Till innehållet
English
Till startsidan
  • Rapport
  • Elnät

AI för optimering av Datacenter Microgrid Integration

| 2019:599 | Mattias Vesterlund, Sebastian Fredriksson, Rickard Brännvall
Artificiell intelligens och maskininlärning kan användas för live optimering av ett datacenter kopplat till ett mikronät med batterilager. Syftet är att minska driftkostnaden samtidigt som effektförbrukningen jämnas ut.
bild 2019-599.jpg

Optimeringen bör ta hänsyn till parametrar som väderprognos, elprisutveckling, lastprediktion och fysikaliska samband i anläggningen.

Genom att schemalägga beräkningar och planera användning av batterilager kan datacentrets effektförbrukning utjämnas och toppar kapas. Batterilagret kan också användas för frekvensreglering mot elnätet även om existerande system för handel inom frekvensreglering kan behöva förbättras.

Frekvensreglering av typ Frequency Containment Reserve - Disturbance, FCR-D, anses mest lämplig i de här sammanhangen. Det bedöms vara fördelaktigt att använda litium-jon batterier för reglering av effekt och frekvens.

Rapporter och publikationer

Här listas rapporter och resultatblad från programmet.

    • Rapport

    Unison prissignal för ökad flexibilitet

    Rapportens viktigaste resultat är att en unisont utformad timbaserad prissignal, som tar hänsyn till både elnätets kapacitet och elmarknadens priser, kan skapa tydliga och effektiva incitament för ökad efterfrågeflexibilitet.

    |2026:1193Emilie Andersson, Johan Bergerling, Magnus Lenasson och Magnus Lindén
    Bild Unison prissignal för ökad flexibilitet
    • Rapport

    En holistisk nätutvecklingsstrategi

    Denna rapport visar ett holistiskt angreppssätt vid nätplanering med beslutsprocesser som gör det möjligt att analysera, jämföra och kombinera flera åtgärder vid kapacitetsproblem. Rapporten föreslår två kompletterande beslutprocesser: en för kortsiktig planering med fokus på hantering av anslutningsförfrågningar och en för långsiktig strategisk planering med ett iterativt arbetssätt för osäkerhetshantering.

    |2026-1192 Nima Mirzaei Alavijeh, Adam Nilsson Johan Bergerlind, Magnus Lenasson, Magnus Lindén
    Bild till webb 2026-1192
    • Rapport

    AI-modeller för prognostisering av efterfrågan på el

    Projektet PREDATOR etablerade en dialog mellan RISE och svenska elnätsföretag för att kartlägga behov av AI baserade prognos- och beslutsstödsmodeller för framtida nätutvecklingsplanering.

    |2026:1168Leon René Sütfeld och Michael Popoff, RISE
    AI-modeller för prognostisering av efterfrågan på el bild
    • Rapport

    Effektauktioner med värmepumpar

    Syftet med detta projekt har varit att utvärdera hur en auktionsalgoritm kan användas för att hantera lokala flexibilitetsbehov av eleffekt genom ett auktionsförfarande mellan elnätet och budgivare av flexibilitet som ett alternativt till andra flexibilitetsåtgärder.

    |2026:1151Vanja Månborg, Profu, Willem Mazzotti Pallard & Adrien Vautrin, KTH
    Bild: Effektauktioner med värmepumpar