Methods for enhanced utilization of the regional distribution grid system (DSO) in the interplay with the transmission system (TSO)

Med økende etterspørsel etter elektrisk kraft i Norges strømnett, står vi overfor utfordringer knyttet til kapasiteten i det eksisterende nettet. Elektrifiseringen av transportsektoren, støtte til kraftkrevende industriprosjekter og bygging av batterifabrikker og datasentre legger press på vårt kraftnett. En vesentlig utfordring er nettets evne til å opprettholde driften når det oppstår feil. En sentral standard for pålitelighet i kraftsystemet er kjent som "N-1-kriteriet," som krever at strømnettet skal kunne tåle feil i én enkelt komponent, som for eksempel en kraftlinje, uten å forårsake store strømbrudd eller omfattende forstyrrelser. Nettselskaper, ofte kalt Distribusjonssystemoperatør (DSO), står overfor valget mellom å øke kapasiteten eller utnytte den kapasiteten vi har bedre. Å øke kapasiteten tradisjonelt betyr å legge til flere strømkabler eller kraftlinjer. Dette er både kostbart, tar lang tid og påvirker miljøet rundt oss. Alternativet er å optimalisere utnyttelsen av den eksisterende kapasiteten på en mer intelligent måte og dermed får mer ut av det nettet vi allerede har. Dette kan både være raskere og krever mindre kostnader, men det kan gå utover evnen til å tåle feil i nettet. Dette prosjektet jobber med å revurdere hvordan vi vurderer tilgjengelig kapasitet i nettet og hvordan vi kan utnytte denne kapasiteten bedre i sanntid. Prosjektet tar i bruk avanserte metoder, fra sannsynlighetsanalyse til maskinlæring, for å gjøre strømnettet både mer effektivt og like pålitelig. På denne måten håper vi å møte den økende etterspørselen etter elektrisk kraft på en bærekraftig måte og samtidig beholde den stabile og sikre strømforsyningen vi har.

With the ever-increasing demand for electrical power in the electricity grid in Norway, the capacity of the existing electric grid is no longer sufficient. The electrification of the transport sector, support for the development of electro-intensive industries, and the facilitation of new initiatives such as battery factories and data centers are pushing the grid capacity to its limits. One of the main limitations of the grid is its ability to maintain operation in the event of faults. The power system's capability to withstand the loss of any single component, such as a transmission line, without causing a widespread blackout or major disruption to the power grid, is one of the primary factors considered when adding new loads. As the demand for electrical power increases, grid operators are faced with two choices: either to increase the grid capacity through traditional grid reinforcements or to maximize the utilization of the existing grid capacity. This research aims to investigate how the available capacity in the regional distribution grid (24-132 kV) can be assessed more accurately and how this capacity can be utilized in coordination with the transmission network to enhance the real-time grid capacity. This includes assessing dynamic constraints such as Dynamic Line Rating (DLR) and implementing prediction methods to forecast the load flow in the grid for both short and long terms. Additionally, stochastic and probabilistic planning methods (e.g., Probabilistic Power Flow) and probabilistic methods for power system reliability will be employed. These approaches will be implemented within a comparative AI/ML-based framework to compare and estimate the grid's performance in different scenarios and assess the ability of professionals working in planning and operation to utilize this information.