Modelado de sistemas energéticos de República Dominicana con OSeMOSYS para evaluar escenarios alternativos para la expansión de fuentes de energía renovables
Fuente: https://www.sciencedirect.com/science/article/pii/S2772427122000389
Jarrizon Quevedo _, Idalberto Herrera Moya
Reflejos
- •Se analizaron escenarios alternativos para la expansión de las fuentes de energía renovables en la matriz energética de República Dominicana a través del modelamiento del sistema energético utilizando OSeMOSYS.
- •Los aspectos relevantes evaluados en el ejercicio de modelación incluyeron: costos de implementación de tecnologías , emisiones de carbono , desempeño tecnológico, demanda de electricidad, integración de nuevos proyectos de generación, crecimiento de la población y margen de reserva.
- •Se necesita una inversión total de 11405.00 MM USD$ para cumplir con la meta de reducir las emisiones de gases de efecto invernadero en un 25% en 2030 respecto a 2010, el modelo sugiere que se puede realizar a una tasa del 4% cada año.
Abstracto
Este artículo pretende contribuir a una mejor comprensión de los escenarios alternativos para la expansión de las fuentes de energía renovables en la matriz energética de la República Dominicana (RD). El conocimiento obtenido en este ejercicio es útil para los tomadores de decisiones en la República Dominicana y otros países con características similares, como una alta vulnerabilidad desde el punto de vista geográfico y económico debido al cambio climático y la alta dependencia de la importación de combustibles fósiles. Con base en los datos disponibles en las bases de datos nacionales e información adicional recopilada de informes internacionales, se modelaron cuatro escenarios para la expansión del suministro eléctrico utilizando OSeMOSYS. Características relacionadas con los diferentes escenarios como costos de implementación de tecnología, emisiones de carbono, desempeño tecnológico, demanda de electricidad, Se consideró la integración de nuevos proyectos de generación, el crecimiento poblacional y el margen de reserva. La comparación de diferentes escenarios con los objetivos de política energética existentes proporciona información sobre la contribución de la generación de energía renovable y arroja luz sobre la capacidad de cumplir esos objetivos. Los resultados indican que las tecnologías de energías renovables jugarán un papel importante, alcanzando niveles de penetración superiores al 40% en el horizonte. Para cumplir con el compromiso firmado por RD en el Acuerdo de París, según el cual, para 2030, las emisiones de gases de efecto invernadero deben reducirse en un 25% respecto a las emisiones de 2010, el modelo sugiere una inversión total de 11405.00 MM USD$ que se puede realizar a una tasa del 4% cada año. La comparación de diferentes escenarios con los objetivos de política energética existentes proporciona información sobre la contribución de la generación de energía renovable y arroja luz sobre la capacidad de cumplir esos objetivos. Los resultados indican que las tecnologías de energías renovables jugarán un papel importante, alcanzando niveles de penetración superiores al 40% en el horizonte. Para cumplir con el compromiso firmado por RD en el Acuerdo de París, según el cual, para 2030, las emisiones de gases de efecto invernadero deben reducirse en un 25% respecto a las emisiones de 2010, el modelo sugiere una inversión total de 11405.00 MM USD$ que se puede realizar a una tasa del 4% cada año. La comparación de diferentes escenarios con los objetivos de política energética existentes proporciona información sobre la contribución de la generación de energía renovable y arroja luz sobre la capacidad de cumplir esos objetivos. Los resultados indican que las tecnologías de energías renovables jugarán un papel importante, alcanzando niveles de penetración superiores al 40% en el horizonte. Para cumplir con el compromiso firmado por RD en el Acuerdo de París, según el cual, para 2030, las emisiones de gases de efecto invernadero deben reducirse en un 25% respecto a las emisiones de 2010, el modelo sugiere una inversión total de 11405.00 MM USD$ que se puede realizar a una tasa del 4% cada año. alcanzando niveles de penetración superiores al 40% en el horizonte. Para cumplir con el compromiso firmado por RD en el Acuerdo de París, según el cual, para 2030, las emisiones de gases de efecto invernadero deben reducirse en un 25% respecto a las emisiones de 2010, el modelo sugiere una inversión total de 11405.00 MM USD$ que se puede realizar a una tasa del 4% cada año. alcanzando niveles de penetración superiores al 40% en el horizonte. Para cumplir con el compromiso firmado por RD en el Acuerdo de París, según el cual, para 2030, las emisiones de gases de efecto invernadero deben reducirse en un 25% respecto a las emisiones de 2010, el modelo sugiere una inversión total de 11405.00 MM USD$ que se puede realizar a una tasa del 4% cada año.
