Hispanopedia Wiki
Articulo de referencia

Modelado energético

La modelización energética o modelización de sistemas energéticos es el proceso de construir modelos informáticos de sistemas energéticos para analizarlos. Estos modelos suelen ...

Hispanopedia WikiContenido en espanolLectura gratuita

La modelización energética o modelización de sistemas energéticos es el proceso de construir modelos informáticos de sistemas energéticos para analizarlos. Estos modelos suelen emplear 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 costes financieros acumulados , el uso de recursos naturales y la eficiencia energética del sistema en estudio. Se emplea una amplia gama de técnicas, desde las de carácter económico hasta las de carácter ingenieril. [ 1 ] La optimización matemática se utiliza a menudo para determinar el menor coste en algún sentido. Los modelos pueden tener un alcance internacional, regional, nacional, municipal o independiente. Los gobiernos mantienen modelos energéticos nacionales para el desarrollo de políticas energéticas .

Los modelos energéticos suelen tener como objetivo contribuir de diversas maneras a la operación de sistemas, el diseño de ingeniería o el 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 incluyen una representación del sistema energético mundial y se utilizan para examinar las trayectorias de transformación global hasta 2050 o 2100, no se analizan aquí en detalle.

La modelización energética ha cobrado mayor importancia a medida que ha aumentado la necesidad de mitigar el cambio climático . El sector del suministro energético es el principal responsable de las emisiones globales de gases de efecto invernadero . [ 2 ] El IPCC señala que la mitigación del cambio climático requerirá una transformación fundamental del sistema de suministro energético, incluyendo la sustitución de las tecnologías de conversión de combustibles fósiles no controladas (no capturadas mediante CCS ) por alternativas con bajas emisiones de GEI. [ 2 ]

Tipos de modelos

Se utiliza una amplia variedad de tipos de modelos. Esta sección intenta categorizar los tipos clave y su uso. Las divisiones proporcionadas no son rígidas y existen modelos de paradigma mixto. Además, los resultados de modelos más generales pueden utilizarse para fundamentar la especificación de modelos más detallados, y viceversa, creando así una jerarquía de modelos. En general, los modelos pueden necesitar capturar dinámicas complejas como:

  • funcionamiento del sistema energético
  • rotación de acciones tecnológicas
  • innovación tecnológica
  • Comportamiento de la empresa y del hogar
  • Dinámicas de ajuste de la inversión de capital en energía y en sectores no energéticos y del mercado laboral que conducen a la reestructuración económica.
  • despliegue de infraestructura y planificación urbana" [ 3 ] : S28–S29 : se agregó formato de puntos 

Los modelos pueden limitar su alcance al sector eléctrico o pueden intentar abarcar un sistema energético en su totalidad (véase 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 comparan con un escenario de referencia —normalmente el escenario habitual (BAU)— y se registran las diferencias en los resultados.

El horizonte temporal del modelo es una consideración importante. Los modelos anuales, ambientados en el presente o en el futuro (por ejemplo, hasta 2050), presuponen una estructura de capital estática y se centran en la dinámica operativa del sistema. Estos modelos suelen incorporar un considerable nivel de detalle temporal (normalmente con resolución horaria) y técnico (como las centrales generadoras y las líneas de transmisión individuales). Los modelos a largo plazo, que abarcan una o más décadas (desde el presente hasta, por ejemplo, 2050), intentan reflejar la evolución estructural del sistema y se utilizan para investigar la expansión de la capacidad y las cuestiones relacionadas con 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 operativa . La mayoría se basa en la programación lineal (incluida la programación entera mixta ), aunque algunos utilizan programación no lineal . Los solucionadores pueden utilizar optimización clásica o genética , como CMA-ES . Los modelos pueden ser recursivo-dinámicos, resolviendo secuencialmente para cada intervalo de tiempo y, por lo tanto, evolucionando a lo largo del tiempo. O pueden plantearse como un único problema intertemporal prospectivo, asumiendo así una previsión perfecta. Los modelos de ingeniería de un solo año suelen intentar minimizar el coste financiero a corto plazo , mientras que los modelos de mercado de un solo año utilizan la optimización para determinar el equilibrio del mercado . Los modelos a largo plazo, que suelen abarcar décadas, intentan minimizar tanto los costes a corto como a largo plazo como un único problema intertemporal.

