Complexnetgis: a tool for the analysis of complex spatial networks, di Simone...
Analisi dei risultati di modelli di equilibrio parziale con tecniche statistiche multivariate, di Senatro Dileo
1. Analisi dei risultati di modelli di equilibrio parziale con tecniche statistiche multivariate S. Di Leo [email_address] Istituto di Metodologie di Analisi Ambientale CNR - Consiglio Nazionale delle Ricerche C.da S.Loja, Zona Industriale, I-85050 Tito Scalo (PZ), Italia Dipartimento di Ingegneria e Fisica dell’Ambiente Università degli studi della Basilicata Via dell’Ateneo 85100 Potenza, Italia
2.
3.
4.
5.
6. Principali caratteristiche - Integrazione di modelli alla scala nazionale guidati dalla domanda di beni e servizi basati su una struttura modulare comune che riproduce offerta e domanda (Produzione e Conversione Energetica, Generazione di Elettricità e Calore, Industria, Residenziale e Commerciale, Trasporti, Agricoltura) - Orizzonte temporale 2000-2050 suddiviso in 12 periodi di tempo di 5 anni ciascuno (ad eccezione del primo e del secondo, rispettivamente di durata un anno e due anni) - Consumi energetici iniziali calibrati sui bilanci nazionali Eurostat - Rappresentazione analitica delle emissioni dei principali gas serra e inquinanti a scala locale - Proiezione della domanda ed evoluzione dei parametri di scenario in accordo con i principali studi e modelli a scala europea (e.g. PRIMES, JRC-IPTS) Il modello TIMES- Pan EU: la struttura Il TIMES- Pan EU è un modello di equilibrio parziale multi-regione, sviluppato mediante il generatore ETSAP-TIMES, che integra i modelli energetici di 30 stati europei (EU 27 + CH, IS, NO) attraverso scambi di energia elettrica.
7.
8.
9.
10.
11. Applicazione delle tecniche multivariate Obiettivo: Confronto tra Nazioni per valutare a scala nazionale gli effetti di vincoli imposti a scala Pan-Europea Parametri considerati: Emissioni di CO 2 settoriali,Consumi energetici finali,(per scenario) Intervallo di tempo: 2000, 2020, 2050 Organizzazione dei dati di Output del modello TIMES - Pan EU in matrici Oggetti x Descrittori Cluster Analysis (CA) per analizzare la similarità tra gli oggetti Principal Component Analysis (PCA) per analizzare la correlazione tra i descrittori Interpretazione della struttura di correlazione Definizione di indicatori di sostenibilità
12.
13.
14. Procedura Metodologica: Analisi dei Cluster (2/5) Algoritmo di classificazione Non-supervisionato , gerarchico , agglomerativo . Metodo del legame completo dove la similarità tra due cluster C h e C k è definita come il massimo tra le combinazioni delle distanze tra ciascuna unità di C h e ciascuna unità di C k per
15. Grafico dei centroidi per l’interpretazione dei Cluster Procedura Metodologica: Analisi dei Cluster (3/5) Utilizzo di variabili esogene per interpretare i Cluster
16.
17. Procedura Metodologica: Analisi delle Componenti Principali (5/5) Il legame tra le variabili originarie (x 1 , x 2 ,…x n ) e le nuove variabili (a 1 , a 2 ,..a n ) è fornito dai coefficienti di loadings che forniscono il peso delle variabili originarie nel nuovo sistema di riferimento. Si risolve il problema degli autovalori e degli auto-vettori, individuando la % di varianza dei dati di partenza associata a ciascuna delle nuove componenti principali
18. Definizione di indici per l’aggregazione dei risultati dell’Analisi dei Cluster e della PCA L’indice NPCI ( N ormalized P rincipal C omponent I ndex) per il j-esimo descrittore attribuisce un peso a ciascun descrittore originario nel nuovo sistema di riferimento in funzione del contributo alle nuove componenti principali (PC), del rango e della varianza spiegata, relativi alla componente principale in cui il descrittore fornisce il contributo maggiore e della varianza totale. L’indice CI ( C luster I ndex) associa a ciascun cluster un peso sia in funzione della variazione percentuale dei descrittori rispetto al valore medio assunto per quel cluster (C qj ) sia del peso che ciascun descrittore ha nella struttura di correlazione (NPCI j ) n: numero di autovalori >0.5; V: varianza spiegata dagli auto-valori >0.5 P j è il contributo al descrittore delle PCs con auto-valori >0.5 r j è il rango della PC che fornisce il contributo maggiore P jmax è il contributo massimo della PC v j * varianza della PC che fornisce il contributo massimo
19. Definizione di indicatori di sostenibilità energetica Sicurezza nell’approvvigionamento energetico : L’indice IOC esprime il rapporto tra importazione netta e consumo totale dei prodotti petroliferi e permette di individuare la dipendenza dalle importazioni dei prodotti petroliferi di un Paese e valutare l'incidenza delle risorse nazionali, eventualmente presenti. L’indice IOT valuta la percentuale di utilizzo dei prodotti non petroliferi nel settore dei trasporti rispetto al consumo energetico totale del settore. Tale indice fornisce quindi la capacità di un Paese di ricorrere a combustibili alternativi. L’indice IEG esprime il rapporto tra importazione netta di gas naturale e il suo consumo totale. Permette di individuare la dipendenza di un Paese dall'Estero per quanto riguarda l'approvvigionamento di gas. Gli indicatori di sostenibilità energetica , ad integrazione delle tecniche di analisi statistica multivariata, permettono di completare l’analisi dei risultati dei modelli di equilibrio parziale, fornendo informazioni sull’andamento di alcuni parametri chiave sia lungo l'orizzonte temporale che nei diversi scenari di sviluppo del sistema. Sono stati elaborati otto indicatori di sostenibilità energetica , con particolare riferimento alla valutazione a scala nazionale
