Floker i nettet. Analyse av strømforbruk i en nordnorsk fiskeribedrift

• Main Author: Sørensen, Bent Raanes
• Format: Master Thesis
• Language: Bokmål
• Published: UiT Norges arktiske universitet 2019
• Subjects: VDP::Samfunnsvitenskap: 200::Økonomi: 210; VDP::Social science: 200::Economics: 210; BED-3901; Arctic; Brødrene; Gam; Karlsen; Husøy; Troms
• Online Access: https://hdl.handle.net/10037/16177

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 ...