Reducing the cost of electricity transmission services of industrial enterprises connected to the electric networks of electric power producers

封面

如何引用文章

全文:

详细

Reducing the cost of electricity consumption by industrial enterprises is the most important area of increasing the operational efficiency of their activities. The article is devoted to the issue of reducing the cost of paying for the service component of the transport component of purchased electrical energy from industrial enterprises that have technological connection to the electrical networks of electricity producers. The article makes an empirical study of the features of the pricing of payment for the services of the transport component of purchased electrical energy for industrial enterprises connected to the electric grids of electricity producers with the identification of factors influencing the overestimation of the cost of paid electricity, and calculating such overestimations using the example of a typical schedule of electricity consumption of a machinebuilding enterprise for various regions Russia. On the basis of the developed author's indicators (tariff coefficient for electricity transportation by the level of GNP, index of tariff coefficient for electricity transportation, weighted average price for electricity transportation, index of weighted average price for electricity transportation, integral index of efficiency of GNP tariffs) study of the effectiveness of the application of tariffs for the transport of electricity for industrial enterprises connected to the electric networks of electricity producers. Based on the calculated indicators, the article groups the regions into three main groups, with the development of recommendations for managing the cost of purchasing electricity by the component of the cost of the transport component of purchased electricity in each group. As the most optimal option for reducing the cost of electricity transportation, the author proposes the introduction of demand management for electricity consumption, which will reduce the costs of industrial enterprises that pay for the transport component of purchased electricity at unfavorable tariff configurations.

作者简介

Anatoly Dzyuba

South Ural State University (National Research University)

编辑信件的主要联系方式.
Email: dziubaap@susu.ru

Candidate of Economic Sciences, senior researcher, Department of Financial Technologies, Higher School of Economics and Management

