Ir al contenido principal

Siempre erróneos, a veces útiles: 5 consejos para entender el valor y las limitaciones de los modelos de descarbonización 

2 de noviembre de 2022

Los modelos suelen estar en el centro de los debates sobre el cambio climático, ya que trazan escenarios futuros muy inciertos para ayudar a los responsables de la toma de decisiones a entender qué hay que hacer y cuándo.  

Los modelos ofrecen una base concreta para la creación de políticas, proporcionando escenarios comparables que abordan la amplia gama de opciones y vías que están sobre la mesa. Y lo que es casi igual de importante, los modelos también ayudan a la comunidad climática a construir narrativas accesibles sobre los posibles resultados futuros. Sirven como una especie de correa de transmisión para todas las conversaciones y argumentos de la comunidad climática, por lo que es probable que se oiga hablar de la necesidad de "mantener el calentamiento por debajo de 1,5 grados centígrados" a un defensor, un funcionario electo, un académico o un analista político. 

El problema es que los modelos son inexactos.   

La mayoría de los modelos de sistemas energéticos que sirven de base para la elaboración de políticas y la defensa de intereses a todas las escalas -desde la local hasta la global- son optimizaciones económicas deterministas cuyos resultados son un puñado de escenarios improbables. Estos modelos se denominan "de caja negra" porque en ellos se esconden muchos supuestos difíciles de discernir. Se basan en información limitada y se construyen en torno a suposiciones o restricciones diseñadas para hacer que la complejidad de la realidad sea más fácil de predecir. El problema es que siempre habrá una diferencia entre el "mundo del modelo" y el mundo real porque, fundamentalmente, los seres humanos no pueden predecir el futuro. 

Figura 1: Las diferencias entre el "mundo modelo" y el mundo real, basadas en siete modelos destacados de crecimiento de las energías renovables Estados Unidos .

1. Encontrar la solución de menor coste no es lo mismo que encontrar la mejor solución

Los modelos de sistemas energéticos suelen diseñarse para encontrar una solución que permita alcanzar las emisiones netas cero en un determinado momento con el menor coste. Sin embargo, estos costes se basan en proyecciones muy inciertas y no incluyen los costes y beneficios indirectos y difíciles de monetizar de una transición energética, como las mejoras en la salud humana, las implicaciones para la equidad y los impactos medioambientales. En consecuencia, es posible que estas "soluciones de menor coste" no minimicen realmente los costes, y mucho menos maximicen los beneficios que priorizamos como sociedad.

Por ejemplo, una solución de coste mínimo puede lograr las emisiones netas cero en 2050 permitiendo el uso ininterrumpido de combustibles fósiles hasta 2049 antes de cambiar a una fuente de energía más costosa con cero emisiones de carbono, logrando un objetivo final de emisiones netas cero. Sin embargo, en este escenario, los gases que atrapan el calor se acumularán en la atmósfera hasta 2049, lo que aumentará el calentamiento durante siglos y no permitirá alcanzar los objetivos climáticos más amplios.

En la figura siguiente, el gris representa la capacidad instalada de gas natural y la línea de puntos representa las emisiones acumuladas. Aunque ambos paneles muestran que el gas natural llegará a cero en 2050, el camino para alcanzar este objetivo tiene diferentes implicaciones para las emisiones acumuladas. A la izquierda, las emisiones acumuladas en 2050 son elevadas porque el gas natural continuó sin disminuir hasta que se produjo un rápido cambio a la tecnología de bajo consumo.- recursos de carbono cerca de 2050, mientras que la figura de la derecha muestra unas emisiones acumuladas más bajas debido a una transición constante de los combustibles fósiles.

 Figura 2: Comparación ilustrativa del impacto en las emisiones acumuladas de una eliminación gradual del gas natural a lo largo de varias décadas frente a una eliminación abrupta del gas natural.  

Cuando revise los resultados del modelo energético, asegúrese de entender qué se está minimizando y cómo se alinea con sus valores y objetivos más amplios. Asegúrese también de revisar los supuestos de costes, que a menudo pueden diferir entre organizaciones y pueden reflejar su sesgo inherente hacia diferentes soluciones tecnológicas; si no está de acuerdo con las proyecciones incluidas sobre los costes de las renovables, por ejemplo, debe ser cauteloso a la hora de aceptar el resultado del modelo que se basa en estas estimaciones de costes.

