Hvilken rolle spiller nettkvalitet i det grønne skiftet, og hvordan kan bruk av nettkvalitetsmålinger spare energiprodusentene for millioner av kroner?
I samarbeid med IKM Instrutek har vi vært så heldige å få besøk av Johan Stenfeldt fra Metrum i Gøteborg til Elsikkerhetskompetanse 2019. Stenfeldt er elkraftingeniør og ekspert på nettkvalitet. På fagsamlingen snakket han om blant annet betydningen av nettkvalitet, målestrategi og valg av måleutstyr.
Tom Erik Jonberg - Nettselskapenes utfordringer når....pptx
ELKOMP 2019: Nettkvalitet - Johan Stenfeldt, Metrum (SE)
1. SMART POWER QUALITY
FOR SMART GRIDS
Intelligent measurement systems for energy and power quality
2. Nya teknologier i elnätet…
…leder till ökat behov av övervakning och kontroll
3. Du är här
www.metrum.seKorta fakta om Metrum Sweden AB
Grundades 2004
Säte i Göteborg
100 % svenska produkter
100 % mätklass A elkvalitetsinstrument
Nyckelord
• Användarvänlighet
• Leverera svar, inte frågor
• Class A instrument med högsta mätnoggrannhet
• Kompetenspartner inom elkvalitet
4. Exempel på följder av dålig elkvalitet
Power Quality losses in Europe cost
more than 25 Billion Euro annually*1
More than 90% of these losses are in
the industry sector. *2
1) Targosz, R.; Manson, J. Pan-European Power Quality
Survey. In Proceedings of the 2007 9th International
Conference on Electrical Power Quality and Utilisation,
2) Beleiu, H.G. Technical and Economic Implications of a
Poor PQ to Consumers; Technical University of Cluj-
Napoca: Cluj-Napoca, Romania, 2011
Harmonic mitigation can result in roughly a 15% Capital
Expenditure (CAPEX) reduction and a 10%
Operational Expenditure (OPEX) reduction.
The negative impact of harmonics may not be immediately evident, but
over time can result in increased
power demand, system loss, and shorter equipment lifetimes.
Rockwell Automation, Sept 2015
http://literature.rockwellautomation.com/idc/groups/literature/documents/
wp/power-wp002_-en-p.pdf
“Life time on electrical equipment can
be reduced by 50% due to harmonics
Case study show the heat caused by harmonics,
10 degree up/down, can halfen/double the life
time of for example a transformer.
Harmonizer Power Quality Consulting
5. Kostnadsbesparing med god elkvalitet (ROI)
“1 Mkr besparing/år genom undvika
effekttoppar med hjälp av
elkvalitetsmätning”
Högnäs Energi sparar 1 Mkr/år genom att
effektvisualisera och prognostisera effekttoppar med
hjälp av Metrum Power Monitor. En investering på
totalt ca 200 Tkr (ROI ca 2 mån)
Metrum/Höganäs Energi referens case 2013
http://metrum.se/pages/hoganas-energi.html
“7 procent effektivisering i järnvägsnätet, 20
GWh/år, ca 10-15 Mkr i sänkta energikostnader
bara i Skåneområdet”
Trafikverket använder Metrums elkvalitetsmätare och
applikationer för fasvinkelmätning och ser totala besparingar
på 100 Mkr/år i Sverige.
Metrum/Trafikverket referens case 2015
http://metrum.se/pages/trafikverket.html
“1 Mkr besparing/år genom undvika
produktionsstopp pga av korta spänningsdippar”
Stort tillverkande företag i södra Sverige identifierar orsaken
till produktionsstopp genom elkvalitetsmätning. Stopp som
sker 3-4 gånger per år och kostar 200-300 Tkr/gång. Investering
elkvalitetsmätningsutrustning 200 Tkr (ROI ca 2 mån)
Metrum kundintervju
6. 0 20 40 60 80 100 120 140 160 180 200
Chemical
Semi-conductors
Automotive
Metal
Wood
Textile
Food
Plastic
Cost in 1000 Euros
• Source : Andersson, T.; & Nilsson, D. (2002). Test and evaluation of voltage dip immunity. STRI AB and Vatenfall AB 27, November
2002.