Introducción
La República Dominicana (RD), al igual que el resto de los Pequeños Estados Insulares en Desarrollo (PEID) declarados por la ONU en 1994, es altamente vulnerable desde el punto de vista geográfico y económico. El cambio climático y la alta dependencia de las importaciones de combustibles fósiles son los principales agentes causales de esta vulnerabilidad. A pesar del alto potencial de las Fuentes de Energía Renovables (FER) en los PEID, especialmente la solar y la eólica, destacan por un uso limitado de estos recursos. Publicaciones recientes consideran que la solución más recomendada para el suministro energético de los PEID son las RES.
Para reducir el costo de la energía, las emisiones de gases de efecto invernadero (GEI) y el uso de combustibles fósiles importados, las autoridades de la República Dominicana han decidido transformar la combinación energética. Estos esfuerzos han culminado en 2020 con la instalación de una central eléctrica de carbón de 782 MW (15,89% de la capacidad instalada), un gasoducto que permitió la transformación de 750 MW de Fuel Oil a Gas Natural (15,24% de la capacidad instalada), mientras que se han instalado 187,46 MW de energía solar fotovoltaica (3,81% de la capacidad instalada) y 370,25 MW de energía eólica (7,52% de la capacidad instalada).
La RD tiene grandes oportunidades en el uso de herramientas de modelación para una planificación con base científica enfocada en el Desarrollo Sostenible (DS). Un concepto importante a considerar en los Sistemas Aislados de los PEID es el Acoplamiento Sectorial , que consiste en modelar las diferentes redes de energía (por ejemplo, electricidad, agua, calefacción urbana y vapor) en paralelo, como se puede hacer en OSeMOSYS. Este llamado acoplamiento sectorial se considera un factor decisivo para un sistema energético sostenible.que incorpora una alta proporción de FER variables como la fotovoltaica y la eólica. Basado en OSeMOSYS, se ha desarrollado un modelo para identificar las rutas óptimas para la diversificación del mix energético para una DS con energía limpia y accesible. El objetivo de este documento es examinar la competitividad de costos y brindar información sobre el papel de las tecnologías de energía renovable en la matriz energética, asegurando un suministro de energía con un costo óptimo que considere los compromisos de la RD en materia de cambio climático.
2 . Metodología
2.1 . Implementación de modelos de sistemas energéticos
Los modelos de sistemas energéticos se han convertido en herramientas indispensables para planificar el futuro de los sistemas energéticos. Una razón que puede explicar la proliferación de modelos de evaluación de tecnologías energéticas desde la década de 1970 es que diferentes modelos son apropiados para diferentes tipos de problemas [16] .
Los modelos energéticos se pueden dividir en modelos de corto, mediano y largo plazo. El primero se utiliza tradicionalmente para solucionar problemas relacionados con el despacho de energía en un corto período de tiempo. Se han utilizado para analizar modelos de mercado eléctrico, operación y diseño de sistemas eléctricos.y para abordar cuestiones relacionadas con el compromiso de la unidad, los costos iniciales o las interrupciones forzadas. Trabajan con resoluciones temporales altas, normalmente del orden de unos pocos minutos u horas, y por lo tanto requieren una gran cantidad de datos detallados. Un ejemplo de este tipo de herramientas es el software PLEXOS Integrated Energy. Estos últimos, en cambio, pueden analizar mejor los problemas relacionados con la adecuación del sistema. Trabajan con resoluciones temporales más bajas, durante un período más largo (generalmente en el rango de años o décadas). TIMES, MESSAGE, MARKAL, OSeMOSYS son ejemplos típicos de esta clase de software de modelado [ 22 , 23] .]. En general, la planificación de expansión a largo plazo busca decisiones de inversión rentables e ignora algunas funciones relacionadas con la operación. Por el contrario, la planificación operativa a corto plazo requiere la consideración de tantas funciones como sea posible para que sea significativa [17] .
Yanfeng Liu et al. llevó a cabo una revisión de metodologías, modelos y sistemas energéticos en áreas aisladas [24] , concluyendo que las áreas aisladas tienen características especiales en contraste con las áreas continentales, y que los sistemas energéticos de áreas aisladas enfrentan más desafíos causados por factores geográficos y áreas limitadas para energías renovables. Instalaciones energéticas. A diferencia del trabajo realizado por Yanfeng Liu et al. [24] donde las islas y las aldeas remotas se consideran en la misma dimensión, refiriéndose a ellas como áreas aisladas, este artículo se centra en las características específicas de los PEID. Las islas que se constituyen como Estado están sujetas a medidas administrativas cuyo impacto en las políticas energéticas debe ser considerado en la planificación a largo plazo a través de modelos energéticos.
