Prissättning av offentliga elbilsladdare – en marknadsmodellering En studie om dynamisk prissättning som verktyg för kostnadseffektiv och lönsam elbilsladdning Kandidatarbete inom Elektroteknik-EENX16 EMANUEL ALM, NILS ANDERSSON, ANTON GUNNARSSON JONATAN MARKUSSON, LINUS SJÖSTRAND, TIM SUNDQVIST INSTITUTIONEN FÖR ELEKTROTEKNIK CHALMERS TEKNISKA HÖGSKOLA Göteborg 2025 www.chalmers.se www.chalmers.se Kandidatarbete 2025 Prissättning av offentliga elbilsladdare – en marknadsmodellering En studie om dynamisk prissättning som verktyg för kostnadseffektiv och lönsam elbilsladdning EMANUEL ALM, NILS ANDERSSON, ANTON GUNNARSSON JONATAN MARKUSSON, LINUS SJÖSTRAND, TIM SUNDQVIST Institutionen för Elektroteknik Chalmers Tekniska Högskola Göteborg 2025 Prissättning av offentliga elbilsladdare – en marknadsmodellering En studie om dynamisk prissättning som verktyg för kostnadseffektiv och lönsam elbilsladdning © EMANUEL ALM, NILS ANDERSSON, ANTON GUNNARSSON JONATAN MARKUSSON, LINUS SJÖSTRAND, TIM SUNDQVIST, 2025. Handledare: ANDERS GRAUERS, Institutionen för Elektroteknik E2 Examinator: JONAS FREDRIKSSON, Institutionen för Elektroteknik E2 Kandidatarbete 2025 Institutionen för Elektroteknik Chalmers Tekniska Högskola SE-412 96 Göteborg Telefon +46 31 772 1000 Omslagsbild: Elbil laddas vid laddstation. Bildkälla: [1]. Skriven i LATEX, template by Kyriaki Antoniadou-Plytaria Göteborg 2025 iv Prissättning av offentliga elbilsladdare – en marknadsmodellering En studie om dynamisk prissättning som verktyg för kostnadseffektiv och lönsam elbilsladdning EMANUEL ALM, NILS ANDERSSON, ANTON GUNNARSSON JONATAN MARKUSSON, LINUS SJÖSTRAND, TIM SUNDQVIST Institutionen för Elektroteknik Chalmers Tekniska Högskola Abstract This thesis investigates how dynamic pricing influences profitability and utilization at public fast-charging stations for electric vehicles. As electric vehicle adoption increases, efficient management of charging demand and competitive pricing strategies may become essential for charge point operators. The study uses an agent-based model to simulate fast-charging stations along a highway, capturing interactions between demand fluctuations, competition and customer behavior. The model evaluates how static versus dynamic pricing strategies impact user distribution, queue times, station utilization, and operator profitability under varying market conditions. Key findings indicate that dynamic pricing can lower average customer costs, slightly reduce queues, and give early adopters a competitive edge when it comes to profitability under competitive market situations. In the case of a matured market where dynamic pricing has become the norm for operators, adopting a dynamic price model may become essential to remain competitive. For maximum effectiveness, pricing strategies should be adapted to customer segments and local competition, and complemented by capacity planning during peak periods. Keywords: electric vehicles, fast charging, agent-based modeling, dynamic pricing, utilization, profitability, charging infrastructure, competition, customer behavior v Förord Följande rapport är ett kandidatarbete på Chalmers tekniska högskola i Göteborg. Arbetet är skrivet av Emanuel Alm, Nils Andersson, Anton Gunnarsson, Jonatan Markusson, Linus Sjöstrand och Tim Sundqvist under våren 2025. Vi vill rikta ett stort tack till vår handledare Anders Grauers för idéer och hjälpande diskussioner under arbetet, samt stöd under rapportskrivandet. vii Nomenklatur Begrepp Förklaring AC (Alternating current) Växelström. Ström där riktingen växlar periodiskt. DC (Direct current) Likström. Ström med konstant riktning. kW (Kilowatt) Effekt. (=1000 watt) kWh (Kilowattimme) Energimängd motsvarande 1000 watt under en timme. Snabbladdare En laddare med effekt överstigande 50 kW. Kötid Tid en elbil får vänta innan laddning kan påbörjas. Laddstation En plats med utrustning för att ladda elfordon. Laddpunkt En enskild eluttagspunkt vid en laddstation där ett fordon kan laddas. En laddstation kan bestå av flera laddpunkter. Kökänslig Individ som sätter stor vikt vid att slippa köer. Laddningskapacitet Den maximala effekt (kW) som en laddstation kan leverera. Laddsession Ett enskilt tillfälle då ett fordon laddas vid en laddstation. Spotpris Det rörliga elpriset som sätts timme för timme på elbörsen, baserat på utbud och efterfrågan. Effekttariff En elnätsavgift som baseras på det högsta effektuttaget (kW) under en viss tidsperiod. SOC (State of Charge) Batteriets laddningstillstånd, uttryckt i procent av total kapacitet. Optimering Process för att maximera eller minimera en viss funktion, t.ex. vinst eller kostnad. Halvdynamisk En prismodell där priset varierar efter förutbestämda tidsperioder. En-route-laddning Laddning under resa i syfte att endast återställa räckvidd och nå sin destination. viii Innehåll Nomenklatur vii Figurer xiii Tabeller xv 1 Inledning 1 1.1 Bakgrund . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Syfte och frågeställningar . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 Avgränsningar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2 Teori 4 2.1 Snabbladdning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2.1.1 Elnät till laddstation . . . . . . . . . . . . . . . . . . . . . . . 4 2.1.2 Laddare till bil . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.1.3 Batteri och laddningskurvor . . . . . . . . . . . . . . . . . . . 6 2.1.4 Laddarnas utnyttjandegrad . . . . . . . . . . . . . . . . . . . 7 2.2 Ekonomiska ramverk . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.2.1 Utbud och efterfrågan . . . . . . . . . . . . . . . . . . . . . . 8 2.2.2 Priselasticitet . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.3 Konsumentbeteende och beteendeekonomi . . . . . . . . . . . . . . . 10 2.3.1 Faktorer som påverkar valet av laddstation . . . . . . . . . . . 11 2.3.2 Beteendeekonomiska faktorer vid prisjustering . . . . . . . . . 11 2.3.3 Nudging som ett verktyg för efterfrågestyrning . . . . . . . . . 12 2.4 Prissättningsmodeller för publik elbilsladdning . . . . . . . . . . . . . 13 2.4.1 Tidsbaserad prissättning . . . . . . . . . . . . . . . . . . . . . 13 2.4.2 Energibaserad prissättning . . . . . . . . . . . . . . . . . . . . 13 2.4.3 Hybridmodeller . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2.5 Dynamisk och fast prissättning . . . . . . . . . . . . . . . . . . . . . 14 2.5.1 Implementering av dynamisk prissättning . . . . . . . . . . . . 14 2.5.2 Dynamisk prissättning och lönsamhet . . . . . . . . . . . . . . 15 2.6 Lönsamhet inom laddinfrastruktur . . . . . . . . . . . . . . . . . . . 16 2.6.1 Affärsmodeller för laddoperatörer . . . . . . . . . . . . . . . . 16 2.6.2 Utnyttjandegrad och lönsamhet . . . . . . . . . . . . . . . . . 18 2.7 Agentbaserad modellering . . . . . . . . . . . . . . . . . . . . . . . . 20 3 Metod 22 ix Innehåll 3.1 Statistik på användning av laddstationer . . . . . . . . . . . . . . . . 22 3.1.1 Urvalet av data . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3.1.2 Överblick av nationella laddningsmönster . . . . . . . . . . . . 22 3.1.3 Laddningsmönster vid station längs Europaväg 6 . . . . . . . 24 3.1.4 Köbildning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 3.1.5 Utnyttjandegrad . . . . . . . . . . . . . . . . . . . . . . . . . 26 3.2 Modell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 3.2.1 Kunder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 3.2.1.1 Kundgrupper . . . . . . . . . . . . . . . . . . . . . . 29 3.2.1.2 Trafikflöde . . . . . . . . . . . . . . . . . . . . . . . 29 3.2.1.3 Beslutsfattande . . . . . . . . . . . . . . . . . . . . . 29 3.2.1.4 Laddning . . . . . . . . . . . . . . . . . . . . . . . . 31 3.2.2 Laddstationer . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3.2.2.1 Underliggande elpris . . . . . . . . . . . . . . . . . . 33 3.2.2.2 Prissättning . . . . . . . . . . . . . . . . . . . . . . . 33 3.2.2.3 Resultaträkning . . . . . . . . . . . . . . . . . . . . . 34 3.2.3 Simuleringsprogram baserat på modell . . . . . . . . . . . . . 35 4 Resultat och diskussion 37 4.1 Prismodellerna utan konkurrens . . . . . . . . . . . . . . . . . . . . . 37 4.1.1 Resultat av simulering utan konkurrens . . . . . . . . . . . . . 38 4.1.2 Diskussion av simulering utan konkurrens . . . . . . . . . . . 38 4.1.2.1 Begränsningar och tolkning . . . . . . . . . . . . . . 39 4.1.2.2 Sammanfattning . . . . . . . . . . . . . . . . . . . . 39 4.2 Prismodellerna med konkurrens . . . . . . . . . . . . . . . . . . . . . 39 4.2.1 Resultat av simulering med konkurrens . . . . . . . . . . . . . 40 4.2.2 Diskussion av simulering med konkurrens . . . . . . . . . . . . 42 4.2.2.1 Effekter av priskänslighet och konkurrens . . . . . . 42 4.2.2.2 Utnyttjandegrad och lönsamhet . . . . . . . . . . . . 43 4.2.2.3 Begränsningar och marknadens mottagande . . . . . 44 4.2.2.4 Sammanfattning . . . . . . . . . . . . . . . . . . . . 44 4.3 Simulerad variation i efterfrågan . . . . . . . . . . . . . . . . . . . . . 45 4.3.1 Resultat av variation i efterfrågan . . . . . . . . . . . . . . . . 45 4.3.2 Diskussion av variation i efterfrågan . . . . . . . . . . . . . . . 49 4.3.2.1 Begränsningar och tolkning . . . . . . . . . . . . . . 49 4.3.2.2 Sammanfattning . . . . . . . . . . . . . . . . . . . . 50 4.4 Isolerade kundbeteenden . . . . . . . . . . . . . . . . . . . . . . . . . 50 4.4.1 Resultat av simulering med isolerade kundbeteenden . . . . . 50 4.4.2 Diskussion om isolerade kundbeteenden . . . . . . . . . . . . . 52 4.4.2.1 Strategier vid heterogen kundbas . . . . . . . . . . . 52 4.4.2.2 Sammanfattning . . . . . . . . . . . . . . . . . . . . 53 4.5 Möjlighet att förflytta sin laddning i tid . . . . . . . . . . . . . . . . 53 4.5.1 Resultat av simulering när kunderna kan förflytta sin laddning i tid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 4.5.2 Diskussion av simulering när kunderna kan förflytta sin laddning i tid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 x Innehåll 4.6 Varför har dagens marknad inte implementerat dynamisk prissättning i större utsträckning? . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 4.7 Framtida forskning . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 4.7.1 Optimering . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 4.7.2 Abonnemangsmodeller . . . . . . . . . . . . . . . . . . . . . . 57 4.7.3 Utbyggnad av laddinfrastruktur . . . . . . . . . . . . . . . . . 57 5 Slutsats 58 Bibliography 59 A Appendix I A.1 Uppskattning av elpris . . . . . . . . . . . . . . . . . . . . . . . . . . I A.2 Beräkning av uttnyttjandegradens effekt på kostnad per kWh . . . . . I A.3 Beräkning av utnyttjandegradens effekt på rörelsemarginalen . . . . . I xi Innehåll xii Figurer 2.1 DC-laddare vid en laddstation. Bild tagen av Anton Gunnarsson. . . 6 2.2 Laddningskurva som visar hur effekten varierar med batteriets laddningstillstånd (SOC). Högst laddeffekt uppnås vid låg SOC, varefter effekten gradvis sjunker i takt med att batteriet fylls [19]. . . . . . . . . . . . . . . . . 7 2.3 Kostnad och intäktsströmmar för en CPO[50][7] . . . . . . . . . . . . 17 2.4 Diagrammet illustrerar hur kostnaden per kWh för laddoperatörer sjunker med en högre utnyttjandegrad. Se appendix A.2 för ingående information om antaganden vid beräkning. . . . . . . . . . . . . . . . 19 2.5 Diagrammet visar hur rörelsemarginalen för en laddpunkt påverkas av dess utnyttjandegrad för olika priser vid laddning. Diagrammet indikerar att rörelsemarginalen växer som kraftigast vid lägre utnyttjandegrader och att ett lägre pris ut till kund kräver en högre utnyttjandegrad för att uppnå samma rörelsemarginal. För information kring antaganden vid beräkning se appendix A.3. . . . . . . . . . . . . . . . . . . . . . 20 3.1 Genomsnittligt antal laddningssessioner per veckodag på nationell nivå. 23 3.2 Procentuell jämförelse av genomsnittliga mått per veckodag på nationell nivå. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 3.3 Genomsnittligt antal laddningssessioner per veckodag för specifik station längs Europaväg 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 3.4 Genomsnittligt antal laddningssessioner per timme under dygnet för vardagar respektive helger vid den specifika laddstationen längs Europaväg 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 3.5 Sessionsdiagram för specifik station längs Europaväg 6 den 13:e oktober 2024 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 3.6 Utnyttjandegrad för specifik station längs Europaväg 6 . . . . . . . . 