Uppskattning av ekonomisk förlust vid snabb
spänningsänkning
7. Varför elkvalitet – nyttor
Sov gott om natten
Nöjda kunder
Minska tiden för felsökning
Möjlighet att minska
energiförluster
Upptäcka begynnande fel i elnät
Kontroll mot gällande föreskrift
(EIFS 2013:1 / FoL2014)
Discover problems before they become a real problem!
8. Mätteknik varierar med orsaken till mätinsats
Anledningen till att genomföra en mätinsats
beror främst på:
Kundklagomål
Kontroll av lagefterlevnad och uppfyllande av gällande föreskrifter
Störningar i det egna nätet
Kontroll av dimensionering
Planeringsnivåer /nyanläggning
Behov av statistik för nätplanering och driftoptimering
9. Permanent mätning vs portabel
Permanent mätning
Förebyggande mätning
En klar bild av hur nätet ser ut vid normalläge
Statistik om trender och förändringar över längre tidsperioder i elnätet
Kontroll över tid om uppfyllnad av aktuell föreskrift (i prioriterade punkter)
Mätdata finns alltid tillgänglig vid inträffade fel
Ger minimerade felsökningstider & effektivare arbetssätt
Högre servicegrad gentemot kunder
Portabel mätning (punktinsatser)
Felsökande mätning
Kontroll av uppfyllnad mot aktuell föreskrift (leveranspunkt)
Specifik insats för andra ändamål
10. PQMS – from past until today
1980 1990 2000 2018
1st Generation
• Very basic non-recording
instruments like voltmeters
etc were used
• First recording portable
power quality analyzers were
introduced
2nd Generation
• Fixed installed power
quality instruments (PQI)
and PQMS
• Power quality analyzers
based on IEC 61000-4-30
Class A were introduced
• ”Black-box” focus – mainly
historical analysis
3rd Generation
• Machine Learning / Artificial
Intelligence (AI) / Pattern
Recognition
• Faster and more correct error
identification
• Proactive maintenance
• Integrated solutions
13. Standarder och föreskrifter – från mätning till analys
ELNÄTET
Mätinstrument
Analys och rapport Spänningskvalitet
Mätinstrument standarder
IEC 61000-4-30, Class A
(referensinstrument)
IEC 62586-1/2, PQI-A
(produktstandard)
Spänning Ström Generella ingångar (temp. etc)
EIFS 2013:1
ZS 387
NRS 048
FoL
Etc…EN 50 160
14. Ansvar för kvalitet – vid störning
Gränssnitt vid störning – mätning i utbytespunkter viktigt
Källa: Energimarknadsinspektionen
EIFS 2013:1
15. Exempel elnätet
ELNÄT130/10 kV
10/0.4 kV
TRANSFORMATOR
STATION
NÄT-
STATION
10/0.4 kV
Lågspänningsfördelning
Industri
10/0.4 kV
Sjukhus
NÄT-
STATION
NÄT-
STATION
Överliggande regionnät
Laddstolpe
elbilsladdning
Småskalig
elproduktion
PV / Solceller
16. Exempel: Trippelövertonsfenomenet – 3:e, 6:e, 9:e, 15:e ….
L1∆
L2∆
L3∆
L1Y
L3Y
L2Y
Resultat: Summan av all trippelövertoner samlas och summeras i neutralledaren.
Risk:
• Överbelastning och överhettning i
neutralledaren.
• Cirkulerande strömmar i
transformatorns deltalidning.
17. Metrum Nätstationsövervakning
- En framtidssäkrad heltäckande lösning!
Bakgrund och nytta med kontinuerlig nätstationsövervakning
Nätstationsmätning med Metrum SC instrument
Metrum Sweden AB
18. Svenska elnätsbolag som använder storskaligt PQMS
Umeå Energis elnät
sträcker sig 300 mil och når
56 000 kunder.
Total > 800 PQI Total > 550 PQI
Nacka Energi distribuerar el till
ca 28 000 abonnenter.
Total > 600 PQI
19. Nacka Energi – DNO
• PQI-A (Power Quality Instruments)
at all Voltage Levels
All primary HV-substation transformers (HV)
All MV-feeders (MV)
All secondary substations (LV)
Total > 550 PQI-A
+ System integration
Metrum PQMS integrated with dpPower (Operator)
and CS Transmission
+ Turn-key solution
Future secured measurement solution
PILOT/TEST UTVÄRDERING STRATEGISK
UTBYGGNAD
PQ140
PQ110SC
21. Uppfyller klass A i enlighet med
gällande norm och kan därmed
användas som referensinstrument.
