5. resultados y anÁlisis - unal.edu.co
TRANSCRIPT
172
5. RESULTADOS Y ANÁLISIS
El primer resultado de MODERGIS en coherencia con el objetivo propuesto es determinar los potenciales de fuentes renovables de energía, partiendo de zo-nas que ambiental, social y culturalmente son factibles les para el uso sosteni-ble, se presenta este resultado en la tabla 38, que identificó 26634 MW de potencial eólico, 349,4 GW de potencial solar (muy superior al presentado por la asociación de fabricantes de paneles solares de Europa - EPIA en 5900 MW, debido a que ellos referencian sola a la radiación de la capital del país en este caso Bogotá). En Biocombustibles aporto 9667 Km² para caña de azúcar en producción de bioalcohol, 291486 Km² en palma de africana, que se puede mezclar en diesel oíl para producir Biodiesel y 366310 Km² para biomasa fores-tal que puede ser usada en plantas de co-cogeneración o en biocombustibles de tercera generación.
Tabla 38 Resumen de Potenciales con MODERGIS
Fuente Unidad Capacidad Potencial
Característica
Energía Solar PV GW 349,4 Solo con (1%) del 30% factible
Energía Eólica GW 26,6 Alta Potencia ( 1300 Kw)
Dendroenergía km² 68066 Biomasa Forestal (sostenible)
Palma de Aceite km² 291486 Africana (Potencial Sostenible)
Caña de Azúcar km² 9667 Caña A.(Potencial Sostenible)
Banano km² 134823 Banano(Potencial Sostenible) Maíz km² 61860 Maíz (Potencial Sostenible) Jatropha km² 710619 (Potencial Sostenible)
Fuente: MODERGIS - Elaboración Propia.
En cuanto a la demanda de energía, los resultados obtenidos por la simulación de MODERGIS, presenta unos requerimientos de demanda total de energía para el año 2030 de 1707 400 TJ, en electricidad de 249430 TJ. En generación de energía eléctrica se requiere de 87416 GWh, según lo previsto en el plan de expansión en condiciones normales (ver tabla 39). Lo simulado con MODER-GIS para el escenario presencia de fenómeno de niño arroja un resultado de solo 80510 GWh.(ver tabla 40) Esta diferencia en la oferta de energía eléctrica y no prevista por en el plan de expansión de la UPME viabiliza el escenario de inclusión de energías renovables (ver tabla 41) propuesto por MODERGIS y se puede realizar el cambio en la matriz energética de pasar de 0,23% al 7%, objeto de esta investigación para suplir el déficit. La simulación realizada del efecto que el fenómeno del Niño Oscilación del Sur – ENSO tendría sobre el sistema hidro-térmico del sistema eléctrico nacional, arroja un déficit de generación de origen hidroeléctrico después del año 2020, creando posibles problemas en el suministro eléctrico, debido a que el respaldo de la capacidad instalada de origen térmico esta limitada y no pueden superar
173
la generación de 5000 GWh año en carbón mineral, y 20 000 GWh- año en gas natural. Se observa que las pocas reservas de gas natural existentes podría ser un in-conveniente en la generación de orden térmico ya que después del año 2018 mostrado por los resultado de MODERGIS, se prevé un agotamiento de las reservas Gas Natural, en tal sentido debería pensarse que para satisfacer la demanda eléctrica sería necesario establecer un mercado basado en importa-ciones y precios internacionales. Como alternativa a este problema, están las fuentes renovables de energía como la energía, eólica, solar y co-combustión, resultados de MODERGIS.
Figura 42. Simulación del Fenómeno del Niño (ENSO) en Colombia
Fuente: MODERGIS - elaboración Propia
Es claro que a la escasez de recursos hídricos o aportes de agua en los em-balses de las centrales hidroeléctricas (véase línea azul oscura figura 42), se ve reflejado en el aumento de la generación con los combustibles fósiles para satisfacer la de demanda de energía (ver línea azul claro para gas natural y morada para carbón mineral). Esto incrementa el consumo en Gas Natural y de Carbón Mineral, y lo más importante observamos como aumenta la partici-pación de la energía eólica y solar (ver línea naranja para eólica y azul clara para solar) cuando se presenta este fenómeno que es secuencial con una fre-cuencia regular de diez (10) años, pero con las estadísticas de presencia de fenómeno de niño se observa que la frecuencia tiente a ser menor seis (6) años y tres (3) es la más estable.
174
En la tabla 39 se observa el escenario normal estándar que pudiera ocurrir en condiciones normales sin la presencia del fenómeno del niño y con una hidro-logía normal.
Tabla 39. Simulación del Plan de Expansión condiciones normales en Colombia
Fuente: ENERDEM - LEAP
En la tabla 40 se observa los resultados de la simulación del escenario del plan se expansión en generación de la UPME incluyendo la presencia del fenómeno del niño sin ningún respaldo de capacidad térmica, situación no pre-vista en el plan de expansión, ni el respaldo de centrales de generación con energías renovable.
Es claro que la flexibilidad de MODERGIS e internamente de su modulo Ener-DEM, permite hacer este tipo de simulación al sensibilizar el orden de merito en la operación del as centrales e introducir participación en los aportes hídricos o combustibles dependiendo de su oferta. Esto también se puede hacer para las caracterizas propias de las energías renovables incluyendo la presencia del recurso.
ENERDEM
Escenario: Plan de Expansión en Generación, UPME. Sin modificaciones.
Unidades GWh 2005 2010 2015 2020 2025 2030
Hidroelectricas SIN 38910,0 50414,7 47666,0 48498,7 50781,7 50781,7
Hidroelectrica El Quimbo 0,0 0,0 2214,2 2252,8 2358,9 2358,9
Hidroelectrica Sogamoso 0,0 0,0 4473,1 4551,2 4765,4 4765,4
Hidroelectrica Porce IV 0,0 0,0 2236,5 2275,6 2382,7 2382,7
Hidroelectrica Pescadero 0,0 0,0 0,0 6826,8 7148,2 7148,2
Cogenerado y Autoproductor 114,0 12,8 0,0 0,0 137,8 375,9
Termo Gecelca 3 0,0 0,0 0,0 0,0 176,9 482,4
Termicas carbon SIN 2086,0 94,5 0,0 0,0 1015,3 2769,2
Termicas Gas Natural SIN 7128,0 370,7 0,0 0,0 3983,5 10864,7
Eolicos MODERGIS 0,0 0,0 0,0 0,0 0,0 0,0
Termocol GNFO 0,0 0,0 0,0 0,0 297,8 812,1
Hidro Miel II 0,0 0,0 754,8 768,0 804,2 804,2
Hidro Cucuana 0,0 0,0 335,5 341,3 357,4 357,4
Hidro Amoya 0,0 0,0 436,1 443,7 464,6 464,6
Plantas Menores 2121,0 3026,4 2861,4 2911,4 3048,5 3048,5
Solar PV MODERGIS 0,0 0,0 0,0 0,0 0,0 0,0
Total 50359,0 53919,2 60977,6 68869,6 77722,9 87416,0
175
Tabla 40 Simulación del Plan de Expansión con fenómeno del niño.
Fuente: ENERDEM - LEAP
En la tabla 41 se presenta los resultados de la simulación del fenómeno del niño con la inclusión de energías renovables, se observa los valores de la baja en generación hidroelectricidad debido a los bajos aporte de los ríos a los em-balses y el aumento de la generación con gas natural y carbón mineral. Es im-portante resaltar que como objetivo fundamental de esta investigación se hace la inclusión de energía eólica y energía solar para solucionar el desbalance presentado por la bajo en la participación de las centrales hidroeléctricas por la presencia del fenómeno del niño.
La diferencia entre los escenarios del plan de expansión en condiciones norma-les y el escenario del plan de expansión con fenómeno del niño es un déficit de generación de 6906 GWh. Bajo estos resultado se construye un nuevo escena-rio con la inclusión de energía eólica y solar, la simulación se basó primero en las observaciones de los aportes de los ríos a los embalses de los últimos 20 años, segundo en el análisis de la información sobre presencia del fenómeno de niño en los últimos veinticinco años, ajustado al ultimo evento presentado en el año 2010 y tercero de revisar las potencialidades de energías renovables, en especial de energías solar y eólica, que arrojó el modulo de EnerGIS.
Se observa como la energías eólica inicia su participación en el año 2020, se duplica para el año 2025 y prácticamente esta triplicada para el año 2030. La energía solar inicia para el año 2015 y rápidamente se va posicionando hasta llegar a 3.6% de la generación total en el años 2030.
