POLITECNICO DI BARI DIPARTIMENTO DI MECCANICA, MATEMATICA E MANAGEMENT DOTTORATO DI RICERCA IN INGEGNERIA MECCANICA E GESTIONALE XXVIII CICLO

Transcript

1 POLITECNICO DI BARI DIPARTIMENTO DI MECCANICA, MATEMATICA E MANAGEMENT DOTTORATO DI RICERCA IN INGEGNERIA MECCANICA E GESTIONALE XXVIII CICLO RELAZIONE SULLE ATTIVITA' DI DOTTORATO RELATIVE ALL'ANNO 2013 Dottorando: Giancarlo Caponio Tutor: Ing. Giorgio Mossa Tema di ricerca del Dottorato: Studio dei fabbisogni energetici ed impronta di carbonio ( carbon footprint ) di un distretto metropolitano: applicazione all area di bari

2 Borsa di dottorato finanziata dal progetto PON 04a2_E Smart Energy Master per il governo energetico del territorio - SINERGREEN - RES NOVAE. R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 2

3 L attività di ricerca nell ambito del Progetto RES NOVAE si è focalizzata sullo studio e l implementazione di strumenti per la costruzione della piattaforma UCC e si è articolata nei seguenti Obiettivi Realizzativi: 1) Model Management: i pannelli di controllo settoriali ; 2) Strategic modeling per la governance energetica della città. Lo studio ha portato alla redazione dei seguenti Report Tecnici: Sviluppo modelli e protocolli per l elaborazione di dati sul consumo di suolo e popolamento degli indicatori dell UCC ; Definizione di modelli ibridi (programmazione simulazione what-if) per il program planning and management. L attività nell ambito della ricerca scientifica ha portato alla redazione dei seguenti paper: Caponio G., Digiesi S., Mossa G., Mummolo G., (2013). Economic and environmental savings from biogas upgraded applications. In Proceedings of The XVIII Summer School Francesco Turco, Senigallia (AN), settembre Caponio G., Digiesi S., Mossa G., Mummolo G., (2013). Le applicazioni del biogas: valutazione economica ed ambientale. Presentato al Forum Internazionale Green City Energy, Bari, 2-3 dicembre R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 3

4 INDICE Introduzione 5 Il progetto RES NOVAE 6 Model Management: i pannelli di controllo settoriali 7 Il consumo di suolo e i fenomeni connessi 7 Stato dell arte sugli indicatori di consumo di suolo 11 Popolamento degli indicatori 12 Studio dei modelli per il program planning energetico 17 Stato dell arte dei modelli per l energy planning 17 I metodi di decision making multi criterio 18 Esempio di modello ibrido per il planning energetico 22 Modelli basati sulla dinamica dei sistemi 26 La dinamica dei sistemi combinata con un analisi multicriterio 30 Studio sulle prestazioni economiche e ambientali delle applicazioni del biogas 33 Bibliografia 36 R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 4

5 INTRODUZIONE Attualmente i policy makers e i decision makers devono fronteggiare numerose sfide nel campo della governance energetica e degli effetti ambientali direttamente connessi. Secondo l Union of Concerned Scientists (2001), la problematica principale riguarda lo sviluppo di politiche energetiche nazionali e locali che siano accettabili dal punto di vista ambientale e sociale che mirino alla riduzione delle emissioni di CO 2 tramite l adozione di soluzioni sostenibili che garantiscano la crescita economica. Negli ultimi decenni, le attività antropiche hanno contribuito in maniera sostanziale ai cambiamenti del pianeta. Esse sono responsabili, (con una probabilità del 95% secondo il quinto rapporto dell IPPC del 2013), del cambiamento climatico attraverso le emissioni di gas serra. Secondo il rapporto, le ultime tre decadi sono state in successione le più calde dal In particolare, l'incremento totale della temperatura media della superficie terrestre tra il periodo e è stato di 0.78 [ C]. In riferimento a diversi scenari, è previsto un aumento di temperatura medio da 1 a 3.7 [ C] entro il In questo contesto l attenzione principale è diretta verso le città che sono responsabili del consumo dei due terzi dell energia mondiale e di oltre il 70% delle emissioni di gas serra (IEA, 2008). Secondo l ONU (2012), nei paesi sviluppati il 75% della popolazione vive nelle aree urbane e si prevede che entro il 2030 la percentuale salga all 84%. Fig. 1: Cambiamenti osservati nella temperatura della superficie terrestre tra il 1901 e il 2012 (IPCC, 2013). R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 5

6 Gli sforzi comunitari si stanno concentrando verso questa direzione. In "Horizon 2020" la Commissione Europea, tra gli obiettivi da raggiungere entro il 2020, propone la riduzione delle emissioni di gas serra del 20% rispetto al 1990, che il 20% del fabbisogno di energia provenga da fonti rinnovabili, e un aumento del 20% dell'efficienza energetica (obiettivo ). A supporto, l'unione Europea ha promosso iniziative che pongono l'attenzione proprio sulle aree urbane come il progetto European Smart Cities e il Convent of Mayors. L attuale assetto dei consumi energetici è per lo più il risultato dell adozione di una pianificazione energetica centralizzata a livello nazionale (Centralized Energy Planning - CEP). Questo tipo di pianificazione non pone attenzione alle variazioni in campo socio economico ed ai fattori ambientali di determinati contesti locali. Al contrario, politiche di pianificazione a livello territoriale sono in grado di considerare le risorse disponibili e la richiesta energetica del territorio di riferimento. Pianificazioni a livello locale non consentono tuttavia, se non adeguatamente supportate da indicazioni nazionali o sovranazionali, di conseguire obiettivi strategici di lungo termine. Per questi motivi, le aree metropolitane richiedono un planning energetico riferito ad un appropriato livello dimensionale. (Hiremath et al., 2007). IL PROGETTO RES NOVAE A tale scopo nasce il progetto RES NOVAE che mira a ricercare, modellizzare e sperimentare su scala dimostrativa un sistema di gestione avanzata dei flussi energetici a livello municipale, basandosi sull integrazione di tecnologie nell ambito dei settori Energia ed Informatica. L obiettivo del progetto è quello di razionalizzare i consumi energetici, potenziare la multi generazione diffusa di energia da fonti rinnovabili, contenere l impatto ambientale ed accrescere la consapevolezza diffusa della questione energetico-ambientale. RES NOVAE, che coinvolge due aree urbane densamente popolate dell'area della Convergenza (Puglia e Calabria) come le città di Bari e Cosenza, affronta in maniera organica le problematiche della città, partendo dalle infrastrutture energetiche analizzate in ottica smart. Prevede inoltre l implementazione dello Urban Control Center (UCC), un centro di monitoraggio e controllo, che fornirà ai soggetti interessati le principali informazioni energetiche dell eco-sistema urbano a livello aggregato. Una sorta di sala controllo della città in cui la Pubblica Amministrazione avrà a disposizione la mappa energetica della città per supportare le attività di pianificazione strategica territoriale e i Relazione attività di ricerca di dottorato Giancarlo Caponio Pag. 6

