SELVA Progetto di Ricerca WP4 Analisi dello scenario energetico

Transcript

1

2 Nome File: SELVA_WP4.docx Pagina 2 di 59 Abstract Development of integrated strategies for the production of energy from biomass plants in the Rieti Territory and its impact on air quality. Within the project a census on the short- and medium-term availability of wood biomass was carried out, using next-generation technologies and ecological models. The study consisted in an analysis of the targeted territory, including biomass availability, logistics, energy needs and regulatory issues. A small scale biomass plant was designed and installed, and its impact on air quality was assessed. The impact of the project is the introduction and deployment of systems for heat and power generation from biomass, as well as an impact analysis of such plants on air quality by drawing different scenarios. Key words: biomass, waste, GIS, energy

3 Nome File: SELVA_WP4.docx Pagina 3 di 59 INDICE: 1 Premessa Obiettivi del progetto SELVA Struttura del Progetto Struttura del WP WP4.1-Raccolta di dati storici Raccolta ed elaborazione dati storici ( ) sui consumi per macrosettore a livello Nazionale, Regionale e Provinciale Raccolta ed elaborazione dati storici ( ) sui consumi per il settore Terziario a livello Nazionale, Regionale e Provinciale Raccolta ed elaborazione dati storici ( ) sui consumi per il settore Industriale a livello Nazionale, Regionale e Provinciale Raccolta ed elaborazione dati storici sui Consumi finali di energia per macrofonte energetica (combustibili solidi, petrolio, Gas naturale, Rinnovabili, Energia elettrica), totali e per settore (Agricoltura, industria, trasporti, residenziale, servizi) Consumi totali Consumi Per settore Raccolta ed elaborazione dati storici (confronto 2005 e 2008) sulla produzione di energia da fonti rinnovabili (idraulica, geotermica, eolica, solare, da biomasse, da rifiuti e biogas) a livello Nazionale e Regionale Raccolta ed elaborazione dati storici sulla Produzione interna di energia primaria (combustibili solidi, petrolio, Gas naturale, Rinnovabili) Analisi Deficit/superi di energia (trend ) a livello Nazionale e Regionale Raccolta ed elaborazione dati storici sulle Risorse interne di energia primaria (combustibili solidi, petrolio, Gas naturale, Rinnovabili, Energia elettrica) WP 4.2 Censimento delle sorgenti energetiche all'interno dell'area di interesse Analisi situazione Impianti al 31/12/2010 a livello nazionale e regionale Censimento impianti da fonti rinnovabili installati a livello Nazionale e Regionale ITALIA LAZIO Censimento impianti di riscaldamento per tipologia a livello Provinciale e Comunale (Leonessa) WP 4.3 Scelta del modello per l'analisi degli scenari energetici Studio dello stato dell arte e censimento modelli disponibili... 32

4 Nome File: SELVA_WP4.docx Pagina 4 di Classificazione dei modelli energetici Censimento dei modelli energetici Scelta del Modello Long Range Energy Alternatives Planning - LEAP... 50

5 Nome File: SELVA_WP4.docx Pagina 5 di 59 INDICE DELLE TABELLE Tabella 1: Modelli analizzati... 50

6 Nome File: SELVA_WP4.docx Pagina 6 di 59 INDICE DELLE FIGURE: Figura 1 Consumi energetici in provincia di Rieti nel periodo in Mln di kwh Figura 2 - Consumi energetici nella Regione Lazio nel periodo espressi in Mln di kwh Figura 3 - Consumi energetici in Italia nel periodo espressi in Mln di kwh Figura 4 - Consumi energetici per il settore terziario in provincia di Rieti espresso in Mln di kwh Figura 5 - Consumi energetici per il settore terziario in provincia di Rieti espresso in Mln di kwh Figura 6 - Consumi energetici per il settore terziario in Italia espresso in Mln di kwh Figura 7 - Consumi energetici per il settore industriale nella provincia di Rieti espresso in Mln di kwh Figura 8 - Consumi energetici per il settore industriale nella Regione Lazio espresso in Mln di kwh Figura 9 - Consumi energetici per il settore Figura 10 Consumi finali di energia per macrofonte energetica in Italia espressi in Mtep Figura 11 - Consumi finali di energia per macrofonte energetica nel Lazio espressi in Mtep Figura 12 Consumi finali di energia per macrofonte in agricoltura espressi in Mtep Figura 13 - Consumi finali di energia per macrofonte nell industria espressi in Mtep Figura 14 - Consumi finali di energia per macrofonte nei trasporti espressi in Mtep Figura 15 - Consumi finali di energia per macrofonte nel settore residenziale espressi in Mtep Figura 16 - Consumi finali di energia per macrofonte nel comparto servizi espressi in Mtep Figura 17 - Produzione di energia da fonti rinnovabili in Italia espresso in Mtep Figura 18 - Produzione di energia da fonti rinnovabili nel Lazio espresso in Mtep Figura 19 Produzione interna di energia primaria in Italia espressa in Mtep Figura 20 - Produzione interna di energia primaria nel Lazio espressa in Mtep Figura 21 Analisi deficit/superi di energia in Italia Figura 22 - Analisi deficit/superi di energia nel Lazio Figura 23 Risorse interne di energia primaria in Italia espresse in Mtep Figura 24 - Risorse interne di energia primaria nel Lazio espresse in Mtep Figura 25 - Situazione degli impianti da fonti rinnovabili installati in Italia al Figura 26 - Situazione degli impianti da fonti rinnovabili installati nel Lazio al Figura 27 Numero di impianti da fonti rinnovabili installati in Italia al Figura 28 Numero di impianti da fonti rinnovabili installati in Italia al Figura 29 Impianti di riscaldamento per tipologia in provincia di Rieti Figura 30 - Impianti di riscaldamento per tipologia nel comune di Leonessa Figura 31 - Funzioni e caratteristiche di uno scenario energetico Figura 32: Caratteristiche auspicabili per lo scenario Figura 33: Tipologie di modelli Figura 34: Tipologie di scenari energetici valutabili Figura 35: schema del sistema di calcolo di LEAP Figura 36: Finestra per la gestione dell'analisi di scenario Figura 37: Visualizzazione delle analisi in LEAP Figura 38: Tutorial serie temporali di LEAP Figura 39: Finestra di visualizzazione dei risultati in LEAP... 57

7 Nome File: SELVA_WP4.docx Pagina 7 di 59 Figura 40: Finestra per i bilanci di energia in LEAP Figura 41: Schermata del TED-Techniology and Environmental Database... 59

8 Nome File: SELVA_WP4.docx Pagina 8 di 59 1 Premessa Selva è un progetto del CNR-IIA, finanziato dalla Regione Lazio tramite la Convenzione tra Regione Lazio e CNR-IIA stipulata il 30/09/2009 Reg. Cron del 20/10/2009 Sviluppo di strategie integrate per la produzione di energia da impianti a biomasse nel Territorio del Reatino e sue ricadute sulla qualità dell aria Il progetto vuole rispondere agli obiettivi in materia stabiliti dalla Regione Lazio. In particolare è stato realizzato un censimento sulla disponibilità di biomassa a breve e medio termine utilizzando tecnologie di nuova generazione (telerilevamento mediante sensori iperspettrali ad alta risoluzione) e modelli ecologici. Si è proceduto inoltre con un analisi territoriale e di fabbisogno energetico per stabilire introduzione e dislocazione di impianti per la generazione di calore ed energia da biomasse si è avviato inoltre un analisi dell impatto di tali impianti sulla qualità dell aria disegnando differenti scenari. Nel corso del progetto inoltre si è proceduto con il dimensionamento e la realizzazione di un impianto pilota di piccola taglia a biomasse, nel quale saranno inoltre eseguiti numerosi studi circa le emissioni derivanti. I risultati del progetto sono stati inoltre presentati in convegni e i dati sono stati oggetti di pubblicazioni scientifiche. 1.1 Obiettivi del progetto SELVA Il progetto Selva è stato sviluppato al fine di realizzare i seguenti obiettivi: 1. Analisi dettagliata della disponibilità di biomassa presente sul territorio della Provincia di Rieti; 2. Analisi dettagliata della condizione della viabilità presenta nella Provincia di Rieti; 3. Analisi delle attività antropiche e dei nuclei residenziali nella Provincia di Rieti; 4. Dimensionamento di impianto tipo trasportabile presso l area della ricerca del CNR; 5. Esecuzione di campagne di monitoraggio finalizzate all analisi delle emissioni dall impianto a biomasse al variare delle tipologia di combustibile e dei sistemi di abbattimento disponibili sul mercato; 6. Analisi dei vantaggi economici e sanitari relativi all introduzione di impianti a biomasse nel territorio; 7. Analisi degli effetti ambientali connessi con un utilizzo differenziato delle fonti energetiche nel territorio della Regione; 8. Definizione ed analisi degli scenari di qualità dell aria; 9. Definizione ed analisi dello scenario energetico; 10. Implementazione sito WEB e WEBGIS con integrato uno strumento di supporto alle decisioni ed alla valutazione; 11. Supporto nella progettazione per la ricerca fondi Comunitari sulle fonti rinnovabili; 12. Sviluppo di innovative metodiche per il controllo delle emissioni da impianti a biomassa e sistemi per la riduzione delle emissioni.