ENERDEM
Escenario Plan de Expansión en Gneración UPME con Fenomeno de Niño
Unidades Gigawatt-Hours 2005 2010 2015 2020 2025 2030
Hidroelectricas SIN 38910,0 23897,3 44807,4 44807,4 23897,3 44807,4
Hidroelectrica El Quimbo 0,0 0,0 2081,4 2081,4 1110,1 2081,4
Hidroelectrica Sogamoso 0,0 0,0 4204,8 4204,8 2242,6 4204,8
Hidroelectrica Porce IV 0,0 0,0 2102,4 2102,4 1121,3 2102,4
Hidroelectrica Pescadero 0,0 0,0 0,0 6307,2 3363,8 6307,2
Cogenerador y Autoproductor 114,0 337,3 69,7 96,4 337,3 337,3
Termo Gecelca 3 0,0 0,0 108,6 150,3 525,6 525,6
Termicas carbon SIN 2086,0 4309,9 712,4 1109,1 4309,9 3447,9
Termicas Gas Natural SIN 7128,0 14795,6 2751,2 3807,6 14795,6 11836,5
Eolicos MODERGIS 0,0 0,0 0,0 0,0 0,0 0,0
Termocol GNFO 0,0 0,0 164,5 227,7 796,3 884,8
Hidro Miel II 0,0 0,0 709,6 709,6 378,4 709,6
Hidro Cucuana 0,0 0,0 315,4 315,4 168,2 315,4
Hidro Amoya 0,0 0,0 410,0 410,0 218,6 410,0
Plantas Menores 2121,0 2540,4 2540,4 2540,4 2540,4 2540,4
Solar PV MODERGIS 0,0 0,0 0,0 0,0 0,0 0,0
Total 50359,0 45880,5 60977,6 68869,6 55805,4 80510,5
176
Tabla 41. Simulación P. de E. con fenómeno de Niño y Energías Renovables.
Fuente: ENERDEM - LEAP
Este escenario fue revisado recientemente y se descartó el proyecto Porce IV, debido a que Empresas Públicas de Medellín – EPM tomo la decisión de no construirlo, por esta razón se deja proyecto pero todos sus valores se encuen-tran en cero. Esto le da mayor solidez a los resultados de MODERGIS ya que como se observa en los resultados de la tabla 41 estas dos fuentes renovables de energía Eólica y Solar, penetran de manera natural y rápidamente se posi-cionan en el ámbito de la operación de la generación eléctrica.
ENERDEM
Escenario: Plan de Expansión en Generación, UPME.con inclusión de energías renovables.
Unidades GWh 2005 2010 2015 2020 2025 2030
Hidroelectricas SIN 38910 31923,1 49591,6 48439,8 29871,6 44807,4
Hidroelectrica El Quimbo 0 0 2303,6 2250,1 1387,6 1957,9
Hidroelectrica Sogamoso 0 0 4653,8 4545,7 2803,2 3955,4
Hidroelectrica Porce IV 0 0 0 0 0 0
Hidroelectrica Pescadero 0 0 0 6818,5 4204,8 5933,1
Cogenerador y Autoproductor 114 350,1 2,2 0 409,5 385,2
Termo Gecelca 3 0 0 2,9 0 525,6 494,4
Termicas carbon SIN 2086 4309,9 21,1 0 5171,9 3243,4
Termicas Gas Natural SIN 7128 14795,6 72,5 0 17754,8 13918,2
Eolicos MODERGIS 0 0 0 1337 2803,2 4204,8
Termocol GNFO 0 0 4,3 0 796,3 1498,1
Hidro Miel II 0 0 785,3 767,1 473 709,6
Hidro Cucuana 0 0 349 340,9 210,2 315,4
Hidro Amoya 0 0 453,7 443,2 273,3 410
Plantas Menores 2121 2540,4 2480,9 2423,2 2540,4 2540,4
Solar PV MODERGIS 0 0 256,6 1504,1 2890,8 3153,6
Total 50359 53919,2 60977,6 68869,6 72116,3 87527
177
Tabla 42. Capacidad Instalada plan Expansión vs ENERDEM.
Fuente: ENERDEM - LEAP
2005 2010 2015 2020 2025 2030
8489 8525 8525 8525 8525 8525
8489 8525 8525 8525 8525 8525
0 0 396 396 396 396
0 0 396 396 396 396
0 0 800 800 800 800
0 0 800 800 800 800
0 0 400 400 400 400
0 0 400 400 400 400
0 0 0 1200 1200 1200
0 0 0 1200 1200 1200
26 55 55 55 55 55
26 55 55 55 55 55
0 0 150 150 150 150
0 0 150 150 150 150
694 984 984 984 984 984
694 984 984 984 984 984
3680 3378 3378 3378 3378 3378
3680 3378 3378 3378 3378 3378
0 0 0 0 0 0
0 0 0 200 400 600
0 0 202 202 202 202
0 0 202 202 202 202
0 0 135 135 135 135
0 0 135 135 135 135
0 0 60 60 60 60
0 0 60 60 60 60
0 0 78 78 78 78
0 0 78 78 78 78
459 580 580 580 580 580
459 580 580 580 580 580
0 0 0 0 0 0
0 0 50 300 550 600
13348 13522 15743 16943 16943 16943
13348 13522 15793 17443 17893 18143
CUADRO COMPARATIVO CAPACIDAD INSTALADA ESCENARIO PLAN DE EXPANSIÓN [MEGAVATIOS]
Hidroeléctricas SIN
Hidro Miel II
Total
Plan de Expansión
UPME 2010-2030
ResultadosLEAP Escenario
ENSO 2005-2030
Hidro El Quimbo
Termocol GNFO
Hidro Sogamoso
Hidro Porce IV
Hidro Pescadero
Cogeneradores y Autoproductores
Termo Gecelca 3
Térmicas Carbón SIN
Térmicas Gas Natural SIN
Eólicos MODERGIS
Hidro Cucuana
Hidro Amoya
Plantas Menores
Solar PV MODERGIS
178
En el diseño de la metodología aplicando herramientas del sistema de informa-ción geográfica SIG, se presentan los resultados de los mapas cartográficos aplicados para tal propósito iniciando con el Mapa Energético Sostenible. Este mapa con color verde se visualiza zonas factibles que dentro el concepto de sostenibilidad contemplado en el numeral 4.1.5 tendrá el menor impacto am-biental y social. En color rojo se muestran zonas que no deberían ser tenidas en cuenta ya que por razones de restricción ambiental social o cultural, las ex-ternalidades asociadas al proyecto podrían ser muy altas y en algunos casos no fáciles de desarrollo y acuerdo en los procesos de concertación. Véase figu-ra 43.
Figura 43. Mapa de Zonas Sostenibles en Colombia
179
Se presentan los mapas finales como resultado de la aplicación de cada una de las potencialidades de energías renovables propuesta en la sección 4.1.6
Biomasa Forestal – Dendroenergía.
El análisis de esta fuente consideró la selección de las coberturas boscosas o arbustivas que permitieran identificar la “posibilidad” de obtener esta fuente de biomasa. Los resultados arrojan que 6.8 millones de hectáreas podrían ser uti-lizadas sin ninguna restricción y con criterio sostenible. Además utilizando los factores de transformación de cada especie de podría instalar 4400 megava-tios. Véase figura 44.
Figura 44. Zonas Factibles para el Aprovechamiento Dendroenergético
180
Palma Africana: Los resultado arrojados para este cultivo es de 29 millones de hectáreas factibles y sostenibles y de hacer la relación de productividad se podría recuperar 42700 millones de galones de aceite crudo o que puede ser utilizado para el Biodiesel B10 o B15, o para las plantas de generación eléctrica en zonas no interconectadas o aisladas (fig. 45)
Figura 45. Zonas Potenciales para el Aprovechamiento de Palma Africana.
181
Caña de azúcar: Las aéreas factibles y sostenibles para el cultivo de caña de azúcar son cerca de un 1 millón de hectáreas que con el respectivo rendimiento representa 2300 millones de galones de etanol que podrían utilizarse para la oxigenación de la gasolina motor de la mezcla E10 o E15. Véase figura 46.
Figura 46. Zonas Potenciales para el aprovechamiento de Caña de Azúcar
182
Energía Solar. Los resultados que arroja MODERGIS en energía solar en Co-lombia, son promisorios ya que más del 30,76% del territorio Nacional, tiene una radiación superior a los 5 kWh/m² promedio año, basados en la Asociación Internacional de energía solar, es el valor mínimo para el aprovechamiento en sistemas termoeléctricos de alta temperatura. Para el uso fotovoltaico los ran-gos son menores pero que estarían entre 4 y 5 kWh/ m² promedio año, según la Asociación de la Industria Fotovoltaica y presenta un potencial de 349,4 GWp con MODERGIS, mayor a los 5.4 GWp que presenta la (EPIA, 2011) en su último estudio en países potenciales de uso de energía solar fotovoltaica. Véase figura 47.
Figura 47. Mapa de Radiación Solar en Colombia
183
Energía Eólica según figura 48. Los resultados de MODERGIS en Colombia es de 26600 MW de potencia instalable, esto solamente en el territorio conti-nental sin incluir valores en costa fuera, para potencias de 1300 kW y diámetro de rotor de 60 m. Se ha clasificado por rango de viento en 5 y 7 m/s en 17000 megavatios y 6 a 7 m/s en 8900 megavatios y mayor de 7 m/s en 570 megava-tios. Su gran potencial se encuentra en el departamento de la Guajira, Magda-lena, Atlántico, Cesar, Norte de Santander y la desembocadura de rio Atrato en el golfo de Urabá. Este potencial esta limitado por la selección del aerogenera-dor utilizado, que para este calculo que fue la de Nordex N-60 de 1300 kW.
