stringtranslate.com

Modelado energético

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 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 acumulados , el uso de recursos naturales y la eficiencia energética del sistema en investigación. Se emplea una amplia gama de técnicas, que van desde las ampliamente económicas hasta las ampliamente ingenieriles. [1] La optimización matemática se utiliza a menudo para determinar el menor costo en algún sentido. Los modelos pueden ser internacionales, regionales, nacionales, municipales o independientes en su alcance. Los gobiernos mantienen modelos energéticos nacionales para el desarrollo de políticas energéticas .

Los modelos energéticos suelen tener por objeto contribuir de diversas maneras a las operaciones del sistema, al diseño de ingeniería o al desarrollo de políticas energéticas . Esta página se centra en los modelos de políticas. Se excluyen explícitamente las simulaciones energéticas de edificios individuales , aunque a veces también se las denomina modelos energéticos. Los modelos de evaluación integrada 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.

La modelización energética ha cobrado mayor importancia a medida que ha aumentado la necesidad de mitigación del cambio climático . El sector de suministro de energía es el que más contribuye 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 sin reducción de emisiones (no capturadas por la CCS ) por alternativas con bajas emisiones de GEI. [2]

Tipos de modelos

Se utiliza una amplia variedad de tipos de modelos. En esta sección se intenta categorizar los tipos clave y su uso. Las divisiones proporcionadas no son estrictas 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. En general, los modelos pueden necesitar capturar "dinámicas complejas como:

Los modelos pueden tener un alcance limitado al sector eléctrico o pueden intentar cubrir un sistema energético en su totalidad (véase más adelante).

La mayoría de los modelos energéticos se utilizan para el análisis de escenarios . Un escenario es un conjunto coherente de supuestos sobre un sistema posible. Los nuevos escenarios se prueban en comparación con un escenario de referencia (normalmente , el escenario habitual ) y se anotan las diferencias en los resultados.

El horizonte temporal del modelo es un factor importante. Los modelos de un solo año (que se sitúan en el presente o en el futuro, por ejemplo, 2050) presuponen una estructura de capital que no evoluciona y se centran en cambio en la dinámica operativa del sistema. Los modelos de un solo año suelen incorporar considerables detalles temporales (normalmente, una resolución horaria) y técnicos (como plantas de generación individuales y líneas de transmisión). Los modelos de largo plazo (que abarcan una o más décadas, desde el presente hasta, por ejemplo, 2050) intentan encapsular la evolución estructural del sistema y se utilizan para investigar cuestiones relacionadas con la expansión de la capacidad y la transición del sistema energético.

Los modelos suelen utilizar la optimización matemática para resolver la redundancia en la especificación del sistema. Algunas de las técnicas utilizadas derivan de la investigación de operaciones . La mayoría se basan en la programación lineal (incluida la programación entera mixta ), aunque algunas utilizan la programación no lineal . Los solucionadores pueden utilizar la optimización clásica o genética , como CMA-ES . Los modelos pueden ser recursivos-dinámicos, resolviendo secuencialmente para cada intervalo de tiempo y, por lo tanto, evolucionando a través 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 solo año generalmente intentan minimizar el costo financiero de corto plazo , mientras que los modelos basados ​​en el mercado de un solo año utilizan la optimización para determinar el equilibrio del mercado . Los modelos de largo plazo, que generalmente abarcan décadas, intentan minimizar los costos tanto de corto como de largo plazo como un solo problema intertemporal.

Históricamente, el lado de la demanda (o dominio del usuario final) ha recibido relativamente poca atención, a menudo modelado simplemente por una curva de demanda simple . Las curvas de demanda de energía del usuario final, al menos en el corto plazo, suelen ser altamente inelásticas .

A medida que las fuentes de energía intermitentes y la gestión de la demanda de energía cobran mayor importancia, los modelos han tenido que adoptar una resolución temporal horaria para captar mejor su dinámica en tiempo real. [4] [5] Los modelos de largo alcance suelen estar limitados 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 con un día de anticipación se utiliza para ayudar en la planificación de sistemas con una porción significativa de producción de energía intermitente en los que la incertidumbre en torno a las predicciones de energía futuras se tiene en cuenta mediante 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 ha señalado, 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. Algunos 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 climática . [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 energéticos 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 los 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 suelen contener una buena caracterización de las tecnologías involucradas, incluida la red de transmisión de CA de alto voltaje cuando corresponde. Algunos modelos (por ejemplo, los modelos para Alemania) pueden suponer un solo bus común o "placa de cobre" donde la red es fuerte. El lado de la demanda en los modelos del sector eléctrico suele estar representado por un perfil de carga fijo .