27 3.7 Tidsmässig utnyttjandegrad för specifik station längs Europaväg 6 . . 28 3.8 Antal bilar som väljer att ladda över ett dygn när en station med fast prissättning konkurrerar med en station med dynamisk prissättning. . 31 3.9 Laddningsmängd i kWh under ett dygn. . . . . . . . . . . . . . . . . 32 3.10 Genomsnittligt underliggande elpris per timme över veckan. . . . . . 33 4.1 Rörelseresultat för de olika prismodellerna när de får verka utan konkurrens under en veckas simulering. . . . . . . . . . . . . . . . . . 38 xiii Figurer 4.2 Rörelseresultat för de olika prismodellerna när de oberoende av varandra konkurrerar mot fast prissättning. Mätningen längst till vänster i diagrammet motsvarar grundscenariot, där två stationer med samma fasta prismodell konkurrerar. Rörelseresultatet motsvarar en veckas simulering. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 4.3 Utnyttjandegrad för de olika prismodellerna när de oberoende av varandra konkurrerar mot fast prissättning. Resultatet motsvarar en veckas simulering. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 4.4 Genomsnittligt rörelseresultat över tid för två konkurrerande stationer: en med dynamisk prissättning baserat på efterfrågan (grön kurva) och en med fast pris (röd kurva). De heldragna strecken i grafen visar hur genomsnittligt ackumulerat rörelseresultat utvecklas över en veckas period (måndag till söndag), baserat på resultat från 10 simuleringar. De streckade linjerna visar hur priset som respektive aktör sätter varierar under samma tidsperiod, där prisnivån i kr / kWh kan avläsas mot sekundäraxeln till höger i diagrammet. . . . . . 42 4.5 Totalt rörelseresultat för fast prissättning som konkurrerar med dynamisk (spotprisbaserad) prissättning vid olika efterfrågenivåer. Rörelseresultatet motsvarar en veckas simulering. . . . . . . . . . . . . . . . . . . . . . 46 4.6 Totalt rörelseresultat för fast prissättning som konkurrerar med dynamisk (efterfrågebaserad) prissättning vid olika efterfrågenivåer. Rörelseresultatet motsvarar en veckas simulering. . . . . . . . . . . . . . . . . . . . . . 47 4.7 Totalt rörelseresultat för fast prissättning som konkurrerar med halvdynamisk prissättning vid olika efterfrågenivåer. Rörelseresultatet motsvarar en veckas simulering. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 4.8 Totalt rörelseresultat för fast prissättning som konkurrerar med dynamisk prissättning (endast sänkning vid låg efterfrågan) vid olika efterfrågenivåer. Rörelseresultatet motsvarar en veckas simulering. . . . . . . . . . . . 49 4.9 Totalt rörelseresultat när fast prismodell konkurrerar med dynamiska prismodeller då alla kunder enbart är priskänsliga. Rörelseresultatet motsvarar en veckas simulering. . . . . . . . . . . . . . . . . . . . . . 51 4.10 Totalt rörelseresultat för fast prissättning som konkurrerar med dynamiska prismodeller när alla kunder enbart är kökänsliga. Rörelseresultatet motsvarar en veckas simulering. . . . . . . . . . . . . . . . . . . . . . 52 4.11 Genomsnittlig kötid för de kunder som laddat, stationernas utnyttjandegrad, samt medelvärdet av antal bilar i kö per minut för fast och dynamisk prissättning när kunder kan flytta sin laddning i tid om det medför ett bättre pris. Y-axeln använder en logaritmisk skala. Resultatet motsvarar en veckas simulering. . . . . . . . . . . . . . . . . . . . . . 54 4.12 Trafikflöde under ett dygn för två, icke konkurrerande stationer med dynamisk respektive fast prissättning. Kunder har haft möjligheten att tidigare-eller senarelägga sin laddning hos den dynamiskt prissatta stationen med en timme om det medför lägre pris. . . . . . . . . . . . 55 xiv Tabeller 2.1 Sammansatt elkostnad per kWh för laddstation. Spotpriset är ett genomsnittspris från de två föregående åren i elområde 3. För mer detaljerad information om beräkning av priser se appendix A.1. . . . 18 3.1 Parametrar för elbil . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.2 Parametrar för laddstation . . . . . . . . . . . . . . . . . . . . . . . . 32 3.3 Sannolikhet att ladda . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 3.4 Programbibliotek och versioner . . . . . . . . . . . . . . . . . . . . . 36 xv Tabeller xvi 1 Inledning Efterfrågan på elbilar har ökat kraftigt de senaste åren och antalet elbilar i trafik har tredubblats på bara två år i Sverige [2]. Detta bland annat på grund av att elbilens roll i omställningen mot en fossilfri fordonsflotta är central. Internationella energirådet (IEA) uppskattar att utsläppen från vägtransporter kan minska från 3,7 GtCO2 år 2022 till under 0,5 GtCO2 år 2050 om bland annat elbilar ersätter dagens förbränningsmotorer [3]. Trots att inköpspriset fortfarande är relativt högt har elbilen blivit ett allt vanligare transportmedel. För att stödja denna utveckling krävs ett utbyggt och effektivt nätverk av snabbladdningsstationer, inte bara vad gäller teknisk kapacitet utan även ur ett prismässigt perspektiv. Tillgång till snabba och prisvärda laddningsmöjligheter är avgörande för att minska användarnas oro kring framtida kötider och ökade kostnader, vilket är centralt för att elbilen ska upplevas som ett praktiskt alternativ vid längre resor [4]. En viktig aspekt för framtidens laddningsinfrastruktur är hur laddning kan prissättas på ett sätt som både gynnar konsumenten och gör investeringar i snabbladdningsstationer lönsamma. Detta är särskilt viktigt i takt med att antalet elbilar på vägarna ökar. Effektiva prismodeller och incitament kan bidra till att optimera användningen av befintlig infrastruktur, minska effekttoppar och på sikt även förbättra lönsamheten för laddoperatörer. Det finns därför ett stort värde i att analysera hur prissättningen på snabbladdning kan utformas för att påskynda övergången till en mer hållbar framtid. 1.1 Bakgrund Den snabba ökningen av elbilar har medfört ett växande behov av effektiv publikt tillgänglig snabbladdningsinfrastruktur. Prissättningen vid laddstationer har identifierats som en nyckelfaktor som styr när och hur elbilsförare väljer att ladda sina fordon [5]. Traditionellt tillämpar många operatörer fast prissättning (t.ex. ett fast pris per kWh eller minut), en enkel modell som dock inte tar hänsyn till den kraftigt varierande efterfrågan och spotpriset på el över tid. Dynamisk prissättning, där priset kan variera beroende på faktorer som spotpris, tidpunkt på dygnet, efterfrågan och belastning, har därför lyfts fram som ett medel för att bättre balansera laddbehovet mot tillgänglig kapacitet [6]. Forskning [6] antyder att en sådan flexibel prismodell kan hjälpa till att jämna ut belastningstoppar, minska köbildning vid hårt utnyttjade stationer och uppmuntra fler att ladda under perioder med lägre efterfrågan. På så vis kan väntetiderna kortas och den 1 1. Inledning befintliga infrastrukturen utnyttjas mer effektivt, vilket i sin tur kan bidra till ökad kundnöjdhet när trängsel undviks [6]. Dessutom har studier visat att elbilsförare kan vara priskänsliga och benägna att anpassa sitt beteende efter priset. Exempelvis väljer många en mer avlägsen laddstation om kostnaden där är lägre [5]. För laddoperatörerna är prissättningen samtidigt avgörande ur ett affärsperspektiv. Lönsamheten för publika snabbladdningsstationer beror i hög grad på nyttjandegraden, vilken i sin tur påverkas av hur priser sätts [7]. Trots dessa potentiella fördelar är dynamisk prissättning ännu relativt oprövad i praktiken inom laddinfrastrukturen, och dess effekter på såväl kundvärde, som operatörens intäkter behöver undersökas närmare. Detta gäller särskilt för högeffektsladdare som numera blir standard vid nyetablering av snabbladdningsstationer, där stora investeringar och hög efterfrågan ställer krav på optimerat användande [8]. Ett lovande angreppssätt för att analysera dessa komplexa samband är genom agentbaserad simulering, där individuella fordon och laddstationer modelleras som agenter för att efterlikna verkliga beteenden och interaktioner [9]. Med denna bakgrund använder denna studie en agentbaserad modell för att undersöka hur dynamisk kontra fast prissättning påverkar köbildning, resursutnyttjande och kundbeteende vid 150 kW snabbladdare. Arbetet syftar till att belysa hur prissättningen kan optimeras för att samtidigt maximera kundvärde och lönsamhet för laddningsoperatörer genom att knyta an till tidigare forskning om laddbeteenden och prissättningsstrategier. 1.2 Syfte och frågeställningar Syftet med detta projekt är att undersöka hur prissättningen för snabbladdning av elbilar påverkar laddningsleverantörers lönsamhet. Studien fokuserar på varierande prissättning och kundbeteende, samt dess påverkan på köbildning och resursutnyttjande vid publika snabbladdningsstationer. Specifikt kommer dessa två frågeställningar att behandlas: • Kan dynamisk prissättning vara mer lönsam för operatörer än fast prissättning? • Kan dynamisk prissättning användas för att minska belastningstoppar och köbildning genom att styra efterfrågan? Genom att besvara dessa frågor är förhoppningen att bidra med en djupare förståelse för hur smart prissättning kan användas för att förbättra kostnadseffektivitet. Resultaten kan ge en indikation på om snabbladdningsstationer kan utvecklas lönsamt genom marknadsdrivna initiativ. 1.3 Avgränsningar För att avgränsa projektets omfattning och möjliggöra ett tydligare fokus har studien inriktats på specifika aspekter av snabbladdning av elbilar. Den laddinfrastruktur som analyseras är enbart snabbladdare som använder sig av likström (DC) med en effekt på minst 50 kW. Laddinfrastruktur med lägre effekt, 2 1. Inledning växelström (AC) eller destination och laddning vid hemmet tas inte i beaktning. En tydlig distinktion görs mellan olika typer av laddningsscenarier. Projektets huvudfokus ligger på så kallad en-route-laddning, vilket innebär att föraren gör ett medvetet stopp vid en laddstolpe med hög effekt i syfte att på kort tid ladda bilen vid längre resor. Laddning i samband med parkering, exempelvis vid butik, bostad eller arbetsplats omfattas inte av projektet. Detta val motiveras av att de faktorer som påverkar valet av laddpunkt skiljer sig åt mellan dessa scenarier, där en-route-laddning medför utmaningar kring tillgång och väntetid vilket i sin tur skapar möjligheter för företag att anpassa sina prissättningsstrategier därefter. Projektets omfattning har även begränsats till att endast behandla privatpersoner som använder eldrivna personbilar. Kommersiella fordon och företagskunder exkluderas, då dessa vanligtvis omfattas av andra användningsbeteenden, behov och prismodeller, såsom separata företagsavtal och schemalagda laddningsrutiner. Vidare inkluderas inte abonnemangsmodeller eller medlemskapstjänster i analysen, utan studien fokuserar uteslutande på prissättning som möter kunden vid tillfällig, spontan en-route-laddning. Detta val görs för att minska komplexiteten och tydligare kunna analysera hur dynamisk prissättning påverkar val av laddplats i realtidssituationer. Vidare begränsas den geografiska analysen till förhållanden längs Europaväg 6 (väg E6) i västra Sverige. Denna avgränsning har gjorts för att minska komplexiteten och möjliggöra en djupare analys inom ett avgränsat område där dagens prissättningsstrategier samt trafikflöde tas i beaktande. En rad ytterligare antaganden har gjorts vid konstruering av modellen i syfte att eftersträva en trovärdig simuleringskontext, se avsnitt 3.2 där den agentbaserade modellen beskrivs mer ingående. 3 2 Teori För att kunna analysera och utveckla effektiva prismodeller för snabbladdning av elbilar krävs en god förståelse för de tekniska, ekonomiska och beteendemässiga faktorer som påverkar laddinfrastrukturens funktion och användning. I detta avsnitt presenteras därför den teoretiska bakgrunden för projektet. Avsnittet behandlar dels de tekniska aspekterna av snabbladdning, såsom elnätets uppbyggnad, laddstationernas anslutning till elnätet samt hur laddning sker mellan station och fordon. Vidare redogörs för ekonomiska teorier som är centrala för förståelsen av hur priser sätts och hur konkurrensen på marknaden fungerar. Slutligen behandlas agentbaserad modellering, som används för att simulera och analysera elbilsförares beslutsfattande vid val av laddstation. 