EXAMENSARBETE INOM ELEKTROTEKNISK TEORI OCH KONSTRUKTION, MASTERPROGRAM ELKRAFTTEKNIK AVANCERAD NIVÅ STOCKHOLM, SVERIGE 2018
Konsekvensanalys av olika förändringar i intäktsrams-regleringen avseende hänsyn till leveranssäkerhet
Åsa Majlund
I samarbete med Energimarknadsinspektionen
KTH ROYAL INSTITUTE OF TECHNOLOGY SCHOOL OF INFORMATION AND COMMUNICATION TECHNOLOGY
Konsekvensanalys av olika förändringar i intäktsrams-regleringen avseende
hänsyn till leveranssäkerhet
Examensarbete inom elektrotekniks teori och konstruktion
Masterprogram: Elkraftteknik
Författare:
Åsa Majlund [email protected]
Handledare: Jan Henning Jürgensen, KTH Carl Johan Wallnerström, Ei
Yalin Huang, Ei
Examinator: Patrik Hilber
April 10, 2018
i
Examensarbetet utfördes på Energimarknadsinspektionen, Ei och som en del av masterprogrammet elkraftteknik på KTH.
Jag vill tacka mina handledare på Ei, Carl Johan Wallnerström och Yalin Huang, för all hjälp och återkoppling som bidragit till examensarbetet.
Jag vill även tacka min handledare på KTH, Jan Henning Jürgensen för all hjälp med att finna lämpliga referenser till examensarbetet.
ii
Abstract
The distribution of electricity is a natural monopoly. The infrastructure of the electricity grid is divided into areas and the distribution system operator (DSO) has concession for the distribution of the defined area. The concession is governed by laws and regulation.
The Swedish Energy Markets Inspectorate (Ei) is the national regulatory authority. The continuity of supply of electricity is a part of the regulation. The incentive is given by a revenue cap regulation which may result in a reward or penalty.
The performance indicators are a measure of the continuity of supply and used in the calculation of the revenue cap regulation.
The Master thesis aims to specify the possible consequences for the electricity distribution system operators and their customers utilizing the electricity grid in case of a change of the current methods used to measure the continuity of supply in Sweden.
With the current methods, the Ei regulation for year 2016-2019, is the continuity of supply in the local electrical grid estimated from a view where each disruption is treated equal and therefore is SAIFI and SAIDI used. In the regional electrical grid is another method used to measure the continuity of supply, estimated from a view where the loss of supplied energy is considered, therefore uses PNS and ENS. In the documentation is the term ILE used for ENS and ILEffekt for PNS.
The Master thesis is constructed to analyze new performance indicators for the local and regional distribution grid. The new performance indicator is the mathematically instrument to measure the continuity of supply and is supported by analytically advantages and disadvantages.
The result shows the choice of performance indicators cause a great
impact in the revenue cap regulation. AIT, AIF corresponds to ENS and PNS,
respectively, divided by power. The three most important results are given by:
1. Mathematical and theoretical results show that ENS, PNS are not good
indicators individually or in combination with SAIDI, SAIFI and CEMI4 as
power consumption within each customer group varies in the local
electrical grid.
In the regional electrical grid, power consumption may also vary
between the norm period and the supervisory period, which means that
ENS, PNS can sometimes be misleading.
2. The inclusion of power disruption over 12 hours generate stronger
incentives in the regulation. Because it requires long term planning to
avoid interruptions exceeding 12 hours. The difference is shown mainly in
local electrical grid with the indicators SAIDI, SAIFI and CEMI4 and gives
a slight increase in rewards in the regulation. This affects the DSO’s and
their customers with a marginal difference.
3. In the short term, the introduction of AIT, AIF as quality indicators means
that customers who consume more power within their customer group get
higher-value interruptions. An interruption of a high-consumption
customer would then be prioritized compared to a customer with a lower
consumption. One way to counteract this is to use CEMI4, in order to
capture these customers' interruptions in the regulation.
In the long term, the regulation does not become cyclically sensitive,
meaning that reasonable rewards or penalties are made. This should
benefit a long-term planning of the electrical grid, as the DSO’s do not
have to compensate for this.
Keywords: Continuity of supply, SAIFI, SAIDI, PNS, ENS, AIF, AIT.
iii
Sammanfattning
Det elektriska distributionsnätet är ett naturligt monopol. Infrastrukturen av
nätet är uppdelat i områden och där nätägaren har nätkoncession för
området som omfattas. Koncessionen är styrd av lagar och reglering.
Energimarknadsinspektionen (Ei) är en tillsynsmyndighet som arbetar
med uppdrag från regeringen. En del av tillsyn för energimarknaden, är
reglering av leveranssäkerhet i det elektriska distributionsnätet. Incitamentet i
regleringen ges av intäktsramens begränsning vilket kan resultera i en ökning
eller minskning av intäktsramen.
Kvalitetsindikatorer är ett matematiskt verktyg för att mäta
leveranssäkerhet och används i regleringen av intäktsramen.
Examensarbetet syftar till att synliggöra de möjliga konsekvenserna för
nätföretagen respektive deras kunder av olika förändringar av de mätmetoder
som används för att uppskatta leveranssäkerhet.
De mätmetoder som används styrs av indikatorer. Indikatorer som mäter
antal avbrott per totalt antal kunder kallas SAIFI. Indikatorer som mäter tid för
dessa avbrott per totalt antal kunder kallas SAIDI. En annan metod är att de
ingående indikatorerna ska mäta icke levererad energi eller effekt och då
kallas de ILE respektive ILEffekt.
Energimarknadsinspektionen har inför reglerperioden år 2016-2019
tillämpat SAIDI och SAIFI för kunder kopplade till lokalnät och ILE och
ILEffekt för kunder och gränspunkter inom regionnätet
Examensarbetet är utformat för att analysera nya typer av
kvalitetsindikatorer i lokalnät och regionnät. De nya kvalitetsindikatorerna är
olika matematiska verktyg för att mäta leveranssäkerheten och motiveras
med analytiska för- och nackdelar.
Resultatet visar att valet av indikator har stor betydelse i intäktsramens
reglering. AIT, AIF motsvarar ILE respektive ILEffekt dividerat med effekt. De
tre viktigaste resultaten ges av:
1. Matematiska och teoretiska resultat visar att ILE, ILEffekt är inte bra
indikatorer enskilt eller i kombination med SAIDI, SAIFI och CEMI4 då
effektförbrukningen inom varje kundgrupp varierar för lokalnät.
I regionnät så kan effektförbrukningen också variera mellan
normperiod och tillsynsperiod vilket ger att ILE, ILEffekt ibland kan bli
missvisande.
2. Avbrott över 12 timmar genererar ett starkare incitament i regleringen. Eftersom det kräver långsiktig planering för att undvika avbrott som överstiger 12 timmar. Skillnaden visas främst i lokalnät med indikatorerna SAIDI, SAIFI och CEMI4 och ger en svag höjning av tillägg i regleringen sett på en systemnivå. Det påverkar nätföretagen och deras kunder med en marginell skillnad.
3. På kort sikt innebär införandet av AIT, AIF som kvalitetsindikatorer att de kunder som förbrukar mer inom sin kundgrupp får högre värderade avbrott. Ett avbrott hos en kund med hög förbrukning skulle då prioriteras före en kund med lägre förbrukning. Ett sätt att motverka detta är att använda CEMI4 för att fånga upp dessa kunders avbrott i regleringen. På lång sikt innebär det att regleringen inte blir konjunkturkänslig, vilket innebär att rimliga tillägg eller avdrag görs. Det borde gynna en långsiktig planering av elnätet då elnätsföretagen inte behöver kompensera för detta inom regionnäten och lokalnäten.
Nyckelord: Leveranssäkerhet, SAIDI, SAIFI, ILE, ILEffekt, AIT, AIF.
iv
Förteckning över använda beteckningar och förkortningar DSO – Distribution System Operators, motsvarar elnätsföretag. SAIFI - System Average Interruption Frequency Index, antal avbrott per kund [avbrott/kund]. SAIDI - System Average Interruption Duration Index, avbrottstid per kund [h/kund]. ENS - Energy Not Supplied motsvarar ILE, Icke Levererad Energi [kWh]. PNS - Power Not Supplied motsvarar ILEffekt, Icke Levererad Effekt [kW]. AV - Aviserat avbrott, planerat elavbrott som är meddelat till kund. OAV - Oaviserat avbrott, elavbrott som inte är meddelat till kund. RPS - Reward or penalty scheme, metoden att generera ett ekonomiskt tillägg eller avdrag för att påverka tillförlitligheten i elnätet. T – kundtäthet, motsvarar det totala antalet kunder som finns i elnätet dividerat på den totala längden av ledning som ingår i elnätet given i kilometer [kund/km]. AENS - Average Energy Not Supplied, ILE dividerat med antalet kunder [kWh/kund]. APNS - Average Power Not Supplied, ILEffekt dividerat med antalet kunder [kW/kund]. AIT - Average Interruption Time, ILE dividerat med årsmedeleffekt [h]. AIF - Average Interruption Frequency, ILEffekt dividerat med årsmedeleffekt [avbrott]. ASUI - Average System Unavailability Index, SAIDI dividerat med årets timmar [%]. ASAI - Average System Availability Index, motsvarar 1 – ASUI [%]. SSE – Sum of Squared Errors, mått på felmarginal som används i minsta kvadratmetoden.
v
Tabellförteckning
Tabell 1: Indikatorernas egenskaper och om de rekommenderas till att användas i regleringen för lokalnät respektive regionnät. .............................. 15 Tabell 2: Exempel på koppling mellan avbrottsnivå och kundtäthet. ............. 20 Tabell 3: Givna mätdata. ................................................................................ 20 Tabell 4: Indikator metod och medelvärde till intäktsramarnas avvikelse. ..... 44 Tabell 5: Mått på skillnad i intäktsram sett på systemnivå. ............................ 45 Tabell 6: Nätföretag inom regionnät, antal kunder och effektförbrukning under ........................................................................................................................ 48 Tabell 7: Skäl till att använda SAIDI och SAIFI som metod att mäta avbrott i lokalt nät.......................................................................................................... 66 Tabell 8: Skäl till att använda AIT, AIF som mätmetod för lokalt nät. ............ 67 Tabell 9: Skäl till att använda APNS, AENS som mätmetod för lokalt nät. .... 67 Tabell 10: Skäl till att använda ASUI, ASAI som mätmetod för lokalt nät. ..... 68 Tabell 11: Skäl till att använda driftledare för dokumentation som mätmetod för lokalt nät. ................................................................................................... 68 Tabell 12: Skäl till att använda SAIFI, SAIDI för att mäta avbrott till lågspänningskunder........................................................................................ 69 Tabell 13: Skäl till att använda samma metod för att mäta avbrott för lågspänningskunder och högspänningskunder. ............................................. 69 Tabell 14: Skäl till att använda SAIDI, SAIFI för hushållskunder och ILE, ILEffekt för övriga kundgrupper. ..................................................................... 71 Tabell 15: Skäl till att använda samma metod för att mäta avbrott i lokalnät och regionalnät. .............................................................................................. 72 Tabell 16: Skäl till att använda olika metoder för att mäta avbrott i lokalnät och regionalnät. .............................................................................................. 72 Figurförteckning Figur 1: Iterativ process till att finna rätt modell, i detta fall normfunktion. ..... 23 Figur 2: Basfall och respektive nya indikatorer som skall jämföras. .............. 25 Figur 3. Basfallet och respektive indikator indelade i lågspänningskund LV och högspänningskund HV. ............................................................................ 25 Figur 4. Basfallet och respektive indikator indelade i hushållskund från grupp 5 och övriga grupper. ...................................................................................... 26 Figur 5: Variation av maximal (grön), minimal (rosa), median (blå) och medel (svart) effektförbrukning inom respektive kundgrupp för normperioden 2010-2013. ............................................................................................................... 31 Figur 6: Indikator ILEffekt för oaviserade avbrott för handel och tjänster grupp 3, från normperiod 2010-2013. ....................................................................... 32 Figur 7: Skillnad i kvalitetsjustering baserat på nya indikatorer med ILE och ILEffekt mot kundtäthet. .................................................................................. 33 Figur 8: Hur ILE, ILEffekt för samtliga kundgrupper och kundgrupp 1-4 följs åt för 3 min- 12 h avbrott respektive avbrott längre än 12 h............................... 34 Figur 9. Hur ILE, ILEffekt för högspänningskunder följs åt för 3 min – 12 h avbrott respektive avbrott längre än 12 h. ...................................................... 35 Figur 10: AIT och AIF för 3 min -12 h respektive avbrott längre än 12 h. ...... 36 Figur 11: Skillnad i kvalitetsjustering för AIT, AIF för 3 min-12 h avbrott och avbrott längre än 12 h och SAIDI, SAIFI och CEMI4 för avbrott längre än 12 h, då kundgrupper beräknas med nya indikatorer. ............................................. 36 Figur 12: Skillnad i kvalitetsjustering för högspänningskunder med AIT, AIF för 3 min-12 h avbrott och avbrott längre än 12 h och lågspänningskunder med SAIDI, SAIFI och CEMI4 för avbrott längre än 12 h. .............................. 37
vi
Figur 13: Kundberoendet och förlust i kvalitetsjustering för indikatorerna APNS, AENS för avbrott som varar 3 min – 12 h och avbrott som överstiger 12 h. ................................................................................................................ 38 Figur 14: Skillnad i kvalitetsjustering för APNS, AENS för 3 min-12 h avbrott och avbrott längre än 12 h och SAIDI, SAIFI och CEMI4 för avbrott längre än 12 h, då kundgrupper 1-4 beräknas med nya indikatorer. ............................. 39 Figur 15. Skillnad i kvalitetsjustering för högspänningskunder med AENS, APNS för 3 min-12 h avbrott och avbrott längre än 12 h och lågspänningskunder med SAIDI, SAIFI och CEMI4 för avbrott längre än 12 h. ........................................................................................................................ 39 Figur 16: Skillnad i kvalitetsjustering för ASUI för 3 min-12 h avbrott och avbrott längre än 12 h och SAIDI, SAIFI och CEMI4 för avbrott längre än 12 h, då kundgrupper beräknas med nya indikatorer. ............................................. 40 Figur 17: Intäktsramarnas procentuella förändring med basfallet SAIDI, SAIFI och CEMI4 för avbrott som överstiger 12 h. ................................................... 42 Figur 18: Intäktsramarnas procentuella förändring då indikatorerna ges av ILE, ILEffekt för avbrott som varar 3 min-12 h och överstiger 12 h................ 42 Figur 19: Intäktsramarnas procentuella förändring då indikatorerna ges AIT, AIF för avbrott som varar 3 min-12 h och överstiger 12 h. ............................. 43 Figur 20: Intäktsramarnas procentuella förändring då indikatorerna ges APNS, AENS för avbrott som varar 3 min-12 h och överstiger 12 h.............. 44 Figur 21: Fördelning av procentuell skillnad i intäktsram för elnätsföretag i lokalnät vid byte av kvalitetsindikator. ............................................................ 45 Figur 22: intäktsramarnas förändring i procent i regionalnät med basfall och då indikatorerna ges av ILE, ILEffekt för avbrott som överstiger 12 h. .......... 47 Figur 23: intäktsramarnas förändring i procent i regionalnät med basfall och då indikatorerna ges av SAIDI, SAIFI och CEMI4. ......................................... 48 Figur 24: Intäktsramarnas förändring i procent i regionalnät med basfall och då indikatorerna ges av AIT, AIF för avbrott som varar 100 ms-12 h och överstiger 12 h. ............................................................................................... 49 Figur 25: Intäktsramarnas förändring i procent i regionalnät med basfall och då indikatorerna ges av APNS, AENS för avbrott som varar 100 ms-12 h och överstiger 12 h. ............................................................................................... 50 Figur 26: Svarsfrekvens till bästa metod att mäta elavbrott i lokalnät. ........... 63 Figur 27 Svarsfrekvens till att använda olika metoder för högspänningskund respektive lågspänningskund. ........................................................................ 63 Figur 28: Svarsfrekvens till vilket sätt bör avbrott mätas för lågspännings- och högspänningskunder. ..................................................................................... 64 Figur 29: Svarsfrekvens till om det bör vara skillnad på hur man mäter elavbrott i lokalt nät för olika kundgrupper...................................................... 64 Figur 30: Svarsfrekvens till vilken mätmetod bör användas för respektive kundgrupp. ...................................................................................................... 64 Figur 31: Svarsfrekvens till om nätföretaget även har ett regionalt nät.......... 65 Figur 32: Svarsfrekvens till frågan om det bör vara samma metod för att mäta avbrott i lokalnät som i regionalt nät. .............................................................. 65 Figur 33: Aviserade avbrott SAIFI, kundgrupp 1, jordbruk. ............................ 82 Figur 34: Aviserade avbrott SAIDI, kundgrupp 1, jordbruk............................. 82 Figur 35: Aviserade avbrott ILE, kundgrupp 1, jordbruk................................. 83 Figur 36: Aviserade avbrott ILEffekt, kundgrupp 1, jordbruk. ......................... 83 Figur 37: Aviserade avbrott AIT, kundgrupp 1, jordbruk. ............................... 83 Figur 38: Aviserade avbrott AIF, kundgrupp 1, jordbruk. ............................... 84 Figur 39: Aviserade avbrott AENS, kundgrupp 1, jordbruk. ........................... 84 Figur 40: Aviserade avbrott APNS, kundgrupp 1, jordbruk. ........................... 84 Figur 41: Aviserade avbrott ASUI, kundgrupp 1, jordbruk.............................. 85 Figur 42: Aviserade avbrott för högspänningskunder ILE, kundgrupp 1, jordbruk. .......................................................................................................... 85 Figur 43: Aviserade avbrott för högspänningskunder ILEffekt, kundgrupp 1, jordbruk. .......................................................................................................... 85 Figur 44: Aviserade avbrott för högspänningskunder AIT, kundgrupp 1, jordbruk. .......................................................................................................... 86
vii
Figur 45: Aviserade avbrott för högspänningskunder AIF, kundgrupp 1, jordbruk. .......................................................................................................... 86 Figur 46: Aviserade avbrott för högspänningskunder AENS, kundgrupp 1, jordbruk. .......................................................................................................... 86 Figur 47: Aviserade avbrott för högspänningskunder APNS, kundgrupp 1, jordbruk. .......................................................................................................... 87 Figur 48: Aviserade avbrott för lågspänningskunder SAIFI, kundgrupp 1, jordbruk. .......................................................................................................... 87 Figur 49: Aviserade avbrott för lågspänningskunder SAIDI, kundgrupp 1, jordbruk. .......................................................................................................... 87 Figur 50: Oaviserade avbrott för SAIFI, kundgrupp 1, ................................... 88 Figur 51: Oaviserade avbrott för SAIDI, kundgrupp 1, ................................... 88 Figur 52: Oaviserade avbrott som är längre än 12 h för SAIFI, kundgrupp 1, jordbruk. .......................................................................................................... 88 Figur 53: Oaviserade avbrott som är längre än 12 h för SAIDI, kundgrupp 1, jordbruk. .......................................................................................................... 89 Figur 54: Oaviserade avbrott för CEMI4, kundgrupp 1, jordbruk. ................... 89 Figur 55: Oaviserade avbrott som är längre än 12 h för CEMI4, kundgrupp 1, jordbruk. .......................................................................................................... 89 Figur 56: Oaviserade avbrott till lågspänningskunder CEMI4, kundgrupp 1, jordbruk. .......................................................................................................... 90 Figur 57: Oaviserade avbrott som är längre än 12 h till lågspänningskunder CEMI4, kundgrupp 1, jordbruk. ....................................................................... 90 Figur 58: Oaviserade avbrott för ILE, kundgrupp 1, jordbruk. ........................ 90 Figur 59: Oaviserade avbrott för ILEffekt, kundgrupp 1, jordbruk. ................. 91 Figur 60: Oaviserade avbrott som är längre än 12 h för ILE, kundgrupp 1, jordbruk. .......................................................................................................... 91 Figur 61: Oaviserade avbrott som är längre än 12 h för ILEffekt, kundgrupp 1, jordbruk. .......................................................................................................... 91 Figur 62: Oaviserade avbrott för AIT, kundgrupp 1, jordbruk. ........................ 92 Figur 63: Oaviserade avbrott för AIF, kundgrupp 1, jordbruk. ........................ 92 Figur 64: Oaviserade avbrott som är längre än 12 h för AIT, kundgrupp 1, jordbruk. .......................................................................................................... 92 Figur 65: Oaviserade avbrott som är längre än 12 h för AIF, kundgrupp 1, jordbruk. .......................................................................................................... 93 Figur 66: Oaviserade avbrott för AENS, kundgrupp 1, jordbruk. ................... 93 Figur 67: Oaviserade avbrott för APNS, kundgrupp 1, jordbruk. ................... 93 Figur 68: Oaviserade avbrott som är längre än 12 h för AENS, kundgrupp 1, jordbruk. .......................................................................................................... 94 Figur 69: Oaviserade avbrott som är längre än 12 h för APNS, kundgrupp 1, jordbruk. .......................................................................................................... 94 Figur 70: Oaviserade avbrott för ASUI, kundgrupp 1, jordbruk. ..................... 94 Figur 71: Oaviserade avbrott som är längre än 12 h för ASUI, kundgrupp 1, jordbruk. .......................................................................................................... 95 Figur 72: Oaviserade avbrott för högspänningskunder ILE, kundgrupp 1, jordbruk. .......................................................................................................... 95 Figur 73: Oaviserade avbrott för högspänningskunder ILEffekt, kundgrupp 1, jordbruk. .......................................................................................................... 95 Figur 74: Oaviserade avbrott som är längre än 12 h för högspänningskunder ILE, kundgrupp 1, jordbruk. ............................................................................ 96 Figur 75: Oaviserade avbrott som är längre än 12 h för högspänningskunder ILEffekt, kundgrupp 1, jordbruk. ..................................................................... 96 Figur 76: Oaviserade avbrott för lågspänningskunder SAIFI, kundgrupp 1, jordbruk. .......................................................................................................... 96 Figur 77: Oaviserade avbrott för lågspänningskunder SAIDI, kundgrupp 1, jordbruk. .......................................................................................................... 97 Figur 78: Oaviserade avbrott som är längre än 12 h för lågspänningskunder SAIFI, kundgrupp 1, jordbruk.......................................................................... 97 Figur 79: Oaviserade avbrott som är längre än 12 h för lågspänningskunder SAIDI, kundgrupp 1, jordbruk. ........................................................................ 97
viii
Figur 80: Oaviserade avbrott för lågspänningskunder ASUI, kundgrupp 1, jordbruk. .......................................................................................................... 98 Figur 81: Oaviserade avbrott som är längre än 12 h för lågspänningskunder ASUI, kundgrupp 1, jordbruk. ......................................................................... 98 Figur 82: Oaviserade avbrott för högspänningskunder AIT, kundgrupp 1, jordbruk. .......................................................................................................... 98 Figur 83: Oaviserade avbrott för högspänningskunder AIF, kundgrupp 1, jordbruk. .......................................................................................................... 99 Figur 84: Oaviserade avbrott som är längre än 12 h för högspänningskunder AIT, kundgrupp 1, jordbruk. ............................................................................ 99 Figur 85: Oaviserade avbrott som är längre än 12 h för högspänningskunder AIF, kundgrupp 1, jordbruk. ............................................................................ 99 Figur 86: Oaviserade avbrott för högspänningskunder AENS, kundgrupp 1, jordbruk. ........................................................................................................ 100 Figur 87: Oaviserade avbrott för högspänningskunder APNS, kundgrupp 1, jordbruk. ........................................................................................................ 100 Figur 88: Oaviserade avbrott som är längre än 12 h för högspänningskunder AENS, kundgrupp 1, jordbruk. ...................................................................... 100 Figur 89: Oaviserade avbrott som är längre än 12 h för högspänningskunder APNS, kundgrupp 1, jordbruk. ...................................................................... 101
ix
Innehållsförteckning
Introduktion ................................................................................................... 1
1.1 Problemformulering ........................................................................... 3
1.2 Översikt till rapport ........................................................................... 4
Bakgrund....................................................................................................... 5
2.1 Leveranssäkerhet i elnät ................................................................... 5
2.1.1 Elnätens infrastruktur ........................................................................ 5
2.1.2 Andra länders leveranssäkerhet ....................................................... 6
2.1.3 Intressenternas synpunkter ............................................................. 10
2.2 Teoretisk bakgrund ......................................................................... 13
2.2.1 Indikatorernas betydelse ................................................................. 13
2.2.2 Matematisk beskrivning av kvalitetsjustering .................................. 16
Metod.. ........................................................................................................ 19
3.1 Normfunktion i lokalnät ................................................................... 19
3.1.1 Normfunktion med nya indikatorer i lokalnät................................... 23
3.2 Norm i regionalnät ........................................................................... 27
3.3 Begränsningar av metod ................................................................. 27
3.4 Val av antal parametrar till normfunktion ........................................ 27
3.4.1 Algoritm till normfunktion ................................................................. 28
3.4.2 Begränsningar inom algoritm .......................................................... 28
3.5 Utvärdering av metod ...................................................................... 28
3.5.1 Nyttjad indata .................................................................................. 28
3.5.2 Skillnad till kvalitetsjustering ........................................................... 28
3.5.3 Justering av intäktsram ................................................................... 29
Resultat ....................................................................................................... 30
4.1 Lokalnät kvalitetjustering ................................................................. 30
4.1.1 Sammanfattning av kvalitetsjustering i lokalnät .............................. 40
4.2 Justering av intäktsram lokalnät...................................................... 41
4.2.1 Sammanfattning av justering av intäktsram i lokalnät .................... 46
4.2 Justering av intäktsram i regionnät ................................................. 47
4.2.1 Sammanfattning av justering av intäktsram i regionnät .................. 50
4.3 Sammanvägda resultat ................................................................... 50
x
Diskussion & Slutsats ................................................................................. 51
5.1 Metodologi till arbete ....................................................................... 51
5.1.1 Indikatorer i lokalnät och regionalnät .............................................. 54
5.1.2 Begränsning av data ....................................................................... 54
5.2 Jämförelse mot tidigare arbeten ..................................................... 54
5.3 Etik och hållbarhet........................................................................... 54
5.4 Framtida arbete ............................................................................... 55
Litteraturförteckning .................................................................................... 56
Appendix 1 .................................................................................................. 59
Formelsamling ............................................................................................ 59
Kvalitetsjusteringens samtliga parametrar .................................................. 59
Appendix 2 .................................................................................................. 61
6.1 Mälarenergi Västerås AB ................................................................ 61
Appendix 3 .................................................................................................. 63
7.1 Enkät till elnätsföretag ..................................................................... 63
7.2 Specifika förklaringar från enkät ..................................................... 65
7.2.1 Rangordning av motivering till Tabell 7 ........................................... 67
7.2.2 Rangordning av motivering till Tabell 13......................................... 70
Appendix 4 .................................................................................................. 74
Matlabkod till anpassning av normfunktion ................................................ 74
Appendix 5 .................................................................................................. 77
Tabell över normfunktion Grupp 1, jordbruk ............................................... 77
Tabell över normfunktion Grupp 2, Industri ................................................ 78
Tabell över normfunktion Grupp 3, Handel och tjänster............................. 79
Tabell över normfunktion Grupp 4, Offentlig verksamhet........................... 80
Tabell över normfunktion Grupp 5, Hushåll ................................................ 81
Appendix 6 .................................................................................................. 82
Figurer för grupp 1, jordbruk med normfunktionen ..................................... 82
1
Kapitel 1
Introduktion
Det naturliga monopol som det elektriska distributionsnätet utgör, består av ett antal koncessionsområden eller linjer [1]. Elnätsföretag som tilldelats nätkoncession för området eller linjen ansvarar för hur det nyttjas [2]. Eftersom företaget saknar konkurrens inom sitt distributionsnät behövs lagar och reglering av hur det bör användas.
Energimarknadsinspektionen (Ei) är en tillsynsmyndighet som arbetar med uppdrag från regeringen. En del av tillsyn för energimarknaden, är regleringen av leveranssäkerhet och spänningskvalitet i det elektriska distributionsnätet [3]. I detta examensarbete fokuseras det enbart på regleringen som berör leveranssäkerhet.
Leveranssäkerhet svarar mot att el kan överföras till elanvandaren utan avbrott. Elnätsföretagen rapporterar årligen till Ei de elavbrott som sker inom elnätet och informationen används för att reglera intäktsramen. Regleringen som berör leveranssäkerhet som beskrivs nedan syftar på tillsynsperioden som omfattar 2016-2019.
Syftet med regleringen är att skapa incitament för en optimal samhällsekonomisk leveranssäkerhet [4]. Det innebär att kostnaden för avbrott uppskattas per kundgrupp. Kundgrupperna är indelade för att representera kunder med samma typ av verksamhet. Regleringens tillägg eller avdrag till nätföretagets intäktsram baseras på avbrottskostnaden inom kundgruppen och hur utfallet av avbrotten inom dess kundgrupp förhåller sig i jämförelse mot en norm som utgör en referensnivå. Forhandsregleringen för elnätsföretagen innebär att intäktsramen är fastställd i förväg av Ei inför den fyra år långa tillsynsperioden. Intäktsramen ska täcka skäliga kostnader för att bedriva nätverksamhet under tillsynsperioden och ge en rimlig avkastning på det kapital som krävs för att bedriva verksamheten [5].
Regleringen av intäktsramen med avseende på leveranssäkerhet kallas
kvalitetsjustering och är begränsad till 5% av intäktsramen för
tillsynsperioden 2016-2019 och avdraget får inte överstiga avkastningen på kapitalbasen [6]. Kvalitetsjusteringen är ett mått på hur bra leveranssäkerheten är för nätföretaget och beräknas med hjälp av kvalitetsindikatorer som jämförs mot en referensnivå. Kvalitetsindikatorerna och referensnivån som tillämpas i beräkningen av kvalitetsjusteringen beror av vilken del av distributionsnätet som berörs av avbrottet.
2
Distributionsnätet är indelat i stamnät, regionnät och lokalnät och svarar mot spänningsnivåer mellan 400-220 kV, 40-130 kV och lägre spänningsnivåer upp till 40 kV.
Svenska Kraftnät ansvarar för stamnätet. Svenska Kraftnäts intäktsram kvalitetsjusteras utifrån en tioårig normperiod, som infaller två år före tillsynsperioden, som ger referensnivå till Icke Levererad Energi, ILE och Icke Levererad Effekt, ILEffekt. Drygt tjugo elnätsföretag (2016) ansvarar för regionnätet och kvalitetsjusteras likt stamnätets reglering fast med kortare normperiod, fyra år som infaller två år före tillsynsperioden [7]. 2016 var det totalt 157 nätföretag som ansvarade för lokalnätet och kvalitetsjusteringens omfattning av normperiodens tid motsvarar samma som för regionnätet men referensnivån till kvalitetsindikatorn utgörs av en normfunktion som beror av kundtäthet och genomsnittlig nivå av antal avbrott per kund, SAIFI och längd till dessa avbrott SAIDI. Slutlig justering av den totala kvalitetsjusteringen till elnätsföretag i lokalnätet handlar om den enskilda kundens leveranssäkerhet. Där referensnormen ges av det enskilda företagets historik från normperiodens medelvärde av antalet kunder som erfarit fyra eller fler avbrott, CEMI4 vilket jämförs med det årliga utfallet under tillsynsperioden. Justeringen med CEMI4 är begränsad till att gälla enbart då elnätföretaget presterat över referensnorm i SAIFI, SAIDI och under referensnorm i CEMI4
eller tvärtom. Vidare är inflytandet av CEMI4 begränsat att ge 25 % av den
totala kvalitetsjusteringen som ges av kvalitetsindikatorerna SAIFI, SAIDI [8]. Detta examensarbete syftar till att utreda konsekvenserna för nätföretag och kunder inom regionnät och lokalnät då leveranssäkerhet bedöms med andra typer av kvalitetsindikatorer än de som är givna för tillsynsperioden 2016-2019. Kvalitetsindikatorerna som utreds är olika kombinationer av de som redan tillämpas i lokalnätets och regionalnätets kvalitetsjustering.
Metodiken utgår ifrån att referensnivån är given på samma vis för nätföretag inom regionnätet med historiska värden och inom lokalnätet av en normfunktion som beror av kundtäthet. Resultatet av arbetet visar att det är möjligt att använda samma kvalitetsindikatorer för att reglera leveranssäkerhet inom regionnät och lokalnät om de utgörs av ILE eller ILEffekt vardera dividerat med effekt, AIT respektive AIF. Dessa indikatorer är inte känsliga för hur konjunkturen varierar mellan normperiod och tillsynsperiod, vilket ILE, ILEffekt är. Högkonjunktur bidrar till ökad energiåtgång då fabriker producerar mer och lågkonjunktur bidrar till en minskad energiåtgång, samma antal avbrott skulle då resultera i en skillnad mellan kvalitetsindikatorerna ILE, ILEffekt om den ena perioden utgör normperioden och den andra tillsynsperioden. Samtidigt är AIT, AIF kvalitetsindikatorer som mäter leveranssäkerhet utifrån hur mycket avbrottet är värt med hänsyn till konsumtion av effekt i det lokala nätet, vilket är ett nytt sätt att uppskatta avbrott jämfört med den metod som tillämpas för tillsynsperioden 2016-2019.
3
1.1 Problemformulering
Examensarbetet utformades initialt med fokus på att enbart utvärdera konsekvenserna för nätföretag och kunder då lokalnät och regionnät anpassade kvalitetsjusteringens indikatorer till att vara SAIDI, SAIFI eller ILE, ILEffekt. Arbetet utvecklades därefter till att även jämföra indikatorer AENS, APNS, AIT, AIF och ASUI. Slutligen fokuserades arbetet på att finna de avgörande för- och nackdelar med att nyttja AIT, AIF som indikator för både lokalnät och regionnät i jämförelse mot de för- och nackdelar till metoden som används för att reglera leveranssäkerhet för tillsynsperioden 2016-2019.
Initial frågeställning för analys motsvarar frågor 1-7. 1. Vilka kunder ska omfattas i regleringen av leveranssäkerheten med
indikatorerna SAIDI och SAIFI eller ILE och ILEffekt? Andra avgränsningar än lokalnät och regionnät kan användas, såsom spänningsnivå eller kundgrupp.
2. Eventuell lagändring kan leda till att inkludera avbrott över 12 timmar [9].
Hur påverkar val av indikatorer och avgränsningar regleringen för nätföretagen respektive deras kunder, då dessa avbrott inkluderas?
3. Hur påverkas nätföretagen av de olika alternativa sätten att mäta
leveranssäkerheten på kortsiktigt och långsiktigt? Hur påverkas nätföretagen på aggregerad nivå och på enskild nivå?
4. Vilka argument finns för att behandla alla kunder lika ur ett
avbrottskostnadsperspektiv: a) Oavsett förbrukning, då indikatorerna SAIDI och SAIFI används för att
mäta leveranssäkerhet. Varje avbrott är värderat lika inom kundgruppen för respektive typ av avbrott, aviserat eller oaviserat.
b) Med avseende på förbrukning, vikta kunderna mot deras energiuttag,
vilket uppskattas med indikatorerna ILE och ILEffekt. Varje avbrott är värderat utifrån kundens årliga förbrukning inom kundgruppen för respektive typ av avbrott, aviserat eller oaviserat.
5. Vad är nätföretagens respektive kundorganisationers åsikter och
argument kring val av indikatorer och avgränsning för att mäta leveranssäkerhet?
