El modelado energético o modelado de sistemas energéticos es el proceso de construcción de modelos informáticos de sistemas energéticos para analizarlos. Dichos modelos a menudo emplean el análisis de escenarios para investigar diferentes supuestos sobre las condiciones técnicas y económicas en juego. Los resultados pueden incluir la viabilidad del sistema, las emisiones de gases de efecto invernadero , los costos financieros acumulativos , el uso de recursos naturales y la eficiencia energética del sistema que se investiga. Se emplea una amplia gama de técnicas, que van desde las más económicas hasta las más generales de ingeniería. [1] Optimización matemáticase utiliza a menudo para determinar el costo mínimo en algún sentido. Los modelos pueden ser de alcance internacional, regional, nacional, municipal o autónomo. Los gobiernos mantienen modelos energéticos nacionales para el desarrollo de políticas energéticas .
Los modelos energéticos generalmente están destinados a contribuir de diversas formas a las operaciones del sistema, el diseño de ingeniería o el desarrollo de políticas energéticas . Esta página se concentra en modelos de políticas. Las simulaciones de energía de edificios individuales están explícitamente excluidas, aunque a veces también se denominan modelos de energía. Los modelos de evaluación integrados al estilo del IPCC , que también contienen una representación del sistema energético mundial y se utilizan para examinar las vías de transformación global hasta 2050 o 2100, no se consideran aquí en detalle.
El modelado energético ha aumentado en importancia a medida que la necesidad de mitigar el cambio climático ha aumentado en importancia. El sector de suministro de energía es el mayor contribuyente a las emisiones globales de gases de efecto invernadero . [2] El IPCC informa que la mitigación del cambio climático requerirá una transformación fundamental del sistema de suministro de energía, incluida la sustitución de tecnologías de conversión de combustibles fósiles no disminuidas (no capturadas por CCS ) por alternativas bajas en GEI. [2]
Tipos de modelos
Se utiliza una amplia variedad de tipos de modelos. Esta sección intenta categorizar los tipos de claves y su uso. Las divisiones proporcionadas no son rígidas y rápidas y existen modelos de paradigma mixto. Además, los resultados de modelos más generales se pueden utilizar para informar la especificación de modelos más detallados y viceversa, creando así una jerarquía de modelos. Los modelos pueden, en general, necesitar capturar "dinámicas complejas como:
- operación del sistema de energía
- rotación de stock de tecnología
- innovación tecnológica
- comportamiento de la empresa y del hogar
- Inversión de capital energético y no energético y dinámica de ajuste del mercado laboral que conduce a la reestructuración económica.
- despliegue de infraestructura y planificación urbana " [3] : S28-S29 ( formulario de puntos añadido )
Los modelos pueden tener un alcance limitado al sector eléctrico o pueden intentar cubrir un sistema energético en su totalidad (ver más abajo).
La mayoría de los modelos energéticos se utilizan para el análisis de escenarios . Un escenario es un conjunto coherente de supuestos sobre un posible sistema. Los nuevos escenarios se prueban contra un escenario de línea de base - normalmente negocios como de costumbre (BAU) - y se anotan las diferencias en los resultados.
El horizonte temporal del modelo es una consideración importante. Los modelos de un año, establecidos en el presente o en el futuro (digamos 2050), asumen una estructura de capital que no evoluciona y se centran en cambio en la dinámica operativa del sistema. Los modelos de un año normalmente incorporan una considerable cantidad de detalles técnicos y temporales (normalmente una resolución horaria) (como una planta de generación individual y líneas de transmisión). Los modelos de largo alcance, emitidos a lo largo de una o más décadas (desde el presente hasta, digamos, 2050), intentan encapsular la evolución estructural del sistema y se utilizan para investigar la expansión de la capacidad y los problemas de transición del sistema energético.
Los modelos a menudo usan optimización matemática para resolver la redundancia en la especificación del sistema. Algunas de las técnicas utilizadas derivan de la investigación operativa . La mayoría se basa en la programación lineal (incluida la programación de enteros mixtos ), aunque algunos utilizan programación no lineal . Los solucionadores pueden utilizar optimización clásica o genética , como CMA-ES . Los modelos pueden ser recursivos-dinámicos, resolviéndose secuencialmente para cada intervalo de tiempo y, por lo tanto, evolucionando a lo largo del tiempo. O pueden enmarcarse como un único problema intertemporal prospectivo y, por lo tanto, asumir una previsión perfecta. Los modelos basados en ingeniería de un año generalmente intentan minimizar el costo financiero a corto plazo , mientras que los modelos basados en el mercado de un año utilizan la optimización para determinar la compensación del mercado . Los modelos de largo alcance, que generalmente abarcan décadas, intentan minimizar los costos tanto a corto como a largo plazo como un solo problema intertemporal.
