Undersökning har utförts i PiteEnergis nät av tre nätstationer och dess överliggande 10,5 kV-nät, samt underliggande lågspänningsnät för att ta reda på hur väl deras nät är dimensionerat för framtiden när fler och fler använder elbilar, och laddar i hemmet. Undersökning görs för 16 A enfas- och trefasladdning, med utbredning om 25, 50, 75 samt 100 %. De tre nätstationerna har lite olika förutsättningar. En nätstation befinner sig på landsbygd, och de övriga två i bostadskvarter. Dessa två i bostadskvarteren har många likheter, men många av kunderna till ena nätstationen har fjärrvärmeanslutning, så där förväntas förbrukning vara något lägre per hushåll. Det som undersöks är belastningsgrad av transformatorerna, och spänningsfall från transformatorer ut till kunderna. Resultatet av arbetet är att spänningsfall fort blir ett problem på landsbygden med ökad last i och med klenare kablar och längre avstånd. Inställning av lindningskopplare visade sig vara viktigt, då en utspänning på 230 eller 240 V kan ge stor skillnad i huruvida spänningen till slutkund klarar gränsen på 207 V. Belastningsgraden hos transformatorerna som undersökts är ursprungligen relativt långt ifrån sin märkeffekt. Om hushållen ansluter 16 A enfasladdare går det generellt bra och risken för överbelastning är rätt låg. Om stor majoriteten av hushållen däremot ansluter 16 A trefasladdare är risken för överbelastning överhängande. Skillnader mellan transformatorer finns, men det är antalet kunder per transformator i förhållande till märkeffekt, och hur stor marginalen till märkeffekt är i dagsläget som avgör risken för överlast. I nätstationen på landsbygd var det tydligt att gränsen för spänning ut till kund fortare överskrids än märkeffekten för transformatorn. I nätstationerna i Norrfjärden ska inte spänningsfall kunna bli för stort även om alla införskaffar elbilsladdare, enfas eller trefas, utan där finns endast risk att överskrida märkeffekten på transformatorn, om över 50 % använder trefas 16 A laddare samtidigt, i samband med årets högsta förbrukning. I nätstationen i Hortlax var det väldigt lika resultat, där avvikelse från gränsvärden endast sker i form av överbelastning av transformator vid 16 A trefasladdning, från ca 50 % belastningsgrad.

This study analyses a carport located in the Hylte municipality equipped with eight EV charging stations that use solar panels as its only roof material. The main focus of the report is to review the maximizing of internal electricity consumption, implementation of load management, effects on the local grid and to report general improvements. Data was collected from driving logs, analysis of charging patterns and the inverter. The data was then compiled with the software Polysun and MS Excel for further investigation of internal electricity consumption, load management, electricity quality and more. The report shows that there is a 29.1 % internal energy consumption and that implementation of a 100 kWh battery may raise it to as much as 57.4 %. It also shows that there is a possibility of saving up to 39 238 SEK per year with the implementation of load management and that a 19 % increase of electricity production would be possible if the construction had the optimized direction and roof angle.

