Denna rapport innehåller en utredning av effektflöden på Uddevalla Energi Elnät AB:s mottagningsstationer och optimering av driftläggning för dess effektkondensatorbatterier och transformatorer. Uddevalla Energi Elnät AB har sedan 30 år haft effektkondensatorbatterier inkopplade nästan hela året och dessa behöver av åldersskäl snart bytas ut. Uddevalla Energi Elnät AB har därför behov av nya rutiner för driftläggning av effektkondensatorbatterier efter det att Svenska Kraftnät och Vattenfall AB har infört nya regler för de reaktiva effektflödena i elnätet. I utredningen om effektkondensatorbatterier har det gjorts en investeringskalkyl med tre alternativ för inköp. Alternativ 1 med central faskompensering på mottagningsstation, alternativ 2 med faskompensering på mottagningsstation kompletterat med faskompensering på abonnentstationer och alternativ 3 med lokal faskompensering på abonnentstationer.  Det framkom i utredningen att alternativ 2: Central faskompensering kompletterat med faskompensering på abonnentstationer är mest lämplig att genomföra.   Det har tidigare konstaterats att det under delar av året har varit låg belastning på några av mottagningsstationernas transformatorer. Det har aldrig utretts om det är lönsamt att stänga av den ena transformatorn under hela eller delar av året. I utredningen om driftläggning av transformatorerna på mottagningsstationerna har det beaktats tre alternativ. Ett alternativ innebär att en transformator körs i tomgång utan last och ett alternativ med en helt avstängd transformator. Det tredje alternativet är att inte göra någon förändring. I utredningen framkom det att det mest lämpliga är att inte göra någon förändring eftersom riskerna med avstängning är större än den ekonomiska vinsten på c:a 101000 SEK. / This report contains a study of power flows in Uddevalla Energi AB receiving stations and optimization of the operation control of its power capacitor batteries and transformers. For the past thirty years, Uddevalla Energi AB has employed power capacitor batteries almost all year around and these need soon to be replaced due to ageing. Uddevalla Energi Elnät AB has a need for new procedures for the operation control of the power capacitor batteries following new regulations introduced by Svenska Kraftnät and Vattenfall AB for reactive power flows on the grid. In the study of power capacitor batteries, there has been an investment calculation with three alternative purchase options. Option one is central phase compensation at the receiving station, option two is phase compensation at the receiving station supplemented with phase compensation at subscriber stations and option three is a local phase compensation at subscriber stations. The investment calculation shows that the second option: Central phase compensation supplemented with phase compensation at subscriber stations is the most favourable to implement. It has previously been found that, during certain times of the year, there has been a low load on some of the transformers of the receiving stations. It has never been investigated if it is profitable to turn off one of the transformer for the entire, or part of the year. In the investigation of the operation control of the transformers at the receiving stations, three alternatives have been considered. One alternative is that one transformer is in idle operation without load, the second alternative is that one transformer is completely turned off. The third alternative is to make no change. The study showed that the preferred alternative is to make no change, because the risks of turning off transformers are greater than the economic gain, that is approximately 101000 SEK.