7 cittadini avranno la possibilità di informarsi e dialogare per un consapevole uso energetico e quindi un minor impatto ambientale. L attività di ricerca si è focalizzata sullo studio e l implementazione di strumenti per la costruzione della piattaforma UCC, in particolare sullo sviluppo della modellistica urbana (vito) e realizzativi: si è articolata su due obiettivi 1) Model Management: i pannelli di controllo settoriali in cui si andranno ad individuare i principali indicatori per misurare gli impatti energetici e ambientali nella città, nonché gli indicatori socio-economici legati al well-being della cittadinanza proposti da enti e/o istituzioni autorevoli (in particolare OCSE e Commissione Europea). Tali KPI saranno di supporto ai policy makers e decision makers per il planning strategico della città. 2) Strategic modeling per la governance energetica della città in cui si andranno a proporre modelli per il planning energetico a livello strategico per supportare le PA nella definizione di piani d azione per l energia sostenibile. MODEL MANAGEMENT: I PANNELLI DI CONTROLLO SETTORIALI In particolare nell Attività Realizzativa Model management operativo: i pannelli di controllo settoriali si individuano vari ambiti di intervento a cui far corrispondere un differente pannello di controllo che, in coerenza con le finalità del progetto, avrà un differente grado di dettaglio e funzionalità più o meno sviluppate. In un ottica di governo di tutte le possibili emissioni e dei fattori inquinanti della città, si definiscono i modelli e gli algoritmi per permettere l integrazione, all interno della piattaforma UCC, di dati ambientali non di tipo prettamente energetico, estendendo il suo dominio su settori affini quali mobilità, aria, rifiuti, acqua e suolo. L attività di ricerca, individuati i fenomeni principali connessi al consumo di suolo, si è concentrata sull individuazione e la popolazione nella piattaforma UCC di indicatori ad hoc, fornendo inoltre indicazioni sul tipo di indicatore, sulla scala temporale e spaziale, nonché sulle potenziali fonti di dati. Il consumo di suolo e i fenomeni connessi Il suolo rappresenta la base per la maggior parte dei processi biologici e delle attività umane: l agricoltura, l allevamento degli animali, lo sfruttamento delle foreste, l industria, il settore dei trasporti e quello residenziale utilizzano il suolo come risorsa naturale e/o economica. Esso è parte integrante dell ecosistema Terra e costituisce un elemento indispensabile per la biodiversità e i cicli dell acqua e del R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 7

8 carbonio. Il processo che permette la formazione e la rigenerazione del suolo risulta essere molto lento soprattutto se si considera la velocità dei processi di sfruttamento che lo riguardano. Questo rende il suolo una risorsa essenzialmente non rinnovabile [1]. Nel 1985 la Commissione Europea ha dato inizio ad una serie di progetti sperimentali per la raccolta, il coordinamento e l elaborazione d informazioni sullo stato dell ambiente e delle risorse naturali nella Comunità (Gazzetta Ufficiale dell Unione Europea, Legislazione 176, ). In quest ambito nasce il progetto Corine Land Cover (CLC) per il rilevamento e il monitoraggio delle caratteristiche di copertura ed uso del territorio. La prima realizzazione del progetto risale al 1990, mentre gli aggiornamenti successivi si riferiscono agli anni 2000 e 2006; il Corine Land Cover ha visto la partecipazione di 33 paesi dell Unione Europea, tra cui l Italia. L obiettivo del CLC è stato quello di fornire informazioni comparabili ed omogenee per tutti i paesi aderenti. Per la foto interpretazione sono state utilizzate immagini satellitari grazie alle quali è stato possibile suddividere la copertura del suolo in 3 livelli: il primo livello (composto da 5 classi) individua le categorie principali di copertura del suolo del pianeta; il secondo livello (composto da 15 classi) viene utilizzato su scala di 1: e 1: ; il terzo livello (composto da 44 classi) viene utilizzato su scala di 1: Procedendo secondo questa metodologia, è stata individuata una classificazione per rappresentare il territorio nazionale e regionale (Fig. 2). R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 8

9 Fig. 2 La classificazione operata da Corine Land (Institutional and Social Innovations in Irrigation Mediterranean Managemet) Per comprendere il campo di applicazione, si rende necessaria una distinzione fra i termini land cover (copertura del suolo) e land use (uso del suolo): il primo si riferisce ad una descrizione bio(fisica) della superficie terrestre (ad esempio aree ricoperte da vegetazione, suolo nudo, corpi idrici e aree artificiali), il secondo corrisponde alla descrizione socio economica dell area di riferimento (ad esempio aree utilizzate per scopi residenziali, industriali e commerciali, per agricoltura o selvicoltura, etc.). Esiste un collegamento tra i due concetti, infatti molto spesso è possibile desumere l uso del suolo dalla copertura del suolo e viceversa; tuttavia, a differenza di quanto avviene per la copertura del suolo, la R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 9

10 classificazione dell uso del suolo non sempre risulta semplice da monitorare (ad esempio se i pascoli devono essere classificati come aree destinate all agricoltura o meno) [2]. I dati ottenuti hanno permesso di individuare il land take o consumo di suolo nell unità di tempo, definito come l incremento progressivo delle aree di insediamento (o terreno artificiale), solitamente a spese delle aree rurali [3]. Nelle aree di insediamento, oltre al tessuto urbano continuo e discontinuo (aree residenziali), alle infrastrutture di trasporto (strade, ferrovie, porti e aeroporti), alle aree industriali e commerciali, alle aree estrattive e alle discariche, vanno incluse anche le zone verdi artificiali non agricole, quindi aree verbi urbane (cimiteri e parchi urbani) e aree sportive e ricreative (parchi di divertimento, campi da golf, etc.) [EEA, 2006]. La manifestazione più comune del consumo di suolo è l Urban Sprawl. Il fenomeno viene descritto come il pattern a bassa densità di espansione delle aree urbane prevalentemente nelle aree agricole limitrofe. L Agenzia Europea dell Ambiente con il report Urban Sprawl in Europe del 2006, ha focalizzato l attenzione sul fenomeno sempre più crescente che vede l espansione delle aree urbane a spese di quelle destinate all agricoltura. Storicamente l espansione dell ambiente urbano è dipeso fortemente dalla crescita della popolazione, mentre gli attuali fenomeni di sprawl non sembrano mostrare una correlazione con le dinamiche demografiche. Secondo la stessa Agenzia, infatti, a livello europeo tra il 1985 e il 2005, il consumo di suolo pro capite è aumentato del 20%, a fronte di un aumento della popolazione del 6%. Appare chiaro come si sia verificato un elevato consumo di suolo per uso urbano, assai più che proporzionale all incremento demografico e produttivo. Parallelamente, nella sua Comunicazione del 16 aprile 2002 Verso una strategia per la protezione del suolo, la Commissione Europea ha individuato 8 possibili minacce che determinano la degradazione del suolo: erosione, la diminuzione di materia organica, la contaminazione locale o diffusa, l impermeabilizzazione, la compattazione, diminuzione della biodiversità, la salinizzazione e, per finire, frane ed inondazioni. Il fenomeno dell impermeabilizzazione del suolo, comunemente definito soil sealing, è strettamente interconnesso al problema del consumo di suolo, in quanto viene definito come la distruzione o la copertura del suolo da parte di edifici, costruzioni o in generale da strati costituiti in tutto o in parte da materiali impermeabili artificiali (asfalto, calcestruzzo ecc). Il maggiore impatto dell impermeabilizzazione dei suoli interessa il flusso delle acque. L incapacità delle aree impermeabilizzate di assorbire per filtrazione una parte delle acque, aumenta notevolmente lo scorrimento superficiale, sia in termini di volume sia di velocità; ciò causa problemi sul controllo delle acque superficiali, specie in occasione di fenomeni di pioggia particolarmente intensi, ed incide sulla capacità di ricarica delle falde acquifere [EEA, 2012]. R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 10

