| Forside | | Indhold | | Forrige | | Næste |

Effektiviseringspotentiale på forbrændingsanlæg og deponeringsanlæg i Danmark

4. Effektiviseringspotentiale for forbrændingsanlæg

4.1 Konklusion

Analysen peger på, at de danske forbrændingsanlæg generelt ikke adskiller sig så meget fra hinanden ud fra en effektivitetsvurdering. Således er der identificeret et teknisk effektiviseringspotentiale på 7 anlæg og et skalapotentiale på 15 anlæg. Når der tages højde for udvidelsesplaner og varmemarked, resulterer dette i et effektiviseringspotentiale på ca. halvdelen af de analyserede anlæg¹⁹.

Potentialet på de inefficiente anlæg tilsammen ses i tabellen nedenfor.

Figur 4.1
Opdeling af effektiviseringspotentiale på forbrændingsområdet i Danmark, mio. kr. i år 2000

Det er ikke muligt at lægge henholdsvis de laveste tal sammen og de højeste tal sammen og få et interval på det samlede potentiale. Usikkerheden på det totale potentiale vurderes at være på maksimalt ± 20%.

Det kan konkluderes, at 120-130 mio. kr. årligt, svarende til i gennemsnit 7-8% af de samlede omkostninger, bør kunne realiseres på kort sigt, mens 15-25 mio. kr. årligt, svarende til i gennemsnit 1-1,5% bør kunne realiseres på lang sigt. Beløbet kan spares via en reduktion i omkostningerne per ton ved stigende mængder i forhold til omkostningerne per ton i dag.

Der er således en stor andel af det identificerede potentiale, som bør kunne realiseres på relativt kort sigt. Analysen peger på, at en stor del af det kortsigtede potentiale skyldes uplanlagte driftsstop, men dette resultat kan også dække over, at anlæggene med mange driftsstop på andre punkter ikke er effektive i deres drift. Det er imidlertid ikke muligt at uddybe dette på basis af datagrundlaget i analysen.

Det skal her bemærkes, at flere anlæg har opereret på kapacitetsgrænsen i flere år. Med de igangværende udvidelser må antallet af uplanlagte driftsstop formodes at falde i de kommende år givet at mængden af affald til forbrænding ikke stiger.

For det langsigtede potentiale peger analysen på, at der er et skalapotentiale, som kan realiseres, hvis en række af anlæggene kan modtage mere affald og samtidig udnytte de identificerede stordriftsfordele.

Det vurderes, at udviklingen i affaldsmængderne til forbrænding giver grundlag for at udnytte stordriftsfordelene ved udvidelse af anlæggene fremfor sammenlægning af anlæg. Der er allerede i dag planlagt en udvidelse af visse anlæg, og de seneste analyser²⁰ viser, at denne udvidelse gør at kapaciteten er tilstrækkelig allerede fra 2004. Det identificerede potentiale vurderes derfor at kunne realiseres med den nuværende struktur.

Der er endvidere identificeret et potentiale på 60-70 mio. kr. årligt, som forventes at blive vanskeligt at realisere eller som slet ikke kan realiseres. Potentialet skyldes forhold på anlæggene såsom valg af teknologi til røggasrensning og ovntype. Det er i den forbindelse væsentligt at påpege, at det tidspunkt, et anlæg er etableret på, er afgørende for hvilken teknologi (eksempelvis inden for røggasrensning), der er implementeret, idet metoderne er udviklet på forskellige tider og anbefalingerne har skiftet over tid.

Potentialet for samtlige anlæg i Danmark vil højst sandsynligt være større end det viste potentiale, idet det er vurderet at analysen dækker ca. 85% af de forbrændte mængder eller 74% af de danske forbrændingsanlæg. Hvis de ikke-inkluderede anlæg ligner de anlæg, der er medtaget i analysen, vil det samlede bruttoeffektiviseringspotentiale stige fra 215 mio. kr. i år 2000 til ca. 250 mio. kr. Endelig skal det bemærkes, at potentialet er fastlagt i forhold til de "bedste" af anlæggene i analysen, og analysen forholder sig således ikke til, at de "bedste" anlæg muligvis kan blive endnu mere effektive. Det samlede potentiale kan derfor af den grund være større end det her fastlagte potentiale. Visse af de efficiente anlæg har allerede gennemgået en effektiviseringsproces, mens denne hos andre kun lige er påbegyndt. For forbrændingsanlæg optræder der endvidere både emissioner og omkostninger på inputsiden. Derfor bliver de anlæg, der klarer sig godt på emissionssiden, ikke evalueret "omkostnings-mæssigt" i forhold til emissionsbegrænsning. Der kan altså også være et økonomisk effektiviseringspotentiale for disse, som ikke kommer frem i analysen. Undervurderingen af effektiviseringspotentialet for forbrændingsanlæggene må derfor alt andet lige være større end for deponeringsanlæggene, men det er naturligvis ikke muligt at vurdere størrelsen af det reelle potentiale.

Foruden det økonomiske potentiale viser analysen, at der er et miljømæssigt "effektiviseringspotentiale". Anlæggene kan altså reducere deres udledninger til luften samtidig med at de behandler samme mængde affald. For partikler ligger det samlede potentiale i størrelsesorden 5-13 tons i 2000, hvilket svarer til en besparelse på i gennemsnit 5-14 % af anlæggenes partikelemissioner. For SO₂ ligger det samlede potentiale i størrelsesorden 63-147 tons i 2000, hvilket svarer til en besparelse på i gennemsnit 6-12 % af anlæggenes SO₂ emissioner.

4.2 Datagrundlag

I dette afsnit redegøres kort for det datagrundlag, der har været udgangspunktet for analyserne af forbrændingsanlæggene. En række af de væsentligste elementer ved de indsamlede data beskrives, dels ved hjælp af en række illustrationer, dels ved hjælp af kvalitative beskrivelser af data.

I analysen indgår som udgangspunkt samtlige affaldsforbrændingsanlæg i Danmark bortset fra slamforbrændingsanlæg, anlæg til forbrænding af farligt affald og industrielle forbrændingsanlæg.

Resultat af dataindsamling

Datagrundlaget for forbrændingsanalysen er information indhentet via et spørgeskema udarbejdet til brug for denne undersøgelse. Spørgeskemaet har været udsendt til i alt 31 forbrændingsanlæg. Status for besvarelserne fremgår af tabellen nedenfor.

Tabel 4.1
Resultat af dataindsamlingen, forbrændingsanlæg

Tabellen nedenfor viser de forbrændingsanlæg, der ikke har besvaret spørgeskemaet. De tre anlæg vurderes at have en årlig kapacitet på ca. 70.000 tons.

Tabel 4.2
Forbrændingsanlæg, der ikke har besvaret spørgeskemaet

Når data og analyser præsenteres i det følgende, er de baseret på de 23 anlæg. Det enkelte anlæg i analysen er tildelt et bogstav, og hvert enkelt anlæg bevarer det samme bogstav igennem hele rapporten. I præsentationer, hvor anlæggene er tildelt et tal, er der tale om en rangordning af anlæggene efter det viste karakteristika.

For at analysen er repræsentativ, er det væsentligt, at anlæg af alle størrelser er dækket i analyserne. Figuren nedenfor viser størrelsen af de forbrændingsanlæg, der indgår i analysen.

Figur 4.2
Anlæggenes forbrændte mængder i 2000

Som det fremgår af figuren, er der en udmærket spredning af forbrændingsanlæggenes størrelse.

