Professional Documents
Culture Documents
PROGRAMA DE GESTIN Y ECONOMA AMBIENTAL (PROGEA) UNIVERSIDAD DE CHILE Departamento de Ingeniera Industrial
INTRODUCCION ................................................................................................................. 5 A. EVOLUCION DEL CONSUMO DE ENERGIA EN CHILE ........................................ 7 1 2 3 4 1 2 2.1 2.2 2.3 2.4 2.5 2.6 2.7 3 3.1 3.2 3.3 1 2 2.1 2.2 Situacin actual ............................................................................................................. 7 Evolucin de consumo final de energa 1982-2006 ................................................... 11 Comportamiento de consumo sectorial....................................................................... 13 Comportamiento de los precios de los energticos ..................................................... 15 Introduccin................................................................................................................. 18 Clasificacin y Categoras de Modelos Energticos. ................................................. 18 Clasificacin segn propsito/objetivo del modelo ................................................ 19 Clasificacin segn cobertura espacial .................................................................. 19 Clasificacin Segn Enfoque de Modelacin ........................................................ 19 Clasificacin bottom up versus top down ....................................................... 22 Resumen de Categoras de Modelos ....................................................................... 24 Presentacin de Principales Modelos Utilizados y sus Aplicaciones..................... 25 Conclusin ............................................................................................................... 34 Modelos de Estimacin de Consumo de Largo Plazo ................................................ 35 Tipos de Modelos para Pronosticar Consumos Energticos de Largo Plazo........ 35 Resumen de Metodologas Usuales de Proyeccin de Demanda........................... 41 Visin integrada de los modelos.............................................................................. 42 Introduccin................................................................................................................. 46 Criterios para Seleccionar un Modelo de Estimacin de Consumo de Largo Plazo 47 Requerimiento de propsito..................................................................................... 47 Otras Caractersticas Deseables para un Modelo de Consumo de Largo Plazo ... 50
3 Propuesta General de Modelo de Proyeccin de Consumo Energtico de Largo Plazo ..................................................................................................................................... 51 3.1 3.2 3.3 Antecedentes generales............................................................................................ 51 Metodologa de Proyeccin Propuesta.................................................................... 53 Sectores considerados.............................................................................................. 55 2
3.4 3.4.1 3.4.1.1 3.4.1.2 3.4.1.3 3.4.1.4 3.4.1.5 3.4.2 3.4.3 3.4.3.1 3.4.3.2 3.4.3.3 3.4.3.4 3.4.3.5 3.5 3.6 1 2 3 4 5
Modelos por sector................................................................................................... 58 Sector Industrial .................................................................................................. 58 Subsector Cobre ................................................................................................... 58 Subsector Papel y Celulosa ................................................................................. 68 Subsector Cemento .............................................................................................. 78 Subsector Industrias y Minas Varias .................................................................. 88 Otros sectores ....................................................................................................... 99 Sector Comercial, Pblico y Residencial (CPR)............................................... 100 Sector Transporte .............................................................................................. 108 Sub sector transporte terrestre .......................................................................... 108 Sub sector transporte areo............................................................................... 114 Sub sector transporte martimo......................................................................... 115 Sub sector transporte ferroviario ...................................................................... 119 Otros consumos del sector transporte ............................................................... 120 Consumos energticos agregados ......................................................................... 124 Escenarios alternativos.......................................................................................... 131 Introduccin............................................................................................................... 138 Antecedentes .............................................................................................................. 138 Metodologa propuesta .............................................................................................. 141 Aplicacin .................................................................................................................. 145 Uso de modelos de estimacin................................................................................... 151
E. CONCLUSIONES Y RECOMENDACIONES PARA EL DESARROLLO DE UN MODELO DE PROYECCION DE CONSUMO ENERGTICO FUTURO ................. 153 Referencias......................................................................................................................... 159 ANEXO .............................................................................................................................. 161 Anexo 1: Modelo LEAP .................................................................................................... 161 Anexo 2: Modelo MAED ................................................................................................... 165 Anexo 3: Resumen de metodologas empleadas en el clculo del consumo energtico. 202 Anexo 4: Regresiones Sectoriales y Datos histricos....................................................... 205 Anexo 5: Datos de Proyecciones ....................................................................................... 227 3
Anexo 6: Proyeccion de demanda elctrica SIC y SING ................................................. 245 Anexo 7: Metodologa Estimacin Consumo de Combustibles Transporte Terrestre.... 247 Anexo 8: Demanda mxima estimada para el SIC y SING ............................................. 271 Anexo 9: El Modelo LEAP y una Propuesta Preliminar de implementacion para Chile ............................................................................................................................................ 272
INTRODUCCION
El presente informe ha sido elaborado por el Programa de Gestin y Economa Ambiental del Departamento de Ingeniera Industrial de la Universidad de Chile (PROGEA) y corresponde al informe final del proyecto Diseo de un Modelo de Proyeccin de Demanda Energtica Global Nacional de Largo Plazo, preparado para la Comisin Nacional de Energa (CNE). El objetivo general del estudio es disear un modelo de proyeccin de demanda energtica de largo plazo con una dimensin espacial y sectorial, que permita evaluar la evolucin de la demanda y los impactos de modificaciones en variables econmicas, sociales, ambientales, tecnolgicas o de polticas aplicadas. El alcance acordado del estudio considera una proyeccin del consumo de energa final por sector de consumo relevante, hasta el ao 2030. Los objetivos especficos buscados por la CNE para proyectar el consumo energtico son: Definir un marco conceptual y de informacin para un modelo de proyeccin de demanda energtica nacional, incluyendo metodologas, desagregacin espacial y sectorial, disponibilidad de informacin y validez. Disear un modelo simple y transparente de proyeccin del consumo energtico a largo plazo compatible con los antecedentes disponibles y adaptable a cambios estructurales futuros y mayor obtencin de informacin. Aplicacin del modelo en escenarios razonables, con la informacin de disponibilidad inmediata, e indicando la informacin faltante para hacer la proyeccin completa.
Para responder a estos objetivos, el informe se ha estructurado en cinco captulos. En el primer captulo se presenta una revisin del consumo histrico de energa en Chile, la evolucin del consumo sectorial y de los precios de los energticos. Esto permite poner en contexto la evolucin futura del consumo de energa final para cada sector y energtico. En el segundo captulo se analizan metodologas de modelacin de variables energticas usadas en el mundo. Se diferencia estos modelos segn clasificacin y categoras de modelos energticos. En particular se analizan los modelos de proyeccin de consumo de largo plazo.
En el siguiente captulo se describe y justifica el modelo de consumo energtico de largo plazo elegido para Chile. En particular se describen los supuestos metodolgicos seleccionados para proyectar el consumo energtico sectorial y agregado. Se hacen supuestos que permiten construir un escenario de lnea base hasta el ao 2030. Finalmente se desarrollan diversos anlisis de sensibilidad en torno al crecimiento del PIB lo que permite examinar un rango de consumos potenciales en el largo plazo. En el cuarto captulo se propone una metodologa y se desarrolla su aplicacin para construir una curva de duracin y proyecciones de demanda elctrica diferenciada espacialmente. Lo anterior se elabora en funcin de los consumos de energa electrica proyectados en el captulo anterior. En particular se realiza un ejercicio inicial de diferenciacin espacial entre el sistema interconectado central (SIC) y el sistema interconectado del norte grande (SING). Finalmente en el quinto captulo se detallan las conclusiones del estudio y se dan recomendaciones de trabajo a futuro. Adems se hace una propuesta de cmo realizar a futuro un anlisis de la demanda en base a disponer de mayores antecedentes e implementar un modelo ms detallado. Adems, como producto del proyecto se entrega una planilla en la que es posible simular diverso escenarios de anlisis de demanda.
Situacin actual
De acuerdo al Balance de Energa (2006) el consumo energtico de Chile est determinado por el consumo final de tres grandes sectores consumidores: transporte; industrial y minero; y residencial, pblico y comercial (CPR). Debido a la importancia del consumo minero conviene separarlo del industrial, considerando los subsectores cobre, hierro, salitre y minas varias2. La Figura 1 muestra el flujo de energa para el ao 2006, a partir del cual se puede observar la importancia de cada tipo de energa en el consumo final de cada sector. El transporte es el mayor demandante de energa, representando el 37% del consumo final de energa. En este caso, el consumo energtico se concentra en un 99% en un solo producto, los derivados del petrleo, que incluyen bsicamente petrleo diesel y gasolinas. Existe adems un consumo elctrico menor asociado al Metro y Ferrocarril y gas asociado a un parque menor de vehculos livianos. El sector industrial representa el 24% del consumo final. Este sector presenta un consumo bastante diversificado de energticos, demandando recursos de todas las fuentes consideradas. Sin embargo, el 75% de su consumo energtico se concentra en tres fuentes: derivados del petrleo (26%), electricidad (25%) y lea (24%). El sector CPR representa un 24% del consumo final de energa. La mayor fuente energtica es la lea, correspondiendo a un 49% del consumo total, fuente que es utilizada en su gran mayora para cocina y calefaccin. La electricidad y derivados del petrleo son igualmente importantes en la demanda final, correspondiendo a un 19% y 23% respectivamente. El gas natural ha aumentado su importancia llegando a representar el 8% del consumo final de este sector. Finalmente, el sector minero consume el 14% del total de energa final. La electricidad es un energtico relevante para este sector correspondiendo al 50% del consumo total. Los derivados del petrleo, por su parte, corresponden a un 41% de este consumo.
Esta seccin se basa en Palma y Jimnez (2007) Desafortunadamente la separacin entre industrias varias y minas varias solo existe desde 1997, lo que impide separarlos para las regresiones que se especifican en los siguientes captulos.
2
Fuente
Importacin de combustible
Tipo de energa
26109
Tipo de uso
11621
Transporte
140800
94070
94811 37%
13544 3012
26223
21683
98284
29212
61895 24%
Elctrica
28964 48409
416
5416 15142
275
5862
Fuente: CNE
Si bien, como se discutir en la seccin siguiente, ha habido en Chile un crecimiento significativo del consumo energtico en la ltima dcada, los consumos especficos de cada sector se mantienen bajos comparados con los de pases desarrollados. En la figura 2 se presenta el consumo especfico del sector residencial para diversas regiones del mundo, durante los aos 2000 y 2003. El consumo especfico en este sector se define como el consumo final de energa por habitante, expresado en kilogramos equivalentes de petrleo (koe) por persona. El consumo final corresponde a los energticos empleados por los hogares para todas sus actividades, a excepcin del transporte. En la figura se aprecia que el consumo especfico de Chile en el ao 2003 es un 43% del consumo especfico de Europa y slo un 32% del de Norteamrica. Sin embargo, se 8
muestra superior a los consumos especficos de Asia y del Medio Oriente y Norte de frica en un 29% y 23% respectivamente. Asimismo, resulta superior al de Sudamrica en promedio, doblando el consumo especfico de la regin.
Figura 2: Consumo especfico de energa en el sector residencial
Consumo de energa sector residencial por persona
1000 900 800
koe/persona
2000 2003
Europa
North America
Chile
Sudamrica
Regin/Pas
Fuente: Elaboracin propia. Base de Datos Earth Trends. World Resources Institute
La figura 3 presenta el consumo de gasolina y diesel por habitante para varias regiones del mundo durante el ao 2003. Los valores son expresados en litros de combustible consumidos por persona. Al igual que en el sector residencial, se observa que el consumo de gasolina y diesel por habitante en Chile es inferior al de Europa y Norteamrica. En efecto, el consumo de gasolina en Chile representa un 61% del consumo europeo y slo un 11% del consumo norteamericano, mientras que el consumo de diesel por habitante en Chile es un 70% del de Europa y un 41% del de Norteamrica. El consumo especfico de ambos combustibles es, sin embargo, superior al de Asia, siendo casi 4 veces mayor. Con respecto a los consumos del Medio Oriente y Norte de frica, el consumo especfico de diesel en Chile es 37% mayor, mientras que el de gasolina es casi el mismo. Con respecto a Sudamrica, el consumo especfico de gasolina y diesel en Chile es un 48% superior al de su regin en promedio.
Fuente: Elaboracin propia. Base de Datos Earth Trends. World Resources Institute
En la figura 4 se presenta el consumo elctrico por habitante durante los aos 2000 y 2003 para varias regiones del mundo, expresado en kilowatt-hora por persona (kwh/persona). Se aprecia que el consumo por persona en Europa es el doble del observado en Chile, mientras que el consumo de Norteamrica es 4,7 veces mayor. Nuevamente en este caso el consumo especfico del pas es superior al de otras regiones del mundo; en efecto, en el ao 2003 dobla el consumo de Asia, y resulta ser un 50% superior al de Medio Oriente y Norte de frica. Con respecto a Sudamrica, el consumo elctrico por persona en Chile es 2,3 veces superior al de la regin en promedio.
10
2000 2003
Regin/Pas
Fuente: Elaboracin propia. Base de Datos Earth Trends. World Resources Institute
La evidencia presentada muestra que en Chile las posibilidades de crecimiento del consumo energtico son elevadas al compararlas con los pases desarrollados. En efecto, para alcanzar los niveles de consumo europeos en los sectores residencial y de transporte, Chile tendra que duplicar su consumo especfico. Asimismo en el caso del consumo elctrico por habitante, el consumo de Chile es slo la mitad del europeo y una quinta parte del norteamericano.
2 Evolucin de consumo final de energa 1982-2006
Antes de analizar la demanda energtica esperada para los prximos 24 aos (hasta el 2030), es interesante examinar lo que ha sucedido con sta en un periodo similar. Considerando el consumo total de energa final entre el ao 1982 y el ao 2006, se observa que ste ha aumentado ms de 3 veces en el periodo, pasando de 71.659 teracaloras a 240.579 teracaloras. Como se puede apreciar en la figura 5, hay una clara tendencia al aumento de la importancia relativa de la energa elctrica en el perodo, partiendo con un 12% de participacin en el consumo final de energa en el ao 1982, y alcanzando un 21% de participacin en el ao 2006. El gas natural tambin muestra una tendencia al aumento en el perodo 1982-2004, partiendo con un 1,6% de participacin en el consumo final, y alcanzando un 8% en el 2004. A partir del 2004 se observa una disminucin en el consumo
11
relativo de este energtico, llegando al 6,3% en 2006 al reducirse la disponibilidad del gas argentino. Por otro lado, se observa en el perodo una tendencia a la baja en la importancia relativa de la lea y derivados del petrleo. En el caso de la lea, la disminucin relativa del consumo parte de 25% en 1982 y llega a 20% en 2006. En cuanto a los derivados del petrleo, se observa que la disminucin del consumo relativo vara desde un 46% en 1982 a un 39% en 2006.
Figura 5: Evolucin del consumo relativo de energticos. Perodo 1982-2006.
Consumo Relativo de energticos
0,50 0,45 Consumo energtico/Consumo Total 0,40 Derivados del petrleo 0,35 0,30 0,25 0,20 0,15 0,10 0,05 0,00 1982 gah Carbon Electricidad Lea gn gl Coke gas corriente
1987
1992 Ao
1997
2002
2007
Fuente: CNE
En la figura 6 se presenta la evolucin en Chile del consumo final de energticos en trminos absolutos, durante el perodo 1982-2006. Se observa que en trminos absolutos el consumo de electricidad ha aumentado 5 veces en este perodo, mientras que el gas natural ha aumentado 11 veces. Por otro lado, el consumo absoluto de lea ha aumentado 2,3 veces en el perodo, mientras que el de derivados de petrleo ha aumentado 2,5 veces. Dado que en trminos absolutos el
12
consumo de la lea y de los derivados del petrleo ha ido en aumento a lo largo del perodo, su disminucin en la participacin relativa del consumo de energticos (figura 5) es debida a un efecto sustitucin.
Figura 6. Evolucin del consumo de energa final por energtico (1982-2006).
Consumo Final de Energa por Energtico
200000
1 80000
1 60000
1 40000
1 20000
1 00000
80000
60000
40000
20000
0
1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006
Elect ricidad
Carbn
Coke
Lea
gas licuado
gas corrient e
gas alt os h
Fuente: CNE
La Figura 7 muestra la evolucin del consumo final de energa por sector econmico en relacin al consumo total. Se puede observar que el sector que demanda mayores cantidades de energa es el CPR, cuyo consumo presenta una ligera tendencia a la baja, variando de un 36% a un 32% en el perodo considerado. La participacin de los sectores industria y transporte se ha mantenido estable durante el perodo, presentando en promedio un consumo relativo del 24% y 27% respectivamente. 13
Con respecto al aumento del consumo de energa, el sector que ha presentado un mayor crecimiento es el de minera. En efecto, entre 1995 y 2006 el sector cobre aumenta su consumo relativo desde 7,6% a 11,5% del consumo total, lo cual se traduce en trminos absolutos en una duplicacin de su consumo energtico en 10 aos.
Figura 7: Evolucin del Consumo final de energa por sector en relacin al consumo total
Consumo energtico sectorial relativo
40,00%
35,00%
30,00%
25,00%
20,00%
15,00%
10,00%
5,00%
0,00%
19 92
20 04
Fuente: CNE
En la figura 8 se observa la evolucin del consumo absoluto de energticos por sector. En trminos generales hay un aumento de la demanda energtica en todos los sectores considerados a lo largo del perodo. En el caso del cobre, el consumo se ha triplicado entre 1982 y 2006. Asimismo en los sectores transporte y residencial, donde el consumo energtico en el 2006 es 2,7 veces y 2,5 veces el consumo del ao 1982 respectivamente. El sector industria y minas varias igualmente han aumentado su consumo energtico en casi 4 veces a lo largo del perodo considerado.
20 06
19 86
19 88
19 90
19 98
20 00
20 02
19 82
19 84
19 94
19 96
14
200.000
150.000
100.000
50.000
1982
1984
1986
1988
Cobre
1990
1992
1994
1996
1998 CPR
2000
2002
2004
2006
Transporte
Otros
Fuente: CNE
Durante los ltimos aos, los precios internacionales de los energticos primarios han experimentado un alza continua en trminos reales. Esta situacin resulta compleja para aquellos pases que importan gran parte de sus combustibles, como es el caso de Chile. La Figura 9 muestra la evolucin de los precios reales del petrleo, gas natural licuado y carbn en mercados de relevancia internacional entre 1991 y 2006, expresados en dlares americanos de 1983. En general, todos estos energticos presentan una tendencia al alza durante el perodo. En el caso del carbn CAPP, se observa un comportamiento estable del precio entre los aos 1991 y 2000 con variaciones en torno a los 1,57 USD 83 / MmBTU. Sin embargo, a partir del ao 2000 el precio del carbn tiende al alza, aumentando en un 71% entre los aos 2001 y 2006. Con respecto al precio real cif del petrleo en la OECD, se observa una tendencia alcista durante todo el perodo. Sin embargo, entre los aos 2002 y 2006 esta tendencia se incrementa, llegando a doblarse el precio real.
15
El precio cif del gas natural licuado, por su parte, tambin muestra una tendencia al alza durante todo el perodo, experimentando su mayor alza entre 2002-2006, con un aumento de su precio en un 50%.
Figura 9. Comportamiento de los precios reales de los energticos primarios.
5,00
USD 83 / MmBTU
4,00
3,00
2,00
1,00
0,00 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006
Fuente: BP. Energy Review 2008. Para calcular los valores en dlares constantes se emplea el CPI del Bureau of Labor Statistics. : CAPP: Precio spot Carbon de la Central Appalachia.
En la figura 10 se muestra la evolucin del precio de la energa elctrica en Chile durante el perodo 1982-2006, expresado en pesos chilenos reales por kilowatt-hora. Entre 1982 y 2000 el precio real de la electricidad experimenta una baja importante, llegando, en el caso de SIC, a un 70% del valor de 1982 y, en el caso de SING, a un 16% del valor de 1984. Entre 2000 y 2003 el precio de la energa tiende a mantenerse estable. A partir del ao 2003 el precio de la energa elctrica experimenta una tendencia al alza, observandose un aumento del precio del nudo en SIC y SING de aproximadamente 50%.
16
100
80
[$/kWh]
60
40
20
0 OCTUBRE 1982
OCTUBRE 1984
ABRIL 1987
OCTUBRE 1989
ABRIL 1992
OCTUBRE 1994
ABRIL 1997
OCTUBRE 1999
INDEX. A SEP-01
OCTUBRE 2002
ABRIL 2004
OCTUBRE 2005
INDEX. A SEPT-06
SIC - Santiago
SING - Antogafasta
Fuente: CNE. Datos histricos de precios de nudo. Sistemas elctricos chilenos. Los valores se expresan en pesos chilenos reales indexados por UF.
De acuerdo a la evidencia presentada, la tendencia histrica del consumo final de energticos en Chile muestra un aumento sostenido, sin alcanzar an los niveles de consumo de pases desarrollados. Debido a ello, la elaboracin de un modelo de proyeccin del consumo energtico a largo plazo en Chile puede efectuarse en base a la tendencia histrica del consumo, sin la necesidad de incluir un efecto de saturacin de los consumos energticos3. Por otro lado, la alta volatilidad que se observa en la evolucin histrica de los precios reales de los energticos muestra que no es recomendable su inclusin en un modelo de proyeccin a largo plazo. No se sabe como evolucionarn estos precios en trminos absolutos, aunque es probable que continen subiendo en el periodo considerado, y menos las variaciones entre los precios relativos.
17
Introduccin
En los ltimos aos se ha hecho evidente la necesidad de desarrollar una poltica energtica en cada pas. El cambio climtico, la desregulacin, la oferta econmica de servicios energticos, la seguridad energtica y otros desafos se traducen en iniciativas de poltica energtica. Segn expertos, los instrumentos actuales de poltica energtica se alejan de las alternativas tradicionales de regulacin monetaria (impuestos y subsidios) hacia instrumentos no-monetarios (Laitener, et al, 2003). En esta lnea, la eficiencia energtica surge como un rea de poltica relevante. La incorporacin de energas renovables no convencionales (ERNC) tambin . Estas nuevas tendencias hacen necesario contar con herramientas adecuadas para evaluar los impactos de poltica energtica y realizar buenos pronsticos. Generalmente, los reguladores utilizan estudios de escenarios para evaluar ex-ante los efectos potenciales de elecciones de poltica particulares. Con este propsito, se utilizan distintos modelos que intentan estimar el efecto de estas elecciones, por ejemplo, en usos energticos y en bienestar econmico. Sin embargo, todos los modelos presentan virtudes y limitaciones las que sern explicadas en los siguientes puntos. En esta seccin se presentan las categoras generales de distintos modelos energticos que hoy se utilizan para analizar el impacto de polticas energticas y planificacin energtica de mediano y largo plazo. Posteriormente, se presentan algunos de los modelos especficos que se han desarrollado y empleado para realizar pronsticos, planificacin y evaluacin de polticas.
2 Clasificacin y Categoras de Modelos Energticos.
El uso de modelos se explica por el deseo de lograr reflejar sistemas complejos de manera simple y comprensible. Por otra parte, los modelos contribuyen en la organizacin de mucha informacin y brindan un marco consistente para testear distintas hiptesis. Un gran nmero de modelos se han desarrollado para llevar a cabo anlisis de sistemas energticos. Estos modelos se basan en enfoques distintos y utilizan una amplia gama de herramientas matemticas. Existen diversas formas de clasificar modelos energticos. Entre las clasificaciones principales se encuentran las siguientes:
18
Clasificacin segn propsito/objetivo del modelo Clasificacin segn cobertura espacial Clasificacin segn enfoque de modelacin Clasificacin bottom up versus top down
Usando el criterio de propsito/objetivo, los modelos energticos pueden clasificarse en las siguientes categoras generales: (1) Modelos de Demanda (2) Modelos de Oferta (3) Modelos de Sistemas Los modelos de demanda son aquellos modelos cuya funcin principal es el pronstico de la demanda (Por ejemplo, MEDEE-S, MAED). Por otra parte, los modelos de oferta son aquellos cuyo objetivo principal consiste en la prediccin, o bien, planificacin de oferta (Por ejemplo, MARKAL, EFOM-ENV, WASP, DECPAC). Finalmente, los modelos de sistemas se utilizan para analizar el sistema energtico en su totalidad incluyendo tanto oferta como demanda (Por ejemplo, LEAP, ENPEP, NEMS).
2.2 Clasificacin segn cobertura espacial
En general, los modelos energticos son desarrollados para propsitos de planificacin nacional o bien de anlisis de poltica global. Luego, una primera clasificacin considera modelos nacionales (como MARKAL, LEAP, MEDEE) y globales (como POLES). En este contexto, adems de los modelos globales y nacionales existen los modelos regionales (como PRIMES modelo desarrollado para la Unin Europea). Para estimaciones de demanda elctrica existen resoluciones espaciales mucho ms finas que pueden definirse a nivel de nodo o a travs de grillas que suelen ser hexagonales (Infante, 2006).
2.3 Clasificacin Segn Enfoque de Modelacin
Los principales enfoques de modelos utilizados para la evaluacin de polticas, planificacin de sistemas energticos y realizacin de pronsticos se describen a continuacin:
19
Optimizacin En general, los modelos de optimizacin utilizan la programacin lineal para identificar la configuracin de mnimo costo de los sistemas energticos y que satisfaga una demanda determinada exgenamente. La minimizacin se realiza con restricciones adicionales al equilibrio de mercado (se limitan explcitamente las emisiones de CO2, las opciones tecnolgicas, etc). En la resolucin, se asumen tpicamente condiciones de competencia perfecta. Puede optimizar sobre el horizonte completo de la evaluacin (perfect foresight), o bien, ao a ao (expectativas miopes). Este tipo de modelos suele seleccionar tecnologas en base a sus costos relativos. La solucin del problema dual entrega estimaciones precios sombra de los precios de la energa. Este tipo de modelos es especialmente til cuando deben analizarse diversas opciones tecnolgicas y se conocen los costos asociados a cada una. Sin embargo, los supuestos que se realizan para la minimizacin de costos pueden ser inapropiados para representar la evolucin de los sistemas en el mundo real. Modelos de Simulacin y Equilibrio Parcial Este tipo de modelos simula el comportamiento de consumidores y productores bajo distintos tipos de seales (precios, niveles de ingreso) y restricciones (por ejemplo, lmites en la tasa de reemplazo de stock). En esta categora de modelos, los precios y cantidades se ajustan endgenamente utilizando clculos iterativos para encontrar los precios de equilibrio. Luego, se iguala oferta y demanda a travs de precios de equilibrio de mercado. En este tipo de modelos es ms fcil incluir factores no monetarios que en los modelos de optimizacin. Sin embargo, las relaciones de comportamiento pueden ser controversiales y difciles de parametrizar. Modelos de Uso Final o Contabilidad El enfoque de uso final intenta capturar el impacto de patrones de consumo de distintos sistemas y artefactos. Los modelos de uso final para demanda de electricidad se enfocan en los variados usos de sectores como residencial, comercial, agricultura, e industrial. Por ejemplo, en el sector residencial la electricidad se utiliza para cocinar, aire acondicionado, refrigeracin, iluminacin mientras que en el sector agrcola se usa para regado. Este tipo de modelos se basa en la premisa que la energa se requiere por el servicio que habilita y no como un bien de consumo final. Este tipo de enfoque es especialmente efectivo cuando se introducen nuevas tecnologas y combustibles o cuando no existen series de tiempo adecuadas de tendencias en consumo y 20
otras variables. Sin embargo, este tipo enfoque suele requerir un alto nivel de detalle en usos finales. Modelos Economtricos Estos mtodos proyectan la relacin entre elementos del sistema y puede incorporar elementos de proyecciones de tendencia. El enfoque economtrico se basa en el anlisis de regresin de datos histricos y asume rigidez estructural de la economa. Los mtodos ms simples en esta categora son las de series de tiempo. En stos se proyectan los elementos claves de un sistema (macro-variables) de manera independiente. Este tipo de construccin asume que el futuro ser una extensin suave y contina del pasado. Estas proyecciones se basan en correlaciones empricas y funcionan bien en ausencia de cambios estructurales del sistema. La principal deficiencia de este tipo de construcciones es que no se ocupa de identificar o explicar los catalizadores y fuerzas que alteran el sistema. Modelos de Equilibrio General Computable (CGE) Los modelos de equilibrio general son modelos multisectoriales que incorporan mecanismos de mercado en la asignacin de recursos. Su modelacin se desarrolla a travs de una estructura Neo-Clsica, la que permite describir el comportamiento de los agentes. Difieren de los modelos de equilibrio parcial ya que consideran las interacciones de todos los sectores de la economa lo que permite analizar los efectos directos e indirectos. Los modelos de CGE incorporan los precios en forma endgena, adems permiten la sustitucin entre los factores productivos por lo que son adecuados para realizar simulaciones de mediano y largo plazo. En ORyan et al. (2000) se seala que al integrar la perspectiva de mediano y largo plazo se pueden aplicar en la generacin de estrategias de desarrollo asociadas a diversas sendas de crecimiento. Tambin se pueden aplicar desde una perspectiva de corto plazo al anlisis de problemas coyunturales y poltica de estabilizacin. Estos modelos se preocupan de las consecuencias de polticas en trminos de finanzas pblicas, competitividad econmica y empleo. Los modelos de CGE intentan representar la respuesta macroeconmica real a polticas, como la sustitubilidad de la energa por otros insumos de bienes de consumo. Modelos de Desarrollo Reciente Este grupo considera aquellas metodologas que han sido desarrolladas a partir de la dcada de los 80, siendo hasta hoy en da un rea de fuerte investigacin. Lo anterior se explica principalmente producto del gran avance que ha sostenido la industria informtica,
21
permitiendo incorporar algoritmos cada vez ms complejos, manejando tiempos de clculo razonables. Dentro de este grupo, las metodologas ms importantes son: -Sistemas expertos: Estos modelos intentan simular el razonamiento humano, a travs de la incorporacin del conocimiento experto, de tal manera de inferir en forma automatizada respuestas frente a casos especficos. Este tipo de metodologas han sido utilizadas satisfactoriamente tanto en estimaciones de corto como de largo plazo. -Lgica difusa: Este tipo de metodologas est orientado a modelar las incertidumbres, expandiendo las capacidades de los algoritmos clsicos, que slo permiten manejar atributos determinsticos. Para esto, se reconoce la existencia de grados de pertenencia, los que con un conjunto de reglas, permiten llevar a cabo procesos sobre variables inciertas. -Redes Neuronales: Los modelos de redes neuronales intentan simular el proceso de razonamiento y aprendizaje humano, realizando un entrenamiento de forma iterativa y a travs del uso de ejemplos o patrones. La gran ventaja que presenta este tipo de modelos es la capacidad de modelar relaciones no lineales, a travs de un proceso autnomo, sin especificar a priori alguna forma funcional del modelo. Por el contrario, la desventaja que presentan es que es necesario disponer de una cantidad de datos suficiente, de tal manera que la red logre asimilar el modelo subyacente. Este tipo de metodologas ha sido ampliamente utilizada para estimaciones a corto plazo y se han realizado algunos anlisis para estimaciones a largo plazo, aunque este ltimo caso ha estado fuertemente restringido dada la poca disponibilidad de datos. Modelos Hbridos Este tipo de modelos considera combinaciones entre los enfoques antes presentados. Existen distintas opciones, por ejemplo, enfoques que mezclan metodologas economtricas con otras de uso final. Existen modelos que funden mtodos de simulacin y optimizacin. El uso de enfoques hbridos suele recomendarse en la medida que las debilidades de un enfoque sean superadas por las fortalezas del otro creando sinergia.
2.4 Clasificacin bottom up versus top down
La teora econmica dispone de distintas formas de analizar las relaciones entre consumos de energa y variables econmicas como la produccin y los precios. En este sentido existen metodolgicos alternativos para analizar estas relaciones. En efecto, por un lado existe el enfoque ms asociado a los modelos microeconmicos conocido como bottom up, que disponen de una fuerte base de ingeniera y en donde en muchos casos se especifican los requerimientos energticos de equipos y maquinarias para determinar el consumo energtico. Por otro lado, existen los modelos econmicos de corte ms macroeconmico, que se conocen como top-down. En este ltimo caso destacan los modelos de equilibrio general 22
computables que disponen de una importante consistencia con la teora econmica. Tambin se cuenta con modelos de tipo economtricos que permiten incorporar de manera sistemtica la informacin histrica disponible. El cuadro siguiente muestra comparativamente caractersticas de ambas categoras de modelos.
Cuadro 1. Comparacin entre Modelos Top-Down y Bottom-Up Top-down Usa datos econmicos agregados Evala costos/beneficios a travs de impactos en produccin, ingreso, PIB Generalmente asume eficiencia de mercados Bottom-Up Usa datos detallados en combustibles, tecnologas y polticas Evala costos/beneficios de tecnologas y polticas individuales No necesariamente asume eficiencia de mercados, sobrepasar barreras de mercado puede resultar en ahorros energticos costo efectivos.
Captura retroalimentacin e interacciones Captura interacciones entre proyectos y intersectoriales polticas No es un enfoque adecuado para examinar Utilizado para evaluar costos y beneficios de polticas tecnolgicas especficas programas Fuente: Basado en United Nations Framework Convention on Climate Change, 2005.
La figura siguiente presenta los principales tipos de modelos segn si son top-down o bottom-up. Se puede apreciar que los mtodos economtricos pueden ser tanto bottom up o top down segn el caso y la aplicacin. En efecto, y a modo de ejemplo, es posible estimar consumos energticos a nivel nacional o global (modelos top-down) o bien sectoriales o de una pequea comunidad (bottom-up).
Figura 11. Presentacin de Categoras Principales de Modelos Energticos segn clasificacin Top down o Bottom up
MODELOS BOTTOM UP MODELOS TOP DOWN
Optimizacin Simulacin (Equilibrio parcial) Uso Final (Contabilidad) Mtodos recientes Economtricos Equilibrio General Computable (CGE)
23
2.5
El cuadro siguiente muestra un resumen de los enfoques de modelos y su relacin con los otros criterios de clasificacin.
Cuadro 2. Resumen de Enfoques de Modelos
Metodologas Horizonte Tpico de Aplicacin Nivel de Agregacin Principio de Metodologa Ventajas/ Desventajas Modelamiento Energtico Modelos de demanda, Curva de demanda y consumos.
Corto y Mediano Plazo Bottom Up/ Top (no responde a Down cambios estructurales)
Bottom up
Optimizacin
Bottom up
Bottom up
Top Down
Ventajas. Simplicidad y facilidad de aplicacin. Desventaja: Requerimientos de Mtodos estadsticos conjuntos consistentes de datos e incapacidad de incorporar cambios estructurales (como nuevas polticas). Ventajas: Se incorporan Foco en servicios que fcilmente cambios usan energa y luego en tecnolgicos anticipados. caractersticas Desventajas: Requiere muchos tecnolgicas que brindan detalle en informacin de uso final y no representa los servicios energticos. comportamiento de agentes. Ventajas: Especialmente til Tpicamente problema de cuando hay varias opciones optimizacin lineal tecnolgicas. Consistente con restringida. Oferta debe anlisis de backcasting. satisfacer demanda Desventajas: Supuestos de energtica exgena. competencia perfecta, no Problema dual entrega simula comportamiento real de valores de energticos. sistemas, modelos complejos y dato-intensivos. Ventaja: No estn limitados por Simula comportamiento de supuestos de "comportamiento" productores y ptimo y no asume que la consumidores ante seales energa es el nico factor que (precios, ingresos, afecta la decisin tecnolgica. polticas). Tpicamente usa Desventajas: Complejos y dato enfoque iterativo para intensivos, Relaciones de encontrar equilibrio de comportamiento pueden ser mercado. Precios de controversiales y de difcil energa son endgenos. parametrizacin. Los modelos de EGC intentan representar la Las crticas a este tipo de respuesta macroeconmica modelos es que carecen de la real a polticas, como la flexibilidad tecnolgica que sustitubilidad de la energa ofrecen otro tipo de modelos. por otros insumos de bienes de consumo.
Modelos de Oferta
24
Metodologas
Nivel de Agregacin
Principio de Metodologa
Ventajas/ Desventajas
Modelamiento Energtico
Bottom up
Son modelos asociados al desconocimiento del modelo de proceso, tpicamente se emplean redes neuronales, sistemas Presentan buen desempeo en expertos o sistemas fuzzy. condiciones generales, pero no responden a cambios Se realiza el entrenamiento estructurales o tecnolgicos. Su (redes neuronales) o etiquetado (fuzzy) a travs estabilidad y observabilidad no est asegurada. de datos. La calidad y vigencia de los datos es crucial para el buen funcionamiento de este tipo de modelos
2.6
Los principales modelos utilizados en la actualidad en Amrica, Europa y Asia son: MARKAL, MARKAL-MACRO, ENPEP y LEAP, cada uno se ajusta a diferentes clasificaciones. Se analizar las caractersticas generales de cada uno de estos modelos y sus aplicaciones en diferentes pases. Se har tambin una breve descripcin del modelo PERSEUS. MARKAL y MARKAL-MACRO Genera modelos de equilibrio energticos y econmicos. Calcula las cantidades y precios de equilibrio que maximizan la utilidad y adems minimizan los costos totales del sistema de energa. MARKAL identifica soluciones a la planificacin del sistema de energa al menor costo y evala opciones en el contexto del sistema de energa tales como el balance entre oferta y demanda y restricciones de poltica ambiental. Selecciona tecnologas basado en los costos de las alternativas. MARKAL calcula las cantidades y precios maximizando el excedente del productor/consumidor en el horizonte de planificacin, por lo tanto, el costo total de energa del sistema. Adems provee estimaciones de precios de energa, demanda, GHG, tecnologas. En MARKAL la demanda no responde a precios y es determinada exgenamente. MARKAL ha sido utilizado en:
25
International Energy Agency (IEA): Detalles de tecnologas para los escenarios de World Energy Outlook. Unin Europea. Modelo de 25 estados: Estudio de externalidades y valoracin de temas asociados al ciclo de vida 6 estados de Nueva Inglaterra: Anlisis de Aire limpio, metas y evidencia para el compromiso de cambio climtico. USAID: Estableciendo un marco de referencia comn para la evaluacin de gestin de la demanda. APEC: Niveles de costo-efectividad de generacin renovable en cuatro economas de la APEC. Bolivia: Estrategias de reduccin de GHG, incluyendo un modelo de forestacin como una opcin de reduccin de carbono. South Africa: Planificacin energtica y ambiental. A continuacin se presenta un esquematizacin del flujo energtico en MARKAL:
Figura 12. Esquema de flujo energtico en MARKAL
Sistema de Transformacin Estacin de almacenamiento de energa
Demanda de servicios
Ejemplo: Tratamiento
Ejemplo: Refinara
Ejemplo: Concentrado
Stock
Importacin
Exportacin
26
El esquema de flujo de energa muestra las interrelaciones que se producen para llegar a la demanda final, primero considerando combustibles primarios y variable de stock, controlando por importaciones y exportaciones. Luego, combustibles secundarios y variable de stock, controlando por importaciones y exportaciones. Finalmente se encuentran los centros de transformacin que satisfacen la demanda final. MARKAL-MACRO es una extensin del modelo MARKAL y resuelve simultneamente los sistemas de energa y economa. MARKAL-MACRO es una mezcla entre modelos bottom-up y top-down. En este modelo la demanda responde a precios, es decir, la demanda es determinada endgenamente. El modelo MARKAL-MACRO maximiza el bienestar del consumidor, optimiza la inversin agregada y provee la configuracin del sistema de menor costo. Precios de energa y costos de energa son determinados simultneamente durante la optimizacin. Los costos relativos de la energa determinan el tipo y nivel de sustitucin de portadores energticos y tecnologas. MARKAL-MACRO ha sido utilizado en: INET: impacts of emission reductions on Chinas GDP with MARKAL-MACRO Model; Beijings energy supply scenarios and possible impacts; SHESRI: responses of the energy system to energy structure adjustment policies in Shanghai Croacia: Institute Hrvoje Poar. Helena Boi. ENERGY SYSTEM PLANNING ANALYSIS USING THE INTEGRATED ENERGY AND MACROECONOMY MODEL. Interdisciplinary Description of Complex Systems 5(1), 39-47, 2007 Limitaciones El modelo MARKAL es un modelo estrictamente de sector energtico y no establece relaciones con otros sectores de la economa. La demanda es provista exgenamente por esto no responde a precios y no posee determinacin de variables econmicas endgenas que puedan realimentar el modelo. El modelo MARKAL-MACRO resuelve estos ltimos inconvenientes, pero el modelo macroeconmico que incorpora es un modelo neoclsico y adopta una funcin de produccin de elasticidad de substitucin constante (CES). El modelo resuelve para un consumidor representativo ptimo, donde todas las variables relevantes son agregadas.
27
ENPEP ENPEP es un conjunto de herramientas de anlisis energticas, ambientales y econmicas integradas. ENPEP realiza anlisis macroeconmico, desarrolla estimaciones de demanda de energa y sobre esta base se realiza anlisis conjunto de oferta y demanda para todo el sistema energtico. Se evala en detalle el sistema elctrico y se determina efectos de configuraciones alternativas. El foco energtico est en 2 herramientas de ENPEP: BALANCE y MAED, respecto a MAED un anlisis ms detallado se presenta en otro apartado de este informe. BALANCE es un modelo de simulacin basado en mercado que determina cmo varios segmentos del sistema de energa pueden responder a cambios en la demanda y precios de energa. Balance es un sistema de ecuaciones simultneas, lineales y no lineales que especifican la cantidad de transformacin de energa y precios a travs de varios escenarios de produccin y usos de energa. Este modelo tambin calcula emisiones gases efecto invernadero (GEI). Junto con BALANCE y MAED, ENPEP posee otros ocho mdulos que lo conforman, cuya interrelacin se muestran en la siguiente figura:
Figura 13. Mdulos de ENPEP
Fuente: CEEESA
28
Una breve descripcin de cada mdulo se hace a continuacin: MACRO-E: Este mdulo realiza la retroalimentacin entre el sector energtico y el resto de la economa. LOAD: Carga elctrica horaria y generacin de de curva de duracin para usos de otros mdulos de ENPEP PC-VALORAGUA: Estrategia ptima de generacin para un parque Hidro-trmico. WASP: Alternativas de expansin de la generacin a menor costo. GTMax: Operacin de Sistema Energtico en Mercados Desregulados. ICARUS: Confiabilidad y perspectiva econmica de alternativas de expansin de la generacin de electricidad. IMPACTS: Dao fsico y econmico de la contaminacin del aire. DAM: Herramienta de anlisis de decisin para evaluar tradeoffs entre aspectos tcnicos, econmicos y medioambientales. ENPEP tiene numerosas aplicaciones en frica. Asia, Europa, Amrica y en OECD. En Sudamrica ha sido aplicado en los siguientes pases: COLOMBIA (MAED, WASP, BALANCE,IMPACTS, VALORAGUA) Anlisis Energtico Nacional Expansin de Gas Natural Desarrollo del Sistema Elctrico PER (WASP, BALANCE, IMPACTS) Estimacin de Demanda Expansin del Sistema Elctrico Anlisis de Polucin Reduccin de GHG BRASIL (WASP, BALANCE,VALORAGUA, IMPACTS) Anlisis Sector Energtico Desarrollo del Sistema Elctricot Anlisis de Polucin URUGUAY (BALANCE, IMPACTS) Anlisis del Sector Energtico Penetracin del Gas Natural en el Mercado 29
Anlisis de Reduccin de GHG Limitaciones El modelo ENPEP analiza planificacin de sistemas desde el punto de vista del mnimo costo, lo cual no necesariamente refleja la realidad. La operacin del programa requiere importantes conocimientos de optimizacin. Es muy intensivo en datos. LEAP Modelo de energas integradas asociadas a un ao base y escenarios posibles, basados en contabilidad de flujos energticos y simulacin de modelos aproximados. LEAP tiene un manejo de datos flexible e intuitivo. Su mbito de operacin incluye: demanda, emisiones GHG, anlisis de costo-beneficio social entre otros. LEAP es abordado ms intensamente en otro apartado de este informe. El LEAP al igual que otros modelos de simulacin como el MAED, requieren de informacin demogrfica y socioeconmica, tales como poblacin e ingreso entre otros. En general, se analiza la demanda de diferentes sectores, subsectores y centros de transformacin, se consideran variables de stock y se calcula efectos medioambientales y se evala costo-beneficio. Un esquema general del proceso de clculo realizado por el LEAP se presenta en la siguiente figura:
30
Poblacin
Macro-economa
Anlisis de demanda Diferencias estadsticas Anlisis de Transformaci Cambios de stock Anlisis de Recursos Anlisis de emisiones de sector no-energtico Externalidades medio ambientales
Fuente: Elaboracin Propia
Cargas ambientales
LEAP ha sido utilizado en: Estudios de reduccin de gases efecto invernadero en: Argentina, Bolivia, Ecuador, Korea, Tanzania, Senegal. USA. Estudios de reduccin de GHG en California, Washington, Oregon y Rhode Island. APERC Energy Outlook: Pronstico de Demanda de Energa en Economas de la APEC.