Según Markus Groissböck, SWITCH, TEMOA, OSeMOSYS y PYPSA se consideran las herramientas de código abierto con mejor rendimiento y están lo suficientemente maduras para un uso serio [1] . Si el interés del usuario radica en un horizonte de planificación a largo plazo (10 años o más), Switch, OSeMOSYS y TEMOA podrían ser excelentes opciones; sin embargo, si el interés del usuario radica en la planificación a corto plazo y en pasos pequeños considerando detalles como las limitaciones de la rampa, PyPSA podría ser la herramienta elegida. Como lo han demostrado proyectos como “Atlantis, Integrated Systems Analysis of Energy” de las Naciones Unidas, las herramientas de código abierto como OSeMOSYS se consideran lo suficientemente maduras para ser utilizadas en la planificación de sistemas eléctricos regionales [2] .
En la evaluación realizada por Fattahi, OSeMOSYS destaca entre otras herramientas por aspectos como la metodología de modelado, la resolución espacial y la accesibilidad [3] . En este trabajo se considera que OSeMOSYS es una herramienta apropiada para modelar sistemas energéticos en PEID ya que este modelo puede ajustarse de acuerdo a las necesidades únicas y especiales de cada PEID.
Dado que vincular diferentes modelos para que se complementen entre sí puede resultar bastante difícil, Fattahi [4] propone ampliar un modelo existente. Por otro lado, herramientas 100% de código abierto como OSeMOSYS permiten una posible reutilización, como hicieron Dennis y Howells al desarrollar OSeMOSYS-PULP [5] .
2.2 . Modelado de sistemas energéticos en RD, un nuevo enfoque con OSeMOSYS
OSeMOSYS fue desarrollado por una coalición de organizaciones que incluyen el Instituto Ambiental de Estocolmo (SEI), la Agencia Internacional de Energía Atómica (OIEA), el Centro de Investigación Energética del Reino Unido y la Universidad Técnica Real (KTH) en Suecia [6 ] . La estructura y características de OSeMOSYS han sido bien descritas en la literatura científica [ 6 , 7 ]. OSeMOSYS ha sido ampliamente utilizado en estudios científicos para generar perspectivas y mejorar la comprensión del impacto de las transformaciones estructurales en los sistemas energéticos en los aspectos económicos, ambientales y sociales; ejemplos de esto son: el trabajo desarrollado por Manuel Welsch et al. donde se realizó un estudio de caso sobre los altos niveles de penetración de la electricidad renovable en Irlanda [8], y el trabajo desarrollado por Benjamin D. Leibowicz en cuyo estudio se realizan dos aportes principales: primero, identifica estrategias de cobertura para la planificación de capacidades ante la incertidumbre de la política climática, con énfasis en inversiones sólidas y el momento de la descarbonización; en segundo lugar, compara los costos de la incertidumbre política bajo tres instrumentos alternativos: un impuesto al carbono, un límite de carbono y un estándar de cartera de energías renovables [9] .
Un análisis de brechas dentro de un sistema multienergía muestra que es necesario considerar en paralelo diferentes redes de energía (es decir, electricidad, agua, calefacción urbana y vapor) [10] , tal como se puede hacer en OSeMOSYS. Este llamado acoplamiento sectorial se considera un factor decisivo para un sistema energético sostenible que incorpore una proporción muy alta de recursos energéticos renovables variables como la fotovoltaica y la eólica; permite resaltar las sinergias e interconexiones entre los diferentes sectores, aumenta la eficiencia general del sistema, introduce opciones de flexibilidad y reduce los costes generales [11]. Otros elementos importantes a considerar al seleccionar una herramienta para modelar los sistemas energéticos de los PEID son el enfoque para encontrar el camino que requiera el menor costo de inversión, la planificación de inversiones, la capacidad de considerar diferentes tecnologías, métodos y tecnologías de almacenamiento de FER y emisiones de GEI .
Algunos autores como Prina et al. [12] consideran que es importante que los sistemas con alta penetración de FER y sistemas de almacenamiento sean modelados con una alta resolución temporal, es decir, en lugar de utilizar ventanas de tiempo (método utilizado para reducir la carga computacional de los modelos), Se deben utilizar pasos de tiempo horarios, ya que estas tecnologías pueden presentar ciclos estacionales y diarios muy complejos que no pueden resumirse en un número limitado de intervalos de tiempo durante el año o ventanas de tiempo. Algunas herramientas como OSeMOSYS muestran flexibilidad permitiendo ajustar el paso de tiempo, según el criterio del usuario.
Entre los inconvenientes de la planificación energética en la RD está el hecho de que los principales actores y tomadores de decisiones en el sector energético dominicano actúan de forma independiente; En este escenario, es difícil desarrollar una estrategia nacional basada en políticas energéticas óptimas orientadas al DS.
