The purpose of this thesis is to evaluate and update load curves for Fortum Distribution AB. Theload curve method is a tool used to forecast the strain of an electric grid. The method is based oncustomer annual energy consumption, outdoors temperature as well as customer category. Theload curve method was established by Svenska Elverksföreningen at the start of the nineties andfocus was put on standardizing annual energyconsumption, in order to make the method usableacross the nation. Present consumption patterns have changed since the original load curves wereproduced, which leads to a need to update the load curves.The work began with an update of present load curves according to recommendation taken fromanother earlier thesis. Thereafter a forecast model was produced in Excel to calculate the strainfor one customer, using the new load curves. The updated load curves were computed into theFortum network calculation software to be used in the calculations of the outgoing feeders indistribution stations in four geographically different areas in Sweden. The calculations were madethe third Wednesday in January of both 2013 and 2014. The day is arbitrarily chosen. Calculatedvalues were compared to measured hourly values of feeders in distribution stations of the sameday. An acceptable border for calculated values is determined by Fortum to plus/minus 10% inrelation to observed values. Network calculations with the updated load curves showed ofaverage an error marginal of more than 30 % in all four distribution channels. We discovered nogeographical influence of the error marginal.Due to the new average error marginal being far above Fortums permit limitation we believe thisnew categorization should not be used. Additional adjustments with related evaluations of loadcurves should be made before the categorization can be applied.

Sammanfattning Detta examensarbete är gjort på uppdrag av Fortum Karlstad och är inriktat på att ta fram nya kategorier för indelning av de kunder som får sin elektricitet levererad genom Fortums elnät. Det ska också ta fram de villkor som ska uppfyllas för att en kund ska placeras i var och en av dessa kategorier. Villkoren ska också möjliggöra automatisering för uppdatering av Fortums kundregister.  Sista delen av arbete ska ta fram en grov mappning av typkurvor för samtliga dessa kategorier. Arbetet genomfördes genom att studera elförbrukningen baserat på månads- och årsbasis och genom analys av denna förbrukning urskilja mönster som leder till en indelning till en viss kategori. Mappningen av typkurvor utfördes dels genom att utgå från tabeller som finns för idag existerande kategorier och uppdatera och anpassa dessa till de nya kategorierna. I de fall som inga lämpliga typkurvor existerade skapades nya typkurvor. Resultatet av arbetet blev att nio stycken kundkategorier (idag finns cirka tvåhundra) skapades med villkor som möjliggör automatisk och regelbunden uppdatering av kategoriseringen av Fortums kunder. Tester har börjat för att se om dessa nya kategorier kan implementeras i de datasystem som används av Fortum. En grov mappning av typkurvor genomfördes genom att anpassa existerande typkurvor eller skapa nya. / Abstract The object of this project, commissioned by Fortum Karlstad, is to create new categories for dividing the clients who have their electricity supplied through Fortum's power grid. The conditions to be fulfilled to be placed in each of these categories will also be set. These conditions shall also make it possible to update the category of the customers automatically and regularly. Finally a rough mapping of load curves shall be adapted or created for these new categories. The work was done by studying the consumption of electricity on a monthly and yearly basis and, by analyzing this consumption, to distinguish patterns which would lead to an allocation to a certain category. The mapping of the load curves originated from tables that are designed for constructing load curves for the previously existing categories. These tables were then updated and adapted to make it possible to construct load curves for the new categories. If no suitable load curve existed a new load curve was created. The result of this work was the creation of nine different categories (today there are about two hundred categories used by Fortum). Conditions for allocation to these categories were made and these conditions make it possible to automatically update the categories of the clients. A rough mapping of load curves was made by adapting existing ones or, when necessary, creating new ones.