31
Proyectos Energticos Asia del Este: Estudio de Seguridad Energtica en Asia del Este. NDRC Energy Research Institute (ERI), INET and SHESRI ERI: Sustainable Energy Development Scenarios in China INET: Chinas energy system under future Northeast Asia cooperation scenario Limitaciones El modelo LEAP no genera procesos de optimizacin o de equilibrio de mercados, pero puede ser usado para identificar escenarios de menor costo. Una ventaja importante del LEAP es su flexibilidad y su fcil utilizacin, el cual permite analizar distintas polticas sin complejidad adicional. El modelo LEAP no evala impactos sobre variables econmicas como PIB o desempleo, el modelo LEAP es consistente fsicamente pero no econmicamente. PERSEUS PERSEUS (Programme Package for Emission Reduction Strategies in Energy Use and Supply) en un familia de modelos basados en los modelos EFOM-ENV (modelos de optimizacin dinmica que utilizan programacin lineal) desarrollados en la Universidad de Karlsruhe, Alemania. Estos modelos estn basados en programacin lineal y entera mixta. Sus funciones objetivos consisten en la minimizacin del gasto de toda decisin relevante del sistema completo. Las restricciones econmicas, tcnicas y ecolgicas son integradas en los modelos en una forma apropiada que capture las caractersticas reales del sistema de suministro de energa. Es un modelo de anlisis y planificacin de polticas energticas y ambientales Requerimiento de datos Este modelo tiene un horizonte de mediano y largo plazo Balance de energa en un ao base Proyecciones de demanda de energa til y precio de combustibles Inversin y costos de operacin, disponibilidad y eficiencia de la produccin de energa. Restricciones energticas y ambientales Factores de emisin. Curva de de duracin de demanda elctrica.
32
Comparacin de modelos para sector energtico El cuadro siguiente presenta un resumen de los modelos ms utilizados en poltica energtica internacional a juicio de Naciones Unidas.
Cuadro 3. Comparacin de Modelos Caracterstica Creador Sitio web mbito LEAP Stockholm Environment Institute www.energycommunity.org Energas Integradas escenarios GHG ENPEP IAEA www.dis.anl.gov Energas Integradas, escenarios GHG MARKAL IEA/ETSAP www.etsap.org Energas Integradas, escenarios GHG MARKALMACRO
- Contabilidad - Contabilidad - n/a Local, Nacional, Regional, Global Medio-bajo Factores de emisin Controlado, resultados anuales Media Medio-bajo Alto Avanzado Windows Gratis para ONG, Gobierno, Investigadores
- Simulacin equilibrio - Iteracin - Miope Local, Nacional, Regional, Global Medio-alto Factores de emisin Hasta 75 aos, resultados anuales Alta Alto Bajo Bsico Windows Gratis para ONG, Gobierno, Investigadores Telefnico, e-mail. US$10.000 por 80 hrs Manual disponible para usuarios registrados Ingls
Aplicabilidad geogrfica Requerimiento de datos Datos incluidos (default) Horizonte de tiempo Experticia requerida Esfuerzo requerido Intuitivo Manejo datos Requerimiento de software Costos
- Prog. nolineal - Perfecta o - Perfecta o miope miope Local, Nacional, Regional, Global Medio-alto Ninguno Controlado Alta Alto Medio Bsico Windows, GAMS, solver e interface US$8.500-$15.000 Telefnico, e-mail. US$500-$2500 por un ao Manual disponible para usuarios registrados Ingls
Telefnico, e-mail, foros web. Gratuito(limitado) Manual y material de entrenamiento libre en la web Espaol, Ingls, Francs Portugus, Chino. Fuente: Naciones Unidas
33
2.7
Conclusin
Distintos modelos energticos cumplen distintos objetivos y se basan en fundamentos conceptuales diferentes. Dentro de las clasificaciones existen consideraciones temporales, espaciales, de propsito, enfoque metodolgico y agregacin. Cada tipo de modelo cuenta con virtudes y defectos, y la eleccin de un tipo de modelo depende de la pregunta de anlisis. Sin embargo, existe consenso relativo respecto de las bondades de los enfoques hbridos ya que stos permiten reducir los errores sistemticos del uso de un enfoque nico. Existe una amplia gama de modelos energticos de uso estratgico actualmente usndose en el mundo. De estos destaca el LEAP, un modelo del sistema general de energa y el modelo ENPEP, un modelo modular que captura el sistema energtico de manera fsica, econmica y ambiental. Son tambin muy conocidos los modelos de oferta como MARKAL y el WASP (mdulo de ENPEP). Para demanda, los modelos ms utilizados son MAED (mdulo de ENPEP), y LEAP, que a pesar de no ser especficamente diseado para proyeccin de consumo permite esa labor con relativa simpleza. Otros modelos que permiten caracterizar el consumo basndose en datos histricos son los economtricos que incorporan los cambios tcnicos que han ocurrido en el tiempo explicando relaciones entre el consumo energtico y variables econmicas. A partir de lo anterior es posible proyectar escenarios futuros. Debido a que este estudio esta enfocado en analizar y proyectar el consumo futuro de combustibles se analizaran aquellos modelos que se enfocan en analizar con mayor detalle la demanda de combustibles. Por este motivo, en los siguientes captulos, se analizan las principales caractersticas de los Modelos Economtricos y de Series de Tiempo, Modelos de Uso Final, Enfoques Combinados o Hbridos y Anlisis de Escenarios. A partir de esta descripcin se elige el modelo que mejor se aplique a la realidad nacional y a los objetivos del estudio.
34
Los pronsticos energticos se volvieron extremadamente populares tras los shocks de petrleo de la dcada de los setenta. Actualmente existen muchas alternativas para estimar demanda energtica futura. En particular, para los sistemas elctricos existen pronsticos incluso para unos pocos minutos a futuro. Otras estimaciones intentan proyectar consumos energticos por ms de 30 aos llegando incluso al orden de siglos para estudios con propsitos de anlisis de calentamiento global. A pesar de la amplia gama de alternativas, esta seccin se centra en aquellas metodologas que permiten prever la demanda energtica de largo plazo. Por otra parte, esta seccin tambin se limita a aquellas metodologas que permiten estimar la demanda globalmente y eventualmente realizar desagregacin sectorial de los consumos. Finalmente, esta seccin se centra solo en aquellas opciones que tienen como fin exclusivo el pronstico de consumos energticos futuros. Las metodologas de pronstico de demanda de largo plazo ms utilizadas son de las siguientes categoras: proyecciones de series de tiempo y economtricas, anlisis de uso final, enfoques de dinmica de sistemas, enfoques combinados, y anlisis de escenarios. Cada enfoque refleja una cierta visin revelada en supuestos y permiten estimar consumos multienergticos de largo plazo (Craig et al, 2002). Para los modelos de dinmicas de sistemas4 no existe mucha experiencia en poltica energtica y tpicamente son aplicables en niveles de mucha agregacin y abstraccin por lo que no se incluyen en detalle.
3.1 Tipos de Modelos para Pronosticar Consumos Energticos de Largo Plazo
En esta seccin se presentan las principales metodologas utilizadas para la estimacin de demanda de largo plazo. Modelos Economtricos La literatura energtica suele distinguir entre los modelos economtricos y series de tiempo5. Los modelos economtricos suelen basarse en el ajuste entre una variable
La dinmica de sistemas modela los sistemas de ingeniera, sociales, y econmicos como combinaciones de reservas (baldes) que se acumulan y evacuan cantidades de inters (como la energa, poblacin, y dinero). Las trayectorias de flujo suelen representar procesos de tasa no-lineal y relacionan las reservas creando ciclos de retroalimentacin que definen un conjunto de ecuaciones diferenciales acopladas. Esta tcnica de modelacin hace nfasis en la dinmica e identificacin de variables fuerzas conductoras (driving forces). Una vez que es modelo est definido, se varan parmetros y fuerzas conductoras. 5 Al contrario, en la literatura econmica suelen considerarse las tcnicas de series de tiempo un subconjunto de las economtricas.
4
35
independiente (consumo de energa, combustible, electricidad) y variables independientes (tiempo, precios, indicador de actividad econmica, etc.). Se acepta que la estructura de la relacin obtenida no se modificar en el futuro. Para predicciones energticas, las variables que normalmente son consideradas son de tipo meteorolgico para estimar electricidad a corto plazo, pero para el caso de largo plazo suelen considerarse variables como producto interno bruto, ndices de actividad, ingresos familiares, precios de los combustibles y sus sustitutos, precios de equipos, datos demogrficos, variables mudas, entre otras. Por ejemplo, la demanda elctrica puede considerarse dependiente del precio de la electricidad (Pe), ingreso (y), precio de combustibles relacionados (Po), poblacin (POB) y tecnologa (T). Es decir, DE = f ( y, Pe , Po , POB, T ) Para llevar a cabo el ajuste, es necesario especificar la forma funcional del modelo, el que puede ser lineal o no lineal. Para determinar esta especificacin, la formulacin puede venir de modelos tericos (por ejemplo, econmicos) o bien, de planteamientos intuitivos de los analistas. Las predicciones realizadas mediante el modelo requieren estimar la evolucin futura de las variables explicativas. Una variante de los modelos economtricos es la categora de estimacin de participacin de combustibles. sta considera un enfoque de dos etapas para estimar demandas energticas. Primero, se estima el consumo total de energa de un sector, el cual despus es utilizado en la determinacin de participaciones de distintos combustibles. Estas participaciones vienen definidas como razones entre consumos de un combustible individual y el consumo energtico total. Finalmente, es importante destacar que los mtodos economtricos son la nica alternativa de obtener de curva de demanda en vez de solo pronsticos de consumos. Modelos de Series de Tiempo La forma ms simple de realizar un pronstico consiste en asumir que el futuro es una extensin suave del pasado. Las variables clave se identifican y son descritas en trminos de tendencias temporales o de correlaciones con otras variables. En esta clase de modelos se encuentran tambin metodologas que consideran un modelamiento matemtico exhaustivo de la serie histrica. Las tres categoras de series de tiempo ms conocidas son los Modelos Autoregresivos (AR), Modelos Autoregresivos y de Medias Mviles (ARMA) y Modelos Autoregresivos Integrados y de Medias Mviles
36
(ARIMA). La formulacin bsica asociada a cada una de ellos se resume en las siguientes expresiones: AR : ARMA : ARIMA :
En donde B corresponde al operador de desplazamiento temporal (operador de rezago), y es la serie estudiada (consumo), e el error o ruido existente, corresponde al operador de diferenciacin y y son polinomios en funcin de B. El ajuste del modelo consiste en encontrar los coeficientes asociados a estos dos ltimos polinomios, hasta comprobar que los errores siguen una serie aleatoria. Este tipo de metodologas han sido usadas satisfactoriamente para estimaciones a corto plazo. Una variante de los mtodos de series de tiempo es la co-integracin. Este mtodo intenta superar algunas de las limitaciones de los pronsticos economtricos o de series de tiempo. El concepto principal es que la relacin existente entre dos variables puede seguir un patrn o tendencia en el largo plazo. En efecto, se observa que algunas variables econmicas se comportan de manera similar en el largo plazo. Por ejemplo, el PIB per. capita y el consumo siguen en el largo plazo un patrn similar de consumo. En este caso, se dice que ambas series estn co-integradas. La ecuacin de largo plazo que captura la relacin entre las variables se conoce como vector de co-integracin. Si dos series estn co-integradas, el proceso de construccin del modelo requiere del uso de un sistema de ecuaciones como en contra de una nica ecuacin (de un modelo de series de tiempo o economtrico). Adicionalmente, tambin se incluye un trmino adicional conocido como trmino de correccin de error para considerar los efectos de largo plazo, mientras que los efectos de corto polazo se capturan por el vector de co-integracin. Modelos de Uso Final El mtodo de uso final o contabilidad intenta capturar los impactos que tienen los patrones de usos energticos de artefactos y sistemas. Los modelos de uso-final para demanda energtica se enfocan en varios usos en los sectores residencial, comercial, agricultura, e industriales. Por ejemplo, en el sector de residencial la electricidad se utiliza para iluminacin, refrigeracin, aire acondicionado y para usos de cocina. Los anlisis de uso final suelen requerir medidas de las intensidades energticas (I) de los usos como medidas de niveles de actividad (NA). De esta manera, la relacin bsica que estima el consumo energtico es:
37
E = I NA
Por ejemplo, la relacin siguiente define una relacin tpica de uso elctrico final para un sector:
E = S N PH
Donde E es consumo de energa del uso (en KCal, kWh, etc), S el nivel de penetracin del nmero de tales artefactos por consumidor, N el nmero de consumidores, P la potencia requerida por el artefacto, y H las horas de aplicacin medias del artefacto por individuo. Este anlisis agregado por los distintos usos finales de un sector entrega la energa total demandada por el sector. El anlisis tambin puede agregarse para todos los sectores y es posible desagregar o agregar distintos combustibles. Este tipo de mtodos puede incorporar mejoras de eficiencia energtica, tasa de utilizacin, sustitucin de combustibles. En el proceso el enfoque captura implcitamente los precios, ingreso y otros efectos econmicos y de poltica. En esta seccin se presenta una revisin general respecto de las metodologas existentes para evaluar polticas energticas de largo plazo. En particular, se explica qu se entiende por escenarios y la aplicabilidad de stos en anlisis energtico de largo plazo. Luego, se distingue entre escenarios normativos y exploratorios. Finalmente, se presentan distintos enfoques metodolgicos y modelos formales disponibles para la construccin de escenarios. Enfoques Combinados o Hbridos Los modelos hbridos corresponden a combinaciones entre las metodologas antes descritas. Destacan enfoques en que se combinan mtodos de regresin y series de tiempo cuando las tendencias parecen robustas con anlisis de uso-final. Este tipo de enfoque se usa cada vez ms tanto en las industrias como gobierno. Mucha literatura recomienda el uso de este enfoque. Esto porque un modelo hbrido de estas caractersticas permite integrar tanto los aspectos fsicos como econmicos (y potencialmente de comportamiento) en un marco comn. Por ejemplo, mientras las relaciones economtricas internalizan los efectos de precios, ingresos o polticas, el enfoque de uso final otorga un marco de agregacin tanto de uso final como sectorial. El enfoque de uso final acomoda nuevos usos finales, mezclas alternativas de combustibles, penetracin de artefactos y tecnologas, patrn de crecimiento de la produccin fsica o su valor, la poblacin y la distribucin del ingreso entre segmentos.
38
Anlisis de Escenarios A pesar de no ser el anlisis un mtodo particular de pronstico de demanda se considera por su utilidad para tal propsito como se considera generalmente en la literatura. (Craig et al, 2002). La evaluacin de sistemas energticos de largo plazo y de emisiones de gases efecto invernadero suele realizarse mediante la construccin de escenarios. Este tipo de ejercicio puede llevarse a cabo en distintas escalas y considerando horizontes temporales diferentes. Sin embargo, en general para su construccin se requiere integrar fenmenos de largo plazo (incluyendo demogrficos, tecnolgicos o tendencias de ecosistemas) con otros de corto plazo (como pueden ser la inflacin o un shock en los precios del petrleo). Segn Anderberg (1989), la crisis de petrleo de 1973 vuelve el trmino de escenario ms popular la evaluacin de polticas energticas. Las definiciones de escenarios no tienen relacin directa con predicciones ni proyecciones. Esto porque el uso de escenarios es radicalmente distinto de la idea tradicional de prediccin econmica. Esto porque los escenarios intentan mostrar imgenes alternativas del futuro y no proyectar tendencias del pasado. Una de las caractersticas ms tiles de los escenarios es que estn diseados explcitamente para explorar cambios importantes en las tendencias, quiebres en el sistema y cambios mayores en el comportamiento humano o reglas institucionales (variables que no es posible predecir o proyectar). Esta es una forma usual de incorporar la incertidumbre. Expertos han dado diversas definiciones y comentarios respecto del uso de escenarios, y en particular aplicados al anlisis de sistemas energticos de largo plazo. Entre estas consideraciones destacan las siguientes: Al disear escenarios nos creamos imgenes del futuro, o mejor de futuros alternativos. Los escenarios no son predicciones ni proyecciones. En vez, cada escenario es una imagen alternativa de cmo podra desenvolverse el futuro. Cada uno se basa en un conjunto de supuestos acerca de las relaciones claves y de los catalizadores de cambios derivados de nuestro entendimiento de la historia y la situacin actual La mayora de los escenarios realizan un supuesto particular acerca del fututo: La ausencia de discontinuidades mayores y catstrofes. Estas no solo son inherentemente difciles de anticipar, pero tambin ofrecen poca gua de poltica en la administracin de una transicin ordenada desde el sistema energtico de hoy, basado en combustibles fsiles, hacia un sistema ms sustentable con acceso ms equitativo a los servicios energticos [IIASA, WEC 1995] La evolucin futura del mundo es formulada en lo que se conoce como escenario, un tipo de cuento corto de futuros posibles [Ygdrassil et al., 1989]
39
Los escenarios pueden ayudar a mejorar el entendimiento de las relaciones clave entre los factores que determinan las emisiones futuras. Los resultados de los escenarios no son predicciones del futuro, y no debieran utilizarse como tales; stos ilustran el efecto de una gama amplia de supuestos econmicos, demogrficos y de poltica. Estos son inherentemente controversiales porque reflejan distintas posturas acerca del futuro. [IPCC, 1992] Refirindose a escenarios la IPCC seala que stos no son predicciones, sino que construcciones consistentes que indican qu podra lograrse al seguir estrategias tcnicas particulares. Estas trayectorias alternativas hacia el futuro energtico debieran considerarse como experimentos de pensamiento explorando las posibilidades de conseguir reducciones de emisiones profundas Ms an, podran existir otras trayectorias factibles que pudiesen llevar a reducciones de emisiones comparables. [IPCC, 1996] En conclusin, enfrentados a la imposibilidad cientfica de predecir el desarrollo futuro de sistemas socio-tcnicos complejos, como los sistemas energticos, y la necesidad prctica de restringir el campo de eventos futuros posibles o de anticipacin para mejorar las decisiones presentes, la construccin de escenarios es la mejor alternativa que han encontrado los expertos (IPP Report No. 16/13). El tipo de escenario ms comn se asocia a escenarios de referencia de tipo proyectivos. stos asumen la continuacin de las tendencias histricas del futuro y que la estructura del sistema permanece invariante o responde de formas predeterminadas. Este tipo de escenario suele conocerse como escenario base (BAU por las siglas en ingls de business as usual). Estas construcciones parecen razonables solo en proyecciones de corto y mediano plazo porque en el largo plazo variables como el desarrollo tecnolgico, la apertura de los mercados, las estructuras sociales o percepciones ambientales son poco predecibles. Sin embargo, en anlisis sobre periodos de ms de 30 o 50 aos estos son los factores determinantes. Por lo tanto, en el largo plazo, suele ser riesgoso solo centrarse en escenarios BAU basndose solo en proyecciones tendenciales (IPP Report No. 16/13). Por el contrario, los escenarios exploratorios estn diseados para explorar configuraciones posibles del mundo en el futuro. El propsito es la identificacin de las estrategias ms robustas en cuanto al propsito de la exploracin a travs de distintos escenarios. La ventaja del uso de estos escenarios permite analizar desviaciones de las tendencias presentes. Los escenarios normativos pueden disearse sobre la base un conjunto de atributos deseables (o reglas) que debera tener el mundo en el futuro. Este tipo de escenario se orienta especficamente a propsitos regulatorios y se suelen construir futuros deseables. Este tipo de escenario es til para disear mecanismos que permitan alcanzar estos estados deseables desde el presente.
40
En la prctica, suelen utilizarse escenarios exploratorios pero haciendo referencia a consideraciones normativas. Lo importante es recordar que la funcin de los escenarios es ayudar a explorar las incertidumbres principales asociadas a los sistemas energticos futuros y explicitarlas. As, al cuantificar modelos especficos en los escenarios, no se debe confundir el ejercicio con un falso sentido de precisin predictiva (IPP Report No. 16/13).
3.2 Resumen de Metodologas Usuales de Proyeccin de Demanda
El cuadro siguiente presenta un cuadro con las ventajas, desventajas y requerimientos de informacin generales de cada tipo de metodologa. Este cuadro incluye el anlisis de escenarios que puede utilizarse conjuntamente con las distintas metodologas e incluso hbridos.
Cuadro 4. Ventajas, Desventajas y Requerimientos de Informacin de Metodologas de Proyeccin de Demanda
Desventajas No considera "driving forces" No incluyen causalidad y no pueden identificar cuando surgen contradicciones. No captura cambios estructurales. Segn expertos este mtodo no necesariamente resulta en mejores predicciones que las tendenciales (Huss, 1985) Puede llevar a pronsticos de demanda mecnicos sin referencia alguna al comportamiento ptimo de los agentes ni variaciones en patrones de consumo debido a cambios demogrficos, econmicos o culturales.
Requerimientos de Informacin Tpicos Series histricas sociales, demogrficas, econmicas, etc. Por ejemplo: PIB, Poblacin, consumos, etc. Series histricas sociales, demogrficas, econmicas, etc. Por ejemplo: PIB, Poblacin, consumo, etc. Intensivo en datos. Requiere consumos energticos sectoriales, desagregados tanto como sea posible, en general, los sectores desagregados en subsectores representativos con datos de diferentes tipos de consumos. Intensivo en datos. Consumos sectoriales desagregados y series de datos que sustenten el anlisis economtrico.
Economtricas
Especialmente tiles en el corto y mediano plazo. Fcil de incorporar cambios tecnolgicos anticipados. Permite capturar efectos de saturacin. Permite distintos niveles de agregacin. Permite incluir en las estimaciones las inquietudes de ingenieros y economistas
41
Anlisis de Escenarios
Escenarios son dbiles cuando se asume que los "drivers" claves del anlisis permanecen inalterados en forma indefinida
Intensivo en datos. Requiere consumos energticos sectoriales, desagregados tanto como sea posible, en general, los sectores desagregados en subsectores representativos con datos de diferentes tipos de consumos.
3.3
En este punto se analizan las caractersticas comunes y las diferencias asociadas a los mecanismos de estimacin y modelacin del consumo energtico. En particular se comparan dos tipos de modelos, los economtricos (incluyendo series de tiempo) y los de uso final. Se usar el caso del sector transporte para ilustrar las diferencias aunque es igualmente vlido para otros sectores. El consumo de un energtico especfico para un grupo de fuentes tecnolgicamente similares, se puede representar genricamente a travs de la siguiente relacin:
C = P * NA * cu
Donde C es el consumo de combustible, P es el nmero de fuentes (para empresas o parque automotor para el transporte), NA es el nivel de actividad promedio de ese parque y cu es el consumo unitario de combustible. Por ejemplo, para calcular el consumo de Diesel del sector de transporte, P representa el nmero de vehculos, NA los kilmetros promedio recorridos por los vehculos y cu el consumo unitario expresado en litros por kilmetro recorrido. Adems, el consumo de un determinado energtico para cada sector (i) puede ser desagregado para cada subsector (j). Cada subsector puede poseer distintas tecnologas asociadas a su proceso productivo (k) lo que se asocia a distintas intensidades en el uso de energticos, adems estas caractersticas van cambiando en el tiempo (t). Al hacer esta distincin el consumo de un determinado energtico en el ao t queda definido como:
jk
Ck ,t i , j = jk ( Pk ,t i , j * NAk ,t i , j * cuk ,t i , j )
En este caso, por ejemplo para el sector transporte (i) en el periodo t, cada j corresponde a un modo que utiliza diesel (buses, camiones, vehculos livianos y comerciales, vehculos
42
fuera de ruta) .El subndice k denota las tecnologas, por ejemplo si son Euro 1 o Euro 2, catalticos o no, antiguos o nuevos. Un modelo de uso final permite distintos niveles de agregacin y dependiendo de la disponibilidad de datos es factible llegar a la unidad ms bsica de agregacin. Adems, tiene una estructura que permite asociar los consumos de combustible a variables intuitiva y cercanamente relacionadas con los consumos de combustible. En efecto, el consumo de un determinado energtico para cada ao t, tecnologa k, subsector (o modo) j y sector i queda determinado por:
Ck ,t i , j = Pk ,t i , j * NAk ,t i , j * cuk ,t i , j
Por ejemplo, Ck ,t i , j podra representar el consumo de diesel, del subsector vehculos comerciales del sector transporte, para tecnologas Euro 3, en el ao t. As, es posible caracterizar para cada combustible las distintas tecnologas asociadas a los diferentes subsectores y su evolucin en el tiempo por medio de cuk ,t i , j . Adems permite incorporar pronsticos de demanda considerando cambios en Pk ,t i , j y en NAk ,t i , j , de manera separada. Se requiere por tanto proyectar estas variables en el tiempo, utilizando mtodos economtricos combinados con opinin experta6. Por lo general, no se incorpora en este anlisis un comportamiento ptimo de los agentes. Este enfoque permite un nivel de desagregacin muy amplio, y los requerimientos de informacin se pueden transformar rpidamente en inmanejables. El alcance de la desagregacin depende de las preguntas que se busque responder con el modelo y requiere un delicado equilibrio con la informacin disponible para proyectar cada variable. Es especialmente til si se esperan cambios estructurales en sectores que no se capturan por medio de los modelos economtricos o si se busca evaluar polticas que afectan la adopcin de ciertas tecnologas. Con este enfoque, los cambios tecnolgicos esperados se incorporan de manera directa en cada subsector. Las sustituciones futuras entre energticos en cada subsector se obtienen al hacer el anlisis anterior para todos los energticos utilizables en el mismo para cada tecnologa.
Por ejemplo se debe especificar la penetracin esperada cada ao de determinada tecnologa, o variaciones en el nivel de actividad. Ambos pueden ser a su vez funcin de otras variables, por ejemplo el nivel de ingresos y/o precios relativos de los energticos o tecnologas.
43
Por otro lado los modelos economtricos permiten un anlisis a escala mayor, utilizando variables ms agregadas y menos intuitivamente relacionadas con cada tecnologa. En efecto, es comn estimar conjuntamente el parque y su nivel de actividad, por medio de una variable ms agregada de nivel de produccin: NP = P * NA . Se puede adems considerar una tecnologa promedio con lo cual la estimacin se puede realizar para un subsector, sin diferenciar por tecnologa. Una expresin simple podra ser, por ejemplo:
cut
i, j
( cu
k
i, j k ,t
Adicionalmente, puede no interesar considerar los consumos para cada tecnologa i, j especfica, en cuyo caso NPk ,t i , j = NP t se puede considerar como una variable del
k
nivel de actividad del subsector para cada periodo, sin especificar tecnologa. En consecuencia, el consumo de un determinado energtico en t quedara: Ct = cut i , j *NP
i, j i, j t
NP
i, j t
periodo. Aqu el enfoque economtrico se distancia ms del de uso final. Es comn no disponer de antecedentes respecto del coeficiente unitario promedio para el futuro. Por eso, en este enfoque se hacen regresiones que relacionan el consumo de combustible del subsector pasado, con el nivel de produccin. Esta especificacin puede ser ms, o menos compleja, por ejemplo:
C j = + i , j *NP
i i, j t
Donde C j y
NP
i, j t
Esto permite determinar, a partir de la historia, los coeficientes que luego se utilizan para proyectar el consumo de combustible para los futuros niveles de produccin para cada sector. El coeficiente obtenido puede o no ser dependiente del tiempo, reflejando un cambio tecnolgico autnomo, lo que quedar reflejado en el valor de .
44
Por cierto, este coeficiente incorpora implcitamente los cambios tecnolgicos y la sustitucin entre energticos habidos en el periodo para los cuales hay datos. Con ello el coeficiente se aleja de tener una interpretacin relacionada muy estrechamente con una determinada tecnologa, como es el caso en el enfoque de uso final. Si no se esperan cambios en estas tendencias, esta aproximacin puede considerarse apropiada, y tiene la ventaja de no exigir disponer de muchos datos tecnolgicos. Por otra parte, es comn no disponer de informacin sobre el nivel de produccin futuro de un subsector, y muchas veces ni siquiera del pasado. Por ejemplo, los vehculo/km que circular un determinado modo de transporte, o algn indicador de actividad para el sector industrias y minas varias. En estos casos, se requiere usar alguna variable que se correlacione bien con el nivel de produccin (proxy). Por ejemplo, el parque automotor y el PIB respectivamente. Al hacer regresiones entre esta variable y el consumo de combustible para los periodos con informacin se obtiene una expresin que puede permitir proyectar este consumo a futuro. Por ejemplo:
C j = + i , j *Parquei , j
i
En estos casos, los parmetros y se alejan aun ms de una interpretacin intuitiva directamente asociada a la tecnologa. Incorporan adems una serie de cambios tecnolgicos y sustituciones entre combustibles pasadas. Adems pueden correlacionarse con otras variables omitidas en el anlisis, lo que puede hacer esprea la estimacin. En la medida que haya una correlacin fuerte entre las proxy y el consumo de combustible, se podr hacer proyecciones razonables de su consumo futuro. Los mtodos economtricos permiten establecer si las correlaciones obtenidas son aceptables. Si no se esperan cambios tecnolgicos o sustituciones diferentes a los observados en la historia, y si las correlaciones resultan aceptables, el mtodo economtrico permite una aproximacin razonable al consumo energtico futuro. Si bien esta, metodologa no entrega un gran nivel de detalle como el caso de un modelo de uso final, permite trabajar en forma consistente con variables econmicas ligadas al nivel de produccin. Adems permite proyectar de manera simple en funcin de datos del pasado, tendencias de mediano y largo plazo. Es dbil para proyectar el impacto de polticas que puedan afectar la tendencia tecnolgica o de sustitucin.
45
Introduccin
En este captulo se presentan las caractersticas deseables de un modelo de consumo energtico para Chile, a partir de los requerimientos declarados por la CNE. En base a estos requerimientos, los datos disponibles y las caractersticas de los diversos modelos explicados en el capitulo anterior se propone un enfoque de modelacin para la estimacin del consumo energtico en Chile. Finalmente se presentan los modelos especficos por sector y los consumos esperados totales de cada energtico en el periodo 2008-2030. En funcin de estos requerimientos y de la literatura analizada se utilizarn los modelos de uso final y los modelos economtricos. En el primer punto de este captulo se describen los principales criterios utilizados para seleccionar un modelo de estimacin de consumo de largo plazo, donde se describen los principales usos y su relacin con variables macro energticas y ambientales. Adems los modelos seleccionados deben permitir el clculo de la capacidad de potencia elctrica instalada. Otro tema relevante para la eleccin de un modelo, independiente de sus caractersticas, se asocia a la disponibilidad y calidad de los datos que utiliza. En particular se espera que las variables explicativas del modelo seleccionado puedan ser proyectadas de manera robusta. El segundo punto tratado en este captulo se asocia a la descripcin y metodologa de seleccin de un modelo de proyeccin de consumo energtico de largo plazo. Ac se describe la propuesta general del modelo, los sectores considerados y el modelo elegido en cada sector. Cada modelo es desarrollado dependiendo de las caractersticas sectoriales que incorporan diferentes tecnologas de uso de energticos y diversas opciones de sustitucin. Finalmente se presentan los consumos energticos agregados y sus proyecciones de largo plazo.
46
En este punto se describen los principales criterios utilizados para seleccionar un modelo de estimacin de consumo de largo plazo. Se seleccionar un modelo basndose en cmo sus caractersticas responden a las necesidades del usuario y cmo la disponibilidad y calidad de los datos puede permitir proyectar el consumo futuro de manera robusta.
2.1 Requerimiento de propsito
El modelo seleccionado para Chile debe permitir evaluar para un horizonte de largo plazo que permita incorporar distintos tipos de polticas macro energticas y ambientales en Chile. Tambin es necesario que el modelo seleccionado para Chile entregue los insumos necesarios para determinar la capacidad de potencia elctrica instalada. Es importante la determinacin del factor de carga asociada a los requerimientos de energa en las horas de demanda punta ya que permite planificar la oferta de largo plazo. El modelo de proyeccin de demanda debe poder estimar los consumos energticos tanto de electricidad como de los distintos combustibles en el largo plazo (hasta el 2030). Para tal propsito se debe acotar y definir el alcance del modelo, las metodologas a aplicar y los niveles de desagregacin deseados. El desafo principal de los modelos de energa es representar diversas polticas y sus impactos en las proyecciones. Las consideraciones generales para el diseo del modelo de demanda para Chile se debe basar en su facilidad de operacin y actualizacin, que sus variables explicativas sean simples en trminos de su construccin y de la intuicin asociada a ellas. Otro punto a considerar es que exista disponibilidad de datos y que estos sean actualizables peridicamente. Este modelo debe ser sensible al PIB y a variables crticas de cada sector. Adems debe estar basado en la mejor informacin experta y estadstica disponible. La proyeccin de escenarios de largo plazo permite abordar la incertidumbre a travs de la planificacin estratgica. Adems, permite analizar los efectos generados por polticas de gobierno sobre los escenarios futuros. Por ejemplo, las decisiones de inversin en plantas energticas, aislamiento trmico en hogares o el recambio de artefactos poco eficientes dependen de supuestos sobre la demanda energtica futura. Otro tema asociado a las decisiones de largo plazo es el anlisis de los efectos ambientales. En particular el anlisis de cambio climtico es desarrollado utilizando modelos de proyeccin de consumo energtico de largo plazo. (Tosato, 2007)
47
Las caractersticas buscadas por la CNE para proyectar el consumo energtico son: Que los modelos permitan proyectar el consumo de largo plazo. Que sea un modelo que identifique los consumos sectoriales. Que permita proyectar el consumo desde una perspectiva multi energtica. Que permita proyectar una demanda elctrica compatible con una separacin SIC SING. Que sea sensible a parmetros claves. Que considere aspectos de incertidumbre y variabilidad.
Considerando los puntos anteriores es posible partir con un modelo economtrico simple para Chile que permite considerar los siguientes 7 puntos. Permite desarrollar un anlisis de largo plazo para distintos tipos de energticos y sectores. Entrega la demanda elctrica anual que puede transformarse en una curva de carga siguiendo distintos mtodos (explicados en el captulo D). Estos modelos pueden incorporar al PIB y producciones sectoriales relevantes (como en Cobre y Celulosa) como otras variables explicativas por lo que se pueden adaptar a cambios en ellas. Este modelo permite desarrollar anlisis de escenarios basados en crecimiento econmico y de ciertos sectores especficos. No incorpora cambios tecnolgicos ni en precios en forma explcita. Sin embargo si asume implcitamente cambios similares a los del pasado. No incorpora desagregacin geogrfica. Permite desarrollar un anlisis rpido del impacto de variables macroeconmicas sobre los consumos agregados.
Una caracterstica transversal a un modelo debe ser la transparencia. En efecto, y frente a una importante falta de informacin, los supuestos deben quedar explcitos y los parmetros claves del modelo deben poder modificarse en la medida que surjan nuevos antecedentes. La complejidad de realizar una proyeccin hace necesario contar con mtodos flexibles que permitan llenar vacos de informacin y realizar comparaciones. Por este motivo, se sugiere un enfoque metodolgico hbrido que combine herramientas de econometra y series de tiempo con otras de tipo de uso final. Eventualmente, para sectores con informacin escasa, o bien, claves para la economa y/o consumos energticos, se utilizar opinin experta para sumar antecedentes respecto del desarrollo futuro de stos. Los mtodos economtricos y de series de tiempo permiten comparar tendencias de corto y largo plazo. Tal como se muestra en la siguiente figura la demanda multienergtica asociada a cada sector ser determinada, dependiendo del caso, a travs de estimaciones economtricas o de 48
uso final (pueden ser ambas a la vez). Los resultados de estas estimaciones servirn para construir la curva de duracin de electricidad y tambin permitirn construir los escenarios de consumo global para Chile. La figura siguiente resume las principales caractersticas del modelo propuesto
Figura 15 Resumen de Caractersticas Generales de Modelo
nfasis elctrico
Demanda Multienergtica
Modelo estima consumos globales Mtodo Hbrido (Uso por sector (sin Final, Economtrico, desagregacin Info. Disponible Opinin Experta) espacial) plazos
Consumos Sectoriales
Construccin de escenarios (da cuenta de incertidumbre de manera transparente)
Las predicciones a largo plazo suelen asumir la existencia de relaciones estructurales y que stas varan de manera gradual. Por el contrario, el mundo real presenta discontinuidades y eventos disruptivos que se hacen ms probables mientras mayor es el horizonte del pronstico. La existencia de esta incertidumbre hace que se recomiende un anlisis de escenarios que d cuenta de variaciones en parmetros claves. De esta manera, se construye un escenario base (BAU) y escenarios alternativos. La eleccin de condiciones tecnolgicas en cada escenario (y particularmente en BAU) es crtica (IWG, 2000). En efecto, los anlisis de escenarios de largo plazo deben incluir consideraciones de desarrollo tecnolgico, investigacin y desarrollo, y cambios estructurales. Los cambios estructurales pueden separarse en cambios inter-sectoriales e intra-sectoriales. El resumen de la metodologa sectorial propuesta se puede ver en el anexo 3. La eleccin metodolgica y enfoque sectorial del proyecto hacen factible estimar solo la demanda energtica a nivel global. Es decir, no es posible realizar desagregaciones geogrficas a nivel espacial. La inclusin de consideraciones espaciales requerira de
49
numerosos antecedentes respecto del origen de los consumos. Este tipo de estudio no es factible de realizar en los plazos definidos para el proyecto actual. Finalmente, y particularmente para la demanda elctrica, el modelo a desarrollar debe ser capaz de transformar el consumo anual en una la demanda anual, reflejada en una curva de carga o duracin.
2.2 Otras Caractersticas Deseables para un Modelo de Consumo de Largo Plazo
Variables del lado derecho estimables Una de las caractersticas deseables de los modelos economtricos es que las variables explicativas sean estimables. Como la variable a explicar es el consumo de combustibles en el tiempo es necesario que existan proyecciones de las variables explicativas.
En este caso se han elegido como variables explicativas la produccin sectorial, el parque automotor (para el sector del transporte) y en algunos casos el PIB (asociado a industrias y minas variasy el sector CPR, entre otros). Con el fin de definir la senda de las variables explicativas hay que preguntarse si las tasas de crecimiento de estas variables son razonables. Es decir que sus supuestos de crecimiento no sean demasiado optimistas ni pesimistas, tambin deben poder incorporarse en estas variables cambios estructurales. Otras variables que no fueron incorporadas en las proyecciones son el precio de los combustibles y elasticidades de sustitucin entre energticos, debido a la falta de certidumbre que presentan estas variables en su proyeccin. Tampoco se incluyen supuestos sobre cambios futuros de tecnologas ni de costos en el modelo.
Parmetros estimables El grado de dependencia del consumo energtico es recogido en los parmetros que acompaan a las diversas variables econmicas explicativas. Para asegurar la correcta elaboracin de este modelo es necesario que los parmetros explicativos respondan a la intuicin econmica y que sean estadsticamente distintos de cero. Economtricamente robusto Un modelo debe ser economtricamente robusto al estar en lnea con los postulados tericos que describan la mejor aproximacin en el tipo de datos a estimar. Este modelo debe ser lo suficientemente estable ante fluctuaciones en sus parmetros. Para esto es necesario desarrollar un anlisis de sensibilidad en sus variables explicativas. Apropiado para los datos existentes Otro punto a considerar es que el modelo permita incorporar los mejores datos disponibles y que no deje fuera variables que ilustren el comportamiento del consumo en el tiempo.
50
3 3.1
Propuesta General de Modelo de Proyeccin de Consumo Energtico de Largo Plazo Antecedentes generales
En este trabajo se emplea un enfoque economtrico que considera los sectores econmicos desagregados, segn el balance de energa publicado anualmente por la Comisin Nacional de Energa. Se desea un enfoque que entregue las tendencias de largo plazo para los distintos consumos energticos en los distintos sectores, en funcin de las variables que afectan el consumo energtico de ese sector o subsector. Este enfoque es superior, dado los datos disponibles, a otros enfoques que tienen requerimientos de serie de tiempo ms intensivas. Adems no permiten realizar sensibilidades en las predicciones bajo diferentes supuestos de cambios en los niveles de produccin. Los modelos ARMA son otro enfoque de estimacin. El problema de este tipo de modelos, adems de ser muy intensivos en datos (series largas), es que la variable modelada es explicada en base a s misma. Debido a esto, no aprendemos nada de su comportamiento y de la relacin que en definitiva determina su nivel, como por ejemplo la produccin o el nivel de actividad asociado al sector o subsector al que pertenece la variable modelada. El filtro Hoddrick-Prescott (HP por su sigla en ingls) es otro enfoque de estimacin; este tipo de proceso suaviza la serie y no agrega valor, ya que en s mismo este proceso es un insumo para la estimacin. Este tipo de tcnicas se justifica con series largas, pues el filtro necesita saber qu es largo plazo y qu es corto plazo. Dado que se desea la tendencia de largo plazo, no se incluyen en el enfoque variables que generen oscilaciones de corto plazo, como por ejemplo los precios. Otra razn importante de no considerar los precios en el enfoque economtrico deseado es la necesidad de contar con proyecciones de estos en el largo plazo, lo cual lgicamente no es posible, toda vez que sera inviable obtener estimaciones crebles del precio del petrleo o del carbn en el largo plazo. Desafortunadamente es difcil obtener buenas estimaciones de dichos precios incluso para el corto plazo debido a su alta volatilidad. Otra variable que podra incluirse para modelar el comportamiento de los consumos energticos en algunos sectores ms abiertos que otros, es el tipo de cambio. El problema en este caso es similar al caso de los precios, ya que no se cuenta con estimaciones confiables del tipo de cambio en el largo plazo. No se incluye en el modelo un efecto de saturacin (distinto al histrico de los datos) de los consumos energticos propios y naturales de los pases desarrollados ya que el PIB per 51
cpita de Chile no alcanza an esos niveles. A modo de ilustracin se muestra en la siguiente figura los niveles de PIB per cpita para los cuales se produce saturacin del consumo elctrico en diferentes pases de la APEC.