Según una entrevista realizada en el Ministerio de Energía y Minas de la República Dominicana [13] , en el pasado se ha intentado implementar herramientas como Super OLADE, MODOM, MOPERD, PLEXOS y MESSAGE. En 2019, el Ministerio de Energía y Minas junto con la Sociedad Alemana de Cooperación Internacional (GIZ) iniciaron una exploración para utilizar el Simulador de Sistemas de Energía Eléctrica (SimSEE) desarrollado por Rubén Chaer en 2008. El resultado de esta exploración fue el “ Planificación de Inversiones en Generación Eléctrica de la República Dominicana 2040” [14] .
El SimSEE es un modelo que optimiza y simula el funcionamiento de un sistema eléctrico sin considerar el acoplamiento sectorial entre las diferentes redes energéticas. Analizar las sinergias e interconexiones entre los diferentes sectores es uno de los objetivos futuros de esta investigación y es una de las razones por las que se ha seleccionado OSeMOSYS como herramienta de modelización. El acoplamiento sectorial aumenta la eficiencia general del sistema, introduce opciones de flexibilidad y reduce los costos generales [11] .
Por otro lado, la Comisión Nacional de Energía (CNE) también ha hecho esfuerzos y en 2003, en colaboración con la Organización Latinoamericana de Energía (OLADE), comenzó a trabajar para la implementación del Sistema Unificado de Planificación Eléctrica Regional (SUPER) . 15] . Según la propia OLADE, este modelo es altamente recomendado para sistemas hidrotermales con una participación relevante de las centrales hidroeléctricas en la producción de energía [16] . De acuerdo con la información proporcionada por la CNE a través de su Sistema Nacional de Información Energética (SIEN) [17], para modelar sistemas energéticos también se han apoyado en las siguientes herramientas: SAME, MAED, LEAP, MESSAGE, FINPLAN, SDDP y DIGSILENT, de forma no sistemática. Estos esfuerzos demuestran que tanto el Ministerio de Energía y Minas como la CNE son conscientes de la importancia de utilizar modelos en la determinación de políticas energéticas que contribuyan al DS de la República Dominicana.
2.2.1 . Sistema energético de referencia de la república dominicana.
La Fig. 1 muestra el Sistema Energético de Referencia de la RD en OSeMOSYS el cual es una representación esquemática de la cadena de tecnologías y combustibles, desde el suministro de energía hasta las demandas definidas.

Figura 1 . Sistema energético de referencia del modelo República Dominicana.
Figura 2 . Demanda de electricidad.
Este documento adopta la clasificación de tecnologías realizada por la Coordinación (OC) en su Memoria Anual: Turbina de Vapor (TV), Motor de Combustión Interna (MCI), Ciclo Combinado (CC), Turbina de Gas (TG), Hidroeléctrica, Eólica y Solar. Para considerar el tipo de combustible, la clasificación de tecnologías mostradas en el Sistema Energético de Referencia resulta de la combinación de la clasificación utilizada en el Informe Anual del CO y el tipo de combustible utilizado por cada central, obteniendo así la siguiente clasificación : Turbina de Vapor Fuel Oil No.6 (TV-FO6), Turbina de Vapor de Carbón (TV-Carbón), Ciclo Combinado de Gas Natural(CC-NG), Gas Natural – Turbina de Gas (TG-NG), Turbina de Gas Fuel Oil No.2, Motores de Combustión Interna de Gas Natural (MCI-NG), Motores de Combustión Interna Fuel Oil No.6 (MCI-FO6), Turbina de Vapor de Biomasa (TV-Biomasa), Hidráulica, Solar FV y Eólica.
2.2.2 . Período de simulación y intervalos de tiempo.
El concepto Time Slice representa la división de tiempo de cada año modelado; se refiere a la resolución temporal del modelo. Como es común en varias herramientas de modelado de sistemas energéticos (es decir, MESSAGE / MARKAL / TIMES), la demanda anual se «divide» en fracciones representativas del año [6] .
El periodo de simulación considerado va del 2022 al 2040. Se consideraron tres estaciones climáticas durante el año: verano, invierno e intermedia. La semana se dividió en dos tipos de días: lunes a viernes (LV) y sábado a domingo (SD). A su vez, cada día se dividía en dos: día y noche. De esta configuración se obtienen las doce Fracciones de Tiempo cuya duración se expresa en la Tabla 1 como fracción del año. La suma de cada entrada durante un año debe ser igual a 1.
Tabla 1 . División de año.