Artificial neural networks (ANNs) are commonly considered as "black boxes": they can approximate any function without giving any interpretation. Novel research has observed that the laws of physics, which govern everything around us, can supplement the implementation of a neural network. For this purpose, we have physics-informed neural networks (PINNs): they are networks trained to consider the physics outlined in nonlinear partial differential equations (PDEs).  This thesis focuses on the thermal modelling of power transformers applying PINNs constrained to the heat diffusion equation. The aim is to estimate the top-oil temperature and the thermal distribution of a transformer. A solution of the equation will be provided by the Finite Volume Method (FVM), which will constitute a benchmark for the PINNs predictions. Differently from other works on PINNs, an additional challenge in this problem is the availability of field measurements. The results obtained show good accuracy in estimating the distribution and the top-oil temperature with PINN almost mimicking exactly FVM. Further improvements could be attained by rearranging the equation using more specific parameters to model the thermal behaviour of transformers and scaling the equation to dimensionless form. / Artificiella neurala nätverk (ANN) betraktas vanligtvis som "svarta lådor": de kan approximera vilken funktion som helst utan att tillhandahålla någon tolkning. Inom ny forskning har man sett att fysikens lagar, som styr allt runt omkring oss, kan komplettera implementeringen av ett neuralt nätverk. För detta ändamål har formulerats fysikinformerade neurala nätverk (PINN): de är nätverk som har tränats att ta hänsyn till den fysik som beskrivs i ickelinjära partiella differentialekvationer (PDE). Denna avhandling fokuserar på termisk modellering av transformatorer med tillämpning av PINN begränsat till värmeledningsekvationen. Syftet är att uppskatta en toppoljetemperatur och en transformators värmefördelning. Lösningen till ekvationen erhålls med finita volymmetoden (FVM), som används som en referenslösning för att utvärdera förutsägelserna från PINN. Implementeringen av PINN-algoritmen medförde en extra utmaning eftersom källtermen innefattade uppmätta värden. En metod att kringgå denna svårighet genom att approximera värdena på mätningarna i det neurala nätverket genom träning på motsvarande data presenteras. De erhållna resultaten visar god noggrannhet vid uppskattning av fördelningen och toppoljetemperaturen med PINN i jämförelse med FVM-lösningen. Ytterligare förbättringar kan uppnås genom att arrangera om ekvationen med mer specifika parametrar för att modellera transformatorernas termiska beteende och skalning av ekvationen till dimensionslös form.

Bidirectional Encoder Representations from Transformers (BERT) is a recently proposed language representation model, designed to pre-train deep bidirectional representations, with the goal of extracting context-sensitive features from an input text [1]. One of the challenging problems in the field of Natural Language Processing is Conversational Machine Comprehension (CMC). Given a context passage, a conversational question and the conversational history, the system should predict the answer span of the question in the context passage. The main challenge in this task is how to effectively encode the conversational history into the prediction of the next answer. In this thesis work, we investigate the use of the BERT language model for the CMC task. We propose a new architecture, named BERT-CMC, using the BERT model as a base. This architecture includes a new module for encoding the conversational history, inspired by the Transformer-XL model [2]. This module serves the role of memory throughout the conversation. The proposed model is trained and evaluated on the Conversational Question Answering dataset (CoQA) [3]. Our hypothesis is that the BERT-CMC model will effectively learn the underlying context of the conversation, leading to better performance than the baseline model proposed for CoQA. Our results of evaluating the BERT-CMC on the CoQA dataset show that the model performs poorly (44.7% F1 score), comparing to the CoQA baseline model (66.2% F1 score). In the light of model explainability, we also perform a qualitative analysis of the model behavior in questions with various linguistic phenomena eg coreference, pragmatic reasoning. Additionally, we motivate the critical design choices made, by performing an ablation study of the effect of these choices on the model performance. The results suggest that fine tuning the BERT layers boost the model performance. Moreover, it is shown that increasing the number of extra layers on top of BERT leads to bigger capacity of the conversational memory. / Bidirectional Encoder Representations from Transformers (BERT) är en nyligen föreslagen språkrepresentationsmodell, utformad för att förträna djupa dubbelriktade representationer, med målet att extrahera kontextkänsliga särdrag från en inmatningstext [1]. Ett utmanande problem inom området naturligtspråkbehandling är konversationsförståelse (förkortat CMC). Givet en bakgrundstext, en fråga och konversationshistoriken ska systemet förutsäga vilken del av bakgrundstexten som utgör svaret på frågan. Den viktigaste utmaningen i denna uppgift är hur man effektivt kan kodifiera konversationshistoriken i förutsägelsen av nästa svar. I detta examensarbete undersöker vi användningen av BERT-språkmodellen för CMC-uppgiften. Vi föreslår en ny arkitektur med namnet BERT-CMC med BERT-modellen som bas. Denna arkitektur innehåller en ny modul för kodning av konversationshistoriken, inspirerad av Transformer-XL-modellen [2]. Den här modulen tjänar minnets roll under hela konversationen. Den föreslagna modellen tränas och utvärderas på en datamängd för samtalsfrågesvar (CoQA) [3]. Vår hypotes är att BERT-CMC-modellen effektivt kommer att lära sig det underliggande sammanhanget för konversationen, vilket leder till bättre resultat än basmodellen som har föreslagits för CoQA. Våra resultat av utvärdering av BERT-CMC på CoQA-datasetet visar att modellen fungerar dåligt (44.7% F1 resultat), jämfört med CoQAbasmodellen (66.2% F1 resultat). För att bättre kunna förklara modellen utför vi också en kvalitativ analys av modellbeteendet i frågor med olika språkliga fenomen, t.ex. koreferens, pragmatiska resonemang. Dessutom motiverar vi de kritiska designvalen som gjorts genom att utföra en ablationsstudie av effekten av dessa val på modellens prestanda. Resultaten tyder på att finjustering av BERT-lager ökar modellens prestanda. Dessutom visas att ökning av antalet extra lager ovanpå BERT leder till större konversationsminne.

