Kvalitetskontroll av insamlade mätvärden

Mätteknik är en avdelning inom Tekniska Verken koncernen som ansvarar för mätvärdeshanteringen kopplat till Tekniska Verkens kunders förbrukning av el, värme, kyla och vatten. Mätteknik ansvarar även för mätvärdesrapporteringen på den avreglerade elmarknaden. Externa uppdrag åt andra energibolag är också en viktig del av verksamheten. Mätteknik är ackrediterade av SWEDAC samt kvalitetscertifierade av SEMKO-DEKRA.


Bakgrund

Tekniska Verken har ca 100 000 debiteringsmätare för el, värme, kyla och vatten. Dessa mätpunkter kan delas in i olika kategorier efter de förbrukningsmönster som olika kundgrupper har. Mätvärden samlas idag in med ett intervall från en timma till en gång per år. Under de närmaste åren kommer antalet mätpunkter med timavläsning att öka kraftigt i samband med utbyggnad av fjärravläsning.

Mätvärden från Östkrafts elkunder, utanför Linköpingsområdet, skickas till Tekniska Verken från respektive nätägare. Antalet kunder är idag ca 60000 st och ökar successivt.

Idag finns vissa relativt enkla metoder för att kontrollera om ett inrapporterat mätvärde är rimligt. Dessa förbrukningskontroller bygger på att inrapporterade mätvärden jämförs med data grundat på en beräknad årsförbrukning för varje anläggning. När det gäller värmeanläggningar sker graddagskorrigering, dvs hänsyn tas till yttertemperaturen vid jämförelsen. De mätvärden som underkänns i denna kontroll kommer ut på en felfil för manuell bearbetning.

När nu fjärravläsning införs så innebär detta att datamängderna ökar kraftigt samtidigt som våra manuella besiktningar av mätarna i stort sett upphör. Det innebär i sin tur både problem och möjligheter.

Problemen ligger i att antalet mätvärden som kommer ut på felfilerna, för manuell behandling, kommer att öka kraftigt. Både på grund av den allmänt ökade datamängden men också på grund av att olika typer av tillfälliga mätarfel blir synliga med tätare avläsning. Dessutom så får vi mycket mindre kontroll över mätarna i drift, när vi inte okulärbesiktigar anläggningarna lika ofta, med risk att vi inte upptäcker t ex skador och åverkan.

Möjligheterna ligger i att en ökad mängd data, i kombination med en utvecklad automatiserad kontroll, ger oss goda möjligheter att snabbt hitta problem med anläggningar och mätare på fältet utan att behöva åka ut och kontrollera dem.

Uppgift

Ta fram och testa olika matematiska metoder för att med hjälp av historiska och dagsaktuella data, med stor tillförlitlighet, kunna filtrera fram de mätpunkter som måste åtgärdas manuellt.

Exempel på fel som behöver filtreras fram är:

¿ Data från en mätare avviker plötsligt mot förväntade värden relaterat till mätpunktens egen historik och vid jämförelse med mätare i ett likvärdigt kollektiv.

¿ Data från en mätare avviker långsiktigt smygande mot förväntade värden relaterat till mätpunktens egen historik och vid jämförelse med mätare i ett likvärdigt kollektiv.

Exempel på övriga uppgifter som skall tas fram är:

¿ Larmnivåer och övriga kriterier på avvikelser för olika kundgrupper samt anläggningar för att säkerställa att fel hittas utan onödiga falsklarm.

¿ Identifiera olika kundkollektiv som har så likvärdiga parametrar att de kan användas för relevanta jämförelser inom kollektivet.
¿ Självlärande kontroller (dvs hänsyn tas till mätarens historiska data)
¿ Anläggningens ¿fingeravtryck¿. Börjar anläggningen förbruka mycket mer eller mindre el under vissa perioder? Detta skulle kunna tyda på att någon enhet är på väg att gå sönder.