Ny indikator - Resultat och analys: Belastningsincitament

9. Resultat och analys: Belastningsincitament

9.4 Ny indikator

I det här avsnittet presenteras alternativa indikatorer till kostnaden för ÖN.

-2%

0 20 40 60 80 100 120 140 160

Utfall incitament för effektivt nätutnyttjande [% av intäktrsam]

REL

Kombinera Lastfaktorn med nätförlustincitamentet

Nuvarande belasnings- och nätförlustincitament: ersättningsfaktor 0,5 Nuvarande belasnings- och nätförlustincitament: ersättningsfaktor 1

46 9.4.1 Medellastfaktorn som norm

I detta alternativ sätts medellastfaktorn som norm och kostnaden för ÖN (inte normerad med energi som är fallet i nuvarande incitament) används som kostnadsfaktor. Att kostnaden för ÖN behålls i funktionen som parameter är positivt i den mening att det finns en koppling mellan kostnaden för ÖN och de effekttoppar som förekommer i nätet.

Fördelen med att ha medellastfaktorn som historisknorm är att fokus ligger på att uppnå en jämnare belastning istället för att minska kostnaderna för ÖN. En historisk norm är fördelaktigt då det kan finnas specifika orsaker till varför en del nätföretag avviker från en generell norm. Det är dessutom svårt att ta fram objektiva förutsättningar som ger en norm för jämn belastning. Ett nätföretag kan t.ex. ha en stor andel lokalproduktion i nätet och de kan då bli negativt om normen inte är baserad på egen historik. Om andelen lokalproduktion ökar kan det även med en historisk norm bli ett negativt utfall om lastfaktorn skulle bli lägre. Det kan därför behövas specialregler om lastfaktorn sätts som norm eftersom incitamentet både kan ge ett avdrag och ett tillägg.

Nätföretagen började rapportera in medellastfaktorn år 2016 och året innan, 2015, var det frivilligt att rapportera in denna parameter. Det var 38 nätföretag som rapporterade in medellastfaktorn både år 2015 och 2016, men fyra av dessa uteslöts då inrapporterade värden för de två åren hade en orimligt stor skillnad. I figur 17 visas utfallet för incitamentet i förhållande till intäktsramen för nuvarande metod och för medellastfaktorn som norm för 34 REL. Normen beräknades på medelvärdet för 2011–2013 och utfallet beräknades på medelvärdet för 2014–2016, förutom för lastfaktorn där normen är år 2015 och utfallet är år 2016.

Figur 16. Utfall för belastningsincitamentet [% av intäktsramen] med lastfaktorn som norm och dagens incitament. Norm beräknad på medel för åren 2011–2013 och utfall beräknad på medel för åren 2014–2016. Förutom för lastfaktorn där normen är år 2015

och utfallet är år 2016.

Utfall belastningsincitamentet [% av intäktsramen]

REL

Medellastfaktor som norm Dagens incitament (belastning)

Majoriteten av nätföretagen ligger inom ±2 %. Ett REL hamnar utanför ±2 %, och får 5,1 % tillägg med dagens incitament. Nätföretaget med stort tillägg med dagens incitament hade lägre energi och högre kostnaden för ÖN under normperioden än utfallsperioden, vilket resulterade i ett stort tillägg. Från utvärderingen av data för nätföretaget med 5,1 % tillägg går det inte att avgöra om avvikelsen från resterande REL beror på felrapporteringar och kan således inte uteslutas. I figur 18 visas det sammanlagda utfallet av nätförlust- och belastningsincitamentet.

Figur 17. Utfall för belastnings- och nätförlustincitamentet [% av intäktsramen] med nätförlustincitamentet i kombination med lastfaktorn som norm och dagens incitament.

Norm beräknad på medel för åren 2011–2013 och utfall beräknad på medel för åren 2014–2016. Förutom för lastfaktorn där normen är år 2015 och utfallet är år 2016.

