The transition towards carbon neutrality in the Nordic Power System (NPS) by 2035/40 intensifies the integration of Renewable Energy Sources (RES), especially wind and solar power. This change introduces significant challenges in maintaining the balance between electricity demand and generation, impacting grid frequency stability, a critical parameter that indicates the reliability of the power system. Despite extensive research on RES integration, there is a lack of studies examining the direct impact of weather conditions on grid frequency and frequency containment reserve (FCR) activation in the NPS. This study investigates how weather phenomena can influence grid frequency stability and the activation of FCR, aiming to model these relationships using statistical algorithms.

A literature review explored the theoretical background of NPS frequency control services, weather-dependent generation sources, prominent weather parameters, and existing statistical modelling approaches. The review identified wind speed and air temperature as crucial weather parameters in the NPS influencing generation variability and demand fluctuations. Besides, the research suggested the need for advanced models to capture complex, nonlinear relationships between these weather variables and grid frequency.

A dual-phase analysis was involved in the methodology, utilising historical data from 2017 to 2022. Long-term analysis involved collecting and preparing datasets on grid frequency, wind speed, and air temperature, ensuring data quality through synchronisation, cleaning, and handling missing values. The methodology combined descriptive statistical measures, exploratory data analysis (EDA), and time-series modelling using AutoRegressive Integrated Moving Average with eXogenous variables and Seasonal AutoRegressive Integrated Moving Average with eXogenous variables (ARIMAX/SARIMAX) within the Box-Jenkins framework.

In the short-term analysis, Non-Deterministic Frequency Deviations (NDFDs) from 2022 were focused on utilising high-resolution data to capture disturbance events. Criteria for disturbances were defined, and key frequency quality indicators such as the Rate of Change of Frequency (RoCoF) were calculated. Reliability analysis was conducted by calculating the Time to Failure (TTF) and Mean Time Between Disturbances (MTBD), allowing for the assessment of the grid’s resilience during different seasons and Frequency Containment Reserve for Disturbance (FCR-D) activation. Throughout both phases, various probability distribution functions were fitted to the frequency deviation data, with the Johnson SU distribution emerging as the best fit. This distribution effectively captured the skewness and heavy tails observed.

The study shows that extreme weather conditions, especially during winter, cause increased frequency deviations and frequent FCR-D activations, indicating that traditional time-series models are insufficient for forecasting. The results emphasise the need for advanced modelling methods, real-time monitoring, and adaptive frequency control strategies due to the variability caused by RES integration. This research provides practical options for maintaining grid reliability and stability in the evolving energy context of the NPS.

Övergången till koldioxidneutralitet i det nordiska kraftsystemet (NKS) till 2035/40 intensifierar integrationen av förnybara energikällor (FEK), särskilt vind- och solkraft. Denna förändring inför betydande utmaningar för att upprätthålla balansen mellan elbehov och elproduktion, vilket påverkar nätfrekvensstabiliteten, en kritisk parameter som indikerar kraftsystemets tillförlitlighet. Trots omfattande forskning om RES-integration saknas det studier som undersöker väderförhållandenas direkta inverkan på nätfrekvens- och frekvensinneslutningsreserv (FIR) aktivering i NKS. Denna studie undersöker hur väderfenomen kan påverka nätets frekvensstabilitet och aktiveringen av FIR, i syfte att modellera dessa samband med hjälp av statistiska algoritmer.

En litteraturgenomgång undersökte den teoretiska bakgrunden för NKS frekvenskontrolltjänster, väderberoende genereringskällor, framträdande väderparametrar och befintliga statistiska modelleringsmetoder. Granskningen identifierade vindhastighet och lufttemperatur som avgörande väderparametrar i NKS som påverkar generationsvariationer och efterfrågefluktuationer. Dessutom antydde forskningen behovet av avancerade modeller för att fånga komplexa, olinjära samband mellan dessa vädervariabler och rutnätsfrekvens.

En tvåfasanalys var inblandad i metodiken, med användning av historiska data från 2017 till 2022. Långtidsanalyser innebar att samla in och förbereda datauppsättningar om nätfrekvens, vindhastighet och lufttemperatur, säkerställa datakvalitet genom synkronisering, rengöring och hantering som saknas värden. Metodiken kombinerade beskrivande statistiska mått, utforskande dataanalys (UDA) och tidsseriemodellering med hjälp av AutoRegressive Integrated Moving Average med eXogena variabler och Seasonal AutoRegressive Integrated Moving Average med eXogena variabler (ARIMAX/SARIMAX) inom Box-Jenkins ramverk.

I korttidsanalysen var Non-Deterministic Frequency Deviations (NDFDs) från 2022 fokuserade på att använda högupplösta data för att fånga störningshändelser. Kriterier för störningar definierades och viktiga frekvenskvalitetsindikatorer såsom Rate of Change of Frequency (RoCoF) beräknades. Tillförlitlighetsanalys utfördes genom att beräkna Time to Failure (TTF) och Mean Time Between Disturbances (MTBD), vilket möjliggör bedömning av nätets motståndskraft under olika säsonger och Frequency Containment Reserve for Disturbance (FCR-D) aktivering. Under båda faserna anpassades olika sannolikhetsfördelningsfunktioner till frekvensavvikelsedata, med Johnson SU-fördelningen som den bästa passformen. Denna fördelning fångade effektivt de observerade snedheterna och tunga svansarna.

Studien visar att extrema väderförhållanden, särskilt under vintern, orsakar ökade frekvensavvikelser och frekventa FCR-D-aktiveringar, vilket indikerar att traditionella tidsseriemodeller är otillräckliga för prognoser. Resultaten understryker behovet av avancerade modelleringsmetoder, realtidsövervakning och adaptiva frekvensstyrningsstrategier på grund av variabiliteten som orsakas av RES-integration. Denna forskning ger praktiska alternativ för att upprätthålla nätets tillförlitlighet och stabilitet i den föränderliga energikontexten för NPS.