76 Prospekt Lenina, Chelyabinsk, 454080, Russian Federation

参考

  1. Abdulkareem, A., Okoroafor, E.J., Awelewa, A., & Adekitan A. (2019). Pseudo-inverse matrix model for estimating long-term annual peak electricity demand: the covenant university’s experience. International Journal of Energy Economics and Policy, 9(4), 103-109.
  2. Assembayeva, M., Egerer, J., Mendelevitch, R., & Zhakiyev, N. (2018). A spatial electricity market model for the power system: The Kazakhstan case study. Energy, 149, 762-778.
  3. Baev, I.A., Solovyeva, I.A., & Dzyuba, A.P. (2018). Cost-effective management of electricity transmission in an industrial region. Economy of Region, 14(3), 955-969.
  4. Borisova, O.V., Kalugina, O.A., Kosarenko, N.N., Grinenko, A.V., & Ishmuradova, I.I. (2019). Assessing the financial stability of electric power organizations. International Journal of Energy Economics and Policy, 9(3), 66.
  5. Borukaev, Z., Ostapchenko, K., & Lisovychenko, O. (2015). Data analysis of the relationship dynamics of the energy market with price changes in the energy markets. Adaptive Automatic Control Systems, 1(26), 85-101. (In Russ.)
  6. Castro, F.A., & Callaway, D.S. (2020). Optimal electricity tariff design with demand-side investments. Energy Systems, 11(3), 551-579.
  7. Chao, H.-P., & Wilson, R. (2020). Coordination of electricity transmission and generation investments. Energy Economics, 86, 604-623.
  8. Chen, K., Jiang, J., Zheng, F., & Chen, K. (2018). A novel data-driven approach for residential electricity consumption prediction based on ensemble learning. Energy, 150, 49-60.
  9. Dmitrieva, K.A., & Kravchenko, A.V. (2016). Energy management in the construction and operation of railways as part of infrastructure. Production Management: Theory, Methodology, Practice, (8), 184-187. (In Russ.)
  10. Dzyuba, A.P. (2020). Theory and methodology of energy demand management in industry. Chelyabinsk: SUSU Publishing Center. (In Russ.)
  11. Dzyuba, P.A., & Solovyeva, A.I. (2020). Demand-side management mechanisms in industry. Journal of New Economy, 21(3), 175-195. (In Russ.) https://doi.org/10.29141/26585081-2020-21-3-9
  12. Firsova, I.A. (2017). Modeling the behavior of electricity market participants in the energy market. Financial Life, (4), 9-14. (In Russ.)
  13. Gitelman, L.D., Ratnikov, B.E., & Kozhevnikov, M.V. (2012). Demand management is a universal method for solving modern power supply problems. Energorynok, (5), 44-49. (In Russ.)
  14. Gitelman, L.D., Ratnikov, B.Е., & Kozhevnikov, М.V. (2013). Demand-side management for energy in the region. Economy of Region, 2(34), 71-84. (In Russ.)
  15. Kolibaba, V.I., & Kolibaba, S.V. (2015). Key aspects and risk assessment of introducing a new model of the capacity market in the Russian Federation. Vestnik IGEU, (1), 71-75. (In Russ.)
  16. Kolibaba, V.I., & Zhabin, K.V. (2017). Features of formation and development of the reactive power market. St. Petersburg State Polytechnical University Journal. Economics, 10(3), 114-125. (In Russ.) https://doi.org/10.18721/JE.10411
  17. Kononov, D.Yu., Velichko, M.A., & Sakharovskaya, K. S. (2019). Electricity demand management by consumers. Bulletin of Angarsk State Technical University, 1(13), 35-39. (In Russ.)
  18. Kuzmin, E.A., Volkova, E.E., & Fomina, A.V. (2019) Research on the concentration of companies in the electric power market of Russia. International Journal of Energy Economics and Policy, 9(1), 130-136.
  19. Lisin, E.M., Stepanova, T.M., & Zhovtiak, P.G. (2016). Investigation of the effect of cost allocation methods on the competitiveness of CHP plants in energy markets. St. Petersburg State Polytechnical University Journal. Economics, 6(256), 148-158. (In Russ.) https://doi.org/10.5862/je.256.13
  20. Lisin, E.M., Strielkovski, V., Grigorieva, A.N., & Anisimova, Yu.A. (2013). Modern approaches to the development of models of electricity markets and the study of the impact of market power on the energy market. Science Vector of Togliatti State University, (1), 188. (In Russ.)
  21. Meshcheryakova, T.S. (2015). Energy management of an industrial enterprise based on an energy service contract. Energy Conservation Journal, (5), 48-51. (In Russ.)
  22. Paulino, R.F.S., Essiptchouk, A.M., & Silveira, J.L. (2020). The use of syngas from biomedical waste plasma gasification systems for electricity production in internal combustion: Thermodynamic and economic issues. Energy, 199, 117419.
  23. Polubotko, A.A. (2016). Formation of a logistics strategy for optimizing the region's energy market system. Financial Research, 3(52), 105-110. (In Russ.)
  24. Rech, S., & Lazzaretto, A. (2018). Smart rules and thermal, electric and hydro storages for the optimum operation of a renewable energy system. Energy, 147, 742-756.
  25. Shi, K., Yu, B., Huang, C., Wu, J., & Sun, X. (2018). Exploring spatiotemporal patterns of electric power consumption in countries along the Belt and Road. Energy, 150, 847-859.
  26. Sholanov, K.S., & Issaeva, Z.R. (2019). Submerged float wave electric power station on the basis of the manipulator converter. International Journal of Renewable Energy Research, 9(3), 1376-1387.
  27. Sidorovskaya, N. (2015). Demand management in the global electricity markets. Energy Market, 7(132), 28-34. (In Russ.)
  28. Sopilko, N.Y., Navrotskaia, N.A., Myasnikova, O.Y., & Bondarchuk, N.V.E. (2020). Potential and development prospects assessment of electric power integration of the Eurasian Economic Union countries. International Journal of Energy Economics and Policy, 10(3), 37.
  29. Tatarkin, A.I., Kuklin, A.A., Buchatskaya, N.V., et al. (1997). Improving the efficiency of energy and economic security of the region based on the management of power consumption regimes. Part 1. Methodological foundations of analysis and forecasting of the price of electricity production in regional electric power systems taking into account operating factors. Yekaterinburg, UB RAS. (In Russ.)
  30. Van Megen, B., Bürer, M., & Patel, M.K. (2019). Comparing electricity consumption trends: A multilevel index decomposition analysis of the Genevan and Swiss economy. Energy Economics, 83, 1-25.
  31. Volkova, I.O., Gubko, M.V., & Salnikova, E.A. (2013). Active consumer: The task of optimizing electricity consumption and own generation. Control Problems, (6), 53-61. (In Russ.)
  32. Wangsa, I.D., & Wee, H.M. (2019). The economical modelling of a distribution system for electricity supply chain. Energy Systems, 10(2), 415-435.
  33. Wu, Y., Yang, J., Chen, S., & Zuo, L. (2018). Thermo-element geometry optimization for high thermoelectric efficiency. Energy, 147, 672-680.
  34. Wu, Z., Zhu, P., Yao, J., Tan, P., Xu, H., Chen, B.,.. & Ni, M. (2020). Thermo-economic modeling and analysis of an NG-fueled SOFC-WGS-TSA-PEMFC hybrid energy conversion system for stationary electricity power generation. Energy, 192, 116613.

补充文件

附件文件
动作
1. JATS XML
下载

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».