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

A medida que las fuentes de energía intermitentes y la gestión de la demanda energética adquieren mayor importancia, los modelos han necesitado adoptar una resolución temporal horaria para capturar mejor su dinámica en tiempo real. [ 4 ] [ 5 ] Los modelos a largo plazo suelen limitarse a cálculos a intervalos anuales, basados ​​en perfiles típicos de días, y por lo tanto son menos adecuados para sistemas con una cantidad significativa de energía renovable variable . La optimización de despacho diario se utiliza para ayudar en la planificación de sistemas con una parte significativa de producción de energía intermitente, donde la incertidumbre en torno a las predicciones energéticas futuras se tiene en cuenta mediante la optimización estocástica. [ 6 ]

Entre los lenguajes de programación utilizados se 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 son GCAM, [ 9 ] MESSAGE y REMIND. [ 10 ]

Las encuestas publicadas sobre modelado de sistemas energéticos se han centrado en técnicas, [ 11 ] clasificación general, [ 12 ] una visión 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 por capas para apoyar la política de protección climática . [ 21 ] Los investigadores del Proyecto de Rutas de Descarbonización Profunda también han analizado tipologías de modelos. [ 3 ] : S30–S31 Un artículo 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 adquieren mayor relevancia. [ 22 ]

Modelos del sector eléctrico

Los modelos del sector eléctrico se utilizan para modelar los sistemas eléctricos. Su alcance puede ser nacional o regional, según las circunstancias. Por ejemplo, dada la existencia de interconexiones 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, incluyendo la red de transmisión de CA de alta tensión cuando corresponda. Algunos modelos (por ejemplo, los de Alemania) pueden suponer un único bus común o "placa de cobre" cuando la red es robusta. La demanda en los modelos del sector eléctrico se representa típicamente mediante un perfil de carga fijo .

Además, los modelos basados ​​en el mercado representan el mercado eléctrico vigente , que puede incluir precios por nodos .

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 ]

Modelos de sistemas energéticos

Además del sector eléctrico, los modelos de sistemas energéticos incluyen los sectores de calefacción, gas, movilidad y otros, según corresponda. [ 26 ] Los modelos de sistemas energéticos suelen tener un alcance nacional, pero pueden ser municipales o internacionales.

Los denominados modelos descendentes son, en general, de naturaleza 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 específicos . Los modelos de equilibrio parcial son más comunes.

Los denominados modelos ascendentes capturan bien la ingeniería y a menudo se basan en técnicas de investigación operativa . 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. [ 27 ]

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. [ 28 ]

Modelos energéticos

Esta sección describe brevemente algunos de los principales modelos en uso, en una tabla resumen seguida de descripciones en prosa. [ 1 ] Estos modelos suelen estar licenciados por empresas privadas o son de código abierto. Puede encontrar información adicional sobre los modelos en la tabla editable en la wiki, mucho más detallada, en este enlace: Modelos del sector eléctrico .

Aurora

Aurora es un modelo desarrollado por Energy Exemplar para analizar la expansión de capacidad a largo plazo y evaluar el impacto del almacenamiento de baterías en el rendimiento general del sistema. El modelo cuenta con diversas funciones para analizar los riesgos del mercado eléctrico, la previsión de precios y las tendencias de los precios del combustible. Además, incorpora factores ambientales como la fijación de precios del carbono y los costos de los controles de emisiones. [ 30 ]

Dayzer

Dayzer se centra en la modelización a corto plazo. Esto incluye un analizador de precios de liquidación del mercado local para el día siguiente, desarrollado por Cambridge Energy Solutions . Este modelo está diseñado para ayudar a los participantes del mercado eléctrico a comprender y gestionar los costes de congestión de la transmisión en mercados eléctricos competitivos. [ 31 ]

E4ST

E4ST (acrónimo de Engineering, Economic, and Environmental Electricity Simulation Tool, Herramienta de Simulación de Electricidad para Ingeniería, Economía y Medio Ambiente) ha sido desarrollado por investigadores de Resources for the Future (RFF), la Universidad de Cornell y la Universidad Estatal de Arizona (ASU). El software de modelado está diseñado como una herramienta de simulación de generación de electricidad desde una perspectiva de ingeniería, economía y medio ambiente. El modelo es un modelo a medio plazo que utiliza algoritmos de optimización para determinar la minimización de costes. El modelo puede utilizarse para evaluar cómo responderá el sector eléctrico a los cambios en las políticas y regulaciones ambientales y no ambientales, los costes de los insumos, las inversiones en transmisión, las inversiones en generación y otros factores. Determina la operación, la entrada y salida de generadores, los precios, incluidos los precios de capacidad/escasez, todos los elementos del excedente social (una medida de los beneficios netos totales) y otros resultados. [ 32 ]

EnCompass (Yes Energy)

Encompass es un software integral e integrado de previsión y simulación de energía que ayuda a las empresas de servicios públicos y a los participantes del mercado a gestionar el riesgo, la descarbonización y la fiabilidad. El modelo optimiza las decisiones de suministro eléctrico, desde la programación a corto plazo hasta la planificación a largo plazo, utilizando previsiones multiescenario y capacidades de simulación de mercado nodal. Este modelo admite el análisis de costes e incluye algunas consideraciones medioambientales. EnCompass cuenta con capacidades de modelado explícito para el cumplimiento de las normativas de emisiones, basadas en las políticas vigentes. [ 33 ]

