Modelli Energetici
La necessità di effettuare una
pianificazione di medio/lungo termine a livello internazionale,
nazionale o locale, la crescente attenzione rivolta alla riduzione
delle emissioni di gas serra, lo sfruttamento ottimale delle
risorse, l’impatto economico dei sistemi energetici e la sicurezza
dell’approvvigionamento sono alcuni dei motivi che rendono
importante lo sviluppo di modelli energetici previsionali. Tali
modelli consentono di analizzare – su un orizzonte temporale di
lungo termine – gli effetti sul sistema energetico considerato di
diverse politiche ambientali ed economiche o di possibili evoluzioni
tecnologiche; essi si rivelano, pertanto, strumenti non solo di
analisi scientifica ma anche di supporto ai decisori.
Sistema Energetico di Riferimento
Il primo passo per la realizzazione di un modello energetico è
rappresentato dalla definizione del Sistema Energetico di
Riferimento (RES – Reference Energy System), il quale tipicamente
descrive l’intera catena approvvigionamento-domanda per ciascuna
regione/area. L’estrazione, la produzione primaria e secondaria,
l’import/export di energia e materia, gli impianti di trasformazione
e i settori di uso finale sono rappresentati in termini di processi
(tecnologie) e flussi di commodity. Ogni tecnologia (sia esistente
che pianificata/possibile) è caratterizzata da parametri di natura
sia economica (ad es. costi di investimento, costi di gestione e
manutenzione, ecc.), sia tecnica (capacità, efficienza, ecc.), sia
ambientale (fattori di emissione).
Un esempio di RES è mostrato nella figura seguente.
Classificazione dei modelli energetici
I modelli energetici (e, più in generale, i modelli per l’analisi di
sistemi) possono essere suddivisi in due categorie: modelli di
simulazione e modelli di ottimizzazione.
I modelli di simulazione valutano, in modo parametrico, la
risposta di un sistema a un dato set di variabili tecniche o
politiche e identificano gli impatti possibili e i costi/benefici
probabili della configurazione analizzata. Questi modelli non
permettono di trovare un valore ottimale per le suddette variabili,
ma consentono solo di confrontare due o più scenari eseguendo un
singolo run per ciascuno scenario. Fra i modelli di simulazione
possono essere citati PRIMES e POLES.
Allo scopo di valutare l’evoluzione della domanda energetica in Cina
fino al 2030, il gruppo di ricerca LAME ha sviluppato e implementato
– nell’ambito delle attività del centro EC2 (Europe-China Clean
Energy Centre) – i modelli di simulazione EDPM-CN e
"Energy for Buildings".
I modelli di ottimizzazione calcolano, per tutte le
variabili di sistema, i valori che portano alla configurazione
ottimale, cioè alla configurazione che minimizza/massimizza una data
funzione obiettivo (ad esempio, una funzione obiettivo economica
coincidente col costo totale attualizzato del sistema). Tali modelli
possono prevedere condizioni di vincolo, allo scopo di restringere
l’intervallo di valori assumibili dalle variabili.
I modelli di ottimizzazione sono ulteriormente classificabili in
base a:
- l’estensione geografica del sistema (locale, regionale, nazionale o globale);
- il tipo di approccio (bottom-up, top-down, a equilibrio parziale, a equilibrio generale);
- il livello di caratterizzazione economica (modelli tecnico-economici, modelli macro-economici).
Verranno ora brevemente illustrate le
differenze tra i modelli bottom-up e i modelli top-down.
Modelli bottom-up
I modelli bottom-up sono stati utilizzati per analizzare le
dinamiche di vari campi (ad es. quelli climatico, energetico e
agricolo), tenendo conto anche dell’introduzione di nuove
tecnologie. I dati macroeconomici sono sempre esogeni e pertanto
tali modelli non sono in grado di valutare gli effetti di feedback
sul sistema economico delle evoluzioni tecnologiche.
In questi modelli a equilibrio parziale, le tecnologie di
produzione, di trasformazione e di uso finale (esistenti e
pianificate/possibili) sono descritte mediante parametri tecnici
(capacità, efficienza, vita, fattore di disponibilità, consumo
energetico, ecc.) ed economici (costo di investimento, costi fissi
di gestione e manutenzione, costi variabili, ecc.). La procedura di
ottimizzazione consente di definire, sull’intero orizzonte temporale
e con vincoli e scenari definiti dall’utente, il mix complessivo di
tecnologie (per i settori di uso finale, per la produzione di
energia elettrica, ecc.) e commodity (olio, gas naturale, carbone,
ecc.) che al contempo soddisfa le domande di servizi e minimizza il
costo totale attualizzato del sistema.