Los modelos basados ​​en el mercado, además, representan el mercado eléctrico prevaleciente , 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 de electricidad [23] [24] [25] y analizar la integración de energías renovables como parte de la transición energética . [26]

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. [27] Los modelos de sistemas energéticos suelen tener un alcance nacional, pero pueden ser municipales o internacionales.

Los denominados modelos de arriba hacia abajo son de naturaleza económica en general 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 llamados modelos ascendentes captan bien la ingeniería y a menudo se basan en técnicas de investigación de operaciones . Las plantas individuales se caracterizan por sus curvas de eficiencia (también conocidas como relaciones de entrada/salida), capacidades nominales, costos de inversión ( capex ) y costos operativos ( opex ). Algunos modelos permiten que estos parámetros dependan de condiciones externas, como la temperatura ambiente. [28]

La producción de modelos híbridos de arriba hacia abajo y de abajo hacia arriba para capturar tanto la economía como la ingeniería ha resultado un desafío. [29]

Modelos establecidos

En esta sección se enumeran algunos de los principales modelos que se utilizan [1] . Estos suelen estar a cargo de los gobiernos nacionales. En un esfuerzo comunitario, se recopiló una gran cantidad de modelos de sistemas energéticos existentes en hojas informativas sobre modelos en la Plataforma de Energía Abierta [30] .

SALTO

LEAP, la Plataforma de Análisis de Bajas Emisiones (antes conocida como Sistema de Planificación de Alternativas Energéticas de Largo Plazo) 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 se desarrolló en el Centro de Estados Unidos del Instituto Ambiental de Estocolmo (SEI). LEAP se puede utilizar para examinar los sistemas energéticos de ciudades, estados, países y regiones. 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 necesidades energéticas, costos y beneficios sociales e impactos ambientales. A junio de 2021, LEAP tiene más de 6000 usuarios en 200 países y territorios.

Simulación de sistemas de potencia

El modelo MAPS (Multi-Area Production Simulation) de General Electric es un modelo de simulación de producción utilizado por varias Organizaciones Regionales de Transmisión y Operadores Independientes del Sistema en los Estados Unidos para planificar el impacto económico de las instalaciones de transmisión y generación eléctricas propuestas en los mercados mayoristas de electricidad regulados por la FERC. Algunas partes del modelo también se pueden utilizar para la fase de compromiso y despacho (actualizada en intervalos de 5 minutos) en la operación de los mercados mayoristas de electricidad para las regiones RTO e ISO. El PROMOD de ABB es un paquete de software similar. Estas regiones ISO y RTO también utilizan un paquete de software de GE llamado MARS (Multi-Area Reliability Simulation) para garantizar que el sistema de energía cumpla con los criterios de confiabilidad (una expectativa de pérdida de carga (LOLE) de no más de 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) analizan el flujo de carga en el sistema de energía para detectar cortocircuitos y estabilidad durante los estudios de planificación preliminares de los RTO e ISO. [33] [34] [35] [36] [37] [38] [39] [40]

MARCA/TIEMPOS

MARKAL (MARKet ALlocation) es una plataforma integrada de modelado de sistemas energéticos 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 políticas 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 (AIE) durante un período de casi dos décadas.

TIMES (The Integrated MARKAL-EFOM System) 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 los mercados energéticos , explícitamente tecnológicos . En ambos casos, el equilibrio se determina maximizando el excedente total del consumidor y del productor mediante programación lineal . Tanto MARKAL como TIMES están escritos en GAMS .

El generador de modelos TIMES también fue desarrollado en el marco del 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 de abajo a arriba 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 basados ​​en escenarios contrastados". [43] : 7 

A partir de 2015 , los generadores de modelos MARKAL y TIMES están en uso en 177 instituciones distribuidas en 70 países. [44] : 5 

Sistema de mensajes no especificados

El NEMS (Sistema Nacional de Modelado de Energía) es un modelo de políticas del gobierno de los Estados Unidos de larga data, administrado por el Departamento de Energía (DOE). El NEMS calcula los precios y las cantidades de combustible de equilibrio para el sector energético de los Estados Unidos. Para ello, el software resuelve iterativamente una secuencia de programas lineales y ecuaciones no lineales. [45] El 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]