No. | Rebanadas de tiempo | 2022 | 2023 | . . . | 2039 | 2040 |
---|---|---|---|---|---|---|
1 | LV día intermedio | 0.119 | 0.119 | 0.119 | 0.119 | 0.119 |
2 | Noche Intermedia LV | 0.060 | 0.060 | 0.060 | 0.060 | 0.060 |
3 | Día Intermedio SD | 0,048 | 0,048 | 0,048 | 0,048 | 0,048 |
4 | SD nocturno intermedio | 0.024 | 0.024 | 0.024 | 0.024 | 0.024 |
5 | Día de verano LV | 0.238 | 0.238 | 0.238 | 0.238 | 0.238 |
6 | Noche de Verano LV | 0.119 | 0.119 | 0.119 | 0.119 | 0.119 |
7 | Día de verano SD | 0.095 | 0.095 | 0.095 | 0.095 | 0.095 |
8 | Noche de Verano SD | 0,048 | 0,048 | 0,048 | 0,048 | 0,048 |
9 | Día de invierno LV | 0.119 | 0.119 | 0.119 | 0.119 | 0.119 |
10 | Noche de invierno LV | 0.060 | 0.060 | 0.060 | 0.060 | 0.060 |
11 | Día de invierno SD | 0,048 | 0,048 | 0,048 | 0,048 | 0,048 |
12 | Noche de invierno SD | 0.024 | 0.024 | 0 |
2.2.3 . Demanda de electricidad
La proyección de demanda eléctrica de este estudio (Ver Fig. 2 ) es la utilizada en la “ Planificación de Inversiones en Generación Eléctrica de la República Dominicana 2040 ” [14] . Para estratificar la demanda de electricidad en los diferentes sectores o grupos de consumo, se determinaron los factores de participación de la demanda eléctrica que se muestran en la Tabla 2 . Estos factores de participación son el promedio de los factores de participación de cada grupo de consumo durante el período 2019-2021.
Tabla 2 . factores de participación de cada grupo de consumo.
OTROS | UNR | EDEESTE | EDENORTE | EDESUR | LFT | EPDL |
---|---|---|---|---|---|---|
1,19% | 14,01% | 29,27% | 25,58% | 29,65% | 0,26% | 0,04% |
Luz_y_Fuerza Las Terrenas (LFT), EDEESTE, EDENORTE, EDESUR y El_Progreso_Limon (EPDL), son empresas distribuidoras de energía eléctrica. Por tanto, a través de ellos se representa la demanda de los usuarios finales que se encuentran interconectados al Sistema Eléctrico Nacional (NES) a través de una distribuidora; por otro lado, los Usuarios No Regulados (UNR) son aquellos usuarios finales cuya demanda supera 1 MW [18] y pueden conectarse a través de alguna de las distribuidoras o directamente en las líneas de transmisión. Se considera Movilidad Eléctrica la demanda de transporte público mientras que OTROS representan el consumo de las estaciones de las centrales eléctricas y la demanda de la UNR que se interconectan a través de las líneas de transmisión.
2.3 . Definiciones de escenarios
2.3.1 .Lo de siempre
En primera instancia, se formula un escenario base identificado como Business As Usual (BAU). En este escenario se modelaron las características de la NES para representar el estado actual. No se consideran restricciones adicionales y es posible ampliar todas las tecnologías existentes.
2.3.2 . escenario 1
El artículo 21 de la Ley 57-07 establece que “Todas las autoridades del subsector eléctrico asegurarán que el 25% de las necesidades del servicio para el año 2025 sean abastecidas con FER” [28] . Para comprobar que al menos el 25% de la energía anual se suministre a base de energía eólica, solar, hidráulica y biomasa, este escenario considera nuevos proyectos que cuentan con concesión definitiva y se supone que entrarán en operación en los próximos años. La figura 4 muestra las capacidades por tecnología que se instalarán a través de estos proyectos en el período 2025-2026.

Figura 4 . Proyectos con concesión definitiva o declarados por los Agentes del mercado eléctrico mayorista.
2.3.3 . Escenario 2
Con base en las condiciones establecidas en el Escenario 1, se suman los proyectos en etapa final de concesión que se muestran en la Fig. 5 ; por lo tanto, las capacidades totales instaladas por tecnología para el Escenario 2 son las que se muestran en la Fig. 6 .
Fig.5 . Proyectos en etapa final de concesión.
Figura 6 . Proyectos del primer escenario más aquellos proyectos en etapa final de concesión.
2.3.4 . Escenario 3
Este escenario se propone con base en el Escenario 2 por considerarse un escenario optimista. El objetivo del Escenario 3 es evaluar el compromiso asumido por RD en el Acuerdo de París . Según este compromiso, en 2030 las emisiones de GEI deben reducirse un 25% respecto a 2010. Según la Ley de Estrategia Nacional de Desarrollo 2030, esta reducción de CO2 se deben escalonar las emisiones, reduciendo las Toneladas de CO2 per cápita en aproximadamente un 7% cada cinco años, en comparación con las condiciones base de 2010 [29] .
La Tabla 13 muestra las metas de emisiones de CO2 per cápita por período de tiempo; Estos valores objetivo se han ajustado a las emisiones del sector eléctrico. Por este motivo difiere del valor meta global de emisiones establecido en la Ley de Estrategia Nacional de Desarrollo 2030 [29] .