Detta arbete har undersökt påverkan av en ökad solcellsinstallation på fördelningsstationen FS25 Änge med hjälp av historiska data och antaganden. Det har även undersökts hur ett batterilagringssystem skulle kunna hjälpa nätet vid den ökade mängden solcellsinstallationer. Arbetet har riktat sig mot den dagen då solproduktion förväntas vara som högst samtidigt som övrig tid på året beaktats. Den komponent som varit huvudfokus är transformatorerna i nätet. Tre scenarion har kollat på där solcellsimplementering skett i graderna 100%, 70% och 50% av alla kunder under respektive nätstation. Det visade sig att det största problemet är i fördelningsstationen som är dimensionerad utefter sammanlagring. När det kommer till solproduktion går det inte räkna med sammanlagring då den producerar som högst för alla anläggningar samtidigt. Därefter diskuteras de möjligheter som finns för att hjälpa FS25 Änge under överbelastning där BESS implementerades men även flexmarknaden kom upp som en möjlighet. Avslutningsvis diskuterades framtida arbete som skulle behöva göras på detta ämne, där det arbetet som är mest aktuellt är att se påverkan hos elsystemet om det installerades batterier hos alla kunder och inte bara de som ligger under en överbelastad transformator. / This work has examined the impact of increased PV-implementation on distribution station FS25 Änge using historical data and assumptions. It has also examined how a battery energy storage system could assist the grid with the increased amount of PV- installations. The focus of the work has been on the day when the solar production is expected to be at its highest while considering the rest of the year. The component that has been the focus is the power transformers in the grid. Three scenarios have been examined where solar cell implementation has occurred to the degrees of 100%, 70%, and 50% of all customers at each substation, respectively. It turned out that the biggest problem is in the distribution station, which is dimensioned based on aggregated storage. When it comes to solar production, aggregated storage cannot be considered as it produces at its highest for all consumers simultaneously. Furthermore, the possibilities to assist FS25 Änge during overload were discussed, where Battery Energy Storage Systems (BESS) were implemented, and the flexibility local market emerged as a potential solution. Finally, future work that needs to be done on this topic was discussed, with the most relevant being to examine the impact on the electrical system if batteries were installed for all customers, not just those under an overloaded power transformer.