11 Ne consegue l impossibilità a mantenere il giusto grado di umidità dell aria, trasformando quindi le città in vere e proprio isole di calore, anche in considerazione del fatto che materiali come cemento, asfalto e vetro trattengono e riflettono il calore. Stato dell arte sugli indicatori di consumo di suolo Lo studio sullo stato dell arte ha riguardato le seguenti fonti: OECD Environmental Indicators Development, Measurement and Use [Organization for Economic Co-operation and Development, OECD-OCSE, 2003]; European Common Indicators (ECI) Towards a Local Sustainability Profile [Ministero dell Ambiente e della Tutela del Territorio European Commission - Istituto Superiore per la Protezione e la Ricerca Ambientale ex APAT, EU e ISPRA 2003]; Indicator of Sustainable Development: Guidelines and Methodologies [United Nations, UE, 2007]; Smart cities Ranking of European medium-sized cities [Vienna University of Technology, TU WIEN, 2007]; The European environment state and outlook 2010 (SOER 2010) [European Environment Agency, EEA, 2010]; BES 2013 Il benessere equo sostenibile in Italia [Istituto Nazionale di Statistica, ISTAT, 2013]. I risultati della ricerca condotta hanno evidenziato che non ci sono a livello mondiale o europeo indicatori di riferimento univocamente determinati per la descrizione dei fenomeni connessi al consumo di suolo (Tab. 1). Ad esempio, per il soil sealing, può essere utilizzato un indice di impermeabilizzazione piuttosto che un indice rappresentativo delle aree verdi urbane. E importante notare come solo recentemente (EEA 2010) si è cominciato a monitorare il fenomeno dell urban sprawl mediante l utilizzo di indicatori ad hoc. R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 11

12 Tab.1: Gli indicatori sul consumo di suolo e sui fenomeni connessi in bibliografia Popolamento degli indicatori Seguendo le linee guida dell OECD e le procedure analitiche proposte dal EEA si è arrivato alla definizione di 3 categorie di indici, la prima relativa al soil sealing (1.), la seconda che comprende quelli utili a descrivere e quantificare il fenomeno dell urban sprawl (2.). ed infine la terza inerente al fenomeno del land take (dal 3. al 6.). Utilizzando la classificazione operata da CLC, andremo a definire: 1. (Indice di Impermeabilizzazione) 2. (Indice di Dispersione) 3. (Indice di Consumo di suolo da superficie Infrastrutturata) 4. (Indice di Consumo di suolo da superficie Urbanizzata) 5. (Indice di Consumo di suolo Reversibile) 6. (Indice di Consumo di suolo Complessivo) Dove: è la Superficie Impermeabilizzata è la Superficie Territoriale di Riferimento Relazione attività di ricerca di dottorato Giancarlo Caponio Pag. 12

13 (Superficie urbanizzata discontinua) è la porzione di territorio dove la densità dell urbanizzato è inferiore al 50%. Corrisponde alla categoria della classificazione CLC. (Superficie urbanizzata) è porzione di territorio composto dalla superficie edificata e dalla relativa superficie di pertinenza. Corrisponde alle categorie 1.1, della classificazione CLC. Per superficie di pertinenza si intende la porzione di territorio interclusa tra più edifici (strade, marciapiedi, cortili, giardini); (Superficie infrastrutturata) è la porzione di territorio al di fuori della superficie urbanizzata. Corrisponde alle categorie e della classificazione CLC; (Superficie consumata in modo reversibile) è la porzione di territorio che presenta modifiche alle caratteristiche morfologiche ma non è impermeabile (cave, parchi, impianti sportivi). Corrisponde alle categorie 1.3 e 1.4 della classificazione CLC. Gli indicatori fin qui individuati hanno un carattere statico, fornendo una fotografia dello stato attuale della copertura e dell utilizzo del suolo. Per valutare l evoluzione temporale degli stessi risulta opportuno definire: 7. (tasso medio di incremento) Dove: rappresenta il valore assunto dall indicatore al tempo di aggiornamento ; rappresenta il valore assunto dall indicatore al tempo di aggiornamento ; rappresenta l intervallo di tempo tra i due rilievi ( ); Il carattere generico del tasso medio di incremento è funzionale alle problematiche che riguardano la reperibilità di dati. In particolare, il progetto Corine Land Cover viene effettuato con intervalli temporali diversi tra loro e con cadenza pluriennale (1990, 2000, 2006). Quello della disponibilità di dati fruibili con una frequenza ben definita (annuale o quinquennale) rappresenta una forte criticità per l individuazione di un set di indicatori utili al decisore pubblico. Un altro aspetto importante riguarda la granularità spaziale che caratterizza questi indicatori. Ad esempio il consumo di suolo complessivo, per come viene definito, assume un significato su orizzonti spaziali che riguardano l intero territorio comunale o provinciale (si ricordi a tal proposito che Bari è una delle 10 città metropolitane individuate dalla Costituzione Italiana e che vedrà la sua provincia soppressa a decorrere dal 1 gennaio 2014 come indicato nel Decreto Legge del 6 luglio 2012, n. 95, art. 18). R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 13

