diseÑo e implementaciÓn de una plataforma integrada de … · ... bajo los criterio de...
TRANSCRIPT
DISEÑO E IMPLEMENTACIÓN DE UNA PLATAFORMA INTEGRADA DE MO-DELACIÓN PARA LA PLANIFICACIÓN ENERGÉTICA SOSTENIBLE –
MODERGIS – “ESTUDIO DE CASO COLOMBIA”
RICARDO QUIJANO HURTADO
UNIVERSIDAD NACIONAL DE COLOMBIA
FACULTAD DE MINAS
MEDELLÍN
2012
DISEÑO E IMPLEMENTACIÓN DE UNA PLATAFORMA INTEGRADA DE MO-DELACIÓN PARA LA PLANIFICACIÓN ENERGÉTICA SOSTENIBLE –
MODERGIS – “ESTUDIO DE CASO COLOMBIA”
RICARDO QUIJANO HURTADO M.Sc., I.M.
Tesis para optar el título de
Doctor en Ingeniería
Sistemas Energéticos
Director
Sergio Botero Botero
Ph.D. Profesor Asociado
Universidad Nacional de Colombia
Codirector
Javier Domínguez Bravo
Ph.D. Investigador Titular
Centro de Investigaciones
Energéticas Medioambientales y Tecnológicas. CIEMAT
Madrid - España
UNIVERSIDAD NACIONAL DE COLOMBIA
FACULTAD DE MINAS
MEDELLIN
2012
JURADOS Ph. D, YOLANDA BRICEÑO BUENO Profesora Investigadora Universidad de Valladolid - España Ph. D, ADRIANA M. VALENCIA Profesional Banco Interamericano de Desarrollo Ph. D, MARKUS BIBERACHER Director Max-Planck-Institute for plasma physics - Austria
RESUMEN
El objetivo de esta investigación fue diseñar e implementar una plataforma de pla-nificación energética integral para potenciar recursos energéticos renovables, si-mular escenarios sostenibles y evaluar alternativas que puedan transformar la ma-triz energética, mediante la formulación de políticas adecuadas.
El método utilizado fue el desarrollo e integración de herramientas de planificación energética en una plataforma denominada MODERGIS, estructurada con tres módulos los cuales consisten de sistemas de información geográfica (ENERGIS), aplicación de un modelo de análisis de demanda-oferta de energía (ENERDEM), y análisis multicriterio de decisiones aplicado a la sostenibilidad (ENERSOS). Esta plataforma está bajo los criterios de sostenibilidad, preservación del medio am-biente y seguridad en el suministro energético. La aplicación de esta plataforma se utilizó el caso piloto Colombia.
El aporte metodológico de MODERGIS es importante porque reúne las herramien-tas de última generación en planificación energética de manera Integrada, los sis-temas de información geográfica que potencializa energías renovables, un mode-lo de proyección de oferta y demanda de energía y el algoritmo basado en análisis multicriterio de decisión que integra los resultados de las dos herramientas anterio-res, para seleccionar la combinación en una canasta de alternativas energéticas renovables, bajo los criterio de sostenibilidad económico, ambiental y social.
El modelo de planeamiento MODERGIS potencializa energías renovables y soste-nibles mediante la espacialización y optimización de recursos económicos para las regiones donde los recursos energéticos son abundantes y los dineros escasos. Hace gran énfasis en la energía solar, eólica y la dendroenergía, pero tiene una gran potencialidad en pequeñas centrales hidroeléctricas cuyo módulo se deja planteado.
MODERGIS permite manipular volúmenes de información de diferente naturaleza, para realizar análisis espacial, manejo de la demanda y oferta de energía y de análisis multicriterio para la toma de decisiones en una misma plataforma, presen-tando los elementos de juicio para la formulación de políticas de sustitución, aho-rro y uso eficiente y sostenible de la energía.
A B S T R A C T This research presents the MODERGIS Integrated Simulation‟s Platform as a tool to promote and develop renewable energy plans under sustainability criteria, in order to increment the participation of renewable technologies in the national „„energy mix‟‟ and shows an application to Colombia as a case study. Potential zo-nes of solar and wind energy and productive areas were determined for bio-energies, by means of a geographical information system which simulated energy scenarios influenced by climatic phenomena up to the year 2030. Results yield po-tentials of 26,600 MW in wind energy and 350,000 MW in solar energy. Bioenergy potentiates in a sustainable way of 366,310 km per biomass, 291,486 km in African palm, 9,667 km in sugar cane. These scenarios were simulated in a supply/ de-mand with time horizons up until 2030, including an analysis of the effects on the energy systems of the El Nin˜o Southern Oscillation atmospheric component (EN-SO). Finally, in order to obtain an appropriate mix of renewable sources that could be introduced in the national energy mix, the Multi-Criteria Analysis method VIKOR was used, allowing to perform performing 5151 possible combinations of renewa-ble projects; the optimal selection corresponds to 600 MW from wind power, 740 MW solar photovoltaic and 660 MW solar thermoelectric. Giving these results to the new scene allowed for incrementing the participation of renewable technologies up to a 0.23% in the current year and up to a 7% of the „„energy mix‟‟ in the year 2030. Keywords: Geographic informationsystems, Multi-criteria decisionanalysis–VIKOR, Sus-tainable energyplanning, LEAP, MODERGIS.
AGRADECIMIENTOS
El autor agradece a la Universidad Nacional de Colombia Sede Medellín, por todo su apoyo, en especial al Dr. Sergio Botero Botero por la Dirección de la investiga-ción y a los docentes que aportaron en la orientación y estructuración de esta in-vestigación.
A los investigadores del Centro de Investigaciones Energéticas Medioambientales y Tecnologías CIEMAT de España en especial al Codirector de esta Investigación al Dr. Javier Domínguez Bravo, por su invaluable colaboración, ayuda y decidido apoyo.
A las directivas y técnicos de la Unidad de Planificación Minero Energética UPME
por su aporte en el contexto Nacional y el apoyo abierto en el suministro de la in-formación, en especial al subdirector de información Dr. Enrique Garzón.
A la Dirección del Instituto Geográfico Agustín Codazzi IGAC, principalmente al Dr. Rodrigo Morato por el suministro de información y por la colaboración en la orien-tación de la investigación.
A la Comisión Económica para América Latina y el Caribe CEPAL, por la colabo-ración y financiación de esta investigación en caso de estudio de Costa Rica y Paraguay especialmente a la División de Infraestructura Dr. Andrés SCHUSCHNY.
A la Agencia Española de Cooperación Internacional – AECI, al Programa de Co-operación Interuniversitaria e Investigación Científica. PCI – INTERCAMPUS, por la financiación de la propuesta del proyecto integrado para la planificación energé-tica y el desarrollo regional de las energías renovables en Colombia basado en sistemas de información geográfica, el cual sirvió para la formulación del modelo MODERGIS. Se agradece a todos los estudiantes de la Universidad Nacional de Colombia que participaron en el desarrollo del proyecto de investigación “Modelamiento de sis-temas Dendroenergéticos e impactos ambientales apoyado en el modelo L.E.A.P y sistemas de información geográfica SIG” financiado por la Universidad Nacional de Colombia sede Medellín, el cual fue un apoyo definitivo a la formulación y desarro-llo de esta tesis.
Agradezco a Dios y a la Divina providencia por enviarme ese gran paráclito quien me iluminó, me dirigió y me acompañó es estos años de estudio y de lucha y además me fortaleció en los momentos críticos de vida.
A mis Padres, María Helena por sus constantes oraciones que me hicieron no desfallecer en este largo proceso, a Julio Cesar quien desde el cielo me acom-paño siempre y me dio valor en los momentos de desconsuelo. A mi esposa Doris Esperanza quien fue mi incansable compañera y creyó siempre que lograría mi objetivo y que nunca iba a desfallecer. A mis hijos Paola Liliana y Juan Pablo quienes desde su gran amor y respeto, me impulsaron y promovieron a seguir adelante para obtener este logro. A toda mi familia quienes con su incansable apoyo colaboraron para obtener este triunfo orgullo de todos.
A todas las personas que creyeron y oraron por mí para obtener este trascen-dental acontecimiento de mi vida.
SIGLAS AECID Agencia Española de Cooperación Iberoamericana y Desarrollo AER Alianza para la Electrificación Rural, AHP Analytic Hierarchy Process AMAD Análisis Multiatributo de Decisión AMCD. Análisis Multicriterio de Decisión AMOD Análisis Multiobjetivo de Decisión ANH Agencia Nacional de Hidrocarburos ASIF Asociación de la Industria Fotovoltaica BIRF Banco Internacional de Reconstrucción y Fomento o Banco Mundial BM CEPAL Comisión Económica para América Latina CIEMAT Centro de Investigaciones Energéticas Medioambientales y Tecnológicas CIER Comité de integración eléctrico Regional, CIIU Clasificación Industrial internacional Unificado CMNUCC Convención Marco de Naciones Unidas sobre el Cambio Climático CSD Comisión de los Naciones Unidas en el Desarrollo Sustentable DANE Departamento Administrativo Nacional de Estadística. DNP Departamento Nacional de Planificación DOE Departamento de Energía de los Estados Unidos EISD Energy Indicators for Sustainable Development ENERDEM Módulo Energía demanda ENERGIS Módulo de sistemas de información geográfica ENERSOS Módulo Energía sostenibilidad y decisión ENOS Fenómeno del Niño Oscilación del Sur. ENSO El Niño Southern Oscillation EPM Empresas Públicas de Medellín ECMWF FIC Franja Intertropical de Convergencia FNCE Fuentes No Convencionales de Energía GEI Gases de Efecto Invernadero GEF Global Environmental Facility o Fondo Mundial Ambiental GWP Global Warming Potential GLP Gas licuado del petróleo GN Gas natural GNV Gas natural vehicular gTIGER Grupo de Tecnologías de la Información Geográfica y Energías Renovables IAEA Agencia Internacional de Energía Atómica IDEAM Instituto de Hidrología, Meteorología y Estudios IDW Inverse Distance Weighting IGAC Instituto Geográfico Agustín Codazzi IPCC. Panel Intergubernamental de Cambio Climático
ISA Interconexión eléctrica S.A ISE Indicadores de sostenibilidad de ENERSOS ISED Indicadores para el Desarrollo de Energía Sustentable LEAP Long Range Energy Alternatives Planning System MAVDT Ministerio de Ambiente, Vivienda y Desarrollo Territorial MME Ministerio de Minas y Energía MODERGIS Modelo de Energías Renovables GIS y Decisión. NASA National Aeronautics and Space Administration NCEP National Centers for Environmental Prediction NCAR National Center for Atmospheric Research (NCAR). OLADE Organización Latinoamérica de Energía PEN Plan Energético Nacional PNUD Programa de las Naciones Unidad para el Desarrollo PNUMA Programa de Naciones Unidas para el Medio Ambiente PROURE Plan de Uso Racional de Energía SEI Stockholm Environment Institute. SIG Sistemas de información geográfica SIG, SOI Índice de Oscilación del Sur SQL Structured Query Language SWERA Solar and Wind Energy Resources Data for Renewable Energy UE Unión Europea UNFCCC United Nations Framework Convention on Climate Change UNDESA United Nations Department of Economic and Social Affairs. UNEP United Nations Environment Programme UPME Unidad de Planificación Minero Energética URE Uso Racional y Eficiente de Energía ZCIT Zona de Confluencia Intertropical
Tabla de Contenido
1. MARCO GENERAL ............................................................................................ 17
Introducción ................................................................................................................. 17
1.1. Problema de Investigación ................................................................................. 19
1.2. Objetivo Principal .............................................................................................. 21
1.3. Objetivos Específicos ......................................................................................... 21
1.4. Alcance ............................................................................................................... 22
1.5. Marco Metodológico. ......................................................................................... 22
1.6. Sumario .............................................................................................................. 24
2. ENERGÍA, AMBIENTE Y DESARROLLO SOSTENIBLE ............................... 26
2.1. Desarrollo Sostenible ......................................................................................... 26
2.2. Energía y Desarrollo Sostenible ......................................................................... 28
2.2.1. Energía y la Dimensión Ambiental ................................................................ 29
2.2.2. Energía y La Dimensión Económica .............................................................. 30
2.2.3. Energía y La Dimensión Social ...................................................................... 30
2.2.4. Energía y Dimensión Institucional ................................................................. 31
2.3. Modelo de Indicadores de Sostenibilidad .......................................................... 32
2.3.1. Indicadores de Sostenibilidad ......................................................................... 33
2.3.2. Evolución de los Indicadores .......................................................................... 33
2.3.3. Características de los Indicadores................................................................... 34
2.3.4. Indicadores energéticos para el Desarrollo Sostenible ................................... 37
2.4. Planificación Energética ..................................................................................... 37
2.5. Herramientas de Planificación ........................................................................... 38
2.6. Modelos de Planificación ................................................................................... 39
2.6.1. LEAP .............................................................................................................. 42
2.6.2. MARKAL ....................................................................................................... 44
2.6.3. ENPEP ............................................................................................................ 47
2.7. Sistemas de Información Geográfica SIG .......................................................... 48
2.7.1. Métodos y Herramientas para evaluar Energías Renovables ........................ 50
2.7.2. Aplicación GIS en Energías Renovables ........................................................ 52
2.8. Análisis Multicriterio de Decisión. AMCD. ...................................................... 52
2.8.1. Criterios y Valoración de criterios ................................................................. 59
2.8.2. Evaluación de Recursos Energéticos Renovables con AMCD. ..................... 63
2.8.3. El Método VIKOR ......................................................................................... 64
3. METODOLOGÍA DESARROLLADA ................................................................. 66
3.1. Desarrollo Metodológico de ENERGIS ............................................................. 68
3.1.1. Selección y justificación del Software de ENERGIS. .................................... 70
3.1.2. Conceptualización y Desarrollo de ENERGIS. .............................................. 70
3.1.2.1. Organización Información - FASE I. .......................................................... 72
3.1.2.2. Análisis y modelamiento - FASE II. ........................................................... 73
3.1.2.3. Simulación Prospectiva - FASE III............................................................. 74
3.2. Desarrollo Metodológico del módulo ENERDEM ............................................ 74
3.2.1. Selección del Modelo LEAP .......................................................................... 75
3.2.2. Conceptualización ENERDEM - LEAP ......................................................... 78
3.3. Desarrollo Metodológico de ENERSOS ............................................................ 82
3.3.1. Selección Método VIKOR ............................................................................. 82
3.3.2. Conceptualización ENERSOS - VIKOR ........................................................ 84
3.3.3. Método VIKOR Multiatributo ........................................................................ 86
3.3.4. Método VIKOR Multiobjetivo ....................................................................... 88
4. ESTUDIO DE CASO – COLOMBIA. ................................................................. 93
4.1. ENERGIS ........................................................................................................... 93
4.1.1. Objetivo del Modelo ....................................................................................... 94
4.1.2. Área de Estudio. ............................................................................................. 94
4.1.3. Base de Datos SIG. ......................................................................................... 95
4.1.4. Parámetros de Análisis ................................................................................... 96
4.1.5. Criterios de zonas excluidas. .......................................................................... 98
4.1.6. Potencialidad de cultivos. ............................................................................. 102
4.1.6.1. Análisis del cultivo de Maíz. .................................................................... 103
4.1.6.2. Cultivo de Caña de Azúcar. ...................................................................... 106
4.1.6.3. Cultivo de Palma Oleaginosa. ................................................................... 108
4.1.6.4. Cultivo de Banano. ................................................................................... 109
4.1.6.5. Cultivo de Jatropha. .................................................................................. 110
4.1.6.6. Proximidad Vial. ....................................................................................... 110
4.1.7. Dendroenergía Biomasa Forestal.................................................................. 112
4.1.8. Energía Solar ................................................................................................ 114
4.1.9. Energía Eólica............................................................................................... 118
4.1.10. Resultados Parciales ENERGIS ................................................................ 122
4.1.11. Fuentes Procesadas ................................................................................... 123
4.2. ENERDEM....................................................................................................... 123
4.2.1. Demanda de Energía. .................................................................................... 124
4.2.1.1. Sector Residencial ..................................................................................... 125
4.2.1.2. Sector Industrial ........................................................................................ 130
4.2.1.3. Sector Transporte ...................................................................................... 133
4.2.1.4. Sector Agrícola y Minero ......................................................................... 136
4.2.1.5. Sector Comercial y Público ...................................................................... 138
4.2.2. Transformación de la Energía....................................................................... 140
4.2.2.1. Generación Eléctrica ................................................................................. 140
4.2.2.2. Refinerías y Derivados del Crudo ............................................................ 141
4.2.3. Oferta de Energía .......................................................................................... 142
4.2.3.1. Recursos de Energía Primaria ................................................................... 143
4.2.3.2. Carbón Mineral ......................................................................................... 144
4.2.3.3. Dendroenergía ........................................................................................... 144
4.2.4. Construcción de Escenarios. ......................................................................... 144
4.2.4.1. Demanda de Energía y Crecimiento Demográfico ................................... 146
4.2.4.2. Uso Racional y Eficiente de Energía ........................................................ 147
4.2.4.3. Expansión en Generación con Fenómeno Climático. ............................... 152
4.2.4.4. Fenómeno del Niño Oscilación Sur –ENOS. ............................................ 154
4.2.5. Resultados Parciales ENERDEM ................................................................. 156
4.2.6. Emisiones Gases de Efecto Invernadero ...................................................... 159
4.3. ENERSOS ........................................................................................................ 160
4.3.1. VIKOR Multicriterio Colombia .................................................................. 161
4.3.2. VIKOR Multiobjetivo ................................................................................. 164
4.3.1. Resultados Parciales de ENERSOS .............................................................. 170
5. RESULTADOS Y ANÁLISIS ............................................................................ 172
6. CONCLUSIONES ............................................................................................... 184
7. REFERENCIAS ................................................................................................... 188
8. CUADROS COMPARATIVOS MODELOS. .................................................... 200
9. SOCIALIZACIÓN – MODERGIS. ..................................................................... 203
10. GLOSARIO ...................................................................................................... 206
11. PÁGINA WEB MODERGIS. ......................................................................... 210
Figura 1 Modelo de Información Geográfica Vector y Ráster. IntiGIS. .................... 49
Figura 2. Caracterización para un problema AMCD-El Autor .................................... 57
Figura 3. Conceptualización de MODERGIS - Autor ................................................. 66
Figura 4. Estructura del MODERGIS - Autor ............................................................. 68
Figura 5. Conceptualización de ENERGIS - Autor ..................................................... 69
Figura 6. Procedimiento metodológico de ENERGIS - Autor..................................... 72
Figura 7.Conceptualización y flujo de ENERDEM - Autor ........................................ 78
Figura 8. Estructura del L.E.A.P. Colombia.- Autor ................................................... 80
Figura 9. Conceptualización y Flujo de ENERSOS .................................................... 85
Figura 10 .Matriz de Pagos VIKOR ............................................................................ 91
Figura 11 .Criterios de Ponderación. ........................................................................... 91
Figura 12 .Ponderación AHP ....................................................................................... 92
Figura 13 .Ponderación AHP. ...................................................................................... 92
Figura 14 .Cartografía Básica IGAC............................................................................ 97
Figura 15. Zonas de reserva Natural en DTM ............................................................. 98
Figura 16. Mapa de exclusión de Áreas. .................................................................... 100
Figura 17. Mapa resultados exclusiones .................................................................... 101
Figura 18. Factibilidad maíz por piso Altitudinal ...................................................... 104
Figura 19. Factibilidad maíz por precipitación .......................................................... 105
Figura 20 .Mapa resultado Áreas Potenciales para Maíz. .......................................... 106
Figura 21.Cultivo sostenible de caña de azúcar. ........................................................ 107
Figura 22 .Cultivo sostenible de Palma Oleaginosa. ................................................. 109
Figura 23. Cultivo sostenible de Banano ................................................................... 110
Figura 24. Red Vial Terrestre .................................................................................... 111
Figura 25 .Dendroenergía Sostenible ......................................................................... 112
Figura 26. Radiación Solar Totales Anuales .............................................................. 115
Figura 27. Modelación ENERGIS Radiación Solar Corregida ................................. 117
Figura 28. Modelación ENERGIS para vientos en Colombia ................................... 120
Figura 29. SWERA Mapa de Vientos Colombia. ...................................................... 121
Figura 30. Fuentes Procesadas. .................................................................................. 123
Figura 31. Flujo Energético sector Residencial ......................................................... 126
Figura 32. Flujo Energía Residencial Rural Electrificado. ........................................ 128
Figura 33. Flujo de Energía Residencial Rural No Electrificado. ............................. 129
Figura 34. Flujo Energético del sector Alimentos. .................................................... 132
Figura 35. Flujo Energético del Sector Transporte. ................................................... 135
Figura 36. Flujo de Energía Sector Agrícola y Minero.............................................. 137
Figura 37.Flujo de energía Sector Comercial y Público ............................................ 139
Figura 38. Proyección de la Demanda de Energía por subsector............................... 157
Figura 39. Matriz de Generación Eléctrica. ............................................................... 158
Figura 40. Generación de Energía Eléctrica bajo fenómeno de Niño. ....................... 158
Figura 41. Emisiones de CO2 .................................................................................... 159
Figura 42. Simulación del Fenómeno del Niño (ENSO) en Colombia ...................... 173
Figura 43. Mapa de Zonas Sostenibles en Colombia ................................................. 178
Figura 44. Zonas Factibles para el Aprovechamiento Dendroenergético .................. 179
Figura 45. Zonas Potenciales para el Aprovechamiento de Palma Africana. ............ 180
Figura 46. Zonas Potenciales para el aprovechamiento de Caña de Azúcar.............. 181
Figura 47. Mapa de Radiación Solar en Colombia .................................................... 182
Figura 48. Mapa Potencial de Aprovechamiento en Energía Eólica. ........................ 183
Tabla 1.Criterios de exclusión de zonas. ...................................................................... 99
Tabla 2. Fuentes energéticas modeladas con MODERGIS ........................................ 102
Tabla 3. Síntesis Áreas Potenciales Factibles. ............................................................ 113
Tabla 4.Brillo Solar medido vs calculado y factor de corrección. .............................. 116
Tabla 5. Resultados Consolidados ENERGIS ............................................................ 122
Tabla 6. Distribución del Consumo Residencial. ........................................................ 126
Tabla 7.Consumo Residencial Rural Electrificado. .................................................... 127
Tabla 8. Consumo Residencial Rural No Electrificado. ............................................. 128
Tabla 9. Comparación Consumo Residencial LEAP-UPME...................................... 129
Tabla 10. Consumo Sector Industrial. ......................................................................... 131
Tabla 11. Comparación Consumo Industria LEAP -UPME ....................................... 133
Tabla 12. Comparación Consumo Transporte LEAP - UPME ................................... 136
Tabla 13. Comparación Consumo Agrícola LEAP - UPME ...................................... 138
Tabla 14. Comparación Consumo Comercio y Público LEAP - UPME. ................... 139
Tabla 15. Capacidad y Generación Eléctrica. ............................................................. 141
Tabla 16. Cargas y Producción a Refinerías ............................................................... 141
Tabla 17. Producción de Refinados ............................................................................ 142
Tabla 18. Reservas Energías no Renovables .............................................................. 143
Tabla 19. Reservas Energías Renovables ................................................................... 143
Tabla 20. Proyección PIB por sector .......................................................................... 146
Tabla 21. Expansión en Generación OEF ................................................................... 153
Tabla 22.Aportes a los Embalses Agregado Nacional. ............................................... 156
Tabla 23. Emisiones de Gases de Efecto Invernadero GEI ........................................ 159
Tabla 24.Alternativas Método VIKOR. ...................................................................... 161
Tabla 25.Atributos Método VIKOR ........................................................................... 162
Tabla 26.Matriz con Valores Reales ........................................................................... 162
Tabla 27.Ponderación de los Criterios. ....................................................................... 163
Tabla 28.Pesos de Atributos ....................................................................................... 163
Tabla 29.Calificación Qj. ............................................................................................ 163
Tabla 30.Calificación Sj .............................................................................................. 164
Tabla 31.Calificación Rj ............................................................................................. 164
Tabla 32. Alternativas método VIKOR ...................................................................... 165
Tabla 33. Definición de Objetivos a Optimizar .......................................................... 165
Tabla 34. Ponderación VIKOR Multiobjetivo ............................................................ 168
Tabla 35. Ponderación de Pesos. ................................................................................. 168
Tabla 36. Resultados obtenidos de VIKOR ................................................................ 169
Tabla 37. Primeros tres lugares de las listas Qj , Sj,, Rj. ............................................ 169
Tabla 38 Resumen de Potenciales con MODERGIS .................................................. 172
Tabla 39. Simulación del Plan de Expansión condiciones normales en Colombia ... 174
Tabla 40 Simulación del Plan de Expansión con fenómeno del niño. ........................ 175
Tabla 41. Simulación P. de E. con fenómeno de Niño y Energías Renovables. ......... 176
Tabla 42. Capacidad Instalada plan Expansión vs ENERDEM.................................. 177
Tabla 43. Modelo LEAP ............................................................................................. 200
Tabla 44. Modelo MARKAL ...................................................................................... 201
Tabla 45. Moldeo ENPEP ........................................................................................... 201
Tabla 46. Comparación Modelos LEAP- MARKAL - ENEPEP ............................... 202
17
1. MARCO GENERAL
Introducción
El modelo energético utilizado hasta ahora, ha permitido grandes avances científicos, tecnológicos y desarrollo económico en el mundo, pero también ha traído consigo el deterioro irreversible en las condiciones de vida del planeta; es por ello, que se debe replantear el modelo actual basado en combustibles fósiles, pues si bien este es uno de los principales impulsadores de la sociedad no logra un equilibrio entre el desarrollo y la sostenibilidad.