El NEMS se utiliza para elaborar la Perspectiva Energética Anual cada año, por ejemplo en 2015. [47]

Críticas

Los modelos de políticas públicas de energía han sido criticados por no ser lo suficientemente transparentes . El código fuente y los conjuntos de datos deberían al menos estar disponibles para revisión por pares , si no publicados explícitamente. [48] Para mejorar la transparencia y la aceptación pública, algunos modelos se llevan a cabo como proyectos de software de código abierto , a menudo desarrollando una comunidad diversa a medida que avanzan. OSeMOSYS es un ejemplo de dicho modelo. [49] [50] Open Energy Outlook es una comunidad abierta que ha producido una perspectiva a largo plazo del sistema energético de EE. UU. utilizando el modelo TEMOA de código abierto. [51] [52] [53] [54]

No es una crítica en  sí , pero es necesario entender que los resultados del modelo no constituyen predicciones futuras. [55]

Véase también

General

Modelos

Lectura adicional

Referencias

  1. ^ ab 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". Journal of Cleaner Production . 280 : 124298. doi : 10.1016/j.jclepro.2020.124298 . hdl : 11311/1204822 .
  2. ^ ab Bruckner, Thomas; Bashmakov, Igor Alexeyevic; Mulugetta, Yacob; et al. (2014). "Capítulo 7: Sistemas de energía" (PDF) . En IPCC (ed.). Cambio climático 2014: mitigación del cambio climático. Contribución del Grupo de trabajo III al quinto informe de evaluación del Grupo Intergubernamental de Expertos sobre el Cambio Climático . Cambridge, Reino Unido y Nueva York, NY, EE. UU.: Cambridge University Press . págs. 511–597. ISBN 978-1-107-65481-5. Recuperado el 9 de mayo de 2016 .
  3. ^ ab Pye, Steve; Bataille, Chris (2016). "Mejorar la capacidad de modelado de la descarbonización profunda para los contextos de países desarrollados y en desarrollo" (PDF) . Política climática . 16 (S1): S27–S46. doi :10.1080/14693062.2016.1173004. S2CID  76657283.
  4. ^ 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 978-3-8047-3549-1Archivado desde el original (PDF) el 6 de octubre de 2016 . Consultado el 19 de diciembre de 2016 .
  5. ^ 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 que utiliza Alemania en 2050 como ejemplo". Energía Aplicada . 171 : 555–580. doi :10.1016/j.apenergy.2016.03.087.
  6. ^ ab Rachunok, Benjamin; Staid, Andrea; Watson, Jean-Paul; Woodruff, David L.; Yang, Dominic (junio de 2018). "Rendimiento de compromiso de unidad estocástica considerando escenarios de energía eólica de Monte Carlo". Conferencia internacional IEEE de 2018 sobre métodos probabilísticos aplicados a sistemas de energía (PMAPS) . Boise, ID: IEEE. págs. 1–6. doi :10.1109/PMAPS.2018.8440563. ISBN . 9781538635964. OSTI  1530691. S2CID  52049473.
  7. ^ 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 Grupo Intergubernamental de Expertos sobre el Cambio Climático . Cambridge, Reino Unido y Nueva York, NY, EE. UU.: Cambridge University Press . ISBN. 978-1-107-65481-5. Recuperado el 9 de mayo de 2016 .
  8. ^ 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 .
  9. ^ Riahi, Keywan; Dentener, Frank; Gielen, Dolf; Grubler, Arnulf; Jewell, Jessica; Klimont, Zbigniew; Krey, Volker; McCollum, David; Pachauri, Shonali; Rao, Shilpa; Ruijven, Bas van; Vuuren, Detlef P van; Wilson, Charlie (2012). "Capítulo 17: Caminos energéticos 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 . 
  10. ^ Bauer, Nico; Mouratiadou, Ioanna; Luderer, Gunnar; Baumstark, Lavinia; Brecha, Robert J; Edenhofer, Ottmar; Kriegler, Elmar (2016). "Mercados globales 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. S2CID  18764144. Archivado desde el original (PDF) el 27 de enero de 2017 . Consultado el 10 de mayo de 2016 .
