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