De analyserede anlæg forbrændte tilsammen ca. 2,5 mio. tons eller ca. 86% af den samlede forbrændte mængde affald i Danmark i år 2000. De 5 forbrændingsanlæg, der har besvaret spørgeskemaet, men som er udeladt af analysen, brændte tilsammen 323.000 tons i 2000. Besvarelserne dækker således i alt ca. 98% af de forbrændte mængder i 2000. Datagrundlaget for analysen vurderes således at være tilfredsstillende.

Nedenfor beskrives anlæggenes karakteristika overordnet.

Anlægsbeskrivelse

Langt de fleste af forbrændingsanlæggene i analysen producerer både el og varme (KV-anlæg). Dog er der tre anlæg, der kun producerer varme (VV-anlæg). Tabellen nedenfor illustrerer fordelingen af anlæggene og deres gennemsnitlige produktion af el og varme. Det skal bemærkes, at tallene for varme- og elproduktion er eksklusiv eventuelt energitab men inklusiv eventuelt bortkølet varme. Det indfyrede affalds brændværdi er således noget højere end de viste tal.

Tabel 4.3
Fordeling af anlæggene på ovntyper

Note: Et anlæg betegnes KV-anlæg, hvis mindst en ovn producerer både el og varme. Et enkelt anlæg har ikke egen turbine og har derfor kun angivet produktionen som varme, selvom der også produceres el.

Blandt KV-anlæggene er der stor forskel på, hvor meget el der produceres pr. ton affald. Det skyldes hovedsageligt, at nogle ovne på anlæggene kun producerer varme. Elproduktionen stiger naturligvis med andelen af affaldet, der forbrændes i KV-ovne. Varmeproduktionen er mindre varierende, men logisk nok højest på VV-anlæggene.

Et andet punkt, hvor anlæggene adskiller sig, er på røggasrensningsteknologien. Tabellen nedenfor illustrerer fordelingen af de analyserede anlæg på røggasrensningstype.

Tabel 4.4
Fordeling af anlæggene på røggasrensningsteknologi

Det ses, at godt halvdelen af anlæggene har våd røggasrensning, mens ca. en tredjedel har enten tør eller semitør røggasrensning. Tre anlæg har en kombination af disse former for rensning.

Omkostninger

De økonomiske data spiller en central rolle i benchmarkinganalysen. På figuren nedenfor illustreres spredningen i bruttoomkostningerne til forbrænding.

Figur 4.3
Bruttoomkostning (ekskl. moms, indtægter og affaldsafgift) pr. ton forbrændt affald, forbrændingsanlæg

Der er en vis spredning i bruttoomkostningerne pr. ton forbrændt affald, og det dyreste anlæg er over dobbelt så dyrt som det billigste. Langt de fleste anlægs omkostninger ligger dog på ca. 600-800 kr. pr. ton. Det vægtede gennemsnit²¹ af bruttoomkostningerne er på 671 kr. pr. ton.

Spredningen kan skyldes variationer i den egentlige drift af anlæggene, men den kan også dække over forskellige ovn- og rensningstyper, miljøkrav og serviceniveauer for forbrændingsanlæggene.

VV-anlæggene i analysen har i gennemsnit højere omkostninger pr. ton end de øvrige anlæg, men de er også blandt de mindste af anlæggene.

Figuren nedenfor illustrerer, hvordan omkostningerne er fordelt på forskellige kategorier.

Figur 4.4
Fordeling af bruttoomkostninger, forbrændingsanlæg

Det fremgår, at ca. 54% af anlæggenes omkostninger stammer fra driftsopgaver, nemlig personaleomkostninger, eksterne tjenesteydelser, materiale- og ressourceforbrug og øvrige omkostninger. De omkostninger kan i stor udstrækning opfattes som variable omkostninger. Tallene dækker dog også over mindre anlægsinvesteringer, der ikke aktiveres og afskrives, men indgår direkte som en driftsomkostning. Omkostningerne til driftsopgaver varierer mellem 30% og 82%, hvor den næsthøjeste andel er 64%.

De faste omkostninger til afskrivning, forrentning²² og leasing af materiel udgør ca. 40% af anlæggenes omkostninger. Denne andel varierer mellem 18% og 65%. Den lave andel på 18% er for et lille gammelt anlæg, der formentlig er afskrevet i udstrakt grad. Der er dog ikke en entydig sammenhæng mellem anlæggenes alder og afskrivningerne, da mange anlæg er blevet moderniseret. Den næstlaveste andel af omkostningerne til afskrivning, forrentning og leasing af materiel er 29%.

Indtægter

Behandlingsgebyret afspejler ikke omkostningerne, da forbrændingsanlæggene har betydelige indtægter fra salg af el og varme. På figuren nedenfor illustreres spredningen i behandlingsgebyrerne til forbrænding af almindeligt brændbart affald, der ikke kræver neddeling. Bemærk, at mange anlæg kan have forskellige behandlingsgebyrer for forskellige typer af affald.

Figur 4.5
Behandlingsgebyr eksklusiv moms og statsafgift, forbrændingsanlæg (kr/ton)

Note: Behandlingsgebyret er for almindeligt forbrændingsegnet affald, der ikke kræver neddeling.

Der er en betydelig variation i behandlingsgebyrerne. Et enkelt anlæg opkræver ikke noget gebyr ud over statsafgiften, mens et andet anlæg opkræver mere end 900 kr. pr. ton ud over statsafgift. Gebyret eksklusiv moms og statsafgift er generelt væsentligt lavere end bruttoomkostningerne pr. ton. Det hænger selvfølgelig sammen med, at anlæggene har betydelige indtægter fra salg af el og varme samt mindre indtægter fra øvrige aktiviteter. Endvidere kan forholdet mellem omkostninger pr. ton og behandlingsgebyrer afvige fra år til år eksempelvis pga. årlige reguleringer (overskud/underskud i det foregående år).

Behandlingsgebyrets andel af omkostningerne fremgår af figuren nedenfor.

Figur 4.6
Behandlingsgebyr eksklusiv moms og statsafgift i forhold til bruttoomkostninger pr. ton, forbrændingsanlæg

Mens elprisen ikke varierer meget fra anlæg til anlæg, er der en betydelig variation i den varmepris, anlægget kan opkræve. Varmeprisen er nemlig typisk ikke ensartet omkostningsfastsat, idet den fastsættes som det laveste af den omkostningsbestemte værdi og substitutionsprisen²³. Dette er illustreret i figuren nedenfor.

Figur 4.7
Varmepris på forbrændingsanlæg

Figuren illustrerer, at der er op til en faktor 5 mellem den laveste og højeste varmepris. Dette tyder på meget forskellige indtjeningsmuligheder for anlæggene. Det gør også, at visse anlæg kan få dækket en større del af deres omkostninger og dermed har gunstigere vilkår end andre. Disse anlæg har muligvis mindre incitament end de øvrige anlæg til at reducere omkostningerne. Det skyldes, at hvis man får en lav varmepris er man nødt til at få dækket sine omkostninger ved et højere affaldsgebyr. Det øger incitamentet til at reducere omkostningerne²⁴.

Miljø

Anlæggenes økonomiske forhold er væsentlige i relation til benchmarkingen, men det er samtidigt vigtigt at tage højde for, at anlæggene lever op til en vis miljøstandard. Der er forskel på de nærmiljøkrav, som anlæggene bliver stillet overfor, således bliver nogle anlæg pålagt specielle krav fra lokal side (jf. Afsnit 3.6).

Blandt anlæggene er 5 ISO-certificeret. ISO-certificeringerne er af typen ISO-14001, ISO-9002 eller EMAS.

