PM NÄTAVGIFTER Sammanfattning.

Transkript

1 PM NÄTAVGIFTER Uppdragsansvarig Anna Werner Mobil +46 (0) Fax Datum Referens (2a) Villaägarna Jakob Eliasson Tel +46 (0) Vxl +46 (0) PM NÄTAVGIFTER Sammanfattning. Bland tekniska variabler har två visat sig signifikant förklara del av elnätsavgiftens variation i Sverige. Antal meter ledning per abonnent, abonnenttätheten, är helt dominerande och förklarar 28 procent av variationen. Antal meter ledning per nätstation förklarar under 12 procent av variationen. Tillsammans förklarar de 33 procent av variationen. Bilagt denna rapport finns en lista som eget dokument som visar tariff (för en hushållskund med 20A och en årlig elanvändning på kwh), förväntad tariff, skillnaden mellan dessa två, samt skillnaden mellan faktisk tariff och lägsta tariff givet bolagets tekniska förutsättningar för varje nätbolag. I denna lista är bolagen uppdelade på län och kommun så att det är lätt att hitta sitt eget, lokala nätmonopol. Denna lista kallas rikslistan. Den finns sorterad på olika sätt. 1 Bakgrund Elnätavgifterna för villakunder skiljer sig mycket åt mellan de 161 lokala näten i Sverige. Energimarknadsinspektionen, EI, har inte studerat huruvida antal meter ledning per abonnemang eller någon annan variabel skulle kunna förklara den stora spridningen i prisbilden. 2 Monopolmarknad Elnätsleverantören är den monopolist som äger elledningarna. Det finns 161 koncessioner för att driva elnät i Sverige. Varje koncession motsvaras av ett RELnummer. REL-nummer står för RedovisningsEnhet Lokalnät. En del av dessa koncessioner ägs av en och samma koncern. Energimarknadsinspektionen samlar i januari varje år in elnätsföretagens avgifter, men har hittills inte studerat huruvida avgifterna är högre t.ex. i glesa nät eller i nät med många fördyrande anslutningar av vindkraft. (Däremot gjorde Villaägarnas riksförbund en egen utredning som publicerades den 5 mars i år, Elnät avgifter och kostnadsdrivare, som detta PM är en uppföljning av.) ÅF-Infrastructure AB, Frösundaleden 2 (goods 2E), SE Stockholm Telefon Fax Säte i Stockholm. Org.nr VAT nr SE Certifierat enligt SS-EN ISO 9001 och ISO PM Villaägarna

2 PM NÄTAVGIFTER (19) 3 Elnätavgifternas fördelning Medelvärdet av de 161 elnätavgifterna från januari 2013 (viktning ej gjord med hänsyn till att det är olika många abonnenter för varje värde på elnätavgiften) var kr 1 och standardavvikelsen var kr. Värdena varierade från kr i nätet som ägs av Lidköpings kommun till kr i det som ägs av Almnäs Bruk AB. Det innebär att ett hushåll med säkring 20A som gör av med kwh el per år med 68 % sannolikhet i januari 2013 hade en elnätavgift på ±1 071 kr, d.v.s. med 68 % sannolikhet låg i intervallet kr. Figur 1 Värden på 161 svenska elnätavgifter för hushållskunder (Villa med 20A och kwh per år) per den 1 januari 2013 exkl. skatter, EI. Frekvens (antal) på vertikal axel. För varje stapel anges medianavgiften i stapeln. Automatiskt val (SAS val) av bredd på staplar och antal staplar. 1 Hushållskund med 20 A och en förbrukning på kwh per år.