6. Vilka är de administrativa konsekvenserna för Ei och nätföretagen? 7. Vilka övriga risker går att finna som konsekvens av de olika alternativ
som dessa val av indikatorer och avgränsningar ger? Kompletterande frågor 8-10 ges av att även omfatta indikator AIT, AIF. 8. Vad motiverar valet att använda AIT, AIF som indikator till både lokalnät
och regionnät? 9. Gynnas särskilda kunder inom kundgruppen då AIT, AIF används som
indikator? a) Kan det påverka nätföretagens arbete för leveranssäkerhet på kort eller
lång sikt?
4
b) Kan dessa kunders säkringsstorlek och nivå på tariff motiveras av en
kvalitetsjustering med AIT, AIF? 10. Går det att motivera en kvalitetsjustering med AIT, AIF utifrån ett hållbart
perspektiv? Om hållbarhet är ett scenario där ett ökat antal källor till förnybar energi används lokalt och en ökad effektivitet, dvs. minskad energiintensitet är satt som ett miljömål [10]?
1.2 Översikt till rapport
I kapitel 2 ges bakgrund till arbetet med en översikt av närliggande arbeten
om olika typer av reglering som tillämpas inom distributionsnät. Nätföretagen
och kunders åsikter om regleringen ges också som en del av bakgrunden och
kommer också att påverka det sammanvägda resultatet som används för att
kunna besvara frågorna som ställts i problemformuleringen. Bakgrunden
består även av en teoretisk del där varje indikator analyseras utifrån vilka
egenskaper den besitter. Analysen ger indikatorernas för- och nackdelar
vilket också vägs in i det sammanvägda resultatet.
I kapitel 3 ges metod för hur den numeriska analysen ska utföras. Det är
främst fokus på hur man finner lämplig normfunktion till de olika indikatorerna
vilket enbart berör lokalnät. Det beror på att regionnätets norm bygger på det
nätföretagets egna avbrottshistorik, enligt den nuvarande regleringen. En
utvärdering av metod ges för att finna vilka svagheter som en generell metod
kan medföra när den tillämpas på olika typer av distribution av data.
I kapitel 4 presenteras resultaten från den numeriska analysen från
utfallsåret 2016 med förklaringar till dess skiftande värden för
kvalitetsjusteringen i jämförelse mot den nuvarande regleringen. Numeriska
resultat ges även för den procentuella justeringen av intäktsramen som den
resulterande leveranssäkerhets regleringen skulle ge med de nya
indikatorerna. Ett begränsat antal nätföretag ifrån lokalnät och regionnät ingår
i underlaget för numeriska resultat. Numeriska resultat vägs samman med
delar ifrån kapitel 2 och utgör sammanvägda resultat.
I kapitel 5 presenteras en diskussion och slutsats som även omfattar etik
och hållbarhet.
5
Kapitel 2
Bakgrund
Bakgrund till arbetet ges med en översikt av närliggande arbeten om olika
typer av reglering som tillämpas inom distributionsnät. Leveranssäkerhet
påverkar både nätföretagen och deras kunder. Därför är dessa intressenters
åsikter om regleringen en del av bakgrunden och kommer att påverka det
sammanvägda resultatet som används för att kunna besvara frågorna som
ställts i problemformuleringen i kapitel 1.1. Bakgrunden består även av en
teoretisk del där varje indikator analyseras utifrån vilka egenskaper den
besitter. Analysen ger indikatorernas för- och nackdelar vilket också vägs in i
det sammanvägda resultatet.
2.1 Leveranssäkerhet i elnät
Leveranssäkerhet i stamnät, regionnät och lokalnät beror bland annat av väder, elnätens infrastruktur och hur kvalitetsjusteringen är tillämpad.
2.1.1 Elnätens infrastruktur
Distributionsnätet är indelat i stamnät, regionnät och lokalnät och svarar mot
spänningsnivåer mellan 400-220 kV, 40-130 kV och lägre spänningsnivåer
upp till 40 kV. Leveranssäkerhet omfattar enbart avbrott som är orsakat av fel
i eget nät, eftersom ett större avbrott i stamnätet skulle även kunna påverka
att leveranssäkerheten påverkas i regionnätet och lokalnätet.
Elnät som är beläget i tätort har högre redundans och bidrar till högre
leveranssäkerhet i jämförelse med glesbygd där kundens el levereras längs
med längre sträckor av ledning som ska felsökas vid avbrott. Regleringen tar
hänsyn till kundtätheten i nätet. Kundtätheten i nätet är givet av det totala
antalet kunder dividerat på nätets totala ledningssträcka given i kilometer. I
det lokala nätets reglering av leveranssäkerhet används kundtätheten som en
parameter till normfunktionen för att kunna jämföra elnätsföretag med
likvärdiga förhållanden av kundtäthet.
6
Väder är också en faktor som påverkar leveranssäkerheten, vilket är
tydligt då stormar bidrar till fler elavbrott. Stormen Gudrun 2005 resulterade i
att 730 000 abonnenter blev utan el [11]. Avbrottersättning till kunder som
erfar elavbrott på minst 12 timmar betalas av det ansvariga nätföretaget [12].
Regleringen till leveranssäkerhet har till tillsynsperioden 2016-2019 enbart
omfattat avbrott som är upp till 12 timmar eftersom ellagens reglering av
avbrottsersättning ges för de resterande avbrotten som överstiger 12 timmar.
Eventuell lagändring av avbrottens omfattning som ska ingå i regleringen av
leveranssäkerhet kan göra att även avbrott som överstiger 12 timmar kan
inkluderas [9]. Den övre gränsen till avbrottstiden ges då av 24 timmar för de
avbrott som ingår i regleringen.
Den undre tidsgränsen för ett avbrott som ingår i regleringen av
leveranssäkerhet beror av var avbrottet sker i distributionsnätet. Stamnätet
och regionalnätet har 100 ms som undre gräns för ett elavbrott. Lokalnätet
har 3 min som undre gräns, eftersom kortare avbrott kan bero av
omkopplingar i nätet. Inrapportering av data för dessa avbrott som är kortare
än 3 min började först vid 2010 till Ei av elnätsföretag i lokalnät [13].
Ytterligare faktorer som påverkar leveranssäkerheten är geografi, nätets
utformning och underhåll av de ingående delarna till nätet [13]. Av dessa
faktorer är det utformning och underhåll som elnätsföretaget har möjlighet att
kunna påverka för att kunna förbättra leveranssäkerheten inom nätet.
Kriterierna för stam och regionnätet fastställs enligt det deterministiska N-
1-kriteriet [14]. Stam- och regionnätet är maskade, det innebär vid bortfall av
en komponent (N-1) finns en alternativ väg, annars skulle avbrott på dessa
överliggande nät resultera i omfattande avbrott på det underliggande
distributionsnätet [15].
2.1.2 Andra länders leveranssäkerhet
Reglering av verksamheten i elnäten skiftar mellan olika metoder i olika länder. Reglering kan brytas ner i delar och kategoriseras utifrån syfte och
metod. Ett sätt att beskriva metoderna generellt är att kategorisera dem
utifrån tidpunkt då beslut för regleringens begräsningar ansätts.
1) Ex ante reglering, där begränsningen ansätts före den period som ingår i regleringen. Sverige tillämpar denna typ av reglering då intäktsramens
storlek bestäms före tillsynsperioden 2016-2019.
2) Ex post reglering, begränsningen ansätts efter den period som ingår i regleringen. Finland tillämpade denna typ av reglering, från
elmarknadens avreglering i Finland 1997 fram till 2003. 2005 ändrade
Finland regleringen till ex ante, till följd av EU:s miljö- och energidirektiv
[16].
Ytterligare en indelning av reglering kan kategoriseras av hur begränsningen
är utformad.
1) Uppifrån, vilket används då ett tak sätts till kundens nätavgift eller till nätföretagets intäktsram [16].
2) Underifrån, vilket innebär en begränsning av enstaka ingående delar till
intäktsramen. Vilket används då en begränsning sätts till nätföretagets
avkastning [16].
7
En annan typ av kategorisering av metoderna i reglering bygger på kostnads-
baserad och incitament-baserad reglering. Dessa metoder beskrivs med
hänsyn till vad de ger i incitament till investering.
1) Kostnads-baserad metod, antar en reglering som en begränsar
nätföretagets maximala vinst. Den reglerande myndigheten ansätter en
begränsad avkastning baserad på information av tidigare period. Syftet med regleringen är att tillåta en tillräcklig intäktsram och en rättvis
avkastning till kapitalet. Vinsten ges av avkastningen till kapitalet.
Avkastningen som tillåts i regleringen är låg eftersom elnätsföretagen är
ansedd som en del av en låg-risk industri. Det attraherar inte investerare som önskar hög avkastning [16].
2) Incitament-baserad metod, antar en reglering som gör elnätsföretaget
oberoende till att kunna förbättra effektiviteten. Den vanligaste metoden ges då av en begränsning av nätavgiftens pris, vilket begränsar prisnivån
under flera år och nätföretaget kan ansätta pris vid den högsta tillåtna
nivå eller under den högsta tillåtna nivån. Nätföretaget är fritt att behålla
hela vinsten som kan ges genom att reducera omkostnader. Det anses
attrahera investerare eftersom nätföretaget kan välja nivå på avkastning. Systemet tillåter hög avkastning om verksamhetens omkostnader är låga
[16].
Metod att uppskatta avkastningens storlek kan använda sig av WACC- Weighted Average Capital Cost. Analysen av WACC bygger på resultat ifrån
hur regleringen verkat i Finland [16].
1) WACC- Weighted Average Capital Cost, baseras på aktier till kapitalet som jämförs med den verkliga avkastningen. Avkastningen beräknas på intäktsramen (värdet av inkomster) med avdrag av summan av de operativa kostnaderna och av den reglerande myndigheten beräknat avskrivningsvärde för elnätet [16].
a) Avskrivningsvärdet anses inte av den reglerande myndigheten vara av värde i regleringen utan betecknas som en kostnad för elnätet. Tidigare var avskrivningsvärdet i praktiken maximalt 30 % i Finland. Nätföretagen som vill nyttja skattelättnader i Finland hade snabb avskrivning och de bokförda värdena kunde inte möjliggöra förberedelse till framtida investeringar. Tiden för avskrivning uppskattades vara kortare av nätföretagen i jämförelse med den reglerande myndigheten som använder teknik-ekonomisk beräkning av livslängden till elnäten. Utgiften som avskrivningen representerade i elnätens intäktsram är en årlig summa av den verkliga kostnaden för ett ersatt elnät korrigerat med pris index från grosshandeln och kostnaden för elnätets expansion som överstiger intäkterna från elnätsavgifterna. Utgiften är byggd ifrån ett glidande medelvärde av tidigare utgifter och de senaste två årens utgifter i Finland. De tre årens avskrivnings metod som tillämpades i Finland tar inte hänsyn till investeringar som utförts före tre års perioden, vilket är en brist i långsiktig planering [16].
8
b) Svårigheten med metoden, vilket är en slutsats som kan dras ifrån hur
den verkat i Finland, är att avgöra den verkliga livslängden för elnätets komponenter. Modellen kan medföra orimliga investeringar eftersom de medför en högre värdering av elnätet genom att föryngra elnätet och öka tillåten avkastning. Samtidigt som kostnaden för ett ersatt elnät och utveckling av befintligt nät kan generera en snabb avskrivning inom tre år, som var given av regleringen i Finland, så är den verkliga avkastningen reducerad. Det gör att elnätsföretagen inte riskerar att påverkas av regleringen. Modellen innebär också att avkastningens ränta kan vara högre än den som är estimerad av den reglerande myndigheten i Finland eftersom räntan inte är reglerad, vilket kan resultera i att elnätsföretag får ett ökat incitament till investeringar [16].
c) Metoden för uppskattning av värdet av elnätet i Finland justerades och
baserades istället på teknisk livslängd till komponenterna och kostnad till att ersätta elnätet. Nya investeringar är avskrivna så att vid slutet av bokföringen av komponentens livslängd så är värdet på kapitalet satt till noll. Med ändringen av regleringen i Finland så förväntades nätföretagens möjlighet till anpassning av framtida risker minska och medföra ett högre andel av investeringar. Komponenternas satta tekniska livslängd och avskrivning skulle generera årliga investeringar för att ersätta dem i det befintliga elnätet. En kortsiktigt satt ekonomisk livslängd skulle innebära en hög nivå av årliga investeringar för att bevara det uppskattade värdet av elnätet. En hög nivå på avskrivning motsvarar att elnätet värderas högt vid försäljning om elnätet vill maximera dess vinst [16].
WACC-metoden har också tillämpats i regleringen i Sverige för att beräkna kalkylräntan vilket svarar mot den räntesats som uttrycker avkastningskrav på
investerat kapital. Kalkylräntan har beräknats på olika sätt inför olika
tillsynsperioder. Ei har gett Ernst & Young uppdrag att beräkna kalkylräntan
inför tillsynsperioden respektive 2012-2015 [17] och 2016-2019 [18]. Ei har föreslagit förändringar inom regleringen med WACC-metoden för att
uppskatta en rimlig avkastning inför tillsynsperioden 2020-2023 [19].
I detta examensarbete läggs fokus på hur avbrotten mäts med
kvalitetsindikatorer och inte till utformandet av kalkylräntan även om det är
tydligt att det är en faktor som påverkar investeringar i elnätet och resulterar i hur leveranssäkerheten formas på lång sikt.
Metoden med att generera ett ekonomiskt tillägg eller avdrag till
elnätsföretagen ar kand som ”Reward or penalty scheme” (RPS). Syftet ar att uppnå en optimal socioekonomisk tillförlitlighet på systemnivå.
För att skapa en reglering med RPS ska två frågor besvaras: vad är den
optimala nivån av systemets tillförlitlighet och vad är ett rimligt pris som kunder ska betala för att uppnå den? Kostnaden för avbrott är ofta svårt att
uppskatta och mäts ofta i förlorade inkomster för kunden vid avbrott [20].
Indikatorer som vanligtvis används för att mäta tillförlitligheten ges av:
1) SAIFI, SAIDI, som är kund-baserade indikatorer [20].
2) ENS (Energy Not Served, vilket motsvaras av ILE), som är last- baserade indikatorer [20].
9
Nederländerna, Italien, Norge, Sverige och Finland använde kunders
avbrottskostnader för att skapa incitament under år 2014. Avbrottskostnaden
byggde då på nationella enkätstudier inom olika kundkategorier, varpå värdena normaliserades mot ett årligt toppvärde av efterfrågan. The Council
of European Energy Regulators (CEER) [21] har givit riktlinjer för hur
insamling och normalisering ska gå till. Vanligtvis är det värsta tänkbara
scenariot som beräknas, det vill säga avbrott antas ske då behovet av elförbrukning är som störst med olika längd på avbrotten [20].
Avbrottskostnaden som tillämpas i Sverige inför tillsynsperioden 2016-2019
bygger på antagandet att kunder inom samma kategori har liknande
aktiviteter och den avbrutna aktiviteten värderas likvärdigt inom kundkategorin. Därav tillämpas avbrottskostnad för fem kategorier av
kundtyper och även för gränspunkter som påverkar underliggande elnät.
Inom varje kategori ges två typer av avbrottskostnad, aviserade avbrott som
och oaviserade avbrott [22]. Aviserat innebär att avbrottet är planerat och elnätsföretaget har hunnit informera kunden, oaviserat avbrott är ett avbrott
som sker utan att kunden har kännedom om det tidigare.
Kostnadsmodellen som är en del av RPS kan kategoriseras på flera sätt. I
vardera kostnads-modell används kund-baserad eller last-baserad indikator för att mäta tillförlitligheten.
1) Nation-specifik kostnadsmodell, använd i Sverige 2014, innebär att de
beräknade avbrottskostnaderna sätts samman till en funktion med en indikator nivå som baseras på drabbade kunder på en nationell nivå [20].
2) Area-specifik kostnadsmodell, använd i Italien 2014, innebär att de
beräknade avbrottskostnaderna sätts samman till en funktion med en indikator nivå som baseras på drabbade kunder inom vardera arean.
Kostparametern är beroende av kundtäthet vilket ger olika värden för
avbrottkostnader inom tätort eller glesbygd. Kostnadsparametern beror
också på det uppmätta värdet av SAIDI inom nätföretagets area [20].
3) Sektor-specifik kostnadsmodell, använd i Norge 2014, innebär att
reglerfunktionen baseras på indikatorer som beräknas för varje
kundsektor och sedan är multiplicerade med vardera kundsektors
avbrottskostnad [20]. Det motsvarar den reglering som Sverige tillämpar inför tillsynsperioden 2016-2019.
4) Avbrott-specifik kostnadsmodell, använd i Norge 2014, där avbrottets
längd, tidpunkt för avbrottet och rekonstruktion av elnätet används till att beräkna kvalitetsindikatorerna som sedan multipliceras med
avbrottskostnaden [20].
Vidare kan regleringen kan kategoriseras med hänsyn till den tidsperiod som
regleringen omfattar. Indelningen handlar om tid för reglering och hur begränsningen av RPS beräknas.
Syftet är att minska variationen av nätägarens finansiella risk och undvika
onödiga justeringar av kundens nätavgift som resultat av avvikelser från given norm nivå. Två olika tillvägagångssätt ges av att antingen använda ett
konstant band eller ett flerårigt system för indikatorn. Länder som använde
konstant band år 2014, var Finland, Portugal och Slovenien. Flerårigt system
nyttjades 2014 av Ungern med tre års löpande medelvärde och Italien med två års löpande medelvärde [20].
10
Begränsningen av RPS visar att förbättring eller försämring av tillförlitligheten
bortom satt begränsning genererar inte högre tillägg eller avdrag. Vid en
redan usel tillförlitlighet finns risk att en ytterligare försämring inte motiverar en nätägare att vidta åtgärder eftersom det inte ger någon skillnad i avdraget.
Begränsat tillägg hjälper inte heller kunder till en nätägare som enbart ökar
tillförlitligheten till motsvarande maximalt tillägg [20].
Metoden med begränsat tillägg och avdrag användes 2014 i Sverige,
Storbritannien och Irland där begränsningen var vanligtvis given i procent av
den tillåtna intäktsramen för nätägaren [20]. Densamma begränsningen
används i Sverige inför tillsynsperioden 2016-2019.
Utvärdering av antal investeringar i elnätet efter avreglering av elmarknaden i
Finland verkar vara oberoende av skiftet från ex ante till ex post reglering då
de minskat över hela perioden [16].
Utvärdering av incitament till investeringar i elnätet i RPS visar på att störst
incitament ges av avbrott-specifik kostnadsmodell och lägst (storleken till
incitamentet är nästan hälften av avbrott-specifik kostnadsmodell) är last-
baserad kostnadsmodell [20].
Överlag verkar långsiktig planering och utveckling av elnätets effektivitet svårt
att fånga upp med tillämpade metoder av dessa nämnda kategorier av
reglering [16] [20].
2.1.3 Intressenternas synpunkter
Det elektriska distributionsnätet har flera ingående parter som ska fungera
tillsammans. Elnätet är utformat för att kunna möta behovet av elförsörjning som
förändras över tid, därför diskuteras nätets tillförlitligt med avseende på kapacitet,
det är både av producentens och slutkundens intresse att elen kan levereras.
Regleringen som avser leveranssäkerhet fokuserar på nätets tillförlitlighet
med avseende på hur avbrott påverkar slutkunden ekonomiskt ur ett
socioekonomiskt perspektiv. Nätföretagen och deras kunder har olika perspektiv
på frågor som rör regleringen men behovet av ett fungerande elnät sammanfaller
som en gemensam utgångspunkt för dem eftersom det är en grundläggande
funktion som berör alla i samhället.
För att få återkoppling om hur nuvarande reglering av leveranssäkerhet påverkar
elnätsföretagen ordnades ett möte under hösten 2017 med nätplanerare Kenny
Granath och Torbjörn Solver från Mälarenergi Västerås Elnät AB. En
sammanfattning av mötets samtliga frågor som berördes finns i Appendix 2. De
frågor som berör utveckling av regleringen bemöttes med önskemål om att inte
införa för många förändringar snabbt utan att utvärdera hur dessa verkar i
praktiken.
Avbrottskostnaden som bygger på kundkategorier ifrågasattes då dessa inte
går att relatera till kundens elnätsavgift. Vidare diskuterades valet av
kvalitetsindikator, huruvida en kund-baserad indikator eller last-baserad indikator
är att föredra då elnätets tillförlitlighet skall mätas. Eftersom avbrottskostnaden är
given med hänsyn till energi [kr/kWh] och effekt [kr/kW] så motiverades valet av
en last-baserad indikator med att vara mer logiskt och stämma bättre överens
med hur nätföretag planerar i lokalnät och regionnät.
11
Det efterfrågades en reglering som tar hänsyn till elförbrukningens
variationer över dygn eller år, vilket skulle spegla kundens behov av elförsörjning
på ett tydligare vis. En reglering som är baserad på kundens förbrukningsmönster
per timma skulle även innebära en administrativ avgift till elnätsföretagen som
ska insamla data, beräkna eventuella förbrukningsmönster samt redovisa den
typen av data till Ei för att kunna användas i regleringen.
Vidare diskuterades vikten av att normnivåerna skulle uppdateras om
regleringen ska inkludera 12 timmars avbrott. Norm och utfall förväntas få
likvärdig förskjutning när dessa omfattar samma längd till avbrott.
Nyttan av CEMI4 som kvalitetsindikator diskuterades också då den används i
specifika fall då utfallet av indikatorerna SAIDI, SAIFI visar en förbättring och
CEMI4 visar en försämring eller tvärtom. CEMI4 genererar en liten inverkan, 25
% av den totala kvalitetsjusteringen. Den stokastiska slumpässigheten till avbrott
kan ha en större inverkan vid utfallet av ett enskilt år i jämförelse mot ett
medelvärde från hela tillsynsperioden, vilket motiverar en förändring av hur
CEMI4 beräknas till tillsynsperioden för 2016-2019.
Strukturen till regleringens olika delar och hur de samverkar med
avbrottskostnad och kundkategorier uppfattas som alltför komplex för att kunna
vara en styrande faktor vid investeringsbeslut. En enklare reglering skulle
generera en minskad osäkerhet kring hur den påverkar elnätsföretagen och
därmed kunna vara ett starkare incitament då det kan vara en faktor som vägs in
vid beslut om underhåll och utveckling av elnätet.
Kvalitén till inrapporterad data ansågs behöva tillsyn av Ei i form av
grundligare kontroller av avvikande statistik utöver de stickprov och kontroller
som redan utförs. Ökad kontroll skulle leda till att fler avbrott kom med i
beräkningen av norm och utfall men också till att leveranssäkerheten totalt sett
skulle försämras.
För att ytterligare utvärdera hur elnätsföretag förhåller sig till valet av
kvalitetsindikator utfördes en enkätundersökning. Den totala enkätens resultat går
att finna i Appendix 3. Det genomgående temat som går att sammanställa med
en generalisering är att majoriteten av dessa medverkande elnätsföretag önskar
att behålla SAIDI, SAIFI som är kund-baserad kvalitetsindikator i lokalnät för
samtliga kunder oavsett kundens förbrukning. Valet av SAIDI, SAIFI motiverades
främst med att det var tradition, en erkänd metod eller att varje kunds avbrott skall
värderas lika.
Kundens perspektiv är svårare att fånga upp ifråga om vad olika
kundkategorier tycker om regleringen. Kunden berörs av avbrott och betalar en
nätavgift men regleringen har inte en direkt relation till elnätsavgiftens storlek. Regleringen av leveranssäkerhet i elnäten påverkar elnätsföretagens intäktsram
med begränsningen av 5 % och avdraget får inte överstiga avkastningen på
kapitalbasen [6]. Intäktsramen är förhandsreglerad av Ei inför tillsynsperioden och ger
elnätsföretagen möjlighet att justera elnätavgiften så länge de inte överstiger den
begränsade intäktsramen [23].
12
Elnätsavgiften beror av flera faktorer [23]:
1. Var i landet kunden bor, eftersom varje elnätsföretag har monopol inom sitt
område där nätet finns.
2. Om kunden bor i en glesbygd eller tätort. Nätavgiften är oftare högre i
glesbygden.
3. Om kunden har sin uttagspunkt till ett nät som är i behov av förnyelse eller
underhåll. Alla elnät behöver underhåll och förnyelse över tid, men behovet
av underhållet kan variera och ett föråldrat nät har större behov av förnyelse.
4. Vilken typ av säkringsstorlek kunden har, vilket motsvarar hur mycket kunden
kan förbruka maximalt. Kan också mätas med tariff vilket anger kostnad i
förhållande till förbrukning.
5. Kundens elnätsavgift beror också på elnätsföretagets krav på avkastning.
Kundens nätavgift skall finansiera nätrelaterade kostnader [23]:
1. Kostnad för att bibehålla befintligt nät i gott skick med underhåll och planering
av drift.
2. Kostnad för utveckling av nätet vilket innebär kostnader för investering och
förnyelse av delar det befintliga elnätet.
3. Kostnad för kundservice och administrativa delar som ingår i verksamheten.
4. Kostnad för det svenska stamnätet som ägs av Svenska Kraftnät.
Ett flertal elnätsföretag överklagade intäktsramarna som sattes inför
tillsynsperioden 2012-2015. Dessa fall avgjordes i domstol vid en tidpunkt då
nästan hela perioden var slut och några av dessa elnätsföretag fick genom sina
krav på höjda intäktsramar vilket resulterade i att höjningen av kundernas
elnätsavgift blev förskjuten in i nästa tillsynsperiod 2016-2019 [23].
På samma sätt inför tillsynsperioden 2016-2019 överklagade ett flertal
elnätsföretag Ei:s förhandsreglerade intäktsramar och fick beslut om höjning i
förvaltningsrätten [24] och Ei nekades vidare prövning i kammarrätten [25]. Vilket
medför dessa höjningar läggs vidare till kunden om elnätsföretaget väljer att nyttja
maximal intäktsram. Höjningarna av nätavgifterna uppmärksammades av kunder i
media på initiativ främst av riksföreningen Villaägarna [26], [27].
Stora skillnaderna mellan olika regioners nätavgift inom landet har också
uppmärksammats av riksföreningen Villaägarna [28]. Ytterligare en kundgrupp nu
inom lantbruket, Lantbrukets affärstidning ATL, har uppmärksammat i media
storleken på de vinster som nätföretagen erhåller på sin verksamhet [29]. Ei har
lagt fram förslag till regeringen på förändringar till förhandregleringen av
elnätsföretagens intäktsram som påverkar avkastningen och avskrivningstiden
[19], [30], vilket kritiserats av riksföreningen Villaägarna som en åtgärd som
kommit försent med tanke på höjningarna av nätavgiften [31]. Eventuell
lagändring kommer att påverka intäktsramarna först inför kommande
tillsynsperioder.
Inför arbetet med att finna lämpliga kvalitetsindikatorer har försök gjorts att
nå representanter i riksföreningen Villaägarna för att kunna höra vad de anser är
ett rimligt sätt att mäta avbrott, men har dessvärre inte fått något svar. Med
nuvarande konstruktion av nätavgiften så kan kunden enbart minska sin kostnad
genom att byta till en lägre säkringsstorlek eller minska sin förbrukning om
nätavgiften ges av tariff, vilket innebär kundens optimering av elnätsavgiften är
last-baserad.
13
2.2 Teoretisk bakgrund
Tillsynsperioden 2016-2019 har följande kvalitetsindikatorer för att mäta leveranssäkerhet för lokalnät och regionnät.
Indikatorerna SAIFI, SAIDI tillsammans med CEMI4 som mått på leveranssäkerhet används i lokalnät. Dessa jämförs mot fyra års medelvärde av samtliga nätföretag inom lokalnätet. Medelvärdet ingår i den funktion som sätter normen. Normen används som referensvärde för att uppskatta hur bra leveranssäkerhet varje nätföretag har. Inom lokalnät används kundtäthet inom respektive kundgrupp som en parameter för att kunna skapa norm till elnätsföretaget. I regionnät används istället ILE, ILEffekt för att mäta leveranssäkerhet. Normen bygger på historiska värden till det specifika nätföretaget. Det jämförs enbart mot tidigare prestation i samma nät inom respektive kundgrupp.
2.2.1 Indikatorernas betydelse
För att uppskatta funktionen av olika indikatorer ges en sammanfattning av vad de mäter och hur det fungerar i ett system med hänsyn till kundtäthet T och variation av årsmedeleffekt inom kundgruppen. SAIFI och SAIDI är indikatorer som mäter avbrott som enskilda och lika värda händelser för varje kund.
• Fördel: SAIFI, SAIDI Fördelen med dessa indikatorer är att varje avbrott viktas lika oberoende av förbrukning till kunden. Ett avbrott till en kund som har låg förbrukning är likvärdigt med ett avbrott som har hög förbrukning. Dessa indikatorer går att relatera till kundtätheten vilket är antalet kunder per km ledning. Kundtätheten är ett mått som används för att kunna jämföra nätföretag med liknande förutsättningar. Därför går det att jämföra SAIFI, SAIDI mellan nätföretag med samma kundtäthet och en norm kan fastställas.
• Nackdelen: SAIFI, SAIDI Nackdel är att i en stor population av kunder kan enskilda kunder uppleva flera avbrott utan att det påverkar indikatorernas värde nämnvärt. SAIFI, SAIDI behöver en större mängd kunder för att vara en god indikator på hur väl nätet fungerar. I ett regionnät är det kunder som konsumerar mer årsmedeleffekt, men har en mindre population av kunder. Till regionnät kan ett enstaka avbrott ge upphov ett högt värde till SAIFI utan att spegla leveranssäkerheten. I lokalnät så är antalet kunder fler och därmed är SAIFI, SAIDI mer lämplig indikator för att uppskatta leveranssäkerhet.
CEMI4 är en indikator som mäter antalet kunder som erfar minst fyra avbrott per år dividerat på totala antalet kunder.
• Fördel: CEMI4 För att justera det som SAIDI, SAIFI inte kan mäta i en stor population används CEMI4. Indikatorn CEMI4 visar om det finns snedfördelning av avbrott för enstaka kunder.
• Nackdel: CEMI4 Indikatorn mäter inte om det finns trender i vilken typ av kund som har fler avbrott. Gör inte skillnad mellan kunder med hög förbrukning eller låg förbrukning.
14
ILE och ILEffekt är indikatorer som mäter summan av den förlorade energin eller effekten som avbrottet medför.
• Fördel: ILE och ILEffekt Indikatorerna ILE och ILEffekt mäter avbrott i form av förlorad konsumtion. Dessa indikatorer fungerar väl om det är ett fåtal kunder med likvärdig hög förbrukning. Inom regionnät jämförs ILE, ILEffekt mot medelvärdet av normperiodens värden. Normperioden utgör fyra år.
• Nackdel: ILE och ILEffekt Indikatorerna ILE och ILEffekt är uppbyggda av dels storlek av antalet kunder och deras förbrukning. Antalet kunder per kilometer ledning är det mått som tar hänsyn till om det är glesbygd, blandat nät eller tätort. Vad kundtäthet inte tar hänsyn till är variation av förbrukning. Det innebär att för en typ av kundtäthet, t.ex. T= 1 kund/km kan ILE, ILEffekt vara låg om avbrottet sker hos en kund med låg förbrukning. På samma sätt kan en identisk kundtäthet T= 1 kund/km generera ett högt värde till ILE, ILEffekt om kunden har en hög förbrukning. Då ett normvärde tas ut för ILE, ILEffekt med hänsyn till kundtäthet kommer det att reflektera var merparten av dessa värden befinner sig. I ett lokalnät finns det variation av hög och låg förbrukning för respektive nätföretag och inom deras olika kundgrupper. Det betyder att enstaka nätföretag med högre andel kunder med hög förbrukning skulle med färre antal avbrott nå samma värde till ILE, ILEffekt som ett genomsnittligt nätföretag med lägre andel kunder med hög förbrukning. Därför blir inte jämförbart att använda ILE, ILEffekt i lokalnät utan att ta hänsyn till variationen av förbrukning inom populationen av kunder för varje nätföretag.
AIT, AIF är indikatorer som mäter summan av den förlorade energin eller effekten vägt mot samtliga kunders årsmedeleffekt.
• Fördel: AIT, AIF Indikatorerna AIT, AIF är effektvägda och gör att olika nät med samma kundtäthet är jämförbara vilket inte är möjligt med ILE eller ILEffekt. Då ILE och ILEffekt divideras med samtliga kunders årsmedeleffekt gör det att kundtätheten blir relevant igen. Då enskilda avbrott mäts i energi och effekt i relation till storleken till den totala konsumtionen, så blir det en uppskattning till hur stor andel energi eller effekt som avbrottet påverkat. För samma kundtäthet t.ex. T= 1 kund/km, kan ett nätföretag med enstaka kunder som har hög förbrukning även mätas mot ett nätföretag enbart låg förbrukning. Eftersom proportionerna av andelen hög och låg förbrukning även vägs in då den totala förbrukningen divideras för dessa. AIT, AIF mäter effektvägda avbrott i form av tid [h] och antal vilket inte går att uppskatta med SAIFI eller SAIDI.
• Nackdel: AIT, AIF På samma vis som SAIFI, SAIDI kan ge ett lågt värde om några få kunder erfar ett flertal avbrott i en stor population av kunder, kan AIT, AIF ge ett lågt värde om avbrott sker hos samma typ av kunder med låg förbrukning i en stor population av kunder som har högre förbrukning. Då kan det tänkas vara rimligt att även använda en indikator som uppskattar hur ofta avbrott sker, likt CEMI4 som mäter hur många kunder som erfar minst fyra avbrott per år.
15
AENS, APNS är indikatorer som mäter summan av den förlorade energin eller effekten vägt mot antalet av samtliga kunder.
• Fördel: AENS, APNS Indikatorerna AENS och APNS mäter avbrott i form av förlorad konsumtion viktat mot antalet kunder. Dessa indikatorer fungerar väl om det är likvärdig förbrukning för majoriteten av kunderna inom samma kundgrupp.
• Nackdel: AENS, APNS AENS och APNS har delvis gemensamma nackdelar som ILE och ILEffekt. Det går inte att ge en rättvis jämförelsenorm mellan olika nätföretag med samma kundtäthet men stor variation i energiförbrukning inom respektive kundgrupp. Det betyder att kundtätheten inte är ett tillräckligt mått för att skapa en adekvat jämförelse och på så sätt ge en rättvis normfunktion.
ASUI är en indikator som mäter otillgängligheten på systemnivå.
• Fördel: ASUI Indikatorn ASUI tar hänsyn till systemet som helhet. Den bygger på SAIDI som viktas mot antalet av årets timmar.
• Nackdel: ASUI Indikatorn ASUI mäter inte frekvensen av avbrott, så det tas ingen hänsyn till antalet avbrott som sker i systemet eller om några kunder erfar ett flertal avbrott. För att avhjälpa det sistnämnda kan indikatorn kompletteras på samma sätt som SAIDI och SAIFI med hjälp av CEMI4.
Tabell 1 visar en översikt över indikatorerna. Där bedöms indikatorerna utifrån huruvida de är last-baserade, kund-baserade och huruvida fördelarna är fler än nackdelarna då de ska användas som kvalitetsindikator för att mäta tillförlitligheten i lokalt eller regionalt elnät. Kvalitetsindikatorerna som antas ha fördelar i både lokalnät och regionnät är AIT, AIF i kombination med CEMI4 vilket är markerade i tabellen. Tabell 1: Indikatorernas egenskaper och om de rekommenderas till att användas i regleringen för lokalnät respektive regionnät.
Indikator Last Kund För/Mot i Lokalnät
För/Mot i Regionnät
SAIDI/SAIFI Nej Ja För Mot
CEMI4 Nej Ja För För
ILE/ILEffekt Ja Nej Mot För
AIT/AIF Ja Nej För För
AENS/APNS Ja Ja Mot Mot
ASUI Nej Ja Mot Mot
16
2.2.2 Matematisk beskrivning av kvalitetsjustering
Kvalitetsjusteringen av intäktsramen bygger på RPS-metoden där
avbrottskostnad och skillnaden mellan norm och utfall för kvalitetsindikatorer
sätts samman till en funktion för att mäta nivån på elnätsföretagets
leveranssäkerhet. Justeringen med avdrag eller tillägg till intäktsramen beror
av om resultatet av utfallet för kvalitetsindikatorn visar på en försämring eller
förbättring i jämförelse mot normen.