Anlæggene er blevet spurgt, om de lever op til det nye EU-direktiv²⁵, der bl.a. regulerer luftemissioner og spildevandskvalitet. Direktivet skal implementeres i dansk lovgivning inden udgangen af 2002, og anlæggene skal inden udgangen af 2005 leve op til kravene i direktivet. Besvarelserne viser imidlertid, at kun ca. en fjerdedel af anlæggene angiver, at de med sikkerhed allerede lever op til alle kravene i direktivet, mens godt og vel det samme antal anlæg ikke mener, at de lever op til direktivet. De resterende anlæg angiver, at de på de fleste punkter lever op til EU-direktivet.

Tabel 4.5
Opfylder anlægget EU direktiv 2000/76/EF af 4/12-2000

Anlæggene er tillige blevet spurgt, om de udarbejder grønt regnskab. Svarenes fordeling ses i figuren nedenfor. Det fremgår, at langt de fleste anlæg begyndte at lave grønt regnskab i 1996. Et enkelt anlæg først i 1999, da anlægget først åbnede dette år.

Figur 4.8
Fordeling af anlæggene efter hvornår de begyndte at lave grønt regnskab

Note: Tre anlæg har ikke besvaret spørgsmålet.

Der er stor fokus på luftemissionerne fra forbrændingsanlæggene, og disse rapporteres i anlæggenes grønne regnskaber.

I figuren nedenfor vises emissionerne af partikler, SO₂ og HCl fra anlæggene. Der er også spurgt til anlæggenes øvrige emissioner, der indbefatter CO, TOC, HF og NO₂, samt dioxin og en række tungmetaller, men de er ikke vist her. Alle disse emissioner er reguleret af EU-direktivet, men specielt emissionerne af tungmetaller har mange anlæg ikke opgjort.

Der ses i figuren en endog meget stor variation i partikler, SO₂- og HCl-emissionerne.

Se her!

Figur 4.9
Udvalgte emissioner pr. ton forbrændt affald

I figuren angives, hvilken type røggasrensning anlæggene har. Typen af røggasrensning kan ikke forklare størrelsen af emissionen pr. ton for partikel- og SO₂-emissioner. Til gengæld har de våde anlæg i analysen signifikant lavere HCl-emissioner end de øvrige anlæg. Det harmonerer med generel teknisk viden om røggasrensning.

Det er endvidere kendt, at der er en svag tendens til at tørre anlæg har lavere SO₂-emissioner end våde anlæg uden SO₂-proces. Det omvendte forhold gør sig gældende, hvis de våde anlæg har SO₂-rensning. Det kan forklare, at der ikke ses en tydelig sammenhæng mellem røggasrensningstypen og SO₂-emissionerne.

Endvidere ses en vis – men ikke helt klar - tendens til, at emissionerne er sammenhængende, således at anlæggene med lave partikelemissioner også har lave SO₂- og HCl-emissioner og omvendt. Det tyder på, at nogle anlæg generelt belaster miljøet mindre end andre.

Slaggerne fra forbrænding udgør ca. 20% af den indvejede mængde, så der er tale om betydelige mængder. Anlæggene er blevet spurgt om, hvor stor en del af slaggerne, der genanvendes. Langt størstedelen af anlæggene har angivet, at de genanvender 100% af slaggerne. Det bør dog bemærkes, at der pr. 1. januar 2001 er kommet skærpede krav til slaggernes kvalitet²⁶. Det betyder at perioden til mellemdeponering af slagger bliver øget, og at anlæggenes udgifter til mellemdeponering dermed stiger.

Anlæggene er blevet spurgt om mængden af restprodukt fra røggasrensning. Der er størrelsesmæssig forskel på mængden af restprodukter, alt efter om anlæggene har våd eller tør røggasrensning.

Anlæggene er blevet spurgt, om de har specielle krav til udledning af spildevand. Her har 2 anlæg svaret, at de har særlige krav for indholdet af kadmium (Cd) og et enkelt anlæg har svaret at de har et særligt krav til saltindholdet i spildevandet. De øvrige anlæg har ikke svaret, at de har specielle krav for spildevandet.

Service- og øvrige forhold

I et forsøg på at opfange alle vigtige forhold der spiller ind på driften af anlæggene, blev de tillige stillet en række spørgsmål om serviceforhold (jf. Afsnit 3.6). De blev bl.a. spurgt om forhold i relation til deres ansatte, arbejdsmiljø og ressourceforbrug på andre serviceopgaver.

Indsamlingen af data om ansatte viser, at der er en stor variation i det antal ansatte, som forbrændingsanlæggene har ansat i forhold til den forbrændte mængde. I gennemsnit har forbrændingsanlæggene ansat ca. 3,2 mand pr. 10.000 tons forbrændt affald²⁷. Gennemsnittet dækker over en spredning fra 1,7 til 7,8 mand pr. 10.000 tons forbrændt. Det anlæg, der har næstflest ansatte pr. 10.000 ton, har dog kun 4,6 ansatte pr. 10.000 tons forbrændt.

Antallet af ansatte afspejler flere forhold. For det første er der stordriftsfordele. Store anlæg klarer sig med relativt færre ansatte i forhold til affaldsmængden end små anlæg. For det andet har anlæggene forskelligt træk på eksterne folk, der ikke indgår i antallet af ansatte. For det tredje er anlæggene mere eller mindre mandskabskrævende. Der er således en afvejning mellem at have et meget mandskabskrævende anlæg og et dyrere men mere automatiseret anlæg. Endvidere er der i et vist omfang forskellige aktiviteter knytter til anlæggene, eksempelvis forbehandling og nedknusning, hvilket kan medføre forskelligt mandskabsbehov. Endelig udfører anlæggene en varierende mængde serviceopgaver.

Gennemsnitsalderen for de ansatte på forbrændingsanlæggene er ca. 45 år. Det dækker over en spredning i gennemsnitsalderen på 39-50 år på de enkelte anlæg.

Det gennemsnitlige antal sygedage pr. ansat i år 2000 udgjorde 7,8. Dette dækker over en spredning fra 2-17 dage pr. ansat.

De ansatte skal dels holde anlægget kørende, dels servicere kunderne i åbningstiden. Forbrændingsanlæggenes åbningstider er således en serviceparameter over for kunderne, men kan også være en betydende parameter i forhold til effektiviteten på anlægget. Det er dog vigtigt at bemærke, at åbningstiden ikke alene siger noget om ressourceforbruget på anlæggene, idet der kan være stor forskel på bemandingen på forskellige tidspunkter af dagen.

Figur 4.10
Antal lastbiler der kommer til anlægget målt mod åbningstid

Note: To anlæg er ikke med, da de havde angivet døgnåbent.

Som det fremgår af figuren ovenfor, har anlæggene typisk åbent mere end 45 timer om ugen. Ingen forbrændingsanlæg oplyser, at de har en ugentlig åbningstid på under 42 timer pr. uge, mens et enkelt oplyser, at det har åbent hele 84 timer om ugen. Åbningstiden skal ses i sammenhæng med, hvor mange lastbiler der dagligt ankommer til forbrændingsanlægget. Antallet af lastbiler varierer naturligvis med den mængde affald, som anlægget modtager, men der ses ingen klar sammenhæng mellem lastbiler, der kommer, og anlæggets åbningstid.

Anlæggene er blevet spurgt, om de assisterer kommunen/kommunerne med at udarbejde kommunale affaldsplaner. Ni ud af 23 anlæg, dvs. 39%, har svaret ja, mens 57% har svaret nej. Et enkelt anlæg har ikke besvaret spørgsmålet.