Figura 48. Mapa Potencial de Aprovechamiento en Energía Eólica.
184
6. CONCLUSIONES
Se presentan las conclusiones partiendo de como la comunidad científica inter-nacional esta interpretando y focalizando este tema. Además se verifica el cumplimiento de los objetivos propuestos al inicio de esta investigación, anali-zando sus alcances y limitaciones que se presentaron. Al analizar el estado del arte en el entorno Internacional se puede apreciar que no fue posible encontrar plataformas integradas con la misma filosofía de MO-DERGIS, de utilizar herramientas integradas como sistema de información ge-ográfica para potenciar energías renovables, modelos de prospección de ofer-ta y demanda de energía, para efectuar simulaciones de escenarios de energía e inclusive la simulación y análisis de fenómenos climáticos, incidiendo el com-portamiento de la oferta y demanda de energía y que además a través de herramientas de análisis multicriterio y multiobjetivo, retroalimente decisiones para incorporar energías renovables, superando la restricciones ambientales y garantizando la seguridad de suministro energético, en la misma plataforma. Muchos autores aquí citados presentan experiencias exitosas de manera sepa-ra en la aplicación de su herramienta, por ejemplo en el uso de los sistemas de información geográfica para potenciar el recurso de la biomasa, de cultivos energéticos, de lugares para la ubicación y uso de la energía eólica y simula-ción para el uso de la energía solar, pero todos de manera independiente y en aplicaciones selectivas de cada uso o fuente energética. La otra gran tendencia de autores, que se basan en el uso de las diferentes herramientas multicriterio y multiobjetivo para la selección de la mejor o mejo-res alternativas en el uso de las energías renovables, es que el procedimiento de cada uno tiende a que los resultados de una simulación, pueda ser el inicio de otra con diferente técnica para superar problemas que a veces no son cla-ros o que sus resultados no satisfacen las expectativas En el uso o aplicaciones de modelos de modelos de prospección energética, sean de tipo integrado, Top-Down, Bottom-Up, Energía-Economía-Entorno y modelos de Evaluación Integral en general están dirigidos a un propósito de-terminado y aplicaciones particulares, no se encontraron modelos de tipo plata-forma que sirvieran de referencia para hacer una comparación de fortalezas y debilidades de MODERGIS, que hubiera servido de aporte constructivo del mismo. Es claro que todas y cada una de las técnicas aquí utilizadas tienen una pode-rosa estructura de soluciones. Pero creo que el mayor aporte es que todas de manera independiente tienden hacia un mismo propósito el uso eficiente y sos-tenible de la energía.
185
En cuanto a MODERGIS el gran aporte que tiene es la forma novedosa para cuantificar los potenciales de energía renovables con sistema de información energética, de manera amplia en diferentes fuentes energéticas como solar, eólica y biomasa de manera integral y en un mismo proyecto. Esto representa una optimización en el uso de la información, debido a que la misma informa-ción cartográfica puede ser utilizada en la potenciación de varios recursos energéticos a la vez. De la misma manera se optimiza los recursos computa-cionales, en el uso del programa y finalmente en el análisis de los resultados que se presentan de manera general e integral. El segundo aporte de modelo son las simulaciones de posibles escenarios, que pueden emerger de la concepción netamente energética o la mezcla de pro-blemáticas ambientales naturales, como fenómenos de sequía o abundancia hídrica y las consecuencias energéticas que pudiera generar dicho fenómeno. Para el estudio de caso desarrollado en esta investigación, se observó que así se tenga contemplado en el plan de expansión la construcción de nuevas cen-trales hidroeléctricas, si no se simula la variable natural “sequia” y su incidencia en suministro energético, se presentará un déficit de generación de 6906 GWh, que ahora se encuentran en planeación de ser construidas. Este déficit puede ser superado al simular 1200 MW adicionales, con la entrada de 600 MW eólicos, y 600 MW de energía solar, aprovechando los resultados del es-cenario de ENERSOS de 30 unidades generadoras de 20 000 kW de energía eólica y 30 unidades de energía solar de la misma capacidad. Los resultados simulados con sus respectivos factores de planta de cada tecnología, aportan en generación con eólica de 4204,8 GWh y con solar de 3153,6 GWh que es superior a los 6906 GWh de déficit de las centrales hidroeléctricas con escena-rio de fenómeno de Niño. El tercer y más importante aporte del modelo fue la conceptualización y cons-trucción de un algoritmo lineal, para optimizar planes de fuentes renovables, dada una restricción expresada en MW. El algoritmo se fundamenta en las combinaciones de alternativas energéticas renovables, tomando como datos los resultados organizados de la jerarquización del método multiatributo VI-KOR, bajo la restricción de potencia MW, variable que nos indica cual será la participación de cambio en la matriz energética nacional, promoviendo el uso de las energías renovables. Esto sería una solución a un problema que a la vista de los planificadores estaría solucionado, por creer que con la construc-ción de nuevas centrales hidroeléctricas se tiene garantizado el suministro eléc-trico sin realizar una simulación del déficit hídrico. Este algoritmo, cuerpo de ENERSOS es conjuntamente con la implementación de VIKOR el elemento de integración con ENERDEM, toma los resultados del algoritmo, en este caso 5151 combinaciones, que cumple con la restricción de disminución de potencia y retroalimentan en el escenario final del fenómeno de Niño, para tener como resultado final, el cambio en la en matriz energética de generación con energías renovables, objeto de la investigación. Como resultado la matriz del caso de estudio, cambia su participación de energías renovables del cero veinte y tres 0,23% en el 2005 al siete 7% de la
186
generación en año 2030, solo con tomar dos alternativas de la solución eólica y solar con 1200 MW. MODERGIS estaría en capacidad de formular planes de fuentes no convencio-nales de energía, analizados desde la óptica global del sistema energético y enmarcado en las dimensiones ambiental, social y económica de sostenibili-dad, ya que optimiza los objetivos de las dimensiones antes mencionadas con un número de las mejores tecnologías energéticas renovables. Si bien no fue objeto de potenciar pequeñas centrales hidroeléctricas y geoter-mia es importante continuar con las investigaciones sobre la potenciación de este recurso. En este sentido MODERGIS queda planteada la posibilidad de ser complementado mediante la implementación del sistema de redes y mapa digital de terreno a través de SIG, para la potenciación de pequeñas centrales hidroeléctricas muy solicitado en los países andinos. Los resultados de MODERGIS para el estudio de caso fueron presentados en diferentes eventos a nivel nacional e internacional, gracias a que conto con to-da la información cartográfica y energética suministrada por lo entes guberna-mentales encargados de recopilar y actualizar la información. Sin embargo la falta de información disponible al público puede ser una limitante para su uso y modelización. MODERGIS fue implementado a nivel Internacional en Costa Rica y Paraguay para la potenciación de áreas en cultivos de Biocombustibles, proyecto auspi-ciado por la Comisión Económica para América Latina y el Caribe CEPAL, que buscaba el cambio de la matriz energética y la promoción de los biocombusti-bles de manera sostenible en el sector transporte. Con esta experiencia se en-riquece los casos de estudio aplicados mediante MODERGIS y se concluye que su implementación es posible de manera sencilla y eficaz, cuando se su-ministra la información necesaria, además que se puede aplicar en todos los órdenes regional, municipal o local. Aunque el propósito de esta investigación no era la formulación de políticas ni revisar el régimen regulatorio, se observa que estas dos actividades son fun-damentales para cambiar la matriz energética dando prioridad a energías reno-vables, no solo de Colombia sino en cualquier país de la región. Sin embargo MODERGIS tiene la característica de suministrar elementos de juicio para la formulación de Políticas Energéticas que promuevan la inclusión de fuentes renovables de energía y contrarrestar las debilidades encontradas. Al analizar los resultados parciales de cada modulo ENERGIS, ENERDEM y ENERSOS se observa que independientemente se van constituyendo en herramientas y elementos de juicio, que dan señales a los formuladores de política, para ser coherentes con la utilización de los recursos energéticos pro-pios, con los planes de desarrollo y planes de gobierno. En principio se detectan dos aspectos fundamentales y que son indispensables de tratar en la agenda de Gobierno Nacional, el primero es la inminente priori-dad de formular y establecer un marco regulatorio adecuado, que promueva y
187
fomente de manera significativa las energías renovables, como son los Feed-in tariffs FIT, que ofrece tarifas fijas de largo plazo a aquellos que utilicen medios renovables de generación de electricidad, o los standard portfolios, en la que su el Estado, o el gobierno central o su ente regulador, fije un monto, cuota o “standard” mínimo de producción a la red de electricidad vía energías renova-bles. El segundo es la determinación de potenciales reales de las energías renova-bles, en tal sentido en los nuevos planes de fuentes renovables de energía, la prioridad sea la determinación de los potenciales de recursos energéticos reno-vables, para que las regulaciones y demás normas legales, sean coherentes con los potenciales identificados de estos recursos y por lo tanto promuevan su aprovechamiento. Finalmente MODERGIS puede servir como herramienta de simulación y pros-pección para que oriente y promueva las energías renovables y asegure el su-ministro energético de manera sostenible.