3 PM NÄTAVGIFTER (19) Figur 2 Värden på 161 svenska elnätavgifter för hushållskunder (Villa med 20A och kwh per år) per den 1 januari 2013 exkl. skatter, EI. Andel på vertikal axel. 4 Valda data 4.1 Antal värden på elnätavgift Analysen är gjord på 159 av de 161 svenska elnätavgifterna från januari 2013 för villakunder med 20A och kwh per år som visas i diagrammen ovan. 4.2 Analyserade värden För att en elnätavgift ska vara med i analysen krävs att både elnätavgift för januari 2013 och Särskilda tekniska data för 2012 för REL-numret har inrapporterats till EI. Även data på ledningslängder har krävts för att ett nät ska vara med i analysen. Det finns Särskilda tekniska data inrapporterade till EI för 192 REL-nummer sedan Av dessa har 168 angett siffra för ledningsnät år 2012.

4 PM NÄTAVGIFTER (19) Av dessa 168 är det 9 som det inte har rapporterats någon elnätsavgift för i januari : REL00002 Alingsås Energi Nät AB REL00037 Falbygdens Energi Nät AB REL00071 Öresundskraft AB REL00102 Kvänumbygdens Energi ek för REL00104 Larvs Elektriska Distributionsförening REL00136 Öresundskraft Nordvästra Skåne AB REL00157 Sala- Heby Energi Elnät AB REL00173 Sollentuna Energi AB REL00250 Öresundskraft Ängelholm AB Därför är analysen gjord på 168-9=159 REL-nummer (eller elnätavgifter). Våra 159 analyserade elnätsavgifter. Den (oviktade) genomsnittliga avgiften för dessa 159 var kr. 4.3 Borttagna värden för analysen De två borttagna värdena ligger i den högsta stapeln i figur 1 och 2. Anledningen till att två värden är borttagna i analysen är att för två REL-nummer finns det inte några inrapporterade Särskilda tekniska data för: 2 Inom ramen för detta projekt har ingen studie gjorts av varför inga tekniska data har rapporterats för dessa nät.

5 PM NÄTAVGIFTER (19) 1. REL00897 Öresundskraft AB 2. REL00900 Kvänumbygdens Energi ek för Det finns inrapporterade Särskilda tekniska data för två andra REL-nummer med samma nätbolag, men vid tiden för analys av data var det oklart huruvida hur dessa hängde ihop med de två borttagna datapunkterna. De två REL-nummer som det fanns Särskilda tekniska data inrapporterade för var: 1. REL00071 Öresundskraft AB 2. REL00102 Kvänumbygdens Energi ek för 5 Särskilda tekniska data Trettioen olika tekniska variabler har inrapporterats till EI och därmed testats med regressionsanalys. I tabellen på nästa sida förekommer orden gränspunkt och uttagspunkt som definieras enligt: 1. Gränspunkt är enligt definitionen i EIFS 2010:5 den punkt där a. olika schablonberäkningsområden ansluter till varandra, b. schablonberäkningsområde ansluter till ledning med nätkoncession för linje (region- eller stamnät), c. ledningsnät med nätkoncession för linje (region- eller stamnät), som har olika nättariffer, ansluter till varandra, eller d. nätkoncessionsområden eller ledningsnät med nätkoncession för linje (regioneller stamnät) som har olika nättariffer ansluter till varandra Den vanligaste typen av gränspunkt är därmed en punkt mellan det regionala nätet, som har en högre spänning ( kv), och det lokala nätet, som har en lägre spänning (0,4-20 kv). Det kan även vara en punkt mellan två lokala nät där det ena nätet matar det andra. Ytterligare typer av gränspunkter finns men är mycket ovanliga. 2. Uttagspunkt är enligt definitionen i EIFS 2010:5 den punkt där en elanvändare tar ut el för förbrukning. Det är med andra ord den punkt i nätet där en kund ansluter till det matande nätet.