Avbrottskostnaden är baserad på kundkategorier vilket gör att norm och utfall
till kvalitetsindikatorer är också indelade i motsvarande kundkategorier.
Avbrottskostnaden skiljer sig mellan aviserade avbrott och oaviserade avbrott
vilket gör att norm och utfall också är kategoriserade för att representera
dessa avbrott var för sig. Sammantaget ges kvalitetjusteringen som en
summa av variation inom vardera av dessa kundkategorier för både
aviserade avbrott och oaviserade avbrott.
Den matematiska beskrivningen av respektive kvalitetsjusteringsmetod
motsvarar av de metoder som tillämpas inför tillsynsperioden 2016-2019.
Normperioden som utgör underlaget till referensvärden eller normen infaller
två kalenderår före tillsynsperioden och är fyra kalenderår. Normperioden är i
detta fall 2010-2013. I lokalnät används kvalitetsindikatorerna SAIDI, SAIFI
och CEMI4 och i regionnät används kvalitetsindikatorerna ILE, ILEffekt:
Kvalitetsjusteringsmetod 𝑸𝒀 för SAIDI, SAIFI och CEMI4:
Kvalitetsjusteringen som används för lokalnät är kund-baserad och motsvaras av föreskrift avseende nätkoncession för område [32].
𝑸𝒀 = ∑ ∑ ((𝑺𝑨𝑰𝑫𝑰𝒃,𝒋,𝒌 − 𝑺𝑨𝑰𝑫𝑰𝒐,𝒋,𝒌)𝑲𝒆,𝒋,𝒌 + (𝑺𝑨𝑰𝑭𝑰𝒃,𝒋,𝒌 −𝟐𝒋=𝟏
𝟓𝒌=𝟏
𝑺𝑨𝑰𝑭𝑰𝒐,𝒋,𝒌)𝑲𝑷,𝒋,𝒌) ∙ 𝑷𝒂𝒗 (1)
Kvalitetsjusteringsmetodens index: Kundgrupp k, som är sex stycken; hushåll, industri, jordbruk, handel och tjänster, offentlig verksamhet, gränspunkt. För lokalnät används enbart de fem första kundgrupperna. Typ av avbrott j, oaviserade och aviserade avbrott. Baslinje är b, är den norm som beräknats på underlaget från normperioden. Årets utfall för nätföretaget ges av o. Avbrottskostnad K ges på formen av energi e, given i SEK/kWh eller effekt P, given i SEK/kW. Avbrottskostnaden är approximerad för respektive kundgrupp och dess syfte är att representera den socioekonomiska kostnaden för avbrottet. 𝑷𝒂𝒗 mäter tillsynsårets årliga medeleffekten (årsmedeleffekt) inom varje
kundgrupp, vilket motsvarar varje kunds förbrukade energi 𝐸𝑜,𝑘 [kWh] och
dividerat med tillsynsårets timmar 𝒅𝒐 [h], given enhet är kW [33].
𝑷𝒂𝒗 =𝑬𝒐,𝒌
𝒅𝒐 (2)
17
Regleringen inom lokalnät styrs också med hjälp av avbrottsindikatorn CEMI4. Metoden att mäta årlig förbättring av de kunder som erfar fyra eller fler avbrott sker med CEMI4, vars norm bygger på respektive nätföretags individuella tidigare historik under normperioden [34]. Avbrotten som är fyra eller fler bygger på underlag av oaviserade avbrott. Kunderna är inte delade i kundgrupper utan räknas för varje nätföretag som en enhet och frekvensen av de som erfarit fyra eller fler oaviserade avbrott divideras på det totala antalet kunder. Avbrottstiden är definierad i lokalnät från 3 minuter upp till 12 timmar. 𝐴𝑛𝑡𝑎𝑙 𝑎𝑣𝑏𝑟𝑜𝑡𝑡 ≥ 4
𝑪𝑬𝑴𝑰𝟒 =𝑨𝒏𝒕𝒂𝒍𝒆𝒕 𝒌𝒖𝒏𝒅𝒆𝒓 𝒎𝒆𝒅 𝒎𝒊𝒏𝒔𝒕 𝒇𝒚𝒓𝒂 𝒂𝒗𝒃𝒓𝒐𝒕𝒕
𝑻𝒐𝒕𝒂𝒍𝒂 𝒂𝒏𝒕𝒂𝒍𝒆𝒕 𝒌𝒖𝒏𝒅𝒆𝒓 (3)
Storleken till justeringen som CEMI4 indikatorns avvikelse från normen ger upphov till är begränsad att ge ±25 % av kvalitetsjusteringen 𝑄𝑌 som bygger
på indikatorerna SAIDI och SAIFI. 𝑪𝑬𝑴𝑰𝟒,𝜹,𝒚 = 𝑪𝑬𝑴𝑰𝟒,𝒃 − 𝑪𝑬𝑴𝑰𝟒,𝒚 (4)
Index som ingår i justeringen av CEMI4 indikatorn är givna av aktuellt nätföretag 𝛿, baslinje b som utgör norm från normperioden och årets utfall 𝑦
för nätföretaget. Villkor för regleringen beror av tecken som indikerar riktningen för kvalitetsjusteringen 𝑄𝑌 och den årliga justeringen 𝐶𝐸𝑀𝐼4,𝛿,𝑦 . Vid förbättrad
leveranssäkerhet ges ett positivt tecken till kvalitetsjusteringen och vid försämrad leveranssäkerhet ges negativt tecken till kvalitetsjusteringen. På samma sätt ger en förbättring av antalet kunder som erfar fyra eller fler avbrott ett positivt tecken till den årliga justeringen 𝐶𝐸𝑀𝐼4,𝛿,𝑦 och en ökning av
dessa kunder ger ett negativt tecken. Förbättrad SAIDI, SAIFI och försämring av CEMI4. 𝑄𝑌 > 0, 𝐶𝐸𝑀𝐼4 < 0 ⇒ 𝑟𝑒𝑑𝑢𝑐𝑒𝑟𝑖𝑛𝑔 𝑎𝑣 𝑘𝑣𝑎𝑙𝑖𝑡𝑒𝑡𝑠𝑗𝑢𝑠𝑡𝑒𝑟𝑖𝑛𝑔 𝑄𝑌
Försämrad SAIDI, SAIFI och förbättring av 𝐶𝐸𝑀𝐼4. 𝑄𝑌 < 0, 𝐶𝐸𝑀𝐼4 > 0 ⇒ 𝑡𝑖𝑙𝑙𝑠𝑘𝑜𝑡𝑡 𝑡𝑖𝑙𝑙 𝑘𝑣𝑎𝑙𝑖𝑡𝑒𝑡𝑠𝑗𝑢𝑠𝑡𝑒𝑟𝑖𝑛𝑔 𝑄𝑌 Den slutgiltiga funktionen för kvalitetsjusteringen 𝑄𝑇𝑦 som kopplas mot SAIDI,
SAIFI beräknas då enligt:
𝑸𝑻𝒚 = 𝑸𝒀(𝟏 − |𝑪𝑬𝑴𝑰𝟒,𝜹,𝒚|) (5)
• Ingen ändring ges till kvalitetsjusteringen 𝑄𝑌 för de två fallen där
kvalitetsjusteringen 𝑄𝑌 och 𝐶𝐸𝑀𝐼4 har samma tecken. Det sker då de båda
påvisar förbättring eller försämring av de ingående indikatorerna mot normen.
• För fallet då avbrottsfrekvensen 𝐶𝐸𝑀𝐼4 är oförändrad i jämförelse mot
normen och differensen 𝐶𝐸𝑀𝐼4,𝛿,𝑦 skapar ett nollvärde sker ingen justering
av den totala årliga avbrottskostnaden 𝑄𝑌. Det beror på att det redan finns
en begränsning i hur stor justeringen kan bli, då den är satt till ±25 % av
den totala årliga avbrottskostnaden 𝑄𝑌 [35].
Kvalitetsjusteringen som används för regionnät är last-baserad och motsvaras av föreskrift avseende nätkoncession för linje som inte samredovisas med nätkoncession för område [36].
𝑸𝒀 = ∑ ∑ ((𝑰𝑳𝑬𝒃,𝒋,𝒌 − 𝑰𝑳𝑬𝒐,𝒋,𝒌)𝑲𝒆,𝒋,𝒌 + (𝑰𝑳𝑬𝒇𝒇𝒆𝒌𝒕𝒃,𝒋,𝒌 −𝟐𝒋=𝟏
𝟔𝒌=𝟏
𝑰𝑳𝑬𝒇𝒇𝒆𝒌𝒕𝒐,𝒋,𝒌)𝑲𝑷,𝒋,𝒌) (6)
18
Kvalitetsjusteringsmetodens index: Kundgrupp k, som är sex stycken; hushåll, industri, jordbruk, handel och tjänster, offentlig verksamhet, gränspunkt. För regionnät används samtliga kundgrupperna. Typ av avbrott j, oaviserade och aviserade avbrott. Baslinje är b, är den norm som beräknats på underlaget från normperioden. Årets utfall för nätföretaget ges av o. Avbrottskostnad K ges på formen av energi e, given i SEK/kWh eller effekt P, given i SEK/kW. Avbrottskostnaden är approximerad för respektive kundgrupp och dess syfte är att representera den socioekonomiska kostnaden för avbrottet.
Justeringen av den förhandsreglerade intäktsramen är begränsad till 5% av
intäktsramen för tillsynsperioden 2016-2019 och avdraget får inte överstiga
avkastningen på kapitalbasen [6]. Begränsningarna till de fyra tillsynsårens
kvalitetsjustering anges i matematisk form.
𝑸𝒕𝒐𝒕 =𝑰𝒕𝒐𝒕 + ∑ 𝑸𝒀,𝒏
𝟒𝒏=𝟏
𝑰𝒕𝒐𝒕= [𝟎. 𝟗𝟓, 𝟏. 𝟎𝟓]
𝑰𝒕𝒐𝒕 = 𝑪𝒕𝒐𝒕 + 𝑰𝒑𝒓𝒐𝒇𝒊𝒕
Max avdrag: 0.05 ∙ 𝑰𝒕𝒐𝒕 ≤ 𝑰𝒑𝒓𝒐𝒇𝒊𝒕 (7)
𝑸𝒕𝒐𝒕 motsvarar den totala tillåtna justeringen av intäktsramen som är given för
fyra år under tillsynsperioden. 𝑸𝒀,𝒏 är kvalitetsjusteringen för respektive år
under tillsynsperioden, där index n anger vilket år inom perioden som avses. I
detta fall med en tillsynsperiod från år 2016 till 2019. 𝑰𝒕𝒐𝒕 är den totala
intäktsramen som är förhandsreglerad av Ei inför tillsynsperioden.
Intäktsramen anges på en generaliserad form som en summa av
verksamhetens 𝑪𝒕𝒐𝒕 kostnader och 𝑰𝒑𝒓𝒐𝒇𝒊𝒕 avkastning.
19
Kapitel 3
Metod
I detta kapitel beskrivs vilken metod som tillämpas för den numeriska
analysen. Första delen består av en generell metod som ska generera
normfunktion till de olika indikatorerna vilket enbart berör lokalnät. Det beror
på att regionnätets norm bygger på nätföretagets egna avbrottshistorik, enligt
den nuvarande regleringen. Slutligen ges en utvärdering för att finna vilka
svagheter som den generella metoden kan medföra. Det är för att kunna
uppskatta hur väl de numeriska resultaten representerar en verklig reglering
av leveranssäkerhet.
3.1 Normfunktion i lokalnät
Referensen till kvalitetsindikatorerna utgörs av en normfunktion som i
lokalnätet beror av kundtäthet. I det här avsnittet beskrivs hur normfunktionen
anges för elnätsföretaget i det lokala elnätet.
Normfunktionen används vid beräkning av kvalitetsjustering vilket i sin tur
påverkar intäktsramens storlek. I kap. 2.2.2 gavs en generell matematisk
beskrivning till beräkningen av kvalitetsjusteringen. I detta avsnitt ges en
detaljerad beskrivning av samtliga ingående parametrar som behövs för att
göra beräkningen. Avsnittet bygger dels på definitioner och avgränsningar
angivna av regler som berör tillsynsperioden 2016-2019 men också formler
för samtliga indikatorer och hur de används vid kvalitetsjusteringen. I
formelsamlingen i Appendix 1 ges detaljerad matematisk beskrivning av
samtliga parametrar som ingår i funktionerna till kvalitetsjusteringen.
Underlaget till normen utgörs av avbrottsdata som nätkoncessionshavare för område har rapporterat in till Ei. Med område menas ett sammanhängande ledningsnät, med nätkoncessionshavare menas den som ansvarar för ledningsnätet, nätföretaget. För att finna normvärden för de indikatorer som används till att jämföra nätföretagets leveranskvalitet för varje år används minsta-kvadratmetoden för de värden som är givna inom normperioden. Normperioden utgör fyra kalenderår som infaller två år före tillsynsperioden [37]. Som exempel är normperioden för år 2010-2013 underlag till norm för tillsynsperioden 2016-2019.
20
När normvärden ska uppskattas beräknas indikatorerna för oaviserade och aviserade avbrott t var för sig inom varje kundgrupp k och vägs mot nätföretagets medelvärde av de fyra årens kundtäthet T inom elnätet som anges av f_m, där m anger nummer som kopplas mot nätföretaget. Medelvärdet för respektive indikator kallas avbrottsnivå Z.
��𝒇_𝒎(𝟐𝟎𝟏𝟎, 𝟐𝟎𝟏𝟏, 𝟐𝟎𝟏𝟐, 𝟐𝟎𝟏𝟑) =𝑻𝒇_𝒎(𝟐𝟎𝟏𝟎)+𝑻𝒇_𝒎(𝟐𝟎𝟏𝟏)+𝑻𝒇_𝒎(𝟐𝟎𝟏𝟐)+𝑻𝒇_𝒎(𝟐𝟎𝟏𝟑)
𝟒
(8)
��𝒕𝒌(𝟐𝟎𝟏𝟎, 𝟐𝟎𝟏𝟏, 𝟐𝟎𝟏𝟐, 𝟐𝟎𝟏𝟑) =
𝑺𝑨𝑰𝑫𝑰𝒕𝒌(𝟐𝟎𝟏𝟎)+𝑺𝑨𝑰𝑫𝑰𝒕
𝒌(𝟐𝟎𝟏𝟏)+𝑺𝑨𝑰𝑫𝑰𝒕𝒌(𝟐𝟎𝟏𝟐)+𝑺𝑨𝑰𝑫𝑰𝒕
𝒌(𝟐𝟎𝟏𝟑)
𝟒
(9)
På så vis kan varje avbrottsnivå Z kopplas mot medelvärdet av kundtäthet T för respektive aviserade och oaviserade avbrott och kundgrupp. Som ett illustrativt exempel ges Tabell 2, med oaviserade avbrott för kundgrupp hushåll, för varje nätföretag med givet medelvärde av kundtäthet. Tabell 2: Exempel på koppling mellan avbrottsnivå och kundtäthet.
Nätföretag 1 ��𝒐𝒂𝒗𝒊𝒔𝒆𝒓𝒂𝒅𝒆𝑯𝒖𝒔𝒉å𝒍𝒍 (1) ��𝒇𝟏
(1)
Nätföretag 2 ��𝒐𝒂𝒗𝒊𝒔𝒆𝒓𝒂𝒅𝒆𝑯𝒖𝒔𝒉å𝒍𝒍 (2) ��𝒇_𝟐 (2)
⋮ ⋮ ⋮ Nätföretag m ��𝒐𝒂𝒗𝒊𝒔𝒆𝒓𝒂𝒅𝒆
𝑯𝒖𝒔𝒉å𝒍𝒍 (𝑚) ��𝒇_𝒎(𝑚)
Extremvärden av avbrottsnivå exkluderas och resterande punkter används för att med minsta-kvadratmetoden finna medelavbrottsnivå Y för normperioden. Minsta-kvadratmetoden baseras på att studera utfallet av mätpunkter och göra ett antagande kring vilken typ av funktion som kan anpassas för att minimera det vinkelräta avståndet till de givna mätpunkterna [38]. Det kvadratiska medelfelet svarar mot den genomsnittliga avvikelsen och skall vara så liten som möjligt. I ett allmänt fall är det möjligt att anta en kurva y med kända funktioner 𝑓𝑛 för
att minimera avståndet med matrisberäkning. Exempel: Minsta-kvadratmetoden Tabell 3: Givna mätdata.
𝑦1 𝑡1
𝑦2 𝑡2
𝑦3 𝑡3
𝑦4 𝑡4
Förmodad kurva 𝑦 som ska anpassas till mätpunkterna, är givna i Tabell 3.
Mätpunkterna är givna av ett värde 𝑦1 som är observerat vid en tidpunkt 𝑡1. Anpassning av kurva 𝑦 bygger på ett antagande kring vilka funktioner som
är relevanta för mätpunkterna. Det kan ges av fysikaliska lagar, statistiska tillämpningar som kan ge lämpliga funktioner för att beskriva systemet som genererar mätpunkterna.
21
Funktionerna 𝑓𝑘 är kända men inte koefficienterna 𝑐𝑘 till funktionerna.
𝒚 = 𝒄𝟏𝒇𝟏(𝒕) + 𝒄𝟐𝒇𝟐(𝒕) + ⋯ 𝒄𝒌𝒇𝒌(𝒕) (10)
På matrisform.
[𝒇𝟏(𝒕𝟏) ⋯ 𝒇𝒌(𝒕𝟏)
⋮ ⋱ ⋮𝒇𝟏(𝒕𝟒) ⋯ 𝒇𝒌(𝒕𝟒)
] [
𝒄𝟏
⋮𝒄𝒌
] = [
𝒚𝟏
⋮𝒚𝟒
] (11)
�� ∙ �� = �� (12)
Dimensions kontroll av ingående matriser.
dim(��) = 4 × 𝑘, dim(𝑐) = 𝑘 × 1, dim(��) = 4 × 1
Lösningen till koefficienterna ges av normalekvationen, vilket innebär att A matrisen transponeras och multipliceras med båda sidor av ekvationen.
��𝑻 ∙ �� ∙ �� = ��𝑻 ∙ �� (13)
Dimension till ingående matriser.
dim(��𝑇) = 𝑘 × 4, dim(�� ∙ 𝑐) = 4 × 1, dim(��𝑇 ∙ ��) = 𝑘 × 1
Lösningen �� ger koefficienterna till kurvan 𝑦. Det vinkelräta avståndet mellan
mätpunkter och den förmodade kurvan 𝑦 ges av den Euklidiska normen av
avvikelsen. Vinkelräta avstånd mellan kurva och mätpunkter
‖���� − ��‖ = √∑ |(𝒄𝟏𝒇𝟏(𝒕𝒊) + 𝒄𝟐𝒇𝟐(𝒕𝒊) + ⋯ 𝒄𝒌𝒇𝒌(𝒕𝒊) − 𝒚𝒊)|𝟐𝟒𝒊=𝟏 (14)
Det kvadratiska medelfelet anger den genomsnittliga avvikelsen
𝝐 =‖����−��‖
√𝟒 (15)
Det är teoretiskt möjligt att dela upp mätpunkterna i sektioner av olika kundtäthet för att få bättre tillpassning och minimera avståndet ytterligare. Funktionen som Ei använder för att uppskatta medelavbrottsnivån Y som funktion av medelvärdet av kundtätheten T är anpassad av tre parametrar 𝛼, 𝛽, 𝛾 vilket motsvarar koefficienterna i tidigare givet exempel. Formen på funktionen 𝑌(𝑇):
𝒀(𝑻) =∝ +𝜷
(𝜸+𝑻) (16)
Randvillkor till funktionens koefficienter, där 𝑇min motsvarar minsta
medelvärdet av de ingående kundtätheterna i normperioden: 𝜶 ≥ 𝟎 , 𝜷 ≥ 𝟎, 𝜸 ≥ −𝟎. 𝟗 ∙ 𝑻𝐦𝐢𝐧 (17)
Minsta-kvadratmetoden anger då de ingående koefficienterna som saknas och det kvadratiska medelfelet visar hur många kända funktioner bör vara med för att minimera avståndet mellan avbrottsnivå Z och medelavbrottsnivå 𝑌𝑥(𝑇). Teoretiskt sett kan fler funktioner än den som ges av ekvation (16) ingå, men för att ge att hanterbart uttryck bör den resulterande metoden ge en liten avvikelse och samtidigt vara en funktion som är överskådlig.
22
Då medelavbrottnivån 𝑌(𝑇) är given med sina koefficienter kan
normnivån fastställas. Om nätkoncessionshavaren (i detta fall; nätföretaget med ansvar för visst ledningsnät) har en avbrottsnivå 𝑍(𝑇) som är lägre eller
lika med medelavbrottsnivån 𝑌(𝑇) vid samma kundtäthet T anges
avbrottsnivå 𝑍(𝑇) till normnivå för varje år i tillsynsperioden. I detta fall utges
tillsynsperioden av åren 2016-2019. 𝒁(𝑻) ≤ 𝒀(𝑻) ⟹ 𝑵𝐢 = 𝒁(𝑻), 𝒊 = [𝟏, 𝟒] å𝐫 𝒊 𝐭𝐢𝐥𝐥𝐬𝐲𝐧𝐬𝐩𝐞𝐫𝐢𝐨𝐝𝐞𝐧 (18)
I det fall som avbrottsnivå 𝑍(𝑇) är högre än medelavbrottsnivå 𝑌(𝑇) vid
samma kundtäthet T, så periodiseras normnivån per år i tillsynsperioden.
𝒁(𝑻) ≥ 𝒀(𝑻) ⟹ 𝑵𝐢 = 𝒀(𝑻) +(𝒁(𝑻)−𝒀(𝑻))
𝟒∙ (𝟒 − 𝒊) (19)
Normen för varje år inom tillsynsperioden för nätföretaget. År i=1 motsvarar 2016.
𝑵𝟏 = 𝒀(𝑻) +(𝒁(𝑻)−𝒀(𝑻))
𝟒∙ (𝟒 − 𝟏)
𝑵𝟏 = 𝒀(𝑻) + 𝟑
𝟒(𝒁(𝑻) − 𝒀(𝑻)) (20)
𝑵𝟏 =𝟑
𝟒𝒁(𝑻) +
𝟏
𝟒𝒀(𝑻)
År i=2 motsvarar 2017.
𝑵𝟐 = 𝒀(𝑻) +(𝒁(𝑻)−𝒀(𝑻))
𝟒∙ (𝟒 − 𝟐)
𝑵𝟐 = 𝒀(𝑻) + 𝟐
𝟒(𝒁(𝑻) − 𝒀(𝑻)) (21)
𝑵𝟐 =𝟏
𝟐𝒁(𝑻) +
𝟏
𝟐𝒀(𝑻)
År i=3 motsvarar 2018.
𝑵𝟑 = 𝒀(𝑻) +(𝒁(𝑻)−𝒀(𝑻))
𝟒∙ (𝟒 − 𝟑)
𝑵𝟑 = 𝒀(𝑻) + 𝟏
𝟒(𝒁(𝑻) − 𝒀(𝑻)) (22)
𝑵𝟑 =𝟏
𝟒𝒁(𝑻) +
𝟑
𝟒𝒀(𝑻)
År i=4 motsvarar 2019.
𝑵𝟒 = 𝒀(𝑻) +(𝒁(𝑻)−𝒀(𝑻))
𝟒∙ (𝟒 − 𝟒)
𝑵𝟒 = 𝒀(𝑻)
(23) Under tillsynsperioden sker reglering av det givna årets utfall för nätägaren
mot normnivån och multipliceras med den konsumentprisindex justerade
kostnad som är uppskattad i avbrottskostnadsvärderingen.
I arbetet med att testa olika kvalitetsindikatorer för lokalnätet används samma
metodik med att skapa en normfunktion som beror av kundtäthet. Skillnaden i
metoden utgörs av att tre olika testfunktioner optimerar de ingående
koefficienterna med avseende på att minimera felmarginalen. Den
testfunktion som genererar minst felmarginal anges då som normfunktion.
23
3.1.1 Normfunktion med nya indikatorer i lokalnät
För att finna norm till de nya indikatorerna har lokala nätföretags
inrapporterade data från normperioden 2010-2013 använts. Med samma
metodik som angavs i kapitel 3.1 utgör medelavbrottsnivån en funktion.
Funktionen beror av kundtäthet och ges inom vardera kundgruppen och typ
av avbrott är medelvärde av de fyra sammanhängande åren. I
formelsamlingen i Appendix 1 ges detaljerad matematisk beskrivning av
samtliga parametrar som ingår i funktionerna till kvalitetsjusteringen.
I urvalet har normperiodens data sorterats så att samma nätföretag återkommer inom dessa fyra år och för varje kundgrupp finns fyra års data att nyttja till att finna ett medelvärde. Det gör att det är färre lokala nätföretag, 156 stycken, som ingår än det totala antalet för år 2010, som vilket motsvarar maximalt antal lokala nätföretag, 168 stycken. De grupper som varje nätföretag har kan förändras över normperioden, men det är bara de som är återkommande för samtliga år som används vid sökandet efter lämplig norm. Indikatorer som är viktade mot antalet kunder i respektive grupp får en norm som är relaterat till kundtäthet, vilket motsvarar totala antalet kunder för nätföretaget viktat mot ledningslängd i km. Relationen beror av mängden av uttagspunkter för en ledningssträcka. De indikatorer som vars funktion består av en division av antalet kunder ges av SAIFI, SAIDI, CEMI4, AENS, APNS, ASAI och ASUI.
För att finna lämplig normfunktion till de nya indikatorerna, utifrån data som de 156 elnätsföretagen utgör används en iterativ process av regressionsanalys. En schematisk bild av processen ges av Figur 1. I Appendix 4 finns Matlabkod för respektive steg som används för att finna normfunktionen till respektive ny indikator.
Figur 1: Iterativ process till att finna rätt modell, i detta fall normfunktion.
Verifiering av modell. Test av villkor.
Modell accepterad, använd modell.
Postulera en modell inkl. antaganden
Parameterskattning från observationer
Modell håller inte och förkastas.
Ny eller modifierad modell.
24
Fyra års medelvärde ger data till de nya indikatorerna som plottas mot kundtäthet. Normfunktion till de nya indikatorerna uppskattas med regression av icke linjär kurvanpassning med villkor för ingående variabel för att uppfylla två villkor: 1. Funktionen skall vara positiv för alla värden till kundtäthet.
2. Funktionen skall vara avtagande för att ta hänsyn till avbrottsstatistik i
glesbygd respektive tätort. I sista steget av processen jämförs summan av kvadratfelen för respektive funktion för att uppskatta hur bra funktionen passar. Funktionens minsta kvadratfel skall minimeras, därför ansätts tre funktioner som uppfyller villkor angivna av 1 och 2, varpå den med lägst fel väljs. De tre funktionerna som tillämpas i modellen är valda med avseende på att uppfylla villkor 2, begränsningen till koefficienterna är valda med avseende på att uppfylla villkor 1: Metod 1. Ei modell som tillämpas på SAIDI, SAIFI för lokalnät.
𝒇(𝒙) = 𝒂 +𝒃
(𝒄+𝒙)
𝒂 ≥ 𝟎, 𝒃 ≥ 𝟎, 𝒄 ≥ −𝟎. 𝟗 ∙ 𝐦𝐢𝐧 (𝒙) (24)
Metod 2. Exponentiell funktion.
𝒇(𝒙) =𝟏
(𝒂+𝒙)+ 𝒃 ∙ 𝒆(−𝒙∙𝒄)
𝒂 ≥ −𝟎. 𝟗 ∙ 𝐦𝐢𝐧 (𝒙), 𝒃 ≥ 𝟎, 𝒄 ≥ 𝟎 (25)
Metod 3. Coth funktion.
𝒇(𝒙) =𝟏
(𝒂+𝒙)+ 𝒃 ∙ 𝐜𝐨𝐭𝐡(𝒙 ∙ 𝒄)
𝒂 ≥ −𝟎. 𝟗 ∙ 𝐦𝐢𝐧 (𝒙), 𝒃 ≥ 𝟎, 𝒄 ≥ 𝟎 (26)
Resultatet från den iterativa processen ges i Appendix 5, för respektive kundgrupp och indikator med 95 % konfidensintervall för variabelparametrarna 𝑎, 𝑏, 𝑐. I enstaka fall har Matlab inte kunnat ange
konfidensintervallet och dessa lämnas tomma i tabellen. Intäktsramen beräknas för basfallet SAIDI, SAIFI och CEMI4 och jämförs mot motsvarande intäktsram given av ny indikator. Skillnaden anges i kostnad för respektive elnätsföretag. Trend för respektive ny indikator visas med att plotta resultatet mot antalet kunder, effektförbrukning, kundtäthet och effekt baserad på ledningslängd. Figur 2, visar grundfallen av vilka indikatorer som jämförs mot basfallet.
25
Figur 2: Basfall och respektive nya indikatorer som skall jämföras.
Lokalnät kan även delas in i högspänning >1 kV och lågspänning ≤1 kV.
Kunder som nyttjar respektive nät kallas högspänningskund, HV och lågspänningskund, LV. Basfallet jämförs även mot indelning av dessa kunder enligt Figur 3. Jämförelsen baseras på antagandet att LV-kunder har en lägre förbrukning och avbrotten är rimliga att beräknas med kund-baserad metod som basfallet representerar, HV-kunder har mer variation av förbrukning och därmed beräknas dessa avbrott med last-baserade indikatorer såsom ILE, ILEffekt, AIT, AIF, AENS och APNS.
Figur 3. Basfallet och respektive indikator indelade i lågspänningskund LV och högspänningskund HV.
Basfall SAIDI, SAIFI och CEMI4
ILE, IlEffekt
AIT, AIF
AENS, APNS
ASUI
12 h SAIDI, SAIFI och CEMI4
Basfall SAIDI, SAIFI
och CEMI4
LV:SAIDI, SAIFI och CEMI4
HV: ILE, IlEffekt
LV:SAIDI, SAIFI och CEMI4
HV: AIT, AIF
LV:SAIDI, SAIFI och CEMI4
HV: AENS, APNS
26
I sista jämförelsen används olika kundgrupper, där hushållskunderna från grupp 5 använder basfallsmetoden och övriga grupper nya indikatorer enligt Figur 4. Jämförelsen baseras på antagandet att hushållskunder har mindre variation och lägre förbrukning och därför är avbrotten rimliga att beräknas med kund-baserad metod som basfallet representerar, övriga kundgrupper har mer variation av förbrukning och därmed beräknas dessa avbrott med last-baserade indikatorer såsom ILE, ILEffekt, AIT, AIF, AENS och APNS.
Figur 4. Basfallet och respektive indikator indelade i hushållskund från grupp 5 och övriga grupper. Jämförelsen av ny kvalitetsjusterings metod, mot basfallet vilket motsvarar nuvarande kvalitetsjusterings metod är grunden i samtliga numeriska resultat som ges i kapitel 4.1. ∆𝑸 = 𝑸𝑵𝒀 − 𝑸𝑩𝒂𝒔𝒇𝒂𝒍𝒍 (27)
𝑸𝑩𝒂𝒔𝒇𝒂𝒍𝒍 är given av funktionerna (1), (4), (5) som ges i kapitel 2.2.2. De nya
metoderna för kvalitetsjustering ges nedan.
Kvalitetjusterings metod 𝑄𝑁𝑌 för AIT, AIF.
𝑸𝑵𝒀 = ∑ ∑ ((𝑨𝑰𝑻𝒃,𝒋,𝒌 − 𝑨𝑰𝑻𝒐,𝒋,𝒌)𝑲𝒆,𝒋,𝒌 + (𝑨𝑰𝑭𝒃,𝒋,𝒌 − 𝑨𝑰𝑭𝒐,𝒋,𝒌)𝑲𝑷,𝒋,𝒌)𝟐𝒋=𝟏
𝟓𝒌=𝟏 ∙ 𝑷𝒂𝒗
(28) Kvalitetjusterings metod 𝑄𝑁𝑌 för AENS, APNS.
𝑸𝑵𝒀 = ∑ ∑ ((𝑨𝑬𝑵𝑺𝒃,𝒋,𝒌 − 𝑨𝑬𝑵𝑺𝒐,𝒋,𝒌)𝑲𝒆,𝒋,𝒌 + (𝑨𝑷𝑵𝑺𝒃,𝒋,𝒌 −𝟐𝒋=𝟏
𝟓𝒌=𝟏
𝑨𝑷𝑵𝑺𝒐,𝒋,𝒌)𝑲𝑷,𝒋,𝒌) (29)
Kvalitetjusterings metod 𝑄𝑁𝑌 för ASUI.
𝑸𝑵𝒀 = ∑ ∑ ((𝑨𝑺𝑼𝑰𝒃,𝒋,𝒌 − 𝑨𝑺𝑼𝑰𝒐,𝒋,𝒌)𝑲𝑷,𝒋,𝒌) 𝑷𝒂𝒗𝟐𝒋=𝟏
𝟓𝒌=𝟏 (30)
Index till formlerna: Kundgrupp k, som är sex stycken; hushåll, industri, jordbruk, handel och tjänster, offentlig verksamhet, gränspunkt. För lokalnät används enbart de fem första kundgrupperna. Typ av avbrott j, oaviserade och aviserade avbrott. Baslinje är b, är den norm som beräknats på underlaget från normperioden. Årets utfall för nätföretaget ges av o. Kvalitetskostnad K ges av energi e, given i SEK/kWh eller effekt P, given i SEK/kW. Avbrotten är delade i typ av avbrott oaviserade och aviserade avbrott och därefter indelade i respektive kundgrupp.
Basfall SAIDI, SAIFI
och CEMI4
Grupp 5 :SAIDI, SAIFI och CEMI4
Övriga: ILE, IlEffekt
Grupp 5: SAIDI, SAIFI och CEMI4
Övriga: AIT, AIF
Grupp 5: SAIDI, SAIFI och CEMI4
Övriga: AENS, APNS
27
3.2 Norm i regionalnät
Normen i regionalnät som används i kvalitetsjusteringen baseras på
nätföretagets egna medelvärden ifrån normperioden. Normen ges för
aviserade och oaviserade avbrott inom vardera kundkategori som finns
representerade av kundunderlaget till nätföretaget.
Då nya kvalitetsindikatorer testas så används samma metod för att skapa
en norm som bygger på nätföretagets tidigare utfall inom normperioden. För
numeriska resultat så är inte jämförelsen med lågspänningskunder och
högspänningskunder relevant, då det enbart är högspänningskunder som
nyttjar regionnätet. På samma vis är det heller inte meningsfullt att dela in
kundgrupper i hushållskunder och övriga eftersom hushållskunder inte är
representerade i kundunderlaget för regionnät. De numeriska resultaten
bygger därför enbart på den nya intäktsramen som ges med respektive
kvalitetsjustering med de nya indikatorerna.
Antalet elnätsföretag som är representerade i resultatet bygger på de
elnätsföretag som finns med i underlaget för normperioden och
tillsynsperioden. De kundgrupper som varje nätföretag har kan förändras över
normperioden, men det är bara de som är återkommande för samtliga år som
används vid sökandet efter lämplig norm. Vid jämförelsen av norm mot utfall
så måste tillsynsperiodens kundgrupper vara representerade i normen för att
en beräkning ska kunna genomföras. Enbart de elnätsföretag som finns representerade under de fyra åren av normperioden och i tillsynsperioden
ger de sju elnätsföretag som presenteras i numeriska resultat för
intäktsramens justering i procent.