La escasez de los recursos energéticos y los impactos ambientales nocivos que se han incrementando en las últimas décadas, requiere el uso de otras alternativas energéticas que no sólo continúen alimentando el motor del desa-rrollo, sino que también contribuyan a una mejor calidad de vida para las futu-ras generaciones.
Para implementar un modelo de energía sostenible es necesario contar con herramientas de planificación, las cuales se encuentran en diferentes presenta-ciones y cada una ofrece un método de trabajo propio. Sin embargo, estas herramientas por si solas no son suficientes para tomar la decisión que más se ajuste a las necesidades de una región, pues no tienen en cuenta otros facto-res que son afectados por la elección de un modelo energético. La mejor deci-sión es aquella que se toma teniendo en cuenta las dimensiones y criterios social, económico y ambiental, con el fin de seguir el camino más corto desde la planificación energética hacia el desarrollo sostenible.
El propósito de esta investigación es desarrollar e implementar una plataforma para la simulación de energía sostenible, que determine las necesidades energéticas de oferta y demanda de una zona geográfica específica, potencie nuevos recursos energéticos que puedan ser incluidas en la matriz energética y que evalué de manera integral tecnologías bajo un mismo patrón, orientado bajo los criterios de desarrollo sostenible.
Colombia por su ubicación geográfica cuenta con un gran potencial de recursos renovables aún sin determinar (UPME, 2011), en los que se destacan la energ-ía solar, la energía eólica y los potenciales de biomasa. La zona de confluencia intertropical ZCIT es rica en recursos hídricos pero debido a los efectos de va-riabilidad climática, como el fenómeno del niño ENSO, genera incertidumbre en la seguridad de suministro eléctrico debido a la alta participación de este recur-so.
El país cuenta con importantes reservas de carbón, 6.6 billones de toneladas, reservas limitadas de petróleo, 1988 millones de barriles, y gas natural, 7.3 Te-ra pies cúbicos (UPME, 2010a). Además, según el Programa de las Naciones Unidas para viento y sol (UNEP, 2011) y la Asociación Europea de la Industria Fotovoltaica (EPIA, 2011) Colombia se encuentra en la franja tropical donde la dotación de recursos energéticos renovables es prometedora, en gran medida el potencial hidroeléctrico, por esta razón es consciente de emitir bajas canti-
18
dades de gases de efecto invernadero debido a que es muy vulnerable a los impactos del calentamiento global como el deshielo de los glaciares (The World Bank, 2006). En este contexto, el país depende en gran medida de las unidades hidroeléctri-cas de gran capacidad que proporcionan el 67% de la energía generada. En 2008, la capacidad instalada fue de 13,5 GW de los cuales el 67% se debe a hidroeléctricas, el 27% en gas natural, carbón 5%, 0,23 % eólica y cogenera-ción 0,7%. La demanda total de energía de ese mismo año fue de 54 TWh, que representó bajas emisiones de carbono, debido a su alta participación por parte de hidroelectricidad (UPME, 2010a) Jacobson y Delucchi determinaron el potencial de energías renovables a nivel mundial con horizontes realistas al 2030 y 2050 (Jacobson & Delucchi, 2011) donde demuestran que es factible el uso de las energías renovables como op-ción de suministro desplazando las energías no renovables. Lo anterior, mues-tra la importancia de la utilización de la plataforma propuesta en esta tesis (MODERGIS) para que los países incluyan en su planificación las tecnologías limpias, haciendo el mejor uso de su recursos y destacando el de recursos re-novables.
Mientras que varios países coinciden en la necesidad de usar las energías re-novables, se han desarrollado diferentes mecanismos de política para promo-ver la introducción de estas tecnologías, tales como los Feed-in tariffs FIT mo-delo desarrollado en Alemania y países de la Unión Europea, que ofrece tarifas fijas de largo plazo a aquellos que utilicen medios renovables de generación de electricidad y los standard portfolios (modelo de mayor difusión en EEUU e In-glaterra) su principal característica es que el Estado, o el gobierno central que corresponda a través de su ente regulador, fija un monto, cuota o “standard” mínimo de producción a la red de electricidad vía energías renovables. (Center for Resource Solutions – CRS, 2002). Los mecanismos no son necesarios para identificar su viabilidad, puede hacer factible introducir energías renova-bles y reducir la incertidumbre que enfrentan los inversionistas. (Botero,S., Isaza,F., Valencia,A.,2010)
En esta investigación se reunieron herramientas de última generación para la planificación energética, orientadas a las energías renovables (Angelis-Dimakis et al., 2011), (W. C. Flores, Ojeda, Flores, & Rivas, 2011), (San Cristóbal, 2011), con el fin de llegar a la opción más conveniente. Esta podrá ser aplicada en cualquier región y sector siempre y cuando se cuente con los datos requeridos; es aquí, donde MODERGIS depende de la disponibilidad y de la precisión de la información cartográfica, socioeconómica y balances energéticos. MODERGIS permite potenciar recursos renovables con énfasis en energía so-lar, eólica y biomasa en sus distintas formas; proyecta demanda sectorial de energía con horizontes de tiempo definidos; realiza simulaciones de escenarios sostenibles con inclusión de energías renovables y efectúa el análisis de gases de efecto invernadero para evaluar el impacto ambiental. También podrá simu-
19
lar el efecto de la escasez del recurso hídrico para generación eléctrica en re-giones afectadas por el fenómeno climático de “El Niño” o ENSO, el cual tiene relación con la volatilidad de los caudales de aporte a los embalses para gene-ración hidroeléctrica (Poveda, G., 1994)
El método utilizado en la investigación fue el desarrollo de una plataforma inte-gradora MODERGIS, el cual relaciona herramientas de planificación energéti-ca, incluyendo los módulos: ENERGIS - sistemas de información geográfica, ENERDEM - análisis de demanda-oferta de energía (aplicando el modelo LEAP – Long-range Energy Alternative Planning), y ENERSOS - análisis multicriterio de decisión - VIKOR. Se enmarca bajo los criterios de desarrollo sostenible y su aplicación se basó en el caso piloto Colombia.
1.1. Problema de Investigación
El suministro de energía adecuada y confiable es un elemento esencial de de-sarrollo sostenible. La energía es vital para erradicar la pobreza, mejorar el bienestar humano y elevar la calidad de vida de la población. En muchas regio-nes del mundo no se cuenta con energía confiable y además se exceden los límites económicos de su uso. En otras áreas, la presión y degradación al am-biente impide el logro de un desarrollo sostenible. Cerca de 1.4 billones de personas todavía no tienen acceso a la electricidad (87% de los cuales viven en las zonas rurales) y 1 billón tiene acceso sólo a las redes no confiables de electricidad.
Se estima que la inversión de capital necesaria para prestar servicios moder-nos de energía a esta población es del orden de 40 billones de dólares al año hasta el 2030. Esto representaría sólo alrededor del tres por ciento de la inver-sión total en energía a nivel mundial que se espera para este período (Gryns-pan, R., 2011). En este contexto la Organización para la Cooperación y el De-sarrollo Económico, OCDE, demostró en el Fórum Barcelona 2004 que el ac-tual modelo energético resulta insostenible si se sigue con los mismos patrones de consumo energético y se mantiene la dependencia en los combustibles fósi-les. En tal sentido recomendó ampliar las investigaciones sobre el desarrollo energético basado en las nuevas fuentes renovables (Asgeirsdottir, B., 2004).
Las Universidades de Standford y California - Davis en su artículo “Proveer la energía global mediante viento, agua y energía solar - wws” como solución a los problemas de cambio climático, contaminación del aire, contaminación de agua e inseguridad en el suministro energético, proponen una conversión lim-pia, perpetua y factible de energía a bajo costo con un incremento en la eficien-cia energética. Determinaron que se necesitarían 3.8 millones de turbinas de viento de 5 MW (50% de la demanda de energía), 49000 plantas de concentra-ción solar de 300 MW (20% de la demanda de energía), 40000 plantas fotovol-taicas de 300 MW (14%), 1.7 billones de sistemas de paneles solares individua-les de 3 KW (6%), 5350 plantas geotermales de 100 MW (4%), 270 nuevos proyectos hidroeléctricos de 1300 MW (4%), 720000 generadores de olas (1%)
20
y 490000 turbinas mareomotrices de 1 MW (1%) para suplir el total de la de-manda de energía en todos los sectores y usos en el 2030 con un sistema wws (Jacobson & Delucchi, 2011).
G. Caspary ha evaluado la competitividad de las diferentes formas de energía renovable en Colombia para los próximos 25 años, comparando el costo de producción de energía de un conjunto de fuentes de energía renovables, y su comparación en el largo plazo con la energía tradicional (Caspary, G., 2009). Aunque el artículo no trata los problemas de generación de forma aislada sino que considera los temas de bienestar con respecto a los impactos ambientales y sociales de las diferentes opciones tecnológicas, contempla las externalida-des y deja abierto que los temas de bienestar no depende de la elección de las tecnologías, sino más bien el marco normativo para la prestación del servicio de energía (Valencia, A., 2008), que se basará en función de la potenciación de los recursos renovables (Quijano, R., Domínguez, J., 2008). Es claro que el marco institucional y los aspectos de política y la regulación debe ser lo sufi-cientemente fuertes y consistentes con los resultados de este modelo para que puedan ser implementadas de una forma estructurada y articulada (Ruiz, J., Rodríguez,. V, Padilla, 2006). Paralelamente la comunidad científica viene recopilando mayor número de evi-dencias de que la biodiversidad no está distribuida de manera equitativa sobre el total de la superficie terrestre, sino que existen determinadas zonas privile-giadas que poseen gran diversidad. En la literatura se ha concluido con el con-cepto de “Puntos Calientes” de biodiversidad. Estos se caracterizan por alber-gar una gran cantidad de especies endémicas que cada vez van perdiendo más espacio en su propio hábitat. Hasta el 44% de especies de plantas vascu-lares y el 35% de especies de cuatro grupos de vertebrados en el mundo se encuentran concentradas en 25 puntos calientes que comprenden sólo el 1.4% de la superficie terrestre. De la totalidad de puntos calientes, dos se encuentran ubicados en el territorio Colombiano: Los andes tropicales, con 20000 plantas y 1567 vertebrados endémicos; y el Chocó biogeográfico y Darién, con 2250 plantas y 418 vertebrados endémicos. Los puntos calientes y las especies que allí viven se ven afectados por el calentamiento global inducido por la utilización de recursos no renovables (Myers, Mittermeler, Mittermeler, Da Fonseca, & Kent, 2000). Colombia cuenta con grandes fuentes de energía; Las reservas de gas natural en 2008 fueron de 7.3 Tera pies cúbicos (de los cuales el 60 % eran reservas probadas). Las reservas de petróleo son mucho más limitadas y pueden ser insuficientes para mantener la autosuficiencia en el corto plazo. A finales de 2009, las reservas probadas de petróleo eran 1988 millones de barriles, auto-suficiencia para cerca de 7 años (ANH, 2011). Del mismo modo, las reservas de carbón están evaluadas en siete billones de toneladas (o alrededor de 100 años de producción a la tasa de extracción actual) (UPME, 2010a). El país tie-ne también un potencial considerable de energía hidroeléctrica como resultado de su ubicación en la zona de confluencia intertropical y sus cadenas montaño-sas.
21
En este contexto, el país depende en gran medida de las centrales hidroeléctri-cas. En 2008, la capacidad instalada fue de 13,5 GW para conformar una ma-triz del 67% en hidroeléctricas, el 27% en gas natural, carbón 5%, 0,3 % eólica y cogeneración 0,7%. La demanda total de energía de ese mismo año fue de 54 TWh, que representa una de las más bajas en emisiones de carbono de la región (UPME, 2010a) debido a la alta participación de la hidroelectricidad. El impacto de la variabilidad climática, como el fenómeno del niño ENSO (The World Bank & Vergara, 2009), crea incertidumbre en los aportes hidrológicos a los embalses, razón por la cual se vería abocado el sector eléctrico Colom-biano a racionamientos permanentes (Poveda, Jaramillo, Gil, Quiceno, & Mantilla, 2001). Por este motivo se deben presentar alternativas para diversifi-car la matriz energética de generación ya que la capacidad térmica instalada sólo participará en un 20% de la capacidad total para 2018, y es necesario re-currir a otras fuentes de generación como lo menciona el Plan de Expansión en Generación 2010-2024 (UPME, 2010b).
El país se ha caracterizado por tener un conflicto en la relación energía-ambiente, generando impactos a los ecosistemas y problemas a las comunida-des que se encuentran en las áreas de influencia a los proyectos energéticos. Esto se ve reflejado en sobrecostos para los proyectos y daños irreparables al ambiente y a la población afectada (Contraloría General de la República, 2010). Por tal razón es importante tender hacia vectores menos nocivos, utili-zando procedimientos integrales de valoración que minimicen los impactos a la gran riqueza de biodiversidad natural y social como país multiétnico y pluricul-tural (Constitución Política de Colombia, 1991)
1.2. Objetivo Principal
Diseño e implementación de una plataforma de planificación energética integral que potencie los recursos energéticos renovables, simule escenarios energéti-cos y suministre elementos de juicio para la toma de decisiones que tiendan a transformar la matriz energética en una de mayor participación en energías re-novables, bajo los criterios de desarrollo sostenible y seguridad en el suministro energético.
1.3. Objetivos Específicos
Identificar potenciales de energías renovables, mediante análisis espacial utili-zando herramientas y métodos de Sistemas de Información Geográfica– GIS.
Construir escenarios sostenibles en el mediano y largo plazo que integren energías renovables en la matriz energética, simulando situaciones de cambio
22
climático, en el entorno de la oferta y demanda de energía para el estudio de caso Colombia.
Implementar una herramienta para la toma de decisiones, basada en un méto-do de Análisis Multicriterio de Decisión- AMCD, que suministre elementos de juicio para la simulación e implementación de planes de fuentes renovables de energía y acciones de políticas energéticas en el mediano y largo plazo.
1.4. Alcance
La plataforma MODERGIS potenciará las energías renovables con énfasis en solar, eólica y biomasa a nivel nacional, regional y local, mediante el uso de los sistemas de información geográfica. Estructurará la demanda sectorial de energía y la proyectará en los próximos diez a veinte años con cortes cada dos, cinco y diez años. Simulará escenarios con aumento de la participación de energías renovables en la canasta energética, basados en variables climáticas y la repercusión en el sistema energético total, presentando alternativas de suministro confiable para la generación eléctrica. Calculará gases de efecto invernadero que por el uso de la energía en el sector de demanda y de transformación se generan e impactan al medio ambiente. Elaborará vectores de un conjunto de energías renovables que podrán ser utili-zados para la formulación de un plan de fuentes renovables de energía. .
1.5. Marco Metodológico.
Se presenta la metodología utilizada para alcanzar los objetivos propuestos en el desarrollo de esta investigación.
1. Recolección y estandarización de la información básica necesaria de la cartografía nacional, en sus aspectos político - administrativa, temática ambiental, infraestructura energética y normatividad legal.
2. Recolección y análisis de la información socioeconómica Nacional de población, viviendas, producto interno bruto y prospectiva de los indica-dores económicos.
3. Recolección y verificación de la información y estadísticas energéticas, balance de energía, reservas y potencialidades existentes.
23
4. Revisión del estado del arte relacionado con sistemas de información geográfica SIG, modelos de planificación energética, análisis multicriterio de decisión y desarrollo sostenible. Las fuentes a utilizar serán, las ba-ses de datos científicas, textos, tesis y revistas internacionales que po-sea la Universidad Nacional u otras Universidades, Internet, eventos y organizaciones internacionales y discusiones con expertos en el tema.
5. Conceptualización de la plataforma MODERGIS. 6. Identificación y selección de modelos de apoyo para Sistemas de Infor-
mación Geográfica, proyección de demanda-oferta de energía y los métodos de Análisis Multicriterio de Decisión a usar.
7. Desarrollar el software que poseerá la plataforma, al igual que identificar cuáles podrían ser algunas de sus limitantes y barreras.
8. Definición de criterios para seleccionar el año base y año de horizonte, que sean coherentes y consecuentes con las actividades energéticas, ambientales sociales y económicas.
9. Ajuste y verificación del caso Colombia. 10. Evaluación de escenarios nacionales energéticos y ambientales y análi-
sis de resultados. Se espera que este proyecto tenga un gran impacto sobre diferentes entidades encargadas de la planificación energética y ambiental como herramienta de apoyo en procesos de planificación y toma de decisiones. En el proceso de investigación se socializó la conceptualización de MODERGIS y se presentaron los resultados en algunas Universidades: Universidad Nacional de Medellín (mayo 2011), Universidad Autónoma de Bucaramanga (agosto 2010) Universidad de Sevilla (septiembre 2010) Universidad Las Palmas de Gran Canaria (septiembre 2008).
En organismos Internacionales: Comisión Económica para América Latina y el Caribe CEPAL, Diálogos de
Política y Biocombustibles, Santiago de Chile Marzo 28 y 29 de 2011. Comisión Económica para América Latina y el Caribe CEPAL. Instituto lati-
noamericano y del Caribe de Planificación Económica y Social IPLES. Cur-so Internacional Planificación y Gestión Sostenible de los Recursos Am-bientales Naturales. Cartagena de Indias, agosto 2010.
IEMSs Fourth Biennial Meeting: International Congress on Environmental Modelling and Software (IEMSs 2008). Barcelona, Cataluña, Julio – 2008
Agencia Española para Cooperación Iberoamericana- AECI. Centro de In-vestigaciones Energéticas Ambientales y Tecnológicas, CIEMAT Aplicación de los Sistemas de Información Geográfica en las Energías Renovables, Santa Cruz de la Sierra Bolivia. Julio de 2010.
Conferencia Latinoamericana de Energía y Comunicaciones Rurales - CLER. Buenos Aires Argentina. Abril 13-16 de 2010.
33 Conference International Association for Energy Economics, Sustaina-ble. Rio de Janeiro. Junio de 2010.
24
Fundación para la Energía de la Comunidad de Madrid, Congreso Interna-cional de Generación Distribuida, Madrid España noviembre 24- 25 2009. Poster MODERGIS.
Encuentro Iberoamericano sobre Biocombustibles y Sostenibilidad, Unidad de Formación de Energía y Medio Ambiente CIEMAT,” La sostenibilidad de los Biocombustibles en Colombia - Madrid 28- 30 de octubre de 2009.
Agencia Española para Cooperación Iberoamericana- AECI. Centro de In-vestigaciones Energéticas Ambientales y Tecnológicas, CIEMAT Aplicación de los Sistemas de Información Geográfica en las Energías Renovables, Antigua Guatemala octubre 4 -10 de 2009.
En entidades Nacionales: Unidad de Planificación Minero Energética UPME (Septiembre 2011) Ministerio de Minas y Energía (agosto 2010) IPSE (septiembre de 2011)
Se implemento MODERGIS para determinar los potenciales de biocombusti-bles en Centroamérica con Costa Rica y Suramérica con Paraguay, con la financiación de la Comisión Económica para América Latina y el Caribe CE-PAL. De la misma manera han presentado solicitud la Unidad de Planeación Minero energética- UPME y el Instituto Colombiano de Petróleo -ICP, para utili-zar el modelo y asimilarlo a las actividades propias de sus funciones.
1.6. Sumario
Teniendo en cuenta la complejidad de cada tema, se trató un capítulo de la co-herencia con el problema de investigación propuesto al iniciar la investigación revisando los objetivos generales y específicos. Un segundo capítulo presenta el estado del arte de los modelos integrales de planificación energética, de herramientas de análisis espacial para identificar recursos energéticos renova-bles y de métodos de Análisis Multicriterio de Decisión. El tercer capítulo pre-senta el procedimiento metodológico, tanto gráfico como analítico, utilizado en la elaboración y desarrollo de cada uno de los módulos. En el cuarto capítulo se presentan los resultados sectoriales de cada módulo del caso aplicado a Colombia. Las conclusiones y recomendaciones, juicio y reflexión se exponen en el capitulo quinto y en los anexos se adjunta, un glosario de temas energéti-cos, las características de los modelos integrados considerados durante la se-lección y una figura alusiva a la página web de las características de MODER-GIS. Se utilizaron estudios de empresas e instituciones del sector energético y am-biental, así como las referencias brindadas por los profesores de las diferentes Escuelas de la Facultad de Minas de la Universidad Nacional de Colombia, de la Universidad Politécnica de Madrid, e información suministrada por los inves-tigadores del Centro de Investigaciones Energéticas Medioambientales y Tec-
25
nológicas – CIEMAT de España y del Instituto de Economía Energética de Bari-loche - Argentina. Finalmente las referencias bibliográficas son el fruto del análisis crítico de la base de datos científica con que cuenta la universidad, además de informes y proyectos de I+D+I, documentos divulgativos de empresas, informes técnicos e institucionales, tesis doctorales y memorias de eventos naciones e internacio-nales relacionados con los temas de energía en general, energías renovables, sistemas de información geográfica, análisis multicriterio de decisión y visión prospectiva del medio ambiente y el entorno Mundial.
26
2. ENERGÍA, AMBIENTE Y DESARROLLO
SOSTENIBLE
2.1. Desarrollo Sostenible
El término “Desarrollo Sostenible” se atribuye a Paul R. Ehrlich y Edward Goldsmith, quienes mostraron su preocupación por el futuro de la calidad de vida del ser humano. En 1987, La publicación de Our Common Future, un re-porte de la World Comission on Environment and Development (WECD), arrojó la frase “Desarrollo Sostenible” a la comunidad mundial. El reporte también co-nocido como “El reporte Brundtland”, ha contribuido a crear una visión interna-cional sobre cómo dar lugar al desarrollo social, económico y ambiental. El reporte define el concepto de desarrollo sostenible como “un desarrollo que suple las necesidades del presente sin comprometer la capacidad de las futu-ras generaciones para suplir sus propias necesidades”. Este contiene dos con-ceptos claves:
1. El concepto de “necesidad”, en particular las necesidades de los más
pobres a quienes se les debe dar prioridad.
2. Restricciones impuestas por el gobierno sobre la tecnología y la so-ciedad para responsabilizarse por las necesidades presentes y futu-ras sobre el medio ambiente
Esta definición cubre un extenso campo de actividades humanas y del entorno para considerar sus interrelaciones y cualidades. El reporte identifica los reque-rimientos para el desarrollo sostenible como: Un sistema político que asegure la participación ciudadana efectiva en la
toma de decisiones Un sistema económico que sea capaz de generar ganancias y conoci-
miento técnico en una base autosuficiente y sostenible Un sistema social que provea soluciones para eliminar conflictos prove-
nientes de un desarrollo no armónico. Un sistema productivo que respete la obligación de preservar la base
ecológica para el desarrollo Un sistema tecnológico que pueda buscar continuamente nuevas solu-
ciones. Un sistema internacional que fomente modelos sostenibles de comercio
y finanzas. Un sistema administrativo que sea flexible y que tenga la capacidad de
autocorrección (United Nations, 1987). La definición de desarrollo sostenible, en un contexto multidisciplinario, trae consigo una tarea de revisión y reconstrucción de las políticas y regulaciones existentes dentro de los sistemas antes mencionados. Fue un llamado para
27
modificar los mecanismos institucionales que garantizan la promoción del desa-rrollo económico, el bienestar social y la protección del medio ambiente. Se han realizado varios esfuerzos para determinar un marco general de linea-mientos y principios de desarrollo sostenible. Por tal razón, muchos procedi-mientos se han basado en los intereses y visiones de las organizaciones gu-bernamentales, académicas, preocupados por la implementación del desarro-llo sostenible y que tienen áreas en común relacionadas con el ser humano y su entorno que puedan afectar el estilo de vida, bienestar, forma de gobierno y justicia. Se observa que la cantidad de discusiones e interpretaciones del con-cepto de “desarrollo sostenible” generalmente giran alrededor de los aspectos económicos, sociales y ambientales, sin embargo (Pfahl, 2005) considera que el concepto de desarrollo sostenible atribuye un papel fundamental a las insti-tuciones como herramientas para su implementación. En tal sentido propone una nueva dimensión denominada Institucional. Estas dimensiones se presen-tan así: Económica: Un sistema económicamente sostenible debe ser capaz de
producir bienes y servicios en base sólida, para mantener niveles razo-nables de la deuda externa y para evitar los desequilibrios sectoriales que dañan la producción agrícola o industrial.