Klimatförändringar är en av vår tids största utmaningar och andelen växthusgaser ut i atmosfären måste minskas kraftigt. Sverige har som mål om en fossilfri bilflotta år 2030, vilken ska upprättas med hjälp av alternativa fordon och drivmedel. I och med detta har elektriskt drivna fordon kommit att bli attraktiva vilket föranleder nya utmaningar för elnätsägare. Denna studie har till syfte att verka som ett underlag för kommande investeringar i ett lokalt elnät. Målet är att med simuleringar av scenarier gällande laddningseffekt och andelen förekommande elbilsladdning, succesivt belasta elnätet för att på så vis utreda nätkapaciteten. Nätstationers transformatorer samt kablage skall även åldersbestämmas. Metoden är byggd utifrån litteraturstudier och simuleringar har gjorts i dpPower. Resultaten visar att nätet är gammalt men klarar ändock nästintill 100 % penetration elbilar med laddningseffekten 3,7 kW. Vid högre laddningseffekter börjar nätet ge vika vid ca 25-50% elbilspenetration. Nätstationernas transformatorer är komponenterna som belastas hårdast och spänningsfall är den mest förekommande kvalitetsbristen. Då matarkabelarean ökades mellan nätstation och kabelskåp, medförde detta avsevärda förbättringar gällande spänningsfall. Högspänningsnätet visade sig vara mycket starkt. Slutsatsen är att transformatorers märkeffekt samt spänningsfall blir begränsande faktorer för framtiden. Transformatorer och matarkablar kan behöva förstärkas alternativt att ytterligare nätstationer tillsätts nätet. Detta skulle med omkonstruktion av nätet fördela lasten, minska avstånd till kund och då stävja spänningsfallen. Högspänningsnätet bör i framtiden utnyttjas mer och på så vis avlasta lågspänningsnätet. / Climate change is one of today's biggest challenges, and the amount of greenhouse gases into the atmosphere has to be greatly reduced. Sweden aims at a fossil-free car fleet by 2030, using alternative vehicles and fuels. Therefore electrically driven vehicles have become attractive, causing new challenges for power grid owners. This study aims to serve as a basis for future investments in a local electricity grid. By simulating scenarios regarding electrical vehicle charging power in relation to the number of vehicles involved, the electricity grid will be loaded to investigate its capacity. Transformers and cables in the grid will be determined by age. The method is based on literature studies and simulations have been made in dpPower. The results show that the grid is old, but yet capable of a nearly 100 % of electric cars charged with 3.7 kW, with higher charging powers the grid starts to yield at about 25-50 % of electric car penetration. The substations are the components that are subjected the most, problems with voltage drops is the most common quality shortage. The cross section of the feeding cable between substations and the nearest cable distribution cabinet was increased which resulted in significant improvements in voltage drop. The high voltage network is considered as very strong and can handle all scenarios. The conclusion is that transformer power rating and voltage drops will become limiting factors in the future. Transformers and power cables may need to be reinforced alternatively additional substations to the grid put in place. Additional substations with the redesign of the grid may distribute the load, reduce the distance to customers and with that reduce the voltage drop. The high-voltage grid should be utilized more in the future, thus unburdening the low voltage grid.

Omfattande elektrifiering av transportsektorn är en förutsättning för att klimatmålen ska kunna mötas. Elektrifieringen innebär en ökande efterfrågan på el. För elnätsbolagen är det intressant att veta hur stor effekt som kommer att krävas lokalt, samt när och var effekten ska tas ut från elnätet. I framtidsscenariot som presenteras i denna rapport finns snabbladdningsstationer för taxi på tre platser i Umeå: centralstationen, flygplatsen och sjukhuset. Var och en av stationerna har en effekt på 450 kW till 1350 kW. Variationen beror på hur många fordon som behöver laddas, och hur tillfällena kan fördelas över dagen. Nattetid förutsätts taxifordonen kunna laddas långsamt i bostads- och industriområden. För en taxiparkering i ett industriområde beräknas den sammanlagda laddeffekten till maximalt 300 kW. Även laddbehovet för lätta ellastbilar i transportbranschen har beräknats. Det förutsätts att dessa laddas långsamt vid terminalen från eftermiddag till morgon. Den totala laddeffekten vid en terminal beräknas till maximalt 185 kW. Scenariot bygger på ett flertal antaganden, varav några kan beläggas statistiskt eller med intervjuresultat. Många av antagandena kvarstår dock som osäkra, och det prövas i alternativa scenarion vad resultatet blir om vissa antaganden ändras. För en mer exakt beräkning av taxiflottans framtida laddbehov krävs detaljerad information om bland annat körsträckor och laddbeteende. Sådan information skulle kunna erhållas genom ett närmare samarbete med taxibranschen eller i form av filtrerad snabbladdningsstatistik.