Anlæggene er endvidere blevet bedt om at anslå forbrændingsanlæggets tidsforbrug til en række serviceopgaver, f.eks. information og vejledning, affaldsplanlægning, takstberegning, besøg m.m. Omtrent halvdelen af anlæggene har svaret på spørgsmålene, og mange angiver, at det er svært at opgøre tidsforbruget pga. manglende registrering af timeforbruget på specifikke opgaver.

Svarene dækker over meget store variationer. Det samlede tidsforbrug på forbrændingsanlæggene til denne slags opgaver er angivet til mellem 68 og 1.825 timer årligt. Det maksimale tidsforbrug svarer således til ca. 1 fuldtidsbeskæftiget.

Modsat deponeringsanlæggene spiller øvrige aktiviteter end forbrænding ikke så stor en rolle på forbrændingsanlæggene. Sideaktiviteter er specielt vigtige i benchmarkingen, hvis anlæggene kan opnå en økonomisk fordel ved at have flere aktiviteter. Det fremgår af besvarelserne, at knap halvdelen af anlæggene ikke har andre aktiviteter på anlæggene end forbrænding.

Til trods for de belyste forskellige karakteristika for forbrændingsanlæggene kan anlæggene opfattes som homogene enheder i relation til benchmarkinganalysen. Det er derfor relevant at analysere anlæggene i en DEA-model.

4.3 DEA-model

Der tages udgangspunkt i én DEA-model, som vurderes at beskrive anlæggenes produktion på den bedste måde. Til denne model er udvalgt de mest centrale variable ud fra en overordnet betragtning om, hvilke elementer der spiller en rolle i driften af forbrændingsanlæggene. Denne model kaldes i det følgende for basis DEA-modellen.

Modellen er efterfølgende suppleret med en række DEA-analyser med forskellige kombinationer af variable. For overskuelighedens skyld præsenteres her først resultatet af basismodellen i detaljer, hvorefter resultaterne fra de øvrige DEA-analyser præsenteres mere overordnet (dog med detaljer dokumenteret i bilag).

Som input i basis DEA-modellen indgår forbrændingsanlæggets bruttoomkostninger, udvalgte luftemissioner og den ikke-genanvendte slaggemængde.

Fortolkningen af bruttoomkostningerne som et input er naturlig, da det er en ressource, der skal til for at forbrænde affaldet. Bruttoomkostningerne på anlæggene betragtes samlet, så delelementer, f.eks. driftsomkostninger alene eller afskrivninger og forrentning alene, analyseres ikke separat i basis DEA-analysen. En opdeling af omkostningerne i drifts- og anlægsomkostninger analyseres i en supplerende DEA-analyse i næste afsnit.

Fortolkningen af emissioner og ikke-genanvendt slaggemængde som input i analysen er, at de er en belastning for miljøet og dermed en omkostning for samfundet ligeså vel som de faktiske omkostninger på anlæggene. Emissionerne og den ikke-genanvendte slaggemængde kunne også inddrages som output i analysen (sådan som miljøoutput normalt forbindes med anlæggene), men ville da skulle modelleres som et uønsket output. Den valgte tilgang vurderes at give en mere klar fortolkning.

Centrale, repræsentative emissioner er udvalgt. Valget af partikler er baseret på, at partikler er meget sundhedsskadelige, og at emissionen af tungmetaller, som også er sundhedsskadelige, er korreleret med partikelemissionerne. SO₂ repræsenterer anlæggenes sure emissioner. Endvidere fremgik det af dataafsnittet, at der - modsat de sure HCl-emissioner - ikke er en entydig tendens til høje eller lave SO₂-emissioner afhængig af røggasrensningstypen. SO₂ giver derfor det mest retvisende billede.

Det er også relevant eksempelvis at inddrage dioxin, da nogle anlæg renser specifikt for denne type emission. Datagrundlaget for dioxinemissioner er for sparsomt til, at dioxin kan inddrages eksplicit i analysen. I en supplerende analyse i næste afsnit justeres for omkostninger til dioxinrensninger for på denne måde at korrigere for forskelle i dioxinrensning på anlæggene.

Emissionerne af CO, TOC og NO₂ er ikke inkluderet i analysen. NO₂ kunne være relevant at inkludere, men 11 af anlæggene har desværre ikke opgivet denne emissionstype. TOC og specielt CO²⁸ anses for at være mindre væsentlige i forhold til de medtagne emissioner, og desuden har enkelte anlæg ikke angivet disse emissioner.

Slagger er ligesom emissionerne en belastning for miljøet. Den ikke-genanvendte slaggemængde er inddraget, fordi disse slagger deponeres og er dermed en belastning for miljøet. Restprodukterne fra anlæggenes røggasrensning repræsenterer også et miljøproblem, men der er stor forskel på mængden af restprodukter på våde og tørre anlæg. Endvidere er det i ligeså høj grad sammensætningen som mængden, der har betydning i forhold til miljøet. Oplysninger om restproduktets sammensætninger er ikke indrapporteret i spørgeskemaet, da det er meget komplekst. Spildevandet er ligeledes en miljøparameter for anlæggene. Spildevandet er dog heller ikke kvalificeret i mængde og sammensætning i spørgeskemaet, og kan derfor ikke indgå i DEA-analysen.

Som output i analysen er inddraget forbrændt affaldsmængde, produceret mængde varme og produceret mængde el.

Den samlede forbrændte affaldsmængde indgår som output i basis DEA-analysen. Forbrænding af affald fortolkes som en ydelse og derfor et output. Analysen forholder sig således ikke til, at det måske vil være samfundsøkonomisk fordelagtigt at minimere affaldsmængderne.

Affaldets sammensætning er ikke inkluderet, da det er vurderet at have mindre betydning for det enkelte anlæg, idet anlæggene i høj grad er optimeret til at modtage den affaldssammensætning, som oplandet genererer. Det er således ikke en entydig fordel eller ulempe at modtage meget af en given affaldstype.

Det skal dog bemærkes, at mange anlæg er optimeret til affaldssammensætningen som den var ved anlægstidspunktet. Sammensætningen har imidlertid ændret sig siden da og vil ændre sig fremover (jf. Affald 21), hvilket har betydning for driften af anlæggene. Det vurderes imidlertid ikke, at anlæg kan blive efficiente, blot fordi de har en stor mængde af en given type affald til forbrænding, jf. Afsnit 3.2 side *. Derfor er det i stedet undersøgt, om de varierende brændværdier på de enkelte anlæg kan forklare variationen i scorer.

Den producerede mængde varme indgår som output i basis DEA-analysen. Ved at vælge den producerede mængde ses bort fra det faktum, at en del anlæg bortkøler en betydelig mængde af den producerede varme. I en supplerende DEA-analyse er dette forhold belyst nærmere.

Endelig er den producerede mængde el inddraget som output i basis DEA-analysen. Den producerede mængde el pr. ton affald varierer betydeligt fra anlæg til anlæg (jf. Tabel 4.3). Denne tilgang betyder, at rene VV-anlæg analyseres sammen med KV-anlæg. VV-anlæggene producerer ikke el. Til gengæld producerer disse anlæg mere varme end KV-anlæggene, og VV-anlæggene får derfor større mulighed for at være efficiente på varmeproduktionen. Input og output fremgår af tabellen nedenfor.

Tabel 4.6
Input og output i basis DEA-analysen

Note: Alle variable er årlige for 2000.

Resultater

På basis af input og outputvariablene i tabellen er basis DEA-analysen gennemført, og scorerne for hvert af de 23 forbrændingsanlæg er afbildet i figuren nedenfor. En score på 1 betyder, at anlægget er efficient, mens et anlæg med en score mindre end 1 er inefficient²⁹.