Ett antal nätföretag får med det sammanlagda incitamentet högre tillägg eller lägre avdrag. De olika variationerna av incitamentet resulterar i att olika många REL varken får avdrag eller bonus på intäktsramen. För incitamentet för effektivt nätutnyttjande (medellastfaktorn som norm) är det ett REL, för belastningsincitamentet (medellastfaktorn som norm) är det 14 REL och för det befintliga incitamentet är det åtta REL. Anledningen till att en så stor del av nätföretagen inte får avdrag/tillägg är att många nätföretag rapporterade in samma medellastfaktor 2015 och 2016. Medellastfaktorn rapporteras in med två värdesiffror och det behövs relativt stora förändringar för att påverka lastfaktorn. Detta visade Wigenborgs examenarbete där alla fyra scenarier resulterade i samma lastfaktor om bara två värdesiffror tas med. Det är därför troligt att nätföretagen inte haft någon förändring mellan 2015 och 2016. Utifrån Wigenborgs resultat [34] är det sannolikt att nätföretagen med mer än 0,01 i förändring för medellastfaktorn har rapporterat fel. Eftersom att till och med stora förändringar så som mer elbilar och flytt av last resulterade i en oförändrad medellastfaktor. Två REL hamnar utanför ±2 %, ett för nollalternativet och ett för alternativet med medellastfaktorn som norm.

Utfall effektivt nätutnyttjande incitament [% av intäktsramen9

REL

Medellastfaktor som norm och nätförlustincitament Dagens incitament (belastning och nätförlust)

Fem nätföretag delgav sin data för år 2016 och 2017 till detta arbete och från deras data har medellastfaktorn kunnat beräknas. Detta gjordes för att se om det är någon skillnad mellan vad företagen rapporterar in och beräkningen av medellastfaktorn från deras data.

Tre av nätföretagen rapporterar in samma värde som utfallet av beräkningen från deras data för båda åren. För ett av näten skiljer sig inrapporterade data och beräknad med 0,01 för ett av åren och för ett av näten skiljer det 0,04 ett av åren och det andra året med 0,03.

Utifrån synpunkter som har kommit till Ei har det framkommit att en del företag tycker att det är svårt att veta hur medellastfaktorn ska beräknas. Att det för ett av företagen skiljer sig mycket mellan data beror antagligen på en okunskap om hur medellastfaktorn ska beräknas. Företaget i fråga får en större bonus om data från särskilda rapporten används.

9.4.2 Icke lämpliga indikatorer

En av de indikatorer som undersöktes var Nätets sammanlagda abonnerade effekt (MW) som är summan av samtliga gränspunkters abonnerade effekt [2]. Om nätföretagen sänker sin abonnerade effekt så sänks kostnaden för ÖN så länge inte regionnäten höjer sina avgifter. Det finns dock ingenting som hindrar elnätsföretagen från att överträda sin abonnerade effekt, om de överträder den abonnerade effekten får de en straffavgift som inkluderas i redovisningen av kostnaden för ÖN. Kostnaden för ÖN är en opåverkbar kostnad och elnätsföretagen får därmed full täckning i intäktsramen för kostnaden. Att använda denna indikator skulle därmed kunna leda till nätföretagen sänker sin abonnerade effekt samtidigt som maxeffekten förblir oförändrad. Det skulle innebära dubbel ökning för nätföretagen då de får ett tillägg med incitamentet och får full täckning för kostnaden för ÖN. Slutsatsen från detta är att Nätets sammanlagda abonnerade effekt inte är en lämplig indikator.

En annan indikator som rapporteras in i Särskilda rapporten är Sammanlagd maximal inmatad effekt (MW) till redovisningsenheten som är högsta sammanlagda inmatade effekten till redovisningsenheten från ÖN samt från elproduktionsanläggningar anslutna till redovisningsenheten [2]. Att använda enbart maxeffekten som indikator är missvisande då ett nätföretag kan sänka maxeffekten och samtidigt haft en minskning av energi pga. t.ex. avbefolkning eller att en industri i elnätsområdet stänger ner. Detta skulle leda till att nätföretaget får en bonus trots att de inte har främjat ett förändrat utnyttjande av nätet. På samma sätt kan ett elnätsområde med ökad befolkning eller nya industrier få ett avdrag trots att de inte försämrat utnyttjandet av nätet.