With new smart power meters being installed in the households of Sweden an opportunity has presented itself. It allows the distribution companies to collect a variety of different measurements such as voltage in each phase and the total reactive and active power flowing to and from the customers.  This thesis is written in collaboration with Öresundskraft AB, a distribution company in Helsingborg, Sweden. They wished to examine how the smart meter they install, the Kaifa MA304, could aid them in creating a power grid fit for the future. The thesis aims to achieve this goal by researching if PEV, plug-in electrical vehicles, can be identified utilizing data from the new power meters. It is also considered if district heating, and different types of electrical heating, can be identified using outside temperature measurements together with the data.  Data has been collected and analyzed from 20 customers over a timespan of eight months in 2022. Here, the mean voltage for every ten minutes (in each phase) and active/reactive power accumulated during the last fifteen minutes is used. The raw data is transformed using a tool developed by the authors in python and is thereafter analyzed using the library pandas. Initial results showed a clear correlation between voltage drop and active power import during three phase charging. In the future, we will study the underlying mechanism of this correlation for devising algorithms to develop and use it as a reliable and effective means to identify PEV’s charging.  Households with district heating had, as expected, a relatively even use of power consumption regardless of season or temperature. Electrically heated households used significantly more active power during lower temperature and cold months. The amount of imported reactive power greatly varies between customers, likely due to different technologies such as direct electrical heating and heating pumps. Future work should include knowledge of the utilized heating technologies to devise a method to identify these.

The number of electrical vehicles in Sweden are increasing faster for every year and the demand of charging them at home is growing as well. This requires high delivery reliability and a stable low-voltage distribution grid. In this master thesis three different low-voltage networks are modelled and simulated together with load which corresponds home charging of electrical vehicles (EV) to analyse if the grid is able to handle these kinds of stresses. Information of the different grids were gathered from Falu Energi & Vatten and modelled in Matlab together with EV charging loads generated in a separate program. The electricity consumption data used in the simulations were measured at the transformer in each grid. A regression analysis of the consumption data were preformed to calculate values which corresponds to a worst case scenario. The results show that the low-voltage distribution grid in Falun is well dimensioned and can handle these possible future loads even in the worst constructed scenario.

Elektrifieringen av bilflottan sker i rasande takt. Även andra samhällssektorers efterfrågan på el väntas öka drastiskt under kommande decennier, vilket i kombination med en växande andel intermittenta energikällor trappar upp påfrestningarna på elnätet och ställer krav på anpassningar. En föreslagen dellösning till kraftsystemets kommande utmaningar är att utnyttja efterfrågeflexibiliteten i laddande elbilar genom att en aggregator styr ett stort antal elbilsladdare och säljer den sammanlagda kapaciteten på till exempel Svenska kraftnäts stödtjänstmarknader.  För att avgöra hur mycket flexibilitet som elbilsladdning kan bidra med behöver aggregatorn upprätta prognoser över hur mycket effekt som mest sannolikt finns tillgänglig vid en viss tidpunkt – en punktprognos – men också en uppskattning av vilken effektnivå man kan vara nästan säker på att utfallet överstiger – en kvantilprognos. I den här studien har en undersökning gjorts av hur prognosfelet förändras om gruppen av aggregerade elbilsladdare ökas, och hur mycket en aggregator på så sätt kan sänka sina marginaler vid försäljning av efterfrågeflexibiliteten för att med säkerhet kunna uppfylla sitt bud. Det gjordes genom att kvantifiera flexibiliteten för 1 000 destinationsladdare belägna vid huvudsakligen arbetsplatser, och genom att skala upp och ner datamängden genom slumpmässiga urval. För dessa grupper gjordes sedan probabilistiska prognoser av flexibiliteten med en rullande medelvärdes- och en ARIMA-modell. Utifrån prognoserna simulerades slutligen potentiella intäkter om aggregatorn skulle använda den flexibla kapaciteten för uppreglering till stödtjänsten FCR-D upp, vilket är en frekvensreserv som aktiveras vid störningar av nätfrekvensen.  