För att beräkna de nya kvalitetsjusterings metoderna 𝑄𝑁𝑌 används
samma formel för SAIDI, SAIFI och CEMI4, AIT, AIF, APNS och AENS men
med skillnaden att även gränspunkter mot annat nät ingår i beräkningarna,
det betyder att samtliga kundkategorier är representerade i beräkningarna
som berör regionnät. Basfallet utgörs av ILE, ILEffekt för avbrott som varar
inom tidsrymden 100 ms-12 h.
3.3 Begränsningar av metod
Begränsningar av metoden för att finna normfunktion beror av hur ofta samma elnätsföretag med en beständig uppsättning av kundgrupper återkommer i dataunderlaget som ges av normperiod 2010-2013 och utfallsår 2016 som är en del av tillsynsperioden 2016-2019. Inom lokalnät är det möjligt att skapa en norm från en ny kundgrupp som finns med i utfallsåret baserat på medelnivån som är given vid en kundtäthet som motsvarar elnätsföretaget. Men med metodiken som används i Matlab så har elnätsföretaget varit med i underlaget för att skapa medelvärdet inom samma kundgrupp för att kunna jämföras mot utfallet. Det överensstämmer med metodiken för hur normnivån beräknas matematiskt inom lokalnät given i kapitel 2.2.2.
3.4 Val av antal parametrar till normfunktion
Lokalnätets normfunktion har två givna villkor, att vara positiv för alla värden av kundtäthet och att vara avtagande för att ta hänsyn till avbrott som sker i glesbygd respektive tätort. Det hade teoretiskt sett varit möjligt att ansätta en mängd av funktioner som svarar mot dessa villkor då koefficienterna till dessa kan begränsas med randvillkor. Med given metodik i kapitel 2.2.2 så ges enbart tre koefficienter för att kunna ge ett enklare uttryck av normfunktionen.
28
3.4.1 Algoritm till normfunktion
Anpassning av normfunktion mot data kan ske på fler sätt än icke linjära regressions metoden som används. Dels kan olika metoder av regression tas fram och dels kan urvalet av funktioner som ska antas vara relevanta vara fler. Metodiken har utarbetats genom att mäta felet, avvikelsen från data, som uppstår vid tillämpning av olika funktioner och har därmed lett fram till de tre normfunktionerna angivna i kapitel 2.2.2. som prövas mot medelvärden av olika indikatorer. Avgränsningen av extremvärden har inte tillämpats då gränser för dessa inte fanns med i beskrivningen för hur normfunktionen tas fram vid tillfället då arbetet utfördes.
3.4.2 Begränsningar inom algoritm
Begränsningen inom algoritm som tillämpas för lokalnätets normfunktion består i att gränserna till extremvärden för normperioden 2010-2013 inte var kända och kunde därför inte tillämpas. Därmed är det inte någon diskriminering gentemot något elnätsföretag som ingår i underlaget till numeriska resultat eftersom samtliga ingår i beräkningen för att skapa ett medelvärde vid given kundtäthet.
3.5 Utvärdering av metod
Metodiken som används för att jämföra elnätsföretagens förändring i
kvalitetsjustering och intäktsram är samma som används inom regionnät och
snarlik den metod som används inom lokalnät. Därför kan de numeriska resultaten från dessa beräkningar anses som rimliga för regionnät och
approximativa för lokalnät. Vid tolkning av resultat för lokalnät så betraktas inflytandet av kvalitetsindikatorn på kvalitetsjusteringen i jämförelse med Ei:s
givna värden av koefficienter till normfunktion. Vid tolkning av resultat i regionnät så ges begräsningen av antalet
elnätsföretag vars beräkning är exakt men det inte går att ge några generella
tolkningar för samtliga elnätsföretag inom regionnätet.
3.5.1 Nyttjad indata
Avbrottsstatistik som är underlaget till beräkningarna kommer från Ei. Nyttjad
indata motsvarar avbrottsstatistik som omfattar normperioden 2010-2013 och
utfall under tillsynsåret 2016.
3.5.2 Skillnad till kvalitetsjustering
Syftet med att visa skillnad i kvalitetsjustering i lokalnät är att påvisa inflytandet den nya indikatorn har i jämförelse mot de som används i basfallet. Det är också en metod att illustrera hur skillnaden mellan att använda enbart de avbrott som ingår i definitionen inför tillsynsperioden och de som överstiger 12 timmar. Därför är skillnad till kvalitetsjustering relevant i utvärderingen av hur valet av indikator-metod påverkar nätföretagen och deras kunder.
29
3.5.3 Justering av intäktsram
Vid jämförelse av hur intäktsramen påverkas, är syftet att ge ett numeriskt resultat av hur ett utfallsår kvalitetsjustering med en ny indikator-metod påverkar hela intäktsramen. Det är fyra utfallsår totalt som reglerar intäktsramen vilket ännu inte finns med i dataunderlaget eftersom dessa ligger i framtiden sett från arbetets tidsram. Därför kan resultatet från dessa beräkningar enbart ge en uppskattning på hur valet av indikator-metod påverkar nätföretagens intäktsram.
30
Kapitel 4
Resultat
Metoden för att ta fram norm inom lokalnät och regionnät är beskriven i kapitel 3. Numeriska resultat för lokalnät ges med jämförelsen mellan den nya indikator-metodens kvalitetsjustering och basfallets kvalitetsjustering. Numeriska resultat ges också för lokalnät och regionnät med syfte att uppskatta inverkan av en ny indikator-metod baserat på ett utfallsår 2016 på den totala intäktsramen som Ei har förhands reglerat inför tillsynsperiod 2016-2019.
4.1 Lokalnät kvalitetjustering För att kunna tolka resultat och förstå svårigheten med att finna en normfunktion till vissa indikatorer inom lokalnät, har den varierande effektförbrukningen inom respektive kundgrupp och nätföretag för normperioden studerats. Varje nätföretag har en kund med maximal, minimal, median och förbrukning inom vardera kundgrupp. För att uppskatta hur mycket ett avbrott inom kundgruppen påverkar de last-baserade indikatorerna, illustreras det med två extrema exempel. Kunden som drabbas av avbrott är definierad som avbrottskunden inom en kundgrupp till ett elnätsföretag. Med en kundgrupp som består av kunder med stor variation av förbrukning ges då stora skillnader mellan maximal, minimal förbrukning. Det är illusterat för samtliga kundgrupper inom lokalnät och kan ses i Figur 5. Ett elnätsföretag kan teoretiskt sett ha en kundgrupp som med kunder som representerar två extrema fall av förbrukning. Det innebär två typer av kunder inom kundgruppen. En kund vars förbrukning som ligger mycket över genomsnittet och en kund vars förbrukning vars förbrukning ligger mycket under genomsnittet. Genomsnittet utgörs av medelvärdet till samtliga nätföretag med samma kundtäthet T. 1. Medelavbrottnivån 𝒁(𝑻) är representerad av kunden med maximal
förbrukning inom kundgruppen och jämfört med övriga nätföretag med samma kundtäthet. Avbrottet värderas högre än genomsnittet 𝒀(𝑻) för
övriga nätföretag inom samma kundgrupp. Det genererar ett maximalt värde till indikatorerna ILE och ILEffekt och AENS och APNS.
𝒁(𝑻) ≥ 𝒀(𝑻) ⟹ 𝑵𝐢 = 𝒀(𝑻) +(𝒁(𝑻)−𝒀(𝑻))
𝟒∙ (𝟒 − 𝒊) (31)
31
Medelvärdet ger normnivån 𝑵𝐢 vilket ligger då långt under
elnätsföretagets nivå. Reglering av elnätsföretagets norm går då från ett högt värde till ett medelvärde som grundar sig på förbrukningsmönstret till samtliga kunder inom samma kundgrupp till nätföretag med samma kundtäthet.
2. Medelavbrottsnivån 𝒁(𝑻) är representerad av kunden med minimal
förbrukning inom kundgruppen och jämfört med övriga nätföretag med samma kundtäthet. Avbrottet värderas lägre än genomsnittet 𝒀(𝑻) för
övriga nätföretag inom samma kundgrupp. Det genererar ett minimalt värde till indikatorerna ILE och ILEffekt och AENS och APNS.
𝒁(𝑻) ≤ 𝒀(𝑻) ⟹ 𝑵𝐢 = 𝒁(𝑻), 𝒊 = [𝟏, 𝟒] å𝐫 𝒊 𝐭𝐢𝐥𝐥𝐬𝐲𝐧𝐬𝐩𝐞𝐫𝐢𝐨𝐝𝐞𝐧 (32)
I detta fall ligger normnivån 𝑵𝐢 långt under genomsnittet och regleringen
ger att samma låga värde ansätts till tillsynsperioden, trots att det är möjligt att överstiga den med bara ett avbrott från en kund vars förbrukning befinner sig på maximal nivå.
Ett exempel på stor variation inom förbrukningen för handel och tjänster kundgrupp 3, ges av ett nätföretags medelvärde av dessa extremvärden
under år 2010-2013, där maxvärdet är 1.9 ∙ 105 kW och minvärdet är nära
noll. Variation av max och min inom respektive kundgrupp visas i Figur 5.
Figur 5: Variation av maximal (grön), minimal (rosa), median (blå) och medel (svart) effektförbrukning inom respektive kundgrupp för normperioden 2010-2013.
Distributionen av indikator ILEffekt för oaviserade avbrott inom handel och tjänster, kundgrupp 3 visas i Figur 6 och tillhörande funktioner som testas för att finna lämplig normfunktion. SSE är förkortning för Sum of Squared errors, summan av kvadraten till felet, vilket används som mått på bästa passning av variablerna till respektive funktion. I detta fall ges bästa passning av metod 2 (exponentiell funktion) till de högst varierande värdena av indikatorn ILEffekt för oaviserade avbrott till kundgrupp 3.
32
Figur 6: Indikator ILEffekt för oaviserade avbrott för handel och tjänster grupp 3, från normperiod 2010-2013. Samtliga resultat från anpassning av normfunktion till varje indikator ges i Appendix 5 och normfunktion och distribution för varje indikator i kundgrupp 1, jordbruk ges i Appendix . Basfallet för lokalnät utgörs av avbrott med 3 min-12 h avbrottstid och mäts med kvalitetsindikatorerna SAIDI, SAIFI och CEMI4. Skillnaden i kvalitetsjusteringen mellan att använda samma metod, basfallet mot att använda en ny indikator ges av funktionen ∆𝑸.
∆𝑸 = 𝑸𝑵𝒀−𝑸𝑩𝒂𝒔𝒇𝒂𝒍𝒍 (33)
Resultaten visar hur skillnaden till kvalitetsjuteringen ∆𝑸 varierar då den nya
kvalitetsjusteringen 𝑸𝑵𝒀 beräknas med indikatorerna ILE och ILEffekt. Dessa
är givna av index DIFF ILE i figuren. Trenden av variation i kvalitetsjusteringen ∆𝑸 ges då 𝑸𝑵𝒀 består av en
blanding av indikatorer där kundgrupp 1-4 använder ILE och ILEffekt och kundgrupp 5 (hushåll) SAIDI, SAIFI och CEMI4. Dessa ges av index DIFF Grupp 5 i figuren.
Variationen inom kvalitetsjuteringen med ILE och ILEffekt är mycket större, till följd av den större variationen av förbrukning, än kvalitetsjuteringen med indikatorerna som används för basfallet. Det innebär att oavsett om ILE, ILEffekt är representerad inom samtliga kundgrupper eller enbart de fyra första kundgrupperna så ger de samma skillnad i kvalitetsjusteringen ∆𝑸 . I
Figur 7 illustreras skillnaden i kvalitetsjutering ∆𝑸 för nätföretag vid byte från
basfallet till någon av dessa indikatorer. Figurerna med givna nätföretag är valda utifrån att visa speciella
avvikelser inom skillnaden till kvalitetsjusteringen. Det är för att kunna eliminera metoder som resulterar i en obalanserad reglering i ett tidigt skede i analysen.
33
Figur 7: Skillnad i kvalitetsjustering baserat på nya indikatorer med ILE och ILEffekt mot kundtäthet.
ILE och ILEffekt ges av en norm som domineras av extrema värden vid jämförelse mot basfallet. Det kan observeras i kundgruppen jordbruk som ges i Appendix 6 om storleksordningen till indikatorns nivå jämförs mellan SAIFI för oavsierade avbrott i Figur 50 mot ILEffekt för oaviserade avbrott i Figur 59.
Det ger att samma skillnad i kvalitetsjuteringen ∆𝑸 består vid fallet med
avbrott som omfattar längre tid än 12 h, där varje avbrott som mäts med indikatorerna ILE och ILEffekt ger ett stort genomslag i jämförelse mot basfallet. Dessa ges av index DIFF ILE 12 i figuren.
Skillnaden i kvalitetsjuteringen ∆𝑸 då 𝑸𝑵𝒀 beror av indikatorerna ILE och
ILEffekt för samtliga kundgrupper följer samma kurva som uppstår för fallet med 𝑸𝑵𝒀 då kundgrupp 5 enbart beror av indikatorerna SAIDI, SAIFI och
CEMI4 och kundgrupp 1-4 enbart beror av indikatorerna ILE och ILEffekt för avbrott upp till 12 h. Det senare fallet ges av index DIFF Grupp 5 12 [h] i figuren.
Det illustreras i Figur 8, där skillnaden i kvalitetsjuteringen ∆𝑸 då 𝑸𝑵𝒀
beror av indikatorerna ILE och ILEffekt för samtliga kundgrupper och då kundgrupp 5 beräknas med indikatorerna SAIDI, SAIFI och CEMI4. I figuren finns även skillnaden mot basfallet då indikatorerna SAIDI, SAIFI och CEMI4
även omfattar avbrott som överstiger 12 h vilket motsvarar index DIFF 12 h i figuren.
34
Figur 8: Hur ILE, ILEffekt för samtliga kundgrupper och kundgrupp 1-4 följs åt för 3 min- 12 h avbrott respektive avbrott längre än 12 h.
Från Figur 8, visas de stora värden som indikatorerna ILE och ILEffekt genererar i jämförelse mot SAIDI, SAIFI och CEMI4 för avbrott som överstiger 12 h. Figuren visar att ILE och ILEffekt inte följer samma trend som basfallet med förlängd avbrottstid. Nätföretaget REL00861 skulle hypotetiskt erfarit en vinst om avbrotten som även omfattar 12 h beräknades med SAIDI, SAIFI och CEMI4 men genererat en förlust i det fall då avbrotten enbart omfattas av avbrott som omfattar 3 min-12 h och med ILE, ILEffekt som indikatorer för enbart kundgrupp 1-4. Det är illustrerat i föregående Figur 8, att ILE, ILEffekt inte är lämpliga indikatorer till samtliga kundgrupper eller enbart kundgrupp 1-4 för varken avbrott som omfattar 3 min-12 h eller för avbrott som är längre än 12 h. Lokalnät kan även delas in i högspänning >1 kV och lågspänning ≤1 kV.
Kunder som nyttjar respektive nät kallas högspänningskund, HV och lågspänningskund, LV. Dessa ges av index DIFF LV HV i figuren.
I fallet av att dela in kunder i lågspänning och högspänning ges snarlikt resultat för avbrott som omfattar 3 min-12 h och avbrott som överstiger 12 h då indikatorerna för högspänning representeras av ILE, ILEffekt och lågspänning ges av basfallet. Det senare fallet ges av index DIFF LV HV 12 h i figuren.
I Figur 9 visas skillnaden till kvalitetsjusteringen ∆𝑸 för dessa fall och när
basfallet även omfattar avbrott som överstiger 12 h.
35
Figur 9. Hur ILE, ILEffekt för högspänningskunder följs åt för 3 min – 12 h avbrott respektive avbrott längre än 12 h. Från Figur 9 visas skillnaden i kvalitetsjusteringen ∆𝑸 då 𝑸𝑵𝒀 beror av
indikatorerna SAIDI, SAIFI och CEMI4 för avbrott som överstiger 12 h. Det visar att ILE och ILEffekt inte följer samma trend som basfallet med förlängd avbrottstid. Figur 9 visar tydligt att ILE, ILEffekt inte är en bra indikator att kombinera med SAID, SAIFI och CEMI4 för att skilja mellan högspänningskunder och lågspänningskunder, då genomslaget för högspänningskunder är för starkt och inte ger ett balanserat incitament. Då AIT och AIF är effektviktade och har en kvalitetsjustering som baseras på avbrottskostnad och årsmedeleffekten, förväntas dessa ha lägre värden än ILE och ILEffekts kvalitetsjustering som är obalanserad med utfallet från 2016 i jämförelse mot 2010-2013. De har normvärden som är jämförbara mot SAIDI, SAIFI för avbrott vilket kan observeras i Appendix 6 med oaviserade avbrott AIF för kundgrupp 1, jordbruk i Figur 63.
I Figur 10 med SAIDI, SAIFI och för avbrott som överstiger 12 h, illustreras skillnaden mellan kvalitetsjustering från ny indikator, i detta fall AIT för avbrott som överstiger 12 h mot basfallet. Det senare fallet ges av index DIFF AIT 12 h i figuren.
36
Figur 10: AIT och AIF för 3 min -12 h respektive avbrott längre än 12 h. I Figur 10 illustreras hur AIT och AIF följer basfallet med avbrott som är längre än 12 h. Stora avvikelser i AIT och AIF följs inte alltid av stora avvikelser för basfallet med längre avbrott, vilket illustreras tydligt för nätföretaget REL00062 i Figur 10.
För fallet då enbart hushållskunder kundgrupp 5, beräknas med SAIDI, SAIFI och CEMI4 och övriga kunder beräknas med AIT och AIF studeras hur stort genomslag de nya indikatorerna har. Det ges av 5 AIT i figuren. I de fall avvikelserna för AIT och AIF är stora så dominerar indikatorerna i kvalitetsjusteringen och därmed kan inte hushållskundernas värden tas tillvara i kvalitetsjusteringens konstruktion. Det kan observeras i Figur 11 där extrema värden domineras av AIT och AIF.
Figur 11: Skillnad i kvalitetsjustering för AIT, AIF för 3 min-12 h avbrott och avbrott längre än 12 h och SAIDI, SAIFI och CEMI4 för avbrott längre än 12 h, då kundgrupper beräknas med nya indikatorer.
37
I nästa fall fördelas avbrotten med avseende på kundens tillgång till lågspänning respektive högspänning. Lågspänningskunders avbrott beräknas med indikatorerna SAIDI, SAIFI och CEMI4 och högspänningskunders avbrott beräknas med AIT och AIF ger ännu större skillnad mellan metoderna. Det senare fallet ges av index DIFF LV HV 12 h i figuren. Med detta tillvägagångssätt dominerar värden från AIT och AIF då extrema värden till högspänningskunder ger stora värden till dessa indikatorer. Med den typen av kvalitetsjustering riskerar lågspänningskunder att representeras av en svag indikator och regleringen speglar istället avbrott för högspänningskunder i extrema fall.
Figur 12: Skillnad i kvalitetsjustering för högspänningskunder med AIT, AIF för 3 min-12 h avbrott och avbrott längre än 12 h och lågspänningskunder med SAIDI, SAIFI och CEMI4 för avbrott längre än 12 h. I Figur 12 illustreras hur stora värden dominerar i fallet då högspänningskunders avbrott beräknas med AIT, AIF för avbrott 3 min-12 h och avbrott som överstiger 12 h. Indikatorerna AIT, AIF kan därför inte kombineras med SAIDI, SAIFI och CEMI4 om kvalitetsjusteringen ska användas i en balanserad reglering som tar hänsyn till samtliga kunders avbrott. Indikatorn APNS, AENS beror av antalet kunder vilket illustreras i Figur 13. Skillnaden i kvalitetsjusteringen ∆𝑸 då 𝑸𝑵𝒀 beror av indikatorerna APNS,
AENS visar att nätföretag med fler kunder riskerar en större förlust med de nya indikatorerna. Det kan förklaras med ett ökat antal kunder ökar också risken att variationen inom effektförbrukningen ökar såsom det illustrerades tidigare i Figur 5. Teoretiskt sett kan enbart avbrott hos de kunder med hög förbrukning ge en starkt försämrad kvalitetsjustering 𝑸𝑵𝒀. Variation av
effektförbrukning är avgörande för kvalitetsjustering 𝑸𝑵𝒀 som beror av
indikatorerna APNS, AENS.
38
Figur 13: Kundberoendet och förlust i kvalitetsjustering för indikatorerna APNS, AENS för avbrott som varar 3 min – 12 h och avbrott som överstiger 12 h. Från Figur 13 kan även samma extrema avvikelser observeras för skillnad i kvalitetsjusteringen ∆𝑸 som illustrerades tidigare i fallet med AIT, AIF.
𝑸𝑵𝒀 beror i ena fallet av indikatorerna APNS, AENS och 𝑸𝑵𝒀 beror i andra
fallet av indikatorerna SAIDI, SAIFI och CEMI4 för avbrott längre än 12 h. Dessa ges med index DIFF AENS och DIFF 12 h i figuren.
Det betyder att även dessa indikatorer blir svåra att kombinera med SAIDI, SAIFI och CEMI4 utan att generera en obalanserad kvalitetsjustering som speglar främst de kundgrupper vars avbrott beräknas med indikatorerna APNS och AENS. Figur 14 visar fallet då indikatorerna SAIDI, SAIFI och CEMI4 tillämpas för avbrott för hushållskunder, kundgrupp 5 och APNS, AENS används för att beräkna avbrott för de övriga kundgrupperna. Det ges med index DIFF 5 AENS i figuren.
39
Figur 14: Skillnad i kvalitetsjustering för APNS, AENS för 3 min-12 h avbrott och avbrott längre än 12 h och SAIDI, SAIFI och CEMI4 för avbrott längre än 12 h, då kundgrupper 1-4 beräknas med nya indikatorer. I Figur 14 illustreras hur indikatorerna AENS, APNS dominerar vid extrema värden. Nätföretaget REL00861 skulle hypotetiskt erfarit en vinst om den nya kvalitetsjusteringen beräknats med SAIDI, SAIFI och CEMI4 för avbrott som överstiger 12 h, men i fallet AENS, APNS fått en förlust oavsett längd på avbrott som beräknats. Det visar att kvalitetsjusteringen, då indikatorerna SAIDI, SAIFI och CEMI4 och AENS, APNS kombineras, inte speglar hushållskundernas avbrott på ett balanserat sätt. I fallet då avbrott för lågspänningskunder beräknas med SAIDI, SAIFI och CEMI4 och avbrott för högspänningskunder beräknas med APNS och AENS ges snarlikt resultat. I Figur 15 visas skillnaden för nätföretagens kvalitetsjustering ∆𝑸 då dessa indikatorer kombineras för avbrott till
lågspänningskunder och högspänningskunder.
Figur 15. Skillnad i kvalitetsjustering för högspänningskunder med AENS, APNS för 3 min-12 h avbrott och avbrott längre än 12 h och lågspänningskunder med SAIDI, SAIFI och CEMI4 för avbrott längre än 12 h.
40
I Figur 16 illustreras hur indikatorerna APNS, AENS dominerar vid extrema värden. Det visar att kombination av SAIDI, SAIFI och CEMI4 och APNS, AENS enbart återspeglar högspänningskundernas avbrott vid extrema fall. Kvalitetsjusteringen är då inte balanserad och lågspänningskundernas avbrott värderas mycket lägre än högspänningskundernas avbrott. Indikatorn ASUI är en modifierad form av SAIDI, vilket inte speglar frekvensen av avbrott utan bara tid av avbrott som kunden erfar. I figur 6-12 illustreras skillnaden i kvalitetsjustering om den beräknas med ASUI för avbrott som varar 3 min-12 h och överstiger 12 h.
Figur 16: Skillnad i kvalitetsjustering för ASUI för 3 min-12 h avbrott och avbrott längre än 12 h och SAIDI, SAIFI och CEMI4 för avbrott längre än 12 h, då kundgrupper beräknas med nya indikatorer. I Figur 16 illustreras skillnaden i kvalitetsjusteringen ∆𝑸 då frekvensen av
avbrott inte används som indikator, det genererar en förlust för nätföretagen i de fall då SAIFI skulle bidragit till att öka kvalitetsjusteringen. Då ASUI inte återspeglar antal avbrott är det inte en indikator som bidrar en balanserad kvalitetsjustering. Därmed avskrivs även ytterligare kombinationer med SAIDI, SAIFI och CEMI4, eftersom indikatorn ASUI saknar grundläggande element av frekvens av avbrott.
4.1.1 Sammanfattning av kvalitetsjustering i lokalnät
• Kombination av nya indikatorer tillsammans med SAIDI, SAIFI och CEMI4 för avbrott som varar 3 min-12 h och överstiger 12 h genererar ett obalanserat resultat som gynnar kunder vars avbrott som beräknas med de nya indikatorerna.
• Indikatorerna ILE, ILEffekt och APNS, AENS genererar fall av extremvärden på grund av variation av effektförbrukning inom respektive kundgrupp. Då kundtäthet inte tar hänsyn till denna variation går det inte att skapa en rättvis norm.
• Indikatorn ASUI tar inte hänsyn till mängden av avbrott och är därför en otillräcklig indikator för att mäta leveranssäkerhet.
41
4.2 Justering av intäktsram lokalnät Vid justering av intäktsram så beaktas enbart kvalitetsjustering för tillsynsåret 2016 som beror av givna indikatorer: 1. Basfallet och SAIDI, SAIFI och CEMI4 för avbrott som överstiger 12 h.
2. ILE, ILEffekt för avbrott som varar 3 min-12 h och överstiger 12 h.
3. AIT, AIF för avbrott som varar 3 min-12 h och överstiger 12 h.
4. APNS, AENS för avbrott som varar 3 min-12 h och överstiger 12 h. Intäktsramen är given av Ei:s förhandsreglerade intäktsramen med eventuella justeringar [39]. Justeringen av den förhandsreglerade intäktsramen är
begränsad till 5% av intäktsramen för tillsynsperioden 2016-2019 och
avdraget får inte överstiga avkastningen på kapitalbasen [6]. Begränsningarna till de fyra tillsynsårens kvalitetsjustering anges i matematisk form.
𝑸𝒕𝒐𝒕 =𝑰𝒕𝒐𝒕 + ∑ 𝑸𝒀,𝒏
𝟒𝒏=𝟏
𝑰𝒕𝒐𝒕= [𝟎. 𝟗𝟓, 𝟏. 𝟎𝟓]
𝑰𝒕𝒐𝒕 = 𝑪𝒕𝒐𝒕 + 𝑰𝒑𝒓𝒐𝒇𝒊𝒕
Max avdrag: 0.05 ∙ 𝑰𝒕𝒐𝒕 ≤ 𝑰𝒑𝒓𝒐𝒇𝒊𝒕 (34)
𝑸𝒕𝒐𝒕 motsvarar den totala tillåtna justeringen av intäktsramen som är given för
fyra år under tillsynsperioden. 𝑸𝒀,𝒏 är kvalitetsjusteringen för respektive år
under tillsynsperioden, där index n anger vilket år inom perioden som avses. I
detta fall med en tillsynsperiod från 2016 till 2019. 𝑰𝒕𝒐𝒕 är den totala
intäktsramen som är förhandsreglerad av Ei inför tillsynsperioden.
Intäktsramen anges på en generaliserad form som en summa av
verksamhetens 𝑪𝒕𝒐𝒕 kostnader och 𝑰𝒑𝒓𝒐𝒇𝒊𝒕 avkastning.
Resultatet för justeringen av den totala intäktsramen av enbart det första
tillsynsåret anges med procent. Positivt tecken för procent representerar
tillägg och negativt tecken till procent representerar avdrag till intäktsramen.
Gränserna för kvalitetsjusteringen anges i figurerna som övre och undre
gräns. Det har inte tagits hänsyn till storleken till avkastningen för
elnätsföretaget i beräkningarna. Medelvärdet till avvikelsen i procent för
samtliga elnätsföretag inom lokalnät anges för att visa vilken påverkan
indikatorn har sett på systemnivå.
42
I Figur 17 illustreras hur intäktsramarnas förändring i procent fördelas då
indikatorerna ges av basfallet och SAIDI, SAIFI och CEMI4 för avbrott som
överstiger 12 h.
Figur 17: Intäktsramarnas procentuella förändring med basfallet SAIDI, SAIFI
och CEMI4 för avbrott som överstiger 12 h.
I Figur 17 kan en jämn fördelning mellan tillägg och avdrag observeras. Medelvärdet visar att det är 0.07 % ökning av tillägg till intäktsram sett ur ett systemperspektiv om avbrott som överstiger 12 timmar inkluderas i kvalitetsjusteringen. I Figur 18 illustreras hur intäktsramarnas förändring i procent fördelas då indikatorerna ges av ILE, ILEffekt för avbrott som varar 3 min-12 h och överstiger 12 h.
Figur 18: Intäktsramarnas procentuella förändring då indikatorerna ges av ILE, ILEffekt för avbrott som varar 3 min-12 h och överstiger 12 h.
43
I Figur 18 kan en ojämn fördelning mellan tillägg och avdrag observeras. Majoriteten av fördelningen genererar ett tillägg. Tillägget är också högre än den övre gräns som ges vid 5 %. Det visar att flertal av elnätsföretagen redan nått den övre gränsen av leveranskvalitet vid första tillsynsåret. Medelvärdet visar att det är 0.85 % ökning av tillägg till intäktsram sett ur ett systemperspektiv om avbrott som överstiger 12 timmar inkluderas i kvalitetsjusteringen. I Figur 19 illustreras hur intäktsramarnas förändring i procent fördelas då
indikatorerna ges av AIT, AIF för avbrott som varar 3 min-12 h och överstiger
12 h.
Figur 19: Intäktsramarnas procentuella förändring då indikatorerna ges AIT,
AIF för avbrott som varar 3 min-12 h och överstiger 12 h.
I Figur 19 kan en jämn fördelning mellan tillägg och avdrag observeras. Medelvärdet visar att det är 0.04 % ökning av tillägg till intäktsram sett ur ett systemperspektiv om avbrott som överstiger 12 timmar inkluderas i kvalitetsjusteringen. I Figur 20 illustreras hur intäktsramarnas förändring i procent fördelas då indikatorerna ges av APNS, AENS för avbrott som varar 3 min-12 h och överstiger 12 h.
44
Figur 20: Intäktsramarnas procentuella förändring då indikatorerna ges APNS, AENS för avbrott som varar 3 min-12 h och överstiger 12 h. I Figur 20 kan en smal fördelning av tillägg och avdrag observeras. Medelvärdet visar att det är 0.0004 % ökning av tillägg till intäktsram sett ur ett systemperspektiv om avbrott som överstiger 12 timmar inkluderas i kvalitetsjusteringen. Fördelningen ger ett smalt fönster till avdrag och tillägg för att reglera elnätsföretagens leveranssäkerhet. I Tabell 4 jämförs medelvärdet för avvikelsen av intäktsramen sett ur en systemnivå för respektive indikator. Tabell 4: Indikator metod och medelvärde till intäktsramarnas avvikelse.
Metod Medelvärde till intäktsramarnas
avvikelse [%]
SAIFI 0,10661904
SAIFI 12 h 0,170505479
ILE 3,506597403
ILE 12 h 4,356308467
AIT 0,075157157
AIT 12 h 0,116140258
AENS 0,001547315
AENS 12 h 0,001985553
ASUI 4.666110-6
ASUI 12 h 9.023410-6
Då reglering av leveranssäkerhet ses utifrån ett systemperspektiv så genererar basfallet och AIT, AIF en snarlik inverkan på intäktsramarna som är satta för de elnätsföretag i lokalnät som ingår i beräkningarna. Dessa är markerade i tabellen. De indikatorer som genererar högst medelvärde till intäktsramarnas avvikelse ges av ILE, ILEffekt. De indikatorer som genererar lägst medelvärde till intäktsramarnas avvikelse ges av ASUI och näst lägst medelvärde ges av AENS, APNS.
45
Tabell 5: Mått på skillnad i intäktsram sett på systemnivå.
DIFF Intäktsram medel [%] std [%] max [%] min [%]
I_SAIFI_12 - I_basfall 0,06389 0,20482 1,09976 -0,42318
I_AIT - I_basfall -0,03146 0,11408 0,60337 -0,34868
I_AIT_12 - I_basfall 0,00952 0,16896 0,86718 -0,40925
Tabell 5, visar skillnaden i intäktsramen given i procent sett ur ett systemperspektiv. Basfallet är omfattar enbart avbrott som inträffar inom tidsrymden 3 min – 12 h. Medelvärdet för skillnaden är högst för regleringen med kundbaserade indikatorer SAIFI, SAIDI, CEMI4 som även omfattar avbrott som överstiger 12 h. Det lägsta medelvärdet ges för reglering med last baserade indikatorer AIT, AIF som omfattar avbrott vars längd är mellan 3 min – 12 h, precis som basfallet. Standardavvikelsen ges av ”std” i tabellen och är ett mått på hur stor spridningen är kring medelvärdet. Standardavvikelsen är störst för regleringen med kundbaserade indikatorer SAIFI, SAIDI, CEMI4 som även omfattar avbrott som överstiger 12 h. Kolumn ”max” utgors av det natforetaget som erhåller maximal vinst, given i procent av intaktsram vid byte av reglering. Kolumn ”min” utgors av det natforetaget som erhåller maximalt avdrag, given i procent av intäktsram vid byte av reglering. Eftersom AIT, AIF är beräknade utan CEMI4 är jämförelsen enbart en uppskattning av byte metod från kundbaserade indikatorer till last baserade indikatorer. Figur 21, illustrerar hur övergången till en ny metod påverkar intäktsramen. Den nya metoden jämförs mot basfallet. Skillnad för elnätsföretag anges i procent av intäktsram. Antal företag med samma procentuella förändring ges av hojden till vardera stapel i histogrammet. ”DIFF I SAIFI 12 h” representerar den procentuella skillnaden i intäktsramen då indikatorerna SAIFI, SAIDI, CEMI4 används i kvalitetsjusteringen som omfattar avbrott som överstiger 12 h. ”DIFF I AIT” representerar den procentuella skillnaden i intaktsramen då indikatorerna AIT, AIF används i kvalitetsjusteringen som omfattar 3 min - 12 h avbrott. ”DIFF I AIT 12 h” representerar den procentuella skillnaden i intäktsramen då indikatorerna AIT, AIF används i kvalitetsjusteringen som omfattar avbrott som överstiger 12 h.
Figur 21: Fördelning av procentuell skillnad i intäktsram för elnätsföretag i lokalnät vid byte av kvalitetsindikator.
46
4.2.1 Sammanfattning av justering av intäktsram i lokalnät
• Sett ur ett systemperspektiv genererar indikatorerna ILE, ILEffekt en
ojämn fördelning av tillägg och avdrag. Storleken till tilläggen överstiger begränsningen som är satt till 5 % under det första av fyra tillsynsår. Det innebär att regleringen snabbt når sina gränsvärden. ILE, ILEffekt är därför inte lämplig som kvalitetsindikator till lokalnät.
• En tillsynes obefintlig reglering ges av indikatorerna AENS, APNS. Dessa bidrar till mycket litet tillägg eller avdrag i justeringen av intäktsramen och kan omöjligt ses som incitament till att öka leveranssäkerheten inom elnätet. Det innebär att dessa inte är lämpliga för att använda som kvalitetsindikator till lokalnät.
• Basfallet utgör kund-baserade indikatorer som genererar tillägg och avdrag som är inom regleringens gränser och ett genererar en svag ökning av tillägg då 12 timmars avbrotten inkluderas, sett ur ett systemperspektiv.
