Vaasan Sähköverkko Oy:n keskijänniteverkon nykytilan määritys sekä kehittämissuunnitelma käyttövarmuuden näkökulmasta

Tämän työn tavoitteena on analysoida Vaasan Sähköverkko Oy:n keskijänniteverkon nykytila sekä selvittää verkon kehittämisen suuntaviivoja. Nykytilan määrityksessä selvitetään kuormitettavuusasteet, jännitteenalenemat, häviöt oiko- ja maasulkusuojauksen toimivuus sekä keskeytyskustannukset. Nykytilan määrityksen apuna käytettiin verkkotietojärjestelmä Xpowerin tehojako-, oikosulku- ja maasulkulaskentoja. Nykytila on määritetty sekä normaalissa kytkentätilanteessa, että tilanteessa jossa yksi sähköasema kerrallaan on poissa käytöstä. Nykytilan määrityksen perusteella voidaan todeta, että normaalissa kytkentätilanteessa keskijänniteverkko täyttää suurilta osin sille asetetut tekniset reunaehdot, jotka ovat jännitteenalenema, kuormitettavuus, oikosulkukestoisuus sekä oiko- ja maasulkusuojauksen havahtuvaisuus. Jotta reunaehdot toteutuisivat kokonaisuudessaan, tulee oikosulkukestottomien lähtöjen releasetteluja muuttaa tai vaihtaa oikosulkukestottomat johto-osuudet suurempi poikkipintaiseen johtimeen. Nykytilan määrityksen perusteella neljän päämuuntajan kuormitettavuusaste on yli 90 %, joten näiden asemien alueiden kehitystä tulee tarkkailla. Sähköasemien korvaustarkastelun perusteella viiden sähköaseman korvaus tuottaa ongelmia jo nykyisillä huippukuormilla. Työssä tehtyjen selvitystöiden perusteella Vaasan Sähköverkko Oy:n keskijänniteverkkoon lisättiin 10 maastokatkaisijaa sekä selvitettiin verkon mahdollisia tulevaisuuden kehittämisen suuntaviivoja.

Yliopiston sähköverkon mallintaminen

Lappeenrannan teknillinen yliopisto tutkii älykkäiden sähköverkkojen kehittämistä. Yliopisto on hankkinut sähköverkkoonsa tuuliturbiinin ja aurinkopaneeleita, joilla pystytään tuottamaan sähköenergiaa sähköverkkoon. Näitä tuotantoja voidaan käyttää myös tutkimuksessa. Tässä työssä luodaan simulaatiomalli yliopiston sähköverkosta Matlab® Simulink® -ohjelmalla. Simulaatiomalliin mallinnetaan yliopiston sisäinen keskijänniteverkko ja osa pienjänniteverkosta. Simulaatiomalli toteutetaan ohjelman valmiilla komponenteilla, joihin lasketaan tarvittavat parametrit. Tuuliturbiinin ja aurinkopaneelien sähköntuotantotehot määritetään säätiladatojen avulla. Verkon komponenteille lasketaan arvot komponenttien tyyppitietojen perusteella ja asetetaan simulaatiomallin parametreiksi. Simulaatiomalli luodaan yliopiston sisäisen verkon tehonjaon tarkastelemiseksi. Työssä selvitetään myös mahdollisuuksia luodun simulaatiomallin käyttämiseen vikatilanteiden tarkastelussa.