Simulador de Política Energética (EPS)

El Simulador de Política Energética es un modelo de impacto político a nivel de toda la economía que analiza cómo las políticas energéticas y ambientales influyen en las emisiones, el uso de la energía, los flujos de efectivo, los costos y la salud. Proporciona una herramienta transparente y educativa para comparar escenarios políticos y respaldar la toma de decisiones informadas por parte de las partes interesadas. El modelo simula políticas climáticas y energéticas: precios del CO₂, límites de emisiones, volumen de gases de efecto invernadero, emisiones contaminantes y métricas ambientales y de salud relacionadas. [ 34 ]

Generación X

GenX es un software de modelado de código abierto desarrollado por investigadores del MIT y Princeton que permite modelar el mercado eléctrico e incluye un modelo de descarbonización que representa la generación de electricidad de menor coste con restricciones de flexibilidad. El modelo facilita la investigación y la toma de decisiones al explorar cómo las políticas, las tecnologías y las estructuras de mercado configuran vías rentables y fiables para la descarbonización del sector eléctrico. [ 35 ]

Haiku

Haiku es un software de modelado energético propiedad de Resources of the Future (RFF). Se trata de un modelo de simulación del mercado eléctrico regional que considera la planificación de la capacidad, la inversión y el desmantelamiento de centrales. El modelo se centra en la planificación a corto plazo y contempla las operaciones del sistema a lo largo de las estaciones y las horas del día. Representa los mercados de combustibles y el comercio interregional de electricidad dentro de los Estados Unidos. [ 37 ]

Vista de cuadrícula de Hitachi

El modelo Hitachi Gridview (anteriormente ABB Gridview) simula el funcionamiento de mercados eléctricos competitivos aplicando restricciones de ingeniería en secuencia cronológica durante periodos de tiempo que van desde un día hasta varios años. El modelo ayuda a los productores de energía a identificar estrategias operativas óptimas y a tomar decisiones financieras informadas a corto plazo que minimicen los costos del sistema. Este modelo no incluye ningún cumplimiento ambiental explícito ni características específicas de modelado ambiental. [ 38 ]

Modelo de Planificación Integrada (IPM)

El Modelo de Planificación Integrada es un modelo de optimización a largo plazo para la previsión del mercado eléctrico, la expansión de la capacidad y el análisis por parte de los reguladores ambientales. El modelo proporciona una herramienta integral para estudiar los mercados eléctricos y las políticas ambientales bajo restricciones regulatorias como los límites de dióxido de carbono y los programas de comercio de emisiones. El modelo es práctico para el análisis energético dentro de los Estados Unidos. El modelo proyecta los precios mayoristas de la energía en horizontes de varias décadas y enfatiza las reservas de planificación a largo plazo. [ 39 ]

SALTO

LEAP, la Plataforma de Análisis de Bajas Emisiones (anteriormente conocida como Sistema de Planificación de Alternativas Energéticas a Largo Plazo), es una herramienta de software para el análisis de políticas energéticas , la planificación de la reducción de la contaminación atmosférica y la evaluación de la mitigación del cambio climático . [ 56 ] [ 57 ]

LEAP fue desarrollado en el Centro de EE. UU. del Instituto Ambiental de Estocolmo (SEI). LEAP se puede utilizar para examinar sistemas energéticos a nivel municipal, estatal, nacional y regional. 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 contaba con más de 6000 usuarios en 200 países y territorios.

MARKAL/TIMES

MARKAL (MARKet ALlocation) es una plataforma integrada de modelado de sistemas energéticos, utilizada para analizar cuestiones energéticas, económicas y ambientales a nivel global, nacional y municipal en periodos de hasta varias décadas. MARKAL permite cuantificar el impacto de las 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 casi dos décadas. [ 39 ]

TIMES (The Integrated MARKAL-EFOM System) es una evolución de MARKAL; ambos modelos energéticos tienen muchas similitudes. [ 58 ] TIMES sucedió a MARKAL en 2008. [ 59 ] Ambos modelos son modelos de equilibrio parcial dinámico y explícito de tecnología para los mercados energéticos . 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 se desarrolló en el marco del Programa de Análisis de Sistemas de Tecnología Energética (ETSAP). TIMES combina dos enfoques sistemáticos diferentes, pero complementarios, para el modelado de la energía: un enfoque de ingeniería técnica y un enfoque económico. TIMES es un generador de modelos ascendente, con gran riqueza tecnológica, que utiliza programación lineal para producir un sistema energético de menor coste, optimizado según una serie de restricciones especificadas por el usuario, a medio y largo plazo. Se utiliza para "la exploración de posibles futuros energéticos basados ​​en escenarios contrastados". [ 60 ] : 7