20. Definizione di indicatori di sostenibilità energetica Produzione di energia elettrica dalle fonti rinnovabili: L’indice IER esprime il rapporto tra produzione energia elettrica dalle fonti rinnovabili rispetto al consumo lordo di energia elettrica totale, che tiene conto tra l'altro delle perdite di linea, delle perdite nelle pompe e dell'esportazione di elettricità. Tale indicatore fornisce indicazioni sulla capacità di uno Stato di produrre energia elettrica dalle fonti rinnovabili. L’indice ICO 1 esprime il rapporto tra il quantitativo di emissioni di CO 2 ottenute dal settore per la produzione di energia elettrica e l'energia elettrica prodotta. L’indice ICO 2 esprime il rapporto tra il quantitativo di emissioni di CO 2 emesse dai settori di domanda di uso finale e il consumo finale di tutti i vettori energetici. Cambiamenti climatici: L’indice IEEA esprime, per ciascun stato, il rapporto tra il consumo finale di tutti i vettori energetici e la popolazione. Tale indicatore permette di valutare l'efficienza dell'insieme delle tecnologie nel consumo di energia. L’indice IEEP esprime il rapporto tra il consumo di elettricità e la variazione percentuale del prodotti interno lordo nazionale, correlando in tal modo il consumo di elettricità all'andamento dell'economia nazionale. Efficienza energetica:
21. Risultati Analisi dei Cluster : Emissioni di CO 2 per abitante – 2050 (1/3) Scenario BAU Scenario 450ppm Scenario EXT Scenario OLGA
22. Risultati Analisi dei Cluster : Emissioni di CO 2 per abitante – Anno 2050 (2/3) Scenario BAU Scenario 450_ppm Scenario OLGA Scenario EXT
23. Risultati PCA – NPCI – CI: Emissioni di CO 2 per abitante – Anno 2050 (3/3) NPCI CI 89.5% 61.9% 79.9% 78.4%
24. Indicatori di sostenibilità energetica – Indice ICO 1 - Utilizzo di carbone per produzione elettricità 75% Prodotti Petroliferi Utilizzo di carbone per produzione elettricità 95% Gas naturale
32. Ringraziamenti Il lavoro è stato svolto presso il CNR-IMAA nell’ambito delle attività del dottorato di ricerca in “Metodi e tecnologie per il monitoraggio ambientale" XXII Ciclo - Università degli Studi della Basilicata. Si ringrazia la prof. Marinella Ragosta per il prezioso contributo scientifico.
33.
Notas do Editor
È ormai noto come le problematiche connesse alla produzione e al consumo di energia hanno ripercussioni sull’ambiente sia a scala locale che a scala globale e che queste relazioni siano caratterizzate da una notevole complessità e dinamicità. Un filone di ricerca focalizza il proprio interesse sulla Un aspetto fondamentale è mettere a punto metodiche per … … .. Vedi AIE… Energy oulook, Energy Technology perspective
Prof. Vincenzo Cuomo Un punto fondamentale per la definizione di strategie operative è l’individuazione delle variabili chiave del sistema, a cui risponde parzialmente l’analisi post-ottimale e può invece contribuire notevolmente l’utilizzo di procedure statistiche
L’aspetto innovativo che si presenta con questo lavoro è l’utilizzo abbinato di queste due tecniche fondamentali per l’analisi delle variabili antropiche e ambientali, tipicamente utilizzati in contesti diversi, valorizzandone le potenzialità attraverso la loro integrazione
A typical MARKAL model consists of 4,000 to 6,000 variables and a comparable number of equations. Sono modelli complessi. Forniscono una rappresentazione tecnologicamente orientata con un elevato livello di dettaglio in termini di combustibili e tecnologie utilizzati lungo l’orizzonte temporale definito dall’utente Esempi... Nucleare...
Fornire una piattaforma modellistica all’UE per la valutazione delle politiche energetico-ambientali e delle ricadute a scala nazionale (attuazione del pacchetto energia 20/20/20 come avvenuto nel progetto RES2020) Proiezione della domanda effettuata in base a parametri macroeconomici e tecnici (Popolazione, PIL, parametri climatici, etc)
La notevole quantità di dati in output dai modelli di equlibrio parziale è di difficile lettura per l’utente e non è valorizzata adeguatamente. Tipicamente essi vengono aggregati in tabelle standard e analizzati secondo criteri di lettura individuati dalle finalità dell’analisi post-ottimale. In questo lavoro è stata applicata la metodologia di analisi ai risultati del modello Pan Europeo per effettuare un confronto tra i Paesi.
Anche per escludere che i risultati dipendessero dalle variabili esogene
L’applicazione della CA ha permesso di evidenziare il comportamento delle diverse nazioni in risposta a vincoli energetici ed ambientali a scala Pan EU e di identificare pertanto le aree omogenee per l’applicazione di target differenziati e strategie specifiche La PCA e l’utilizzo di indici aggregati invece hanno messo in luce il ruolo dei diversi descrittori (combustibili e emissioni settoriali) evidenziando per nazione i punti di forza e di debolezza della configurazione del SE e dal suo sviluppo nei diversi scenari