9 Nome File: SELVA_WP4.docx Pagina 9 di Struttura del Progetto Il Progetto è suddiviso in 8 Work Package (WP): WP-1: Raccolta delle informazioni sulla disponibilità di biomasse WP-2: Analisi delle filiere biomassa-calore e biomassa-energia WP-3: Individuazione dei siti di dislocazione degli impianti WP-4: Analisi dello scenario energetico WP-5: Analisi degli scenari di qualità dell aria WP-6: Installazione di tecnologie di monitoraggio dell inquinamento WP-7: Progettazione Impianto di biomasse sul territorio della Provincia di Rieti ed installazione impianto WP-8: Coordinamento dell attività e diffusione del progetto

10 Nome File: SELVA_WP4.docx Pagina 10 di 59 2 Struttura del WP4 L analisi economica di dettaglio relativa a uno scenario energetico per la Regione Lazio basato sulla diversificazione delle fonti di energia (solare, biomassa, fossili, gas naturale, geotermico, etc.) verrà eseguita prendendo in considerazione gli scenari di sviluppo socio-economici. L andamento del fabbisogno energetico, sia elettrico che di calore, per i differenti settori (domestico, commerciale ed industriale) costituirà la base per la programmazione della produzione energetica e per la pianificazione degli impianti di produzione da avviare/progettare. L'analisi dello scenario energetico rappresenta una attività fondamentale per la comprensione delle dinamiche energetiche all'interno dell'area di interesse e per la programmazione delle attività relative sia al progetto che allo sviluppo sostenibile della regione analizzando nel dettaglio sia il trend di crescita sia i fattori che possono influire sullo stesso trend. Rappresenta, inoltre, un atto dovuto per l'impostazione della politica energetica, assistendo i policy makers nel prendere le decisioni relative alle conseguenze sul lungo periodo. L'elaborazione di scenari per la politica energetica richiede la comprensione della natura complessa del sistema energetico e di come i diversi fattori siano legati tra loro da nessi di azione e controazione. L'analisi dello scenario energetico richiede il cosiddetto E3 (Energy, Environment, Economy) supportato da un adeguato modello matematico con un buon dettaglio tecnologico della situazione in esame. La metodologia deve tenere conto delle interrelazioni esistenti tra sistema energetico, sistema economico e ambiente, permettendo di valutare possibilità e dimensione di un disaccoppiamento tra crescita economica, domanda di energia ed emissioni. E' necessario tener conto di fattori economici, ambientali, tecnologici; tra cui, ad esempio: cambiamenti nel sistema energetico (esogeni o indotti da politiche); variazioni dei prezzi dell energia; risposta della domanda di energia ai prezzi (conservazione, aumento, rebound); riallocazione delle risorse nell intero sistema economico; effetti sulla formazione del capitale e la crescita economica; effetti sul livello dell attività economica, sul mix di energia e sulle emissioni; la dinamica del progresso tecnologico; la possibilità di sostituzione della fonte energetica; la popolazione e la disponibilità di energia; intervallo di tempo dello scenario. Attività previste: WP 4.1 Raccolta dati storici consumi energetici WP 4.2 Censimento delle sorgenti energetiche all'interno dell'area di interesse

11 Nome File: SELVA_WP4.docx Pagina 11 di 59 WP 4.3 Scelta del modello per l'analisi degli scenari energetici WP 4.4 Definizione scenari energetici WP 4.5 Analisi degli scenari WP 4.6 Redazione rapporto finale WP4 Attività implementate: WP 4.1 Raccolta dati storici consumi energetici WP 4.2 Censimento delle sorgenti energetiche all'interno dell'area di interesse WP 4.3 Scelta del modello per l'analisi degli scenari energetici

12 Nome File: SELVA_WP4.docx Pagina 12 di 59 3 WP4.1-Raccolta di dati storici 3.1 Raccolta ed elaborazione dati storici ( ) sui consumi per macrosettore a livello Nazionale, Regionale e Provinciale La raccolta dei dati storici nell intervallo temporale è stata realizzata analizzando le seguenti fonti: Mise 1, Terna 2, Istat 3, Regione Lazio 4, Provincia di Rieti 5 ed Enea 6, e considerando tre livelli: nazionale, regionale e provinciale (dati relativi alla provincia di Rieti). I marco settori considerati sono i seguenti: Domestico; Terziario; Industria; Agricoltura. Come si evince da Figura 1, Figura 2 e Figura 3 l agricoltura è il settore con un impatto quasi nullo sull utilizzo energetico se comparato agli altri tre, con differenze di almeno due ordini di grandezza. L andamento generale del consumo energetico è comparabile tra regione Lazio ed il nazionale, con un incremento tra il 2006 ed il 2008, ed una leggera decrescita nel Per quanto riguarda la provincia di Rieti, invece, l incremento lo si può notare tra il 2003 ed il 2005, per poi calare dal Considerando i singoli settori, è evidente come l importanza degli stessi, ed il conseguente consumo di energia, sia differente a seconda del contesto considerato. Le utenze domestiche ne sono un esempio: mostrano infatti differenze notevoli (nella provincia di Rieti è il settore col consumo maggiore, nella regione Lazio è superato dal terziario, in Italia è inferiore dagli altri due settori) ma mostrano comunque un andamento simile, con un leggero ma constante incremento, su tutti i livelli. 1 Ministero per lo Sviluppo Economico, "Bilancio Energetico Nazionale 2008" 2 Terna, "Dati statistici sull'energia elettrica in Italia", 3 Istat, "Bilancio energetico", 4 Regione Lazio, "Piano Energetico Regionale del Lazio e relativo Piano d Azione 2008" 5 Agenzia Territoriale Energia ed Ambiente Provincia di Rieti, "Piano energetico Provinciale " 6 Enea 2008, "LE FONTI RINNOVABILI Ricerca e innovazione per un futuro low carbon", ISBN

13 Nome File: SELVA_WP4.docx Pagina 13 di 59 L industria ha risentito molto della crisi, riscontrando dei cali drastici sul consumo di energia dal ; nel caso della provincia di Rieti questo è avvenuto addirittura in anticipo, con un primo abbassamento dei consumi già dal Il settore terziario, al contrario, dimostra come il consumo sia andato sempre in crescendo, con un picco nella provincia di Rieti proprio a partire dal 2006, e dall anno successivo anche nella regione Lazio. 600,00 500,00 400,00 300,00 200,00 100,00 0,00 Provincia di RIETI 200,00 180,00 160,00 140,00 120,00 100,00 80,00 60,00 40,00 20,00 0, Figura 1 Consumi energetici in provincia di Rieti nel periodo in Mln di kwh , , ,00 Regione LAZIO , , , , , ,00 0, , ,00 0, Figura 2 - Consumi energetici nella Regione Lazio nel periodo espressi in Mln di kwh

14 Nome File: SELVA_WP4.docx Pagina 14 di ITALIA Figura 3 - Consumi energetici in Italia nel periodo espressi in Mln di kwh 3.2 Raccolta ed elaborazione dati storici ( ) sui consumi per il settore Terziario a livello Nazionale, Regionale e Provinciale Specificatamente al settore terziario, mostrato in Figura 4, Figura 5 e Figura 6, l analisi dei dati storici si è focalizzata differenziando servizi vendibili e non vendibili: rientrano tra i primi trasporti, comunicazioni, commercio, alberghi ristoranti e bar, credito ed assicurazioni, ed altri servizi vendibili. Nel secondo gruppo annoveriamo la pubblica amministrazione, l illuminazione pubblica, oltre ad altri servizi non vendibili. Come già citato in precedenza, il settore terziario ha mantenuto, nel periodo considerato, un aumento costante nell utilizzo energetico rintracciabile nei diversi livelli, visibile maggiormente nell andamento dei consumi relativi ai servizi vendibili. Tra quelli non vendibili, tuttavia, si registrano dei cali di consumo nel 2005 e 2007 in Italia e nella regione Lazio, mentre la provincia di Rieti riporta una diminuzione dei consumi solo nel 2007.

15 Nome File: SELVA_WP4.docx Pagina 15 di ,00 180,00 160,00 140,00 120,00 100,00 80,00 60,00 40,00 20,00 0,00 Provincia di RIETI 140,00 120,00 100,00 80,00 60,00 40,00 20,00 0, Figura 4 - Consumi energetici per il settore terziario in provincia di Rieti espresso in Mln di kwh , , , , , ,00 0,00 Regione LAZIO , , , , , , , , , ,00 0, Figura 5 - Consumi energetici per il settore terziario in provincia di Rieti espresso in Mln di kwh

16 Nome File: SELVA_WP4.docx Pagina 16 di , , , , , ,00 0,00 ITALIA , , , , , , , ,00 0, Figura 6 - Consumi energetici per il settore terziario in Italia espresso in Mln di kwh 3.3 Raccolta ed elaborazione dati storici ( ) sui consumi per il settore Industriale a livello Nazionale, Regionale e Provinciale I comparti del settore industriale sono stati suddivisi in quattro categorie: Manifatturiera di base: Siderurgica, Metalli non Ferrosi, Chimica, Materiali da costruzione, Cartaria; Manifatturiera non di base: Alimentare, Tessile abbigliamento e calzature, Meccanica, Mezzi di Trasporto, Lavorazione Plastica e Gomma, Legno e Mobilio, Altre Manifatturiere; Costruzioni; Energia ed Acqua: Estrazione Combustibili, Raffinazione e Cokerie, Elettricità e Gas, Acquedotti. Risulta evidente (Figura 7, Figura 8, Figura 9) che le costruzioni rappresentano una parte molto marginale nei consumi energetici; per quel che riguarda le altre categorie, la situazione nazionale e regionale vanno di pari passo: il settore manifatturiero di base è quello più energivoro, seguito da quello sempre manufatturiero ma non di base e, a distanza, da energia ed acqua. Ciò che è evidente è il calo drastico nei consumi per i primi due gruppi a partire dal 2008 e con tonfo nel

17 Nome File: SELVA_WP4.docx Pagina 17 di Evidentemente la crisi ha giocato un ruolo fondamentale. Nel reatino la situazione si presenta leggermente differente: innanzitutto i consumi più elevati sono appannaggio del settore manifatturiero ma non di base, che registra il decremento netto a partire dal 2005; i restanti gruppi registrano usi molto minori di energia, e dai dati non si evidenzia un netto calo dei consumi negli anni centrali della crisi economica, bensì una graduale diminuzione RIETI Figura 7 - Consumi energetici per il settore industriale nella provincia di Rieti espresso in Mln di kwh LAZIO Figura 8 - Consumi energetici per il settore industriale nella Regione Lazio espresso in Mln di kwh

18 Nome File: SELVA_WP4.docx Pagina 18 di ITALIA Figura 9 - Consumi energetici per il settore 3.4 Raccolta ed elaborazione dati storici sui Consumi finali di energia per macrofonte energetica (combustibili solidi, petrolio, Gas naturale, Rinnovabili, Energia elettrica), totali e per settore (Agricoltura, industria, trasporti, residenziale, servizi) Considerando i consumi finali di energia per macrofonte energetica, come emerge dai dati prodotti dall Agenzia Nazionale per le nuove tecnologie, l'energia e lo sviluppo economico sostenibile (ENEA, Figura 10 e Figura 11), si può notare come in Italia le fonti principali siano petrolio e gas naturale, sebbene tra 2005 e 2008 si noti un calo; subito dietro troviamo l energia elettrica, mentre combustibili solidi e rinnovabili risultano essere molto poco utilizzate. Il trend che si nota è una diminuzione, tra 2005 e 2008, di praticamente tutte le macrofonti energetiche, ad eccezione dell energia elettrica che registra un leggero aumento. Differente è la situazione a livello regionale: il petrolio rimane di gran lunga la fonte di energia più utilizzata, con distacco rispetto alle altre; seguono gas naturale ed energia elettrica, su livelli simili, ma meno della metà rispetto alla precedente. Le rinnovabili vengono utilizzate per una piccola percentuale, e ancor meno troviamo l uso di combustibili fossili. Nel confronto tra i due periodi considerati petrolio, energia elettrica e combustibili solidi registrano un leggero incremento (con le dovute proporzioni), mentre per gas naturale e rinnovabili si può notare un calo di utilizzo Consumi totali