188
7. REFERENCIAS
Acker, T. L., Williams, S. K., Duque, E. P. N., Brummel‟s, G., & Buckler, J. (2007). Wind resource assessment in the state of Arizona: Inventory, capacity factor, and cost. Renewable Energy, 32(9), 1453-1466. doi:doi: 10.1016/j.renene.2006.06.002
Afgan, Naim H., & Carvalho, M. G. (2002). Multi-criteria assessment of new and renewable energy power plants. Energy, 27(8), 739-755. doi:doi: 10.1016/S0360-5442(02)00019-1
Afgan, Naim H., & Carvalho, M. G. (2004). Sustainability assessment of hy-drogen energy systems. International Journal of Hydrogen Energy, 29(13), 1327-1342. doi:doi: 10.1016/j.ijhydene.2004.01.005
Agency International Atomic Energy. (2005). Energy indicators for sustain-able development: guidelines and methodologies. International Atomic Energy Agency.
Amador, J. (2000). Analysis of the technical parameters in the application of geographical information systems in the regional integration of the renewable energy for decentralized production of electricity. (Ph.D. thesis). Polytechnic University, Madrid.
Amador, J., & Domínguez, J. (2006). Spatial analysis methodology applied to rural electrification. Renewable Energy, 31(10), 1505-1520. doi:doi: DOI: 10.1016/j.renene.2005.09.008
Angelis-Dimakis, A., Biberacher, M., Dominguez, J., Fiorese, G., Gadocha, S., Gnansounou, E., Guariso, G., et al. (2011). Methods and tools to evaluate the availability of renewable energy sources. Renewable and Sustainable Ener-gy Reviews, 15(2), 1182-1200. doi:doi: 10.1016/j.rser.2010.09.049
ANH. (2011). Cifras y estadísticas a 2011. Recuperado Julio 8, 2011, a par-tir de http://www.anh.gov.co/es/index.php?id=8
Argonne, & IAEA. (2008). Energy and Power Evaluation Program (ENPEP-BALANCE). Recuperado a partir de www.dis.anl.gov
Asgeirsdottir, B. (2004). Forum 2004 - Documentos: Panel 1: Energía y de-sarrollo: ¿es posible otro modelo energético? Recuperado Junio 14, 2011, a partir de http://www.barcelona2004.org/www.barcelona2004.org/esp/banco_del_conocimiento/documentos/ficha80a8.html?idDoc=350
Baker, G. (2000). Decision Making. Recuperado a partir de www.unf.edu/~gbaker/Man6204/Decision.PDF
Beccali, M., Cellura, M., & Mistretta, M. (2003). Decision-making in energy planning. Application of the Electre method at regional level for the diffusion of renewable energy technology. Renewable Energy, 28(13), 2063-2087. doi:doi: 10.1016/S0960-1481(03)00102-2
Begic, F., & Afgan, N. H. (2007). Sustainability assessment tool for the de-cision making in selection of energy system--Bosnian case. Energy, 32(10), 1979-1985. doi:doi: 10.1016/j.energy.2007.02.006
189
Belton, V., & Stewart, T. (2003). MULTIPLE CRITERIA DECISION ANAL-YSIS An Integrated Approach.
Beltrán, J., & Quijano, R. (1992). Aplicación del modelo LEAP en Colombia (Tesis de Grado). Pontificia Universidad Javeriana, Bogotá D.C.
Ben Salah, C., Chaabene, M., & Ben Ammar, M. (2008). Multi-criteria fuzzy algorithm for energy management of a domestic photovoltaic panel. Renewable Energy, 33(5), 993-1001. doi:doi: 10.1016/j.renene.2007.05.036
Botero,S., Isaza,F., Valencia,A.,2010) Evaluation of methodologies for re-munerating wind power's reliability in Colombia, Renewable and Sustainable Energy Reviews. 14 (2010) 2049-2058.
Bradley, R. S., Vuille, M., Diaz, H. F., & Vergara, W. (2006). Threats to Wa-ter Supplies in the Tropical Andes. Science, 312(5781), 1755 -1756.
Brinkerhoff, D. W., & Goldsmith, A. A. (1990). Institutional Sustainability in Agriculture and Rural Development: A Global Perspective. Praeger.
Brown, D. (1998). Evaluating institutional sustainability in development pro-grammes: beyond dollars and cents. Journal of International Development, 10(1), 55-69. doi:10.1002/(SICI)1099-1328(199801)10:1<55::AID-JID452>3.0.CO;2-W
Burton, J., & Hubacek, K. (2007). Is small beautiful? A multicriteria assess-ment of small-scale energy technology applications in local governments. Ener-gy Policy, 35(12), 6402-6412. doi:doi: 10.1016/j.enpol.2007.08.002
Cadena, A. (2000). Models to Assess the Implications of the Kyoto Protocol on the Economy and Energy System of Colombia. Universidad de Geneva.
Carvajal, Y., Jiménez, H., & Materón, H. (1998). Incidencia del fenómeno del Niño en la hidroclimatología del Valle del Río Cauca-Colombia. Bulletin In-stitute Francaise d’Etudes Andines, 27(3), 743-756.
Carver, S. (1991). Integrating multi-criteria evaluation with geographical in-formation systems. International Journal of Geographical Information Science, 5(3), 321–339.
Caspary, G (2009) Gauging the future competitiveness of renewable ener-gy in Colombia, Energy Economics. 31, 443-449.
Cavallaro, F., & Ciraolo, L. (2005). A multicriteria approach to evaluate wind energy plants on an Italian island. Energy Policy, 33(2), 235-244. doi:doi: 10.1016/S0301-4215(03)00228-3
Center for Resource Solutions – CRS. Renewable Energy Policy Options for China: A Comparison of Renewable Portfolio Standards, Feed-in Tariffs, and Tendering Policies.2002. http://www.efchina.org/resources.cfm?resourceprogram=Renewable%20Energy; 2012.
Chatzimouratidis, A. I., & Pilavachi, P. A. (2007). Objective and subjective evaluation of power plants and their non-radioactive emissions using the analyt-ic hierarchy process. Energy Policy, 35(8), 4027-4038. doi:doi: 10.1016/j.enpol.2007.02.003
190
Chatzimouratidis, A. I., & Pilavachi, P. A. (2008). Multicriteria evaluation of power plants impact on the living standard using the analytic hierarchy process. Energy Policy, 36(3), 1074-1089. doi:doi: 10.1016/j.enpol.2007.11.028
Colombia. (2005). Atlas de radiación solar de Colombia. Bogotá : Unidad de Planeación Minero Engergética, UPME :;IDEAM, Instituto de Hidrología, Me-teorologia y Estudio Ambientales,.
Colombia. (2006). Atlas de viento y energía eólica de Colombia. Bogotá :: Unidad de Planeación Minero Energética,UPME :;Instituto de Hidrologia, Me-teorologia y Estudios Ambientales,.
Constitución Política de Colombia, 1991. (s.f.). Recuperado a partir de http://www.banrep.gov.co/regimen/resoluciones/cp91.pdf
Contraloría General de la República. (2010). Informe de Gestión, Una ges-tión fiscal ética y efiiciente 2006-2010. Bogotá D.C. Recuperado a partir de http://www.contraloriagen.gov.co/c/document_library/get_file?&folderId=40368517&name=DLFE-33431.pdf
Delucchi, M. A., & Jacobson, M. Z. (2011). Providing all global energy with wind, water, and solar power, Part II: Reliability, system and transmission costs, and policies. Energy Policy, 39(3), 1170-1190. doi:doi: 10.1016/j.enpol.2010.11.045
DeMers, M. N. (2002). GIS modeling in raster. J. Wiley.
Denzer, R. (2005). Generic integration of environmental decision support systems - state-of-the-art. Environmental Modelling & Software, 20(10), 1217-1223. doi:doi: 10.1016/j.envsoft.2004.09.004
Diakoulaki, D., & Karangelis, F. (2007). Multi-criteria decision analysis and cost-benefit analysis of alternative scenarios for the power generation sector in Greece. Renewable and Sustainable Energy Reviews, 11(4), 716-727. doi:doi: 10.1016/j.rser.2005.06.007
Díaz, A. (2007). Identificación y evaluación de un conjunto de medidas para incentivar la penetración de energía renovable en la generación de electricidad en Colombia. Universidad de los Andes.
Dinca, C., Badea, A., Rousseaux, P., & Apostol, T. (2007). A multi-criteria approach to evaluate the natural gas energy systems. Energy Policy, 35(11), 5754-5765. doi:doi: 10.1016/j.enpol.2007.06.024
Domínguez Bravo, J., García Casals, X., & Pinedo Pascua, I. (2007). GIS approach to the definition of capacity and generation ceilings of renewable energy technologies. Energy Policy, 35(10), 4879-4892. doi:doi: 10.1016/j.enpol.2007.04.025
Domínguez, J., & Amador, J. (2007). Geographical information systems applied in the field of renewable energy sources. Computers & Industrial Engi-neering, 52(3), 322-326. doi:doi: DOI: 10.1016/j.cie.2006.12.008
Domínguez, J., & Pinedo, I. (2009). GIS tool for rural electrification with re-newable energies in Latin America. Proceedings of the International Conference on Advanced Geographic Information Systems and Web Services, GEOWS 2009 (págs. 171-176). Recuperado a partir de
191
http://www.scopus.com/inward/record.url?eid=2-s2.0-63749086018&partnerID=40&md5=fbab42a64666959502aa08e12dfb6e0e
Dorta, A. J., Rodriguez, C., & de Sande, F. (2005). The OpenMP source code repository. Parallel, Distributed and Network-Based Processing, 2005. PDP 2005. 13th Euromicro Conference on (págs. 244–250).