14 Gli indicatori di impermeabilizzazione e di dispersione, invece, oltre alla superficie comunale e provinciale, possono essere riferiti ad una scala inferiore (quartiere). Appaiono evidenti i vantaggi derivanti dall utilizzo di tali indicatori, per stabilire ad esempio i quartieri su cui porre in atto iniziative per aumentare la densità abitativa e ridurre così l effetto dell urban sprawl. La necessità di esprimere in termini esaustivi la complessità del fenomeno del consumo di suolo ha condotto all individuazione di altri indici che correlano da un punto di vista logico e funzionale altri indicatori socio-economici al fine di descrivere in maniera più organica i processi di trasformazione del territorio. In particolare sono stati definiti 2 indici: 8. (Densità dell Urbanizzato) 9. (Densità Attività commerciali su suolo consumato) Il primo indicatore definito anche Intensità di Utilizzo del suolo misura la concentrazione degli abitanti sul suolo artificiale, mentre il secondo misura la concentrazione delle attività commerciali su suolo consumato. Entrambi possono essere valutati su scala comunale o di quartiere. Nel 2009, la Commissione Europea e i 27 Stati membri dell UE, grazie alla tecnologia messa a disposizione dall Agenzia Spaziale Europea (European Space Agency - ESA) hanno sviluppato il progetto Urban Atlas finalizzato a definire un atlante urbano, che, grazie alle migliaia di fotografie satellitari, fornisse mappe digitali ad elevato grado di dettaglio per 185 città europee, tra cui anche la città di Bari. Fig. 3 e 4 - carta dell uso del suolo della città di Bari e legenda del IV livello per le superfici artificiali (Progetto Urban Atlas EEA). R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 14

15 Urban Atlas ha implementato la distinzione in classi operata dal progetto CLC e ha inserito un quarto livello di dettaglio per le superfici artificiali (classe I); inoltre ha utilizzato una scala nominale di 1: e una densità informativa con una Minimum Mapping Unit (MMU) di 0.25 [ha] rispetto al progetto CLC che ha una scala di 1: e una Minimum Mapping Unit (MMU) di 25 [ha] [20]. Utilizzando questi dati dettagliati, è stato possibile definire due indicatori connessi all uso razionale del suolo di zone suburbane, come circoscrizioni o quartieri. Il primo è L indice di land use mix ( 10., Imix [0,1] ): (Indice di land use mix) Dove è la superficie territoriale di riferimento (città, circoscrizione, quartiere) rappresenta la superficie di classe i-esima è il numero di classi considerate L indice di land use mix ( ), considerate le opportune classi di land use a seconda degli obiettivi (ad esempio, per le zone artificiali, la distinzione in scopi residenziali, commerciali, e altri utilizzi come parchi, giardini e impianti sportivi), esprime quanto un settore di riferimento sia diversificato nell utilizzo del territorio. Tale indice varia da 0 (per i territori caratterizzati da un unico utilizzo) a 1 (per i territori che presentano il mix perfetto tra le classi considerate) e può essere impiegato per valutare la dinamicità, la qualità dell ambiente, e l efficienza urbana in un ottica di strategia di pianificazione territoriale sostenibile. Il secondo indicatore è l indice di compattezza ( ) definito come: 11., Ic [0,1] (Indice di compattezza) Dove: è l area della superficie considerata; è l area in comune tra la superficie considerata e il cerchio avente la stessa area della superficie e centrato nel suo baricentro (Fig. 5). Esso misura quanto un quartiere si discosta dalla forma circolare, ossia la forma geometrica con il minor rapporto perimetro-area. Anche questo indice va da 0 (per i territori caratterizzati da forme estremamente irregolari) ad 1 (per i territori perfettamente compatti). Relazione attività di ricerca di dottorato Giancarlo Caponio Pag. 15

16 Fig. 5 Calcolo dell indice di compattezza. Studi [21], [22], [23], [24], [25] dimostrano come il mixed land use (ad esempio la presenza in un quartiere di destinazioni multiple) sia un fattore chiave che influenza la walkability, i costi di trasporto e l uso di combustibile. Al contrario, quartieri caratterizzati da poche destinazioni locali portano i residenti a camminare meno e ad utilizzare più spesso l automobile [23]. Ad esempio si è verificata una correlazione tra quartieri con poche destinazioni locali e la diffusione di patologie legate al sovrappeso, come l'obesità [25]. Gli ultimi due indici possono essere funzionali per uno sviluppo urbano orientato verso il Transit Oriented Development (TOD), ossia la tecnica di pianificazione urbana che prevede uno sviluppo di aree ad alta densità attorno ad una stazione o ad una fermata di mezzi pubblici (ferrovia, bus, metro), creando zone "mixed use" residenziali e commerciali. Questo tipo di pianificazione urbana, rende più semplice l'utilizzo di biciclette e mezzi pubblici, nonché la mobilità pedonale[26]. R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 16

17 STUDIO DEI MODELLI PER IL PROGRAM PLANNING ENERGETICO Stato dell arte dei modelli per l energy planning I modelli energetici, come altri modelli, sono delle rappresentazioni semplificate di sistemi reali. Tali modelli vengono utilizzati per studiare il comportamento di un sistema allorquando la sperimentazione sul campo sia troppo onerosa o addirittura impossibile perché si è ancora nella fase di progettazione. Differenti tipologie di modelli possono essere caratterizzate da un differente livello di dettaglio e richiedere una quantità di dati in input molto diversa per poter fornire una descrizione accurata del sistema reale. I modelli analitici e i modelli di simulazione possono essere considerati agli estremi della vasta gamma di tipologie di modelli matematici. Un modello analitico è caratterizzato da un set di equazioni utilizzate per descrivere il comportamento di un sistema o di un entità. Un modello di simulazione rappresenta un modello dinamico di un sistema, o un problema-entità che prova a riprodurre il comportamento del sistema. A volte risulta opportuno combinare modelli analitici e di simulazione in modelli ibridi. I modelli ibridi sono, infatti, dei modelli matematici che combinano questi due tipi di modelli (Shanthikumar et al., 1983). Nella trattazione dei modelli per il planning energetico in ambito locale non sono stati presi in esame i modelli di ottimizzazione in quanto essi costituiscono un supporto nelle situazioni che richiedono la scelta migliore tra un set di alternative già ben definite e soggette a vincoli. L output rappresenta il modo ottimo di raggiungere un obiettivo. Per il planning, in particolare quello energetico, si richiede che il modello possa prevedere gli output in base a differenti scenari o alternative (modello predittivo). I modelli di ottimizzazione, infatti, piuttosto che strumenti what-if, sono degli strumenti how-to (Hiremath et al., 2007). Tra i modelli che possono essere utilizzati per l energy planning a livello locale vi sono quelli basati sull intelligenza artificiale (artificial intelligence). Le tecniche basate sull intelligenza artificiale sono state applicate con successo in vari settori per risolvere problemi di natura complessa. Infatti un energy planning integrato, basato su un sistema di supporto alle decisioni (DSS), appare flessibile, adattabile ed ecologically sound nell offrire, ad esempio, una panoramica sul mix ottimale tra le risorse energetiche rinnovabili e convenzionali da R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 17

