Lær å forstå DEA-målingen Svein Sandbakken Temadag EBL 25. mai 2009 Trondheim Beddingen 8 7014 Trondheim Fax. 73 600 701 ECgroup AS www.ecgroup.no Tlf. 73 600 700 Oslo Stortingsgata 22 0161 Oslo Fax. 22 42 30 99
Innhold DEA-modell Generelt Skalautbytte Supereffektivitet Nye produktaspekter 2
Effektivitetsmåling DEA-modell Sammenligning av hvilke innsatsfaktorer som benyttes for å produsere en kombinasjon av produkter Sammenligning av hvilke kostnader som benyttes for å løse en oppgave av en viss størrelse 3
DEA-modell generelt Nettvirksomheten Oppgave Transportere en viss energimengde fram til kundene Forhold som påvirker kostnaden med å utføre oppgaven rammevilkår Antall kunder Transportavstand Optimalt utbygd nett Faktisk linjelengde Transportforhold Geografi (fjord, fjell, vind, lyn, skog, snø, asfalt ++) Behov for omlasting 4
DEA-modell generelt Utfordring Beskrive oppgave/rammevilkår for å oppnå en mest mulig rettferdig effektivitetsmåling Umulig å kunne ta hensyn til alle forhold som har kostnadsmessige konsekvenser for utførelsen av oppgaven Effektivitetsmåling blir aldri 100 % korrekt 5
DEA-modell generelt Kostnader Tapskostnader Avskrivning egen- og stønadsfinansierte anlegg Andre driftskostnader Normalavkastning egenog stønadsfinansierte anlegg KILE Ikke med Nedskrivning Tap ved avgang Oppgave Distribusjon Overført energi Antall kunder fritidsbolig Antall kunder annen forsyning Lengde høyspentnett Antall nettstasjoner Grenseskilleparameter Kystklima Skog Snøfall Oppgave Regional Luftlinje vektet Jordkabel vektet Sjøkabel vektet Stasjoner vektet Skog 6
DEA-modell generelt NVE Distribusjon Sammenligning av de samlede samfunnsmessige kostnader knyttet til å transportere en viss energimengde over et nett med en viss utstrekning fram til et visst antall kunder, hensyntatt forsyningsområdets vanskelighetsgrad 7
DEA-modell generelt Inntektsramme Kostnadsnorm Erapp NVEs DEA-modell Effektivitet Agder Energi Nett AS 90,5 % Alta Kraftlag AL 83,5 % Andøy Energi AS 82,2 % Askøy Energi AS 107,6 % Aurland Energiverk AS 53,6 % Austevoll Kraftlag BA 56,9 % Ballangen Energi AS 73,7 % Bindal Kraftlag AL 88,5 % BKK Nett AS 86,6 % BKK Stord AS 71,3 % Bodø Energi AS 85,1 % Buskerud Kraftnett AS 89,1 % Dalane energi IKS 70,2 % 8
DEA-modell generelt PRODUKTASPEKTER OPPGAVEBESKRIVELSE CRS-FRONT VRS-FRONT D E F YB C B P2 Y1=YAB P1 P3 A TEKNISK EFFEKTIVITET = (XAB/YAB) / (X1/Y1) O XAB XB X1 INNSATSFAKTORER RESSURSBRUK Minimer j jx j NVEs DEA-modell gitt at y * j yrj r = 1,...,s rj j * 0 j 0 j = 1,...,n j 9
DEA-modell generelt Effektivitet beregnes gjennom en sammenligning av kostnader og oppgave for alle selskap Ingen selskap med samme kombinasjon av oppgavebeskrivende parametere Nødvendig å konstruere et sammenligningsselskap for alle selskap Konstrueres som en kombinasjon av faktiske selskap 10
DEA-modell generelt Konstruert sammenligningsselskap - Referanseselskap Konstrueres som en kombinasjon av faktiske selskap Alle oppgavebeskrivende parametere >= oppgavebeskrivende parametere for det aktuelle selskapet Lavest mulig kostnad (Mest effektive kombinasjon med samme eller større oppgave) 11