Tabla 13 . CO2 Objetivos de emisiones per cápita, ajustados al sector eléctrico.
Indicador | Unidad | Goles por periodo | ||||
---|---|---|---|---|---|---|
2010 | 2015 | 2020 | 2025 | 2030 | ||
�oh2emisiones | Tonelada per cápita /Año | 0,86 | 0,80 | 0,74 | 0,69 | 0,64 |
El Cuadro 14 muestra la proyección de la población de RD según la Oficina Nacional de Estadísticas y la meta de CO2eq emisiones utilizadas en el modelo en OSeMOSYS, considerando que CO2eq, las emisiones en 2010 fueron 8153900,00 toneladas métricas [27] y la población de la República Dominicana fue 9478612,00 [30] . En este escenario, la capacidad hidroeléctrica se limita a la capacidad existente, interpretándose que no hay interés del Estado en incrementar la capacidad de esta tecnología.
Tabla 14 . CO2 objetivos de emisiones en Megatones y población de la República Dominicana por año.
Indicador | Unidad | Metas por año | ||||||||
---|---|---|---|---|---|---|---|---|---|---|
2022 | 2023 | 2024 | 2025 | 2026 | 2027 | 2028 | 2029 | 2030 | ||
CO2 emisiones | Mton / Año | 7,90 | 7,97 | 8.03 | 7.53 | 7,58 | 7.63 | 7,69 | 7.74 | 7.25 |
Población | Gente | 10 621 938 | 10 711 155 | 10 795 677 | 10 878 267 | 10 954 360 | 11 029 816 | 11 108 039 | 11 181 613 | 11 253 284 |
3 . Resultados
Higos. 7 y 8 muestran la comparación entre el Escenario Base (BAU) y el Escenario 1, en cuanto a la producción anual por tecnología . El objetivo del Escenario 1 es verificar que para 2025 al menos el 25% de la energía anual sea suministrada a partir de FER, según la Ley 57-07 [28] .
Figura 7 . Producción por tecnología BAU anual.
Figura 8 . Producción por tecnología escenario anual 1.
En la Fig. 9 se muestra que el objetivo del 25% de participación de las RES se alcanzará de 2022 a 2031 con la participación de los proyectos concesionales. Debido al crecimiento exponencial de la demanda, para mantener la consecución de este objetivo hasta 2040, la producción de energía procedente de FER debe aumentar en 1.565,89 GWh al año en el período 2032-2040.
Figura 9 . Proporción de fuentes de energía renovables. Escenario 1.
La reducción de CO2eq La emisión en este Escenario es del 6,36% en promedio anual. La mayor reducción se evidencia a partir de 2025 donde se alcanza una reducción de 1,07 Mton anuales debido a la instalación de 971 MW de energía solar fotovoltaica en el periodo 2022-2025, de los cuales el 45% de esta capacidad se instaló en el mismo año 2025 ( Véanse las figuras 10 y 11 ).
Figura 10 . Emisiones anuales CO2eq. BAU.
Figura 11 . Emisiones anuales CO2eq. Escenario 1.
Con la inclusión de 2194,45 MW en el Escenario 2, correspondientes a los proyectos que se encuentran en proceso de obtención de la concesión definitiva, de los cuales el 49% provienen de FER, se reduce el despacho de ciclos combinados y motores de combustión interna a gas natural respecto a el escenario Business As Usual (Ver Fig. 12 ). Esta nueva capacidad permite extender el cumplimiento de lo establecido en la Ley 57-07 hasta el 2035, respecto a que al menos el 25% de la energía anual debe ser suministrada a partir de FER [28] . Debido al crecimiento exponencial de la demanda, para mantener la consecución de este objetivo hasta 2040, la producción de energía procedente de FER debe aumentar en 768,64 GWh al año en el periodo 2036-2040 (Ver Figs. 12 y 13 ) .).
Figura 12 . Producción por Tecnología Escenario Anual 2.
Figura 13 . Proporción de fuentes de energía renovables. Escenario 2.
En este escenario, la reducción de CO2eq Las emisiones son de 13.25% en promedio anual, lo que equivale a un promedio de 1.92 Mton por año (Ver Fig. 14 ). Esta reducción se debe a la mayor participación de las FER, principalmente en 2023 con 314,5 MW y 2024 con 646,95 MW. En el período 2022-2026, se agregaron 39 MW de energía eólica y 1033,45 MW de energía solar fotovoltaica para un total de 1072,45 MW procedentes de FER.
Figura 14 . Emisiones anuales CO2eq. Escenario 2.