Ambiental: Un sistema ambientalmente sostenible debe mantener un re-curso base estable, evitando la sobre explotación de los sistemas de re-cursos renovables o de la capacidad del medio ambiente de absorber desechos y el agotamiento de recursos no renovables mientras se invier-te en un sustituto adecuado. Esto incluye el mantenimiento de la biodi-versidad, estabilidad atmosférica, y otras funciones del ecosistema no clasificadas como recursos económicos.
Social: Un sistema socialmente sostenible debe alcanzar la equidad, provisión adecuada de servicios sociales incluyendo salud y educación, equidad de género, y participación política (United Nations, 1992)
Institucional: Un sistema institucionalmente sostenible debe estar con-formada por instituciones cuyas actividades faciliten la realización e im-plementación de políticas sostenibles, que estén acordes con las dimen-siones Social, económica y Ambiental. (Pfahl, 2005)
Para posibilitar el desarrollo sostenible se deben evaluar y direccionar las com-plejas interrelaciones entre los objetivos económicos, sociales y ambientales. El crecimiento económico, por ejemplo, se hace posible gracias al poder creativo del ser humano el cual permite la transformación de la naturaleza en la satis-facción de sus necesidades básicas y comodidades materiales de la vida coti-diana. Este proceso de transformación a menudo implica el agotamiento de recursos naturales que podría dar como resultado la contaminación atmosféri-ca, el cambio climático y la pérdida de biodiversidad. Quienes se encargan de formular las políticas se ven confrontados con la difícil decisión de establecer un balance entre las metas ambientales y económicas. Como los beneficios se acumulan en diferentes grupos, determinar el nivel y las tasas de inversión en
28
cada área en un periodo particular requiere de un proceso complejo de toma de decisiones. Las consecuencias positivas y negativas en los tres aspectos, de-bidas al cambio de políticas, necesitan ser revaluadas (Rad,Farhad, 2011). En la actualidad, muchos países tanto desarrollados como en vía de desarrollo, han adoptado el concepto de desarrollo sostenible. El concepto ha evoluciona-do con el tiempo desde su enfoque inicial en la dimensión ambiental hasta el actual énfasis del concepto de desarrollo sostenible como un proceso que inte-gra objetivos económicos, sociales y ambientales. También se reconoce que para alcanzar el desarrollo sostenible se requiere de políticas, herramientas de planificación, reformas institucionales y la participación activa de todos los sec-tores.
2.2. Energía y Desarrollo Sostenible
Desde su comienzo en la década de los 80s, cuando el término desarrollo sos-tenible tuvo aceptación a nivel global, la energía ha sido vista como un aspecto importante Es descrita como un elemento necesario para la provisión de los servicios esenciales para la vida humana; los suministros adecuados y asequi-bles han jugado un papel importante en el desarrollo económico y en la transi-ción hacia la industria moderna y las sociedades orientadas a los servicios. Ellos son un elemento clave para mejorar el bienestar económico y social, y son vitales para la generación de riqueza industrial y comercial; y en general, son fundamentales para mejorar el bienestar humano y sus estándares de vida (United Nations, 1987). Los recursos energéticos primarios son usados para proveer estos servicios y son, en su mayoría, recursos no renovables (petróleo, gas natural, carbón). La utilización de recursos energéticos renovables (eólica, solar, geotérmica, hidro-eléctrica, madera, mareas, etc.) ha sido impulsada durante las últimas décadas; pese a esto, su participación en el suministro de energía primaria es aún muy baja (EIA, 2010). El balance de recursos renovables y no renovables no muestra una ruta soste-nible. Todos los recursos energéticos disponibles tienen consecuencias tec-nológicas, económicas y ambientales que podrían afectar una estrategia de desarrollo futuro. Por otro lado, los patrones de uso de la energía no son lo su-ficientemente eficientes para garantizar un desarrollo sostenible sólido (As-geirsdottir, B., 2004). Teniendo en cuenta la influencia multidimensional de la energía al implementación un proceso de desarrollo, es necesario que las auto-ridades tomen la decisión correcta con el fin de: Proveer un suministro de energía seguro y suficiente para futuras nece-
sidades. Adoptar medidas para un uso más eficiente de la energía Prestar servicios públicos Proteger el medio ambiente
29
Durante la década de los 90s, estos retos relacionados con la energía entraron en la agenda política con mayor seriedad y llegaron a estar entre los temas más importantes en la toma de decisiones. La manera más común de adminis-trar los asuntos relacionados con la energía era la aplicación de métodos con-vencionales para la planificación energética. Estos métodos estaban enfocados generalmente en el suministro de la comunidad, transporte y distribución de la energía y su uso final, mientras que el nuevo paradigma tenía que ver con la energía en un contexto más complejo que el que planteaban los métodos de planificación existentes. (Rad,Farhad, 2011). Para enfrentar la complejidad de la relación entre la energía y las dimensiones del desarrollo sostenible, se han hecho varios intentos de desarrollo de meto-dologías de planificación que sigan una ruta más sostenible. Estos nuevos métodos, clasificados como “de planificación energética sostenible”, apuntan a incluir más aspectos de la sostenibilidad en el proceso de planificación. El concepto general de sostenibilidad relaciona las actividades humanas y las condiciones de vida. Estas actividades, proveen bienestar humano y afectan al medio ambiente. La sostenibilidad es de hecho una medida de equilibrio entre las dimensiones social, ambiental y económica de las necesidades humanas.
2.2.1. Energía y la Dimensión Ambiental
La existencia del ser humano depende de su entorno natural. Los sistemas ecológicos del planeta proveen los recursos necesarios para la vida, la dimen-sión ambiental de la sostenibilidad se enfoca en los procesos biológicos natura-les, de la salud y la funcionalidad de los ecosistemas, así como de lograr la productividad continua con el mínimo impacto ambiental. Hay dos elementos importantes que la sostenibilidad ambiental considera: El primero, la disponibi-lidad de los recursos del planeta es limitada. Algunos como la fauna y la flora pueden ser regenerados en periodos de tiempo relativamente cortos a diferen-cia de otros como los minerales, los suelos y los combustibles fósiles. La sos-tenibilidad ambiental depende de la protección y conservación de la diversidad biológica. Por esto, alcanzar la sostenibilidad en esta dimensión requiere de un uso racional de los recursos naturales. El segundo aspecto clave es la protec-ción del ecosistema minimizando los impactos negativos propios de las activi-dades humanas. El ecosistema natural podrá recuperarse de algunos impactos pequeños; sin embargo, los más grandes pueden causar daños irreversibles a la salud. La contaminación ambiental, la degradación de los recursos naturales y la pérdida de biodiversidad afectan la integridad del ecosistema incrementan-do su vulnerabilidad ecológica (Rad, 2008) Mientras que la energía es esencial para el proceso de desarrollo sostenible, esta puede afectar el medio ambiente desde dos grandes perspectivas: la pri-mera es explotando de maneras no apropiadas los recursos energéticos, y la segunda es mediante el uso ineficiente de la energía. El impacto negativo del uso de la energía en el ambiente se ha convertido en un asunto de importancia en las últimas décadas. En tal sentido se han realizado varias conferencias,
30
encuentros, seminarios y talleres de orden internacional con el fin de aunar es-fuerzos e intercambiar experiencias para buscar soluciones conjuntas a este tipo de problemas (Rad, Farhad, 2011).
2.2.2. Energía y La Dimensión Económica
La economía, como ciencia social, es importante para una comunidad sosteni-ble puesto que hace frente a una amplia gama de actividades humanas como la producción, distribución y uso de bienes y servicios. Estas actividades de-penden de recursos renovables y no renovables. La World Comission on Envi-ronment and Development establece que cada generación debería usar sus recursos de forma tal que las futuras generaciones puedan satisfacer sus pro-pias necesidades. Desde el punto de vista económico, la energía debe anali-zarse como un ciclo desde la producción, suministro y uso final en las comuni-dades. La energía y las actividades económicas influyen en toda la cadena productiva de la sociedad desde los niveles macroeconómicos a los niveles microeconómicos, como infraestructura, transporte, mercados, Industria y bien-estar social (Rad, 2008) El concepto de crecimiento económico, en la mayoría de los casos, se refiere a la parte de la oferta de la sociedad que utiliza la producción de bienes y servi-cios. La intensidad energética definida como la relación entre el consumo total de energía y el Producto Interno se considera a menudo como una herramienta de evaluación para la eficiencia energética en la economía de una nación. Para tener una mejor comprensión de la relación entre la economía y el uso de la energía, es importante evaluar la mayor intensidad energética vista desde el lado de la economía como la mínima cantidad de energía requerida para pro-ducir un bien de consumo. Es por esto que la tasa de energía consumida por la producción puede ser considerada como un indicador apropiado de la tasa de crecimiento económico de un país. Esto depende de diferentes circunstancias como el clima, la diver-sidad de sus recursos naturales e incluso valoraciones monetarias de PIB; por consiguiente, este no puede ser considerado como un indicador económico confiable pero es útil como indicador de demanda y de eficiencia energética. Aunque se espera que la intensidad energética disminuya con el tiempo por la adopción de tecnologías cada vez más eficientes, es importante diversificar la estructura energética orientando siempre al uso de tecnologías renovables (Rad, Farhad, 2011).
2.2.3. Energía y La Dimensión Social
Existen muchos componentes y principios necesarios para que una sociedad evolucione y sea sostenible. Suplir las necesidades básicas de todos los gru-pos de la sociedad es de los aspectos más fundamentales para la equidad.
31
Una comunidad socialmente sostenible debe ser capaz de mantenerse y cons-truir con sus propios recursos y tener la flexibilidad para prevenir o direccionar problemas en el futuro. Los recursos que se requieren para construir una so-ciedad sostenible son principalmente el capital humano o individual y capital social. Los capitales individuales como la salud, la educación, destrezas, valo-res y liderazgo pueden contribuir al bienestar propio, mientras que el capital social incluye servicios, redes, relaciones y normas que facilitan la cooperación para mejorar la calidad de vida (Gates, R. & Lee, M., 2007). De acuerdo a Go-odland (2002), la creación y mantenimiento del capital social, como necesidad para la sostenibilidad social, aun no ha sido reconocido adecuadamente. Pien-sa que el capital social, a veces también llamado moral, requiere mantenimien-to y remplazo por valores compartidos, derechos equitativos e interacciones culturales que son esenciales para la sostenibilidad social. La energía juega un papel significativo para el logro de la sostenibilidad social, pues sin importar si el país es desarrollado o está en vía de desarrollo, las ne-cesidades básicas de las sociedades y de la vida cotidiana dependen en gran medida de los servicios de energía. La calidad de vida, la pobreza y la salud son los temas más relacionados con el uso de la energía (Rad, 2008). El acce-so a los servicios básicos de energías a tasas asequibles es todavía uno de los mayores problemas sociales de algunos países en vía de desarrollo. Cerca de 1.4 billones de personas no tienen acceso a servicios modernos de energía y la mayoría de ellos suplen sus necesidades con recursos naturales como la leña (Grynspan, R., 2011) La equidad social y la salud son los dos temas principales considerados bajo la dimensión social del desarrollo sostenible. El índice de equidad y el acceso a servicios energéticos asequibles, subyacen en la equidad social (Vera & Lan-glois, 2007). La energía soporta la salud desde varios puntos de vista, por ejemplo, la provisión y conservación de medicamentos, el control de la tempe-ratura y comodidad en los centros de atención y el suministro de energía a los equipos de diagnostico y cirugía. Más aún, casi todos los centros médicos y servicios de salud dependen de la energía para sus actividades.
2.2.4. Energía y Dimensión Institucional
El contexto institucional es un componente importante en el desarrollo sosteni-ble en el cual las políticas de desarrollo son concebidas, financiadas, imple-mentadas y administradas (Brinkerhoff & Goldsmith, 1990). Para garantizar una sostenibilidad efectiva se requiere la adecuación permanente en la función de la capacidad institucional, junto con la constante adaptación a las circuns-tancias y cambios del medio ambiente (Brown, D., 1998). Esto puede ser apli-cado a todas las áreas de las que son responsables las instituciones, entre ellas la energía. La crisis energética de los 70s fue la principal fuerza impulsora para expandir las capacidades institucionales orientadas al sector energético especialmente dentro del sector público. La capacidad de decisión y de administración de
32
asuntos relacionados con energía evolucionó en las organizaciones guberna-mentales desde el nivel nacional al nivel local. Durante la década de los 80s, Estas instituciones se especializaron en manejar actividades relacionadas con la energía, como la adopción de políticas energéticas, planificación de energía a nivel nacional, regional y local, el control de la energía en el sector industrial, residencial y de transporte. Siguiendo la desregulación de mercados de electri-cidad en los 90s, el monopolio del estado en el sector energético se vino abajo y el sector privado tuvo la posibilidad para desarrollar su potencial institucional en un mercado de energía competitivo. Se puede decir que el poder institucio-nal ha disminuido gradualmente desde la desregulación de los mercados eléc-tricos (Rad, Farhad, 2011). Además de resaltar la participación pública-privada, las instituciones juegan un papel importante como núcleo en la gestión pública y en el equilibrio de las ac-tividades de las diversas dimensiones de la sostenibilidad. Enfocando la aten-ción en la sostenibilidad del sistema energético de la comunidad, la estructura institucional adecuada puede jugar un papel clave para facilitar: Adaptación e implementación de planes y políticas energéticos a nivel
internacional, nacional, regional y local. La coordinación de una relación efectiva entre los actores y las partes in-
teresadas. La armonización y sincronización de futuros planes energéticos en los
diferentes niveles. La evaluación de la calidad de planes y políticas El control y evaluación de cumplimiento de objetivos.
2.3. Modelo de Indicadores de Sostenibilidad En 1997, la Asamblea General de las Naciones Unidas (ONU), reconoció la necesidad de estructurar modelos de uso de energía más sostenibles y, por ello, en la Cumbre del Milenio (2000) y la Cumbre de Johannesburgo (2002) se introduce el tema de energía sostenible. En la publicación de la World Energy Assessment (Goldemberg & Johansson, 2000), se presentan los análisis de las relaciones entre la energía, los problemas sociales, la salud, y el ambiente; y los problemas de seguridad en el suministro de energía, la disponibilidad del recurso, la eficiencia en el uso final, las tecnologías renovables y avanzadas en el suministro, presentando una atención especial al problema fundamental de la energía rural en los países en vía de desarrollo y al papel de la energía en el desarrollo económico durante el siglo XXI. En abril de 2001, la novena sesión de la Comisión para el Desarrollo Sostenible (CSD-9), reconoció la necesidad de utilizar modelos más sostenibles en la pro-ducción, distribución y uso de la energía. Se discutió en la Cumbre Mundial de Desarrollo Sostenible (WSSD 2002), celebrada en Johannesburgo, África Sur, que la comunidad internacional afirma que el acceso a la energía es importante como meta de desarrollo del milenio para las personas que viven en la pobreza para el año 2015 (Guimaraes & CALDERON, 2003). La cumbre también requi-
33
rió cambios en los modelos del uso insostenible de producción y uso de la energía. El acuerdo del plan de implementación de Johannesburgo, es una agenda en la que la energía y los indicadores de sostenibilidad, son vitales pa-ra la erradicación de la pobreza y como elemento del desarrollo sostenible.
2.3.1. Indicadores de Sostenibilidad La cumbre de la Tierra (1992), reconoció el papel importante que los indicado-res pueden jugar, ayudando a los países a tomar decisiones que involucren el desarrollo sostenible. Este reconocimiento, se articula en el Capítulo 40 de la Agenda 21, que llama a los países, así como a las organizaciones internaciona-les, gubernamentales y no gubernamentales, a construir indicadores de desa-rrollo sostenible (Agency International Atomic Energy, 2005). Los indicado-res de energía, no son simplemente estadísticas de energía, más bien, propor-cionan un profundo entendimiento entre las relaciones causales de energía-ambiente-economía, y resaltan uniones que no pueden ser evidentes en las estadísticas propiamente dichas. Los indicadores, pueden presentar las verda-deras relaciones del sistema energético integral, incluso entre varias dimensio-nes de desarrollo sostenible. Por lo tanto, es importante entender las implicaciones que tiene la energía en los programas ambientales y económicos. Los indicadores son útiles para su-pervisar el avance hacia las metas específicas, y el éxito en el uso de la energ-ía y la evolución de la eficiencia, el crecimiento económico, la intensidad energética y la afectación de la población en salud, movilidad y calidad de vida
2.3.2. Evolución de los Indicadores
La Comisión de Naciones Unidas para el Desarrollo Sostenible (CSD) y el De-partamento de los Naciones Unidas de Asuntos Económicos y Sociales (UN-DESA), empezaron a trabajar para producir un juego global de Indicadores pa-ra el Desarrollo Sostenible (ISD). Este esfuerzo concluyó con un paquete de 58 ISD de los que sólo tres eran sobre energía: el consumo de energía per cápita, la intensidad de uso de energía y la participación del consumo de recursos de energías renovables (Agency International Atomic Energy, 2005)
Para complementar el esfuerzo del CSD, la Agencia Internacional de Energía Atómica (IAEA), empezó un programa para implementar los Indicadores para el Desarrollo de Energía Sostenible (ISED), en cooperación con varias organiza-ciones internacionales y algunos miembros de los estados del IAEA. Este es-fuerzo, tenía dos objetivos principales: complementar el trabajo de la ONU en el programa global de los Indicadores de Desarrollo Sostenible y construir un vo-lumen estadístico de impactos del uso de la energía; proyecto que se presentó al CSD-9 en abril de 2001. (Indicators for sustainable energy development, 2001). En 2005, la iniciativa de ISED, logró dos resultados mayores: el desarro-llo y publicación de indicadores de energía y pautas correspondientes y meto-dologías que pueden ser usadas por los países indagando su progreso hacia las metas de desarrollo de energía sostenibles, y un estudio de caso nacional sobre la aplicación, comprobación y utilidad de estos indicadores, en varios países seleccionados. Los Indicadores de Energía para el Desarrollo Sosteni-
34
ble, se publicaron en el documento de la IAEA sobre pautas y metodologías en el campo de indicadores de energía (IAEA, 2005).
2.3.3. Características de los Indicadores Los indicadores son variables o relaciones de variables que dan una informa-ción sintética sobre una situación, estado, fenómeno, acción, etc., más allá de su capacidad de representación propia. Los indicadores son una propuesta re-lativamente reciente que intenta ofrecer mecanismos prácticos para involucrar los aspectos económicos, sociales y ambientales en los procesos de toma de decisiones (Winograd, 1995)
Los indicadores tienen las siguientes características:
Integradores: Integran información en su representación.
Simplificadores: Al integrar información muy compleja simplifican los
procesos de consideración de varios aspectos.
Cuantificadores: Cuantifican información agregada y compleja.
Descriptores: Describen situaciones de recursos.
Explicadores: Explican complejas situaciones de recursos.
Comunicadores: Permiten comunicar de una manera rápida y eficaz la
información.
El uso de indicadores puede ayudar, entre otras cosas, a:
Sintetizar y analizar abundante información.
Tomar decisiones sobre temas prioritarios.
Identificar problemas y áreas de acción.
Definir objetivos y metas.
Monitorear la evolución ambiental.
Explicar situaciones y sus posibles causas.
Informar sobre el estado ambiental.
No hay en la literatura una manera única propuesta para el diseño de los indi-cadores. Se acepta más bien que el sistema de indicadores ambientales debe responder a las necesidades particulares de los usuarios (Winograd & Eade, 1997)
El diseño de un sistema de indicadores debe responder a unas necesidades específicas, de acuerdo al uso que se le va a dar al sistema. No se trata en ningún caso de diseñar un sistema de indicadores per se, ni de implantar un sistema de indicadores desarrollados en otras latitudes ya que los problemas ambientales y sociales, y los énfasis que se le dan a los mismos, son muy dis-tintos.
La elaboración de un sistema de indicadores ambientales debe entonces partir o basarse en el siguiente proceso:
35
1. Identificación de los problemas para los cuales se debe elaborar la informa-ción y desarrollar los indicadores
2. Definición de temas y variables para la selección del conjunto de indicado-res
3. Definición y conocimiento de las fronteras espaciales para el monitoreo, se-guimiento y vigilancia.
Siguiendo con este proceso identificamos el problema basado en ser coheren-tes con los lineamientos del desarrollo sostenible, el cual, relaciona la calidad de vida con una forma que pueda ser sostenible, económica y ambientalmente, en el largo plazo soportado por la estructura institucional de un país.
Los temas y variables del desarrollo sostenible se enfocan sobre las cuatro di-mensiones principales: social, económica, medio ambiental e institucional. En este sentido y analizando la bibliografía que sobre el tema existe, debe tratar de mantener las cuatro dimensiones y de acuerdo a la información disponible, sistemática y confiable será el numero de indicadores de sostenibilidad.
Dimensión social
La disponibilidad de energía tiene un impacto directo en la pobreza, oportuni-dades de empleo, educación, transición demográfica, contaminación interior y salud, y tiene implicaciones relacionadas con el género y la edad. En países ricos, con sólo oprimir un interruptor se tiene disponible energía para ilumina-ción, calefacción y cocción. La energía es limpia, segura, confiable y accesible económicamente. En países pobres, hasta seis horas al día se requieren para colectar leña y estiércol para cocción y calefacción, y usualmente esta tarea es realizada por las mujeres, quienes podrían, de otra manera, involucrarse en tareas más productivas (United Nations, 2005).
Aquí se ilustran dos componentes o temas de la dimensión social: Equidad y Salud. La equidad social es uno de los principales valores subyacentes al desa-rrollo sostenible, involucrando el grado de imparcialidad y exclusividad con la que están distribuidos los recursos de energía. Los sistemas energéticos son hechos accesibles y los esquemas de precios son formulados para asegurar su accesibilidad económica. La energía debería estar disponible para todos a pre-cio justo.
El uso de la energía no debería dañar la salud humana, más bien debería me-jorarla a través del incremento de las condiciones de vida. No obstante, la pro-ducción de energía tiene el potencial de causar daños o enfermedades a través de la generación de contaminación o accidentes. Una meta social es eliminar o reducir estos impactos negativos. Los indicadores de Salud tienen el subtema de Seguridad, el cual cubre fatalidades asociadas con accidentes causados por la extracción, conversión, transmisión/distribución y uso de la energía.
Dimensión Económica.
Todos los sectores de la economía – residencial, comercial, transporte, servi-cios y agricultura – demandan servicios de energía modernos. A su vez, estos
36
servicios, impulsan el desarrollo económico y social a nivel local elevando la productividad y permitiendo la generación local de ingreso. El suministro de energía afecta los trabajos, productividad y desarrollo. La electricidad es la for-ma dominante de energía para las comunicaciones, tecnologías de informa-ción, manufacturas y servicios (Winchester, America, Environmental, & Divi-sion, 2006).
Los indicadores económicos tienen dos componentes o temas: Patrones de Uso y Producción y Seguridad. El primero tiene los subtemas de Uso Total, Productividad Total, Eficiencia del Suministro, Producción, Uso Final, Diversifi-cación (Mezcla de Combustibles) y Precios. El segundo tiene los subtemas de Importaciones y Almacenamiento Estratégico de Combustibles.
Dimensión medio ambiental
Los impactos ambientales dependen fuertemente de la forma en que la energía es producida y usada, la mezcla de combustibles, la estructura de los sistemas energéticos, las acciones regulatorias asociadas con la energía y la estructura de precios. Las emisiones de gases provenientes de la quema de combustibles fósiles contaminan la atmósfera. Las grandes presas causan obstrucción con aluviones. Ambos ciclos de combustibles, carboníferos y nucleares, emiten ra-diación y generan desechos.
Los Indicadores Medioambientales, están divididos en tres componentes o te-mas: Atmósfera, Agua y Tierra. Los subtemas de la Atmósfera son Cambio Climático y Calidad del Aire, así como las emisiones de gases de efecto inver-nadero (GEI). Éstos son elemento central en la discusión sobre si la actividad humana está cambiando el clima para empeorarlo. Los contaminantes del aire de mayor preocupación incluyen óxidos de azufre, óxidos de nitrógeno, monóxido de carbono y partículas.
Otros dos importantes subtemas de la dimensión medio ambiental son la cali-dad del agua y de la tierra. La tierra es algo más que un espacio físico y una superficie topográfica; es en sí misma un muy importante recurso natural, cons-tituido por suelo y agua, esencial para el crecimiento de alimentos y para pro-porcionar hábitat para diversas comunidades de plantas y animales (Winches-ter et al., 2006).
