haku: @keyword sähköautot / yhteensä: 9
hakutulos-lista
viite: 9 / 9
« edellinen | seuraava »
Tekijä:Kaartio, Timo
Työn nimi:Alueellisen sähkökuorman ennustamisen kehittäminen
Development of Spatial Electric Load Forecasting
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2010
Sivut:[8] + 107      Kieli:   fin
Koulu/Laitos/Osasto:Sähkötekniikan laitos
Oppiaine:Sähköverkot ja suurjännitetekniikka   (S-18)
Valvoja:Lehtonen, Matti
Ohjaaja:Forsström, Stefan
Elektroninen julkaisu: http://urn.fi/URN:NBN:fi:aalto-201203131459
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  823   | Arkisto
Avainsanat:electricity networks strategic planning
spatial electric load forecasting
load modelling
electric cars
decentralized production
heat pumps
sähköverkon strateginen suunnittelu
alueellisen sähkökuorman ennustaminen
kuorman mallintaminen
sähköautot
hajautettu tuotanto
lämpöpumput
Tiivistelmä (fin): Alueellinen sähkökuormien ennustaminen muodostaa perustan sähköverkon strategiselle suunnittelulle.
Työssä on tutkittu pitkän aikavälin alueellista sähkökuormien ennustamista ja siihen kohdistuvia muutoksia.
Ennustusprosessin kokonaisvaltainen kehittäminen on ollut työn pääkohta.

Työssä on ehdotettu kehityskohteita ennusteen integroimiseksi kiinteämmäksi osaksi verkkotietojärjestelmää.
Tämä vaatii muun muassa kaavoitustietojen tuomista verkkotietojärjestelmän käyttöön sekä kehittyneitä analyysityökaluja kulutustietojen ryhmittelyyn.
Näin verkkotietojärjestelmän hyväksikäyttöä yleissuunnittelussa voidaan tehostaa merkittävästi.
Tärkeimpiin suunnittelun lähtötietoihin kuuluvat sähkön käyttö, kaavoitus, rakennus- ja verkkotiedot.
Alueilla, joista on paljon lähtötietoja saatavissa, ennustaminen perustuu kaavoitukseen ja nykyisen sähkönkulutuksen tuntemiseen.

Verkkoyhtiöt toimivat osana yhteiskuntaa ja niiden toimintaympäristö on kiihtyvää vauhtia muuttumassa.
Tätä muutosta on pyrittävä ennakoimaan johtuen verkoston osien pitkistä suunnittelu- ja toteutusajoista.
Työssä keskitytään ennustamisen kannalta kolmen merkittävimmän muutoksen tutkimiseen.
Näitä ovat sähköautot, lämpöpumput ja hajautettu tuotanto.
Tiivistelmä (eng): Spatial load forecasting forms the basis for strategic planning of electricity networks.
This thesis studies long term spatial electric load forecasting and changes within.
Specifically, the main aim has been to develop a comprehensive forecasting process.

A comprehensive forecasting process involves the integration of spatial load forecasting and the network information system.
The most important forecasting background information includes electricity consumption, zoning, structure and electricity network data.
In areas where a substantial amount of background information is available, forecasting would then be based on zoning and current electricity consumption data.
The integration requires importing zoning information to the network information system and developing analyzing tools to group electric consumption data.
As a result, this improves the efficiency of the network information system.

Electricity network companies are a part of society and their operational environment is rapidly changing.
These changes need to be accurately predicted well in advance due to the electricity distribution network lengthy planning periods and lead times.
Additionally, this thesis focuses on the research of the three most significant changes concerning spatial load forecasting: electric cars, heat pumps and decentralized production.
ED:2010-08-16
INSSI tietueen numero: 40101
+ lisää koriin
« edellinen | seuraava »
INSSI