El lado de la demanda (o dominio del usuario final) históricamente ha recibido una atención relativamente escasa, a menudo modelada por una simple curva de demanda . Las curvas de demanda de energía del usuario final, al menos a corto plazo, suelen ser muy inelásticas .
A medida que aumenta la importancia de las fuentes de energía intermitentes y la gestión de la demanda de energía , los modelos han tenido que adoptar una resolución temporal por hora para capturar mejor su dinámica en tiempo real. [4] [5] Los modelos de largo alcance a menudo se limitan a cálculos a intervalos anuales, basados en perfiles de días típicos y, por lo tanto, son menos adecuados para sistemas con energía renovable variable significativa . La optimización del despacho diario se utiliza para ayudar en la planificación de sistemas con una parte significativa de producción de energía intermitente en los que la incertidumbre en torno a las predicciones energéticas futuras se explica por el uso de la optimización estocástica. [6]
Los lenguajes de implementación incluyen GAMS , MathProg , MATLAB , Mathematica , Python , Pyomo , R , Fortran , Java , C , C ++ y Vensim . Ocasionalmente se utilizan hojas de cálculo .
Como se señaló, los modelos integrados al estilo del IPCC (también conocidos como modelos de evaluación integrada o IAM) no se consideran aquí en detalle. [7] [8] Los modelos integrados combinan submodelos simplificados de la economía mundial , la agricultura y el uso de la tierra , y el sistema climático global , además del sistema energético mundial. Los ejemplos incluyen GCAM, [9] MESSAGE y REMIND. [10]
Las encuestas publicadas sobre el modelado de sistemas energéticos se han centrado en técnicas, [11] clasificación general, [12] una descripción general, [13] planificación descentralizada, [14] métodos de modelado, [15] integración de energías renovables, [6] [16] políticas de eficiencia energética , [17] [18] integración de vehículos eléctricos, [19] desarrollo internacional , [20] y el uso de modelos en capas para apoyar la política de protección del clima . [21] Los investigadores del proyecto Deep Decarbonization Pathways también han analizado tipologías de modelos. [3] : S30 – S31 Un documento de 2014 describe los desafíos de modelado que se avecinan a medida que los sistemas de energía se vuelven más complejos y los factores humanos y sociales se vuelven cada vez más relevantes. [22]
Modelos del sector eléctrico
Los modelos del sector eléctrico se utilizan para modelar sistemas eléctricos. El alcance puede ser nacional o regional, según las circunstancias. Por ejemplo, dada la presencia de interconectores nacionales, el sistema eléctrico de Europa occidental puede modelarse en su totalidad.
Los modelos basados en ingeniería generalmente contienen una buena caracterización de las tecnologías involucradas, incluida la red de transmisión de CA de alta tensión cuando corresponda. Algunos modelos (por ejemplo, los modelos para Alemania) pueden asumir un solo bus común o "placa de cobre" donde la red es fuerte. El lado de la demanda en los modelos del sector eléctrico generalmente está representado por un perfil de carga fijo .
Los modelos basados en el mercado , además, representan el mercado eléctrico predominante , que puede incluir precios nodales .
La teoría de juegos y los modelos basados en agentes se utilizan para capturar y estudiar el comportamiento estratégico dentro de los mercados eléctricos . [23] [24] [25]
Modelos de sistemas energéticos
Además del sector eléctrico, los modelos de sistemas energéticos incluyen el calor, el gas, la movilidad y otros sectores según corresponda. [26] Los modelos de sistemas energéticos suelen tener un alcance nacional, pero pueden ser municipales o internacionales.
Los llamados modelos de arriba hacia abajo son de naturaleza ampliamente económica y se basan en el equilibrio parcial o en el equilibrio general . Los modelos de equilibrio general representan una actividad especializada y requieren algoritmos dedicados . Los modelos de equilibrio parcial son más comunes.