Fra i generatori di modelli bottom-up può essere citato The
Integrated MARKAL-EFOM System (TIMES). Secondo la definizione, TIMES
“è un generatore di modelli economici per sistemi energetici locali,
nazionali o multi-regionali che fornisce una base tecnologica per la
valutazione delle dinamiche energetiche su un orizzonte temporale
multi-periodo di lungo termine”. Questo generatore di modelli
bottom-up consente di realizzare modelli a equilibrio parziale
basati sulla massimizzazione del surplus totale (cioè della somma
del surplus dei consumatori e di quello dei produttori), la quale
nei modelli più semplici (con domande di servizi non elastiche)
corrisponde alla minimizzazione del costo totale del sistema.
Il gruppo di ricerca LAME ha contribuito allo sviluppo di alcuni
modelli TIMES, quali il Pan European TIMES (PET, nell’ambito del
progetto NEEDS) e il REACCESS CORridor (RECOR, nell’ambito del
progetto REACCESS).
Modelli top-down
I modelli top-down sono essenzialmente modelli econometrici a
equilibrio generale, in grado di valutare, in modo endogeno, la
risposta del sistema economico a differenti politiche e scenari.
Questi modelli descrivono la relazione tra i fattori primari
(lavoro, capitale e risorse naturali, quali l’energia) mediante
l’uso di elasticità di sostituzione.
A causa del loro approccio orientato al mercato, essi prevedono una
rappresentazione del settore energetico limitata e mancano di
dettaglio nella descrizione delle tecnologie esistenti e future, le
quali vengo tipicamente identificate da funzioni di produzione
aggregate per ciascun settore economico. Pertanto, i modelli
top-down sono utili nell’analisi dell’evoluzione dei prezzi
dell’energia e delle variabili macro-economiche ma non per
confrontare gli effetti di diverse politiche energetiche.
Le proiezioni dei principali driver macro-economici derivanti da un
modello top-down possono essere utilizzate per proiettare le domande
di servizi da utilizzare come input esogeno in un modello bottom-up.
Fra i modelli top-down a equilibrio generale può essere citato il
General Equilibrium Model for Economy – Energy – Environment
(GEM-E3).
Gli Strumenti
CAPLEP – strumento per
l’individuazione del percorso minimo e ottimale di una rete di
teleriscaldamento a scala urbana
WINGRAF – strumento di simulazione dei
comportamenti statici del Sistema Energetico di Riferimento.
Consente di analizzare parametricamente i flussi di energia e di
materia, i costi dei singoli processi e quelli complessivi e le
emissioni di inquinanti associate ai consumi energetici
EDPM-CN (Energy Demand Projection Model) – Modello
di simulazione per la valutazione dei consumi delle fonti primarie
in Cina a partire da una domanda proiettata su un orizzonte
temporale e con l’applicazione di scenari alternativi
EfB (Energy for Buildings) – Versione di EDPM-CN
realizzata per una analisi più dettagliata del settore residenziale
RECOR – modello dei corridoi energetici verso
l’Europa. Può essere utilizzato da solo, oppure in collegamento con
altri modelli (TIMES based) che descrivono in modo più dettagliato
le regioni di fornitura e quelle di impiego delle varie commodities
energetiche (Europa)
DBT – database contenente i record che descrivono
topologicamente il sistema di approvvigionamento delle principali
commodities energetiche all’Europa
DWGA – strumento di visualizzazione GIS web-based
dei corridoi energetici verso l’Europa, delle loro caratteristiche e
dei flussi energetici in un anno base e in milestone years
successivi
PAIVI – strumento di visualizzazione e gestione. GIS-based,
consente sia di visualizzare le informazioni relative ai risultati
di esercizi di ottimizzazione, sia di agire come interfaccia di
input al modello di ottimizzazione (ad es. consentendo di impostare
scenari di simulazione)
Proceedings
R. Gerboni, D. Grosso, E. Lavagno,
“Modelling reliability and security of
supply: a revised methodological approach and its possible
application to the Chinese system”,
IEA-ETSAP Workshop, Beijing, China, June 2-3, 2014
Contributi su libro
R. Gerboni, D.Grosso, E. Lavagno, A.Kanudia,
G.C. Tosato
Coupling World and European models: energy trade and energy
security in Europe in Informing Energy and Climate Policies using
Energy Systems Models - Insights from Scenario Analysis Increasing
the Evidence Base, Springer, Lecture Notes in Energy, 2015, to be
confirmed
R. Gerboni,
R.Gutpa, A. Basile, N. Veziroglu, G. Mills
Handbook of Hydrogen Energy. Vol. 2 Hydrogen storage,
transmisison, transportation and infrastructures, Woodhead
Publishing