Lämnar färdiga rapporter enligt EIFS
2013:1 eller FoL
Kontinuerlig mätning av långsamma
och snabba spänningsvariationer (
sag, swell samt övertonsinnehåll
Belastningsmätning –effekt och
energi, onoggrannhet 0,1%.
Rapport genereras direkt i
instrumentet. Färdig att läsa via
display eller direkt efter nedladdning
SC – permanent/fast elkvalitetsinstrument för nätstationsövervakning
23. Bakgrund och nytta med nätstationsmätning
Energimätning
Ökad kontroll över förlustenergi i elnätet
A. Energimätning i mottagnings- och fördelningsstationerna.
B. Energimätning i nätstationerna (10kV/400V).
C. Energimätning i samtliga uttagspunkter i distributionsnätet.
I och med införandet av AMR-system så sker kontinuerlig mätning av energi
idag för område C.
Metrum erbjuder intelligenta fasta mätinstrument och
system för löpande mätning av energi- och elkvalitet för
både område A och B.
För att erhålla en kontrollerad bild över förlustenergin i
elnätet krävs energimätning på olika strategiska punkter i
distributionsnätet. Förslag på strategiska punkter är:
24. Bakgrund och nytta med nätstationsmätning
Fördelar med energimätning i
nätstationerGenom att komplettera med nya mätare i nätstationer for såväl energi- som
elkvalitetsmätning kan förluster löpande beräknas mellan inmatad energi till ett
distributionsområde och hela vägen till slutförbrukare.
Att utöver energimätning även mäta elkvalitet ger möjligheten att få ytterligare
information om vad som orsakar eventuella energiförluster inte enbart att se
mängden energi som förlusten utgör.
Naturliga energiförluster
Tomgångsförluster, belastningsförluster hos transformatorer, ledningsförluster m.m.
Icke naturliga energiförluster
Eltjuvar, felkopplingar, avtalslösa kunder, mätare som ej fungerar korrekt m.m.
En mer kontrollerad bild av de naturliga förlusterna erhålls med
energimätning i nätstationer. Det kan även vara mycket informationsrikt
med energimätning i nätstationer då upptäckten av onaturliga förluster
kan öka, vilket leder till att åtgärder lättare kan planeras och vidtas.
25. Bakgrund och nytta med nätstationsmätning
Enklare att följa upp nätstationernas belastning
Uppnå en bra och jämn transformatorbelastning
Erhålla en mer kontrollerad bild över den reaktiva effekten
Bättre beslutsunderlag med mätvärdesstatistik och
momentan avläsning
Ökad kontroll över
belastningsutvecklingen/förbrukningsutvecklingen
Fördelar med kontinuerlig effektkontroll
Elnätsbolag utför kontinuerligt planering av elnät vilket syftar till att effektivisera
elnätets användning och utbyggnad av elnät. Nätplanerarna skall identifiera
behovet av förstärkningar och utbyggnader i elnät samt hantera
koncessionsfrågor beträffande eldistributionsanläggningar.
Planeringsingenjörerna skall säkra en hög leveranskvalitet och leveranssäkerhet.
Mätning i nätstationer ger en rad fördelar även för nätplanering.
26. Bakgrund och nytta med nätstationsmätning
Drift och övervakning av elnät
Driftavdelningen har till uppgift att övervaka och ansvara för elnät dygnet runt.
Driftprocessen planerar, genomför och följer upp elleveranser till elnätbolagets
kunder. Därmed ser processen till att elleveranserna i nätet effektiviseras och
säkerhetsställs på ett tillfredställande sätt.
Driftprocessen inkluderar såväl leveranskvalitet som elkvalitet i elnätet.