En el Escenario 3 se evalúa el compromiso asumido por RD en el Acuerdo de París , según el cual, para 2030, las emisiones de GEI deben reducirse en un 25% respecto a las emisiones de 2010. Esta reducción de emisiones de CO2 debe implementarse progresivamente, disminuyendo las Toneladas de CO2 per cápita en aproximadamente un 7% cada cinco años, en comparación con las condiciones base de 2010 [29] . La Fig. 15 muestra las restricciones de emisión de CO2eq introducido en el modelo en OSeMOSYS para garantizar estas condiciones, y la Fig. 16 muestra el despacho de planta resultante.
Figura 15 . Emisiones anuales CO2eq. SC3.
Figura 16 . Producción por tecnología anual SC3.
Para cumplir con el CO2eq restricción de emisiones, el modelo restringe la participación de las tecnologías MCI-FO6, TG-FO2, TV-COAL y CC-NG, al tiempo que aumenta el despacho de las tecnologías MCI-NG, TV-BIOMASA y EÓLICA, respecto al despacho de centrales en Escenario 2. Las tecnologías más afectadas al 2030 son CC-NG cuyo despacho se reduce en un 58% y TV-CARBÓN cuyo despacho se reduce en un 62%; El despacho de MCI-NG aumentó un 502%, representando un incremento de 3965,52 GWh. En este escenario, el modelo prefiere enviar tecnología MCI-NG en lugar de tecnología CC-NG porque el factor de emisión de MCI-NG es ligeramente menor que el de CC-NG.
Como se evidencia en la Fig. 16 , reducir las emisiones de GEI implica una alta participación de FER; en 2030 el incremento de la energía eólica es del 21,5% (7882,98 GWh), mientras que la Biomasa sólo aumentó un 0,6% (199,42 GWh). El total de energías renovables en 2030, descontando la aportación de las centrales hidroeléctricas , es del 40,66%. Esto indica que el NES debe estar preparado para operar con altos niveles de penetración de FER para reducir las emisiones de GEI según el Escenario 3.
Adicionalmente, en el periodo 2022-2040, el modelo recomienda la instalación de 4.63 GW de CC-NG, 0.35 GW de TV-BIOMASA y 4.53 GW de EÓLICA (Ver Fig. 17), lo que implica una inversión de 4603.00 MM USD $ . 893.00 MM USD$ y 5909.00 MM USD$ (Ver Fig. 18 ), respectivamente. Para lograr los objetivos del Escenario 3, se requiere una inversión total de 11405,00 millones de dólares en el período 2022-2040. Excepto para 2022 donde el monto de inversión alcanza el 20%, se recomienda realizar inversiones de al menos un 4% cada año.
Figura 17 . Nueva capacidad por tecnología Escenario 3.
Figura 18 . Inversión de capital por tecnología Escenario 3.
4 . Discusión
Este artículo presenta los resultados obtenidos al modelar el sistema energético de la República Dominicana (RD) utilizando OSeMOSYS. El objetivo principal es analizar alternativas para la expansión de las FER en la matriz energética de RD con base científica. Para ello, es crucial el uso de herramientas confiables basadas en experiencias en su aplicación en contextos similares con resultados respaldados científicamente, y se prefiere que sean de código abierto. La herramienta utilizada debe permitir la participación de las instituciones responsables de planificar el desarrollo energético del país y facilitar los aportes de la comunidad académica y científica, lo que representa un potencial significativo para encontrar soluciones sustentables.
En este caso de estudio se modeló un escenario base donde se representan las características de la NES en su estado actual. Se asume que es posible ampliar las tecnologías existentes y se construyeron tres escenarios para analizar el impacto de nuevos proyectos en la diversificación de la matriz energética orientada al DS. En los escenarios de modelación se incluyeron como fuentes de generación eléctrica los proyectos que cuentan con concesión de construcción definitiva y aquellos que están en proceso de obtenerla. Bajo el supuesto de que estos proyectos comiencen a operar a tiempo, se logra que al menos el 25% de la energía anual sea suministrada a partir de FER en el periodo 2022-2035, lo cual está de acuerdo con la Ley 57-07 [28], orientada a el compromiso asumido por RD en el Acuerdo de París.
Los resultados encontrados validan la “ Planificación de Inversiones en Generación Eléctrica de República Dominicana 2040 ” [14] publicada por el Ministerio de Energía y Minas en relación a la construcción de nuevas centrales eléctricas que deben realizarse en FER y en centrales de ciclo combinado. de Gas Natural como se ilustra en las Figs. 17 y 18 . En esta dirección, la Comisión Nacional de Energía en su borrador del » Plan Nacional de Energía 2022 − 2036 » [31] también recomienda continuar con la diversificación de la Matriz Energética, aumentando el uso de Gas Natural y otras FER con el fin de reducir CO2eq emisiones y dependencia de combustibles fósiles importados. Por otro lado, se encontró que a pesar de la reducción en CO2eq emisiones obtenidas en la ventana de tiempo evaluada, el crecimiento esperado en la demanda lleva a la necesidad de aumentar la capacidad de generación a partir de centrales térmicas a partir del año 2032. El aumento en la capacidad de generación provoca que las emisiones de CO2eq para alcanzar valores en torno a los 20 millones de toneladas para el 2040.
