Probabilistisk risikoanalyse av kraftsystem – en forutsetning for effektiv beredskap
Energiberedskap 2019
22.- 23. Mai
Arne Brufladt Svendsenav
Innhold
• Del 1: Hvem er vi og hva gjør vi
• Del 2: Probabilistiske risikoanalyser i Norsk Energiberedskap
• Del 3: Erfaring fra operativ drift med probabilistisk risikovurdering i nær sanntid
• Del 4: Probabilistisk risikovurdering - en metode for å skaffe felles
forståelse for kraftsystemutfordringer og muligheter, på tvers av
konsesjonsområder
Del 1:Hvem vi er og hva vi gjør
Hvem vi er
Hva vi gjør
Se vår introduksjonvideo her https:/ / www.youtube.com/ watch?v=WOZKy4_IxEo
Promaps Realtime – data drevet operativ drift
• Sanntids probabilistisk risikoanalyse av kraftsystem
• Inndata
• Full modelleksport fra SCADA-systemet hvert 5. minutt
• Statistiske feilfrekvenser for hver komponent, reparasjonstid og omkoblingstid
• Dynamisk værpåvirket feilfrekvens for kraftledninger
• Resultat
• Sannsynlighet for svikt for hver komponent, gren og system
• Forsyningssikkerhet i MWh/ h for hver last og hele systemet
• Gjør det mulig for netteier å kvantifisere kraftsystemets nåværende og fremtidige risikonivå, og teste handlinger og strategier på en «digital tvilling» av kraftsystemet
• Skaper «baseline» for en konsistent risikostyring i hele netteiers verdikjede
• Den store mengde av data fra Promaps Realtime gir innspill til maskinlæring
• Eksempel medium kraftsystem, ett års beregninger: 105 120 system-risiko-beregning, består av ca 840 millioner flyt beregninger (en beregning hvert 5. minutt, 7000 flyt beregning for hver simuleringer)
Programvaren
Kunder
Del 2: Probabilistiske risikoanalyser i Norsk Energiberedskap
• Hva er en probabilistisk risikoanalyse?
• Hvorfor bør denne gjøres?
• Inndata og resultat
Beregningsmetode
• Risiko = sannsynlighet * konsekvens
• Promaps-beregningene består av to hoveddeler:
• Sannsynlighet og frekvens for at situasjoner oppstår
• Konsekvens av hendelser
• Inputdata
• Kraftsystem modell
• Feilrater og reparasjonstider per komponent og omkoblingsmuligheter
• Værpåvirkning
Bygge modell
Power shortage calculations Power demand
Economic calculations Power flow
calculations
Reliability calculations Consequence
model
Rule based system response
-System response data from external sources
Expected power shortage SMS
Economic consequence Real time Day head
Re lia bility da ta
&
Bra nc hm od el lib ary
W ea th er da ta Po we rs ys te m da ta
&
co nfig ura tio n
System respons data
Benytte beste tilgjengelige data
Secondary equipment Primary
equipment
Maintenance
&
Personnel in station
CMF
State:
1. Function
2. Unwanted function 3. No function State:
1. Function 2. Passing fault 3. Lasting fault
State:
1. Function 2. Fault
State:
1. Function
2. Unwanted function 3. No function
DC 2 DC
1 P&C
2 Ij<
Z<
I DC
2 DC
1
P&C 1
P&C 1 Ij<
Z<
I
P&C 2 Ij<
Z<
I Ij<
Z<
I
Power line 300 kV
Components
• Type
• Age
• Capacity
• Technical specification
• Location
• State Load
• Current
• Voltage
• Power
• Frequency
• Temperature
• Pressure
• vibration Events
• Faults
• Revisions and maintenance External influence
• Weather data
• Geo data
• Vegetation Reserve stock
µ
Resultat
Hvorfor vi mener probabilistiske analyser er viktig og det
rette verktøyet for nettselskap
Utfordringer og muligheter
Norsk kraftforsyning står overfor betydelige endringer, utfordringer og muligheter, blant annet som følge av:
• forsyningssikkerhet har høy fokus fra myndigheter og forbrukere
• økt fokus på kostnadseffektivitet
• en rask teknologisk utvikling, hvor nye løsninger og energikilder tas i bruk med økt kompleksitet og kortere responstid for operativ drift
• konsolidering av nettselskap – håndtere forsyningssikkerhet for flere konsesjonsområder
• Digitalisering og IoT gir tilgang store datamengder som gir informasjon som kan benyttes for å øke forsyningssikkerhet og reduserte kostnader
• Redusere usikkerhet i beslutninger
Dette utfordrer hovedoppgaven til nettselskapene
«å sikre sine kunder en stabil og sikker energiforsyning (forsyningssikkerhet) kombinert med
en mest mulig effektiv drift og utbygging av strømnettet i selskapets
konsesjonsområde»
Redusere usikkerhetene – øke selskapets fortjeneste
+ Inc om e
- co st
New Investments Re-
Investments Maintinace
Operational planning Operation
Income power flow
Operating profit
- EmergencyPlanning =
Grid owner’s value chain
Beslutningsstøtte for verifisering og forbedring av forsyningssikkerhet
PROMAPS Nettverksmodell (Digital tvilling) Forsyningssikkerhet
1 2 3 4 5 6
Sjekke effekt av parametere som skal endres
1 2 3 4 5 6
Beslutninger og
parametere som påvirker forsyningssikkerhet
Grid owner’s value chain
Del 3: Erfaring fra operativ drift med probabilistisk risikovurdering i nær sanntid
• Erfaringer og resultatverifisering mot historisk forsyningssikkerhet
• Hvordan overføre dette til energiberedskap
Forsyningssikkerhet varierer over tid
Two days One week
Nine months
Hva er riktig
forsynings sikkerhet?
