Forecast and estimation on transmission line losses is a vital task in the daily operation and planning of the Swedish power system. The aim with this thesis is to design a new line loss prediction model at Svenska kraftnät (Svk), which provides a hourly forecast of the transmission line losses the next day for the Swedish bidding areas (SE1-SE4). The final goal is to reduce the additional cost related to inaccurate predictions. The developed model is based on regression analysis on historical line losses and estimated exchange flows between the adjacent bidding areas computed by linear programming. Simulation results for 2015 show that it is, with rather simple estimates and assumptions, possible to increase the prediction accuracy with up to 27% compared with the existing method and to reduce the related costs in a similar way. The study also shows that future modelling has potential to increase the precision even further and recommends a Neural Network approach as the next step.

Prognoser och estimering av stamnätsförluster är en central del i den dagliga driften av det svenska kraftsystemet. Den här uppsatsen har därför syftat till att utveckla en simuleringsmodell som ger en timvisprognos över morgondagens förluster i varje elområde (SE1-SE4). Detta verktyg är senare tänkt att precisera den dagliga upphandlingen av förluster och därmed minska kostnaden kopplad till osäkra prognoser. Den utvecklade modellen bygger på en regressionsanalys av tidigare uppmätta förluster och uppskattade transmissionsflöden mellan de närliggande elområdena beräknad med linjär programmering. Simulerignar för 2015 visar att, det med föhrhållandesvis enkla antaganden och uppskattningar av indata, går att precisera förlusterna med uppemot 27% jämfört med dagens prognos och därmed minska kostnaderna i liknande omfattning. Studien visar också att förbättringspotentialen är stor och rekommende-rar fortsatta studier utifrån en Neurala Nätverk modell.