2. Necesitamos descarbonizar toda la economía, no sólo el sector eléctrico 

Incluso con un alto grado de electrificación (por ejemplo, la transición a los vehículos eléctricos) y medidas de eficiencia energética, se prevé que el sector eléctrico represente sólo la mitad de la demanda de energía en 2050.1 La demanda de energía no eléctrica, en forma de portadores como el combustible, seguirá procediendo de los sectores industrial, de transporte, comercial y agrícola. Dado que estos sectores denominados "difíciles de reducir" -para los que las estrategias de descarbonización son más difíciles y las soluciones tecnológicas están inmaduras- son casi exclusivamente no eléctricos, los modelos que sólo tienen en cuenta la descarbonización de la demanda de electricidad no lograrán reducir las emisiones lo suficiente como para cumplir los objetivos climáticos. 

Por ejemplo, si un modelo del sector eléctrico no tiene en cuenta los electrolizadores que generan combustibles con cero emisiones de carbono, como el hidrógeno, que podrían contribuir a la descarbonización de la producción de cemento y acero, se subestimará la demanda futura prevista. Del mismo modo, si la eliminación del carbono no se tiene en cuenta en el modelo del sector eléctrico, pero es necesaria para descarbonizar la economía, la demanda de electricidad prevista también se subestimará. 

Figura 3: Ilustración de las posibles implicaciones en la demanda de electricidad de la producción de combustibles con cero emisiones de carbono. El hidrógeno verde producido a través de electrolizadores que utilizan energía renovable y el hidrógeno azul producido a través de energía fósil descarbonizada tienen diferentes impactos en la demanda de electricidad proyectada que no siempre se reflejan en las hipótesis de los modelos.  

Al revisar los resultados de los modelos energéticos, asegúrese de saber qué sectores están incluidos en la modelización y cómo se relacionan los sectores entre sí. Los modelos de "toda la economía" tratan de descarbonizar todos los sectores, mientras que los modelos de "sector eléctrico" se centran exclusivamente en descarbonizar la red eléctrica. De nuevo, es probable que una solución óptima para el sector eléctrico o incluso para el sistema energético sea diferente a una solución óptima para toda la economía. Asegúrese de que el tipo de modelo está en consonancia con su propósito de utilizar los resultados del modelo.  

3. La fiabilidad de un sistema eléctrico suele estar infravalorada 

A medida que aumenta la electrificación, se espera que los cortes de energía tengan un mayor impacto social. Sin embargo, los resultados de los modelos de descarbonización no suelen hablar de la fiabilidad de un futuro energético proyectado, a pesar de que la gente ha llegado a esperar un acceso fiable a la electricidad en muchos lugares del mundo 

Estos son algunos indicadores clave a tener en cuenta que pueden revelar problemas de fiabilidad: 

  • ¿Cuántos "años de tiempo"utiliza el modelo? Los años climáticos se refieren a los datos meteorológicos que se incluyen para determinar la producción de electricidad renovable, junto con la demanda de energía para cosas como la calefacción y la refrigeración. Muchos modelos utilizan un único año meteorológico pasado para modelar cada periodo de tiempo hasta 2050. Esto puede dar lugar a una red poco fiable, tanto porque el tiempo tiene una gran variabilidad anual como porque es probable que los patrones meteorológicos sean diferentes en años futuros debido a los efectos del cambio climático. 
  • ¿Cómo se equilibrio de carga se hace en el modelo? Los operadores de las redes eléctricas equilibran la oferta y la demanda en fracciones de segundo, pero debido a las limitaciones computacionales, los modelizadores se enfrentan a la simplificación del sistema frente a la precisión. La simplificación excesiva del equilibrio de la red oculta importantes variaciones de la demanda. Por ejemplo, la capacidad necesaria para satisfacer la demanda diaria media no sería suficiente para satisfacer la demanda diaria máxima, lo que daría lugar a un sistema energético infradimensionado. Esto es especialmente problemático porque uno de los mayores retos de la descarbonización en el sector eléctrico es satisfacer de forma consistente y fiable los picos de demanda. Una práctica habitual es equilibrar la oferta y la demanda por horas, lo que se conoce como "modelización 8760" por el número de horas de un año. 
  • ¿En qué medida depende el modelo de flexibilidad de la demanda? La flexibilidad de la demanda se refiere a la modificación de la carga para que la demanda coincida con la oferta de electricidad en las horas punta del día. Esto puede incluir la carga de los vehículos eléctricos por la noche en lugar de durante el día, el cambio del aire acondicionado a diferentes horas del día y la reducción de la refrigeración para algunos clientes comerciales/industriales durante cortos períodos de tiempo. Una alta dependencia de la flexibilidad de la demanda puede indicar que la red modelada podría ser menos fiable debido a un desajuste diario constante de la oferta y la demanda.  

Al revisar los modelos energéticos, hay que buscar indicadores clave que sugieran cómo la fiabilidad está integrada o excluida del sistema modelado. No hay que dar por sentado que el resultado de un modelo funcionará con alta fiabilidad y sin apagones. 