Resultaterne er vist for de to analyser, hvor der i den ene antages ikke at være stordriftsfordele/ulemper (CRS), mens der i den anden antages at være stordriftsfordele/ulemper (VRS). Forskellen mellem de to scorer – det der på figuren er mørkt – kan overordnet fortolkes som et skalapotentiale, mens det hvide mellemrum oven over søjlerne overordnet kan fortolkes som et potentiale knyttet til anlæggenes tekniske formåen.

Figur 4.11
Scorer i basis DEA-analysen

Note: For anlæg I er der identificeret stordriftsulemper, så dette potentiale opfattes som et teknisk potentiale.

Mere konkret ses det, at 7 anlæg er efficiente under antagelse om fravær af stordriftsfordele/ulemper. De 16 inefficiente anlæg i den analyse har en gennemsnitlig score på 0,81, hvilket betyder, at de inefficiente anlæg kan reducere deres input med mindst 19% i gennemsnit og samtidig producere det samme output, dvs. forbrænde den samme mængde og producere den samme mængde el og varme. Den gennemsnitlige score for samtlige anlæg er 0,87.

I analysen med antagelse om stordriftsfordele/ulemper er 17 anlæg efficiente. De 6 inefficiente anlæg har en gennemsnitlig score på 0,84, hvilket betyder, at de 6 inefficiente anlæg kan reducere deres input med mindst 16% i gennemsnit. Den gennemsnitlige score for samtlige anlæg er 0,96.

Som tidligere nævnt er det intuitivt logisk at acceptere, at forbrændingsanlæg har stordriftsfordele. Til gengæld er der ikke noget der taler for at meget store anlæg vil have vanskeligere ved at være effektive, hvorfor stordriftsulemper ikke accepteres. I sammenligningen af scorerne for hvert anlæg i de to analyser kan det fastlægges, om analysen peger på stordriftsfordele eller stordriftsulemper for et enkelt anlæg.

For 15 af de 16 CRS-inefficiente anlæg peger analysen på, at anlæggene ville kunne klare sig bedre, hvis stordriftsfordelene kunne udnyttes. Dette harmonerer med forventningen om, at der eksisterer stordriftsfordele. Det er undersøgt, om det sidste anlæg kan tænkes at have stordriftsulemper ved ikke at kunne afsætte sin varme, som det eksempelvis er tilfældet på fjernvarmeområdet. Det er dog ikke tilfældet³⁰, og det er derfor er valgt at opfatte potentialet for dette anlæg som et egentligt teknisk potentiale³¹. På denne baggrund er det samlede bruttoeffektiviseringspotentiale beregnet. Dette er vist i tabellen nedenfor.

Tabel 4.7
Samlet bruttoeffektiviseringspotentiale, forbrændingsanlæg

Note: Potentialet pr. anlæg er forskelligt fra det potentiale, de gennemsnitlige DEA-scorer udtrykker, fordi besparelsen er udtrykt i kr., mens DEA-scorerne var udtrykt pr. anlæg og derfor ikke tog hensyn til størrelsen af anlæggene.

Det fremgår, at det beregnede bruttoeffektiviseringspotentiale på basis af den foreløbige analyse ligger på 145-213 mio. kr. årligt svarende til en besparelse på i gennemsnit 9%-13% pr. anlæg. Potentialet på 213 mio. kr. er udtryk for et unuanceret bud på det langsigtede bruttopotentiale på forbrændingsområdet, der medtager strukturændringer. 60% af potentialet på 213 mio. kr. findes på 3 anlæg.

Et vigtigt element i en effektiviseringsdiskussion på forbrændingsområdet er udviklingen i mængden af affald. Figuren nedenfor viser udviklingen fra 1994 til 2000.

Figur 4.12
Udviklingen i mængder på forbrændingsområdet

Kilde: Miljøstyrelsen.

Mængderne til forbrænding har således været stigende over en årrække, og på grund af en bevidst politik om at sikre lige netop den nødvendige kapacitet kører stort set alle forbrændingsanlæg på deres kapacitetsgrænse. Det har givetvis en betydning for størrelsen af effektiviseringspotentialet, da kapitalapparatet dermed udnyttes fuldt ud.

Der er imidlertid ikke taget højde for øvrige årsager til forskelle i scorer og heller ikke, at en del af potentialet skyldes faktorer, som forbrændingsanlæggene ikke vil have mulighed for at påvirke. Det uddybes i afsnit 4.5. Endvidere er robustheden af resultatet i forhold til de valgte variable ikke analyseret. Det belyses i afsnit 4.4.

Ved at inddrage emissionerne som input i analysen sikres opretholdelse af en vis miljøstandard. Det betyder også, at der faktisk er identificeret et potentiale for reduktion af luftemissioner på samme tid som et økonomisk potentiale.

Analysen viser således, at der samtidig med det økonomiske effektiviseringspotentiale er et miljømæssigt "effektiviseringspotentiale". For partikler ligger det samlede potentiale i størrelsesorden 5-13 tons årligt, hvilket svarer til en besparelse på i gennemsnit 5%-14% af anlæggenes partikelemissioner. For SO₂ ligger det samlede potentiale i størrelsesorden på 63-147 tons årligt, hvilket svarer til en besparelse på i gennemsnit 6%-12% af anlæggenes SO₂-emissioner.

4.4 Kvalificerende DEA-analyser

Tabellen nedenfor giver en samlet oversigt over de indgående variable i de supplerende modeller.

Tabel 4.8
Oversigt over input og output i analyserne

Resultater

På basis af input og outputvariablene i tabellen er de supplerede DEA-analyser gennemført. Scorerne for hvert af de 23 forbrændingsanlæg vises i Bilag 2-7. De samlede beregnede bruttopotentiale for hver af analyserne ses i figuren nedenfor. De potentialer, der sammenlignes, er bruttopotentialer inklusiv eventuelt langsigts strukturændringer.

Figur 4.13
Bruttoeffektiviseringspotentiale i DEA-analyserne

Basismodellen fra afsnit 4.3 er illustreret ved den første søjle i figuren. Det fremgår, at resultaterne fra Model 1, Model 2, Model 5 og Model 6 ligger endog meget tæt på basismodellen. Det betyder, at skiftene i variable ikke påvirker det samlede bruttopotentiale i nævneværdigt omfang.

I Model 5 skal det understreges, at det ofte er forhold, som anlægget ikke har mulighed for at påvirke, der medfører, at en del af affaldsvarmen bliver bortkølet. På det samlede niveau betyder denne forudsætning som vist stort set intet. Effekten på det enkelte anlæg kan dog være større (se bilag).

De modeller, hvor det samlede potentiale påvirkes i større omfang, er Model 3 og Model 4. Begge resultater er i overensstemmelse med forventningerne.

I Model 3 reduceres bruttopotentialet med ca. 15%. I denne model tillades det nemlig, at et anlæg kan blive efficient på to omkostningselementer i stedet for et (de samlede omkostninger). Det betyder, at et anlæg kan blive efficient, når bare den ene af disse omkostningskomponenter er lav, selvom de samlede omkostninger er høje. Dette virker ikke rimeligt. Analysen vurderes derfor ikke at være relevant til at fastlægge bruttoeffektiviseringspotentialet i det efterfølgende afsnit.

