Digital tvilling for storskala demonstrasjonsprosjekt vedrørende intelligente distribusjonsnett

Abstract

Denne masteroppgaven er skrevet i tilknytning til forskningsprosjektet “Intelligent distribusjon av elektrisitet” (IDE), der nye teknologier demonstreres som alternativ tiltradisjonell nettforsterkning i distribusjonsnett med spenningskvalitetsproblemer. Målet med denne masteroppgaven er å utvikle en digital tvilling som simulerer tilstanden i nettet så nøyaktig som mulig, og dermed kan benyttes til å identifiserebrudd på Forskrift om Leveringskvalitet (FoL).

Som følge av utrullingen av AMS-målere for alle norske strømkunder, åpnes det nye muligheter for å anskaffe og anvende informasjon om den elektriske tilstanden i lavspentnettet. Dette kan blant annet være nyttig for å identifisere brudd på FoL i nett med spenningskvalitetsproblemer. For å best mulig gjenspeile de usymmetriske forholdene som kan oppstå i svake nett, er det behov for en digital tvilling som benytter AMS-data og usymmetriske lastflytberegninger som verktøy.

I forbindelse med arbeidet med utvikling av en usymmetrisk lastflytmodell som benytter AMS-data, oppstår en utfordring knyttet til estimering av ukjente verdier. Informasjon om sammenhengen mellom lastenes fasetilknytning i nettet og fordelingen av last mellom fasene er ikke tilgjengelig fra AMS. Denne rapporten har derfor to del-leveranser som er sentrale for å realisere en digital elektrisk tvilling som kan simulere usymmetriske forhold i distribusjonsnettet:

• En digital tvilling som benytter AMS-data og usymmetriske lastflytberegninger er implementert i Python. Herunder er det implementert en metode for estimering av lastfordeling mellom fasene, ettersom kun sum last er tilgjengelig fra AMS-målere. Tvillingen er testet på et case-område med spenningskvalitetsproblemer.

• Ulike metoder for identifisering av faserekkefølge basert på AMS-data er implementert og testet på et datasett. Metoder basert på PCA og k-means clustering er implementert i Python og kan benyttes som verktøy for å estimere faserekkefølgen i et nett ut ifra tidsserier av spenningsverdier fra AMS.

To av metodene for faseidentifisering gir tilnærmet identiske faserekkefølger. Resultatene av lastflytanalyser med disse faserekkefølgene er også tilnærmet identiske for demo-caset, med kun 0,9 V avvik mellom simulerte og målte linjespenninger i den svakeste delen av nettet. Gitt forutsetningene og begrensningene i datagrunnlaget fra AMS, gir den etablerte digitale tvillingen en god nok representasjon av de fysiske forholdene i caset. Den kan derfor være et nyttig verktøy for simuleringer av virkningen av ny teknologi i demo-kretsene i IDE-prosjektet som et supplement til reelle tester.

This master’s thesis is written in relation to the research project IDE - “Intelligent Distribution of Electricity”. In the project, new technologies which have the possibility to act as alternatives to traditional grid reinforcement are demonstrated on distribution grids with voltage quality problems. The goal of this thesis is to develop a digital twin that simulates the state of the grid as accurately as possible, and thus can be applied as a mean to identify violations on the regulation for quality of supply (“FoL”).

As a result of the deployment of smart meters for all Norwegian energy consumers, the possibility arises to obtain information about the electrical state of the low voltage grid. This can be useful in order to identify violations on “FoL”. In order to reflect the unbalanced conditions of weak grids, there is a need for a digital twin that uses smart metering data and unsymmetrical load flow analysis as a tool.

In relation to the work on establishing an unsymmetrical load flow model with smart metering data as input, another challenge arises. There is a lack of information from the smart meters about the phase connectivity of the loads in the physical grid, as well as the distribution of load in each phase. This thesis therefore has two related deliveries which are important keys in order to realise a digital electrical twin that has the ability to simulate unsymmetrical conditions in the distribution grid:

• A digital twin which uses smart metering data and unsymmetrical load flow analysis is implemented in Python. In addition, a method for estimating the load distribution between the phases is developed and implemented in the code, since only the sum of the load is available from the smart meters.

• Different methods for phase identification are addressed and tested on a data set. Methods based on PCA and k-means clustering are implemented in Python, and can be used as a tool for estimating the phase connections in a low voltage grid from time series measurements of voltages from smart meters.

Two of the proposed methods for phase identification results in nearly identical phase connectivities. The results of load flow analysis with these connectivities are nearly identical for the test case as well. Both results in a voltage deviation of only 0.9 V between the simulated and the measured voltages for the weakest part of the grid. Given the prerequisites and limitations provided by the smart metering data, the established twin gives an accurate enough representation of the physical conditions of the test case. Therefore, it can provide a useful tool for simulations of the effects of new technologies in the grids in the IDE project, as a supplement to physical tests.