Los denominados modelos ascendentes captan bien la ingeniería y, a menudo, se basan en técnicas de la investigación de operaciones . Las plantas individuales se caracterizan por sus curvas de eficiencia (también conocidas como relaciones de entrada / salida), capacidades de placa, costos de inversión ( capex ) y costos operativos ( opex ). Algunos modelos permiten que estos parámetros dependan de condiciones externas, como la temperatura ambiente. [27]
La producción de modelos híbridos de arriba hacia abajo / de abajo hacia arriba para capturar tanto la economía como la ingeniería ha demostrado ser un desafío. [28]
Modelos establecidos
Esta sección enumera algunos de los principales modelos en uso. [29] Estos suelen estar a cargo de los gobiernos nacionales. En un esfuerzo comunitario, se recopiló una gran cantidad de modelos de sistemas de energía existentes en hojas de datos modelo en Open Energy Platform . [30]
SALTO
LEAP, la Plataforma de análisis de bajas emisiones (anteriormente conocida como Sistema de planificación de alternativas energéticas de largo alcance) es una herramienta de software para el análisis de políticas energéticas , la planificación de la reducción de la contaminación del aire y la evaluación de la mitigación del cambio climático . [31] [32]
LEAP fue desarrollado en el Centro de Estados Unidos del Instituto Ambiental de Estocolmo (SEI). LEAP se puede utilizar para examinar los sistemas de energía de la ciudad, el estado, el país y la región. LEAP se utiliza normalmente para estudios de entre 20 y 50 años. La mayoría de sus cálculos se realizan a intervalos anuales. LEAP permite a los analistas de políticas crear y evaluar escenarios alternativos y comparar sus requisitos energéticos, costos y beneficios sociales e impactos ambientales. En junio de 2021, LEAP tiene más de 6000 usuarios en 200 países y territorios.
Simulación de sistemas de energía
MAPS (simulación de producción de áreas múltiples) de General Electric es un modelo de simulación de producción utilizado por varias organizaciones regionales de transmisión y operadores de sistemas independientes en los Estados Unidos para planificar el impacto económico de las instalaciones de generación y transmisión eléctrica propuestas en la venta al por mayor eléctrica regulada por la FERC. mercados. Algunas partes del modelo también se pueden utilizar para la fase de compromiso y despacho (actualizado en intervalos de 5 minutos) en la operación de los mercados eléctricos mayoristas para las regiones RTO e ISO. PROMOD de ABB es un paquete de software similar. Estas regiones ISO y RTO también utilizan un paquete de software de GE llamado MARS (Simulación de confiabilidad de múltiples áreas) para garantizar que el sistema de energía cumpla con los criterios de confiabilidad (una expectativa de pérdida de carga (LOLE) no mayor a 0.1 días por año). Además, un paquete de software de GE llamado PSLF (Positive Sequence Load Flow) y un paquete de software de Siemens llamado PSSE (Power System Simulation for Engineering) analiza el flujo de carga en el sistema de energía en busca de cortocircuitos y estabilidad durante los estudios de planificación preliminares de RTO e ISO. [33] [34] [35] [36] [37] [38] [39] [40]
MARKAL / TIEMPOS
MARKAL (MARKet ALlocation) es una plataforma integrada de modelado de sistemas de energía, que se utiliza para analizar cuestiones energéticas, económicas y ambientales a nivel mundial, nacional y municipal durante períodos de hasta varias décadas. MARKAL se puede utilizar para cuantificar los impactos de las opciones de política en el desarrollo tecnológico y el agotamiento de los recursos naturales. El software fue desarrollado por el Programa de Análisis de Sistemas de Tecnología Energética (ETSAP) de la Agencia Internacional de Energía (IEA) durante un período de casi dos décadas.
TIMES (el sistema integrado MARKAL-EFOM) es una evolución de MARKAL; ambos modelos energéticos tienen muchas similitudes. [41] TIMES sucedió a MARKAL en 2008. [42] Ambos modelos son modelos de equilibrio parcial dinámico de tecnología explícita de los mercados de energía . En ambos casos, el equilibrio se determina maximizando el excedente total del consumidor y del productor mediante la programación lineal . Tanto MARKAL como TIMES están escritos en GAMS .