Cabe destacar que la competencia entre las tecnologías EÓLICA, TV-BIOMASA y SOLAR FV está determinada por su comportamiento estocástico y la correlación entre la disponibilidad del recurso y su capacidad de responder a la demanda del SENI. Aunque la tecnología SOLAR FV es más barata que la EÓLICA y la TV-BIOMASA, la indisponibilidad del recurso durante la noche hace que las tecnologías EÓLICA y TV-BIOMASA sean más competitivas, por lo que el modelo sugiere la ampliación de la capacidad de generación a partir de estas dos últimas tecnologías.
Más allá de la “ Planificación de Inversiones en Generación Eléctrica de República Dominicana 2040 ” [14] y el “ Plan Nacional Energético 2022 − 2036 ” [31] , en la bibliografía revisada no se encontraron antecedentes de publicaciones científicas recientes respecto a la planificación energética de la República Dominicana. DR. Por lo tanto, este documento sienta las bases para el desarrollo de estudios similares que contribuyan a la DS de la RD y se suma a las pocas experiencias de aplicación específica de modelos energéticos como OSeMOSYS en los sistemas eléctricos de los PEID.
A partir de la variabilidad que introducen las RES dado su comportamiento estocástico, en un futuro, en el marco de esta investigación, se modelarán escenarios que incluyan sistemas de almacenamiento que permitan mejorar la capacidad de despacho de las RES con el fin de reducir la incertidumbre en la seguridad. del suministro de energía.
Los resultados alcanzados hasta el momento constituyen una guía para el diseño de políticas energéticas que contribuyan al DS de la RD; sin embargo, no deben adoptarse como absolutos e invariables en el tiempo en un entorno muy dinámico. La evolución y diversidad observada en las tecnologías para brindar servicios energéticos y gestionar la demanda indica que la modelización de sistemas energéticos es un soporte esencial para la toma de decisiones ágil, precisa y con base científica.
5. Conclusiones
De los proyectos FER que cuentan con concesión definitiva, República Dominicana tiene capacidad para cumplir con el objetivo establecido en la Ley 57-07, de cubrir al menos el 25% de la demanda de FER para el año 2025. Debido al crecimiento de la demanda, mantener Para la consecución de este objetivo hasta 2040, la producción de energía procedente de FER deberá incrementarse en 1.565,89 GWh cada año a partir de 2032. La inclusión de 2.194,45 MW en el Escenario 2, correspondientes a los proyectos que se encuentran en fase final de concesión, de los cuales el 49% proceden de RES, amplía el cumplimiento de este objetivo hasta 2035.
Cumplir con el compromiso asumido en el Acuerdo de París, según el cual, de aquí a 2030, las emisiones de GEI deben reducirse un 25% respecto a las emisiones de 2010. El modelo en OSeMOSYS restringe la participación de las tecnologías MCI-FO6, TG-FO2, TV-COAL y CC-NG, mientras que aumenta el despacho de las tecnologías MCI-NG, TV-BIOMASS y WIND. Las tecnologías más afectadas de cara a 2030 son CC-NG y TV-COAL, cuyos despachos se reducen un 58% y un 62% respectivamente.
Reducir las emisiones de GEI en un 25% respecto a las emisiones de 2010 implica una alta participación de las FER. El total de energía renovable al año 2030, descontando el aporte de las centrales hidroeléctricas es del 40,66%, lo que indica que el Sistema Eléctrico Nacional debe estar preparado para operar con altos niveles de penetración de FER. El modelo recomienda en el horizonte la instalación de 4,63 GW de CC-NG, 0,35 GW de TV-BIOMASA y 4,53 GW de EÓLICA, lo que implica una inversión de 11405,00 MM USD$. Excepto para 2022 donde el monto de inversión alcanza el 20%, se recomienda realizar inversiones de al menos un 4% cada año.
Con la realización de este trabajo, se comprueba que la herramienta de código abierto OSeMOSYS tiene la madurez, capacidad de rendimiento y flexibilidad necesarias para la planificación a largo plazo en sistemas energéticos con características especiales como los de los PEID; su uso permite generar perspectivas y una mejor comprensión de aspectos económicos, ambientales y sociales Fig. 2.
Declaración de intereses en competencia
Los autores declaran que no tienen intereses financieros en competencia ni relaciones personales conocidas que pudieran haber influido en el trabajo presentado en este artículo.
Jarrizon Quevedo jquevedon@gmail.com
Idalberto Herrera Moya idalbertohm@uclv.edu.cu
Leer el artículo completo:
https://www.sciencedirect.com/science/article/pii/S2772427122000389
Los comentarios están cerrados.