Sähköenergian hinnoittelu - Profiilihintojen ennustettavuuden tarkastelu kannattavan myynnin varmistamiseksi

Abstract

Opinnäytetyön tavoitteena oli tarkastella mahdollisuutta luoda ennustemalli profiilikustannusten ennakointia varten kannattavan marginaalitason löytämiseksi ja siten kannattavan sähköenergian myynnin varmistamiseksi. Tässä työssä laskettiin ja tarkasteltiin eri ajanjaksoille toimiala- ja asiakaskohtaisia toteutuneita profiilihintoja, jotka realisoituvat sähkönmyyjälle profiilikustannuksina aiheuttaen profiiliriskin. Opinnäytetyö rajattiin toteutuneiden toimiala- ja asiakaskohtaisten profiilihintojen laskentaan ja tarkasteluun vuosien 2010 - 2013 ajalta toteutuneiden sähkön kulutustietojen ja toteutuneiden Suomen hinta-alueen hintojen perusteella. Opinnäytetyö toteutettiin määrällisenä eli kvantitatiivisena tutkimuksena tilastollisin menetelmin. Aineiston analyysimenetelmänä käytettiin aikasarja-analyysiä. Saatujen tulosten ja niissä todetun hajonnan perusteella, ennusteen laatiminen profiilihintojen tasosta toimialakohtaisesti on lähes mahdotonta. Profiilihintojen vaihtelut ovat olleet suuria toimialakohtaisissa ryhmissä eri ajanjaksoille laskettuina ja varsinkin eri vuosien välillä. Tulokset tukevat ajatusta asiakaskohtaisesta tai käyttöpaikkakohtaisesta hinnoittelusta siten, että profiilihinta huomioidaan hinnoittelussa erillisenä osana, ei marginaaliin sisällytettynä.

The thesis studied the possibility of creating a forecasting model to estimate usage profile costs. Knowing these costs would help the supplier to calculate its sales margin and, hence, to ensure the profitability of electricity sales. During the thesis project various individual as well as industry based profile costs were analyzed. These profile risk costs are a direct expense to the supplier.

The calculation was based on real profile costs and Finnish price area spot prices during years 2010 - 2013. The thesis was carried out by using statistical methods and quantitative analysis. The data was analyzed with the help of time series analysis.

According to the results, and especially on the basis of the deviation in the results, it seems almost impossible to reliably predict industry based profile costs. The variation of industry based profile costs is large and depends highly on the calculation period. The year to year variation is especially large-scale. The results strongly support the idea of pricing profile costs on the basis of individual customers or even single metering points. Hence, instead of including a profile cost estimate to the seller’s margin, the end user pricing should include a transparent separated profile cost factor, which is based on the realized cost.