18 adottare (Jebaraj et al. 2006). Tra questi modelli si annoverano i modelli basati sulla logica fuzzy, i metodi di decision making multi criterio e i modelli basati sulle reti neurali. I metodi di decision making multi criterio In un processo decisionale l obiettivo principale del decisore è quello di individuare la soluzione ad un problema in un insieme di soluzioni ammissibili. Tuttavia, una soluzione ottima esiste solo quando viene considerato un singolo criterio o quando i criteri sono in non contraddizione. Nella maggior parte delle situazioni reali, le decisioni vengono prese sulla base di differenti criteri, a volte anche in contrasto tra loro e spesso non omogenei. Risulta pertanto difficile trovare una soluzione che sia ottima per ciascuno dei criteri considerati. I MCDM (Multi-Criteria Decision Making) sono dei metodi utilizzati per supportare il decisore nel processo decisionale quando si è in presenza di criteri contrastanti. L utilizzo dei MCDM permette la scomposizione di problemi complessi in sotto-problemi più semplici che, dopo essere stati valutati e pesati, vengono successivamente ri-assemblati per offrire una visione panoramica al decisore (Dodgson et al., 2001). Questi metodi forniscono un aiuto al decisore nell organizzare e nel sintetizzare le informazioni raccolte, di modo che prenda consapevolezza del problema e che possa essere sicuro nelle sue decisioni (Løken, 2007). I metodi MCDA aiutano i decision makers a capire e ad individuare i criteri fondamentali nel processo decisionale, evitando che prendano importanti decisioni in maniera automatica (out of habit). Esistono numerosi metodi MCDM. Nella scelta è necessario considerare alcuni aspetti fondamentali quali la validità, ossia deve misurare realmente ciò che dice di misurare; l appropriatezza, ossia il metodo deve fornire al decisore tutte le informazioni che necessita e deve essere compatibile con i dati accessibili; il metodo deve essere di semplice applicazione, così da evitare che il decisore percepisca la metodologia come una black box e che quindi possa poi diffidare dalle raccomandazioni fornite dal metodo. Belton et al. (2002) hanno classificato i metodi MCDA individuando 3 diverse categorie (o scuole di pensiero): 1) Modelli di misurazione del valore; 2) Goal programming models; 3) Modelli di surclassamento. R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 18

19 I modelli di misurazione del valore I modelli di misurazione del valore consistono nell assegnare un punteggio numerico ad ogni alternativa. Grazie a questi punteggi è possibile ottenere un ordine di preferenza per le alternative considerate. Ai vari criteri presi in esame vengono attribuiti dei pesi che, considerando l importanza del criterio per il decisore, rappresentano il contributo parziale di ciascuno di essi al punteggio finale. Idealmente, i pesi dovrebbero esprimere quanto il decisore sia disposto ad accettare nel trade-off tra due criteri. Tra questi si annoverano i Metodi Decisionali Multi-Attributo (MADM) e l AHP (Analytical Hierarchy Process) sviluppato da Thomas L. Saaty (1980). La principale caratteristica del modello AHP consiste in un confronto a coppie che viene utilizzato sia per comparare le alternative rispetto ai vari criteri individuati, sia per stimare i pesi dei criteri. Nel confronto a coppie viene utilizzata una scala proposta dall autore del modello riportata in figura. Fig. 6: scala fondamentale di T. L. Saaty I risultati dei confronti sono proposti in forma matriciale; da queste matrici, per calcolare il vettore dei pesi percentuali da assegnare ad ogni alternativa basta determinare il massimo autovalore e il relativo autovettore della matrice stessa (Kardi, 2006). Normalizzando l autovettore in modo che la somma dei suoi elementi sia pari a 1 (qualora sia necessario), otteniamo il vettore dei pesi percentuali o delle priorità relativi alle alternative ( : (1) L alternativa con il punteggio più alto viene preferita alle altre (Greening et al., 2004). Nell energy planning questi metodi sono stati utilizzati in (Tzeng et al., 1992) e (Yang e Chen, 1989) per valutare le strategie di ottimizzazione per la produzione di energia elettrica da diverse fonti. Ramanathan e Ganesh (1995) hanno evidenziato vantaggi e svantaggi di questo tipo di metodi. Fra i vantaggi troviamo la semplicità, la flessibilità e la facilità d utilizzo, nonché la possibilità di processare unitamente variabili di tipo quantitativo con altre di tipo qualitativo. Gli svantaggi risiedono nella complessità e nel fatto che tale modello è time consuming allorché si ha a che fare con un numero elevato di alternative/criteri, come spesso accade nel campo energetico. Un ulteriore problema connesso all uso dell AHP risiede R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 19

20 nella conversione dei giudizi verbali in numeri. Sembra infatti che la tabella di conversione tenda a sovrastimare le differenze di preferenza (Huizingh et al., 1997). Tale problematica può essere facilmente superata utilizzando tale modello in ambiente fuzzy. La logica fuzzy è una logica non binaria bensì sfumata, per la quale il mondo viene visto come un qualcosa di continuo, per l appunto, di sfumato. La teorizzazione della logica fuzzy deriva dall ingegnere Lotfi Zadeh che la propose nel 1965 nell articolo intitolato Information and control. Nella logica tradizionale valgono i principi di non contraddizione e del terzo escluso. In sostanza il principio di non contraddizione afferma che se appartenere all insieme è un generico insieme e x un generico elemento, allora x può o non appartenere. Formalmente questo significa dire: (2) Ossia se x è un elemento di, esso non può contemporaneamente appartenere anche al suo insieme complementare. Il principio del terzo escluso afferma che l unione dell insieme e del suo complementare costituiscono l universo del discorso. Formalmente significa affermare che (3) Se un elemento non appartiene all insieme preso in considerazione, deve necessariamente appartenere al suo complementare. Questo sistema di rappresentazione della realtà è tipico della logica binaria (0,1). La logica fuzzy permette di modellare il mondo reale seguendo i processi logici umani di percezione della realtà. L uomo non vede il mondo in logica "bianco o nero" (binaria) ma in logica di infinite sfumature di grigio. Pertanto cadono i classici principi visti in precedenza. Nella logica fuzzy, una variabile può assumere oltre ai soliti valori estremi (0 e 1) anche i valori intermedi come per esempio 0,1 oppure 0,6. Il valore rappresenta il grado di appartenenza di un dato reale ad una specifica classe, dove per classe fuzzy si intende un insieme fuzzy, ossia un insieme di coppie ordinate del tipo: (dato reale, grado di appartenenza). Formalmente si definisce un insieme fuzzy: (4) Dove con si indica la funzione di appartenenza, ossia quella particolare funzione che, per ogni valore reale, associa un grado di appartenenza a quella particolare classe fuzzy. Vengono utilizzate, funzioni di appartenenza di vario tipo: trapezoidali, triangolari, oppure gaussiane. Nel seguito verrà proposto un esempio di modello che ibridizza il metodo AHP con la logica fuzzy. Relazione attività di ricerca di dottorato Giancarlo Caponio Pag. 20