Figura 16: saturacin del consumo elctrico
Para el caso de Chile los niveles de PIB per cpita proyectados no alcanzan los niveles a los cuales se produce saturacin. Esto justifica la no incorporacin de este efecto en el modelo economtrico. Lo anterior se muestra en la siguiente figura donde se espera que el PIB per capita este en torno a los 17.000 dlares el ao 2030.
52
3.2
Para realizar las estimaciones y proyecciones de los distintos consumos de energa, se emplea una metodologa multisectorial y subsectorial, que se fundamenta en funciones de produccin para cada sector, lo cual nos entrega una medida de tendencia de los consumos de largo plazo.
representa los distintos consumos de energa del sector o subsector, C es una Donde es la produccin tipo i del sector o subsector en cuestin en el tiempo t y constante, es la elasticidad del consumo energtico respecto de la produccin tipo i en el sector o subsector tratado. Para visualizar mejor las relaciones antes expuestas, es comn expresar la ecuacin anterior en trminos logartmicos, esto es:
53
Las variables minsculas representan las variables antes descritas en logaritmo natural. En particular, para el sector comercial pblico y residencial (CPR) se emplea como proxy de la variable explicativa P el producto interno bruto (PIB). Lo mismo ocurre en el subsector Industrias y minas varias. En el Anexo 4 se encuentran las ecuaciones de cada sector y subsector y las tablas obtenidas de cada regresin en el software Eviews. La evolucin del producto interno bruto, considerado en este trabajo, se muestra en la figura 18. Hasta el ao 2006 se muestran los datos reales y para los siguientes aos se proyecta, en base a opinin experta, un crecimiento de un 5% hasta el ao 2015 y luego un crecimiento de un 4% hasta el ao 2030.
Figura 18: Proyeccin de PIB
54
3.3
Sectores considerados
Los tres sectores considerados en las proyecciones de consumo energtico son Comercial, Pblico y Residencial; Transporte; e Industrial y Minero. Cada uno presenta participaciones relativas similares en el consumo total tal como se aprecia en la siguiente figura.
Figura 19: Participacin sectorial de los consumos
Debido a que cada uno de los tres sectores est compuesto por subsectores con estructuras diferentes de consumo energtico se desagregan los subsectores ms importantes para estimar su consumo. En particular el sector CPR es tratado como un gran sector por lo que no es desagregado. El sector de Transporte es desagregado en transporte terrestre, areo, ferroviario y martimo. Como se aprecia en la siguiente figura cerca del 70% del consumo energtico del sector transporte se asocia al transporte terrestre y el 23% a transporte martimo. Los otros sub sectores representan una menor proporcin del consumo de este sector.
55
El sector Industrial y Minero por su parte es desagregado en los subsectores de Cobre, Papel y Celulosa e Industrias y Minas Varias, Cemento y Otros. Los primeros tres sub sectores representan el 90% del consumo total de este sector. El sector Otros est compuesto por varios subsectores como hierro, salitre y pesca entre otros.
Figura 21: Consumo Subsectores de Industrial y Minero
A continuacin se presenta un resumen con los sectores y subsectores proyectados. Adems se muestran las agregaciones asociadas a cada subsector proyectado. Por ejemplo, el consumo del sector Industrial y Minero esta compuesto por los consumos energticos de los subsectores Cobre, Cemento, Celulosa y papel, Industria y minas varias y Otros sectores. 56
Cada subsector proyectado se agrega como se muestra en la ltima columna de la siguiente tabla. En particular se aprecia que Otros sectores esta compuesto por Salitre, Hierro, Siderrgica, Petroqumica, Azucar y Pesca.
Cuadro 5. Desagregacin de los sectores proyectados Sectores Subsectores Proyectados Cobre Cemento Celulosa y papel Industria y minas varias Otros sectores CPR Agregacin Cobre Cemento Celulosa y papel Industria y minas varias Salitre, Hierro, Siderrgica, Petroqumica, Azucar y Pesca Comercial, Pblico y Residencial
Transporte
Vehculos de pasajeros o livianos (automviles y taxis), Vehculos comerciales (Furgones y camionetas), Buses Transporte terrestre y Camiones Transporte martimo Transporte martimo Transporte ferroviario Transporte ferroviario Transporte areo Transporte areo Fuente: Elaboracin propia en base a datos CNE
57
3.4
En el enfoque economtrico propuesto multienergtico y multisectorial de largo plazo es necesario utilizar proxies adecuados que identifiquen el nivel de produccin o actividad del sector o subsector. Por ello, para cada sector y subsector, los consumos energticos sern modelados como funcin de produccin, segn lo descrito en la seccin 3.2. A continuacin se describen las principales caractersticas de cada sector y subsector, las proxies seleccionadas por subsector y las estimaciones de consumo energtico obtenidas.
3.4.1 Sector Industrial
Los consumos energticos del subsector Cobre se relacionan de manera directa con la produccin de cobre nacional. Por otro lado, en este sector se cuenta con proyecciones oficiales de COCHILCO respecto de la produccin futura anual de cobre hasta el 2030. De esta manera, para ser consistente con el enfoque economtrico propuesto (funcin de produccin), se pueden utilizar las producciones de cobre separadas por produccin de cobre ctodo y produccin de cobre concentrado como variable explicativa del consumo energtico de largo plazo de este subsector. Las proyecciones de produccin, separadas en concentrados y ctodos, se muestran en la siguiente figura.
Figura 22: Proyeccin de Cobre Concentrado y Ctodo
58
Los consumos energticos de este sector son principalmente de electricidad y diesel; y en una menor medida de petrleos combustibles y gas natural. Todas las variables de consumo son expresadas en teracaloras como unidad energtica para realizar comparaciones y ser consistentes con el balance de energa. En los procesos de produccin de ctodos existen dos tecnologas distintas en el uso de energa, la pirometalurgia y la hidrometalurgia. La primera utiliza electricidad y combustibles y su uso genera modificaciones en los procesos de fundicin obtenindose menores consumos especficos. La segunda utiliza principalmente electricidad. Por otro lado la obtencin de concentrados ocupa mayoritariamente electricidad. El consumo de diesel se asocia mayoritariamente a camiones. No se aprecian mayores sustituciones entre energticos salvo para petrleo combustibles y gas natural. La siguiente figura presenta la importancia relativa de cada energtico.
Figura 23: Consumo de cobre
En la siguiente figura se aprecia la evolucin del consumo unitario de energa por miles de toneladas de concentrado y ctodos producidos. Esta evolucin se explica principalmente por dos efectos. El primero se asocia al progreso tecnolgico recogido en la regresin y que indica que cada vez se produce con menos energa. El segundo efecto presente es originado por el empeoramiento de la ley del recurso y que genera un mayor esfuerzo en su extraccin y por lo tanto un mayor consumo energtico para producir una tonelada de cobre. Sin embargo como se aprecia en la siguiente figura predomina el efecto tecnolgico por lo que la evolucin de este consumo va cayendo en el tiempo.
59
Aos
El consumo histrico de Electricidad de este subsector muestra un buen ajuste con la produccin de cobre concentrado y produccin de cobre ctodo. En consecuencia, utilizando los datos histricos para este sector se estima el modelo de consumo de electricidad7. El consumo de electricidad del subsector Cobre queda modelado por la siguiente funcin8: En base a esta estimacin y la proyeccin futura de la produccin de cobre concentrado y cobre ctodo, se presenta en la siguiente figura la estimacin y proyeccin del consumo de electricidad.
7 8
Los detalles del modelo y resultados se presentan en el anexo 4. Donde todas las variables estn como logaritmos naturales.
60
De la figura anterior se desprende que el modelo de consumo de electricidad tiene un buen ajuste con el consumo real de electricidad, esto es, dados los patrones histricos, es decir, con la informacin histrica disponible para este consumo. Las estimaciones muestran un incremento de un 2.9% promedio anual del consumo de electricidad del subsector Cobre entre los aos 2006 y 2030. Esto es bastante menor que el incremento del consumo electricidad de este subsector para un periodo de tiempo similar, ya que entre 1982 y 2006 este aumento fue de 8.1% promedio anual.
Consumo de Diesel del Subsector Cobre
El consumo histrico de Diesel de este subsector muestra un buen ajuste con la produccin de cobre concentrado y produccin de cobre ctodo, a pesar que se aprecian fluctuaciones de corto plazo (lo que se debera a cambios en precios), el modelo es adecuado para los fines requeridos, el que es el largo plazo. En consecuencia, utilizando los datos histricos para este sector se estima el modelo de consumo de diesel9, que es expresado por la siguiente funcin10:
10
Los detalles del modelo y resultados se presentan en el anexo 4. Donde todas las variables estn como logaritmos naturales.
61
En base a esta estimacin y la proyeccin futura de la produccin de cobre concentrado y cobre ctodo, se presenta en la siguiente figura la estimacin y proyeccin del consumo de diesel.
Figura 26: Curva real y estimada de consumo de Diesel
De la figura anterior se desprende que el modelo construido para el diesel presenta un buen ajuste con el consumo real de diesel. Lo que se explica revisando la informacin histrica disponible para el consumo de diesel. Los resultados muestran un incremento promedio anual de un 2.9% del consumo de diesel del subsector Cobre entre los aos 2006 y 2030. Esto es bastante menor que el incremento del consumo diesel de este subsector para un periodo de tiempo similar, ya que entre 1982 y 2006 este aumento fue de 8.9%.
Consumo de Petrleos Combustibles y Gas Natural del Subsector Cobre
El consumo de Petrleo combustibles en este sector ha presentado una marcada tendencia a la baja. Lo que se explica por cambios en las tecnologas de produccin, marcadas por la incorporacin de procesos autogenos que se basan en procesos de oxidacin en hornos, sustituyendo a los hornos del tipo reverbero. El gas natural y el petrleo combustible son sustitutos muy cercanos para el subsector Cobre. En consecuencia el consumo de ambos energticos debe modelarse de manera conjunta y luego se debe desagregar en base a criterios de disponibilidad futura de ambos combustibles. En particular, en base a opinin experta del subsector, se asume que el consumo de gas natural se mantiene constante a partir del ao 2006.
62
A modo ilustrativo, en la siguiente figura, se muestra el grado de sustitucin y la evolucin histrica de los consumos. A partir de 1997 la tendencia del consumo de petrleos combustibles se ve acentuada por la aparicin del gas natural.
Figura 27: Evolucin del consumo de gas natural y petrleos combustibles
El consumo histrico de gas natural y petrleos combustibles de este sector muestra un buen ajuste con la produccin de cobre concentrado y cobre ctodo. En consecuencia, utilizando los datos histricos de gas natural y petrleos combustibles para este sector se estima el siguiente modelo de consumo11.
12
En base a la estimacin conjunta realizada y la proyeccin futura de la produccin de cobre concentrado y cobre ctodo, se presenta en la siguiente figura la estimacin y proyeccin del consumo de petrleos combustibles y gas natural.
11 12
Los detalles del modelo y resultados se presentan en el anexo 4. Donde todas las variables estn como logaritmos naturales.
63
Figura 28: Curva real y estimada de consumo de Petrleos Combustibles y Gas Natural
De la figura anterior se desprende que el modelo de consumo de gas natural y petrleos combustibles presenta un buen ajuste de largo plazo con el consumo real de estos energticos. Lo anterior permite realizar proyecciones confiables del consumo de estos combustibles a partir de los patrones histricos para este consumo. Se espera que la tasa de crecimiento entre el perodo 2006 y el 2030 sea de un -0.9% lo que refleja que la tendencia histrica a la baja se debera suavizar ya que en el perodo 1982-2006 el consumo de gas natural y petrleos combustibles cay a una tasa promedio anual del -1.8%.
Consumo de Otros Energticos del Subsector Cobre
Los otros energticos consumidos por Cobre corresponden al 0,7% del consumo total de energa de este sector. En particular se consideran como otros energticos el Kerosene, Gas licuado, Nafta, Carbn y Coke. Si bien se aprecian fluctuaciones de corto plazo, el consumo histrico de otros energticos en este subsector muestra un buen ajuste con la produccin de cobre concentrado y produccin de cobre ctodo en el largo plazo. En consecuencia, utilizando los datos histricos para este sector se estima el modelo de consumo13, el cual se expresa por la siguiente funcin: otrost = 12.66 0.68 prod cu concentradot 0.24 prod cu ctodot + t 14
13
14
Los detalles del modelo y resultados se presentan en el anexo 4. Donde todas las variables estn como logaritmos naturales.
64
En base a esta estimacin y la proyeccin futura de la produccin de cobre concentrado y cobre ctodo, se presenta en la siguiente figura la estimacin y proyeccin del consumo de otros energticos.
Figura 29: Curva real y estimada de consumo de Otros energticos
900 800 700 Teracaloras 600 500 400 300 200 100 0 1980 1990 2000 2010 2020 2030 2040 Aos Cobre(Real) Cobre(Estimadol)
Como se observa en la figura anterior, el modelo de consumo de otros energticos presenta un buen ajuste con el consumo real en el largo plazo, si bien el modelo no captura las fluctuaciones reales de corto plazo. De acuerdo a los datos histricos, el consumo de otros energticos en el subsector presenta una disminucin promedio anual de -6,4% en el perodo 1982-2006. Se espera que dicha tendencia a la baja se suavice durante el perodo 2007-2030, presentando una tasa de disminucin anual del consumo de -2,6%.
65
Agregando las distintas estimaciones, podemos graficar las estimaciones (2007-2030) en conjunto para los distintos consumos del subsector cobre, esto se muestra en la siguiente figura:
Figura 30: Consumos Cobre
45000 40000 35000 Teracaloras 30000 25000 20000 15000 10000 5000 0 2007 2017 Aos 2027 otrosCobre GasNatural Electricidad PetrleosCombustibles DIESEL
En general, los resultados muestran un incremento promedio anual de un 2.1% del consumo total de energa del subsector Cobre entre los aos 2006 y 2030. Esto es bastante menor que el incremento del consumo total de energa de este subsector para un periodo de tiempo similar, ya que entre 1982 y 2006 la tasa de crecimiento promedio anual fue de un 5.2%. Tal como se aprecia en las figuras 31, 32 y 33 la estructura de consumo de energticos en el sector del cobre ha cambiado fuertemente. Entre los aos 1982 y 2006 se redujo fuertemente la dependencia de petrleos combustibles y otros combustibles, para transformarse en un subsector ms intensivo en electricidad y diesel. Adems, en este perodo se utiliza el gas natural como un nuevo energtico. Segn las proyecciones de largo plazo se espera que aumente, para el ao 2030, la intensidad en el uso de electricidad y que se mantenga la estructura de consumo de petrleos combustibles y diesel.
66
0%
11%
14%
31% 44%
Diesel
Petrleos Combustibles
Electricidad
Gas Natural
otros Cobre
Fuente: Elaboracin Propia en base a datos de CNE Figura 32: Estructura de consumo energtico en el sector del cobre, ao 2006
Ao 2006
5% 1% 32%
58%
4%
Diesel
Petrleos Combustibles
Electricidad
Gas Natural
otros Cobre
Fuente: Elaboracin Propia en base a datos de CNE Figura 33: Estructura de consumo energtico en el sector del cobre, ao 2030
Ao 2030
3%
0% 30%
3% 64%
Diesel
Petrleos Combustibles
Electricidad
Gas Natural
otros Cobre
67
Los consumos energticos del subsector Papel y Celulosa se relacionan de manera directa con su produccin, la que esta compuesta por papel, celulosa y madera aserrada. Para este subsector se utilizan las proyecciones de produccin de papel, celulosa y madera aserrada como variable explicativa del consumo energtico de largo plazo.
Produccin de Papel, Celulosa y Madera Aserrada
En este punto se explican los supuestos y la metodologa empleada para proyectar las producciones de papel, celulosa y madera aserrada. Para proyectar estos niveles de produccin se modelan estas variables dependientes del nivel de actividad (PIB). Adems se incorporan conceptos de agotabilidad de la madera en base a opinin experta del sector15. En los ltimos 20 aos la produccin de papel a presentado una tasa de crecimiento promedio anual del 5.5%. Utilizando el modelo anterior se obtiene una tasa de crecimiento del 4.9% para la produccin de papel hasta el ao 2015. A partir del ao 2015, en base a opinin de expertos, la produccin permanece constate debido a la agotabilidad de nuevos terrenos aptos para la plantacin de rboles. A su vez la produccin de celulosa en los ltimos 15 aos a presentado un crecimiento promedio anual del 5.5%. Con el modelo propuesto se estima una tasa de crecimiento del 5.6%. Adems se espera que la reduccin del consumo de madera asociado a papel permita mantener las tasas de crecimiento de celulosa. La evolucin y proyeccin de la produccin de papel y celulosa se muestran en la siguiente figura.
15
68
En los ltimos 15 aos la produccin de madera presenta una tasa de crecimiento promedio anual del 6%. Con el modelo propuesto en este trabajo se obtiene una tasa de crecimiento promedio del 5.9% para la produccin de Madera Aserrada hasta el ao 2015. A partir del ao 2015 hasta el ao 2030 se asume en base a opinin experta que la produccin permanece constate. La evolucin y proyeccin de la produccin de Madera Aserrada se muestra en la siguiente figura.
Figura 35: Evolucin y Proyeccin de Produccin de Madera Aserrada
69
Los consumos energticos de este sub sector, para el ao 2006, son bsicamente de lea, electricidad, petrleos combustibles y gas natural. Todas las variables de consumo estn expresadas en teracaloras como unidad energtica para ser consistentes con el balance de energa. La siguiente figura presenta la importancia relativa de cada energtico desatacando el consumo de lea.
Figura 36: Consumo Papel y Celulosa
En trminos de sustitucin de energticos se aprecia que existira sustitucin entre lea petrleos combustibles y gas natural. Y en particular en los aserraderos existe un menor grado de sustitucin entre petrleo combustible y lea (aserrn) debido a usos alternativos en la produccin.
Consumo de Electricidad del Subsector Papel y Celulosa
Hay que notar que la mayora del consumo elctrico de este sector es generado como autoproduccin. El consumo histrico de electricidad de este subsector muestra un buen ajuste con la produccin de papel, celulosa y madera aserrada. En consecuencia, utilizando los datos histricos para este sector se estima el modelo de consumo de electricidad16. Este consumo se expresa por la siguiente funcin17:
16 17
Los detalles del modelo y resultados se presentan en el anexo 4 Donde todas las variables estn como logaritmos naturales.
70
En base a esta estimacin y la proyeccin futura de la produccin de papel, celulosa y madera aserrada, se presenta en la siguiente figura la estimacin y proyeccin del consumo de electricidad.
Figura 37: Curva real y estimada de consumo de Electricidad
De la figura anterior se desprende que el modelo de consumo de electricidad presenta un buen ajuste con el consumo real de electricidad, es decir, con la informacin histrica disponible para este consumo. Adems, se aprecia que en ele ao 2015 se produce un punto de inflexin en la proyeccin dado por los supuestos de disponibilidad de madera. Los resultados del modelo muestran un crecimiento promedio anual de un 3.3% del consumo de electricidad del subsector Papel y Celulosa entre el perodo 2006 y 2030, esta tasa es menor que el crecimiento promedio anual para el periodo 1982 y 2006 que fue de un 7.9%.
71
El gas natural y el petrleo combustible son sustitutos muy cercanos para el subsector papel y celulosa. Por ello el consumo de ambos debe modelarse de manera conjunta, y luego se debe desagregar en base a criterios de disponibilidad futura de ambos combustibles. En base a opinin experta del subsector se asume que el consumo de gas natural se mantiene constante a partir del ao 2006. En el siguiente grfico se presenta la evolucin histrica de ambos consumos, donde se aprecia un grado de sustitucin:
Figura 38: Evolucin del consumo de Petrleos Combustibles y Gas Natural
El consumo histrico de gas natural y petrleos combustibles de este sub sector muestra un buen ajuste con la produccin de papel, celulosa y madera aserrada. Luego, utilizando los datos histricos de gas natural y petrleos combustibles para este subsector se estima el modelo de consumo respectivo18. El consumo de petrleos combustibles y gas natural del subsector Papel y Celulosa queda modelado por la siguiente funcin19:
18 19
Los detalles del modelo y resultados se presentan en el anexo 4. Donde todas las variables estn como logaritmos naturales.
72
En base a la estimacin conjunta realizada y la proyeccin futura de la produccin de papel, celulosa y madera aserrada, se presenta en el siguiente grfico la estimacin y proyeccin del consumo de petrleos combustibles y gas natural.
Figura 39: Curva real y estimada de consumo de Petrleos Combustibles y Gas Natural
El buen ajuste presentado por el modelo de largo plazo permite realizar proyecciones del consumo de petrleos combustibles y gas natural. Los resultados muestran un incremento de un 2.3% del consumo de petrleos combustibles y gas natural para este subsector entre los aos 2006 y 2030. Lo que es menor que el incremento del consumo petrleos combustibles ms gas natural (6.4% promedio anual) entre 1982 y 2006. A su vez el consumo de gas natural permanece constante desde el ao 2006.
Consumo de Lea del Subsector Papel y Celulosa
El consumo histrico de Lea de este subsector muestra un buen ajuste con la produccin de papel, celulosa y madera aserrada. Por ello se estima el modelo de consumo de lea utilizando los datos histricos de este sector 20. El consumo de lea del subsector Papel y Celulosa queda modelado por la siguiente funcin:
21
20
73
En base a esta estimacin y la proyeccin futura de la produccin de papel, celulosa y madera aserrada, se presenta en la siguiente figura la estimacin y proyeccin del consumo de lea.
Figura 40: Curva real y estimada de consumo de Lea
En este caso, la figura anterior no muestra la presencia de un buen ajuste entre las curvas de consumo real de lea y la curva estimada. Lo anterior podra deberse a shocks o fluctuaciones de corto plazo. A pesar bajo ajuste de corto plazo el modelo captura la tendencia de largo plazo. Otro problema asociado al desajuste de las curvas son los posibles errores de medicin de las variables, por lo que habra que analizar el grado de confiabilidad de los datos de lea obtenidos. Este problema de credibilidad de los datos es recurrente en consumos de lea y petrleos combustibles. Un interesante trabajo futuro, se asocia a recopilar una nueva fuente de datos o mejorar los sistemas de medicin del energtico lea, lo que generara la posibilidad de estudiar ms profundamente cada sector y subsector. Sin embargo es interesante notar que las tasas de crecimiento promedio modelada y real no difieren sustancialmente, ya que en el perodo 1982-2006 se creci a un 3.4% promedio anual mientas que se espera un crecimiento anual del 4.4% en el perodo 2006-2030.
Otros energticos de papel y celulosa
Los otros energticos consumidos por el sector papel y celulosa son Diesel y Gas licuado, cuyo consumo equivale al 0.5% del consumo total de este sector. Dado que el consumo
21
74
histrico de otros energticos en este subsector muestra un buen ajuste con la produccin de papel, celulosa y madera aserrada, se emplean los datos histricos para estimar el modelo de consumo22, el cual se expresa por la siguiente funcin23:
otrost = 0.79 1.26 prod celulosat 0.34 prod papelt + 1.8 prod maderat + t
En base a esta estimacin y la proyeccin futura de la produccin de papel, celulosa y madera aserrada, se presenta en la siguiente figura la estimacin y proyeccin del consumo de otros energticos.
Figura 41: Curva real y estimada de consumo de Otros energticos
6000 5000 Teracaloras 4000 3000 2000 1000 0 1960 Papelycel(Real) Papelycel(Estimado)
1980
2000 Ao
2020
2040
Como se observa en la figura anterior, no existe un buen ajuste entre las curvas de consumo real y estimado, dado que el modelo no capta fluctuaciones de corto plazo. Dada la baja participacin de otros energticos en el consumo total del subsector (de acuerdo a datos del 2006, otros energticos conforman slo un 0,5% del consumo total) no se considera relevante una reevaluacin de los datos histricos disponibles, aunque queda sugerida para estudios posteriores que requieran profundizar la estructura del consumo energtico del subsector. De acuerdo a los datos histricos, se observa un incremento promedio anual de 3,7% en el perodo 1982-2006. La proyeccin estimada por el modelo muestra una tasa cada del 2,1% en el perodo 2006-2030.
22 23
Los detalles del modelo y resultados se presentan en el anexo 4 Donde todas las variables estn como logaritmos naturales.
75
Agregando las distintas estimaciones, podemos graficar las estimaciones (2007-2030) en conjunto para los distintos consumos del subsector papel y celulosa:
Figura 42: Consumos Papel y Celulosa
40000 35000 30000 Teracaloras 25000 20000 15000 10000 5000 0 2007 2017 Aos 2027 Otrospapelycelulosa GasNatural Lea Electricidad PetrleosCombustibles
En general, los resultados muestran un incremento de un 3% promedio anual del consumo total de energa del subsector Papel y Celulosa al ao 2030 con respecto al ao 2006. Lo que es menor que el incremento del consumo total de energa (4,7% promedio anual) para el periodo 1982 y 2006. Como se aprecia en las figuras 43, 44 y 45 la estructura de consumo de energticos en el sub sector de celulosa y papel ha cambiado entre los aos 1982 y 2006, ya que se redujo la dependencia de lea, aument el consumo elctrico y se incorpor gas natural. Segn las proyecciones de largo plazo se espera que aumente, para el ao 2030, el uso de lea y se reduzca la proporcin asociada al consumo de gas natural y petrleo combustible.
76
0%
12% 12%
76%
PC
Electricidad
Lea
Gas Natural
Fuente: Elaboracin Propia base a datos de CNE Figura 44: Estructura de consumo energtico en celulosa y papel, ao 2006
Ao 2006
8%
10% 26%
56%
PC
Electricidad
Lea
Gas Natural
Fuente: Elaboracin Propia base a datos de CNE Figura 45: Estructura de consumo energtico en celulosa y papel, ao 2030
Ao 2030
4%
8% 25%
63%
PC
Electricidad
Lea
Gas Natural
77
Los consumos energticos del subsector Cemento se relacionan de manera directa con la produccin de cemento y por ello se considera esta variable para la proyeccin de largo plazo del consumo de energticos.
Produccin de Cemento En los ltimos 15 aos la produccin de cemento ha mostrado una tasa de crecimiento promedio anual de un 5%. La modelacin de la proyeccin futura de la produccin de cemento se desarrolla en funcin del nivel de actividad esperado (PIB)24. Con el supuesto anterior se obtiene una tasa de crecimiento de la produccin de cemento de un 4.2% promedio anual.
Los consumos energticos de este sector son bsicamente de carbn, electricidad, petrleos combustibles, gas natural, y diesel25. La siguiente figura presenta la importancia relativa de cada energtico, donde el consumo de carbn representa cerca del 60% del consumo total de energa.
24 25
El modelo y sus resultados se muestran en el anexo 4 Todas las variables de consumo son expresadas en teracaloras como unidad energtica para realizar comparaciones y ser consistentes con el balance de energa.
78
Este subsector se caracteriza por el alto grado de sustitucin en la mayora de sus energticos y en particular se sustituyen petrleos combustibles con gas natural y carbn. En esta industria el principal uso de electricidad se asocia al proceso de molienda y permitir la rotacin de hornos. El carbn es utilizado para mantener las temperaturas en los hornos que producen el clinquer, junto con el carbn tambin se incorporan una serie de otros materiales combustibles como desperdicios agrcolas y neumticos. A su vez el diesel se ocupa principalmente para transporte interno.
79
El consumo histrico de Electricidad de este subsector muestra un buen ajuste con la produccin de cemento por lo que se utilizan los datos histricos de este sub sector para estimar el modelo de consumo de electricidad26. El consumo de electricidad del subsector Cemento queda modelado por la siguiente funcin27:
En base a esta estimacin y la proyeccin futura de la produccin de cemento, se presenta la estimacin y proyeccin del consumo de electricidad.
Figura 48: Curva real y estimada de consumo de Electricidad
De la figura anterior se desprende que el modelo de consumo de electricidad presenta un buen ajuste con el consumo real de electricidad28. Los datos histricos muestran que en el perodo 1982-2006 el incremento promedio anual del consumo de electricidad de este subsector fue de un 6.4%. Mientras que para el perodo 2006-2030 la modelacin refleja un crecimiento promedio anual de un 3.8%.
26 27
Los detalles del modelo y resultados se presentan en el anexo 4. Donde todas las variables estn como logaritmos naturales. 28 Para la informacin histrica disponible para este consumo.
80
El consumo histrico de Carbn de este subsector tambin presenta un buen ajuste con la produccin de cemento. Por ello se estima el modelo de consumo de carbn utilizando los datos histricos de produccin para este subsector29. El consumo de carbn del subsector Cemento queda modelado por la siguiente funcin30: En base a esta estimacin y la proyeccin futura de la produccin de cemento, se presenta en la siguiente figura la estimacin y proyeccin del consumo de carbn.
Figura 49: Curva real y estimada de consumo de Carbn
El modelo de consumo de carbn presenta un buen ajuste de largo plazo con la tendencia del consumo real de carbn. En el perodo 1982-2006 el consumo de carbn aument un 3.3% promedio anual mientras que entre los aos 2006 y 2030 se espera un aumento del 1.2% anual.
29 30
Los detalles del modelo y resultados se presentan en el anexo 4. Donde todas las variables estn como logaritmos naturales.
81
Anlogamente a los casos anteriores el consumo histrico de Diesel presenta un buen ajuste con la produccin de cemento. Por ello se utilizan los datos histricos de este subsector para estimar el modelo de consumo de diesel31, el que se modela por la siguiente funcin32:
En base a esta estimacin y la proyeccin futura de la produccin de cemento, se presenta la estimacin y proyeccin del consumo de Diesel.
Figura 50: Curva real y estimada de consumo de Diesel
De la figura anterior se desprende que el modelo de consumo de diesel presenta un buen ajuste de largo plazo con el consumo real de diesel (obviando las fluctuaciones de corto plazo). En este caso el crecimiento esperado para el perodo 2006-2030 es de un 5.8% promedio anual lo que es superior a la tasa histrica, ya que entre los aos 1982 y 2006 se creci a una tasa promedio anual de un 4.1%.
31 32
Los detalles del modelo y resultados se presentan en el anexo 4 Donde todas las variables estn como logaritmos naturales.
82
El gas natural y el petrleo combustible son sustitutos muy cercanos para el subsector cemento, esto se ilustra en la figura 51. Por ello el consumo de ambos energticos se modela de conjuntamente y luego se desagregan ambos consumos utilizando criterios de disponibilidad futura. En base a opinin experta del subsector se asume que el consumo de gas natural se mantiene constante a partir del ao 2006.
Figura 51. Evolucin de los consumos de Petrleos Combustibles y Gas Natural
Utilizando los datos histricos de gas natural y petrleos combustibles para este subsector se estima el modelo de consumo respectivo33, el que es representado por la siguiente funcin34:
Utilizando la estimacin anterior y la produccin futura cemento, se presenta en el siguiente grfico la estimacin y proyeccin del consumo de petrleos combustibles y gas natural.
33 34
Los detalles del modelo y resultados se presentan en el anexo 4. Donde todas las variables estn como logaritmos naturales.
83
Figura 52: Curva real y estimada de consumo de Petrleos Combustibles y Gas Natural
La estimacin desarrollada para petrleos combustibles se aproxima bien hasta el ao 1998, a partir del siguiente ao el modelo no se ajusta bien en el corto plazo. Sin embargo, este modelo establece una tendencia de largo plazo eliminando fluctuaciones corto placistas. Con respecto a esto ltimo se aprecia que en el perodo 1982-2006 la tasa de crecimiento promedio anual registrada fue de un 17%, influenciada fuertemente por el explosivo aumento del consumo observado entre los aos 1999 y 2005. Sin embargo, el modelo proyecta que entre los aos 2006 el 2030 el consumo aumentar a una tasa del 8% promedio anual.
Consumo de Otros Energticos del Subsector Cemento
El consumo de Otros energticos en la industria del Cemento incorpora el consumo de Gas licuado y Coke, lo que equivale al 8% del consumo de este sector. Dado que el consumo histrico de otros energticos en este subsector presenta un buen ajuste con la produccin de cemento, se estima el modelo de consumo empleando los datos histricos de produccin para este subsector35. El consumo de otros energticos del subsector Cemento queda modelado por la siguiente funcin36:
35 36
Los detalles del modelo y resultados se presentan en el anexo 4. Donde todas las variables estn como logaritmos naturales.
84
En base a esta estimacin y la proyeccin futura de la produccin de cemento, se presenta en la siguiente figura la estimacin y proyeccin del consumo de carbn.
Figura 53: Curva real y estimada de consumo de Otros energticos
1200 1000 Teracaloras 800 600 400 200 0 1960 Cemento(Real) Cemento(Estimado)
1980
2000 Ao
2020
2040
Como se observa en la figura anterior, los datos estimados no se ajustan a los reales, dado que el modelo no capta fluctuaciones de corto plazo. La tasa de crecimiento calculada con datos histricos durante el perodo 1993-2006 es de 5,8%, mientras que el crecimiento promedio anual estimado por el modelo es de 3,5% para el mismo perodo. Con respecto a la proyeccin, se estima una tasa de 5,5% de crecimiento promedio anual durante el perodo 2006-2030. Dado que la participacin de otros energticos en el consumo total del subsector para el ao 2006 es de un 8%, una reevaluacin del modelo de estimacin resultara til para aumentar la confiabilidad de las proyecciones en estudios futuros.
85
Agregando las distintas estimaciones las estimaciones (2007-2030) en conjunto para los distintos consumos del subsector cemento, esto se muestra en la siguiente figura:
Figura 54: Consumos Cemento
6000 5000 Teracaloras 4000 3000 2000 1000 0 2007 2017 Aos 2027 OtrosCemento GasNatural PetrleosCombustibles Electricidad Diesel Carbn
En general, los resultados muestran un incremento promedio anual de 2.9% en el consumo total de energa para el subsector Cemento durante el perodo 2006-2030. Esto implica una disminucin con respecto al crecimiento de un 5% generado en el perodo 1982-2006. Entre los aos 1982 y 2006 la estructura del consumo cambia considerablemente. El consumo relativo de carbn disminuye de 84% a 54%, debido principalmente al aumento de la importancia relativa del petrleo combustible (con un aumento de 1% a 11%), de la electricidad (con un aumento de 13% a 18%) y de gas natural y otros energticos. Para el ao 2030 se espera que el carbn contine perdiendo importancia, disminuyendo su participacin a un 36%. Se espera asimismo una disminucin del consumo relativo de gas natural. Entre los energticos que aumentan su importancia relativa destacan petrleos combustibles (aumentando de 11% en el 2006 a 22% en el 2030), y de otros energticos (con un aumento de 8% a 16% en el perodo 2006-2030).
86
2%
13%
1%
84%
Carbn
Diesel
Electricidad
Petrleos Combustibles
Gas Natural
Otros Cemento
Fuente: Elaboracin Propia Figura 56: Estructura de consumo energtico en cemento, ao 2006
Ao 2006
4% 11%
8%
18% 2%
57%
Carbn
Diesel
Electricidad
Petrleos Combustibles
Gas Natural
Otros Cemento
Fuente: Elaboracin Propia Figura 57: Estructura de consumo energtico en cemento, ao 2006
Ao 2006
4% 11%
8%
18% 2%
57%
Carbn
Diesel
Electricidad
Petrleos Combustibles
Gas Natural
Otros Cemento
87
Los consumos energticos del subsector Industrias y minas varias se relacionan de manera directa con el aumento de la poblacin y del ingreso per cpita, variables que a su vez son resumidas por el nivel de actividad de la economa. Dado esto, y considerando que el PIB es un buen indicador de la actividad econmica, se emplea este ltimo como variable explicativa en la proyeccin de largo plazo del consumo energtico. Los energticos que se consumen en el subsector Industrias y Minas Varias son lea, electricidad, gas licuado y natural, carbn y petrleos combustibles. Como se muestra en la siguiente figura, la electricidad y el diesel representan en conjunto un 60% del consumo.
Figura 58: Consumo Industrias y Minas Varias
Con respecto al grado de sustitucin de los insumos energticos, existe una fuerte sustitucin entre gas natural y petrleos combustibles, y una menor entre gas natural, diesel y lea. Aunque se desconoce el alcance de una futura restriccin de lea, se espera que su consumo tienda a estabilizarse y que sea sustituida por diesel, carbn, petrleos combustibles y gas.
88
Dado que el consumo histrico de Electricidad muestra un buen ajuste con el nivel de actividad, se emplean los datos histricos del subsector para estimar el modelo de consumo de electricidad37. El consumo de electricidad del subsector Industrias y minas varias queda modelado, entonces, por la siguiente funcin38:
En base a esta estimacin y la proyeccin futura del nivel de actividad, se presenta en la siguiente figura la estimacin y proyeccin del consumo de Electricidad.
Figura 59: Curva real y estimada de consumo de Electricidad
De la figura anterior se desprende que el modelo presenta un buen ajuste con el consumo real de electricidad39. Los datos histricos muestran un incremento promedio anual de 7,1% del consumo de electricidad en el subsector, entre los aos 1982 y 2006. Por su parte, la modelacin refleja un crecimiento promedio anual de 6,8% en el perodo 2006-2030
37 38
Los detalles del modelo y resultados se presentan en el anexo 4 Donde todas las variables estn como logaritmos naturales. 39 Dada la informacin histrica disponible
89
Dado que el consumo histrico de Diesel de este subsector muestra un buen ajuste con el nivel de actividad, se utilizan los datos histricos para estimar el modelo de consumo de diesel40. El consumo de diesel del subsector Industrias y Minas Varias queda modelado por la siguiente funcin41: En base a esta estimacin y la proyeccin futura del nivel de actividad, se presenta en la siguiente figura la estimacin y proyeccin del consumo de Diesel.
Figura 60: Curva real y estimada de consumo de Diesel
Fuente: Elaboracin Propia De la figura anterior se desprende que el modelo de consumo de diesel presenta un buen ajuste con el consumo real42. Los datos histricos muestran un incremento promedio anual de 7,6% en el consumo de diesel durante el perodo 1982-2006. Por su parte, de acuerdo a la modelacin, se espera un crecimiento promedio anual de 5,3% durante el perodo 20062030.
40 41
Los detalles del modelo y resultados se presentan en el anexo 4. Todas las variables estn expresadas en logaritmos naturales. 42 Dada la informacin histrica disponible
90
El consumo histrico de gas licuado del subsector muestra un buen ajuste con el nivel de actividad. En consecuencia, se emplean los datos histricos para estimar el modelo de consumo43. El consumo de gas licuado del subsector Industrias y minas varias queda modelado por la siguiente funcin44:
En base a esta estimacin y la proyeccin futura del nivel de actividad, se presenta en la siguiente figura la estimacin y proyeccin del consumo de gas licuado.
Figura 61: Curva real y estimada de consumo de Gas Licuado
De la figura anterior se desprende que el modelo de consumo de gas licuado tiene un buen ajuste con el consumo real de gas licuado45. De acuerdo a los datos histricos, entre 1982 y 2006 el consumo presenta un aumento promedio anual de 8,6%. Adicionalmente, de acuerdo a la proyeccin del consumo, se espera en el perodo 2006-2030 un incremento promedio anual de 6,5%
43 44
Los detalles del modelo y resultados se presentan en el anexo 4 Todas las variables estn expresadas en logaritmos naturales. 45 Dada la informacin histrica disponible para este consumo
91
El consumo histrico de carbn de este subsector muestra un buen ajuste con el nivel de actividad, por lo que se emplean los datos histricos para estimar el modelo de consumo de carbn46. El consumo de carbn del subsector Industrias y minas varias queda modelado por la siguiente funcin47: En base a esta estimacin y la proyeccin futura del nivel de actividad discutida en una seccin anterior, se presenta en la siguiente figura la estimacin y proyeccin del consumo de carbn.
Figura 62: Curva real y estimada de consumo de Carbn
Como se observa en la figura, la estimacin del consumo de carbn no se ajusta a los datos histricos en el corto plazo, dado que el modelo empleado no registra las fluctuaciones. Sin embargo, el modelo permite establecer una tendencia de crecimiento del consumo en el largo plazo. De acuerdo a los datos histricos, el consumo de carbn en el perodo 19822006 presenta una tasa de crecimiento anual de 5,81%, mientras que la estimacin determina que el consumo aumentar en el perodo 2006-2030 a una tasa promedio anual de 1,9%.
46 47
Los detalles del modelo y resultados se presentan en el anexo 4 Todas las variables estn en logaritmo natural
92
Dado que el consumo histrico de lea en este subsector muestra un buen ajuste con el nivel de actividad, se emplean los datos histricos para estimar el modelo de consumo de lea48. El consumo de lea del subsector Industrias y minas varias queda modelado por la siguiente funcin49: En base a esta estimacin y la proyeccin futura del nivel de actividad, se presenta en la siguiente figura la estimacin y proyeccin del consumo de lea.
Figura 63: Curva real y estimada de consumo de Lea
De la figura anterior se desprende que el modelo de consumo de lea tiene un buen ajuste con el consumo real50. Segn los datos histricos, entre 1982 y 2006 el consumo presenta un incremento promedio anual del 4,9%. Por otra parte, se proyecta un aumento promedio anual de 5,3% entre 2006 y 2030.
48 49
Los detalles del modelo y resultados se presentan en el anexo 4. Todas las variables estn expresadas en logaritmo natural. 50 Dada la informacin histrica disponible para este consumo.
93
Consumo de Petrleos combustibles y Gas Natural del Subsector Industrias y Minas Varias
Como se puede apreciar en la figura 63, donde se muestra la evolucin del consumo de gas natural y petrleo combustible en el subsector, ambos energticos son sustitutos muy cercanos. En consecuencia, el consumo de ambos se modela de manera conjunta, y luego se desagrega en base a criterios que estiman la disponibilidad futura de estos combustibles. De acuerdo a opinin experta, se asume que el consumo de gas natural se mantiene constante a partir del ao 2006.
Figura 64: Evolucin de los consumos de petrleos combustibles y gas natural
Dado que el consumo histrico de gas natural y petrleos combustibles en el subsector muestra un buen ajuste con el nivel de actividad, se emplean los datos histricos para estimar el modelo de consumo respectivo51. El consumo de petrleos combustibles y gas natural del subsector Industrias y minas varias queda modelado por la siguiente funcin52:
Los detalles del modelo y resultados se presentan en el anexo 4. Todas las variables estn expresadas en logaritmo natural.