9.4.3 Utnyttjningsgrad

En lösning är att normera Sammanlagd maximal inmatad effekt (MW) till redovisningsenheten till inmatad energi och därmed få en indikator som visar utnyttjningsgraden av elnätet sett till hela året. Det finns dock problem med inrapporteringen av dessa två parametrar. För parametern maximal inmatad effekten är det att elproduktionsanläggningar inkluderas. Att elnätsföretagen sänker effekten från regionnäten genom att främja elproduktionsanläggningar i nätområdet kan leda till att

investeringar i regionnäten senareläggs eller helt utebli då belastningen i gränspunkten blir mindre. Parametern är därför inte optimal och skulle med fördel enbart inkludera inmatad maxeffekt från ÖN.

Det andra är hur nätföretagen rapporterar in energin. Nätföretagen rapporterar in inmatad energi från ÖN samt från elproduktionsanläggningar. En skillnad mot hur maxeffekten rapporteras in är att inmatad energi från elproduktionsanläggningar även rapporteras in separat. Ytterligare två kategorier för inmatad energi rapporteras också in vilket är inmatad energi från småskaliga elproduktionsanläggningar och från mikroproduktionsanläggningar. Enligt Ei utgör elproduktionsanläggningar och småskaliga elproduktionsanläggning en delsumma av totalsumma inmatad energi. Utifrån inrapporterade parametrar går det alltså att ta fram inmatad energi i gränspunkt. Problemet ligger i att nätföretagen ser ut att tolka inrapporteringen av inmatad energi olika. Det stämmer även överens med vad representanter från branschorganisationen som representerar nätföretagens intressen uttryckt. Att det möjligen förekommer fel i rapporteringen är både en för- och nackdel till att använda det till incitamentet.

Felrapporteringar kan leda till avdrag trots att de har ett jämnt belastat nät, men det gör också att rapporteringen blir bättre när det avgör vilket incitament de får.

Inmatad energi och effekt i gränspunkt rapporteras också i Avbrottsdata. Ett alternativ skulle vara att använda maxeffekt och/eller energi från Avbrottsdata istället för från Särskilda rapporten (SR). I avbrottsrapporten rapporteras maxeffekten av regionnät eller angränsande nät för varje gränspunkt. Medan i SR rapporteras sammanlagrad inmatad maxeffekten för alla gränspunkter i koncessionsområdet och inkluderar även inmatad maxeffekt från elproduktionsanläggningar. Sammanlagringen gör att maxeffekten i SR borde vara lägre och inkluderingen av elproduktionsanläggningar gör att den kan vara högre. I KENT avbrott rapporterar ÖN in utmatad energi till lokalnäten och i SR rapporterar lokalnäten in inmatad energi från ÖN till lokalnäten. Korrelationen mellan de två dataseten är 0,971 och 60 REL hade samma inrapporterade värde som regionnätet.

Att använda Avbrottsdata för maxeffekten skulle inte vara rättvist då det missgynnar REL med många gränspunkter. Samma värden på inmatad energi till lokalnäten borde rapporteras in både i KENT avbrott och SR. Korrelationen för inmatad energi är 0,972 och åtta nätföretag hade rapporterat in samma energi som regionnätet. Vissa REL har markant skillnad i inmatad energi mellan de två dataseten, för två REL skiljer det nästan 4 TWh. Avbrottsdata är antagligen mer tillförlitlig gällande inmatad energi, eftersom att det finns osäkerheter kring tolkningen av inrapportering av inmatad energi i SR. Något som talar emot att använda Avbrottsdata är att det är regionnäten som rapportera in energin. Detta kan få som konsekvens att ett nätföretag får ett avdrag på grund ut av felrapportering från regionnätet. Det förenklar dessutom Ei:s arbete och kräver därmed mindre resurser eftersom att det endast är ett värde per REL.

Förutsättningarna för parametrarna utifrån nuvarande inrapportering undersöktes då det inte är möjligt att få optimala data från nätföretagen för den nya normperioden.

Medelvärdet för utnyttjningsgraden är 0,44 och 50 % ligger mellan 0,39 och 0,49 år 2016.