DEA-modell generelt Totalkostnad Energi Antall fritidskunder Antall kunder utenom fritid Lengde høyspent Antall nettstasjoner Grenseskilleparameter Kystklima Skog Snøfall Vekting Eget selskap KS NSs Selskap 1 K1 NS1 λ1 Selskap 2 K2 NS2 λ2.. Selskap N Kn NSn λn REFERANSE- SELSKAP Kr NSr Kr = K1*λ1 + + Kn*λn NSr = NS1*λ1 + + NSn*λn Minimeres Større eller lik selskapets oppgaveparametere Finn alle λi 12
DEA-modell generelt Referanseselskap Selskapet Askøy Energi AS Fredrikstad Energi Nett AS Eidefoss AS Krødsherad Everk Nord- Salten Kraftlag AL Ørskog Interkomm. Kraftlag Hafslund Nett AS Totalt 4,008 0,059 0,932 8,381 0,261 9,282 0,074 Energi totalt [MWh] 3 591 595 235 906 971 727 296 509 44 671 118 373 85 739 15 010 999 3 591 595 Antall kunder fritid 25 096 1 049 5 470 2 994 1 167 1 656 738 9 652 25 096 Antall kunder utenom fritid 132 162 9 990 30 328 9 603 1 362 4 678 3 348 508 833 132 162 Nettlengde høyspent [km] 5 340 229 619 988 125 752 174 8 177 5 340 Antall nettstasjoner 7 301 384 1 080 1 015 161 526 246 13 262 7 301 Grensesnittsvariabel 1 006,0 0,0 7 856,0 0,0 0,0 0,0 393,2 3 964,0 4 405,0 Vind/kystavstand*HSL 6,3 5,2 1,5 0,3 0,0 13,1 1,9 2,1 42,7 Skog*HSL 973,4 21,5 8,6 19,3 37,9 21,1 56,3 305,4 973,4 Snø*HSL 1 048 914 8 737 22 780 250 107 18 928 324 079 54 924 354 826 1 048 914 Referanseselskap Selskapet Fusa Kraftlag Luster Energiverk AS Totalt 0,135 0,797 Energi totalt [MWh] 36 749 60 190 67 114 61 621 Antall kunder fritid 432 855 642 627 Antall kunder utenom fritid 1 824 1 909 2 873 2 548 Nettlengde høyspent [km] 167 174 244 218 Antall nettstasjoner 174 216 237 218 Grensesnittsvariabel 0,0 519,2 448,0 427,2 Vind/kystavstand*HSL 0,8 2,8 0,8 1,0 Skog*HSL 51,6 67,1 53,4 51,6 Snø*HSL 98 228 33 614 117 557 98 228 13
DEA-modell generelt Effektivitet Totalkostnad Referanseselskap Totalkostnad Eget selskap EFF = K Ref /K 14
DEA-modell Skalautbytte Skalautbytte (VariableRS ConstantRS) Forskjellig krav til konstruksjon av idealselskapet VRS Vekter >= 0 (λ i >= 0) Summen av vekter = 1 ( λ i = 1) CRS Vekter >= 0 (λ i >= 0) Strengere krav ved VRS enn ved CRS Kostnad Idealselskap VRS >= Kostnad Idealselskap CRS Effektivitet VRS >= Effektivitet CRS 15
DEA-modell Skalautbytte Skalautbytte (VRS CRS) PRODUKTASPEKTER OPPGAVEBESKRIVELSE CRS-FRONT VRS-FRONT D E F Y B C B P 2 Y 1=Y AB P 1 P 3 A TEKNISK EFFEKTIVITET = (X AB/Y AB) / (X 1/Y 1) O X AB X B X 1 INNSATSFAKTORER RESSURSBRUK 16
DEA-modell Skalautbytte VRS modell Referanseselskapet en kombinasjon av noen selskap som er større og andre som er mindre enn aktuelt selskap CRS-modell Referanseselskapet kan være en kombinasjon av bare selskap som er mindre eller bare selskap som er større enn eget selskap 17
DEA-modell Skalautbytte VRS modell Ikke mulig å konstruere en blanding av andre selskap med like stor oppgave som selskapene med størst oppgave Selskap med størst oppgave Referanseselskap = Eget selskap Effektivitet = 100 % uavhengig av kostnad 18
DEA-modell Skalautbytte VRS modell Vanskelig å konstruere en blanding av andre selskap med like stor oppgave For de nest største selskapene For de minste selskapene Effektivitet ~ 100% 19