Andelen laddbara bilar som används i Sverige ökar stadigt och nätbolagen står inför en utmaningvid dimensionering av elnätet när elektrifieringen medför en högre energi- och effektanvändning.Tekniska verken Linköping Nät AB använder idag typkurvemetoden och så kallade BETTY-kurvorför att utföra olika dimensioneringsberäkningar i elnätet med hjälp av programvaran Trimble NISEnergy. Tekniska verken vill undersöka möjligheten att ta fram nya typkurvor och implementeradem på en del av elnätet för att se hur elbilsladdning påverkar belastningsgrad samtspänningssänkning.Detta examensarbete har studerat teorin bakom typkurvemetoden och hur den har implementeratsi Trimble NIS Energy. Med hjälp av timvärden från utvalda kunder med elbil har sedan nyakundkategorier tagits fram för småhus utan elvärme samt för en ren elbil. Den nya kategorin 1006-Elbil hade ett mönster för typkurvorna som visade att laddning skedde främst under kvälls- ochnattetid, med en topp på ca 1,3 kW under tidig morgon.Påverkan av elbilsladdning har undersökts för två nätstationer i olika delar av elnätet genom attförst addera den framtagna elbilskurvan till 50 % av hushållen och sedan till 100 % av hushållen.Dessa värden är valda för att simulera att om 10 år beräknas ca 50 % av alla hushåll i Östergötlandäga en elbil och om 30 år antas alla hushåll äga en elbil.Beräkningsresultaten visade att transformatorns belastningsgrad var den parameter som påverkadesmest eftersom kablarnas belastningsgrad var lägre och spänningsfallet alltid höll sig inom gränsenpå ±10 % av nominell spänning. Nätstation S721 ligger i ett område med fjärrvärme ochgrundbelastningen för transformatorn innan elbilar adderades låg på ca 40 % av märkeffekt. Efteratt ca 130 elbilar adderats, enligt simuleringen 30 år i framtiden, ökade transformatornsbelastningsgrad till ca 80 %. Nätstation S683 ligger i ett område utan fjärrvärme och hade en högregrundbelastning på transformatorn med ca 70 % av märkeffekt. Vid simuleringen som motsvarar30 år i framtiden adderades ca 40 elbilar och belastningsgraden ökade till 99 %.Det gjordes även en simulering enligt Tekniska verkens instruktioner för projektering av ny- ochombyggnation av elnätet som innebär att till varje hushåll adderas en tänkt elbilslast om 5,5 kWsom sker mellan kl. 00-05. Dimensioneringsberäkningen som utfördes med den extra lasten visadeatt transformatorer och kablar blev överbelastade i båda områdena.Beräkningsresultaten visar att det kan skilja stort beroende på vilken last vi kan anta attelbilsladdning i hushåll kommer att ha i framtiden. Om laddmönstret följer den skapade kategorin1006 sker laddningen ganska utspritt mellan kunderna och påverkan blir inte lika stor som vid densista beräkningen med antagandet om att varannan kund laddar samtidigt. / The proportion of rechargeable cars used in Sweden is steadily increasing and the grid companiesface a challenge in dimensioning the electricity grid when electrification results in a higher energyand power consumtion. Tekniska verken Linköping Nät AB currently uses the type-curve methodand so-called BETTY curves to perform various dimensioning calculations in the electricity gridusing the Trimble NIS Energy software. Tekniska verken wants to investigate the possibility ofdeveloping new type curves and implementing them on a part of the electricity grid to see howelectric vehicle (EV) charging affects the degree of loading and voltage reduction.This thesis has studied the theory behind the type-curve method and how it has been implementedin Trimble NIS Energy. With the help of hourly values from selected customers with EV, newcustomer categories have since been developed for single-family homes without electric heatingand for EV charging. The new category 1006-Electric car had a pattern for the type curves thatshowed that charging took place mainly during the evening and night, with a peak of about 1.3 kWin the early morning.The impact of EV charging has been investigated for two substations in different parts of the gridby first adding the developed EV curve to 50% of households and then to 100% of households.These values are chosen to simulate that in 10 years it is estimated that about 50% of all householdsin Östergötland own an electric car and in 30 years all households are assumed to own an electriccar.The calculation results showed that the transformer loading level was the parameter most affectedbecause the loading level of the cables was lower. The results also showed that the voltage dropalways remained within the limit of ±10% of nominal voltage. The S721 substation is in an areawith district heating and the basic load for the transformer before electric cars were added wasabout 40% of the rated power. After about 130 electric cars were added, according to the simulation30 years in the future, the transformer's loading level increased to about 80%. The S683 substationis in an area without district heating and had a higher basic load on the transformer with about 70%of the rated power. In the simulation corresponding to 30 years in the future, about 40 electric carswere added and the loading level increased to 99%.A simulation was also carried out according to Tekniska verken's instructions for designing newand rebuilding the electricity grid, which means that an EV charging load of 5.5 kW is added toeach household. The dimensioning calculation performed with the additional load showed thattransformers and cables became overloaded in both areas.The calculation results show that impact of EV charging on the grid can differ greatly dependingon the future charging pattern. If the charging pattern follows the created category 1006, thecharging takes place quite scattered between the customers and the impact will not be as great asin the last calculation with the assumption that every other customer charges at the same time.