A partir de 2015,Los generadores de modelos MARKAL y TIMES se utilizan en 177 instituciones repartidas en 70 países. [ 61 ] : 5

Simulación de producción multizona (MAPS)

MAPS (Multi-Area Production Simulation) de General Electric es un modelo de simulación de producción utilizado por varias Organizaciones Regionales de Transmisión (RTO) y Operadores Independientes del Sistema (ISO) en Estados Unidos para planificar el impacto económico de las instalaciones de transmisión y generación eléctrica propuestas en los mercados mayoristas de electricidad regulados por la FERC. Partes del modelo también pueden utilizarse para la fase de compromiso y despacho (actualizada cada 5 minutos) en la operación de los mercados mayoristas de electricidad 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 (Multi-Area Reliability Simulation) para garantizar que el sistema eléctrico cumpla con los criterios de confiabilidad (una pérdida de carga esperada (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) analizan el flujo de carga en el sistema eléctrico para cortocircuitos y estabilidad durante los estudios de planificación preliminares realizados por las RTO e ISO. [ 62 ] [ 63 ] [ 64 ] [ 65 ] [ 66 ] [ 67 ] [ 68 ] [ 69 ]

NEMS

NEMS (Sistema Nacional de Modelado Energético) es un modelo de política gubernamental estadounidense de larga trayectoria, administrado por el Departamento de Energía (DOE). NEMS calcula los precios y cantidades de equilibrio del combustible para el sector energético de EE. UU. Para ello, el software resuelve iterativamente una secuencia de programas lineales y ecuaciones no lineales. [ 70 ] NEMS se ha utilizado para modelar explícitamente la demanda, en particular para determinar las opciones tecnológicas de los consumidores en los sectores de edificios residenciales y comerciales. [ 71 ] El modelo incluye un módulo de política de emisiones que le permite analizar el cumplimiento de los reguladores, calcular las emisiones de dióxido de carbono e identificar los impactos de las políticas. [ 42 ]

NEMS se utiliza para elaborar el Informe Anual de Perspectivas Energéticas cada año, por ejemplo, en 2015. [ 72 ]

OSeMOSYS

El Sistema de Modelado Energético de Código Abierto (OSeMOSYS) es un modelo integrado de evaluación y planificación energética a largo plazo, diseñado para ser simple y transparente. El modelo apoya la descarbonización del sistema energético a largo plazo. OSeMOSYS es un modelo de sistema energético gratuito y de código abierto para la planificación nacional, con bajos requisitos computacionales y una curva de aprendizaje relativamente corta. [ 43 ]

Plexos

El modelo Plexos de Energy Exemplar es un modelo de análisis y expansión de capacidad a mediano plazo. Se centra en el este de Estados Unidos y proporciona análisis nodal para identificar reservas operativas y márgenes de reserva. El modelo incluye los costos de regulación ambiental al incorporar precios para el dióxido de azufre y el monóxido de nitrógeno a nivel de planta. [ 45 ]

Optimizador de sistemas de energía (Polaris)

El modelo Polaris es un motor de grado industrial para la optimización de sistemas eléctricos que aborda la asignación de unidades, el despacho económico, la suficiencia de recursos y las operaciones gas-eléctricas co-optimizadas. Este modelo incluye un simulador de mercado de costos de producción que optimiza los flujos de energía, la asignación y el despliegue de recursos, y simula el almacenamiento de energía en función de la eficiencia. Polaris también mejora los resultados ambientales mediante un despacho más eficiente y con bajas emisiones de carbono, pero carece de modelado explícito de precios del carbono o límites de emisiones. [ 46 ]

PROMOD

PROMOD es un servicio de modelado energético desarrollado por Hitachi Energy para la generación de modelos del mercado de transmisión de energía. Se trata de un modelo de costos de producto a corto plazo que realiza simulaciones de mercado por hora, análisis de congestión y valoraciones de derechos financieros de transmisión. El modelo se centra en modelar la dinámica del mercado y los precios marginales de ubicación para fundamentar la toma de decisiones en mercados eléctricos desregulados. El modelo incorpora regulaciones ambientales mediante costos de emisiones y precios del carbono, pero no optimiza las estrategias de cumplimiento. [ 47 ]

PyPSA

PyPSA es un sistema de modelado de código abierto que se centra en redes eléctricas con modelado detallado del flujo de potencia y acoplamiento multisectorial opcional, como calor e industria. El modelo optimiza los sistemas energéticos modernos, incluyendo generación, almacenamiento, acoplamiento sectorial y transmisión, para analizar la integración de energías renovables. [ 48 ]

