online Active Management, IEEE Transactions on Industrial Electronics, Volume: 58 Issue: 10 05.11.2014
Et sentralt spørsmål for fremtidens driftssentral er fortsatt: Hvilke prosesser i selskapet er 24/7 d.v.s. tidskritiske?
21 Det europeiske Smart grid-konseptet (Mandat 490)
Referansearkitektur (forts) Business Layer Function Layer Outline of Usecase Interoperability Information Layer Communication Layer Subfunctions Data Model Data Model Protocol Protocol Market Enterprise Component Layer Operation Generation Transmission Distribution Domains DER Customer Premise Process Field Station Zones
23
"Driftssentraler" i driftssentralen Driftssentral for regionalnett Driftssentral for storskala produksjon (typisk tilknyttet regionalnett) Driftssentral for fjernvarme Driftssentral for høyspennings distribusjonsnett (MV) Driftssentral for lavspennings distribusjonsnett (LV) Driftssentral for distribuert produksjon (MV, LV og plusskunder) Driftssentral for laststyring hos kunder (HV, MV, LV) Driftssentral for mikronett inkl optimal utnyttelse av energilagring Driftssentral for overvåking og styring av kommunikasjonsnettet Driftssentral for måleverdiinnsamling (timesmålinger m.m.) Driftssentral for håndtering av elbil-lading Driftssentral for overvåking av spenningskvalitet Driftssentral for overvåking av tilstandsdata (nettforvaltningsdata, målinger i nettstasjoner m.m.)) Driftssentral for autoregistrering av kunder og registrering av smart utstyr hos kunder
Litt fra PhD/Post doc Demand response interface med smart hus 05.11.2014
HEMS Logical Reasoning Structure Power usage change request - Energy - Power - Reward - Penalty - Comfort guarantees - Comfort - Freedom Electricity prices Weather condition States of energy entities Electricity contracts Electricity usage plans Cost budget Well-being specifications Dynamic variables Constraints Energy Management - Goals - Policies - Reasoning Procedure K. Dittawit, F.A. Aagesen 28 ISGT-Europe 2014, Istanbul, 12-15 17.06.2014 Oct
DSM based on Consumer-Centric Load Control (CLC) CLC Contract - Power Pricing Model - Well-being contract Consumer - Energy Pricing Model Energy Contract with ESP - Electricity Usage Plans - Well-being specifications (freedom and comfort) - Cost Budget DSO 1) Power limit = 10kW, duration = 1 hour 7) OK 8) Deduct contracted amount from consumer s bill Meter 2) Relay request 6) OK 5) turn off Heater in bathroom 2 Constraints HEMS 3) Decide 4) Turn off Heater in workroom External Variables - Electricity Prices - Weather Conditions - etc. HEMS must be trusted by both the consumers and power utilities Consumers: Optimize cost and maintain their well-being Utilities: Lower power usage when required and applicable K. Dittawit, F.A. Aagesen 29 ISGT-Europe 2014, Istanbul, 12-15 17.06.2014 Oct
Case study results Peak load reduction In the observed case, CLC created lower rebound effect. This depends largely on the chosen controlled devices CLC may result in greater peak load reduction (depends on HEMS decisions) (Base) (DLC) (CLC) K. Dittawit, F.A. Aagesen 30 ISGT-Europe 2014, Istanbul, 12-15 17.06.2014 Oct
Korttidsprognosering 31 17.06.2014
Modellering av last i 24-timers løpende prediksjoner Typiske inngangsdata: Historisk last Historisk temperatur Værvarsel Lineære og ikke-lineære autoregressive modeller Siste ukes vær og forbruk gir mye informasjon om morgendagen distribusjonsnettet Automatisk rammeverk for tilpasning og utvelgelse av modeller Rammeverket kan blant annet vekte observasjoner fra tilgjengelige værstasjoner
Eksempel transmisjon og distribusjon Preprosessering: karakteristisk ukes- og døgnvariasjon filtreres ut Prediksjon med forskjellige modeller Observert last i blått, filtrert last i grønt Observert last i blått, prediksjoner med forskjellige modeller i rødt, grønt og lilla
Månedsprognoser med utfallsrom Neste måned heller enn bare 24 timer Sannsynlighetsfordeling heller enn bare gjennomsnitt Forutsetter fullt utfallsrom for værvarsel, ikke bare gjennomsnitt Primære drivere for last: Samme periode tidligere år (viktigere enn foregående uke) Vær og temperatur Last Temperatur Ikke-lineært forhold mellom temperatur og last: Både høy og lav temperatur kan medføre høy last Treghet i systemet avhengig av bl.a. geografi og demografi
Illustrasjon / preliminære resultater Før: ett værvarsel gir en lastprediksjon Snart: Mange værscenarioer gir utfallsrom for last.