19 Nome File: SELVA_WP4.docx Pagina 19 di 59 Figura 10 Consumi finali di energia per macrofonte energetica in Italia espressi in Mtep Figura 11 - Consumi finali di energia per macrofonte energetica nel Lazio espressi in Mtep Analizzando i singoli settori, la situazione si presenta molto interessante ed eterogenea: in Agricoltura (Figura 12), ad esempio, il petrolio rimane la fonte maggiormente utilizzata, seguita dall energia elettrica, e in misura minore dal gas naturale. Non appaiono consumi da combustibili solidi e da energie rinnovabili; nell Industria (Figura 13) i consumi sono maggiormente distribuiti tra le macrofonti in esame, ad eccezioni delle rinnovabili che risultano utilizzate in maniera minore;

20 Nome File: SELVA_WP4.docx Pagina 20 di 59 nel settore dei Trasporti (Figura 14) i combustibili solidi la fanno da padrone, seguiti da gas naturale ed in percentuale minore dal petrolio; per quanto riguarda il comparto residenziale (Figura 15)i consumi risultano distribuiti tra gas naturale, energia elettrica, petrolio e rinnovabili. I combustibili solidi; infine, nel settore dei Servizi (Figura 16), le fonti principali risultano gas naturale ed energia elettrica, ma anche il petrolio. Per quel che riguarda le rinnovabili abbiamo dati di una piccola percentuale solo per il contesto nazionale, mentre non risultano utilizzi di combustibili solidi Consumi Per settore Figura 12 Consumi finali di energia per macrofonte in agricoltura espressi in Mtep Figura 13 - Consumi finali di energia per macrofonte nell industria espressi in Mtep

21 Nome File: SELVA_WP4.docx Pagina 21 di 59 Figura 14 - Consumi finali di energia per macrofonte nei trasporti espressi in Mtep Figura 15 - Consumi finali di energia per macrofonte nel settore residenziale espressi in Mtep Figura 16 - Consumi finali di energia per macrofonte nel comparto servizi espressi in Mtep

22 Nome File: SELVA_WP4.docx Pagina 22 di Raccolta ed elaborazione dati storici (confronto 2005 e 2008) sulla produzione di energia da fonti rinnovabili (idraulica, geotermica, eolica, solare, da biomasse, da rifiuti e biogas) a livello Nazionale e Regionale I grafici in Figura 17 e Figura 18 illustrano la situazione relativa al confronto negli anni tra il 2005 ed il 2008 della produzione di energia da fonti rinnovabili in Italia e nella regione Lazio. Risulta evidente come alcuni trend siano simili, ad esempio la netta prevalenza di energia prodotta da fonti idrauliche, seguite da rifiuti e biogas. In realtà, però, scendendo ad un livello maggiore di dettaglio, si nota come a livello nazionale la produzione di energia da fonti idrauliche sia aumentata nell intervallo considerato, mentre quella da rifiuti e biogas sia diminuita. Esattamente all opposto di quanto è avvenuto nel Lazio. Opposte anche le letture sul fronte biomasse: sebbene in entrambi i casi i dati dimostrino uno sviluppo non eccessivo dell utilizzo di questa fonte, in Italia si registra un aumento, mentre nel Lazio si riscontra una diminuzione di produzione. Sul fronte eolico nel Lazio la seppur minima produzione rimane stabile, mentre in Italia abbiamo un incremento. Infine, per quel che riguarda geotermia e solare, mentre in Italia registriamo piccoli aumenti di produzione nel Lazio non abbiamo dati a supporto. In generale possiamo constatare come mentre a livello nazionale si registra un incremento delle produzioni dalle diverse fonti di energia rinnovabile, l andamento nella regione Lazio è altalenante, in alcuni casi la produzione è in aumento ed in altri in diminuzione ITALIA Idraulica Geotermia Eolica Solare Biomasse Rifiun e Biogas Figura 17 - Produzione di energia da fonti rinnovabili in Italia espresso in Mtep

23 Nome File: SELVA_WP4.docx Pagina 23 di LAZIO Idraulica Geotermia Eolica Solare Biomasse Rifiun e Biogas Figura 18 - Produzione di energia da fonti rinnovabili nel Lazio espresso in Mtep 3.6 Raccolta ed elaborazione dati storici sulla Produzione interna di energia primaria (combustibili solidi, petrolio, Gas naturale, Rinnovabili) La produzione interna di energia primaria viene calcolata in milioni di tonnellate di petrolio equivalenti (Mtep); nella Figura 19 e Figura 20 possiamo valutare l evoluzione della produzione interna di energia da fonti primarie, nel contesto nazionale e regionale. In Italia, tra il 2005 ed il 2008, si nota un incremento delle fonti di energia rinnovabili, settore col maggior numero di Mtep prodotti, mentre è evidente un calo di utilizzo di gas naturale e petrolio. Per quel che riguarda i combustibili fossili, seppur utilizzati in piccola percentuale, abbiamo un sostanziale equilibrio. Nel Lazio notiamo i dati a disposizione siano pochi, ed evidenzino un calo sia delle energie rinnovabili che del petrolio. Su combustibili solidi e gas naturale non ci sono evidenze.

24 Nome File: SELVA_WP4.docx Pagina 24 di 59 Figura 19 Produzione interna di energia primaria in Italia espressa in Mtep Figura 20 - Produzione interna di energia primaria nel Lazio espressa in Mtep 3.7 Analisi Deficit/superi di energia (trend ) a livello Nazionale e Regionale Nelle figure 21 e 22 si può constatare la situazione deficit/superi in Italia e nella regione Lazio nel periodo Si tratta del trend del confronto tra la richiesta e la produzione di energia a livello nazionale e regionale negli ultimi 40 anni. E evidente come nel contesto nazionale la richiesta di energia cresca in maniera esponenziale fino almeno al 2008, anno di inizio della crisi. Dagli inizi degli anni 80 anche il deficit inizia ad aumentare in maniera evidente, fino ad assestarsi da metà anni 90 ad oltre il 10%, e restare costante fino al termine dello studio.

25 Nome File: SELVA_WP4.docx Pagina 25 di 59 Diversa è la situazione nel contesto regionale del Lazio, dove se è vero che la richiesta ha un trend crescente almeno fino al , il rapporto defiict/superi è altalenante: a metà anni 70 la produzione di energia è superiore alla richiesta, salvo poi ribaltarsi per un quinquennio ad inizi anni 80, per poi ritornare ad una produzione maggiore, e di molto (intorno al 30% in più a cavallo del 2000), fino al Negli ultimi anni dello studio c è un netto aumento del deficit fino a giungere, negli anni della crisi ( ), ad un 40%. ITALIA Figura 21 Analisi deficit/superi di energia in Italia LAZIO Figura 22 - Analisi deficit/superi di energia nel Lazio

26 Nome File: SELVA_WP4.docx Pagina 26 di Raccolta ed elaborazione dati storici sulle Risorse interne di energia primaria (combustibili solidi, petrolio, Gas naturale, Rinnovabili, Energia elettrica) La situazione mostrata in Figura 23 e Figura 24 delle risorse interne di energia primaria in Italia e nel Lazio, nel periodo di riferimento , è sostanzialmente molto simile: per tutte le fonti considerate (combustibili fossili, petrolio, gas naturale, rinnovabili, energia elettrica) i dati mostrano un calo (nella maggioranza dei casi) o un equilibrio, raramente un incremento. Infatti, considerando i totali, in Italia nel triennio si evince una diminuzione di circa Mtep, e nel Lazio di Mtep. Come può essere notato, a fronte di un calo della produzione totale (legato principalmente a una diminuzione nel consumo di petrolio) la produzione di energia da fonti rinnovabili si è mantenuta pressoché costante: come conseguenza, il contributo percentuale delle rinnovabili alla produzione energetica nazionale è significativamente aumentato. Considerando il 2008, l analisi dei dati mostra come la situazione della Regione Lazio mostri un importante potenziale di miglioramento. Infatti, mentre sulla media nazionale le rinnovabili rappresentano il 7,5 % delle risoprse interne, nel Lazio il contributo delle rinnovabili scende al 4.6 %. Un incremento delle risorse rinnovabili laziali si tradurrebbe dunque in un significativo miglioramento della situazione energetica nazionale, considerando che nel Lazio sono presenti il 4,3 % delle risorse energetiche nazionali totali Risorse interne di energia primaria in Italia (Mtep) Combustibili Solidi Petrolio Gas Naturale Rinnovabili Energia Elettrica Totale Figura 23 Risorse interne di energia primaria in Italia espresse in Mtep

27 Nome File: SELVA_WP4.docx Pagina 27 di 59 Risorse interne di energia primaria nel Lazio Combustibili Solidi Petrolio Gas Naturale Rinnovabili Energia Elettrica Totale Figura 24 - Risorse interne di energia primaria nel Lazio espresse in Mtep 4 WP 4.2 Censimento delle sorgenti energetiche all'interno dell'area di interesse 4.1 Analisi situazione Impianti al 31/12/2010 a livello nazionale e regionale Le successive figure mostrano nel dettaglio la situazione degli impianti di produzione energetica da fonti rinnovabili al termine del 2010, in Italia e nel Lazio. In entrambe le figure, sono stati distinti i contributi degli impianti idroelettrici, fotovoltaici, eolici e basati sulle bioenergie. Un raffronto tra le due figure permette di comprendere le peculiarità della Regione considerata rispetto alla media nazionale. In particolare, in entrambi i casi gli impianti idroelettrici contribuiscono da soli per più della metà della produzione di energia, ma si può notare una marcata diffrenza nel contributo relativo degli impianti eolici: sulla media italiana, essi rappresentano infatti il secondo contributo alle rinnovabili (17.3%), mentre nel Lazio sono praticamente ininfluenti (1.2%). Come conseguenza, la produzione di energia da fonti rinnovabili nel Lazio si caratterizza per un maggiore contributo del fotovoltaico e delle bioenergie. In particolare, gli impianti basati sulle bioenergie rappresentano nel Lazio il 16.4 % dell intera potenza efficiente lorda da rinnovabili: tale contributo è pari a più del doppio rispetto alla media nazionale, che si attesta al 7,0 %.