Resultaten visar att en tiodubbling av antalet aggregerade elbilsladdare mer än halverar det relativa prognosfelet. De båda prognosmodellerna visade sig ha jämförbar precision, vilket talar för att använda sig av den rullande medelvärdesmetoden på grund av dess lägre komplexitet. Den ökade säkerheten i prognosen resulterade dessutom i högre intäkter per laddare.  De genomsnittliga intäkterna av att leverera flexibilitet från 1 000 aggregerade elbilsladdare till FCR-D uppgick till 6 900 kr per månad, eller 0,8 kr per session – siffror som troligen hade varit högre utan coronapandemins ökade hemarbete. En 99-procentig konfidensgrad för kvantilprognosen resulterade i en säkerhetsmarginal med varierande storlek, som i genomsnitt var runt 90 procent för 100 laddpunkter, 60 procent för 1 000 laddpunkter samt 30 procent för 10 000 laddpunkter. Mest flexibilitet fanns tillgänglig under vardagsförmiddagar då ungefär 600 kW fanns tillgängligt som mest för 1 000 laddpunkter.  Att döma av tio års nätfrekvensdata är den sammanlagda sannolikheten för att över 50 procent aktivering av FCR-D-budet skulle sammanfalla med att utfallet för den tillgängliga kapaciteten är en-på-hundra-låg i princip obefintlig – en gång på drygt 511 år. Att aggregatorn lägger sina bud utifrån en 99-procentig konfidensgrad kan alltså anses säkert. / The electrification of the car fleet is taking place at a frenetic pace. Additionally, demand for electricity from other sectors of the Swedish society is expected to grow considerably in the coming decades, which in combination with an increasing proportion of intermittent energy sources puts increasing pressure on the electrical grid and prompts a need to adapt to these changes. A proposed solution to part of the power system's upcoming challenges is to utilize the flexibility available from charging electric vehicles (EVs) by letting an aggregator control a large number of EV chargers and sell the extra capacity to, for example, Svenska kraftnät's balancing markets. To quantify how much flexibility charging EVs can contribute with, the aggregator needs to make forecasts of how much power that is most likely available at a given time – a point forecast – but also an estimate of what power level the aggregator almost certainly will exceed – a quantile forecast. In this study, an investigation has been made of how the forecast error changes if the amount of aggregated EV chargers is increased, and how much an aggregator can lower their margins when selling the flexibility to be able to deliver according to the bid with certainty. This was done by quantifying the flexibility of 1000 EV chargers located at mainly workplaces, and by scaling up and down the data through random sampling. For these groups, probabilistic forecasts of the flexibility were then made with a moving average forecast as well as an ARIMA model. Based on the forecasts, potential revenues were finally simulated for the case where the aggregator uses the available flexibility for up-regulation to the balancing market FCR-D up, which is a frequency containment reserve that is activated in the event of disturbances. The results show that a tenfold increase in the number of aggregated EV chargers more than halves the forecast error. The two forecast models proved to have comparable precision, which suggests that the moving average forecast is recommended due to its lower complexity compared to the ARIMA model. The increased precision in the forecasts also resulted in higher revenues per charger. The average income from delivering flexibility from 1000 aggregated electric car chargers to FCR-D amounted to SEK 6900 per month, or SEK 0.8 per session – figures that would probably have been higher without the corona pandemic's increased share of work done from home. A 99 percent confidence level for the quantile forecast resulted in a safety margin of varying size, which on average was around 90 percent for 100 chargers, 60 percent for 1000 chargers and 30 percent for 10,000 chargers. Most flexibility was shown to be available on weekday mornings when approximately 600 kW was available at most for 1000 chargers. By examining frequency data for the Nordic power grid from the past ten years, the joint probability that a more than 50 percent activation of the FCR-D bid would coincide with the outcome for the available capacity being one-in-a-hundred-low, was concluded to be nearly non-existent – likely only once in about 511 years. For the aggregator to place bids based on a 99 percent confidence level can thus be considered safe.

