Dynamic pricing of district heating

In line with today’s big focus on environmental and climate issues, energy efficiency has gained great traction in society. To survive this change and send correct signals to customers regarding what energy efficiency measures are preferred from a holistic view, a widespread trend among district heating companies to change their pricing models has started. The change is towards seasonal differentiation of energy prices and a higher portion of fixed fees. This report is, on behalf of Capital Cooling Energy Service AB (Capital Cooling), studying if that change is enough, or if temperature-based dynamic prices would be a safer and more correct way to price district heating. A general computational model is created in Excel to study the change for both a district heating company and its customers. This model is then used on a specific, anonymous district heating company to determine if the customer’s heat demand can be described with a temperature-based load profile, which is necessary if these pricing models are to work. After this a temperature distribution for each day during a normal year is calculated and the load profiles applied to calculate each customer’s daily demand for that year. This information is coupled with economic data for the district heating company to create the new, dynamic pricing models. These new pricing models can be compiled in four groups: existing, marginal cost-based, average cost-based and optimised price models. The different price models are tested together with the one the district heating company is using today in a tool provided by Capital Cooling, which computes the cost change for each customer and summarise this as the district heating company’s total income for this normal year. To test the stability of the price models, the same is done for an unusually cold and an unusually hot year. At last, incentives for energy efficiency measures are tested as cost savings for an exemplified customer. The results indicate that the current price models puts the studied company in economic risk during cold years. If a static energy price is used throughout the year the price signals sent to customers does not correlate well from a holistic viewpoint, but with a differentiated price model somewhat correct price signals are sent. By applying dynamic prices this can be improved even further, but all cases are very dependent on the company’s economic view of power reduction. The optimised price model indicates that a cross between marginal and average cost-based should be used to utilise their separate strengths and avoid their weaknesses. From both an environmental and a cost-based viewpoint, dynamic pricing models are suggested to be studied further for a future implementation in Swedish district heating grids. I linje med dagens ökade fokus på miljö och klimat har energieffektiviseringar fått en stor roll i samhället. Detta har satt press på fjärrvärmebolag att ändra sina prismodeller för att överleva förändringen och samtidigt kunna sända prissignaler till kunderna gällande vilka typer av energieffektiviseringsåtgärder som är lämpligast att implementera ur ett miljö- och kostnadsmässigt perspektiv. Vanligtvis innefattar denna förändring en övergång till säsongsdifferentierade energipriser och en högre andel fasta avgifter. Denna rapport undersöker å konsultbolaget Capital Cooling Energy Service AB:s (Capital Cooling) vägnar om det vore lämpligt att istället använda sig av temperaturbaserade dynamiska prismodeller för att bestämma energipriset. För att undersöka hur förändringen blir för fjärrvärmebolaget och dess kunder skapas en generell beräkningsmodell i Excel. Denna modell används sedan på ett anonymiserat fjärrvärmebolag för att först undersöka om kundernas efterfrågan kan beskrivas enligt temperaturberoende effektprofiler, som är ett krav för att dessa prismodeller ska kunna fungera. Sedan beräknas temperaturerna per dygn för ett normalår och effektprofilerna ansätts till denna för att ta fram normalårsefterfrågan per kund. Tillsammans med fjärrvärmebolagets marginella och fasta kostnader används detta för att skapa de nya prismodellerna. De nya prismodellerna kan sammanfattas i fyra grupper: nuvarande prismodeller, marginalkostnads-baserade, medelkostnadsbaserade samt optimerade. De olika prismodellerna testas sedan jämfört med fjärrvärmebolagets nuvarande prismodell i ett verktyg tillhandahållet av Capital Cooling som beräknar kostnadsförändringen för varje enskild kund och summerar detta till fjärrvärmebolagets totala intäkter under ett normalår. För att testa prismodellernas stabilitet görs detta även för uppmätta värden under ett kallt och ett varmt år. Incitamenten genom kostnadsbesparingar för olika slags energieffektiviseringsåtgärder undersöks sedan för en exempelkund. Resultaten tyder på att de nuvarande prismodellerna leder till ekonomisk risk för fjärrvärmebolaget under kalla år. Om inte säsongsdifferentierade prismodeller används sänds felaktiga prissignaler till kund, men om energipriset differentieras sänds något mer korrekta signaler. Vid implementering av dynamiska prismodeller kan detta förbättras ytterligare, men beror kraftigt på hur fjärrvärmebolaget vill värdesätta effektreduceringar. Den optimerade prismodellen tyder på att ett mellanting mellan marginalkostnadsbaserade och medelkostnadsbaserade prismodeller bör användas för att nyttja deras separata styrkor och undvika svagheterna. Av både miljö- och kostnadsrelaterade orsaker föreslås därför att implementering av dynamiska, temperaturberoende prismodeller undersöks vidare för att i framtiden kunna implementeras i svenska fjärrvärmenät