Search

I Norge blir nettbransjen regulert av Norges vassdrags- og energidirektorat (NVE). Reguleringen skal gi nettselskapene insentiver til effektiv drift, samtidig som utvikling og utnyttelse av nettet skal foregå på en mest mulig effektiv måte. I reguleringen fastsetter NVE årlig en inntektsramme for hvert enkelt selskap. Denne består av et kostnadsgrunnlag og en kostnadsnorm. Sistnevnte blir beregnet gjennom tre trinn og NVE vurderer nå å endre på trinn 3, kalibrering, da det her er identifisert noen mulige utfordringer knyttet til insentiver. Disse mulige utfordringene går ut på at modellen ikke er nøytral i insentivene knyttet til kostnadseffektivitet og finansieringsmåte, samt at enkelte mener den gir for sterke insentiver til å investere. Dette er et dagsaktuelt tema og på bakgrunn av det har jeg i min masteroppgave valgt å undersøke hvorvidt de tre utfordringene kommer til syne i dagens modell og hvilke konsekvenser disse gir. Tre alternative kalibreringsmetoder ble presentert, analysert og evaluert. Hver av de tre utfordringene ble knyttet opp mot disse metodene for å se hvorvidt metodene kan bidra til å gjøre insentivene mer nøytrale. De tre metodene er; Metode 1 – inkluderer anleggsbidrag i kalibreringen, Metode 2 – kalibrerer på DEA-normer og Metode 3 – kalibrerer på DEA-normer samt fjerner nettkapital i trinn 1. For å få et klarere bilde på hvordan metodene påvirker insentivene, har jeg valgt ut to selskaper, Gudbrandsdal Energi Nett og Ymber, som jeg går i dybden på. Der analyserer jeg selskapenes endringer i kalibrert effektivitet, inntektsrammer og driftsresultat ved tre ulike situasjoner med hensyn på de tre insentivene. Den første situasjonen er en reinvestering med lik fordeling av kunde- og egenfinansiering. Deretter blir det beskrevet en situasjon der selskapet gjør en reinvestering der investeringen enten er fullstendig kunde- eller egenfinansiert. Til sist presenteres det en situasjon der nettselskapene foretar en økning av drifts- og vedlikeholdskostnader. Det er en utfordring å på forhånd si hvilke insentiver en modell faktisk vil gi. Effektene av insentivene kommer bedre frem etter at modellen er blitt prøvd ut over tid og man observerer hvordan konsekvenser har tatt form for nettselskapene og kundene. Ut fra denne analysen og etter å ha gjort vurderinger av alle metodene, har jeg kommet frem til en metode jeg mener kan være et godt alternativ i valg av kalibreringsmetode. Den metoden jeg har valgt ut er Metode 2 (kalibrering på DEA-normer) da den uttrykker i større grad enn de andre å bidra til kostnadseffektivitet. Med tanke på finansieringsmåte så tyder denne på å være mer nøytral enn det dagens metode er. Når det gjelder investeringsinsentiver ser denne modellen ut til å gi noe svakere insentiver. Det kan bidra til å dempe antagelsen om for sterke investeringsinsentiver. Ulempen med denne metoden kan være at den muligens gir uttrykk for at det er fordelaktig å ha eldre nett fremfor nytt nett. Likevel viser endringer i inntektsrammer og driftsresultat for de analyserte selskapene at i valget om enten å reinvestere eller å drifte og vedlikeholde eksisterende anlegg, vil det være mest lønnsomt for selskapene å reinvestere. Sett ut ifra et samfunnsperspektiv har jeg valgt ut denne metoden som den mest gunstige metoden. Det kan oppstå både for- og motargumenter for enhver metode og hver metode kan gi ulike økonomiske konsekvenser for selskaper og kunder. Man bør derfor gjøre en nøye vurdering før man eventuelt endrer en kalibreringsmetode. In Norway, the network industry is regulated by The Norwegian Water Resources and Energy Directorate (NVE). The regulation shall give the network companies incentives for efficient operation, at the same time as the development and utilization of the network shall take place in the most efficient manner. In the regulation, NVE annually determines a revenue limit for each individual company. This consists of a cost basis and a cost standard. The latter is calculated through three steps and NVE is now considering changing step 3, calibration, as some potential challenges related to incentives have been identified here. These potential challenges are that the model is not neutral in the incentives related to cost-effectiveness and funding method, and that some believe it gives too strong incentives to invest. This is a current topic and on the basis of this, in my master’s thesis I have chosen to investigate whether the three challenges appear in today's model and what the consequences of these are. Three alternative calibration methods were presented, analyzed and evaluated. Each of the three challenges was linked to these methods to see whether the methods could help make incentives more neutral. The three methods are; Method 1 - Includes customer financed plant contribution in calibration, Method 2 - calibrates on DEA standards and Method 3 - calibrates on DEA standards and removes network capital in step 1. M-ØA