2.1 Snabbladdning Det finns flera faktorer som påverkar hur effektivt och tillgängligt snabbladdning kan ske. En fungerande laddinfrastruktur kräver en stabil elförsörjning, effektiva omvandlingssystem och batteriteknologi som möjliggör snabba laddningar. I Sverige byggs snabbladdningsnätet kontinuerligt ut, men frågor kring kapacitet och utnyttjandegrad är fortfarande avgörande för att möta den ökande efterfrågan. Följande avsnitt behandlar elens väg från nätet till laddstationer, skillnader mellan AC- och DC-laddning, batteriets laddningskurvor samt hur laddinfrastrukturens effektivitet påverkas av utnyttjandegraden. 2.1.1 Elnät till laddstation För att möjliggöra en pålitlig och effektiv elförsörjning till snabbladdningsstationer krävs en välfungerande infrastruktur för el. Sveriges elnät är enligt Svenska Kraftnät [10] uppbyggt i tre huvudsakliga nivåer: transmissionsnätet, regionnätet och lokalnätet, vilka tillsammans transporterar elektricitet från elproducenter till slutkonsumenter. Transmissionsnätet fungerar som elens motorvägar och ansvarar för att transportera stora mängder el från elproduktionsanläggningar till de regionala distributionsnäten [10]. Nätet löper genom hela landet och förbinder Sverige med grannländernas elnät. På grund av de långa avstånden används mycket höga spänningar, 400 kV och 220 kV, för att minimera energiförluster vid överföring [10]. 4 2. Teori Efter att elektriciteten transporterats genom transmissionsnätet leds den vidare genom distributionsnätet, som delas in i regionnät och lokalnät [11]. Regionnätet beskrivs som elens landsvägar och transporterar elen från transmissionsnätet till lokalnäten och även direkt till vissa större elanvändare. Vanligtvis använder regionnätet en spänning på 130 kV och ägs av större elnätsföretag [10]. Slutligen fungerar lokalnätet som elens gator och förser slutkonsumenter såsom hushåll, företag och mindre laddstationer med el. Spänningen i lokalnäten är vanligtvis 10–40 kV och omvandlas via transformatorstationer ner till 400 V eller 230 V för att kunna användas av vanliga laddare och elanläggningar [11]. 2.1.2 Laddare till bil Elnätet levererar växelström (AC) till laddstationerna, men eftersom elbilens batteri endast kan laddas med likström (DC) krävs en omvandling från AC till DC. Denna omvandling kan ske antingen i fordonets inbyggda ombordladdare eller i själva laddstationen – något som påverkar både laddningseffektivitet och hastighet [12]. Vid AC-laddning sker omvandlingen från AC till DC via en likriktare som finns inbyggd i bilens ombordladdare. Denna likriktare har en begränsad kapacitet, vilket innebär att laddningseffekten styrs av bilens interna laddare [12]. Detta gör att AC-laddning, som oftast används vid hemmaladdning, men även vid vissa publika laddare, generellt har lägre effekt och längre laddningstider. Typiska effektnivåer för AC-laddning ligger mellan 3,7 kW och 22 kW beroende på laddstationens kapacitet och fordonets likriktare [13]. Eftersom omvandlingen sker inuti bilen kan det ta flera timmar att ladda en elbil fullt vid en AC-laddare, vilket gör den lämplig för laddning över natten eller vid längre parkeringstillfällen [12]. Vid DC-laddning, även kallad snabbladdning, sker omvandlingen från AC till DC direkt i laddstationen. Detta innebär att den likström som levereras till bilen redan är i rätt form för att laddas direkt in i batteriet, vilket eliminerar behovet av bilens interna likriktare [14]. Eftersom DC-laddare kan leverera betydligt högre effekter, från cirka 50 kW upp till över 350 kW, möjliggör det snabbladdning av elbilar på betydligt kortare tid. En snabbladdare kan till exempel ladda ett batteri från 10 % till 80 % på under 30 minuter, vilket gör denna typ av laddning idealisk för längre resor där man vill ladda mycket energi och korta stopp är önskvärda. 5 2. Teori Figur 2.1: DC-laddare vid en laddstation. Bild tagen av Anton Gunnarsson. En viktig skillnad mellan AC- och DC-laddning är alltså var omvandlingen av elen sker. Vid AC-laddning är det bilens ombordladdare som avgör laddningseffekten, medan vid DC-laddning är det laddstationen som avgör den maximala effekten som kan levereras [12]. Detta innebär att fordonets design och batteriteknologi spelar en stor roll i hur snabbt det kan laddas, särskilt vid snabbladdning. Alla elbilar har begränsningar i hur mycket DC-effekt de kan ta emot, vilket påverkar den maximala laddhastigheten även vid en kraftfull snabbladdare [14]. Trots att DC-laddning möjliggör snabbare laddningstider finns det vissa begränsningar. Laddning med hög effekt kräver mer avancerad teknisk utrustning, såsom kraftigare elanslutningar, transformatorer och kylsystem. Detta gör att snabbladdningsstationer ofta blir dyrare att installera och underhålla jämfört med enklare AC-laddare [12]. Dessutom kan frekvent snabbladdning påverka batteriets livslängd på grund av den ökade värmeutvecklingen och den högre belastningen på battericellerna [14]. 2.1.3 Batteri och laddningskurvor Litiumjonbatterier är det dominerande valet för elbilar tack vare deras höga energitäthet och förmåga att hantera många laddningscykler [15]. Dessa batteriers prestanda och livslängd påverkas av flera faktorer, där laddningstillstånd (State of Charge, SOC) och temperaturreglering vid snabbladdning är centrala aspekter. För att maximera batteriets livslängd rekommenderas det att undvika extrema laddningstillstånd. SOC mäter laddningsnivån i förhållande till batteriets totala kapacitet, och många tillverkare rekommenderar att hålla laddningsnivån mellan 6 2. Teori 20 % och 80 % [16]. Fullständiga urladdningar och kontinuerlig full laddning kan leda till snabbare kemisk nedbrytning av battericellerna och därmed förkorta livslängden. Vid snabbladdning tillförs hög effekt till batteriet under en kort tid, vilket kan resultera i ökad värmeutveckling. För att hantera detta är moderna elbilar utrustade med avancerade temperaturregleringssystem som säkerställer att batteriet hålls inom optimala temperaturintervall [17]. Dessa system är avgörande för att undvika överhettning och bibehålla batteriets prestanda över tid. En annan viktig aspekt av batteriers prestanda är laddningskurvan, som beskriver hur batteriets laddningshastighet förändras beroende på SOC [18]. Vid låga laddningsnivåer kan effekten vara hög, men när batteriet närmar sig full kapacitet minskar laddningseffekten för att skydda battericellerna. Detta innebär att den sista delen av laddningen ofta går långsammare än den initiala fasen. Ett exempel på hur en laddningskurva kan se ut ses i figur 2.2. Figur 2.2: Laddningskurva som visar hur effekten varierar med batteriets laddningstillstånd (SOC). Högst laddeffekt uppnås vid låg SOC, varefter effekten gradvis sjunker i takt med att batteriet fylls [19]. Batteriteknologins utveckling är avgörande för att förbättra räckvidd och laddningstider i framtidens elbilar. Genom att optimera laddningsstrategier och temperaturhantering kan batteriets livslängd förlängas, vilket gynnar både användare och laddningsinfrastrukturens långsiktiga hållbarhet. 2.1.4 Laddarnas utnyttjandegrad Utnyttjandegraden är ett centralt mått för att bedöma effektiviteten i användningen av en laddinfrastrukturs kapacitet. I detta sammanhang definieras utnyttjandegraden som kvoten mellan den faktiskt levererade energin under ett år 7 2. Teori och den teoretiskt maximala energimängden som kan levereras om laddaren nyttjas med full effekt under årets samtliga timmar [20]. Utnyttjandegrad = Laddad energi under ett år Teoretisk maximal energi för ett år = Medeleffekt · 8760 h/år Teoretisk maximal effekt · 8760 h/år = Medeleffekt Teoretisk maximal effekt (2.1) Medeleffekten avser den genomsnittliga effekt som laddaren har levererat över året, medan maxeffekten representerar laddarens nominella toppeffekt, det vill säga den högsta effekt den är konstruerad för att leverera. Faktorn 8760 är det totala antalet timmar på ett kalenderår (365 × 24). Genom simpel förenkling fås en formel där utnyttjandegraden uttrycks som kvoten mellan medeleffekt och den teoretiska maxeffekten. Resultatet blir ett dimensionslöst tal mellan 0 och 1, som ofta uttrycks i procent, där ett högt värde indikerar att laddaren har använts nära sin maximala kapacitet under en stor del av året. Ett lägre värde signalerar däremot ett underutnyttjande, vilket kan bero på exempelvis låg efterfrågan, överdimensionering av utrustningen eller begränsningar i drift och tillgänglighet. För att få en ytterligare dimension av utnyttjandet kan en tidsbaserad utnyttjandegrad beräknas. Denna metod ger en tydligare och mer lättförståelig bild av hur stationen används över tid. Tidsmässig utnyttjandegrad per dygn definieras som: Tidsmässig utnyttjandegrad under ett dygn = Total fakturerad tid (min) Antal laddplatser · 24 h · 60 min (2.2) där den totala fakturerade tiden representerar summan för samtliga laddningstider för alla laddningssessioner under en specifik tidsperiod, i detta fall ett dygn. 2.2 Ekonomiska ramverk För att förstå dynamiken bakom marknaden för publik snabbladdning krävs en grundläggande förståelse för en del relevanta ekonomiska principer. I detta avsnitt presenteras begrepp som utbud, efterfrågan samt priselasticitet. Dessa är viktiga verktyg för att analysera aktörer och efterfrågans beteende till följd av prisförändringar. 2.2.1 Utbud och efterfrågan Utbud och efterfrågan är två centrala ekonomiska begrepp som syftar till att förstå samspelet mellan konsumenter och producenter samt hur deras interaktion 8 2. Teori påverkar kvantiteten och prisnivån på de varor som handlas på en marknad [21]. Utbudet på marknaden utgörs av mängden varor eller tjänster som producenter är villiga att sälja för olika prisnivåer. Efterfrågan utgörs på motsvarande vis av konsumenterna på en marknad och mängden varor eller tjänster som de är villiga att köpa givet olika prisnivåer. För de flesta varor gäller i regel att ett lägre pris kommer medföra en ökad efterfrågan och vice versa. I en fri marknad med konkurrens kommer marknadskrafterna att på sikt röra sig mot en jämvikt, där den kvantitet som producenterna är villiga att erbjuda till ett visst pris motsvarar den kvantitet som konsumenterna efterfrågar [21]. Marknadsjämvikt kännetecknas av en balans mellan utbud och efterfrågan där effektiv resursanvändning och konkurrenskraftiga priser gynnar såväl konsumenter som producenter [22]. Inom systemet blir både producenter och konsumenter pristagare samtidigt som balansen medför att inga systematiska överskott eller brister uppkommer [22]. Vid en eventuell obalans i marknaden så kommer marknadskrafter, ofta refererat till som den osynliga handen, att verka för att återställa balansen på marknaden. Detta sker utan central styrning, istället kommer prismedvetna kunder och vinstdrivande företag att självmant återgå mot jämvikten eftersom det ur ett samhällsekonomiskt perspektiv är det mest effektiva marknadsutfallet [23]. Marknadsjämvikt tenderar att primärt förekomma inom mogna marknader, det vill säga marknader som existerat under lång tid och präglas av en stabil efterfrågan, utbredd spridning samt låg teknisk innovationstakt [24]. Marknaden för publik laddning av elfordon är i dagsläget tämligen omogen och snabbt föränderlig där en stor del av etableringen av publik laddinfrastruktur grundas på en prognostiserad framtida efterfrågan [25]. Det höga tempot i den pågående elektrifieringen av fordonsflottan medför därmed att marknadskrafterna riskerar att hamna i obalans. Detta eftersom producenternas behov att ta höjd för fortsatt expansion kan skapa en situation där utbudet antingen ligger före eller släpar efter marknadens behov. Denna obalans kan leda till att marknadsjämvikten rubbas, vilket antingen skapar ett överskott av laddare, med lägre priser och ökade lönsamhetsproblem för producenterna till följd, eller en bristsituation där utbudet inte hinner anpassas till den hastiga utvecklingen och priset drivs upp då efterfrågan överstiger den tillgängliga laddinfrastrukturen. 