4. Los escenarios de los modelos no son predicciones del futuro 

Los resultados del modelo se presentan en forma de escenarios que representan una de las formas en que puede desarrollarse el futuro. Por ejemplo, un escenario puede mostrar la descarbonización del sector eléctrico a través de energía 100% renovable únicamente, mientras que otro puede representar un futuro con energía renovable y combustibles con cero emisiones de carbono. Aunque los escenarios pretenden reducir la complejidad, no son más que historias de cómo puede acabar el mundo y no se basan en probabilidades o riesgos. Como pueden ser convincentes, pueden hacernos pasar por alto una gran variedad de resultados más probables y llevarnos a un exceso de confianza en la toma de decisiones.  

Los escenarios también deben interpretarse con cautela porque no facilitan la toma de decisiones con conocimiento de los riesgos. Además de no identificar la probabilidad de que se produzca un futuro determinado, los escenarios no describen las consecuencias de equivocarse. Esto no nos permite tomar decisiones que minimicen el arrepentimiento de las acciones que tomamos y maximicen la probabilidad de éxito de la descarbonización. Por el contrario, dado que es difícil saber qué escenarios tienen más probabilidades de ocurrir, deberíamos buscar qué vías de descarbonización pueden tener éxito en una serie de escenarios; en lugar de adivinar a qué futuro nos enfrentaremos, deberíamos planificar para descarbonizar con éxito en una variedad de futuros.

Figura 4

Cuando se utilicen los resultados de los modelos, hay que entender que los escenarios presentados son sólo ejemplos únicos que ilustran una versión posible del futuro. No hay que confundir el resultado de un escenario con una predicción de un camino probable, ni como una solución informada del riesgo para mitigar las emisiones de energía. Piense de forma crítica en el grado de transparencia en el diseño del escenario y en la motivación de la selección del mismo. Desconfíe de los esfuerzos de modelización que sacan conclusiones basadas en un único escenario o hacen recomendaciones según un conjunto limitado de historias futuras.  

5. Los modelos no deben suponer milagros 

Evaluar la verosimilitud es un paso crucial en la revisión crítica de los resultados de un modelo.  

La verosimilitud, o la falta de ella, puede adoptar muchas formas. Por ejemplo, los resultados de los modelos pueden mostrar que los combustibles de hidrógeno sustituyen al gas natural en las centrales eléctricas en unos pocos años, sin describir cómo o cuándo se establecerían los oleoductos de hidrógeno u otros medios logísticos de distribución de hidrógeno. Además, los modelos pueden basarse en el supuesto de que el mundo en desarrollo se mantendrá en niveles bajos de consumo energético, cuando en realidad es plausible y moralmente deseable suponer que el consumo energético per cápita aumentará. Como tercer ejemplo, los resultados del modelo pueden mostrar el comercio de electricidad entre estados, países o regiones sin tener en cuenta el reto del mundo real de ubicar, financiar y construir una red de transmisión expansiva. Otros ejemplos comunes son la asunción de costes poco realistas (o la omisión de ciertos costes), plazos imprácticos para la introducción de nuevas infraestructuras (sin tener en cuenta los datos históricos o las limitaciones de la cadena de suministro), y altos niveles de participación de los consumidores en las políticas de descarbonización (como la flexibilidad de la demanda

Al evaluar los resultados del modelo, hay que tener en cuenta la viabilidad de la aplicación y la plausibilidad de los supuestos de entrada. Cuestione las condiciones necesarias que se excluyeron del modelo y evalúe la viabilidad de que puedan darse técnica y económicamente en el plazo necesario. Por último, compruebe que el contexto social asumido que permite que el resultado del modelo se descarbonice con éxito también es plausible.  

Hacer mejores modelos 

No sólo tenemos que aprender a evaluar los modelos climáticos existentes de forma más crítica; los integrantes de la comunidad de modelización también deben alejarse de la optimización tradicional para adoptar enfoques analíticos holísticos que cubran los riesgos y den prioridad a la resiliencia de los sistemas. Al revelar mejor los supuestos implícitos en la modelización y la planificación, la mejora de la modelización climática puede proporcionar a los responsables políticos las herramientas para apoyar una transición energética más viable, fiable y socialmente responsable. 


El equipo de Análisis de Sistemas Energéticos de CATF adopta un enfoque interdisciplinario para ilustrar vías de transición del sistema energético sólidas, informadas sobre los riesgos y viables. El objetivo del programa es abordar sistemáticamente las limitaciones de la modelización señaladas anteriormente y arraigar los esfuerzos programáticos de CATFen un marco de viabilidad económica, sociopolítica e institucional.   

 

Entradas relacionadas

Manténgase informado

Sign up today to receive the latest content, news, and developments from CATF experts.

"*" indica que los campos son obligatorios