Transportsektorn domineras idag av fossila drivmedel som påverkar miljön negativt. Alternativen till fossila drivmedel är el och gas i form av bio- och vätgas. För att kunna ha en fordonsfriflotta helt oberoende av fossila drivmedel 2030 som är ett av Sveriges miljömål kommer elnätet bära ett mycket stort ansvar. Syftet med detta arbete var att ge Eskilstuna Energi och Miljö (EEM) information om hur det befintliga elnätet skulle klara högre ställda krav vid effektuttag i form av laddkontakter hos privatpersoner. Arbetet grundar sig i en ordentlig analys av data i det befintliga elnätet och med hjälp av programmet Trimble NIS simulerades flera tänkbara scenarier med högre effektuttag, simuleringarna gjordes med trefaseffekter, 4,1 kW, 7 kW, 11 kW och en sammanlagringseffekt på 80 % vid 7 kW. Totalt tre olika nätstationer simulerades och studerades. Efter simuleringarna erhölls data för strömstyrka i fördelningskablarna och hushållsströmmarna. En känslighetsanalys gjordes för att få ett så nära genomsnittligt värde hur körsträckorna för medelpersonen förändras, analysen gjordes för 30 % ökning och 30 % minskning av den genomsnittliga körsträckan. I resultaten sammanställdes de tre nätstationerna tillsammans i grafer, för att få ett genomsnittligt och tydligt resultat. Resultaten visade att vid ett ökat effektuttag på 4,1 kW skulle 17 av 111 personer överstigit sin dåvarande huvudsäkring i strömstyrka, vid de högre simulerade effektuttagen ökade antalet hushåll som överskred huvudsäkringen. I fördelningsnätet med ett effektuttag på 4,1 kW påverkades 2 av 34 förlagda kablar negativt, dvs. de översteg maxgränsen av vad de hade klarat av. Vid effektuttag på 7 kW och sammanlagring på 80 % vid samma effekt påverkades 6 stycken och vid 11 kW påverkades 14 stycken av de totalt 34 stycken negativt. Samtliga transformatorer skulle klarat av strömstyrkan som skulle uppkommit vid effektuttag på 4,1 kW. Två av transformatorerna hade även klarat av effektuttag på 7 kW samt sammanlagringen på 80 % vid samma effekt, enbart en av de tre transformatorerna skulle klarat av samtliga effektuttag utan någon negativ påverkning. För att det befintliga nätet inte ska överbelastas vid installation av kontakter för elbilar får den uttagna trefaseffekten i varje hushåll inte överskrida 4,1 kW. Eftersom effektuttaget i hushållen inte är konstanta över ett dygn skulle en typ av effektreglering kunna möjliggöra högre effekter till laddningen. På nätter är oftast förbrukningen mindre och därför finns det mer utrymme till att ladda en bil på högre effekt än 4,1 kW. Tiden för att ladda sin bil för dagliga körsträckor varierar mellan drygt en timme till sex timmar. Sker laddningen under natten med en effekt som nätet klarar av är en omställning från fossil- till eldrivna fordon ett möjligt framtidsscenario.

Recent years have seen an unprecedented uptake in electric vehicles, driven by the global push to reduce carbon emissions. At the same time, intermittent renewables are being deployed increasingly. These developments are putting flexibility measures such as dynamic load management in the spotlight of the energy transition. Flexibility measures must consider EV charging, as it has the ability to introduce grid constraints: In Germany, the cumulative power of all EV onboard chargers amounts to ca. 120 GW, while the German peak load only amounts to 80 GW. Commercial operations have strong incentives to optimize charging and flatten peak loads in real-time, given that the highest quarter-hour can determine the power-related energy bill, and that a blown fuse due to overloading can halt operations. Increasing research efforts have therefore gone into real-time-capable optimization methods. Reinforcement Learning (RL) has particularly gained attention due to its versatility, performance and realtime capabilities. This thesis implements such an approach and introduces FleetRL as a realistic RL environment for EV charging, with a focus on commercial vehicle fleets. Through its implementation, it was found that RL saved up to 83% compared to static benchmarks, and that grid overloading was entirely avoided in some scenariosby sacrificing small portions of SOC, or by delaying the charging process. Linear optimization with one year of perfect knowledge outperformed RL, but reached its practical limits in one use-case, where a feasible solution could not be found by thesolver. Overall, this thesis makes a strong case for RL-based EV charging. It further provides a foundation which can be built upon: a modular, open-source software framework that integrates an MDP model, schedule generation, and non-linear battery degradation. / Elektrifieringen av transportsektorn är en nödvändig men utmanande uppgift. I kombination med ökande solcellsproduktion och förnybara energikällor skapar det ett dilemma för elnätet som kräver omfattande flexibilitetsåtgärder. Dessa åtgärder måste inkludera laddning av elbilar, ett fenomen som har lett till aldrig tidigare skådade belastningstoppar. Ur ett kommersiellt perspektiv är incitamentet att optimera laddningsprocessen och säkerställa drifttid. Forskningen har fokuserat på realtidsoptimeringsmetoder som Deep Reinforcement Learning (DRL). Denna avhandling introducerar FleetRL som en ny RL-miljö för EV-laddning av kommersiella flottor. Genom att tillämpa ramverket visade det sig att RL sparade upp till 83% jämfört med statiska riktmärken, och att överbelastning av nätet helt kunde undvikas i de flesta scenarier. Linjär optimering överträffade RL men nådde sina gränser i snävt begränsade användningsfall. Efter att ha funnit ett positivt business case förvarje kommersiellt användningsområde, ger denna avhandling ett starkt argument för RL-baserad laddning och en grund för framtida arbete via praktiska insikter och ett modulärt mjukvaruramverk med öppen källkod.