DEA-modell Skalautbytte Sammenheng mellom effektivitet med VRS og CRS (2004 med energi, kunder, lengde høyspent og lengde lavspent) Effektivitet med CRS 100,0 % 90,0 % 80,0 % 70,0 % 60,0 % 50,0 % 40,0 % 40,0 % 50,0 % 60,0 % 70,0 % 80,0 % 90,0 % 100,0 % Effektivitet med VRS 20
DEA-modell Skalautbytte Endring i effektivitet ved overgang fra VRS til CRS 5,0 % 0,0 % -5,0 % -10,0 % -15,0 % -20,0 % -25,0 % -30,0 % 100 1 000 10 000 100 000 1 000 000 Antall kunder 21
DEA-modell Supereffektivitet Ordinær supereffektivitet Ikke seg selv som referanseselskap NVE Selskap som er effektive ved beregning basert på data for 1 år, defineres som supereffektive dersom effektiviteten er større enn 100 % ved en sammenligning med tidligere års front Forbedring i forhold til tidligere år 22
DEA-modell Supereffektivitet Supereffektivitet (> 100 %) Effektivitet 2007 100 % Effektivitet 2007 med data både for 2007 og 2004-2006 > 100% Effektivitet > 100 % (forbedring i forhold til tidligere år) Effektivitet 2005 med data både for 2007 og 2004-2006 100% Effektivitet = 100 % 23
DEA-modell Flere produktaspekter CRS-modell Input = Totalkostnad 1 Output: Energioverføring Lavest kostnad pr kwh høyest effektivitet Entydig sammenheng mellom kostnad pr kwh og effektivitet Selskapet med lavest kostnad pr kwh referanseselskap for alle andre Effektivitet >= 100 % 24
DEA-modell Flere produktaspekter Sammenheng mellom kostnad og overført energi 5 000 000 4 000 000 3 000 000 2 000 000 1 000 000 0 0 200 000 400 000 600 000 800 000 Totalkostnad [kkr] 25
DEA-modell Flere produktaspekter Sammenheng mellom kostnad pr kwh og effektivitet 120,0 % 100,0 % 80,0 % 60,0 % 40,0 % 20,0 % 0,0 % 0,00 0,10 0,20 0,30 0,40 0,50 0,60 Kostnad [kr pr kwh] 26
DEA-modell Flere produktaspekter Nytt produktaspekt antall kunder Tilleggsbetingelse ved konstruksjon av idealselskapet Idealselskapets kostnad med 2 output >= Idealselskapets kostnad med 1 output Effektivitet med 2 output >= Effektivitet med 1 output Økning eller uendret effektivitet ved innføring av nytt produktaspekt 27
DEA-modell Flere produktaspekter Sammenheng mellom effektivitet med 1 og 2 output Effektivitet med GWh og kunder 120,0 % 100,0 % 80,0 % 60,0 % 40,0 % 20,0 % 0,0 % 0,0 % 20,0 % 40,0 % 60,0 % 80,0 % 100,0 % 120,0 % Effektivitet med bare GWh 28
DEA-modell Flere produktaspekter Sammenheng mellom effektivitet med 2 og 3 output Effektivitet med GWh, kunder og høyspent 120,0 % 100,0 % 80,0 % 60,0 % 40,0 % 20,0 % 0,0 % 0,0 % 20,0 % 40,0 % 60,0 % 80,0 % 100,0 % 120,0 % Effektivitet med GWh og kunder 29
DEA-modell Flere produktaspekter Selskap med lavest kostnad pr kwh Fritidskunde Kunde utenom fritid Km høyspentnett Nettstasjon Grenseskilleparameter Kystklimaparameter Skogparameter Snøfallparameter Effektivitet 100 % 30
DEA-modell Flere produktaspekter Selskap med høy verdi på en parameter i forhold til andre parametere spesielle selskap Effektivitet 100% 31
DEA-modell Flere produktaspekter Nytt produktaspekt Økning i effektivitet for noen selskap Uendret effektivitet for andre 32