Det är stor spridning mellan nätföretagen för utnyttjningsgraden, lägsta utfallet är 0,04 och högsta är 0,7 år 2016. Utnyttjningsgraden har variet mellan åren med en överlag avtagande trend. 2016 resulterade i sämsta utfall för företagen, vilket antagligen beror på att 2016 var ett kallt år. Utnyttjningsgraden är generellt lägre än lastfaktorn.

Det är svårt att dra några konkreta slutsatser om utnyttjningsgraden eftersom att tillgänglig data inte ger korrekta värden. Den utnyttjningsgrad som kan beräknas från tillgänglig data ger dock en indikation på hur den som indikator kan påverka incitamentet.

Det är troligt att förändringarna för utnyttjningsgraden mellan åren kommer vara liknande med korrekt data. Skillnaden mellan hur utnyttjningsgraden ska beräknas och hur den kan beräknas med nuvarande data är att maxeffekten från elproduktionsanläggningar och gränspunkter inkluderas i maxeffekten. Maxeffekten ska endast vara sammanlagringen av maxeffekten från gränspunkter. Det gör att utnyttjningsgraden kan skilja, men att skillnaden mellan åren borde vara ungefär samma. En skillnad mellan åren kan till exempel bero på ökad mängd lokalproduktion i nätet. Eventuella felrapporteringar i tillgänglig data kan möjligen vara större än om utnyttjningsgraden ska rapporteras in för ett incitament. Det beror på att företagen då har större incitament att rapportera korrekt när det ska användas skarpt i deras intäktsram.

Fem nätföretag delgav sin data för år 2016 och 2017 till detta arbete och från deras data har utnyttjningsgraden kunnat beräknas. Utfallet för indikatorn skiljer sig beroende på vilken data som använts, se tabell 9.

Tabell 9. Skillnaden mellan data från särskilda rapporten och givna data från fem nätföretag.

REL Skillnad mellan SR och givna 2017 [%] beroende på REL. Skillnaden mellan 2016 och 2017 för inrapporterade och givna data gör att nätföretagen skulle få en stor skillnad i avdrag eller tillägg beroende på vilken data som används. Två REL skulle få 13 % respektive 60 % större bonus, medan tre nätföretag skulle få 33, 49 respektive 67 % lägre bonus om data från särskilda rapporten används istället för data som bara är sammanlagringen av maxeffekten från gränspunkter. Det får

alltså konsekvenser att använda data där både elproduktionsanläggningar och gränspunkter inkluderas i maxeffekten.

9.4.4 Viktad medellastfaktor

Gustav Wigenborg tog i ett examensarbete på Ei fram ett förslag att använda en viktad medellastfaktor som indikator. I figur 20 redovisas utfallet av belastningsincitamentet med en viktad medellastfaktor på x=1, x=2, x=5, x=10 och x=20 samt nuvarande belastningsincitamentet.

Figur 18. Utfall för belastningsincitamentet [% av intäktsramen] dagens incitament samt medellastfaktorn som norm och viktad medelastfaktor x=1, x=2, x=5, x=10 och x=20 som norm. Förkortning: Lf - medellastfaktor. Norm beräknad på medel för åren

2012–2014 och utfall beräknad på medel för åren 2015–2017. Förutom för medellastfaktorn och lastfaktorn viktad där normen är år 2016 och utfallet är år 2017.

För fyra av nätföretagen innebär en stor vikt ett avdrag istället för ett tillägg. En stor vikt gör att det bara är dagar med störst energi som påverkar lastfaktorn. Eftersom att 2016 var ett kallt år och 2017 var ett varmt år borde nätföretagen ha en lägre maxeffekt och mer jämn förbrukning. Alla nät får en högre utnyttjningsgrad år 2017 än år 2016.

9.5 Fallstudie

I detta avsnitt presenteras resultaten från simuleringarna av de olika fallstudierna.

9.5.1 Väder

Data erhölls från år 2016 och 2017 från fem REL. Alla hade högre utnyttjningsgrad och medellastfaktor år 2017. Därför undersöktes korrelationen mellan effekt och temperatur.