• AIT, AIF är last-baserade indikatorer som genererar tillägg och avdrag som är inom regleringens gränser och ett genererar en svag ökning av tillägg då 12 timmars avbrotten inkluderas, sett ur ett systemperspektiv.
47
4.2 Justering av intäktsram i regionnät
Det är enbart sju stycken elnätsföretag som ingår i den slutliga beräkningen av kvalitetsjusteringen till intäktsramen för regionnät. I regionnätet är det ILE, ILEffekt som utgör basfallet med avbrottstid 100 ms – 12 h. Vid justering av intäktsram så beaktas enbart kvalitetsjustering för tillsynsåret 2016 som beror av givna indikatorer: 1. Basfallet och ILE, ILEffekt för avbrott som överstiger 12 h.
2. SAIDI, SAIFI och CEMI4 för avbrott som varar 100 ms-12 h och
överstiger 12 h.
3. AIT, AIF för avbrott som varar 100 ms-12 h och överstiger 12 h.
4. APNS, AENS för avbrott som varar 100 ms-12 h och överstiger 12 h.
I Figur 22 så illustreras hur intäktsramarnas förändring i procent ges för dessa
elnätsföretag då de har en kvalitetsjustering beror av basfallet och ILE,
ILEffekt för avbrott som överstiger 12 h
Figur 22: intäktsramarnas förändring i procent i regionalnät med basfall och då indikatorerna ges av ILE, ILEffekt för avbrott som överstiger 12 h.
Det är tydligt att intäktsramarnas procentuella förändring är snarlik för basfallet
och då indikatorerna ges av ILE, ILEffekt för avbrott som överstiger 12 h.
Justeringen av intäktsramen befinner sig inom de givna begräsningarna av
5%. Därför används enbart basfallet som referens vid jämförelse mot andra
indikatorer eftersom det även kan representera 12 timmars avbrott.
I Figur 23 så illustreras hur intäktsramarnas förändring i procent ges för dessa
elnätsföretag då de har en kvalitetsjustering beror av basfallet och då
indikatorerna ges av SAIDI, SAIFI och CEMI4.
48
Figur 23: intäktsramarnas förändring i procent i regionalnät med basfall och
då indikatorerna ges av SAIDI, SAIFI och CEMI4.
Figur 23 visar en procentuell förändring till de elnätsföretag som ingår i
underlaget. Elnätsföretaget RER00292 skulle med indikator SAIDI, SAIFI och
CEMI4 nått gränsen för avdrag -5 % till intäktsramen under det första
tillsynsåret 2016.
För att studera variationerna av kunder respektive förbrukning så
jämfördes dessa för normperioden och tillsynsperioden. Värden för dessa
parametrar finns i tabellen nedan, där antal kunder under utfallsåret anges
med N_2016, medelvärde av antal kunder under normperioden anges med
N_4, totala effektförbrukningen under tillsynsåret anges med P_2016 [kW]
och medelvärde av den totala årliga effektförbrukningen under normperioden
anges med P_4 [kW], medelvärdet av dessa årliga medelvärden ges av
P_medel [kW].
Tabell 6: Nätföretag inom regionnät, antal kunder och effektförbrukning under utfallsåret 2016 och normperioden.
Rel N_2016 N_4 P_2016 P_4 P_medel
RER00259 47 44,75 875846,632 1818145674 909510760
RER00292 9 2 68226,229 7703818,691 3886022,46
RER00318 129 68 216024,161 561998511,5 281107268
RER00533 950 902,5 7690357,15 17309546735 8658618546
RER00586 476 434,3 1990475,13 4478104493 2240047484
RER00855 714 668 3829644,03 8631104707 4317467175
RER00911 48 48 114,585274 291389,9594 145752,272
Förklaringen till den stora skillnaden som visas i Figur 23 för elnätsföretaget
RER00292 då kvalitetsjusteringen beror av en kund-baserad indikator, kan
ges av skillnaden i antalet kunder som har ökat från normperiodens
medelvärde av två kunder upp till nio, antalet kunder har ökat med en faktor
4.5 mellan dessa perioder som jämförs mot varandra. Samtidigt har
effektförbrukningen för kunderna till samma elnätsföretag minskat med en
faktor 0.009 mellan dessa perioder. Elnätsföretaget RER00292 är markerad i
Tabell 6.
49
I Figur 24 så illustreras hur intäktsramarnas förändring i procent ges för dessa
elnätsföretag då de har en kvalitetsjustering beror av basfallet och då
indikatorerna ges av AIT, AIF för avbrott som varar 100 ms-12 h och
överstiger 12 h.
Figur 24: Intäktsramarnas förändring i procent i regionalnät med basfall och
då indikatorerna ges av AIT, AIF för avbrott som varar 100 ms-12 h och
överstiger 12 h.
ILE, ILEffekt är last-baserade indikatorer men de tar inte hänsyn till periodens
medelsförbrukning därför ger AIT, AIF ett tillägg för intäktsramen i samma
storleksordning som det skulle ha varit ett avdrag då basfallet användes för
elnätsföretaget RER00292. För övriga elnätsföretag följer skillnaden av
intäktsramen av AIT, AIF samma kurva som basfallet utgör.
Storleksordningen av avvikelsen från intäktsramen är inom begränsningen
5 %.
I Figur 25 så illustreras hur intäktsramarnas förändring i procent ges för dessa
elnätsföretag då de har en kvalitetsjustering beror av basfallet och då
indikatorerna ges av APNS, AENS för avbrott som varar 100 ms-12 h och
överstiger 12 h.
50
Figur 25: Intäktsramarnas förändring i procent i regionalnät med basfall och
då indikatorerna ges av APNS, AENS för avbrott som varar 100 ms-12 h och
överstiger 12 h.
Indikatorerna APNS, AENS ger ett litet tillägg och avdrag till intäktsramen vid jämförelse av basfallets storleksordning. Det innebär att regleringen av leveranssäkerhet får ett svagt incitament med indikatorerna APNS, AENS.
4.2.1 Sammanfattning av justering av intäktsram i regionnät
• Förändring av att använda basfallet och använda indikatorerna ILE,
ILEffekt till att även omfatta avbrott som överstiger 12 timmar genererar
en liten procentuell skillnad. Då skillnad ges är det till fördel för
elnätsföretaget inom regionnät.
• Kund-baserade indikatorer SAIDI, SAIFI ger ett för stort avdrag vid en
mindre ökning av antal kunder mellan normperiod och utfallsår. Det visar
att indikatorerna inte är lämpliga till att användas som kvalitetsindikator
för att reglera leveranssäkerhet inom regionnät.
• Last-baserade indikatorer AIT, AIF kompenserar för ändring av
förbrukning mellan normperiod och utfallsår. Indikatorerna är inom rimlig
nivå för att generera tillägg och avdrag till intäktsramen. AIT, AIF kan
användas som kvalitetsindikator för att reglera leveranssäkerhet inom
regionnät.
• Indikatorerna APNS, AENS ger ett svagt incitament i form av nästan inga
tillägg eller avdrag. Det visar att APNS, AENS inte är lämpliga som
kvalitetsindikatorer i regionnät.
4.3 Sammanvägda resultat Från numeriska resultat ges slutsatsen att de enda indikatorerna, av de som testats, som är användbara för kvalitetsjustering av intäktsramar i både lokalnät och regionnät är AIT, AIF.
51
Kapitel 5
Diskussion & Slutsats
Arbetet med att utvärdera konsekvenserna för elnätsföretag och kunder inom
regionnät och lokalnät, vid förändring av kvalitetsindikatorer som används
inom RPS-metoden som ger tillägg och avdrag, har bestått i att i möjligaste
mån åskådliggöra intressenternas ståndpunkter, följt av en teoretisk och
numerisk analys.
Fokus har främst varit att utvärdera gällande regleringen av
leveranssäkerhet inför tillsynsperioden 2016-2019 och hur den fungerar för
elnätsföretag och deras kunder i de fall en ändring av kvalitetsindikatorer
skulle ske. RPS-metoden kan modelleras på andra sätt och
kvalitetsjusteringen kan även ta hänsyn till tid av reparation i elnätet eller vad
kunden har för förbrukningsmönster för dygnet. Det är dock viktigt att
regleringen inte består av allt för många parametrar då det medför att
leveranssäkerheten regleras på ett alltför komplext sätt och incitamentet till
förbättrad leveranssäkerhet går förlorat.
5.1 Metodologi till arbete Från problemformuleringen i kapitel 1.1 ställdes ett antal frågor som nu besvaras nedan. 1. Vilka kunder ska omfattas i regleringen av leveranssäkerheten med
indikatorerna SAIDI och SAIFI eller ILE och ILEffekt? Andra avgränsningar än lokalnät och regionnät kan användas, såsom spänningsnivå eller kundgrupp.
Matematiska och teoretiska resultat visar att ILE, ILEffekt är inte bra indikatorer enskilt eller i kombination med SAIDI, SAIFI och CEMI4 då effektförbrukningen inom varje kundgrupp varierar för lokalnät. I regionnät så kan effektförbrukningen också variera mellan normperiod och tillsynsperiod vilket ger att ILE, ILEffekt ibland kan bli missvisande.
52
2. Eventuell lagändring kan även inkludera avbrott över 12 timmar. Hur
påverkar val av indikatorer och avgränsningar regleringen för nätföretagen respektive deras kunder, då dessa avbrott inkluderas?
Avbrott över 12 timmar genererar ett starkare incitament i regleringen. Eftersom det kräver långsiktig planering för att undvika avbrott som överstiger 12 timmar. Skillnaden visas främst i indikatorerna SAIDI, SAIFI och CEMI4 och ger en svag höjning av tillägg i regleringen sett på en systemnivå. Det påverkar nätföretagen och deras kunder med en marginell skillnad. 3. Hur påverkas nätföretagen av de olika alternativa sätten att mäta
leveranssäkerheten på kortsiktigt och långsiktigt? Hur påverkas nätföretagen på aggregerad nivå och på enskild nivå?
Kortsiktigt ges en stor skillnad vid en ändring av indikatorer men över längre sikt kommer nästa normnivå att påverkas och generera en utjämnande effekt. 4. Vilka argument finns för att behandla alla kunder lika ur ett
avbrottskostnadsperspektiv:
a) Oavsett förbrukning, då indikatorerna SAIDI och SAIFI används för att mäta leveranssäkerhet. Varje avbrott är värderat lika inom kundgruppen för respektive typ av avbrott, aviserat eller oaviserat.
Det är ett argument för att avbrott till kunder inom samma kundgrupp skall behandlas icke-diskriminerande. b) Med avseende på förbrukning, vikta kunderna mot deras energiuttag,
vilket uppskattas med indikatorerna ILE och ILEffekt. Varje avbrott är värderat utifrån kundens årliga förbrukning inom kundgruppen för respektive typ av avbrott, aviserat eller oaviserat.
Metoden kan försvaras med följande argument, att ur ett samhällsekonomiskt perspektiv är det de kunder som förbrukar mer som också drabbas hårdare vid avbrott. 5. Vad är nätföretagens respektive kundorganisationers åsikter och argument
kring val av indikatorer och avgränsning för att mäta leveranssäkerhet? Val av indikatorer önskas vara sådana som återspeglar hur väl systemet fungerar enligt Mälarenergi Västerås AB. Enkäten visar att vissa elnätsföretag inom lokalnät önskar indikatorer som är väl inarbetade och utgör en pålitlig metod för att mäta avbrott. Kunders åsikter kring vilka indikatorer som föredras har inte kunnat fångas upp, då det är mer en diskussion om kostnaden för nätavgiften som är aktuell i media. 6. Vilka är de administrativa konsekvenserna för Ei och nätföretagen? Eftersom alla beräkningar utgått ifrån samma data som Ei redan har genererar det inte ytterligare administrativa kostnader för nätföretagen. Ei har möjlighet att beräkna nya indikatorer utan att generera ytterligare administrativa kostnader, eftersom det går att göra utifrån samma underlag.
53
7. Vilka övriga risker går att finna som konsekvens av de olika alternativ som
dessa val av indikatorer och avgränsningar ger? Konsekvensen av att kombinera nya indikatorer med SAIDI, SAIFI för att beräkna olika indelningar av kunder inom samma kundgrupp inom lokalnät är att den nya indikatorn dominerar vid extrema fall av effektförbrukning. Det bidrar till att avbrott antingen övervärderas, i fallet med ny indikator, eller undervärderas då det beräknas med SAIDI, SAIFI. Det ger en obalanserad reglering som inte återspeglar avbrott för samtliga kunder inom kundgruppen. 8. Vad motiverar valet att använda AIT, AIF som indikator till både lokalnät
och regionnät?
Av samtliga indikatorer som testats så är det enbart AIT, AIF som genererar ett tillägg eller avdrag som är på rimlig nivå för att kunna reglera leveranssäkerhet inom både lokalnät och regionnät. 9. Gynnas särskilda kunder inom kundgruppen då AIT, AIF används som
indikator? a) Kan det påverka nätföretagens arbete för leveranssäkerhet på kort eller
lång sikt?
På kort sikt innebär införandet av AIT, AIF som kvalitetsindikatorer att de kunder som förbrukar mer inom sin kundgrupp får högre värderade avbrott. Ett avbrott hos en kund med hög förbrukning skulle då prioriteras före en kund med lägre förbrukning. Ett sätt att motverka detta är att använda CEMI4 för att fånga upp dessa kunders avbrott i regleringen. På lång sikt innebär det att regleringen inte blir konjunkturkänslig, vilket innebär att rimliga tillägg eller avdrag görs. Det borde gynna en långsiktig planering av elnätet då elnätsföretagen inte behöver kompensera för detta inom regionnäten och lokalnäten.
b) Kan dessa kunders säkringsstorlek och nivå på tariff motiveras av en
kvalitetsjustering med AIT, AIF?
Det är last-baserade nätavgifter som kunderna betalar, vilket talar för att även kvalitetsindikatorerna bör vara last-baserade för att kunna koppla intäktsramens reglering mot kundens nätavgift.
10. Går det att motivera en kvalitetsjustering med AIT, AIF utifrån en hållbart
perspektiv? Om hållbarhet är ett scenario där ett ökat antal källor till förnybar energi används lokalt och en ökad effektivitet, dvs. minskad energiintensitet är satt som ett miljömål [10]?
Om mängden av lokalt producerad förnybar energi ökar så ökar kundens oberoende till nätföretagets leveranssäkerhet, eftersom de har en egen källa till energi. Samtidigt påverkar en ökad mängd av lokala energikällor elnätsföretagen som behöver anpassa elnätet för att kunna skicka effekt i båda riktningarna, då överskottet av den lokalt producerade energin går tillbaka från kunden in i elnätet. Det är rimligt att kunna anta att last-baserad indikatorer AIT, AIF även kan mäta leveranssäkerhet i motsatt riktning för effekt för att gynna en utveckling av lokalt producerad förnybar energi.
54
5.1.1 Indikatorer i lokalnät och regionalnät
Fördelen med att använda samma kvalitetsindikator för lokalnät och regionnät är
att elnätsföretagens avbrott värderas på ett liknande sätt. Om regleringen för
leveranssäkerhet till lokalnät och regionnät går att relatera till varandra så ger det
också att kunderna i dessa nät får en reglering av leveranssäkerhet som
bygger på samma premisser i hur avbrott bör mätas. Samtidigt är inte rimligt
att byta kvalitetsindikatorer för lokalnät eller regionnät om det inte medför en
förbättring av hur avbrott mäts.
AIT, AIF visar sig vara kvalitetsindikatorer som medför en förändring från
kund-baserade indikatorer till last-baserade indikatorer inom lokalnät vilket
också speglar hur kundens elnät värderas i elnätsavgiften. Vidare så medför
AIT, AIF en förbättring inom regionnätet som använder last-baserade
indikatorer men utan att ta hänsyn till variation av effektförbrukning mellan
normperiod och tillsynsperiod.
5.1.2 Begränsning av data
De numeriska resultaten är begränsade till ett utfallsår 2016. Det skulle vara
intressant och se vilket resultat som ges till analyser fler av dessa tillsynsår.
Det är analytiskt möjligt att generera statistik via tidigare historik och
slumpmässighet vilket kan vara användbart. Olika typer avbrottsstatistik kan
då analyseras med avseende på konjunktur och effektförbrukning eller
slumpmässiga väderfenomen.
5.2 Jämförelse mot tidigare arbeten
Det finns studier som visar på att indikatorerna ILE, ILEffekt inte gynnar
incitament till en utveckling mot smarta elnät [40]. Det beror på att
förbrukningen i nätet förväntas minska då lokala källor tillgodoser lokal
efterfrågan på förbrukning. Vidare ges det studier av hur ett ökat effektivt nät
med fler lokala förnybara källor gynnar ekonomisk tillväxt [41]. Lokala
förnybara källor minskar konsumtionen lokalt och bidrar till att avlasta elnätet
vid hög efterfrågan på energi om överskottet kan tas vidare dit det
efterfrågas. Det skulle i sin motverka stora investeringar i elnätet som hade
behövts för att bibehålla en god leveranssäkerhet även då belastningen ökar i
takt med befolkningen och ett ökat behov av energi.
5.3 Etik och hållbarhet
Den starkaste etiska aspekten i det här arbetet har varit huruvida varje kund ska
behandlas lika oavsett förbrukning. Det kan tyckas att det är orättvist att värdera
avbrott efter hur mycket kunden förbrukat tidigare. Till försvar för last-baserade
indikatorerna AIT, AIF ges att inte är kundens avgift som beräknas i
kvalitetsjusteringen utan en uppskattning av kostnaden till avbrottet sett ur ett
socioekonomisk perspektiv. Inom varje kundgrupp ges en kostnad för aviserade
och oaviserade avbrott för att representera kostnaden för kunden. Kostnaden är
formulerad som kostnad per förbrukning och inte per avbrott. Den kund som
förbrukar mest effekt inom sin kundgrupp prioriteras före den kund som inte
förbrukar lika mycket effekt.
55
Om AIT, AIF används i ett nät som består av flera lokala förnybara
energikällor, vilket är ett hållbart alternativ, så minskar beroendet av elnätet för att
upprätthålla en likvärdig förbrukning. Om dessa kunder har möjlighet att tillgodose
sin effektförbrukning med lokal ödrift så är de helt oberoende av elvabrott. Då är
det också rimligt att de kunder som inte har tillgång till dessa källor och har en
högre förbrukning prioriteras eftersom de är mer sårbara vid avbrott.
5.4 Framtida arbete
Framtida arbete kan bestå av studier av hur regleringen av leveranssäkerhet
påverkar elnätsföretagen på lång sikt med hänsyn till de energi och miljömål
som är satta av EU inför 2020. Olika statistiska test kan göras för att simulera
avbrott och ett ökat antal lokala förnybara källor för att se hur det påverkar
leveranssäkerheten.
RPS-metoden är effektiv då både avbrottskostnaden är rimlig och
kvalitetsindikatorerna är relevanta. Avbrottskostnaden är relaterad till
efterfrågan och kan förändras över längre tid. Därför behöver även den
uppdateras i jämna tidsintervaller för att spegla den socioekonomiska
kostanden som avbrott innebär. Ytterligare studier med fler år av
tillsynsperioden kan behövas för att värdera metoden med AIT, AIF som
kvalitetsindikator och motivera hur relevant metoden är vid kvalitetsjustering.
Ett sätt att testa metoden med AIT, AIF är att använda den tillsammans
med CEMI4 för att uppskatta om den behövs i regleringen för både lokalnät
och regionnät eller enbart i något av dessa nät. Inverkan av CEMI4 är svag i
lokalnät men kan ge större inverkan i regionalnät då antalet kunder kan
variera från några enstaka till flera mellan normperiod och tillsynsperiod, det
innebär att referensvärdet blir mycket högre än utfallsåret om samma kund
erhåller fyra avbrott eller fler. Det vore intressant att se studier om hur dessa
parametrar spelar in för både lokalnät och regionnät.
Litteraturförteckning
[1] Svensk författningssamling, SFS, Ellagen 1997:857, kap. 2, § 2, Nätkoncession, Stockholm: Miljö- och energidepartementet, 2013.
[2] Svensk författningssamling, SFS, Ellagen 1997:857, kap. 3, § 1, Nätverksamhet, Stockholm: Miljö- och energidepartementet, 2005.
[3] Energimarknadsinspektionen, ”Ei,” 21 12 2017. [Online]. Available: https://www.ei.se/sv/for-energiforetag/el/Leveranssakerhet-och-spanningskvalitet/. [Använd 01 03 2018].
[4] L. Ström, Kvalitetsreglering av intäktssam för elnätsföretag - Reviderad metod inför tillsynsperioden 2016-2019, Eskilstuna: Energimarknadsinspektionen, Ei, 2015, pp. 4,22,70.
[5] Svensk författningssamling, SFS, Ellagen 1997:857, 5 kap, 1§, 6§, Stockholm: Miljö- och energidepardementet, 2009.
[6] L. Ström, Kvalitetsreglering av intäktssam för elnätsföretag - Reviderad metod inför tillsynsperioden 2016-2019, Eskilstuna: Energimarknadsinspektionen, Ei, 2015, p. 74.
[7] C. J. Wallnerstrom, M. Seratelius, Y. Huang, ”Leveranssakerhet i Sveriges elnat 2016,” Energimarknadsinspektionen, Ei, Eskilstuna, 2017.
[8] L. Ström, Kvalitetsreglering av intäktssam för elnätsföretag - Reviderad metod inför tillsynsperioden 2016-2019, Energimarknadsinspektionen, Ei, 2015, p. 36.
[9] Seminarieunderlag, "Preliminära förslag till nya och ändrade regler för elnätsföretagens intäktsramar inför perioden 2020-2023, vol. 31, Eskilstuna: Energimarknadsinspektionen, Ei, 2017.
[10] Regeringskansliet, ”Övergripande mål och svenska mål inom Europa 2020,” 27 april 2017. [Online]. Available: http://www.regeringen.se/sverige-i-eu/europa-2020-strategin/overgripande-mal-och-sveriges-nationella-mal/. [Använd 1 mars 2018].
[11] Myndigheten för samhällsskydd och beredskap, MSB, ”Krisinformation, Elstorningar,” Myndigheten for samhallsskydd och beredskap, MSB, 25 april 2016. [Online]. Available: https://www.krisinformation.se/detta-kan-handa/elstorningar. [Använd 1 mars 2018].
[12] Svensks författningssamling, SFS, Ellagen 1997:857, kap. 10, § 10, § 11, Avbrottsersättning, Stockholm: Miljö- och Energidepartementet, 2005.
[13] L. Ström, Kvalitetsreglering av intäktssam för elnätsföretag - Reviderad metod inför tillsynsperioden 2016-2019, Eskilstuna: Energimarknadsinspektionen, Ei, 2015, p. 11.
[14] Svenska Kraftnät, December 2015. [Online]. Available: https://www.svk.se/siteassets/om-oss/rapporter/anpassning-av-elsystemet-med-en-stor-mangd-fornybar-elproduktion.pdf. [Använd 2 april 2018].
[15] L. Lundh, ”Tillforlitlighet i Stockholms elnat,” Uppsala Universitet, Examensarbete 30 hp,Uppsala, 2015.
[16] K. Kinnunen, ”Investment incentives: regulation of the Finnish electricity distribution,” Elsevier Ltd, Energy Policy 34, 2004.
[17] Energimarknadsinspektionen: Estimering av kalkylränta för elnätsverksamhet för åren 2012-2015, 18 februari 2011. [Online]. Available: https://www.ei.se/Documents/Forhandsreglering_el/Viktiga_dokument/Ernst_o_Young__Estimering_av_kalkylranta_for_elnatsverksamhet_for_aren_2012-2015.pdf. [Använd 1 mars 2018].
[18] Energimarknadsinspektionen: WACC för elnätföretag för tillsynsperioden 2016-2019, 14 april 2015. [Online]. Available: https://www.ei.se/Documents/Forhandsreglering_el/2016_2019/Dokument/1/WACC_for_elnatsforetag_for_tillsynsperioden_2016-2019_ERNST_o_YOUNG.pdf. [Använd 1 mars 2018].
[19] Energimarknadsinspektionen, Ei, ”Nya regler for elnatsforetagen inför perioden 2020–2023,” Energimarknadsinspektionen, Ei, oktober 2017. [Online]. Available: https://www.regeringen.se/4aa7ef/contentassets/c78b73a88cb84f52be8e1392ebe7d28e/energimarknadsinspektionens-rapport-nya-regler-for-elnatsforetagen-infor-perioden-2020-2023. [Använd 1 mars 2018].
[20] K. Alvehag, K. Awodele, ”Impact of Reward and Penalty Scheme on the Incentives for Distribution System Reliability,” IEEE Transactions On Power Systems, vol. 29, no.1, 2014.
[21] CEER, ”European Energy Forum,” [Online]. Available: http://www.europeanenergyforum.eu/members/associate/ceer. [Använd 1 mars 2018].
[22] L. Ström, Kvalitetsreglering av intäktssam för elnätsföretag - Reviderad metod inför tillsynsperioden 2016-2019, Eskiltuna: Energimarknadsinpektionen, Ei, 2015, pp. 73, 72.
[23] Energiforetagen, ”Energiforetagen,” 1 maj 2017. [Online]. Available: https://www.energiforetagen.se/globalassets/energiforetagen/sa-fungerar-det/el/fragor-och-svar-om-elnatsavgift-och-elnatsreglering_170517.pdf?v=9cZYyMPRwYcHDirGFU0uyPa1M4s. [Använd 1 mars 2018].
[24] Forvaltningsratten i Linkoping, ”Forvaltningsratten i Linkoping,” 14 december 2016. [Online]. Available: http://www.forvaltningsrattenilinkoping.domstol.se/Om-forvaltningsratten/Nyheter-och-pressmeddelanden/Domar-om-intaktsramar-for-elnatsforetag/. [Använd 1 mars 2018].
[25] Energimarknadsinspektionen, Ei, ”Energimarknadsinspektionen, Ei,” 21 november 2017. [Online]. Available: https://www.ei.se/sv/nyhetsrum/nyheter/nyheter-2017/ei-nekas-provningstillstand-gallande-elnatsforetagens-intaktsramar-2016-2019/. [Använd 1 mars 2018].
[26] E. Tuvhag, ”Stort missnoje med elbolagen du inte kan valja bort,” Svenska Dagbladet, SvD, 27 November 2017.
[27] Aftonbladet, ”Aftonbladet, ekonomi,” 18 september 2017. [Online]. Available: https://www.aftonbladet.se/minekonomi/a/oXg6j/storbolagens-elnatsavgifter-sticker-ivag. [Använd 1 mars 2018].
[28] Villaagarna, ”Villaagarna,” 18 september 2017. [Online]. Available: http://www.villaagarna.se/Press/Nyheter/Stora-skillnader-i-elnatsavgift-over-landet-2017/. [Använd 1 mars 2018].
[29] Sveriges Television, svt, ”svt,” 13 december 2016. [Online]. Available: https://www.svt.se/nyheter/inrikes/eljattarna-ger-miljardutdelningar-till-agarna. [Använd 1 mars 2018].
[30] Aftonbladet, ”Aftonbladet, ekonomi,” 24 okt 2017. [Online]. Available: https://www.aftonbladet.se/minekonomi/a/LyW9J/nu-ska-eljattarnas-chockhojningar-stoppas. [Använd 1 mars 2018].
[31] Sveriges Television, svt, ”svt,” 15 december 2016 . [Online]. Available: https://www.svt.se/nyheter/inrikes/villaagarna-elprisbroms-kommer-for-sent. [Använd 1 mars 2018].
[32] G. Morén, Energimarknadsinspektionens författningssamling, EIFS 2015:5, kap. 3, § 5, Eskilstuna: Energimarknadsinspektionen, Ei, 2015, p. 3.
[33] G. Morén, Energimarknadsinspektionens författningssamling, EIFS 2015:5, kap. 2, §1, 6:e stycket, Energimarknadsinspektionen, Ei, 2015, p. 2.
[34] G. Morén, Energimarknadsinspektionens författningssamling, EIFS 2015:5, kap. 4, § 2, Energimarknadsinspektionen, Ei, 2015, p. 4.
[35] G. Morén, Energimarknadsinspektionens författningssamling, EIFS 2015:5, kap. 5, § 4, Energimarknadsinspektionen, Ei, 2015, p. 6.
[36] G. Morén, Energimarknadsinspektionens författningssamling, EIFS 2015:5, kap. 3, § 6, Energimarknadsinspektionen, Ei, 2015, p. 3.
[37] G. Morén, Energimarknadsinspektionens författningssamling, EIFS 2015:5, kap. 2, 1 §, Eskilstuna: Energimarknadsinspektionen, Ei, 2015, p. 2.
[38] G. Blom, ”Minsta-kvadrat.metoden,” i Sannolikhetsteori och statistikteori med tillämpningar, Lund, Studentlitteratur, 2005, p. 259.
[39] Energimarknadsinspektionen, Ei, ”Energimarknadsinspektionen, Ei,” 2015. [Online]. Available: https://www.ei.se/sv/for.../el/Elnat.../elnatsforetagens-intaktsramar-2016-2019/. [Använd 1 mars 2018].
[40] A. Picciarello, K. Alvehag, L. Soder, ”Impact of Network Regulation on the Incentive for DG Integration for the DSO: Opportunities for a Transition Toward a Smart Grid,” vol. 6, nr 4, pp. 1730-1739.
[41] M.T. Costa-Campi, J. Garcia-Quevedo, E. Trujillo-Baute, ”Electricity regulation and economic growth,” Elsevier, Energy Policy, nr 113, pp. 232-238, 2017.
Appendix 1
Formelsamling
Kvalitetsjusteringens samtliga parametrar För samtliga fall av avbrott antas dessa uppfylla villkor av att vara:
1. Orsakade i eget nät. 2. Tid till avbrott är inom definierade ramar givna för lokalnät och
regionnät. 3. Kunden ingår i en kundgrupp som är inom definierade ramar givna
för lokalnät och regionnät. 𝜏𝑖 avbrottstid (tid för avbrott) som kund nr i erfar.
𝜆𝑖 frekvens av avbrott (antal avbrott) som kund nr i erfar inom givna tidsramar
av avbrott. 𝑁𝑖 kund nr i som ingår i den totala gruppen av kunder, varje kund ges värdet
ett. 𝑁𝑖 = 1
𝐸𝑖 energi förbrukad av kund nr i för året som avses, anges i arbetet i enhet
kilowattimmar [kWh]. 𝑃𝑖 effekt [kW] förbrukad av kund nr i för året som anges i arbetet av 𝑑 i
enheten timmar [h].
𝑃𝑖 =𝐸𝑖
𝑑
𝒅𝒐 tillsynsårets o timmar, anges i arbetet i enhet timmar [h].
𝐸𝑜,𝑘 motsvarar kundgruppens k förbrukade energi under tillsynsåret o given i
enhet [kWh]. Index k representerar kundgrupp. 𝑷𝒂𝒗 mäter tillsynsårets o årliga medeleffekten (årsmedeleffekt) inom varje
kundgrupp k, vilket motsvarar kundgruppens förbrukade energi 𝐸𝑜,𝑘 [kWh]
och dividerat med tillsynsårets timmar 𝒅𝒐 [h], given enhet är kW. I de fall
årsmedeleffekt används i för beräkning av normen utgör den medelvärdet av årsmedeleffekt till de fyra åren som normvärdet ger inom respektive kundgrupp k.
𝑷𝒂𝒗 =𝑬𝒐,𝒌
𝒅𝒐 (35)
SAIFI - System Average Interruption Frequency Index, antal avbrott per kund [avbrott/kund].
𝑆𝐴𝐼𝐹𝐼 =∑ 𝜆𝑖∙𝑁𝑖𝑖
∑ 𝑁𝑖𝑖 (36)
SAIDI - System Average Interruption Duration Index, avbrottstid per kund [h/kund].
𝑆𝐴𝐼𝐷𝐼 =∑ 𝜏𝑖∙𝑁𝑖𝑖
∑ 𝑁𝑖𝑖 (37)
ENS - Energy Not Supplied motsvarar ILE, Icke Levererad Energi [kWh].
𝐸𝑁𝑆 = ∑ 𝜏𝑖 ∙ 𝐸𝑖𝑖 (38)
PNS - Power Not Supplied motsvarar ILEffekt, Icke Levererad Effekt [kW].
𝑃𝑁𝑆 = ∑ 𝜆𝑖 ∙ 𝑃𝑖𝑖 (39)
AENS - Average Energy Not Supplied, ILE viktat mot kunder [kWh/kund].
𝐴𝐸𝑁𝑆 =∑ 𝜏𝑖∙𝐸𝑖𝑖
∑ 𝑁𝑖𝑖 (40)
APNS - Average Power Not Supplied, ILEffekt viktat mot kunder [kW/kund].
𝐴𝑃𝑁𝑆 =∑ 𝜆𝑖𝑃𝑖𝑖
∑ 𝑁𝑖𝑖 (41)
AIT - Average Interruption Time, ILE viktat mot årsmedeleffekt [h].
𝐴𝐼𝑇 =∑ 𝜏𝑖∙𝐸𝑖𝑖
∑ 𝑃𝑖𝑖 (42)
AIF - Average Interruption Frequency, ILEffekt viktat mot årsmedeleffekt [avbrott].
𝐴𝐼𝐹 =∑ 𝜆𝑖∙𝑃𝑖𝑖
∑ 𝑃𝑖𝑖 (43)
ASUI - Average System Unavailbility Index, SAIDI viktat mot årets timmar [%].
𝐴𝑆𝑈𝐼 =∑ 𝜏𝑖∙𝑁𝑖𝑖
∑ 𝑁𝑖∙𝑑𝑖 (44)
𝐶𝐸𝑀𝐼4 kunder som erfar fyra eller fler avbrott viktat mot antal kunder
[avbrott/antal kunder]. 𝜆𝑖 ≥ 4 ⟹ δ𝑖 = 1 𝜆𝑖 < 4 ⟹ δ𝑖 = 0
𝑪𝑬𝑴𝑰𝟒 =∑ δ𝑖𝑖∑ 𝑁𝑖𝑖
(45)
Appendix 2
6.1 Mälarenergi Västerås AB Ett möte arrangerades av Carl Johan Wallnerström, handledare från Ei, med nätplanerare Kenny Granath och Torbjörn Solver från Mälarenergi Elnät AB, där vi diskuterade regleringen av leveranssäkerhet. Från detta möte ges en listad sammanfattning av vad som framfördes angående nuvarande reglering och eventuella förändringar av den. Sammanfattningen är skriven av Carl Johan Wallnerström och läst av Kenny Granath som även bidragit med ytterligare tillägg. Sammanfattning i punktform: 1. Inte för många ändringar snabbt då vi inte har kunnat utvärdera ordentligt
än. Var nyligen nuvarande regler infördes och det är först från 2020 som incitamenten på allvar blir styrande för de flesta nätföretag. Evolution snarare än revolution när det gäller leverenssäkerhetsincitamenten.
2. Problem med kundkategorier, t.ex. eftersom tarifferna är desamma men
avbrottskostnaderna olika. Dock inte realistiskt hasta igenom ändring av detta redan till nästa tillsynsperiod även om det inte är optimalt idag enligt er (se punkt 1 om att inte gå för snabbt fram innan utvärdering).
3. Diskussioner om effektviktning även för lokalnät. Sammanfattningsvis
lutar det åt att det har fler för- än nackdelar. Ligger närmare hur nätföretagen planerar i verkligheten där hänsyn tas till kundstorlek. Behöver inte vara mer komplicerat att förstå eftersom kr/kW och kr/kWh är logiskt. En annan fördel är att ha samma indikator är möjlig oavsett region/lokalnät och kundgrupp. Kan också ta bort lite av de negativa effekterna (se punkt 2) med kundgrupper, t.ex. genom att mindre industri och handel/tjänster får rimligare avbrottskostnadsvärdering jämfört med idag.