Transformer models perform well on Natural Language Processing and Natural Language Understanding tasks. Training and fine-tuning of these models consume a large amount of data and computing resources. Fast inference also requires high-end hardware for user-facing products. While distillation, quantization, and head-pruning for transformer models are well- explored domains in academia, the practical application is not straightforward. Currently, for good accuracy of the optimized models, it is necessary to fine-tune them for a particular task. This makes the generalization of the model difficult. If the same model has to be used for multiple downstream tasks, then it would require applying the process of optimization with fine-tuning for each task. This thesis explores the techniques of quantization and pruning for optimization of the Language-Agnostic BERT Sentence Embedding (LaBSE) model without fine-tuning for a downstream task. This should enable the model to be generalized enough for any downstream task. The techniques explored in this thesis are dynamic quantization, static quantization, quantize-aware training quantization, and head-pruning. The downstream performance is evaluated using sentiment classification, intent classification, and language-agnostic classification tasks. The results show that LaBSE can be accelerated on the CPU to 2.6x its original inference time without any loss of accuracy. Head-pruning 50% of the heads from each layer leads to 1.2x speedup while removing all heads but one leads to 1.32x speedup. A speedup of almost 9x is achieved by combining quantization with head-pruning with average 8% drop in accuracy on downstream evaluation tasks. / Transformer-modeller ger bra resultat i uppgifter som rör behandling av och förståelse för naturligt språk. Träning och finjustering av dessa modeller kräver dock en stor mängd data och datorresurser. Snabb inferensförmåga kräver också högkvalitativ hårdvara för användarvänliga produkter och tjänster. Även om destillering, kvantisering och head-pruning för transformer-modeller är väl utforskade områden inom den akademiska världen är den praktiska tillämpningen inte okomplicerad. För närvarande är det nödvändigt att finjustera de optimerade modellerna för en viss uppgift för att uppnå god noggrannhet där. Detta gör det svårt att generalisera modellerna. Om samma modell skall användas för flera uppgifter i sekvens så måste man tillämpa optimeringsprocessen med finjustering för varje uppgift. I den här uppsatsen undersöks tekniker för kvantisering och prunering för optimering av LaBSE- modellen (Language-Agnostic BERT Sentence Embedding) utan finjustering för en downstream-uppgift. Detta bör göra det möjligt att generalisera modellen tillräckligt mycket för alla efterföljande uppgifter. De tekniker som undersöks är dynamisk kvantisering, statisk kvantisering, samt kvantisering för träning och head-pruning. Prestandan i efterföljande led utvärderas med hjälp av klassificering av känslor, avsiktsklassificering och språkagnostiska klassificeringsuppgifter. Resultaten visar att LaBSE kan öka effektiviteten hos CPU:n till 2,6 gånger sin ursprungliga inferenstid utan någon förlust av noggrannhet. Om 50% av huvudena från varje lager tas bort leder det till 1,2 gånger snabbare hastighet, medan det leder till 1,32 gånger snabbare hastighet om alla huvuden utom ett tas bort. Genom att kombinera kvantisering med head-pruning uppnås en ökning av hastigheten med nästan 9x, med en genomsnittlig minskning av noggrannheten med 8% i utvärderingsuppgifter nedströms.

Open Domain Question Answering (OpenQA) systems find an answer to a question from a large collection of unstructured documents. In this information era, we have an immense amount of data at our disposal. However, filtering all the content and trying to find the answers to our questions can be too time-consuming and ffdiicult. In addition, in such a globalised world, the information we look for to answer a question may be in a different language. Current research is focused on improving monolingual (English) OpenQA performance. This creates a disparity between the tools accessible between English and non-English speakers. The techniques explored in this study involve the combination of different methods, such as data augmentation and hard negative filtering for performance increase, and binary embeddings for improving the efficiency, with multilingual Transformers. The downstream performance is evaluated using sentiment multilingual datasets covering Cross-Lingual Transfer (XLT), question and answer in the same language, and Generalised Cross-Lingual Transfer (G-XLT), different languages for question and answer. The results show that data augmentation increased Recall by 37.0% and Mean Average Precision (MAP) by 67.0% using languages absent from the test set for XLT. Combining binary embeddings and hard negatives can reduce inference time and index size to 12.5% and 3.1% of the original, retaining 97.1% of the original Recall and 94.8% of MAP (averages of XLT and MAP). / Open Domain Question Answering (OpenQA)-system hittar svar på frågor till stora samlingar av ostrukturerade dokument. I denna informationsepok har vi en enorm mängd kunskap till vårt förfogande. Att filtrera allt innehåll för att försöka att hitta svar på våra frågor kan dock vara mycket tidskrävande och svårt. I en globaliserad värld kan informationen vi söker för att besvara en fråga dessutom vara på ett annat språk. Nuvarande forskning är primärt inriktad på att förbättra OpenQA:s enspråkiga (engelska) prestanda. Detta skapar ett gap mellan de verktyg som är tillgängliga för engelsktalande och icke-engelsktalande personer. De tekniker som undersöks i den här studien innebär en kombination av olika metoder, t.ex. dataförstärkning och hård negativ filtrering för att öka prestandan, och binära embeddings för att förbättra effektiviteten med flerspråkiga Transformatorer. Prestandan nedströms utvärderas med hjälp av flerspråkiga dataset som omfattar Cross-Lingual Transfer (XLT), fråga och svar på samma språk, och Generalised Cross-Lingual Transfer (G-XLT), olika språk för fråga och svar. Resultaten visar att dataförstärkning ökade recall med 37.0% och 67.0% för Mean Average Precision (MAP) med hjälp av språk som inte fanns med i testuppsättningen för XLT. Genom att kombinera binära embeddings och hårda negationer kan man minska tiden för inferens och indexstorleken till 12.5% och 3.1% av originalet, samtidigt som man behåller 97.1% av ursprunglig recall samt 94.8% av MAP (medelvärden av XLT och MAP).