År 2017 var ett varmare år än år 2016. Genom att granska nätföretagens energidata per timme och temperaturen per timme sågs att lägsta temperaturen till ungefär 10 grader

Utfall av belastningsincitamentet [% av intäktsramen]

REL

Nuvarande incitament Lf Viktad Lf x=1 Viktad Lf x=2

Viktad Lf x=5 Viktad Lf x=10 Viktad Lf x=20

Celsius är kurvan linjär, och det är alltså hög korrelation mellan effekten och temperaturen. Över 10 grader Celsius är kurvan nästan vågrät, vid högre temperatur än 10 grader fås ett något större energiuttag än vid 10 grader Celsius.

9.5.2 Smart elnätslösning: Hushåll

I ett av fallen flyttade en tredjedel av hushåll lasten under de två högst belastade timmarna under dygnet med 2 kW per timme och flyttade den förbrukningen till de nästkommande 10 timmarna under vinterhalvåret. Förflyttningen av lasten fördelades på de nästkommande 10 timmarna genom att fylla på nästkommande timma till samma värde som den reducerade timman, därefter fylldes timman efter det till samma värde som den reducerade timman och så vidare tills den förflyttade lasten hade blivit helt förflyttad.

Detta sätt att förflytta lasten innebär att för vissa dygn flyttades lasten till färre än de nästkommande 10 timmarna. I samtliga fall kunde lasten fördelas på de nästkommande 10 timmarna. I figur 21 och 22 visas skillnaden mellan beräknade indikatorer från givna värden för år 2016 respektive år 2017 och indikatorernas utfall för hushålls scenariot. I appendix B finns beräknade och simulerade indikatorer för alla sex lokalnät.

Figur 19. Skillnad mellan givna data och simulerade data för företag 2, 3, 4, 5 och 6 år 2016. Simulerade data för fallet då en tredjedel av hushåll med värmepump reducerar sin elförbrukning under de två högsta timmarna under dygnet med 2 kW per timme och

flyttade den förbrukningen till de nästkommande 10 timmarna under vinterhalvåret.

Förkortningar i diagrammet: Utg-utnyttjningsgrad, Lf-medellastfaktor, vikt-viktad

0 0,002 0,004 0,006 0,008 0,01 0,012 0,014 0,016

Utg Lf Lf vikt x=1 Lf vikt x=2 Lf vikt x=5 Lf vikt x=10 Lf vikt x=20 Skillnaden mellan givna och simulerade data

2 3 4 5 6

Figur 20 Skillnad mellan givna data och simulerade data för företag 2, 3, 4, 5 och 6 år 2017. Simulerade data för fallet då en tredjedel av hushåll med värmepump reducerar sin elförbrukning under de två högsta timmarna under dygnet med 2 kW per timme och

flyttade den förbrukningen till de nästkommande 10 timmarna under vinterhalvåret.

Förkortningar i diagrammet: Utg-utnyttjningsgrad, Lf-medellastfaktor, vikt-viktad Majoriteten av lokalnäten fick år 2017 en högre utnyttjningsgrad och större skillnad mellan givna data och simulerade data med jämnare belastning. År 2016 var kallare än 2017. Utifrån figur 21 och 22 kan ses att högre vikt ger större skillnad mellan givna data och simulerade data med jämnare belastning. Företag 3 får år 2016 ingen skillnad mellan givna och simulerade data, vilket beror på att deras kallaste dagar var utanför den definierade vinterperioden i denna studie. Alltså deras högsta topp förblev oförändrad och därmed även utnyttjningsgraden.

I figur 21 och 22 visades utfallet för om en tredjedel av hushållen reducerade elförbrukningen under två högsta timmarna under året. För de fem olika nätföretagen resulterar det i olika andel av totala energin som flyttas, därför testades även utfallet för om 1 % av totala energin flyttas under dem två timmar med högst förbrukning varje dygn under året. Skillnaden mellan beräknade indikatorer från givna värden för år 2016 respektive år 2017 och simulerade indikatorer för scenariot alla dagar för år 2016 respektive år 2017 ses i figur 23 och 24. I figur 23 visas även REL 1 där data enbart erhölls för år 2016. I appendix B finns beräknade och simulerade indikatorer för alla sex lokalnät.