Duckstein, Lucien, & Özelkan, E. C. (1996). Analysing Water Resources Alternatives and Handling Criteria by Multi Criterion Decision Techniques. Jour-nal of Environmental Management, 48(1), 69-96.
Duckstein, L., & Opricovic, S. (1980). Multiobjective optimization in river ba-sin development. Water Resources Research, 16(1), 14–20.
EIA. (2010). World Energy Outlook 2010. Recuperado Julio 8, 2011, a partir de http://www.worldenergyoutlook.org/
EPIA. (2011). Global Market Outlook for Photovoltaics until 2015. Recupe-rado Junio 14, 2011, a partir de http://www.epia.org/publications/photovoltaic-publications-global-market-outlook.html
Escobar, J., Betaikiir, T., Palacio, C., & Muriel, R. (2010). Los retos de la enseñanza de los sistemas de información geográfica integrados a la gestión del medio ambiente y los recursos naturales. Gestión y Ambiente; Vol 11, No 3 (2008). Recuperado a partir de http://www.revistas.unal.edu.co/index.php/gestion/article/view/14040
Flores, W. C., Ojeda, O. A., Flores, M. A., & Rivas, F. R. (2011). Sustaina-ble energy policy in Honduras: Diagnosis and challenges. Energy Policy, 39(2), 551-562. doi:doi: 10.1016/j.enpol.2010.10.020
Frombo, F., Minciardi, R., Robba, M., Rosso, F., & Sacile, R. (2009). Plan-ning woody biomass logistics for energy production: A strategic decision model. Biomass and Bioenergy, 33(3), 372-383. doi:doi: 10.1016/j.biombioe.2008.09.008
Gates, R., & Lee, M. (2007). Definition of Social Sustainability ( No. 3501). Recuperado a partir de http://vancouver.ca/ctyclerk/cclerk/20050524/documents/p1.pdf
Goldemberg, J., & Johansson, T. B. (2000). World energy assessment. United Nations Development Programme.
Gómez, M., & Barredo, J. (2005). Sistemas de Información Geográfica y Evaluación Multicriterio en la ordenación del territorio (2o ed.). México D.F.: Ra-Ma.
Gómez, O., O. (1992). Evaluación de Impacto Ambiental. Madrid.
Goodland, R. (2002). Sustainability: Human, Social, Economic and Envi-ronmental. Encyclopedia of Global Environmental Change, Social and Econom-ic Dimension of Global Environmental Change. John Wiley and Sons Ltd.
Graham, S., Wallace, A.R., & Connor, G. (2003). Geographical Information System (GIS) techniques applied to network integration of marine energy (Vol. 38, págs. 678-681). Presented at the Proceedings of the Universities Power Engineering Conference.
192
Grynspan, R. (2011, Abril 7). Grynspan: Bloomberg New Energy Summit 2011. Recuperado Junio 14, 2011, a partir de http://content.undp.org/go/newsroom/2011/april/grynspan-.en
Guimaraes, R., & CALDERON, F. (2003). Desarrollo sostenible em Améri-ca Latina y el Caribe entre las conferencias de Rio en 1992 y Johannesburgo en 2002: avances, retrocesos y nuevos retos institucionales. Es sostenible la globalización en América Latina?
Haralambopoulos, D. A., & Polatidis, H. (2003). Renewable energy projects: structuring a multi-criteria group decision-making framework. Renewa-ble Energy, 28(6), 961-973. doi:doi: 10.1016/S0960-1481(02)00072-1
Henfridsson, U., Neimane, V., Strand, K., Kapper, R., Bernhoff, H., Da-nielsson, O., Leijon, M., et al. (2007). Wave energy potential in the Baltic Sea and the Danish part of the North Sea, with reflections on the Skagerrak. Re-newable Energy, 32(12), 2069-2084. doi:doi: 10.1016/j.renene.2006.10.006
Heydari, M., Kazem Sayadi, M., & Shahanaghi, K. (2010). Extended VIKOR as a new method for solving Multiple Objective Large-Scale Nonlinear Pro-gramming problems. RAIRO-Operations Research, 44(02), 139–152.
Hourcade, J. C., Richels, R., & Robinson, J. (1996). Estimating the costs of mitigating greenhouse gases. Climate change 1995: economic and social di-mensions of climate change, 263–296.
Huang Fu Y., Wu J.Y., Wang R.Z., & Huang X.H. (2005). Study on compre-hensive evaluation model for combined cooling heating and power system (CCHP). Journal of Engineering Thermophysics, 26(13), 6.
Huld, T., Suri, M., & Dunlop, E. (2006). A GIS-based System for Perfor-mance Assessment of Solar Energy Systems over Large Geographical Re-gions. Contributions to Conference Proceedings, . Recuperado Julio 20, 2011, a partir de http://publications.jrc.ec.europa.eu/repository/handle/111111111/540
IAEA. (2005). Energy Indicators for Sustainable Development: Guidelines and Methodologies. Recuperado a partir de http://www-pub.iaea.org/MTCD/publications/PDF/Pub1222_web.pdf
IDEAM. (2009). Informe del componente de mitigación del cambio climático para la Segunda Comunicación Nacional de Colombia ante la CMNUCC. Do-cumento interno para el IDEAM. Bogotá: IDEAM, 97.
IDEAM. (2010). Cambio climático en temperatura, precipitacion y humedad relativa para Colombia usando modelos meteorológicos de alta resolución (pa-norama 2011-2100). Nota Técnica IDEAM. Nota técnica del IDEAM, mayo de.
IIT. (2005). Renovables 2050: Un informe sobre el potencial de las energía renovables en la España peninsular (pág. 258). Recuperado a partir de http://www.greenpeace.org/espana/es/reports/renovables-2050/
Instituto Geográfico Agustín Codazzi IGAC. (2007). Cartografía Politicoad-ministrativa de Colombia. Bogotá D.C.
Jacobson, M. Z., & Delucchi, M. A. (2011). Providing all global energy with wind, water, and solar power, Part I: Technologies, energy resources, quantities and areas of infrastructure, and materials. Energy Policy, 39(3), 1154-1169.
193
doi:doi: 10.1016/j.enpol.2010.11.040
Jingzhu Wei, & Xiangyi Lin. (2008). The Multiple Attribute Decision-Making VIKOR Method and its Application. Wireless Communications, Networking and Mobile Computing, 2008. WiCOM ’08. 4th International Conference on (págs. 1-4). Presented at the Wireless Communications, Networking and Mobile Com-puting, 2008. WiCOM ‟08. 4th International Conference on.
Jovanovic, M., Afgan, N., Radovanovic, P., & Stevanovic, V. (2009). Sus-tainable development of the Belgrade energy system. Energy, 34(5), 532-539. doi:doi: 10.1016/j.energy.2008.01.013
Karamouz, M. (2003). Water resources systems analysis. Boca Raton Fla.: Lewis Publishers.
Kaya, T., & Kahraman, C. (2010). Multicriteria renewable energy planning using an integrated fuzzy VIKOR & AHP methodology: The case of Istanbul. Energy, 35(6), 2517-2527. doi:doi: 10.1016/j.energy.2010.02.051
Kinoshita, T., Inoue, K., Iwao, K., Kagemoto, H., & Yamagata, Y. (2009). A spatial evaluation of forest biomass usage using GIS. Applied Energy, 86(1), 1-8. doi:doi: 10.1016/j.apenergy.2008.03.017
Lamminen, E., & Isherwood, H. (2007). Comparison of fine particle emis-sions from a modern small-scale biomass boiler and from a large-scale coal-firing power plant. Presented at the European Aerosol Conference.
Linkov, I., Varghese, A., Jamil, S., Seager, T., Kiker, G., & Bridges, T. (2005). Multi-criteria decision analysis: a framework for structuring remedial de-cisions at contaminated sites. Comparative risk assessment and environmental decision making, 15–54.
Liposcak, M., Afgan, N. H., Duic, N., & da Graça Carvalho, M. (2006). Sus-tainability assessment of cogeneration sector development in Croatia. Energy, 31(13), 2276-2284. doi:doi: 10.1016/j.energy.2006.01.024
Loken, E. (2007). Use of multicriteria decision analysis methods for energy planning problems. Renewable and Sustainable Energy Reviews, 11(7), 1584-1595. doi:doi: 10.1016/j.rser.2005.11.005
Loken, E., Botterud, A., & Holen, A. T. (2009). Use of the equivalent attribute technique in multi-criteria planning of local energy systems. European Journal of Operational Research, 197(3), 1075-1083. doi:doi: 10.1016/j.ejor.2007.12.050
Loulou, R., Goldstein, G., & Noble, K. (2004). Documentation for the MAR-KAL Family of Models. IEA Energy Technology Systems Analysis Programme. Paris.