2.2.2 Priselasticitet Ytterligare ett centralt ekonomiskt koncept är efterfrågans priselasticitet, som beskriver hur efterfrågan på en vara eller tjänst förändras som resultat av en prisändring [26]. Mer formellt illustrerar efterfrågans priselasticitet hur många procent den efterfrågade kvantiteten ökar eller minskar då priset förändras. Generellt sett har varor en negativ priselasticitet, vilket innebär att om priset höjs så kommer efterfrågan att sjunka. Det finns ett flertal faktorer som påverkar varors priselasticitet, bland annat tillgången på substitut, varans nödvändighet och 9 2. Teori varans homogenitet 1 [27]. Exempelvis har bensin en relativt inelastisk priselasticitet, -0,3 på kort sikt, vilket innebär att en 10 procentig ökning av priset endast medför en 3 procentig minskning av efterfrågan. Detta eftersom det finns begränsad tillgång till att tanka med andra drivmedel om det sitter en bensinmotor i bilen, det tar tid för konsumenterna att anpassa sitt beteende och varans nödvändighet är stor för många då behovet av transport är oföränderligt på kort sikt [26]. Däremot är priselasticiteten för tjänsten att sälja bensin rimligtvis mycket högre. Eftersom drivmedel är en homogen produkt och tankstationerna erbjuder samma vara av samma kvalitet så medför en hög konkurrens att tillgången på substitut, det vill säga andra tankstationer, är stor. Konsekvensen blir att en prishöjning hos en tankstation får en kraftigare minskning av efterfrågan, jämfört med vad en prissänkning av motsvarande paritet hade ökat efterfrågan. På liknande sätt är elen som laddas vid en publik laddstolpe en homogen vara och tämligen inelastisk av samma anledningar som för bensin, användare kommer behöva ladda sina bilar oavsett pris. Således förblir efterfrågan dock mer elastisk vid val mellan olika publika snabbladdare. En låg differentieringsgrad mellan varor leder därmed till en hög priselasticitet vilket ofta mynnar ut i att pris blir det främsta konkurrensmedlet mellan företag, som i fallet med bensinmackar idag. I sådana marknader blir företagen i praktiken pristagare och har ingen möjlighet att själva sätta priset högre än konkurrenterna utan att förlora betydande efterfrågan [28]. 2.3 Konsumentbeteende och beteendeekonomi Konsumentbeteende och beteendeekonomi är viktiga områden inom ekonomi som syftar till att förstå och förklara hur underliggande kognitiva, sociala och känslomässiga faktorer påverkar konsumentens ekonomiska beslutsfattande. Inom traditionell ekonomisk teori har utgångspunkten varit att människor agerar rationellt, utifrån perfekt information och enbart tar beslut i syfte att maximera sin egennytta. Beteendeekonomin motsäger denna traditionella syn genom att betona det faktum att människors beslutsfattande i verkligheten präglas av begränsad rationalitet, inkomplett information och kognitiva bias2 [30]. Genom att analysera konsumentbeteende kan företag på ett bättre sätt förstå drivkrafterna som ligger bakom konsumenternas val av produkter och tjänster. Detta är särskilt relevant för laddoperatörer som agerar i en snabbt växande marknad, där kundernas beslut påverkas av både psykologiska och praktiska överväganden. 1En homogen vara är en vara som är likvärdig i alla avseenden oavsett producent. Konsumenter upplever ingen skillnad i funktion eller egenskaper mellan olika producenters version av varan, vilket gör priset till en viktig konkurrensfaktor. 2Kognitiva bias är systematiska och förutsägbara avvikelser från rationellt tänkande vid beslutsfattande [29]. 10 2. Teori 2.3.1 Faktorer som påverkar valet av laddstation Vid val av laddstationer finns ett flertal faktorer som påverkar konsumenternas beslutsfattande, varav pris, väntetid och bekvämlighet alla har betydande inverkan [31]. Ett flertal studier identifierar och kategoriserar kunderna på laddmarknaden i två distinkta grupper baserat på beslutsfattande: prismedvetna kunder och de med komfortdrivet beteende [31][32]. Prismedvetna kunder väljer laddstation främst utefter pris och är beredda att ta en omväg för att hitta en billigare laddstation. När priset höjs väljer den här kundgruppen i stället ofta att ladda hemma eller på jobbet, vilket gör att de använder publika laddstationer i mindre utsträckning. Kunder som istället drivs av komfort har ofta invanda laddningsvanor och är inte priskänsliga, laddstationens placering i relation till deras vanliga resvägar och tillgång till ledig laddplats väger tyngre för dem [31][32]. Detta beteende kan dels förklaras av en potentiellt högre betalningsvilja som en högre inkomst medför, eller av det mänskliga rutinmässiga beteendet som grundar sig i en underliggande motvilja mot förändring, även kallad status quo-bias. Konsekvensen blir en tröghet i beslutsfattandet, där förändringar som innebär ansträngning eller osäkerhet ytterligare förhindrar människor att utforska nya alternativ [33]. En annan studie som undersökte laddbeteenden hos elbilsägare i USA (som kan skilja sig från kunder i Sverige) identifierade en tredje kategori användare som utgjorde cirka 60% av respondenterna, nämligen multifaktor-drivna kunder [34]. De beskrivs som någorlunda prismedvetna, men med skillnaden att de dessutom väger in andra faktorer som laddtillfällets längd och laddhastighet vid laddbeslutet. Uteslutande prismedvetna och komfortdrivna kunder utgjorde enligt undersökningen 20% av marknaden vardera [34]. En faktor med direkt påverkan på konsumenternas val av laddstation är långa kötider [31]. Hög beläggning på en laddstation leder i många fall till att kunder väljer en annan station med bättre tillgänglighet, oavsett om den andra stationen är dyrare. Detta gäller i huvudsak om den förväntade väntetiden på ledig laddare överstiger 10–15 minuter och det sker oberoende av om kunden är prismedveten eller komfort-driven [31]. Dessutom tenderar kunder som regelbundet upplever långa väntetider vid en given laddstation att byta till andra stationer med lägre beläggning, även om det kräver längre resor [31]. 2.3.2 Beteendeekonomiska faktorer vid prisjustering Företag tillämpar i vissa fall incitament och principer från beteendeekonomin i syfte att på olika sätt påverka efterfrågan för att bättre överensstämma med sina intressen. Inom ekonomisk teori om utbud och efterfrågan kan detta uppnås genom att endast justera prisnivån för en vara eller tjänst. Det finns dock flera beteendefaktorer som påverkar huruvida mottagandet av konsumenterna överensstämmer och resulterar i företagens förväntningar. 11 2. Teori Konsumenter jämför ofta aktuella priser med så kallade referenspunkter, vilket kan vara exempelvis kostnad vid föregående tillfälle eller konkurrenternas prissättning. En alltför stor avvikelse från referenspriset uppfattas i regel som orättvist av kunden, givet att det gällande priset är högre än referenspriset [35]. Denna upplevda orättvisa kan på lång sikt medföra kundbortfall och minskad kundlojalitet [27]. Dessutom påverkas de flesta konsumenter undermedvetet av förlustaversion, vilket innebär att förluster upplevs mer känslomässigt påfrestande än vad motsvarande vinster är tillfredsställande [35][36]. Detta kan liknas vid konsumenters beteende på marknaden, där de uppvisar en starkare reaktion på prishöjningar än på prissänkningar av samma storlek. Således tenderar en prishöjning att avskräcka nya kunder mer än vad en motsvarande prissänkning lockar nya [35][36]. Marknadens mottagande av prishöjningar skiljer sig däremot åt beroende på om det är interna eller externa faktorer som ligger bakom, visar en studie [27]. Den indikerar även att prishöjningar som motiveras med att täcka ökade externa kostnader (exempelvis ökade materialkostnader) tas emot bättre av marknaden än höjningar som beror på interna beslut, exempelvis vinstmaximering. Studien påvisar att cirka 74% av respondenterna kategoriserade beslutet om höjda priser enbart till följd av ökad efterfrågan som orättvist, medan samma andel ansåg att förhöjda priser till följd av högre kostnader för leverantören var rättvist. Misstanke om att prisändringar genomförs främst i syfte att maximera vinsten upplevs som girigt och skadar förtroendet för företaget [27]. 2.3.3 Nudging som ett verktyg för efterfrågestyrning Ett annat sätt att påverka efterfrågan utan att ge ut direkta ekonomiska incitament är genom nudging. Nudging innebär ett sätt att styra människors beslut i en viss riktning utan att aktivt begränsa deras handlingsalternativ eller ekonomiska incitament [37]. I fallet med publik laddinfrastruktur har tidigare studier påvisat att prisprognossignaler kan användas för att uppmana kunder att ladda under lågtrafikperioder [38]. Genom att förutse och skicka ut signaler om lägre priser under tider med lägre efterfrågan kan förväntningarna medföra ett förändrat laddbeteende hos en del av kunderna, utan att nödvändigtvis ändra priset. En sådan nudge kan minska belastningen vid högtrafik och resultera i en jämnare belastning över hela dagen, vilket minskar risken för köbildning [38]. Även uppmaningar i form av avrådan att ladda vid publika laddare under de mest högbelastade timmarna eller informerande upplysningar om förväntade kötider vid olika tider på dygnet är exempel på nudges som kan ha liknande effekt på kundens laddningsvanor. 12 2. Teori 2.4 Prissättningsmodeller för publik elbilsladdning Prissättningsmodeller spelar en central roll i utbyggnaden och användningen av publik laddinfrastruktur. Dessa modeller utgör i många fall ett strategiskt verktyg för företag att aktivt styra efterfrågan och påverka konsumentbeteende i syfte att maximera lönsamheten. Prismodeller går generellt att kategorisera som antingen kostnads- eller värdebaserade. En kostnadsbaserad modell innebär att priset sätts utifrån företagets kostnader och önskad avkastning, medan värdebaserade modeller bygger på kundens upplevda värde samt betalningsvilja. Med tanke på elens homogenitet som produkt har värdebaserade prissättningsmodeller tidigare varit svåra att etablera, men senare års hastiga utveckling inom snabbladdare och dess laddeffekt har möjliggjort för företag att ta ut en värdebaserad premie för elen vid snabbladdning [39]. I Sverige förekommer idag framför allt tre kategorier prissättningsmodeller: tidsbaserad, energibaserad samt hybrider av dessa [40]. 2.4.1 Tidsbaserad prissättning Tidsbaserad prissättning innebär att användaren debiteras en fast avgift per tidsenhet, vilket för snabbladdare vanligtvis är en kostnad per minut. Fördelen med denna modell är att den skapar incitament för användare att flytta bilen snarast efter att önskad energimängd laddats, vilket motverkar att fulladdade bilar blockerar andra användare från att ladda [40]. En nackdel är att den totala kostnaden för laddsessionen blir svår att uppskatta för användaren då faktorer som exempelvis batteriets temperatur, bilmodell samt laddningsnivå påverkar laddtiden. Denna modell har tidigare använts av bland annat Vattenfall och Fortum [40]. 2.4.2 Energibaserad prissättning Energibaserad prissättning är den vanligaste prismodellen vid publik snabbladdning idag och innebär att användaren debiteras per kilowattimme [41]. Fördelen med modellen är att den är rättvis och lätt att förstå, vilket gör det lättare för användarna att uppskatta sina kostnader och jämföra priser mellan operatörer på ett smidigt sätt [40]. Nackdelen är att den inte tar hänsyn till tidsåtgången för laddning samt inte aktivt motverkar att färdigladdade bilar står kvar och blockerar, vilket riskerar att leda till ett lägre effektivt utnyttjande av laddstolparna [40]. 2.4.3 Hybridmodeller På senare år har många operatörer valt att kombinera den energibaserade prismodellen med en blockeringsavgift/trängselavgift, i syfte att öka 13 2. Teori utnyttjandegraden på laddstationerna. Det exakta upplägget skiljer sig mellan aktörer men generellt innefattar det en blockeringsavgift som startar när bilen är fulladdad, eller en övre tidsgräns överskridits (vanligtvis 90 min) [42][43] . 2.5 Dynamisk och fast prissättning Vid implementering av ovan nämnda modeller står laddoperatörer inför ytterligare ett val: om priset ska vara fast per laddad kWh oberoende av när laddning sker, eller om priset ska variera utifrån faktorer som spotpriset på el, efterfrågan och elnätets belastning. Fast prissättning utmärker sig framför allt genom sin förutsägbarhet och kundacceptans. Dock finns det tydliga begränsningar: exempelvis kan den effektiva utnyttjandegraden sjunka, stigande spotpriser kan ge upphov till högre kostnader och därmed minskad lönsamhet, samt köbildning kan riskera att medföra intäktsbortfall. Målet med dynamisk prissättning är att maximera den totala samhällsnyttan, det vill säga maximera både lönsamheten för operatörerna samt kundernas upplevda nytta [44]. Detta sker genom att laddoperatörer justerar prisnivån i syfte att förändra kunders laddbeteende bort från högtrafikerade tider för att i slutändan jämna ut belastningsnivån på laddstationen under dygnet. Effekten för kunderna blir att väntetiderna och risken för köbildning minskar vid laddstationerna till följd av att vissa kunder väljer att ändra sitt laddbeteende till tider där det erbjuds ett billigare pris. För operatörerna möjliggör den jämnare belastningsnivån på laddstationen en förhöjd utnyttjandegrad, vilket har en direkt effekt på stationens lönsamhet [44]. 