REPETIR

REPEAT son las siglas de Rapid Energy Policy Evaluation and Analysis Toolkit (Kit de herramientas para la evaluación y el análisis rápido de políticas energéticas) y es un modelo de evaluación de políticas energéticas. El modelo cuenta con un marco amplio que permite una cobertura integral de la economía y un componente RIO para la expansión de la capacidad del sector eléctrico. El modelo evalúa los impactos ambientales y económicos de las políticas energéticas y climáticas federales. Permite la modelización espacial de las emisiones y la integración de la generación de energía renovable. [ 49 ]

Modelo de Planificación de Recursos (RPM)

El Modelo de Planificación de Recursos (RPM, por sus siglas en inglés) es propiedad del Laboratorio Nacional de Energías Renovables. Este modelo se centra en la expansión de la capacidad y optimiza las inversiones en generación, transmisión y almacenamiento de energía para cumplir con los objetivos de política energética a largo plazo. El modelo impone restricciones políticas, como estándares de cartera de energías renovables y requisitos de emisiones, para evaluar el cumplimiento y los impactos ambientales. [ 50 ]

Cambiar

Switch es una plataforma de código abierto que se centra en la planificación a largo plazo de la energía eléctrica. El modelo optimiza conjuntamente la generación, el almacenamiento y la transmisión para satisfacer la demanda de electricidad al menor coste posible. Se utiliza para planificar el desarrollo del sistema eléctrico al menor coste posible, al tiempo que se alcanzan objetivos políticos específicos. [ 51 ]

TEMOA

TEMOA son las siglas de Herramientas para la Optimización y el Análisis de Modelos Energéticos. El modelo de energía TEMOA es un modelo de optimización de sistemas energéticos a largo plazo de código abierto. Este modelo está diseñado para la planificación a largo plazo y se utiliza para explorar vías de descarbonización, precios del carbono, objetivos de energías renovables y reducciones de costes tecnológicos. También tiene la capacidad de analizar sistemas energéticos futuros bajo diferentes escenarios de políticas públicas. El modelo puede utilizarse para explorar vías de políticas de descarbonización , ya que incluye precios del carbono, límites de emisiones y mandatos de energías renovables. [ 34 ]

REGENERACIÓN DE EE. UU.

El modelo US-REGEN fue desarrollado por el Electric Power Research Institute. Se trata de un programa de código abierto que vincula la planificación detallada de la capacidad del sector eléctrico y el sistema de suministro de combustibles con un modelo detallado de elección del consumidor en cuanto a servicios de uso final y demanda de energía. Este modelo sirve como modelo de economía regional, gases de efecto invernadero y energía de EE. UU. del EPRI para el modelado energético y el análisis tecnológico. [ 54 ]

Críticas

Los modelos de política energética pública han sido criticados por su falta de transparencia . El código fuente y los conjuntos de datos deberían estar disponibles, como mínimo, para revisión por pares , si no se publican explícitamente. [ 73 ] Para mejorar la transparencia y la aceptación pública, algunos modelos se desarrollan como proyectos de software de código abierto , creando a menudo una comunidad diversa a medida que avanzan. OSeMOSYS es un ejemplo de este tipo de modelo. [ 43 ] [ 74 ] El Open Energy Outlook es una comunidad abierta que ha producido una perspectiva a largo plazo del sistema energético de EE. UU. utilizando el modelo de código abierto TEMOA. [ 75 ] [ 76 ] [ 77 ] [ 78 ]