El generador de modelos TIMES también fue desarrollado bajo el Programa de Análisis de Sistemas de Tecnología Energética (ETSAP). TIMES combina dos enfoques sistemáticos diferentes, pero complementarios, para modelar la energía: un enfoque de ingeniería técnica y un enfoque económico. TIMES es un generador de modelos ascendentes y rico en tecnología, que utiliza programación lineal para producir un sistema de energía de menor costo, optimizado de acuerdo con una serie de restricciones especificadas por el usuario, a mediano y largo plazo. Se utiliza para "la exploración de posibles futuros energéticos a partir de escenarios contrastados". [43] : 7
A partir de 2015[actualizar], los generadores de modelos MARKAL y TIMES están en uso en 177 instituciones repartidas en 70 países. [44] : 5
NEMS
NEMS (Sistema Nacional de Modelado de Energía) es un modelo de política del gobierno de los Estados Unidos de larga data, administrado por el Departamento de Energía (DOE). NEMS calcula precios y cantidades de combustible de equilibrio para el sector energético de EE. UU. Para hacerlo, el software resuelve iterativamente una secuencia de programas lineales y ecuaciones no lineales. [45] NEMS se ha utilizado para modelar explícitamente el lado de la demanda, en particular para determinar las opciones de tecnología de los consumidores en los sectores de la construcción residencial y comercial. [46]
NEMS se utiliza para producir la Perspectiva anual de la energía cada año, por ejemplo en 2015. [47]
Criticas
Los modelos energéticos de política pública han sido criticados por ser insuficientemente transparentes . El código fuente y los conjuntos de datos deberían al menos estar disponibles para revisión por pares , si no se publican explícitamente. [48] Para mejorar la transparencia y la aceptación pública, algunos modelos se emprenden como proyectos de software de código abierto , a menudo desarrollando una comunidad diversa a medida que avanzan. OSeMOSYS es uno de esos ejemplos. [49] [50]
Ver también
General
- Mitigación del cambio climático : acciones para limitar el cambio climático a largo plazo
- Escenarios de mitigación del cambio climático : posibles futuros en los que el calentamiento global se reduce mediante acciones deliberadas
- Modelo económico
- Sistema energético : la interpretación del sector energético en términos de sistema.
- Energy Modeling Forum - un foro de modelado basado en la Universidad de Stanford
- Iniciativa de modelado de energía abierta : una iniciativa de modelado de energía de código abierto , centrada en Europa
- Bases de datos de sistemas de energía abiertos : proyectos de bases de datos que recopilan, limpian y vuelven a publicar conjuntos de datos relacionados con la energía
- Modelos de sistemas de energía abiertos : una revisión de los modelos de sistemas de energía que también son de código abierto
- Simulación de sistemas de energía
Modelos
- ACEGES : un modelo de economía computacional global basado en agentes
- iNEMS (Sistema Nacional Integrado de Modelado de Energía): un modelo energético nacional para China
- MARKAL - un modelo energético
- NEMS : el modelo energético nacional del gobierno de EE. UU.
- Perspectiva prospectiva de los sistemas energéticos a largo plazo (POLES): un modelo de simulación mundial del sector energético
- Modelo energético KAPSARC: un modelo del sector energético para Arabia Saudita [51]
Otras lecturas
- Video introductorio sobre el modelado de sistemas de energía abiertos con un ejemplo de lenguaje Python [52]
- Video introductorio con referencia a las políticas públicas [53]
Referencias
- ^ Lai, Chun Sing; Locatelli, Giorgio; Pimm, Andrew; Wu, Xiaomei; Lai, Loi Lei (septiembre de 2020). "Una revisión sobre el modelado de sistemas de energía eléctrica a largo plazo con almacenamiento de energía" . Revista de producción más limpia : 124298. doi : 10.1016 / j.jclepro.2020.124298 .
- ^ a b Bruckner, Thomas; Bashmakov, Igor Alexeyevic; Mulugetta, Yacob; et al. (2014). "Capítulo 7: Sistemas energéticos" (PDF) . En IPCC (ed.). Cambio climático 2014: mitigación del cambio climático. Contribución del Grupo de Trabajo III al Quinto Informe de Evaluación del Panel Intergubernamental sobre Cambio Climático . Cambridge, Reino Unido y Nueva York, NY, EE.UU .: Cambridge University Press . págs. 511–597. ISBN 978-1-107-65481-5. Consultado el 9 de mayo de 2016 .
- ^ a b Pye, Steve; Bataille, Chris (2016). "Mejora de la capacidad de modelización de descarbonización profunda para contextos de países desarrollados y en desarrollo" (PDF) . Política climática . 16 (S1): S27 – S46. doi : 10.1080 / 14693062.2016.1173004 .
