kth.sePublications
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Geospatial Optimisation Methods for Mini-grid Distribution Networks: MSc Sustainable Energy Engineering (SEE)
KTH, School of Industrial Engineering and Management (ITM).
2022 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesis
Abstract [en]

In 2019, 770 million people worldwide lived without electricity. As many as 490 million people could be electrified with 210,000 mini-grids by 2030. Obtaining information for decision-making is crucial to determine the viability of such a project. Currently, it is a major challenge for mini-grid developers to gather this information at the speed and scale necessary to make effective investment choices. Village Data Analytics (VIDA) is a decision-making tool used for mini-grid project planning and site selection. This paper presents a method to estimate the cost of a mini-grid distribution network on a site-by-site basis. This method can estimate the total demand, potential connections, distribution infrastructure components and corresponding costs for each site. The model can make predictions for 50 sites within two hours so the tool is especially useful for preliminary estimates in the planning phase. A more detailed study of the individual sites is recommended. Comparison with a benchmark has shown that on-site conditions often reveal activities that can only be captured by a survey. However, collecting on-site data is time-consuming and costly. Therefore, GIS and modelling tools can serve as a good approximation of the on-ground reality and are relevant to accelerate planning and support timely decision-making. 

Abstract [sv]

2019 levde 770 miljoner människor världen över utan elektricitet. Så många som 490 miljoner människor skulle kunna elektrifieras med 210 000 mininät till 2030. Att få information för beslutsfattande är avgörande för att avgöra om ett sådant projekt är lönsamt. För närvarande är det en stor utmaning för utvecklare av mininät att samla in denna information i den hastighet och skala som krävs för att göra effektiva investeringsval. Village Data Analytics (VIDA) är ett beslutsfattande verktyg som används för projektering av mininät och platsval. Det här dokumentet presenterar en metod för att uppskatta kostnaden för ett distributionsnät för mininät på plats för plats. Denna metod kan uppskatta den totala efterfrågan, potentiella anslutningar, komponenter för distribution sinfrastruktur och motsvarande kostnader för varje plats. Modellen kan göra förutsägelser för 50 platser inom två timmar, så verktyget är särskilt användbart för preliminära uppskattningar i planeringsfasen. En mer detaljerad studie av de enskilda platserna rekommenderas. Jämförelse med ett riktmärke har visat att förhållanden på plats ofta avslöjar aktiviteter som bara kan fångas genom en undersökning. Men att samla in data på plats är tidskrävande och kostsamt. Därför kan GIS- och modelleringsverktyg fungera som en bra approximation av verkligheten på marken och är relevanta för att påskynda planering och stödja beslutsfattande i rätt tid. 

Place, publisher, year, edition, pages
2022. , p. 39
Series
TRITA-ITM-EX ; 2022:52
Keywords [en]
Energy access, mini-grid, geospatial data, energy modelling, optimisation, Dijkstar, shortest path algorithm, OSeMOSYS, linear programming, distribution layout, low voltage network, python, Jupyter Notebook
National Category
Engineering and Technology
Identifiers
URN: urn:nbn:se:kth:diva-318898OAI: oai:DiVA.org:kth-318898DiVA, id: diva2:1698359
External cooperation
VIDA
Supervisors
Examiners
Available from: 2022-09-23 Created: 2022-09-23 Last updated: 2022-09-23Bibliographically approved

Open Access in DiVA

fulltext(21568 kB)409 downloads
File information
File name FULLTEXT01.pdfFile size 21568 kBChecksum SHA-512
4086e07d881c51ec1eabbe52d0aa704912a60c5f2a9e936e7784acb3d0ab039ae5c023ae923e6cadabc382b428e30032806aff5cae829d29bfb8acc740c5a6b9
Type fulltextMimetype application/pdf

By organisation
School of Industrial Engineering and Management (ITM)
Engineering and Technology

Search outside of DiVA

GoogleGoogle Scholar
Total: 409 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 257 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf