Siste innlegg

Innlegg etter kategori

Filtrer etter kategori:

Droneteknologi i reguleringsmodellen: Hvordan påvirkes effektivitet, avkastning og nettleie av smart teknologi?

Av Christian N. Børke 26. juli 2018

Droneteknologi i reguleringsmodellen: Hvordan påvirkes effektivitet, avkastning og nettleie av smart teknologi?Reguleringsmodellen legger føringer for driften i nettselskapene gjennom beregning av inntektsrammen, og er noe man bør ha innsikt i når man skal vurdere bedriftsøkonomien i nettinvesteringer eller bruk av droner i nettdriften.

I disse tider har flere medier fått øynene opp for droneteknologi og hvordan den kan avendes i energibransjen. Både DistriktsEnergi, Aftenposten og TV2 har laget reportasjer om temaet, og fokuset er gjerne på at teknologien har kommet for å bli – at droner er fremtiden.

Det som ikke fokuseres noe særlig på i disse reportasjone er hvordan nettselskaper blir påvirket når det kommer til effektivitet, avkastning for eiere og nettleie for kunder. Det er kanskje ikke så rart – men for en leder eller beslutningstaker i et nettselskap, kan det være svært nyttig å ha innsikt i disse faktorene.



Last ned gratis e-bok: Nettdrift Anno 2020: Digital disrupsjon i energisektoren

Hva er reguleringsmodellen og hvordan er den bygd opp?

Vi kan begynne med en gjennomgang av premissene for bruk av droner i nettbransjen i dag, nemlig hvordan inntektsrammen, altså den tillatte inntekten nettselskapene kan hente inn fra kundene, beregnes. Nettselskapenes inntektsramme bestemmes på følgende måte:

Inntektsramme = 40 % kostnadsgrunnlag + 60 % kostnadsnorm

Her vektes kostnadsgrunnlaget, de spesifikke kostnadene til nettselskapet, med 40% . I kostnadsgrunnlaget inngår ulike kostnadsgrupper, deriblant drifts- og vedlikeholdskostnader, KILE-kostnader, nettap, nettkapitalen gitt NVEs rente, samt avskrivinger. Det enkelte selskaps kostnadsnorm er beregnet med utgangspunkt i andre selskapers kostnader og selskapets egne kostnader har ingen innvirkning på denne normen. Kostnadsnormen vektes med 60% og utledes i tre trinn:

  1. DEA-analyse (effektivitetsanalyse): Her måles forholdet mellom nettselskapenes oppgaver og kostnader for 2016 mot gjennomsnittlige kostnader og oppgaver for perioden 2012-2016.
  2. Justering for ulike rammevilkår: DEA-resultatene korrigeres for ulike typer rammevilkår à et selskap vil få en oppjustering av sitt DEA-resultat dersom selskapet har vanskeligere rammevilkår enn mønsterselskapet
  3. Kalibrering av kostnadsnormene: DEA-resultatene fra trinn 2 korrigeres for å sikre at bransjen får dekket sine kostnader

Det første trinnet er en analyse som sammenligner alle nettselskapene i Norge med hverandre, og danner en front, altså de mest effektive selskapene. Ut fra dette sammenlignes nettselskapet mot et konstruert mønsterselskap som har tilnærmet tilsvarende oppgaver, men løser disse mer kostnadseffektivt enn det respektive. Det enkelte mønsterselskapet er basert på de selskapene som er referanseselskaper for selskapet som evalueres.

I trinn 2 gis en justering for om selskapet har vanskeligere eller lettere rammevilkår enn mønsterselskapet har. Dette kan eksempelvis gjelde selskaper med mye islast og mørketid, eller kystselskaper med mange km sjøkabel og vind. I henhold til rammevilkårene justeres effektivitetsresultatet opp eller ned.

Til slutt kalibreres dette i trinn 3, basert på at bransjen ikke skal tape penger og får dekket kostnadene sine.

Når man ser på NVEs inntektsrammeberegninger, ser man ofte kun på effektivitetsresultatet. Dette endelige, prosentvise tallet sier ikke nødvendigvis noe om hvilke steg selskapet gjør det «godt» i, og gir ingen god pekepinn på hvor du faktisk har forbedringspotensial. Nettselskapene har mye å tjene på å få en bedre forståelse av hvordan drift- og vedlikeholds og investeringskostnader henger sammen med avkastning, effektivitet og inntektsramme.

En trend i nettbransjen de siste årene er at de store nettselskapene blir mer og mer effektive, mens de mindre blir mindre effektive. Er dette kun basert på stordriftsfordeler? Mange vil kanskje si det. Jeg mener at det ikke nødvendigvis er den eneste forklaringen. Det er flere grep et mindre nettselskap kan ta for å bli mer effektiv, selv uten en stor kundemasse eller et stort kostnadsgrunnlag.