- ^ acatech; Lepoldina; Akademienunion, eds. (2016). Conceptos de flexibilidad para el suministro eléctrico alemán en 2050: garantizar la estabilidad en la era de las energías renovables (PDF) . Berlín, Alemania: acatech - Academia Nacional de Ciencias e Ingeniería. ISBN 978-3-8047-3549-1. Archivado desde el original (PDF) el 6 de octubre de 2016 . Consultado el 19 de diciembre de 2016 .
- ^ Lunz, Benedikt; Stöcker, Philipp; Eckstein, Sascha; Nebel, Arjuna; Samadi, Sascha; Erlach, Berit; Fischedick, Manfred; Elsner, Peter; Sauer, Dirk Uwe (2016). "Evaluación comparativa basada en escenarios de posibles sistemas eléctricos futuros: un nuevo enfoque metodológico utilizando Alemania en 2050 como ejemplo" . Energía aplicada . 171 : 555–580. doi : 10.1016 / j.apenergy.2016.03.087 .
- ^ a b Rachunok, Benjamín; Staid, Andrea; Watson, Jean-Paul; Woodruff, David L .; Yang, Dominic (junio de 2018). "Desempeño del compromiso de la unidad estocástica considerando escenarios de energía eólica de Monte Carlo" . 2018 IEEE International Conference on Probabilistic Methods Applied to Power Systems (PMAPS) . Boise, ID: IEEE: 1–6. doi : 10.1109 / PMAPS.2018.8440563 . ISBN 9781538635964. OSTI 1530691 .
- ^ Clarke, Leon; Jiang, Kejun; et al. (2014). "Capítulo 6: Evaluación de las vías de transformación" (PDF) . En IPCC (ed.). Cambio climático 2014: mitigación del cambio climático. Contribución del Grupo de Trabajo III al Quinto Informe de Evaluación del Panel Intergubernamental sobre Cambio Climático . Cambridge, Reino Unido y Nueva York, NY, EE.UU .: Cambridge University Press . ISBN 978-1-107-65481-5. Consultado el 9 de mayo de 2016 .
- ^ Kelly, David L; Kolstad, Charles D (1998). Modelos de evaluación integrados para el control del cambio climático (PDF) . Archivado desde el original (PDF) el 30 de junio de 2016 . Consultado el 9 de mayo de 2016 .
- ^ Riahi, Keywan; Dentener, Frank; Gielen, Dolf; Grubler, Arnulf; Jewell, Jessica; Klimont, Zbigniew; Krey, Volker; McCollum, David; Pachauri, Shonali; Rao, Shilpa; Ruijven, Bas van; Vuuren, furgoneta Detlef P; Wilson, Charlie (2012). "Capítulo 17: Vías energéticas para el desarrollo sostenible". En Gomez-Echeverri, L; Johansson, TB; Nakicenovic, N; Patwardhan, A (eds.). Evaluación energética global: hacia un futuro sostenible . Laxenburg, Austria, Cambridge, Reino Unido y Nueva York, NY, EE. UU .: Instituto Internacional de Análisis de Sistemas Aplicados y Cambridge University Press . págs. 1203–1306. CiteSeerX 10.1.1.434.4160 .
- ^ Bauer, Nico; Mouratiadou, Ioanna; Luderer, Gunnar; Baumstark, Lavinia; Brecha, Robert J; Edenhofer, Ottmar; Kriegler, Elmar (2016). "Mercados mundiales de energía fósil y mitigación del cambio climático: un análisis con REMIND" (PDF) . Cambio Climático . 136 (1): 69–82. Código bibliográfico : 2016ClCh..136 ... 69B . doi : 10.1007 / s10584-013-0901-6 . Consultado el 10 de mayo de 2016 .
- ^ Bahn, O; Haurie, A; Zachary, DS (mayo de 2005). "Modelado matemático y métodos de simulación en sistemas energéticos" (PDF) . Enciclopedia de sistemas de soporte vital (EOLSS) . Oxford, Reino Unido: EOLSS Publishers. ISSN 0711-2440 . Consultado el 25 de octubre de 2016 .
- ^ Van Beeck, Nicole MJP (agosto de 1999). Clasificación de modelos energéticos - Memorándum de investigación FEW - Vol 777 (PDF) . Tilburg, Holanda: Universidad de Tilburg, Facultad de Economía y Administración de Empresas . Consultado el 25 de octubre de 2016 .