This thesis investigates optimization of the control of electrical and thermal equipment by using FEM and CFD modeling in combination with dynamic simulation models. The thesis focuses on the production of electrical strips and the control system with the aim of reducing losses and improving magnetic properties. Several parameters and factors contribute to core losses. Thickness deviations in strip production, high levels of impurities in the core, orientation, ageing, surface oxidation, overloading, and hot spot temperature are among the reasons for losses in the core. Some of the losses occur during strip cutting and core assembly. This dissertation focuses on the reduction of losses in the cold rolling, annealing and manufacturing stages. The cold rolling process has a direct influence on the accuracy of the strip thickness and magnetic ageing of sheets. Some disturbances such as eccentricity, working rolls gap deviation, shape and edge deflections have to be removed in order to achieve accurate thickness. Thickness measurement makes up an important portion of loss evaluation in electrical equipment. Impurities and dirty strip surfaces in the cold rolling step can increase the carbon content of strips that pass through the annealing furnaces after cold rolling. The slab should be cleaned before reeling and rewinding. As the strip passes through the annealing furnaces, the temperature should be homogenous over the entire strip. According to simulations of furnace and strip temperature computed in the COMSOL environment, homogenous temperatures may be achieved using high electrical power reflectors which are equipped with molybdenum disilicide (MoSi2) electrical heating elements to replace the gas fired burners that are currently used. Modelling of the cold rolling process is conducted in order to find the correlation between control system parameters. A multivariable mathematical model for the rolling process is derived here, which reveals the interactions of the influencing variables. This approach provides numerically efficient algorithms, which are necessary for running in a real-time environment. A control model is applied in the MATLAB environment in order to determine the strip thickness at online-offline state using a robust algorithm. The critical problem in the thickness control loop is analysed, and an adaptive control algorithm is proposed. A number of control methods are investigated to improve the final strip properties. Cold rolled strip thickness deviations, eccentricities and shape defects are compensated for. The simulation results are verified with measurement data and the most significant sources of disturbances are detected. Finally, to solve the hottest spot problem in large scale electric power transformer, a new apparatus, oil spraying, is proposed and analysed. / Denna avhandling behandlar optimering och kontroll av elektrisk och termisk utrustning med hjälp av FEM och CFD-modellering i kombination med dynamiska simuleringsmodeller. Avhandlingen fokuserar på produktion av remsor och styrsystemet i syfte att minska förluster och ge bättre magnetiska egenskaper. Flera parametrar och faktorer bidrar till förluster i kärnan. Tjockleksavvikelser i remsor, höga nivåer av föroreningar i kärnan, orientering, åldrande, yta oxidation, överbelastning och temperaturer i heta punkter finns bland orsakerna till förlusterna i kärnan. Några av de förluster som uppstår under klippning av remsor och ihopsättningen av kärnan. Denna avhandling