28 Nome File: SELVA_WP4.docx Pagina 28 di 59 L apporto delle bioenergie alle rinnovabili laziali si riflette sul contributo della Regione stessa alla produzione nazionale: nonostante il Lazio contribuisca solo al 2.3 % della potenza efficiente lorda da fonti rinnovabili, in tale Regione è installato il 5,4 % di potenza da bioenergie ,00 SITUAZIONE IMPIANTI al in ITALIA , , , ,00 0,00 Potenza efficiente lorda (MW) Potenza efficiente lorda (MW) Potenza efficiente lorda (MW) Potenza efficiente lorda (MW) Impiann fotovoltaici Impiann idroelerrici Impiann eolici Impiann bioenergie Figura 25 - Situazione degli impianti da fonti rinnovabili installati in Italia al SITUAZIONE IMPIANTI al nel Lazio Potenza efficiente lorda (MW) Potenza efficiente lorda (MW) Potenza efficiente lorda (MW) Potenza efficiente lorda (MW) Impiann fotovoltaici Impiann idroelerrici Impiann eolici Impiann bioenergie Figura 26 - Situazione degli impianti da fonti rinnovabili installati nel Lazio al

29 Nome File: SELVA_WP4.docx Pagina 29 di Censimento impianti da fonti rinnovabili installati a livello Nazionale e Regionale ITALIA Sono stati infine considerati il numero di impianti installati in base alle varie tipologie di impianto. In Italia il numero di impianti da fonti rinnovabili al vede una netta preponderanza dell uso del fotovoltaico (poco meno del 98% del totale), ed in percentuale molto minore di impianti idroelettrici (1,71%), bioenergie (0,42%) ed eolici (0,3%). Gli impianti geotermici (33 in tutto) rappresentano un campione irrisorio, con una percentuale dello 0,02%. Tale distribuzione apparentemente discordante con i dati mostrati nel precedente paragrafo è legata alla minore potenza dei singoli impianti. NUMERO IMPIANTI DA RINNOVABILI al in ITALIA , , , , , , , , , ,00 0, Impiann fotovoltaici 97,55% Impiann idroelerrici 1,71% Impiann geotermoelerrici 0,02% Impiann eolici 0,30% Impiann bioenergie 0,42% Figura 27 Numero di impianti da fonti rinnovabili installati in Italia al LAZIO Nel Lazio lo scenario nazionale viene ampiamente confermato, se non addirittura estremizzato. I dati attestano, infatti, una netta prevalenza di impianti fotovoltaici con una percentuale che sfiora la totalità (oltre il 99%), mentre scelte alternative quali impianti idroelettrici ed eolici sono rare. Come emerge da un raffronto con il precedente paragrafo 3.1, ciò è dovuto in primo luogo al significativo contributo del fotovoltaico al settore delle rinnovabili nel Lazio, ma soprattutto alla già citata minore potenza dei singoli impianti. Non risultano presenti impianti geotermoelettrici.

30 Nome File: SELVA_WP4.docx Pagina 30 di , , , , , , , ,00 NUMERO IMPIANTI DA RINNOVABILI AL lazio 1.000,00 0, , Impiann fotovoltaici 98,84% Impiann idroelerrici 0,81% Impiann eolici 0,08% Impiann bioenergie 0,28% Figura 28 Numero di impianti da fonti rinnovabili installati in Italia al Censimento impianti di riscaldamento per tipologia a livello Provinciale e Comunale (Leonessa) Il censimento degli impianti di riscaldamento nella provincia di Rieti (Figura 29) mostra come la maggior parte delle abitazioni abbia un proprio impianti di riscaldamento o utilizzi forme di riscaldamento autonomo; molto meno frequenti risultano essere gli impianti a GPL o le abitazioni senza impianto di riscaldamento; gli impianti a gasolio coprono una percentuale minima del campione considerato, mentre gli impianti centralizzati risultano essere presente in numero veramente esiguo. Nel comune di Leonessa (Figura 30) la situazione è differente: le abitazioni senza impianto di riscaldamento sono in netta maggioranza (35%), seguite dalle abitazioni che hanno l impianto di riscaldamento, alcune delle quali autonomo, e sono presenti altresì alcuni impianti a gasolio e GPL. Verosimilmente dipende dal fatto che nella maggior parte delle abitazioni è presente il camino domestico.

31 Nome File: SELVA_WP4.docx Pagina 31 di 59 Provincia Rieb Figura 29 Impianti di riscaldamento per tipologia in provincia di Rieti Leonessa Figura 30 - Impianti di riscaldamento per tipologia nel comune di Leonessa

32 Nome File: SELVA_WP4.docx Pagina 32 di 59 5 WP 4.3 Scelta del modello per l'analisi degli scenari energetici 5.1 Studio dello stato dell arte e censimento modelli disponibili Uno scenario non è una previsione, ma una rappresentazione completa e coerente di un possibile futuro date ipotesi definite e utilizzando una data metodologia La funzione primaria degli scenari è quella di aiutare i decisori politici ad agire con cognizione di causa. Tali strumenti consentono in primo luogo di esplorare i diversi futuri possibili, a partire da una serie di ipotesi evolutive del modello energetico considerato. Ciò grazie al fatto che uno scenario consiste in una descrizione internamente coerente dell evoluzione del sistema analizzato. L uso di scenari può dunque fornire agli analisti e ai decisori politici gli strumenti per analizzare/prendere decisioni in modo informato, potendo stimare le conseguenze di lungo periodo che, date certe condizioni e certe ipotesi, possono avere le scelte di breve periodo. Tanto per l elaborazione che per l analisi, un fattore di primaria importanza di uno scenario è l orizzonte temporale a cui esso si riferisce alla cui base c è un vincolo strutturale di ogni sistema energetico/economico: il tempo necessario per il turnover dello stock di capitale, legato alla durata di vita delle diverse tipologie di beni capitali ed al costo della loro sostituzione prima della fine del naturale ciclo di vita Una prima distinzione fondamentale è breve periodo (3-10 anni) in cui il grado di sostituzione dello stock di capitale è pressoché nullo. Si tratta di semplici proiezioni ottenute mediante estrapolazione delle tendenze in atto, a partire da elasticità di breve periodo. medio periodo (20-30 anni) che consente invece una parziale sostituzione dello stock di capitale, per cui all estrapolazione delle tendenze in atto (a partire da elasticità di lungo periodo) si sovrappongono alcune variazioni di tipo strutturale. lungo periodo (oltre i 30 anni) secondo i quali il grado di sostituzione dello stock di capitale è molto rilevante (fino a comprendere anche le infrastrutture). Essi sono pertanto costruiti come immagini consistenti (internamente coerenti) di possibili evoluzioni future del sistema, contenenti anche ipotesi di cambiamenti strutturali e radicali di cui è difficile valutare a priori la probabilità. Ne consegue che quando l ottica diventa di lungo periodo risulta praticamente impossibile, oltre che metodologicamente scorretto, individuare degli scenari tendenziali.

33 Nome File: SELVA_WP4.docx Pagina 33 di 59 Nel caso specifico degli scenari energetici, infatti, data l elevata complessità del sistema oggetto di studio, previsioni di lungo periodo sono praticamente impossibili. L elaborazione di uno scenario richiede l adozione di alcuni criteri scientifici: la plausibilità delle ipotesi su cui si fonda la coerenza interna (coerenza dei valori assunti dalle diverse variabili) la trasparenza (ogni scenario deve essere riproducibile) La garanzia del rispetto di questi criteri costituisce la principale caratteristica e utilità delle analisi di scenario elaborate mediante l uso di modelli formali del sistema. Tali modelli garantiscono infatti che gli scenari tengano conto della suddetta natura complessa del sistema energetico, cioè del fatto che esso è costituito da un insieme di componenti legate tra loro da nessi di interdipendenza e di azione e retroazione, per cui non è possibile descrivere l evoluzione di una componente del sistema senza tener conto delle altre. Affinché la rappresentazione della realtà sia soddisfacente, la metodologia utilizzata dovrebbe poi possedere almeno due ulteriori caratteristiche: una rappresentazione dettagliata sia della domanda che dell offerta di energia, con particolare riferimento ad una componente chiave dell evoluzione di ogni sistema energetico, cioè la tecnologia, che costituisce un elemento chiave di ogni sistema energetico, in quanto è decisiva nel determinare tipo e ammontare di energia utilizzata, e permette di rappresentare il fatto che la domanda di energia non è richiesta per sé, ma è una domanda derivata, deriva cioè dal desiderio di servizi energetici. La rappresentazione delle tecnologie energetiche è inoltre importante perché esse sono alla base di una delle caratteristiche principali dei sistemi energetici, la loro inerzia, dovuta all intensità di capitale, alla lunga durata e alla specificità di utilizzo degli investimenti energetici. Ne deriva, per un verso, che i cambiamenti del sistema sono lenti e possibili solo in un orizzonte temporale medio-lungo, per cui anche le analisi devono inevitabilmente coprire lo stesso orizzonte temporale, per un altro verso, che ogni investimento in tecnologie energetiche determina un vincolo per il sistema per un lungo periodo di tempo. Una dipendenza dalle interrelazioni tra sistema energetico, sistema economico e ambiente, per rappresentare i nessi causali esistenti tra i cambiamenti che avvengono nel sistema energetico, le conseguenti variazioni dei prezzi dell energia, la risposta della domanda di energia ai prezzi, la riallocazione delle risorse nel sistema economico e gli effetti su crescita economica, energia ed emissioni.