- ^ Bhattacharyya, Subhes C; Timilsina, Govinda R (23 de noviembre de 2010). "Una revisión de los modelos de sistemas energéticos" (PDF) . Revista Internacional de Gestión del Sector Energético . 4 (4): 494–518. doi : 10.1108 / 17506221011092742 . ISSN 1750-6220 . Consultado el 13 de diciembre de 2016 .
- ^ Hiremath, RB; Shikha, S; Ravindranath, NH (2007). "Planificación energética descentralizada: modelización y aplicación - una revisión". Revisiones de energías renovables y sostenibles . 11 (5): 729–752. doi : 10.1016 / j.rser.2005.07.005 .
- ^ Jebaraj, S; Iniyan, S (agosto de 2006). "Una revisión de modelos energéticos" (PDF) . Revisiones de energías renovables y sostenibles . 10 (4): 281–311. doi : 10.1016 / j.rser.2004.09.004 . Consultado el 2 de marzo de 2013 .
- ^ Connolly, David; Lund, Henrik; Mathiesen, Brian Vad; Leahy, Martí (2010). "Una revisión de las herramientas informáticas para analizar la integración de las energías renovables en diversos sistemas energéticos". Energía aplicada . 87 (4): 1059–1082. doi : 10.1016 / j.apenergy.2009.09.026 .
- ^ Mundaca, Luis; Neij, Lena; Worrell, Ernst; McNeil, Michael A (1 de agosto de 2010). "Evaluación de políticas de eficiencia energética con modelos de economía energética - Número de informe LBNL-3862E" . Revisión anual de medio ambiente y recursos . 35 : 305–344. doi : 10.1146 / annurev-environment-052810-164840 . OSTI 1001644 . Consultado el 4 de noviembre de 2016 .
- ^ Mundaca, Luis; Neij, Lena; Worrell, Ernst; McNeil, Michael A (2010). "Evaluación de políticas de eficiencia energética con modelos de economía energética" (PDF) . Revisión anual de medio ambiente y recursos . 35 (1): 305–344. doi : 10.1146 / annurev-environment-052810-164840 . ISSN 1543-5938 .
- ^ Mahmud, Khizir; Town, Graham E (15 de junio de 2016). "Una revisión de las herramientas informáticas para la modelización de las necesidades energéticas de los vehículos eléctricos y su impacto en las redes de distribución de energía". Energía aplicada . 172 : 337–359. doi : 10.1016 / j.apenergy.2016.03.100 .
- ^ van Ruijven, Bas; Urban, Frauke; Benders, René MJ; Moll, Henri C; van der Sluijs, Jeroen P; de Vries, Bert; van Vuuren, Detlef P (diciembre de 2008). "Modelado de energía y desarrollo: una evaluación de modelos y conceptos" (PDF) . Desarrollo mundial . 36 (12): 2801-2821. doi : 10.1016 / j.worlddev.2008.01.011 . hdl : 1874/32954 . ISSN 0305-750X . Consultado el 25 de octubre de 2016 .
- ^ Unger, Thomas; Springfeldt, Per Erik; Tennbakk, Berit; Ravn, Hans; Havskjold, Monica; Niemi, Janne; Koljonen, Tiina; Fritz, Peter; Koreneff, Göran; Rydén, Bo; Lehtilä, Antti; Sköldberg, Håkan; Jakobsson, Tobias; Honkatukia, Juha (2010). Uso coordinado de modelos de sistemas energéticos en el análisis de políticas energéticas y climáticas: lecciones aprendidas del proyecto Nordic Energy Perspectives (PDF) . Estocolmo, Suecia: Elforsk. ISBN 978-91-978585-9-5. Consultado el 14 de noviembre de 2016 .
- ^ Pfenninger, Stefan; Hawkes, Adam; Keirstead, James (mayo de 2014). "Modelado de sistemas energéticos para los desafíos energéticos del siglo XXI" (PDF) . Revisiones de energías renovables y sostenibles . 33 : 74–86. doi : 10.1016 / j.rser.2014.02.003 . ISSN 1364-0321 . Consultado el 14 de marzo de 2017 .