Comparison of Compound Lean Nozzles and Controlled Flow Nozzles at Off-Design

Turbokoneet ja etenkin höyryturbiinit ovat usein suunniteltu ja optimoitu toimimaan tietyssä toimintapisteessä jossa häviöt on minimoitu ja hyötysuhde maksimoitu. Joissakin tapauksissa on kuitenkin tarpeellista käyttää turbiinia toimintapisteen ulkopuolella. Tällöin turbiinin läpi virtaava massavirta muuttuu ja yleensä heikentää hyötysuhdetta. Turbokoneiden suorituskykyä voidaan parantaa käyttämällä kolmidimensionaalisesti muotoiltuja siipiä. Työssä on vertailtu laskennallisesti kahta kohtuullisesti muotoiltua suutinta (Compound lean ja Controlled flow) niiden suunnitellun toimintapisteen ulkopuolella. Kolmas suutin, ilman kolmidimensionaalista muotoilua on mukana vertailukohteena. Suutinten suorituskykyä tutkitaan laskennallisen virtausmekaniikan avulla olosuhteissa, jotka ovat toimintapisteen ulkopuolella. Virtauksen muutoksia tutkitaan kokonaispainehäviön, isentrooppisen hyötysuhteen ja virtauspinnan yhdenmukaisuuden avulla. Virtauspintoja verrataan ulosvirtauskulman, massavirran ja toisiovirtausvektoreiden jakauman avulla. Erot suutinten suorituskykyvyssä korostavat ylikuormalla. Kun massavirran arvoa on kohotettu eniten, Compound lean suuttimilla hyötysuhde laskee Controlled flow suuttimeen verrattuna vähemmän. Alikuormalla, kun massavirran arvoa lasketaan, erot suuttimien suorituskyvyssä pienenevät ja tutkittujen suuttimien ulosvirtaus on samankaltainen.

A Bayesian Approach for Forecasting Heat Load in a District Heating System

The growing population in cities increases the energy demand and affects the environment by increasing carbon emissions. Information and communications technology solutions which enable energy optimization are needed to address this growing energy demand in cities and to reduce carbon emissions. District heating systems optimize the energy production by reusing waste energy with combined heat and power plants. Forecasting the heat load demand in residential buildings assists in optimizing energy production and consumption in a district heating system. However, the presence of a large number of factors such as weather forecast, district heating operational parameters and user behavioural parameters, make heat load forecasting a challenging task. This thesis proposes a probabilistic machine learning model using a Naive Bayes classifier, to forecast the hourly heat load demand for three residential buildings in the city of Skellefteå, Sweden over a period of winter and spring seasons. The district heating data collected from the sensors equipped at the residential buildings in Skellefteå, is utilized to build the Bayesian network to forecast the heat load demand for horizons of 1, 2, 3, 6 and 24 hours. The proposed model is validated by using four cases to study the influence of various parameters on the heat load forecast by carrying out trace driven analysis in Weka and GeNIe. Results show that current heat load consumption and outdoor temperature forecast are the two parameters with most influence on the heat load forecast. The proposed model achieves average accuracies of 81.23 % and 76.74 % for a forecast horizon of 1 hour in the three buildings for winter and spring seasons respectively. The model also achieves an average accuracy of 77.97 % for three buildings across both seasons for the forecast horizon of 1 hour by utilizing only 10 % of the training data. The results indicate that even a simple model like Naive Bayes classifier can forecast the heat load demand by utilizing less training data.

Evaluation of PostgreSQL replication and load balancing implementations

In this final project the high availability options for PostgreSQL database management system were explored and evaluated. The primary objective of the project was to find a reliable replication system and implement it to a production environment. The secondary objective was to explore different load balancing methods and compare their performance. The potential replication methods were thoroughly examined, and the most promising was implemented to a database system gathering weather information in Lithuania. The different load balancing methods were tested performance wise with different load scenarios and the results were analysed. As a result for this project a functioning PostgreSQL database replication system was built to the Lithuanian Hydrometeorological Service's headquarters, and definite guidelines for future load balancing needs were produced. This study includes the actual implementation of a replication system to a demanding production environment, but only guidelines for building a load balancing system to the same production environment.

Concentration and estimated flow of soluble non-ammonia nitrogen entering the omasum of dairy cows as influenced by different protein supplements

Selostus: Valkuaistäydennyksen vaikutus lypsylehmän pötsistä virtaavan liukoisen rehuperäisen typen pitoisuuteen ja määrään sisärehuruokinnalla

Cost-effective measures for diffuse load abatement in forestry

Abstract