21 I modelli goal programming L approccio del goal programming consiste nel cercare di determinare le alternative che, secondo alcuni criteri stabiliti, sono quelle che si avvicinano maggiormente a un determinato obiettivo. Spesso un approccio di questo tipo viene utilizzato nella prima fase di una valutazione multi-criterio, quando è necessario fare una selezione fra numerose alternative. Da un punto di vista matematico, ciò si traduce nel risolvere la disuguaglianza, dove rappresenta i valori dell attributo, le variabili non negative di deviazione, e l obiettivo (o il livello di performance desiderato) per ciascun criterio. L obiettivo consiste nel trovare soluzioni possibili tali da minimizzare il vettore delle variabili di deviazione. Il metodo più semplice consiste nel minimizzare la somma pesata delle deviazioni, dove rappresenta il vettore peso. Tra i metodi che rientrano in questa categoria annoveriamo il metodo STEP, usato da Pokharel e Chandrashekar (1998) e Mirasgedis e Diakoulaki (1997) per confrontare differenti sistemi di generazione dell energia elettrica in merito all impatto ambientale procurato, e il metodo TOPSIS, usato da Chen (1997) per valutare le strategie di rifornimento elettrico. I modelli di surclassamento Nei modelli di surclassamento, le alternative vengono confrontate a coppie in modo da stabilire quella preferibile per ciascun criterio. Dopo aver aggregato le informazioni delle preferenze per tutti i criteri considerati, il modello determina le alternative che surclassano le altre. Si può affermare che a surclassa l alternativa b se risulta che a sia almeno altrettanto buona di b prendendo in esame la totalità dei criteri. Le due principali famiglie dei metodi di surclassamento sono l ELECTRE e il PROMETHEE. Tra i modelli ELECTRE, quello maggiormente utilizzato per l energy planning è l ELECTRE III (Løken, 2007); esso consiste nello scegliere le alternative che risultano preferibili per la maggior parte dei criteri, escludendo quelle che risultano molto sfavorevoli anche per uno solo di essi. Per ogni criterio si utilizzano le soglie di indifferenza (che caratterizza situazioni di incertezza informativa in cui è impossibile distinguere tra coppie di valori possibili).e di preferenza, che permettono il calcolo dell indice di concordanza e di discordanza. Da questi indici è possibile classificare le relazioni in deboli e forti; tali classificazioni sono usate per dare un punteggio alle alternative attraverso un processo iterativo. Nel metodo PROMETHEE si effettua un confronto a coppie di alternative per determinare una funzione di preferenza per ciascun criterio. Basandosi su questa funzione, si determina un indice di preferenza di un alternativa a rispetto ad un alternativa b; esso è definito come una media pesata delle preferenze su ciascun criterio. Tale indice viene poi utilizzato per determinare il valore della relazione di R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 21

22 surclassamento che determina il ranking delle alternative. La differenza principale tra questi metodi risiede nella procedura di calcolo utilizzata. Il metodo PROMETHEE II è caratterizzato da una procedura di calcolo intuibile, facilmente comprensibile dal decision maker, mentre i metodi ELECTRE spesso vengono percepiti come una black box (Georgopoulou et al., 1997), (Haralambopoulos e Polatidis, 2003). Esempio di modello ibrido per il planning energetico In (Kahraman e Kaya, 2010) è stato utilizzato un modello AHP ibridizzato in ambiente fuzzy per stabilire la migliore politica energetica per la Turchia e l area metropolitana di Istanbul. Le alternative considerate sono costituite dalle principali fonti di energia tra cui l energia nucleare, la biomassa, il carbone, il petrolio, l idrogeno, l energia geotermica, il gas naturale, l energia eolica e quella solare. Per la determinazione della migliore strategia sono stati utilizzate 4 differenti categorie: tecnologica, ambientale, socio-politica ed economia, ciascuna scorporata in sotto-criteri secondo la tabella seguente: Tab. 2: criteri considerati per selezionare la politica energetica migliore Principali categorie C1: tecnologia C2: ambiente C3: socio-politica C4: economia Sottocriteri C11: fattibilità C12: rischio C13: affidabilità C14: durata della fase di preparazione C15: durata della fase di implementazione C16: performance di continuità e di predicibilità C17: know-how tecnico locale C21: emissione di inquinanti C22: consumo di suolo C23: produzione di rifiuti da smaltire C31: compatibilità con le politiche energetiche nazionali C32: accettazione politica C33: accettazione sociale C34: impatto sul mondo del lavoro C41: costi di implementazione C42: disponibilità di fondi C43: redditività economica Per il confronto dei criteri, sono stati interpellati quattro esperti in materia energetica che hanno potuto esprimere il proprio giudizio mediante un preciso valore numerico, un range di valori, un termine R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 22

23 linguistico o con un numero fuzzy. Le valutazioni sono state convertite in standardizzati trapezoidali numeri fuzzy, che hanno permesso di calcolare i vettori pesi fuzzy per ciascun criterio. In Figura 3 viene rappresentato il framework del modello utilizzato. Il modello in questione ha permesso di ottenere un ranking sulle differenti politiche energetiche per la Turchia. Per ulteriori considerazioni, si rimanda all articolo. Nel metodo seguente l aggregazione fuzzy è stata utilizzata per razionalizzare le valutazioni degli esperti, mentre la defuzzificazione è stata utilizzata per trasformare le funzioni di appartenenza fuzzy in scale di valutazione precise per il calcolo del vettore pesi. La metodologia si articola in 8 step: 1. Misurare le alternative nelle gerarchie. Gli esperti assegnano una valutazione ad ogni alternativa: possono esprimere il proprio giudizio mediante un preciso valore numerico, un range di valori, un termine linguistico o con un numero fuzzy. 2. Fare un confronto a coppie di alternative. Gli esperti confrontano ogni coppia di alternative, determinando una scala precisa o fuzzy. 3. Convertire i giudizi in numeri fuzzy trapezoidali standardizzati (Standardized Trapezoidal Fuzzy Number STFN). Gli STFN sono stati adottati per convertire i giudizi degli esperti, descritti negli step 1 e 2, in un formato universale. Si definisce U universo del discorso, con. Un STFN può essere definito come, con come mostrato in Figura 2, e la sua funzione di appartenenza specificata come segue: (5) Fig. 7: funzione di appartenenza di un STFN. Relazione attività di ricerca di dottorato Giancarlo Caponio Pag. 23

