Etablere en energidelingsmodell som simulerer lønnsomhet for energideling i et off-grid hyttefelt.

Abstract

På bakgrunn av at dagens hyttelandsbyer begynner å ligne mer på små tettsted, er det på tide å komme med nye bærekraftige løsninger gjeldende norske hytter. Denne masteroppgaven har som hensikt å undersøke forbedringspotensiale rundt å inkludere energideling i et offgrid hyttefelt, der hver hytte er utstyrt med hvert sitt solcelleanlegg. Dette har blitt gjort gjennom å skreddersy en modell i Python som simulerer energiflyt mellom hytter i ett offgrid-scenario.

Modellen er designet slik at den kan simulere for ulike delings-caser. I den enkleste casen inkluderer modellen kun deling av produksjonsoverskudd, mens i den mer kompliserte casen inkluderer modellen også deling av energi lagret på anleggenes batteri.

Input til modellen er forbruks- og produksjonsprofiler tilknyttet hyttene i hyttefeltet. Hyttene ble ``dannet`` gjennom arbeidet med fordypningsprosjektet høsten 2022. På bakgrunn av litteraturstudie og samtale med interessenter, ble det i fordypningsprosjektet satt opp en off-grid hyttekategorisering i form av effektforbruk. Dette resulterte i fire hytter. Solinnstrålingen på lokasjonen der hyttene står er hentet fra PVGIS. Videre er innstrålingsverdiene og tekniske data for hyttenes solcelleanlegg benyttet i Python-biblioteket PVlib for å estimere produksjon.

For å teste og demonstrere funksjonaliteten til modellen, simuleres det i masteroppgaven for tre energidelings-caser. Disse er PV-case, flex-case 1 og flex case 2. PV-case ser kun på energideling av produksjonsoverskudd, mens flex case 1 og 2 også inkluderer deling av energi lagret på batteri. Forskjellen på flex-case 1 og 2 er i hvor stor grad batteriet deltar i det lokale energimarkedet.

Hver case simuleres videre for tre ``bruksmønster-scenario``. Med ``bruksmønster`` menes det hvor ofte hytta brukes, eksempelvis ``feriebruk`` og ``hver helg``. Simuleringsresultatene fra ``bruksmønster-scenarioene`` sammenlignes i resultatdelen. Målet med oppgaven er derfor å bruke modellen til å finne ut hvilke kombinasjoner av bruksmønster som er mest gunstig for energieling.

Den viktigste resultat-indikatoren som benyttes i masteroppgaven er ``SF-rate``. Denne størrelsen angir i hvor stor grad hytta er selvforsynt. For hvert bruksmønster-scenario, med tilhørende case, legges det frem resultater som viser til hvordan SF-raten endrer seg for hver hytte og hele hyttefelt samlet.

En annen viktig del av resultatene er ``simuleringsplots``. Disse viser til ``energistatus`` for hyttene over bestemte tidsperioder, eksempelvis høstferien. Plottene viser til produsert solenergi, dekt last, tapt last, batteristatus og kjøpt/solgt energi.

Simuleringene viser at forbedringspotensialet rundt energideling bedres med økende variasjon blant hyttenes bruksmønster. Resultatene viser også at det utgjør en betydelig forbedring å inkludere utveksling av energi lagret på batteri. En annen interessant observasjon er at hyttene som drar klart mest nytte av energidelingen er hyttene med høyest forbruk. I simuleringene der batteriene inkluderes i det lokale markedet opplever hyttene med lavest forbruk en nedgang i SF-rate sammenlignet med hva de opplever uten energideling.

På lang sikt er målet med oppgaven å bygge opp under en ny og grønnere standard for norsk hyttebygging. Dersom energideling viser seg å være økonomisk og praktisk lønnsomt, kan off-grid hyttelandsbyer være et aktuelt alternativ for videre utbygging av kraftnettet i den norske fjellheimen.

Due to the fact that today's cabin villages beginning to resemble small towns, it is time to propose new sustainable solutions related to Norwegian cabins. The objective of this master's thesis is to investigate the potential for improvement by incorporating energy sharing in an off-grid cabin field, where each cabin is equipped with its own solar cell system. This has been accomplished by developing a customized Python model that simulates energy flow between cabins in an off-grid scenario.

The model is designed to simulate different sharing cases. In the simplest case, the model only includes the sharing of production surplus, while in more complex cases, the model also includes the sharing of energy stored in the cabins' batteries.

The model takes input in the form of consumption and production profiles associated with the cabins in the cabin field. The cabins were categorized based on power consumption during ``pre-master project`` in autumn 2022. Solar radiation at the location where the cabins are situated is obtained from PVGIS. Furthermore, irradiance values and technical data for the cabins' solar cell systems are used in the PVlib Python library to estimate production.

To test and demonstrate the functionality of the model, three energy sharing cases are simulated in the master's thesis. These cases are referred to as PV-case, flex-case 1, and flex-case 2. PV-case only considers the sharing of production surplus, while flex-case 1 and flex-case 2 also include the sharing of energy stored in batteries. The difference between flex-case 1 and 2 lies in the extent to which the battery participates in the local energy market.

Each case is further simulated for three ``usage pattern scenarios``.`` Usage pattern`` refers to how often the cabin is used, such as ``holiday use`` and ``every weekend``. The simulation results from the ``usage pattern scenarios`` are compared in the results section. The goal of the thesis is therefore to use the model to determine which combinations of usage patterns are most favorable for energy savings.

The most important result indicator used in the thesis is the ``SF rate``. This metric indicates the degree to which the cabin is self-sufficient. For each usage pattern scenario, along with the associated case, results are presented that demonstrate how the SF rate changes for each cabin and the entire cabin field.

Another important aspect of the results are the ``simulation plots``. These plots represent the ``energy status`` of the cabins over specific time periods, such as during the autumn holidays. The plots include information on produced solar energy, covered load, lost load, battery status, and purchased/sold energy.

The simulations show that the potential for improvement through energy sharing increases with greater variation among the cabins' usage patterns. The results also indicate that including the exchange of energy stored in batteries significantly enhances the outcomes. An interesting observation is that cabins with higher consumption benefit the most from energy sharing. However, in simulations where batteries participate in the local market, cabins with lower consumption actually experience a decrease in the SF rate compared to scenarios without energy sharing.

In the long run, the goal of this research is to contribute to a new and greener standard for Norwegian cabin construction. If energy sharing proves to be economically and practically viable, off-grid cabin villages may become a relevant alternative for further development of the power grid in the Norwegian mountains.