2.5.1 Implementering av dynamisk prissättning Vid implementering av dynamisk prissättning ställs laddoperatörer inför en rad överväganden gällande vilka faktorer som ska vara styrande i prisvariationerna. De huvudsakliga faktorerna inkluderar spotpriset på el, efterfrågan på laddning samt elnätets belastning. Snabbladdning är som tidigare nämnts mycket energikrävande, vilket är varför ett fluktuerande spotpris har direkt påverkan på laddoperatörens rörliga kostnader [45]. Genom att variera priset utefter operatörens inköpskostnader kan såväl ett lägre pris erbjudas under lågpristimmar (utan att det sker på bekostnad av operatörens vinstmarginal) som säkerställas att de inte säljer el för billigt under högpristimmar. Det kan antingen följa elpriserna i realtid eller utgå från en prognostiserad elkostnad över dygnet. Elnätets belastning kan användas som en styrande prisparameter eftersom den, till skillnad från spotpriset, tar mer hänsyn till lokala eller regionala kapacitetsbegränsningar, som kan utlösa olika typer av effekttariffer för operatören 14 2. Teori [39][45][46]. Genom att sprida laddstationens förbrukning över dygnet med hänsyn till elnätets belastning kan operatören minska sina kostnader kopplade till nätet. Genom att variera priset utifrån efterfrågan kan efterfrågans priselasticitet utnyttjas för att justera priset uppåt eller nedåt beroende på marknadens laddbehov. Efterfrågan kan vara antingen prognostiserad, där priserna bestäms i förväg utifrån förväntat laddningsbeteende (exempelvis 24h framåt), eller realtidsbaserad då den reella efterfrågan och tillgängligheten på stationen styr priset [44]. En utmaning med dynamisk prissättning är den traditionella uppfattningen att dynamiska priser skapar missnöje och minskar kundlojaliteten, vilket resulterat i att fast pris mot kund inom laddbranschen länge ansetts vara mer attraktivt [39]. På senare tid har dock ett flertal aktörer i Sverige valt att påbörja dynamisk prissättning. Exempelvis har både Vattenfall Incharge och Tesla infört olika grader av prisvariation under dygnet. Incharge har delat in dynget i fyra olika prisnivåer, där tiden 12-18 är perioden med högst pris, 06-12 och 18-24 är aningen billigare samt en period mellan 00-06 där priset är kraftigt nedsatt [47]. Tesla har ett liknande upplägg, dock med endast en dyrare tidsperiod mellan kl 16-20, vilket de kommunicerar som ett försök att minska belastningen på elnätet när den är som störst [48]. I linje med ökad implementering kan marknadens inställning till dynamisk prissättning förväntas bli bättre. Kundernas mottagande till varierande priser kan därmed med fördel underlättas genom att prissättningen kommuniceras som en konsekvens av externa faktorer bortom operatörens kontroll (se 2.3.2) [39]. 2.5.2 Dynamisk prissättning och lönsamhet I frågan om hur dynamisk prissättning påverkar lönsamheten för en laddoperatör behöver både konkurrenssituationen på marknaden och kundernas efterfrågemönster beaktas. En studie som undersöker efterfrågans påverkan konstaterar att i det fall då efterfrågan på en marknad utgörs av en normalt fördelad, homogen kundbas som har liknande laddpreferenser, förekommer ingen nämnvärd skillnad på intäkter mellan fast och dynamisk prissättning [49]. Vid en heterogen kundbas där betalningsviljan kraftigt varierar mellan individer och efterfrågefördelningen innehar flera toppar, antyds dynamisk prissättning däremot ha potential att generera mer intäkter. Anledningen är att den dynamiska prissättningen fångar upp den spridda betalningsviljan mellan segmenten genom att mindre priskänsliga kunder betalar ett högre pris vid toppar i efterfrågan [49]. En annan studie som undersökte marknadsstrukturens påverkan på lönsamheten presenterar att dynamisk prissättning är som mest effektivt på konkurrensutsatta marknader med många aktörer [44]. Det framkommer att aktörer genom att sänka priset vid perioder med låg efterfrågan kan använda den dynamiska prissättningen som ett verktyg för att differentiera sig gentemot sina konkurrenter och på så sätt 15 2. Teori öka utnyttjandegraden. Studien belyser även det faktum att dynamisk prissättning ger aktörer möjligheten att snabbt anpassa sig till marknadsförändringar och konkurrenters prissättning för att vara fortsatt konkurrenskraftiga. Därmed kan hård konkurrens driva samtliga aktörer mot att själva implementera dynamisk prissättning i syfte att behålla sin marknadsposition. Vidare antyds att hos marknader som präglas av få aktörer och låg konkurrens verkar de ekonomiska fördelarna med dynamisk prissättning avta, eftersom behovet av att anpassa priserna kontinuerligt i differentieringssyfte inte är lika signifikant. Dessutom kan kostnaderna för att införa dynamisk prissättning i fallet med låg konkurrens överstiga potentiella vinster, vilket indikerar att fast prissättning är mer lämpligt ur ett lönsamhetsperspektiv [44]. 2.6 Lönsamhet inom laddinfrastruktur Laddinfrastrukturens utbyggnad är en förutsättning för den fortsatta elektrifieringen av bilflottan. En avgörande faktor för denna expansion är att affärsmodellen för publika snabbladdare är ekonomiskt hållbar, vilket skapar incitament för privata aktörer att investera och vidarutveckla laddnätverket. En lönsam laddstation förutsätter en strategiskt vald geografisk placering för att uppnå hög lokal efterfrågan, vilket är avgörande för att säkerställa att stationens laddstolpar används i så stor utsträckning som möjligt [50]. 2.6.1 Affärsmodeller för laddoperatörer För att lönsamheten ska kunna uppnås i praktiken krävs mer än bara rätt geografisk placering, det handlar också om hur affärsmodellen för operatören ser ut och vilka andra aktörer som är inblandade. I detta system är laddoperatörer (Charge point operators, CPO:er) och e-mobilitetstjänsteleverantörer (e-Mobility Service Providers, eMSP:er) två centrala aktörer. CPO:er är huvudaktörerna på marknaden vars huvudsakliga ansvar innefattar allt som rör laddarnas funktionalitet. Detta inkluderar byggnationen, ägandet samt driften av laddningsstationerna [51]. Uppförandet av laddinfrastruktur kräver stora initiala investeringar och för att säkerställa laddoperatörernas långsiktiga lönsamhet krävs stabila intäktsströmmar från laddande kunder över längre tid. Figur 2.3 illustrerar de huvudsakliga kostnads- och intäktsströmmarna för en CPO. 16 2. Teori Figur 2.3: Kostnad och intäktsströmmar för en CPO[50][7] Medan CPO:er tillhandahåller laddinfrastrukturen så är eMSP:er tjänstedrivna och agerar som en brygga mellan kunder och laddoperatörer på marknaden [51]. Detta sker genom att eMSP:er förmedlar och tillgängliggör laddtjänster till elbilsförare via digitala plattformar, exempelvis mobilappar. Det ömsesidiga beroendet mellan dessa aktörer resulterar oftast i olika typer av samarbeten, där eMSP:er, som finansieras via abonnemangsanslutna elbilsförare eller transaktionsavgifter, betalar CPO:er för tillgång till deras laddstolpar [52]. Utöver CPO:ernas huvudsakliga intäkter kan laddoperatörer i vissa fall få statligt stöd, särskilt vid etableringen av laddstationer i områden med begränsad efterfrågan [53]. Detta gäller framför allt vid byggnation av laddstationer i glesbefolkad landsbygd, så kallade “vita sträckor”, där den lägre utnyttjandegraden gör det svårt att få laddstationen att vara ekonomiskt lönsam utan stöd [39][54]. Kostnadsstrukturen för en CPO består av ett flertal olika komponenter, varav de initiala kostnaderna vid byggnationen utgör en stor del. Dessa kostnader är tätt sammankopplade med effekten på laddstolpen, där den generella trenden är att investeringskostnaden ökar med laddeffekten [55]. På grund av volymfördelar vid inköp av ett större antal laddare eller laddare av högre effekt kan priset variera kraftigt. I Sverige uppskattas investeringskostnaden för en laddpunkt med 150 kW effekt vara mellan 475 000 - 933 000 kr (3166 - 6220 kr/kW)[55]. I detta pris inkluderas de fasta kostnaderna för inköp av laddstolpe, installation och engångskostnaden för anslutning till elnätet 3. Utöver investeringskostnaderna tillkommer driftkostnader i form av service och underhållskostnader, nätavgifter 4 3kostnader för elnätsanslutning kan även dessa variera kraftigt beroende på vart närmaste anslutningspunkt är placerad och nätets nuvarande kapacitet. I kalkylen görs antagandet att anläggningarna är placerade inom 200 meter av en anslutningspunkt och därmed krävs ingen omfattande nätutbyggnad [55] 4nätavgifter inkluderar kostnader som effekttariffer och abonnemangsavgifter. Effekttariffen är 17 2. Teori samt övriga kostnader som exempelvis fjärrövervakning. Driftkostnaderna för samma 150 kW laddare uppskattas ligga mellan 106 000 - 130 000 kr per år (707-867 kr/kW) [55]. En kostnad som inte är inkluderad i dessa kostnadsuppskattningar är de rörliga kostnader för elhandel, som innefattar spotpriset för el samt kostnader för överföringsavgifter och energiskatt [56]. För att få en uppskattning på hur stor del vardera komponent utgör presenteras i tabell 2.1 ett exempel på hur de totala genomsnittliga priserna per kWh för en aktör i södra mellansverige (SE3) kan se ut. Tabell 2.1: Sammansatt elkostnad per kWh för laddstation. Spotpriset är ett genomsnittspris från de två föregående åren i elområde 3. För mer detaljerad information om beräkning av priser se appendix A.1. Komponent Kostnad per kWh Spotpris 0,499 kr Överföringsavgift 0,088 kr Energiskatt 0,439 kr Total kostnad (exklusive moms) 1,03 kr 2.6.2 Utnyttjandegrad och lönsamhet Givet de höga kostnaderna är en hög utnyttjandegrad av laddstolpen en förutsättning för dess ekonomiska hållbarhet, något som ett flertal rapporter antyder [7][39][50]. För att illustrera utnyttjandegradens påverkan på operatörernas lönsamhet finns nedan diagram 2.4 som visar utnyttjandegradens effekt på den genomsnittliga kostnaden per kWh för en laddpunkt. en avgift som laddstationsoperatören betalar för den maximala effekt som laddstationen drar i en timme vid en viss tidpunkt och vid uppskattning av denna kostnad antog kalkylen att endast 50% av den teoretiska maximala effekten från laddaren används samtidigt [55]. Faktorer som laddningskurvor som varierar och byte av bil vid laddstolpen kan bidra till att det är ovanligt att maximal laddkapacitet utnyttjas under en hel timme. En högre maxbelastning i praktiken hade resulterat i högre nätavgifter än kalkylens antagande. 18 2. Teori Figur 2.4: Diagrammet illustrerar hur kostnaden per kWh för laddoperatörer sjunker med en högre utnyttjandegrad. Se appendix A.2 för ingående information om antaganden vid beräkning. Bland de större laddoperatörer i Sverige idag ligger det genomsnittliga fasta priset per kWh för en 150 kW laddare inom intervallet 5,5-6,5 kr (inklusive moms) 5. Vid ett antaget pris på 6 kr / kWh (4,8 kr exklusive moms) och med tidigare presenterade kostnadsuppskattningar för en 150 kW laddare, krävs en utnyttjandegrad på ungefär 4% för att verksamheten ska gå jämnt ut. Detta motsvarar en minimiförbrukning av fyra laddningar per dygn, baserat på en genomsnittlig laddsession från 20 - 80 procents laddning av ett 60 kWh batteri. Vid en högre utnyttjandegrad på 10% skulle detta motsvara tio laddsessioner per dag, vilket resulterar i en rörelsemarginal på över 43%6. En dubblering av utnyttjandegraden och antalet laddsessioner till 20 per dag hade endast ökat rörelsemarginalen till 58%. Detta beror på att kostnaderna fördelas över en större energivolym, vilket leder till en icke-linjärt avtagande kostnadsminskning per kWh, vilket visualiseras i figur 2.4. Effekten är som störst vid lägre utnyttjandegrader, 1-10% och planar sedan ut vid högre nyttjandenivåer, där ytterligare nyttjandegradsökning ger mindre relativ kostnadsminskning och därmed en motsvarande mindre relativ ökning av lönsamheten, som figur 2.5 illustrerar. 