Les også: Droner sørger for raskere gjenoppretting etter strømbrudd

Hva kan nettselskaper gjøre for å styrke sin effektivitet og øke avkastningen?

Ved å bruke Kragerø Energi som eksempel, skal vi se på hvordan et relativt lite nettselskap kan bli mer effektive ved å ta i bruk droneteknologi. Det er tre områder som kan gjennomgås:

  1. Driftstiltak og kostnadseffektivisering – kutte kostnader.
  2. Bedriftsøkonomiske lønnsomme investeringer – ta valg som slår positivt ut i reguleringsmodellen. For eksempel slår finansiering ved andelsbidrag dårligere ut enn egenfinansiering i reguleringsmodellen
  3. Tilpasning til reguleringsmodellen – for mange innebærer dette å forlenge avskrivingstider.

Vi fokuserer på driftstiltak og kostnadseffektivisering, og skal eksemplifisere det gjennom bruk av droneteknologi for å kutte kostnader på vedlikehold og KILE.

Hvis man tar utgangspunkt i Connected Drone-prosjektet til eSmart Systems, og ser på hvordan nettselskapet Kragerø Energi blir påvirket – hvordan droneteknologi faktisk slår ut i reguleringsmodellen – får man interessante resultater. Da jeg kjørte dette eksempelet inn i et inntektsrammeverktøy, som brukes for å se på nettselskapenes effektivitet og til å gjøre bedriftsøkonomiske vurderinger, så man klare forskjeller med og uten bruk av droneteknologi.

Slik ser Kragerø Energis faktiske inntektsramme ut i 2018:

  • DEA-resultat: 83,15 %
  • Inntektsramme: 49 265 000 kroner
  • Avkastning: 1,52 %

Ser man derimot for seg at Kragerø Energi investerte i ferdigutviklet droneteknologi klart for markedet i 2016, og ser bort fra investeringskostnaden, kan drifts- og vedlikeholdskostnader kuttes med cirka 600 000 kroner. Ved at de kan identifisere feil tidligere, kan også KILE-kostnadene kuttes med cirka 100 000. Dette er et konstruert eksempel, men tallene er realistiske for et selskap på denne størrelsen og antall kilometer høyspent nett.

Da ville man fått følgende inntektsramme i 2018:

  • DEA-resultat: 83,92 % (+ 0,77 %)
  • Inntektsramme: 48 886 000 kroner (- 379 000 kroner)
  • Avkastning: 1,77 % (0,25 %)

Resultatet ved å gjøre et så enkelt grep som å sette ut noe av linjeinspeksjonen til droner, er økt effektivitet på 0,77 %, lavere inntektsramme (som er positivt for kundene som får lavere nettleie), samt økt avkastning på 0,25 %.

Les også: Intelligente droner: Et effektiviseringsverktøy

Bedriftsøkonomisk lønnsomt

Kjernen i innlegget mitt er at det allerede i dag er grunnlag for å ta i bruk droneteknologi i flere tilfeller, basert på hva som bedriftsøkonomisk lønnsomt. Det kan gi positive utslag i reguleringsmodellen allerede nå, til tross for en reguleringsmodell som ikke er spesifikt utviklet for å hensynta alternativer til nettutbygging og nye teknologiske virkemidler.

Kort oppsummert; nettselskapet kan øke sin effektivitet og avkastning, kundene får lavere nettleie, i tillegg til en rekke andre fordeler som ikke fanges opp direkte av reguleringsmodellen, blant annet økt sikkerhet for mannskap, redusert støy og administrativ støtte. 

Se også vår ressursside om effektiv nettdrift i en digital verden. 

Last ned gratis e-bok: Nettdrift Anno 2020:  Digital disrupsjon i energisektoren;

Christian N. Børke's photo

Av: Christian N. Børke

Christian Nærup Børke er utdannet siviløkonom ved Norges Handelshøyskole (NHH) med spesialisering innen energi, miljø og naturressurser. Han er Analytiker i Pöyry Management Consulting og følger utviklingen i kraftmarkedet tett, med hovedfokus på nettregulering og hvordan teknologiske trender (bl.a. sluttbrukerfleksibilitet, blockchain og droner) kan påvirke energibransjen og øke nytten i strømnettet.

  • Skriv en kommentar

En blogg fra eSmart Systems

eSmart Systems leverer programvare til energibransjen med hovedvekt på kunstig intelligens. Selskapets plattform er utviklet for å håndtere IoT (internet of things), store mengder data (big data) og analyser i nær sanntid. Selskapet er basert på mer enn 20 års erfaring i å etablere og drifte kunnskapsbaserte, ledende IT- og energirelaterte selskaper i globale markeder.

 

Ønsker du å holde deg oppdatert på kunstig intelligens, den raske utviklingen i energiforsyningen, strømnettet og trendene innen energiforbruk, er Intelligence First bloggen for deg.


Besøk esmartsystems.com