Véase también

Referencias

  1. 1 2 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. 1 2 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 el Cambio Climático . Cambridge, Reino Unido y Nueva York, Nueva York, EE. UU.: Cambridge University Press . págs. 511–597 . ISBN   978-1-107-65481-5. Consultado el 9 de mayo de 2016 .
  3. 1 2 Pye, Steve; Bataille, Chris (2016). "Mejora de la capacidad de modelización de la descarbonización profunda para contextos de países desarrollados y en desarrollo" (PDF) . Climate Policy . 16 (S1): S27– S46. Bibcode : 2016CliPo..16S..27P . 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 del 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. Código bibliográfico : 2016ApEn..171..555L . doi : 10.1016/j.apenergy.2016.03.087 .
  6. 1 2 Rachunok, Benjamin; Staid, Andrea; Watson, Jean-Paul; Woodruff, David L.; Yang, Dominic (junio de 2018). "Rendimiento de la asignación estocástica de unidades 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  978-1-5386-3596-4. 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 Panel Intergubernamental sobre el 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 .
  8. ↑ Kelly, David L; Kolstad, Charles D (1998). Modelos de evaluación integrados para el control del cambio climático (PDF) . Archivado del original (PDF) el 30 de junio de 2016. Recuperado el 9 de mayo de 2016 .
  9. ^ Riahi, Keywan; Dentener, Frank; Gielen, Dolf; Grubler, Arnulfo; Joya, Jessica; Klimont, Zbigniew; Krey, Volker; McCollum, David; Pachauri, Shonali; Rao, Shilpa; Ruijven, Bas van; Vuuren, Detlef P van; Wilson, Charlie (2012). "Capítulo 17: Vías energéticas para el desarrollo sostenible". En Gómez-Echeverri, L; Johansson, tuberculosis; 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 mundiales de energía fósil y mitigación del cambio climático: un análisis con REMIND" (PDF) . Cambio Climático . 136 (1): 69– 82. Bibcode : 2016ClCh..136...69B . doi : 10.1007/s10584-013-0901-6 . S2CID 18764144. Archivado del original (PDF) el 27 de enero de 2017. Recuperado el 10 de mayo de 2016 . 
  11. ↑ Bahn, O; Haurie, A; Zachary, DS (mayo de 2005). "Métodos de modelado y simulación matemática 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 . 
  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 del 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. Bibcode : 2010IJESM...4..494B . doi : 10.1108/17506221011092742 . ISSN 1750-6220 . Recuperado 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. Bibcode : 2006RSERv..10..281J . 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 energías renovables en diversos sistemas energéticos". Applied Energy . 87 (4): 1059– 1082. Bibcode : 2010ApEn...87.1059C . 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" . Annual Review of Environment and Resources . 35 : 305–344 . doi : 10.1146/annurev-environ-052810-164840 . OSTI 1001644. Recuperado 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) . Annual Review of Environment and Resources . 35 (1): 305– 344. doi : 10.1146/annurev-environ-052810-164840 . ISSN 1543-5938 . OSTI 1001644 .  
  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 . Bibcode : 2016ApEn..172..337M . 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 . Bibcode : 2008WoDev..36.2801V . 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 978-91-978585-9-5Consultado 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 . Bibcode : 2014RSERv..33...74P . 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). Licitación estratégica en mercados competitivos de electricidad: una revisión de la literatura . 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.
  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 . Recuperado 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" . Energy Economics . 30 (4): 1728– 1759. Bibcode : 2008EneEc..30.1728W . doi : 10.1016/j.eneco.2008.01.003 . S2CID 54861876 . 
  26. ↑ 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 . hdl : 20.500.11850/155521 . S2CID 254865361 . 
  27. ↑ 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) . Annals of Operations Research . 121 ( 1–4 ): 151–180 . doi : 10.1023/A:1023359303704 . S2CID 14877200. Archivado del original (PDF) el 12 de mayo de 2016. Recuperado el 8 de mayo de 2016 . 
  28. ↑ Böhringer, Christoph; Rutherford, Thomas F (2008). "Combinando enfoques ascendentes y descendentes". Energy Economics . 30 (2): 574– 596. Bibcode : 2008EneEc..30..574B . CiteSeerX 10.1.1.184.8384 . doi : 10.1016/j.eneco.2007.03.004 . 
  29. ↑ Los modelos de costos de producción proyectan la operación del sistema. Los modelos de expansión de capacidad generalmente hacen eso, y también proyectan qué capacidad de generación, almacenamiento y/o transmisión se construirá y se retirará.