fokuserar på att minska förlusterna i produktionsstegen för kallvalsning och  glödgning. Kallvalsningen har ett direkt inflytande på riktigheten av remsornas tjocklek och magnetiska åldrande. Vissa störningar i till exempel excentriciteten, gapet mellan valsarna, form och kanter måste minimeras för att uppnå korrekt tjocklek. Tjockleksmätningar utgör en viktig del av utvärderingen av förluster  i elektrisk utrustning. Föroreningar och smutsiga bandytor i kallvalsningssteget kan öka kolhalten i band som passerar genom ugnar efter kallvalsning. Valsämnet bör rengöras innan avhaspling och upprullning. När bandet passerar genom glödgningsugnar bör temperaturen vara homogen över hela remsan. Enligt simuleringar av ugnen och remsans temperatur kan homogen temperatur uppnås med elektriska värmeelement (Molybden disilikat, MoSi2) insatta i reflektorer. De kan ersätta den gaseldade brännare som för närvarande används. Modellering av kallvalsningsprocessen sker i syfte att hitta korrelation mellan styrsystemparametrar. En multivariabel matematisk modell för valsningsprocessen har tagits fram som använder korrelation mellan variabler. Denna metod ger numeriskt effektiva algoritmer som behövs för att köra i en realtids-miljö. En modell har tagits fram för att bestämma remsornas med tjocklek för kontinuerlig och icke-kontinuerligt tillstånd med hjälp av en robust algoritm. Det kritiska problemet i reglerloopen för tjocklek har analyserats, och en adaptiv regleralgoritm föreslås. Ett antal metoder har undersökts för att förbättra de slutliga bandegenskaperna. Avvikelser i kallvalsade band med avseende på tjocklek, excentriciteter och form kompenseras. Simuleringsresultaten har verifierats med mätdata och de viktigaste källorna till störningar upptäckts.   Slutligen, för att lösa problemet med heta punkter i stora transformatorer föreslås en ny metod för oljesprutning, vilken också analyseras i avhandlingen.

Rapporten utreder om distributionstransformatorer med märkeffekten 50 kVA i Vattenfall Eldistribution AB:s elnät kan avskaffas till förmån för märkeffekten 100 kVA. Transformatorer med märkeffekten 50 kVA förekommer vid nedtransformering av spänningen från 22 kV och 11 kV till hushållens huvudspänning 0,4 kV. 50 kVA-transformatorer skiljer inte särskilt mycket från transformatorer med den högre märkeffekten i fråga om storlek och pris, och de bedöms kunna bytas ut utan större praktiska svårigheter. Fördelen med 100 kVA är att de elektriska belastningsförlusterna blir lägre i och med den högre märkeffekten. Dessutom innebär ett byte vissa elkvalitetsförbättringar. Nackdelarna med 100 kVA är att de elektriska tomgångsförlusterna är högre och att inköpspriset är högre än för 50 kVA. I övrigt kan kostnaderna likställas för de två alternativen. Endast kostnader för aktiva effektförluster berördes i rapporten då de ekonomiska kostnaderna för reaktiva effektförluster kunde försummas för de aktuella transformatorerna. För att nå ett svar på frågan om det kan vara lönsamt att avskaffa 50 kVA-transformatorerna studerades fem verkliga fall i Vattenfalls svenska elnät. Dessutom studerades eventuella elkvalitetsvinster med ett byte. Svaret blev att inte för något av de fem studerade fallen var det lönsamt med ett byte till 100 kVA-transformator. Rörande elkvalitetsaspekten blev svaret att ett byte visserligen innebär en skillnad men att andra faktorer oftast har större betydelse. Rapportens rekommendation blev att behålla 50 kVA-transformatorn i distributionsnätet.