Luque, A., & Hegedus, S. (2011). Handbook of photovoltaic science and engineering. Wiley.
Madlener, R., Kowalski, K., & Stagl, S. (2007). New ways for the integrated appraisal of national energy scenarios: The case of renewable energy use in Austria. Energy Policy, 35(12), 6060-6074. doi:doi: 10.1016/j.enpol.2007.08.015
Masera, O., Ghilardi, A., Drigo, R., & Angel Trossero, M. (2006). WISDOM:
194
A GIS-based supply demand mapping tool for woodfuel management. Biomass and Bioenergy, 30(7), 618-637. doi:doi: 10.1016/j.biombioe.2006.01.006
Matthies, M., Giupponi, C., & Ostendorf, B. (2007). Environmental decision support systems: Current issues, methods and tools. Environmental Modelling & Software, 22(2), 123-127. doi:doi: 10.1016/j.envsoft.2005.09.005
Maurtua, D. (2006). Criterios de Selección de Personal Mediante el Uso del Proceso de Análisis Jerárquico. Aplicación en la Selección de Personal para la Empresa Exotic Foods S.A.C. Universidad Nacional Mayor de San Marcos, Li-ma, perú.
Mesa, O., Poveda, G., & Carvajal, L. (1997). Introducción al clima de Co-lombia. Medellín: Universidad Nacional de Colombia.
Moghaddam, B., Nasiri, M., & Mousavi, M. (2011). An Appropiate multiple criteria decision making method for solving electricity planning problems, ad-dressing sustainability issue. International Journal of Environment Science and Technology, 8(3), 605-620.
Myers, N., Mittermeler, R. A., Mittermeler, C. G., Da Fonseca, G. A. B., & Kent, J. (2000). Biodiversity hotspots for conservation priorities. Nature, 403(6772), 853-858.
Nguene, G., Fragnière, E., Kanala, R., Lavigne, D., & Moresino, F. (2011). SOCIO-MARKAL: Integrating energy consumption behavioral changes in the technological optimization framework. Energy for Sustainable Development, 15(1), 73-83. doi:doi: 10.1016/j.esd.2011.01.006
Noorollahi, Y., Itoi, R., Fujii, H., & Tanaka, T. (2007). GIS model for geo-thermal resource exploration in Akita and Iwate prefectures, northern Japan. Computers & Geosciences, 33(8), 1008-1021. doi:doi: 10.1016/j.cageo.2006.11.006
Noorollahi, Y., Itoi, R., Fujii, H., & Tanaka, T. (2008). GIS integration model for geothermal exploration and well siting. Geothermics, 37(2), 107-131. doi:doi: 10.1016/j.geothermics.2007.12.001
OLADE. (2004). Metodología para la Elaboración de los Balances de Energía. OLADE. Recuperado a partir de http://www.olade.org/Doc-sien/Metodologias/Gu%C3%ADa%20SIEN%20M-1%20Metodolog%C3%ADa%20de%20balances%20energ%C3%A9ticos.pdf
Opricovic, S. (1998). Multicriteria optimization of civil engineering systems. Faculty of Civil Engineering, Belgrade, 2(1), 5–21.
Opricovic, Serafim, & Tzeng, G.-H. (2007). Extended VIKOR method in comparison with outranking methods. European Journal of Operational Re-search, 178(2), 514-529. doi:doi: 10.1016/j.ejor.2006.01.020
Opricovic, Serafim, & Tzeng, G.-H. (2004). Compromise solution by MCDM methods: A comparative analysis of VIKOR and TOPSIS. European Journal of Operational Research, 156(2), 445-455. doi:doi: 10.1016/S0377-2217(03)00020-1
Organization Latin American Energy, & Zusammenarbeit Deutsche Gesell-schaft f\ür Technische. (2003). Energía y desarrollo sustentable en América
195
Latina y el Caribe: guía para la formulación de políticas energéticas (Vol. 89). United Nations.
Pabón, D. (2010). Informe de evaluación del Cambio Climático en Colom-bia. Universidad Nacional de Colombia y Conservación Internacional. Bogotá, Colombia.
Papadopoulos, A., & Karagiannidis, A. (2008). Application of the multi-criteria analysis method Electre III for the optimisation of decentralised energy systems. Omega, 36(5), 766-776. doi:doi: 10.1016/j.omega.2006.01.004
Patlitzianas, K. D., Doukas, H., Kagiannas, A. G., & Psarras, J. (2008). Sustainable energy policy indicators: Review and recommendations. Renewa-ble Energy, 33(5), 966-973. doi:doi: 10.1016/j.renene.2007.05.003
Pfahl, S. (2005). Institutional sustainability. International journal of sustain-able development, 8(1), 80–96.
Pilavachi, P.A., Roumpeas, C. P., Minett, S., & Afgan, N. H. (2006). Multi-criteria evaluation for CHP system options. Energy Conversion and Manage-ment, 47(20), 3519-3529. doi:doi: 10.1016/j.enconman.2006.03.004
Pilavachi, Petros A., Stephanidis, S. D., Pappas, V. A., & Afgan, N. H. (2009). Multi-criteria evaluation of hydrogen and natural gas fuelled power plant technologies. Applied Thermal Engineering, 29(11-12), 2228-2234. doi:doi: 10.1016/j.applthermaleng.2008.11.014
Píñón, R. J. (2007). Jatropha curcas: una opción para Perú de generar energía renovable. Programa GTZ, Lima, Perú.
Poveda, G. (1994). Cuantificación del efecto de El Niño y la Niña sobre los caudales medios en Colombia (Vol. 4). Presented at the XVI Congreso Lati-noamericano de Hidráulica e Hidrología, Santiago de Chile.
Poveda, G., & Mesa, O. (1996). La Oscilación del Atlántico Norte y su in-fluencia sobre el clima de Colombia. Memorias XVII Congreso Latino-Americano de Hidráulica e Hidrología, IAHR, Guayaquil, Ecuador (págs. 343–354).
Poveda, G., Jaramillo, A., Gil, M. M., Quiceno, N., & Mantilla, R. I. (2001). Seasonally in ENSO-related precipitation, river discharges, soil moisture, and vegetation index in Colombia. Water Resour. Res., 37(8), 2169-2178.
Qin, X. S., Huang, G. H., Chakma, A., Nie, X. H., & Lin, Q. G. (2008). A MCDM-based expert system for climate-change impact assessment and adap-tation planning - A case study for the Georgia Basin, Canada. Expert Systems with Applications, 34(3), 2164-2179. doi:doi: 10.1016/j.eswa.2007.02.024
Quijano, R., & Domínguez, J. (2008). Diseño de un proyecto integrado para la planificación energética y el desarrollo regional de las energías renovables en Colombia basado en Sistemas de Información geográfica. Presentado en Tecnologías de la Información Geográfica para el Desarrollo Territorial, Las Palmas de Gran Canaria, España.
Quiroz, M., Escobar, J., Martínez, D., Betancur, T., & Massone, H. (2007). LOS SISTEMAS DE INFORMACIÓN GEOGRÁFICA COMO HERRAMIENTA DE APOYO EN LOS ESTUDIOS HIDROGEOLÓGICOS DOS CASOS DE ES-
196
TUDIO EN AMÉRICA LATINA Revista de Ingenierías Universidad de Medellín, julio-diciembre, año/vol. 6, número 011. Revista Ingenierías, 6(11).
Rad, F. D. (2008). On sustainable local energy planning.
Rad,Farhad. (2011, Mayo). On Sustainability in Local Energy Planning. Lund University, Sweden.
Rave, C. (2005). Evaluación Integrada Ambiente-Energía-Economía para la Planificación Sostenible de Núcleos Locales, Caso de Aplicación Área Metropo-litana del Valle de Aburrá. Universidad Nacional de Colombia, Medellín.
Rave, C. (2010). Estudio de alternativas para el mejoramiento de la calidad del aire en el municipio de Itagüí, resultado de un análisis bajo el esquema de análisis Energía Ambiente Economía con el modelo MARKAL y la Evaluación de metas. Gestión y Ambiente; Vol 11, No 2 (2008). Recuperado a partir de http://www.revistas.unal.edu.co/index.php/gestion/article/view/13978
Roseman, E. (1995). The Individual Versus Group Approach to Decision Making. All Business. Recuperado a partir de http://www.allbusiness.com/health-care-social-assistance/ambulatory-health-services/493679-1.html
Roy, B. (1971). Problems and methods with multiple objective functions. Mathematical Programming, 1(1), 239–266.
Ruiz, B.J., Rodriguez, V.,(2006) Padilla, Renewable energy sources in the Colombian energy policy, analysis and perspectives, Energy Policy. 34, 3684–3690.
Ruiz, C. (2005). TEMA 5: La toma de Decisiones en la Empresa. Recupe-rado a partir de www4.ujaen.es/~cruiz/diplot-5.pdf
Rusu, E., & Guedes Soares, C. (2009). Numerical modelling to estimate the spatial distribution of the wave energy in the Portuguese nearshore. Renewable Energy, 34(6), 1501-1516. doi:doi: 10.1016/j.renene.2008.10.027
Saaty, T. L. (1980). Analytic hierarchy process. Encyclopedia of Biostatis-tics.