  11. ^ Bahn, O; Haurie, A; Zachary, DS (mayo de 2005). "Métodos de simulación y modelado matemático en sistemas de energía" (PDF) . Enciclopedia de sistemas de soporte vital (EOLSS) . Oxford, Reino Unido: EOLSS Publishers. ISSN  0711-2440 . Consultado el 25 de octubre de 2016 .
  12. ^ Van Beeck, Nicole MJP (agosto de 1999). Clasificación de modelos energéticos — Memorando de investigación de FEW — Vol 777 (PDF) . Tilburg, Países Bajos: Universidad de Tilburg, Facultad de Economía y Administración de Empresas. Archivado desde el original (PDF) el 27 de enero de 2017 . Consultado el 25 de octubre de 2016 .
  13. ^ 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 .
  14. ^ Hiremath, RB; Shikha, S; Ravindranath, NH (2007). "Planificación energética descentralizada: modelado y aplicación: una revisión". Renewable and Sustainable Energy Reviews . 11 (5): 729–752. doi :10.1016/j.rser.2005.07.005.
  15. ^ Jebaraj, S; Iniyan, S (agosto de 2006). "Una revisión de los modelos energéticos" (PDF) . Renewable and Sustainable Energy Reviews . 10 (4): 281–311. doi :10.1016/j.rser.2004.09.004 . Consultado el 2 de marzo de 2013 .
  16. ^ Connolly, David; Lund, Henrik; Mathiesen, Brian Vad; Leahy, Marti (2010). "Una revisión de herramientas informáticas para analizar la integración de energía renovable en varios sistemas energéticos". Applied Energy . 87 (4): 1059–1082. doi :10.1016/j.apenergy.2009.09.026.
  17. ^ 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 — Informe número LBNL-3862E". Revista Anual de Medio Ambiente y Recursos . 35 : 305–344. doi : 10.1146/annurev-environ-052810-164840 . OSTI  1001644 . Consultado el 4 de noviembre de 2016 .
  18. ^ Mundaca, Luis; Neij, Lena; Worrell, Ernst; McNeil, Michael A (2010). "Evaluación de políticas de eficiencia energética con modelos de economía energética" (PDF) . Revista Anual de Medio Ambiente y Recursos . 35 (1): 305–344. doi : 10.1146/annurev-environ-052810-164840 . ISSN  1543-5938.
  19. ^ Mahmud, Khizir; Town, Graham E (15 de junio de 2016). "Una revisión de las herramientas informáticas para modelar los requisitos energéticos de los vehículos eléctricos y su impacto en las redes de distribución de energía". Applied Energy . 172 : 337–359. doi :10.1016/j.apenergy.2016.03.100.
  20. ^ van Ruijven, Bas; Urbano, 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. S2CID  154709268 . Consultado el 25 de octubre de 2016 .
  21. ^ Unger, Thomas; Springfeldt, por Erik; Tennbakk, Berit; Ravn, Hans; Havskjöld, Mónica; Niemi, Janne; Koljonen, Tiina; Fritz, Peter; Koreneff, Göran; Rydén, Bo; Lehtilä, Antti; Sköldberg, Håkan; Jakobsson, Tobías; 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. Recuperado el 14 de noviembre de 2016 .
  22. ^ Pfenninger, Stefan; Hawkes, Adam; Keirstead, James (mayo de 2014). "Modelado de sistemas energéticos para los desafíos energéticos del siglo XXI" (PDF) . Renewable and Sustainable Energy Reviews . 33 : 74–86. doi :10.1016/j.rser.2014.02.003. ISSN  1364-0321 . Consultado el 14 de marzo de 2017 .
  23. ^ David, AK; Wen, Fushuan (16–20 de julio de 2000). Licitaciones estratégicas en mercados competitivos de electricidad: una revisión bibliográfica . Power Engineering Society Summer Meeting – Volumen 4. Seattle, WA, EE. UU.: IEEE. doi :10.1109/PESS.2000.866982. ISBN 0-7803-6420-1.
  24. ^ Sensfuß, Frank; Ragwitz, Mario; Genoese, Massimo; Möst, Dominik (2007). Simulación basada en agentes de los mercados de electricidad: una 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 .
  25. ^ Weidlich, Anke; Veit, Daniel (2008). "Un estudio crítico de los modelos de mercado mayorista de electricidad basados ​​en agentes". Economía energética . 30 (4): 1728–1759. doi :10.1016/j.eneco.2008.01.003. S2CID  54861876.