”LSP SCADA” – kontinuerlig störningsanalys i lågspänningsnät
Ökad information om korta avbrott och störningar (t.ex. spänningsdippar)
Ökad information gällande omkopplingsmöjligheter
Bättre kundbemötande genom en effektivare avbrottsplanering
Bättre planering av reservkraftaggregatförsörjning
27. Bakgrund och nytta med nätstationsmätning
Nyttor med elkvalitetsmätning i nätstationer
Om mätaren i nätstationen är av klass A, enligt IEC 61000-4-30, utgör den
grunden for noggranna elkvalitetsmätningar. Det är den enda väl definierade
mätmetoden som gör att mätinstrumentet kan användas som
referensinstrument och krävs även för rapporter i enlighet med EIFS 2013:1.
Hög leveranskvalitet och leveranssäkerhet
Effektivare störninganalys genom att lättare kunna avgöra felets
ursprung (uppströms/nedströms)
Snabbare och bättre kundbemötande genom lätt analyserad
störningsinformation
Effektivt eliminera övertoner för att reducera störningar på nätet
Bättre belägg gällande bevisbörda
Minskade förluster (genom summaövervakning med koppling till energimätarsystem)
Verktyg för nätplanering. Förbättrad information om elkvalitet vid
anslutning av småskalig produktion eller ombyggnader i nätet (med tillgång
till historisk data upptäcks kan lokala variationer spåras).
Avbrottsstatistik
Underlag till tariffanalys genom detaljerad bild över kundernas
konsumtionsmönster
28. Utvalda nyttor som nätbolag konstaterat…
Vi kan bevaka hur mikroproduktion, laddinfrastruktur, nya uttagsmönster etc påverkar oss
Vid kundklagomål, särskilt från processindustri med känslig styrning och system, är historik
och att mäta över tid värdefullt
Förändrad nätbild t.ex. när stationer ska byggas om eller nätet ska byggas ut, så ser vi nytta
med mätningar i realtid, statistik samt bra kunskap om nätets elkvalité
Vi slipper åka ut för att göra den årliga avläsningen av transformatorers maxlast (10/0,4 kV)
Lättare att lokalisera fel. Vi kan få en karta som visar rött/grönt över nätet vid fel. Hjälp både
för drift och kundtjänst
Ger förbättrad analys och mätdata för olika ”problemområden” som t.ex. industri,
förnyelsebara energikällor, svaga nät, bostäder (värmepumpar mm), datacenter osv
31. Metrum PQDIF Import Service
Metrum IMUs
Power Quality
Meters
Specified vendors
METRUM
SERVER
MS SQL Server
Communication
METDAC
MULTIPLE
PORT
SERVICE
PQMS
Metrum IPQMS
METRUM IMPORT
MODULE
Energy-, Power and Power Quality Analysis
PQDIF-File Push
(from PQ-meter)
PQDIF-
Files
32. Ex. Nätstationsmätning med systemintegration till
NIS system.
MACTOR
(Metrima)
METDAB
(Metrums server)
METEX
Metrum SC
ME-145
(terminal)
EXPORT
XML-format
IMPORT
Metrums automatiska
importtjänst
Metrum PQ Controller DB
- Klientprogramvara för
analys av insamlad data
Datafiler (XML-format)
placeras löpande på
definierad nätverksenhet
och läses kontinuerligt in
via METEX.
33. Metrum Sweden AB
Research and solution for proactive
maintenance through pattern
recognition – using power quality data
for automatic trend analysis forecasts.
34. Example: Forecasted voltage alarm –
enabling proactive maintenance…
PQMS – PQ4CAST
How is this possible?
AI & Pattern Recognition is already a booming field…
”So why not apply it on the Electrical Grid?”
35. AI is the future… but how can it be used already today?
R&D Project EPR - European Pattern
Recognition
Renewable energy impact
2016 - 2018
PhD Peter Axelberg, Metrum Board Member
Dean University, PhD Power Quality
30+ years experience of power quality.
36. R&D Project EPR - European Pattern Recognition
Renewable energy impact
2016 - 2018
Project Work Packages
WP 1 Project Management (Metrum, Swe)
WP 2
Proactive
Maintenance
through
Pattern
Recognition
(Metrum,
Swe)
WP 3
Power
Consumption
Studies
through
Pattern
Recognition
(Embriq, No)
WP 4
Local Energy
Systems –
Micro Grids
(Glava, Swe)
WP 5
Power
Regulation by
Voltage
Control
(Mälarenergi,
Swe)
WP 6
Hosting
Capacity
(STRI, Swe)
WP 7
Inertia
Support
(Enerjisa,
Turkey)
WP 8 Dissemination – Knowledge Community (Glava, Swe)
37. “By developing advanced
measurement technology and
adaptive control algorithms, energy
storage in the grid will be more
profitable and contribute in a larger
scale to the stability and optimal use
of the power grid. Combined with
new business models and innovative
billing solutions, ACES aims to
trigger wide-scale deployment in the
grid, a critical success factor for the
transition to 100% renewable
energy.”