I Model 4 vokser bruttopotentialet med ca. 50%. I denne model tillades nemlig, at et anlæg bliver efficient, hvis det er billigt, selvom det samtidig udleder mange emissioner og slagger til deponering. Denne analyse illustrerer således også, at de anlæg, der er miljøvenlige altså betaler for at være det. Det ses i analysen, at det netop er anlæg med lave emissioner, som i basismodellen var efficiente, som i Model 4 bliver inefficiente. Model 4 kunne i princippet danne grundlag for den videre analyse. I så fald skulle forskellene i emissioner i stedet medtages i den statistiske analyse. Det er imidlertid vurderet, at DEA-metoden er et bedre redskab til at tage højde for, at anlæggene har forskellige niveauer af emissioner og slagger. Derfor anvendes Model 4 ikke som grundlag for den videre analyse.

4.5 Supplerende analyser

Der er som nævnt en række andre forhold end de, der er inkluderet i DEA-analyserne, der potentielt spiller en rolle for effektiviteten på et anlæg. Formålet med dette afsnit er at kvalificere det identificerede bruttopotentiale ud fra disse andre forhold ved at udføre statistiske analyser. Det ultimative formål er således at identificere årsagerne til potentialet og vurdere i hvilket omfang potentialet kan realiseres. Kvalificeringen af potentialet beskrives i det følgende afsnit.

De variable, som ikke er inddraget direkte i DEA-analyserne, kan i princippet være lige så vigtige som dem, der indgår direkte. Det er imidlertid ikke alle variable, der kan integreres i en DEA-model (se Bilag 1). Derfor er en række af de indsamlede variable inddraget i supplerende statistiske analyser.

Den statistiske analyse udpeger nogle få elementer som har betydning for de identificerede scorer. De fleste af de ovenstående elementer har imidlertid vist sig ikke at have statistisk signifikant påvirkning af scorerne. I den sammenhæng skal det erindres, at de fleste anlæg er efficiente, og at der derfor ikke er mange anlæg med en score mindre end én. Endvidere er der ikke stor variation i scorerne.

Nedenfor er nævnt de variable, der har vist sig at kunne forklare forskellene i anlæggenes scorer på den bedste måde³³.

Antallet af uplanlagte driftsstop pr. ovn har en væsentlig betydning for anlæggenes score. Jo flere uplanlagte driftsstop, jo lavere score³⁴. Det er et meget intuitivt resultat, da det er dyrt ikke at kunne benytte anlægget optimalt. Ofte er gamle og dårligt vedligeholdte anlæg tilbøjelige til at have flere uplanlagte driftsstop end andre anlæg. Men der kan også være flere uplanlagte driftsstop, hvis anlægget drives for tæt på kapacitetsgrænsen. Det skal dog bemærkes, at resultatet også kan dække over, at anlæggene med mange driftsstop på andre punkter er inefficiente i deres drift. Det skal her bemærkes, at flere anlæg har opereret på kapacitetsgrænsen i flere år inklusiv år 2000. Med de igangværende udvidelser må antallet af uplanlagte driftsstop formodes at falde i de kommende år, givet at mængderne af affald til forbrænding ikke stiger.

Jo større andel af ovnene på et anlæg, der er KV-ovne, jo større er sandsynligheden for at anlægget er efficient. Det skal erindres, at benchmarkinganalysen kun betragter omkostningssiden. Branchen har peget på, at der kan være større omkostninger forbundet med at producere både el og varme. Det bekræftes altså ikke af benchmarkinganalysen.

Endelig er der en tendens til, at anlæg med våd røggasrensning kommer dårligere ud end de andre anlæg i analysen. Det kan skyldes, at våd røggasrensning er dyrere i investeringsomkostninger end tør og semitør røggasrensning. Anlæg med våd røggasrensning er dog billigere i drift på nogle områder, men også mere komplicerede, så forskellen kan også skyldes eksempelvis forskelle i uddannelse af personale til håndteringen af røggasrensningen.

Alle de øvrige variable nævnt i listen ovenfor har således ikke vist sig at være signifikante for anlæggenes effektivitet. Det vil eksempelvis sige, at det ikke er muligt at identificere en forskel mellem anlæg, der modtager affald med en høj og en lav brændværdi. Dette betyder, at anlæg, der på grund af sammensætningen af affaldstyper modtager affald med en lav brændværdi, ikke systematisk kommer dårligere ud i analysen end anlæg, der modtager affald med en høj brændværdi.

Det skal dog nævnes, at der ses en tendens til at anlæg, der assisterer med at udarbejde affaldsplaner, er mindre efficiente end de øvrige anlæg. Endvidere ses en tendens til at jo nyere anlæggene er, jo mindre efficiente er de. Det skyldes formentligt, at de ældre anlæg i højere grad er afskrevet.

4.6 Kvalificering af teknisk potentiale og skalapotentiale

DEA-analysen identificerede to bruttoeffektiviseringspotentialer. Det ene potentiale var på 213 mio. kr. årligt og indeholdt både et skalapotentiale og et teknisk potentiale. Det andet potentiale var på 145 mio. kr. årligt og indeholdt kun det, der her kaldes et teknisk potentiale.

Resultaterne af den statistiske analyse anvendes i det følgende til at kvalificere det identificerede tekniske effektiviseringspotentiale på 145 mio. kr. pr. år. Efterfølgende vurderes det kvalitativt, hvor stor en del af det identificerede skalapotentiale på 68 mio. kr. (213-145 mio. kr.), der kan forventes realiseret.

I dette afsnit benyttes resultaterne af de statistiske analyser.

Uplanlagte driftsstop

Effektiviseringspotentialet, der stammer fra uplanlagte driftsstop på de forskellige forbrændingsanlæg, kan beregnes til ca. 99 mio. kr. i år 2000 svarende til ca. 68% af det identificerede tekniske potentiale. Udgangspunktet for denne beregning er en antagelse om, at anlæggene kan halvere antallet af uplanlagte driftsstop.

De uplanlagte stop giver anledning til ekstra omkostninger, da reparationsarbejder ikke kan planlægges og dermed ofte udføres uden konkurrence med overtidsbetaling og med haste-fremskaffelse af komponenter. Det skal dog bemærkes, at resultatet også kan dække over, at anlæggene med mange driftsstop på andre punkter ikke er effektive i deres drift.

Potentialet kategoriseres som et kortsigtspotentiale, som anlæggene og deres ejere selv kontrollerer. Denne kategorisering baseres på de pågældende anlægs situation. Det skal her bemærkes, at flere anlæg har opereret på kapacitetsgrænsen i flere år. Med de igangværende udvidelser må antallet af uplanlagte driftsstop formodes at falde i de kommende år, givet at mængderne af affald til forbrænding ikke stiger. En del af potentialet kan skyldes, at anlæggene kunne vedligeholdes eller drives bedre, mens en anden del af potentialet kan skyldes, at anlæggene er gamle. Det er klart, at en modernisering af anlæggene ikke er et potentiale på helt kort sigt, men dog heller ikke på helt lang sigt.

Type ovn

Anlæggenes ovntype bidrager med ca. 10 mio. kr. pr. år til effektiviseringspotentialet. Den statistiske analyse indikerer, at jo større andel KV-ovne på anlægget, jo bedre effektivitet. Dette potentiale vil automatisk blive en realitet, når anlæggene fornyes, men potentialet er svært at forklare. Derfor kategoriseres potentialet som et potentiale, der kun vanskeligt eller slet ikke kan realiseres.

Våd røggasrensning

Om anlæggene har våd røggasrensning, bidrager med ca. 14 mio. kr. pr. år til effektiviseringspotentialet. Den statistiske analyse indikerer altså, at jo færre anlæg med våd røggasrensning, jo bedre effektivitet. Igen er potentialet svært at fortolke. Samtidig har anlæg med våd røggasrensning den fordel, at de har mindre restprodukt end de anlæg med tør røggasrensning, hvilket hverken indgår i DEA-analysen eller i den statistiske analyse. Derfor kategoriseres potentialet under et potentiale, der kun vanskeligt eller slet ikke kan realiseres.