DEA-modell Flere produktaspekter I 2009 = 40% * K 2007 + 60% * K N 2007 + JI K N 2007 = K 2007 *(EFF 2007 +100% -EFF Bransjen 2007) Nytt produktaspekt Økning i effektivitet for noen selskap Økning i bransjens midlere effektivitet 33
DEA-modell Flere produktaspekter Økt inntektsramme for selskap med Økning i effektivitet > Økning i bransjens midlere effektivitet Redusert inntektsramme for selskap med Økning i effektivitet < Økning i bransjens midlere effektivitet 34
DEA-modell Omfordeling av inntektsramme mellom selskapene med ulike valg vedrørende DEA-modellen Skalautbytte (VRS CRS) Supereffektivitet Produktaspekter Strenge krav til DEA-modellens konstruksjon 35
De nye variablene - I Nettstasjoner istedenfor linjelengde lavspent Antall nettstasjoner sikrere enn lengde lavspentnett Manglende/feil rapportering av antall nettstasjoner hos 25 % av selskapene NVE: Nettstasjoner = Fordelingstrafoer Eierskap til lavspentnettet 36
De nye variablene - II Splitting av antall kunder mellom fritidsbolig og annet enn fritidsbolig 2 like selskap (energi, kunder, nett og lignende) Større kostnad i et nett med stor andel fritidsboliger? Manglende rapportering av antall fritidsboliger hos enkeltverk Skille fritidsboliger andre kunder Taktisk rapportering av antall fritidsboliger 37
De nye variablene III Grenseskillevariabel Selskap med litt regionalnett (trafo og bryterfelt) = Distribusjonsnett Tvilsomt å innføre parameter som ikke alle selskap har Selskap med både regionalnett og distribusjonsnett Forskjellig grense mellom R- og D-nett Noen med verdi på grenseskilleparameter, andre ikke 38
Virkning av grenseskilleparameter Økning i effektivitet ved innføring av grenseskilleparameter 40 % 35 % 30 % 25 % 20 % 15 % 10 % 5 % 0 % 0 5 000 10 000 15 000 20 000 25 000 30 000 35 000 40 000 45 000 50 000 Grenseskilleparameter 39
De nye variablene III Rigid grense mellom R- og D-nett Distribusjonsnett Høyspentnett Nettstasjoner Lavspentnett Problematisk å effektivitetsmåle en håndfull regionalnettskomponenter Effektivitet Rnett = Effektivitet Dnett Effektivitet = Bransjens midlere effektivitet 40
De nye variablene IV Geografiparametere Kystklima (vind/kystavstand) Andel skog Snøfall Geografifaktorer * Lengde høyspent luftlinje Vanskelig kontrollerbare data 41
De nye variablene IV Hvorfor geografiparametere? Urettferdig behandling (for lav effektivitet) av selskap med høye kostnader som følge av vanskelige rammevilkår Kostnad uten geografikostnad: 100 Kostnad med geografikostnad: 110 Målt effektivitet uten geografikostnad - geografiparametere: 80 % Målt effektivitet med geografikostnad: Uten geografiparametere 72,7 % Med geografiparametere 80,0 % 42
Virkning av kystklima-parameter Økning i effektivitet ved innføring av kystklima 60 % 50 % 40 % 30 % 20 % 10 % 0 % 0,00 0,02 0,04 0,06 0,08 0,10 0,12 0,14 0,16 0,18 Vindbelastning/Kystavstand 43
Virkning av skogparameter Økning i effektivitet ved innføring av andel skog 25 % 20 % 15 % 10 % 5 % 0 % 0 % 10 % 20 % 30 % 40 % 50 % 60 % Andel skog 44
Virkning av snøparameter Økning i effektivitet ved innføring av snøfall 35 % 30 % 25 % 20 % 15 % 10 % 5 % 0 % 0 200 400 600 800 1000 1200 1400 Snøfall [mm] 45