ACES: Adaptive Control of Energy Storage
Artificial intelligence in the power grid
Leading partner
• Metrum (SE), power
quality systems &
knowledge provider
Partners
• Fraunhofer IFF (DE),
research institute
• Rejlers Embriq (NO), data
systems and services
• Insplorion (SE), Innovative
battery health sensoring
• MINcom Smart Solutions
(DE), innovative billing
solutions
• RISE (SE), research institute
• Glava Energy Center (SE),
innovation center
Observers
• Krebs Engineers (DE)
• VänerEnergi (SE)
• InnoEnergy (SE)
• ABB (SE)
• Västra Orust Energi (SE)
www.acesproject.eu
38. • On basis of limited
data
• Simplification and
margins
• Risk for
unnecessary
limitations
• Include
measurement
values when
calculating the
hosting capacity
• Pattern recognition
predicts future
trends and takes
them into account
HOSTING CAPACITY
Method for more renewable energy in the grid
FUTURETOMORROWTODAY
39. Selection of AI-solution
Machine Learning
Big data
Expert System
AI
Pattern Recognition
Machine Learning is a central part of AI using algorithms (SW) that solves a specified
task by being trained with historical data.
Robotics
40. Pattern Recognition – 4 steps…
CLASSIFIED OBJECTS (TRAINING
DATA)
• V, I
• Harmonics
• RMS values
• Peak values
• RoCoF
• …
a0
a1
a2
a3
a4
an
SUPPORT VECTOR
MACHINE
a0
a1
a2
a3
a4
an
Bush!
DATA
ACQUISITION
PRE-CONDITIONING FEATURE EXTRACTION ANALYSIS
SUPPORT VECTOR
MACHINE
CLASSIFIED OBJECTS (TRAINING
DATA)
3-phase
fault!
41. Features
Features
Weight:
Circumference:
Colour #:
Banana
110 g
12 cm
22
Citrus
130 g
18 cm
18
Apple
120 g
22 cm
10
The most important task: To define powerful features (attributes) that distinguish one object from another
Example: A ML-algorithm to select objects:
Banana, Citrus and Apple
Classification is the ability of a ML algorithm to decide to which class an
unknown test object belongs to
43. Hyperplanes & Result
Uses large number of pre-classified training data.
Features are extracted from the training data and placed in the n-
dimentional input space.
The classifier decides the type of disturbance (class)
by calculating the optimal separating hyperplane.
Only two
hyperplanes
needed to
decide that the
object in this
case is a banana
(effective
solution)
44. Example using ML Classification
Dist.
Type
Disturbance type
description
# of disturbances
originated from
Power Grid A
# of disturbances
Originated from
Power Grid B
# of
disturbances
originated from
synthetic
generated data
D1 One faulty phase 141 475 225
D2 Two faulty phases 181 125 225
D3 Three faulty
Phases
251 196 223
D4 Two faulty phases
with one phase more
affected
127 67 250
D5 Transformer
energizing
214 0 250
Disturbance types
45. Example using ML Classification
Power Grid A Power Grid B Synthetic data
SVM
Training data
Test data
D1 D2 D3 D4 D5 NC Detection
rate
One Phase Fault (D1) 137 0 2 1 0 1 97.2 %
Two Phase Fault (D2) 0 154 16 0 0 11 85.1 %
Three Phase Fault
(D3)
10 1 232 0 0 8 92.4 %
Two faulty phases
with one phase more
affected (D4)
4 1 1 121 1 0 95.2 %
Overall detection rate: 92.5 %
46. Regression
Regression is the ability for a ML algorithm to discover a trend in
a datastream (data fitting) based on historical data
Prediction & Regression
47. Verified forecast result from simulations
Simulations made using
collected measurement data
and Python.
