Automatiserad kategorisering av fjärrvärmekunders användarprofiler baserade på mätdata
(2017) MVK920 20171Department of Energy Sciences
- Abstract (Swedish)
- Både värme och elbolag har krav på sig att mäta sina kunders förbrukning över tid, för att kunna göra en exakt debitering. Denna mätning resulterar i stora mängder data, och på sikt byggs en stor bank med kundspecifik information upp. Informationen kan bland annat användas för att ta fram användarspecifika kostnadsmodeller eller för att förbättra simuleringar över energianvändning i näten.
E.ON är ett av de energibolag som utför ovan nämnda mätningar på timbasis av sina egna kunder. I denna studie har det E.ON-ägda fjärrvärmenätet i Malmö/Burlöv undersökts. Företaget använder sig av simuleringsmodeller för att granska viktiga faktorer i näten, såsom differenstryck och produktion, vid olika utomhustemperaturer. I dagsläget använder de sig... (More) - Både värme och elbolag har krav på sig att mäta sina kunders förbrukning över tid, för att kunna göra en exakt debitering. Denna mätning resulterar i stora mängder data, och på sikt byggs en stor bank med kundspecifik information upp. Informationen kan bland annat användas för att ta fram användarspecifika kostnadsmodeller eller för att förbättra simuleringar över energianvändning i näten.
E.ON är ett av de energibolag som utför ovan nämnda mätningar på timbasis av sina egna kunder. I denna studie har det E.ON-ägda fjärrvärmenätet i Malmö/Burlöv undersökts. Företaget använder sig av simuleringsmodeller för att granska viktiga faktorer i näten, såsom differenstryck och produktion, vid olika utomhustemperaturer. I dagsläget använder de sig av en förenklad simuleringsmodell som inte tar hänsyn till kundernas specifika användarmönster. Det skulle istället vara önskvärt att ta varje kunds specifika energianvändning i beaktande, dock är detta för beräkningsmässigt krävande. Ett försök att använda kundernas tidigare mätdata i en kategoriseringsprocess har därför gjorts. Ett program har tagits fram för att dela upp kunder i kategorier genom att skapa typkurvor som visar kundernas användarmönster kopplat till utomhustemperatur. Dessa kategorier används sedan i den tidigare nämnda simuleringsmodellen för att se om det bidrar till mer verklighetstrogna simuleringar.
Det skapade kategoriseringsprogrammets resultat tyder på att det går att dela upp kunder i användarprofiler, både för energianvändning och för returtemperaturer. Småhuskunder har generellt uppvisat en mycket homogen användning, där flertalet kunder har matchat till kategorier vars typkurvor ser likvärdiga ut. Kunder i kundkategorin flerbostadshus, lokaler och industri har mer spridda användarmönster. Detta anses rimligt eftersom lokaler och industrier kan innefatta många olika verksamheter. Det är även möjligt att se geografiska mönster för kundernas energianvändning. Nybyggda områden matchar generellt till typkurvor med låga balanstemperaturer medan äldre områden har en bredare variation av typkurvor. För returtemperaturerna kan inga geografiska mönster hittas utan användningen beror snarare på vilken typ av fjärrvärmecentral som används och hur den är installerad.
Simuleringar gjorda med kategoriserade kunder visar differenstryck som är mer lika verkligt uppmätta differenstryck än vad simuleringar utförda utan kategoriserade kunder visar. För returtemperaturerna är det svårare att dra slutsatser eftersom temperaturförändringar rör sig trögt i nätet. Dock uppvisar simuleringar utförda med kategoriserade kunder på ett bredare spektrum av returtemperaturer i nätet. Studien visar att det är möjligt att använda sig av historiska mätdata för att dela upp kunder i kategorier och på detta sätt förbättra simuleringarna. (Less)
Please use this url to cite or link to this publication:
http://lup.lub.lu.se/student-papers/record/8913102
- author
- Schumacher, Linda LU and Östberg, Sara
- supervisor
- organization
- course
- MVK920 20171
- year
- 2017
- type
- H2 - Master's Degree (Two Years)
- subject
- keywords
- Fjärrvärme, kategorisering, typkurvor, användarprofil, mätdata, energianvändning, returtemperatur
- report number
- ISRN LUTMDN/TMHP-14/5386-SE
- ISSN
- 0282-1990
- language
- Swedish
- id
- 8913102
- date added to LUP
- 2017-06-11 15:24:46
- date last changed
- 2017-06-11 15:24:46
@misc{8913102, abstract = {{Både värme och elbolag har krav på sig att mäta sina kunders förbrukning över tid, för att kunna göra en exakt debitering. Denna mätning resulterar i stora mängder data, och på sikt byggs en stor bank med kundspecifik information upp. Informationen kan bland annat användas för att ta fram användarspecifika kostnadsmodeller eller för att förbättra simuleringar över energianvändning i näten. E.ON är ett av de energibolag som utför ovan nämnda mätningar på timbasis av sina egna kunder. I denna studie har det E.ON-ägda fjärrvärmenätet i Malmö/Burlöv undersökts. Företaget använder sig av simuleringsmodeller för att granska viktiga faktorer i näten, såsom differenstryck och produktion, vid olika utomhustemperaturer. I dagsläget använder de sig av en förenklad simuleringsmodell som inte tar hänsyn till kundernas specifika användarmönster. Det skulle istället vara önskvärt att ta varje kunds specifika energianvändning i beaktande, dock är detta för beräkningsmässigt krävande. Ett försök att använda kundernas tidigare mätdata i en kategoriseringsprocess har därför gjorts. Ett program har tagits fram för att dela upp kunder i kategorier genom att skapa typkurvor som visar kundernas användarmönster kopplat till utomhustemperatur. Dessa kategorier används sedan i den tidigare nämnda simuleringsmodellen för att se om det bidrar till mer verklighetstrogna simuleringar. Det skapade kategoriseringsprogrammets resultat tyder på att det går att dela upp kunder i användarprofiler, både för energianvändning och för returtemperaturer. Småhuskunder har generellt uppvisat en mycket homogen användning, där flertalet kunder har matchat till kategorier vars typkurvor ser likvärdiga ut. Kunder i kundkategorin flerbostadshus, lokaler och industri har mer spridda användarmönster. Detta anses rimligt eftersom lokaler och industrier kan innefatta många olika verksamheter. Det är även möjligt att se geografiska mönster för kundernas energianvändning. Nybyggda områden matchar generellt till typkurvor med låga balanstemperaturer medan äldre områden har en bredare variation av typkurvor. För returtemperaturerna kan inga geografiska mönster hittas utan användningen beror snarare på vilken typ av fjärrvärmecentral som används och hur den är installerad. Simuleringar gjorda med kategoriserade kunder visar differenstryck som är mer lika verkligt uppmätta differenstryck än vad simuleringar utförda utan kategoriserade kunder visar. För returtemperaturerna är det svårare att dra slutsatser eftersom temperaturförändringar rör sig trögt i nätet. Dock uppvisar simuleringar utförda med kategoriserade kunder på ett bredare spektrum av returtemperaturer i nätet. Studien visar att det är möjligt att använda sig av historiska mätdata för att dela upp kunder i kategorier och på detta sätt förbättra simuleringarna.}}, author = {{Schumacher, Linda and Östberg, Sara}}, issn = {{0282-1990}}, language = {{swe}}, note = {{Student Paper}}, title = {{Automatiserad kategorisering av fjärrvärmekunders användarprofiler baserade på mätdata}}, year = {{2017}}, }