- ^ David, AK; Wen, Fushuan (16 a 20 de julio de 2000). Licitación estratégica en mercados eléctricos competitivos: una encuesta bibliográfica . Reunión de verano de la Power Engineering Society - Volumen 4. Seattle, WA, EE. UU .: IEEE. doi : 10.1109 / PESS.2000.866982 . ISBN 0-7803-6420-1.
- ^ Sensfuß, Frank; Ragwitz, Mario; Genovés, Massimo; Möst, Dominik (2007). Simulación de mercados eléctricos basada en agentes: revisión de la literatura - Documento de trabajo sobre sostenibilidad e innovación S5 / 2007 (PDF) . Karlsruhe, Alemania: Fraunhofer ISI . Consultado el 9 de mayo de 2016 .
- ^ Weidlich, Anke; Veit, Daniel (2008). "Un estudio crítico de los modelos de mercado eléctrico mayorista basados en agentes". Economía energética . 30 (4): 1728-1759. doi : 10.1016 / j.eneco.2008.01.003 .
- ^ Abrell, Jan; Weigt, Hannes (2012). "Combinando redes energéticas". Redes y economía espacial . 12 (3). págs. 377–401. doi : 10.1007 / s11067-011-9160-0 .
- ^ Bruckner, Thomas; Morrison, Robbie; Handley, Chris; Patterson, Murray (2003). "Modelado de alta resolución de sistemas de suministro de servicios energéticos utilizando deeco : descripción general y aplicación al desarrollo de políticas" (PDF) . Anales de investigación operativa . 121 (1–4): 151–180. doi : 10.1023 / A: 1023359303704 . Consultado el 8 de mayo de 2016 .
- ^ Böhringer, Christoph; Rutherford, Thomas F (2008). "Combinando de abajo hacia arriba y de arriba hacia abajo". Economía energética . 30 (2): 574–596. CiteSeerX 10.1.1.184.8384 . doi : 10.1016 / j.eneco.2007.03.004 .
- ^ Lai, Chun Sing; Locatelli, Giorgio; Pimm, Andrew; Wu, Xiaomei; Lai, Loi Lei (septiembre de 2020). "Una revisión sobre el modelado de sistemas de energía eléctrica a largo plazo con almacenamiento de energía" . Revista de producción más limpia : 124298. doi : 10.1016 / j.jclepro.2020.124298 .
- ^ "Open Energy Platform: Model Factsheets" . Consultado el 18 de diciembre de 2018 .
- ^ SEI (mayo de 2012). LEAP: Sistema de planificación de alternativas energéticas de largo alcance: una herramienta para el análisis de políticas energéticas y la evaluación de la mitigación del cambio climático - Folleto (PDF) . Somerville, MA, EE.UU .: Centro de EE.UU. del Instituto Ambiental de Estocolmo (SEI) . Consultado el 4 de mayo de 2016 .
- ^ "LEAP: herramientas para el análisis de energías sostenibles" . Consultado el 15 de junio de 2021 .
- ^ "Simulación de mercado ABB PROMOD" . new.abb.com . Consultado el 26 de noviembre de 2018 .
- ^ "Simulación de producción de áreas múltiples de GE" . www.geenergyconsulting.com . Consultado el 26 de noviembre de 2018 .
- ^ "Simulación de confiabilidad de áreas múltiples de GE" . www.geenergyconsulting.com . Consultado el 26 de noviembre de 2018 .
- ^ "Simulación de flujo de carga del sistema de energía de GE" . www.geenergyconsulting.com . Consultado el 26 de noviembre de 2018 .
- ^ "Informe del estudio de IRM de NYSRC 2018" (PDF) . www.nysrc.org . 8 de diciembre de 2017. p. 2 . Consultado el 26 de noviembre de 2018 .
- ^ "Aviso de NYISO a las partes interesadas sobre la solicitud de datos MAPS" (PDF) . www.nyiso.com . Agosto de 2000 . Consultado el 26 de noviembre de 2018 .
- ^ "Siemens PSSE" . www.siemens.com . Consultado el 26 de noviembre de 2018 .
- ^ "Análisis de planificación de recursos del estado de Nueva York (NYSPSC)" (PDF) . www.nyiso.com . 17 de diciembre de 2015 . Consultado el 26 de noviembre de 2018 .
- ^ Una comparación de los modelos TIMES y MARKAL (PDF) . 2009 . Consultado el 31 de octubre de 2016 .
- ^ "MARKAL" . Consultado el 31 de octubre de 2016 .