6 PM NÄTAVGIFTER (19) 5.1 Undersökta variabler F4 TN Ledningslängd lågspänning - oisolerad luftledning (km) F10 TN Ledningslängd lågspänning - isolerad luftledning (km) F16 TN Ledningslängd lågspänning - jordkabel (km) F22 TN Ledningslängd högspänning - oisolerad luftledning (km) F28 TN Ledningslängd högspänning - isolerad luftledning (km) F34 TN Ledningslängd högspänning - jordkabel (km) F40 TN Total ledningslängd luftledning och jordkabel (beräkning) F46 TN Nätstationer inom området (antal) 3 F52 TN Totalt installerad transformatoreffekt i nätstationerna (MVA) F58 TN Meter ledning per nätstation (beräkning) 4 F64 TN Totalt antal abonnemang för inmatning från produktionsanläggning (antal) F70 TN Varav abonnemang för småskalig produktion lågspänning (antal) F76 TN Varav abonnemang för småskalig produktion högspänning (antal) F82 TN Abonnemang i gränspunkt (antal) F88 TN Högspänningsabonnemang i uttagspunkt (antal) F94 TN Lågspänningsabonnemang i uttagspunkt (antal) F100 TN Totalt antal abonnemang i uttagspunkt 5 F106 TN Total ledningslängd (meter) per abonnemang (beräkning) 6 F112 TN Nätets sammanlagda abonnerade effekt (MW) 7 F118 TN Maximalt överförd effekt (MW) 8 F124 TN Inmatad energi från småskalig elproduktionsanläggning (MWh) F130 TN Inmatad energi inklusive nätförluster - högspänning och lågspänning (MWh) F148 TN Utmatad energi till slutkund - lågspänning (MWh) F154 TN Utmatad energi till slutkund - högspänning (MWh) F160 TN Årets nätförlust (MWh) 9 F166 TN Under året producerad energi för att täcka nätförluster (MWh) F172 TN Förbrukning per lågspänningsabonnent (kwh) (beräkning) 10 F226 TN Antal abonnenter med avbrott timmar F232 TN Antal abonnenter med avbrott längre än 24 timmar F238 TN Antal ersatta abonnenter med avbrott timmar F244 TN Antal ersatta abonnenter med avbrott längre än 24 timmar 6 Resultat 6.1 En första sållning av variabler Se bilaga 1 för resultat av regressionsanalys med Pearsons korrelationskoefficient som kan anta värden -1 r 1. En korrelationskoefficient på -1 eller +1 visar på en perfekt negativ korrelation respektive en perfekt positiv korrelation mellan två variabler. När 3 Antas motsvara Antal nätstationer 2011 i förra årets undersökning. 4 Antas motsvara Ledning (m)/nätstation 2011 i förra årets undersökning. 5 Antas motsvara Antal kunder 2011 i förra årets undersökning. 6 Antas motsvara Ledning (m)/kund 2011 i förra årets undersökning. 7 Antas motsvara Näteffekt (MW) 2011 i förra årets undersökning. 8 Antas motsvara Maxeffekt (MW) 2011 i förra årets undersökning. 9 Antas motsvara Nätförlust (MWh) 2011 i förra årets undersökning. 10 Antas motsvara kwh/lsp-kund 2011 i förra årets undersökning.

7 PM NÄTAVGIFTER (19) det är perfekt korrelation så är den oberoende variabeln en perfekt prognosbas för den beroende variabeln. Om korrelationskoefficienten är 0 så finns det inget samband mellan den oberoende variabeln och den beroende variabeln. Styrkan för en korrelation beror inte på riktningen för korrelationen (+ eller -) utan på magnituden för korrelationskoefficienten. Den liggande tabellen (bilaga 1) visar variablerna i avtagande korrelationsgrad. Tabellen visar Pearsons korrelationskoefficient för varje variabel, samt en sannolikhet. Tabellen visar att de variabler som elnätavgiften starkast korrelerar med är (i avtagande ordning): F106 Total ledningslängd (meter) per abonnemang (beräkning) F58 Meter ledning per nätstation (beräkning) F22 Ledningslängd högspänning - oisolerad luftledning (km) F124 Inmatad energi från småskalig elproduktionsanläggning (MWh) F10 Ledningslängd lågspänning - isolerad luftledning (km) (Fetstilt i tabellen ovan anger att variabeln testades i förra årets undersökning.) Elnätsavgiften är främst korrelerad med F106. Därefter är elnätsavgiften starkast korrelerad med (i fallande ordning) F58, F22, F124 och F10. Elnätsavgiften är alltså beroende av antal meter ledning per nätstation och antal meter ledning per abonnemang. Tendens till korrelation finns eventuellt även med antal km högspänningsledning (oisolerad i luft), antal Megawattimmar inmatad energi från småskalig elproduktion (t.ex. vindkraft) och antal kilometer lågspänningsledning (oisolerad i luft).