Sammenligning av resultat mot historiske nivå
Historisk, nåværende og fremtidig forsyningssikkerhet
Fremtidig forsyningssikkerhet Historisk forsyningssikkerhet
Beredskaps- planlegging
Utsette
investeringer
? Forsyningssikkerhet nå
Planlagte investeringer
Del 4: Probabilistisk risikovurdering - en metode for å skaffe felles forståelse for kraftsystemutfordringer og muligheter, på tvers av konsesjonsområder
• Oppnå et felles vurderingsunderlag i nå-situasjon og fremtidige situasjoner for å koordinere operative handlinger, investeringer og energiberedskap
• Eksempel
TSO-DSO
• En «digital tvillings» etableres
• Data Interface og datablokk for
utveksling av sanntids informasjon om probabilistisk risiko og
forsyningssikkerhet etableres
• Felles påvirkning av risikonivå
synliggjøres hos begge i sanntid via data utveksling
Modelleksport fra EMS Scada hvert 10.
minutt TSO Promaps Realtime
Modelleksport fra EMS Scada hvert 5.- 10.
minutt DSO Promaps Realtime
Tilrettelegging for fremtidig utveksling av sanntids- og prognosert probabilistisk risikoinformasjon mellom TSO og DSO for sanntid- og
risikobasert nettovervåkning
Operasjonell drift Investeringer Beredskapsplanlegging
Component n-- Component 1
3 2 1 ROS analyser av komponenter
Vedlikeholdsplanlegging
Risiko vurderinger
Risk Repo rt
last 8h Risk
Forecast next week Risk
Forecast next month Risk
Forecast next years
Risk Forecast
next 1-8h
TSO Statnett SF
Driftsplanlegging
Operasjonell drift Investeringer Beredskapsplanlegging
Component nComponent 1-- 3 2 1 ROS analyser av komponenter
Vedlikeholdsplanlegging
Risiko vurderinger
Risk Repo rt
last 8h Risk
Forecast next week Risk
Forecast next month Risk
Forecast nex t years
Risk Fo recast
next 1-8h
DSO Skagerak Energi Nett AS
Driftsplanlegging
Overvåkningssentralen Sunndalsøra
TSO/DSO-storforbruker av energi
• En «digital tvillings» etableres
• Data Interface og datablokk for
utveksling av sanntids informasjon om probabilistisk risiko og
forsyningssikkerhet etableres
• Felles påvirkning av risikonivå
synliggjøres hos begge i sanntid via data utveksling
Operasjonell drift Driftsplanlegging
Gassco drift
Utveksling av sanntids- og prognosert probabilistisk risikoinformasjon mellom TSO
og Gassco for optimal risikostyring av operasjonell drift og planlegging av driften
Risk Fo recast
next 1-8h Risk Repor t
las t 8h Ris k Forecas t
next 1-8h
Promaps Realt ime Gassco Promaps Realt ime Gassco Nyhavna
Promaps Realtime Gassco Kollsnes
Promaps Realt ime Gassco Kårstø
Modelleksport fra EMS Scada hvert 10.
minutt TSO Promaps Realtime
Operasjonell drift Investeringer Beredskapsplanlegging
Component nComponent 1-- 3 2 1 ROS analyser av komponent er
Vedlikeholdsplanlegging
Risiko vurderinger
Ris k Repor t l as t 8h Ris k
Fo recast next week Risk
Forecast next m ont h Risk
For ecast next years
Risk Forecast
next 1-8h
TSO Statnett SF
Driftsplanlegging
Overvåkningssentralen Sunndalsøra
Promaps Realtime Dashboard server Speiling av utvalgt risiko informasjon til Gassco
Oppsummering
• Promaps Technology beregner probabilistisk risikonivå i nær sanntid for 6 TSO og DSOer i Norge og Island
• Risiko informasjonen i nær sanntid gir netteier mulighet til å gjøre handlinger og vurderinger for å bedre risiko: før, under og etter hendelser.
• Resultatene i nåtid kan kontrolleres mot historiske faktiske risikonivå per måned per nettselskap, for å verifisere riktighet.
• Resultatene gir årsakssammenheng og kan gjennomgås av tredjepart
• Metode og analyseverktøy er derfor velegnet til å beregne forventet
forsyningssikkerhet frem i tid for netteiers vurderte nettutvikling, hvor planlagte nettinvesteringer og nettforandringer vurderes
• KSU
• Plan og beredskap