Floker i nettet. Analyse av strømforbruk i en nordnorsk fiskeribedrift

Abstract

Denne oppgaven er et bidrag til det tverrfaglige prosjektet RENEW i regi av Arctic Research Center som forsker på smart infrastruktur og fornybar energi. Prosjektet søker å komme fram til løsninger i kystområder med sårbar strømdistribusjon og økende etterspørsel etter strøm. Overforbruk og strømstans er utfordringer som adresseres. Fiskeribedriften Brødrene Karlsen er Troms Krafts største kunde på Husøy, og er forskningsobjektet i denne oppgaven. Formålet er å finne variabler som påvirker strømforbruket, hvordan de påvirker strømforbruket og på bakgrunn av funn, prognostisere strømforbruket. Dette kan igjen nyttiggjøres i ulike modeller for etterspørselsrespons hvor hensikten er å forebygge overforbruk. Dagsdata fra første halvdel av 2018 er samlet inn. Perioden er valgt fordi den inkluderer skreifiskesesongen når trykket er størst på bedriften. I analysen er variablene temperatur, mottak av råstoff og distribuert effekt av strøm brukt som forklaringsvariabler. I tillegg er ukedagene for kalender effekt lagt inn som dummyvariabler med søndag implisitt i modellene. To ulike regresjonsmodeller er konstruert for sammenligning av beste prognoseevne. De bruker identiske variabler, men den ene antar en lineær sammenheng mellom variablene og den andre antar en ikke-lineær sammenheng. Analysen er gjort i R Studio, versjon 1.1.456. Dynamisk lineær modell oppnådde R² på 0.869, mens GAM (Generalized Additive Model) oppnådde R² på 0.891. Forklaringsvariablene fangst (råstoff) og distribuert strømeffekt ble funnet å være signifikante på 1% nivå for begge modeller. Temperatur oppnådde signifikans på 5% nivået for begge modeller. Ukedagene var signifikante på 1%, mens lørdag var signifikant på 5% for begge modeller. Begge modeller ble trenet på de fem første måneder og testet for prediksjonsevne mot virkelig data siste måneden. MSE (mean square error) ble benyttet for å vurdere prognoseevne. GAM modellen kom bedre ut enn dynamisk lineær modell. Årsaken kan være den komplekse sammenhengen mellom forklaringsvariabler og responsvariabel, og da løser den ikke-lineære modellen oppgaven bedre. Det ble konkludert med at prognoser på strømforbruk er nyttig informasjon for forebygging av overforbruk. Videre at prognoser på strømforbruk som ligger over gjennomsnittlig forbruk øker risikoen for overforbruk, og forebyggende tiltak bør iverksettes.

Nøkkelord: Strømforbruk, fiskeri, prognose, smartnett, etterspørselsrespons