San Cristóbal, J. R. (2011). Multi-criteria decision-making in the selection of a renewable energy project in spain: The Vikor method. Renewable Energy, 36(2), 498-502. doi:doi: 10.1016/j.renene.2010.07.031
Sarapirome, S. (2002). Introduction to Multicriteria Decision Analysis (MCDA). Suranaree University of Technology. Recuperado a partir de geoin-formatics.sut.ac.th/sut/vichagan/introMCDA/3MCDA&MCDM.pdf
Schrattenholzer, L., & IIASA. (2005, Junio). Energy Planning Methodologies and Tools. Recuperado Junio 23, 2011, a partir de http://www.iiasa.ac.at/Admin/PUB/Documents/
Scottish Government, S. A. H. (2006). Academic Study: Matching Renewa-ble Electricity Generation with Demand: Full Report. Report, . Recuperado Julio 20, 2011, a partir de http://www.scotland.gov.uk/Publications/2006/04/24110728/11
Smith, R., Mesa, O., Dyner, I., Jaramillo, P., Poveda, G., & Valencia, D.
197
(2000). Decisiones con Múltiples Objetivos e Incertidumbre (2o ed.). Colombia.
Stockholm Environment Institute. (2008). LEAP: The Long-range Energy Al-ternatives Planning System. Recuperado Junio 24, 2011, a partir de http://www.energycommunity.org/default.asp?action=47
Tatsiopoulos, I. P., & Tolis, A. J. (2003). Economic aspects of the cotton-stalk biomass logistics and comparison of supply chain methods. Biomass and Bioenergy, 24(3), 199-214. doi:doi: 10.1016/S0961-9534(02)00115-0
The World Bank. (2006). Colombia - Integrated National Adaptation Project, Vol. 1 of 1. Recuperado Junio 15, 2011, a partir de http://www-wds.worldbank.org/external/default/main?pagePK=64193027&piPK=64187937&theSitePK=523679&menuPK=64187510&searchMenuPK=64187283&theSitePK=523679&entityID=000090341_20060323091219&searchMenuPK=64187283&theSitePK=523679
The World Bank, & Vergara, W. (2009). Latin America and Caribbean - As-sessing the Potential Consequences of Climate Destabilization in Latin Ameri-ca. Recuperado Junio 16, 2011, a partir de http://web.worldbank.org/WBSITE/EXTERNAL/COUNTRIES/LACEXT/0,,contentMDK:22066159~pagePK:146736~piPK:146830~theSitePK:258554,00.html
Tomlin, C. D., & Images, D. (1990). Geographic information systems and cartographic modeling (Vol. 249). Prentice Hall Englewood Cliffs (NJ).
UNEP. (2011). SWERA. Recuperado Junio 14, 2011, a partir de http://swera.unep.net/index.php?id=metainfo&rowid=235&metaid=336
UNEP, O., & IEA, I. (2006). The IPCC Guidelines for National Greenhouse Gas Inventories. IPCC, Bracknell, i995 (3): l, 51–155.
United Nations. (1987). Report of the World Commission on Environment and Development: Our Common Future - A/42/427 Annex - UN Documents: Gathering a body of global agreements. Recuperado Julio 8, 2011, a partir de http://www.un-documents.net/wced-ocf.htm
United Nations. (1992). A/CONF.151/26 (Vol. I) REPORT OF THE UNITED NATIONS CONFERENCE ON ENVIRONMENT AND DEVELOPMENT. Recu-perado Julio 8, 2011, a partir de http://www.un.org/documents/ga/conf151/aconf15126-1annex1.htm
United Nations. (2005). Objetivos de desarrollo del milenio na mirada desde Am rica atina el Caribe. United Nations.
UPME. (2007a). Plan Energético Nacional 2006-2025: Contexto y Estrate-gias. Bogotá D.C.
UPME. (2007b). Balances Energéticos 1975-2006. Bogotá D.C.
UPME. (2010a). Boletín Estadístico de Minas y Energía 2002-2007. Recu-perado Junio 15, 2011, a partir de http://www1.upme.gov.co/index.php?option=com_phocadownload&view=category&id=1%3Aenergia&Itemid=163&limitstart=20
UPME. (2010b). Plan de Expansión de Referencia Generación-Transmisión 2010-2024. Recuperado Julio 8, 2011, b a partir de
198
http://www1.upme.gov.co/index.php?option=com_content&view=article&id=310&Itemid=147
UPME. (2010c). Boletín Estadístico de Minas y Energía 1990-2010. Co-lombia.
UPME. (2010d). PROGRAMA DE USO RACIONAL Y EFICIENTE DE ENERGÍA Y CONVENCIONALES–PROURE. Recuperado a partir de http://www.si3ea.gov.co/Portals/2/plan.pdf
UPME. (2010e). Plan de Expansión de Referencia Generación - Transmi-sión 2010-2024. Recuperado a partir de http://www.upme.gov.co/Docs/Plan_Expansion/2010/Plan_Expansion_2010-2024_Definitivo.pdf
UPME. (2011). Formulación de un plan de desarrollo para las fuentes no convencionales de energía en Colombia. Bogotá D.C.
Ustinovichius, L., Zavadkas, E. K., & Podvezko, V. (2007). Application of a quantitative multiple criteria decision making (MCDM-1) approach to the analy-sis of investments in construction. Control and cybernetics, 36(1), 251.
Valencia, A. (2008) Potential for Increased Participation of Alternative Energy in Colombia's Energy Mix, Focusing on the Technology Choice Decision Making Process for Off-grid Electricity PhD Dissertation, University of California at Berkeley.
Van Beeck, N. (2003). A New Decision Support Method for Local Energy Planning in Developing Countries. CentER, Tilburg University. Recuperado a partir de http://arno.uvt.nl/show.cgi?fid=2450
Vera, I., & Langlois, L. (2007). Energy indicators for sustainable develop-ment. Energy, 32(6), 875-882. doi:doi: 10.1016/j.energy.2006.08.006
Voivontas, D., Assimacopoulos, D., Mourelatos, A., & Corominas, J. (1998). Evaluation of Renewable Energy potential using a GIS decision support system. Renewable Energy, 13(3), 333-344. doi:doi: 10.1016/S0960-1481(98)00006-8
Wang, J.-J., Jing, Y.-Y., & Zhang, C.-F. (2009). Weighting methodologies in multi-criteria evaluations of combined heat and power systems. International Journal of Energy Research, 33(12), 1023-1039. doi:10.1002/er.1527
Wang, J.-J., Jing, Y.-Y., Zhang, C.-F., & Zhao, J.-H. (2009). Review on mul-ti-criteria decision analysis aid in sustainable energy decision-making. Renewa-ble and Sustainable Energy Reviews, 13(9), 2263-2278. doi:doi: 10.1016/j.rser.2009.06.021
Wang, J.-J., Jing, Y.-Y., Zhang, C.-F., Shi, G.-H., & Zhang, X.-T. (2008). A fuzzy multi-criteria decision-making model for trigeneration system. Energy Pol-icy, 36(10), 3823-3832. doi:doi: 10.1016/j.enpol.2008.07.002
Wang, J.-J., Jing, Y.-Y., Zhang, C.-F., Zhang, X.-T., & Shi, G.-H. (2008). In-tegrated evaluation of distributed triple-generation systems using improved grey incidence approach. Energy, 33(9), 1427-1437. doi:doi: 10.1016/j.energy.2008.04.008
Wang, Y., Gu, A., & Zhang, A. (2010). Recent development of energy
199
supply and demand in China, and energy sector prospects through 2030. Ener-gy Policy, In Press, Corrected Proof. doi:doi: 10.1016/j.enpol.2010.07.002
Winchester, L., America, U. N. E. C. for L., Environmental, the C., & Divi-sion, H. S. (2006). El desarrollo sostenible de los asentamientos humanos en América Latina y el Caribe. CEPAL, Sustainable Development and Human Set-tlements Division.
Winograd, M. (1995). Environmental indicators for Latin America and the Caribbean: Toward land-use sustainability. IICA Biblioteca Venezuela.
Winograd, M., & Eade, J. (1997). Environmental and sustainability indica-tors for Latin America and the Caribbean: the use of GIS (geographic informa-tion systems). Sustainability Indicators: Report of the Project on Indicators of Sustainable Development. SCOPE. Wiley, New York, 40–46.
Xiang-yi, L., Qing-pu, Z., & Hong-yun, L. (2008). Partners selection for stra-tegic technological innovation alliance from the knowledge perspective. Man-agement Science and Engineering, 2008. ICMSE 2008. 15th Annual Confe-rence Proceedings., International Conference on (págs. 1416–1421).
Yang, J., & Shi, P. (2002). Applying analytic hierarchy process in a firm‟s overall performance evaluation: a case study in China. International Journal of Business, 7(1), 31–46.