Dimensión institucional
Los indicadores institucionales, pueden ayudar a medir no únicamente la exis-tencia, sino la efectividad de los planes o estrategias nacionales de desarrollo energético sostenibles, la capacidad estadística energética y las capacidades analíticas o la pertinencia y efectividad de inversiones en la creación de capa-cidad, educación o investigación y desarrollo. Los indicadores institucionales, podrían ayudar a monitorear los avances hacia una legislación apropiada y efi-ciente, y a crear instituciones regulatorias y de ejecución de los sistemas energéticos (Agency International Atomic Energy, 2005).
37
2.3.4. Indicadores energéticos para el
Desarrollo Sostenible
A nivel de referencia los Indicadores Energéticos para el Desarrollo Sostenible (IEDS) fueron desarrollados de acuerdo a dimensiones, temas y subtemas si-guiendo el mismo marco de referencia conceptual empleado por la Comisión de las Naciones Unidas sobre el Desarrollo Sostenible (CDS).(Patlitzianas, Dou-kas, Kagiannas, & Psarras, 2008). Se han contemplado treinta indicadores generales, clasificados en tres dimensiones (social, económica y ambiental) Adicionalmente, estos indicadores se clasifican en siete temas y diecinueve subtemas. Es de aclarar que, dadas las numerosas interrelaciones entre las categorías, algunos de los indicadores pueden ser clasificados en más de una dimensión, tema o subtema. Asimismo, cada indicador puede representar a un grupo de indicadores relacionados necesarios para evaluar un aspecto particu-lar.
La Organización Latinoamericana de la Energía (OLADE), con el propósito de fortalecer los procesos de formulación de las políticas energéticas para armoni-zar el crecimiento económico, la equidad social, la protección del medio am-biente y contribuir a que las reformas energéticas con una visión de al desarro-llo sostenible, desarrollo el proyecto Energía y Desarrollo Sostenible en Améri-ca Latina y el Caribe conjuntamente con la Comisión Económica para América Latina y el Caribe CEPAL (Organization Latin American Energy & Zusam-menarbeit Deutsche Gesellschaft f\ür Technische, 2003) Este proyecto ya culminado, se enfocó de manera sistémica reconociendo la responsabilidad compartida que les compete a los actores del desarrollo energético, precisando los lineamientos de política, e identificando los instrumentos y acciones concre-tos para alcanzar las orientaciones y objetivos del desarrollo sostenible. Mejo-rando la eficiencia en el uso de la energía, el aumento en la cobertura social de los servicios energéticos, y las acciones que articulan los mayores niveles de consumo energético con la generación de empleo y la elevación de los niveles de ingreso. En concordancia con los indicadores de sostenibilidad, OLADE enmarca el sis-tema energético como una interrelación en aspectos como PIB, la distribución del ingreso, el nivel y la estructura del abastecimiento y los usos energéticos. Cuenta con aspectos multidimensionales de compleja solución, que no pueden ser resueltos espontáneamente, ni direccionarse exclusivamente en forma cen-tralizada. El equilibrio entre estos aspectos, es el desafío de los nuevos tiem-pos para la región.
2.4. Planificación Energética
El desarrollo económico, como resultado de numerosas actividades, está acompañado de un incremento en el consumo energético; esto se observa principalmente en los países en vía de desarrollo quienes aumentan rápida-
38
mente su demanda de energía frente a un aumento en sus actividades. En es-tos países es importante asegurar la suficiente oferta de energía con el fin de mantener su crecimiento. Las técnicas de planificación han evolucionado con el tiempo y se han convertido en materia de estudios e investigaciones que han desarrollado varios métodos y modelos. Aunque la planificación como proceso se puede realizar en diferentes campos y a través de varios métodos, la planifi-cación de cualquier actividad trata de alcanzar metas en el futuro, a través de una serie de pasos y en un periodo de tiempo dado. Van Beeck (2003) define la planificación energética como el proceso de esco-ger entre varias alternativas energéticas a fin de satisfacer la infraestructura que mejor se ajuste a las preferencias y al costo. Tiene como objetivo el apro-vechamiento eficiente de los recursos energéticos de una región determinada, teniendo en cuenta factores económicos, políticos, ambientales y sociocultura-les, con el fin de satisfacer las necesidades de la comunidad. Diversos autores han dado su propio concepto de planificación, aunque el uso de la planificación energética como herramienta para la toma de decisiones puede diferir dependiendo de las circunstancias, en general, su objetivo final es lograr un balance entre la oferta y la demanda en un contexto actual y futuro (Rad,Farhad, 2011). El proceso de la planificación energética consiste en definir objetivos y políticas relacionados con la energía, recolectar y evaluar información, desarrollar alter-nativas para futuras acciones y proponer el plan de energía más adecuado. La evaluación de planes también es una parte fundamental de la misma y comien-za justo después de seleccionar el plan que se cree es más conveniente. Aunque el propósito de la planificación energética no varía de un lugar a otro, su implementación si se ve afectada por diversos factores, como el nivel de desarrollo de un país, su participación en el mercado energético e incluso su régimen político. Teniendo en cuenta estas diferencias, los planes de energía pueden ser vistos como herramientas para facilitar la toma de decisiones en estrategias futuras del sector energético en una región determinada.(Van Be-eck, N., 2003)
2.5. Herramientas de Planificación La realización de cada paso en el proceso de planificación hará posible que ésta cumpla su función con éxito. El acelerado avance en el campo de proce-samiento de datos electrónicos ha conducido al desarrollo de una gran cantidad de herramientas computarizadas para facilitar la planificación energética así como en otras áreas de análisis sistemático. Con el paso del tiempo no sólo se ha incrementado la cantidad sino también la calidad y especificidad de éstas, lo que hace indispensable utilizar criterios para la decisión de la herramienta según el propósito para el que se quiera (Schrattenholzer & IIASA, 2005).
39
Actualmente las herramientas de planificación energética incorporan una o más técnicas para el análisis de múltiples opciones y posterior toma de decisiones. Aparte de los modelos de planificación, se han comenzado a implementar tam-bién los llamados Sistemas de Información Geográfica (Angelis-Dimakis et al., 2011) y el Análisis Multicriterio de Decisión (Loken, 2007), Proporcionando mayor flexibilidad y precisión en los resultados y buscando optimizar los recur-sos de una región determinada. Las herramientas de información geográfica se manifiesta netamente en la in-corporación del análisis geográfico a la planificación estratégica de nuevas ins-talaciones y en la simulación de escenarios de oferta-demanda con diferentes posibilidades tecnológicas de satisfacción (Domínguez & Amador, 2007); por otro lado, la complejidad que caracteriza el proceso de planificación energética y de los proyectos que de allí se derivan, hacen del análisis Multicriterio de De-cisión una valiosa herramienta en el proceso de toma de decisiones (San Cristóbal, 2011).
2.6. Modelos de Planificación
Los modelos de planificación son usualmente desarrollados para direccionar preguntas específicas y sólo se adaptan al propósito para el que fueron dise-ñados. Según Schrattenholzer & IIASA (2005) en el mundo se han establecido y consolidado en los últimos años, tres líneas de trabajo en el área de mode-lamiento matemático de problemas complejos, como una respuesta a la nece-sidad de formalizar y analizar metodológicamente los retos planteados: Mode-lamiento estructurado, Análisis endógeno de riesgo e incertidumbre y Mode-lamiento Integrado. El Modelamiento estructurado incluye el análisis del problema y el análisis del papel y alcance de un modelo en el proceso de toma de decisiones. A partir de allí propone el nivel específico de trabajo respecto al tipo de modelo o modelos útiles y la formulación de los mismos. El Análisis endógeno de riesgo e incerti-dumbre se refiere a toda una área de trabajo de modelamiento de sistemas en ámbitos de riesgo e incertidumbre, que en el marco de la planificación actual bajo esquemas desregulados, multiplicidad de actores, tratados comerciales, metas de sostenibilidad y muchos otros aspectos, compete a casi todos los sis-temas humanos y de planificación de recursos El modelamiento integrado es una de las líneas de trabajo en donde se definen las necesidades de desarrollo y análisis de modelos. Se refiere a la línea de formulación y aplicación en donde los decisores y analistas requieren un análi-sis integral de diferentes elementos y componentes, muchas de las veces en conflicto, con una información suficiente y disponible, además de un eficiente análisis, debate y validación. El problema de la clasificación de modelos energéticos radica en la cantidad de características bajo las cuales se pueden clasificar, mientras que no sean de-
40
masiados los modelos disponibles. Existen numerosas clasificaciones, entre las cuales se destaca la clasificación según Van Beeck (2003) en la que presenta nueve categorías generales, en las que pueden ser clasificados los modelos: Propósitos generales y específicos de los modelos energéticos Estructura del modelo: Supuestos externos e internos Acercamiento analítico: Top-Down vs Bottom-Up Metodología Subyacente Acercamiento matemático Cobertura Geográfica: Global, Regional, Nacional, Local o Proyecto Cobertura Sectorial Horizonte de Tiempo: Corto, mediano y largo plazo Tipo de Datos Requerido
Debido a que en el desarrollo de la investigación se utilizan diferentes modelos, se hace una breve descripción de las diferencias entre el modelo top Down y el Bottom up
Top-Down vs Bottom-Up
En la clasificación Top-Down se encuentran modelos económicos tales como los macroeconómicos de corto y mediano plazo, especificados en términos de parámetros como inversión y tasas de interés. Estos modelos ofrecen una eva-luación histórica de las relaciones entre las diferentes actividades económicas. Los modelos Top-Down generalmente usan datos agregados para examinar las interacciones entre el sector energético y los demás sectores de la economía, a fin de determinar su desempeño macroeconómico en conjunto. El comporta-miento pasado puede ser extrapolado al futuro, lo que hace que estos modelos sean los más adecuados para propósitos predictivos a corto plazo. Por el contrario, la mayoría de modelos Bottom-Up se enfocan únicamente al sector energético y usan datos desagregados para describir en detalle los usos finales de la energía y las opciones tecnológicas. De acuerdo a Hourcade, Ri-chels, & Robinson (1996), los modelos Bottom-Up que usan un método nor-mativo, proveen una estimación del potencial tecnológico, examinan los efectos de usar las tecnologías más eficientes. Los Bottom- Up combinados con el método descriptivo, proveen estimaciones reales de la mezcla tecnológica re-sultante de las decisiones basadas en factores como opciones complejas, cos-tos intangibles, limitaciones de capital, riesgo, incertidumbre y barreras del mercado. Como consecuencia, los modelos Bottom-Up descriptivos son gene-ralmente menos optimistas que los normativos. En este sentido, los modelos descriptivos tienden a pronosticar el futuro, y pueden ser vistos como un intento por disminuir la brecha entre el paradigma de la ingeniería y el paradigma de la economía, mientras que los Bottom-Up prescriptivos tienden más hacia la ex-ploración.
41
Finalmente se puede decir que la distinción entre los modelos Top-Down y Bot-tom-Up puede ser caracterizados como la diferencia entre modelos agregados y desagregados, o como una distinción entre modelos de máximo y mínimo grado de comportamiento endógeno. Además, los modelos Top-Down se utili-zan generalmente para predicción, mientras que los modelos Bottom-Up se utilizan principalmente para exploración. Debido al carácter predictivo de los modelos Top-Down, sólo pueden ser utilizados si no existen discontinuidades en patrones históricos, mientras que los modelos Bottom-Up sólo son apropia-dos cuando las interacciones entre el sector energético y los otros sectores son despreciables (Van Beeck, N., 2003). Existe una segunda clasificación estructurada por IIASA en la cual se clasifican los modelos según su enfoque analítico (Schrattenholzer & IIASA, 2005):
Técnicas básicas: Balance de energía, Análisis costo-beneficio y Análisis costo-efectividad.
Proyecciones de demanda energética
Modelo de oferta energética
Pronóstico tecnológico. Modelo energía-economía-ambiente Modelo de evaluación integral Modelo de apoyo de decisión/ Teoría de juegos
De esta clasificación sólo se entrará en detalle en los modelos Energía-Economía-Ambiente y los modelos de evaluación integral, ya que en estas ca-tegorías se encuentran incluidos los modelos empleados en el desarrollo de la investigación.
Modelos Energía-Economía-Ambiente
Los modelos energía-economía-ambiente es una conexión entre el sistema energía-economía y ambiente. La técnica que relaciona la energía con la totali-dad de la producción económica debe ser descrita de forma específica. Esta técnica es una función de producción, definida más precisamente como una familia de funciones cuyas salidas económicas son explicadas por una fórmula matemática que combina un número de variables independientes, conocidas como factores de producción, en forma tal que da como resultado una cantidad para cada conjunto de valores. La ventaja de las funciones de producción es que el mismo valor de salida puede ser generado por más de una combinación de valores de entrada. Dependiendo de los costos de cada factor, existe una
42
combinación óptima de factores de producción que generan un nivel de salida determinado. En las funciones de producción macroeconómicas construidas en los modelos, la energía es usualmente uno de los factores de producción. El efecto de in-crementar la demanda de energía como consecuencia de incrementar la efi-ciencia en el uso de la energía (Descrito por modelos Top Down) es un resulta-do directo de la sensibilidad de producción.(Schrattenholzer & IIASA, 2005)
Modelos de Evaluación Integral Se refieren a la línea de formulación y aplicación en donde los decisores y ana-listas requieren de una visión integral de diferentes elementos y componentes en conflicto. Se requiere información suficiente y disponible para un análisis detallado, que debe ser debatido y validado por un panel de expertos (Schrat-tenholzer & IIASA, 2005). Existen muchos modelos de tipo energía-economía-ambiente, pero sólo se analizarán tres LEAP, ENPEP y MARKAL que son modelos ampliamente utili-zados en todo el mundo, especialmente en países en vía de desarrollo; Además son los únicos que en su clase que fueron empleados en proyectos de importancia para Colombia. Se presentan a continuación las características de cada modelo y se seleccionara el modelo que integrará la plataforma MODER-GIS.
2.6.1. LEAP
LEAP (Long-Range Energy Alternatives Planning System) es una herramienta computacional de modelamiento integral para monitorear el consumo energéti-co, la producción y extracción de recursos en todos los sectores de la econom-ía, análisis de política energética y la evaluación de los gases de efecto inver-nadero GEI según la metodología de cambio climático del IPCC. Fue desarro-llado en 1980 en Estados Unidos y actualmente es mantenido por el Stockholm Environment Institute. Este modelo ha sido adoptado en más de 150 países en el mundo y sus usuarios incluyen agencias del gobierno, academias, organiza-ciones no gubernamentales, compañías consultoras, y utilidades energéticas. Ha sido utilizada en diferentes escalas desde ciudades y estados hasta aplica-ciones regionales, nacionales y globales. LEAP no es un modelo de un sistema energético en particular; es más bien una herramienta que puede ser usada para crear modelos de diferentes sistemas de energía, donde cada uno requiere su propia estructura de datos. LEAP so-porta una variedad de metodologías diferentes de modelamiento: para la parte de demanda su rango va desde Bottom-Up (técnicas de conteo de uso final de la energía) hasta Top- Down (modelamiento macroeconómico). En la parte de oferta, LEAP provee un rango de metodologías de conteo y simulación que son lo suficientemente potentes para modelar planes de generación y expansión de
43
capacidad en el sector eléctrico, y que a su vez son lo suficientemente flexibles y transparentes para permitir la incorporación de datos y resultados de otros modelos más especializados (Stockholm Environment Institute, 2008). La capacidad de modelamiento de LEAP opera a dos niveles conceptuales básicos. En el primer nivel, maneja los cálculos incorporados de energía, emi-siones y costo-beneficio. En el Segundo nivel, el usuario ingresa expresiones como una hoja de cálculo que puede ser usado para especificar datos variables con el tiempo o crear una amplia variedad de modelos multivariable sofistica-dos, mientras que habilita los acercamientos econométricos y de simulación para ser incluidos en su estructura contable. LEAP no incluía la optimización en el modulo de despacho, sin embargo en el primer semestre de 2012 y conjun-tamente con la IAEA de Viena desarrolló ese modulo y esta en el proceso de verificación por parte de los usuarios. LEAP se orientó como una herramienta de modelamiento a mediano y largo plazo. La mayoría de sus cálculos ocurren en un lapso de tiempo anual, y el horizonte puede ser extendido a un número ilimitado de años. Los estudios típi-camente incluyen un periódico histórico conocido como cuentas actuales, en el cual el modelo se corre para probar su capacidad de replicar datos estadísticos conocidos, así como reenviar múltiples escenarios. La mayoría de estudios uti-lizan un periodo de pronóstico de 20 a 50 años. Algunos resultados se calculan con un excelente nivel de detalle temporal. El modelo está diseñado alrededor del concepto de análisis de escenarios de largo alcance. Los escenarios son auto consistentes con la forma en que un sistema de energía debe evolucionar con el tiempo. Usando LEAP, los analis-tas de políticas pueden crear y luego evaluar escenarios alternativos compa-rando sus requerimientos energéticos, sus costos y beneficios sociales y sus impactos ambientales. El administrador de escenarios de LEAP puede ser usa-do para describir medidas de políticas individuales que pueden ser arregladas en diferentes combinaciones y permutaciones en escenarios alternativos inte-grados. Este acercamiento permite a los formuladores de políticas evaluar los impactos marginales de una política individual así como las interacciones que ocurren cuando se combinan múltiples políticas y medidas. Un beneficio clave de LEAP es su bajo requerimiento de datos iniciales. Las herramientas de modelamiento basadas en optimización tienden a requerir una mayor cantidad de datos iniciales debido a la completa descripción que se debe proporcionar para cada una de las tecnologías en términos de sus característi-cas de operación y de sus costos. Desarrollar los datos para estos modelos es una tarea que consume mucho tiempo, y requiere niveles relativamente altos de experiencia. En contraste, como LEAP se basa en principios básicos de contabilidad y además muchos de sus aspectos son opcionales, sus requeri-mientos iniciales de información son muy bajos. Los pronósticos de energía y ambiente se pueden preparar antes de que se incluyan datos de sus costos. Más aún, las estructuras de datos adaptables y transparentes de LEAP se adaptan bien a un enfoque analítico iterativo, es decir, uno en el que el usuario comienza creando rápidamente un análisis inicial lo más simple posible. En iteraciones posteriores el usuario añade complejidad sólo donde los datos
44
están disponibles y donde los detalles añadidos proveen una mayor compren-sión. Debido a la presentación en forma intuitiva y transparente de conceptos com-plejos relacionados con el análisis energético y a la flexibilidad para usuarios con distintos grados de experiencia, el modelo LEAP ha desarrollado una bue-na reputación entre sus usuarios convirtiéndose rápidamente en el sistema de preferencia por los países para la planificación y la evaluación de gases de efecto invernadero, especialmente en los países en vía de desarrollo. Una aplicación externa de LEAP fue en Honduras, donde se realizaron distintos diagnósticos para el sector energético considerando el uso de leña, biomasa, biocombustibles y electricidad, en transporte y electrificación rural, para elabo-rar los respectivos análisis y se presentaron los resultados más relevantes. Se ratificó la necesidad de elaborar un plan energético y crear un ministerio de energía que oriente a los sectores públicos y privados a la planificación e incor-poración de fuentes alternativas de energía que conduzca a un crecimiento económico y plantear una política sostenible a largo plazo con horizonte de tiempo al año 2030 (W. C. Flores et al., 2011). China, país industrializado, propone la implementación de nuevas políticas energéticas y ambientales para el 2030 con la intención de continuar su acele-rado desarrollo industrial y económico reduciendo el impacto ambiental, apoyándose en el modelo LEAP. Se realizo un análisis sobre los posibles im-pactos de implementar una nueva política a fin de mantener su continuo creci-miento económico y reducir las emisiones de agentes contaminantes. Se simu-laron tres escenarios: uno en el que no se implementaron nuevas políticas y otros dos basados en el potencial de energía nuclear. Se obtuvo que estos últimos no reducían en gran medida las emisiones de gases de efecto inverna-dero al 2030, lo que sugieren políticas mucho más agresivas como la imple-mentación de energías renovables, políticas energéticas avanzadas, medidas de eficiencia más estrictas y proyectos de cooperación regional que incluyan recursos energéticos convencionales, nuclear y renovables. (Y. Wang, Gu, & Zhang, 2010). El caso más reciente de uso de LEAP en Colombia fue en el marco del proyec-to CEPAL 06/07(2010-2011) “Fortalecimiento en el diseño e implementación de políticas energéticas sostenibles para la producción y uso de biocombusti-bles en América latina y el Caribe”, donde se realización las simulaciones de escenarios sostenibles y se aplicó el caso Colombia con año base 2008 y hori-zontes de tiempo al año 2030.
2.6.2. MARKAL
MARKAL es una familia de herramientas Energía-Economía-Ambiente cuyo propósito es generar modelos a partir de datos proporcionados por el usuario, para representar la evolución de un sistema Energía- Economía-Ambiente en un lapso de tiempo determinado, a nivel global, multiregional, nacional, de es-
45
tado o de comunidad: Se desarrolló con la colaboración de la International Energy Agency mediante el “Energy Technology Systems Analysis Program-me”, que comenzó en el año 1978. En el momento MARKAL es usado en 70 países por 250 instituciones. MARKAL es un modelo matemático de un sistema de energía, que sirve como base para estimar el comportamiento de los sistemas energéticos en un hori-zonte multiperiodo. Calcula los balances de energía en todos los niveles: fuen-tes primarias, combustibles secundarios y energía final. El objetivo es suplir la demanda de energía al mínimo costo global tomando simultáneamente deci-siones de inversión y operación. Para la realización de estos análisis MARKAL requiere datos de entrada como proyecciones de reservas de energía primaria, de exportaciones e importacio-nes de energéticos y niveles de precios correspondientes, proyecciones de demanda útil de energía por sectores para cada período de tiempo y descrip-ción técnico-económica de las tecnologías disponibles, existentes y nuevas. La estructura de MARKAL se define por variables y ecuaciones determinadas por los datos de entrada que contiene datos cualitativos y cuantitativos. Los datos cualitativos incluyen, por ejemplo, listas de portadores de energía o las tecnologías que los modeladores consideran aplicables. Los datos cuantitati-vos, en contraste, contiene las suposiciones de los parámetros tecnológicos y económicos específicos para cada tecnología, región y periodo de tiempo. El sistema energético está representado por cuatro clases de tecnologías: fuentes de energía, conversión de energía, procesos de transformación y tecnologías de demanda. La familia de modelos MARKAL incluye el MARKAL-MACRO, el MARKAL-MICRO y MARKAL-ED. Esta familia y los otros modelos de optimización simila-res son apropiados para responder preguntas tales como ¿qué efecto tienen las tecnologías y políticas relacionadas con el impacto ambiental debido al uso de la energía?, ¿cómo afectan las acciones de los consumidores la oferta energética y viceversa?, ¿Cómo modelar la dinámica de la tecnología? (Lou-lou, R., Goldstein, G., & Noble, K., 2004) Los modelos MARKAL existentes no toman en cuenta el aspecto social de la sostenibilidad. En particular, ninguno de los modelos MARKAL incluye la con-tribución del cambio en el comportamiento del consumidor final como un recur-so para la eficiencia energética, ahorro energético y reducción de emisiones; esta es la razón por la que se desarrolló un nuevo módulo capaz de evaluar estos aspectos, llamado SOCIO-MARKAL (Nguene, Fragnière, Kanala, La-vigne, & Moresino, 2011). Por medio del modelo MARKAL, se evaluaron los impactos económicos, energéticos y ambientales de la implementación de los instrumentos identifica-dos. De esta evaluación se encontró que el aumento en los costos del sistema energético por la implementación de estos mecanismos está directamente liga-do a la configuración de tecnologías y recursos con los que se diseñan. Es de-
46
cir, que los costos de Certificados de Reducción de Emisiones –REC‟s – varían considerablemente de acuerdo al tipo de tecnología utilizada. En cuanto a los recursos, los resultados indican que dados los requerimientos de firmeza del sistema colombiano, la energía geotérmica y la biomasa, son opciones que podrían ser más competitivas por la disponibilidad del recurso, contrario a opciones como la eólica y la solar fotovoltaica que dependen total-mente de ciclos naturales; a pesar de que en estas últimas, las reducciones de costos en tecnologías han sido más aceleradas. Adicionalmente se realizó un análisis indicativo en el que se evaluó la internali-zación de externalidades ambientales, un mecanismo más consistente con el esquema de mercado implementado en el país. Como resultado se obtuvo un incremento mayor en los costos del sistema y en los precios de la electricidad, comparado con los otros mecanismos estudiados; sin embargo, no se consigue una penetración notable de recursos renovables en la generación, de lo que se concluye que la utilización de este mecanismo debe darse a nivel de todo el sector energético (Díaz, A., 2007). MARKAL se ha usado en aplicaciones conjuntas para evaluaciones directas de instrumentos del protocolo como el mecanismo de Implementación conjunta, en el caso Colombia - Suiza (Cadena, 2000). En el Área Metropolitana del Valle de Aburrá – Medellín, se realizo el modelamiento usando el método MARKAL con la tesis” Evaluación Integrada Ambiente - Energía - Economía para la Pla-nificación Sostenible de Núcleos Locales, Caso de Aplicación Área Metropolita-na del Valle de Aburrá - 2005”, que identificó el patrón de desarrollo al que se debe tender regulatoriamente y la revisión y diseño de las políticas ambientales y energéticas locales que permitan la planificación sostenible. La investigación constituyó más que un resultado general, una herramienta de apoyo a la toma de decisiones y a la planificación en los ámbitos Energía - Ambiente -Economía, dado que ofrece como resultado una serie de evaluaciones del es-tado y comportamiento actual del sistema energético y ambiental del Área Me-tropolitana, evaluaciones de diferentes proyectos de sustitución energética y evaluaciones de las implicaciones de la implementación de diferentes políticas regulatorias sobre el sistema (Rave, C., 2005) Más recientemente MARKAL se utilizó en el municipio de Itagüí en el Estudio de Alternativas para el Mejoramiento de la calidad del Aire, para los sectores de Industria y transporte, determinando altos índices de concentración en material particulado y benceno en determinadas zonas de este municipio (Rave, C., 2010) En el Anexo 9. se presentan las principales características del modelo MAR-KAL y las comparaciones demostrativas de los tres modelos energía ambiente, aquí tratados.