  30. 1 2 "Software de análisis y pronóstico de energía Aurora" . Energy Exemplar . Consultado el 23 de noviembre de 2025 .
  31. 1 2 "CES" . Ces-Us.com . Consultado el 11 de noviembre de 2025 .
  32. 1 2 "Descripción de E4ST – E4ST" . Consultado el 8 de diciembre de 2025 .
  33. 1 2 "Software de simulación del mercado eléctrico EnCompass" . Yes Energy . Consultado el 11 de noviembre de 2025 .
  34. 1 2 3 "Simulador de política energética de EE. UU." . docs.energypolicy.solutions . Consultado el 11 de noviembre de 2025 .
  35. ^ "GenX " . energía.mit.edu . Consultado el 11 de noviembre de 2025 .
  36. ↑ "Documentación de GridPath — Documentación de GridPath v2025.10.1" . gridpath.readthedocs.io . Consultado el 23 de noviembre de 2025 .
  37. 1 2 "Modelo de electricidad Haiku" . Recursos para el futuro . Consultado el 23 de noviembre de 2025 .
  38. 1 2 "GridView" . Hitachi Energy . Consultado el 11 de noviembre de 2025 .
  39. 1 2 3 "Modelo de Planificación Integrada (IPM)" . ICF . Consultado el 11 de noviembre de 2025 .
  40. ↑ "GE presenta mejoras en el software líder de modelado de sistemas de energía MAPS y MARS en la reunión del grupo de usuarios de 2015" (Comunicado de prensa). GE . Consultado el 8 de diciembre de 2025 .
  41. ↑ Loulou, Richard; Goldstein, Gary; Noble, Ken (octubre de 2004). "Documentación para la familia de modelos MARKAL" (PDF) . Programa de análisis de sistemas de tecnología energética .
  42. 1 2 "Desarrollo de modelos - Administración de Información Energética de EE. UU. (EIA)" . EIA.gov . Archivado del original el 19 de septiembre de 2025. Recuperado el 23 de noviembre de 2025 .
  43. 1 2 3 "OSeMOSYS: un sistema de modelado energético de código abierto" . Consultado el 8 de mayo de 2016 .
  44. ↑ "Planificación de sistemas integrados (ISP) con PlanOS para una mayor confianza" . GE Vernova . Consultado el 23 de noviembre de 2025 .
  45. 1 2 "Software de modelado energético PLEXOS" . Energy Exemplar . Consultado el 23 de noviembre de 2025 .
  46. 1 2 "Polaris – Optimización de sistemas de energía" . Consultado el 11 de noviembre de 2025 .
  47. 1 2 "PROMOD" . Hitachi Energy . Consultado el 11 de noviembre de 2025 .
  48. 1 2 "Descripción general - Documentación" . docs.pypsa.org . Consultado el 23 de noviembre de 2025 .
  49. 1 2 Jenkins, Jesse; Mayfield, Erin; Farbes, Jamil; Schivley, Greg; Patankar, Neha; Jones, Ryan (julio de 2023). "Progreso climático y el 117.º Congreso: los impactos de la Ley de Reducción de la Inflación y la Ley de Inversión en Infraestructura y Empleos" (PDF) . Kit de herramientas de evaluación y análisis rápido de políticas energéticas .
  50. 1 2 "Modelo de planificación de recursos | Análisis de sistemas energéticos" . NREL.gov . Consultado el 11 de noviembre de 2025 .
  51. 1 2 "Modelo de planificación de sistemas de energía conmutada" . switch-model.org . Consultado el 11 de noviembre de 2025 .
  52. ↑ TemoaProject/temoa , Temoa (Herramientas para la optimización y el análisis de modelos energéticos), 13 de octubre de 2025 , consultado el 11 de noviembre de 2025
  53. ↑ "MARKAL" . iea-etsap.org . Consultado el 11 de noviembre de 2025 .
  54. 1 2 "v2025 | Documentación de US-REGEN" . us-regen-docs.epri.com . Consultado el 11 de noviembre de 2025 .
  55. ↑ "WIS:dom-P (Modelo de planificación) – Energía limpia vibrante" . Consultado el 23 de noviembre de 2025 .
  56. ↑ 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, Massachusetts, EE. UU.: Centro de EE. UU. del Instituto Ambiental de Estocolmo (SEI). Archivado del original (PDF) el 8 de agosto de 2017. Consultado el 4 de mayo de 2016 .
  57. ↑ "LEAP: herramientas para el análisis de energía sostenible" . Consultado el 15 de junio de 2021 .
  58. ↑ Comparación de los modelos TIMES y MARKAL (PDF) . 2009. Consultado el 31 de octubre de 2016 .
  59. ↑ "MARKAL" . Consultado el 31 de octubre de 2016 .
  60. ↑ 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) . Recuperado el 31 de octubre de 2016 .
  61. ↑ Giannakidis, George; Labriet, Maryse; Gallachóir, Brian Ó; Tosato, GianCarlot, eds. (2015). Informar las políticas energéticas y climáticas utilizando modelos de sistemas energéticos: perspectivas del análisis de escenarios que aumentan la base de evidencia . Lecture Notes in Energy. Vol. 30. Cham, Suiza: Springer International Publishing. doi : 10.1007/978-3-319-16540-0 . ISBN  978-3-319-16540-0.
  62. ↑ "Simulación de mercado ABB PROMOD" . New.ABB.com . Consultado el 26 de noviembre de 2018 .
  63. ↑ "Simulación de producción multizona de GE" . GeEnergyConsulting.com . Consultado el 26 de noviembre de 2018 .