34 Nome File: SELVA_WP4.docx Pagina 34 di 59 SCOPO: Esplorare possibili traiettorie di sviluppo del sistema energetico e quindi assistere i policy makers, aiutandoli a prendere decisioni informate circa le conseguenze di lungo periodo delle loro decisioni ipotizzate. IPOTESI: L elaborazione di scenari per la definizione di una politica energetica richiede la comprensione della natura complessa del sistema, che ha molteplici dimensioni legate tra loro da nessi di azione e controreazione. SCHEMATIZZAZIONE Lo strumento utilizzato per la definizione delle politiche energetiche dovrebbe quindi rappresentare questa complessità (pur con i limiti di ogni rappresentazione della realtà) Figura 31 - Funzioni e caratteristiche di uno scenario energetico Date queste funzioni e caratteristiche di uno scenario energetico, uno strumento appropriato per l elaborazione di scenari dovrebbe: Utilizzare un modello matematico Essere integrato Permettere la considerazione di diverse tecnologie impiegate L utilizzo di un modello matematico garantisce la RIPRODUCIBILITA dello scenario e permette la valutazione quantitativa della compatibilità tra obiettivi diversi. Gli obiettivi della politica energetica sono generalmente condivisi e relativi a: disponibilità di energia / sicurezza degli approvvigionamenti minimizzazione del costo dell energia / competitività del sistema economico minimizzazione dell impatto ambientale del consumo di energia Il fine è quello del perseguimento di politiche a breve termine quali, ad esempio: aumento dell offerta di energia e diminuzione della dipendenza energetica

35 Nome File: SELVA_WP4.docx Pagina 35 di 59 Acquisizione/importazione/consumo di fonti energetiche più economiche Riduzione dell intensità energetica dell economia e dell intensità carbonica dell energia Un Modello Integrato tiene conto delle interrelazioni esistenti tra: il sistema energetico, il sistema economico il sistema ambiente, permettendo di valutare possibilità e dimensione di un disaccoppiamento tra crescita economica, domanda di energia ed emissioni. Il modello deve ad esempio rappresentare questa sequenza di effetti: Cambiamenti nel sistema energetico (esogeni o indotti da politiche) variazioni dei prezzi dell energia Risposta della domanda di energia ai prezzi (conservazione, aumento, rebound ) Riallocazione delle risorse nell intero sistema economico Effetti sulla formazione del capitale e la crescita economica Effetti sul livello dell attività economica, sul mix di energia e sulle emissioni Infine il modello deve permettere la considerazione di diverse tecnologie impiegate per poter rispondere ad una adeguata rappresentazione dei fattori determinanti per l evoluzione del sistema e per la sua risposta alle misure di politica energetica.

36 Nome File: SELVA_WP4.docx Pagina 36 di 59 Utilizzare un modello matematico La metodologia utilizzata deve permettere la riproducibilità dello scenario e una valutazione quantitativa della compatibilità tra obiettivi diversi, che è il problema principale della politica energetica Essere integrato (aspetti Energetici, Economici e Ambientali) La metodologia deve tenere conto delle interrelazioni esistenti tra sistema energetico, sistema economico e ambiente, permettendo di valutare possibilità e dimensione di un disaccoppiamento tra crescita economica, domanda di energia ed emissioni Permettere di considerare l impiego di diverse tecnologie La metodologia deve contenere un adeguata rappresentazione dei fattori determinanti per l evoluzione del sistema e per la sua risposta alle misure di politica energetica Figura 32: Caratteristiche auspicabili per lo scenario Tra i fattori determinanti possiamo considerare: Le ipotesi principali (fondamentali per lo scenario di riferimento) quali popolazione, disponibilità di energia, attività economica, prezzi dell energia, caratteristiche e costi delle tecnologie energetiche Le possibilità di sostituzione delle diverse fonti energetiche per poter considerare disponibilità e costo delle tecnologie, tasso di sostituzione dello stock di capitale e delle infrastrutture, preferenze dei consumatori La natura del processo di sostituzione dello stock di capitale con un dettaglio relativo alla struttura produttiva e allo stock di capitale, grado di conoscenza del futuro, intervallo di tempo dello scenario La dinamica del progresso tecnologico inteso come cambiamento tecnologico indotto, oppure incremento autonomo dell efficienza energetica (per cambiamento strutturale dell economia o incrementi dell efficienza energetica) Classificazione dei modelli energetici Un Report dell ENEA (P. Caputo, M. Manfren, Modelli per la simulazione energetica, Report RSE/2009/59) analizza lo stato dell arte in termini di modelli disponibili per le valutazioni di tipo energetico, e procede con una classificazione di tipo funzionale di questi in termini di:

37 Nome File: SELVA_WP4.docx Pagina 37 di 59 modelli geografici per la valutazione della disponibilità di fonti di energia, della distribuzione e della morfologia dell ambiente costruito, della localizzazione di impianti e infrastrutture modelli energetici, per la costruzione della curva di domanda di energia delle diverse utenze e per la generazione di scenari facenti capo a differenti mix tecnologici modelli di valutazione, per l analisi di altri aspetti legati alla generazione di energia (valutazione degli effetti ambientali, analisi del ciclo di vita, introduzione di aspetti economico-sociali ecc). Nel presente rapporto si farà riferimento ai modelli energetici al fine di analizzare le esigenze specifiche di progetto I modelli energetici (e, più in generale, i modelli per l analisi di sistemi) possono essere suddivisi in due categorie: modelli di simulazione e modelli di ottimizzazione. I modelli di simulazione valutano, in modo parametrico, la risposta di un sistema a un dato set di variabili tecniche o politiche e identificano gli impatti possibili e i costi/benefici probabili della configurazione analizzata. Questi modelli non permettono di trovare un valore ottimale per le suddette variabili, ma consentono solo di confrontare due o più scenari eseguendo un singolo run per ciascuno scenario. I modelli di ottimizzazione calcolano, per tutte le variabili di sistema, i valori che portano alla configurazione ottimale, cioè alla configurazione che minimizza/massimizza una data funzione obiettivo (ad esempio, una funzione obiettivo economica coincidente col costo totale attualizzato del sistema). Tali modelli possono prevedere condizioni di vincolo, allo scopo di restringere l intervallo di valori assumibili dalle variabili. I modelli sono ulteriormente classificabili in base a: l estensione geografica del sistema (locale, regionale, nazionale o globale); il tipo di approccio (bottom-up, top-down, a equilibrio parziale, a equilibrio generale); il livello di caratterizzazione economica (modelli tecnico-economici, modelli macroeconomici). Verranno ora brevemente illustrate le differenze tra i modelli bottom-up e i modelli top-down. I Modelli bottom-up sono utilizzati per analizzare le dinamiche di vari campi, tenendo conto anche dell introduzione di nuove tecnologie. I dati macroeconomici sono sempre esogeni e pertanto tali

38 Nome File: SELVA_WP4.docx Pagina 38 di 59 modelli non sono in grado di valutare gli effetti di feedback sul sistema economico delle evoluzioni tecnologiche. In questi modelli a equilibrio parziale, le tecnologie di produzione, di trasformazione e di uso finale (esistenti e pianificate/possibili) sono descritte mediante parametri tecnici (capacità, efficienza, vita, fattore di disponibilità, consumo energetico, ecc.) ed economici (costo di investimento, costi fissi di gestione e manutenzione, costi variabili, ecc.). La procedura di ottimizzazione consente di definire, sull intero orizzonte temporale e con vincoli e scenari definiti dall utente, il mix complessivo di tecnologie (per i settori di uso finale, per la produzione di energia elettrica, ecc.) e commodity (olio, gas naturale, carbone, ecc.) che al contempo soddisfa le domande di servizi e minimizza il costo totale attualizzato del sistema. I Modelli top-down sono essenzialmente modelli econometrici a equilibrio generale, in grado di valutare, in modo endogeno, la risposta del sistema economico a differenti politiche e scenari. Questi modelli descrivono la relazione tra i fattori primari (lavoro, capitale e risorse naturali, quali l energia) mediante l uso di elasticità di sostituzione. A causa del loro approccio orientato al mercato, essi prevedono una rappresentazione del settore energetico limitata e mancano di dettaglio nella descrizione delle tecnologie esistenti e future, le quali vengo tipicamente identificate da funzioni di produzione aggregate per ciascun settore economico. Pertanto, i modelli top-down sono utili nell analisi dell evoluzione dei prezzi dell energia e delle variabili macro-economiche ma non per confrontare gli effetti di diverse politiche energetiche. Le proiezioni dei principali driver macro-economici derivanti da un modello top-down possono essere utilizzate per proiettare le domande di servizi da utilizzare come input esogeno in un modello bottom-up.

39 Nome File: SELVA_WP4.docx Pagina 39 di 59 Molte tipologie di modelli, diversi per obiettivi, rappresentazione dell economia, livello di disaggregazione, orizzonte temporale. Una delle più importanti caratteristiche è il grado di dettaglio con cui sono rappresentati beni e tecnologie Modelli Top Down Visione generale del sistema senza scendere nel dettaglio di alcuna delle sue parti. Ogni settore è rappresentato da una singola funzione di produzione, che rappresenta le possibili sostituzioni tra i principali fattori produttivi (a livello aggregato: energia, capitale, lavoro) secondo un parametro fondamentale, l elasticità di sostituzione. Impossibile l analisi dello sviluppo delle diverse tecnologie. Modelli Bottom Up Descrizione dettagliata del sistema: ogni tecnologia energetica importante è descritta da input, output, costi. Un settore è costituito da tecnologie unite dai loro input/ output e ogni output finale è prodotto da un mix tecnologie, per cui la funzione di produzione è implicita. Impossibile cogliere gli effetti di azione e retroazione tra settore energetico e intera economia, la domanda di servizi energetici è indipendente dai prezzi. Figura 33: Tipologie di modelli Entrambe le tipologie hanno dei limiti e non soddisfano appieno le esigenze di progetto. Esistono infatti molte tipologie di scenari diversi per obiettivi, rappresentazione dell economia, livello di disaggregazione e orizzonte temporale. Tra le tipologie principali possiamo ricordare: Scenari Business as Usual che non prevedono ipotesi differenti da quelle attualmente applicate. Questi scenari fanno semplicemente una previsione considerando gli imput della situazione attuale reale Scenary Policy Targeted fanno una proiezione delle evoluzione a lungo termine ipotizzando l approvazione di specifici piani Scenari Green Oriented si pongono l obiettivo della salvaguardia ambientale e prendono quindi in considerazione l applicazione di politiche ambientali.