94
Figura 65: Curva real y estimada de consumo de Petrleos Combustibles y Gas Natural
Como se observa en la figura anterior, existe un buen ajuste entre el consumo real y el modelado, si bien este ltimo no registra fluctuaciones de corto plazo. Lo anterior permite realizar proyecciones basadas en la informacin histrica disponible. De acuerdo a los datos histricos, el consumo de ambos combustibles presenta un aumento promedio anual de 4,8% entre los aos 1982 y 2006. Por su parte, la proyeccin entre los aos 2006 y 2030 revela un incremento promedio anual de 3,9% en el consumo de petrleos combustibles y gas natural en el subsector.
Consumo de Otros Energticos del Subsector Industrias y Minas Varias
En este sector Otros sectores energticos incluyen el consumo de Kerosene, Nafta, Coke y Metanol lo que equivale al 2% del consumo totald e este sector. El consumo histrico de otros energticos en este subsector muestra un buen ajuste con el nivel de actividad. Dado esto, se emplean los datos histricos para estimar el modelo de consumo53. El consumo de otros energticos en el subsector Industrias y minas varias queda modelado por la siguiente funcin54:
53 54
Los detalles del modelo y resultados se presentan en el anexo 4. Todas las variables estn expresadas en logaritmo natural.
95
En base a esta estimacin y la proyeccin futura del nivel de actividad, se presenta en la siguiente figura la estimacin y proyeccin del consumo de otros energticos.
Figura 66: Curva real y estimada de consumo de Otros energticos
2500 2000 Teracaloras 1500 1000 500 0 1960 IndustriasyMV(Real) IndustriasyMV (Estimado)
1980
2000 Ao
2020
2040
Como se observa en la figura anterior, no existe un buen ajuste entre el consumo real y el modelado. La tasa de crecimiento promedio anual calculada con datos reales para el perodo 1982-2006 es de 3,7%, mientras que la tasa estimada por el modelo es de 0,33% para el mismo perodo. Existe, por lo tanto, una baja confiabilidad en el consumo proyectado para el perodo 2006-2030 (se estima una tasa de 0,27% de incremento promedio anual). Dada la poca importancia relativa del consumo de otros energticos en el subsector Industria y minas varias (para el 2006, el consumo de otros energticos representa un 2% del consumo total) no se ha considerado efectuar una revisin del modelo proyectivo. No obstante, resultara necesaria en estudios posteriores, a fin de mejorar la proyeccin del consumo energtico en el subsector.
96
En la siguiente figura se grafican las estimaciones (2007-2030) de los distintos consumos del subsector industrias y minas varias.
Figura 67: Consumos Industrias y Minas Varias
140000 120000 100000 Teracaloras 80000 60000 40000 20000 0 2007 2017 Aos 2027 OtrosIndustriasyMinasVarias GasNatural Lea GasLicuado Carbn Electricidad PetrleosCombustibles Diesel
Los resultados muestran un incremento promedio anual de un 6,3% en el consumo total de energa del subsector entre 1982 y 2006, mientras que en el perodo 2006-2030 el aumento del consumo ocurre a una tasa de 5,8%. Con respecto a la evolucin de la estructura de consumo en el subsector, entre los aos 1982 y 2006 el consumo de gas natural aumenta considerablemente su importancia relativa, sustituyendo parcialmente a la lea y los petrleos combustibles. En efecto, en las figuras siguientes se observa que el consumo relativo de lea disminuye desde 16% a 11% y el de petrleos combustibles disminuye de 25% a 7%, mientras que el consumo relativo de gas natural aumenta desde 1% hasta 12%. Los consumos de gas licuado, diesel y electricidad tambin aumentan su importancia relativa, pero en menor grado (de 3% a 5%, de 24% a 32% y de 22% a 27% respectivamente), mientras que el carbn disminuye levemente su importancia relativa (de 5% a 4%). Entre el 2006 y el 2030 se proyecta que la estructura del consumo energtico vare hacia una disminucin del consumo relativo del gas natural (de 12% a 3%), as como tambin del carbn (de 4% a 2%) y del diesel (de 32% a 29%), con un consecuente aumento del consumo relativo de petrleos combustibles (de 7% a 11%), electricidad (de 27% a 34%) y lea (de 11% a 13%). 97
24%
5% 22% 25%
Electricidad Lea
Fuente: Elaboracin Propia Figura 69: Estructura de consumo energtico en Industria y minas varias, ao 2006
Ao 2006
2% 32% 11%
12%
5% 4% 27% 7%
Electricidad Lea
Fuente: Elaboracin Propia Figura 70: Estructura de consumo energtico en Industria y minas varias, ao 2030
Ao 2030
3% 1% 29%
13% 7%
2% 11% 34%
Electricidad Lea
98
El sector Otros sectores esta compuesto por los sectores de salitre, hierro, siderurgica, petroqumica, azucar y pesca. El consumo de energticos de otros sectores corresponde al 11% del consumo total del sector Industrial y minero. Debido a su tamao es que los consumos de los distintos energticos sern proyectados en forma conjunta y sern modelados utilizando el PIB como variable explicativa. A continuacin se muestra el modelo seleccionado.
1980
2000
2020
2040
Ene ste caso se aprecia que la tasa de crecimiento historica en el perodo 1982-2006 fue de un 3,3% mientras que se espera un crecimiento promedio anual para el perodo 2006-2030 de un 2,3%.
99
3.4.2
Los consumos energticos del sector CPR se relacionan de manera directa con el aumento de la poblacin y del ingreso per cpita, variables que a su vez son resumidas por el nivel de actividad de la economa. Dado esto, y considerando que el PIB es un buen indicador de la actividad econmica, se emplea este ltimo como variable explicativa en la proyeccin de largo plazo del consumo energtico55. Los consumos energticos de este subsector son bsicamente lea, electricidad, gas licuado y gas natural. La siguiente figura presenta la importancia relativa de cada energtico, destacando la lea con un 49% de participacin en el consumo energtico del sector.
Figura 72. Consumo Subsector CPR
Lea 49%
Electricidad 23%
Dado que el consumo histrico de electricidad muestra un buen ajuste con el PIB, se emplean los datos histricos desde 1960 para estimar el modelo de consumo de electricidad56. El consumo de Electricidad del sector CPR queda modelado por la siguiente funcin57:
55
Hay que considerar que el crecimiento del PIB tambin incorpora el crecimiento de la poblacin dentro de otros factores. Por lo que no se considera explcitamente el crecimiento de la poblacin dentro de la estimacin. 56 Los detalles del modelo y resultados se presentan en el anexo 4. 57 Todas las variables son logaritmos naturales
100
En base a esta estimacin y la proyeccin futura del PIB, se presenta en el siguiente grfico la estimacin y proyeccin del consumo de Electricidad.
Figura 73: Curva real y estimada de consumo de Electricidad
Como se observa en la figura anterior, el consumo de electricidad estimado tiene un buen ajuste con el consumo real de electricidad, lo cual permite realizar proyecciones confiables, dados los datos histricos disponibles. De acuerdo a los datos histricos, el consumo de electricidad presenta un aumento promedio anual de 6,53% entre los aos 1982 y 2006. Por su parte, la proyeccin entre los aos 2006 y 2030 revela un incremento promedio anual de 6,46% en el consumo elctrico del subsector.
Consumo de Gas Natural y Gas Licuado del sector CPR
De acuerdo a la evolucin histrica del consumo de estos energticos en el sector CPR, se observa que el gas natural y el gas licuado son sustitutos muy cercanos. Debido a esto, su consumo se modela de manera conjunta, y luego se desagrega en base a criterios de la disponibilidad futura de ambos combustibles. De acuerdo a opinin experta del sector, se asume que el consumo de gas natural se mantiene constante a partir del ao 2006. En el siguiente grfico se muestra la evolucin histrica de los consumos de gas natural y gas licuado en el subsector. Adems de la sustitucin entre ambos combustibles, se observa
101
que a partir de 1997 la tendencia del consumo de gas licuado se ve afectada por la aparicin del gas natural.
Figura 74: Curvas de consumo de Gas Natural y Gas Licuado
Dado que el consumo histrico de gas natural y licuado en conjunto presentan un buen ajuste con el PIB, se emplean los datos histricos desde 1960 para estimar el modelo de consumo58. El consumo de gas del sector CPR queda modelado por la siguiente funcin59: En base a la estimacin conjunta realizada y la proyeccin futura del PIB se presenta en el siguiente grfico la estimacin y proyeccin del consumo de gas licuado y gas natural.
58 59
Los detalles del modelo y resultados se presentan en el anexo 4. Todas las variables estn como logaritmos naturales.
102
Como se observa en la figura anterior, el consumo modelado se ajusta bastante al real, por lo que es posible realizar proyecciones confiables del consumo de gas con la informacin histrica disponible. De acuerdo a los datos histricos, hay un incremento promedio anual de 3,5% en el consumo sectorial de estos combustibles, entre los aos 1982 y 2006. Por su parte, el consumo proyectado por el modelo revela un aumento promedio anual de 3,3% para el perodo 2006-2030.
Consumo de Lea del sector CPR
El consumo histrico de lea de este sector muestra un buen ajuste con el PIB. En consecuencia, se emplean los datos histricos para estimar el modelo de consumo60. El consumo de lea del sector CPR queda modelado por la siguiente funcin61:
En base a esta estimacin y la proyeccin futura del PIB, se presenta en la siguiente figura la estimacin y proyeccin del consumo de lea.
60 61
Los detalles del modelo y resultados se presentan en el anexo 4. Todas las variables estn como logaritmos naturales.
103
De la figura anterior se desprende que el modelo de consumo de lea se ajusta bastante bien al consumo real, por lo que se emplea la informacin histrica disponible para efectuar las proyecciones. De acuerdo a los datos histricos, el consumo de lea del sector CPR presenta un incremento promedio anual de 3,5%, durante el perodo comprendido entre 1982 y 2006. Por su parte, el consumo proyectado por el modelo muestra un aumento promedio anual de 2,5% para el perodo 2006-2030.
Consumo de Otros Energticos del sector CPR
En este caso los otros energticos considerados son Petrleo Combustibles, Kerosene, Diesel, Carbn y Gas Corriente, el consumo de estos energticos equivale al 3% del consumo total en el ao 2006. Empleando datos histricos para estimar el modelo de consumo62 de otros energticos en el sector CPR, ste queda modelado por la siguiente funcin63:
62 63
Los detalles del modelo y resultados se presentan en el anexo 4. Todas las variables estn como logaritmos naturales.
104
En base a esta estimacin y la proyeccin futura del PIB, se presenta en la siguiente figura la estimacin y proyeccin del consumo de otros energticos.
Figura 77: Curva real y estimada de consumo de Otros energticos
8000 7000 6000
Teracaloras
CPR(Real) CPR(Estimado)
2020
2040
Como se observa en la figura anterior, no existe un buen ajuste entre el consumo real y el modelado. La tasa de crecimiento promedio anual calculada con datos reales para el perodo 1982-2006 es de 3,1%, mientras que la tasa estimada por el modelo es -0,4% para el mismo perodo. Existe, por lo tanto, una baja confiabilidad en el consumo proyectado para el perodo 2006-2030 (se estima una disminucin promedio anual de 0,3%), por lo que resulta aconsejable efectuar una revisin del modelo en estudios posteriores, a fin de mejorar la proyeccin del consumo energtico en este subsector.
105
Agregando las distintas estimaciones, podemos graficar las estimaciones (2007-2030) en conjunto para los distintos consumos del sector CPR, como se muestra en la siguiente figura:
Figura 78: Consumos CPR
180000 160000 140000
Teracaloras
2027
Los resultados muestran para el consumo total un incremento promedio anual de 3,9% entre los aos 1982-2006, mientras que para el perodo 2006-2030 el consumo crece a una tasa promedio anual de 3,8%. Con respecto a la evolucin de la estructura de consumo en el subsector, entre los aos 1982 y 2006 el consumo relativo de electricidad aumenta considerablemente (de 12% a 21%). Tambin se observa un aumento del consumo relativo de gas natural, mientras que el consumo de gas licuado disminuye su importancia. Se observa una disminucin de la importancia relativa de la lea. Hacia el 2030 se espera un aumento importante del consumo relativo de electricidad, con la consecuente disminucin en los consumos relativos de lea, gas natural y otros energticos. Se espera tambin un aumento en la importancia relativa del gas licuado.
106
13% 4%
21%
12% 50%
Gas Licuado
Electricidad
Lea
Gas Natural
Otros CPR
Fuente: Elaboracin Propia Figura 80: Estructura de consumo energtico en CPR, ao 2006
Ao 2006
11% 8%
15%
21% 45%
Gas Licuado
Electricidad
Lea
Gas Natural
Otros CPR
Fuente: Elaboracin Propia Figura 81: Estructura de consumo energtico en CPR, ao 2030
Ao 2030
3% 2% 35%
20%
40%
Gas Licuado
Electricidad
Lea
Gas Natural
Otros CPR
107
3.4.3
Sector Transporte
Las proyecciones del consumo futuro del sector transporte son analizadas para cada uno de los subsectores que lo componen, decir, para el transporte terrestre, martimo, areo y ferroviario. El consumo energtico de los tres ltimos subsectores es proyectado con un modelo economtrico. Por otro lado, el consumo del sector transporte terrestre es proyectado utilizando dos metodologas, una hbrida y una de uso final.
3.4.3.1 Sub sector transporte terrestre
En la proyeccin del consumo energtico del sector transporte terrestre se utiliza una metodologa hbrida que mezcla una proyeccin economtrica con una de uso final, aplicndose esta ltima solo al consumo de diesel de vehculos livianos y comerciales. Para realizar las estimaciones economtricas se proyectan los consumos energticos del transporte terrestre relacionndolos de manera directa con el aumento del parque de vehculos. Este ltimo est compuesto por cuatro tipos de vehculos: Parque de vehculos de pasajeros o livianos (automviles y taxis) Parque de vehculos comerciales (Furgones y camionetas) Parque de buses Parque de camiones
En las siguientes figuras se aprecian las proyecciones del parque de vehculos de pasajeros y comerciales y del parque de buses y camiones.
Figura 82: Parque de vehculos de pasajeros y comerciales
6000000 5000000 4000000 3000000 2000000 1000000 0
19 79 19 84 19 89 19 94 19 99 20 04 20 09 20 14 20 19 20 24 20 29
Nmero de vehculos
pasajeros comerciales
Ao
108
Nmero de vehculos
buses camiones
Ao
El parque de vehculos en general tiene estrecha relacin con el nivel de actividad de la economa. Por lo tanto se puede proyectar el parque de vehculos ya sea livianos, comerciales, buses o camiones relacionndolo con el nivel de actividad de la economa como determinante de largo plazo64. De esta forma los consumos energticos de largo plazo del sector transporte terrestre quedan determinados por su relacin con el parque de vehculos. Este sector esta compuesto por los siguientes consumos energticos:
64
109
Consumo de Gasolina de transporte terrestre El consumo histrico de gasolina de este sector muestra un buen ajuste con el parque de vehculos (livianos y comerciales ya que buses y camiones no consumen gasolina). En consecuencia, utilizando los datos histricos para este sector se estima el modelo de consumo de gasolina65.
El consumo de gasolina del sector Transporte queda modelado por la siguiente funcin:
65
110
De la figura anterior se aprecia que el modelo de consumo de gasolina tiene un buen ajuste con los patrones histricos del consumo de gasolina. Los resultados muestran un incremento promedio anual de un 3.0% del consumo de gasolina del sector transporte terrestre entre los aos 2006 y 2030. Esta tasa es levemente mayor que el incremento del consumo gasolina de este sector para un periodo de tiempo similar, ya que entre 1982 y 2006 se registr una tasa de crecimiento anual del 2.6%.
Consumo de diesel del sub sector transporte terrestre Para estimar el consumo de diesel del subsector de transporte terrestre se realizan dos estimaciones en forma separada. La primera proyecta con el modelo economtrico el consumo de Diesel de buses y camiones. El restante porcentaje asociado al consumo de diesel de vehculos livianos y comerciales se proyecta con una metodologa de uso final.
Con el modelo economtrico se aprecia que el consumo histrico de diesel presenta un buen ajuste con el parque de buses y camiones. Por lo que, utilizando los datos histricos de parque y de diesel de este sector se estima el modelo de consumo de diesel66. Hay que resaltar que dentro de estas estimaciones los datos incorporan el consumo de diesel de otros medios de transportes (principalmente vinculados con el sector agrcola) y tambin se incorpora el consumo de diesel de vehculos livianos y comerciales. La proporcin de estos corresponde al 19% del consumo de diesel por lo que las estimaciones tendran a sobre estimar el consumo de camiones y buses, no se pudieron separar para las estimaciones el consumo de otros ya que no hay suficientes datos para estimar en forma separada.
66
111
El consumo de diesel del sub sector transporte terrestre y relacionado solo con buses y camiones queda modelado por la siguiente funcin:
Donde pbuses es el parque de buses, pcamiones es el parque de camiones, ambas variables se expresan en logaritmo natural. En base a esta estimacin y la proyeccin futura del parque de vehculos, se presenta la estimacin y proyeccin del consumo de Diesel.
Figura 86: Curva real y estimada de consumo de Diesel de buses y camiones
Los resultados muestran un incremento promedio anual de un 5,3% del consumo de diesel del sector transporte terrestre entre los aos 2006 y 2030. Esto es menor que el incremento del consumo histrico de diesel de este sector ya que entre 1982 y 2006 el incremento promedio fue de un 6,1% promedio anual. Por otro lado, con la metodologa de uso final, se estim la demanda de diesel por parte de los vehculos livianos y comerciales. Esta metodologa se emplea debido a que no es posible proyectar economtricamente el consumo de diesel de estos vehculos por la poca informacin histrica disponible. Con el mtodo de uso final es posible incorporar la proyeccin del parque automotriz y las distintas tecnologas que se incorporarn en el futuro, incorporando adems en las proyecciones, las ganancias en la eficiencia del uso de diesel67. A continuacin se presentan las proyecciones del Diesel consumido por vehculos livianos y comerciales.
67
En el anexo 7 se describe la metodologa de uso final y se incorpora el analisis completo para el sector transporte terrestre.
112
(Teracaloras)
70000 60000 50000 40000 30000 20000 10000 0 2005 2008 2011 2014 2017 2020 2023 2026 2029 Livianos Comerciales
Una vez estimados los consumos de Diesel con ambas metodologas se suman ambos resultados, lo que se aprecia en la siguiente figura. Hay que considerar que existe una sobre estimacin en el monto agregado ya que un porcentaje del consumo de diesel de vehculos livianos y comerciales se incorpora en la estimacin economtrica, sin embargo, debido a la poca informacin disponible no es posible desarrollar mejorar esta aproximacin. No obstante lo anterior, hay que destacar que con el mtodo economtrico el consumo histrico de buses y camiones representaba hasta el 2006 el mayor porcentaje de diesel. Sin embargo, se espera un fuerte aumento de vehculos livianos y comerciales que utilizan diesel, aumento que no es recogido por los datos histricos.
113
(Teracaloras)
250000 200000 150000 100000 50000 0 2005 2008 2011 2014 2017 2020 2023 2026 2029
El consumo energtico del sector de transporte areo se caracteriza principalmente por el consumo de kerosene de aviacin cuyo consumo corresponde al 99.1%68. Por este motivo solo se analiza la evolucin de este componente energtico. En particular el kerosene de aviacin presenta un buena correlacin con el PIB. Por este motivo se elige dicha variable como explicativa del consumo energtico en este sector. A continuacin se muestra el modelo propuesto.
68
114
1997 Aos
2017
En este modelo se aprecia que consumo de kerosene en el perodo 1982-2006 del se ha incrementado a una tasa promedio del 5,8% y se espera que aumente al 7.7% promedio anual en el perodo 2006-2030.
3.4.3.3 Sub sector transporte martimo
El consumo de energticos asociado al transporte martimo est claramente marcado por el consumo de dos energticos: petrleo combustibles, que representa el 81% del consumo total, y diesel que representa el 19% del consumo total69. Tambin se consume un porcentaje muy reducido de kerosene y gasolina que no ser incluido en el anlisis por su participacin casi despreciable.
69
115
19%
0% 0%
81%
PETROLEO COMBUSTIBLE
DIESEL
KEROSENE
Consumo de petrleo combustible en el sub sector de transporte martimo El petrleo combustible es estimado utilizando como variable explicativa el PIB la que presenta un buen ajuste a los datos reales. La ecuacin que caracteriza esta aproximacin esta dada por: petroleot = 19.6 + 2.6 pibt + t
A continuacin se presenta la proyeccin resultante del modelo de estimacin proyectado. Se observa un aumento muy significativo del consumo de petrleo combustible por parte del transporte martimo al 2030.
116
A pesar del aumento significativo en el consumo total de este combustible, ser inferior al observado en un periodo similar anterior. En efecto, el crecimiento histrico del consumo de petrleo combustibles de este sector presenta un aumento promedio anual del 17,3% para el perodo 1982-2006, superior al aumento en la tasa de crecimiento anual de un 12% esperado para los siguientes 24 aos.
Consumo de diesel en el sub sector de transporte martimo Anlogamente al caso anterior la evolucin del consumo de diesel es explicado por el producto interno bruto. Por lo que el modelo de proyeccin se expresa de la siguiente forma:
117
1987
1997
2007 Aos
2017
2027
En este caso hay que distinguir que la tasa de crecimiento anual de los datos reales en el perodo 1982-2006 es de un 4.2% mientras que para el mismo perodo el modelo estima un 5.1% de crecimiento. Sin embargo el modelo para el perodo 2006-2030 estima que la tasa de crecimiento ser de un 4.3%, muy en lnea con el crecimiento histrico presentado.
118
El sector de transporte ferroviario consume dos tipos de energticos. Diesel y electricidad donde la proporcin de su consumo, expresado en teracaloras, es un 76% de diesel y un 24% de electricidad. Estos dos consumos se correlacionan con el PIB por lo que se estiman los siguientes modelos para estos energticos:
1987
1997
2007 Aos
2017
2027
El consumo de Diesel ha presentado una tasa de crecimiento anual, en el perodo 19822006, del -1.4%, lo que difiere levemente con la tasa del -2.2% estimada por el modelo para este perodo. Sin embargo, el modelo proyecta que para el perodo 2006-2030 la tasa sea menos brusca, con una cada esperada del -1.8%
119
El consumo de electricidad presenta una tasa de crecimiento anual, en el perodo 19822006, del -2,2%, lo que difiere levemente con la tasa del -2,5% estimada por el modelo para este perodo. A su vez, el modelo proyecta para el perodo 2006-2030 que la tasa de crecimiento este en lnea con la proyeccin histrica, ya que se espera una tasa del -2,1%
3.4.3.5 Otros consumos del sector transporte
Tambien se ha analizado el consumo de otros energticos los que para el sector transporte terrestre son Petrleo combustible, Kerosene de aviacin, Kerosene, Gas licuado Electricidad y Gas natural el consumo de estos energticos equivale al 0,8% del consumo del sector Transporte. Para el subsector Transporte ferroviario no existen otros energticos distintos de los ya estimados. Mientras que el subsector Transporte martimo se incorpora como otro energtico Diesel, Gasolina 93/SP y Kerosene, los que equivalen a menos del 0,1% del consumo del sector Transporte. Finalmente el subsector de transporte areo presenta en otros combustibles el Diesel, Gasolina 93/SP y Gasolina de aviacin consumo que corresponde a menos del 0.1% del consumo total del sector transporte. En general los otros combustibles del sector transporte equivalen al 0.9% del consumo total del sector transporte. Estos combustibles fueron proyectados con la siguiente ecuacin
120
En el grfico siguiente se presenta la estimacin del consumo energtico del sector transporte para el periodo 2007-2030 por subsector de transporte.
Figura 95: Consumos Transporte
500000 450000 400000 Teracaloras 350000 300000 250000 200000 150000 100000 50000 0 2007 2017 Aos 2027 OtrosTransporte Keroseneaviacin PetrleosCombustibles Electricidad Gasolina Diesel
En general, los resultados muestran un incremento promedio anual de un 7.4% del consumo total de energa del sector Transporte entre los aos 2006 y 2030. Esta tasa es mayor que el incremento del consumo total de energa de este sector para perodo 1982-2006 en el cual se registr un aumento promedio anual del 5.2%. Como se aprecia en las figuras 93, 94 y 95. La estructura de produccin presentada por el sector de transporte en el ao 1982 se centraba en el consumo de tres energticos Gasolina, Diesel y Kerosene de aviacin. Sin embargo al ao 2006 esta estructura ha aumentado el grado de diversificacin debido a la inclusin de petrleos combustibles que ha sustituido fundamentalmente a gasolina. Los otros energticos han mantenido su participacin en el consumo energtico. Para el ao 2030 se espera que siga aumentando la participacin de petrleos combustibles en detrimento de la gasolina; que aumente la participacin del kerosene de aviacin; y que el consumo de diesel se acerque a la mitad de las teracalorias consumidas por este sector.
121
1% 0%
8%
0% 38%
53%
Fuente: Elaboracin Propia Figura 97: Estructura de consumo energtico en transporte, ao 2006
Ao 2006
9% 18%
1% 43%
0% 29%
122
13%
0%
48%
28% 0%
11%
123
3.5
El propsito de esta seccin es ofrecer una visin agregada de las proyecciones obtenidas para el perodo 2007-2030. Para tales fines se analiza la evolucin del consumo energtico nacional segn tipo de combustible, agregando los sectores involucrados. Asimismo, se estudia el consumo energtico nacional por sector. En el caso de los energticos ms consumidos en el pas, se presenta la evolucin de su consumo por sectores durante el perodo considerado.
Consumo nacional por tipo de combustible En la siguiente figura se presenta el consolidado anual del consumo multisectorial por tipo de combustible, durante el perodo 2007-2030.
Figura 99: Consumo nacional por tipo de combustible
900000 800000 700000 600000
Teracaloras
Carbn GasNatural
Como se aprecia en el grfico, la proyeccin del consumo nacional de combustibles presenta una tendencia general al alza, con un aumento promedio anual de 5,4%. Los energticos de mayor relevancia en el consumo durante todo el perodo son diesel, petrleos combustibles, electricidad y lea, representando en conjunto entre un 69% (para el ao 2007) y un 78% (para el ao 2030) del consumo total.
124
El consumo relativo de diesel y petrleos combustibles aumenta a lo largo del perodo (el diesel incrementa su importancia relativa de 24% a 31% y petrleos combustibles, de 8,5% a 18%) mientras que el consumo relativo de electricidad y lea, si bien continan siendo mayoritarios a lo largo del perodo, tienden a disminuuir (electricidad disminuye su importancia relativa de 18,5% a 18,1% y lea, de 18% a 11%). Con respecto a la tasa de crecimiento del consumo, los energticos que lideran el aumento de consumo son petrleos combustibles con una tasa de crecimiento anual de 8,9%, y diesel con una tasa de crecimiento de 6,5% anual. Por otra parate, los consumos de carbn y kerosen muestran una tendencia constante durante el perodo. Dada la importancia del consumo de diesel, petrleos combustibles, electricidad y lea durante el perodo estudiado, se presenta a continuacin el consumo de dichos combustibles por sector detalladamente.
Consumo de diesel por Sector, 2007-2030 El siguiente grfico presenta la proyeccin del consumo de diesel por sector entre los aos 2007 y 2030.
Figura 100: Consumo de Diesel por Sector , 2007-2030.
300000 250000 Teracaloras 200000 150000 100000 50000 0 2007 2017 2027
Cobre
Cemento
IndustriasyMinasVarias
Transporte
Otros
Se observa que la mayor parte del consumo de diesel a lo largo del perodo considerado proviene del sector transporte, el cual concentra el 68,5% del consumo intersectorial en el ao 2007 y se proyecta con un 79,2% de participacin hacia el 2030. Adems, este es el sector que ms aumenta su consumo de este energtico durante el perodo, presentando una tasa de crecimiento promedio anual de 7,2%.
125
Inversamente, el sector que menos consume diesel en relacin al total, es el cemento, con una participacin de 0,1% a lo largo de todo el perodo y una tasa de crecimiento promedio anual de 5,4%. En orden de importancia relativa, el sector Industria y minas varias es el segundo consumidor de diesel, con un consumo relativo de 18% con respecto al consumo total en el 2007. Esta participacin disminuye a lo largo del perodo, de manera que en el ao 2030 se estima que el consumo relativo de diesel de este subsector sea de 14,4%. No obstante lo anterior, se proyectya que el sector aumente su consumo durante el perodo a una tasa de 5,5% anual.
Consumo de petrleos combustibles por Sector, 2007-2030 El siguiente grfico presenta la proyeccin del consumo de petrleos combustibles por sector entre los aos 2007 y 2030.
Figura 101: Consumo de Petrleos Combustibles por Sector, 2007-2030.
150000 130000 110000 Teracaloras 90000 70000 50000 30000 10000 10000
2007 2017 2027
cobre
Cemento
papelycelulosa
IndustriasyMinasVarias
Transporte
Otros
Al igual que en el caso del diesel, la mayor parte del consumo de petrleos combustibles a lo largo del perodo considerado proviene del sector transporte, el cual concentra en el ao 2007 el 61% del consumo intersectorial, y se proyecta con un 86% de participacin hacia el 2030. Adems, este es el segundo sector que ms aumenta su consumo durante el perodo, presentando una tasa de crecimiento promedio anual de 10,5%. El sector que lidera el crecimiento del consumo de petrleos combustibles es el cemento, con una tasa promedio anual de 10,6%. Sin embargo, se trata del sector menos relevante en 126
cuanto a su consumo relativo, representando menos del 1% del total a lo largo de todo el perodo. En orden de importancia relativa, el sector Industria y minas varias es el segundo consumidor de petrleos combustibles, con un consumo relativo de 17% con respecto al consumo total en el 2007. Esta participacin disminuye a lo largo del perodo, de manera que en el ao 2030 se estima que el consumo relativo del subsector sea de 9,5%. No obstante lo anterior, se proyectya que el sector aumente su consumo durante el perodo a una tasa de 6% anual.
Consumo de electricidad por Sector, 2007-2030 El grfico siguiente presenta la proyeccin del consumo de electricidad por sector entre los aos 2007 y 2030.
Figura 102: Consumo de Electricidad por Sector, 2007-2030
140000 120000
Teracaloras
Cobre
Cemento
PapelyCelulosa
IndustriasyMinasVarias
CPR
Transporte
Otros
En el grfico se puede apreciar que el sector que ms consume electricidad es el CPR, representando un 33,2% del consumo total en el 2007. Se estima que para el 2030 la importancia relativa del subsector aumente, conformando el 43% del consumo total de este energtico. Asimismo, se estima que este sea el subsector con mayor crecimiento del perodo, presentando una tasa de aumento de 6,4% anual. El segundo sector en presentar la mayor tasa de crecimiento promedio anual es Industria y minas varias, con 6,4% promedio anual. Se estima que la participacin relativa del sector en el consumo de electricidad tambin aumente, partiendo de 22,4% en 2007 y llegando a conformar un 29% del consumo intersectorial en el 2030.
127
El cemento es el sector que menos consume electricidad, conformando alrededor de un 1% del consumo relativo durante todo el perodo.
Consumo de lea por Sector, 2007-2030 En el siguiente grfico se presenta la proyeccin del consumo de lea por sector entre los aos 2007 y 2030
PapelyCelulosa
IndustriasyMinasVarias
CPR
Como se aprecia en el grfico, la mayor parte del consumo de lea a lo largo del perodo considerado proviene del sector CPR, el cual concentra el 70,5% del consumo intersectorial en el ao 2007 y se proyecta con una disminucin de la participacin, llegando a 59,4%, hacia el 2030. Esto ltimo, producto del aumento de la importancia relativa del consumo de lea por parte de los dems sectores. Se proyecta que el subsector Industria y minas varias sea el que ms aumente su consumo de lea, presentando una tasa promedio de crecimiento anual de 5,3%. En segundo lugar se encuentra el sector Industria y minas varias, con un incremento promedio anual de 4,3% en el consumo de lea Por su parte, para el sector CPR se estima una tasa de crecimiento menor, de 2,5% promedio anual.
128
Consumo nacional por sector El siguiente grfico presenta la proyeccin del consumo agregado anual de energticos, por parte de cada sector, durante el perodo 2007-2030.
Figura 104: Consumo nacional de energticos por Sector, 2007-2030
900000 800000 700000 600000 500000 400000 300000 200000 100000 0
Teracaloras
2007
2017
2027
TotalCemento TotalTransporte
TotalPapelyCelulosa TotalCPR
Como se observa en el grfico anterior, el sector que lidera el consumo de energticos es el transporte, conformando el 38% del consumo agregado en el ao 2007, y proyectndose hacia el 2030 con una participacin an mayor, del 53,8%. Asimismo el consumo de energticos por parte de este sector es el que muestra un mayor crecimiento esperado, proyectndose con una tasa promedio anual de 6,9%. En orden de importancia relativa, el segundo sector es CPR cuyo consumo, en el ao 2007, conforma un 26,4% del agregado sectorial. Se espera sin embargo, una disminucin gradual de su importancia relativa, de manera que en el 2030 represente el 19% del total. Se proyecta una tasa de crecimiento del consumo de 3,8% anual por parte de este sector Se espera que el consumo relativo del sector Industria y minas varias se mantenga en torno al 15% durante todo el perodo. Sin embargo, se espera un aumento promedio anual de 5,3% en el consumo de energticos por parte de este sector. Con respecto a los dems sectores, que en conjunto representan el 20,3% del consumo total en el ao 2007, se espera que cada uno de ellos disminuya su participacin relativa, de manera que hacia el 2030 representen en conjunto un 12% del total.
129
Por ltimo, se proyecta que el cobre sea uno de los sectores con menor crecimiento en consumo de energticos, con una tasa de crecimiento anual de 2,6%. Al comparar la evolucin proyectada del consumo agregado de energa con la evolucin del PIB se aprecia que la tasa de crecimiento del consumo energtico es mayor en un punto porcentual en promedio. De hecho entre los aos 2006 y 2015 se proyecta un crecimiento anual del PIB de un 5,0% y se espera que el consumo totalde energa aumente en un 5,8%. Por otro lado para el perodo 2016-2030 se espera que el producto aumente en un 4,0% promedio mientras que las proyecciones del consumo total de energa aumentan en un 5.1%. A continuacin se muestran el grfico comparativo de las tasas de crecimiento anual de ambas variables.
Figura 105: Tasa de crecimiento anual del PIB vs. Consumo energtico total, 1990-2030
11,00% 9,00% 7,00% PIB 5,00% 3,00% 1,00% -1,00% Consumo total
19 90 19 94 19 98 20 02 20 06 20 10 20 14 20 18 20 22 20 26 20 30
130
3.6
Escenarios alternativos
En este punto se desarrolla un anlisis de sensibilidad en torno a los consumos totales de energa y por tipo de combustible. El anlisis realizado hasta es desarrollado bajo el supuesto que el escenario base de consumo es funcin del PIB, el que crece un 5% promedio anual hasta el 2015 y desde el ao 2016 crece un 4% hasta el 2030. El anlisis de sensibilidad consiste en generar escenarios alternativos de crecimientoy para esto se analiza un escenario optimista y un escenario pesimista, los que consisten principalemnete en: Escenario optimista: Proyectar un crecimiento de un 6% promedio anual hasta el 2015 y luego un crecimiento promedio anual de un 5% hasta el 2030. Escenario pesimista: Proyectar un crecimiento de un 4% promedio anual hasta el 2015 y luego un crecimiento promedio anual de un 3% hasta el 2030.
Consumo total de energa segn escenario La siguiente figura muestra la variacin en el consumo total de energa anual para los distintos escenarios de crecimiento:
Figura 106: Consumo total de energa segn escenario
1200000 1000000 Teracalorias 800000 600000 400000 200000 0
20 00 20 02 20 04 20 06 20 08 20 10 20 12 20 14 20 16 20 18 20 20 20 22 20 24 20 26 20 28 20 30
131
Se aprecia que para al ao 2015, el escenario de crecimiento optimista (pesimista) permite proyectar un crecimiento en el consumo un 8% (7%) mayor al esperado en el escenario tendencial. Esta diferencia se hace ms importante al ao 2030 ya que el escenario optimista estima un 29% ms de consumo que el escenario base y el de crecimiento pesimista uno 20% menor. Esta variablidad depende principalmente de los sectores ms sensibles a la evolucin del PIB. A continuacin se desarrolla un analisis de sensibilidad para estos sectores.
Consumo total de energa sectorial A continuacin se presentan las variaciones en el consumo sectorial generadas ante los tres escenarios propuestos.
En el siguiente grfico se presenta la evolucin del consumo del sector CPR. En este caso se aprecia que para el ao 2030 el consumo en el escenario optimista es un 21% mayor que el escenario base mientras que el escenario pesimista proyecta un consumo menor en un 16%.
Figura 107: Consumo total de Energa Sector CPR
Teracaloras
20 00 20 02 20 04 20 06 20 08 20 10 20 12 20 14 20 16 20 18 20 20 20 22 20 24 20 26 20 28 20 30
Aos Escenario base Escenario pesimista
Fuente: Elaboracin Propia
Escenario optimista
132
Para el sector transporte, como se muestra en el siguiente grfico, para el ao 2030 el escenario optimista estima un consumo mayor en un 36% al del escenaro base, mientras que el escenario de crecimiento pesimista proyecta un consumo un 24% menor.
Figura 108: Consumo total de Energa Sector Transporte
700000 600000 Teracaloras 500000 400000 300000 200000 100000 0
20 00
20 03
20 06
20 09
20 12
20 15
20 18
20 21
20 24
Las diferencias presentadas en el sector de celulosa y papel son menores que en el caso anterior ya que, segn el siguiente grfico, para el ao 2030, el escenario optimista estima un consumo mayor en 21% el base, mientras que el escenario pesimista proyecta un consumo un 17% menor.
20 27
20 30
133
Escenario optimista
Como se muestra en la siguiente figura, las variaciones en el sector de cemento son menores que las presentadas en los casos anteriores ya que, para el ao 2030, el escenario optimista sobreestima el consumo base solo en un 13% mientras que el escenario pesimista subestima el consumo sectorial en un 10%.
Figura 110: Consumo total de Energa Subsector Cemento
7000 6500 6000 5500 5000 4500 4000 3500 3000 2500 2000
20 00 20 02 20 04 20 06 20 08 20 10 20 12 20 14 20 16 20 18 20 20 20 22 20 24 20 26 20 28 20 30
Teracaloras
Escenario optimista
134
Como se muestra en la siguiente figura, las variaciones en el sector de industrias y minas varias son casi tan altas como las presentadas por el sector de transporte ya que para el ao 2030 el escenario optimista sobreestima el consumo base en un 30% mientras que el escenario pesimista subestima el consumo sectorial en un 22%.
Figura 111: Consumo total de Energa Subsector Industrias y Minas Varias
Teracaloras
20 00 20 03 20 06 20 09
Escenario base
Escenario pesimista
Fuente: Elaboracin Propia
En general se aprecia que las mayores variaciones en el consumo sectorial ante cambios en el PIB se asocian a dos sectores el trnsporte y el de industria y minas varias. Ademas hay que resaltar que los modelos son ms sensibles en el escenario optimista que en el pesimista.
Consumos por tipo de energtico En este punto se realizan analisis de sensibilidad en torno al consumo de los principales energticos. Por este motivo se analizan los consumos agregados de electricidad, diesel y lea.
Como se muestra en la siguiente figura el consumo electrico presenta un alto gradod e sensibilidad al crecimiento del PIB. Debido a esto, para el ao 2030, el escenario optimista tiende a sobreestimar en un 31% el consumo calculado en el escenario base, mientras que el escenario pesimista subestima el consumo de electricidad en un 22%.
20 12 20 15 20 18 20 21 20 24 20 27 20 30
Aos Escenario optimista
135
220000 200000 180000 160000 140000 120000 100000 80000 60000 40000 20000
06 00 03 09 12 15 18 21 24 27 20
7 20 2
Teracaloras
20
20
20
20
20
20
20
20
20
Escenario optimista
A su vez, para el consumo de diesel se aprecia una menor sensibilidad ante cambios en el PIB ya que, para el ao 2030, el escenario optimista sobreestima en un 18% el consumo calculado en el escenario base y el escenario pesimista subestima el consumo de diesel en un 14%.
Figura 113: Consumo total de Diesel
Escenario optimista
20
30
136
Finalmente, el consumo de lea es presenta variaciones intermedias ante cambios en el PIB. Ya que en el escenario de crecimiento optimista se espera que para el ao 2030 el consumo de lea sobreestime en un 20% el consumo determinado en el escenario base. Mientras que el escenario de crecimiento pesismista sobreestima en un 17% este consumo.
Figura 114: Consumo total de Lea
120000 110000 100000 90000 80000 70000 60000 50000 40000 30000 20000
20 00 20 03 20 06 20 09 20 12 20 15 20 18 20 21 20 24 20 27 20 30
Teracaloras
Escenario optimista
137
Introduccin
La estimacin futura de la demanda elctrica es un factor de relevancia en el estudio de la expansin y desarrollo de los sistemas elctricos interconectados. Mientras mayor detalle se posea sobre la evolucin futura de los consumos elctricos, mejor ser el nivel de anlisis que se pueda realizar. Un consumo elctrico puede ser caracterizado a travs de distintos indicadores (parmetros) que reflejan en mayor o menor detalle su comportamiento a travs del tiempo. En esta seccin se propone, luego de presentar antecedentes tcnicos relacionados con el estudio de consumos, metodologas alternativas que permiten estimar curvas de duracin de carga de consumos futuros de energa elctrica a partir de las estimaciones generales de energa presentadas en las secciones anteriores.
2 Antecedentes
Respecto de los consumos, con el fin de poder formalizar un lenguaje para desarrollar un modelo de estimacin de consumos, es conveniente realizar las siguientes definiciones preliminares: Demanda es la potencia presente en los terminales de un sistema, promediada en un intervalo corto y especificado de tiempo (por ejemplo 15 minutos, 30 minutos o 1 hora, que es lo ms comn). Consumo es la energa total solicitada en un perodo dado. Las curvas de carga (diaria, semanal, anual, segn sea el perodo considerado) se usan para considerar las variaciones lentas a lo largo del tiempo. Una forma tpica para un sistema grande (en un pas no tropical y donde no se emplee mucho el aire acondicionado, como Chile) es la de la siguiente figura (izquierda), con dos mximos bien diferenciados (plena ocupacin industrial al final de la maana, y superposicin del alumbrado al final de la tarde). En pases donde los equipos de aire acondicionado son importantes, la punta suele ser mayor al final de la maana.