8 PM NÄTAVGIFTER (19) Figur 3 F106 Total ledningslängd (meter) per abonnemang (beräkning) avsatt mot elnätsavgift. Korrelation tydlig. Figur 4 F58 Meter ledning per nätstation (beräkning) avsatt mot elnätsavgift. Korrelation något mindre tydlig. Förutom för variablerna F106 och F58 är korrelationerna mindre signifikanta., t.ex. för variabel F22 Ledningslängd högspänning - oisolerad luftledning (km). Figur 5 F22 Ledningslängd högspänning - oisolerad luftledning (km). Korrelation inte tydlig.

9 PM NÄTAVGIFTER (19) Av figuren framgår att det finns ett positivt samband mellan elnätsavgiften och F22, men sambandet gäller bara ett fåtal punkter. Om de nät som inte har någon ledning av den typ som variabel F22 avser rensas bort från data, blir det bara 141 av 159 punkter kvar. Det är ändå många punkter kvar som ligger kring F22<100 km, dvs nära 0 km. 6.2 t-värde Ett t-test används för att utröna om skillnader i medelvärde kan förklaras av slump eller av en alternativhypotes. t-test kan användas för beräkning av signifikans för Pearsons korrelationskoefficient. Ett högt t-värde betyder att Pearsons korrelationskoefficient r är sannolik. F22 och F10 får i vår studie ett lågt t-värde. Det betyder att Pearsons korrelationskoefficient är mer osäkert bestämd för dessa två variabler än för de andra tre variabler med höga korrelationskoefficienter.

10 PM NÄTAVGIFTER (19) 6.3 Slutlig modell Endast variablerna F106 och F58 visar sig vara signifikanta. En linjär regression med endast dessa två som förklarande variabler blir signifikant: Justerad R 2 är ett mått på modellens förklaringsvärde. Modellen förklarar 33 procent av variationen i elnätsavgiften. 6.4 Individuella variabler Ytterligare ett sätt att avgöra vilka variabler som har stort förklaringsvärde är att jämföra justerade R 2 för enskilda variabler. En linjär regressionsanalys med enbart F106 som förklarande variabel har ett justerat R 2 på 28 procent, medan motsvarande analys med enbart F58 som förklarande variabel har ett justerat R 2 på under 12 procent. 6.5 Avvikelse från förväntad elnätsavgift Residualerna anger avvikelse från det av modellen förväntade värdet. Per definition är ca 50 procent av nätbolagen billigare än detta förväntade värde. Avvikelsen beskriver,

11 PM NÄTAVGIFTER (19) enkelt uttryckt, hur mycket dyrare ett företag är jämfört med medlet för företag som har samma egenskaper. Fyra nätbolag har avgifter som är över kr högre än vad modellen förutsäger: Fem nätbolag har avgifter är mer än kr lägre än vad modellen förutsäger: Det nätbolag som ligger längst under vad modellen förutsäger är LKAB Nät AB. Eftersom LKAB inte var med i förra årets undersökning eftersom det nätet är ett specialfall, valdes att bortse från den punkten i detta läge. Istället är det Lidköpings kommuns nät som ligger mest under förväntad elnätsavgift, kr under, det vill säga skulle kunna anses som det givet förutsättningarna billigaste nätet.