40 Nome File: SELVA_WP4.docx Pagina 40 di 59 Business as Usual Non vado ad incidere sul tessuto economico Policy Targeted Nel caso in cui ci siano ad esempio piani approvati Green Oriented Politiche orientate alla salvaguardia ambientale TUTTE LE LORO POSSIBILI COMBINAZIONI Figura 34: Tipologie di scenari energetici valutabili Censimento dei modelli energetici Tra i modelli energetici disponibili ad oggi sono stati presi in considerazione i seguenti (in linea che le priorità ENEA) 1. HOMER 7 è un modello americano sviluppato dal -National Renewable Energy Laboratory (NREL). E rilasciato gratuitamente ( e consente la valutazione di configurazioni impiantistiche con generazione elettrica e termica distribuita a scala di distretto, sia connesse alla rete elettrica che autonome. HOMER consente di svolgere un analisi di ottimizzazione e parametrica per valutare la fattibilità tecnica ed economica di un notevole numero di opzioni tecnologiche, tenendo conto delle variazioni nei costi delle tecnologie e della disponibilità di risorse energetiche. a. Tecnologie di generazione previste: i. solare fotovoltaico, ii. turbine eoliche, iii. mini/micro-idroelettrico, 7 Iqbal M.T., A feasibility study of a zero energy home in Newfoundland, Renewable Energy, Volume 29, issue 2, 2004, Pages Khan M.J., Iqbal M.T., Pre-feasibility study of stand-alone hybrid energy systems for applications in Newfoundland, Renewable Energy, Volume 30, issue 6, 2005, Pages Farret F.A., Simoes M.G., Integration of alternative sources of energy, 2006 John Wiley & Sons, Inc.

41 Nome File: SELVA_WP4.docx Pagina 41 di 59 iv. motori a combustione interna, v. microturbine e vi. celle a combustibile per cogenerazione. b. I combustibili previsti sono: i. benzina, ii. gasolio, iii. gas metano, iv. idrogeno, v. biogas, vi. biomassa, Il modello offre la possibilità di modificare, sulla base delle esigenze dell utente, i parametri e prevedere il co-firing negli impianti. I dati di INPUT richiesti sono: a. Curve di carico elettriche e termiche con risoluzione temporale fino ad un minuto, b. efficienze e caratteristiche delle tecnologie, c. investimento iniziale, d. costi di esercizio e manutenzione, e. vincoli di emissione e f. parametri suscettibili di variazione (per analisi parametriche) Come OUTPUT viene fornito: a. Ottimizzazione e analisi parametrica dei sistemi modellizzati, b. determinazione dei consumi e dei costi complessivi, c. valutazione delle emissioni

42 Nome File: SELVA_WP4.docx Pagina 42 di RetScreen 8, sviluppato dalla RETScreen International, è un modello freeware ( che consiste in un pacchetto di programmi che permette di valutare la produzione energetica e di svolgere un analisi del ciclo di vita e della riduzione delle emissioni di gas climalteranti di vari tipi di tecnologie per lo sfruttamento delle rinnovabili ed il miglioramento dell efficienza energetica. I programmi contengono i dati tecnici e di costo delle tecnologie presenti sul mercato, oltre ai database climatici necessari per il calcolo della produzione energetica. I moduli attualmente presenti riguardano: a. l eolico, b. il solare fotovoltaico, c. il mini-idroelettrico, d. la cogenerazione, e. il riscaldamento a biomassa, f. i collettori solari, g. il riscaldamento passivo degli edifici, h. le pompe di calore a scambio con il terreno e gli impianti di refrigerazione Come INPUT sono richiesti: a. Dati climatici, b. caratteristiche tecniche degli impianti, c. Investimento iniziale, d. costi di esercizio e manutenzione, e. vincoli di emissione. 8 Thevenard D., Leng G., Martel S., The RETscreen model for assessing potential projects, Photovoltaic Specialists Conference, Conference Record of the Twenty-Eight IEEE Bakos G.C., Soursos M., Techno-economic assessment of a stand-alone PV/hybrid installation for low-cost electrification of a tourist resort in Greece, Applied Energy, Volume 73, issue 2, 2002, Pages Bakos G.C., Soursos M., Tsagas N.F., Techno-economic assessment of a building-integrated PV system for electrical energy saving in residential sector, Energy and Buildings, Volume 35, issue 8, 2003, Pages Houri A., Solar water heating in Lebanon, Current status and future prospects, Renewable Energy, Volume 31, issue 5, 2006, Pages

43 Nome File: SELVA_WP4.docx Pagina 43 di 59 Come risultato viene fornito: a. Produzione di energia, b. analisi del ciclo di vita, c. emissioni evitate, d. analisi del rischio dell investimento 3. Hydrogen Energy Models, HYDROGEMS 9 è una libreria di modelli per la simulazione dinamica di tecnologie di generazione elettrica e conversione in idrogeno da fonti rinnovabili. E un software proprietario ( sviluppato dall Institut for Energy Technology IFE (I modelli sono stati inseriti all interno della piattaforma di simulazione TRNSYS 16). La libreria include modelli riguardanti: a. fotovoltaico, b. eolico, c. generatori diesel di back-up, d. celle a combustibile, e. elettrolisi, f. compressione e stoccaggio di idrogeno, g. batterie, h. inverter e sistemi di controllo. 9 St. Germain L., Wild P., Rowe A., Wave Power Integration with a Renewable Hydrogen Energy System, IGEC-1 Proceedings of the International Green Energy Conference June 2005, Waterloo, Ontario, Canada, Paper No. 085 Corsini A., Gamberale M., Rispoli F., Assessment of Renewable Energy Solutions in an Italian Small Island Energy System Using a Transient Simulation Model, Journal of Solar Energy Engineering, Volume 128, issue 2, 2006, Pages Samaniego J., Alija F., Sanz S., Valmaseda C., Frechoso F., Economic and technical analysis of a hybrid wind fuel cell energy system, Renewable Energy, Volume 33, issue 5, 2008, Pages

44 Nome File: SELVA_WP4.docx Pagina 44 di 59 Le caratteristiche tecniche dei componenti devono essere fornite dal costruttore o determinate attraverso prove sperimentali. I parametri specifici dei vari componenti vengono forniti attraverso file esterni, mentre i parametri progettuali, sono decisi dall utente all interno della simulazione. Come INPUT sono richiesti: a. Caratteristiche e parametri dei componenti tecnologici, b. dati climatici, c. curve di carico elettriche Come OUTPUT viene fornito: a. Produzione energetica b. studio del funzionamento in regime dinamico 4. Solar Thermal Electric Components - STEC 10 è un modello OpenSource ( sviluppato dal DLR (German Aerospace Center), Sandia National Laboratory, VTAN (Institut for High Temperatures of the Russian Academy of Science). Consiste in una raccolta di modelli di TRNSYS sviluppati per l analisi dinamica di impianti solari termoelettrici. Come INPUT sono richiesti parametri dettagliati, caratteristiche dei componenti tecnologici, e dati climatici. In OUTPUT viene calcolata la produzione energetica e uno studio dettagliato del funzionamento dinamico di impianti solari termoelettrici 10 Jones S.A., Blair N., Pitz-Paal R., Schwarzboezl P. and Cable B., TRNSYS Modeling of the SEGS VI Parabolic Trough Solar Electric Generating System, Forum 2001, Solar Energy: The Power to Choose (Proceedings of the ASME International Solar Energy Conference), April 21-25, 2001, Washington, DC Stuetzle T., Blair N., Mitchell J.W., Beckman W.A., Automatic Control of a 30 MWe SEGS VI Parabolic Trough Plant, ISES 2001 Solar World Congress.

45 Nome File: SELVA_WP4.docx Pagina 45 di Solar Advisor Model - SAM 11 è un modello per l analisi di sistemi di generazione elettrica da fonte solare tramite tecnologie quali il fotovoltaico e il solare termoelettrico, sviluppato dal National Renewable Energy Laboratory NREL. E uno strumento freeware ( che, con il supporto di analisi di mercato e di costo, permette di valutare i risultati su larga scala dell adozione di queste tecnologie. Come INPUT sono richiesti: a. Dati climatici, In OUTPUT risultano: b. valori di efficienza e caratteristiche delle tecnologie, c. costi di esercizio e manutenzione a. Produzione energetica oraria, b. costo dell elettricità prodotta, c. capitale d investimento e d. costi di esercizio e manutenzione 6. Long Range Energy Alternatives Planning - LEAP 12 è un modello freeware ( sviluppato dallo Stockholm Environment Institute SEI. 11 Blair N., Christensen C., Mehos M., Janzou S., "Cost and Performance Solar Analysis Model for All Solar Technologies." (ISEC ). Solar Engineering 2005: Proceedings of the 2005 International Solar Energy Conference (ISEC2005), 6-12 August 2005, Orlando, Florida. New York: American Society of Mechanical Engineers (ASME) pp Mooney D., Mehos M., Blair N., Christensen C., Janzou S., Gilman P., Solar Advisor Model (SAM) Overview. Sopori, B.L., ed. 16th Workshop on Crystalline Silicon Solar Cells and Modules: Materials and Processes; Extended Abstracts, and Papers. Proceedings of the workshop held 6-9 August 2006, in Denver, Colorado. 12 Pandey R., Energy policy modelling: agenda for developing countries, Energy Policy, Volume 30, issue 2, 2002, Pages Shin H.C., Implications of transportation policies on energy and environment in Kathmandu Valley, Nepal Energy Policy, Volume 31, issue 14, 2003, Pages Nakata T., Energy-economic models and the environment, Progress in Energy and Combustion Science, Volume 30, issue 4, 2004, Pages