138
P [pu] 1
Dmx
P [pu]
0,4
Dmn
[t] [t] 0 24 Curva de duracin de la demanda 24
La curva de carga no es permanente, sino que se modifica significativamente ante la ocurrencia de situaciones especiales, como la transmisin por TV de algn evento importante, detenciones de industrias grandes, huelgas o mantenimientos, condiciones atmosfricas que adelanten la conexin del alumbrado o del aire acondicionado, etctera. Demanda mxima, demanda de punta o pico de demanda es la mayor demanda que se presenta durante el perodo considerado ( Dmax en la Figura 115). Perodo de mxima carga es aquel durante el cual se presentan las mayores demandas (por ejemplo, 18 a 23 horas en invierno). Demanda mnima o carga base es la menor demanda que se presenta durante el perodo considerado ( Dmin en la Figura 115). El consumo o energa E utilizada durante el perodo total T es el rea bajo la curva de carga. Demanda media es el cociente entre la energa consumida durante el perodo considerado y la duracin de dicho perodo:
T
Dmed
E = = T
P(t )dt
0
(1)
o o o o o
8760 horas para un ao de 365 das, 8640 horas si se trabaja con un ao de 12 meses, de 30 das c/u, 744 horas para un mes de 31 das, 720 horas para un mes promedio de 30 das, 168 horas para una semana.
Factor de carga es el cuociente entre la demanda media y la demanda mxima, medido en un intervalo de tiempo especificado.
fc = Dmed E = Dmax T Dmax
(2) El factor de carga vara entre 12% (consumos domiciliarios) y cerca de un 100% (por ejemplo, industria minera intensiva). Factor de demanda es la relacin entre la demanda mxima de uno o varios consumidores durante un perodo especificado y la potencia elctrica instalada ( Pinst ) por ese o esos consumidores. Este factor mide la utilizacin real que se hace del equipo instalado:
f dem = Dmax Pinst
(3) Diversidad es la no-coincidencia horaria de las demandas mximas individuales alimentadas por un sistema. Factor de diversidad es el cociente entre la suma de las demandas mximas individuales
Dmax,i
D
i
max, i
(4) Para agrupaciones grandes de consumos (regiones), el factor de diversidad vara entre 1,03 y 1,10 mientras que en el caso de las industrias, lo hace entre 1,1 y 1,3, aproximadamente. Factor de coincidencia es el recproco del factor de diversidad. La curva de duracin de la demanda (Figura 115 derecha) presenta tambin las demandas del perodo considerado, pero ordenadas de mayor a menor. Los ejes pueden ser expresados en MW y horas, o en tanto por uno, en cuyo caso se les puede dar el significado de probabilidades. El rea bajo la curva es la energa consumida en el
Dmax
140
perodo si los ejes estn en MW y h, o el factor de carga del perodo si los ejes estn en tanto por uno. Cuando no hay datos suficientes o detallados o bien en estudios preliminares, suelen usarse representaciones aproximadas de la curva de duracin, tales como la recta de expresin:
d= D = 1 3 (1 f c ) t Dmax
(5) (6)
d = 1 (1 f c2 ) t fc
Metodologa propuesta
Es de inters poder realizar estimaciones anuales del consumo de electricidad del pas, atendiendo a los siguientes criterios: Abordar un horizonte de anlisis de 30 aos. Se desea conocer al menos el consumo anual de energa y las demandas mximas que enfrentara el sistema. Es deseable conocer las estimaciones para el pas completo, el sistema interconectado del norte grande (SING) y el sistema interconectado central (SIC). Hacer uso del modelo de proyeccin propuesto en este trabajo. Permitir un anlisis de sensibilidad de los parmetros crticos.
Respecto del modelo de proyeccin propuesto en este trabajo, cabe sealar que este es capaz de estimar consumos anuales de energa elctrica para los siguientes sectores: Sector transporte, Sector Industrial y Minero, Sector Comercial, Pblico y Residencial (CPR), Otros Sectores.
En cada uno de estos sectores se consideran subsectores especficos que permiten una desagregacin mayor de las estimaciones.
141
En funcin de estos antecedentes, se propone el siguiente esquema general con metodologas alternativas para la estimacin del consumo elctrico.
Figura 116: Modelaciones alternativas
Metodologa
Paso 1
Paso 2
Paso 3
M1
Consumo Composicin fc,a electricidad Industrial / equivalente Ea con datos CPR GWh/ao histricos fc,a promedio ponderado
D (t ) =
g (t ) = 1 (1 f c2 ) t fc
E g (t ) 8760 f c
Un primer elemento a determinar corresponde al alcance del modelo. En la medida que se desee analizar el pas completo la metodologa debera tener un alcance Pas. Esto es especialmente vlido si se desea estudiar un escenario donde los sistemas interconectados del pas se unan. Por otro lado, se proponen dos metodologas alternativas de estimacin:
Metodologa 1
Del modelo de estimacin de consumos propuesto en este trabajo se dispone de una estimacin global del consumo de electricidad para el sistema seleccionado en un ao 142
determinado (paso 1). Asimismo, el anlisis por subsector permite determinar porcentualmente la componente energtica CPR e industrial del consumo estudiado (paso 2). El resultado del paso puede ser utilizado para estimar un factor de carga del subsistema seleccionado. La siguiente grfica muestra la evolucin histrica del factor de carga para el SING y el SIC y para el sistema conjunto suponiendo un factor de coincidencia unitario.
Figura 117 Evolucin del factor de carga
1996
1998
2000
2002
2004
2006
Si se supone un desarrollo tendencial para los prximos aos, la evolucin histrica es consistente con los valores utilizados por la CNE en la ltima fijacin de precios de nudo: Factor de carga SIC de 0,744. Factor de carga SING de 0,87.
Asimismo, en el caso de cambios estructurales importantes en la composicin del consumo elctrico, es posible interpolar o extrapolar el factor de carga del subsistema seleccionado. La siguiente figura muestra un esquema general de clculo.
143
Factor de carga
0,870 0,744
Estimacin
Composicin de consumo
% CPR
% industrial
Fuente: Elaboracin Propia
A travs del conocimiento actual de los factores de carga de nuestros subsistemas y de su composicin industrial/CPR, es posible establecer la estimacin lineal mostrada en la Figura 115. De esta forma estimando una composicin futura de los consumos, es factible estimar el factor de carga del sistema o subsistema (paso 3). Conocida la energa anual y el factor de carga, es posible aproximar de la curva de duracin de carga presentada en la seccin anterior como
D(t ) =
(7) Consecuentemente, se pueden conocer para cada ao de estudios los valores de Dmax, Dmin, Dmed.(paso 4).
Metodologa 2
E 1 (1 f c2 ) t fc 8760 f c
El primer paso de esta metodologa es anlogo al descrito para la metodologa 1. Sin embargo, en el proceso de clculo de la energa para cada subsector, junto con suponer factores de conversin de energa elctrica asociados a la evolucin de la actividad de cada subsector, se estima un factor de carga para cada subsector especfico. Esta estimacin se basa en un conocimiento de los procesos productivos asociados, el que es fcil de respaldar con mediciones en terreno (paso 2). Con los resultados del paso 2 es factible estimar un factor de carga para el sistema en el ao de estudio, el que corresponde a un promedio ponderado de los factores de carga calculados
144
para cada subsector en conformidad con su aporte energtico relativo. En este clculo puede ser necesario estimar un factor de diversidad asociado a los consumos de manera de reflejar la dinmica diaria o estacional de los distintos procesos productivos. El factor de diversidad puede calcularse a travs de una calibracin del modelo con datos estadsticos de aos recientes (paso 3). Por ltimo, conforme a lo explicado para la metodologa 1, conocida la energa anual para el sistema en estudio y el factor de carga asociado, es factible una estimacin de la curva de duracin de carga y sus parmetros distintivos (paso 4). Cabe mencionar que en el caso de estudiar subsistemas como el SIC o SING, esa metodologa requiere de un tratamiento diferenciado por subsistema de los modelos de actividad de cada subsector.
4 Aplicacin
En esta seccin se describir en detalle la aplicacin de la metodologa propuesta para poder realizar una proyeccin de la demanda mxima por sistema (SIC, SING). La aplicacin que se muestra ms abajo se basa en la implementacin de la metodologa 1 propuesta en este estudio. Para ello se necesita determinar la composicin de la demanda de cada sistema en trminos de consumo de los sectores CPR e industrial, y los factores de carga de cada sistema para el ao base, en este caso 2006. El primer paso consiste entonces en determinar la composicin CPR(%) e Industrial(%) de cada sistema. Dada la desagregacin por sectores de que se dispone para los pronsticos de consumo de energa elctrica, se propone asociar cada uno de ellos a los respectivos sistemas interconectados (SIC, SING) de acuerdo a como se muestra en el cuadro 5:
CUADRO 5: Composicin de demanda de energa elctrica por sistema SIC SING Sector Participacin Sector Participacin CPR parcial* CPR parcial Papel y celulosa total** Minera parcial Minera parcial Industria y minas varias parcial Cemento total Industria y minas varias parcial Otros total Nota: * Indica que el consumo total de este sector se distribuye entre ambos sistemas ** Indica que el consumo total de este sector se asocia a un nico sistema
Del cuadro 5 se observa que los sectores Papel y celulosa, Cemento y Otros no representan dificultad, puesto que se asocian a un solo sistema, en este caso, el SIC. Por otro lado, el consumo de los sectores: CPR, Minera, e Industria y minas varias si debe distribuirse entre
145
ambos sistemas. Para el caso del sector CPR, la desagregacin de consumo fue realizada utilizando la proyeccin de poblacin por sistema de acuerdo a las proyecciones demogrficas realizadas por CELADE. En el sector minera, el parmetro utilizado para realizar la desagregacin descrita fueron las proyecciones de consumo de energa del sector realizadas por Cochilco para el perodo 2007-2030 e informacin sobre futuros proyectos mineros. Finalmente, en el caso de Industria y minas varias la desagregacin se realiz usando como base los datos obtenidos de la encuesta de consumos de energa elctrica realizada por el INE. Una vez determinados los consumos de sectores por sistema, la participacin porcentual en la demanda de energa del sector CPR se determina considerando solamente su consumo propio y mediante la suma de los dems sectores se determina la participacin porcentual del sector industrial. De acuerdo a lo descrito anteriormente, para el sistema SIC en 2006, la proporcin de consumo del sector CPR es de 38,8% y la componente industrial corresponde al 62,2% restante. Por otro lado, en el caso del SING, el consumo del sector CPR equivale a un 8,1% y la industria representa el 91,9% restante. De igual manera, se obtienen los puntos caractersticos por sistema para el perodo 1995-2006, en los anexos de este informe se presentan las Tablas que muestran los datos histricos y proyectados usados en este estudio. Esto permite generar un conjunto de puntos para cada sistema, sobre los cuales se proyectar una lnea recta que permitir la proyeccin del factor de carga de acuerdo al cambio estructural en el consumo de energa, en este caso, considerando la variacin del consumo CPR respecto del total. Las figuras 119 y 120 muestran las rectas obtenidas para cada sistema y los valores de factor de carga proyectados para cada uno de ellos.
146
En la figura 119 se observa que la recta obtenida es de pendiente negativa, lo que significa que en la medida que aumente el consumo del sector CPR el factor de carga disminuir. Esto se debe a que el SING es un sistema en el que el comportamiento de la demanda se rige en gran medida por el rgimen de operacin de las faenas mineras. Asimismo, dada la caracterstica industrial de la demanda en el SING se puede imponer un factor de carga mnimo por el poco consumo del sector CPR en relacin con el total, en este sentido se impone una cota mnima para sistemas elctricos con estas caractersticas que para el caso en estudio es de 0,72. Por tal razn, se observa que los fc proyectados (lnea roja) saturan hacia abajo en el nivel previamente fijado. En cuanto a la proyeccin, la tendencia lineal obtenida corresponde a la siguiente ecuacin:
fc = 4, 0206 ( %CPR ) + 1,1255
(8)
147
0,300
0,350
%CPR
0,400
0,450
Histrico
Proyectado
Lineal (Histrico)
Por otro lado, para el caso del SIC, ver figura 120, el comportamiento histrico del factor de carga corresponde a un cambio estructural opuesto al del SING, es decir ste aumenta en la medida que el consumo del sector CPR crece. Lo que corresponde a una recta de pendiente positiva. En cuanto a los datos proyectados (puntos rojos) tambin se impuso una cota, en este caso superior, en concordancia con el comportamiento de la demanda en sistemas con alta participacin de consumos residenciales, pblicos y comerciales. A diferencia del SING, en el SIC el sector CPR es energticamente mas intensivo y grandes centros de demanda, caso Santiago, estn pasando de ser dependientes de actividades industriales a sociedades prestadoras de servicios, fenmenos que contribuyen al comportamiento observado del fc. Dados estos antecedentes, la cota superior fue fijada para un factor de carga de 0,76. La proyeccin entonces satura en 0,76 y para valores menores obedece a la siguiente ecuacin: fc = 0,9269 ( %CPR ) + 0,3558 (9) Una vez estimados los factores de carga por sistema para el perodo de planificacin bajo estudio resta calcular la curva de duracin anual de acuerdo a la ecuacin (7). Las figuras 121 y 122 muestran las curvas de duracin obtenidas para SING y SIC respectivamente, para los aos comprendidos en el perodo bajo estudio en intervalos de 5 aos para facilitar su observacin.
148
3500,0
3000,0
Demanda [MW]
2500,0
ao
2007 2012
2000,0
1500,0
2030
1000,0
500,0
0,0
0 438 876 1314 1752 2190 2628 3066 3504 3942 4380 4818 5256 5694 6132 6570 7008 7446 7884 8322 8760
horas Datos
20000,0
Demanda [MW]
15000,0
ao
2007 2012 2017 2022 2027 2030
10000,0
5000,0
0,0
0 438 876 1314 1752 2190 2628 3066 3504 3942 4380 4818 5256 5694 6132 6570 7008 7446 7884 8322 8760
horas Datos
149
Finalmente, obtenidas las curvas de duracin se pueden calcular los valores de demanda mxima, demanda media y demanda mnima del SIC y SING. Las figuras 123 y 124 muestran las proyecciones por sistema interconectado.
Figura 123. Proyeccin de la demanda SING
Proyeccin de la demanda SING 4.000,0 3.500,0 3.000,0
Demanda [MW]
2000
2005
2010
Ao Dmax Dmedia
2015
2020
2025
2030
Dmin
20.000,0
Demanda [MW]
15.000,0
10.000,0
5.000,0
Ao
Dmax Dmedia Dmin
150
Los modelos de estimacin de consumos pueden ser utilizados como informacin de entrada en distintos tipos de estudios de los sistemas elctricos de potencia. La siguiente figura muestra una clasificacin de este tipo de estudios segn su alcance estratgico, tctico u operacional.
Nivel estratgico
Panificacin / evaluacin de proyectos Consumo Dmax, Dmedia, Dmin Curva duracin anual
Coordinacin hidrotrmica Modelos de planificacin Bloques de demanda mensual Red: modelo simplificado Flujos DC, transporte
Nivel tctico
Estudios de tipo estacionario Estudios de mltiples estados/escenarios de operacin.
Flujos de potencia AC Despacho econmico Predespacho de unidades Estudio de cortocircuito. Demandas diarias, horarias. Red: modelos de red detallados pero estacionarios.
Nivel operacional
Anlisis de seguridad Estudio detallado de condiciones de operacin crticas.
Simulaciones dinmicas.
meses / aos
segundos
Cada uno de estos involucra niveles de detalle distinto tanto en lo que se refiere a la demanda como a los parmetros del resto del sistema. A modo de ejemplo en estudios operacionales que buscan evaluar la seguridad de un sistema elctrico, slo se requiere la informacin de demanda para situaciones de operacin especficas, las que sirven de situacin base para estudios dinmicos. De esta forma es posible evaluar la estabilidad de un sistema elctrico frente a perturbaciones. A nivel tctico, las demandas pueden ser descritas en forma diaria, en etapas horarias. De esta forma, a travs de herramientas, tales como el predespacho de unidades, es posible evaluar el desempeo del parque generador y detectar posibles problemas (coordinacin de unidades, precios, congestiones) en la operacin estacionaria del sistema. Por ltimo, a nivel estratgico, los estudios tienden a simplificar la modelacin de la red elctrica a favor de una representacin adecuada de las incertidumbres para horizontes de anlisis anuales, en etapas mensuales. En el caso de Chile, en el sistema interconectado
151
central, es comn el uso de herramientas de coordinacin hidrotrmica para simular la operacin esperada del sistema, realizando un uso optimizado de los recursos hidrulicos del sistema. En este tipo de anlisis la red es modelada a travs de modelos de transporte o bien con flujos de potencia linealizados. El modelo desarrollado aporta con informacin en el mbito estratgico, para conocer anualmente en forma estimada las energas demandadas, la curva de duracin de carga asociada, factores de carga, demandas mximas, medias y mnimas esperadas. De esta forma, utilizando los criterios actualmente en aplicacin por parte de la CNE, es factible completar la informacin necesaria para estudios de carcter estratgico. Estos criterios pueden ser perfeccionados a futuro en el marco de estudios detallados de la distribucin espacial y temporal de la demanda en el sistema.
152
En este estudio se propone y aplica un modelo para proyectar el consumo de energa final de Chile hasta el ao 2030, considerando los principales sectores consumidores. Adems, con las proyecciones del consumo elctrico sectorial y agregado se hace un ejercicio que permite estimar las curvas de duracin anual y las proyecciones de demanda elctrica diferenciada espacialmente entre los sistemas interconectado Central (SIC) y del Norte Grande (SING). A continuacin se presentan las principales conclusiones y recomendaciones que emanan del estudio.
Conclusiones El modelo seleccionado para este fin es de carcter hbrido, basado en un enfoque sectorial, que combina un anlisis economtrico cuando las tendencias parecen robustas para el sector y opinin experta y anlisis de uso final cuando se esperan cambios en estas tendencias. Se sigue con ello lo prctica creciente en el mundo para proyectar consumos energticos en el largo plazo y hacer planificacin estratgica del sector. Por cierto este tipo de modelo no pretende replicar fluctuaciones asociadas a shocks de corto plazo como por ejemplo el impacto de variaciones en los precios de los energticos.
Un modelo hbrido de estas caractersticas permite integrar tanto los aspectos fsicos como econmicos en un marco comn. Por ejemplo, mientras las relaciones economtricas internalizan los efectos de precios, ingresos o polticas del pasado, el enfoque de uso final acomoda nuevos usos finales, mezclas alternativas de combustibles, penetracin de artefactos y tecnologas, patrn de crecimiento de la produccin fsica o su valor, la poblacin, emisiones y la distribucin del ingreso entre segmentos. El enfoque hbrido permite as acomodar cambios esperados no tendenciales, en particular la abrupta reduccin en la disponibilidad de gas natural desde Argentina. En efecto, la componente economtrica del modelo propuesto incorpora de manera implcita en sus parmetros los cambios tecnolgicos y la sustitucin entre energticos ocurridos en el periodo para los cuales hay datos. Asume un enfoque de funcin de produccin al relacionar la produccin anual de cada subsector con consunos energticos, basado en la relacin entre estos parmetros observados en el pasado. Por lo anterior, las proyecciones asumen que las evoluciones histricas en estas variables se mantienen en el tiempo y no incorporan la aparicin de tecnologas o cambios en precios relativos sustancialmente diferentes a los vistos en el pasado, o que puedan generar cambios estructurales. Si no se esperan cambios en las tendencias pasadas, esta aproximacin puede considerarse apropiada, y tiene la ventaja de no exigir disponer de muchos datos tecnolgicos.
153
Aplicando el enfoque propuesto se hacen proyecciones para los sectores Industrial y Minero; de Transporte; y Comercial, Pblico y Residencial basadas en correlaciones con variables cuya variacin futura se puede estimar de manera relativamente simple. Para los subsectores energo intensivos del sector Industrial y Minero se proyecta la produccin futura del subsector en base a tendencias y opinin experta y asocia luego un consumo energtico. Los consumos del sector transporte se relacionan con el parque futuro de cada tipo de vehculo asumiendo patrones de consumo parecidos al pasado por vehculo. Los consumos de los dems sectores se relacionan con el crecimiento del producto interno bruto, variable con la cual resultaron estar estrechamente correlacionadas. Para cada sector se han considerado mltiples energticos, en particular electricidad, derivados del petrleo, gas natural, carbn y lea. En general, los modelos desarrollados tienen un buen ajuste frente a los datos histricos. La nica excepcin es la estimacin del consumo de lea que result poco robusta. Esto puede ser explicado por problemas en la medicin de los datos entregados por el balance de energa, Por ello se sugiere a futuro realizar un estudio especfico del consumo actual y futuro de este energtico por sector y de las tendencias sectoriales esperadas en su consumo. Los resultados muestran que el consumo de energa final entre los aos 2007 y 2030 aumentar 3,3 veces, a una tasa promedio de 5.4% anual. Chile pasar de consumir 245.000 tcal ao a 812.000 tcal ao en este periodo. El sector Industrial aumentar su consumo 2,5 veces, el sector CPR 2,4 veces y Transporte 4,7 veces. Como resultado, el sector transporte pasar de representar el 38% del consumo final el ao 2007 al 54% el ao 2030, siendo por lejos el sector ms importante en cuanto a consumidor de energa final. Respecto de los consumos por energtico, cabe destacar el notable aumento esperado en el consumo elctrico y de diesel. En efecto el sector Elctrico aumenta 3,2 veces y Diesel 4,2 veces. El mayor crecimiento de electricidad surge del crecimiento del consumo del sector CPR que aumenta 4,2 veces en el perodo. El consumo de diesel en cambio se ve afectado por el aumento de su consumo en el sector transporte (4,9 veces). Petroleos combustibles aumenta 7 veces influenciado por el fuerte aumento en el transporte martimo. La lea por su parte, muestra un crecimiento esperado de 2,1 veces, influenciado por el aumento del consumo en el sector Industrial (2,9 veces). No se aprecia un mayor aumento en el consumo final de carbn debido a que este energtico se usa bsicamente para generar electricidad, por tanto corresponde a consumo intermedio y no se considera en este estudio. Un anlisis de sensibilidad considerando tasas de crecimiento optimistas (un punto superior al caso base) y pesimistas (un punto menos) genera un rango para los valores de consumo energtico final. Bajo un escenario de crecimiento alto (bajo), el consumo de energa al ao 2015 sera un 8% superior al de lnea base (7% inferior) y al 2030, un 29% ms alto (20% menor), superando el milln de Tcal/ao.
154
Para planificar el desarrollo del sector elctrico es importante relacionar la energa promedio anual con la demanda (potencia) media y mxima requerida para satisfacer sta. Para ello, se propone una metodologa relativamente simple, basada en el factor de carga de cada sistema, que corresponde al cuociente entre la demanda media y mxima. Este factor depende de los tipos de consumo conectados al sistema elctrico, siendo menor para aquellos con alto consumo del sector CPR y mayores para los con alto consumo industrial. Para el SIC este factor fue de 0,74% el ao 2006 y para el SING de 0,87%, reflejando un mayor consumo relativo industrial de este ltimo. Para examinar el desarrollo espacial de la demanda elctrica final se ha separado sta entre el SIC y el SING. En base a la energa requerida y los factores de carga esperados cada ao para cada sistema se proyect la demanda anual por sistema entre el 2007 y 2030. Los resultados muestran que la demanda elctrica media del SIC se ms que triplicar, pasando de 5.000 MW el 2007 a casi 17.000 MW el 2030 y la mxima de casi 7.500 MW a 22.000 MW en el mismo periodo. Para el SING, la demanda media (mxima) se duplicar, pasando de 1.400 MW (2.000 MW) a casi 2.700 MW (3.750 MW) en el periodo.
A continuacin se hacen recomendaciones especficas para el desarrollo futuro de modelos de estimacin de consumo de energa final. En el anexo 9 se presenta una descripcin ms detallada de los sectores a analizar y los parmetros y variables que seran deseables de modelar.
Mejorar informacin sobre lea/biomasa. Los resultados anteriores se basan en antecedentes secundarios disponibles de consumos finales de cada energtico por sector a partir de antecedentes del balance de Energa de la CNE. Una primera recomendacin es mejorar la serie de datos para el consumo final e intermedio de lea ya que ste se estima deficiente. Esto es relevante para determinar la evolucin esperada de este consumo y las sustituciones esperadas con otros energticos. La lea y biomasa se usarn de manera creciente para generar electricidad y calor en la industria, en particular si reemplazan combustibles fsiles. Esta sustitucin se ver incentivada por el desarrollo de proyectos de reduccin de emisiones de gases de efecto invernadero, apoyado por recursos externos. Por otra parte existen restricciones de disponibilidad de este energtico que deben incorporarse en el anlisis. La inadecuada informacin disponible no hace posible un buen anlisis de lo anterior. Analizar por sector y energtico si los factores promedio de consumo obtenidos se mantendrn en el tiempo. Los modelos desarrollados para cada sector y energtico permiten una proyeccin simple de los consumos energticos finales. Los resultados se basan en las tendencias observadas de consumo asociadas a los diversos niveles de produccin o consumo futuros de los principales sectores.
155
El incremento de los consumos esperados al 2030 se proyecta sin considerar mayores efectos de las polticas de eficiencia energtica desarrolladas hasta ahora de manera incipiente en Chile. Tampoco se examina de manera diferenciada el efecto esperado de cambios en los quintiles de ingreso sobre estos consumos. No se consideran los efectos sobre las tendencias de consumo de los cambios en los precios absolutos y relativos de los energticos. Finalmente, los cambios tecnolgicos o de disponibilidad energtica no se incorporan de manera explcita a menos que haya algn cambio sustancial, como es el caso de disponibilidad de gas natural. Sin embargo cada una de stas podra tener un efecto importante sobre la demanda energtica, en particular la elctrica y su efecto debera estudiarse en ms detalle. Para mejorar esta estimacin, es necesario en primer trmino, realizar un anlisis por sector respecto de si los factores promedio estimados reflejan bien los cambios esperados a futuro para cada energtico. En caso contrario debern corregirse. Esto se hizo de manera inicial en base a opinin experta, pero debe hacerse de manera ms sistemtica por sector. Por ejemplo, se puede hacer en base a un benchmarking tecnolgico a nivel mundial para los sectores energo intensivos y del impacto de polticas de eficiencia energtica para CPR. El problema de estas correcciones es que son ad-hoc y requieren supuestos fuertes por parte del modelador. Sera interesante desarrollar un anlisis de la evolucin esperada de los ingresos por quintil hasta el 2030, y un anlisis por separado para cada uno de las implicancias en la demanda energtica del sector residencial.
Profundizar los anlisis de sustitucin entre energticos. Esto se realiz en base a opinin experta y los datos disponibles, en particular entre gas natural y otros energticos y diesel y petrleo combustible. Es necesario profundizar lo realizado considerando en mayor detalle las sustituciones entre energticos en el sector de industrias y minas varias, idealmente separando ambos subsectores (existen antecedentes para ello al menos desde 1996); adems para cemento que permite sustitucin entre diversos combustibles. Se requiere analizar con ms detencin el impacto esperado de la desaparicin del gas natural sobre los sectores que ms lo utilizan; lo mismo se debe hacer para los sectores que consumen lea. Tambin deben examinarse el uso de combustibles que no se correlciona bien con la variable independiente considerada. Por ejemplo, otros combustibles tiene una mala correlacin con PIB para el sector CPR, lo que dificulta una buena estimacin para ste. Hacer anlisis de otros escenarios de inters para la autoridad. Los modelos desarrollados permiten sensibilizar en torno a produccin sectorial y PIB y solo se hizo esto ltimo. Tambin se pueden hacer supuestos diferentes respecto del crecimiento del parque de vehculos, en particular livianos y comerciales diesel; o asumir cierta tendencia a la reduccin de ciertos consumos en base al anlisis de benchmarking sugerido antes.
156
Extender la modelacin hacia un modelo de uso final en sectores con impacto importante en los consumos elctricos. Una extensin natural para este tipo de anlisis de largo plazo consiste en utilizar modelos de uso final. En particular se sugiere como siguiente etapa implementar el modelo LEAP que a pesar de no ser especficamente diseado para proyeccin de consumo, lo permite con relativa simpleza. Debido al amplio grado de detalle que requiere este modelo, es necesario un mayor plazo para elaborarlo y focalizar solo en los sectores en que los cambios tendenciales no reflejan apropiadamente lo que se espera para el largo plazo.
Otro criterio para una primera etapa es implementar en mayor detalle aquellos sectores en los que se espera haya un impacto importante de polticas de eficiencia energtica. Por ello se propone inicialmente abordar el sector CPR y los subsectores industriales intensivos en consumo de electricidad. En una segunda etapa se puede incorporar el subsector de industrias y minas varias, examinando en ms detalle los procesos especficos que incluye. Finalmente, parece aconsejable incorporar el sector transporte en ms detalle ya que se esperan cambios importantes de tecnologa al incorporar vehculos con crecientes exigencias ambientales. Esto tiene varias ventajas, respecto de lo ya realizado. El LEAP permite trabajar con un nivel de agregacin alto. Las proyecciones economtricas realizadas seran un insumo til, por lo que se aprovechara el trabajo realizado. No tiene las exigencias de informacin del MAED. Permite elaborar distintas opciones de poltica asociadas principalmente a criterios de eficiencia energtica y la incorporacin de nuevas tecnologas y combustibles. Permite evitar el problema de cambios macro ad-hoc al variar los parmetros estimados de manera economtrica. Al haber suficiente detalle en cada sector, los cambios que se incorporan al modelo reflejan con mayor realismo los cambios tecnolgicos o de comportamiento esperados que los cambios ad-hoc antes sealados. Se puede estimar la demanda derivada de energticos del sector elctrico. Con ello se puede estimar el consumo energtico total al incorporar la demanda por energa de centros de transformacin. En particular se puede proyectar la demanda futura de carbn. El LEAP permite adems analizar el impacto sobre el consumo total de energa de incoroporar energas renovables no convencionales (ERNC) al sector elctrico. Otra ventaja es que permite estimar de manera directa las emisiones de gases de efecto invernadero y las reducciones esperadas de polticas de eficiencia energtica y de promocin de ERNC.
Desarrollar en detalle la proyeccin por separado del consumo elctrico del SIC y del SING. Sobre la base de los antecedentes disponibles se realiz un primer ejercicio separando el consumo del SIC y del SING. Hubo que hacer para ello diversos supuestos
157
que es necesario mejorar. Por ejemplo, el consumo elctrico esperado de cada sector por sistema. Se debe analizar en mayor detalle el consume de industrias y minas varias, CPR y el sector cobre. Lo mismo respecto de los supuestos relativos a la forma de evolucin del factor de carga para cada sistema. Se asumi saturacin para cada uno en base a experiencia, pero se requiere realizar este anlisis con mayor detencin.
Para un anlisis regional se sugiere combinar lo realizado con otros esfuerzos, por ejemplo el model DARTE. Un enfoque basado en redes parece atractivo para realizar este tipo de anlisis. Utiliza como insumo las proyecciones de nivel nacional de consumos de energa final. Integrar en una etapa posterior, o en paralelo al desarrollo del LEAP, modelacin de equilibrio general de la economa. Este debe ser un modelo dinmico recursivo, diferente al LEAP y no integrado al mismo, al menos en una primera etapa. El plan de obras que se proponga, el impacto de las polticas de eficiencia energtica e incorporacin de ERNC y las tarifas de distribucin que se logren del proceso de licitacin de las mismas determinarn, en conjunto con la evolucin esperada de los precios de los combustibles, diversos impactos en el desarrollo de los sectores econmicos. Estos deben determinarse utilizando un modelo de equilibrio general que a su vez incorpore los shocks esperados para la economa en cuanto a precios de sus exportaciones e importaciones en el periodo de anlisis. Con ello se puede hacer un anlisis de la compatibilidad entre los supuestos relizados para el sector energtico para el LEAP (por ejemplo tasas de crecimiento) y los que se obtienen del modelo de equilibrio para la economa.
158
REFERENCIAS
[1] Anderberg, S., Surprise-Rich Scenarios for Global Population, Energy and Agriculture 1975-2075: in Toth F. L., E. Hizsnyik and W. Clark, 1989, Scenarios of Socioeconomic Development for Studies of Global environmental Change: A Critical Review. IIASA RR89-004. Laxenburg, Austria. [2] Hfele W. (program leader) Energy in a Finite World: Paths to a Sustainable Future Vol.1. A Joint Study of the International Institute of Applied System Analysis and the World Energy Council, Ballinger, Cambridge, USA [3] Intergovernmental Panel on Climate Change, Chapter 19: Energy supply mitigation options. In: Impacts, Adaptation and Mitigation of Climate change: Scientific - Technical Analyses. Contribution of Working Group II to the second assessment Report of the Intergovernmental Panel on Climate Change. (Watson, R. T., M. C. Zinyowera, and R. H. Moss, (eds.)), Cambridge University Press, Cambridge and New York, UK. [4] Instituto Nacional de Estadsticas, Sector Elctrico, Informe Anual 2006. pp 48-49. Julio 2007. [5] Joost Siteur, RWEDP. The Long-range Energy Alternatives Planning model (LEAP) and Wood Energy Planning Overview and Exercises.
[6] Long-range Energy Alternatives Planning System . User Guide for LEAP 2005. http://forums.seib.org/leap.
[7] Max-Planck-Insitut fr Plasmaphysik (IPP). Global long-term energy scenarios: lessons learnt. Report No. 16/13. March 2007. [8] McCarthy, Yang, Ogden Assessing Strategies for Fuel and Electricity Production in a California Hydrogen Economy. 2006. [9] Ygdrassil, A., M. Gelobter, P. Holnicki, S. Anderberg, C. Schlenzig, A Critical Review of Population/Energy Projections for the Study of Long-term, Large-scale Interactions between Development and Environment: in Toth F. L., E. Hizsnyik and W. Clark 1989, Scenarios of Socioeconomic Development for Studies of Global environmental Change: A Critical Review. IIASA RR-89-004. Laxenburg, Austria. [10] Helena Boi. "Energy System Planning Analysis Using the Integrated Energy and Macroeconomy Model", Institute Hrvoje Poar, Zagreb, Croatia, 2007
159
[11] Coleccin de manuales de informtica N 18/S. Modelo para el Anlisis de la Demanda de Energa. Organismo Internacional de Energa Atmica, VIENA, 2007 [12] Ismael Concha. Fortalecimiento de capacidades para el Desarrollo de Sistemas Energticos Sostenibles. 19-21 de Marzo 2007, Quito, Ecuador. Organismo Internacional de Energa Atmica. [13] S. Kononov, I.Concha. Overview of the MAED Model. Planning and Economic Studies Section, IAEA. 12-16 November 2001 [14] Fei TENG. "Energy Models in China". Global Climate Change Institute, Tsinghua University. [15] Charles Heaps. "Mitigation Methods and Tools in the Energy Sector". United Nation Framework Convention On Climate Change. [16] Comisin Nacional de Energa de Chile. Balances Energticos. www.cne.cl [17] Instituto Chileno del Cemento y del Hormign. www.ich.cl [18] Baldur Eliasson. "The China Technology Program". CETP/ETSAP Sminar, CHCRC, October 16, 2000 [19] Laitner, J.A., S.J. DeCanio, J.G. Koomey y A.H. Sanstad. Room for Improvement: Increasing the Value of Energy Modeling for Policy Analysis. Utilities Policy 11(2): 8794. 2003. [20] Fei Teng, Alun Gu, Maosheng Duan,"Energy Models in China A Literature Survey". Global Climate Change Institute,Tsinghua University, 2007. COPERT IV, 2006. "EMEP/CORINAIR Emission Inventory Guidebook - 2006", Group 7 Road transport.
160
El Leap es una herramienta es una de las ms utilizadas en el mundo con cientos de usuarios en ms de 140 pases y ha servido como medio de comunicacin con la IPCCC. Primero se presenta una breve descripcin del modelo y luego se muestran resultados preliminares asociados a la inclusin de la demanda final de energa para Chile en el ao 2005.
Descripcin del Modelo Long range Energy Alternatives Planning System (LEAP)
LEAP es un modelo basado en la construccin de escenarios. Esta se realiza de manera tal que los escenarios facilitan la realizacin de clculos de ofertas y demandas energticas, y la evaluacin de alternativas tecnolgicas y de poltica. El usuario define variables clave (como kilmetros recorridos por parte de vehculos y rendimientos de combustible) a partir de los cuales el LEAP construye escenarios de demanda. Un conjunto de transformaciones caracterizan los procesos de conversin y se relacionan a la demanda para entregar resultados en trminos de emisiones y consumo de recursos. Opciones tecnolgicas y de poltica pueden ser estudiadas en la medida que alteren variables claves, escenarios de demanda o transformaciones. LEAP puede utilizarse para proyectar la situacin de oferta y demanda energtica de manera de entrever pautas futuras, identificar problemas potenciales, y evaluar los posibles impactos de polticas energticas. LEAP puede ayudar a examinar una amplia gama de proyectos, programas, tecnologas y otras iniciativas energticas, y a encontrar estrategias que permitan resolver problemas ambientales y energticos A diferencia de los modelos macroeconmicos, LEAP no intenta calcular el impacto de las polticas energticas sobre el desempleo o el producto nacional. Sin embargo, esos modelos se pueden correr en forma conjunta con este programa. LEAP tampoco genera en forma automtica escenarios de ptimos o de equilibrio de mercado, aunque se puede usar para identificar los escenarios de menor costo. El concepto de anlisis de escenarios constituye el ncleo de LEAP. Los escenarios son proyecciones sistemticas de la probable evolucin futura de sistemas energticos bajo un contexto socioeconmico particular y bajo un conjunto determinado de condiciones de poltica. En LEAP los escenarios se pueden construir y luego comparar, para evaluar sus requerimientos energticos, costos y beneficios sociales e impactos ambientales. Todos los escenarios comienzan a partir de un ao base comn, para el cual se establecen los datos de Ao Base. Los escenarios de LEAP abarcan factores que pueden cambiar en el tiempo incluyendo aquellos que varan por intervenciones de polticas particulares. 161
Algunas de las importantes ventajas de LEAP son su flexibilidad y facilidad de uso, que permiten, al momento de tomar decisiones, pasar rpidamente del plano de las ideas al de anlisis de polticas sin tener que recurrir a modelos ms complejos. Sin embargo, cuenta con las debilidades tpicas de modelos de bottom-up al no considerar comportamiento ptimo de los sistemas o agentes econmicos. La figura siguiente muestra el marco general del modelo.
Figura A1. Marco General del Modelo LEAP
Variables Clave
Escenarios de Demanda
Transformaciones
Resultados
La determinacin de la demanda es crucial en el modelo. En efecto, tras especificar la demanda los centros de transformacin estiman la oferta necesaria para abastecerla (dado el parque elctrico y combustibles disponibles). Tambin es posible analizar el desabastecimiento elctrico. Para estimar la demanda el LEAP considera distintas alternativas:
1. Anlisis de Energa Final: e = a*i
Donde e=demanda de energa, a=nivel de actividad, i=intensidad de energa final (consumo de energa por unidad de actividad) Por ejemplo, la demanda de energa en la industria del cemento puede proyectarse en base a la produccin de cemento y energa por unidad de cemento que se utiliza. stas pueden variar en el fututo.
2. Anlisis de Energa til: e = a
162
Donde =intensidad de energa til, =eficiencia, a=nivel de actividad. Por ejemplo, la demanda energtica de edificios residenciales va a cambiar en el futuro ya que (1) se construyen ms edificios (a aumenta) y (2) porque el crecimiento econmico hace que aumenten requerimientos de calefaccin y refrigeracin (u aumenta). Adicionalmente, puede presentarse cambio tecnolgico que reduzca u.
3. Anlisis de Stock: e = s*d
Donde s=stock, d= intensidad del artefacto (uso de energa por artefacto). El stock se modela basndose en artefactos actuales existentes, las ventas de los artefactos nuevos y esperanza de vida de artefactos. Por ejemplo, se puede evaluar qu tan rpido un estndar de eficiencia energtica en refrigeradores puede traducirse en ahorros de energas basados en la penetracin de los nuevos artefactos y en la salida gradual del stock existente.
4. Anlisis de Transporte (e=n*m/fe)
Donde n= nmero de vehculos, m=millas recorridas anualmente por vehculo, fe= rendimiento (millas por litro). Por ejemplo, puede examinarse un cambio en una norma de emisin o un mejor rendimiento de los vehculos. En un anlisis de transformacin, se simula todo el trayecto de la conversin y transporte de formas de energa desde el punto de extraccin de los recursos primarios y las fuentes importadas hasta el punto final de consumo. Como con los anlisis de demanda, se pueden usar escenarios alternativos para representar diferentes configuraciones de transformaciones futuras que reflejen alternativas de polticas y tecnologa. Es posible considerar o no la transformacin de combustibles primarios a secundarios. En particular, el mdulo de transformacin incluye la transmisin y generacin elctrica. La transmisin tpicamente se modela a partir de las prdidas de transmisin. Para la generacin hay distintas alternativas de criterios de despacho de las tecnologas. Por ejemplo, es posible asignar generacin por promedios histricos asociados a centrales hidroelctricas y a carbn, o bien hacerlas entrar por orden de mrito o costo de operacin unitario. En cada uno de los procesos tanto de oferta como demanda es posible asignar factores de emisin tanto para contaminantes globales como locales. Por ejemplo, la demanda de un sector industrial puede asignar un factor de emisin por tonelada carbn que se consume para un cierto proceso. El programa viene con factores disponibles de IPCCC pero tambin 163
est abierto a modificaciones. Las emisiones asociadas al consumo elctrico se contabilizan en el mdulo de transformacin y dependen de la matriz energtica. LEAP tambin puede utilizarse para realizar anlisis integrados sociales y de costobeneficio en los escenarios que se crean. Los costos de cada parte del sistema se pueden incluir en el modelo: Costo de capital, operacin y mantencin, uso de tecnologas en los sistemas de demanda y transformacin, costos de extraccin de recursos primarios y de la importacin de fuentes, y los beneficios de la exportacin de fuentes. Adems, se puede tambin ampliar el alcance de los clculos al asignar costos a las emisiones de contaminantes.
164
En esta seccin, y a modelo de ejemplo, se presenta en detalle el modelo de proyeccin de demanda MAED. La importancia de usar el MAED consiste en comprender un modelo diseado particularmente para la labor de estimar consumos energticos de largo plazo, existe abundante experiencia respecto de su aplicacin, y utiliza los enfoques usuales de estimacin. El modelo Model for Analysis of the Energy Demand (MAED) fue desarrollado por la Agencia Internacional de Energa Atmica y es un modelo de simulacin diseado para evaluar la demanda de energa de un pas o una regin en el mediano y largo plazo. Permite determinar el efecto de cambios estructurales sobre la demanda de energa. Para ello, realiza un anlisis detallado de los sistemas sociales, econmicos y tecnolgicos. Tambin permite observar la evolucin de los mercados potenciales para cada forma de energa final: Electricidad, carbn, petrleo, gas y solar.