  26. ^ Schimeczek, Christoph; Nienhaus, Kristina; Frey, Ulrico; Sperber, Evelyn; Sarfarazi, Seyedfarzad; Nitsch, Félix; Kochems, Johannes; Ghazi, A. Achraf El (17 de abril de 2023). "AMIRIS: Modelo de Mercado Basado en Agentes para la Investigación de Sistemas de Energía Renovables e Integrados". Revista de software de código abierto . 8 (84): 5041. doi : 10.21105/joss.05041. ISSN  2475-9066.
  27. ^ Abrell, Jan; Weigt, Hannes (2012). "Combinación de redes energéticas" (PDF) . Redes y economía espacial . 12 (3): 377–401. doi :10.1007/s11067-011-9160-0. S2CID  254865361.
  28. ^ 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 de Operaciones . 121 (1–4): 151–180. doi :10.1023/A:1023359303704. S2CID  14877200. Archivado desde el original (PDF) el 12 de mayo de 2016 . Consultado el 8 de mayo de 2016 .
  29. ^ Böhringer, Christoph; Rutherford, Thomas F (2008). "Combinación de abajo hacia arriba y de arriba hacia abajo". Economía de la energía . 30 (2): 574–596. CiteSeerX 10.1.1.184.8384 . doi :10.1016/j.eneco.2007.03.004. 
  30. ^ "Plataforma de energía abierta: fichas técnicas modelo" . Consultado el 18 de diciembre de 2018 .
  31. ^ SEI (mayo de 2012). LEAP: Sistema de planificación de alternativas energéticas a largo plazo: una herramienta para el análisis de políticas energéticas y la evaluación de la mitigación del cambio climático – Folleto (PDF) . Somerville, MA, EE. UU.: Stockholm Environment Institute (SEI) US Center. Archivado desde el original (PDF) el 8 de agosto de 2017 . Consultado el 4 de mayo de 2016 .
  32. ^ "LEAP: herramientas para el análisis de energías sostenibles" . Consultado el 15 de junio de 2021 .
  33. ^ "Simulación de mercado de ABB PROMOD". new.abb.com . Consultado el 26 de noviembre de 2018 .
  34. ^ "Simulación de producción multiárea de GE". www.geenergyconsulting.com . Consultado el 26 de noviembre de 2018 .
  35. ^ "Simulación de confiabilidad multiárea de GE". www.geenergyconsulting.com . Consultado el 26 de noviembre de 2018 .
  36. ^ "Simulación del flujo de carga del sistema eléctrico de GE". www.geenergyconsulting.com . Consultado el 26 de noviembre de 2018 .
  37. ^ "Informe del estudio IRM de NYSRC 2018" (PDF) . www.nysrc.org . 8 de diciembre de 2017. pág. 2 . Consultado el 26 de noviembre de 2018 .
  38. ^ "Notificación 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 .
  39. ^ "Siemens PSSE". www.siemens.com . Consultado el 26 de noviembre de 2018 .
  40. ^ "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 .
  41. ^ Una comparación de los modelos TIMES y MARKAL (PDF) . 2009. Consultado el 31 de octubre de 2016 .
  42. ^ "MARKAL" . Consultado el 31 de octubre de 2016 .
  43. ^ Loulou, Richard; Remne, Uwe; Kanudia, Amit; Lehtila, Antti; Goldstein, Gary (abril de 2005). Documentación para el modelo TIMES – Parte I (PDF) . Programa de Análisis de Sistemas de Tecnología Energética (ETSAP) . Consultado el 31 de octubre de 2016 .
  44. ^ Giannakidis, George; Labriet, Maryse; Gallachóir, Brian Ó; Tosato, GianCarlot, eds. (2015). Informar las políticas energéticas y climáticas utilizando modelos de sistemas energéticos: perspectivas derivadas del análisis de escenarios que aumentan la base de evidencia . Apuntes de clase sobre energía. Vol. 30. Cham, Suiza: Springer International Publishing. doi :10.1007/978-3-319-16540-0. ISBN . 978-3-319-16540-0.
  45. ^ Gabriel, Steven A; Kydes, Andy S; Whitman, Peter (1999). "El Sistema Nacional de Modelado Energético: un modelo de equilibrio energético-económico a gran escala". Investigación de operaciones . 49 (1): 14–25. doi : 10.1287/opre.49.1.14.11195 .