24 4. Aggregare i singoli STFN in gruppi STFN. L aggregazione dei punteggi STFN viene effettuata definendo l operatore (6) dove è il punteggio aggregato fuzzy dell alternativa attribuiti da m esperti, STFN dell alternativa e, sono i punteggi sono rispettivamente l operatore di moltiplicazione fuzzy e l operatore di addizione fuzzy, ed infine sono, rispettivamente, i fattori di contribuzione (contributions factors) assegnati agli esperti, con. Allo stesso modo, l aggregazione delle scale STFN è definita come: (7) Dove, è il punteggio aggregato fuzzy di, confrontato con ; sono le corrispondenti scale STFN di misurate rispettivamente dagli esperti confrontato con. 5. Defuzzificare le scale STFN. Per la conversione delle scale aggregate STFN in valori precisi, si rende necessario adoperare una defuzzificazione. Assunta come generica scala aggregata STFN, il valore preciso viene ottenuto con la trasformazione: (8) dove, 1/. Le scale hanno un range di [0,9]. 6. Calcolare il vettore peso delle alternative. Definite come un set di alternative, è la scala defuzzificata che rappresenta il giudizio numerico di confronto a coppie tra e confrontata con, porta alla costruzione di una matrice definita come segue: Relazione attività di ricerca di dottorato Giancarlo Caponio. Il Pag. 24

25 (9) dove, 1/. I pesi-priorità dei fattori nella matrice possono essere calcolati utilizzando il metodo della media aritmetica: dove è il peso di. 7. Calcolare i punteggi finali fuzzy. Calcolati i valori del vettore peso, i punteggi finali fuzzy (FS) possono essere calcolati con: 8. Confrontare i valori (FS) utilizzando un qualsiasi metodo di surclassamento per stabilire il ranking finale delle alternative. Relazione attività di ricerca di dottorato Giancarlo Caponio Pag. 25

26 Fig. 8: le relazioni gerarchiche del modello Modelli basati sulla dinamica dei sistemi La metodologia della dinamica dei sistemi è stata sviluppata dal professor Forrester negli anni 50 (Forrester, 1958). In quest ottica, la realtà è vista come un sistema, cioè come un insieme di elementi/parti fra di loro interconnesse. Tali sistemi sono caratterizzati dal fatto che evolvono nel tempo, come effetto di stimoli esterni e della interdipendenza delle loro parti: sono dei sistemi dinamici. Lo strumento quantitativo ideato da Forrester per modellare problemi complessi utilizza due tipologie di variabili: variabili di flusso (definiscono le variazioni dei livelli per effetto delle decisioni) e variabili di livello (definiscono lo stato del sistema in un certo istante). Nei modelli dinamici di Forrester hanno un ruolo centrale i circuiti di retroazione: l orientamento delle azioni future viene influenzato dal comportamento passato. I feedback possono essere negativi quando i risultati del sistema vanno a smorzare il funzionamento del sistema stesso stabilizzandolo, o positivi quando i risultati del sistema vanno ad amplificare il funzionamento del sistema stesso, che di conseguenza produrrà risultati maggiori che amplificheranno ulteriormente il funzionamento del sistema. Tale modello essendo in grado di descrivere i cambiamenti dinamici, i feedback, i ritardi e altri processi di un sistema, risulta particolarmente vantaggioso nell analizzare, migliorare e gestire quei sistemi caratterizzati da lunghi cicli di sviluppo e da complessi effetti di retroazione (Naill, 1992). R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 26

27 Un esempio applicativo In (Li et al., 2012) è stato sviluppato un modello basato sulla dinamica dei sistemi che simula in maniera dinamica le emissioni di CO 2 in relazione a diverse politiche energetiche adottabili, considerando il sistema economico, la governance energetica e le emissioni di CO 2 come un unico sistema. Sono stati presi in esame diversi indicatori per stabilire le interazioni e i flussi fra questi macro-fattori. Il frame work di riferimento è presentato nella figura seguente (Figura 9): Fig. 9: il framework delle politiche di riduzione delle emissioni di CO 2 Il framework sulle politiche di riduzione delle emissioni di CO 2 provvede a fornire un modello in grado di prevedere localmente il trend di emissione, e che possa supportare politiche energetiche che vadano in tal senso. Sulla base di questo framework, gli autori hanno realizzato un modello chiamato EECP (Economy- Energy-CO 2 emission-policy) per simulare l evoluzione dinamica dello sviluppo economico, del consumo energetico e dell emissione di CO 2 ; è stata progettata la mappa dei circuiti causali (Figura 10) in cui le frecce blu rappresentano i processi caratterizzati da emissione di CO 2 e le azioni politiche per la riduzione delle emissioni, mentre le frecce rosse rappresentano le azioni per controllare e regolare tale fenomeno. Con il simbolo + si identificano le relazioni dirette, mentre col simbolo quelle indirette. R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 27

28 Fig. 10: la mappa dei circuiti causali del modello EECP Il modello EECP sta alla base della mappa strutturale o diagramma flussi-livelli generato dal software VENSIM, organizzata in 7 variabili livello (stock), 7 variabili flusso (flow) e altre 40 variabili ausiliarie (Figura 11). I rapporti causali sono indicati dalle frecce: le variabili causa si trovano in corrispondenza della coda delle frecce, mentre quelle effetto al capo opposto. Con le variabili p1, p2 e p3 si è voluto indicare rispettivamente la percentuale di carbone, petrolio e gas naturale sul consumo totale di energia primaria, mentre i rispettivi fattori di emissione sono indicati con e1, e2 ed e3. I target di riduzione delle emissioni considerati sono il 60% (emission target 1) e il 55% (emission target 2) e i dati sono riferiti alle emissioni del 2005 nella provincia cinese di Liaoning, un area ad elevato sviluppo industriale. Grazie a tale rappresentazione, gli autori hanno potuto simulare 3 diversi scenari: lo scenario status quo, lo scenario relativo al Dodicesimo piano quinquennale varato dal governo cinese, ed infine lo scenario improvement in cui gli autori, a seguito della simulazione, hanno riconsiderato alcuni parametri R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 28

29 rilevanti nel modello per stabilire le politiche da attuare per ottenere il miglior compromesso tra crescita del PIL, risvolti sociali ed impatti ambientali. Fig. 11: il diagramma flussi-livelli del modello EECP I dati utilizzati nel modello provengono dal Chinese Energy Statistics Yearbook, mentre per i fattori delle emissioni di CO2, sono stati utilizzati quelli presenti nel documento 2006 IPCC Guidelines for National Greenhouse Gas Inventories. Gli input del modello sono costituiti dai target di riduzione delle emissioni di CO 2 e dalle conseguenti politiche per il raggiungimento degli obiettivi, dai tassi di incremento del GDP, dai trend delle percentuali delle fonti fossili (carbone, petrolio e gas naturale) e da quelle non fossili (nucleare, eolica, solare ed idroelettrica). Gli output sono costituiti dalla quantità totale di emissioni di CO 2, dal GDP, dai consumi energetici totali, dagli investimenti destinati alle politiche di incentivazione, qualora presenti, e dalle percentuali di fonti di energia non fossile (nucleare, eolica, solare, idroelettrica). R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 29