0 0,005 0,01 0,015 0,02

Utg Lf Lf vikt x=1 Lf vikt x=2 Lf vikt x=5 Lf vikt x=10 Lf vikt x=20 Skillnaden mellan givna och simulerade data

2 3 4 5 6

Figur 21. Skillnad mellan givna data och simulerade data för företag 1, 2, 3, 4, 5 och 6 år 2016. Simulerade data för fallet då 1 % av högsta och näst högsta energin under

dygnet flyttades till de nästkommande 10 timmarna under alla dagar på året.

Förkortningar i diagrammet: Utg-utnyttjningsgrad, Lf-medellastfaktor, vikt-viktad

Figur 22. Skillnad mellan givna data och simulerade data för företag 2, 3, 4, 5 och 6 år 2017. Simulerade data för fallet då 1 % av högsta och näst högsta energin under dygnet flyttades till de nästkommande 10 timmarna under alla dagar på året. Förkortningar i

diagrammet: Utg-utnyttjningsgrad, Lf-medellastfaktor, vikt-viktad

År 2016 var kallare än 2017 och indikatorerna förändras då inte lika mycket med en reduktion av topplasten varje dag. Eftersom att alla dagar tas med får nu även nätföretag 3 en skillnad i utnyttjningsgrad eftersom att deras högsta topp nu reduceras. Utifrån figur 23 och 24 kan ses att högre vikt ger större skillnad mellan givna data och simulerade data med jämnare belastning. Skillnaden mellan givna och simulerade data

1 2 3 4 5 6 Skillnaden mellan givna och simulerade data

2 3 4 5 6

I figur 25 och 26 redovisas utfallet för hushålls fallet samt för de olika konsekvensanalyserna till hushålls fallet för år 2016 och 2017.

Figur 23. Skillnad mellan givna data och simulerade data för företag 2, 2, 4, 5 och 6 år 2016. Simulerade data för fallet då 1 %, 2 % och 5 % av högsta och näst högsta

energin under dygnet flyttades till de nästkommande 10 timmarna under alla vinterdagar samt 1 % av högsta och näst högsta energin under dygnet flyttades till de

nästkommande 10 timmarna under alla dagar på året och då en tredjedel av hushåll med värmepump reducerar sin elförbrukning under de två högsta timmarna under dygnet med 2 kW per timme och flyttade den förbrukningen till de nästkommande 10 timmarna under vinterhalvåret. Förkortningar i diagrammet: Utg-utnyttjningsgrad,

Lf-medellastfaktor

Skillnaden mellan givna och simulerade data

2 3 4 5 6

Figur 24. Skillnad mellan givna data och simulerade data för företag 2, 2, 4, 5 och 6 år 2017. Simulerade data för fallet då 1 %, 2 % och 5 % av högsta och näst högsta

energin under dygnet flyttades till de nästkommande 10 timmarna under alla vinterdagar samt 1 % av högsta och näst högsta energin under dygnet flyttades till de

Lf-medellastfaktor

För de flesta av dessa fem REL ger en reducerad effekt av de två högsta topparna under dygnet under vinterdagarna en större skillnad för utnyttjningsgraden än medellastfaktorn.

Om alla dagars två högsta toppa reduceras med 1 % så är skillnaden istället störst för medellastfaktorn, samma resultat fås med 5 % reduktion av de två högsta topparna under dygnet för alla dagar på året.

Skillnaden med 5 % reduktion av de två högsta topparna under alla dagar på året mellan nätföretagen är större än för 1 %. En anledning till en större variation är att när det är 5 % av största och näst största toppen flyttas under varje dygn så är det många dygn vars tredje topp är större än 95 % av största toppen. För en del REL blir därför utfallet nästan samma som för om 1 % flyttas medan andra REL får en större förändring på grund ut av att de 5

% reducerade största topparna är större än tredje toppen.

I alla reduktions fallen av de två högsta topparna under dygnet fick majoriteten av lokalnäten en högre indikator och större skillnad mellan givna data och simulerade data med jämnare belastning år 2017. Det är stor variation i skillnaden mellan givna data och simulerade data för nätföretagen.

In document Analys av tänkbara förändringar i intäktsramsregleringen avseende incitament för effektivt nätutnyttjande (Page 53-67)