Descripción del modelo MASTER_SO
El modelo MASTER SO (Model for the Analysis of Sustainable Energy Roadmaps. Static Optimization version) es un modelo estático que describe el sector energético de manera bottom-up (es decir, a partir de los componentes del sistema). Es propiedad de la Universidad Pontificia Comillas y fue desarrollado por Álvaro López-Peña, bajo la supervisión de Pedro Linares e Ignacio Pérez Arriaga.
MASTER SO se articula en torno a cinco bloques que describen los distintos niveles de conversión energética, desde las fuentes primarias a los usos finales (López-Peña, 2014).
El modelo toma como punto de partida una descripción de la demanda de servicios energéticos (km recorridos, m2 a calentar), que se introducen exógenamente, y permite satisfacerlas con porcentajes variables de distintas tecnologías. Estas demandas presentan valores que varían en cada escenario. Además, MASTER.SO parte de un sistema energético en el que las únicas infraestructuras que se mantienen con respecto a las presentes en la actualidad son las hidráulicas, las regasificadoras, las refinerías y las redes de distribución eléctricas y de gas. El modelo también incorpora los costes y parámetros técnicos de las diferentes tecnologías, los precios asociados a los combustibles y datos de las tecnologías de usos finales.
El modelo utiliza las fuentes primarias de manera óptima para satisfacer la demanda de usos finales que se ha definido. Para ello, aunque se mantienen las infraestructuras ya mencionadas (hidráulicas, regasificadoras, refinerías y redes de distribución eléctricas y de gas), el modelo puede instalar nueva capacidad de conversión de la energía (como, por ejemplo, capacidad de generación eléctrica o de refino). Esta nueva capacidad se instalará en las tecnologías que resulten en la manera más eficiente de satisfacer la demanda de usos finales.
MASTER.SO incluye una versión simplificada del sistema eléctrico, que incluye la operación y la necesidad de reservas. Estas reservas se han supuesto equivalentes al impacto de la pérdida de una central nuclear (1 GW aproximadamente), más un porcentaje de la demanda como error de predicción de la misma, más un porcentaje de la producción renovable no despachable. Los costes de transporte y distribución de electricidad también se consideran de manera aproximada, infiriendo los costes de esta infraestructura a partir de la cantidad total de energía transportada.
Además, el modelo incluye el potencial de los diferentes tipos de tecnología (lo cual es especialmente interesante para las renovables) y un límite a las emisiones de CO2 totales del sistema que representa el resultado de las diferentes políticas de reducción de emisiones. Así, el modelo no toma como entrada un determinado precio para el CO2 (como se hace con el resto de combustibles), sino que el precio del CO2 es un resultado de la optimización del sistema, de forma coherente con el límite de emisiones.
A partir de las demandas, los costes y los datos técnicos de partida, el modelo asume que el sistema se adaptará a las restricciones existentes de la manera más eficiente posible desde una perspectiva económica. Con este objetivo, el modelo instala capacidades nuevas y optimiza el uso de las existentes para satisfacer la demanda. Este problema se modela como una optimización lineal (Linear Programming, LP) en la que MASTER.SO devuelve como salidas las capacidades instaladas de generación o uso final de la energía, el uso de energía primaria, los precios de la electricidad o el precio del CO2.
El modelo cuenta además con dos versiones ampliadas:
- Versión multicriterio, en la que la función objetivo incluye otros criterios de optimización adicionales al coste;
- Versión agua-energía, en la que se acopla a un modelo hidrológico para realizar una planificación conjunta de los sectores de energía y agua.
Proyectos en los que se ha utilizado:
Publicaciones a las que ha dado lugar:
[1] Z. Khan, P. Linares, M. Rutten, S. C. Parkinson, N. Johnson, J. García-González. "Spatial and temporal synchronization of water and energy systems: towards a single integrated optimization model for long-term resource planning" Applied Energy. vol. 210, pp. 499-517, Enero 2018. DOI: 10.1016/j.apenergy.2017.05.003
[2] Z. Khan, P. Linares, J. García-González. "Integrating water and energy models for policy driven applications. A review of contemporary work and recommendations for future developments." Renewable & Sustainable Energy Reviews. vol. 67, pp. 1123-1138, Enero 2017. DOI: 10.1016/j.rser.2016.08.043
[3] Z. Khan, P. Linares, J. García-González. "Adaptation to climate-induced regional water constraints in the Spanish energy sector: an integrated assessment." Energy Policy. vol. 97, pp. 123-135, Octubre 2016. DOI: 10.1016/j.enpol.2016.06.046
[4] A. López-Peña, I.J. Pérez-Arriaga, P. Linares. "Renewables vs. energy efficiency: the cost of carbon emissions reduction in Spain." Energy Policy. vol. 50, pp. 659-668, Noviembre 2012. DOI: 10.1016/j.enpol.2012.08.006
[5] A. López-Peña, P. Linares, I.J. Pérez-Arriaga. "Análisis retrospectivo de la eficiencia de la promoción de las renovables y del ahorro energético para la reducción de emisiones de CO2 en España." Información Comercial Española, ICE: Revista de Economía. vol. 862, pp. 19-32, Septiembre 2011.
Contacto:
pedro.linares@comillas.edu