30 La dinamica dei sistemi combinata con un analisi multicriterio Come detto in precedenza, sia la dinamica dei sistemi che l analisi multicriterio possono essere utilizzati per fornire ai decision makers uno strumento utile alla comprensione e al controllo delle dinamiche reali mediante modelli formali. Sebbene abbiano lo stesso scopo, sono pochi i tentativi di fusione di queste due metodologie in letteratura. In particolare, due tipologie di modelli ibridi risultano interessanti: la prima consiste nell inclusione dell analisi multicriterio nel modello basato sulla dinamica dei sistemi, la seconda si riscontra quando diverse strategie individuate con i metodi MCDA sono proposte e simulate dal modello. Nonostante la dinamica dei sistemi offra un ampia panoramica sull evoluzione dei processi e fornisca i mezzi per avere un chiaro quadro della situazione, accade che i decision makers abbiano dubbi nella scelta della politica da seguire. A questo livello può intervenire uno strumento di decisione multi criterio, in grado di dare una panoramica più estesa del problema e delle linee guida per scegliere la decisione appropriata da implementare. Se la prima tipologia di ibridizzazione rientra proprio nelle fasi di modellizzazione costituite dalla concettualizzazione del sistema e dalla formulazione del modello, la seconda si sposta sulla fase in cui vengono scelti i parametri e vengono delineate le azioni strategiche sulla cui base sarà definito il modello (Figura 12). Fig. 12: panoramica dell approccio al modello ibrido Attualmente non sono presenti in letteratura tentativi di ibridizzazione di modelli per il planning energetico, mentre modelli ibridi della seconda tipologia sono stati utilizzati da Gardiner e Ford (1980) R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 30

31 e da Andersen e Rohrbaugh (1992) per un analisi sulla psicologia sociale. Infine Brans et al. (1998) hanno proposto una metodologia per sviluppare un modello basato sulla dinamica dei sistemi, ibridizzato con il metodo PROMETHEE, per offrire ai decision makers un aiuto nella scelta delle strategie appropriate versi obiettivi a lungo termine e per un controllo nel breve termine in campo socio economico. Tale metodologia consiste in un processo iterativo, e ciascuna iterazione si articola in 11 step: 1. Elaborazione della rappresentazione mentale. 2. Definizione delle variabili del sistema e delle relazioni che le governano; definizione del diagramma di influenza. 3. Identificazione dei cicli di retroazione positivi e negativi all interno del diagramma. 4. Posizionamento dei watchdogs. 5. Modellizzazione sulla dinamica dei sistema e validazione del modello. 6. Generazione delle strategie. 7. Simulazione degli scenari e delle opportunità strategiche. 8. Ranking e selezione delle alternative mediante la procedura MCDA PROMETHEE. 9. Implementazione della strategia selezionata. 10. Ridefinizione del problema di riferimento. 11. Analisi degli scarti tra l evoluzione pianificata e quella effettiva. Iterazione successiva L intera procedura è schematizzata dal diagramma di flusso rappresentato nella figura 13. R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 31

32 Fig. 13: il diagramma di flusso della metodologia R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 32

33 STUDIO SULLE PRESTAZIONI ECONOMICHE E AMBIENTALI DELLE APPLICAZIONI DEL BIOGAS L attività di ricerca ha indagato sulla possibilità di impiego di energie rinnovabili derivanti dal trattamento dei rifiuti solidi urbani per la copertura dei fabbisogni energetici. In particolare sono stati presentati due lavori sulle prestazioni economiche ed ambientali delle applicazioni del biogas dalla Frazione Organica dei Rifiuti Solidi Urbani (FORSU). Lo studio è stato condotto sulla città di Bari, ipotizzando una Raccolta Differenziata al 50% (RD al 21% nel 2012). Fig. 12: le applicazione del biogas Fig. 13: il contesto dello studio R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 33

34 Sono stati identificati 3 diversi scenari: nel primo, il biogas prodotto viene utilizzato in un cogeneratore ad alto rendimento per la produzione contestuale di energia termica ed elettrica, nel secondo subisce un processo di upgrading per l immissione nella rete del gas naturale, nel terzo viene utilizzato per rifornire 70 autocompattatori per la raccolta dei rifiuti e 10 spazzatrici meccanico-aspiranti per la nettezza delle strade. I risultati hanno evidenziato come l assenza di una tariffa di incentivazione per la produzione di biometano renda gli scenari 2 e 3 meno remunerativi dello scenario 1. Di contro, le migliori performance ambientali (Fig. 14), in termini di emissioni evitate di gas serra, si ottengono proprio con gli scenari 2 e 3. Il risultato è conseguenza dell elevata percentuale di energia da fonti rinnovabili (quasi il 30% nel 2012 GSE) nel mix nazionale elettrico che ha ridotto sensibilmente le emissioni di CO 2eq del kwh prodotto. Fig. 14: Emissioni evitate di gas serra per ogni scenario Dai risultati conseguiti è stato possibile proporre una tariffa di incentivazione basata proprio sulle emissione evitate di gas serra. Considerati gli attuali incentivi previsti per la produzione di energia elettrica da biogas da rifiuti organici, è stato possibile quantificare la willingness-to-pay per evitare l emissione di una tonnellata di CO 2eq. Nell ipotesi di una stessa willingness-to-pay per la produzione di biometano è stato possibile quantificare una tariffa di incentivazione per gli scenari 2 e 3. R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 34

35 Alla luce di queste considerazioni, sono state ricalcolate le redditività dei tre scenari. I risultati hanno mostrato come gli scenari che prevedono la produzione di biometano risultino economicamente più vantaggiosi rispetto all utilizzo del biogas per cogenerazione (Fig. 15). Fig. 15: valutazione economica degli scenari senza e con incentivazione per il biometano Attualmente esistono 261 impianti di upgrading nel mondo, di cui oltre la metà in Germania, leader nella produzione di biometano per l immissione della rete del gas naturale e in Svezia, leader dell utilizzo del biometano per l autotrazione. In Italia è presente un solo impianto pilota presso la discarica Malagrotta (Roma) per il rifornimento di autocompattatori di AMA, la società municipalizzata che si occupa della raccolta dei rifiuti presso la città di Roma. L impianto suddetto non è più operativo. Per ulteriori considerazioni, si rimanda agli articoli [74] e [75]. R e l a z i o n e a t t i v i t à d i r i c e r c a d i d o t t o r a t o G i a n c a r l o C a p o n i o Pag. 35