46 Nome File: SELVA_WP4.docx Pagina 46 di 59 LEAP è un modello integrato per la pianificazione energetica basata su scenari. Si possono simulare la conversione dell energia e la costruzione della domanda, in funzione di andamenti demografici, sviluppo economico, tecnologie, costi ecc. LEAP è in primo luogo un strumento per calcolare la quantità di energia primaria necessaria a soddisfare una determinata domanda, ma permette anche la costruzione di altri tipi di modelli bottom-up o top-down. Include un database, riguardante le tecnologie e i processi di conversione dell energia, con i relativi dati tecnici, di costo e di emissione. In INPUT bisogna fornire a. la curva di durata del carico elettrico e termico su base oraria, b. dati sul potenziale delle fonti energetiche rinnovabili, c. dati di consumo, d. caratteristiche delle tecnologie, e. investimento iniziale, f. costi di esercizio e manutenzione, g. andamento demografico, h. vincoli di emissione Il risultato in OUTPUT sono scenari energetici ed ambientali conseguenti all attuazione di politiche energetiche a scala locale LEAP consente un analisi energetica e ambientale per scenari ed è adatto alla pianificazione energetica a scala nazionale, regionale e locale. 7. EnergyPLAN 13 è un modello freeware ( sviluppato dal Departement of Development and Planning della Aalborg University. 13 Lund H., Duic N., Krajacic G., Carvalho M.G., Two Sustainable Energy System Analysis Models. A comparison of methodologies and results, 2005 Lund H., Munster E., Integrated energy systems and local energy markets, Energy Policy, Volume 34, issue 10, 2006, Pages Lund H., Munster E., Integrated transportation and energy sector CO2 emission control strategies, Transport Policy, Volume 13, issue 5, 2006, Pages Lund H., Renewable energy strategies for sustainable development, Energy, Volume 32, issue 6, 2007, Pages

47 Nome File: SELVA_WP4.docx Pagina 47 di 59 E un modello pensato per lo studio di sistemi energetici su larga scala. L analisi svolta dal modello è di tipo orario ed è volta ad analizzare le conseguenze di investimenti e strategie nel settore energetico, in relazione a regolamenti di tipo tecnico ed ottimizzazione economica. Il modello pertanto può essere usato con diversi scopi: a. analisi tecnica del possibile mix di fonti per servire una determinata domanda a scala territoriale, b. analisi di mercato degli scambi di energia, c. studi di fattibilità tecnica ed economica In INPUT viene inserito: a. la curva di carico elettrica e termica oraria, b. i dati climatici c. i dati di produzione energetica da fonti rinnovabili, d. valori di efficienza e e. caratteristiche delle tecnologie, f. investimento iniziale, g. costi di esercizio e manutenzione, h. vincoli di emissione e i. strategia di ottimizzazione Il risultato prodotto in OUTPUT riguarda: a. produzione energetica, b. costi complessivi c. emissioni Il modello risulta adatto per valutare la fattibilità tecno-economica di progetti a scala urbana e di comunità di generazione distribuita, integrazione con fonti rinnovabili, adozione di tecnologie Mathiesen B.V., Lund H., Norgaard P., Integrated transport and renewable energy system, Utilities Policy, Volume 16, 2008, Pages

48 Nome File: SELVA_WP4.docx Pagina 48 di 59 avanzante e produzione di idrogeno da fonti rinnovabili. Fornisce gli strumenti ed un metodo di analisi per la pianificazione energetica avanzata a scala di comunità. 8. Dynamic Energy Emission and Cost Optimization - DEECO 14 è un software Open Source ( - richiede librerie di funzioni in C++ proprietarie di UNIX, o librerie non proprietarie presenti nella distribuzione Linux Debian 3) sviluppato dall Institut für Energietechnik, Technische Universität Berlin, Germany. Deeco è un ambiente di simulazione di sistemi energetici, usato per valutare miglioramenti in termini di emissioni ed efficienza rispetto ai costi da sostenere. All interno di questo modello i sistemi energetici sono rappresentati attraverso reti che collegano gli impianti, il cui funzionamento viene studiato attraverso un calcolo dinamico. In INPUT vengono caricati: L OUTPUT sarà: a. Curve di carico elettriche e termiche orarie, b. dati climatici, c. dati di produzione energetica da fonti rinnovabili, d. caratteristiche delle tecnologie e loro efficienze, e. investimento iniziale, f. costi di esercizio e g. manutenzione, vincoli di emissione, strategie di ottimizzazione a. Produzione energetica, b. costi complessivi ed c. emissioni 14 Bruckner T., Morrison R., Handley C., Patterson M., High-Resolution Modeling of Energy-Services Supply Systems Using DEECO: Overview and Application to Policy Development Annals of Operations Research, Volume 121, issue 1-4, 2003, Pages Bruckner T., Groscurth H.M., Kummel R., Competition and synergy between energy technologies in municipal energy systems, Energy, Volume 22, issue 10, 1997, Pages

49 Nome File: SELVA_WP4.docx Pagina 49 di Distributed Energy Resource Customer Adoption Models - DER-CAM 15 è un software sviluppato dal Distributed Energy Resources Research Group, Lawrence Berkeley Lab. La licenza è Freeware ( ma richiede tuttavia per essere eseguito una licenza del linguaggio GAMS, il quale è software proprietario. DER-CAM è un modello di ottimizzazione economica scritto nel linguaggio General Algebraic Modeling System (GAMS). L obiettivo del modello è minimizzare il costo in esercizio di tecnologie di generazione distribuita per una singola utenza privata o all interno di una micro-rete. L ottimizzazione prevista è di tipo economico e il risultato è la combinazione a costo minimo delle tecnologie da installare, la loro taglia e la strategia di dispacciamento ottimale rispetto ai carichi presenti. In INPUT viene richiesto: L OUTPUT fornirà: a. Il profilo di carico elettrico e termico orario dell utente, b. le tariffe energetiche, c. il prezzo del gas metano, d. il capitale d investimento iniziale, e. i costi di esercizio e manutenzione, f. il tasso d interesse dell investimento, g. le principali caratteristiche tecniche delle tecnologie di generazione distribuita a. La taglia degli impianti da installare, b. la loro combinazione ottimale c. i costi complessivi 15 Zhou N., Gao W., Firestone R., Stadler M., Marnay C., Nishida M., An Analysis of the DER Adoption Climate in Japan Using Optimization Results for Prototype Buildings with U.S. Comparisons, June 2006 Siddiqui A., Marnay C., Distributed Generation Investment by a Microgrid Under Uncertainty, June 2006 Firestone R., Stadler M., Marnay C., Integrated energy system dispatch optimization, June 2006

50 Nome File: SELVA_WP4.docx Pagina 50 di 59 DER-CAM è uno strumento che richiede una conoscenza delle tecniche di ottimizzazione numerica ed è quindi adatto principalmente ad un uso di ricerca e ad utenti esperti. E inoltre possibile eseguire le simulazioni solo qualora si abbia una licenza completa del linguaggio GAMS Scelta del Modello Long Range Energy Alternatives Planning - LEAP In tabella 1 viene fornito l elenco dei modelli analizzati. Tabella 1: Modelli analizzati NOME SVILUPPATORE LICENZA LINK 1. HOMER NREL freeware 2. RetScreen RET Screen Int. freeware 3. HYDROGEMS IFE SW proprietario 4. STEC DLR Open Source m 5. SAM NREL Freeware 6. LEAP SEI Freeware 7. EnergyPLAN AAU Freeware 8. DEECO IETU Open Source 9. DER-CAM LBL Freeware In base alle caratteristiche dei modelli analizzati viene individuato come modello più idoneo il Long Range Energy Alternatives Planning - LEAP

51 Nome File: SELVA_WP4.docx Pagina 51 di 59 Input: Dati energetici Progetto SELVA Modello integrato (Energia-Economia-Ambiente) Consumi e produzione di energia, risorse ecc. TUTTI I SETTORI ECONOMICI Dati Socio-Economici Redditi, popolazione, numero di utenze, PIL, Tasso di crescita della popolazione/redditi ecc. MODELLO: Analisi della domanda, Tecnologie, Analisi perdite per trasformazione e distribuzione, Impatto dei trasporti, fattori di emissione ecc. Output: Scenari Energetici Scenari Ambientali Consumi e produzione di energia, risorse ecc. Emissioni di Gas-Serra, Emissioni di inquinanti per settore economico e per tipologia di fonte ANALISI COSTI-BENEFICI Cos$ considerabili: domanda, inves$men$, risorse locali, combus$bili, esternalità per emissione inquinan$.. LEAP è uno strumento software ampiamente utilizzato per l'analisi delle politiche energetica e la valutazione delle tecnologie di mitigazione degli effetti sul cambiamento climatico. LEAP è uno strumento di modellazione integrato, basato su scenari che può essere utilizzato per monitorare il consumo di energia, la produzione e l'estrazione delle risorse in tutti i settori di un'economia. Può essere utilizzato per tenere conto sia del settore energetico e non energetici di gas a effetto serra (GHG settore) fonti di emissione e sinks. Oltre a monitorare le emissioni di gas serra, LEAP può essere utilizzato anche per analizzare le emissioni di inquinanti atmosferici locali e regionali, e le sostanze inquinanti climalteranti di breve termine (SLCPs) che lo rende particolarmente adatto a studi del clima co-benefici della riduzione dell'inquinamento atmosferico locale. LEAP è stato adottato da migliaia di organizzazioni in più di 190 paesi in tutto il mondo. I suoi utenti sono agenzie governative, accademici, organizzazioni non governative, società di consulenza e servizi energetici. E 'stato usato in molte scale differenti che vanno dalla città e stati di domande nazionali, regionali e globali Metodo di modellizzazione LEAP non serve per modellizzare un particolare sistema energetico, ma è uno strumento che può essere usato per creare modelli di diversi sistemi di energia, in cui ognuno richiede un proprio set di dati unici. Il modello supporta una vasta gamma di differenti metodologie di calcolo: per quanto riguarda la domanda queste vanno dalla tipologia bottom-up, alle tecniche di end-use accounting

52 Nome File: SELVA_WP4.docx Pagina 52 di 59 fino alla modellizzazione di dati macroeconomici di tipo top-down. LEAP comprende anche una serie di metodologie specializzate opzionali tra cui la modellazione dello stock-turnover per settori come la pianificazione dei trasporti. Dal lato dell'offerta, LEAP offre una gamma di metodologie di calcolo, di simulazione e di ottimizzazione che sono abbastanza potenti per modellizzare la generazione del settore elettrico e la pianificazione della capacità di espansione, e che sono anche sufficientemente flessibile e trasparenti per consentire LEAP di incorporare facilmente i dati ed i risultati da altri modelli più specializzati. Le apacità di modellazione di LEAP operano su due livelli concettuali di base. Al primo livello, i calcoli built-in coinvolgono tutte le energie "non controversial", le emissioni e calcoli dei costibenefici. Al secondo livello, gli utenti immettono funzioni tipo foglio di calcolo che possono essere utilizzate per specificare la variabilità temporale dei dati o per creare una vasta gamma di sofisticati modelli multi-variabile, consentendo in tal modo gli approcci econometrici e di simulazione per essere incorporati nel quadro contabile generale del LEAP. Le versioni più recenti di LEAP supportano anche modelli di ottimizzazione permettendo la costruzione di modelli al minor costo di espansione della capacità del sistema elettrico e della distribuzione, potenzialmente sotto vari vincoli quali i limiti di CO2 o l'inquinamento atmosferico locale. Dati Demografici Dati Macro-Economici Analisi della Domanda Differenziali statistici Carichi Ambientali (emissione di inquinanti Analisi delle trasformazioni Variazioni delle scorte Analisi Integrata Costi-benefici Analisi delle risorse Esternalità ambientali Analisi delle emissioni per il settore non-energy Figura 35: schema del sistema di calcolo di LEAP