5OKQ8 [57], Ionity [58], CircleK [59], Vattenfall Incharge[60], Recharge [61] 6Rörelsemarginalen definieras som en kvot mellan rörelseresultatet (vinst före räntor och skatter, efter avskrivningar för investeringar) och nettoomsättningen (intäkter av försäljning med avdrag för moms) [62]. Det är ett mått på hur lönsamt ett företag är genom att kvantifiera hur stor andel av rörelseintäkterna som företaget får behålla, utan att ta hänsyn till hur verksamheten är finansierad. I fallet med laddoperatörer innebär detta hur stor andel av intäkterna per kWh som operatören får över efter att dragit av fasta kostnader för investering, driftskostnader och elkostnader. 19 2. Teori Figur 2.5: Diagrammet visar hur rörelsemarginalen för en laddpunkt påverkas av dess utnyttjandegrad för olika priser vid laddning. Diagrammet indikerar att rörelsemarginalen växer som kraftigast vid lägre utnyttjandegrader och att ett lägre pris ut till kund kräver en högre utnyttjandegrad för att uppnå samma rörelsemarginal. För information kring antaganden vid beräkning se appendix A.3. Figur 2.5 påvisar dessutom att ett lägre pris ut till kund kräver en högre utnyttjandegrad som kompensation för att uppnå samma lönsamhet. Vid ett pris på 4 kr per kWh krävs istället drygt 7 procents utnyttjandegrad för att uppnå en positiv rörelsemarginal, jämfört med en knappt 4 procentig utnyttjandegrad som krävs vid ett pris på 6 kr per kWh. Därmed indikerar den initialt branta lutningen på kurvorna i figur 2.5 att systemet är känsligt, där enstaka procentenheters förändring i utnyttjandegrad kan utgöra skillnaden mellan förlust och en ekonomiskt hållbar rörelsemarginal för en laddpunkt. Samtidigt innebär prissänkningar, till följd av konkurrens eller andra prissättningsmodeller, ytterligare press på att hålla en hög beläggning för att laddstationerna ska förbli lönsamma. Det är därför avgörande för operatörer att upprätthålla en så hög utnyttjandegrad som möjligt. 2.7 Agentbaserad modellering Agentbaserad modellering (ABM) är en simuleringsmetod som syftar till att förstå hur lokala interaktioner mellan individer kan ge upphov till komplexa och oväntade mönster i större system. Metoden är ett sätt att skapa en förenklad representation av verkligheten för att analysera hur enskilda aktörer på mikronivå tillsammans formar fenomen på makronivå. ABM består av individuella, autonoma “agenter” som kan fatta beslut och interagera både med andra agenter och med sin omgivning. Varje agent är självständig i sitt beslutsfattande och agerar utifrån egna beteenderegler och preferenser [63]. När agenterna interagerar med varandra och reagerar på förändringar i omgivningen kan det ge upphov till emergenta 20 2. Teori fenomen, det vill säga mönster eller beteenden på makronivå som är svåra att förutsäga enbart genom att studera agenternas individuella egenskaper. För att skapa en agentbaserad simulering är det lämpligt att använda objektorienterad programmering (OOP). Inom OOP betraktas objekt som strukturer som både kan bära data (instansvariabler) och procedurer (metoder) [64]. För en agent innebär detta att dess instansvariabler representerar interna tillstånd, som exempelvis batterinivå eller hastighet, medan dess metoder beskriver agentens beteenderegler och preferenser såsom när agenten väljer att ladda eller köra vidare. [64]. Dessutom kan miljöelement såsom platser eller resurser också modelleras som objekt, med egen data och metoder. På så sätt fångas de centrala aspekterna av både agenter och deras omgivning in i en struktur som sedan är enkel att vidareutveckla, testa och underhålla i en simuleringsmiljö. 21 3 Metod Under följande avsnitt beskrivs de metoder och tillvägagångssätt som har använts. Arbetet baseras på tre huvudsakliga delar: insamling och analys av data, utveckling av en agentbaserad modell samt implementering av denna modell i ett simuleringsprogram. Datan användes för att ge en realistisk bas för modellen som i sin tur låg till grund för simuleringar som undersökte olika scenarier kopplade till laddstationers prissättning. 3.1 Statistik på användning av laddstationer I syfte att ge en verklighetsförankrad bild av hur elbilar använder publika laddstationer tillhandahölls historisk data från ett etablerat företag. Datamängden omfattade över 100 000 individuella laddsessioner från olika laddplatser över hela Sverige under en tidsperiod 2024, vilket utgjorde en robust grund för vidare analys. Varje datapunkt innehöll stationens geografiska koordinater, starttidpunkt för laddstationen, debiterad tid, samt total energi överförd under laddningssessionen. 3.1.1 Urvalet av data För att säkerställa att endast relevant data för personbilar inkluderades i analysen genomfördes en rensningsprocess i flera steg. Datapunkter som sannolikt kunde hänföras till lastbilar eller andra kommersiella fordon exkluderades. Inledningsvis togs datapunkter där den totala mängden laddad energi översteg 111 kWh bort, vilket antas utgöra en övre gräns för batterikapacitet hos personbilar [65]. Dessutom exkluderades datapunkter där effekten konsekvent överskred den fysiskt möjliga laddkapaciteten för personbilar under en längre tidsperiod. Efter ovanstående filtreringssteg förfinades datasetet ytterligare genom borttagning av uppenbara anomalier som antas bero på tekniska avvikelser eller mätfel, exempelvis laddningssessioner med en varaktighet överstigande 50 timmar. Trots denna ytterligare rensning bibehölls cirka 99% av de ursprungliga datapunkterna. 3.1.2 Överblick av nationella laddningsmönster Datan uppvisar betydande variation i laddningsmönster beroende på geografisk plats. För att ändå ge en samlad överblick över laddningsmönster på nationell nivå har därför ett riksgenomsnitt beräknats. Detta illustreras i figur 3.1, som visar det genomsnittliga antalet laddsessioner per veckodag. 22 3. Metod Figur 3.1: Genomsnittligt antal laddningssessioner per veckodag på nationell nivå. Den grönsträckade linjen markerar medelvärdet för vardagar, medan den röda markerar helger. En något högre laddningsaktivitet observeras under vardagar jämfört med helger. Vidare visar datan att den genomsnittliga laddningstiden per session är cirka 28 minuter, medan den genomsnittliga energimängden per laddning är ungefär 30 kWh. För att möjliggöra en jämförelse mellan olika mått har samtliga storheter i figur 3.2 nedan normaliserats. Eftersom den totala levererade energin samt den totala fakturerade tiden är betydligt större i absoluta tal än antalet laddsessioner, har dessa skalats om för att visas på en gemensam procentuell skala. Detta gör det möjligt att identifiera eventuella skillnader i mönster mellan de olika måtten. 23 3. Metod Figur 3.2: Procentuell jämförelse av genomsnittliga mått per veckodag på nationell nivå. Figur 3.2 visar att mönstren för antal laddningssessioner, levererad energi och fakturerad tid per veckodag är mycket lika varandra. Detta indikerar att oavsett vilket mått som används, uppvisas samma övergripande laddningsbeteende. För att förenkla presentationen utan att förlora betydande information har endast ett mått i taget valts ut för de efterföljande visualiseringarna. Diagrammet baseras på data från hela landet, vilket medför ett stort antal datapunkter och ger därmed ett mer representativt resultat. 3.1.3 Laddningsmönster vid station längs Europaväg 6 För att erhålla en mer detaljerad förståelse av laddningsbeteende och för att relatera dessa insikter till den utvecklade modellen, undersöktes laddningsmönster på en mer lokal nivå. Fokus lades på en specifik laddstation längs Europaväg 6, i enlighet med de avgränsningar som presenterades i avsnitt 1.3. Den valda stationen består av åtta laddningsplatser, samtliga med en effekt på 300 kW, och är placerad i ett område med flera konkurrerande laddstationer i närheten. Dessa faktorer gör stationen särskilt intressant för vidare analys ur ett konkurrens och lönsamhetsperspektiv. Figur 3.3 nedan visar det genomsnittliga antalet laddsessioner per veckodag för den specifika laddstationen. Den grönstreckade linjen representerar medelvärdet för vardagar, medan den rödstreckade linjen visar medelvärdet för helger. 24 3. Metod Figur 3.3: Genomsnittligt antal laddningssessioner per veckodag för specifik station längs Europaväg 6. Till skillnad från de övergripande trenderna i Sverige, där högre aktivitet under vardagarna observerades, uppvisar detta resultat en motsatt trend med cirka 15% högre aktivitet under helgerna. Detta indikerar att laddningsmönster kan variera beroende på den specifika laddstationens geografiska läge. I figur 3.4 visas tidpunkterna på dygnet då laddningssessionerna sker vid den valda stationen. Under vardagar startar laddningsaktiviteten tidigare på morgonen, medan aktiviteten under helger är förskjuten några timmar senare på dagen. Detta antyder att människors dagliga rutiner och resvanor är avgörande faktorer för när laddstationerna används. Figur 3.4: Genomsnittligt antal laddningssessioner per timme under dygnet för vardagar respektive helger vid den specifika laddstationen längs Europaväg 6. 25 3. Metod 3.1.4 Köbildning För att få en uppfattning om i vilken utsträckning köbildning uppstår vid publika laddstationer längs Europaväg 6, granskades de dagar under oktober månad då den valda stationen uppvisade flest överlappande laddsessioner. Figur 3.5 nedan visar resultatet för 13 oktober 2024, då stationen noterade som mest åtta samtidiga sessioner. Eftersom den särskilda laddstation har åtta laddplatser tillgängliga, motsvarar detta stationens maximala kapacitet. Figur 3.5: Sessionsdiagram för specifik station längs Europaväg 6 den 13:e oktober 2024 Diagrammet omfattar 85 separata laddtillfällen, där varje horisontell stapel motsvarar en enskild laddsession. Varje stapel löper längs x-axeln från sessionens start- till sluttid och dess längd ger därmed laddningens varaktighet. När flera sessioner överlappar varandra kan det indikera en potentiell köbildning, om den totala efterfrågan skulle överstiga antalet tillgängliga laddplatser. I detta fall skulle åtta överlappande sessioner kunna utgöra en potentiell risk för köbildning. Utifrån vidareutvecklingen av antagandet att åtta överlappande sessioner kan innebära en risk för köbildning, konstaterades att det i oktober månad för den valda stationen endast uppstod körisk vid fyra tillfällen. Den vanligaste tidsperioden för köbildning var söndagar mellan 12:00 och 14:00. 3.1.5 Utnyttjandegrad För att mäta hur väl specifika laddstationer används kan deras utnyttjandegrad beräknas. Utnyttjandegrad definieras enligt ekvation 2.1 som förhållandet mellan 26 3. Metod den faktiska energileveransen och den teoretiska maxkapaciteten per dygn. Den teoretiska maxkapaciteten per dygn är: Teoretisk maxkapacitet = Antal laddplatser · Laddningseffekt (kW) · 24(h) (3.1) Genom att jämföra den faktiska energikonsumtionen med denna maxgräns erhålls en tydligare bild av hur effektivt stationen utnyttjas. En låg utnyttjandegrad kan indikera att stationen har kapacitet att hantera fler fordon, medan en hög utnyttjandegrad kan tyda på att kapaciteten är nära sitt maximum, vilket kan leda till köbildning under högtrafik. Figur 3.6 nedan visar utnyttjandegraden för den specifika stationen under en månadsperiod. Den röda punktade linjen representerar medelvärdet under perioden, medan den blå visar den dagliga utnyttjandegraden. Figur 3.6: Utnyttjandegrad för specifik station längs Europaväg 6 Som framgår av diagrammet varierar utnyttjandet över tid, med tydliga återkommande toppar på söndagar, vilket överensstämmer med tidigare figur 3.3. Detta återkommande mönster kan vara en konsekvens av ökad trafik, exempelvis från långresor eller veckopendling. Figur 3.7 nedan visar den tidsbaserade utnyttjandegraden, definierad i avsnitt 2.1.4 i ekvation 2.2, varje dag under en månadsperiod för den specifika laddstationen längs Europaväg 6. 27 3. Metod Figur 3.7: Tidsmässig utnyttjandegrad för specifik station längs Europaväg 6 Resultatet för den tidsmässiga utnyttjandegraden visar högre värden än den energimässiga utnyttjandegraden. Detta beror på att bilar generellt sett inte kan ta emot den maximala effekten som erbjuds av operatörer (se avsnitt 2.1.3). 