1. Antecedentes Generales.
En el modelo MAED la naturaleza y el nivel de la demanda de bienes y servicios son una funcin de varios factores determinantes, en los que se incluyen el crecimiento de la poblacin, el nmero de habitantes por vivienda, el nmero de equipos electrodomsticos usados en la hogares, la movilidad de la poblacin y las preferencias de modos de transporte, las prioridades nacionales para el desarrollo de ciertas industrias o sectores econmicos, la evolucin de la eficiencia de ciertos tipos de equipamiento, la penetracin de nuevas tecnologas o formas de energa en el mercado, etc. Las tendencias futuras que se esperan para estos factores determinantes, que en su conjunto constituyen los escenarios, se introducen de manera exgena. La demanda total de energa para cada categora de uso final se agrega en cuatro sectores principales consumidores de energa: Industria (que incluye Agricultura, Construccin, Minera y Manufacturero), Transporte, Servicios y Residencial. El punto de partida para usar el modelo MAED es la construccin del patrn de consumo de energa del ao base dentro del modelo. Esto requiere la recopilacin y conciliacin de los datos necesarios de las diferentes fuentes, deducir y calcular varios parmetros de entrada y ajustarlos para reproducir el balance energtico en el ao base. Este proceso ayuda a ajustar el modelo a la situacin especfica del pas. El paso siguiente es desarrollar los escenarios especficos para la situacin y objetivos futuros del pas. Los escenarios pueden ser subdivididos en dos subescenarios:
165
Uno relativo al sistema socio-econmico describiendo las caractersticas fundamentales de la evolucin econmica y social del pas. el segundo relativo a los factores tecnolgicos que afectan el clculo de la demanda, por ejemplo, la eficiencia y el potencial de penetracin en el mercado de cada forma de energa disponible. La demanda de combustibles fsiles no se separa en trminos de carbn, gas o petrleo, debido a que este suministro de energa depende principalmente de las posibilidades tecnolgicas del suministro y los precios relativos de estos combustibles, aspectos que estn fuera del alcance del anlisis del modelo. Se puede esquematizar de manera sencilla el MAED de la siguiente forma:
Cuadro A1. Organizacin general MAED
Datos del sector energtico (Balance de energa) Hiptesis de scenarios Socio-econmicas, tecnolgicas Usos de energies sustituibles Eficiencias de los procesos Caracterstica de la curva horaria
MAED
Demanda de energa final Demanda de electricidad Curva elctrica horaria Curva de duracin de carga (WASP)
166
Economa
Demografa
Estilo de vida
Tecnologa
167
El programa MAED se encuentra en dos archivos Excel: MAED_D y MAED_EL. El archivo MAED_D se denomina Modulo 1 (Clculo de demanda de energa) y contiene varias hojas de clculo dedicada a representar los diferentes sectores, subsectores y actividades de uso final incluidas en el modelo. En el Mdulo 1 se procesa la informacin que describe el escenario de desarrollo econmico, tecnolgico y social y calcula la demanda de energa total para los aos deseados. El archivo MAED_EL se denomina Mdulo 2 (Demanda horaria de potencia elctrica). Este archivo contiene varias hojas que describen la demanda anual de electricidad en trminos de demanda semanal y horaria. El Mdulo 2 usa la demanda total anual de electricidad de cada sector (calculada en Modulo 1) para determinar la demanda total de electricidad para cada hora del ao. En general los datos macroeconmicos y de demografa que utiliza el MAED_D se resumen en el siguiente cuadro. Los datos de cada sector en especfico de explican ms adelante
Cuadro A3. Requerimiento general datos
Datos Mdulo 1 (MAED_D) X PIB total X PIB desagregado por sector econmico X Poblacin X Poblacin desagregada en urbana y rural
Fuente: Elaboracin Propia
El mdulo 1 es un modelo de simulacin diseado para la evaluacin de la demanda de energa de un pas o regin a mediano y largo plazo. Tiene un enfoque de planificador y los escenarios se hacen sobre supuestos acerca de la evolucin posible del patrn de desarrollo social, econmico y tecnolgico de un pas que se puede anticipar a partir de las tendencias actuales y los objetivos gubernamentales. El modelo MAED_D ha sido diseado para reflejar: Los cambios estructurales en la demanda de energa de un pas en el mediano y largo plazo. la evolucin de los mercados potenciales de cada forma de energa final: electricidad, combustibles fsiles.
168
En el modelo la sustitucin entre formas de energas disponibles no se calcula automticamente a partir de la evolucin del precio para cada forma de energa y sus correspondientes coeficientes de elasticidad, sino de un anlisis hecho durante la formulacin de los posibles escenarios de desarrollo. El MAED_D calcula la demanda de energa total para cada categora de uso final, agregando los sectores econmicos dentro de cuatro sectores consumidores de energa fundamentales: Industria (que incluye Agricultura, Construccin, Minera y Manufacturero), Transporte, Residencial y Servicio. Algunos datos generales del Mdulo 1 hacen referencia a la demografa y el PIB
Cuadro A4. Demografa
tem Unidad Poblacin [milln] Tasa de crec. Pob. [%p.a.] Pob. Urbana [%] habitantes/casa [cap] Viviendas [milln] Pob. Rural [%] habitantes/casa [cap] Viviendas [milln] Fuerza laboral pot. [%] Fuerza laboral trab. [%] Fuerza laboral activa [milln] Porc. Pob. en grandes ciudades [%] Pob. en grandes ciudades [milln]
2000 19.150 na 41.500 6.000 1.325 58.500 7.000 1.600 49.000 40.000 3.753
2005 21.666 2.500 42.000 5.900 1.542 58.000 6.800 1.848 49.200 42.000 4.477
2010 24.275 2.300 43.000 5.700 1.831 57.000 6.600 2.097 49.400 45.000 5.396
2015 26.934 2.100 44.000 5.400 2.195 56.000 6.300 2.394 49.550 49.000 6.539
2020 29.591 1.900 45.000 5.000 2.663 55.000 5.900 2.759 49.650 54.000 7.934
2025 32.194 1.700 45.000 4.500 3.219 55.000 5.400 3.279 49.700 60.000 9.600
22.000 23.000 24.000 25.000 26.000 27.000 4.213 4.983 5.826 6.733 7.694 8.692
tem PIB* Tasa de crec. PIB PIB/cap Agricultura Construccin Minera Manufactura
Unidad [mil mill US$] [%] US$ [%] [%] [%] [%]
2000 33.550
2005 42.819
2010 54.131
2015 67.780
2020 84.063
169
Servicios Energa
[%] [%]
49.000 5.700
49.000 5.900
50.000 5.900
51.800 5.600
54.200 5.000
Fuente: MAED_D
Distribucin del PIB por subsectores de la Agricultura tem Unidad 2000 2005 2010 Cultivos [%] 55.000 53.000 50.500 Ganadera [%] 25.000 26.500 28.000 Silvicultura [%] 15.500 15.000 15.000 Pesca [%] 4.500 5.500 6.500 Distribucin del PIB por subsectores de la Construccin tem Unidad 2000 2005 2010 Edificaciones [%] 20.000 21.000 22.000 Infraestructura [%] 80.000 79.000 78.000 Distribucin del PIB por subsectores de la Minera tem Unidad 2000 2005 2010 Metales [%] 35.000 35.000 35.000 No metales [%] 40.000 40.000 40.000 Otros [%] 25.000 25.000 25.000 Distribucin del PIB por subsectores de la Manufactura tem Unidad 2000 2005 2010 Materiales Bsicos [%] 25.000 24.000 23.000 Maquinaria y equipo [%] 10.000 13.000 16.000 No duraderos [%] 60.000 58.000 56.000 Miscelneas [%] 5.000 5.000 5.000 Distribucin del PIB por subsectores de la Servicios tem Unidad 2000 2005 2010 Comercio y Turismo [%] 13.000 15.000 16.500 Administracin Pblica [%] 32.500 33.000 33.500 Financias y Negocios [%] 6.000 6.500 7.000 Serv. Pers.y otros [%] 48.500 45.500 43.000
Fuente: MAED_D
2015 35.000 40.000 25.000 2015 22.000 19.000 54.000 5.000 2015 18.000
2020 35.000 40.000 25.000 2020 21.000 21.000 53.000 5.000 2020 19.000
2025 35.000 40.000 25.000 2025 20.000 23.000 52.000 5.000 2025 19.500
170
Sector Industria
En este sector agregado se incluyen los siguientes sectores econmicos: Agricultura, Construccin, Minera y las Industrias Manufactureras. Cada sector principal, puede ser subdividido en un mximo de diez subsectores definidos por el usuario. La demanda de energa de cada subsector econmico es definida por el nivel de actividad econmica del subsector evaluado en trmino de su valor agregado y la intensidad energtica de cada forma de energa. Para cada sector la demanda de energa se calcula por separado en tres categoras de uso final: electricidad para usos especficos (alumbrado, motores, electrlisis, etc.); usos trmicos (calefaccin, calentamiento de agua, generacin de vapor, hornos y calor directo) y combustibles de motor. Este sector requiere de datos como: PIB sectorial y participacin en el PIB de los subsectores, intensidades energticas subsectoriales segn usos especficos, porcentaje de penetracin de portadores energticos en la energa trmica til en la industria y eficiencia promedio de los diferentes combustibles. Los factores determinantes de la demanda de energa en la industria son el nivel de actividad y las intensidades energticas. Los datos relevantes para el sector industrial se pueden resumir en el siguiente cuadro:
Cuadro A7. Datos sector Industria
Datos Mdulo 1 Intensidades energticas por uso Categoras de usos energticos Penetracin de formas alternativas en los mercados Eficiencias energticas de equipos de uso final para cada uso y energtico Demanda de materias primas
Fuente: Elaboracin Propia
X X X X X
171
Se debe ingresar tambin las intensidades energticas por uso final, esto es: Combustibles de motor, electricidad y trmicos. La siguiente tabla muestra los datos requeridos, en particular para combustibles de motor:
Cuadro A8. Intensidades energticas de Combustibles motor
tem Agricultura Cultivos Ganadera Silvicultura Pesca Construccin Edificaciones Infraestructura Minera Metales No metales Otros Manufactura Materiales Bsicos Maquinaria y equipo No duraderos
Unidad [kWh/US$] [kWh/US$] [kWh/US$] [kWh/US$] [kWh/US$] [kWh/US$] [kWh/US$] [kWh/US$] [kWh/US$] [kWh/US$] [kWh/US$] [kWh/US$] [kWh/US$] [kWh/US$]
2000 0.972 1.500 0.000 0.800 0.500 0.580 0.100 0.700 0.210 0.300 0.200 0.100 0.122 0.150
2005 0.872 1.400 0.000 0.700 0.450 0.574 0.100 0.700 0.210 0.300 0.200 0.100 0.121 0.150
2010 0.798 1.350 0.000 0.600 0.400 0.568 0.100 0.700 0.210 0.300 0.200 0.100 0.120 0.150
2015 0.725 1.300 0.000 0.500 0.350 0.562 0.100 0.700 0.210 0.300 0.200 0.100 0.119 0.150
2020 0.668 1.250 0.000 0.450 0.300 0.556 0.100 0.700 0.210 0.300 0.200 0.100 0.119 0.150
2025 0.611 1.200 0.000 0.400 0.250 0.550 0.100 0.700 0.210 0.300 0.200 0.100 0.118 0.150
[kWh/US$] 0.100 0.100 0.100 0.100 0.100 0.100 [kWh/US$] 0.120 0.120 0.120 0.120 0.120 0.120
172
Miscelneas
Con los datos de las tablas anteriores se puede obtener la energa final til de la industria a travs de los diferentes sectores segn uso final de la energa, por ejemplo:
Cuadro A9. Demanda de energa til para los combustibles motor
tem Unidad 2000 2005 2010 2015 2020 2025 Agricultura GWa 0.912 1.001 1.060 1.089 1.115 1.115 Cultivos GWa 0.774 0.852 0.906 0.937 0.960 0.965 Ganadera GWa 0.000 0.000 0.000 0.000 0.000 0.000 Silvicultura GWa 0.116 0.121 0.120 0.113 0.113 0.110 Pesca GWa 0.021 0.028 0.035 0.039 0.043 0.041 Construccin GWa 0.051 0.065 0.081 0.100 0.123 0.143 Edificaciones GWa 0.002 0.002 0.003 0.004 0.005 0.006 Infraestructura GWa 0.049 0.062 0.078 0.096 0.117 0.136 Minera GWa 0.044 0.054 0.066 0.078 0.087 0.094 Metales GWa 0.022 0.027 0.033 0.039 0.043 0.047 No metales GWa 0.017 0.021 0.025 0.030 0.033 0.036 Otros GWa 0.005 0.006 0.008 0.009 0.010 0.011 Manufactura GWa 0.061 0.083 0.113 0.149 0.191 0.235 Materiales Bsicos GWa 0.019 0.025 0.032 0.041 0.051 0.060 Maquinaria y equipo GWa 0.005 0.009 0.015 0.024 0.034 0.046 No duraderos GWa 0.036 0.048 0.063 0.081 0.103 0.124 Miscelneas GWa 0.001 0.002 0.002 0.003 0.004 0.005 Total GWa 1.068 1.203 1.320 1.415 1.516 1.587
Fuente: MAED_D
173
Un esquema general para visualizar la contabilidad energtica en el sector de la industria se muestra a continuacin:
Figura A3. Esquema General Sector Industria Agricultura Construccin Minera Manufactura
Uso final Uso especfico para electricidad Categora energa final Materias Primas Electricidad Bomba Trmica Calor de cogeneracin Comb. Motor Calor para uso trmico Fuerza motora
Calefaccin centralizada
Sistema Solar
Comb. fsiles
No Comercial
Fuente: MAED_D
174
Industria Manufacturera
Maquinaria y equipo
ENERGAS
No durables
Se tiene entonces la estructura de la demanda de energa trmica de la industria manufacturera como se muestra a continuacin:
Unidad 2000 2005 2010 15.000 15.000 15.000 [%] 80.000 80.000 80.000 [%] [%] 5.000 5.000
2015 2020 2025 15.000 15.000 15.000 80.000 80.000 80.000 5.000 5.000
Maquinaria y equipo Generacin de vapor Hornos/Calor directo Calefaccin y Cal. Agua No duraderos Generacin de vapor Hornos/Calor directo
Unidad 2000 2005 2010 15.000 15.000 15.000 [%] 70.000 70.000 70.000 [%] [%] 15.000 15.000 15.000
2015 2020 2025 15.000 15.000 15.000 70.000 70.000 70.000 15.000 15.000 15.000 2015 2020 2025 70.000 70.000 70.000 15.000 15.000 15.000
Unidad 2000 2005 2010 70.000 70.000 70.000 [%] 15.000 15.000 15.000 [%]
175
Calefaccin y Cal. Agua Miscelneas Generacin de vapor Hornos/Calor directo Calefaccin y Cal. Agua
[%]
15.000 15.000 15.000 2015 2020 2025 20.000 20.000 20.000 60.000 60.000 60.000 20.000 20.000 20.000
Unidad 2000 2005 2010 20.000 20.000 20.000 [%] 60.000 60.000 60.000 [%] [%] 20.000 20.000 20.000
Fuente: MAED_D
A travs de la siguiente forma se obtiene la demanda de energa final para cada tipo de utilizacin de energa.
ED util final = ED util * SHARE
Para la Industria Manufacturera tambin se requieren los factores de penetracin de los portadores energticos y sus eficiencias
176
Cuadro A11. Penetracin de los portadores energticos en la demanda de energa trmica til en la Manufactura
Portadores energticos Electricidad, gen. vapor Electricidad, hornos/calor dir. Electricidad, calef./cal. agua De los cuales: Bombas trmicas, gen. vapor Bombas trmicas, calef./cal. agua Calefaccin centralizada, gen. vapor Calefaccin centralizada, Calef./Cal. agua Cogeneracin, gen. vapor Cogeneracin, Calef./Cal. agua Solar, gen. vapor Solar, Calef./Cal. agua Comb. trad., generacin de vapor Comb. trad., hornos/calor directo Comb. trad., calef./cal. agua Biom. mod., generacin de vapor Bio. Mod., hornos/calor directo Bio. Mod., calef./cal. agua
Unidad [%] [%] [%] [%] [%] [%] [%] [%] [%] [%] [%] [%] [%] [%] [%] [%] [%]
. . . . . . . . . . . . . . . . . .
0.000
0.000
0.000
0.000 80.000 16.000 17.000 19.000 14.000 0.000 6.000 2.000 1.000 2.000 10.000 10.000 10.000
20.000 30.000 40.000 10.000 11.000 12.000 12.000 13.000 14.000 14.000 15.000 16.000 9.000 10.000 11.000 0.000 0.000 0.000 1.000 2.000 3.000 5.000 4.500 4.000 3.000 2.600 2.200 5.000 4.500 4.000 2.000 3.000 4.000 2.000 3.000 4.000 2.000 3.000 4.000
Fuente: MAED_D
177
Factores COP de las bombas trmicas Participacin de la energa solar Eficiencia de la cogeneracin Relacin calor/electricidad Part. de la biomasa en la cogen. Efic. comb. fs., gen. vapor Efic. comb. fs., hornos/calor dir. Efic. comb. fs., calef./cal. agua Efic. comb. trad., gen. vapor Efic. comb. trad., hornos/calor dir. Efic. comb. trad., calef./cal. agua Efic. bio. mod., gen. vapor Efic. bio. mod., hornos/calor dir. Efic. bio. mod., calef./cal. agua Efic. Comb. fs., promedio Eff. Comb. trad., promedio Eff. Bio. mod., promedio
Unidad [razn] [%] [%] [razn] [%] [%] [%] [%] [%] [%] [%] [%] [%] [%] [%] [%] [%]
2000 2.500
2005 3.000
2010 3.500
. . . . . . . . . . . . . . . . . .
2025 5.000
40.000 40.000 40.000 70.000 72.000 74.000 3.000 3.000 3.000 4.000 6.000 8.000 70.000 71.000 72.000 60.000 61.000 62.000 60.000 61.000 62.000 30.000 32.000 34.000 30.000 32.000 34.000 25.000 27.000 29.000 40.000 42.000 44.000 40.000 35.000 63.535 29.249 39.407 42.000 37.000 64.364 31.257 41.423 44.000 39.000 65.154 33.264 43.442
40.000 80.000 3.000 15.000 75.000 65.000 65.000 40.000 40.000 35.000 50.000 50.000 45.000 67.792 39.268 49.470
Fuente: MAED_D
La demanda final de energa se calcula en funcin del tem (i), del tipo de uso (tu), del portador energtico (p) y del ao correspondiente (t), adems se incorpora la eficiencia.
= ED * MP * 1 eficiencia tu , p , t i , tu , p , t
ED
i , tu , p , t
i , tu , p , t
Finalmente se obtiene:
178
tem Comb. tradicionales Biomasas modernas Electricidad Calefaccin centralizada Solar Comb. Fsiles Comb. Motor Coque Materia prima Total MAN
2000 2005 2010 2015 2020 2025 0.156 0.153 0.146 0.135 0.117 0.084 0.062 0.107 0.160 0.262 0.374 0.497 0.380 0.519 0.711 0.944 1.234 1.492
Fuente: MAED_D
Los subsectores Agricultura, Minera y Construccin se tratan de manera conjunta y anloga a la forma descrita en el sector manufactura.
Sector Transporte
La demanda de energa de este sector es calculada directamente en trminos de la energa final como una funcin de la demanda total para el transporte de pasajeros (pasajeroskilmetros) y de carga (toneladas-kilmetros). Para el transporte de pasajeros, se realiza distincin para el transporte urbano (dentro de la ciudad) y entre ciudades (interurbano). La demanda total para el Transporte se calcula de forma independiente para carga y pasajeros de acuerdo a factores macroeconmicos y al estilo de vida. En el caso del transporte de carga, la demanda se calcula como una funcin de la contribucin al PIB (t-km/Unidad Monetaria) de los subsectores de Agricultura, Construccin, Minera, Manufacturero y Servicios y del sector Energa. La demanda para el transporte de pasajeros se determina a partir de la poblacin total, la poblacin que vive en grandes ciudades y la distancia promedio entre ciudades y dentro de las ciudades recorrida por persona. Los datos requeridos para la especificacin del transporte de carga son: Generacin cargakilmetro subsectorial, participacin de modos de transporte, intensidades energticas por tipo de transporte de carga. Los datos requeridos para la especificacin de transporte de pasajeros son: Distancias recorridas en las ciudades y entre las ciudades, Factores de carga, participacin segn modos de transporte e intensidades energticas segn tipo de transporte. 179
Los factores de carga por modo de transporte son altamente dependientes de la poltica de transporte del pas y por lo tanto se deben especificar como parmetros en los escenarios.
Figura A5. Organizacin general Sector Trasporte Pasajero Urbano Pasajero Rural Carga Local Carga Larga dist. Otros
Camiones
Otros
Electricidad
Comb. Motor
180
El sector transporte se trata en el MAED_D diferenciando: transporte de carga, transporte de pasajeros en las ciudades y transporte de pasajeros entre ciudades, como lo muestra la siguiente figura:
Figura A6. Organizacin general de datos Sector Transporte -Generacin carga-kilmetro -Estructura por modos de transporte de carga. -Intensidades energticas
Sector Transporte
-Distancias recorridas -Intensidades energticas -Factores de carga -Estructura por modos de transporte de pasajeros
tem Cultivos Ganadera Silvicultura Pesca Edificaciones Infraestructura Metales No metales Otros Materiales Bsicos Maquinaria y equipo No duraderos Miscelneas Comercio y Turismo Administracin
Unidad [tkm/US$] [tkm/US$] [tkm/US$] [tkm/US$] [tkm/US$] [tkm/US$] [tkm/US$] [tkm/US$] [tkm/US$] [tkm/US$] [tkm/US$] [tkm/US$] [tkm/US$] [tkm/US$] [tkm/US$]
2000 0.816 0.000 0.816 0.816 0.000 0.000 0.800 0.800 0.800 1.500 0.500 0.800 1.000 0.500 0.500
2005 0.816 0.000 0.816 0.816 0.000 0.000 0.800 0.800 0.800 1.500 0.500 0.800 1.000 0.500 0.500
2010 0.816 0.000 0.816 0.816 0.000 0.000 0.800 0.800 0.800 1.500 0.500 0.800 1.000 0.500 0.500
2015 0.816 0.000 0.816 0.816 0.000 0.000 0.800 0.800 0.800 1.500 0.500 0.800 1.000 0.500 0.500
2020 0.816 0.000 0.816 0.816 0.000 0.000 0.800 0.800 0.800 1.500 0.500 0.800 1.000 0.500 0.500
2025 0.816 0.000 0.816 0.816 0.000 0.000 0.800 0.800 0.800 1.500 0.500 0.800 1.000 0.500 0.500
181
Pblica Financias y Negocios [tkm/US$] 0.000 0.000 0.000 0.000 0.000 0.000 Servicios Pers y otros [tkm/US$] 0.000 0.000 0.000 0.000 0.000 0.000 Energa [tkm/US$] 0.400 0.400 0.400 0.400 0.400 0.400 [10^9 43.800 43.800 43.800 43.800 43.800 43.800 Valor base tkm]
Fuente: MAED_D
Y con datos de la estructura del subsector y las intensidades energticas de la forma que se muestra a continuacin:
Cuadro A15. Estructura por modos del transporte de carga
tem Camiones - locales Camiones - largas distancias Tren - Diesel Tren - electricidad Tren - vapor Cabotaje leoductos (diesel) leoductos (electricidad)
Unidad 2000 2005 2010 2015 2020 20.000 21.000 22.000 23.000 24.000 [%] [%] [%] [%] [%] [%] [%] [%]
25.000 24.000 23.000 22.000 21.000 30.000 28.000 26.000 24.000 22.000 10.000 12.000 14.000 16.000 18.000 5.000 4.000 3.000 2.000 1.000 3.000 3.200 3.400 3.600 3.800 4.000 4.400 4.800 5.200 5.600 3.000 3.400 3.800 4.200 4.600
Fuente: MAED_D Cuadro A16. Intensidades energticas del transporte de carga (unidades fsicas)
tem Camiones - locales Camiones - larga dist Tren - Diesel Tren - electricidad Tren - vapor Cabotaje leoductos (diesel) leoductos (electricidad)
2000 2005 2010 11.500 11.500 11.400 9.250 9.250 9.200 2.310 2.300 2.290 6.500 6.500 6.400 13.150 13.150 13.150 2.300 2.300 2.290 0.800 0.800 0.800
6.050
6.050
6.050
6.050
Fuente: MAED_D
Se puede obtener de manera directa de los datos anteriores los consumos energticos del trasporte de carga por: modos de transporte y por grupo de combustible. En general la obtencin de los consumos se puede obtener con la siguiente frmula:
182
tem Camiones - locales Camiones - largas distancias Tren - Diesel Tren - electricidad Tren - vapor Cabotaje leoductos (diesel) leoductos (electricidad) Total
Unidad 2000 2005 2010 2015 2020 GWa 1.551 1.748 1.963 2.214 2.504 GWa GWa GWa GWa GWa GWa GWa GWa
2025 2.826
Fuente: MAED_D Cuadro A18. Consumo energtico en el transporte de carga (grupos de combustibles)
3.645 4.061
3.900 4.281
4.177 4.516
4.490 4.780
4.851 5.080
5.240 5.395
Fuente: MAED_D
Sector Servicios
Los parmetros del escenario y las ecuaciones que caracterizan el consumo de energa en el sector Servicios estn relacionas con el nivel econmico de actividad de este sector (valor agregado subsectorial) y la fuerza laboral del sector. Las categoras de uso final utilizadas en el sector Servicios son: calefaccin, otros usos trmicos (esencialmente calentamiento de agua y coccin), aire acondicionado, usos especficos de la electricidad (fuerza motriz para pequeos motores, computadoras, alumbrado, etc.) y combustible motor.
183
Los datos necesarios para la descripcin del sector servicios son los siguientes: Fuerza laboral en el sector, rea de piso por empleado, participacin en el sector del aire acondicionado y calefaccin, intensidades energticas de usos finales diferentes a calefaccin y aire acondicionado, factor de penetracin de diferentes combustibles para diferentes usos trmicos y eficiencias de los diferentes combustibles en diferentes usos trmicos
Figura A7. Organizacin general Sector Servicios Sector Servicios Uso final Uso especfico de electricidad Aire acondicionado Calor para uso trmico
Categora energa final Electricidad Bomba trmica Calefaccin centralizada Combustibles fsiles
Sistema solar
No comercial
Esquematizamos los requerimientos de datos especficos del sector servicios de la siguiente forma:
184
-Intensidades energticas segn usos especficos -Factores de penetracin de formas energticas -Eficiencias
tem Fuerza laboral en el sect. Serv. rea de piso por empleado Fuerza laboral en el sect. Serv. rea de piso del sect. Serv
Unidad
2000
2005
2010
2025
50.000 10.000
4.800 48.001
Fuente: MAED_D
185
tem Por ciento de rea que requiere calefaccin rea que realmente tiene calefaccin Requerimientos especficos de calefaccin rea de piso con aire acondicionado Requer. especficos de aire acondicionado
Unidad
2000
2005
2010
2025
100.000 100.000 100.000 50.000 60.000 10.000 50.000 55.000 58.000 15.000 50.000 60.000 56.000 20.000 50.000
Fuente: MAED_D
Con los datos anteriores se obtienen la demanda de energa til, que luego con las eficiencias es corregida a energa final. Luego con las intensidades energticas por uso final se obtienen las demandas de energa tiles segn uso final, las cuales corregidas por eficiencia y los factores de penetracin de las distintas formas energticas, entregan el consumo final de energa. Por ejemplo:
Cuadro A21. Intensidades energticas de los combustibles motor
tem Servicios Comercio y Turismo Administracin Pblica Financias y Negocios Servicios Personales y otros
[kWh/US$]
0.100
0.100
0.100
0.100
0.100
Fuente: MAED_D
186
tem Calefaccin Aire condicionado Combustibles motor Usos especficos de electricidad Otros usos trmicos Total
Fuente: MAED_D
Penetracin de las formas energticas para la calefaccin tem Unidad 2000 2005 2010 Combustibles [%] 25.000 23.000 21.000 tradicionales [%] 2.000 3.000 4.000 Biomasas modernas [%] 8.000 10.000 12.000 Electricidad [%] 10.000 12.000 14.000 (de esto: bomba trmica) [%] 0.000 0.000 5.000 Calefaccin centralizada [%] 0.000 1.000 3.000 Solar trmica [%] 65.00 63.00 55.00 Combustibles fsiles Eficiencias y otros factores de los usos trmicos tem Unidad 2000 2005 Eficiencia de los combustibles [%] 15.000 16.000 tradicionales [%] 25.000 26.000 Eficiencia de las biomasas modernas [%] 60.000 61.000 Eficiencia de los combustibles fsiles [razn] 2.500 2.750 COP de las bombas trmicas Por ciento de edificios de poca [%] 70.000 65.000 altura [%] 40.000 40.000 Participacin de la solar trmica
Fuente: MAED_D
2015
2020
2025
17.000 15.000 8.000 10.000 16.000 18.000 18.000 20.000 10.000 12.000 7.000 9.000 42.00 36.00
2015 2020
17.000 18.000 19.000 27.000 28.000 29.000 62.000 63.000 64.000 3.000 3.500 4.000 60.000 55.000 50.000 40.000 40.000 40.000
187
tem Combustibles tradicionales Biomasas modernas Electricidad Calefaccin centralizada Solar trmica Combustibles fsiles Total
2000
2005
2010
2015
2020
2025
0.462 0.527 0.600 0.682 0.762 0.835 0.022 0.042 0.072 0.138 0.235 0.371 0.022 0.036 0.057 0.089 0.133 0.195 0.000 0.000 0.300 0.806 0.000 0.001 0.381 0.987 0.024 0.003 0.439 1.196 0.045 0.007 0.519 1.480 0.085 0.012 0.587 1.814 0.134 0.020 0.663 2.219
Fuente: MAED_D
Sector Residencial
La demanda de energa se calcula de manera similar en los sectores Residencial y Servicios pero los parmetros del escenario y las ecuaciones que caracterizan su consumo de energa no son las mismas: en el sector Residencial el factor determinante es de naturaleza demogrfica (poblacin, nmero de casas, etc.), mientras que el sector Servicios est determinada por el nivel de actividad econmica del sector. Las categoras de uso de energa consideradas en el sector Residencial son: calefaccin, calentamiento de agua, aire acondicionado y equipos domsticos secundarios (refrigeradores, luminarias, lavadoras, etc.). Los clculos para este sector se realizan teniendo en cuenta las condiciones de vida de la poblacin, es decir, el lugar de residencia (clculos separados para zonas urbanas y rurales), y el tipo de residencia. Los datos necesarios para la descripcin del sector residencial son los siguientes: porcentaje de viviendas que requieren calefaccin, factor de participacin de aire acondicionado y calefaccin en los subsectores, factores de penetracin de los diferentes combustibles para diferentes usos trmicos y eficiencia en los usos trmicos.
188
Figura A9: Organizacin General Sector Residencial Sector Residencial Uso final Uso especfico electricidad Aire acond. Calefaccin Calentamiento de agua Coccin
Categora energa final Electricidad Bomba trmica Calefaccin centralizada Combustibles fsiles
Sistema solar
No comercial
Esquematizamos los requerimientos de datos especficos del sector servicios de la siguiente forma:
189
Residencial Urbano
Residencial Rural
-Factores para calefaccin y aire acondicionado -Factores para coccin, calentamiento de agua y equipamiento -Penetracin de formas energticas y eficiencias: -calefaccin -calentamiento de agua -coccin -aire acondicionado
tem Unidad Por ciento de: Apartamentos [%] Por ciento de: Casas [%] Por ciento de: Viviendas con calefaccin [%] Por ciento de: Viviendas sin calefaccin [%] Por ciento de: Villas [%] Tamao de la vivienda--Apartamentos [m2] Tamao de la vivienda--Casas [m2] Tamao de la vivienda--Viviendas con calefaccin [m2] Tamao de la vivienda--Viviendas sin calefaccin [m2] Tamao de la vivienda--Villas [m2] rea con calef.--Apartamentos [%] rea con calef.--Casas [%] rea con calef.--Viviendas con calefaccin [%] rea con calef.--Viviendas sin calefaccin [%] rea con calef.--Villas [%] Prd. Calor--Apartamentos [Wh/m2/C/h] Prd. Calor--Casas [Wh/m2/C/h]
60.000 50.000 200.000 100.000 80.000 40.000 0.000 80.000 4.000 4.500
60.000 50.000 200.000 100.000 80.000 40.000 0.000 80.000 4.000 4.500 190
tem Prd. Calor--Viviendas con calefaccin Prd. Calor--Viviendas sin calefaccin Prd. Calor--Villas Viv. con aire acond.--Apartamentos Viv. con aire acond.--Casas Viv. con aire acond.--Viviendas con calefaccin Viv. con aire acond.--Viviendas sin calefaccin Viv. con aire acond.--Villas Req. esp. AC--Apartamentos Req. esp. AC--Casas Req. esp. AC--Viviendas con calefaccin Req. esp. AC--Viviendas sin calefaccin Req. esp. AC--Villas
Unidad [Wh/m2/C/h] [Wh/m2/C/h] [Wh/m2/C/h] [%] [%] [%] [%] [%] [kWh/viv/ao] [kWh/viv/ao] [kWh/viv/ao] [kWh/viv/ao] [kWh/viv/ao]
Fuente: MAED_D
Con lo anterior y el total de viviendas se obtiene la energa final til, esto es:
Cuadro A26: Clculo de la demanda de energa til, sector Residencial Urbano
tem Calefaccin Calentamiento de agua Coccin Aire acondicionado Electricidad para equipamiento Combustibles fsiles para la iluminacin Total
0.002 1.630
0.002 2.050
0.001 2.646
0.001 3.411
Junto a lo anterior se necesitan los distintos factores de penetracin y de eficiencia, como por ejemplo, los de calefaccin:
191
Penetracin de las formas energticas para la calefaccin, Residencial Urbano tem Unidad 2000 2005 2010 [%] 5.000 4.500 4.000 Combustibles tradicionales [%] 2.000 2.500 3.000 Biomasas modernas [%] 5.000 6.000 7.000 Electricidad [%] 1.000 2.000 3.000 (de esto: bomba trmica) [%] 0.000 0.000 0.000 Calefaccin centralizada [%] 0.000 0.000 0.000 Solar trmica [%] Combustibles fsiles 88.0 87.0 86.0 Eficiencias y otros factores para calefaccin, Residencial Urbano tem Unidad 2000 2005 2010 Eficiencia de los combustibles [%] 15.000 16.000 17.000 tradicionales [%] 25.000 26.000 27.000 Eficiencia de las biomasas modernas [%] 60.000 61.000 62.000 Eficiencia de los combustibles fsiles [razn] 2.500 2.750 3.000 COP de las bombas trmicas [%] 40.000 40.000 40.000 Participacin de la solar trmica
Fuente: MAED_D
Y as se obtiene:
Cuadro A28: Residencial Urbano, calefaccin
tem Combustibles tradicionales Biomasas modernas Electricidad Calefaccin centralizada Solar trmica Combustibles fsiles Total
Fuente: MAED_D
Con todos los factores de penetracin y de eficiencia se obtiene el cuadro resumen final, que corrige la energa til por penetracin y eficiencia, esto es:
192
tem Combustibles tradicionales Biomasas modernas Electricidad Calefaccin centralizada Solar trmica Combustibles fsiles Total
Fuente: MAED_D
Los resultados del Mdulo 1 se esquematizan a continuacin, con especial atencin en que los resultados de demanda elctrica son utilizados en el Mdulo 2 (MAED_EL):
Figura A11: Resumen General Mdulo 1
Electricidad
Combustible fsil
Combustible motor
Calefaccin centralizada
Otros
Demanda
Fuente: MAED_D
MAED EL
El segundo mdulo del MAED fue desarrollado para convertir la demanda de electricidad anual de cada sector econmico (considerado para la proyeccin de la demanda en el Modulo 1) en la demanda de electricidad horaria para todo el ao. Para el clculo de la demanda de la electricidad horaria, el Mdulo considera cuatro sectores econmicos: 193
Industrial, Transporte, Residencial y Servicios y hasta seis clientes en cada uno de estos sectores. Se utilizan varios factores de modulacin para calcular la demanda horaria a partir de la demanda de electricidad anual. Estos factores caracterizan los cambios en el consumo de electricidad con respecto al consumo de electricidad promedio durante un ao, semana o da. El mdulo convierte la demanda total de electricidad anual de un sector en la carga de electricidad del sector en una hora dada, da y semana del ao, teniendo en cuenta los siguientes aspectos: La tendencia de la tasa de crecimiento promedio de la demanda de electricidad durante el ao. Los cambios en el nivel de consumo de electricidad perteneciente a varias estaciones del ao (esta variacin se refleja en una base semanal en el Mdulo). Los cambios en el nivel de consumo de electricidad propios del tipo de da que se est considerando (es decir, das de trabajo, fines de semana, das feriados, etc.). La variacin horaria del consumo de electricidad durante un tipo de da en particular. La tendencia de la tasa de crecimiento promedio de la demanda de electricidad ya es conocida de los resultados del Mdulo 1. La variacin de la carga de electricidad de un sector dado por hora, da y semana es caracterizada por tres conjuntos de coeficientes de modulacin, que estn definidos para las 24 horas del da, por tipo de das en una semana y por cada semana en el ao. Conocer todos estos coeficientes para un ao determinado nos permite calcular la carga de electricidad horaria cronolgica para las 8760 horas de ese ao.
Identificacin del Calendario
En el modelo MAED_EL, el ao es dividido en cuatro temporadas y un perodo festivo especial, el cual puede tener un patrn de consumo de electricidad diferente de estas cuatro temporadas. El usuario define la fecha del primer da de cada temporada, para cada ao de referencia considerado en el perodo de estudio, con el fin de identificar las diferentes temporadas durante el ao.
Consideracin de la tasa de crecimiento de la demanda de electricidad durante el ao: Coeficiente T(i)
Para llegar a un da estndar, la primera correccin a realizar corresponde a la tendencia general del crecimiento del consumo de electricidad durante el ao. Esta tendencia se representa por un deflactor que se calcula sobre una base semanal (con un total de 52
194
valores en el ao), de manera que el deflactor del consumo de electricidad bruto (es decir, el coeficiente de tendencia de crecimiento) para la semana i es:
Donde GROWTH es la tasa de crecimiento anual promedio de la demanda de electricidad del sector que se est trabajando entre el ao ltimo previo y el ao actual. La tasa de crecimiento es definida por el usuario (para el primer ao) o calculada por el programa a partir de la informacin leda del Mdulo 1 (para los aos subsiguientes).
Coeficientes por temporadas: K(i)
Con el objetivo de tener en cuenta el impacto de la temporada sobre el consumo de electricidad de un sector, se utiliza el deflactor de temporada. Para el perodo de tiempo i, K(i) representa el peso promedio de este perodo en el consumo de electricidad total para el ao. En el Mdulo 2, se ha seleccionado la semana como la unidad de tiempo elemental para representar estas variaciones por temporadas y, por tanto, 53 coeficientes K(i) deben ser suministrados como datos de entrada para cada ao de referencia del perodo de estudio, teniendo presente que al menos una de la primera y la ltima semana no ser una semana completa. Por eso, el nico clculo que realiza el programa para estos coeficientes es el control:
Este tipo de coeficientes refleja las fluctuaciones del consumo de electricidad debido al tipo de da que esta siendo considerado, es decir da laborable, sbado, domingo. En general estos coeficientes fluctan en todo el ao de acuerdo al perodo de tiempo considerado (en el MAED, la semana, como se explic en la sub-seccin precedente) por tanto ellos son representados ms adecuadamente como P (i, id), {i = 1, 53} e {id = 1, 7}. Nuevamente, estos coeficientes deben ser dados como datos de entrada para cada ao de referencia del perodo de estudio
Coeficientes Horarios: LCS(h, id)
El objetivo del coeficiente horario es ponderar el consumo de energa para las 24 horas del da. Para cada hora h de un da se dar un coeficiente de acuerdo al nivel de consumo en esa hora, de forma tal que la suma de los coeficientes para el da sea igual a 24. 195
Los datos de consumo elctrico de cada sector los recibe el MAED_EL de el MAED_D, y estos son de la forma:
Cuadro A30 : Consumo de electricidad final por sectores (del MAED_D)
Fuente: MAED_EL
Se deben adems definir los das festivos, las temporadas del ao, los das normales de la semana y los das tpicos, esto es:
Cuadro A31: Definicin Das Festivos
Descripcin libre especial libre especial libre especial libre especial libre especial libre especial
2000 1-Jan
2005 1-Jan
21-Mar 1-Jun
21-Mar 1-Jun
196
Otoo
1-Oct 31-Dec
1-Oct 31-Dec
1-Oct 31Dec
1-Oct 31Dec
1-Oct 31Dec
1-Oct 31Dec
Fuente: MAED_EL Cuadro A33 : Definicin de los das normales y tpicos de la semana
1 2 3 Todos Sab Dom Lun Definicin de los das tpicos de la semana 1 2 3 Reducidos Sab Dom DTr
4 Mar 4
5 Mie 5
6 Jue 6
7 Vie 7
Fuente: MAED_EL
unidad % % % %
Fuente: MAED_EL
El MAED_EL requiere de la especificacin de la estructura de los clientes de la Industria, Transporte, Residencial y de Servicios. Por ejemplo, la estructura de los clientes de la Industria se presenta de la siguiente forma:
Cuadro A35: Estructura de los clientes de la Industria:
Total
unidad % % % % % % %
2000 2005 2010 2015 2020 2025 50.00 50.00 50.00 50.00 50.00 50.00 20.00 20.00 20.00 20.00 20.00 20.00 0.00 0.00 0.00 0.00 0.00 0.00 30.00 30.00 30.00 30.00 30.00 30.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 100.00 100.00 100.00 100.00 100.00 100.00
Fuente: MAED_EL
Los consumos diarios, semanales y anuales son especificados a travs de coeficientes como se muestra a continuacin:
197
sem 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
temporada invierno invierno invierno invierno invierno invierno invierno invierno invierno primavera primavera primavera primavera primavera primavera primavera primavera primavera primavera verano verano verano verano verano verano verano verano verano verano verano verano verano verano verano verano verano verano otoo otoo otoo
2000 2005 2025 1.01 1.02 . 1.50 1.02 1.03 . 1.61 1.03 1.05 . 1.60 0.94 0.96 . 1.40 1.00 1.02 . 1.66 0.99 1.00 . 1.59 0.99 1.01 . 1.34 0.95 0.97 . 1.20 0.99 1.01 . 1.01 1.00 1.02 . 0.72 0.97 0.98 . 0.55 1.01 1.03 . 0.38 1.01 1.03 . 0.31 0.86 0.87 . 0.34 0.93 0.95 . 0.34 0.91 0.92 . 0.47 0.92 0.93 . 0.72 0.93 0.95 . 0.92 0.96 0.97 . 1.01 0.96 0.97 . 1.01 0.96 0.98 . 1.01 0.95 0.97 . 1.01 0.93 0.95 . 1.01 0.96 0.97 . 1.01 0.96 0.97 . 1.01 0.99 1.00 . 1.01 0.98 1.00 . 1.01 1.01 1.03 . 1.01 1.03 1.05 . 1.01 1.05 1.07 . 1.01 1.06 1.08 . 1.01 1.05 1.07 . 1.01 1.04 1.06 . 1.01 1.08 1.09 . 1.01 1.06 1.08 . 1.01 1.04 1.06 . 1.01 1.02 1.04 . 1.01 0.99 1.01 . 1.01 0.96 0.98 . 1.01 0.96 0.98 . 1.01
Sab Dom Lun Mar Mie Jue Vie 0.98 0.99 1.01 1.02 1.01 1.02 0.98 0.98 0.99 1.01 1.02 1.01 1.02 0.98 0.99 1.00 0.99 1.00 1.00 1.02 0.99 1.00 1.11 1.00 0.94 0.96 0.99 1.00 0.96 0.99 1.00 1.00 1.04 1.04 0.96 0.99 1.01 0.99 1.00 1.00 1.01 0.99 0.94 1.03 1.03 1.04 1.00 1.02 0.94 0.97 1.02 1.02 1.02 1.05 0.95 0.97 0.96 1.02 1.03 1.01 1.00 1.03 0.96 0.95 1.01 1.01 1.02 1.04 1.02 0.95 0.98 0.99 0.97 1.00 1.04 1.05 0.98 0.98 0.99 0.97 1.00 1.04 1.05 0.98 0.98 1.01 1.01 1.01 1.01 1.01 0.98 1.01 0.98 0.97 0.98 1.00 1.05 1.01 0.96 1.00 0.98 1.01 1.05 1.04 0.96 0.95 0.97 1.00 1.04 1.04 1.04 0.95 0.95 0.98 1.02 1.02 1.03 1.04 0.95 0.95 1.02 1.01 1.02 1.01 1.04 0.95 0.95 1.01 1.03 1.02 1.03 1.02 0.95 0.96 1.00 1.01 1.02 1.03 1.03 0.96 0.93 1.02 1.04 1.04 1.04 1.01 0.93 0.93 1.04 1.05 1.03 1.02 1.01 0.93 0.95 1.00 1.03 1.01 1.03 1.04 0.95 0.94 1.02 1.02 1.01 1.04 1.04 0.94 0.94 1.02 1.02 1.01 1.04 1.04 0.94 0.93 1.02 1.03 1.04 1.03 1.01 0.93 0.95 0.99 1.01 1.03 1.03 1.02 0.95 0.93 1.03 1.03 1.04 1.02 1.02 0.93 0.92 1.01 1.04 1.04 1.04 1.03 0.92 0.94 1.02 1.02 1.03 1.03 1.04 0.94 0.93 1.01 1.00 1.04 1.04 1.04 0.93 0.94 1.02 1.03 1.02 1.02 1.03 0.94 0.97 1.04 1.04 1.04 0.94 1.02 0.97 0.94 1.02 1.02 1.02 1.02 1.03 0.94 0.93 1.04 1.04 1.05 1.00 1.02 0.93 0.93 1.02 1.02 1.04 1.04 1.03 0.93 0.92 1.02 1.02 1.04 1.04 1.03 0.92 0.93 1.04 1.04 1.04 1.01 1.02 0.93 0.94 1.02 1.03 1.03 1.03 1.02 0.94 0.97 1.01 1.02 1.02 1.02 1.00 0.97
198
sem 41 42 43 44 45 46 47 48 49 50 51 52 53 Total
temporada otoo otoo otoo otoo otoo otoo otoo otoo otoo otoo otoo otoo otoo #NAME?