47
2.6.3. ENPEP
El modelo ENPEP (Energy and Power Evaluation Program) Buehring, W (1983), es un conjunto de herramientas analíticas diseñadas para realizar plani-ficación integrada de energía y medio ambiente. El ENPEP contiene nueve módulos técnicos que pueden conectarse automáticamente con otros módulos del ENPEP o se puede emplear de manera individual. Macro, Demand, Balan-ce, Impacts, Plan Data, Ldc, Electric (Wasp III), Icarus y el Maed. Determina la demanda agregada de energía, calcula la transformación y oferta de recursos, elabora el balance de energía y además calcula la emisión de contaminantes con factores de emisión de la EPA. EL modelo ENPEP, tiene una limitante pa-ra el cálculo del despacho Hidro - térmico, ya que no maneja series históricas hidrológicas ENPEP-BALANCE es una herramienta basada en un modelo de equilibrio ge-neral y en un enfoque matemático no lineal, que relaciona la demanda de energía con recursos y tecnologías disponibles. Fue desarrollado en Estados Unidos por el Argonne National Laboratory en 1999 y ha sido utilizado por cer-ca de 50 países aunque el número total de usuarios es aún desconocido. Este modelo utiliza un enfoque de simulación basada en el mercado para de-terminar la respuesta de varios segmentos del sistema energético frente a cambios en los precios de la energía y los niveles de demanda. El análisis se lleva a cabo sobre una base anual hasta un máximo de 75 años y generalmen-te se realiza sobre un sistema energético nacional. La herramienta se basa en un sistema descentralizado de toma de decisiones en el sector de la energía y los parámetros básicos de entrada incluyen información sobre todo el sistema energético. Se puede simular toda la generación térmica y renovable, pero la única tecnología que cuenta en almacenamiento/conversión en la producción de hidrógeno. También se tienen en cuenta aspectos financieros como opción de añadir costos adicionales. ENPEP-BALANCE encuentra simultáneamente la intersección de las curvas de oferta y demanda para todas las formas de oferta y de usos de la energía incluidos en la red energética. El equilibrio se alcanza cuando el modelo encuentra un conjunto de precios de equilibrio y unas canti-dades que satisfacen todas las ecuaciones y desigualdades relevantes (Ar-gonne & IAEA, 2008). ENPEP es usado extensivamente en la comunidad global para analizar la prio-ridad en asuntos energéticos y ambientales. Entre los clientes de ENPEP se encuentran algunos ministerios, compañías de transmisión, compañías consul-toras, Entidades bancarias e instituciones de investigación. Las aplicaciones de los modelos cubren todo un espectro de asuntos encontrados en los complejos mercados de energía actuales, como por ejemplo: Análisis de políticas energéticas Proyecciones de mercado de energía Pronóstico de demanda de energía y electricidad Proyecciones de emisiones de gases de efecto invernadero.
48
Otras áreas Algunos casos de estudio en los que se ha utilizado ENPEP-BALANCE inclu-yen el análisis de las necesidades energéticas futuras en México y la estima-ción de los impactos ambientales asociados. En Colombia se empleó como soporte para la elaboración del Plan Energético Nacional (http://www.upme.gov.co/ docume.htm) y para realizar las proyecciones anua-les de mercado de gas y electricidad. En el Anexo 9. se presentan las principales características del modelo ENPEP y se presenta las características comparativas de los tres modelos analizados.
2.7. Sistemas de Información Geográfica SIG
Un Sistema de Información Geográfica (S.I.G. o GIS en ingles) se puede definir como “aquel método o técnica de tratamiento de la información geográfica que nos permite combinar eficazmente información básica para obtener información derivada. Para ello, contaremos tanto con fuentes de información como con un conjunto de herramientas informáticas (hardware y software) que nos facilitaran esta tarea; todo ello enmarcado dentro de un proyecto que habrá sido definido por un conjunto de personas, y controlado, así mismo, por los técnicos respon-sables de su implantación y desarrollo” (Amador, J., 2000).
Los GIS -SIG son herramientas que permiten obtener, a través de análisis de-terminísticos, áreas disponibles para evaluaciones, de las cuales pueden se-leccionarse aquellas que presenten altas capacidades en el objetivo deseado. En la primera fase, el GIS puede ser utilizado para la entrada, transformación, almacenamiento y manipulación de los datos digitales espaciales relevantes para el problema planteado (Carver, 1991).
Existen dos modelos espaciales que nos permiten representar los datos ge-ográficos en un GIS el modelo vectorial y el modelo raster. El Modelo vectorial se caracteriza por estar representado puntos, líneas y polígonos, es usado para representar objetos discretos con formas o límites definidos. (Véase figura 1.). EL modelo raster, caracterizado por celdas o pixeles que constituye la unidad mínima de información, identificando su posición dentro de una retícula regu-lar. En este modelo interesan más las propiedades del espacio que la repre-sentación precisa de los elementos que la conforman (Domínguez Bravo, García Casals, & Pinedo Pascua, 2007)
49
Figura 1 Modelo de Información Geográfica Vector y Ráster. IntiGIS.
En el análisis espacial en de SIG las herramientas más importantes son la su-perposición, la determinación de áreas de influencia, los análisis de vecindad, el análisis de redes y los modelos de elevación o del terreno.
Superposición. Consiste en clasificar la información en diferentes capas (la-yers), las cuales se pueden superponer para analizar integralmente los datos.
Áreas de influencia. Son áreas determinadas que a partir de una variable o conjunto de variables define una nueva forma e el espacio.
Análisis de vecindad. A través de algoritmos, permiten conocer cercanía de un objeto con el entorno. Se usa mucho en los sistemas ráster.
Análisis de redes. Pueden ser hidrográficas, carreteras, eléctricas, oleoduc-tos, caracterizados por tener siempre dirección y conexión. Es una poderosa herramienta de los SIG.
Modelos Digitales de Elevaciones. Herramientas clásicas que tiene diferen-tes nombre, en función de la técnica utilizada para el levantamiento o la varia-ble a representar.
Los sistemas de información geográfica son una herramienta que se puede utilizar para potenciar los recursos energéticos renovables, debido a que estos presentan cualidades geográficas especiales que las diferencia de las energías convencionales, como su dispersión geográfica, rapidez en recolección de in-formación, capacidad de análisis y manejo de almacenamiento de datos; Gra-cias a esto, estas herramientas muestran su fortaleza al incorporar el análisis geográfico a la planificación estratégica permitiendo la simulación de escena-rios de demanda-oferta con posibilidades tecnológicas específicas. (Amador & Domínguez, 2006).
Los SIG son medios adecuados para organizar datos de temáticas distintas, localizarlos en el espacio, relacionarlos entres si y obtener información precisa
50
que pueda visualizarse o cuantificarse de manera sencilla, los convierte en un buen instrumento para generar modelos espaciales de energías sostenibles. (Domínguez, J. & Pinedo, I., 2009)
2.7.1. Métodos y Herramientas para evaluar
Energías Renovables
Angelis-Dimakis et al. presentaron un estudio sobre los métodos y herramien-tas que han sido utilizados en diversos casos para evaluar la disponibilidad de recursos renovables mediante GIS. Recopilaron las aplicaciones más represen-tativas en energía solar, eólica, geotérmica, olas y biomasa haciendo especial énfasis en las características ambientales propias de cada región y no en su transformación final (Angelis-Dimakis et al., 2011)A grandes rasgos, los métodos expuestos en el artículo tienen un enfoque Top-Down el cual comien-za por estimar teóricamente el potencial de un recurso renovable en una región determinada que se logra mediante métodos numéricos y estadísticos. Luego se escoge una base de datos confiable, que pueden ser de tres tipos: Estacio-nes de medición, Satelitales o combinadas; de allí se extraen los datos reales y se procesan en un entorno GIS. A continuación se comentan de forma breve los casos específicos para cada alternativa energética. El potencial de energía solar se estima mediante el cálculo de la radiación solar físicamente disponible sobre la superficie terrestre; para su cálculo teórico exis-ten múltiples métodos y acercamientos en los que no se entra en detalle. Se cuenta además con bases de datos de radiación en distintos países del mundo, entre las cuales se encuentra PVGIS (Photovoltaic Geographic Information System) que a su vez presenta compatibilidad con GRASS GIS, un recurso de código abierto programado en C que permite el mapeo y análisis de datos de radiación solar en el área de estudio (Huld, T., Suri, M., & Dunlop, E., 2006) En el caso de la energía eólica, varios países han creado mapas de viento y bases de datos como la NCEP/NCAR y ECMWF que proporcionan información sobre la velocidad, temperatura y presión del viento a distintas alturas y regio-nes del planeta. Aunque no existe una metodología específica para estimar el potencial eólico, se han encontrado ejemplos representativos de esta estima-ción a distintas escalas. (Voivontas, Assimacopoulos, Mourelatos, & Coro-minas, 1998) estimaron la energía teórica aprovechable en una isla Griega usando un Sistema de Soporte de Decisión (DSS) basado en GIS. (Acker, Wi-lliams, Duque, Brummels, & Buechler, 2007) utilizaron GIS y mapas de vien-to creados a partir de un modelo meso escala de energía eólica; esto con el fin de establecer un inventario del recurso disponible en el estado de Arizona y determinar los sitios más prometedores para el desarrollo de esta alternativa energética. Para estimar la energía proveniente de las olas se recolectan datos mediante boyas o estaciones de medición que mide su magnitud y dirección. Los satéli-tes se utilizan con el fin de obtener datos más precisos como la velocidad y la
51
altura de las olas. Según (Rusu & Guedes Soares, 2009), la energía de las olas se puede predecir con certeza mediante modelos numéricos como WAM (Wave Analysis Model) y SWAM (Simulating Waves Nearshore Model). Con una estimación apropiada del potencial de energía y teniendo en cuenta res-tricciones sociales, económicas y ambientales, se utiliza GIS como herramienta de evaluación integral. Un ejemplo de esto es el caso de (Henfridsson et al., 2007), quienes examinaron las posibilidades de instalación de plantas de po-tencia en el Mar Báltico. Por otro lado, el (Scottish Government, 2006) utilizó la tecnología GIS como entorno virtual para mapear los recursos renovables juntos con la mayoría de restricciones durante su desarrollo. Por último, (Gra-ham, S., Wallace, A.R., & Connor, G., 2003) emplearon las técnicas disponi-bles a través de GIS para optimizar la integración de energía marina a la red eléctrica. En el caso de la biomasa, (Masera, Ghilardi, Drigo, & Angel Trossero, 2006) evaluaron los recursos de leña en Mexico, Slovenia y Senegal utilizando el Woodfuel Integrated Supply/Demand Overview mapping Model (WISDOM). El modelo es una herramienta basada en GIS que tiene por objetivo analizar es-tructuras espaciales de demanda y oferta de leña en áreas en las que muchos criterios de interés coinciden. Por otro lado, (Frombo, Minciardi, Robba, Ros-so, & Sacile, 2009) desarrollaron una herramienta para soporte de decisión basada en GIS para modelar la cadena de la Biomasa. Una aplicación enfoca-da en el aspecto económico fue realizada por (Tatsiopoulos & Tolis, 2003), quienes evaluaron los aspectos económicos de la biomasa a partir del tallo de algodón mediante una formulación matemática para Thessally en Grecia. En ésta se consideraron acercamientos centralizados y descentralizados y el mo-delo en su totalidad fue desarrollado en una interfaz GIS que permitió definir el sitio más adecuado para ubicar las plantas de potencia. Por último, (Kinoshita, Inoue, Iwao, Kagemoto, & Yamagata, 2009) enfocaron su estudio en el mode-lamiento espacial de la biomasa forestal como función de los costos de produc-ción para diferentes maquinarias y tratamientos forestales. Para estimar el potencial de energía geotérmica, (Noorollahi, Itoi, Fujii, & Ta-naka, 2007) y (H. Yousefi et al., 2010) utilizaron metodologías similares que interpretan e integran el resultado de estudios geológicos, geoquímicos y geofí-sicos y finalmente se ingresan al entorno GIS donde se evalúa el mapa de fa-vorabilidad. (Noorollahi, Itoi, Fujii, & Tanaka, 2008) también presenta un aná-lisis de la relación de distancia entre las fuentes geotérmicas y ciertas carac-terísticas geológicas de interés representadas en una capa de GIS. El resultado es un área donde convergen estas características para obtener un mapa de favorabilidad final. La mayoría de los estudios actuales en la clasificación de áreas favorables están basados en herramientas GIS. Sin embargo, las mejo-ras técnicas junto con las tecnologías innovadoras, como los sistemas de mejo-ramiento geotérmico (EGS) y las plantas de clico binario ofrecen nuevas y me-jores perspectivas en este sector. Finalmente, (Angelis-Dimakis et al., 2011) concluyen que es necesario rees-tructurar las redes energéticas para el futuro lo que conlleva a la consideración de múltiples criterios y múltiples objetivos, incluyendo el uso del suelo. Se re-quiere de herramientas integradas y flexibles que abarquen modelos de deci-
52
sión, bases de datos y herramientas de evaluación, en una Interfaz Gráfica de Usuario (GUI) basada en GIS (Denzer, 2005) (Matthies, Giupponi, & Osten-dorf, 2007), con el fin de implementar sistemas de soporte de decisión ambien-tal que puedan operar en distintos territorios y en múltiples escalas y que con-tribuyan a un manejo eficiente de los recursos energéticos renovables.
2.7.2. Aplicación GIS en Energías Renovables
Con el objetivo de realizar un análisis técnico de la viabilidad de un sistema de generación eléctrica peninsular con elevada contribución de energías renova-bles para el año 2050, se llevó a cabo el proyecto SIGER para el caso de Es-paña con la colaboración de Greenpeace. Por medio de una herramienta GIS incluyeron las restricciones relevantes sobre los usos del suelo y evaluaron de forma homogénea y coherente los techos de potencia y generación de las tec-nologías renovables en valor absoluto y con su distribución geográfica. El resul-tado que obtuvieron es que los techos de generación podrían proporcionar una capacidad equivalente a más de 56 veces la demanda eléctrica peninsular, y más de 10 veces la demanda de energía total, ambas proyectadas al 2050. Con lo que concluyen que el sistema energético español podría ser configura-do para satisfacer el 100% de la demanda a través de fuentes de energía reno-vable (IIT, 2005).
2.8. Análisis Multicriterio de Decisión. AMCD. La planificación y la toma de decisiones razonable en el sistema de suministro energético son elementos esenciales para el desarrollo sostenible, pero las complejas interacciones en los sistemas de energía pueden dificultar la realiza-ción de estas tareas. El análisis multicriterio de decisión (AMCD) provee méto-dos para mitigar esta dificultad y por ello ha sido utilizado por los decisores du-rante un largo tiempo (J.-J. Wang, Jing, Zhang, & Zhao, 2009). El AMCD es una forma de evaluación integrada de sostenibilidad, adecuada para abordar problemas complejos con un alto grado de incertidumbre, objeti-vos conflictivos y múltiples intereses y perspectivas. Los enfoques tradicionales de un único criterio tienen como objetivo identificar las opciones de mayor efi-ciencia al menor costo; sin embargo, a partir de la década de los 80s con la concientización ambiental se modificó poco a poco la estructura del modelo de análisis de único criterio. En la actualidad, el enfoque en la protección ambien-tal ha convertido el AMCD en una herramienta de gran ayuda para los sistemas energéticos (Lucien Duckstein & Özelkan, 1996) y se han aplicado junto a otros sistemas de carácter social, económico, agrícola, industrial, ecológico y/o biológico (Qin, Huang, Chakma, Nie, & Lin, 2008). El problema de toma de decisiones incluye cuatro niveles principales: alternati-vas, formulación y selección de criterios, peso de criterios, evaluación y trata-miento final. El primer paso del AMCD es la formulación de alternativas a partir de un conjunto de criterios seleccionados y normalizar los datos de acuerdo a
53
estos. Después se determinan los pesos de los criterios para determinar la im-portancia relativa de cada uno en el AMCD. Seguidamente, las alternativas aceptables se comparan de acuerdo a un método AMCD específico con los pesos de criterio. Por último, se ordenan las alternativas por orden de valora-ción; si todos los métodos arrojan el mismo resultado entonces el AMCD está concluido (Ustinovichius, Zavadkas, & Podvezko, 2007).
Una buena planificación depende en su totalidad de la toma razonable de deci-siones para el cumplimiento de un objetivo específico y esta a su vez es un elemento esencial para el logro del desarrollo sostenible.
Este proceso comienza por definir qué es lo que se quiere y cómo se quiere lograr teniendo en cuenta un conjunto de criterios correspondientes a distintos aspectos de evaluación. Los pasos son los siguientes:
Identificación de metas
Identificación de alternativas para lograr las metas
Identificación de los criterios de evaluación para comparar las alternati-vas
Asignación importancia relativa a los criterios según las metas
Evaluación de alternativas
Selección de la Mejor Alternativa
Identificación de metas
Para tomar una buena decisión primero se debe tener claro a qué objetivo se está apuntando. Estos deben ser específicos, medibles, realistas y concertados de acuerdo con el tiempo en el que se desean lograr.
Identificación de alternativas para lograr las metas
Una vez que se han definido los objetivos, el siguiente paso es identificar las opciones que podrían contribuir al logro de éstos.
Identificar los criterios utilizados para comparar alternativas
En esta etapa se define como se van a comparar las alternativas. Esta requiere la selección de criterios que reflejen el desempeño de las opciones en el cum-plimiento de objetivos. Cada criterio debe permitir la evaluación, cuantitativa o cualitativa, de que tan bien se puede desempeñar una alternativa para el logro del objetivo con respecto un criterio (Belton, V. & Stewart, T., 2003).
Para la identificación y selección de los criterios más representativos recurri-mos al siguiente conjunto de principios:
1) Principio Sistémico: El conjunto de criterios debe reflejar las característi-cas esenciales del desempeño de las alternativas. La evaluación multi-criterio arroja mejores resultados que la suma de las evaluaciones indi-viduales.
2) Principio de Consistencia: el conjunto de criterios debe ser consistente con el objetivo de la toma de decisiones.
54
3) Principio de Independencia: Un criterio no debe tener relación de inclu-sión dentro de su mismo nivel; es decir, debe reflejar el desempeño de alternativas en distintos aspectos.
4) Principio de Mensurabilidad: El criterio debe ser medible si es posible cuantitativamente o mediante una expresión cualitativa.
5) Principio de Equivalencia: Los criterios deben poderse expresar en for-ma equivalente, o normalizada, para facilitar su comparación (J.-J. Wang, Jing, Zhang, et al., 2009). Asignar importancia relativa a los criterios
Todos los criterios tienen un impacto relativo en el proceso de decisión, y pue-de ser medido mediante una escala de valores. Este impacto también se cono-ce como peso y permite determinar la importancia relativa que cada criterio tie-ne dentro de la toma de decisiones en un proyecto determinado. Estos pesos deben ser evaluados de manera razonable y veraz, teniendo en cuenta el gra-do de variación del criterio, su independencia y la preferencia subjetiva del de-cisor (Belton, V. & Stewart, T., 2003).
Para evaluar este impacto se utilizan los métodos de ponderación que se clasi-fican en: Método de ponderación de pesos equivalentes y método de pondera-ción por orden de rango. Se hará énfasis sólo en este último ya que es el utili-zado para el desarrollo de la investigación.
El método de ponderación de pesos por orden de rango se propuesto debido a que el método de pesos equivalentes no tenía en cuenta la importancia relativa entre los diferentes criterios. Su propósito es comparar los criterios elegidos previamente y ordenarlos de menor a mayor importancia.
Éste método presenta tres categorías: Ponderación Subjetiva, Ponderación Objetiva y Ponderación Combinada. Los pesos de los criterios obtenidos me-diante la ponderación subjetiva sólo dependen de las preferencias de los deci-sores, no de datos cuantitativos correspondientes a los proyectos. En contras-te, la ponderación objetiva emplea métodos matemáticos para analizar los dife-rentes criterios. Debido a que ambas categorías presentan falencias, se propu-so un método que al integrar las mejores características del objetivo y del sub-jetivo se adecuó más a la ponderación de pesos de los criterios (J.-J. Wang, Jing, Zhang, et al., 2009).
Evaluación de alternativas
La expresión “Análisis Multicriterio de Decisión” se utiliza para describir una colección de métodos que buscan considerar de forma explícita múltiples crite-rios con el objetivo de guiar a los decisores en la exploración de las posibles soluciones. Lo que caracteriza a los problemas AMCD es la naturaleza comple-ja y conflictiva de los diversos factores implicados y que a menudo reflejan pun-tos de vista que pueden variar con el tiempo (Belton, V. & Stewart, T., 2003).
55
El Análisis Multicriterio de Decisión se puede caracterizar de acuerdo a los si-guientes factores (Sarapirome, S., 2002):
a) Número de Decisores De acuerdo al número de decisores, los métodos de Análisis Multicriterio de Decisión pueden ser implementados a nivel individual, donde una sola persona es la encargada de tomar una decisión, o a nivel grupal que invo-lucra múltiples individuos u organizaciones en la decisión (Baker, G., 2000).
Decisión Individual: Este proceso se lleva a cabo sin tener en cuenta
la opinión del grupo de involucrados. Es la técnica más utilizada y efectiva para el caso de un administrador en el que la decisión no re-quiere de la participación del grupo (Roseman, E., 1995).
Decisión Grupal: No sólo hay múltiples decisores; asociados a ellos hay diferentes preferencias, metas, objetivos y criterios. Hay varios modelos de decisión grupal. Dos ejemplos de ellos son consenso y consulta. La decisión por consenso consiste en presentar varias op-ciones al grupo de decisores y se someten a votación; para luego ele-gir la más popular. La consulta toma las opiniones de cada individuo y las incluye al momento de tomar la decisión. Ambos métodos requie-ren de la participación del grupo y de un administrador que sea el en-cargado de guiar el proceso de decisión y que respete las opiniones de los demás participantes (Roseman, E., 1995).
b) Precisión de los Datos La incertidumbre es inherente en cierto grado a la mayoría de los pro-blemas de decisión. Se encuentra relacionada con la estructuración del problema, así como con la recolección y análisis de datos y análisis, y aunque a través de éstos puede ser comprendida más a fondo con el fin de reducirla, no puede ser eliminada (Belton, V. & Stewart, T., 2003). Decisión Bajo Condiciones de Certeza: El ambiente de certeza es
aquél en el que el decisor conoce con absoluta seguridad los datos y las relaciones determinísticas entre cada decisión y su correspondien-te consecuencia (Sarapirome, S., 2002). La mayoría de los modelos de decisión tradicionales en la empresa se plantean en condiciones de certeza, suponiendo que los valores de las magnitudes utilizadas permanecerán inalterados en el tiempo y que la decisión es insensible a cualquier factor fuera del control del decisor (Ruiz, C., 2005).