Dagens samhälle är beroende av el, allt från att få rent vatten i kranen till att kunna tanka bilen kräver el. Vattenkraftverk står för nästan 50% av dagens elproduktion i Sverige vilket medför att vattenkraft är en väsentlig verksamhet för att få samhället att fungera. Ur ett miljöperspektiv anses vattenkraft vara mer miljövänlig än el som produceras på fossila bränslen. I och med den stora rollen vattenkraft spelar i dagens samhälle är det viktigt att förebygga eventuella olyckor och produktionsstopp, till exempel bränder. Bränder har tidigare förekommit på vattenkraftverk runt om i världen. Colorado är ett exempel där det började brinna i det brandfarliga materialet som arbetades med i en tunnel på stationen. Detta resulterade i en brand där flera arbetare blev instängda i en tunnel under marken, samtliga omkom då det endast fanns en utrymningsväg. I vattenkraftstationer som är belägna under marken är det vanligt förekommande att det endast finns en utrymningsväg. Olyckan påvisar den komplexitet som finns vid dimensionering av vattenkraftstationer under marken. Syftet och målet med detta projekt har varit att identifiera brandrisker på två vattenkraftverk och finna passande åtgärder för att minimera och förebygga dessa. För att uppnå projektets mål har bland annat en litteraturstudie genomförts för att ge en förståelse över problem som kan uppstå. En riskidentifiering genom platsbesök har också genomförts för att se hur det ser ut i verkligheten på de två vattenkraftstationerna. Det har även gjorts en datasimulering för att ge en uppfattning av rökspridningen, denna datasimulering har genomförts med hjälp av Fire Dynamics Simulator (FDS). Litteraturstudien påvisade, genom statistik från MSB:s databas IDA, att transformatorbränder är en av de största riskerna i anläggningar under marken. Vid platsbesöket på Messaure, ett vattenkraftverk, fanns det endast lokaltransformatorer placerade under marken. Dessa lokaltransformatorer var av typen torrtransformator vilket medför en mindre brandrisk. Tidigare fanns även övriga transformatorer under mark men dessa är flyttade ovan mark för att minimera brandrisken. Till skillnad från Messaure fanns Akkats, ett vattenkraftverk, transformator placerad under mark i en egen transformatorhall vilket utgör en egen brandcell. Entrén till denna fanns i direkt anslutning till tillfartstunneln som också används för utrymning. För att undersöka hur mycket en brand i transformatorhallen skulle påverka utrymningen valdes detta utrymme för en FDS-analys. Den slutsatsen som kan dras är att skulle dörren stå öppen skulle en brand i transformatorn ha en stor negativ inverkan på utrymningen. Rökutvecklingen skedde snabbt och röken strömmade tidigt ut i tillfartstunneln vilket medförde en påverkan på all utrymning. Vanligtvis ska dörren till transformatorhallen vara stängd men den kan lätt glömmas öppen i och med att det inte finns en dörrstängare. En kostnadseffektiv förbättring vore att installera en dörrstängare, det skulle kunna rädda liv. / Today's society is dependent on electricity, from getting clean water in the faucet to being able to put fuel in the car electricity is required. Hydroelectric power plants account for almost half of today's production of electricity, which means that hydropower is a vital factor for the community to function. From an environmental perspective, hydropower is considered more environmentally friendly than electricity produced from fossil fuels. Since hydroelectric power plants play a big role in society makes it very important to prevent possible accidents and hold-ups in production, such as a fire. Fires have occurred at hydropower plants around the world. Colorado is an example where the fire started in the flammable material that was being used in a tunnel at the hydropower plant. This resulted in a fire where several workers were trapped in a tunnel underground, all workers died since there was only one escape route. In hydropower stations located underground, it is common that there is only one escape route. The accident demonstrates the complexity that exists in the dimensioning of hydropower stations underground. The purpose and goal of this project has been to identify fire risks at two hydropower plants and how to minimize and prevent them. In order to achieve the project's goals, a literature study has been conducted to provide an understanding for the problems that may arise. A risk investigation was also conducted at the hydropower plants to see what they look like in the reality. A computer simulation has also been made to give an idea of the smoke spread. This computer simulation has been performed using the Fire Dynamics Simulator (FDS). The literature study showed, through statistics from MSB's database IDA, that transformer fires are one of the biggest risks in underground facilities. During the visit to Messaure, a hydroelectric power plant, only the local transformers were placed below the ground. These local transformers were of a dry-transformer type, which results in a smaller fire hazard. Previously, there were also other transformers underground, but these are moved above ground to minimize the fire hazard. Unlike Messaure, Akkat's, a hydroelectric power plant, transformer was placed underground in a separate transformer hall, which is a separate fire cell. The entrance to this was directly adjacent to the access tunnel which is also used for evacuation. To investigate how much a fire in the transformer hall would affect the evacuation, this space was chosen for an FDS analysis. The conclusion that can be drawn is that if the door should be left open, a fire in the transformer would have a major negative impact on the evacuation. Smoke quickly streamed into the access tunnel, which has an effect on all evacuation. The door should always be closed . However, there is no automatic door closer, which can result in the door being left open. A cost-effective improvement would be to install a door closer, which could save lives.