På basis af de tre identificerede betydende parametre er de inefficiente anlægs potentialer justeret, så potentialet for disse anlæg renses for de tre forhold. Dette er illustreret i figuren nedenfor.

Figur 4.14
Justeret VRS-scorer på anlæggene

Figuren illustrerer, at en stor del af potentialet kan forklares med de identificerede faktorer. Fortolkningen er, at for eksempelvis anlæg O har de identificerede parametre været i stand til at forklare hele det identificerede potentiale. Anlæg O er et anlæg med våd røggasrensning, der har en VV-ovn og to KV-ovne og har haft 9 uplanlagte driftsstop pr. ovn i år 2000. Det ses, at disse karakteristika forklarer hele anlæggets score ud fra den statistiske analyse.

Det resterende potentiale

Det resterende tekniske potentiale (efter justering for de testede variable) er på 21,8 mio. kr. Potentialet kan ikke umiddelbart kvalificeres ud fra den statistiske analyse. Det resterende potentiale dækker over et potentiale på ca. 12 mio. kr. på et anlæg, som har angivet, at år 2000 var et indkøringsår for en ny ovn. Ud fra et konservativt princip er det skønnet, at dette potentiale ikke er et reelt potentiale, og det grupperes derfor som et vanskeligt eller et slet ikke realiserbart potentiale. Hertil kommer ca. 1 mio. kr., der anvendes til forskellige former for serviceydelser på anlæggene, blandt andet udarbejdelse af affaldsplaner, klagesagsbehandling, besøg, takstberegning etc. Dette potentiale vil heller ikke kunne realiseres.

Figur 4.15
Kvalificering af det tekniske potentiale ud fra den statistiske analyse

For at kunne kvalificere det resterende potentiale yderligere, er der nedenfor foretaget en supplerende analyse af DEA-scorerne.

Det er således langt den overvejende del af potentialet, der må antages at kunne henføres til driftsomkostninger. Det er på denne baggrund vurderet, at de 9,8 mio. kr. af det resterende potentiale højst sandsynligt er driftsomkostninger, som kan realiseres på kort sigt.

Tabellen nedenfor opsummerer det tekniske potentiales fordeling.

Tabel 4.9
Opdeling af det tekniske potential, forbrændingsanlæg

Skalapotentiale

DEA-analysen identificerede - udover det netop diskuterede tekniske potentiale - et skalapotentiale på 68 mio. kr. årligt. Skalapotentialet peger på, at en række anlæg kunne blive bedre, hvis de kunne udnytte stordriftsfordele bedre, end de gør nu.

Dette betyder også, at anlæggene enten skulle udvides og samtidig modtage mere affald, eller at anlæggene skulle slås sammen. Affaldsmængderne til forbrænding har imidlertid været stigende og vil formentlig fortsætte med at stige i de kommende år. Samtidig har anlæggene i mange tilfælde ikke haft kapacitet nok til at forbrænde de indkomne mængder, men har været nødt til at mellemdeponere affaldet. Der er allerede i dag planlagt en udvidelse af visse anlæg, og de seneste analyser³⁵ viser, at denne udvidelse gør at kapaciteten er tilstrækkelig allerede fra 2004. Derfor er det sandsynligt, at der er affald nok til at udnytte stordriftsfordelene ved den allerede igangværende udvidelse af eksisterende anlæg.

DEA-analysens resultat om anlæg, som burde kunne udnytte stordriftsfordele, er sammenlignet med de anlæg, som er i gang med at udvide kapaciteten. Den del af skalapotentialet karakteriseres som et realiserbart kortsigtspotentiale.

Det resterende skalapotentiale er kategoriseret som et langsigtspotentiale. Dette potentiale er vurderet ved at betragte hvert enkelt af de resterende anlæg og overordnet at vurdere anlæggets varmemarked. Potentialet for anlæg, som i forvejen bortkøler mere end 5% af den producerede varme, er ekskluderet, idet disse ikke vurderes at kunne afsætte mere varme³⁶. Endvidere er potentialet for anlæg, der ligger på en geografisk placering, som påvirker affaldsoplandet, udelukket fra analysen.

På denne baggrund kan skalapotentialet opdeles som vist i tabellen nedenfor.

Tabel 4.10
Opdeling af skalapotentialet, forbrændingsanlæg

Potentialet er realiserbart i den forstand, at bruttoomkostningerne per ton burde blive mindre, jo større anlæggene bliver. Men, hvis de samlede mængder stiger, vil de samlede bruttoomkostninger naturligvis også stige.

En udvidelse af anlæggene kræver miljøgodkendelser. Det er derfor klart, at den realiserbare del af potentialet forudsætter, at myndighederne tillader udvidelserne. Ud fra et konservativt princip kategoriseres hele det resterende potentiale som et potentiale, anlæggene ikke selv kan påvirke.

Opsummering af potentialet

Nedenfor er opsummeret fordeling af skalapotentialet og det tekniske potentiale opdelt på de identificerede poster.

Se her!

Figur 4.16
Opsummering af potentialet på forbrændingsanlæg

Skalapotentialet udgør ca. 68 mio. kr. i år 2000, mens det tekniske potentiale udgør ca. 145 mio. kr. i år 2000.

Konklusion

Analysen peger på, at der er et effektiviseringspotentiale på forbrændingsområdet i Danmark. Når der er taget hensyn til alle ovenstående aspekter, er der identificeret et potentiale på ca. halvdelen af anlæggene. Potentialet er opgjort som vist i tabellen nedenfor.

Tabel 4.11
Opdeling af effektiviseringspotentiale på forbrændingsområdet i Danmark, mio. kr. i år 2000

Det kan konkluderes, at 120-130 mio. kr. årligt, svarende til i gennemsnit 7-8% af de samlede omkostninger, bør kunne realiseres på kort sigt, mens 15-25 mio. kr. årligt, svarende til i gennemsnit 1-1,5% bør kunne realiseres på lang sigt. En mindre del af det kortsigtede og hele det langsigtede potentiale er ikke direkte beløb, der kan spares. Beløbet kan spares via en reduktion i omkostningerne per ton ved stigende mængder i forhold til omkostningerne per ton i dag (Skalapotentiale).

Der er således en stor andel af det identificerede potentiale, som bør kunne realiseres på relativt kort sigt. Analysen peger på, at en stor del af det kortsigtede potentiale skyldes uplanlagte driftsstop, men dette resultat kan også dække over, at anlæggene med mange driftsstop på andre punkter er inefficiente i deres drift. Det skal her bemærkes, at flere anlæg har opereret på kapacitetsgrænsen i flere år. Med de igangværende udvidelser må antallet af uplanlagte driftsstop formodes at falde i de kommende år, givet at mængden af affald til forbrænding ikke stiger.

For det langsigtede potentiale peger analysen på, at der er et skalapotentiale, som kan realiseres, hvis en række af anlæggene kan udnytte de fordele der er forbundet med at modtage en større mængde affald (udnytte stordriftsfordele).

De fleste anlæg afbrændte i år 2000 affald helt op til deres kapacitetsgrænse. Det vurderes, at udviklingen i affaldsmængderne til forbrænding giver grundlag for at udnytte stordriftsfordelene ved udvidelse af anlæggene fremfor sammenlægning af anlæg. Der er allerede i dag planlagt en udvidelse af visse anlæg, og de seneste analyser³⁷ viser, at denne udvidelse gør at kapaciteten er tilstrækkelig allerede fra 2004. Det identificerede potentiale vurderes derfor at kunne realiseres med den nuværende struktur. En forudsætning er dog, at den øgede energiproduktion kan afsættes til mindst de marginale omkostninger.