  46. ^ Wilkerson, Jordan T; Cullenward, Danny; Davidian, Danielle; Weyant, John P (2013). "Elección de tecnología de uso final en el Sistema Nacional de Modelado Energético (NEMS): un análisis de los sectores de construcción residencial y comercial". Economía de la energía . 40 : 773–784. doi :10.1016/j.eneco.2013.09.023 . Consultado el 9 de mayo de 2016 .
  47. ^ Perspectivas energéticas anuales 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 .
  48. ^ acatech; Lepoldina; Akademienunion, eds. (2016). Consulta con escenarios energéticos: requisitos para el asesoramiento científico sobre políticas (PDF) . Berlín, Alemania: acatech — Academia Nacional de Ciencias e Ingeniería. ISBN 978-3-8047-3550-7Archivado desde el original (PDF) el 21 de diciembre de 2016 . Consultado el 19 de diciembre de 2016 .
  49. ^ Howells, Mark; Rogner, Holger; Strachan, Neil; Heaps, Charles; Huntington, Hillard; Kypreos, Sócrates; Hughes, Alison; Silveira, Semida; DeCarolis, Joe; Bazillian, Morgan; Roehrl, Alexander (2011). "OSeMOSYS: el sistema de modelado de energía 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.
  50. ^ "OSeMOSYS: un sistema de modelado energético de código abierto" . Consultado el 8 de mayo de 2016 .
  51. ^ DeCarolis, Joseph; Jaramillo, Paulina; Johnson, Jeremías; McCollum, David; Trutnevyte, Evelina; Daniels, David; Akın-Olçum, Gökçe; Bergerson, Joule; Cho, Soolyeon; Choi, Joon-Ho; Craig, Michael; de Queiroz, Anderson; Eshraghi, Hadi; Galik, Christopher; Gutowski, Timothy; Haapala, Karl; Hodge, Bri-Mathias; Hoque, Simi; Jenkins, Jesse; Jenn, Alan; Johansson, Daniel; Kaufman, Noah; Kiviluoma, Juha; Lin, Zhenhong; MacLean, Heather; Masanet, Eric; Masnadi, Mohammad; McMillan, Colin; Nock, Destenie; Patankar, Neha; Patino-Echeverri, Dalia; Schivley, Greg; Siddiqui, Sauleh; Smith, Amanda; Venkatesh, Aranya; Wagner, Gernot; Yeh, Sonia; Zhou, Yuyu (2020). "Aprovechamiento de herramientas de código abierto para esfuerzos colaborativos de modelado de sistemas macroenergéticos". Joule . 4 (12): 2523–2526. doi : 10.1016/j.joule.2020.11.002 . S2CID  229492155.
  52. ^ "Open energy outlook" . Consultado el 4 de julio de 2023 .
  53. ^ DeCarolis, Joseph; Hunter, Kevin; Sreepathi, Sarat (21–23 de junio de 2010). El proyecto TEMOA: herramientas para la optimización y el análisis de modelos energéticos (PDF) . Taller Internacional de Energía. Estocolmo, Suecia . Consultado el 4 de julio de 2023 .
  54. ^ "TEMOA" . Consultado el 4 de julio de 2023 .
  55. ^ Göke, Leonard; Weibezahn, Jens; von Hirschhausen, Christian (2023). "Un plan colectivo, no una bola de cristal: cómo las expectativas y la participación dan forma a los escenarios energéticos a largo plazo". Investigación energética y ciencias sociales . 97 : 102957. arXiv : 2112.04821 . doi :10.1016/j.erss.2023.102957. ISSN  2214-6296. S2CID  254877765. Icono de acceso cerrado
  56. ^ "Modelo energético KAPSARC" . Consultado el 12 de enero de 2019 .
  57. ^ Hilbers, Adriaan P (19 de diciembre de 2020). Modelado de sistemas energéticos abiertos para científicos del clima y otros. Londres, Reino Unido: Departamento de Matemáticas, Imperial College London . Consultado el 19 de diciembre de 2020 . Vídeo  00:11:42. Presentación en el taller de previsión climática para la energía del 4  de diciembre de 2020. Icono de acceso abierto
  58. ^ Morrison, Robbie (22 de diciembre de 2020). Modelos de sistemas energéticos explicados: la Dra. Berit Erlach explica el modelado de sistemas energéticos en términos cotidianos. Berlín, Alemania: Löschwasser Productions . Consultado el 22 de diciembre de 2020 . Vídeo 00:13:17. Filmado el 9 de  junio de 2019 en Berlín, Alemania. Referencia LP-001-01.

Enlaces externos