3.2 Modell Modellen som byggts är en agentbaserad modell (ABM) som simulerar ett system med elbilar och snabbladdningstationer längs med en bestämd vägsträcka under en veckas tid. Modellens syfte är att jämföra dynamisk och fast prissättning vid laddstationerna och jämföra vardera rörelseresultat och utnyttjandegrad. I modellen agerar elbilar och laddstationer som autonoma agenter med egna parametrar och beteenden. Elbilarna färdas längs en rak väg och stannar när de behöver ladda baserat på batterinivå. De fattar beslut om vart de ska ladda baserat på pris och kölängd vid laddstationenerna, som sätter sina priser dynamiskt eller fast. Båda dessa typer av agenter uppdaterar sina parametrar och beteende över tid baserat på de förändringar som sker över tid i modellen. Nedan följer en mer detaljerad genomgång av samtliga delar i modellen. 3.2.1 Kunder Kunderna representeras i modellen som elbilar och är en av de två typerna av autonoma agenter. Varje kund är med i en kundgrupp som därefter har sina egna preferenser för laddningsparametrar. Kundfaktorerna används vid laddningsbeslutet och multipliceras med laddstationens pris respektive kö för att välja den bästa laddstationen. Dessa parametrar kan hittas i tabell 3.1 28 3. Metod Tabell 3.1: Parametrar för elbil Parameter Värde Batteristorlek 60 kWh Initialt laddningstillstånd (SOC) Slumpmässigt mellan 20 och 80% Priskänslighetsfaktor (α) Mellan 0–1 Kökänslighetsfaktor (β) Mellan 0–1 Energiförbrukning 0,2 kWh/km Hastighet 100 km/h 3.2.1.1 Kundgrupper I modellen delas kunderna upp i tre olika kundsegment, baserat på avsnitt 2.3.1. 20% av kunderna är bara priskänsliga, 20% av kunderna är bara kökänsliga och 60% av kunderna är både kökänsliga och priskänsliga. Om en kund endast är priskänslig sätts priskänslighetfaktorn till 1 och kökänslighetfaktorn till 0. Detta innebär att kunden endast väljer vilken station den ska ladda på beroende på vilken som har lägst pris. Om en kund är kökänslig sätts den faktorn till 1 och priskänslighetsfaktorn till 0. Detta innebär att valet av station endast beror på vilken som har kortast kö. Om en kund är både priskänslig och kökänslig beräknas en total vikt där priskänslighet viktas med faktorn 0,5 och kökänslighet med faktorn 1. Dessa faktorer är valda för att varje bil i kö ska väga lika tungt som en prishöjning på 2 kr/kWh. Antalet bilar i kö används som mått på väntetid istället för faktisk kötid, eftersom alla jämförda laddstationer har samma antal laddplatser. Detta gör måttet jämförbart mellan stationerna. 3.2.1.2 Trafikflöde Modellen bygger på ett trafikflöde anpassat efter faktiska förhållanden för att efterlikna verkligheten. Trafikflödesdata från Trafikverket vid den valda platsen används för att uppskatta hur många bilar som kör förbi laddaren varje dag [67]. Därefter uppskattas andelen elbilar av alla fordon till 7% av det totala trafikflödet [68]. För att fördelningen av trafikflödet under ett dygn ska vara verklighetstroget fördelas fordonen på olika timmar på samma sätt som laddningssessionerna i datan från den faktiska laddstationen (se avsnitt 3.1.3). 3.2.1.3 Beslutsfattande I modellen fattar varje kund beslut om huruvida den behöver ladda, och i så fall vid vilken laddstation. Detta beslut utvärderas varje gång kunden passerar en station. Sannolikheten att kunden väljer att ladda beror på dess aktuella batterinivå (SOC). Om kunden väljer att ladda, väljs en station baserat på kundens känslighet för pris och kö. Kundens känslighetsfaktorer används för att beräkna ett viktat beslutsunderlag, där vikten beräknas enligt: 29 3. Metod Vikt = α · p + β · q där: • α = kundens priskänslighet • β = kundens kökänslighet • p = pris vid stationen (kr/kWh) • q = antal bilar i kö vid stationen Priskänslighetsfaktorn multipliceras med stationens aktuella pris och kökänslighetsfaktorn multipliceras med antalet bilar i kö. Summan av dessa två värden avgör hur attraktiv en station upplevs av kunden. Kunden kan i vissa extremfall även välja att köra vidare utan att ladda. Detta inträffar om något av följande villkor är uppfyllda: • p > 7 kr/kWh för priskänsliga kunder • q > 2 bilar för kökänsliga kunder • α · p + β · q > 6 för kunder som är känsliga för både pris och kö I figur 3.8 ses ett exempel på data från en körning där en station med fast prissättning konkurrerar med en station som har dynamisk prissättning. De trappstegsliknande förändringarna i grafen illustrerar de tidpunkter då kunder fattar beslut om vilken station de ska välja. Besluten baseras på vikterna enligt viktformeln som presenterats ovan. 30 3. Metod Figur 3.8: Antal bilar som väljer att ladda över ett dygn när en station med fast prissättning konkurrerar med en station med dynamisk prissättning. 3.2.1.4 Laddning Om en kund tar beslutet att ladda kommer den antingen ställa sig på en ledig plats eller i kö om stationen är full. När en plats blir ledig kommer den som stått i kö längst tid ställa sig på den lediga platsen. Kunderna laddar sedan sitt batteri till 80% innan de kör vidare. I figur 3.9 visas ett exempel på hur laddningen är utspridd över ett dygn i modellen som byggts. 31 3. Metod Figur 3.9: Laddningsmängd i kWh under ett dygn. 3.2.2 Laddstationer Laddstationer är den andra typen av agent i modellen och har egna parametrar med olika prissättningsmodeller. Dessa parametrar framgår av tabell 3.2. Det totala antalet laddpunkter i en simulering är alltid 8 stycken. Vid scenarion med två konkurrerande stationer delas laddpunkterna jämnt mellan dessa, det vill säga två stationer med 4 laddpunkter vardera. Vid fall utan konkurrens får en ensam station tillgång till samtliga 8 laddpunkter. Anledningen till detta är att förhållandet mellan kapaciteten och efterfrågan ska förbli oförändrad. Tabell 3.2: Parametrar för laddstation Parameter Värde Antal laddpunkter 4 eller 8 Prissättning Dynamisk eller fast prissättning Priser Lista över priser varje timme Effekt 150 kW 32 3. Metod 3.2.2.1 Underliggande elpris Det underliggande elpriset blir en kostnad för laddstationerna eftersom det avgör vilket pris de betalar för elen som elbilarna laddar. Dessutom avgör det underliggande elpriset vilket pris den dynamiska prismodellen sätter vid varje tillfälle. För att få en rimlig uppskattning av hur det underliggande elpriset varierar över tid används ett genomsnitt från elbörsen år 2024. [66]. För varje timme på dygnet, för varje veckodag används ett genomsnittligt underliggande elpris och implementeras i modellen. Dessa priser går att se i figur 3.10. Figur 3.10: Genomsnittligt underliggande elpris per timme över veckan. 3.2.2.2 Prissättning För att undersöka hur olika prismodeller påverkar laddstationernas resultat implementeras flera typer av prissättningsstrategier i modellen. Nedan presenteras de olika modellerna, inklusive både fasta och dynamiska varianter, samt de specifika regler som styr priset i varje fall. Alla priser som anges är inklusive moms. Fast prissättning Vid fast prissättning är priset konstant oavsett tid på dygnet eller efterfrågan. Pris: 5,99 kr/kWh Dynamisk prissättning baserad på efterfrågan I denna modell justeras priset utifrån trafikflödet under den aktuella timmen. Multiplikatorn 0,025 har valts för att prisnivån ska variera på ett realistiskt sätt kring det fasta priset, baserat på trafikintensiteten. Detta säkerställer att priset både kan understiga och överstiga den fasta prissättningen på ett sätt som är rimligt i förhållande till verkliga marknadsförhållanden. 33 3. Metod Pris: Pris = 4 + 0,025 · trafikflöde (antal fordon per timme) [kr/kWh] Dynamisk prissättning baserad på spotpris Här sätts priset utifrån det aktuella spotpriset på el. Om spotpriset är lågt hålls priset på en lägstanivå. Faktorn 10 har valts för att transformera spotpriset till en nivå som motsvarar rimliga laddpriser i svenska förhållanden, vilket gör att det dynamiska priset fluktuerar kring det fasta priset och speglar verkliga variationer i elmarknaden. Pris: Pris = max(4, 10 · spotpris) [kr/kWh] Halvdynamisk prissättning I denna modell används ett högre pris under eftermiddagens period med hög belastning, medan ett lägre pris tillämpas övrig tid. Denna modell kan liknas vid Teslas implementering av dynamisk prissättning som syftar till att sänka belastningen på elnätet då den är som störst (se avsnitt 2.5.1). Pris: • 5,99 kr/kWh mellan kl. 16:00–20:00 • 4,5 kr/kWh under övriga tider på dygnet Dynamisk prissättning med pristak (spotpris) Denna modell liknar dynamisk prissättning baserad på spotpris men begränsar priset så att det aldrig överstiger 5,99 kr/kWh. Pris: • Om 10 · spotpris ≤ 5,99 kr/kWh ⇒ används detta värde • Annars ⇒ priset sätts till 5,99 kr/kWh 3.2.2.3 Resultaträkning I resultaträkningen för de olika stationerna i modellen är den enda intäkten det kunderna betalar för att ladda. Detta beräknas genom antal kWh kunderna har laddat multiplicerat med det gällande priset(exklusive moms). Kostnaderna består dels av rörliga och fasta kostnader. De rörliga kostnaderna består av det underliggande elpriset. Detta beräknas genom antalet kWh kunderna har laddat multiplicerat med det gällande underliggande elpriset. De fasta kostnaderna beräknas sedan enligt A.2 och slås ut över 10 år. De fasta kostnaderna räknas sedan om till vad en minut motsvarar i fasta kostnader. Dessa kostnader dras av varje minut i modellen. 34 3. Metod 3.2.3 Simuleringsprogram baserat på modell För att implementera modellen har ett simuleringsprogram utvecklats i Python. Programmet hanterar interaktionen mellan elbilar och laddstationer längs en vägsträcka, där varje agent agerar utifrån sina parametrar och uppdaterar sitt beteende över tid. Simuleringen möjliggör insamling av data för att analysera effekterna av de olika prissättningsmodellerna. Vid simuleringens start initieras en vägsträcka på 100 km, där laddstationerna är placerade efter 50 km på vägen. Underliggande parametrar såsom elpris, timvis trafikflöde och respektive stations prisnivå fastställs. För att säkerställa reproducerbarhet initieras en slumptalsgenerator. Själva körningen sker i diskreta tidssteg som motsvarar en minut. Vid varje tidssteg genereras nya kunder enligt det aktuella trafikflödet. Om trafikflödet överstiger 60 kunder per timme påbörjar trafikflöde 60 kunder sin resa per minut, annars är sannolikheten för att en kund startar sin resa varje minut trafikflöde 60 . Till exempel innebär ett trafikflöde på 120 kunder per timme att 2 kunder genereras varje minut. Om trafikflödet istället är 30 kunder per timme är sannolikheten att en kund genereras 50 % varje minut. När en kund skapas sätts dess kökänslighet och priskänslighet enligt avsnitt 3.2.1.1. Under pågående resa förflyttar sig samtliga kunder med en konstant hastighet motsvarande 1,67 km per minut(100 km/h), tills de antingen når vägsträckans slut eller beslutar sig för att ladda. När en kund befinner sig inom 1,67 km från stationerna utvärderas batterinivån mot en sannolikhetstabell som visas i tabell 3.3. Värdena för de olika sannolikheterna sattes för att bäst motsvara laddningsmönstret vid den valda stationen som presenteras i avsnitt 3.1.3 Tabell 3.3: Sannolikhet att ladda Batterinivå Sannolikhet att ladda SOC > 40% 0 30% < SOC < 40% 0.05 20% < SOC < 30% 0.2 SOC < 20% 1 Om kunden väljer att ladda beräknas för varje station en vikt enligt avsnitt 3.2.1.3. Skulle ingen stations vikt vara mindre än vad kunden tolererar väljer kunden istället att köra vidare (se avsnitt 3.2.1.3). Annars väljer kunden den station som har lägst vikt, och vid lika vikt slumpas valet. Om kunden anländer till den valda stationen och samtliga laddplatser är upptagna ställer sig kunden i kö och väntar tills en plats blir ledig innan laddning påbörjas. När batterinivån uppnår 80 % avbryts laddningen och kunden fortsätter sin resa mot vägsträckans slut. Vid varje tidssteg beräknas dessutom det aggregerade 35 3. Metod rörelseresultatet enligt avsnitt 3.2.2.3 och utnyttjandegrad enligt 2.6.2. För att jämföra effekterna av de olika prismodellerna genomförs flera simuleringar där parametrar och förutsättningar hålls konstanta för att isolera prissättningens påverkan. Simulering för varje prismodell genomförs tio gånger med tio olika genererade slumpfaktorer, detta för att minska påverkan från slumpmässiga variationer i modellen. Med slumpmässiga variationer avses till exempel variationer i när elbilsanvändare väljer att ladda sina fordon, deras val av laddstation, samt hur trafiken fördelar sig över dygnet. Dessa beteenden styrs delvis av sannolikhetsfördelningar i modellen och kan därför variera något mellan simuleringar, även om alla andra