The paper study the effect increased wind- and solar power production will have on the price volatility in the Nordic electricity market. With the use of the statistical software package Stata supply and demand functions in the price areas NO2 and DK1 was estimated for each hour of the day. NO2 is an area where the electricity production is mainly from hydropower, while DK1 is an area with a high share of wind power production and some solar power production. It was used data from January 2014 to December 2016. By using the programming language Julia, a simulation model was created which used the estimated demand and supply functions to estimate the price in the areas. 2016 was used as the base year in the simulations, and the simulations was done using scenarios where wind- and solar power production was increased and with different water levels in the reservoirs in NO2. It was also done simulations with increased transmission capacities between the areas, and with increased demand side user flexibility in DK1. The price volatility was estimated for a year, a month and a day. The results from the simulations shows that increased wind power production increase the price volatility during a day and a month. Through a year the result was more ambiguous, and dependent on the transmission capacity and the reservoir level. Increased solar power production resulted in lower price volatility during a day and a month. Through a year, increased solar power resulted in reduced price volatility in NO2, but increased the price volatility in DK1. In the daytime, the estimates showed that the demand curve in DK1 was totally inelastic. Increased demand side flexibility in the evening and night resulted therefore in increased price volatility through a day, while the impact on the price volatility through a month and year was nearly non-existing. Increased demand side flexibility also in the daytime resulted in reduced price volatility for all the time periods, the same was the result if the demand side flexibility was increased equally in all the hours of the day. Det er undersøkt hvordan økning i vind- og solkraftproduksjon påvirker prisvolatiliteten i det nordiske kraftmarkedet. Ved hjelp av statistikkprogramvaren Stata er det estimert tilbud- og etterspørselskurver i prisområdene NO2 og DK1 for hver time i døgnet. NO2 er et område med mye vannkraftproduksjon, mens DK1 består av mye vindkraftproduksjon og noe solkraftproduksjon. Det ble brukt data for tidsperioden januar 2014 til desember 2016. Ved å bruke programmeringsspråket Julia ble det utviklet en simuleringsmodell som brukte de estimerte tilbud- og etterspørselskurvene til å beregne prisen i områdene. Simuleringene ble gjennomført med 2016 som basisår, og med scenarier der vind- og solkraftproduksjonen ble skalert opp, samt med ulike reservoarnivåer i vannmagasinene i NO2. Det ble og utført simuleringer med scenarier der kapasiteten mellom prisområdene ble utvidet, og med økt brukerfleksibilitet på etterspørselssiden i DK1. Prisvolatiliteten ble regnet ut gjennom året, måneden og døgnet. Resultatet viste at økt vindkraft fører til større prisvariasjon gjennom måneden og døgnet, mens gjennom året var resultatet mer tvetydig og var avhengig av overføringskapasitet mellom prisområdene samt vannivået i magasinene i NO2. Økt solkraft førte til en reduksjon i prisvolatiliteten gjennom måneden og døgnet. Gjennom året førte økt solkraft til en økning i prisvolatiliteten i NO2 og en reduksjon i prisvolatiliteten i DK1. I DK1 viste etterspørselen seg å være fullstendig uelastisk på dagtid. Økt brukerfleksibilitet på etterspørselssiden på natt- og kveldstid førte derfor til økte prisvariasjoner gjennom døgnet, mens det kun var små endringer gjennom året og måneden. Med mer elastisk etterspørsel også på dagtid førte dette til en reduksjon i prisvolatiliteten i alle tidsperiodene, det samme gjaldt ved en identisk endring i brukerfleksibiliteten i alle døgnets timer. M-ECON