Decisión Bajo Incertidumbre: En este ambiente el decisor se enfrenta a situaciones que nunca han ocurrido y que tal vez no vuelvan a repe-tirse en el futuro, por lo que se desconocen las probabilidades de ocu-rrencia (Maurtua, D., 2006). Además, las consecuencias de la deci-sión que se tomen en este estado no están determinadas de antema-no, sino que están sujetas al azar. La incertidumbre en el análisis y estructuración del problema surgen por diferentes razones. En pro-
56
blemas de decisión multicriterio es útil diferenciar entre dos formas de incertidumbre: incertidumbre interna (Difusa), que se relaciona con la estructuración y análisis del problema, e incertidumbre externa (Pro-babilística o Estocástica), que depende del entorno y por consiguiente de las consecuencias del curso de una acción en particular (Belton, V. & Stewart, T., 2003).
c) Cantidad de Alternativas
Conjunto Discreto de Alternativas: Los problemas que presentan un
número finito y pequeño de alternativas son más conocidos como problemas de Análisis Multiatributo de Decisión. Si el espacio de deci-sión es finito, la construcción de la solución más factible es muy senci-lla. Se trata de comprobar que cada alternativa cumpla con las restric-ciones y tanto estas como los criterios, llamados atributos, y sus inter-relaciones pueden ser mostradas en una matriz llamada Matriz de Decisión o Matriz de Pagos. La mejor alternativa usualmente es se-leccionada mediante la comparación entre alternativas respecto a los atributos (Karamouz, 2003).
Conjunto Continuo de Alternativas: Está relacionado con aquellos
problemas en los que el conjunto de alternativas es extenso y no se encuentra predeterminado; son más conocidos como problemas de Análisis Multiobjetivo de Decisión. Este tipo de análisis se utiliza para diseñar las mejores alternativas teniendo en cuenta un conjunto de restricciones, de manera que se obtienen soluciones óptimas para problemas de diversas naturalezas. Los criterios se emplean para evaluar las alternativas diseñadas según unos objetivos planteados, que se definen como un conjunto de uno o más atributos con una di-rección característica (Sarapirome, S., 2002). Se le asocia a conjun-tos de gran extensión o infinitos de alternativas y cuyas relaciones están expresadas mediante funciones matemáticas que pueden ser li-neales o no lineales (Moghaddam, B., Nasiri, M., & Mousavi, M., 2011).
Así, un problema de Análisis Multicriterio de Decisión se puede caracterizar de muchas formas tomando una de las clasificaciones dadas para cada factor (Fig.2.) Después de reconocer que situación se está enfrentando, se procede a elegir un método o técnica para realizar la evaluación de alternativas respecto a los criterios.
57
Figura 2. Caracterización para un problema AMCD-El Autor
Todas las técnicas AMCD hacen explícita la contribución de cada alternativa a la solución del problema enmarcadas en el conjunto de criterios de evaluación; su principal diferencia radica en la forma en que combinan los datos de entra-da. Su función es enfrentar las dificultades que puedan presentarse a los deci-sores en el manejo consistente de información compleja y en grandes cantida-des. Estas técnicas pueden ser utilizadas para identificar la mejor opción, para clasificar y ordenar por rango, para refinar el conjunto de alternativas con el fin de hacer un análisis más detallado de cada una o simplemente para distinguir entre posibilidades aceptables e inaceptables (Belton, V. & Stewart, T., 2003).
Los métodos de Análisis Multicriterio de Decisión se pueden clasificar según tres escuelas o líneas de pensamiento (Linkov et al., 2005):
Modelos de Optimización o de Medida del Valor
Modelos por Nivel de Metas o Aspiraciones
Modelos de Clasificación
A continuación se da una breve descripción de cada uno de ellos y del método comercial más representativo respectivamente.
Modelos de Optimización o de Medida del valor
Estos métodos asumen que la estructura de preferencias del decisor puede ser representada formal y matemáticamente por una función de valor si el proble-
ANÁLISIS MULTICRITERIO DE DECISIÓN
(AMCD)
Análisis Multiatributo de Decisión
Análisis Multiobjetivo de Decisión
Decisión Individual
Decisión Grupal
Decisión Individual
Decisión Grupal
Bajo Certeza
Bajo Incertidumbre
Bajo Certeza
Bajo Incertidumbre
Probabilística
Difusa
Probabilística
Difusa
Bajo Certeza
Bajo Incertidumbre
Bajo Certeza
Bajo Incertidumbre
Probabilística
Difusa
Probabilística
Difusa
MÉTODOS DE OPTIMIZACIÓN
MÉTODOS POR NIVEL DE METAS
MÉTODOS DE CLASIFICACIÓN
58
ma es determinísticos, o por una función de utilidad si hay alguna considera-ción de riesgo en el problema (Smith, R. et al., 2000). Así, se construyen pun-tajes numéricos con el fin de representar el grado en el cual se prefiere una opción de decisión sobre otra. La intención de esta técnica es construir una forma de asociar un número real con cada alternativa con el fin de producir un orden de preferencia consistente con los juicios del decisor. El modelamiento de preferencias comienza por la construcción de las funciones de valor margi-nales o parciales, , para cada criterio y se debe cumplir que la alternativa
es preferida sobre la alternativa si y sólo si (Belton, V. & Ste-wart, T., 2003). La función de agregación aditiva para cada alternativa es de la forma
(*)
Donde es el valor total de la alternativa
es el valor del criterio para la alternativa
es el peso que representa la importancia relativa del criterio
es el número de criterios
El modelo más representativo de este tipo es el Analytic Hierarchy Process. A continuación se dará una breve descripción de él.
Analytic Hierarchy Process (AHP)
El Proceso de Análisis Jerárquico es un método desarrollado por (Saaty, 1980) y su resultado final es una lista jerarquizada (de mejor a peor) de las alternati-vas que se están evaluando según unos criterios definidos. Como el problema es la selección de una alternativa de un conjunto discreto, la regla de decisión consiste en elegir la alternativa con mayor valor relativo, es decir, que la alter-nativa seleccionada como la mejor tendrá el máximo valor calculado a partir de los pesos de los criterios mediante la función (*).
Modelos por Nivel de Metas o Aspiraciones
Los métodos basados en distancias, en general, definen primero el punto de referencia al cual se desea relacionar la solución buscada, y luego mediante algún procedimiento definen o escogen la solución más factible según su proximidad con el punto de referencia (Smith, R. et al., 2000). Este punto es-tará definido por la solución ideal para el decisor y respecto a él se medirán las distancias entre los logros de las alternativas reales. En este caso el concepto de distancia entre dos puntos es usado como una medida de la preferencia, representando la cercanía con respecto a cada criterio individual. El proceso busca descubrir opciones que son en cierta medida las más cercanas a las as-piraciones o metas deseadas (Belton, V. & Stewart, T., 2003). El modelo más utilizado de este tipo es la Programación por Compromisos; sin embargo, para esta investigación debido a su aplicación en el uso de energías renovables se ha seleccionado el método VIKOR que se explica con mayor detalle a conti-nuación.
59
Modelos de Clasificación
Según lo estipulado por el profesor Smith en su libro, son las técnicas de rela-ciones denominadas “de mejor rango” entre un conjunto discreto de alternativas para seleccionar la alternativas más satisfactoria para el decisor. Una relación de mejor rango representa el ordenamiento preferencial de un conjunto finito de alternativas (Smith, R. et al., 2000). Comparan el desempeño de dos o más alternativas a la vez, inicialmente en términos de cada criterio, para identificar el grado de acierto en el cual se prefiere una alternativa sobre la otra. Estos modelos son apropiados cuando la métrica de los criterios no permite que estos puedan ser agregados fácilmente, cuando las escalas de medición varían en rangos muy grandes o cuando las unidades son inconmensurables o incompa-rables (Belton, V. & Stewart, T., 2003). El modelo más representativo de este grupo es el ELECTRE III que será explicado a continuación.
ELECTRE III
Este método ordena un conjunto de alternativas con base en las relaciones de mejor rango entre ellas. Fue concebido por (Roy, 1971) para solucionar ciertas deficiencias detectadas en los métodos ELECTRE anteriores. Está basado en los conceptos de concordancia y discordancia, pero trata de describir el com-portamiento racional del decisor, incorporando la naturaleza “difusa” del proce-so subjetivo de la decisión. Existe una relación de mejor rango que es validada por el índice de concordancia y el índice de discordancia. La relación entre dos alternativas será relativa y dependerá en gran parte de la preferencia del deci-sor, quien define los valores del umbral de preferencia y el umbral de indiferen-cia.
2.8.1. Criterios y Valoración de criterios Desarrollar criterios de evaluación y métodos que midan de manera confiable la sostenibilidad es un prerrequisito para seleccionar la mejor alternativa, identifi-cando sistemas poco sostenibles de suministro energía, brindando información sobre las alternativas y monitoreando los impactos en el entorno social. La mul-tiplicidad de criterios y las herramientas de medición que están siendo desarro-lladas en este campo creciente muestra la importancia del trabajo conceptual y metodológico en esta área. El desarrollo y la selección de criterios requieren de parámetros relacionados con la confiabilidad, idoneidad, practicidad y limitacio-nes en las medidas. El criterio usado para evaluar los sistemas de suministro de energía se clasifican según cuatro aspectos: técnico, económico, ambiental y social.
Criterios Técnicos
Eficiencia La eficiencia se refiere a la cantidad de energía útil que se puede obtener de una fuente de energía (P.A. Pilavachi, Roumpeas, Minett, & Afgan, 2006). El coeficiente de eficiencia es la razón entre la energía de salida y la energía de entrada (J.-J. Wang, Jing, & Zhang, 2009).
60
Seguridad Los cambios continuos en tecnología, regulación ambiental y áreas relaciona-das con seguridad pública hacen del análisis de sistemas de seguridad crítica cada vez más demandados (J.-J. Wang, Jing, Zhang, Shi, & Zhang, 2008). La seguridad de los sistemas energéticos es vital para la sociedad, el desarrollo nacional y la vida cotidiana. La seguridad básica de los trabajadores en el sitio del proyecto energético debe garantizarse antes que nada (Madlener, Ko-walski, & Stagl, 2007). Confiabilidad La confiabilidad de los sistemas energéticos puede ser definida como la capa-cidad de un dispositivo o sistema para trabajar según se haya diseñado; la re-sistencia a la falla (Chatzimouratidis & Pilavachi, 2008); la capacidad de un dispositivo o sistema de desempeñar una función requerida bajo condiciones establecidas en un periodo de tiempo. La calidad del equipo, su mantenimiento, el tipo de combustible, el diseño del sistema energético y como es operado juegan un papel importante en la confiabilidad (Cavallaro & Ciraolo, 2005).
Criterios Económicos
Costo de Inversión El costo de inversión abarca todos los costos relativos para compra de equipos, instalaciones tecnológicas, construcción de vías y conexiones a la red vial, ser-vicios de ingeniería, perforación y otros trabajos incidentales de construcción (Jovanovic, Afgan, Radovanovic, & Stevanovic, 2009). Los costos de mano de obra o de mantenimiento de equipos no son incluidos en el costo de inver-sión. Los dispositivos nucleares y de carbón se caracterizan por tener altos costos de inversión y bajos costos de operación, mientras que los dispositivos alimentados por gas tienen más bajo costo de inversión pero su costo de ope-ración es mayor (Diakoulaki & Karangelis, 2007). El costo de inversión es uno de los criterios económicos más utilizados para evaluar sistemas de energía (Loken, Botterud, & Holen, 2009). Costos de Mantenimiento y Operación Los costos de operación y mantenimiento consisten en dos partes. Una es el costo de operación que incluye los sueldos de los trabajadores, los gastos en energía y los productos y servicios necesarios para la correcta operación del sistema energético. La otra es el costo de mantenimiento que apunta a prolon-gar la vida del sistema energético y evita fallas que conduzcan a una suspen-sión del servicio (Petros A. Pilavachi, Stephanidis, Pappas, & Afgan, 2009). Los gastos para mantenimiento son mucho menores que el daño financiero que se obtiene de una falla en el sistema e incrementa los índices de credibilidad y confianza en este (Dinca, Badea, Rousseaux, & Apostol, 2007). El costo de operación y mantenimiento también está dividido en dos subcategorías: costos fijos y variables (J.-J. Wang, Jing, Zhang, Zhang, & Shi, 2008). Este es otro de los criterios económicos más utilizados (J.-J. Wang, Jing, Zhang, Shi, et al., 2008).
61
Costo de Combustible El costo de combustible se refiere a los fondos destinados a la provisión de in-sumos necesarios para la operación del sistema de suministro energético (Jo-vanovic et al., 2009). Los costos de combustible deben incluir la extracción o minería, transporte y posibles procesos que requiera el combustible para ser usado en las plantas de potencia (Begic & Afgan, 2007). El costo del combus-tible puede variar considerablemente en diferentes periodos de tiempo y regio-nes por varias razones, incluyendo la demanda, la producción y políticas. El combustible es una entrada esencial en el sistema energético, por lo que varios investigadores incluyen el costo de combustible en sus evaluaciones (P.A. Pi-lavachi et al., 2006) Valor Presente Neto Está definido como el valor presente total de una serie cronológica de flujos de efectivo (J.-J. Wang, Jing, Zhang, Shi, et al., 2008). Es un método estándar que utiliza el valor temporal del dinero para evaluar proyectos energéticos a largo plazo (Huang Fu Y., Wu J.Y., Wang R.Z., & Huang X.H., 2005). Es usa-do en el presupuesto del capital y mide el exceso o déficit de flujos de efectivo en términos del valor actual, una vez que se han pagado las cargas financieras (Papadopoulos & Karagiannidis, 2008). El NPV también es utilizado con fre-cuencia por inversionistas para determinar si un proyecto energético es factible. Es un criterio necesario en las primeras etapas de decisión del proyecto (Hara-lambopoulos & Polatidis, 2003). Vida Útil La vida útil de un sistema de energía es el tiempo de vida esperado, o el perio-do aceptable de uso en servicio (Petros A. Pilavachi et al., 2009). Después de su instalación, el sistema tiene una probabilidad de fallar cuyo valor es relevan-te y debe ser tenido en cuenta (J.-J. Wang, Jing, Zhang, Zhang, et al., 2008). Este criterio es importante para los inversores ya que les permite elegir el mejor esquema de alternativas en sistemas energéticos (Burton & Hubacek, 2007).
Criterios Ambientales
Emisiones de CO2 CO2 es un gas inodoro, incoloro e insípido que es 1.5 veces más denso que el aire bajo condiciones normales de temperatura y presión (Jovanovic et al., 2009). Se ha reportado que el CO2 contribuye entre el 9 y el 26% al efecto in-vernadero y es liberado mediante la combustión de carbón, petróleo y gas natu-ral (J.-J. Wang, Jing, Zhang, Shi, et al., 2008). La deforestación en el mundo disminuye la remoción de CO2 atmosférico mediante fotosíntesis, lo que contri-buye también al efecto invernadero (Begic & Afgan, 2007). Este gas conduce al calentamiento global, tema que es foco de atención de muchos gobiernos, academias e investigadores. Por esta razón, se considera que las emisiones de CO2 de un sistema energético es ciertamente una medida de su sostenibilidad (Loken et al., 2009).
62
Emisiones de NOx NOx es un término genérico para referirse a los óxidos mono nitrogenados (NO y NO2) (Jovanovic et al., 2009). El NOx comprende un grupo de moléculas que contribuyen a la contaminación local del aire, a la lluvia ácida y al cambio climático global (J.-J. Wang, Jing, Zhang, Shi, et al., 2008). Los NOx también reaccionan con la humedad, el amoniaco, compuestos orgánicos volátiles, químicos orgánicos comunes e incluso el ozono, formando una variedad de compuestos tóxicos que perjudican la salud de las personas y causan mutacio-nes biológicas (Naim H. Afgan & Carvalho, 2004). Como consecuencia, estos tienen un impacto directo sobre la salud de la comunidad y un impacto indirecto en la condición social (Chatzimouratidis & Pilavachi, 2007). Las emisiones NOx se producen durante la combustión de combustibles fósiles y de biomasa, especialmente si estas se dan a grandes temperaturas (Loken et al., 2009). Emisiones de CO El CO es producido por la combustión parcial de compuestos que contienen carbono, especialmente en los motores de combustión interna. A través de pro-cesos naturales en la atmósfera, este se oxida, transformándose en dióxido de carbono (J.-J. Wang, Jing, Zhang, Shi, et al., 2008). Las emisiones de CO provenientes de automóviles y emisiones industriales contribuyen al efecto in-vernadero y al calentamiento global (Huang Fu Y. et al., 2005). Es utilizado para medir el desempeño de un sistema energético (J.-J. Wang, Jing, Zhang, Zhang, et al., 2008). Emisiones de Material Particulado La emisión de material particulado a la atmósfera es también uno de los princi-pales problemas ambientales en la industria energética. Estas emisiones son liberadas por carbón y petróleo así como de la biomasa y plantas de potencia fotovoltaicas. Estas partículas formadas por la transformación de emisiones SO2 y NOx esparcen la luz y crean condiciones nebulosas, disminuyendo la visibilidad y contribuyendo a la neblina localizada. El material particulado es las peor emisiones para la salud del ser humano. El riesgo para la salud de-pende del tamaño, distribución, microestructura y composición química de las partículas liberadas a la atmósfera (Chatzimouratidis & Pilavachi, 2008). El tamaño y tipo de partícula, entre otras características, dependen del combusti-ble que alimenta el sistema energético (Lamminen, E. & Isherwood, H., 2007) y de ahí que algunos proyectos de sistemas energéticos sean evaluados me-diante este criterio (Ben Salah, Chaabene, & Ben Ammar, 2008). Uso del Suelo El sistema energético ocupa determinado espacio del suelo. Este espacio re-querido por cada planta es un aspecto fundamental a tener en cuenta durante la evaluación (Naim H. Afgan & Carvalho, 2002) (J.-J. Wang, Jing, Zhang, Zhang, et al., 2008). El ambiente es afectado directamente por la espacio de suelo ocupado por el sistema de energía. Esto representa uno de los factores más críticos para el lugar de intervención, especialmente donde las actividades humanas son factores relevantes en cuanto a la presión que ejercen sobre el medio ambiente (Beccali, Cellura, & Mistretta, 2003). La calidad de vida de la comunidad se ve afectada por las operaciones requeridas para poner en fun-
63
cionamiento el sistema energético; se desestabilizan la flora, la fauna y el eco-sistema en general (J.-J. Wang, Jing, Zhang, et al., 2009).
Criterios Sociales
Aceptación Social La aceptación social expresa el punto de vista de la comunidad relacionada con el sistema energético y comparándolo con las hipótesis realizadas en el proyec-to acerca de la opinión del consumidor (Liposcak, Afgan, Duic, & da Graça Carvalho, 2006). Este criterio no puede ser expresado por una cantidad cuanti-tativa, pero si por una cantidad cualitativa que puede ser obtenida mediante los resultados de encuestas realizadas a la comunidad de interés (Cavallaro & Ciraolo, 2005). Generación de Empleo Los sistemas de suministro de energía emplean muchas personas durante su ciclo de vida, desde la construcción y operación hasta su desmantelamiento. Las sociedades locales en las que se establece un sistema energético, basan su desarrollo y prosperidad en él durante varias décadas (Chatzimouratidis & Pilavachi, 2008). Un sistema energético sostenible que genere más empleo para la comunidad es beneficioso para mejorar la calidad de vida de la pobla-ción (Haralambopoulos & Polatidis, 2003). Beneficio Social Los beneficios sociales fueron los criterios más importantes para la población en décadas anteriores. El criterio expresa el progreso social en una región par-ticular debido a la incorporación de un sistema energético, especialmente en las menos desarrolladas. El beneficio social también está expresado por un valor cualitativo y no por una cantidad cuantitativa (Zahnd & Kimber, 2009).
2.8.2. Evaluación de Recursos Energéticos
Renovables con AMCD.
Entre los trabajos realizados para identificar y evaluar recursos energéticos con estas técnicas se destaca, el artículo publicado por San Cristobal 2011, que recientemente se aplicó el Análisis Multicriterio de Decisión con el objetivo de seleccionar y jerarquizar proyectos de energía renovable para el plan de energ-ía Renovable e iniciativa del Gobierno Español. Se emplearon los métodos VI-KOR y AHP, siendo este último usado para ponderar la importancia de los cri-terios utilizados, como la potencia, la vida útil, los costos de operación y man-tenimiento, entre otros. A partir de esta evaluación se determinó que la opción más viable es la planta de biomasa de Co-combustión, seguida de la alternativa eólica y solar termoeléctrica, teniendo en cuenta que el mayor peso se le dio a los criterios de potencia y emisiones de CO2 (San Cristóbal, 2011)
64
2.8.3. El Método VIKOR
El método VIKOR (VlseKriterijumska Optimizacija I Kompromisno Resenje) fue desarrollado en 1998 por Serafim Opricovic como un método de Análisis Multi-criterio para la optimización de sistemas discretos complejos con criterios con-flictivos e inconmensurables (Serafim Opricovic & Tzeng, 2007). Este método se enfoca en jerarquizar y seleccionar la mejor solución de compromiso a partir de un conjunto de alternativas en presencia de criterios en conflicto. Una de las principales ventajas que ofrece VIKOR es la posibilidad de determinar una so-lución de compromiso, es decir, la más cercana a la ideal, que refleja la posi-ción de la mayoría de decisores involucrados.
El método VIKOR fue desarrollado para resolver el problema
Donde J es el número de alternativas factibles; es la j-ésima
alternativa generada con ciertos valores de las variables del sistema; es el
valor de la i-ésima función criterio para la alternativa ; es el número de crite-
rio; denota el operador de un procedimiento de Análisis Multicriterio de De-cisión para seleccionar la mejor alternativa en el contexto multicriterio. Las al-ternativas pueden ser generadas y su factibilidad puede probarse con modelos
matemáticos (determinando las variables ), modelos físicos y/o experimenta-les.
El método VIKOR es una herramienta efectiva en el Análisis Multicriterio de Decisión, particularmente en situaciones donde el decisor no está capacitado, o no sabe cómo expresar su preferencia desde el principio del diseño del siste-ma. La solución de compromiso obtenida podría ser aceptada por los decisores porque provee la máxima utilidad de grupo de la “mayoría” y una mínima opo-sición individual. Las soluciones de compromiso podrían ser la base para la negociación, involucrando la preferencia de los decisores mediante la asigna-ción de pesos a los criterios (Jingzhu Wei & Xiangyi Lin, 2008).
El desarrollo de VIKOR empezó con la siguiente forma métrica del método de Programación Lineal
La medida fue introducida por (L. Duckstein & Opricovic, 1980) y repre-
senta la distancia entre la alternativa a la solución ideal. En VIKOR, , equi-
valente a , y , correspondiente a , se utilizan para formular la lista orde-
65
nada. La solución de compromiso
es una solución factible que
es la más “próxima” a la solución ideal . Aquí, compromiso significa un acuerdo establecido por concesiones mutuas, representado por
. La Solución obtenida por es la solución con máxima utili-
dad de grupo, y la solución obtenida mediante expresa la solución de
mínimo arrepentimiento individual. La función combina y con peso (Se-rafim Opricovic & Tzeng, 2004).
Para añadir valores a los criterios inconmensurables, primero se deben conver-tir a las mismas unidades. La normalización se utiliza para eliminar las unida-des de las funciones criterio, de este modo todos los criterios quedan a dimen-sionales. Los coeficientes de ponderación se introducen para expresar la im-portancia relativa de los distintos criterios. Estos pesos no tienen un significado económico, pero dan la posibilidad de modelar el proceso de toma de decisión (Jingzhu Wei & Xiangyi Lin, 2008).
El método VIKOR se desarrolló para la optimización multicriterio de sistemas complejos. Este determina la lista ordenada de compromisos, la solución de compromiso y los intervalos de estabilidad de peso para la estabilidad de la preferencia de la solución de compromiso obtenida con los pesos iniciales (da-dos). Este método se enfoca en jerarquizar y seleccionar de un conjunto de alternativas en presencia de criterios en conflicto. Este introduce el índice jerár-quico multicriterio basado en la medida particular de la “cercanía” a la solución “ideal” (S. Opricovic, 1998)
66
3. METODOLOGÍA DESARROLLADA Para cumplir con los objetivos propuestos en esta investigación y siendo co-herente con lo explicado en el marco metodológico del capítulo primero, ini-ciamos con la conceptualización del modelo integrado MODERGIS. Es una concepción propia que busca de manera flexible la integración de energías re-novables, evaluando simultáneamente la potencialidad energética espacial y temporal de la oferta y demanda de energía de una zona geográfica. Además es coherente y consecuente con (Angelis-Dimakis et al., 2011) en el uso de herramientas integradas y flexibles de modelos para la evaluación de estos re-cursos. Su mapa conceptual integral, se visualiza en la figura 3. Donde se muestra las iteraciones que realizan los módulos con una visión holística de los mismos. Comprende la integración de los sistemas de información geográfica SIG, para potenciar energías renovables, de un modelo del tipo Bottom up LEAP para la simulación de la demanda-Oferta de energía y de herramientas de análisis mul-ticriterio de decisión AMCD, en especial con análisis multiobjetivo en un conjun-to de alternativas energéticas que no se encuentran predeterminadas, como una forma integrada de evaluación, bajo los criterios de sostenibilidad. Integran las dimensiones económica, social y ambiental, de gran relevancia en nuestro medio y que son imprescindibles para la evaluación y toma de decisiones en el planeamiento energético. El procedimiento metodológico para la aplicación del modelo MODERGIS se basa en tres elementos fundamentales ENERGIS, ENERDEM, ENERSOS.