Voltage (RMS) Trend
Harmonics (5th) Trend
49. Overview of PQMS forecast solution
Example: Forecasted voltage alarm –
enabling proactive maintenance…PQMS – PQ4CAST
50. PQX3-FR Power Quality Fault Recorder
19” Rack Instrument for Class A PQ & Fault Recording Applications
51. PQX3-FR Multiple Measurement Applications
POWER QUALITY DATA
FAULT RECORDER
DATA
ENERGY DATA
PHASOR MONITOR DATA
52. New applications using multiple current inputs…
PILOT/TEST UTVÄRDERING STRATEGISK
UTBYGGNAD
Example of possible solutions:
Transformer measurement plus several
outgoing MV-feeders
Combined optimized measurements
using both relay & measurement CTs
NEED
- Our electrical grid is introduced with new technologies every day, new challenges.
For example renewable energy production, such as windmills and solar panels. Earlier the production came from one source, e.g. nuclear or hydro, but now production is local, everywhere. Secondly on the consumption side, electrical vehicles and smart homes.
The grid is facing challenges with energy losses, which cost money.
New electrical equipment is actually more sensitive for disturbances in the grid.
Large industrial companies facing problems with downtime, production stop, due to electrical failures.
Life time of electrical equipment, transformers or expensive manufacturing equipment can be halfen due to bad power quality.
Last but not least, power quality regulations are implemented, legally making this topic important.
Kundnyttor
Få kontroll över ditt elnät så att du slipper oroa dig om natten
Med mätning får du information att förmedla till din kund när de ringer
Hitta källan till problemet genom att följa händelser genom ditt nät samt analysera störningen
Med information om trender och laster kan du underhålla ditt nät innan problemen uppstår – förebyggande underhåll
Priority levels of fixed monitoring
Main HV substations (delivery points)
MV/LV Substations (Industrial areas, Renewable energy sites, end points of electrical grid etc)
LV delivery points (Large industrial plants and expected problem areas)
Algoritmen består av formler till det multidimensionella hyperplanen som är gränsen mellan olika klasser. Här visas enbart tre dimensioner, men det kan vara många fler.
Algoritmen tränas genom att stoppa i ett antal objekt som man redan känner till.
Därefter kan den klassificera ett testexempel, och förbättrar sig själv samtidigt genom att ta med resultatet från det testexemplet inför nästa testexempel.
STRI utvecklar en metod för att bedöma möjligheter för att ansluta förnybar energi i ett visst elnät. Inom vårt projekt testar de hur mer mätning kan öka möjligheterna för integration av mer förnybar. Och resultaten visar tydlig att mer information ger mer utrymme: marginaler kan minskas när man har koll. Som sista steg vill vi utveckla prognostisering med mönsterigenkänning för att kunna bedöma framtida begränsningar.
Cases: kollar i 3 punkter i ME’s nät. Detta är ett punkt. Case: överspänning. 1: 5% överspänningsmarginal, ingen mätning. 2a: mäter på inkommande trafo, fördelar om utgående ledningar och beräknar spänningsfallet. 2b: mäta på utgående facket. 3: mäta spänning nära kunder på utgående nätstation, max värde. 4-5: kolla tidsserier: 4: spänning över ett dygn, max solproduktion. 5: faktisk uppmätt solproduktion. Slutsats: mäta ut i nätet leder till mycket stark extra kapacitet. Spänning är enklast att mäta.
Annan sak att nämna: vi har jämfört: här tittar man på 100%, på sekund nivå, absolut värsta värdet. Går man till 10-min värde eller 95% max värde så kan man även öka kapaciteten ytterligare. Prata på att mäta på 10kV sida av en trafo, inte hos kunder hemma.
Mönsterigenkänning: vidareutveckla detta med mönsterigenkänning för att förutse hur värden utvecklar sig i framtiden.
Med endast två tester mha avgränsningsplan 1 och 2 klarar ML-algoritmen av att klassificera testobjektet (röd prick) och besluta att objektet är en banan! ML-algoritmen är generellt mycket snabbare, effektivare och ger ett mera noggrant resultat än motsvarande tester utförda av en traditionell programvara uppbyggd av klassiska programmeringssatser så som IF, IF ELSE osv.