Det er ikke direkte undersøgt, hvor mange ressourcer, der skal til for at realisere potentialerne. Tag potentialet på 120 mio kr fra tabellen ovenfor som eksempel. Hvis det kan opgøres, at det vil koste 40 mio kr at realisere potentialet, så viser analysen, at der kan spares 160 mio kr. Potentialet på de 120 mio kr er altså en mulig netto-besparelse, givet at anlæggene investerer ligeså fornuftigt som de effektive anlæg. Årsagen er, at potentialet er bestemt ud fra anlæg, der har tilsvarende lavere omkostninger, men som allerede har afholdt evt. driftsinvesteringer.

Der er endvidere identificeret et potentiale på 60-70 mio. kr. årligt, som dog forventes kun vanskeligt eller ikke at kunne realiseres.

4.7 Resultaternes robusthed

Som nævnt i metodeafsnittet vurderes mængderne ikke at være usikre.

Omkostninger

For omkostningernes vedkommende, er der dels usikkerhed ved opgørelse af afskrivning og forrentning og dels ved fordeling af omkostningerne mellem de forskellige aktiviteter.

Afskrivninger og forrentning vurderes at være det element, der er forbundet med den mest betydningsfulde usikkerhed for forbrændingsanlæg. Denne omkostningskomponent udgør ca. 40% af de samlede omkostninger i analysen.

Ni ud af de 23 analyserede anlæg oplyser, at de ikke normalt følger årsregnskabsloven i deres regnskab. Flere af disse gør dog noget tilsvarende. De resterende anlæg har måttet skønne afskrivning og forrentning til denne undersøgelse. Det er dog undersøgt, om de 9 anlæg systematisk adskiller sig fra de øvrige anlæg i analysen, og dette er ikke tilfældet. De resterende 14 anlæg angiver, at de følger årsregnskabsloven, det vil sige opgør forretning og afskrivning efter en nøjere fastsat metode. Det kan være, at anlæggene anvender forskellige levetider, men det er vigtigere, at de anvender realistiske levetider for deres anlæg end de samme levetider på samtlige anlæg.

Et andet usikkerhedselement, der dog for forbrændingsanlæg vurderes at have mindre betydning, er fordeling af omkostninger. Ca. halvdelen af forbrændingsanlæggene har ikke andre aktiviteter end forbrænding, og her er der således ingen usikkerhed. For de øvrige anlæg vil selve forbrændingsanlægget typisk være meget omkostningstungt både på anlægs og driftssiden. Derfor betyder det mindre, om f.eks. fællesomkostningerne, som kun udgør 6%, er helt korrekt delt ud mellem de forskellige aktiviteter.

En samlet vurdering af usikkerheden på omkostningerne til forbrænding på op til ± ca.10%³⁸ vurderes at være rimelig. Dette svarer til en usikkerhed på afskrivning og forrentning på over 20% kombineret med en mindre usikkerhed på fordeling af omkostninger.

Emissioner

Emissionerne er som nævnt behæftet med måleusikkerhed, der kan være rimelig stor. For emissionerne er der således anvendt en usikkerhed på ± ca.30%. De to indgående emissioner, partikler og SO₂ er varieret uafhængigt af hinanden.

Konkret metode

I de præsenterede robusthedsanalyser er data-elementerne ændret 20 gange med en tilfældig (normalfordelt) faktor. Dernæst er der gennemført en DEA-analyse svarende til hvert af de 20 datasæt, og de resulterende scorer er anvendt til at udregne det totale effektiviseringspotentiale.

De anvendte tilfældige tal er vist i figuren nedenfor for afvigelserne på ca. ± 10%. For afvigelserne på ± 30% er der anvendt 3 gange disse afvigelser.

Figur 4.17
Anvendte afvigelser i robusthedsanalysen

Note: Gennemsnittet af de automatisk generede afvigelser er meget tæt på 0. Hver af prikkerne i figuren illustrerer den faktor, der er anvendt på en af de 23 anlæg i et af de 20 "forsøg". Figuren illustrer, at der hovedsagelig er anvendt afvigelser på op til ± 10%, men også i enkelte tilfælde højere. Da DEA-analysen direkte sammenligner anlæggene med hinanden, er det værd at bemærke, at den relative forskel i anlæggenes data har varieret med op til det dobbelte. Der er således tale om betydelige ændringer i de relative størrelser.

Robusthedsanalyse på økonomi

De beregnede effektiviseringspotentialer i hvert af de 20 "forsøg" er sammenlignet med potentialet i basis-situationen. Gennemsnittet af de 20 effektiviseringspotentialer er lidt under 2% lavere end effektiviseringspotentialet i basissituationen, hvilket vurderes at være tilfredsstillende. Fordelingen af de procentvise afvigelser fra basis-situationen er vist i figuren nedenfor.

Figur 4.18
Robusthedsanalyse på omkostninger - procentvise afvigelser fra basis-situationen

Note: afvigelserne er sorteret efter størrelse.
Figuren viser, at effektiviseringspotentialet i de 20 kørsler med 2 undtagelser er inden for ± 15% af effektiviseringspotentialet i basis-situationen. Årsagen til dette resultat er, at forbrændingsanlæggene ligger så relativt tæt på hinanden, at det svinger lidt, hvilke anlæg, der er efficiente. Specielt er der 2 anlæg, der ligger "på vippen", og skiftevis er efficiente og ikke efficiente i analysen. Disse anlæg har i basis-modellen en score på 0,96 og 1 – ét er altså efficient og det andet tæt på at være det.

Resultatet vurderes at være tilfredsstillende set i lyset af de forholdsvis store og samtidige afvigelser i anlæggenes totale omkostninger. Hvis det er omkostningerne for et enkelt anlæg, der er for store eller for små, er effekten naturligvis betydelig mindre.

Robusthedsanalyse på emissioner

De beregnede effektiviseringspotentialer i hvert af de 20 "forsøg" er igen sammenlignet med potentialet i basis-situationen. Gennemsnittet af de 20 effektiviseringspotentialer er 3% højere end effektiviseringspotentialet i basissituationen, hvilket igen vurderes at være tilfredsstillende. Fordelingen af de procentvise afvigelser fra basis-situationen er vist i figuren nedenfor.

Figur 4.19
Robusthedsanalyse på emissioner - procentvise afvigelser fra basis-situationen

Note: afvigelserne er sorteret efter størrelse.
Figuren viser, at effektiviseringspotentialet selv med store afvigelser på emissionerne, kun varierer med op til ca. 10%. Det kan således konkluderes, at resultatet er robust mht. usikkerhed på emissioner, selvom netop emissionerne kan være behæftet med en betydelig måleusikkerhed.

"Outliers"

Der er ikke i forbrændingsanalysen visse anlæg, der kraftigt dominerer de øvrige anlæg. Derfor er der ikke grund til at undersøge effekten af, at dominerende anlæg udelukkes fra analysen.

Konklusion

Samlet set viser robusthedsanalyserne, at rimelige afvigelser i de samlede omkostninger og endog større afvigelser i emissionerne ikke skævvrider det samlede billede betydeligt.

Det er naturligvis altid vigtigt at have indsamlet de korrekte data fra anlæggene, men der er således ikke grund til bekymring over mindre afvigelser fra det sande billede.

Usikkerhedsanalyserne indikerer, at en usikkerhed på ± 20% på det samlede potentiale er en tilstrækkelig usikkerhedsmargin.