Ett transformatorfel kan få stora ekonomiska konsekvenser och påverka ett elkraftsystems driftsäkerhet. Genom att övervaka en transformators tillstånd kan haverier och avbrott undvikas. Tillståndsövervakning möjliggör även att förebyggande underhåll kan planeras effektivt. Det här arbetet har undersökt tillgängliga diagnostikmetoder och övervakningstekniker för tillståndsbedömning av transformatorer.  Tillgänglig felstatistik för transformatorer har studerats ingående för att förstå vilka fel som kan uppstå i en transformator och i vilken grad de förekommer. Eftersom felen har olika konsekvenser för transformatorns fortsatta drift har dessa undersökts. Befintliga metoder för att upptäcka fel har dokumenterats. Detta har utförts genom att studera tillgänglig litteratur och via intervjuer med företag som tillverkar övervakningsutrustning för transformatorer. Övervakningsmetoderna har jämförts med avseende på kostnad, livslängd och noggrannhet. Utifrån dessa analyser har en rekommendation tagits fram över vilka övervakningsmetoder som är mest lämpade för Svenska Kraftnät. Det finns verktyg för att kvantifiera resultaten från övervakningsmetoder till lättolkad information. Ett sådant är hälsoindexet, som komprimerar data från olika mätningar, till ett enskilt värde som representerar en komponents tillstånd. En fallstudie har utförts där tre transformatorers tillstånd under perioden 2002–2015 har undersökts med ett befintligt hälsoindex. Resultatet visar att hälsoindex kan utnyttjas för att indikera transformatorernas tillstånd. Nackdelen med hälsoindexet som användes är att indexet är fortsatt högt oavsett kvaliteten på isolationsmaterialet. Därför föreslås en alternativ modell för en hälsoindexberäkning, i vilken pappersåldringen beaktas i större utsträckning. / A transformer fault could affect the reliability of a power system and have serious economic consequences. Therefore there is an increasing demand among electrical utilities to assess the actual condition of their transformers and hence detect faults before they occur. Condition monitoring has the potential to reduce operating costs and improve the reliability of operation. The aim of this master thesis has been to investigate available diagnostic measurement techniques that can assess the condition of power transformers. Transformer failure statistics has been studied in order to understand what different faults that can occur and to which extent they appear. The consequences of different faults have been investigated. Available measurement techniques were coupled with what faults they can detect. The diagnostic measurement techniques have also been compared in regard to cost, lifetime and accuracy. The comparison resulted in a recommendation over which measurement techniques that are most suitable for the Swedish transmission system operator, Svenska Kraftnät. There is a need among electrical utilities of economic and technical justifications for optimal investment and maintenance decisions. One available asset management technique that enables this is the health index. A health index is a tool that combines available measurement data from operating observations, field inspections and laboratory testing into an objective and quantitative index. The index provides information about the overall condition of an asset. A case study has been conducted where an available health index was used to estimate the condition of three transformers. The results indicate that the health index presents an efficient way to represent the condition of transformers. The disadvantage of the used index is that it implies a good condition even when the quality of the transformer insulation paper is poor. An alternative health index is therefore proposed where the paper insulation quality has a larger impact on the index.