12 PM NÄTAVGIFTER (19) 6.6 Ojämnt i riket För att göra listor liknande de som Villaägarna presenterade för 2012 användes Villaägarnas uppdelning av REL-nummer på kommuner och län. REL00002 fanns med i Villaägarnas lista förra året, men i listan fanns ingen nätavgift angiven. Det fanns inte någon avgift rapporterad för REL00002 i januari Två kommuner berörs. REL00002 Västra Götalands län REL00002 Västra Götalands län Alingsås Lerum Därmed finns det 798-2=796 avgifter presenterade i rikslistorna. Om man på så vis viktar avgifterna att varje koppling av kommun och koncession får lika vikt, blir den genomsnittliga avgiften kr. Det är två avgifter som hör till LKABs REL00590 i kommunerna Gällivare och Kiruna. Om även de tas bort så som de gjordes i analysen förra året är det 794 avgifter i rikslistorna. Då blir den genomsnittliga avgiften kr. Det analyserade datamaterialet omfattar därmed 794 punkter, dvs kombinationer av koncession och kommun. En koncession kan gå in i flera kommuner och flera kommuner kan omfatta flera koncessioner.) Boden REL00011 Bjärke Energi ek för Älvsbyn REL00015 Bodens Energi Nät AB Jokkmokk REL00583 Vattenfall Eldistribut ion AB Alingsås REL00106 Lerum Energi AB Luleå REL00135 Nossebro ortens Energi ek för Figurerna ovan visar exempel på hur en koncession kan gå in i fyra olika kommuner, respektive hur en kommun kan omfatta fyra olika koncessioner.

13 PM NÄTAVGIFTER (19) Diagrammet nedan visar att koncessionerna i Sverige är mycket ojämna. E.ONs REL00615 går in i 102 av Sveriges 290 kommuner, följt av Vattenfalls REL00583 som går in i 95 kommuner och Fortums REL00861 (36 kommuner). Längst ut till höger i diagrammet visas de 51 koncessioner som endast finns i en kommun vardera. Antal av Nätbolag Nätbolag 7 Källor Villaägarnas Riksförbund, Elnät avgifter och kostnadsdrivare, 2013 Sveriges elpriser en analys av den nordiska elmarknaden, Energiutskottet, Kungliga Vetenskapsakademien, 2013 Rapporter och datablad från Energimarknadsinspektionens hemsida, främst Hushållskunder (Excel) och Särskilda rapporten teknisk data (Excel), 2013 Presentationen Läget för elkonsumenten, Bo Hesselgren, VD för Konsumenternas elrådgivningsbyrå, bo.hesselgren@konsumenternas.se Nordiske net- og transmissionstariffer 2010, avsnittet Nordiske nettariffer, sida 1 av 1, Helle Stisen, Dansk Energi, hs@danskenergi.dk

14 PM NÄTAVGIFTER (19) 8 Bilagor Förutom bilagor inlagda här i dokumentet finns rikslistor som lösa bilagor, (PDFer).

15 PM NÄTAVGIFTER (19) 8.1 Bilaga 1 - Korrelationer samtliga 31 variabler Tabellen är delad i två delar för ökad läsbarhet. Variablerna står i fallande absolutvärdesordning med avseende på Pearsons korrelationskoefficient. F4 är en linjär kombination av andra variabler i regressionsanalysen.

16 PM NÄTAVGIFTER (19) 8.2 Statistisk analys av två individuella variabler F106

17 PM NÄTAVGIFTER (19) F58

18 PM NÄTAVGIFTER (19) 8.3 Statistisk analys av modell med 13 förklarande variabler Om de 13 variabler som har högst korrelationskoefficient tas med i den linjära regressionsanalysen blir justerat R 2 nästan 38 %.

19 PM NÄTAVGIFTER (19)