På grund av den rådande energiomställningen flockar både företag och privatpersoner till mer effektiva och gröna energislag. I många fall är dessa via elnätet, vilket gör det lämpligt att se över hur ett lokalnät påverkas av en sådan ökning av effekt samt om det finns kapacitetsbrist. Syftet är att utreda mängen nya elbilsladdare till 2030, samt undersöka om det finns kapacitetsbrist vid både normalt kopplingsläge samt två reservkopplingslägen. Det ska även undersökas om det finns nyckeltal för olika dimensioneringskriterier. De metoder som används för att uppskatta en framtida toppeffekt i nätet är olika. Den ena antar en homogen ökning samtidigt som den andra baserar sin väntade ökning på antal hushåll, parkeringsplatser och verksamheter i området runtomkring en nätstation. Det blir ganska stor spridning, samt olika slags resultat för de olika kopplingslägena. Utifrån uppskattningarna som gjordes, simulerades den nya högsta effekten för de olika scenarierna och kopplingslägena och därefter beräknades belastningen i kablarna för dessa. Simuleringar visade att det finns kablar i alla scenarierna som inte håller upp till företagets egna mål angående belastning i kablarna. I reservkopplingsläget klarade många kablar heller inte av den högsta strömmen som kan förväntas under högsta lasttimmen utifrån databladet för kablarna. När topplasten ökar, ökar även antalet kablar som blir överbelastade, i scenario 1 blev det många fler jämfört med nuläget och scenario 2. För de normala kopplingsläget gick det nästan alltid att byta ut till grövre kablar för hålla sig under den angivna belastningsgraden av 50$\%$ eller precis ovanför.  För reservkopplingslägena blir det svårare då kablarna måste ha en belastningsgrad under $100\%$ för att inte överlastskydden ska slå till. Där hittades det att byta till grövre kablar inte alltid var bäst då högsta strömmen var högre än den grövsta kabeln som används. Denna högsta strömmen verkar bero på att en slinga ska reservmata fler än en annan slinga. Det kan då vara lämpligt att bygga fler reservslingor som då kan underlätta vid reservmatningsläget. / Given the roaring energy transition, both people and companies want to be ahead of the curve and change to more energy efficient and green energy con- sumption. In most cases these renewable energy have to use the electrical grid, which is why this study focuses on the distribution network in a local electrical grid regarding its capacity. The goal is to estimate and investigate the amount of charging points for electrical vehicles in regards to the available capacity in the network. This is to be done in three different network configurations, which is then to conclude in dimensioning criterias. The three methods used to estimate the increase in top load in the local electrical grid are different. Two of the assumes a linear increase in the top load of every transformer, while the other one is based on the area which the sub- station is placed and estimates according to households, businesses and parking places. Where the top load increase differes between the different scenarios. With the estimations at hand, the different network configurations were simulated and subsquently calculated the load in the cables for the different scenarios. These simulations pointed out that there are cables in every scenario that are not up to par with the companys goal of limiting the load in the network configuration that is normally used. Aswell as not up to par with the cable data sheet in the reserve configuration. As the top load increase the amount of cable above the threshold increased, especially in scenario 1 for the normal configura- tion mode. In most cases in the normal configuration mode changing the cable to a 240mm2 cable would solve the problem. For the reserve configuration mode it was not always that simple, mostly because one trail of cable sometimes back up several other trails. Resulting in a bottle neck between the trails, some of these are not fully up to par, and some of them even have a higher maximum current than what the cables that are used can handle. Which meant that so- mething other than changing cable would be prefered, the best option seems to be increasing the amount of trail that can back up in the reserve configuration