  64. ↑ "Simulación de confiabilidad multizona de GE" . GeEnergyConsulting.com . Consultado el 26 de noviembre de 2018 .
  65. ↑ "Simulación de flujo de carga del sistema eléctrico de GE" . GeEnergyConsulting.com . Consultado el 26 de noviembre de 2018 .
  66. ↑ "Informe del estudio IRM 2018 de NYSRC" (PDF) . Nysrc.org . 8 de diciembre de 2017. pág. 2. Consultado el 26 de noviembre de 2018 . 
  67. ↑ "Aviso de NYISO a las partes interesadas sobre la solicitud de datos MAPS" (PDF) . NyIso.com . Agosto de 2000. Archivado del original (PDF) el 26 de noviembre de 2018. Consultado el 26 de noviembre de 2018 .
  68. ↑ «Siemens PSSE» . Siemens.com . Consultado el 26 de noviembre de 2018 .
  69. ↑ "Análisis de planificación de recursos del estado de Nueva York (NYSPSC)" (PDF) . NyIso.com . 17 de diciembre de 2015. Archivado del original (PDF) el 17 de abril de 2016. Consultado el 26 de noviembre de 2018 .
  70. ↑ Gabriel, Steven A.; Kydes, Andy S.; Whitman, Peter (1999). "El Sistema Nacional de Modelado Energético: un modelo de equilibrio energético-económico a gran escala" . Operations Research . 49 (1): 14– 25. doi : 10.1287/opre.49.1.14.11195 .
  71. ↑ 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 edificios residenciales y comerciales" . Energy Economics . 40 : 773–784 . Bibcode : 2013EneEc..40..773W . doi : 10.1016/j.eneco.2013.09.023 . Recuperado el 9 de mayo de 2016 .
  72. ↑ 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 .
  73. ↑ acatech; Lepoldina; Akademienunion, eds. (2016). Consultoría sobre escenarios energéticos: requisitos para el asesoramiento científico en materia de políticas (PDF) . Berlín, Alemania: acatech — Academia Nacional de Ciencias e Ingeniería. ISBN 978-3-8047-3550-7Archivado del original (PDF) el 21 de diciembre de 2016. Consultado el 19 de diciembre de 2016 .
  74. ↑ Howells, Mark; Rogner, Holger; Strachan, Neil; Heaps, Charles; Huntington, Hillard; Kypreos, Socrates; Hughes, Alison; Silveira, Semida; DeCarolis, Joe; Bazillian, Morgan; Roehrl, Alexander (2011). "OSeMOSYS: el sistema de modelado energético de código abierto: una introducción a su ethos, estructura y desarrollo". Energy Policy . 39 (10): 5850– 5870. doi : 10.1016/j.enpol.2011.06.033 .
  75. ^ DeCarolis, José; 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, Cristóbal; Gutowski, Timoteo; Haapala, Karl; Hodge, Bri-Mathias; Hoque, Simi; Jenkins, Jesse; Jenn, Alan; Johansson, Daniel; Kaufman, Noé; Kiviluoma, Juha; Lin, Zhenhong; MacLean, Heather; Masanet, Eric; Masnadi, Mohammad; McMillan, Colin; Nock, Destenie; Patankar, Neha; Patiño-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. Bibcode : 2020Joule...4.2523D . doi : 10.1016/j.joule.2020.11.002 . S2CID 229492155 . 
  76. ↑ "Perspectivas energéticas abiertas" . Consultado el 4 de julio de 2023 .
  77. ↑ 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 .
  78. ↑ "TEMOA" . Consultado el 4 de julio de 2023 .
  • COST TD1207 Optimización matemática en los sistemas de apoyo a la toma de decisiones para redes energéticas eficientes y robustas (wiki) : una tipología para modelos de optimización
  • EnergyPLAN : un modelo energético de software libre del Departamento de Desarrollo y Planificación de la Universidad de Aalborg , Dinamarca.
  • model.energy : un modelo en línea de "juguete" que utiliza el marco PyPSA y permite al público experimentar.
  • Herramientas de modelado energético para edificios del Laboratorio Nacional de Energías Renovables
  • Plataforma de energía abierta: fichas técnicas modelo
Lecturas relacionadas
6 articulos
Simulación por computadoraSimulación por computadoraSimulación por computadora de 48 horas del tifón Mawar utilizando el modelo de investigación y pronóstico del tiempo Proceso de construcción de un ...Sistema energéticoSistema energéticoUn sistema energético es un sistema diseñado principalmente para suministrar servicios energéticos a los usuarios finales . [ 1 ] : 941 El objetivo...Planificación de escenariosLa planificación de escenarios , el pensamiento de escenarios , el análisis de escenarios , [1] la predicción de escenarios [2] y el método de esce...Emisiones de gases de efecto invernaderoEmisiones de gases de efecto invernaderoLas emisiones de gases de efecto invernadero ( GEI ) de las actividades humanas intensifican el efecto invernadero . Esto contribuye al cambio clim...Libro de contabilidad alemán de principios del siglo XIXCostoEl costo es el valor del dinero que se ha gastado para producir algo o prestar un servicio y, por lo tanto, ya no está disponible para su uso. En e...Recurso naturalRecurso naturalLos recursos naturales son aquellos que se extraen de la naturaleza y se utilizan con pocas modificaciones. Esto incluye las fuentes de característ...