Figura 3. Conceptualización de MODERGIS - Autor
67
MODERGIS es una plataforma integral de planeamiento energético sostenible, que combina diferentes herramientas integradas, que busca el desarrollo energético sostenible. Se basa en primer lugar en Sistemas de Información Geográfica (SIG) para la potenciarían de energías renovables (Amador & Domínguez, 2006) (Angelis-Dimakis et al., 2011), en la evaluación de la de-manda-oferta de energía y cuantificación de los gases de efecto invernadero GEI mediante la herramienta del tipo Bottom Up, LEAP (Long-Range Energy Alternatives Planning System) (Stockholm Environment Institute, 2008)(W. C. Flores et al., 2011) y en el Análisis Multicriterio para la toma de Decisiones AMCD (San Cristóbal, 2011), en especial el análisis multiobjetivo (Smith, R. et al., 2000) para que mediante las dimensiones de sostenibilidad, criterios y las alternativas energéticas renovables, se tome la mejor decisión al equilibrar la matriz energética con energías renovables, se reduzca los gases efecto in-vernadero y se asegure el suministro energético de una región. Para lograr la sostenibilidad energética se busca la integración de las energías renovables en la matriz energética, identificando potenciales regionales y valorando de mane-ra integral impactos ambientales, sociales y económicos de las tecnologías, con criterios del desarrollo sostenible (Agency International Atomic Energy, 2005). Como se presenta en la figura 4., la estructura de MODERGIS, inicia al deter-minar el potencial de los recursos energéticos renovables mediante ENERGIS - Módulo de sistemas de información geográfica, este potencial es introducido en el modulo de oferta de recursos energéticos solicitados por ENERDEM - Módulo Energía demanda, que calcula la demanda y oferta de energía, con sus escenarios definidos del caso de estudio. Determinada la demanda de energía y capacidad de potencia en el horizonte de tiempo, seleccionan las alternativas energéticas renovables existentes en el mercado. En ENERSOS - Módulo Energía sostenibilidad y decisión, se analizan con las herramientas de análisis multicriterio de decisión AMCD, primero los criterios y alternativas energéticas renovables jerarquizando de la mejor a la más desfavorable, segundo combi-nando las mejores alternativas que nos entrega los resultados de multiatributo, y optimizando un plan de alternativas energéticas para una restricción de po-tencia debido a la restricción en el suministro. Es claro que el ciclo del modelo inicia con la información cartográfica que ali-menta ENERGIS, de aquí obtenemos los resultados parcial de los potenciales de energías renovables, estos a su vez es información de entrada junto con el balance de energía e información macroeconómica entran a ENERDEM. Los resultados parciales que arroja son las proyecciones de demanda de energía por sector de consumo y tipo de energético, las necesidades de suplir la de-manda con nuevos recursos energéticos, la composición de la matriz energéti-ca y las emisiones de gases de efecto invernadero GEI. Posteriormente y con el algoritmo que conforma la estructura de ENERSOS, se simula la participación que quiere dársele a la nueva matriz energética, apli-cando las alternativas energéticas renovables, los criterios y mediante la herramienta VIKOR. De allí resultan la evaluación y clasificación sostenibles de energías renovables y posteriormente combinaciones de las alternativas que
68
cumplen con la primera selección y se realizan simulaciones, de los resultados de ENERSOS, entran a ENERDEM y se analizan los resultados.
Figura 4. Estructura del MODERGIS - Autor
El desarrollo del software de la plataforma de MODERGIS fue programada en Visual.net, aprovechando su sencillez de programación, forma de presentar los resultados, la accesibilidad por parte de los usuarios en la actualización del modelo y por compatibilidad con los lenguajes que tiene los otros bloques, co-mo LEAP y ARGIS y la programación que está concebida de ENERSOS para interactuar integralmente con los otros módulos de MODERGIS.
3.1. Desarrollo Metodológico de ENERGIS
El primer bloque denominado energías renovables por medio del sistema de información geográfica ENERGIS, se fundamenta en el uso de sistemas de información geográfica (SIG), identifica y potencializa los recursos energéticos renovables y realiza la planificación estratégica, mediante una evaluación ba-sada en criterios de restricción. Inicia con la información cartográfica base de interés Nacional (IGAC) o Inter-nacional (SWERA) el énfasis es la evaluación del potencial de recursos reno-vables (fundamentalmente energía solar, eólica, dendroenergía y biocombusti-bles energías renovables), previendo la ampliación de la canasta energética en áreas potencialmente atractivas para la inclusión o sustitución por nuevas for-mas de energía. Se presenta en la figura 5, el mapa conceptual del ENERGIS, mostrando las necesidades de información básica, su procesamiento del siste-
MODERGIS Estructura General
ENERGIS
ARGIS
ENERDEM
L.E.A.P
ENERSOS
A.M.C.D
CARTOGRAFIA BASICA
CARTOGRAFIA ESPECIALIZADA
EVALACUACIÓN Y CLASIFICACIÓN
SOSTENIBLE DE ENERGÍAS RENOVABLES
RECURSOS ENERGETICOS
BALANCE DE ENERGIA
INDICADORES DE SOSTENIBILIDAD
ALTERNATIVAS ENERGETICAS
POTENCIAL ENERGÍAS
RENOVABLES
NECESIDADES ENERGÉTICAS
OFERTA Y DEMANDA
CALIFICACIÓN ALTERNATIVAS ENERGÉTICAS
MODERGIS
69
ma de información geográfica, la selección de los criterios de sostenibilidad definidos para este modelo, la simulación espacial y los resultados parciales de esta simulación que es entregado a ENERDEM.
Figura 5. Conceptualización de ENERGIS - Autor
El modelo de datos espaciales utilizados en ENERGIS es de tipo ráster repre-sentado por celdas o pixeles de unidades homogéneas de información, que
70
exhibe varias diferencias con el modelo vectorial dada la manera discreta de representar la información espacial (DeMers, 2002).
Este modelo brinda un tratamiento profundo de los datos temáticos, disponien-do la posibilidad de aplicación de algebra de mapas y relaciones de lógicas booleana y aritméticas, como la posibilidad de clasificaciones multivariantes, operaciones estadísticas univariantes y multivariantes, operaciones de vecin-dad inmediata y otras posibilidades como interpolaciones.
3.1.1. Selección y justificación del Software de
ENERGIS.
Para definir el software a utilizar se presentaron dos opciones, la primera fue el software licenciado especialmente el GIS ArcView promovido por ESRI, que es una herramienta de SIG con la que se puede visualizar, analizar, crear y ges-tionar información geográfica. La mayoría de la información posee una compo-nente que puede relacionarse con un lugar geográfico: territorio, direcciones, códigos postales, posiciones de GPS, secciones censales, ciudades, regiones, países u otro tipo de localizaciones. ArcView permite visualizar, explorar y ana-lizar estos datos, revelando patrones, relaciones y tendencias que no se apre-cian bien en bases de datos, hojas de cálculo o conjuntos estadísticos. La se-gunda opción era la de utilizar software libre que se caracteriza porque los usuarios tienen la libertad de compartir, modificar y mejorar el mencionado software. Se ampara en la " General Public License GNU " que busca garanti-zar la libertad de compartir y modificar el software "libre", esto es para asegurar que el software es libre para todos sus usuarios. Esta licencia pública general se aplica a la mayoría del software de la "FSF Free Software Foundation" (Fundación para el Software Libre) que es una organización que patrocina la libertad de usar, estudiar, copiar, modificar y distribuir programas de ordenador; así como defender los derechos de los usuarios de software libre. Están cubier-tos por la "LGPL Library General Public License" (Licencia Pública General pa-ra Librerías), la cual puede aplicar a sus programas. Según (Dorta, Rodriguez, & de Sande, 2005), cuando se habla de software libre, se refiere a libertad, no al precio.
Evaluadas las dos alternativas en términos de fortalezas y amenazas, y según los conceptos de los expertos en el tema, percepciones del director y codirector de la investigación basados en las experiencias de soporte, precio, ayudas y destreza en el manejo del software se optó por utilizar el software licenciado Arcgis 9.3 Arcview – GIS de ESRI.
3.1.2. Conceptualización y Desarrollo de
ENERGIS.
El modelado cartográfico describe el uso de las funciones básicas de un SIG en una secuencia lógica para resolver problemas espaciales complejos. Según (Tomlin & Images, 1990) existen dos clases principales de modelado, el des-
71
criptivo y el prescriptivo. El Modelado descriptivo se refiere a aquellas técnicas cuyo propósito es lograr descripciones acerca de la información espacial.
Las técnicas de modelado prescriptivo están generalmente asociadas con cier-tas formas de localización geográfica. Estas se pueden establecer para una o varias actividades, analizando y evaluando ciertas condiciones para una activi-dad determinada. (Tomlin & Images, 1990).
La diferencia entre los dos modelos es que el descriptivo responde preguntas y el prescriptivo resuelve problemas.
El modelado prescriptivo consta de tres fases principales:
Planteamiento del problema
Generación de soluciones al problema
Evaluación de las soluciones
Según los objetivos concernientes de esta investigación, se establece que cuando se le da asignación a los usos del suelo, en espacial a biocombustibles y dendroenergía se estaría clasificando en la categoría del prescriptivo. En este caso, la actividad del uso del suelo optimiza la localización cuando se asigna un lugar que cuente con la mayor aptitud de calidad de suelo y el menor impacto ambiental y social posible (Gómez, O., 1992) este concepto es deno-minado el proceso de impacto – actitud.
Para cuantificar de manera sencilla la información, se requiere de herramien-tas precisas, que genere modelos espaciales con potenciales generales de energías sostenibles. Esto obedece a una estructuración previa que elimine la redundancia e incoherencia en los datos de tal forma que constituya un sistema para el análisis, planificación y apoyo a la toma de decisiones permitiendo la integración de datos recolectados de diversas fuentes con los métodos de aná-lisis propios de cada disciplina (Quiroz, Escobar, Martínez, Betancur, & Mas-sone, 2007)
Basados en los anteriores planteamientos, podemos definir que ENERGIS podría asimilar a un modelo del tipo Prescriptivo, con una característica de im-pacto – actitud, (Gómez, M. & Barredo, J., 2005), debido a que según su pro-pia concepción fue desarrollado en tres fases como se muestra en figura 6 y se acoge a los postulados de Quiroz et al, antes mencionado.
72
.
Figura 6. Procedimiento metodológico de ENERGIS - Autor
ENERGIS se propone el desarrollo de tres fases, iniciando por la recolec-ción y organización de la información, una segunda fase por el análisis y modelamiento en donde se construyen relaciones espaciales y funcionales y una tercera fase simulación prospectiva, en los siguientes numerales se ex-plican en detalle cada una de las fases.
3.1.2.1. Organización Información - FASE I.
Consiste en la aplicación de las técnicas convencionales de representación del territorio y estaría compuesta por:
La identificación y recolección de los elementos y variables que consti-tuirán el eje de construcción de la información geoespacial, la cual se basa en la información básica y temática de uso habitual en procesos de análisis territorial.
La ubicación espacial de los componentes de tal forma que estos co-rrespondan con el sistema de proyección geográfica de uso habitual en la región de estudio.
La identificación de relaciones y estructuras espaciales fundamentada en asociaciones tabulares y espaciales.
73
3.1.2.2. Análisis y modelamiento - FASE II.
Esta fase busca obtener una representación simplificada de la realidad con la mínima perdida de información basándose en la construcción de modelos que sinteticen los elementos, las variables y los procesos que ocurren en el territorio. Las acciones que permiten consolidar esta fase son:
La construcción de relaciones espaciales y funcionales con lo cual se busca, a partir de modelos de análisis numérico, estadísticos o booleanos, estable-cer las relaciones entre los elementos que representan un territorio o espacio geográfico.
Modelamiento de elementos y variables que no tienen una expresión espa-cial explícita. Con ello se busca integrar aquellos fenómenos que a pesar de ser continuos son medidos en forma discreta.
Modelamiento de procesos que busca consolidar la integración del sistema a través de la representación de las variables motoras y los procesos que en él actúan, considerando que estos son dinámicos en el tiempo y en el espacio geográfico.
Cuando se cumple con la fase de recopilación y organización de la informa-ción, unificación de referencias espaciales, parametrización de tamaños de celda y salidas de los análisis, se procede a modelar las variables y fenóme-nos asociados al problema del estudio, es decir la identificación de las zonas potenciales para el desarrollo de energías sostenibles, cuando se refiere a sostenibles se indica que es desde la óptica del cultivo, que no estén en zo-nas de alto impacto ambiental y social. (palma africana, caña de azúcar, ja-tropha, maíz, banano) y dendroenergía bajo el mismo criterio de cultivo sos-tenible (leña sostenible), así como en las potencialidades basadas en energ-ía solar y eólica.
En la obtención del modelo de análisis útil en zonas aptas para el cultivo de agrocombustibles se tuvieron en cuenta las siguientes consideraciones (Es-cobar, J., Betaikiir, T., Palacio, C., & Muriel, R., 2010):
El conocimiento sobre la ubicación y características de las potenciali-dades y restricciones es parcial, modelando con carácter de aproxi-mación a la escala de análisis.
Jerarquización compuesta por diferentes tipos de zonas homogéneas cubriendo la totalidad de la jurisdicción nacional.
Flexibilización que permita la introducción de fuentes de información actualizadas o de mayor detalle.
Reglas simples de decisión que permitan una interacción directa con los expertos del área de las energías sostenibles.
74
3.1.2.3. Simulación Prospectiva - FASE III.
Constituye la fase más avanzada de los sistemas informáticos georreferen-ciados, busca consolidar los sistemas de información geoespacial como herramientas de apoyo a la planificación y toma de decisiones considerando el conocimiento del territorio y la gestión de este (Quiroz et al., 2007) Las acciones involucradas son:
La identificación y construcción de reglas de decisión con el objetivo de integrar el ejercicio conceptual e intelectual del decisor en la selec-ción de alternativas considerando múltiples objetivos los cuales están en conflicto; y
La simulación de comportamientos y tendencias en diferentes escena-rios en la búsqueda de encontrar y evaluar, con anticipación, los efec-tos de las acciones, las estrategias y/o las políticas de intervención.
ENERGIS simuló los potenciales sostenibles de energías renovables en Co-lombia, a nivel nacional y departamental, aplicando las tres fases explicadas anteriormente (Quijano, R. & Domínguez, J., 2008).Para aplicación del ENERGIS se utilizó una combinación de modelos de diferentes aplicaciones, como las superposiciones o ensamble de matrices, optando por los modelos de Decisión Booleana, Algebra de Mapas con Clases Múltiples, además de instrucciones de SQL (Structured Query Language). Resultados que se pre-sentan de manera preliminar al finalizar el capítulo cuarto.
3.2. Desarrollo Metodológico del módulo
ENERDEM
El segundo bloque llamado energía de la demanda y oferta - ENERDEM, se encuentra soportado por el modelo del tipo Bottom-Up LEAP (Long-Range Energy Alternatives Planning System), que se basa en aproximaciones deta-lladas para el análisis de la demanda, oferta y expansión energética incluyendo opciones de simulación e incremento de la eficiencia en los procesos. Este tipo de modelo se ha usado extensamente para estimar los costos de la reducción del potencial de consumo de energía, asociado a la reducción de emisiones de CO2, a través del uso y manejo de la eficiencia energética. Se caracteriza porque no requiere series de tiempo, calcula la demanda agre-gada de energía, predice la transformación de energéticos necesarios, deter-mina la oferta de recursos energéticos, elabora el balance de energía y además calcula la emisión de gases de efecto invernadero (GEI), aplicando la metodo-logía del Panel Intergubernamental de Cambio Climático (IPCC) (UNEP & IEA, 2006).
75
3.2.1. Selección del Modelo LEAP
Para determinar la opción del modelo que debía ser utilizado en la plataforma para el análisis de la demanda y oferta de energía en MODERGIS, se optó por tener como criterio determinante las siguientes premisas:
Modelo Integral Demanda Oferta, medio ambiente, tipo Bottom Up.
Requerimientos mínimos de información.
Transparente, Flexible y amigable con el usuario.
Uso reciente entidades Gubernamentales (Ministerios - otros).
Garantías para el uso académico e investigativo.
Uso Internacional reconocido.
Precio, respaldo y soporte técnico.
Una vez analizada la información necesaria, se evaluaron varias opciones, con modelos como MARKAL y ENPEP y se observaron las siguientes ventajas de LEAP sobre los otros dos modelos así:
LEAP: es un modelo Integral del tipo Bottom Up, el MARKAL y ENPEP se asimilan a este tipo de característica.
LEAP: solo requiere de un año de información desagregada y tiene ayu-das propias para completar información y crear series de tiempo. MAR-KAL y ENPEP require series históricas.
LEAP: el árbol es construido dependiendo de la cantidad y calidad de in-formación que tenga el usuario y no es solicitada en estructura rígida como MARKAL y ENPEP.
LEAP: ha sido usada por el Ministerio del Medio Ambiente en las comu-nicaciones de cambio climático al IPCC. EL Ministerio de Minas y Energ-ía lo ha usado en los años 1990 y 1996 en planes energéticos y política energética. La UPME lo ha usado en los planes energéticos de 1996 y 2000 y en el plan de usos racional de energía 2010, en los escenarios sostenibles construidos por la CEPAL para la UPME 2011 y en el plan de fuentes renovables de energía 2011 a través de la consultoría. MARKAL se ha usado en el área metropolitana del Valle del Aburra (Ra-ve, C., 2005) y ENPEP ha tenido algunos desarrollos aislados por parte de la UPME.
LEAP: para usos académicos y proyectos de investigación el uso no tie-
ne precio, justificando la debida inscripción en la página de con su debi-do permiso y licencia. MARKAL y ENPEP hay que pagar el uso.
LEAP: se ha usado en ciento cincuenta (150) países del mundo para la formulación de planes energéticos y prospectiva energética, además de servir de soporte para las comunicaciones sobre cambio climático MAR-
76
KAL en setenta (70) países (http://www.etsap.org/index.asp) y ENPEP en países 50 (Argonne & IAEA, 2008)
LEAP: cuenta con el apoyo de la comunidad de usuarios de orden inter-nacional (http://www.energycommunity.org/) y el SEI sirve de soporte y actualización continua del software. En Latinoamérica el soporte y ase-soría lo tiene el Instituto de Economía Energética IDEE de Argentina. MARKAL y ENPEP el soporte es directamente con los desarrolladores.
Aplicaciones a nivel Internacional
Uso en más de doscientas (200) agencias gubernamentales, ONG‟s e institu-ciones académicas que usan LEAP para diferentes investigaciones como los estudios de análisis de mitigación de gases efecto invernadero, producción de planes de manejo de energía y estudios energéticos. Se mencionan los principales usos que ha tenido en el orden internacional co-mo se puede ver seguidamente: APEC Demanda energética y pronostico de la oferta: APERC, (Asia Pacific Energy Research Centre) es actualmente el responsable del estudio de la de-manda de energía de los países que conforman el APEC, el cual cubre 21 miembros de APEC (Asia-PacificEconomic Cooperation) incluyendo a US, Chi-na, y Rusia.El primer resultado fue publicado en 1998. Por orden del APEC se deben actualizar los datos por parte de APERC para realizar un estudio a largo plazo (año 2020). LEAP2000 es usado como el principal modelo de estructura. Modelo de energía en Sur África: En Sur África han estado usando el
LEAP como herramienta principal de modelaje para elaborar un patrón energético para el país. Se desea que con el modelo se puedan evaluar políticas energéticas así como la demanda y la oferta previstas.
Planeamiento integrado de energía en Malasia. Fundado por DANCED, un brazo del Ministerio Danés de Medio Ambiente y Energía, la compañ-ía de consultoría Danesa RAMBOLL, ha estado asesorando el Gobierno de Malasia p ara construir un plan integrado de energía y medio ambien-te. Se está utilizando el LEAP para examinar costos, impacto ambiental y energía, así como las implicaciones de políticas nacionales de energía alternativas a largo plazo.
Políticas y conservación de energía en Indonesia: Como parte de “Indo-nesia Netherlands Energy Working Group”, la Fundación de Investiga-ción de Energía (ECN) ha estado trabajando con el Ministerio de Minas y Energía de Indonesia para construir un plan integrado de energía y pla-neamiento ambiental. En un principio se están trabajando los conceptos básicos de análisis integrado energético-ambiental capacitando al per-sonal de Ministerio, se utiliza como herramienta LEAP2000. Luego, el equipo intentará diseñar y evaluar estrategias para Indonesia.
77
Costa Rica: La Organización de América Latina de Energía (OLADE) y agencias locales de este país colaboraron con el SEI-B para evaluar las consecuencias económicas y Ambientales de ciertas opciones de políti-cas energéticas.
Venezuela: El Ministerio de Minas y Energía usó LEAP para construir y evaluar escenarios para reducir CO2 y otras emisiones de gases de efecto invernadero en la fase I del UNEP “Greenhouse Gas Abatement Costing Project”.
Ministerio de Energía Peruano: Planeamiento integrado de Energía: IDEE/Fundación Bariloche, está desarrollando un análisis integrado de políticas de energía para el Ministerio Peruano de Energía. IDEE/FB está usando LEAP para desarrollar el análisis del sistema energético Pe-ruano.
Otros países que usan LEAP en este proyecto de la UNEP son Egipto y Senegal.
En Colombia la primera aplicación del modelo LEAP se desarrolló con una te-sis de la facultad de ingeniería de la Universidad Javeriana (Beltrán, J. & Qui-jano, R., 1992) que sirvió de base para ser utilizado en el primer Plan Energéti-co del Ministerio de Minas y Energía a través de la Comisión Nacional de Energía CNE, haciendo proyecciones de demanda de energía en el Plan Energético Nacional al año 2020 (UPME, 2007b) IDEAM presentó Estudio de “Mitigación en el Sector Energético posterior a la Primera Comunicación Nacional de Colombia ante la Convención Marco de las Naciones Unidas sobre el Cambio Climático”, se utilizó LEAP como soporte para simular las emisiones del sector de energía realizado conjuntamente entre la UPME y el IDEAM (IDEAM, 2009) El caso más reciente de uso de LEAP en Colombia fue en el marco del proyec-to CEPAL 06/07(2010-2011) “Fortalecimiento en el diseño e implementación de políticas energéticas sostenibles para la producción y uso de biocombusti-bles en América latina y el Caribe”, donde se realización las simulaciones de escenarios sostenibles y se aplicó el caso Colombia con año base 2008 y hori-zontes de tiempo al año 2030.
Como se observa en el cuadro 41 del Anexo 9, se presentan las principales características de los tres modelos analizados ENPEP, MARKAL y LEAP, con-siderando que el modelo que cumple con las premisas anteriormente enuncia-das y es el más apropiado para el objeto de la investigación, es el modelo computacional LEAP.
78
3.2.2. Conceptualización ENERDEM - LEAP
El mapa conceptual de ENERDEM visualizado en la figura 7, indica detallada-mente su funcionamiento interno, los resultados que ENERGIS, sobre poten-cialidades de energías renovables, es la información de entrada al modulo de oferta de LEAP. La información exógena necesaria de tipo económico y energético, es alimentada, para poder calcular las intensidades energéticas y estructurar el árbol de demanda, de la transformación y los recursos de la ofer-ta.
Figura 7.Conceptualización y flujo de ENERDEM - Autor
79
Es importante resaltar que previamente se requiere adecuar la información al formato estipulado LEAP antes de ingresarse. De la misma manera se debe establecer previamente, los criterios fundamentales para conformar los escena-rios a ser simulados. Como se observa en el mapa conceptual, los resultados pueden tener dos ca-minos, el primero los resultados que se necesitan para el configurar ENERSOS y terminar el análisis integral del caso de esta investigación, o el segundo, que las salidas pueden ser utilizadas directamente para análisis y comparaciones de otros estudios o investigaciones o para la consolidación de información se-cundaría. Mientras que la metodología es un factor importante a la hora de escoger un modelo energético, LEAP además de ser el modelo, es un completo sistema de soporte para toma de decisiones, provee grandes cantidades de datos y reporte de informes. Puede servir como base histórica de datos mostrando la evolución de un sistema de energía y como herramienta basada en escenarios futuros que puede crear pronósticos de cómo debería evolucionar un sistema o podría examinar cómo se puede cumplir sus metas en el sector energético. Está estructurado como una serie de vistas de un sistema de energía. La “Vista de Análisis” principal es el lugar donde los usuarios crean estructuras de datos y escenarios e ingresan todos los datos describiendo los años históricos y los escenarios futuros.