4. Till 2020 realistiskt utreda viktning efter årsmedeleffekt, men på sikt kan
det vara intressant att utreda om vi kan använda effekt per timme för att t.ex. fånga kunder med stora variationer över dygn/år avseende effektuttag. Data finns/kommer finnas, men blir mycket data hantera, skulle kanske krävas att en del beräkningar gjordes av nätföretagen själva.
5. 12-timmarsavbrott. Vi diskuterar i detta projekt inte om lagförslaget är bra
eller inte, men om det blir verklighet är det viktigt uppdatera även normnivåerna med avseende på detta. Då blir effekten nära noll om både utfall och norm förskjuts samtidigt.
6. CEMI4. Svagt incitament som endast ibland ger liten effekt. Kom inte
fram till så mycket konkret på mötet. Finns säkert förbättringspotential, men just att det är svagt (inte ger så mycket risker för nätföretagen) kanske det inte är prioriterat se över till 2020 med tanke på den första punkten att inte hasta igenom förändringar?
Ytterligare tillägg gavs av Kenny Granath. ”Vi diskuterade enkelhet vs. komplexitet i regleringen. Eftersom avbrottsincitamenten redan är komplicerade med flera kundtyper etc. är risken att de inte ger någon styrande effekt eftersom det blir för komplicerat att ta hänsyn till detta vid investeringsbeslut när det också finns många andra faktorer som påverkar. Det kan vara något att tanka på. Dessa ”mjuka varden” tror jag inte ska underskattas om man vill få nätföretagen att ta mer hansyn till styrningen som Ei vill åt.” ”Det vore intressant att se studier over CEMI-4 och hur nyckeltalet utvecklas över tid. Det finns alltid inslag av slumpmässighet i avbrottsstatistik och ju kortare tidshorisont desto mer slump kommer att påverka. Därför vore det önskvärt att minimera slumpen i regleringen. En tanke som vi inte diskuterade på mötet men som är en tanke är att betrakta hela fyraårsperioden som en enhet istället för att betrakta varje enskilt år. De årliga kraven (trappan från befintlig nivå mot normnivån om man har sämre kvalitet än norm) är väldigt trubbiga och slumpässigheten varje enskilt år är storre an stegen i trappan.” ”Vi diskuterade aven kvalitet på rapporterad data. Ju mer detaljer i data och ju mer påverkan data får via incitament desto viktigare blir Ei:s tillsyn över kvaliteten på data. Det räcker inte med de stickprov och kontroller som görs vid inrapporteringen utan det borde även göras andra typer av djupare kontroller av avvikande statistik (inte bara företag med dålig leveranssäkerhet utan aven bra eller ”for bra”) for att se om det finns brister i datakvalitet eller metoder för framtagande av statistiken. Till en viss gräns gäller att ju bättre datakvalitet, desto sämre leveranssäkerhet eftersom fler avbrott kommer med i statistiken istallet for att missas.”
Appendix 3
7.1 Enkät till elnätsföretag Enkätens utformning är medvetet riktad till att svara mot de indikatorer som tas upp i examensarbetet. Enkäten skickades med mail till 147 nätföretag som hade hänvisning till mail till kundtjänst eller ansvarig till nätet, via deras hemsida. I mailet förklarades syftet med enkäten och att svaren hanterades anonymt utan att kunna koppla dem tillbaka till respektive avsändare. Svarsfrekvensen var låg, enbart 32 svar av 147 möjliga vilket motsvarar 21.8 %. Resultaten redovisas dels som blockdiagram över svarsfördelningen från obligatoriska frågor och i nästa avsnitt ges de specifika förklaringarna som hör till följdfrågorna. Första frågan lyder: Vad är det bästa sättet att mäta elavbrott i lokalt nät?
Figur 26: Svarsfrekvens till bästa metod att mäta elavbrott i lokalnät. Andra frågan lyder: Bör det vara någon skillnad på hur man mäter elavbrott i lokalt nät för lågspänningskunder och högspänningskunder.
Figur 27 Svarsfrekvens till att använda olika metoder för högspänningskund respektive lågspänningskund. Tredje frågan lyder: Om svaret är ja på föregående fråga (att göra skillnad på mätmetod till avbrott för lågspänningskunder och högspänningskunder).
På vilket sätt bör avbrott mätas för lågspännings- och högspänningskunder?
Figur 28: Svarsfrekvens till vilket sätt bör avbrott mätas för lågspännings- och högspänningskunder. Fjärde frågan lyder: Bör det vara skillnad på hur man mäter elavbrott i lokalt nät för olika kundgrupper.
Figur 29: Svarsfrekvens till om det bör vara skillnad på hur man mäter elavbrott i lokalt nät för olika kundgrupper. Femte frågan lyder: Om svaret är ja på föregående fråga (om det bör vara skillnad på mätmetoder för olika kundgrupper). På vilket sätt bör avbrott mätas för de olika kundgrupperna?
Figur 30: Svarsfrekvens till vilken mätmetod bör användas för respektive kundgrupp.
Sjätte frågan lyder: Har ni även ett regionalt nät?
Figur 31: Svarsfrekvens till om nätföretaget även har ett regionalt nät. Sjunde frågan lyder: Ska både lokalnät och regionalt nät mäta avbrott på samma sätt?
Figur 32: Svarsfrekvens till frågan om det bör vara samma metod för att mäta avbrott i lokalnät som i regionalt nät.
7.2 Specifika förklaringar från enkät För att kunna ge en mer fördjupad analys ges de specifika förklaringarna till de frivilliga följdfrågorna. Fråga 1. Vad är det bästa sättet att mäta el avbrott i lokalt nät? I den här frågan ges det möjlighet att kunna ange ett sätt som inte är givet av de listade alternativen. Här nyttjades den möjligheten av en av deltagarna i enkaten som skrev foljande: ”Att driftledare i varje enskilt fall dokumenterar avbrotten.” Svarsfrekvensen var 24 av 32, vilket motsvarar 75 % av det totala antalet av deltagare i enkäten, till att använda SAIDI, SAIFI för att mäta avbrott i lokalt nät. Fråga 1.1 Varför är det en metod att föredra? Svarsfrekvensen till frågan var 14 av 24, vilket motsvarar 58 % av dem som föredrar SAIDI, SAIFI. Skälen listas i Tabell 7.
Tabell 7: Skäl till att använda SAIDI och SAIFI som metod att mäta avbrott i lokalt nät.
Nr 1.1 Varför är det en metod att föredra?
1 ”Det ger en bra bild over hur stor kundpåverkan som ett avbrott har medfört. Används av oss bla som ett sätt att mäta elkvalitet i nätet och till viss del for att bestamma underhållsplanering.”
2 ”For att den mater foretagets leverans till sina kunder. Utebliven effekt och energi vet jag inte nyttan av.”
3 ”Ett avbrott i spanningen ar lika kannbart som ett effektbortfall.”
4 ”Det är lättare att bedöma konsekvenser av ett avbrott, och de blir lattare jamforbara.”
5 ”Enklare att hantera eftersom avbrottsdata kan avlasas i respektive matare. Alla andra givna metoder måste beraknas.”
6 ”Val inarbetad metod”
7 ”Avbrottsstatistiken bör utvecklas. T.ex. redovisning av de 5-10 anläggningarna med sämsta Saifi och Saidi. Att enbart mäta för hela natet ar for grovt, tycker jag.”
8 ”Sjalva avbrottet ar det besvarliga for kunden, utebliven forsaljning ar ett mindre problem for oss”
9 ”Inarbetad”
10 ”Ett nyckeltal som ar enkelt att berakna och tydligt att kommunicera till kund. Skapar ett bra kvalitetsmått på elnätet och är jämförbart över tid.”
11 ”Branschen och myndigheten anvander SAIFI och SAIDI.”
12 ”Är allmant vedertaget och det finns statistik tillbaka i tiden.”
13 ”Kunden hamnar i focus”
14 ”Delvis for att inte riktigt kanner till de andra men jag tycker att den metoden som galler idag ar ok, åtminstone for hushållskunder.”
7.2.1 Rangordning av motivering till Tabell 7
Svaren från 1, 2, 8, 9, 10 och 13 motiverar sitt val utifrån kundens perspektiv. Svaren från 6, 9, 10, 11 och 12 motiverar sitt val utifrån praxis och historiskt sätt att mäta avbrott i lokalnät. Svaren från 1, 2, 3 och 4 motiverar sitt val utifrån konsekvenserna ett avbrott betyder för kund eller i systemet. Svaret från 5 motiverar sitt val utifrån att det är lättillgänglig data som kan fås direkt från kundens elmätare. Svaret från 7 motiverar sitt val med att metoden för SAIDI, SAIFI kunde utvecklas till att omfatta anläggningar som representerar sämre statistik i jämförelse med hela systemet. Svaret från 14 motiverar sitt val utifrån vad som är en känd metod vilket är acceptabel för kundgruppen hushållskunder. Svarsfrekvensen var 1 av 32, vilket motsvarar 3 % av det totala antalet av deltagare i enkäten, till att använda AIT, AIF för att mäta avbrott i lokalt nät. Fråga 1.1 Varför är det en metod att föredra? Svarsfrekvensen till frågan var 1 av 1, vilket motsvarar 100 % av dem som föredrar AIT, AIF. Skäl listas i Tabell 8. Tabell 8: Skäl till att använda AIT, AIF som mätmetod för lokalt nät.
Nr 1.1 Varför är det en metod att föredra?
1 ”Vi måste se till att de storsta forbrukarna har energi i forsta hand, då de påverkar troligtvis flest i samhället. Då blir bedömd leveranssäkerhet rattvis for oss natagare.”
Svaret från 1 motiverar AIT, AIF som den bästa metoden till att mäta avbrott i lokalnät utifrån konsekvensen i socioekonomiskt perspektiv.
Svarsfrekvensen var 1 av 32, vilket motsvarar 3 % av det totala antalet av deltagare i enkäten, till att använda APNS, AENS för att mäta avbrott i lokalt nät. Fråga 1.1 Varför är det en metod att föredra? Svarsfrekvensen till frågan var 1 av 1, vilket motsvarar 100 % av dem som föredrar APNS, AENS. Skäl listas i Tabell 9. Tabell 9: Skäl till att använda APNS, AENS som mätmetod för lokalt nät.
Nr 1.1 Varför är det en metod att föredra?
1 ”Det ar aktuellt att på något sätt i nyckeltalet få med vad det är för kund(-er) som har fått avbrott. Att då ta hänsyn till icke levererad effekt/energi gör att man iaf till viss del får med detta (även om naturligtvis även kunder med små förbrukningar kan vara samhällsviktiga).”
Svaret från 1 motiverar APNS, AENS som den bästa metoden till att mäta avbrott i lokalnät utifrån konsekvensen i socioekonomiskt perspektiv. Svarsfrekvensen var 2 av 32, vilket motsvarar 6 % av det totala antalet av deltagare i enkäten, till att använda ASUI, ASAI för att mäta avbrott i lokalt nät. Fråga 1.1 Varför är det en metod att föredra? Svarsfrekvensen till frågan var 1 av 2, vilket motsvarar 50 % av dem som föredrar ASUI, ASAI.
Skäl listas i Tabell 10. Tabell 10: Skäl till att använda ASUI, ASAI som mätmetod för lokalt nät.
Nr 1.1 Varför är det en metod att föredra?
1 ”Ger mera och battre bild av hur duktig natagare ar på att skota natet och hantera avbrott.”
Svaret från 1 motiverar ASUI, ASAI som den bästa metoden till att mäta avbrott i lokalnät utifrån hur avbrott hanteras i nätet av nätägaren. Svarsfrekvensen var 1 av 32, vilket motsvarar 3 % av det totala antalet av deltagare i enkäten, till att använda en egen formulerad metod för att mäta avbrott i lokalt nät. Fråga 1.1 Varför är det en metod att föredra? Svarsfrekvensen till frågan var 1 av 1, vilket motsvarar 100 % av dem som föredrar en egen metod. Metoden ar formulerad: ”Att driftledare i varje enskilt fall dokumenterar avbrotten.” Skäl listas i Tabell 11. Tabell 11: Skäl till att använda driftledare för dokumentation som mätmetod för lokalt nät.
Nr 1.1 Varför är det en metod att föredra?
1 ”Enkel hantering”
Svaret från 1 motiverar dokumentation från driftledare som den bästa metoden till att mäta avbrott i lokalnät utifrån hur avbrott hanteras i nätet. Fråga 2. Bör det vara någon skillnad på hur man mäter elavbrott i lokalt nät för lågspänningskunder och högspänningskunder? Här ges alternativen: ja, nej och vet ej. Svarsfrekvensen för att göra skillnad (alternativ:ja) var 5 av 32, vilket motsvarar 15 % av det totala antalet av deltagare i enkäten, till att använda olika metoder för att mäta avbrott för lågspänningskunder och högspänningskunder i lokalt nät. Fråga 2.1 Om svaret är ja på fråga 2: På vilket sätt bör avbrott mätas för lågspänning- och högspänningskunder? Svarsfrekvensen var 5 av 5, vilket motsvarar 100 % av de som vill ha olika mätmetoder för låg- och högspänningskunder, till att enbart lågspänningskunder skall använda SAIFI, SAIDI. Fråga 2.1 a) Om svaret är ja på fråga 2: Varför är det en metod att föredra? Svarsfrekvensen var 3 av 5, vilket motsvarar 60 % av de som vill ha olika mätmetoder för låg- och högspänningskunder, till att enbart lågspänningskunder skall använda SAIFI, SAIDI. Skäl listas i Tabell 12.
Tabell 12: Skäl till att använda SAIFI, SAIDI för att mäta avbrott till lågspänningskunder.
Nr 2.1 a) Om svaret är ja på fråga 2: Varför är det en metod att föredra?
1 ”Eftersom lågspanningskunder har relativt lika forbrukning ger SAIDI en bra procentuell bild över kundpåverkan tycker jag. Till högspänningskunder däremot skulle man kanske börja använda sig av ILE,ILEffekt for att få en battre bild av avbrottet.”
2 ”Normalt for kunder <= 63A bor man kunna anvanda SAIDI, SAIFI men för större förbrukare kan det behövas andra metoder, t.ex. ILE. Det ar en for grov indelning med HSP och LSP”
3 ”Man bör mäta avbrott för högsp.kunder och ev. större lågsp.kunder på ett "noggrannare" satt.”
Svaren från 2 och 3 motiverar att lågspänningskunders avbrott bör mätas med SAIDI, SAIFI utifrån att kunder med högre förbrukning behöver en annan mätmetod. Svaren från 2 och 3 motiverar att lågspänningskunders avbrott bör mätas med SAIDI, SAIFI och ger förslag till att använda ILE, ILEffekt som mätmetod för högspänningskunder. Fråga 2. Bör det vara någon skillnad på hur man mäter elavbrott i lokalt nät för lågspänningskunder och högspänningskunder? Här ges alternativen: ja, nej och vet ej. Svarsfrekvensen för att inte göra skillnad (alternativ: nej) var 22 av 32, vilket motsvarar 69 % av det totala antalet av deltagare i enkäten, till att använda samma metoder för att mäta avbrott för lågspänningskunder och högspänningskunder i lokalt nät. Fråga 2.2 Om svaret är nej på fråga 2. Varför är det att föredra att inte göra skillnad på kunder med olika förbrukning? Svarsfrekvensen var 15 av 22, vilket motsvarar 68 % av de som vill ha samma metoder för att mäta avbrott för lågspänningskunder och högspänningskunder i lokalt nät. Skäl listas i Tabell 13. Tabell 13: Skäl till att använda samma metod för att mäta avbrott för lågspänningskunder och högspänningskunder.
Nr 2.2 Om svaret är nej på fråga 2. Varför är det att föredra att inte göra skillnad på kunder med olika förbrukning?
1 ”Praktiskt omojligt”
2 ”Det intressanta ar antalet och langden på avbrotten. Inte mangden.”
3 ”Se svar 1:1” Svar 1.1:”For att den mater foretagets leverans till sina kunder. Utebliven effekt och energi vet jag inte nyttan av.”
4 ”En kund ar en kund, oavsett storlek och forbrukning.”
5 ”Kunder med olika verksamheter bor man gora skillnad på men en lågspänningskund med hög förbrukning kan ha en viktigare verksamhet än en högspänningskund med låg förbrukning. Dvs, spanningsnivån ar inte ett matetal for hur viktig en kund ar.”
6 ”Enkel hantering”
7 ”Alla kunder bor behandlas lika”
8 ”Alla kunder ar lika viktiga. Spanningsnivån har ingen betydelse.”
9 ”Ser inte i nulaget att det finns skal till att ha olika uppfoljning.”
10 ”Branschen och myndigheten anvander SAIFI och SAIDI. Antal låg- och hogspanningskunder sarredovisas.”
11 ”Har man kopt sig en anslutning har man alltid ratt till att ta ut effekt upp till gränsen för det man abonnerar på. Antingen kan man det eller så kan man det inte oavsett spänningsnivå och om inte så räknas det som ett avbrott.”
12 ”Det finns många lsp kunder med stor förbrukning. Ska man separera tycker jag inte separationen ska vara mellan låg- och högspänningskunder. I så fall kanske gränsen ska vara säkringsstorlek 63 A (eller motsvarande abonnerad effekt). Men enklast tror jag borde vara (om jag inte tänker fel) att ha ett och samma nyckeltal för alla kunder. Man skulle dock kunna, när man analyserar och jämför mellan bolag, kunna särskilja mellan ILE/ILEffekt (per kund) for storre och mindre kunder.”
13 ”Det intressanta ar tillgangligheten. Kan jamfora battre!”
14 ”Jag ser ingen anledning att sarskilja om kunden abonnerar på högspänning eller lågspänning. En liten högspänningskund har ofta en lagre elanvandning an en stor lågspanningskund.”
15 ”Avbrott ar avbrott oavsett om det ar hsp eller lsp”
7.2.2 Rangordning av motivering till Tabell 13 Svaren från 3, 4, 5, 7, 8, 13 och 15 motiverar sitt val utifrån kundens perspektiv. Svaren från 2, 3, 5, 11 och 15 motiverar sitt val utifrån konsekvenserna ett avbrott betyder för kund eller i systemet. Svaren från 5, 12 och 14 motiverar sitt val utifrån förbrukning till lågspänningskunder. Svaren från 9 och 10 motiverar sitt val utifrån praxis och historiskt sätt att mäta avbrott i lokalnät. Svaren från 1 och 6 motiverar sitt val utifrån vad som är administrativt praktiskt. Svaret från 12 motiverar att det kan vara bättre att använda ett annat mått för att mäta avbrott till kunder med högre förbrukning, såsom säkringens storlek och tillämpa ILE, ILEffekt. Fråga 3. Bör det vara någon skillnad på hur man mäter elavbrott i lokalt nät för olika kundgrupper? Här ges alternativen: ja, nej och vet ej. Svarsfrekvensen för att göra skillnad (alternativ: ja) var 7 av 32, vilket motsvarar 22 % av det totala antalet av deltagare i enkäten, till att använda olika metoder för att mäta avbrott för olika kundgrupper i lokalt nät. Fråga 3.1 Om svaret är ja på fråga 3. På vilket sätt bör avbrott mätas för de olika kundgrupperna? Här fanns möjlighet att ange en egen metod för att mäta avbrott i olika kundgrupper. Svarsfrekvensen var 1 av 7, vilket motsvarar 14 % av de som angav en egen metod for att mata avbrott i olika kundgrupper. En metod: ”Båda grupperna bor matas med SAIFI, SAIDI”. Vilket kan tolkas som att grupperna i fråga är hushållsgrupper och övriga, dvs. samtliga grupper bör ha samma metod för att mäta avbrott.
Egen anmärkning: Svaret i fråga 3.1 från den som ville ha olika mätmetoder för olika kundgrupper men sen ville bara se en mätmetod för samtliga kundgrupper, kan tyckas vara motstridigt. Det kan bero på att fråga 3 kan uppfattas tvetydig och därför resultera i ett motstridigt svar. Svarsfrekvensen var 6 av 7, vilket motsvarar 86 % av de som dels ville ha olika mätmetoder för olika kundgrupper men också föredrar att hushållskunder nyttjar SAIFI, SAIDI som mätmetod och övriga kundgrupper använder ILE, ILEffekt. Fråga 3.2 a) Om svaret är ja på fråga 3: Varför är det en metod att föredra? Svarsfrekvensen var 4 av 6, vilket motsvarar 67 % av de som dels ville ha olika mätmetoder för olika kundgrupper men också föredrar att hushållskunder nyttjar SAIFI, SAIDI som mätmetod och övriga kundgrupper använder ILE, ILEffekt. Skäl listas i Tabell 14.
Tabell 14: Skäl till att använda SAIDI, SAIFI för hushållskunder och ILE, ILEffekt för övriga kundgrupper.
Nr 3.2 a) Om svaret är ja på fråga 3: Varför är det en metod att föredra?
1 ”Som namnts ovan” Från svar 2.1 :” Att enbart lågspanningskunder skall anvanda SAIFI, SAIDI.” Från svar 2.1 a: ” Normalt för kunder <= 63A bör man kunna använda SAIDI, SAIFI men för större förbrukare kan det behövas andra metoder, t.ex. ILE. Det ar en for grov indelning med HSP och LSP”
2 ”Produktionsbortfall i tillverkningsindustri, handel etc skall viktas hogre”
3 ”Se4 svar på fråga ett.” Från svar 1.1:”Vi måste se till att de storsta forbrukarna har energi i första hand, då de påverkar troligtvis flest i samhället. Då blir bedömd leveranssäkerhet rättvis för oss natagare.”
4 ”Det ar flera gånger kostsammare for vissa kunder att få ett stromavbrott.”
Svaren från 2, 3 och 4 motiverar sitt val utifrån konsekvenserna ett avbrott betyder för kund rent ekonomiskt, det vill säga utifrån ett socioekonomiskt perspektiv. Svaret från 1 motiverar att det kan vara bättre att använda ett annat mått för att mäta avbrott till kunder med högre förbrukning, såsom säkringens storlek och tillämpa ILE, ILEffekt. Fråga 5) Ska både lokalnät och regional nät mäta avbrott på samma sätt? Här ges alternativen: ja, nej och vet ej. Svarsfrekvensen för att använda samma metod (alternativ: ja) var 8 av 32, vilket motsvarar 25 % av det totala antalet av deltagare i enkäten, för att mäta avbrott i lokalnät som i regionalnät. Fråga 5.1) Om svaret är ja på fråga 5. Varför är det en metod att föredra? Svarsfrekvensen var 5 av 8, vilket motsvarar 62 % av de som vill ha samma metoder för att mäta avbrott för kunder i lokalnät och regionalnät. Skäl listas i Tabell 15.
Tabell 15: Skäl till att använda samma metod för att mäta avbrott i lokalnät och regionalnät.
Nr 5.1) Om svaret är ja på fråga 5. Varför är det en metod att föredra?
1 ”Vardena blir jamforbara.”
2 ”Bor vara enhetligt”
3 ”Alla kunder bor behandlas lika”
4 ”Jag ser inga tunga skal till att inte mata på samma satt.”
5 ”Att man kan fora over avbrottstider och i framtiden avbrottskostnader till regionnat med hjalp av samma data som man rapporterar in till EI.”
Svaret från 3 motiverar sitt val utifrån kundens perspektiv. Svaren från 1, 2 och 5 motiverar sitt val utifrån ett praktiskt perspektiv där samma metod används och går att jämföra mellan olika nät. Fråga 5) Ska både lokalnät och regional nät mäta avbrott på samma sätt? Här ges alternativen: ja, nej och vet ej. Svarsfrekvensen för att använda olika metoder (alternativ: nej) var 11 av 32, vilket motsvarar 34 % av det totala antalet av deltagare i enkäten, för att mäta avbrott i lokalnät som i regionalnät. Fråga 5.2) Om svaret är nej på fråga 5. Varför är det en metod att föredra? Svarsfrekvensen var 7 av 11, vilket motsvarar 64 % av de som vill ha olika metoder för att mäta avbrott för kunder i lokalnät och regionalnät. Skäl listas i Tabell 16. Tabell 16: Skäl till att använda olika metoder för att mäta avbrott i lokalnät och regionalnät.
Nr 5.2) Om svaret är nej på fråga 5. Varför är det en metod att föredra?
1 ”Risken finns ju att samma avbrott raknas flera gånger”
2 ”Lika som ovan. En storre skada/olagenhet for storre kunder” Från svar 2.1 :” Att enbart lågspänningskunder skall använda SAIFI, SAIDI.” Från svar 2.1 a: ” Normalt for kunder <= 63A bor man kunna använda SAIDI, SAIFI men för större förbrukare kan det behövas andra metoder, t.ex. ILE. Det ar en for grov indelning med HSP och LSP”
3 ”Se svar på fråga ett.” Från svar 1.1:”Vi måste se till att de storsta forbrukarna har energi i första hand, då de påverkar troligtvis flest i samhället. Då blir bedomd leveranssakerhet rattvis for oss natagare.”
4 ”Regionnaten borde matas efter hur många slutkunder de har anslutna och inte efter hur många lokalnatsbolag etc”
5 ”Regionnat bor ha ytterligare uppfoljning då regionnat ar uppbyggd på annat vis.”
6 ”Lokalnatagare blir en (1) kund for regionnatagaren, men antalet slutkunder kan bli alla kunder som lokalnatagaren har.”
7 ”Kanns som det ar andra parametrar att ta hansyn till.”
Svaren från 4, 5, 6 och 6 motiverar sitt val utifrån ett strukturellt perspektiv där antalet kunder beräknas på annat sätt jämfört med det lokala nätets kunder. Svaret från 1 motiverar sitt val utifrån metodens osäkerhet då samma avbrott befaras räknas flera gånger.
Svaret från 2 motiverar sitt val utifrån ett socioekonomiskt perspektiv. Svaret från 7 motiverar sitt val med att det finns andra parametrar att ta hänsyn till.
Appendix 4
Matlabkod till anpassning av normfunktion Funktion som behandlar data och räknar och jämför SSE för tre olika funktioner.
function [Reg_fun,f1,f2,f3,c1,c2,c3,S] = N_test(t,t1,y,namn);
%% 1) Ei funktion garderar villkor 2) nedan med 'Lower' lägre gräns för
koefficienter
s = fitoptions('Method','NonlinearLeastSquares',...
'Lower',[0,0,-.9*min(t1)],...
'Upper',[Inf,Inf,Inf],...
'Startpoint',[1 1 1]);
f1 = fittype('a + b/(c+x)','options',s);
[c1,gof1] = fit(t1,y,f1);
% Två kontroller av funktion
% 1) Y(T)>=0
min_1 = min(f1(c1.a,c1.b,c1.c,t));
% 2) Finn SSE
SSE_1 = gof1.sse;
% Konfidensintervall för parametrar
kon_1 = confint(c1)';
%% 2) Ny funktion med exponential term garderar villkor 2)
nedan med 'Lower' lägre gräns för koefficienter
s1 = fitoptions('Method','NonlinearLeastSquares',...
'Lower',[-.9*min(t1),0,0],...
'Upper',[Inf,Inf,Inf],...
'Startpoint',[1 1 1]);
f2 = fittype('1/(a+x) + b*exp(-x*c)','options',s1);
[c2,gof2] = fit(t1,y,f2);
% Två kontroller av funktion
% 1) Y(T)>=0
min_2 = min(f2(c2.a,c2.b,c2.c,t));
% 2) Finn SSE
SSE_2 = gof2.sse;
% Konfidensintervall för parametrar
kon_2 = confint(c2)';
%% 3) Modifierad funktion med coth term
s2 = fitoptions('Method','NonlinearLeastSquares',...
'Lower',[-.9*min(t1),0,0],...
'Upper',[Inf,Inf,Inf],...
'Startpoint',[1 1 1]);
f3 = fittype('1/(a+x) + b*coth(x*c)','options',s2);
[c3,gof3] = fit(t1,y,f3);
% Två kontroller av funktion
% 1) Y(T)>=0
min_3 = min(f2(c3.a,c3.b,c3.c,t));
% 2) Finn SSE
SSE_3 = gof3.sse;
% Konfidensintervall för parametrar
kon_3 = confint(c3)';
%% Kontrollerar Y(T)>=0 för varje funktion
M = [min_1,min_2,min_3];
% dx ger vilka funktioner håller för villkor 1)
dx = find(M>=0);
%% Beräknar SSE för varje funktion
SSE_0 = sum( (y - f1(c1.a,c1.b,c1.c,t1)).^2);
SSE_1 = sum( (y - f2(c2.a,c2.b,c2.c,t1)).^2);
SSE_2 = sum( (y - f3(c3.a,c3.b,c3.c,t1)).^2);
S =[SSE_0, SSE_1,SSE_2 ]; m = length(dx);
min_S = min(S(dx)); Reg_fun =table();
if min_S==SSE_0;
f_text='Ei';
f_exp=formula(c1);
a=c1.a; b=c1.b; c=c1.c;
kon=confint(c1)';
SSE=gof1.sse;
nr=1;
end
if min_S==SSE_1;
f_text='Exp funktion';
f_exp=formula(c2);
a=c2.a; b=c2.b; c=c2.c;
kon=confint(c2)';
SSE=gof2.sse;
nr=2;
end
if min_S==SSE_2;
f_text='Coth funktion';
f_exp=formula(c3);
a=c3.a; b=c3.b; c=c3.c;
kon=confint(c3)';
SSE=gof3.sse;
nr=3;
end
ind_name= namn;
Reg_fun.Fun = {f_text};
Reg_fun.Fun_exp = {f_exp};
Reg_fun.a_b_c = [a,b,c];
Reg_fun.Konf_a_95 = [kon(1,1), kon(1,2)];
Reg_fun.Konf_b_95 = [kon(2,1), kon(2,2)];
Reg_fun.Konf_c_95 = [kon(3,1), kon(3,2)];
Reg_fun.SSE = SSE;
Reg_fun.nr = nr;
Reg_fun.Properties.RowNames=ind_name;
Funktion som väljer mellan de tre funktionerna med villkor att använda den funktion som har lägst SSE.
