Power Flow Tracing for Norwegian Offshore Electrification

Abstract

Det er generelt kjent at elektrisk kraft ikke kan spores fysisk i kraftsystemer med mer enn én leverandør og én forbruker. Janusz Bialek forklarte dette med å si at det er "umulig å ’fargelegge’ innkommende strømmer (til en node) og sjekke fargen på utstrømningene". Med Power Flow Tracing (PFT, kraftflyt-sporing på norsk) er det mulig å teoretisk spore den elektriske kraften, og med det gi estimater av hvordan energi strømmer fra spesifikke generatorer til spesifikke laster. Før gjennomføring av PFT på et kraftsystem er det behov for en kraftflytanalyse eller historiske måleverdier. PFT kan brukes til f.eks. prissetting av overføringstjenester, effektiv bruk av lastreduksjon og fordeling av CO2-utslipp. Sistnevnte blir veldig relevant på grunn av klimaendringene og global oppvarming, det kan forbedre kunnskapen om hvordan strømforbruk påvirker utslipp av klimagasser.

I denne masteroppgaven har det blitt utviklet en modell basert på PFT i programmeringsspråket Python. Modellen, som er konfidensiell og ment for intern bruk på NTNU, ble kalt PFT-modellen. Den beregner både generatorer og laster sine bidrag til kraftsystemet, og visualiserer resultatene på et kart av Europa. Den ble demonstrert på scenarier med offshore elektrifisering i Norge. Kraftflytanalysen av disse scenariene, som ga inngangsdata til PFT-modellen, ble gjort i EMPS i spesialiseringsprosjektet. Scenariene inkluderte to grader av elektrifisering av offshoreplattformer: hel og delvis, og de ble satt til år 2025.

Resultatene fra simuleringer med PFT-modellen avslørte hvordan energi ville strømme til og fra installasjoner på den norske kontinentalsokkelen, hvis de skulle blitt elektrifisert. Selv om det ble funnet at noe av den importerte kraften ble produsert med CO2-intens kull, ville det totale utslippet knyttet til plattformene blitt redusert med elektrifisering. Sesongbaserte og daglige variasjoner som påvirker kraftsystemet, f.eks. mest vind om vinteren og mest kraftbehov om dagen, ble også oppdaget og forklart. Med disse fornuftige resultatene, og en vurdering av begrensninger, ble det konkludert med at PFT-modellen var vellykket.

It is generally known that in power systems with more than one supplier and one consumer, electric power cannot be physically traced. Janusz Bialek explained this by saying that it is "impossible to ’dye’ the incoming flows (to a node) and check the colour of the outflows". With Power Flow Tracing (PFT) it is possible to theoretically trace the electric power, and by that give estimations of how energy flows from specific generators to specific loads. Before performing PFT on a power system there is need for a power flow analysis or historical measured values. PFT can be used for e.g. transmission service pricing, efficient use of load shedding and CO2-emission apportioning. The latter is becoming very relevant due to the climate changes and global warming, it could improve knowledge about how power consumption affect the emission of greenhouse gases.

In this Master’s thesis a model based on PFT has been developed in the programming language Python. The model, which is confidential and meant for in-house use at NTNU, is called the PFT Model. It both calculates generators and loads contribution to the power system, and visualises the results in a map of Europe. It was demonstrated on scenarios with offshore electrification in Norway. The power flow analysis of these scenarios, which provided the input data to the PFT Model, was done in EMPS in the specialisation project. The scenarios included two degrees of electrification of offshore platforms: full and partial, and they were set to year 2025.

The results from simulations with the PFT Model revealed how energy would flow to and from installations on the Norwegian continental shelf, if they were to be electrified. Even though some of the imported power was found to be produced with CO2-dense coal, the total emission associated with the platforms would be reduced with electrification. Seasonal and daily variations that impact the power system, e.g. most wind in the winter and most power demand during the day, were discovered and explained as well. With these sensible results, and an assessment of limitations, it was concluded that the PFT Model was successful.