53 Nome File: SELVA_WP4.docx Pagina 53 di Definizione temporale del modello LEAP è inteso come un medio strumento di modellazione a lungo termine. La maggior parte dei suoi calcoli sono effettuati su step annuali e l'orizzonte temporale si può estendere per un numero illimitato di anni. Gli studi di solito includono sia un periodo storico noto come Corrent Accounts, in cui il modello viene eseguito per testare la sua capacità di replicare i dati statistici noti, così come molteplici scenari previsionali. In genere, la maggior parte degli studi utilizzano un periodo di previsione compreso tra 20 e 50 anni. Alcuni risultati sono calcolati con un livello di dettaglio temporale più fine. Ad esempio, per i calcoli del settore elettrico l'anno può essere suddiviso in diversi intervalli di tempo definiti dall'utente per rappresentare le stagioni, i tipi di giorni o talvolta anche rappresentativi della giornata. Queste sezioni possono essere utilizzate per esaminare come i carichi variano entro l'anno e come le centrali elettriche funzionino in maniera diversa a seconda delle stagioni Analisi di scenario LEAP è stato progettato intorno al concetto di analisi di scenario. Gli scenari sono storie autoconsistenti di come un sistema energetico potrebbe evolvere nel tempo. Utilizzando LEAP, gli analisti politici sono in grado di creare e poi valutare scenari alternativi mettendo a confronto il loro fabbisogno energetico, i loro costi e benefici sociali ed i loro impatti ambientali. Il LEAP Scenario Manager, mostrato in Figura 36, può essere utilizzato per descrivere le misure di politiche individuali che possono poi essere organizzate, sottoforma di differenti combinazioni e permutazioni, in scenari integrati alternativi. Questo approccio permette ai responsabili politici di valutare l'impatto di una polizza individuale così come le interazioni che si verificano quando le politiche e le misure multiple siano combinate. Ad esempio, i vantaggi degli standard di efficienza, combinati con un portafoglio standard di rinnovabili, potrebbe essere inferiore alla somma dei vantaggi delle due misure considerate separatamente. Nella schermata mostrata in Figura 36, le singole misure sono combinate in uno scenario globale di mitigazione che contiene diverse misure per la riduzione delle emissioni di gas serra.

54 Nome File: SELVA_WP4.docx Pagina 54 di 59 Figura 36: Finestra per la gestione dell'analisi di scenario Dati di INPUT Uno dei principali vantaggi di LEAP è la sua bassa richiesta di dati iniziali. Molti strumenti di modellazione si basano su algoritmi molto particolari e spesso molto complessi, e quindi tendono a richiedere dati altamente rigidi. Sviluppare i dati per tali modelli è un compito che richiede tempo e livelli relativamente alti di competenza. Al contrario, visto che fornisce una scelta di metodologie di modellazione e molti aspetti del LEAP sono opzionali, sono richiesti molti meno dati iniziali e il SW permette agli utenti di iniziare la costruzione di modelli in maniera relativamente semplice. Le strutture dati adattabili di LEAP sono adatte per un approccio analitico iterativo tale che l'utente inizia creando velocemente una prima analisi che sia il più semplice possibile. In iterazioni successive l'utente aggiunge complessità solo quando i dati sono disponibili e dove il dettaglio aggiunto fornisce ulteriori indicazioni utili Visualizzazione delle analisi LEAP è strutturato come una serie di "viste" di un sistema energetico. La finestra "Analisi View" principale (Figura 37) è il luogo dove gli utenti creano strutture e scenari di dati e inseriscono tutti i dati che descrivono sia le serie storiche che gli scenari previsionali. Nella visualizzazione analisi un albero gerarchico rappresentata la struttura di dati principale per l'analisi. L'albero supporta le operazioni standard (copia, incolla, trascina e rilascia, etc.) che semplificano la costruzione e la manutenzione di dati in un'analisi energetica. L'albero offre una grande flessibilità nel modo in cui un sistema è modellato. Ad esempio, un modello di domanda potrebbe essere altamente disaggregati in un settore in cui è richiesta una dettagliata analisi basato sulla tecnologia, ma

55 Nome File: SELVA_WP4.docx Pagina 55 di 59 molto più aggregata nei settori in cui il consumo di energia è meno importante o meno ben capito. LEAP supporta anche le analisi multi-regionali, in cui diverse strutture di dati possono essere creati per ogni regione. Ad esempio, alcuni paesi potrebbero essere descritti in modo più dettagliato in cui sono disponibili i dati o in cui devono essere affrontate questioni importanti. Figura 37: Visualizzazione delle analisi in LEAP Strumenti per la creazione di modelli LEAP comprende una serie di strumenti integrati che semplificano la creazione di modelli complessi e proiezioni. La procedura guidata di serie temporali consente di creare interpolazioni, funzioni step e le varie previsioni di tendenza sia inserendo i dati direttamente in LEAP o importando i dati o la creazione di un collegamento a un foglio di calcolo Excel. Il Generatore di funzioni consente di costruire modelli complessi che utilizzano grande biblioteca del salto di funzioni built-in, così come i riferimenti ad altri dati e risultati calcolati all'interno di LEAP. Riferimenti variabili possono essere costruiti graficamente semplicemente trascinando i rami dalla struttura dati dell'albero principale nello strumento Generatore di Funzioni. Per aiutare il debug di questi modelli, il Generatore di Funzioni consente anche la validazione di funzioni di modellazione del tipo check-as-you, la visualizzazione di qualsiasi sintassi e riporta in tempo reale i messaggi di errore su una barra degli strumenti.

56 Nome File: SELVA_WP4.docx Pagina 56 di 59 Figura 38: Tutorial serie temporali di LEAP Visualizzazione dei risultati I risultati possono essere visualizzati come grafici, tabelle e anche mappe. La finestra dei Risultati (Figura 39) rende il lavoro con i risultati multidimensionali molto facile. Ad esempio, i risultati della domanda di energia sono calcolati in cinque dimensioni: combustibili, anni, regioni, scenari e rami (cioè i settori e dei sottosettori delle analisi). L'utente sceglie semplicemente le dimensioni da visualizzare su ciascun asse del grafico. Per le altre dimensioni, l'utente può scegliere di visualizzare i risultati per un solo elemento o per riassumerli tutti o per elementi selezionati. Ad esempio, l'utente potrebbe selezionare risultati di domanda per carburante e per anno per una particolare regione e un particolare scenario per un settore (ad esempio famiglie). I risultati possono essere visualizzati in quasi tutte le unità di misura e sono disponibili per la configurazione di risultati, tra cui la scelta del tipo di grafico (area, barra, linea, torta, ecc), Tabella di colore, formato numerico -valori assoluti, i tassi di crescita numerose opzioni, quote percentuali- numero di decimali visualizzati nelle tabelle, ecc). Scenari politici alternativi possono essere confrontati e valutati tracciando scenari multipli o mostrando le differenze nei risultati rispetto a uno scenario selezionato. Ad esempio, è possibile confrontare i costi per uno scenario politico verso uno scenario business-as-usual. Tutti i risultati possono essere esportati anche con un solo clic del mouse: le tabelle in Excel e grafici in PowerPoint. È possibile configurare e salvare i grafici "preferiti" più o meno allo stesso modo in cui si memorizzano i segnalibri in un browser Web. Più grafici preferiti possono anche essere raggruppati e tracciati sullo schermo nella vista panoramica (Figura 39). Perché i risultati possono

57 Nome File: SELVA_WP4.docx Pagina 57 di 59 essere facilmente e rapidamente ricalcolati, LEAP può essere utilizzato come uno strumento di debug altamente interattivo: nel senso che incoraggia gli utenti a pensare criticamente la validità e la plausibilità delle analisi. Figura 39: Finestra di visualizzazione dei risultati in LEAP Bialnci di Energia Il SW offre la possibilità di generare automaticamente risultati in formato standard come rapporti di bilancio energetico. I bilanci energetici di LEAP possono essere visualizzati come tabella, grafico e diagramma di Sankey (Figura 40) e possono essere personalizzati per riassumere le informazioni per le categorie dettagliate o semplificate di carburante, per diversi anni, o per le diverse regioni. I risultati del bilancio energetico possono anche essere visualizzati per settore o sottosettore in ogni unità di energia.

58 Nome File: SELVA_WP4.docx Pagina 58 di 59 Figura 40: Finestra per i bilanci di energia in LEAP TED: Database di tecnologie e ambiente Gli analisti spesso hanno bisogno di un accesso immediato a dati completi ed aggiornati relativi alle tecnologie energetiche. Tali dati sono distribuiti su una vasta gamma di fonti, che non sono facilmente accessibili, in particolare per i dati dei paesi in via di sviluppo. Per risolvere questo problema, LEAP include una tecnologia e Database Ambientale (TED), che descrive le caratteristiche tecniche, i costi e l'impatto ambientale di una gamma di tecnologie energetiche, tra cui le tecnologie esistenti, le best practice attuali e i dispositivi di prossima generazione. TED comprende dati su centinaia di tecnologie, fa riferimento a rapporti da decine di istituzioni, tra cui il Gruppo intergovernativo di esperti sui cambiamenti climatici (IPCC), il Dipartimento statunitense dell'energia, e l'agenzia internazionale per l'energia. Oltre ai suoi dati quantitativi, TED offre anche informazioni qualitative che esaminano la disponibilità, adeguatezza, economicità ed aspetti ambientali per una vasta gamma di tecnologie energetiche. Il database TED contiene fattori di emissione che possono essere modificati o integrati da propri dati.

59 Nome File: SELVA_WP4.docx Pagina 59 di 59 Figura 41: Schermata del TED-Techniology and Environmental Database