parametrar hålls lika. Det slutgiltiga resultatet för varje prismodell beräknas sedan som genomsnittet av dessa tio körningar. Resultatet från simuleringarna analyseras utifrån köbildning, laddbeteende och laddstationernas ekonomiska utfall. För att underlätta tolkningen av resultaten visualiseras dessa med hjälp av matplotlib, där diagram genereras för exempelvis rörelseresultat över tid. Simuleringsprogrammet har utformats så att parametrar som antalet laddstationer, antal laddpunkter per station, trafikflöde samt elprisdata enkelt kan justeras, vilket gör modellen flexibel och lätt att återanvända för vidare arbete. Använda programbibliotek samt deras versioner går att se i tabell 3.4 Tabell 3.4: Programbibliotek och versioner Programbibliotek Python Matplotlib Version 3.12.2 3.10.1 36 4 Resultat och diskussion Avsnittet redovisar och diskuterar resultaten från simuleringarna som genomförts för att utvärdera hur de olika prissättningsmodellerna från avsnitt 3.2.2.2 påverkar både laddstationers lönsamhet samt aspekter kopplade till kundnöjdhet. Stationernas lönsamhet presenteras i form av rörelseresultatet1, som motsvarar ett mått på stationens lönsamhet utan att ta hänsyn till mindre relevanta externa faktorer, som verksamhetens finansieringsstruktur och skatt. Detta lönsamhetsmått möjliggör en jämförelse av stationernas ekonomiska prestation på ett neutralt sätt. För att komplettera den ekonomiska analysen presenteras även hur de olika prismodellerna influerar kundrelaterade faktorer, såsom stationens kötid och utnyttjandegrad. Resultatet delas upp utefter ett flertal simulerade scenarier, där prismodellerna först utvärderas utan utomstående konkurrens och därefter i konkurrenssituationer. Vidare analyseras hur modellen påverkas av varierande efterfrågan och avvikande kundbeteenden. Dessutom utvärderas vilken effekt möjligheten för kunder att förflytta laddningen i tiden har på modellens utfall. Avslutningsvis diskuteras även dagens implementering av dynamiska prismodeller och möjlig framtida forskning inom området. 4.1 Prismodellerna utan konkurrens I figur 4.1 redovisas resultaten från simuleringen där en station med 8 laddplatser tillämpar olika prismodeller utan konkurrens från andra stationer. För varje prismodell har simuleringsmodellen körts separat, och kunderna har endast kunnat välja mellan att ladda vid denna station eller att avstå helt. Syftet med denna simulering är att få en förståelse för hur prismodellerna uppträder utan konkurrens. De prismodeller som undersökts är fast prissättning, dynamisk prissättning med avseende på efterfrågan, dynamisk prissättning med avseende på spotpriset på el, halvdynamisk prissättning och dynamisk prissättning med avseende på spotpriset på el men endast lägre priser än fast prissättning (se avsnitt 3.2.2.2). 1Ett lönsamhetsmått som presenterar vinsten för ett företag efter avdrag för avskrivningar, före räntor och skatter. Likt rörelsemarginalen (se avsnitt 2.6.2) grundar det sig i att mäta hur mycket lönsamhet en station genererar från själva verksamheten. Rörelseresultatet är ett absolut mått och presenteras som en summa i kronor, till skillnad från rörelsemarginalen, som är ett relativt mått och presenterar lönsamheten i procent 37 4. Resultat och diskussion 4.1.1 Resultat av simulering utan konkurrens Figur 4.1: Rörelseresultat för de olika prismodellerna när de får verka utan konkurrens under en veckas simulering. Figur 4.1 visar att den prismodell som genererar högst rörelseresultat utan konkurrens är fast prissättning. Därefter kommer dynamisk prissättning med avseende på efterfrågan, dynamisk prissättning med avseende på spotpriset på el, dynamisk prissättning som endast sänker priset och halvdynamisk prissättning i den ordningen. Den fasta prismodellen har ett rörelseresultat som är 34% högre än den prismodell som presterar sämst. Jämfört med den bästa dynamiska prismodellen har den fasta prismodellen ett rörelseresultat som är 11% högre. 4.1.2 Diskussion av simulering utan konkurrens Enligt teorin (se avsnitt 2.5.2) antyds att prissättningens betydelse på marknader som präglas av få aktörer och låg konkurrens är mindre relevant eftersom behovet av att använda priset som konkurrensfördel minskar. Vid simuleringen (se avsnitt 4.1.1) har kunderna inget alternativ att välja mellan olika stationer och stationens monopolställning medför att de praktiskt taget blir prissättare på marknaden, varav en dynamisk prissättningsmodell som resulterar i ett lägre genomsnittligt laddpris endast drar ner rörelseresultatet. Detta kan även förklaras utifrån efterfrågans priselasticitet (se avsnitt 2.2.2). Eftersom laddning är en nödvändig tjänst och kunderna i denna simulering inte har något alternativ så kommer majoriteten av dem ladda bilen oavsett prisnivå (så länge den inte upplevs orimlig varav de väljer att inte ladda alls). Den 38 4. Resultat och diskussion begränsade valfriheten hos kunderna resulterar i att intäkterna maximeras genom att hålla ett konstant högt pris istället för att justera priset över tid. Dessutom spelar skillnaderna i betalningsvilja mellan de olika kundsegmenten (se avsnitt 3.2.1.1) mindre roll eftersom även de priskänsliga kunderna saknar valmöjlighet och måste acceptera den erbjudna prisnivån. Dessa kunder hade i vanliga fall letat efter billigare alternativ. I denna simulering finns det därmed en stark korrelation mellan stationens genomsnittliga pris vid laddning och dess lönsamhet, där den fasta prismodellen resulterar i det högsta genomsnittliga priset. 4.1.2.1 Begränsningar och tolkning Viktigt att nämna är dock att en implementering av en dynamisk prismodell med högre priser än den fasta prismodellen skulle resultera i ett högre rörelseresultat. Valet av prissättning motiveras i avsnittet 3.2.2.2. Modellen beaktar dessutom inte att vissa dynamiska modeller kan medföra kostnader vid implementering, vilket enligt teorin [44] antyds kunna vara ytterligare en faktor som medför att fast prissättning är mer lönsamt på en marknad med låg eller ingen konkurrens. Därmed bör det understrykas att resultatet inte bör tolkas som en jämförelse mellan dynamiska och fasta prismodeller på en generell nivå, utan enbart en jämförelse mellan de specifika prismodellerna som implementerats inom ramarna för modellen och i en marknadssituation utan konkurrens. 4.1.2.2 Sammanfattning Sammanfattningsvis tyder teorikopplingen och resultatet från simuleringen (se avsnitt 4.1.1) på att frånvaron av konkurrens eliminerar många av de drivkrafter som motiverar dynamisk prissättning. Detta förklarar varför stationen med fast prissättning leder till högst rörelseresultat i simuleringen. 4.2 Prismodellerna med konkurrens I detta scenario ställs de olika dynamiska prismodellerna mot fast prissättning i en konkurrensutsatt marknadssituation. Figur 4.2 och 4.3 visar resultatet av simuleringen där kunder har valet att antingen ladda hos en av de två konkurrerande stationer som är placerade intill varandra, eller helt avstå att ladda. Jämförelserna utgår från ett grundscenario där båda stationerna tillämpar fast prissättning, för att sedan visualisera hur rörelseresultatet och utnyttjandegraden påverkas om en av aktörerna väljer att övergå till en alternativ dynamisk prismodell. Den ena stationen erbjuder laddning till ett fast pris på 5,99 kr/kWh under hela dygnet och den andra stationen har ett varierande pris som sätts utifrån de olika varianterna på dynamisk prissättning (se avsnitt 3.2.2.2). Syftet med simuleringen är att undersöka hur stationernas lönsamhet och utnyttjandegrad påverkas av yttre konkurrens. 39 4. Resultat och diskussion 4.2.1 Resultat av simulering med konkurrens Figur 4.2 visar att dynamisk prissättning i samtliga fall leder till ett högre rörelseresultat jämfört med en konkurrerande station som tillämpar fast pris. Den största skillnaden i lönsamhet uppstår när den dynamiska prissättningen baseras på efterfrågan, vilket också är den modell som ger det högsta rörelseresultatet totalt sett. Figur 4.2: Rörelseresultat för de olika prismodellerna när de oberoende av varandra konkurrerar mot fast prissättning. Mätningen längst till vänster i diagrammet motsvarar grundscenariot, där två stationer med samma fasta prismodell konkurrerar. Rörelseresultatet motsvarar en veckas simulering. I figur 4.3 visualiseras utnyttjandegraden för de konkurrerande stationerna vid samma körning som ovan i figur 4.2. Även i denna aspekt presterar stationer med dynamiskt satta priser bättre än den med fast pris i samtliga fall. Samtliga stationer med dynamiska prismodeller uppnår en utnyttjandegrad mellan 11-13%, medan stationerna med fast prissättning som bäst uppnår en utnyttjandegrad på knappt 5% då den utsätts för konkurrens av den dynamiska stationen. Längst till vänster i figur 4.2 och 4.3 visualiseras en körning där båda konkurrerande stationer har fast prissättning med samma prisnivå, där ingen nämnvärd skillnad mellan deras prestation kan urskiljas. Detta är en konsekvens av att kunderna väljer station slumpmässigt, givet att priset och kölängden är densamma. 40 4. Resultat och diskussion Figur 4.3: Utnyttjandegrad för de olika prismodellerna när de oberoende av varandra konkurrerar mot fast prissättning. Resultatet motsvarar en veckas simulering. Figur 4.4 visualiserar hur priset och rörelseresultat för två konkurrerande stationer utvecklas under en veckas tid. Stationen som prissätter baserat på efterfrågan erbjuder ett lägre pris per kWh under majoriteten av tiden, där endast ett fåtal toppar i efterfrågan resulterar i en prishöjning som överstiger stationen med fast pris. Dessa pristoppar sammanfaller med de få tillfällen som majoriteten av kunderna väljer stationen med fast prissättning, vilket avspeglas i den fasta grafens trappstegsliknande utveckling. Pristopparna hos denna dynamiska prismodell är både högre och pågår under en längre tid mot slutet av simuleringen, vilket motsvarar dess utveckling under helgen. 41 4. Resultat och diskussion Figur 4.4: Genomsnittligt rörelseresultat över tid för två konkurrerande stationer: en med dynamisk prissättning baserat på efterfrågan (grön kurva) och en med fast pris (röd kurva). De heldragna strecken i grafen visar hur genomsnittligt ackumulerat rörelseresultat utvecklas över en veckas period (måndag till söndag), baserat på resultat från 10 simuleringar. De streckade linjerna visar hur priset som respektive aktör sätter varierar under samma tidsperiod, där prisnivån i kr / kWh kan avläsas mot sekundäraxeln till höger i diagrammet. 4.2.2 Diskussion av simulering med konkurrens De konkurrerande fallen i avsnitt 4.2.1 kan tolkas som en situation där det tidigare funnits två stationer med identiska fasta prisstrategier, varav den ena sedan övergår till dynamisk prissättning. Resultatet illustrerar att den aktör som börjar med dynamiska priser lyckas attrahera fler kunder och därmed förbättrar både utnyttjandegraden samt rörelseresultatet. Detta resultat överensstämmer väl med teorin (se avsnitt 2.5.2) om att dynamisk prissättning är effektivt vid konkurrensutsatta marknader där kundbasen innefattar spridd betalningsvilja och efterfrågans fördelning varierar under dygnet. 4.2.2.1 Effekter av priskänslighet och konkurrens Den främsta förklaringen bakom att stationerna med dynamisk prissättning presterar bättre är att marknaden i hög grad domineras av priskänsliga kunder. Modellens kundsegment (se avsnitt 3.2.1.1), som härleds med stöd från teorin, utgörs av en kundbas där 80% av kunderna på laddmarknaden väger in pris som en viktig faktor vid val av laddstation. Eftersom laddning av el är en homogen tjänst och elen är densamma oberoende av vilken station kunderna väljer att ladda på, blir priset en avgörande konkurrensfaktor. Efterfrågan på laddning blir därmed mer elastisk i förhållande till priset och en prissänkning hos den dynamiska 42 4. Resultat och diskussion stationen leder då till en ökad efterfrågan från den priskänsliga kundgruppen. Detta förklarar varför den dynamiska prismodellen med lägre pris under lågtrafikperioder lockar till sig fler kunder vilket resulterar i både högre utnyttjandegrad och rörelseresultat. Effekten av detta illustreras väl i figur 4.4 där rörelseresultatet för stationen med dynamisk prissättning med avseende på efterfrågan växer som kraftigast så länge priset är lägre än den fasta prismodellen. Vid de få tillfällen då priset på stationen med