2000 2005 2025 Sab Dom Lun Mar 0.96 0.98 . 1.01 0.95 1.02 1.02 1.02 0.91 0.92 . 1.01 0.94 1.01 1.02 1.03 0.91 0.93 . 1.01 0.95 1.01 1.02 1.01 0.90 0.91 . 1.01 0.96 0.99 1.01 1.01 0.89 0.90 . 1.01 0.97 1.01 1.00 1.00 0.93 0.95 . 1.01 0.98 1.00 1.00 1.00 0.94 0.96 . 1.01 0.94 1.02 1.03 1.03 0.92 0.94 . 1.01 0.99 1.01 1.00 1.00 1.05 1.07 . 1.01 0.96 1.00 1.01 1.02 1.07 1.08 . 1.01 0.96 0.99 1.02 1.01 1.04 1.06 . 1.01 0.98 1.03 1.05 0.99 1.97 1.07 . 1.01 0.97 0.99 1.01 1.02 1.07 1.09 . 0.97 0.96 1.01 1.04 1.01 53.0 53.0 53.0 Sab Dom Lun Mar
Fuente: MAED_EL
Mie 1.03 1.01 1.02 1.02 1.02 1.01 1.01 0.99 1.02 1.03 0.96 1.03 1.01 Mie
Jue 1.01 1.05 1.03 1.04 1.03 1.02 1.01 1.02 1.03 1.03 1.02 1.02 1.01 Jue
Vie 0.95 0.94 0.95 0.96 0.97 0.98 0.94 0.99 0.96 0.96 0.98 0.97 0.96 Vie
Con los datos anteriores el programa entrega curvas de carga y datos asociado a la demanda, esto es:
Cuadro A37: Resultados MAED_EL
2025 Demanda mxima (MW): Rel. con el pico anual Energa (GWh): Factor de carga (%): Nmero de horas: Diff. to annual demand: % Diff. to ann. demand:
Fuente: MAED_EL
199
Fuente: MAED_EL
Se fundamenta en el hecho que la energa es slo un intermediario en la obtencin de determinados bienes, tales como: calor, luz, potencia, etc. Ventajas: Permite alcanzar un mejor conocimiento de los factores que inciden en el consumo de energa: de tipo tecnolgico y socioeconmico. Permite independizarse de la estructura actual del consumo. El nivel de detalle del anlisis puede ser graduado por el usuario en funcin de la informacin disponible. Pueden ser usados con fines normativos Desventajas: Se puede tender a concentrar el anlisis en aspectos fsicos, dejando de lado efectos provocados por los precios u otras variables econmicas La necesidad de datos crece significativamente con el nivel de detalle y sofisticacin del modelo
MAED como mtodo multienergtico
200
Trata simultneamente la demanda final de las diferentes formas de energa. Se distinguen usos especficos de aquellos en los cuales diferentes formas de energa compiten. Ventaja: Es muy adecuado para fines normativos, pues permiten una visin en perspectiva del sector energtico de un pas. Desventaja: Requiere enormes volmenes de informacin y extensos periodos de trabajo de equipos multidisciplinarios.
MAED como enfoque sectorial
Analiza la evolucin del consumo de energa elctrica a nivel de los distintos sectores de la economa. Ventaja: Relaciones ms fidedignas a nivel sectorial que para el conjunto, permite establecer desagregacin espacial. Desventaja: Requiere mucha informacin estadstica.
201
Economtrica
Electricidad
COCHILCO
Economtrica
COCHILCO
Economtrica
COCHILCO
Cobre
Economtrica
COCHILCO Estimacin en funcin del PIB y opinin experta Estimacin en funcin del PIB y opinin experta Estimacin en funcin del PIB y opinin experta Estimacin en funcin del PIB y opinin experta Estimacin en funcin del PIB Estimacin en funcin del PIB Estimacin en funcin del PIB Estimacin en funcin del PIB
Economtrica
Economtrica
Lea
Economtrica
Cemento
Economtrica
Electricidad
Economtrica
Carbn
Economtrica
Economtrica
Sector
Sub sector
Economtrica
Economtrica
Electricidad
Opinion experta
Economtrica
Diesel
Opinion experta
Economtrica
Gas licuado
Opinion experta
Economtrica
Carbn
Opinion experta
Economtrica
Opinion experta
Opinion experta
Economtrica
Opinion experta
Economtrica
Energticos agregados
Opinion experta
Economtrica
Opinion experta
Economtrica
Opinion experta
Economtrica
Lea
Opinion experta
Economtrica
Opinion experta
Fuentes Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta
Transporte
Economtrica
Gasolina
Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta; Parque: Cculos
203
Sector
Sub sector
Driver
Fuentes propios Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta; Parque: Cculos propios Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta; Parque: Cculos propios Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta Energticos historicos: Balance nacional de energa; PIB histrico: banco central; PIB proyectado: opinin experta
Economtrica
Diesel
Diesel
Economtrica
Kerosene
Opinion experta
Petrleo combustible
Opinion experta
Economtrica
Diesel
Opinion experta
Electricidad
Opinion experta
Economtrica
Diesel
Opinion experta
(a) Los otros energticos consumidos por Cobre son Kerosene, Gas licuado, Nafta, Carbn y Coke (b) Los otros energticos consumidos por el sector Papel y celulosa son Diesel y Gas licuado (c) El consumo de otros energticos en la industria del Cemento incorpora el consumo de Gas licuado y Coke (d) En el sector de Industria y minas varias se incluyen el consumo de Kerosene, Nafta, Coke y Metanol (e) Otros sectores esta compuesto por los sectores de salitre, hierro, siderurgica, petroqumica, azucar y pesca (f) Para el sector CPR los otros energticos considerados son Petrleo Combustibles, Kerosene, Diesel, carbn y Gas Corriente
204
Subsector Cobre
Electricidad
Dependent Variable: LOG(ELECT) Method: Least Squares Date: 05/06/08 Time: 09:55 Sample: 1987 2006 Included observations: 20 Variable C LOG(CUC) LOG(CUT) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 1.619333 0.734920 0.242249 0.975843 0.973001 0.092184 0.144463 20.92584 0.517490 Std. Error 0.286540 0.039888 0.023061 t-Statistic 5.651341 18.42451 10.50449 Prob. 0.0000 0.0000 0.0000 8.812601 0.561020 -1.792584 -1.643224 343.3610 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Diesel
Dependent Variable: LOG(DIESEL) Method: Least Squares Date: 05/06/08 Time: 09:57 Sample: 1987 2006 Included observations: 20 Variable C LOG(CUC) LOG(CUT) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 0.648881 0.770968 0.225642 0.952510 0.946923 0.132602 0.298917 13.65444 1.287649 Std. Error 0.412175 0.057377 0.033173 t-Statistic 1.574287 13.43679 6.802006 Prob. 0.1338 0.0000 0.0000 8.009843 0.575572 -1.065444 -0.916084 170.4868 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
206
207
Subsector Cemento
Produccin de Cemento
Dependent Variable: LOG(CEM) Method: Least Squares Date: 05/10/08 Time: 11:40 Sample: 1960 2006 Included observations: 47 Variable C LOG(PIB) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -1.517689 0.903780 0.946706 0.945521 0.118471 0.631597 34.58669 0.665711 Std. Error 0.319748 0.031966 t-Statistic -4.746509 28.27307 Prob. 0.0000 0.0000 7.509367 0.507575 -1.386668 -1.307938 799.3664 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Electricidad
Dependent Variable: LOG(ELECT) Method: Least Squares Date: 05/31/08 Time: 20:02 Sample: 1960 2006 Included observations: 47 Variable C LOG(CEM) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -1.380537 0.893580 0.983141 0.982767 0.060050 0.162269 66.52308 1.465889 Std. Error 0.131282 0.017443 t-Statistic -10.51583 51.22726 Prob. 0.0000 0.0000 5.329685 0.457431 -2.745663 -2.666933 2624.232 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
208
Diesel
Dependent Variable: LOG(DIESEL) Method: Least Squares Date: 05/06/08 Time: 10:14 Sample: 1978 2006 Included observations: 29 Variable C LOG(CEM) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -7.025073 1.361800 0.478340 0.459019 0.660702 11.78623 -28.09394 0.917438 Std. Error 2.132743 0.273689 t-Statistic -3.293914 4.975724 Prob. 0.0028 0.0000 3.569294 0.898286 2.075444 2.169741 24.75782 0.000033
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Carbn
Dependent Variable: LOG(CARB) Method: Least Squares Date: 05/31/08 Time: 20:17 Sample: 1960 2006 Included observations: 47 Variable C LOG(CEM) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 4.865959 0.295879 0.341708 0.327080 0.210751 1.998713 7.514531 0.631750 Std. Error 0.460746 0.061219 t-Statistic 10.56104 4.833091 Prob. 0.0000 0.0000 7.087825 0.256914 -0.234661 -0.155931 23.35877 0.000016
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
209
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
210
211
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Celulosa
Dependent Variable: LOG(CELULOSA) Method: Least Squares Date: 06/01/08 Time: 10:48 Sample: 1960 2006 Included observations: 47 Variable C LOG(PIB) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -10.58163 1.723310 0.919575 0.917787 0.281569 3.567641 -6.101397 0.234758 Std. Error 0.759939 0.075973 t-Statistic -13.92431 22.68314 Prob. 0.0000 0.0000 6.630985 0.982008 0.344740 0.423470 514.5249 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
212
Madera aserrada
Dependent Variable: LOG(MADERA) Method: Least Squares Date: 05/17/08 Time: 15:50 Sample: 1960 2006 Included observations: 47 Variable C LOG(PIB) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -5.749504 1.341699 0.948949 0.947814 0.171931 1.330210 17.08295 0.765459 Std. Error 0.464032 0.046391 t-Statistic -12.39031 28.92179 Prob. 0.0000 0.0000 7.651529 0.752625 -0.641827 -0.563098 836.4698 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Electricidad
Dependent Variable: LOG(ELECT) Method: Least Squares Date: 05/31/08 Time: 21:28 Sample: 1960 2006 Included observations: 47 Variable C LOG(PAPEL) LOG(CELULOSA) LOG(MADERA) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -0.123982 0.499821 0.330214 0.236553 0.984721 0.983655 0.103767 0.463007 41.88369 0.845056 Std. Error 0.241634 0.120058 0.068526 0.079232 t-Statistic -0.513099 4.163149 4.818786 2.985567 Prob. 0.6105 0.0001 0.0000 0.0047 6.840033 0.811654 -1.612072 -1.454613 923.7907 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
213
Lea
Dependent Variable: LOG(LENA) Method: Least Squares Date: 05/31/08 Time: 21:37 Sample: 1960 2006 Included observations: 47 Variable C LOG(PAPEL) LOG(CELULOSA) LOG(MADERA) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 4.712720 0.076625 0.912176 -0.413391 0.802142 0.788338 0.334579 4.813565 -13.14043 0.522251 Std. Error 0.779109 0.387109 0.220952 0.255471 t-Statistic 6.048856 0.197942 4.128398 -1.618149 Prob. 0.0000 0.8440 0.0002 0.1129 8.052729 0.727239 0.729380 0.886840 58.10905 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
214
215
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Carbn
Dependent Variable: LOG(CARB) Method: Least Squares Date: 05/31/08 Time: 20:27 Sample: 1960 2006 Included observations: 47 Variable C LOG(PIB) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 2.795393 0.436097 0.240159 0.223273 0.428562 8.264928 -25.84414 0.922615 Std. Error 1.156666 0.115635 t-Statistic 2.416769 3.771326 Prob. 0.0198 0.0005 7.151181 0.486272 1.184857 1.263587 14.22290 0.000471
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
216
Diesel
Dependent Variable: LOG(DIESEL) Method: Least Squares Date: 06/14/08 Time: 20:24 Sample: 1973 2006 Included observations: 34 Variable C LOG(PIB) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -4.584912 1.254697 0.925778 0.923459 0.177477 1.007933 11.56989 0.868729 Std. Error 0.641187 0.062802 t-Statistic -7.150666 19.97849 Prob. 0.0000 0.0000 8.210592 0.641495 -0.562935 -0.473149 399.1402 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Gas Licuado
Dependent Variable: LOG(GL) Method: Least Squares Date: 06/14/08 Time: 20:23 Sample: 1973 2006 Included observations: 34 Variable C LOG(PIB) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -8.645865 1.480120 0.944905 0.943183 0.178546 1.020114 11.36567 0.906730 Std. Error 0.645049 0.063181 t-Statistic -13.40341 23.42676 Prob. 0.0000 0.0000 6.448520 0.749050 -0.550922 -0.461136 548.8132 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
217
Lea
Dependent Variable: LOG(LENA) Method: Least Squares Date: 06/18/08 Time: 16:38 Sample: 1983 2006 Included observations: 24 Variable C LOG(PIB) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -2.673631 1.005588 0.964297 0.962674 0.082136 0.148418 26.97476 0.876476 Std. Error 0.429988 0.041253 t-Statistic -6.217922 24.37619 Prob. 0.0000 0.0000 7.799866 0.425137 -2.081230 -1.983059 594.1988 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
218
219
CPR Electricidad
Dependent Variable: LOG(ELECT) Method: Least Squares Date: 05/23/08 Time: 16:30 Sample: 1960 2006 Included observations: 47 Variable C LOG(PIB) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -6.514439 1.461193 0.957022 0.956067 0.170716 1.311470 17.41636 0.172089 Std. Error 0.461814 0.046160 t-Statistic -14.10620 31.65502 Prob. 0.0000 0.0000 8.083024 0.814471 -0.656015 -0.577285 1002.040 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Lea
Dependent Variable: LOG(LENA) Method: Least Squares Date: 05/23/08 Time: 16:31 Sample: 1960 2006 Included observations: 47 Variable C LOG(PIB) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 3.936010 0.579625 0.821521 0.817555 0.148948 0.998344 23.82730 0.074055 Std. Error 0.402928 0.040274 t-Statistic 9.768509 14.39202 Prob. 0.0000 0.0000 9.726526 0.348712 -0.928821 -0.850092 207.1301 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
220
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
221
222
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
223
Parque de buses
Dependent Variable: LOG(PBUSES) Method: Least Squares Date: 06/14/08 Time: 18:16 Sample: 1975 2005 Included observations: 31 Variable C LOG(PBUSES(-1)) LOG(PIB) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 1.276738 0.660051 0.216560 0.983919 0.982770 0.040058 0.044931 57.33039 1.571901 Std. Error 0.472758 0.122602 0.079968 t-Statistic 2.700616 5.383696 2.708085 Prob. 0.0116 0.0000 0.0114 10.19721 0.305177 -3.505187 -3.366414 856.5734 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Parque Camiones
Dependent Variable: LOG(PCAMIONES) Method: Least Squares Date: 06/14/08 Time: 18:20 Sample: 1970 2005 Included observations: 36 Variable C LOG(PCAMIONES(-1)) LOG(PIB) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 1.144616 0.794789 0.117972 0.953836 0.951038 0.069745 0.160525 46.34911 1.386886 Std. Error 0.519557 0.089909 0.060138 t-Statistic 2.203060 8.839967 1.961677 Prob. 0.0347 0.0000 0.0583 11.28754 0.315199 -2.408284 -2.276324 340.9216 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
224
Gasolina
Dependent Variable: LOG(GASOLINA) Method: Least Squares Date: 06/14/08 Time: 18:23 Sample (adjusted): 1975 2005 Included observations: 31 after adjustments Variable C LOG(PVP) LOG(PVL) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 4.942982 -0.500355 0.925968 0.955586 0.952413 0.076478 0.163771 37.28366 0.713890 Std. Error 0.604518 0.154075 0.125727 t-Statistic 8.176738 -3.247482 7.364932 Prob. 0.0000 0.0030 0.0000 9.700036 0.350587 -2.211849 -2.073076 301.2128 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Diesel
Dependent Variable: LOG(DIESEL) Method: Least Squares Date: 06/14/08 Time: 18:12 Sample: 1986 2005 Included observations: 20 Variable C LOG(PBUSES) LOG(PCAMIONES) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -10.70058 1.366324 0.548905 0.914582 0.904533 0.124776 0.264674 14.87112 0.486554 Std. Error 1.643310 0.582654 0.465540 t-Statistic -6.511598 2.344999 1.179071 Prob. 0.0000 0.0314 0.2546 9.797449 0.403836 -1.187112 -1.037752 91.01120 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
225
226
227
2013 100.489 2014 107.706 2015 115.382 2016 123.090 2017 130.865 2018 138.898 2019 146.664 2020 154.786 2021 165.213 2022 174.675 2023 184.503 2024 194.787 2025 205.488 2026 216.565 2027 228.113 2028 240.158 2029 252.726 2030 265.847
228
(a) Los otros energticos consumidos por Cobre son el Kerosene, Gas licuado, Nafta, Carbn y Coke.
229
Consumos Cobre
45000 40000 35000 Teracaloras 30000 25000 20000 15000 10000 5000 0 2007 2017 Aos 2027 otrosCobre GasNatural Electricidad PetrleosCombustibles DIESEL
En general, los resultados muestran un incremento promedio anual de un 2.1% del consumo total de energa del subsector Cobre entre los aos 2006 y 2030. Para el perodo 2006-2030 se esperan los siguientes crecimientos por energtico: El consumo de electricidad presenta un incremento de un 2,9% promedio anual. El consumo de diesel presenta un incremento promedio anual de un 2,9%. El consumo petrleos combustibles presenta una la tasa de crecimiento de -0,9%. Gas natural se mantiene en el nivel del ao 2006 El consumo de otros energticos presenta una tasa de disminucin anual del consumo de -2,6%.
230
(a) Los otros energticos consumidos por la industria del cemento son Gas licuado y Coke,
231
Consumos Cemento
6000 5000 Teracaloras 4000 3000 2000 1000 0 2007 2017 Aos 2027 OtrosCemento GasNatural PetrleosCombustibles Electricidad Diesel Carbn
En general, los resultados muestran un incremento promedio anual de un 2.9% del consumo total de energa del subsector Cemento entre los aos 2006 y 2030. Para el perodo 2006-2030 se esperan los siguientes crecimientos por energtico: El consumo de electricidad presenta un incremento de un 3,8% promedio anual. El consumo de carbn presenta un incremento de un 1,2% promedio anual. El consumo de diesel presenta un incremento promedio anual de un 5,8%. El consumo petrleos combustibles presenta una la tasa de crecimiento de 8%. Gas natural se mantiene en el nivel del ao 2006 El consumo de otros energticos presenta un crecimiento anual del 5,5%.
232
(a) Los otros energticos consumidos por el sector papel y celulosa son Diesel y Gas licuado
233
En general, los resultados muestran un incremento promedio anual de un 3% del consumo total de energa del subsector Papel y celulosa entre los aos 2006 y 2030. Para el perodo 2006-2030 se esperan los siguientes crecimientos por energtico: El consumo de electricidad presenta un incremento de un 3,3% promedio anual. El consumo petrleos combustibles presenta una la tasa de crecimiento de 2,3%. Gas natural se mantiene en el nivel del ao 2006 El consumo de lea presenta un incremento de un 4,4% promedio anual. El consumo de otros energticos presenta una tasa de disminucin anual del consumo de -2,1%.
234
Aos 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030
Lea 3.378 3.445 3.818 3.919 3.840 3.846 3.779 4.810 5.105 5.419 5.751 6.104 6.478 6.876 7.298 7.745 8.125 8.523 8.941 9.380 9.840 10.322 10.828 11.359 11.916 12.500 13.113 13.756 14.430 15.138 15.880
Total 29.179 32.453 28.664 30.327 32.251 29.304 32.949 38.158 40.424 42.833 45.396 48.123 51.023 54.110 57.395 60.891 63.863 66.989 70.276 73.734 77.370 81.194 85.217 89.449 93.901 98.585 103.514 108.699 114.156 119.899 125.942
(a) Los otros energticos de Industrias y Minas Varias son Kerosene, Nafta, Coke y Metanol
235
En general, los resultados muestran un incremento promedio anual de un 5,8% del consumo total de energa del subsector Papel y celulosa entre los aos 2006 y 2030. Para el perodo 2006-2030 se esperan los siguientes crecimientos por energtico: El consumo de electricidad presenta un incremento de un 6,8% promedio anual. El consumo de diesel presenta una la tasa de crecimiento de 5,3%. El consumo de gas licuado presenta una la tasa de crecimiento de 6,5%. El consumo de carbn presenta una la tasa de crecimiento de 1,9%. El consumo de lea presenta un incremento de un 5,3% promedio anual. El consumo petrleos combustibles presenta una la tasa de crecimiento de 3,9%. Gas natural se mantiene en el nivel del ao 2006 El consumo de otros energticos presenta una crecimiento anual del 0,3%.
236
237
238
239
Los otros energticos del sector transporte terrestre son Petrleo combustible, Kerosene de aviacin, Kerosene, Gas licuado Electricidad y Gas natural
240
241
En general, los resultados muestran un incremento promedio anual de un 7.3% del consumo total de energa del sector Transporte entre los aos 2006 y 2030 Para el perodo 2006-2030 se esperan los siguientes crecimientos por energtico: El consumo de electricidad presenta una cada de un -1,5% promedio anual. El consumo de diesel presenta una la tasa de crecimiento de 7,8%. El consumo de gasolina presenta una la tasa de crecimiento de 3,3%. El consumo petrleos combustibles presenta una la tasa de crecimiento de 9,3%. El consumo de Kerosen de aviacin presenta una la tasa de crecimiento de 8,9%. El consumo de otros energticos presenta caen anualmente un -5,4%.
242
(a) Los otros energticos considerados son Petrleo Combustibles, Kerosene, Diesel, Carbn y Gas Corriente
243
Consumos CPR
180000 160000 140000 Teracaloras 120000 100000 80000 60000 40000 20000 0 2007 2017 Aos 2027 OtrosCPR GasNatural Lea Electricidad GasLicuado
En general, los resultados muestran un incremento promedio anual de un 3,8% del consumo total de energa del sector CPR entre los aos 2006 y 2030. Para el perodo 2006-2030 se esperan los siguientes crecimientos por energtico: El consumo de electricidad presenta un incremento de un 6,5% promedio anual. El consumo de gas licuado presenta una la tasa de crecimiento de 3,3%. Gas natural se mantiene en el nivel del ao 2006 El consumo de lea presenta un incremento de un 2,5% promedio anual. El consumo de otros energticos presenta una caida anual del 0,3%.
244
3.691 4.474 5.461 6.194 7.145 7.883 8.348 8.667 10.239 10.106 10.328 10.243 9.344 9.654 10.185 9.719 10.259 10.376 9.697 9.832 10.031 10.519 10.812 11.116 11.433 11.762 12.278 12.633 13.002 13.472 13.958 14.372 14.802 15.250 15.715 16.198
245
Figura A14
Proyeccin demanda sistema SIC
Ao 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 Cemento [GWh] 272 293 340 377 397 412 435 473 468 401 399 423 462 511 481 492 593 563 586 609 634 659 686 713 742 772 797 822 849 876 904 933 963 994 1026 1059 1093 1129 1165 1202 1241 Papel y celulosa [GWh] 1208 1547 2087 2133 2118 2369 2503 2290 2545 2752 3185 3645 4163 3863 4043 4352 4980 4588 4887 5206 5545 5907 6292 6702 7139 7605 7733 7863 7996 8131 8267 8407 8548 8692 8839 8988 9139 9293 9450 9609 9771 Minera [GWh] I y Minas Total suma CPR[0/1] varias Otros [GWh] CPR [GWh] [GWh] [GWh] 2976 1326 4666 Datos base 3406 1394 4894 para 3987 1587 5329 pronstico 4359 1497 5787 4687 1580 6311 5737 1656 6779 19404 0,349 5992 1801 7571 21260 0,356 6449 2128 8088 22560 0,359 6173 1940 8870 23357 0,380 7991 2162 9305 26137 0,356 7189 2194 9866 27212 0,363 7498 2278 11019 29376 0,375 7063 2285 11504 30402 0,378 7497 2489 12135 32243 0,376 8978 2334 13386 34816 0,384 8664 2396 14174 35611 0,398 9221 2531 14759 38026 0,388 10936 2792 16199 40867 0,396 11768 2913 17395 43378 0,401 12663 3040 18678 46110 0,405 13625 3173 20057 49589 0,404 14659 3311 21537 53455 0,403 15771 3455 23126 56957 0,406 16967 3606 24833 60756 0,409 18253 3763 26666 64607 Datos 0,413 19635 3926 28635 68779 proyectados 0,416 20820 4063 30322 72342 0,419 22082 4205 32109 75927 0,423 23419 4352 34001 79711 0,427 24836 4503 36004 83704 0,430 26338 4660 38126 87919 0,434 27930 4823 40375 92513 0,436 29617 4991 42756 97212 0,440 31405 5165 45278 102173 0,443 33300 5345 47949 107482 0,446 35308 5532 50777 113084 0,449 37436 5724 53772 118924 0,452 39691 5924 56943 125091 0,455 42081 6131 60302 131605 0,458 44613 6344 63859 138485 0,461 47296 6566 67626 145752 0,464 IND[0/1] fc histrico fc proyectado Dmedia [MW] Dmax [MW] Dmin [MW]
2.451 2.958 3.131 3.362 3.526 4.378 4.513 4.924 5.749 5.594 5.534 5.942 5.789 5.830 5.914 6.556 7.383 7.627 7.934 8.044 8.207 8.606 8.846 9.095 9.354 9.623 10.045 10.336 10.638 11.023 11.420 11.759 12.111 12.477 12.858 13.253
0,651 0,644 0,641 0,620 0,644 0,637 0,625 0,622 0,624 0,616 0,602 0,612 0,604 0,599 0,595 0,596 0,597 0,594 0,591 0,587 0,584 0,581 0,577 0,573 0,570 0,566 0,564 0,560 0,557 0,554 0,551 0,548 0,545 0,542 0,539 0,536
0,6714091 0,68124851 0,67877676 0,69327211 0,69631235 0,69902706 0,70877359 0,70989448 0,70934596 0,7273414 0,7109001 0,72021678
0,679631735 0,685872274 0,688119034 0,707795898 0,685784813 0,691861788 0,703494577 0,706540645 0,704642049 0,712162339 0,724718344 0,715565515 0,723213086 0,727484816 0,731270332 0,730688413 0,729242212 0,732150606 0,734663063 0,738376547 0,74169403 0,744309924 0,747774997 0,751169336 0,754493534 0,757747574 0,76 0,76 0,76 0,76 0,76 0,76 0,76 0,76 0,76 0,76
2017,4 2172,0 2382,3 2561,0 2767,1 2914,4 3156,8 3327,0 3462,9 3661,6 3950,0 4097,6 4665,2 4951,9 5263,7 5660,9 6102,2 6502,0 6935,6 7375,2 7851,5 8258,2 8667,5 9099,4 9555,3 10036,5 10560,9 11097,3 11663,6 12269,6 12909,1 13575,8 14279,8 15023,4 15808,8 16638,4
3.235,0 3.497,0 3.773,0 3.991,4 4.185,5 4.516,0 4.694,0 4.878,0 5.162,0 5.430,8 5.763,9 6.058,9 6.450,6 6.806,8 7.198,0 7.747,3 8.367,9 8.880,7 9.440,5 9.988,4 10.585,9 11.095,1 11.591,0 12.113,7 12.664,5 13.245,1 13.895,9 14.601,7 15.346,8 16.144,2 16.985,6 17.862,9 18.789,3 19.767,7 20.801,1 21.892,6
1658,9 1793,3 1934,8 2046,8 2146,4 2315,9 2407,1 2501,5 2647,1 2785,0 2955,8 3107,1 3373,9 3602,4 3849,2 4136,3 4450,0 4760,4 5095,3 5445,7 5823,4 6146,6 6481,3 6835,2 7209,4 7605,1 8026,3 8433,9 8864,3 9324,9 9810,9 10317,6 10852,7 11417,8 12014,7 12645,2
246
ANEXO 7: METODOLOGA ESTIMACIN CONSUMO DE COMBUSTIBLES TRANSPORTE TERRESTRE 1.1 Parque de automviles livianos y medianos.
Para analizar y proyectar el parque se usa informacin del stock de vehculos motorizados existentes en Chile, desagregado a nivel regional, a travs de las encuestas anuales sobre permisos de circulacin de vehculos, aplicada a las municipalidades del pas. Esta encuesta ha cambiado de formato a travs de los aos y tambin han cambiado las categoras de vehculos. De la informacin existente se toma la serie larga del INE que contiene datos sobre parque a partir de 1975. Esta incluye informacin de automviles particulares, taxis, camionetas y furgones, camiones, buses y otros. La proyeccin se separa entre automviles livianos incluye automviles particulares y taxis- y vehculos comerciales livianos y medianos que incluye camionetas y furgones. En la figura 1 se muestra un grfico conteniendo la tendencia en el parque para vehculos livianos de pasajeros tanto a nivel nacional como regional. De la figura se desprende la existencia de un crecimiento explosivo del parque, el que se multiplica 5 veces entre 1975 y el 2005. Al comparar esto con el crecimiento de la poblacin que aumenta en un 50% en el mismo perodo se concluye que mientras en el ao 1975 haban 31 autos livianos por cada 1000 habitantes, en el ao 2005 existan cerca de 130, cifra similar a Mxico pero muy lejana de los cerca de 400 vehculos por cada mil habitantes de Europa o los cerca de 600 de USA. Evidentemente que parte fundamental de este xito ha sido el crecimiento econmico el cual, medido como PIB, se ha multiplicado por 2,5 veces en el mismo perodo. La Regin Metropolitana ha concentrado histricamente casi el 50% de este parque, an cuando participe con un 42% de la poblacin total. De esta manera el nmero de vehculos de pasajeros por cada mil habitantes en esta regin era de 147 el ao 2005, un 12% mayor que a nivel nacional. Sin embargo, esta informacin fue utilizada para obtener la composicin del parque entre automviles catalticos y no catalticos; adems de la composicin etrea del parque, para poder determinar los plazos en que los vehculos salen de circulacin. Finalmente, an con algunos errores no sistemticos, la serie del INE entrega informacin bastante consistente con el crecimiento del pas y permite trabajar con una serie larga de tiempo, lo cual es muy til para propsitos de prediccin. Adicionalmente, la informacin de parque proporcionada por el INE ha sido el mtodo de estudio del parque vehicular para estudios anteriores de estimacin de emisiones incluido el inventario de emisiones.
247
120
1.000 60 800 600 400 20 200 1975 1978 1981 1984 1987 1990 1993 1996 1999 2002 2005 Ao 0 40
Nacional
Fuente: INE.
Regin Metropolitana
Tasa Motorizacin
Existe tambin un estudio del parque de Chumacero y Quiroz (2007) que tambin utiliza la informacin del INE en la estimacin de la elasticidad ingreso. En resumen la informacin del INE permite analizar, estudiar y proyectar en forma mucho ms certera el parque a nivel nacional que la informacin entregada por las plantas de revisin tcnica. Est ltima presenta serias deficiencias que subestiman el parque total de vehculos livianos y medianos. El equipo consultor estim que al usar informacin de revisin tcnica en el ao 2001 se subestimara el parque en un 13% comparado con la informacin del INE, entre otros problemas detectados.
Tasa Motorizacin
1.200
80
248
1.1.1
Para proyectar el parque se aplica un modelo economtrico al stock de automviles de pasajeros y comerciales a nivel nacional. Se usa stock y no flujo ya que no se cuenta con una serie larga de informacin sobre ventas de automviles. Estas ltimas solo existen a partir de 1989. Al realizar un anlisis grfico, se observa que existe una fuerte correlacin entre el producto interno bruto y el stock de automviles. En la figura 2 se presentan estos dos indicadores. El PIB es convertido a un ndice para dejarlo en la misma escala que el parque. Como es de esperar para un bien durable, las tendencias de largo plazo son muy parecidas. Ello permite usar un simple modelo de consumo durable para proyectar las tendencias de largo plazo del stock de vehculos. Este tipo de modelo asume que el stock deseado de un bien durable puede ser tratado como una inversin y por lo tanto, el individuo debe determinar el consumo (flujo) ptimo de consumo en el tiempo. Como la mayor parte de los modelos de consumo durable, este ser explicado por variables como la riqueza y el ingreso.
1. 6 0 0
1. 4 0 0
unidades (miles)
1. 2 0 0
Parque Nacional
1. 0 0 0
800
600
400
PIB real
200
1975 1978 1981 1984 1987 1990 1993 1996 1999 2002 2005
1.1.2
Se utiliza un modelo estndar de consumo de un bien durable (automvil). Bajo este modelo se asume que los individuos son racionales y compran un vehculo para optimizar su bienestar. Ellos maximizan la siguiente funcin de bienestar:
249
Max tU ( xt , gt )
t =0
dt st et Donde es la tasa de descuento, x corresponde a otros bienes de consumo, g corresponde al consumo de gasolina, t es un ndice de tiempo, d es la distancia en Kms, s es el stock de vehculos, e es un parmetro de eficiencia. gt = Los consumidores enfrentan una restriccin de presupuesto es del tipo:
Px x + pg g + pa v + f = y + (1 + r ) f t 1 Los individuos gastan su ingreso (y) en otros bienes, gasolina, la compra o arriendo de un auto nuevo (v), un activo financiero (f) que les permite ahorrar o desahorrar. El stock de vehculos se ajusta a travs de la ecuacin: vt = st (1 ) st 1 Donde es la tasa de obsolescencia del parque. Resolviendo este problema se puede obtener un modelo de forma de reducida que muestra que el stock deseado de automviles (s*) depende del costo de uso del vehculo y de la riqueza, esto es: st* = s (cut ,Wt ) , donde cu es el costo de uso que est compuesto por el valor anual equivalente de usar un auto (compuesto entre el precio de compra, el costo del combustible, el rendimiento y la distancia); y W es la riqueza, es decir, el ingreso ms los activos financieros. La modelacin estadstica asumir que el stock deseado de automviles (s*) se ajusta suavemente a travs del tiempo a travs de un mecanismo de expectativas adaptativas que viene dado por: st st 1 = ( st* st 1 ), [0,1] Esto muestre que el stock deseado (s*) en una fraccin de la diferencia entre el stock actual y el del perodo anterior. De esta manera, se puede especificar un modelo lineal como: st = o + 1 Pt + 2 yt + (1 ) st 1 + et La variable Pt es el costo de uso, yt es el ingreso y se usar como proxy para la riqueza. Este modelo ser estimado con datos del parque de automviles de pasajeros y comerciales para el perodo 1975-2005. Los datos son obtenidos del INE y Banco Central y se expresan en trminos reales. En el cuadro A38 se presentan los resultados de estos modelos.
250
Como variable proxy para el precio se utiliz el precio del dlar, el que no fue significativo en la estimacin. Se utiliza el mtodo de Mnimos Cuadrados en dos Etapas dada la existencia de una variable dependiente rezagada. Como mtodo de correccin de autocorrelacin de primer orden se utiliz el procedimiento Hatanaka. Los resultados del modelo muestran que la nica variable significativa es el ingreso. De este modelo se deduce que la elasticidad ingreso de corto plazo es de 0,71 y la elasticidad 0,7189 0,89 = 10,1987 ingreso de largo plazo es de . Lo que significa que en promedio un 1% de aumento del PIB increment el nmero de automviles, en el largo plazo, en. 0,89. Similar a la que encuentran Chumacero y Quiroz (2007).
Cuadro A38: Resultado modelo largo plazo, Parque Vehculos Pasajeros.
Mtodo de Estimacin: Mnimos Cuadrados en Dos Etapas R2 ajustado= 0.9928 ; F[ 3, 25] = 1288.71, N = 29, (*) valido al 95% de confianza. Fuente: Elaboracin propia
Este mismo modelo aplicado a automviles comerciales livianos entrega los siguientes resultados.
Cuadro A39: Resultado modelo largo plazo, parque comercial.
Mtodo de Estimacin: Mnimos Cuadrados en Dos Etapas R2 ajustado= 0.9902 ; F[ 3, 26] = 980.94, N = 30, (*) valido al 95% de confianza. Fuente: Elaboracin propia
De los resultados anteriores se obtiene una elasticidad ingreso de corto plazo de 0,61 y de 0,6133 1,31 = 10,5318 . Tampoco la variable precio es significativa en este caso. largo plazo de 251
1.1.3
El modelo anterior permite entregar una prediccin del comportamiento del parque usando ciertos supuestos de ingreso. Para pasar de datos de parque a datos de venta se utiliza la ecuacin de ajuste: vt = st (1 ) st 1 Esta ecuacin indica que la ventas de automviles en un perodo, es la diferencia entre el stock de autos que existe y el stock del ao anterior, ms una tasa de mortalidad u obsolescencia . Este dato no se conoce y se estima usando la informacin de parque y de ventas a nivel nacional para los aos 1989-2002 y que se presenta en el cuadro A40. Se estima la tasa de obsolescencia usando la ecuacin anterior. Aunque esta es muy errtica, su valor medio gira en torno al 2,36% en el caso de los vehculos de pasajeros y en torno a, 3,73% en el caso de los vehculos comerciales70.
tasa(%)
4 3 2
Comerciales
Pasajeros
1 0
1 992 1 994 1 996 1 998 2000 2002 2004
Aos
La estimacin estadstica de esta tasa usando los datos de ventas y parque son solo vlidas en promedio. Esto debido, y como se desprende del cuadro anterior, a que las ventas no guardan relacin con las diferenciales calculadas del stock. Se tiene que asumir que esto se
Este nmero difiere con la informacin de ANAC debido a que el parque considerado es distinto. Aqu solo se toman vehculos livianos y medianos mientras que ANAC incluye en el parque de vehculos comerciales los buses.
70
252
debe a problemas temporales y por lo tanto existe un error de medicin al estimar las ventas como la diferencia de stock menos la obsolescencia. Se representar el error de medicin como , y se asumir que esta variable se distribuye con media cero y una cierta varianza en un lapso de tiempo no conocido.