function [f,c]= N_select(Reg_tab,f1,f2,f3,c1,c2,c3);
if Reg_tab.nr==1;
f=f1;
c=c1;
end
if Reg_tab.nr==2;
f=f2;
c=c2;
end
if Reg_tab.nr==3;
f=f3;
c=c3;
end
Row
Fun
Fun_exp
a_b_c_1
a_b_c_2
a_b_c_3
Konf_
a_95_1
Konf_
a_95_2
Konf_
b_95_1
Konf_
b_95_2
Konf_
c_95_1
Konf_
c_95_2
SS
E
AV
ILE
[kW
h]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)8561,8
02114
4723,9
16052
0,1
41254616
-1,9
0843E
+11
1,9
0843E
+11
-2691,5
96833
12139,4
2894
-0,2
28392113
0,5
10901345
2550106893
AV
ILE
effe
kt [k
W]
Ei
a +
b/(c
+x)
9,1
50260761
6501,4
38894
3,8
99393644
-2089,5
32651
2107,8
33172
-50876,0
8367
63878,9
6146
-52,2
6729339
60,0
6608067
332253179,5
AV
AIT
[h]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)1,5
65128379
92,3
497036
1,0
57480086
-10,7
2062788
13,8
5088464
4,2
62678473
180,4
367287
0,7
29470943
1,3
85489228
22,9
667248
AV
AIF
[avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)12,7
1341479
20,7
2507426
0,8
78562623
-7,2
93699944
32,7
2052953
6,4
8872822
34,9
614203
0,6
73622879
1,0
83502366
3,1
9777091
AV
AE
NS
[kW
h/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)1,2
38072942
30,3
9722031
0,3
6253836
-532,5
278873
535,0
040332
-37,9
2624243
98,7
2068305
-0,0
00766571
0,7
25843291
4655,7
24592
AV
AP
NS
[kW
/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)1,0
39995302
15,6
8119854
0,3
95236478
-235,8
941556
237,9
741462
-21,1
1250095
52,4
7489803
-0,0
6122857
0,8
51701527
1199,4
1852
AV
AS
UI [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)769,0
517304
0,9
62837253
0,9
86500541
256,5
135951
1281,5
89866
0,4
20651291
1,5
05023215
0,8
22936476
1,1
50064607
0,0
02305253
AV
HV
ILE
[kW
h]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)1623,4
63264
2184,0
55001
0,1
46964921
-5281406258
5281409505
-3319,9
56525
7688,0
66527
-0,4
96610981
0,7
90540823
1147478353
AV
HV
ILE
ffekt [k
W]
Ei
a +
b/(c
+x)
113,6
101896
598,8
174987
16,3
178796
-2584,0
77871
2811,2
9825
-151872,6
676
153070,3
026
-3491,6
39192
3524,2
74951
64361058,0
4
AV
HV
AIT
[h]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)40989,9
9858
1,2
67886143
0,1
86399849
-769435897,5
769517877,5
-1,1
3583759
3,6
71609877
-0,2
50263956
0,6
23063653
106,9
030472
AV
HV
AIF
[avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)6,6
1679994
0,3
74712783
0,3
52684497
-27,9
8954754
41,2
2314742
-0,9
57196778
1,7
06622344
-0,8
90992327
1,5
96361322
4,3
95355738
AV
HV
AE
NS
[kW
h/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)166,7
786095
372,5
255111
0,2
12858256
-4032854,7
23
4033188,2
8-4
41,3
542325
1186,4
05255
-0,3
08941752
0,7
34658264
8088766,4
25
AV
HV
AP
NS
[kW
/kund]
Ei
a +
b/(c
+x)
16,7
1700769
43,0
043093
-0,4
68723734
-31,6
8255536
65,1
1657075
-635,4
140653
721,4
226839
-47,6
6603769
46,7
2859022
855905,2
113
AV
LV
SA
IFI [a
vbro
tt/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)4,3
36552028
18,6
0592992
0,8
32259059
-5,2
10238405
13,8
8334246
4,8
79393264
32,3
3246657
0,5
97668
1,0
66850118
3,9
17354743
AV
LV
SA
IDI [h
/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-0
,743491265
96,1
7072064
1,0
56061641
-7,2
9942432
5,8
1244179
27,3
5930712
164,9
821342
0,7
69709577
1,3
42413705
17,8
1275474
AV
LV
AS
UI [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)768,9
210484
0,9
63028694
0,9
86524554
256,0
919475
1281,7
50149
0,4
2029742
1,5
05759968
0,8
22827159
1,1
50221948
0,0
02309437
OA
V S
AIF
I 12 [a
vbro
tt/kund]
Ei
a +
b/(c
+x)
1,8
3678E
-08
5,9
79595237
-1,4
4079568
-0,2
92970483
0,2
9297052
3,0
34924168
8,9
24266307
-2,3
8443024
-0,4
97161121
55,6
2043138
OA
V S
AID
I 12 [h
/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-0
,488853513
37,9
9834167
0,4
78876135
-70,9
1932894
69,9
4162191
-8,6
37946226
84,6
3462956
0,3
31221381
0,6
26530889
509,4
819777
OA
V C
EM
I4 [a
nta
l avb
rott>
=4]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)30,1
2010743
2,6
11551899
0,6
25509093
-1,8
29590681
62,0
6980554
0,4
48470848
4,7
7463295
0,4
06427603
0,8
44590582
0,6
60044166
OA
V C
EM
I4 1
2 [a
nta
l avb
rott>
=4]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)21,7
8687236
2,5
55283807
0,5
51598607
-9,0
52606734
52,6
2635146
0,4
16425595
4,6
94142018
0,3
30388879
0,7
72808336
1,2
03285657
OA
V L
V C
EM
I4 [a
nta
l avb
rott>
=4]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)21,7
340807
2,5
43273573
0,5
50350402
-9,0
91588001
52,5
5974941
0,4
14534285
4,6
72012862
0,3
2916769
0,7
71533114
1,2
05169528
OA
V L
V C
EM
I4 1
2 [a
nta
l avb
rott>
=4]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)21,7
0950637
2,5
44201454
0,5
50478038
-9,0
69650383
52,4
8866313
0,4
14070538
4,6
74332371
0,3
29205857
0,7
71750219
1,2
05252576
OA
V IL
E [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)6802,0
29695
10736,5
4138
0,0
94127543
-4,3
3366E
+11
4,3
3366E
+11
-4903,5
52578
26376,6
3534
-0,2
11243935
0,3
99499022
29643839138
OA
V IL
Effe
kt [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)1246,7
97969
8939,1
69861
0,0
83140372
-29019901326
29019903819
-4429,8
95057
22308,2
3478
-0,3
86755237
0,5
5303598
21549444059
OA
V IL
E 1
2 [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)12295,2
0371
17496,7
0837
0,1
15176367
-1,0
139E
+12
1,0
139E
+12
-7228,2
21636
42221,6
3837
-0,1
1901204
0,3
49364775
49897600918
OA
V IL
Effe
kt 1
2 [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)13,3
069683
9110,8
40524
0,0
83492268
-29346879,9
229346906,5
4-1
22864,5
078
141086,1
889
-0,0
70619855
0,2
37604392
22285817827
OA
V A
IT [h
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)-1
,316946565
21,5
0136338
0,5
23950015
-14,0
5602859
11,4
2213546
-6,5
04461471
49,5
0718822
0,3
63020534
0,6
84879495
84,4
6351787
OA
V A
IF [a
nta
l avb
rott]
Ei
a +
b/(c
+x)
0,0
51456085
4,1
65786136
-1,7
89074948
-0,1
76643513
0,2
79555683
2,2
19822327
6,1
11749946
-2,4
68504934
-1,1
09644962
42,5
5569312
OA
V A
IT 1
2 [h
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)-0
,662919679
34,9
9786341
0,5
33641725
-43,0
3434501
41,7
0850565
-3,8
09915674
73,8
0564249
0,3
81146417
0,6
86137034
244,3
684043
OA
V A
IF 1
2 [a
nta
l avb
rott]
Ei
a +
b/(c
+x)
0,0
3914318
4,3
29109143
-1,7
6946489
-0,1
94584176
0,2
72870536
2,3
15094902
6,3
43123383
-2,4
58750073
-1,0
80179707
44,0
84716
OA
V A
EN
S [k
Wh/k
und]
Ei
a +
b/(c
+x)
6,1
9955E
-07
43,7
4244246
-0,9
34225836
-6,0
48159421
6,0
48160661
-29,9
5586174
117,4
407467
-5,1
64259017
3,2
95807346
17326,8
7184
OA
V A
PN
S [k
W/k
und]
Ei
a +
b/(c
+x)
5,4
1191E
-07
45,3
5957227
-0,4
16304291
-6,5
64700268
6,5
64701351
-47,9
5943087
138,6
785754
-6,6
76555426
5,8
43946843
15317,9
9656
OA
V A
EN
S 1
2 [k
Wh/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)0,2
8464343
58,4
2069378
0,2
60941804
-723,5
599696
724,1
292565
-81,2
6990504
198,1
112926
0,0
88729494
0,4
33154114
21791,8
183
OA
V A
PN
S 1
2 [k
W/k
und]
Ei
a +
b/(c
+x)
5,4
6258E
-07
45,6
7828772
-0,4
38443747
-6,5
4624677
6,5
46247863
-46,8
3156327
138,1
881387
-6,5
57513934
5,6
8062644
15409,7
4461
OA
V A
SU
I [%]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)178,1
76605
0,4
00624066
0,6
00639923
82,6
5664157
273,6
965683
0,1
09750053
0,6
91498079
0,4
19509002
0,7
81770845
0,0
16108283
OA
V A
SU
I 12 [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)183,1
82548
0,5
6378954
0,5
54236111
-26,2
1524762
392,5
803436
0,0
87495949
1,0
40083131
0,3
47838642
0,7
6063358
0,0
6508744
OA
V H
V IL
E [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)2610,0
86441
2472,8
43673
0,2
07140642
-7632457029
7632462249
-5070,1
56561
10015,8
4391
-0,4
81068406
0,8
9534969
764095532,3
OA
V H
V IL
Effe
kt [k
W]
Ei
a +
b/(c
+x)
1004,3
04602
1000,3
74939
0,8
46735997
-196,6
878658
2205,2
9707
-21320,0
0763
23320,7
5751
-91,7
7315182
93,4
6662382
287779992,1
OA
V H
V IL
E 1
2 [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)14,0
1470951
2685,0
27888
0,0
71954409
-7468283,6
21
7468311,6
5-2
7698,3
184
33068,3
7418
-0,0
73005152
0,2
16913971
1248882972
OA
V H
V IL
Effe
kt 1
2 [k
W]
Ei
a +
b/(c
+x)
995,4
426619
1192,8
27954
0,9
48902653
-247,8
574997
2238,7
42824
-22318,7
8593
24704,4
4184
-82,4
905708
84,3
8837611
296153514,6
OA
V L
V S
AIF
I [avb
rott/k
und]
Ei
a +
b/(c
+x)
0,0
03876497
5,8
64571564
-1,4
26002251
-0,2
82372657
0,2
90125651
2,9
69134509
8,7
60008619
-2,3
81252123
-0,4
70752379
52,5
9057137
OA
V L
V S
AID
I [h/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-1
,321066763
18,7
7672955
0,4
37959283
-15,2
5279069
12,6
1065716
-4,6
58772932
42,2
1223203
0,2
82304296
0,5
9361427
133,5
23242
OA
V L
V S
AIF
I 12 [a
vbro
tt/kund]
Ei
a +
b/(c
+x)
1,5
5206E
-08
5,9
92586778
-1,4
37622957
-0,2
93574994
0,2
93575025
3,0
37807662
8,9
47365894
-2,3
84416593
-0,4
90829321
55,7
3526832
OA
V L
V S
AID
I 12 [h
/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-0
,504196553
37,4
9807985
0,4
76098624
-70,2
6777611
69,2
59383
-9,1
78847878
84,1
7500759
0,3
2937491
0,6
22822338
509,9
595867
OA
V L
V A
SU
I [%]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)177,6
451004
0,3
99950088
0,6
0020475
82,5
859178
272,7
042829
0,1
09513357
0,6
90386819
0,4
19070078
0,7
81339421
0,0
16119824
OA
V L
V A
SU
I 12 [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)182,7
394719
0,5
6358872
0,5
54092295
-25,8
409495
391,3
198934
0,0
87384437
1,0
39793004
0,3
47666597
0,7
60517993
0,0
65143265
OA
V H
V A
IT [h
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)81986,3
0145
172201,4
315
0,5
2898126
-2,3
0901E
+13
2,3
0901E
+13
-329087,3
724
673490,2
354
-0,1
20033379
1,1
77995899
1,0
1786E
+11
OA
V H
V A
IF [a
nta
l avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)40760,5
4113
584795,3
177
0,5
31365139
-1,7
6221E
+13
1,7
6221E
+13
-1116653,2
44
2286243,8
79
-0,1
13693054
1,1
76423332
1,1
4481E
+12
OA
V H
V A
IT 1
2 [h
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)2216,9
79201
508564,7
50,5
29552995
-98484442560
98484446994
-1127744,1
19
2144873,6
19
-0,2
32298605
1,2
91404595
8,8
2437E
+11
OA
V H
V A
IF 1
2 [a
nta
l avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)149785,1
667
593940,5
476
0,5
30607581
-2,9
4491E
+14
2,9
4491E
+14
-1064521,0
42252402,1
35
-0,0
77198839
1,1
38414
1,1
8957E
+12
OA
V H
V A
EN
S [k
Wh/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)700,3
992515
418,3
590777
0,2
30845303
-57716148
57717548,8
-577,5
140011
1414,2
32156
-0,3
02060376
0,7
63750983
9339986,6
75
OA
V H
V A
PN
S [k
W/k
und]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
83,7
2873349
343,0
640025
0,1
96048864
-7170673,0
92
7170840,5
49
-405,7
960619
1091,9
24067
0,0
23127668
0,3
6897006
23793223,7
1
OA
V H
V A
EN
S 1
2 [k
Wh/k
und]
Ei
a +
b/(c
+x)
20,5
7241782
6165,1
789
8,1
11046613
-897,4
907131
938,6
355487
-28567,0
4643
40897,4
0423
-42,7
7110836
58,9
9320158
25501953,5
5
OA
V H
V A
PN
S 1
2 [k
W/k
und]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
637,3
829742
348,0
094365
0,1
99210746
-831931748,8
831933023,5
-1650,1
37804
2346,1
56677
-0,3
14516248
0,7
1293774
23879845,3
9
Appendix 5
Tabell över normfunktion Grupp 1, jordbruk
Row
Fun
Fun_exp
a_b_c_1
a_b_c_2
a_b_c_3
Konf_
a_95_1
Konf_
a_95_2
Konf_
b_95_1
Konf_
b_95_2
Konf_
c_95_1
Konf_
c_95_2
SS
E
AV
ILE
[kW
h]
Ei
a +
b/(c
+x)
9280,9
13237
0,0
84208102
126,6
637725
-247685,5
161
266247,3
426
-33712364,4
133712364,5
8-8
010307165
8010307418
5,7
65E
+11
AV
ILE
effe
kt [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)0,4
23232605
1368,8
61025
6,1
4934E
-09
-77543,0
4824
77543,8
9471
-120,1
345002
2857,8
56551
5096782161
AV
AIT
[h]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-2
,616981442
140005286,7
6,1
97220723
-4,0
63876735
-1,1
70086149
-35520053529
35800064102
-83,5
5032516
95,9
447666
62,5
3333576
AV
AIF
[avb
rott]
Ei
a +
b/(c
+x)
2,2
5506E
-14
0,5
89533882
-2,6
11934787
0,4
52079681
0,7
26988084
-2,6
99887798
-2,5
23981776
3,4
26009137
AV
AE
NS
[kW
h/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)2991,8
71247
4,0
66091562
8,0
6475E
-09
-5468847246
5468853230
-602,0
701584
610,2
023415
29023,8
8843
AV
AP
NS
[kW
/kund]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
3,2
53573754
0,8
93495526
0,0
96403231
-1849,6
14109
1856,1
21257
-0,1
6070406
1,9
47695112
-1,3
24547714
1,5
17354177
727,4
589125
AV
AS
UI [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)495,2
767083
1,6
11086338
1,1
75709267
300,0
653585
690,4
880581
0,5
11142348
2,7
11030329
0,9
68247016
1,3
83171518
0,0
02014278
AV
HV
ILE
[kW
h]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
17484,5
7205
8563,0
85221
4,1
67374997
5,6
254E
+11
AV
HV
ILE
ffekt [k
W]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
4,3
3224501
1018,0
04299
512,1
20482
3822213257
AV
HV
AIT
[h]
Ei
a +
b/(c
+x)
0,1
72852602
0,9
00773189
1910,9
87986
-2474,1
02738
2474,4
48443
-9559547,0
63
9559548,8
65
-10251060343
10251064165
89,1
0300007
AV
HV
AIF
[avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)19,2
2356813
0,2
05812353
0,2
61384468
-57,8
3075189
96,2
7788815
-0,2
99755615
0,7
1138032
-0,5
30193341
1,0
52962276
1,9
82980525
AV
HV
AE
NS
[kW
h/k
und]
Ei
a +
b/(c
+x)
80,7
2082164
1,6
04469347
957,9
390808
-24305,0
5716
24466,4
988
-39124639,7
539124642,9
6-1
0770479837
10770481753
39350329,6
9
AV
HV
AP
NS
[kW
/kund]
Ei
a +
b/(c
+x)
12,0
4258203
61,8
0139746
0,5
5227167
-20,1
4417721
44,2
2934128
-499,4
466643
623,0
494592
-34,2
5563062
35,3
6017396
237254,3
036
AV
LV
SA
IFI [a
vbro
tt/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-0
,444385406
30,3
4893194
1,0
63477119
-3,7
2488126
2,8
36110449
-4,8
25478228
65,5
233421
0,6
22408738
1,5
045455
3,9
597985
AV
LV
SA
IDI [h
/kund]
Ei
a +
b/(c
+x)
2,2
2059E
-14
1,5
22269728
-2,6
16990291
1,3
76236347
1,6
68303109
13,9
5447095
AV
LV
AS
UI [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)508,9
702603
1,5
86140558
1,1
70244246
303,3
55272
714,5
852485
0,5
12436556
2,6
59844559
0,9
64790386
1,3
75698107
0,0
02006005
OA
V S
AIF
I 12 [a
vbro
tt/kund]
Ei
a +
b/(c
+x)
0,0
55070083
6,0
77975326
-1,0
76703266
-0,2
60315117
0,3
70455282
2,4
21144754
9,7
34805898
-2,4
65641835
0,3
12235304
50,9
7111411
OA
V S
AID
I 12 [h
/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-0
,899718442
17,0
9501104
0,3
39747076
-40,7
1346867
38,9
1403179
-10,3
7106098
44,5
6108306
0,1
70077595
0,5
09416556
487,5
656848
OA
V C
EM
I4 [a
nta
l avb
rott>
=4]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)41,5
3536088
0,8
08002955
0,3
74549944
-30,3
0615879
113,3
768806
0,1
96420852
1,4
19585058
0,1
83419837
0,5
65680051
0,6
43491258
OA
V C
EM
I4 1
2 [a
nta
l avb
rott>
=4]
Ei
a +
b/(c
+x)
0,0
002251
0,4
05245276
-2,5
0316012
-0,0
22436818
0,0
22887018
0,2
8308693
0,5
27403622
-2,6
41998152
-2,3
64322089
0,7
52454296
OA
V L
V C
EM
I4 [a
nta
l avb
rott>
=4]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)6,1
37859048
35,7
9618749
1,2
70321665
2,0
71071027
10,2
0464707
-0,1
85330128
71,7
777051
0,9
44160734
1,5
96482595
0,7
85367108
OA
V L
V C
EM
I4 1
2 [a
nta
l avb
rott>
=4]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)6,1
37373607
35,7
9133146
1,2
70280606
2,0
70645413
10,2
041018
-0,1
85716238
71,7
6837916
0,9
44116365
1,5
96444847
0,7
85419246
OA
V IL
E [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)15357,9
7427
20646,6
3662
0,0
86156782
-1,4
2445E
+12
1,4
2445E
+12
-10760,2
2567
52053,4
9891
-0,1
02626983
0,2
74940546
1,4
587E
+11
OA
V IL
Effe
kt [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)5538,0
3479
16161,1
0987
0,0
68770676
-5,1
1474E
+11
5,1
1474E
+11
-7222,6
16568
39544,8
3631
-0,1
76440426
0,3
13981779
1,1
381E
+11
OA
V IL
E 1
2 [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)2427,7
60333
30017,0
2949
0,0
94196061
-56714991108
56714995963
-13687,7
3828
73721,7
9726
-0,1
0490806
0,2
93300182
2,4
2748E
+11
OA
V IL
Effe
kt 1
2 [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)6,5
99054771
16663,7
7926
0,0
69429164
-11956146,7
811956159,9
8-1
30559,7
642
163887,3
227
-0,2
66362776
0,4
05221104
1,1
7865E
+11
OA
V A
IT [h
]E
ia +
b/(c
+x)
8,0
6055E
-09
4,0
30021182
-1,7
62171483
2,9
28084089
5,1
31958276
-2,3
66580297
-1,1
57762669
58,9
718916
OA
V A
IF [a
nta
l avb
rott]
Ei
a +
b/(c
+x)
0,0
94233957
2,9
32153346
-1,8
98269233
-0,0
82412412
0,2
70880326
1,5
02793921
4,3
61512771
-2,5
34894419
-1,2
61644047
27,7
5622026
OA
V A
IT 1
2 [h
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)-1
,190329502
12,3
5716736
0,4
03953922
-17,0
453361
14,6
646771
-7,0
11990012
31,7
2632474
0,2
19344421
0,5
88563423
131,8
975699
OA
V A
IF 1
2 [a
nta
l avb
rott]
Ei
a +
b/(c
+x)
0,0
86281908
3,0
85424052
-1,8
58414573
-0,0
96846127
0,2
69409942
1,5
71127273
4,5
9972083
-2,5
25877154
-1,1
90951992
28,9
5734733
OA
V A
EN
S [k
Wh/k
und]
Ei
a +
b/(c
+x)
1,9
9383E
-06
111,9
730748
2,0
73925927
-11,2
3240174
11,2
3240573
-135,8
349017
359,7
810512
-9,0
21181513
13,1
6903337
16659,0
7579
OA
V A
PN
S [k
W/k
und]
Ei
a +
b/(c
+x)
3,3
16492694
65,0
3790812
0,6
89343105
-5,3
12998301
11,9
4598369
-89,2
4285578
219,3
18672
-8,6
70535387
10,0
492216
16130,5
7026
OA
V A
EN
S 1
2 [k
Wh/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)0,3
76312539
34,9
8540804
0,1
08095027
-509,7
905965
510,5
432216
-13,2
4255681
83,2
133729
0,0
05525925
0,2
1066413
32710,6
7863
OA
V A
PN
S 1
2 [k
W/k
und]
Ei
a +
b/(c
+x)
3,0
30990186
72,5
7022749
1,0
1600865
-6,3
53907854
12,4
1588823
-104,8
693482
250,0
098032
-9,2
74242602
11,3
062599
16800,0
5215
OA
V A
SU
I [%]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)162,9
257267
0,1
99632628
0,4
84229967
73,0
7577919
252,7
756743
0,0
35087715
0,3
64177542
0,2
83138922
0,6
85321012
0,0
16074893
OA
V A
SU
I 12 [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)157,1
105829
0,3
15832939
0,4
65458403
-12,0
8636383
326,3
075297
0,0
20159122
0,6
11506757
0,2
38510804
0,6
92406002
0,0
62287853
OA
V H
V IL
E [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)2469,5
57425
4576,5
30777
0,0
92977599
-34163915335
34163920274
-1839,5
72395
10992,6
3395
-0,2
67009139
0,4
52964336
5313757904
OA
V H
V IL
Effe
kt [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)15357,8
4014
10155,0
2947
0,0
60758282
-1,9
9904E
+12
1,9
9904E
+12
-4644,3
82247
24954,4
4119
-0,1
38755491
0,2
60272055
51823785538
OA
V H
V IL
E 1
2 [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)7768,1
89671
16688,6
9031
0,0
81990806
-6,8
4752E
+11
6,8
4752E
+11
-8725,3
39237
42102,7
1985
-0,1
35526022
0,2
99507633
1,0
0056E
+11
OA
V H
V IL
Effe
kt 1
2 [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)15357,8
0513
10373,6
9841
0,0
61295694
-1,6
065E
+12
1,6
065E
+12
-5350,7
97768
26098,1
9459
-0,1
09129203
0,2
31720591
53450658419
OA
V L
V S
AIF
I [avb
rott/k
und]
Ei
a +
b/(c
+x)
0,0
70558962
5,9
02046518
-1,1
19505827
-0,2
32862803
0,3
73980727
2,4
36335895
9,3
67757141
-2,4
4755443
0,2
08542776
48,4
106138
OA
V L
V S
AID
I [h/k
und]
Ei
a +
b/(c
+x)
1,5
3335E
-10
6,9
48355979
-1,4
69548472
5,0
35482756
8,8
61229201
-2,2
47389591
-0,6
91707353
125,4
705228
OA
V L
V S
AIF
I 12 [a
vbro
tt/kund]
Ei
a +
b/(c
+x)
0,0
54597881
6,1
53165026
-1,0
97349246
-0,2
60083057
0,3
69278818
2,5
30671239
9,7
75658813
-2,4
43153235
0,2
48454742
51,3
773227
OA
V L
V S
AID
I 12 [h
/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-0
,95326221
17,0
1664372
0,3
36446457
-38,0
4807979
36,1
4155537
-9,7
80146969
43,8
134344
0,1
66707053
0,5
06185862
492,7
989591
OA
V L
V A
SU
I [%]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)160,3
332716
0,2
02735842
0,4
85022514
73,0
4222977
247,6
243134
0,0
37341587
0,3
68130097
0,2
85870922
0,6
84174105
0,0
16109928
OA
V L
V A
SU
I 12 [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)155,2
464607
0,3
17123389
0,4
63597445
-11,5
8924577
322,0
821671
0,0
22548525
0,6
11698253
0,2
38515273
0,6
88679618
0,0
62948296
OA
V H
V A
IT [h
]E
ia +
b/(c
+x)
7,3
0481E
-14
0,8
26267943
0,4
36458416
-0,1
92320796
1,8
44856682
-7,0
06445383
7,8
79362215
8,1
77094367
OA
V H
V A
IF [a
nta
l avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)6,2
07112075
26,8
0864896
0,2
72482894
-2807,5
33285
2819,9
4751
-20,4
464129
74,0
6371082
-0,3
0442054
0,8
49386329
14326,8
5201
OA
V H
V A
IT 1
2 [h
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)3,1
57535255
19,2
3511992
0,2
58835439
-1511,9
87311
1518,3
02381
-46,6
0561031
85,0
7585015
-0,1
15362543
0,6
3303342
8047,0
07099
OA
V H
V A
IF 1
2 [a
nta
l avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)6,0
67023761
26,8
2395854
0,2
72401709
-2773,8
4384
2785,9
77888
-21,1
6763503
74,8
155521
-0,3
01000611
0,8
4580403
14323,8
0575
OA
V H
V A
EN
S [k
Wh/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)36,9
3785543
71,3
7920429
0,0
7566658
-1406734,2
03
1406808,0
79
-833,5
705037
976,3
289122
-0,6
34233268
0,7
85566429
1829871,0
61
OA
V H
V A
PN
S [k
W/k
und]
Ei
a +
b/(c
+x)
121,4
666537
1197,5
05255
0,2
83394941
-62,7
9634402
305,7
296514
-1852,7
53438
4247,7
63947
-8,9
02783006
9,4
69572888
8711241,8
17
OA
V H
V A
EN
S 1
2 [k
Wh/k
und]
Ei
a +
b/(c
+x)
42,7
3277839
2131,8
3717
0,7
369387
-222,0
226738
307,4
882306
-2641,7
3258
6905,4
0692
-8,1
85136303
9,6
59013703
14897641,8
1
OA
V H
V A
PN
S 1
2 [k
W/k
und]
Ei
a +
b/(c
+x)
120,9
387011
1225,0
56879
0,3
35728105
-66,1
9398134
308,0
713836
-1905,2
55261
4355,3
69018
-8,9
93563379
9,6
65019588
8783954,7
45
Tabell över normfunktion Grupp 2, Industri
Tabell över normfunktion Grupp 3, Handel och tjänster
Row
Fun
Fun_exp
a_b_c_1
a_b_c_2
a_b_c_3
Konf_
a_95_1
Konf_
a_95_2
Konf_
b_95_1
Konf_
b_95_2
Konf_
c_95_1
Konf_
c_95_2
SS
E
AV
ILE
[kW
h]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)1287,5
80414
6221,3
83625
0,1
07032464
-15424174212
15424176787
-4589,8
65059
17032,6
3231
-0,4
42441081
0,6
56506009
10430063746
AV
ILE
effe
kt [k
W]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
2086,3
07438
670,8
076676
0,0
86417477
-33810943875
33810948047
-8405,9
76725
9747,5
9206
-0,7
58624197
0,9
31459151
1493094464
AV
AIT
[h]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)1,6
40300321
99,2
8679631
1,1
24104071
-7,1
67778878
10,4
4837952
-122,0
945927
320,6
681853
0,5
48551729
1,6
99656413
9,7
38988261
AV
AIF
[avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)6,7
51269201
69,5
1365382
1,1
67500164
-3,1
36555124
16,6
3909353
-69,3
0089444
208,3
282021
0,6
7222321
1,6
62777118
2,9
43926646
AV
AE
NS
[kW
h/k
und]
Ei
a +
b/(c
+x)
0,0
18838127
3,9
68528521
-2,9
51319309
-0,3
82012027
0,4
19688281
1,3
00528255
6,6
36528788
-3,6
62534612
-2,2
40104006
172,6
369943
AV
AP
NS
[kW
/kund]
Ei
a +
b/(c
+x)
0,0
78343062
1,7
70102006
-3,1
06153644
-0,0
96269578
0,2
52955703
0,7
49184055
2,7
91019958
-3,5
9797381
-2,6
14333477
38,2
9196287
AV
AS
UI [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)367,6
728656
146,9
592228
20,2
0601141
253,6
407653
481,7
04966
0,0
02773859
AV
HV
ILE
[kW
h]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)490,0
447385
1939,1
46877
0,0
94175525
-1641025735
1641026715
-3352,3
41793
7230,6
35547
-0,8
54417234
1,0
42768284
3168022863
AV
HV
ILE
ffekt [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)15,3
6012887
648,7
477144
0,1
00261301
-3450875,7
08
3450906,4
28
-11218,4
7196
12515,9
6739
-0,4
7446324
0,6
74985841
205848484,5
AV
HV
AIT
[h]
Ei
a +
b/(c
+x)
1,1
8476E
-09
1,1
8400015
-1,3
38679017
-0,0
01829516
2,3
69829815
-5,4
26029716
2,7
48671682
21,5
3288482
AV
HV
AIF
[avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)14,0
0874101
1,6
55711551
0,5
15623145
-21,0
2680217
49,0
4428419
-3,0
93077329
6,4
04500431
-0,1
79964744
1,2
11211034
3,0
71295199
AV
HV
AE
NS
[kW
h/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-1
,508351151
297,7
161036
0,2
6373033
-1844,3
54178
1841,3
37476
-760,2
524817
1355,6
84689
-0,0
67133119
0,5
9459378
995827,4
057
AV
HV
AP
NS
[kW
/kund]
Ei
a +
b/(c
+x)
0,0
38714114
105,3
414944
-1,5
79614161
-21,0
4452112
21,1
2194935
-155,6
726843
366,3
556732
-7,7
56223114
4,5
96994791
180138,2
632
AV
LV
SA
IFI [a
vbro
tt/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)2,0
07705126
181,0
274257
1,3
9303407
-2,5
82531527
6,5
97941779
-253,2
322242
615,2
870755
0,7
77498209
2,0
0856993
3,1
82596547
AV
LV
SA
IDI [h
/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-1
,079809435
157,0
356917
1,2
26416836
-6,1
08823583
3,9
49204713
-249,3
892669
563,4
606502
0,5
07967443
1,9
4486623
11,7
7150929
AV
LV
AS
UI [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)368,0
494491
147,0
345067
20,2
1818013
253,7
83335
482,3
155632
0,0
02774216
OA
V S
AIF
I 12 [a
vbro
tt/kund]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
-3,3
73826933
0,2
21329514
0,0
51667516
-0,0
59653558
0,5
02312586
-0,0
21998365
0,1
25333398
37,6
2111525
OA
V S
AID
I 12 [h
/kund]
Ei
a +
b/(c
+x)
3,4
7923E
-14
5,0
83371292
-3,3
73826942
4,4
78128257
5,6
88614328
253,1
824404
OA
V C
EM
I4 [a
nta
l avb
rott>
=4]
Ei
a +
b/(c
+x)
0,0
01682722
0,1
8555033
-3,2
82514565
-0,0
16540965
0,0
19906409
0,0
96602391
0,2
74498269
-3,5
72237717
-2,9
92791413
0,5
06109327
OA
V C
EM
I4 1
2 [a
nta
l avb
rott>
=4]
Ei
a +
b/(c
+x)
3,1
7897E
-10
0,2
50561593
-3,1
34975275
0,1
85059456
0,3
1606373
-3,4
14196961
-2,8
5575359
0,5
26432449
OA
V L
V C
EM
I4 [a
nta
l avb
rott>
=4]
Ei
a +
b/(c
+x)
4,2
3183E
-09
0,2
51166368
-3,1
33348001
0,1
85465361
0,3
16867375
-3,4
1360183
-2,8
53094172
0,5
27776416
OA
V L
V C
EM
I4 1
2 [a
nta
l avb
rott>
=4]
Ei
a +
b/(c
+x)
4,7
9301E
-09
0,2
51179381
-3,1
3330686
0,1
85474022
0,3
16884739
-3,4
1358644
-2,8
53027279
0,5
27799494
OA
V IL
E [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)17182,6
3981
20558,7
9184
0,0
67948191
-1,8
8446E
+12
1,8
8446E
+12
-9557,6
56296
50675,2
3998
-0,0
91514176
0,2
27410559
1,7
8648E
+11
OA
V IL
Effe
kt [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)13064,3
1611
13138,7
307
0,0
24069319
-6,8
9336E
+11
6,8
9336E
+11
-3700,7
39514
29978,2
0092
-0,0
84613211
0,1
32751849
1,4
3882E
+11
OA
V IL
E 1
2 [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)292,0
028004
32200,9
1878
0,0
89201715
-5031341044
5031341628
-17375,0
5515
81776,8
927
-0,3
4510658
0,5
23510011
2,8
848E
+11
OA
V IL
Effe
kt 1
2 [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)12964,1
707
13669,3
5607
0,0
2661194
-1,2
5559E
+12
1,2
5559E
+12
-4952,8
0476
32291,5
1689
-0,0
84759075
0,1
37982955
1,4
8255E
+11
OA
V A
IT [h
]E
ia +
b/(c
+x)
0,1
16155379
2,1
3775936
-3,3
73826939
0,0
03302526
0,2
29008231
1,8
50224602
2,4
25294117
35,2
8053135
OA
V A
IF [a
nta
l avb
rott]
Ei
a +
b/(c
+x)
0,2
35159891
1,7
90396794
-3,1
85262076
0,1
06101638
0,3
64218145
1,0
91077255
2,4
89716333
-3,4
75487526
-2,8
95036625
22,7
6638145
OA
V A
IT 1
2 [h
]E
ia +
b/(c
+x)
4,9
6905E
-13
3,7
41146463
-3,3
73826942
3,3
73231552
4,1
09061374
93,5
5537954
OA
V A
IF 1
2 [a
nta
l avb
rott]
Ei
a +
b/(c
+x)
0,2
36080879
1,7
97149601
-3,2
13152904
0,1
07297529
0,3
64864229
1,1
19028096
2,4
75271106
-3,4
78660987
-2,9
4764482
23,3
7530596
OA
V A
EN
S [k
Wh/k
und]
Ei
a +
b/(c
+x)
1,6
89907775
6,1
97787577
-3,3
32264243
0,8
92254345
2,4
87561205
2,5
27114303
9,8
6846085
-3,6
47571559
-3,0
16956927
1027,2
79722
OA
V A
PN
S [k
W/k
und]
Ei
a +
b/(c
+x)
2,2
05653868
6,0
6508149
-3,0
28336169
0,9
10180994
3,5
01126741
-2,0
42530155
14,1
7269313
-4,3
0823661
-1,7
48435728
1945,6
4832
OA
V A
EN
S 1
2 [k
Wh/k
und]
Ei
a +
b/(c
+x)
1,2
23022236
11,4
7677979
-3,3
73826941
0,3
62380797
2,0
83663676
9,2
83974564
13,6
6958502
2051,8
92206
OA
V A
PN
S 1
2 [k
W/k
und]
Ei
a +
b/(c
+x)
2,2
09161955
6,1
30553985
-3,0
62246795
0,9
31674182
3,4
86649727
-1,6
36882787
13,8
9799076
-4,2
18036504
-1,9
06457086
1958,3
61026
OA
V A
SU
I [%]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)134,0
078857
92,9
5970224
1,8
59141798
103,7
919593
164,2
23812
-50,2
8727924
236,2
066837
1,4
72162358
2,2
46121238
0,0
0743332
OA
V A
SU
I 12 [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)90,0
3398839
760,6
428467
2,2
37486454
59,3
3010426
120,7
378725
-858,0
676115
2379,3
53305
1,6
9303418
2,7
81938728
0,0
33645297
OA
V H
V IL
E [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)5093,7
32039
2482,7
12677
0,1
59710583
-31918899076
31918909263
-2062,5
9122
7028,0
16575
-0,2
75603272
0,5
95024438
542567944,5
OA
V H
V IL
Effe
kt [k
W]
Ei
a +
b/(c
+x)
1682,0
06773
6007,8
37931
2,6
53360048
-5415,3
44117
8779,3
57662
-170370,1
645
182385,8
404
-164,2
610529
169,5
67773
4438346099
OA
V H
V IL
E 1
2 [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)14,8
8682652
5754,3
14792
0,0
82633793
-20571246,9
420571276,7
1-6
9991,8
5525
81500,4
8483
-0,0
54422433
0,2
19690019
6285225518
OA
V H
V IL
Effe
kt 1
2 [k
W]
Ei
a +
b/(c
+x)
1649,4
45552
6735,3
19805
2,7
63152882
-5623,3
67227
8922,2
58331
-176094,5
012
189565,1
408
-153,5
727772
159,0
990829
4527695207
OA
V L
V S
AIF
I [avb
rott/k
und]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
-3,3
73826912
0,2
39363443
0,0
58642845
-3,5
2755021
-3,2
20103614
-0,0
1797329
0,4
96700177
-0,0