- ^ Loulou, Richard; Remne, Uwe; Kanudia, Amit; Lehtila, Antti; Goldstein, Gary (abril de 2005). Documentación del modelo TIMES - Parte I (PDF) . Programa de Análisis de Sistemas de Tecnología Energética (ETSAP) . Consultado el 31 de octubre de 2016 .
- ^ Giannakidis, George; Labriet, Maryse; Gallachóir, Brian Ó; Tosato, GianCarlot, eds. (2015). Informar las políticas energéticas y climáticas utilizando modelos de sistemas energéticos: conocimientos del análisis de escenarios que aumentan la base de pruebas . Apuntes de conferencias en energía. 30 . Cham, Suiza: Springer International Publishing. doi : 10.1007 / 978-3-319-16540-0 . ISBN 978-3-319-16540-0.
- ^ Gabriel, Steven A; Kydes, Andy S; Whitman, Peter (1999). "El Sistema Nacional de Modelización de Energía: un modelo de equilibrio económico-energético a gran escala" . Investigación operativa . 49 (1): 14-25. doi : 10.1287 / opre.49.1.14.11195 .
- ^ Wilkerson, Jordan T; Cullenward, Danny; Davidian, Danielle; Weyant, John P (2013). "Elección de tecnología de uso final en el Sistema Nacional de Modelado de Energía (NEMS): un análisis de los sectores de la construcción residencial y comercial" . Economía energética . 40 : 773–784. doi : 10.1016 / j.eneco.2013.09.023 . Consultado el 9 de mayo de 2016 .
- ^ Perspectiva energética anual 2015: con proyecciones hasta 2040 - DOE / EIA-0383 (2015) (PDF) . Washington, DC, EE.UU .: Administración de Información Energética de EE.UU., Oficina de Análisis Energético Integrado e Internacional, Departamento de Energía de EE.UU. Abril de 2015 . Consultado el 9 de mayo de 2016 .
- ^ acatech; Lepoldina; Akademienunion, eds. (2016). Consultar escenarios energéticos: requisitos para el asesoramiento de políticas científicas (PDF) . Berlín, Alemania: acatech - Academia Nacional de Ciencias e Ingeniería. ISBN 978-3-8047-3550-7. Archivado desde el original (PDF) el 21 de diciembre de 2016 . Consultado el 19 de diciembre de 2016 .
- ^ Howells, Mark; Rogner, Holger; Strachan, Neil; Montones, Charles; Huntington, Hillard; Kypreos, Sócrates; Hughes, Alison; Silveira, Semida; DeCarolis, Joe; Bazillian, Morgan; Roehrl, Alexander (2011). "OSeMOSYS: el sistema de modelado energético de código abierto: una introducción a su espíritu, estructura y desarrollo". Política energética . 39 (10): 5850–5870. doi : 10.1016 / j.enpol.2011.06.033 .
- ^ "OSeMOSYS: un sistema de modelado energético de código abierto" . Consultado el 8 de mayo de 2016 .
- ^ "Modelo energético KAPSARC" . Consultado el 12 de enero de 2019 .
- ^ Hilbers, Adriaan P (19 de diciembre de 2020). Modelado de sistemas de energía abiertos para científicos del clima y otros . Londres, Reino Unido: Departamento de Matemáticas, Imperial College London . Consultado el 19 de diciembre de 2020 .Video 00:11:42. Presentación al taller de previsión climática para la energía el 4 de diciembre de 2020.
- ^ Morrison, Robbie (22 de diciembre de 2020). Explicación de los modelos de sistemas de energía: El Dr. Berit Erlach explica el modelado de sistemas de energía en términos cotidianos . Berlín, Alemania: Löschwasser Productions . Consultado el 22 de diciembre de 2020 .Video 00:13:17. Filmado el 9 de junio de 2019 en Berlín, Alemania. Referencia LP-001-01.
enlaces externos
- COST TD1207 Optimización matemática en la wiki de sistemas de soporte de decisiones para redes de energía eficientes y robustas : una tipología para modelos de optimización
- EnergyPLAN : un modelo energético gratuito del Departamento de Desarrollo y Planificación de la Universidad de Aalborg , Dinamarca
- Página de modelos abiertos de Open Energy Modeling Initiative : una lista de modelos de energía abiertos
- model.energy : un modelo de "juguete" en línea que utiliza el marco PyPSA que permite al público experimentar