Pålitelighet: Kraftnett-IKT 36 17.06.2014
Background Power Grid depends already strongly on ICT Reliability analysis in power grid has traditionally not included state of ICT Empirical studies show already strong dependencies in current grid Analysis of PG disturbances in US (1979-1995): problems in real-time monitoring and operating control system, communication system, and delayed restoration contribute to a very high percentage of large failures Z. Xie, et al., An information architecture for future power systems and its reliability analysis, IEEE Trans., 2002. Analysis of large blackout in US 2003: Independent failures in ICT and PG that amplified each other. Andersson, et al. Causes of the 2003 Major Grid Blackouts in North America and Europe, and Recommended Means to Improve System Dynamic Performance. IEEE Trans. Power Systems, 2005 Blackout in Italy 2003 Catastrophic cascade of failures in interdependent networks, Nature, 2010.
Objective and Research Goals Study how dependability of the power grid changes with the introduction of smart grid technologies and propose operational support mechanisms for control center to detect and master new faults and failures. 1. Create a framework for the dependability and survivability analysis of the smart grid 2. Analyze future challenges regarding dependability and survivability 3. Create operational support mechanisms covering the new challenges for the control center of the smart grid
Results Overview Interdependency Modeling in Smart Grid and the Influence of ICT on Dependability Jonas Wa fler and Poul E. Heegaard, Published: August 2013 Advances in Communication Networking, 19th EUNICE/IFIP WG 6.6 International Workshop, Chemnitz, Germany A Combind Structural and Dynamic Modelling Approach for Dependability Analysis in Smart Grid Jonas Wa fler and Poul E. Heegaard; Published: March 2013 Proc. 28th ACM Symposium on Applied Computing (SAC), Coimbra, Portugal Structural Dependability Analysis in Smart Grid under Simultaneous Failures Jonas Wa fler and Poul E. Heegaard Published: October 2013; Proc. IEEE Smart Grid Communications (SmartGridComm), Vancouver, Canada Quantifying Survivability Contributions of Strategies and Network Properties during Repair from Simultaneous Failures in Smart Grid Jonas Wa fler and Poul E. Heegaard; Published: tbd Draft Version
System Description and Modeling Power grid modeled as undirected graph Links e ij : connection in this grid level Assumed power model: Each node n i has an assigned consumption c i Some nodes have assigned production capacity p i Network based on regional grid in Norway (66 kv 132 kv) Incident Simultaneous node failures (random/ intentional)
Contribution of Smart Grid to Dependability Demand Response 10 power sources Demand Response (DR) Consumption of customers can respond to production Reduce load increase number of alive nodes DR potential: Balancing: no DR Connectivity: 100% DR 40 power sources 20% reduction realizes ~50% of DR potential Potential depends on ratio (total production capacity)/(total consumption)
Contribution of Smart Grid to Dependability DER and Microgrids 10 power sources 40 power sources Distributed energy resources (DER): Medium and small power sources located at any level in power grid Increase number of nodes with attached power production increases dependability Microgrids Enabling islanding of subgrids May realize the potential pointed out by structural dependability analysis