15927417
0,1
33213108
36,1
5510247
OA
V L
V S
AID
I [h/k
und]
Ei
a +
b/(c
+x)
0,1
2030035
2,8
48485798
-3,3
73826942
-0,0
19489586
0,2
60090286
2,4
9231877
3,2
04652825
54,1
3296945
OA
V L
V S
AIF
I 12 [a
vbro
tt/kund]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
-3,3
73826933
0,2
22028957
0,0
51812634
-0,0
58755521
0,5
02813436
-0,0
21820973
0,1
25446241
37,7
3926629
OA
V L
V S
AID
I 12 [h
/kund]
Ei
a +
b/(c
+x)
3,5
2226E
-14
5,0
85380589
-3,3
73826942
4,4
79820077
5,6
90941101
253,4
481237
OA
V L
V A
SU
I [%]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)133,8
897262
92,6
3259128
1,8
58236864
103,7
034097
164,0
760428
-50,1
2469751
235,3
898801
1,4
71237782
2,2
45235947
0,0
07441926
OA
V L
V A
SU
I 12 [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)89,9
8839856
754,5
728962
2,2
35381672
59,2
8906852
120,6
877286
-850,3
386243
2359,4
84417
1,6
91273194
2,7
7949015
0,0
33689416
OA
V H
V A
IT [h
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)26703,3
4247
1360853,4
61
0,9
104317
-3,3
022E
+12
3,3
022E
+12
-4816541,4
47538248,3
61
-0,1
13506653
1,9
34370053
99314079613
OA
V H
V A
IF [a
nta
l avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)36069,8
0901
3143887,6
95
0,8
31019072
-1,3
6649E
+13
1,3
6649E
+13
-10765960,4
817053735,8
6-0
,149020051
1,8
11058195
1,1
175E
+12
OA
V H
V A
IT 1
2 [h
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)1304551,4
3601391,1
52
0,8
87409334
-9,3
8402E
+15
9,3
8402E
+15
-11819591,5
819022373,8
8-0
,06480426
1,8
39622928
8,6
1034E
+11
OA
V H
V A
IF 1
2 [a
nta
l avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)25307,3
2373
4467079,4
43
0,9
01611339
-7,6
885E
+12
7,6
885E
+12
-15023806,6
623957965,5
4-0
,076076424
1,8
79299103
1,1
6068E
+12
OA
V H
V A
EN
S [k
Wh/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)818,1
177595
218,5
365824
0,2
5397685
-21899946,6
921901582,9
3-1
79,7
930156
616,8
661804
-0,1
35310073
0,6
43263774
816135,9
482
OA
V H
V A
PN
S [k
W/k
und]
Ei
a +
b/(c
+x)
10,9
494238
4312,4
56721
4,4
2556804
-655,1
832751
677,0
821227
-15259,4
7833
23884,3
9177
-26,6
5248344
35,5
0361952
25374842,7
4
OA
V H
V A
EN
S 1
2 [k
Wh/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)410,7
668621
613,1
548579
0,0
69672946
-169762483
169763304,6
-64,8
2281036
1291,1
32526
-0,1
75206378
0,3
14552271
24299606,9
1
OA
V H
V A
PN
S 1
2 [k
W/k
und]
Ei
a +
b/(c
+x)
8,8
60170648
4362,1
10566
4,4
35580741
-662,0
106385
679,7
309798
-15365,8
0911
24090,0
3024
-26,5
6255355
35,4
3371504
25678984,9
3
Tabell över normfunktion Grupp 4, Offentlig verksamhet
Row
Fun
Fun_exp
a_b_c_1
a_b_c_2
a_b_c_3
Konf_
a_95_1
Konf_
a_95_2
Konf_
b_95_1
Konf_
b_95_2
Konf_
c_95_1
Konf_
c_95_2
SS
E
AV
ILE
[kW
h]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)8561,8
02114
4723,9
16052
0,1
41254616
-1,9
0843E
+11
1,9
0843E
+11
-2691,5
96833
12139,4
2894
-0,2
28392113
0,5
10901345
2550106893
AV
ILE
effe
kt [k
W]
Ei
a +
b/(c
+x)
9,1
50260761
6501,4
38894
3,8
99393644
-2089,5
32651
2107,8
33172
-50876,0
8367
63878,9
6146
-52,2
6729339
60,0
6608067
332253179,5
AV
AIT
[h]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)1,5
65128379
92,3
497036
1,0
57480086
-10,7
2062788
13,8
5088464
4,2
62678473
180,4
367287
0,7
29470943
1,3
85489228
22,9
667248
AV
AIF
[avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)12,7
1341479
20,7
2507426
0,8
78562623
-7,2
93699944
32,7
2052953
6,4
8872822
34,9
614203
0,6
73622879
1,0
83502366
3,1
9777091
AV
AE
NS
[kW
h/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)1,2
38072942
30,3
9722031
0,3
6253836
-532,5
278873
535,0
040332
-37,9
2624243
98,7
2068305
-0,0
00766571
0,7
25843291
4655,7
24592
AV
AP
NS
[kW
/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)1,0
39995302
15,6
8119854
0,3
95236478
-235,8
941556
237,9
741462
-21,1
1250095
52,4
7489803
-0,0
6122857
0,8
51701527
1199,4
1852
AV
AS
UI [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)769,0
517304
0,9
62837253
0,9
86500541
256,5
135951
1281,5
89866
0,4
20651291
1,5
05023215
0,8
22936476
1,1
50064607
0,0
02305253
AV
HV
ILE
[kW
h]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)1623,4
63264
2184,0
55001
0,1
46964921
-5281406258
5281409505
-3319,9
56525
7688,0
66527
-0,4
96610981
0,7
90540823
1147478353
AV
HV
ILE
ffekt [k
W]
Ei
a +
b/(c
+x)
113,6
101896
598,8
174987
16,3
178796
-2584,0
77871
2811,2
9825
-151872,6
676
153070,3
026
-3491,6
39192
3524,2
74951
64361058,0
4
AV
HV
AIT
[h]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)40989,9
9858
1,2
67886143
0,1
86399849
-769435897,5
769517877,5
-1,1
3583759
3,6
71609877
-0,2
50263956
0,6
23063653
106,9
030472
AV
HV
AIF
[avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)6,6
1679994
0,3
74712783
0,3
52684497
-27,9
8954754
41,2
2314742
-0,9
57196778
1,7
06622344
-0,8
90992327
1,5
96361322
4,3
95355738
AV
HV
AE
NS
[kW
h/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)166,7
786095
372,5
255111
0,2
12858256
-4032854,7
23
4033188,2
8-4
41,3
542325
1186,4
05255
-0,3
08941752
0,7
34658264
8088766,4
25
AV
HV
AP
NS
[kW
/kund]
Ei
a +
b/(c
+x)
16,7
1700769
43,0
043093
-0,4
68723734
-31,6
8255536
65,1
1657075
-635,4
140653
721,4
226839
-47,6
6603769
46,7
2859022
855905,2
113
AV
LV
SA
IFI [a
vbro
tt/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)4,3
36552028
18,6
0592992
0,8
32259059
-5,2
10238405
13,8
8334246
4,8
79393264
32,3
3246657
0,5
97668
1,0
66850118
3,9
17354743
AV
LV
SA
IDI [h
/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-0
,743491265
96,1
7072064
1,0
56061641
-7,2
9942432
5,8
1244179
27,3
5930712
164,9
821342
0,7
69709577
1,3
42413705
17,8
1275474
AV
LV
AS
UI [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)768,9
210484
0,9
63028694
0,9
86524554
256,0
919475
1281,7
50149
0,4
2029742
1,5
05759968
0,8
22827159
1,1
50221948
0,0
02309437
OA
V S
AIF
I 12 [a
vbro
tt/kund]
Ei
a +
b/(c
+x)
1,8
3678E
-08
5,9
79595237
-1,4
4079568
-0,2
92970483
0,2
9297052
3,0
34924168
8,9
24266307
-2,3
8443024
-0,4
97161121
55,6
2043138
OA
V S
AID
I 12 [h
/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-0
,488853513
37,9
9834167
0,4
78876135
-70,9
1932894
69,9
4162191
-8,6
37946226
84,6
3462956
0,3
31221381
0,6
26530889
509,4
819777
OA
V C
EM
I4 [a
nta
l avb
rott>
=4]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)30,1
2010743
2,6
11551899
0,6
25509093
-1,8
29590681
62,0
6980554
0,4
48470848
4,7
7463295
0,4
06427603
0,8
44590582
0,6
60044166
OA
V C
EM
I4 1
2 [a
nta
l avb
rott>
=4]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)21,7
8687236
2,5
55283807
0,5
51598607
-9,0
52606734
52,6
2635146
0,4
16425595
4,6
94142018
0,3
30388879
0,7
72808336
1,2
03285657
OA
V L
V C
EM
I4 [a
nta
l avb
rott>
=4]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)21,7
340807
2,5
43273573
0,5
50350402
-9,0
91588001
52,5
5974941
0,4
14534285
4,6
72012862
0,3
2916769
0,7
71533114
1,2
05169528
OA
V L
V C
EM
I4 1
2 [a
nta
l avb
rott>
=4]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)21,7
0950637
2,5
44201454
0,5
50478038
-9,0
69650383
52,4
8866313
0,4
14070538
4,6
74332371
0,3
29205857
0,7
71750219
1,2
05252576
OA
V IL
E [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)6802,0
29695
10736,5
4138
0,0
94127543
-4,3
3366E
+11
4,3
3366E
+11
-4903,5
52578
26376,6
3534
-0,2
11243935
0,3
99499022
29643839138
OA
V IL
Effe
kt [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)1246,7
97969
8939,1
69861
0,0
83140372
-29019901326
29019903819
-4429,8
95057
22308,2
3478
-0,3
86755237
0,5
5303598
21549444059
OA
V IL
E 1
2 [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)12295,2
0371
17496,7
0837
0,1
15176367
-1,0
139E
+12
1,0
139E
+12
-7228,2
21636
42221,6
3837
-0,1
1901204
0,3
49364775
49897600918
OA
V IL
Effe
kt 1
2 [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)13,3
069683
9110,8
40524
0,0
83492268
-29346879,9
229346906,5
4-1
22864,5
078
141086,1
889
-0,0
70619855
0,2
37604392
22285817827
OA
V A
IT [h
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)-1
,316946565
21,5
0136338
0,5
23950015
-14,0
5602859
11,4
2213546
-6,5
04461471
49,5
0718822
0,3
63020534
0,6
84879495
84,4
6351787
OA
V A
IF [a
nta
l avb
rott]
Ei
a +
b/(c
+x)
0,0
51456085
4,1
65786136
-1,7
89074948
-0,1
76643513
0,2
79555683
2,2
19822327
6,1
11749946
-2,4
68504934
-1,1
09644962
42,5
5569312
OA
V A
IT 1
2 [h
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)-0
,662919679
34,9
9786341
0,5
33641725
-43,0
3434501
41,7
0850565
-3,8
09915674
73,8
0564249
0,3
81146417
0,6
86137034
244,3
684043
OA
V A
IF 1
2 [a
nta
l avb
rott]
Ei
a +
b/(c
+x)
0,0
3914318
4,3
29109143
-1,7
6946489
-0,1
94584176
0,2
72870536
2,3
15094902
6,3
43123383
-2,4
58750073
-1,0
80179707
44,0
84716
OA
V A
EN
S [k
Wh/k
und]
Ei
a +
b/(c
+x)
6,1
9955E
-07
43,7
4244246
-0,9
34225836
-6,0
48159421
6,0
48160661
-29,9
5586174
117,4
407467
-5,1
64259017
3,2
95807346
17326,8
7184
OA
V A
PN
S [k
W/k
und]
Ei
a +
b/(c
+x)
5,4
1191E
-07
45,3
5957227
-0,4
16304291
-6,5
64700268
6,5
64701351
-47,9
5943087
138,6
785754
-6,6
76555426
5,8
43946843
15317,9
9656
OA
V A
EN
S 1
2 [k
Wh/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)0,2
8464343
58,4
2069378
0,2
60941804
-723,5
599696
724,1
292565
-81,2
6990504
198,1
112926
0,0
88729494
0,4
33154114
21791,8
183
OA
V A
PN
S 1
2 [k
W/k
und]
Ei
a +
b/(c
+x)
5,4
6258E
-07
45,6
7828772
-0,4
38443747
-6,5
4624677
6,5
46247863
-46,8
3156327
138,1
881387
-6,5
57513934
5,6
8062644
15409,7
4461
OA
V A
SU
I [%]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)178,1
76605
0,4
00624066
0,6
00639923
82,6
5664157
273,6
965683
0,1
09750053
0,6
91498079
0,4
19509002
0,7
81770845
0,0
16108283
OA
V A
SU
I 12 [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)183,1
82548
0,5
6378954
0,5
54236111
-26,2
1524762
392,5
803436
0,0
87495949
1,0
40083131
0,3
47838642
0,7
6063358
0,0
6508744
OA
V H
V IL
E [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)2610,0
86441
2472,8
43673
0,2
07140642
-7632457029
7632462249
-5070,1
56561
10015,8
4391
-0,4
81068406
0,8
9534969
764095532,3
OA
V H
V IL
Effe
kt [k
W]
Ei
a +
b/(c
+x)
1004,3
04602
1000,3
74939
0,8
46735997
-196,6
878658
2205,2
9707
-21320,0
0763
23320,7
5751
-91,7
7315182
93,4
6662382
287779992,1
OA
V H
V IL
E 1
2 [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)14,0
1470951
2685,0
27888
0,0
71954409
-7468283,6
21
7468311,6
5-2
7698,3
184
33068,3
7418
-0,0
73005152
0,2
16913971
1248882972
OA
V H
V IL
Effe
kt 1
2 [k
W]
Ei
a +
b/(c
+x)
995,4
426619
1192,8
27954
0,9
48902653
-247,8
574997
2238,7
42824
-22318,7
8593
24704,4
4184
-82,4
905708
84,3
8837611
296153514,6
OA
V L
V S
AIF
I [avb
rott/k
und]
Ei
a +
b/(c
+x)
0,0
03876497
5,8
64571564
-1,4
26002251
-0,2
82372657
0,2
90125651
2,9
69134509
8,7
60008619
-2,3
81252123
-0,4
70752379
52,5
9057137
OA
V L
V S
AID
I [h/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-1
,321066763
18,7
7672955
0,4
37959283
-15,2
5279069
12,6
1065716
-4,6
58772932
42,2
1223203
0,2
82304296
0,5
9361427
133,5
23242
OA
V L
V S
AIF
I 12 [a
vbro
tt/kund]
Ei
a +
b/(c
+x)
1,5
5206E
-08
5,9
92586778
-1,4
37622957
-0,2
93574994
0,2
93575025
3,0
37807662
8,9
47365894
-2,3
84416593
-0,4
90829321
55,7
3526832
OA
V L
V S
AID
I 12 [h
/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-0
,504196553
37,4
9807985
0,4
76098624
-70,2
6777611
69,2
59383
-9,1
78847878
84,1
7500759
0,3
2937491
0,6
22822338
509,9
595867
OA
V L
V A
SU
I [%]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)177,6
451004
0,3
99950088
0,6
0020475
82,5
859178
272,7
042829
0,1
09513357
0,6
90386819
0,4
19070078
0,7
81339421
0,0
16119824
OA
V L
V A
SU
I 12 [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)182,7
394719
0,5
6358872
0,5
54092295
-25,8
409495
391,3
198934
0,0
87384437
1,0
39793004
0,3
47666597
0,7
60517993
0,0
65143265
OA
V H
V A
IT [h
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)81986,3
0145
172201,4
315
0,5
2898126
-2,3
0901E
+13
2,3
0901E
+13
-329087,3
724
673490,2
354
-0,1
20033379
1,1
77995899
1,0
1786E
+11
OA
V H
V A
IF [a
nta
l avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)40760,5
4113
584795,3
177
0,5
31365139
-1,7
6221E
+13
1,7
6221E
+13
-1116653,2
44
2286243,8
79
-0,1
13693054
1,1
76423332
1,1
4481E
+12
OA
V H
V A
IT 1
2 [h
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)2216,9
79201
508564,7
50,5
29552995
-98484442560
98484446994
-1127744,1
19
2144873,6
19
-0,2
32298605
1,2
91404595
8,8
2437E
+11
OA
V H
V A
IF 1
2 [a
nta
l avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)149785,1
667
593940,5
476
0,5
30607581
-2,9
4491E
+14
2,9
4491E
+14
-1064521,0
42252402,1
35
-0,0
77198839
1,1
38414
1,1
8957E
+12
OA
V H
V A
EN
S [k
Wh/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)700,3
992515
418,3
590777
0,2
30845303
-57716148
57717548,8
-577,5
140011
1414,2
32156
-0,3
02060376
0,7
63750983
9339986,6
75
OA
V H
V A
PN
S [k
W/k
und]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
83,7
2873349
343,0
640025
0,1
96048864
-7170673,0
92
7170840,5
49
-405,7
960619
1091,9
24067
0,0
23127668
0,3
6897006
23793223,7
1
OA
V H
V A
EN
S 1
2 [k
Wh/k
und]
Ei
a +
b/(c
+x)
20,5
7241782
6165,1
789
8,1
11046613
-897,4
907131
938,6
355487
-28567,0
4643
40897,4
0423
-42,7
7110836
58,9
9320158
25501953,5
5
OA
V H
V A
PN
S 1
2 [k
W/k
und]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
637,3
829742
348,0
094365
0,1
99210746
-831931748,8
831933023,5
-1650,1
37804
2346,1
56677
-0,3
14516248
0,7
1293774
23879845,3
9
Tabell över normfunktion Grupp 5, Hushåll
Row
Fun
Fun_exp
a_b_c_1
a_b_c_2
a_b_c_3
Konf_
a_95_1
Konf_
a_95_2
Konf_
b_95_1
Konf_
b_95_2
Konf_
c_95_1
Konf_
c_95_2
SS
E
AV
ILE
[kW
h]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)7857,6
36116
20866,4
1271
0,0
64979563
-6,9
1651E
+11
6,9
1651E
+11
-4468,6
71808
46201,4
9722
-0,0
91835225
0,2
21794352
2,0
9663E
+11
AV
ILE
effe
kt [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)1500,0
83542
10590,2
2671
0,0
80854682
-36081971839
36081974839
-2951,2
54946
24131,7
0837
-0,2
49729348
0,4
11438712
36250146486
AV
AIT
[h]
Ei
a +
b/(c
+x)
0,0
57696919
1,4
08403882
-2,6
16990291
-0,0
37368583
0,1
5276242
1,1
59418526
1,6
57389237
37,7
657961
AV
AIF
[avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-1
,660686931
62,3
4840008
1,4
75498619
-3,1
93801752
-0,1
27572111
-90,1
5701433
214,8
538145
0,4
99558365
2,4
51438873
5,4
03787896
AV
AE
NS
[kW
h/k
und]
Ei
a +
b/(c
+x)
7,5
652E
-11
2,2
14499209
-2,6
16990291
1,8
2269666
2,6
06301759
138,6
706816
AV
AP
NS
[kW
/kund]
Ei
a +
b/(c
+x)
0,0
0712312
0,9
73706591
-2,5
71264789
-0,0
5073915
0,0
64985391
0,7
01613366
1,2
45799816
-2,6
81319984
-2,4
61209594
7,5
88886817
AV
AS
UI [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)322,0
596735
3,1
39041463
1,4
20586592
187,6
8567
456,4
33677
-1,2
9393398
7,5
72016906
0,9
87627199
1,8
53545985
0,0
07287936
AV
HV
ILE
[kW
h]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)856,7
816037
310,9
273666
0,0
60400104
-2332414923
2332416636
-2041,5
9138
2663,4
46113
-1,1
82627249
1,3
03427458
267386835,3
AV
HV
ILE
ffekt [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)179,2
432861
139,1
598149
0,0
70939038
-36340222,4
536340580,9
3-6
96,9
87041
975,3
066708
-0,9
53111265
1,0
94989341
27651788,8
AV
HV
AIT
[h]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)14,6
9650288
1,7
13409294
0,3
32319414
-215,5
117698
244,9
047756
-2,4
2217441
5,8
48992998
-0,4
29854276
1,0
94493104
73,6
4427523
AV
HV
AIF
[avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)13,9
0909886
0,8
27638976
0,3
83800672
-77,6
1227001
105,4
304677
-2,0
53473765
3,7
08751718
-0,6
61770409
1,4
29371754
18,3
408765
AV
HV
AE
NS
[kW
h/k
und]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
-0,7
9034639
9,3
99804874
0,0
4933425
-868,6
357301
867,0
550373
-36,4
047378
55,2
0434755
-0,2
51928716
0,3
50597216
894077,9
504
AV
HV
AP
NS
[kW
/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)3252,0
83489
16,2
9869233
1,1
9894E
-07
-2,1
2909E
+11
2,1
2909E
+11
-20111,6
0293
20144,2
0032
-0,7
4937453
0,7
4937477
816321,9
713
AV
LV
SA
IFI [a
vbro
tt/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-1
,529412597
36,1
0035504
1,2
52676608
-3,4
75456944
0,4
16631751
-28,0
7286469
100,2
735748
0,5
66030645
1,9
39322571
5,8
44174568
AV
LV
SA
IDI [h
/kund]
Ei
a +
b/(c
+x)
0,0
63378111
1,4
30770204
-2,6
16990269
-0,0
87407183
0,2
14163405
0,7
5416933
2,1
07371079
-2,7
73500422
-2,4
60480116
53,9
0509731
AV
LV
AS
UI [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)322,0
569831
3,1
37688839
1,4
2043284
187,6
574188
456,4
565474
-1,2
93564949
7,5
68942627
0,9
87465641
1,8
53400039
0,0
07290715
OA
V S
AIF
I 12 [a
vbro
tt/kund]
Ei
a +
b/(c
+x)
0,0
52847301
6,5
53177564
-1,0
86780589
-0,2
75720346
0,3
81414948
2,7
42060537
10,3
6429459
-2,4
36124165
0,2
62562988
73,1
7272342
OA
V S
AID
I 12 [h
/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-0
,426306062
23,7
8099907
0,3
53666674
-91,9
7130042
91,1
186883
-15,9
6207712
63,5
2407527
0,2
07414552
0,4
99918795
1135,3
22225
OA
V C
EM
I4 [a
nta
l avb
rott>
=4]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)38,1
4656299
0,6
50254571
0,3
32419731
-35,7
6230121
112,0
554272
0,1
7544787
1,1
25061272
0,1
3842851
0,5
26410953
0,9
1611544
OA
V C
EM
I4 1
2 [a
nta
l avb
rott>
=4]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)24,0
3158976
0,7
62069992
0,3
55753934
-16,9
4197919
65,0
051587
0,1
82624684
1,3
415153
0,1
4374516
0,5
67762708
1,0
2125916
OA
V L
V C
EM
I4 [a
nta
l avb
rott>
=4]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)24,1
9482017
0,7
58668369
0,3
54611963
-17,2
5701075
65,6
4665109
0,1
82998673
1,3
34338064
0,1
4309394
0,5
66129986
1,0
22102378
OA
V L
V C
EM
I4 1
2 [a
nta
l avb
rott>
=4]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)24,0
4429806
0,7
61775864
0,3
55629674
-16,9
7098238
65,0
595785
0,1
82746638
1,3
4080509
0,1
43690473
0,5
67568875
1,0
2133724
OA
V IL
E [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)40957,7
2441
95549,7
5859
0,0
72842083
-1,0
4945E
+13
1,0
4945E
+13
-47603,9
1548
238703,4
327
-0,0
9772331
0,2
43407475
5,9
3264E
+12
OA
V IL
Effe
kt [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)20478,0
7302
72011,6
7221
0,0
6711783
-3,3
373E
+12
3,3
373E
+12
-30359,7
2641
174383,0
708
-0,0
87930765
0,2
22166426
3,3
188E
+12
OA
V IL
E 1
2 [k
Wh]
Ei
a +
b/(c
+x)
23,2
6922536
1011237,2
5,6
23131169
-405675,9
006
405722,4
391
-11584221,0
213606695,4
2-8
5,2
0635507
96,4
5261741
1,1
5093E
+13
OA
V IL
Effe
kt 1
2 [k
W]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)20478,1
4333
74312,5
193
0,0
67983712
-5,1
6644E
+12
5,1
6644E
+12
-30159,5
6135
178784,5
999
-0,0
8868609
0,2
24653514
3,4
7377E
+12
OA
V A
IT [h
]E
ia +
b/(c
+x)
1,2
6548E
-08
7,8
3025088
-1,2
70714214
5,7
55095659
9,9
054061
-2,1
19763621
-0,4
21664807
158,1
672742
OA
V A
IF [a
nta
l avb
rott]
Ei
a +
b/(c
+x)
0,1
6700916
5,5
50456253
-1,1
99895716
-0,1
35852216
0,4
69870536
2,1
76625171
8,9
24287336
-2,5
38888331
0,1
390969
66,8
7584487
OA
V A
IT 1
2 [h
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)-0
,854573086
19,1
113881
0,3
28606865
-50,5
4166569
48,8
3251951
-10,9
6874509
49,1
9152128
0,1
66795114
0,4
90418616
923,9
536819
OA
V A
IF 1
2 [a
nta
l avb
rott]
Ei
a +
b/(c
+x)
0,1
45753245
5,8
73495915
-1,1
75999437
-0,1
70265224
0,4
61771714
2,3
22110663
9,4
24881168
-2,5
23106057
0,1
71107183
71,6
8155436
OA
V A
EN
S [k
Wh/k
und]
Ei
a +
b/(c
+x)
3,5
9777E
-08
8,3
51184325
-1,4
94058071
-0,4
1946793
0,4
19468002
4,2
04826218
12,4
9754243
-2,4
27047667
-0,5
61068475
157,3
440564
OA
V A
PN
S [k
W/k
und]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
-2,5
55370204
0,0
07205976
0,0
00968027
-2,7
53167419
-2,3
57572989
-17,7
587009
17,7
7311285
-2,3
85782034
2,3
87718088
86,8
3823589
OA
V A
EN
S 1
2 [k
Wh/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-1
,327214733
18,9
2561865
0,3
07822278
-25,4
8345442
22,8
2902495
-3,8
28391121
41,6
7962842
0,1
61242677
0,4
54401878
910,9
795415
OA
V A
PN
S 1
2 [k
W/k
und]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
-2,5
50107963
0,0
09204944
0,0
01196502
-2,7
58511776
-2,3
4170415
-14,6
8926664
14,7
0767652
-1,9
09525515
1,9
11918518
90,7
4048018
OA
V A
SU
I [%]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)152,1
849944
0,1
89130945
0,4
50372705
66,2
0391318
238,1
660756
0,0
47488306
0,3
30773584
0,2
66629391
0,6
34116019
0,0
23170269
OA
V A
SU
I 12 [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)154,3
184082
0,3
74582056
0,4
42411181
-69,6
5920567
378,2
96022
0,0
33057801
0,7
16106311
0,2
1917867
0,6
65643693
0,1
46416892
OA
V H
V IL
E [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)1279,3
29738
510,7
448485
0,0
95200134
-1900565847
1900568406
-433,6
921622
1455,1
81859
-0,5
39429282
0,7
2982955
161121076
OA
V H
V IL
Effe
kt [k
W]
Ei
a +
b/(c
+x)
673,4
594706
13012,4
8983
9,3
10984291
-4705,2
12063
6052,1
31004
-201541,7
66
227566,7
456
-148,2
034576
166,8
254262
999635007,8
OA
V H
V IL
E 1
2 [k
Wh]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)44,3
8939677
2190,7
76256
0,0
45721754
-114759058,2
114759147
-53233,5
9843
57615,1
5095
-0,2
61923356
0,3
53366864
1574666383
OA
V H
V IL
Effe
kt 1
2 [k
W]
Ei
a +
b/(c
+x)
656,7
515408
13426,9
1414
9,2
60383601
-4756,9
71604
6070,4
74686
-201886,0
092
228739,8
375
-143,4
487845
161,9
695517
1021468612
OA
V L
V S
AIF
I [avb
rott/k
und]
Ei
a +
b/(c
+x)
0,0
75548944
6,2
18777428
-1,1
0192446
-0,2
3958248
0,3
90680369
2,5
82669855
9,8
54885001
-2,4
49462628
0,2
45613707
67,9
5976066
OA
V L
V S
AID
I [h/k
und]
Ei
a +
b/(c
+x)
1,0
5002E
-08
7,7
24183843
-1,4
36895901
5,6
96881738
9,7
51485947
-2,1
99026372
-0,6
7476543
179,8
37571
OA
V L
V S
AIF
I 12 [a
vbro
tt/kund]
Ei
a +
b/(c
+x)
0,0
52833911
6,5
53990965
-1,0
8658138
-0,2
75772559
0,3
81440382
2,7
42161344
10,3
6582059
-2,4
36128188
0,2
62965428
73,1
8080013
OA
V L
V S
AID
I 12 [h
/kund]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)-0
,426982322
23,7
7851205
0,3
53645383
-91,9
0836774
91,0
544031
-15,9
5925217
63,5
1627627
0,2
07367585
0,4
99923182
1135,2
37363
OA
V L
V A
SU
I [%]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)152,1
659426
0,1
89155973
0,4
50398861
66,2
0686584
238,1
250194
0,0
47493322
0,3
30818623
0,2
66652345
0,6
34145377
0,0
23170436
OA
V L
V A
SU
I 12 [%
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)154,3
001524
0,3
74573483
0,4
42408108
-69,6
2197505
378,2
222799
0,0
33067319
0,7
16079646
0,2
19181919
0,6
65634298
0,1
4640556
OA
V H
V A
IT [h
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)313,9
233429
34,7
7288872
0,3
88275423
-455163,0
697
455790,9
164
-93,0
7656754
162,6
22345
-0,4
91208547
1,2
67759392
37290,6
4007
OA
V H
V A
IF [a
nta
l avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)1417,3
0601
14,5
4851729
3,1
5119E
-10
-3543153336
3543156170
-1721,0
51451
1750,1
48486
1411618,3
19
OA
V H
V A
IT 1
2 [h
]E
xp fu
nktio
n1/(a
+x) +
b*e
xp(-x*c
)1434,9
06179
6,8
68704472
1,9
1431E
-06
-58484723775
58484726645
-28391,6
2004
28405,3
5745
-5,5
791506
5,5
79154428
74646,9
9543
OA
V H
V A
IF 1
2 [a
nta
l avb
rott]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)14585,6
8747
14,5
6696026
7,3
8145E
-11
-3,6
8583E
+11
3,6
8583E
+11
-1714,1
37607
1743,2
71528
1411543,2
34
OA
V H
V A
EN
S [k
Wh/k
und]
Exp
funktio
n1/(a
+x) +
b*e
xp(-x*c
)131,7
53225
48,9
300541
0,0
4913585
-17513446,4
917513710
-856,1
714133
954,0
315215
-1,0
90111994
1,1
88383693
3348299,3
95
OA
V H
V A
PN
S [k
W/k
und]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
40795,7
6316
326,0
158665
0,1
69922917
-1,0
3394E
+12
1,0
3394E
+12
-333,5
82757
985,6
144899
-0,0
46734927
0,3
86580761
25714683,3
8
OA
V H
V A
EN
S 1
2 [k
Wh/k
und]
Ei
a +
b/(c
+x)
222,1
506777
1070,6
22922
-0,2
11502059
-21,7
9361612
466,0
949715
-2544,6
74414
4685,9
20259
-10,8
1013907
10,3
8713495
24906167,4
7
OA
V H
V A
PN
S 1
2 [k
W/k
und]
Coth
funktio
n1/(a
+x) +
b*c
oth
(x*c)
40952,9
227
327,6
102114
0,1
70242232
-9,7
0871E
+11
9,7
0871E
+11
-274,9
633136
930,1
837364
-0,0
22584963
0,3
63069427
25795404,2
4
Appendix 6
Figurer för grupp 1, jordbruk med normfunktionen Normfunktion metod anges med nr som korrespnderar med metoderna som är angivna i kapitel 2.2.2 av funktionerna (24), (25), (26). Punkter ovanför norm motsvarar de företag vars medelvärde som justeras mot normen inom ett fyra års intervall.
Figur 33: Aviserade avbrott SAIFI, kundgrupp 1, jordbruk.
Figur 34: Aviserade avbrott SAIDI, kundgrupp 1, jordbruk.
Figur 35: Aviserade avbrott ILE, kundgrupp 1, jordbruk.
Figur 36: Aviserade avbrott ILEffekt, kundgrupp 1, jordbruk.
Figur 37: Aviserade avbrott AIT, kundgrupp 1, jordbruk.
Figur 38: Aviserade avbrott AIF, kundgrupp 1, jordbruk.
Figur 39: Aviserade avbrott AENS, kundgrupp 1, jordbruk.
Figur 40: Aviserade avbrott APNS, kundgrupp 1, jordbruk.
Figur 41: Aviserade avbrott ASUI, kundgrupp 1, jordbruk.
Figur 42: Aviserade avbrott för högspänningskunder ILE, kundgrupp 1, jordbruk.
Figur 43: Aviserade avbrott för högspänningskunder ILEffekt, kundgrupp 1, jordbruk.
Figur 44: Aviserade avbrott för högspänningskunder AIT, kundgrupp 1, jordbruk.
Figur 45: Aviserade avbrott för högspänningskunder AIF, kundgrupp 1, jordbruk.
Figur 46: Aviserade avbrott för högspänningskunder AENS, kundgrupp 1, jordbruk.
Figur 47: Aviserade avbrott för högspänningskunder APNS, kundgrupp 1, jordbruk.
Figur 48: Aviserade avbrott för lågspänningskunder SAIFI, kundgrupp 1, jordbruk.
Figur 49: Aviserade avbrott för lågspänningskunder SAIDI, kundgrupp 1, jordbruk.
Figur 50: Oaviserade avbrott för SAIFI, kundgrupp 1, jordbruk.
Figur 51: Oaviserade avbrott för SAIDI, kundgrupp 1, jordbruk.
Figur 52: Oaviserade avbrott som är längre än 12 h för SAIFI, kundgrupp 1, jordbruk.
Figur 53: Oaviserade avbrott som är längre än 12 h för SAIDI, kundgrupp 1, jordbruk.
Figur 54: Oaviserade avbrott för CEMI4, kundgrupp 1, jordbruk.
Figur 55: Oaviserade avbrott som är längre än 12 h för CEMI4, kundgrupp 1, jordbruk.
Figur 56: Oaviserade avbrott till lågspänningskunder CEMI4, kundgrupp 1, jordbruk.
Figur 57: Oaviserade avbrott som är längre än 12 h till lågspänningskunder CEMI4, kundgrupp 1, jordbruk.
Figur 58: Oaviserade avbrott för ILE, kundgrupp 1, jordbruk.
Figur 59: Oaviserade avbrott för ILEffekt, kundgrupp 1, jordbruk.
Figur 60: Oaviserade avbrott som är längre än 12 h för ILE, kundgrupp 1, jordbruk.
Figur 61: Oaviserade avbrott som är längre än 12 h för ILEffekt, kundgrupp 1, jordbruk.
Figur 62: Oaviserade avbrott för AIT, kundgrupp 1, jordbruk.
Figur 63: Oaviserade avbrott för AIF, kundgrupp 1, jordbruk.
Figur 64: Oaviserade avbrott som är längre än 12 h för AIT, kundgrupp 1, jordbruk.
Figur 65: Oaviserade avbrott som är längre än 12 h för AIF, kundgrupp 1, jordbruk.
Figur 66: Oaviserade avbrott för AENS, kundgrupp 1, jordbruk.
Figur 67: Oaviserade avbrott för APNS, kundgrupp 1, jordbruk.
Figur 68: Oaviserade avbrott som är längre än 12 h för AENS, kundgrupp 1, jordbruk.
Figur 69: Oaviserade avbrott som är längre än 12 h för APNS, kundgrupp 1, jordbruk.
Figur 70: Oaviserade avbrott för ASUI, kundgrupp 1, jordbruk.
Figur 71: Oaviserade avbrott som är längre än 12 h för ASUI, kundgrupp 1, jordbruk.
Figur 72: Oaviserade avbrott för högspänningskunder ILE, kundgrupp 1, jordbruk.
Figur 73: Oaviserade avbrott för högspänningskunder ILEffekt, kundgrupp 1, jordbruk.
Figur 74: Oaviserade avbrott som är längre än 12 h för högspänningskunder ILE, kundgrupp 1, jordbruk.
Figur 75: Oaviserade avbrott som är längre än 12 h för högspänningskunder ILEffekt, kundgrupp 1, jordbruk.
Figur 76: Oaviserade avbrott för lågspänningskunder SAIFI, kundgrupp 1, jordbruk.
Figur 77: Oaviserade avbrott för lågspänningskunder SAIDI, kundgrupp 1, jordbruk.
Figur 78: Oaviserade avbrott som är längre än 12 h för lågspänningskunder SAIFI, kundgrupp 1, jordbruk.
Figur 79: Oaviserade avbrott som är längre än 12 h för lågspänningskunder SAIDI, kundgrupp 1, jordbruk.
Figur 80: Oaviserade avbrott för lågspänningskunder ASUI, kundgrupp 1, jordbruk.
Figur 81: Oaviserade avbrott som är längre än 12 h för lågspänningskunder ASUI, kundgrupp 1, jordbruk.
Figur 82: Oaviserade avbrott för högspänningskunder AIT, kundgrupp 1, jordbruk.
Figur 83: Oaviserade avbrott för högspänningskunder AIF, kundgrupp 1, jordbruk.
Figur 84: Oaviserade avbrott som är längre än 12 h för högspänningskunder AIT, kundgrupp 1, jordbruk.
Figur 85: Oaviserade avbrott som är längre än 12 h för högspänningskunder AIF, kundgrupp 1, jordbruk.
Figur 86: Oaviserade avbrott för högspänningskunder AENS, kundgrupp 1, jordbruk.
Figur 87: Oaviserade avbrott för högspänningskunder APNS, kundgrupp 1, jordbruk.
Figur 88: Oaviserade avbrott som är längre än 12 h för högspänningskunder AENS, kundgrupp 1, jordbruk.
Figur 89: Oaviserade avbrott som är längre än 12 h för högspänningskunder APNS, kundgrupp 1, jordbruk.
TRITA-EECS-EX-2018:84 ISSN 1653-5146
www.kth.se