Virkning av geografiparametere Økning i effektivitet ved innføring av geografiparametere 50,0 % 45,0 % 40,0 % 85 mill kr 35,0 % 30,0 % 25,0 % 20,0 % 15,0 % 10,0 % 5,0 % 0,0 % 50,0 % 60,0 % 70,0 % 80,0 % 90,0 % 100,0 % 110,0 % 120,0 % Effektivitet uten geografiparametere 46
Nye parametere Grenseskilleparameter Tvilsom Geografiparametere Kontrollerbarhet Overkompensasjon? 47
Kystklimaparameter Eksempel (Bodø) V K HSL 29,1 m/s 842 m 223 km KP 7,710 48
Kystklimaparameter Referanseselskap Lengde høyspent luftlinjer [km] Vektet lengde høyspent luftlinjer [km] Kystklimaparameter = 0,403 Referanseandel Vindbelastning [m/s] Vindbelastning * Lengde høyspent luftlinje Fredrikstad Energi Nett AS 209 0,1547 32,3 25,5 825 Hafslund Nett AS 2 026 0,0355 71,8 22,1 1 588 Krødsherad Everk KF 92 0,3065 28,2 22,4 632 Nord-Salten Kraftlag AL 689 0,0322 22,2 27,7 614 Trollfjord Kraft AS 235 0,3125 73,4 28,6 2 100 Referanseselskapet totalt 228,0 25,3 5 758 Referanseselskap Lengde høyspent luftlinjer [km] Vektet lengde høyspent luftlinjer [km] Referanseandel Kystavstand [meter] Kystavstand * Lengde høyspent luftlinje Fredrikstad Energi Nett AS 209 0,1547 32,3 3 653 118 141 Hafslund Nett AS 2 026 0,0355 71,8 21 384 1 536 054 Krødsherad Everk KF 92 0,3065 28,2 54 926 1 549 050 Nord-Salten Kraftlag AL 689 0,0322 22,2 1 458 32 318 Trollfjord Kraft AS 235 0,3125 73,4 301 22 099 Referanseselskapet totalt 228,0 14 290 3 257 662 49
Kystklimaparameter Sammenligning med referanseselskap med mindre/ snillere oppgave enn seg selv Like feil som ved sammenligning med referanseselskap med færre kunder, nettstasjoner 50
Kystklimaparameter 24 selskap har klaget på vedtak om inntektsramme for 2007 (mars 2008) NVE har ikke innrømmet at effektivitetsberegningene er feil Klagesakene fortsatt ikke ferdigbehandlet i NVE 51
DEA-modell - Følsomhet Endring i selskapets oppgave Kan medføre endring i referanseselskap Selskapenes effektivitet følsom for endringer i ulike produktaspekter Idealselskapets oppgave >= Oppgave for selskapet 52
DEA-modell følsomhet Referanseselskap Selskapet Ørskog Interkomm. Kraftlag Energi1 Follo/Røyk en as Hafslund Nett AS Totalt 0,130 0,081 0,004 Energi totalt [MWh] 123 718 85 739 813 392 15 010 999 143 506 Antall kunder fritid 240 738 2 579 9 652 348 Antall kunder utenom fritid 5 136 3 348 30 206 508 833 5 136 Nettlengde høyspent [km] 108 174 745 8 177 119 Antall fordelingstrafoer 216 254 1 363 14 773 209 Antall nettstasjoner 200 246 1 347 13 262 200 Grensesnittsvariabel 0,0 393,2 0,0 3 964,0 68,6 Vind/kystavstand*HSL 0,8 5,7 2,6 6,7 1,0 Skog*HSL 27 171 207 984 43 Snø*HSL 38 473 166 488 144 861 1 142 938 38 473 53
DEA-modell - Følsomhet Ingen endring i idealselskap før selskapets oppgave blir større enn idealselskapets oppgave Ingen økning i effektivitet før selskapets oppgave blir større enn idealselskapets oppgave Effektivitet mest følsom for endring i produktaspekt som er lik idealselskapets produktaspekt Effektivitet minst følsom for endring i produktaspekt med mye slakk i forhold til idealselskapet 54