Cuadro A40: Clculo Tasa media de obsolescencia Vehculos de pasajeros
Ao 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 Parque Tasa Diferencia Ventas Estimada 45.500 57.237 9,87 55.900 40.904 -1,42 60.500 53.968 -0,19 64.800 75.038 1,78 72.900 71.755 0,24 76.900 66.244 5,58 95.600 95.360 -1,79 104.100 105.606 1,01 114.700 112.548 5,17 115.600 89.650 2,43 116.800 68.132 -1,52 110.600 71.499 5,64 103.900 64.269 2,50 102.605 71.204 3,70 100.164 88.014 4,25 100.713 111.459 1,82 104.588 133.936 1,84
90.934 80.990 2,41
Vehculos Comerciales
Parque 228.800 252.100 281.700 315.600 347.700 364.200 399.900 441.800 469.500 498.700 531.200 529.900 541.100 556.704 562.238 572.318 598.230
440.688
615.900 655.800 706.500 763.600 825.300 837.400 930.400 1.017.100 1.061.100 1.121.300 1.207.000 1.210.000 1.248.000 1.270.516 1.302.602 1.387.942 1.490.540
Diferencia Ventas 29.200 32.871 23.300 23.401 29.600 30.854 33.900 44.614 32.100 41.121 16.500 42.083 35.700 51.070 41.900 56.433 27.700 62.927 29.200 51.218 32.500 36.289 -1.300 37.256 11.200 34.062 15.604 31.312 5.534 31.512 10.080 37.127 25.912 48.411
23.449 40.739
Tasa Estimada 1,84 0,04 0,50 3,80 2,86 7,36 4,22 3,63 7,97 4,69 0,76 7,26 4,31 2,90 4,67 4,81 3,93
3,86
Promedio 1.038.294
Las diferencias entre las ventas y las variaciones del parque se producen debido a que algunos autos que fueron sacados de circulacin en el perodo t (reparacin o dados de baja) son sacados del registro de inscripcin mucho despus. Por otro lado, autos que son vendidos en t son inscritos en un perodo posterior. Se puede deducir que estas diferencias se anularn al cabo de algn tiempo. Se supone que 4 aos es un perodo razonable para que estas diferencias se anulen. Dado lo anterior, se asume que la tasa de obsolescencia en promedio es correcta. Para ello se tomarn promedios mviles cada cuatro aos y se analizar la tendencia de la serie. Grficamente, se observa que esta tasa tiene un comportamiento autoregresivo. La tasa de obsolescencia estimada de vehculo de pasajeros tiene una tendencia positiva, mientras que la de vehculos comerciales parece haberse estabilizado cerca de 4%. Dada la evidencia visual y con el objeto de analizar el comportamiento de la serie de datos en el tiempo se ajusta una ecuacin autoregresiva de segundo orden con drift para la serie de autos comerciales. Esta es:
253
Tasat = o + 1Tasat 1 + 2Tasat 2 + 3tiempo + Los resultados se muestran en los cuadros A41 y A42. El resultado de la proyeccin muestra que una ecuacin autoregresiva se ajusta bien a los valores existes. Se asumir entonces que existe una tasa de obsolescencia creciente que se aproxima a un valor de 6% al ao 2020. En Estados Unidos la flota de vehculos livianos dura 8,5 aos y la tasa de retiro fue de alrededor de 6,5% en 1997. En la figura 5 se muestra la tasa de obsolescencia de este mercado. Esta oscil en alrededor de 6,22 entre 1973 y 1990 con tendencia a la baja. Para el caso de los vehculos comerciales esta fue de 4,21% ese mismo perodo de tiempo.
Cuadro A41: Resultado modelo tasa de obsolescencia, parque pasajeros. Coeficiente Error Estndar Estadstico t Valor P Constante (*) -4,0443 1,0036 -4,0298 0,0024 TOVPR -0,4910 0,1983 -2,4759 0,3280 TOVPRR (*) 0,0000 0,0000 0,0000 0,0000 TIEMPO (*) 0,2915 0,0494 5,8998 0,0002 Mtodo de Estimacin: Mnimos Cuadrados Ordinarios R2 ajustado= 0.7209 ; F[ 3, 28] = 10.47, N = 12, (*) valido al 95% de confianza. Fuente: Elaboracin propia. Cuadro A42: Resultado modelo tasa de obsolescencia, parque comercial.
Mtodo de Estimacin: Mnimos Cuadrados Ordinarios R2 ajustado= 0.4195 ; F[ 1, 11] = 9.67, N = 12, (*) valido al 95% de confianza. Fuente: Elaboracin propia.
Para propsitos de proyeccin de la tasa de obsolescencia de automviles de pasajeros se usa el valor de la tendencia generada por la ecuacin anterior. Para el caso de los comerciales se asumir que la tasa se estabiliza en alrededor de 4,04% y de all se mantiene. En la memoria de clculo se presentan las proyecciones de la tasa de obsolescencia.
254
Tasa (%)
Tasa (%)
5 4 3 2
4 3 2 1 0
1 0
1990
2000
Prediccin
2010
real
2020
1970
1975
1980
1985
1990
1995
Pasajeros
Comerciales
1.1.4
La proyeccin del parque se realiza usando el modelo descrito y las tasas de obsolescencia de las secciones anteriores. En base a estas predicciones se estimarn las ventas aparentes de automviles de pasajeros y comerciales en un escenario de largo plazo utilizando la ecuacin de ajuste de stock. El ao 2005 el parque de vehculos livianos creci un 7,2%, y en el perodo 2000-2005 creci un promedio de 4,2% por ao; mientras que las ventas en ao 2005 crecieron en torno al 20% y en el perodo 2000-2005, el promedio fue de un 17,5%. Por lo tanto se puede concluir, que el parque ha estado creciendo a tasas crecientes. Algo similar ocurre con el parque de vehculos comerciales. Todo esto se puede apreciar en el Cuadro A43.
Cuadro A43: Tasas de Crecimiento del Parque y Ventas de Vehculos Livianos y Comerciales Vehculos Livianos Vehculos Comerciales Ao Parque Ventas Parque Ventas Real % Real % Real % Real % 2000 1.320.600 71.499 529.900 37.256 2001 1.351.900 2,4% 64.269 -10,1% 541.100 2,1% 34.062 -8,6% 2002 1.373.121 1,6% 71.204 10,8% 556.704 2,9% 31.312 -8,1% 2003 1.402.766 2,2% 88.014 23,6% 562.238 1,0% 31.512 0,6% 2004 1.488.655 6,1% 111.459 26,6% 572.318 1,8% 37.127 17,8% 2005 1.595.128 7,2% 133.936 20,2% 598.230 4,5% 48.411 30,4% 20,8% 87,3% 12,9% 29,9% 2000-2005 4,2% 17,5% 2,6% 6,0% Promedio Fuente: ANAC.
255
La prediccin del parque de largo plazo utilizar como principal parmetro la estimacin de la elasticidad ingreso obtenido del modelo presentado en la seccin anterior. Esta es una elasticidad de largo plazo promedio para el perodo 1975-2005, sin embargo, es conocido que a medida que aumenta el ingreso la elasticidad parque-ingreso se reduce. Por ejemplo, algunas estimaciones muestran que pases con ingresos per cpita inferiores a US$ 2.000 tendran elasticidades de largo plazo superiores a 2.3, mientras que pases con ingresos per cpita superiores a US$ 20.000 tendran una elasticidad de 0,171.
1.1.4.1 Proyecciones de Ventas y Parque
Las ventas de automviles nuevos se obtienen de la informacin entregada por ANAC, la cual se encuentra disponible en detalle para los aos 1998-2007, y en forma agregada para los aos 1989-1993. Los anlisis se separan entre vehculos de pasajeros y comerciales porque claramente son un mercado distinto. De la informacin se desprenden los siguientes aspectos.
Figura A20: Ventas Reales de Vehculos de Livianos y Comerciales Nacional
1990
1992
1994
1996
1998
2000
2002
2004
2006
Comerciales Reales
Fuente: ANAC.
Livianos Reales
Primero, el comportamiento de las ventas ha seguido la tendencia del desempeo de la economa chilena. La figura A20 muestra que existe una tendencia creciente hasta 1997 y
Para una revisin de modelos y estimacin ver Medlock y Soligo, 2002, J of Trans. Econ. and Pol. V. 36, pp. 163-188. Ellos usan una estimacin de panel para 28 pases desarrollados y en desarrollo. Ellos usan datos de PIB per cpita corregido por PPP a precios de 1985. An cuando Chile no aparece entre los pases analizados, pases con PIB comparable como Mxico y Malasia tendran una elasticidad ingreso de alrededor de 1,2 .
71
256
de all comienza a caer al vaivn de la economa. A partir del ao 2000 comienza la recuperacin de las ventas de vehculos de pasajeros. En segundo lugar, las ventas de vehculos de pasajeros y comerciales, figura A21, tienen un comportamiento similar hasta el ao 2001, en que la tendencia entre ambas cambia fuertemente. A partir de all, la venta de vehculos de pasajeros se recuperan y la de vehculos comerciales se mantienen estancadas. Claramente aqu se observa la incidencia de la Ley 19.738 contra la evasin tributaria. Adems, del grfico A21 se desprende que las ventas de vehculos diesel han aumentado, tanto en el grupo de vehculos pasajeros, como en el grupo de vehculos comerciales. En este segmento en particular se puede observar que an cuando las ventas totales disminuan, las ventas de vehculos diesel aumentaban y desde el ao 2001 a la fecha el nmero de unidades, supera al nmero de unidades a gasolina. En efecto mientras en 1998 los diesel representaron el 24% de las ventas de este segmento, el ao 2006 representaron cerca del 80%. Situacin que no ocurre en el caso de los vehculos de pasajeros, donde el nmero de vehculos diesel aumenta, pero muy por debajo de los vehculos a gasolina. Esto se traduce en que desde un 2,2% de importancia en 1998, el nmero de vehculos de pasajeros diesel vendidos lleg a un 9,2% en el ao 2006.
257
Figura A21: Ventas Reales de Vehculos de Livianos y Comerciales Nacional, segn Combustible.
2002
2003
2004
2005
2006
Como se explic en la seccin anterior, se utilizaron 2 modelos para la proyeccin del parque: uno de corto plazo y uno de largo plazo; ms un perodo de ajuste. En la prctica esto significa que en el perodo 2007-2011, las ventas se proyectan a travs del modelo de corto plazo, en funcin de variables como PIB, desempleo, rentabilidad del mercado accionario y tipo de cambio real. Para proyectar estas variables se utiliz la encuesta de expectativas que realiza el Banco Central, ajustando las variables por variaciones estacionales. Para el perodo 2015-2030, se utiliz el modelo de largo plazo, las ventas se adaptan al crecimiento del parque, puesto que en el largo plazo, la nica variable relevante ser el nivel de actividad econmica (PIB). Finalmente en el perodo de ajuste, tanto las ventas como el parque se adecuan para lograr traspasar la proyeccin de corto plazo hacia la tendencia de largo plazo. Debido a que el crecimiento de las ventas en el corto plazo es superior a la tendencia de largo, se extrapolan linealmente estas tasas de crecimiento de manera que se ajusten en una cierta cantidad de aos. Se asume que en 5 aos las ventas se ajustan a un equilibrio de largo plazo.
258
Con la informacin de ventas estimadas hasta el ao 2011 y con el nmero de vehculos que salen por obsolescencia, se estima el parque de acuerdo a la ecuacin de stock dada por:
st = vt + st 1 st 1 .
Ello debido a que razonablemente se cree que el modelo de corto plazo proyecta relativamente bien el comportamiento de las ventas. Ms all de esto, se prefiri usar el modelo de stock de vehculos, es decir ver la tendencia del parque y determinar que nivel de ventas estaba acorde con un parque esperable de vehculos comerciales y de pasajeros. Por lo tanto, desde el ao 2011 se utilizo como base de la proyeccin la tendencia del parque en el largo plazo usando la elasticidad ingreso definida anteriormente. Para determinar el tamao del parque en el perodo t, al parque del perodo anterior se le suman las ventas, y se le resta una fraccin del parque del perodo anterior, por lo tanto, hay que resolverlo progresivamente desde el ao 2006, hasta el ao 2020. Los resultados se pueden apreciar en la figura A22. En esta figura, podemos ver el crecimiento que experimenta el parque vehicular nacional. En el caso de los vehculos de pasajeros livianos, se experimentara un aumento en el parque desde 1.600.000 vehculos el ao 2005 a 5.700.000 vehculos para el ao 2030, lo que se traduce en un crecimiento cercano a 3,5 veces. Por otro lado, el caso de los vehculos comerciales, el crecimiento que experimentaran sera superior, puesto que en el mismo perodo estaran aumentando ms de 4 veces, pasando desde un valor cercano a los 600.000 vehculos el ao 2005 a un valor cercano a 2.600.000 vehculos al ao 2030.
259
Millones Unidades
1985
1990
1995
2000
2005
2010
2015
2020
2025
2030
Si analizamos lo que ocurre con las tasas de crecimiento de las ventas, podemos observar que las ventas siguen el mismo comportamiento del PIB, como se puede apreciar en la figura A23. Aqu, vemos que en la medida que el PIB crece, las ventas de vehculos livianos, ya sean de pasajeros o comerciales, crecen; y en la medida que el PIB decrece, las ventas decrecen. En el anlisis se ha supuesto que la tendencia de largo plazo del PIB, es crecer a tasas cercanas al 4,75% anual, eso provoca que la tendencia de largo plazo de las ventas sea crecer a tasas cercanas al 5% (5,5 en el caso de los comerciales y 4,2 en el caso de los vehculos livianos).
260
% Crecimiento Ventas
20%
Ventas Comerciales
Ventas Livianos
PIB
Una forma de verificar los resultados encontrados hasta ahora, consiste en compararlos con otros estudios relevantes y con la experiencia internacional. As, si analizamos los resultados y proyecciones de Chumacero y Quiroz (2007) vemos que para el ao 2015, proyecta una tasa de motorizacin que estar en el rango entre 0,19 y 0,23 vehculos por habitante; o lo que es equivalente a un intervalo entre 190 y 230 vehculos por cada 1000 habitantes. En este estudio se ha encontrado que para el ao 2015, la tasa de motorizacin estar en torno a los 200 vehculos por 1000 habitantes, para llegar a 241,5 vehculos por cada 1000 habitantes al ao 2020. En el mbito internacional, con las tasas de crecimiento del PIB esperadas para el perodo 2007-2020, Chile debiese pasar desde un PIB per cpita corregido por Poder de Paridad de Compra de US$ 11.212 el ao 2005 a US$ 22.662. Esto significa que Chile el ao 2020, debiese tener un PIB per cpita cercano los que poseen pases como Eslovenia (US$ 21.190), Portugal (US$ 21.324) y Espaa (US$ 25.187), los cuales presentaban una tasa de motorizacin de 456, 384 y 437 vehculos por cada 1000 habitantes respectivamente.
261
Sin embargo, lo que podemos observar es que pese a que se doblara el nmero de vehculos por cada 1.000 personas (129 a 241), todava son tasas de motorizacin muy por debajo de las tasas de los pases sealados anteriormente. Por lo tanto, slo se puede concluir que las estimaciones realizadas son bastante conservadoras, considerando la experiencia internacional.
Figura A24: Parque Vehculos de Pasajeros Versus PIB per cpita (2004)
900
750
600
450
Slovenia Spain
Portugal
2020
Israel
2015 2010
Chile
0 5.000 10.000 15.000 20.000 25.000 30.000 35.000 40.000 45.000
262
Para estimar el parque de camiones se utiliz la informacin del INE para el perodo 19752005. Esta informacin, que se presenta en la figura siguiente, muestra que el parque de camiones a nivel nacional ha estado creciendo sostenidamente a una tasa promedio anual de un 2,2%. La misma informacin muestra que a nivel de la Regin Metropolitana, el parque ha estado creciendo a una tasa promedio de 2,7%, lo que se traduce en que la participacin media de la Regin Metropolitana ha crecido en este perodo. En efecto, la figura muestra que la participacin del parque de camiones de la R.M en relacin al total nacional fue de un 29,1% promedio en el perodo 1975-1985 y de un 32,5% en el perodo 1986-2005. La figura tambin muestra que a partir de 1990 esta participacin se ha mantenido cerca del 33% y ha sido bastante estable, salvo los ltimos dos aos, en las que present un pequeo incremento. Adicionalmente se cuenta con informacin de las plantas de revisin tcnica para la R.M para el perodo 1998-2001. La informacin presentada en el cuadro siguiente muestra que la informacin de las PRT difiere fuertemente con la del INE en 1998 y 1999, pero ya en el ao 2001 la informacin de ambas fuentes comienza a coincidir. Sin embargo y por las mismas razones enunciadas anteriormente, se opt por trabajar con la informacin del INE.
Figura A25: Parque de Camiones
140 120 100 80
40 35 30 25 20 %
Miles Unidades
60
15
40 20 0 1975 1980 1985 1990 1995 2000 2005
10 5 0 Aos
Participacin
Nacional
R.Metropolitana
263
.
Categora Camin < 7 ton Camin 7 - 16 ton Camin > 16 ton Tracto camin < 7 ton Tracto camin 7 - 16 ton Tracto camin > 16 ton Total PRT Total INE 1998 1999 2000 2001 16.394 22.264 27.495 30.290 3.030 2.582 2.872 3.920 40 34 60 207 979 1.943 3.110 3.452 452 893 1.303 1.719 14 30 38 274 20.909 27.746 34.878 39.862 40.814 40.326 37.074 38.025
1.2.1
Para estimar la tasa de obsolescencia se utilizaron los mismos supuestos anteriores, es decir se asume que la relacin entre las ventas y el parque de automviles viene dado por la relacin:
vt = st (1 ) st 1
Donde es la tasa de obsolescencia. El nmero de vehculos retirados se estima usando datos de parque y ventas de camiones provenientes de ANAC, se asume que la tasa de retiro u obsolescencia solo es vlida en promedio y correspondera a un 3,13%. Esta tasa presenta una leve tendencia al alza en el ltimo tiempo, tal como se desprende de la ltima columna del cuadro A45, donde se trabajan con promedios mviles cada cuatro aos. Sin embargo y dado la existencia de una cierta cantidad de camiones que entran al parque y que no est registrado como ventas es probable que la tasa sea an mayor. Si se sume que anualmente entran otros 1000 camiones en forma anormal, los retiros aumentaran en promedio en 1000 unidades y la tasa de obsolescencia crecera a 4% promedio.
1.2.2
Para proyectar el parque se utiliz la informacin del INE a nivel nacional. Con esta informacin se estim una ecuacin de stock de camiones que puede ser representada por la siguiente ecuacin: SCt = + o I t + 1 I t 1 + 2 I t 2 + 3 I t 3 + Pt + t Donde SC es el parque de camiones en el ao t, It es el ingreso del ao t y It-i es el ingreso rezagado i perodos . Se incluye adems una variable precio, la que fue estimada usando como proxy el precio del dlar.
264
Cuadro A45: Clculo de la tasa de obsolescencia Ao 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 promedio Parque INE 75.700 80.500 86.900 91.600 100.800 99.200 108.100 110.200 116.400 120.400 120.800 115.600 115.100 118.814 116.100 122.058 125.894 107.304 Diferencia 4.800 6.400 4.700 9.200 -1.600 8.900 2.100 6.200 4.000 400 -5.200 -500 3.714 -2.714 5.958 3.836 Ventas ANAC 4.860 2.807 4.334 7.606 7.806 7.442 9.362 9.590 10.269 7.528 4.557 4.965 4.648 4.584 5.563 8.549 11.046 Retiros Estimados -1.993 -2.066 2.906 -1.394 9.042 462 7.490 4.069 3.528 4.157 10.165 5.148 870 8.277 2.591 7.210 3.779 3,52% Retiros Estimados(*) Tasa obsolescencia(*)
-637 2.122 2.754 3.900 5.266 3.887 4.811 5.480 5.750 5.085 6.115 4.222 4.737 4.115
-0,6% 2,1% 2,5% 3,5% 4,5% 3,2% 4,0% 4,7% 5,0% 4,3% 5,3% 3,5% 3,8% 3,53%
La ecuacin se estim en logaritmo natural usando Mnimos Cuadrados Ordinarios corregido por autocorrelacin de errores y sus resultados se presentan en el cuadro A46.
Cuadro A46: Resultado modelo largo plazo, Parque Camiones.
Constante (*) LPIB (*) LPIBR LPIB2R LPIB3R LDOL(*) RHO (*)
Mtodo de Estimacin: Mnimos Cuadrados Ordinarios R2 ajustado= 0.9479 ; F[ 5, 22] = 99,26, N = 28, (*) valido al 95% de confianza. Fuente: Elaboracin propia
Las variables con (*) muestran significancia al 95%. Las variables LPIB es el logaritmo del Producto Interno Bruto (PIB), mientras que LPIBR es el logaritmo del PIB rezagado en un
265
perodo, LPIB2R indica 2 rezagos y as sucesivamente. LDOL es el logaritmo del valor real del dlar que se usa como variable proxy para el precio del camin. La elasticidad ingreso de corto plazo es de 0,66 mientras que la de largo plazo es de 0,55. Usando estos datos y usando proyecciones del PIB y precio del dlar se estima el parque para el perodo 2006-2030. En la figura siguiente se presentan los valores reales y proyectados de la estimacin. Se debe hacer notar que esta proyeccin es de largo plazo y no puede predecir lo que ocurrir en el corto plazo. Esto significa que slo se proyecta el parque en funcin del PIB y del Tipo de Cambio Real. Luego, como la tasa de obsolescencia est definida como un porcentaje del parque del perodo anterior, se puede calcular fcilmente. Por ltimo, las ventas se obtienen como la diferencia entre las unidades de un ao con las del ao anterior.
Figura A26: Estimacin y proyeccin parque de camiones
300
250
Miles
150
100
50
0 1975
1980
1985
1990
1995
2000
2005
2010
2015
2020
2025
2030
Ao
Para proyectar el consumo de combustible del transporte terrestre al ao 2030, es necesario asociar un nivel de actividad y un consumo de combustible por cada categora de vehculo perteneciente al parque considerado. A partir de los modelos de estimacin de parque de camiones, informacin secundaria y un modelo economtrico simplificado que permiti proyectar buses interurbanos, se obtiene la evolucin del parque automotriz nacional (cuadro A47).
Ao Cuadro A47: Parque de vehculos a nivel Nacional: Proyeccin 2005 2030 Livianos Comerciales Buses Camiones Buses Otros
266
Interurbanos 2005 2010 2015 2020 2025 2030 1.595.128 2.099.341 2.745.464 3.548.652 4.526.590 5.715.312 598.230 34.413 875.363 46.407 1.211.680 56.974 1.601.686 68.098 2.067.506 80.066 2.654.558 93.523 Fuente: Elaboracin propia 125.894 152.703 179.955 207.118 235.676 267.578
Santiago 9.000 5805 5573 5573 5573 5573 130.237 130.237 130.237 130.237 130.237 130.237
Tanto en vehculos livianos, como comerciales y camiones, se han considerado subcategoras, de acuerdo a la tecnologa de los vehculos, a las que se han asociado factores de consumo de combustible de fuentes mviles en ruta proporcionadas por fuentes oficiales (COPERT IV, 2006). En el cuadro siguiente se presenta el resumen de las categoras consideradas y los factores de consumo correspondientes para cada una de ellas.
Cuadro A48: Categoras de vehculos y consumos de combustibles asociados Categora de Vehculo Consumo de Combustible (gr/km) Vehculos particulares gasolina catalticos Tipo 1 Vehculos particulares gasolina catalticos tipo 2 Vehculos particulares gasolina no catalticos Vehculos particulares Diesel Tipo 1 Vehculos particulares Diesel Tipo 2 Vehculos particulares Diesel Tipo 3 Vehculos comerciales gasolina catalticos Tipo 1 Vehculos comerciales gasolina catalticos Tipo 2 Vehculos comerciales no catalticos Vehculos comerciales Diesel Tipo 1 Vehculos comerciales Diesel Tipo 2 Vehculos comerciales Diesel Tipo 3 Camiones Livianos Convencionales Camiones Livianos Tipo 1 Camiones Livianos Tipo 2 Camiones Livianos Tipo 3 Camiones Livianos Tipo 4 Camiones Livianos Tipo 5 Fuente: COPERT IV, 2006 80,2 82,1 97,3 76,6 75,8 76.2
134,9 134,9 115,2 104,4 95,2 95,2 243,5 205,4 196,4 206,2 193,4 197,2
267
De la misma forma, a continuacin se presenta el resumen de las categoras consideradas en el caso de los buses y los factores de consumo correspondientes para cada una de ellas
Cuadro A49: Categoras de buses y consumos de combustibles asociados Categora de Vehculo Consumo de Combustible (gr/km) Buses Transantiago Euro 1 Euro 2 Euro 3 Euro 3 80pax Euro 3 160pax Buses Interurbanos Euro 1 Fuente: COPERT IV, 2006 318,7 342,6 312,3 530 559 318,7
Por ultimo, se requiere asociar un nivel de actividad promedio anual a las grandes categoras (modos) de vehculos consideradas. Ello se realiza sobre la base de opinin experta e informacin secundaria y se presenta en el cuadro siguiente.
Cuadro A50: Nivel de Actividad por Modo
Categora Vehculos Livianos Vehculos Comerciales Buses Interurbanos Camiones Buses Santiago antiguos Buses Transantiago Otros
Nivel de Actividad (Km/Ao) 15.000 25.000 50.000 60.000 70.000 60.000 5.000
Fuente: Elaboracin propia
De esta forma, dado el parque de vehculos (nmero), el consumo de combustible y los kilmetros recorridos al ao de cada categora, es posible estimar el consumo de combustible total anual, dividido en gasolina y diesel. Ello se presenta en el siguiente cuadro.
268
Como se aprecia en el cuadro anterior, el consumo proyectado de diesel ser mucho mayor que los requerimientos de gasolina al ao 2030. En efecto, el consumo de diesel aumenta en 3,5 veces, mientras que el de gasolina slo en un 56%. Finalmente, en el cuadro y la figura siguientes se presenta el consumo de combustible diesel y gasolina en una unidad energtica comn (TCal).
Cuadro A52: Consumo de combustible por categora de vehculo: 2005 2030 (TCal)
269
Aos
270
Ao 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030
271
UNA
PROPUESTA
PRELIMINAR
DE
En este apartado se hace una propuesta respecto de la implementacin del modelo LEAP para Chile. Se presenta primero cmo estimar la demanda de energa utilizando el modelo LEAP y la forma en que ste podra implementarse para Chile. Basado en lo anterior, se sugiere una estrategia preliminar para poder realizar esta implementacin.
1) Introduccin: Estimando Demanda Energtica en LEAP
En el modelo LEAP, el anlisis de demanda se realiza siguiendo un enfoque de uso final. Al seguir este enfoque se usa informacin econmica, demogrfica y de usos energticos para construir escenarios que examinan los consumos totales o desagregados por tipo de combustible y como estos evolucionan a travs de los sectores de la economa. LEAP brinda flexibilidad para escoger la estructura de los datos de demanda energtica. En particular, es posible modelar demanda con altos niveles de agregacin como tambin estructuras de uso final muy desagregadas. Tpicamente, una estructura considera sectores como hogares, industria y transporte. A su vez, estos sectores pueden desagregarse en subsectores, usos finales y/o artefactos que consumen energa. LEAP provee de distintas opciones metodolgicas para realizar anlisis de demanda. En particular considera las siguientes alternativas metodolgicas:
Anlisis de Nivel de Actividad. Este enfoque permite incorporar directamente los consumos energticos de una actividad a un anlisis de demanda de energa final (Incorporacin directa en el modelo de cada consumo final). Otra alternativa es estimar los consumos de energa como el producto entre el nivel de actividad y alguna estimacin de la intensidad energtica anual (uso de energa por unidad de actividad). Anlisis de Stock. Segn este enfoque el consumo se calcula mediante el anlisis presente y futuro de artefactos que consumen energa y la intensidad energtica anual de cada artefacto (definido como energa por artefacto). Anlisis de Transporte. Este enfoque permite calcular el consumo energtico de cada categora vehicular considerada como el producto entre el nmero de vehculos, la distancia media recorrida por cada vehculo al ao y el consumo unitario de combustible.
272
El LEAP permite escoger entre las distintas metodologas y utilizarlas conjuntamente. Por ejemplo, puede utilizarse un enfoque de nivel de actividad para la actividad industrial y uno de stock para el sector residencial. En cada caso, los clculos de demanda se basan en la desagregacin de distintas medidas de actividades sociales y econmicas (nmero de hogares, kilmetros recorridos por vehculo, toneladas de produccin industrial o valor comercial agregado). Estos niveles de actividad luego deben multiplicarse por las intensidades energticas de cada actividad. Cada medicin de nivel de actividad o de intensidad energtica puede proyectarse en el LEAP mediante distintas tcnicas que van desde aplicar tasas de crecimiento a tcnicas ms sofisticadas como interpolacin y suavizacin exponencial.
2) Propuesta de Desarrollo para Chile
En esta seccin se presenta una propuesta para utilizar el modelo LEAP (u otro similar de uso final) en Chile. Esta propuesta tiene como objeto utilizar el potencial de este tipo de modelos. En particular, la propuesta busca incorporar en el modelo energtico el cambio tecnolgico y posibles medidas de eficiencia energtica. Los criterios de definicin de esta propuesta se basan en la factibilidad de obtener informacin en cada caso y en que los sectores escogidos abarquen una fraccin relevante del consumo del sector. Para ello, se distingue entre cuatro sectores principales de demanda final donde se justifica realizar los primeros intentos de estimacin de demanda energtica ms detallada. Residencial Principales sectores Industriales o Papel y celulosa, Siderurgia, Cemento, Industrias varias. Minera del Cobre Transporte Terrestre
Al ao 2006 y segn el Balance de Energa, el sector residencial representa ms del 80% del consumo total del sector CPR. Al considerar los consumos de los sectores industriales sealados y de minera del cobre se incluye alrededor del 87% del consumo total del sector industria y minera segn el Balance Energtico del 2006. Finalmente, el transporte terrestre segn el mismo balance representa alrededor del 70% del consumo total del sector transporte. Para los sectores ms pequeos se sugiere mantener anlisis de estimacin simple (ya sea economtricos relacionados con variables econmicas o que permitan ser estimadas a partir de los consumos de sectores principales). Este tipo de enfoques se sugiere por ejemplo para los sectores comercial, pblico y sectores industriales y mineros menores. Esto se justifica adems por contar estos sectores pequeos con escasa disponibilidad de estudios y datos
273
que permitan implementar adecuadamente un enfoque de uso final en el corto o mediano plazo. A continuacin para cada uno de estos sectores se propone una alternativa para el caso chileno.
2.1 Sector Residencial
En el sector residencial se propone un anlisis de stock. La justificacin para esta eleccin se basa en estudios preliminares existentes con fines comerciales respecto de la compra y venta de artefactos energticos de uso residencial, o bien estudios con motivaciones de eficiencia energtica que cuentan con informacin respecto de artefactos de uso residencial y tendencias tecnolgicas. Respecto, a las tendencias tecnolgicas es posible incorporar consideraciones de experiencias internacionales de pases desarrollados, estudios de tendencias tecnolgicas y/o opinin experta de actores relevantes. Puede ser conveniente desagregar los artefactos en categoras segn uso. Por ejemplo, iluminacin, calefaccin, refrigeracin, etc. Por motivos de eficiencia energtica y para obtener estimaciones de consumos ms precisos, deben distinguirse tipos de artefactos (por ejemplo, ampolletas eficientes y la evolucin de tasas de penetracin). Tambin, las normativas de vivienda deben considerar en los cambios de consumo particularmente para los usos de calefaccin. Por otra parte, y con el objeto de tener mayor representatividad, puede ser deseable desagregar los consumos energticos de los hogares por estratos socioeconmicos. El cuadro siguiente presenta para el sector residencial el tipo de anlisis escogido, los tipos de estudios y datos ya existentes que justifican la eleccin metodolgica, y los datos finales necesarios. Para obtener stos ltimos, se utilizara la informacin ya existente y potenciales antecedentes adicionales. En particular, y a modo de ejemplo, puede ser conveniente relacionar el aumento de stock de algunos artefactos con niveles de actividad econmica (como crecimiento) tras el correcto testeo estadstico de tal dependencia. Por otra parte, y a pesar de que por la naturaleza de los modelos de uso final, estos no pueden incorporar cambios en precios relativos de combustible, supuestos de largo plazo de entrada y reemplazo tecnolgico pueden suplir esta falencia e intentar representar condiciones de mercado en el futuro.
274
Cuadro 4 Tipo de Anlisis, Justificacin y Datos Necesarios de Procesar para el Sector Residencial. Sector Tipo de Anlisis Tipo de Datos/Estudios Existentes que Justifican Eleccin Datos Finales Necesarios Inventario actual y proyectado por tipo de artefacto (segn uso), estimacin de uso promedio anual por tipo de artefacto. Para motivos de eficiencia energtica desagregar por tipo de ampolleta, etc. (Puede ser til desagregar por estrato socioeconmico). Consumos representativos unitarios (por hora-artefacto) y proyeccin al futuro.
Sector Residencial
Anlisis de Stock
Existencia de Estudios de Mercado y Eficiencia Energtica, encuestas tipo CASEN, datos de mercado (ventas y tendencias), datos demogrficos
Fuente: Elaboracin propia Este tipo de anlisis parece adecuado para distintos artefactos ya sea elctricos, a gas natural, gas licuado, kerosene, etc. Por este mismo motivo, el anlisis de polticas o tecnologas de eficiencia energtica resultan simples y directos. Sin embargo, un combustible relevante que no parece factible abordar a partir de este enfoque es la lea. De todos modos, la flexibilidad que poseen los modelos tipo LEAP permiten incorporar para este combustible alguna alternativa de estimacin simple (por ejemplo, de tipo estadstico o economtrico) basado en estudios complementarios. A modo de ejemplo, el cuadro siguiente presenta segn el uso, los tipos de artefactos generalmente relevantes en este tipo de anlisis.
275
Cuadro 5 Ejemplo de Usos y Artefactos de Uso Residencial Uso Iluminacin Calefaccin y Sistemas de Acondicionamiento Artefactos Ampolletas Incandescentes Ampolletas Eficientes Estufas Elctricas Estufas Gas Natural Estufas Gas Licuado Estufas Parafina Calefaccin Central (por tipo de combustible) Calefaccin a Lea//uso combinado con coccin y calentamiento de agua. Otros Aire Acondicionado/ ventilacin Refrigeradores Normales Refrigeradores Eficientes Cocinas a Gas Natural Cocinas a Gas Licuado Cocinas Elctricas Cocinas a Lea Computadores Televisores DVD's Equipos de audio Artefactos electrodomsticos Otros
Refrigeracin
Coccin
Usos Varios
Fuente: Elaboracin Propia Para poder introducir en un modelo de uso final el detalle por artefacto, es decir tecnologa, caractersticas de consumo, evolucin de parque e intensidad energtica, etc. se insiste en la necesidad de realizar un estudio destinado exclusivamente para tal efecto.
2) Principales Sectores Industriales y Minera del Cobre
Para los principales sectores industriales y la minera del cobre se sugiere un anlisis de nivel de actividad. Los sectores industriales deberan incluir los sectores de papel y celulosa, cemento, siderurgia e industrias varias. En cada caso, el nivel de actividad en cada caso puede ser una mtrica fsica o econmica de la produccin de cada sector. Para el caso de industrias varias el nivel de actividad puede ser la produccin agregada de la economa y/o otras variables agregadas que permitan explicar bien su evolucin. Este tipo de anlisis se justifica para estos sectores por el hecho de ser la industria y minera extremadamente heterognea y por ser muy difcil realizar un anlisis de stock. Este ltimo tipo de anlisis requerira un inventario detallado de motores, calderas, y de cada tipo de 276
artefacto utilizada en cada una de las industrias. Por otra parte, muchos de estos sectores cuentan con estudios en que se proyecta al futuro la produccin y planes de desarrollo (como por ejemplo, proyectos de inversin). Adems, la experiencia internacional suele realizar anlisis de tipo stock para los sectores industriales (Por ejemplo MAED). Los consumos por nivel de actividad deben incorporar las normativas y opciones voluntarias de las empresas por aumentar la eficiencia de los procesos. En este caso, y a pesar de no recomendar en estos sectores un anlisis de stock por la intensidad de datos requeridos, las intensidades energticas deben considerar la penetracin progresiva de estas alternativas. El cuadro siguiente presenta para los principales sectores industriales el tipo de anlisis sugerido, los tipos de estudios y datos existentes que justifican la eleccin metodolgica, y los datos finales necesarios. Para obtener estos ltimos, se utilizara la informacin ya existente y potenciales antecedentes adicionales.
Cuadro 6 Tipo de Anlisis, Justificacin y Datos Necesarios de Procesar para Principales Sectores Industriales y Minera del Cobre Sector Tipo de Anlisis Datos Finales Necesarios Niveles de actividad (produccin fsica o Existencia de Estudios de proyectos de econmica) actuales inversin, proyecciones de produccin y proyectadas. Debe sectoriales, relacin entre produccin incorporar efecto de sectorial con nivel de actividad por ejemplo motores econmica agregada ms eficientes y su evolucin. Para cada sector, estimacin de uso de Estudios de caracterizacin tecnolgica cada combustible por sector, experiencia internacional de por unidad de nivel sectores, opinin experta de actividad actual y proyectadas. Tipo de Datos/Estudios Existentes que Justifican Eleccin
Fuente: Elaboracin Propia En este tipo de anlisis, el reemplazo y cambio tecnolgico (variacin de consumo de cada combustible por unidad de nivel de actividad sectorial) debe intentar representar condiciones de mercado y tecnolgicas de largo plazo.
277
Para el sector transporte se sugiere un anlisis de transporte. ste es anlogo al anlisis de stock pero incorpora las particularidades del sector transporte. Permite trabajar en base a una desagregacin de las categoras vehiculares habituales (vehculos livianos particulares y comerciales, transporte de carga, transporte de pasajeros urbano e interurbano). A su vez, dentro de cada categora es posible hacer distinciones por tecnologa (el combustible utilizado y, por ejemplo, que cumpla alguna norma EPA o EURO). La eleccin de este tipo de anlisis se justifica por contar con estudios e informacin desagregada del parque vehicular existente, de los consumos medios por kilmetro recorrido segn categora vehicular y tecnologa, y de estimaciones de niveles de actividad promedio por tipo de vehculo. Adicionalmente, la industria automotriz cuenta con metas claras respecto de eficiencia en consumo de combustible y ambientales que resultan fciles de incorporar. Por ejemplo, entrada de normas EPA o EURO, etc. El cuadro siguiente presenta para el sector transporte terrestre el tipo de anlisis sugerido, los tipos de estudios y datos existentes que justifican la eleccin metodolgica, y los datos finales necesarios. Para obtener stos ltimos, se utilizara la informacin ya existente y potenciales antecedentes adicionales.
Cuadro 7 Tipo de Anlisis, Justificacin y Datos Necesarios de Procesar para el Sector Transporte Terrestre. Sector Tipo de Anlisis Tipo de Datos/Estudios Existentes que Justifican Eleccin Existencia de Estudios y datos de parque y proyecciones, consumos por kilmetro recorrido, niveles promedio anuales por categora. Sector Transporte Terrestre Anlisis de Transporte Datos Finales Necesarios Proyeccin de parque por categora vehicular, Consumos, niveles de actividad promedio anuales por categora. Estimacin de penetracin de nuevas tecnologas por categora vehicular, Evolucin de consumos de combustible
278
A modo de ejemplo, el cuadro siguiene presenta una desagregacin usual del parque de transporte terrestre y tecnologa.
Cuadro 8 Ejemplo de modos de transporte Modos de Transporte Tecnologa Vehculos Particulares Diesel Euro1 Vehculos Particulares Diesel Euro3 Vehiculos Particulares Gasolineros Cataliticos Euro1 Vehiculos Particulares Gasolineros Cataliticos Euro3 Vehiculos Particulares Gasolineros Cataliticos Euro4 Vehiculos Particulares Gasolineros No Cataliticos Vehiculos Particulares Gasolineros No Cataliticos ECE 15-00/01 Vehiculos Particulares Gasolineros No Cataliticos ECE 15-02/03 Vehiculos Particulares Gasolineros No Cataliticos ECE 15-04 Vehiculos Particulares Gasolineros No Cataliticos Improved conventional Vehiculos Particulares Gasolineros No Cataliticos Open loop Vehiculos Particulares Gasolineros No Cataliticos PRE ECE Hbridos Comerciales Gasolina Convencional Comerciales Gasolina Euro1 Comerciales Diesel Convencional Comerciales Diesel Euro1 Hbridos Euro 1 Euro 2 Euro 3 Euro 3 80pax Euro 3 160pax Euro 1 Euro 2 Euro 3 Euro 3 80pax Euro 3 160pax Camiones Livianos Convencional Camiones Livianos PEC-0 Camiones Livianos PEC-1 Camiones Livianos PEC-2 Camiones Livianos PEC-3 Camiones Livianos PEC-4 Camiones Medianos Convencional Camiones Medianos PEC-0 Camiones Medianos PEC-1 Camiones Medianos PEC-2 Camiones Medianos PEC-3
Vehculos Livianos
Vehculos Comerciales
Buses Interurbanos
279
Modos de Transporte
Tecnologa Camiones Medianos PEC-4 Camiones Pesados Convencional Camiones Pesados PEC-0 Camiones Pesados PEC-1 Camiones Pesados PEC-2 Camiones Pesados PEC-3 Camiones Pesados PEC-4
En el siguiente cuadro se distingue la informacin que puede ser incorporada en el modelo LEAP y un levantamiento preliminar de la disponibilidad de informacin existente. Hay que recalcar en la necesidad de un proceso ms detallado de recopilacin de sta.
Cuadro 9 Ejemplo informacin que se podria incorporar en el modelo LEAP y sus disponibilidad de informacin. Datos requeridos en el periodo de estudio Poblacin Tasa de crecimiento de la poblacin Poblacin urbana y rural Fuerza laboral Porcentaje de la poblacin en grandes ciudades PIB Tasa crecimiento PIB Estructura PIB principales sectores y subsectores econmicos Intensidades energticas subsectoriales por consumo de motor Intensidades energticas subsectoriales por uso especfico de electricidad Intensidades energticas subsectoriales por usos trmicos Consumos energticos sectoriales y subsectoriales (Balance energtico) Estructura de la demanda trmica til por proceso Factor de penetracin de portadores energticos en los diferentes subsectores eficiencia de los combustibles en los diferentes subsectores LEAP X X Informacin disponible Si Si
Demografa
Datos generales
ndices econmicos
X X
Si Si(1)
ndices energticos
Si
Sectores
Industrial y Minero
Si
280
Datos requeridos en el periodo de estudio eficiencia de los procesos en los diferentes subsectores Transporte Carga Generacin carga-kilmetro Estructura por modo de transporte de carga Intensidades energticas de transporte de carga Distancia recorrida en la ciudad
LEAP
Informacin disponible
X X X(2)
Si Si
Factores de carga Estructura por modos de transporte dentro de la ciudad Intesidades energticas de transporte de pasajeros en la ciudad Distancia recorrida entre ciudades Transporte Factores de carga pasajeros entre Estructura del transporte pblico ciudades Intesnsidades energticas del transporte pblico Viviendas que requieren calefaccin y grados da Composicin de los tipos de vivienda que requieren calefaccin Tamao de los tipos de vivienda Requerimientos de calefaccin y/o aire Residencial acondicionado por tipo de vivienda Urbano y Rural Prdidas de calor por tipo de vivienda Factores de vivienda: coccin, calentamiento agua y equipamiento Penetracin de formas energticas Eficiencias de formas energticas Factor de penetracin por tecnologa de calefaccin Fuerza laboral en el sector servicios Factores de calefaccin y aire acondicionado Servicios Intensidades energticas para usos distintos a la calefaccin Penetracin de formas energticas Eficiencias de formas energticas Calendario, temporadas y definicin de Generacin das tpicos Estructura de la electricidad suministrada por la red principal a cada sector Estructura de los clientes por sector
Si X X(2) X(3) Si
Si X
Si
281
Datos requeridos en el periodo de estudio Prdidas de transmisin y distribucin Orden de Mrito por tipo central generadora Coeficientes de carga para cada dia de ao segn sector
LEAP X X
Informacin disponible Si Si
Fuente: Elaboracin Propia (1) Se tiene la estructura sectorial del PIB pero se supondra una tasa de crecimiento (2) El LEAP no distingue entre viajes en la ciudad e inter ciudades (3) El LEAP considera un parque de vehculos y se asigna una tasa de crecimiento
282