Su estructura está conformada como árbol que ofrece gran flexibilidad en cuanto a la forma en que está modelado el sistema, por ejemplo un modelo de demanda puede ser altamente desagregado en un sector donde se requiere un análisis muy detallado de la tecnología, pero mucho menos agregado en secto-res donde el uso de la energía es menos importante o menos comprensible. El modelo soporta análisis multiregional en los que se pueden crear diferentes estructuras de datos para cada región. En la vista de análisis un árbol jerárqui-co muestra la principal estructura de datos para el análisis. El árbol soporta operaciones estándar (copiar, pegar, arrastrar y soltar, etc.) que simplifican la construcción y mantenimiento de los datos en un análisis energético. El reporte intuitivo y de fácil uso es otro ingrediente clave, ayudando a los usua-rios a visualizar e interpretar resultados y captar errores. Calcula una gran can-tidad de resultados los cuales pueden ser presentados mediante tablas, gráfi-cos e incluso mapas. La vista de resultados hace que trabajar con resultados multidimensionales sea muy sencillo. La organización general está constituida mediante módulos Demanda-Transformación- Oferta y la bases de datos ambiental, que puede ser organi-zada dependiendo de la calidad y cantidad de información que pueda poseer un país, región o localidad Para efectos de definir la estructura de ENERDEM – LEAP, se estableció que se trabajaría con todos los módulos Demanda – Transformación – Oferta, todos unidos con la base de datos ambiental TED. Para la demanda se definieron
80
basados en la información disponible, cinco sectores bajo la misma estructura del balance de energía que tiene la UPME, las perdidas negras en electricidad y comercio ilegal de combustibles se infiere en el modulo de transformación, pero para efectos estadísticos estos valores son detectados en el total de la demanda. Se observa esta estructura de simulación en la figura 8:
Sector Residencial, incluye urbano y rural
Sector Industrial, desagregado en once subsectores según codificación CIIU a tres dígitos.
Sector Transporte, incluye el modo terrestre público y privado, Aéreo, Fluvial, Marítimo y Férreo.
Sector Agrícola, incluye actividades de siembra de cultivos y mecani-zación de los mismos.
Sector Comercial, incluye oficial y público.
.
ENERDEM -LEAP Estructura General
OFERTA TRANSFORMACIÓN DEMANDA
RESIDENCIAL
INDUSTRIAL
TRANSPORTE
AGRICOLA Y MINERO
OTROS
CENTRALES ELECTRICAS
SOLAREÓLICAHIDROTERMICASHIBRIDAS
REFINERIAS
PETROLEO
DESTILERIAS
BIOCOMBUSTIBLES
COQUERIAS
CARBÓN
CARBONERAS Y OTRAS
LEÑA - BIOMASA
RESERVAS ENERGETICAS
PETROLEO Y GASCARBÓN
POTENCIALIDADES
SOLAREÓLICAHIDROGEOTERMIADENDROENERGÍABIOMASAOTRAS
BASE DATOS AMBIENTAL- TED
EMISIONESCO²NOXSOXOT
EMISIONESCO²NOXSOXOT
EMISIONESCO²NOXSOXOT
EM
ISIO
NE
SP
RO
CE
SO
SS
IST
EM
A E
NE
RG
ÉT
ICO
EXOGENABALANCE DE ENERGÍA
RESERVAS DE ENERGÍAPOBLACIÓN-VIVIENDAS
PIB - VA
INFORMACIÓN ENERGISPOTENCIALIDADES
Figura 8. Estructura del L.E.A.P. Colombia.- Autor
81
Para el sector de transformación se optó por habilitar los módulos de centrales de generación eléctrica, refinerías, destilerías, coquerías, carboneras y bioma-sa. Dentro de las centrales de generación y con el fin de hacer simulaciones bajo el objetivo propuesto de la investigación se seleccionaron las alternativas, hidroeléctricas, termoeléctricas de todos los combustibles y ciclo combinado, la solar fotovoltaica y termosolar, eólica, de biomasa e hibridas.
En el módulo de oferta se especificaron dos clases de reservas: para los re-cursos energéticos no renovables se introdujeron las reservas probadas de petróleo, gas y carbón mineral. Para los recursos renovables se determinaron como potencialidades y se introducen energía solar, energía eólica, bioalcohol, biodiesel, bagazo, dendroenergía geotermia y residuos vegetales.
Para observar gráficamente lo anteriormente enunciado, se muestra en la figu-ra 7, la estructura general de ENERDEM – LEAP, indicando que las entradas de información exógena provienen de dos fuentes, una interna de ENERGIS y conecta con potencialidades y la segunda que proviene de los balances de energía de la Unidad de Planificación Minero Energética - UPME (UPME, 2007a) y de la información macroeconómica del Departamento Administrativo Nacional de Estadística DANE y Departamento Nacional de planificación –DNP.
La base de datos tecnológica y ambiental TED incluye datos de tecnologías, referenciando reportes de instituciones incluyendo el Intergubernamental Panel on Climate Change (IPCC), el U.S. Department of Energy y la International Energy Agency - IEA. En adición a sus datos cuantitativos, TED también inclu-ye páginas de información cualitativa que revisan la disponibilidad, idoneidad, costo-efectividad y asuntos ambientales claves para un amplio rango de tecno-logías energéticas. Los factores de emisión y otra información de TED pueden ser incorporados automáticamente a los análisis LEAP. Esta base está conec-tada a los módulos demanda-transformación-oferta, facilitando la creación de escenarios de emisiones basados en los escenarios energéticos de ENERDEM - LEAP y los factores de emisión en TED.
Los resultados de la demanda de energía son calculados a través de cinco dimensiones: combustibles, años, escenarios, regiones y ramas (sectores y subsectores del análisis). El usuario simplemente escoge las dimensiones a mostrar en cada eje de la gráfica. Para las otras dimensiones, el usuario puede escoger si mostrar resultados para un solo elemento o sumar los resultados o los seleccionados. El usuario deberá seleccionar resultados de demanda por combustible y por año en una región particular y escenario para un sector es-pecífico.
Los resultados se pueden presentar en casi cualquier unidad de medida y exis-ten numerosas opciones para configurar los resultados, incluyendo la selección del tipo de gráfico (área, barras, líneas, etc.), color del gráfico, formato numéri-co (valores absolutos, tasas de crecimiento, porcentajes de participación, número de decimales, etc.). Se pueden comparar y evaluar escenarios de polí-tica alternativos, trazando escenarios múltiples o mostrando las diferencias en resultados comparados con un escenario previamente seleccionado.
82
Incluye también una serie de reportes especializados incluyendo reportes de balances de energía estandarizados y diagramas de flujo de energía. El reporte del balance energético sigue muy de cerca el formato estándar empleado por la International Energy Agency - IEA y la mayoría de agencias de planificación energética. Los balances energéticos de LEAP se pueden presentar en tablas, gráficos o diagramas de flujo y se pueden personalizar para que resuman de forma simple o detallada las categorías de combustibles, para diferentes años o diferentes regiones. Los resultados del balance pueden también mostrarse por sector o subsector en cualquier unidad de energía.
3.3. Desarrollo Metodológico de ENERSOS
El tercer bloque denominado Energía, toma de decisión y sostenibilidad - ENERSOS, recibe la información de las salidas de ENERGIS, específicamente los potenciales de energías renovables ubicados por región geográfica, de ENERDEM la nueva capacidad eléctrica de energías renovables que se va a introducir en la matriz energética.
ENERSOS se planteó con el fin de facilitar el diseño y selección de proyectos o planes energéticos renovables, teniendo en cuenta las necesidades de deman-da y oferta de energía, entregada por los resultados de ENERDEM, además de los resultados de potenciales de energías renovables por región arrojados por ENERGIS. Permite evaluar un conjunto de opciones o alternativas para resol-ver problemas de características definidas, con base en criterios estandariza-dos o definidos a conveniencia por el usuario. El programa consta básicamente de dos módulos; el primero corresponde a la selección de proyectos energéti-cos renovables y tiene como objetivo guiar al decisor durante el análisis multi-criterio y posterior selección de las alternativas que más se ajustan a su caso particular. Selecciona también la mejor alternativa en la producción de cultivos de biocombustibles, optimizando el uso del terreno, la productividad física, pro-ductividad energética en Julios y emisiones evitadas de gases de efecto inver-nadero.
3.3.1. Selección Método VIKOR
Después de estudiar y analizar en detalle las distintas alternativas de méto-dos de Análisis Multicriterio, VIKOR presenta características de ser un méto-do descrito en pocos pasos, por su estructura simple, basada en programa-ción lineal, implementa elementos de diversos métodos con el fin de optimi-zar el proceso de selección de alternativas y de incluir las preferencias del decisor. Se describen algunas de las ventajas que ofrece el método VIKOR: Determina una solución de compromiso reflejando la actitud de los
decisores frente al riesgo a través de la introducción de un valor de
utilidad .
83
Permite la combinación de métodos cuantitativos y de análisis cualita-
tivo para mejorar los resultados.
Normaliza las unidades de los criterios en conflicto para facilitar la
comparación entre ellos.
La sencillez de su algoritmo permite hacer modificaciones que optimi-
cen el método para un caso específico.
Permite la calificación de criterios para asignar importancia relativa a
estos durante el proceso de decisión.
Se han realizado numerosas comparaciones entre el método VIKOR y otros métodos conocidos como TOPSIS (Serafim Opricovic y Tzeng 2004) y ELECTRE III (Serafim Opricovic y Tzeng 2007) en las que se confirman las ventajas que posee este método y que las mencionan con anterioridad (Xiang-yi, Qing-pu, y Hong-yun 2008). Los métodos AMCD VIKOR y TOPSIS se ba-san en funciones de agregación que representan la proximidad a la solución ideal. Aunque parten de una misma base, el método VIKOR tiene dos ventajas notables sobre TOPSIS: Como medida de proximidad a la solución ideal VIKOR introduce el con-
cepto de índice jerarquización que da una medida particular de ésta dis-tancia; por otro lado, el principio básico del método TOPSIS es que la al-ternativa escogida como la mejor, es la que debería tener la menor dis-tancia posible a la solución ideal y la más alejada de la solución “menos ideal”. La desventaja de éste último respecto al primero, es que éste método introduce dos puntos de referencia, pero no considera la impor-tancia relativa de estos puntos, por lo que no ofrece flexibilidad a las pre-ferencias del decisor y se mantiene en una posición estática.
Una segunda diferencia entre estos dos métodos se encuentra en la normalización. Mientras que el método VIKOR utiliza normalización line-al, TOPSIS se basa en una normalización vectorial. El resultado final es un valor que no depende de las unidades de medida del criterio para el caso de VIKOR, y el caso opuesto para TOPSIS, con lo que se tendrían inconvenientes en el manejo de unidades o de descripciones cualitati-vas. Ambas normalizaciones tienen claras diferencias matemáticas, siendo la primera la más sencilla de comprender y de operar (Serafim Opricovic y Tzeng 2004).
Respecto a métodos de clasificación como ELECTRE III y PROMET-HEE, VIKOR tiene la ventaja de establecer un punto de referencia y compararlo con las alternativas que se tienen; En los métodos de clasifi-cación se hace una comparación entre las mismas alternativas, sin sa-ber que tan cerca están éstas de cumplir con el propósito deseado. Al igual que ocurre con TOPSIS, el fundamento matemático que ofrece VI-KOR es mucho más sencillo que el que ofrecen ELECTRE III y PRO-
84
METHEE, lo que permite llegar a un número más amplio de decisores (Serafim Opricovic y Tzeng 2007).
A parte de estas características, el método VIKOR se ha utilizado recientemen-te como método para seleccionar alternativas energéticas renovables en pro-cesos de planificación en España (San Cristóbal 2011) y para planificación energética renovable en Turquía (Kaya y Kahraman 2010), lo que nos indica que ha tenido una buena acogida en la comunidad científica internacional.
Estas ventajas de VIKOR sobre otros métodos comúnmente utilizados en el campo de la toma de decisiones y su reciente uso para selección de alternati-vas energéticas y posterior reporte científico en algunas de las publicaciones más representativas del sector energético a nivel mundial, direccionó la prefe-rencia del método VIKOR porque cumple con las expectativas metodológicas básicas, para ser el método central para el desarrollo de ENERSOS.
3.3.2. Conceptualización ENERSOS - VIKOR
La estructura interna de ENERSOS, está basada en el Análisis Multicriterio de Decisión AMCD, que evalúa alternativas con múltiples criterios de evaluación, se hace una descripción del modulo de alternativas energéticas renovables.
Este módulo se divide en dos partes; la primera corresponde a la solución de un problema de Análisis Multiatributo de Decisión, aunque la metodología aquí empleada puede ser igualmente utilizada en otros tipos de problema de carác-ter multiatributo. Se entrega un conjunto de opciones a evaluar y un conjunto de criterios; con estos se construye una matriz de pagos, de la cual el módulo extraerá la información para hacer los cálculos pertinentes, como se observa en la figura 9.
El resultado que se espera de este módulo, es una lista jerárquica que se logra mediante la comparación de las opciones entre sí teniendo en cuenta una serie de criterios, aquí llamados atributos, que describen el desempeño de estas al-ternativas en varios aspectos, comparando según las preferencias del decisor.
El segundo módulo está organizado como una continuación o extensión de la primera y está basada en la solución para un problema multiobjetivo (Smith, R. et al., 2000). Los datos que se le entregan son las tres mejores alternativas escogidas por el primer módulo y un conjunto de restricciones, que el progra-ma debe calcular, mediante un algoritmo, todas las posibles combinaciones que representan proyectos reales para cumplir con la restricción principal. Lue-go de hallar este conjunto de combinaciones, se le entrega un conjunto de fun-ciones objetivo en las que se evaluarán las distintas alternativas y finalmente se hará uso de un método igual al utilizado en el primer módulo (S. Opricovic, 1998) pero con una adaptación para el caso multiobjetivo (Heydari, Kazem Sayadi, & Shahanaghi, 2010).
85
Figura 9. Conceptualización y Flujo de ENERSOS
El resultado que se espera de esta segunda etapa es un ordenamiento de las combinaciones obtenidas y que este dé una idea al decisor de cuáles serían los proyectos más adecuados para cumplir con sus metas.
En la revisión del estado del arte se identificó un método desarrollado recien-temente y que ha sido utilizado para evaluar alternativas energéticas renova-bles en España (San Cristóbal, 2011) y para planificación energética en Es-tambul (Kaya & Kahraman, 2010). El método Multiatributo VIKOR (S. Opri-covic, 1998) es un método basado en distancias que busca incorporar las pre-ferencias del decisor para jerarquizar un grupo finito de alternativas con el fin
86
de escoger las alternativas energéticas renovables más cercanas a la solución ideal. En el siguiente numeral se presenta en detalle y paso a paso el desarro-llo de este método para la etapa multiatributo de ENERSOS.
3.3.3. Método VIKOR Multiatributo
El método VIKOR parte de la información proporcionada por el usuario, que consta de un conjunto de alternativas para lograr un objetivo deseado y de un conjunto de criterios para evaluar en diferentes aspectos el desempeño de es-tas.
Se describe el método VIKOR paso a paso, aplicado al caso Colombia y en sus dos variantes, VIKOR Multiatributo propuesta por S. Opricovic (1998) y en el siguiente numeral VIKOR Multiobjetivo propuesta realizada específicamente para esta investigación.
En el caso de la investigación las alternativas son las tecnologías de genera-ción eléctrica renovable de las cuales se quiere seleccionar una o varias para ampliar la participación de la matriz energética por energías renovables. En general, para el cálculo del método VIKOR se deben seguir los siguientes pa-sos (S. Opricovic, 1998):
Paso 1:
Asumiendo que cada alternativa es evaluada de acuerdo a cada función de criterio, la jerarquía de compromiso podría ser desarrollada mediante la compa-ración de la medida de cercanía a la solución “ideal” F*.
Se determina los mejores fi* y los peores fi
- valores para cada una de las funcio-nes de criterio, i=1,2,…,n. Si la i-ésima función de criterio representa un benefi-cio entonces jfi
* = max fij y jfi- = min fij.
Paso 2:
Teniendo la identificación de los mejores y peores valores para cada función de criterio, se determinan los valores Sj y Rj, j = 1,2,…, J mediante las relaciones
Donde representa las distancias de las alternativas a la mejor solución;
representa la distancia entre las alternativas y la peor opción; wi son los pesos de criterio, expresando la preferencia de los decisores como la importancia re-lativa del criterio. Estos pesos de importancia relativa de los atributos pueden ser asignados usando AHP mediante los siguientes pasos:
87
1. Encontrar la importancia relativa de diferentes atributos con respecto al objetivo. Para hacerlo, se construye una matriz de comparación entre pares usando una escala de importancia relativa. Los juicios se emiten teniendo en cuenta la escala fundamental de AHP. A un atributo compa-rado consigo mismo siempre se le asignará el valor de 1, por lo tanto las entradas de la diagonal principal de la matriz estará compuesta en su to-talidad por el número 1. Los números 3,5,7 y 9 corresponden a los jui-cios verbales “importancia moderada”, “importancia fuerte”, “importancia muy fuerte” e “importancia absoluta”. Asumiendo n atributos, la compa-ración entre pares del atributo i con el atributo j genera una matriz Anxn
donde denota la importancia comparativa del atributo i con respecto al
atributo j. En la matriz, cuando i = j y
.
2. Se necesita conocer el vector el cual indica el peso que
se le da a cada criterio en la matriz de comparación por pares A. Para obtener el Vector W de A, se sigue el siguiente método:
a. Para cada columna de A, se divide cada entrada en la columna i por la suma del total de entradas de la misma. Esto conlleva a una nueva matriz, llamada Anorm en la cual, la suma de las entra-das en cada columna es 1.
b. Se estima Wi como el promedio de las entradas en la fila i de Anorm.
Paso 3:
Calcular los valores Qj , mediante la relación
Donde ; ;
; y v se introduce
como el valor que representa la posición del decisor frente al riesgo. Normal-mente el valor de v se toma como 0.5 para representar una posición neutra frente al riesgo aunque se puede tomar cualquier valor de 0 a 1.
Paso 4:
Jerarquizar las alternativas, organizando según los valores de S, R y Q en or-den decreciente. Los resultados obtenidos son tres listas ordenadas. Proponga como solución de compromiso la alternativa A(1), la cual es la mejor de todas según la medida Q (mínimo), si se cumplen las siguientes dos condiciones:
a) Ventaja aceptable. , donde y A(2) es la alternativa que ocupa la segunda posición en la lista ordenada por valor de Q.
b) Estabilidad aceptable en la decisión. La alternativa A(1) deberá ser también la mejor en las listas de S y/o R.
88
Si una de estas condiciones no se satisface, entonces se propone un conjunto de soluciones de compromiso, el cual consiste de:
c) Alternativa A(1) y A(2) si sólo la condición b no es satisfecha, o
d) Alternativas A(1), A(2),…, A(m) si la condición a) no se satisface. A(m) es determinada por la relación para máximo n.
Una vez seleccionadas las mejores alternativas se puede optar por refinar aún más las opciones con el fin de elaborar proyectos más realistas. Como proce-dimiento novedoso se propone para ENERSOS la elaboración de un algoritmo que encuentra todas las posibles combinaciones de las mejores alternativas recopiladas por el método anterior. Lo que se busca es obtener la combinación óptima mediante el uso de un método VIKOR modificado para resolver un pro-blema multiobjetivo sujeto a una restricción que para el desarrollo del caso es la potencia para cambiar la matriz energética.
3.3.4. Método VIKOR Multiobjetivo
El método VIKOR multiobjetivo (Heydari et al., 2010) se utiliza para determinar cuál es la mejor combinación para obtener una potencia eléctrica requerida con el fin de equilibrar la matriz energética, mediante el incremento de la participa-ción de las energías renovables. Para comenzar, se debe hacer un plantea-miento del problema multiobjetivo (Smith, R. et al., 2000), comenzando por las funciones objetivo, es decir, construir un conjunto de funciones que permitan describir las metas en distintos aspectos. Paso 1: Definición de Funciones Objetivo. Para este caso particular definimos las siguientes:
: Objetivo Económico: Menor inversión económica posible. : Objetivo Ambiental: Generar el menor impacto negativo sobre el
ambiente. Máximas emisiones de CO2 evitadas, mínimo uso del sue-lo.
: Objetivo Social: Otorgar el mayor beneficio posible a la comunidad.
Máximo número de empleos generados. En la descripción de las funciones objetivo se observan uno o más factores que influyen en el logro de estas metas. A estos factores se les llama atributos, y también se pueden expresar como funciones de la cantidad de unidades co-rrespondientes a cada alternativa:
89
Considere las funciones
y son funciones de , variables que expresan respectivamente el número de unidades de generación de las alternativas energéticas que se quieren implementar.
A su vez, las funciones objetivo son funciones de atributos, que también son
funciones de
Donde, : Inversión total por potencia instalada. Expresada en [$US/KW]. Se calcula mediante
y son los costos de inversión por KW correspondientes a las al-ternativas 1, 2 y 3 respectivamente.
y son las potencias estándar por unidad de generación de las alternativas 1, 2 y 3.
: Generación eléctrica. Expresada en [KWh/año]. Se calcula mediante
Donde y son las horas de operación al año multiplicadas por la capacidad instalada correspondientes a las alternativas 1, 2 y 3 respecti-vamente y expresadas en KWh/año.
: Total de emisiones de CO2 evitadas por año. Expresada en [Ton CO2/KW. Año]. Se calcula mediante
Donde y son las emisiones de CO2 evitadas por año corres-pondientes a las alternativas 1, 2 y 3 respectivamente.
90
: Total de hectáreas utilizadas por kW. Expresada en [Ha/kW]. Se cal-cula mediante
Donde y son las hectáreas utilizadas por KW correspondientes a las alternativas 1, 2 y 3 respectivamente.
: Total de empleos generados por kW. Expresada en [N° Emple-os/kW]. Se calcula mediante
Donde y son el número de empleos generados por KW corres-pondientes a las alternativas 1, 2 y 3 respectivamente.
Pasó 2: Definición de restricciones Como restricciones al problema se plantea lo siguiente:
a. La suma de las potencias de la cantidad de unidades de genera-ción de las distintas alternativas debe ser equivalente a la poten-cia requerida (ingresada por el planificador o usuario)
b. El número de unidades de generación de cada una de las alterna-
tivas, , debe ser un número entero positivo.
Pasó 3: Reconocimiento de Nuevas Alternativas
Del planteamiento Multiatributo se obtuvieron las tres alternativas más apropiadas; En el planteamiento Multiobjetivo se definirán las nuevas alter-nativas como cada una de las posibles combinaciones de las alternativas anteriores que cumplan con las restricciones previamente definidas. El algoritmo utilizado para generar dichas combinaciones consiste en in-gresar una restricción de potencia que limitará el resultado de las combina-ciones. Se comienza a dar valores a las tres variables y siempre que se termina una se verifica la condición. Si cumple se almacena en la matriz, sino el programa sigue con la siguiente combinación y así hasta que ya no encuentre más posibles combinaciones.
91
Pasó 4: Generación de matriz de pagos
Si equivale a la combinación de valores y equivale al Número de
combinaciones, o número de alternativas a evaluar, entonces la matriz de pagos (Fig. 10)se genera mediante la evaluación de cada alternativa en
cada función atributo La matriz queda de la siguiente forma:
Figura 10 .Matriz de Pagos VIKOR
Pasó 5: Ponderación de criterios AHP
Los criterios se encuentran clasificados en dos niveles como se muestra en la figura 11. El primero corresponde a los objetivos Económico, Ambiental y Social. El segundo corresponde a los atributos de los que depende cada objetivo.
Figura 11 .Criterios de Ponderación.
Para hacer la ponderación mediante AHP se comienza por hacer la compa-ración entre los elementos del nivel 1, es decir, entre funciones objetivo (Fig. 12).
92
Figura 12 .Ponderación AHP
Se sigue el mismo procedimiento ya indicado en el numeral 3.3.1 para hallar los pesos de los objetivos económico, ambiental y social. Teniendo el vector de pesos, pasamos a comparar al interior de cada objetivo; es decir, para el objetivo económico, compararemos el atributo 1 con el atributo 2, para el objetivo ambiental compararemos el atributo 3 con el atributo 4, y por último el social como sólo depende de un atributo queda con el peso correspondiente a este objetivo (Fig. 13).
Figura 13 .Ponderación AHP.
Así, se tendrán que llevar a cabo tres procedimientos diferentes de AHP: el primero para hallar los pesos relativos de cada objetivo; el segundo para hallar la importancia relativa de los atributos 1 y 2 dentro del objetivo 1; por último, el tercero es para hallar la importancia relativa de los criterios 3 y 4 dentro del objetivo 2 (Porciones del peso) (Yang & Shi, 2002).
Pasó 6: Aplicación del método VIKOR Para la aplicación del método multiobjetivo VIKOR procede a seguir los mismos pasos previstos en el apartado 3.3.1 para cada una de las combi- naciones encontradas mediante el algoritmo interno propuesto. El resultado que se espera es una lista ordenada de todas las combinaciones donde se indique cuales son las mejores según las preferencias del decisor.