– Det är svårt att förutsäga framtiden. Har du stora osäkerheter behöver du marginal, och det är dyrt. Det här projektet har handlat om att öka träffsäkerheten för framtiden, så att du kan undvika effektbrist eller överinvesteringar, säger Johan Kensby, medgrundare och chef för teknik och forskning på Utilifeed.
Projektet Optimera investeringar i energisystem med AI kommer att presenteras på Termowebbinariet Värmepumpar, flexibilitet och optimering av fjärrvärmeinvesteringar den 17 april. Det handlar om att öka träffsäkerheten för att beräkna det dimensionerande effektbehovet i fjärrvärmesystem, alltså den högsta effekt som behövs för att producera och distribuera värme till kunderna.
Traditionellt har många energiföretag räknat ut effektbehovet baserat på en modell med ett linjärt samband mellan utomhustemperatur och effektbehov, enligt Johan Kensby. Men han anser att man behöver ta hänsyn till betydligt fler parametrar än så, vilket Utilifeeds metod och mjukvara gör.
– Är det soligt och vindstilla blir effektbehovet ett annat än om det regnar och blåser vid samma temperatur, säger Johan Kensby.
Enligt Johan Kensby ger Utilifeeds metod betydligt mindre felmarginal än metoder som många energiföretag traditionellt har använt.
– För de mätbara delarna är vårt medelfel 85 procent lägre än linjärmodellen. Den stora skillnaden beror framför allt på att effektbehovet påverkas av så mycket mer än bara utomhustemperaturen, säger Johan Kensby.
Utilifeeds metod bygger på sju principer, se nedan, där en av de viktigaste är att bedöma osäkerheten i den modell man använder sig av.
– Om du kommer fram till att effektbehovet är cirka 120 MW – hur mycket är ”cirka”? Och har du ett mått på hur leveranssäker du vill vara, ska leveranssäkerheten vara 99,9 procent eller 99,99 procent? Man bör sätta ett mått på detta och hur mycket det får kosta, säger Johan Kensby.
Han beskriver de sju principerna som ett sätt att väcka tankar för energiföretag som kan behöva investera.
– Står man inför ett investeringsbeslut är det bra att tänka igenom dem.
Utilifeeds projekt avslutades för mer än två år sedan, efter det har företaget utvecklat sina modeller för att ta fram lastprofiler för olika typer av väderår. De har även byggt ett verktyg där energiföretag kan lägga in och jämföra olika typer av investeringar i sitt fjärrvärmenät.
– Då kan man se vad som händer om man exempelvis investerar i en till panna, en ackumulatortank eller vill jobba med styrning av flexibilitet. Då kan du jämföra vilka investeringar som ger bäst leveranssäkerhet eller driftsekonomi.
Utilifeeds sju principer för att beräkna det dimensionerande effektbehovet
1. Ta hänsyn till fler väderparametrar
Hur stort värmebehovet är påverkas inte bara av temperaturen, även vindhastighet, solstrålning och nederbörd kan ha stor inverkan.
2. Använd en lastmodell med bättre prestanda
Att träffsäkert beräkna samband mellan effektbehov och väderparametrar kan göras effektivt med maskininlärning.
3. Bedöm osäkerheten i din modell
Många modeller innehåller ett mått på hur stor osäkerheten är. Använd denna data systematiskt när ni beslutar hur stor säkerhetsmarginalen ska vara för dimensioneringen.
4. Basera beräkningen på verkligt effektbehov i anslutna fastigheter
Beräkningar av dimensionerande effektbehov på systemnivå baseras traditionellt på historiska data över producerad effekt. Det motsvarar inte alltid det underliggande värmebehovet.
5. Förbättra antaganden för effektbehov i nybyggda fastigheter
Expansionsplaner för städer kan ofta sakna dimensionerande effektbehov. Nya fastigheter har inte samma förhållande mellan effekt och energi som befintlig bebyggelse. Vid estimering av effektbehov för nya fastigheter, ta hänsyn till typ av fastigheter och använd data för nybyggda fastigheter av samma typ samt aktuella studier.
6. Ta hänsyn till hur renoveringar kommer påverka effektbehov i befintliga fastigheter
Flera studier har prognostiserat hur renoveringstakten kommer påverka energibehovet. Påverkan på dimensionerande effektbehov är däremot mindre utforskat område men det finns data för olika åtgärders inverkan. Använd denna data tillsammans med en analys av stadens fastighetsbestånd fokuserad på framtida renoveringar.
7. Ta hänsyn till klimatförändringar
Den pågående klimatförändringen påverkar de dimensionerande väderförhållandena. Ta del av forskning kring framtida klimatmodeller för att göra tillförlitliga estimat av hur dimensionerande väderförhållanden påverkas av klimatförändringen.
Läs mer om de sju principerna här.