Yousefi, H., Noorollahi, Y., Ehara, S., Itoi, R., Yousefi, A., Fujimitsu, Y., Ni-shijima, J., et al. (2010). Developing the geothermal resources map of Iran. Geothermics, 39(2), 140-151. doi:doi: 10.1016/j.geothermics.2009.11.001
Zahnd, A., & Kimber, H. M. (2009). Benefits from a renewable energy vil-lage electrification system. Renewable Energy, 34(2), 362-368. doi:doi: 10.1016/j.renene.2008.05.011
200
8. CUADROS COMPARATIVOS MODELOS. Tabla 43. Modelo LEAP
201
Tabla 44. Modelo MARKAL
Tabla 45. Moldeo ENPEP
202
Tabla 46. Comparación Modelos LEAP- MARKAL - ENEPEP
203
9. SOCIALIZACIÓN – MODERGIS.
El Modelo MODERGIS se presento en los siguientes eventos para recibir aportes y criticas y ajustarlo a situaciones reales.
Aplicación del Modelo MODERGIS caso Costa Rica, Comisión Económica para América Latina y el Caribe CEPAL. Ministerio de Energía y Telecomu-nicaciones, San José Diciembre 15- 17, 2011
204
Foro Latinoamericano sobre Biocombustibles Comisión Económica para América Latina y el Caribe CEPAL. Presentación MODERGIS caso Costa Rica y Paraguay, San Salvador 24 – 25 Noviembre de 2011.
Instituto de Planificación y Soluciones Energéticas IPSE, Unidad de Planifi-cación Minero Energética UPME, presentación aplicaciones y Bondades modelo MODERGIS. Bogotá. Septiembre 2011.
Comisión Económica para América Latina y el Caribe CEPAL, Diálogos de Política y Biocombustibles, presentación del Modelo ModerGIS. Santiago de Chile. Marzo 28 y 29 de 2011.
Unidad de Planificación Minero Energética UPME, Escenarios sostenibles y prospección energética - LEAP, presentación modelo ModerGIS. Bogotá fe-brero 2011
Curso Internacional Planificación y Gestión Sostenible de los Recursos Am-bientales Naturales. Comisión Económica para América Latina y el Caribe CEPAL. Instituto latinoamericano y del Caribe de Planificación Económica y Social IPLES. Aplicación de MODERGIS en la formulación de Políticas de recursos Naturales. Cartagena de Indias agosto 2010.
Congreso Internacional de Energías Alternativas. Indupetrol Universidad Autónoma de Bucaramanga. Agosto 2010. 24 horas. Cartagena de Indias agosto 2010. 24 horas. Ponente MODERGIS.
XIV Congreso Internacional de Tecnologías de la Información Geográficos. Universidad de Sevilla. Sevilla España septiembre de 2010. Poster MO-DERGIS.
Taller Iberoamericano Aplicación de los Sistemas de Información Geográfi-ca en las Energías Renovables, Agencia Española para Cooperación Ibe-roamericana- AECI. Centro de Investigaciones Energéticas Ambientales y Tecnológicas, CIEMAT santa Cruz de la Sierra Bolivia. Julio de 2010. 35 horas Ponente MODERGIS.
XXII Conferencia Latinoamericana de Energía y Comunicaciones Rurales - CLER. Buenos Aires Argentina. Abril 13-16 de 2010. Ponente. MODERGIS.
33 Conference International Association for Energy Economics, Sustainable Energy Planning Model (ModerGIS) Application to Integrate Renewable Energy in the Colombia Case. Rio de Janeiro junio de 2010. Ponente MO-DERGIS.
Congreso Internacional de Generación Distribuida, Fundación para la Energía de la Comunidad de Madrid, España noviembre 24- 25 2009. Post-er MODERGIS.
205
Encuentro Iberoamericano sobre Biocombustibles y Sostenibilidad, Unidad de Formación de Energía y Medio Ambiente CIEMAT,” La sostenibilidad de los Biocombustibles en Colombia - Madrid 28- 30 de octubre de 2009. Po-nente. MODERGIS
Taller Iberoamericano Aplicación de los Sistemas de Información Geográfi-ca en las Energías Renovables, Agencia Española para Cooperación Ibe-roamericana- AECI. Centro de Investigaciones Energéticas Ambientales y Tecnológicas, CIEMAT Antigua Guatemala octubre 4 -10 de 2009. Ponente MODERGIS.
Curso Taller sobre Política Energética para el Desarrollo Sustentable y Uso del Modelo L.E.A.P., Instituto de Economía Energética de la Fundación Bari-loche – IDEE/FB – Stockholm Environment Institute SEI – Community for Energy, Environment and Development COMMEND. San Carlos de Barilo-che Junio de 2009.
206
10. GLOSARIO
ENERGÍA PRIMARIA = EP. Se entiende por energía primaria a las distintas fuentes de energía tal como se obtienen en la naturaleza, ya sea: en forma di-recta como en el caso de la energía hidráulica o solar, la leña y otros combus-tibles vegetales; o después de un proceso de extracción como el petróleo, carbón mineral, geoenergía, Gas Natural. Fuentes no renovables de energía Se consideran fuentes primarias no re-novables de energía, a aquellos recursos fósiles agotables en el tiempo, y que tienen un período de formación de muy largo plazo. Petróleo Crudo = PT: Es una mezcla compleja de hidrocarburos de distinto peso molecular en la que hay una fracción generalmente pequeña de com-puestos que contienen azufre y nitrógeno. La composición del petróleo es va-riable y puede dividirse en tres clases de acuerdo a los residuos de la destila-ción: como parafinas, asfaltos o una mezcla de ambos. Gas Natural = GN: Es una mezcla gaseosa de hidrocarburos. Incluye tanto el gas natural libre como el asociado y se presenta también en las minas de carbón o zonas de geopresión. Carbón Mineral =CM: Es un mineral combustible sólido, de color negro o marrón oscuro que contiene esencialmente carbono, así como pequeñas can-tidades de hidrógeno y oxígeno, nitrógeno, azufre y otros elementos. Resulta de la degradación de los restos de organismos vegetales durante largos per-íodos, por la acción del calor, presión y otros fenómenos fisicoquímicos natu-rales. Combustibles Fisionables o Energía Nuclear Es la energía obtenida del mineral de uranio después del proceso de purificación y/o enriquecimiento. Lo que se considera energía primaria como "combustibles nucleares" no es el mineral de uranio en sí mismo sino el contenido de material fisionable que es el que alimenta las usinas nucleares. Fuentes renovables de energía Se consideran energías renovables a aque-llos recursos no fósiles, de bajo contenido de carbono y de períodos de for-mación relativamente cortos. Hidroenergía HE Es la energía potencial de un caudal hidráulico Geoenergía GE La geotérmica es la energía almacenada bajo la superficie de la tierra en forma de calor, la cual puede ser transmitida hacia la superficie por un fluido que esté en contacto con la roca caliente. Este fluido está consti-tuido, en general, por agua en estado líquido, vapor o una mezcla de ambos. Se considera para esta fuente sólo la porción de dicha energía utilizada en la generación de electricidad. Energía eólica EE Es la energía producida por el viento y que se puede aprovechar en un conjunto turbina-generador Energía Solar ES el aprovechamiento de la radiación electromagnética o la captación fotónica de alta media o baja temperatura. Leña LE: Es la energía que se obtiene directamente de los recursos foresta-les. Incluye los troncos y ramas de los árboles, pero excluye los desechos de la actividad maderera, los cuales quedan incluidos en la definición de "resi-duos vegetales" utilizados para fines energéticos.
207
Productos de Caña = BZ: Incluyen los productos de caña de azúcar que tie-nen fines energéticos. Entre ellos se encuentran el bagazo, el caldo de caña y la melaza. Otras fuentes primarias Bajo este concepto se incluyen: Residuos Animales: Se refiere a los residuos de las actividades agrope-cuarias y a los desechos urbanos. Estos pueden ser utilizados directamente como combustible en forma seca o convertidos a biogás, a través de un pro-ceso de fermentación o método de descomposición. Residuos Vegetales: Son los recursos energéticos obtenidos de los resi-duos agroindustriales y forestales. Se incluyen aquí todos los desechos agrí-colas (excepto el bagazo de caña), tales como: cascarilla de arroz, cascarilla de café, coquito de palma, etc., los desechos de los aserraderos de madera (que no se incluyen en el concepto de la leña ni el bagazo, etc.), para propósi-tos energéticos. Residuos Industriales o Recuperados: Sustancias con contenido energético producidas en plantas industriales como un subproducto del proceso producti-vo, como el licor negro del papel, residuos de la industria química (excepto los petroquímicos que deben considerarse productos secundarios porque provie-nen de gas natural o derivados del petróleo). Otras Fuentes Energéticas Primarias: Se incluyen la solar (calentamiento de agua en viviendas y hoteles, secado de granos, irradiación en células fotovol-taicas), desechos de ciudad (basura o líquidos residuales) y cualquier otra fuente primaria no mencionada en las descripciones anteriores, pero relevan-tes para la estructura energética del país. ENERGÍA SECUNDARIA = ES. Se denomina energía secundaria a los dife-rentes productos energéticos que provienen de los distintos centros de trans-formación y cuyo destino son los diversos sectores del consumo y/u otros centros de transformación. Electricidad = EE Es la energía transmitida por electrones en movimiento. Se incluye la energía eléctrica generada con cualquier recurso, sea primario o secundario, en plantas hidroeléctricas, térmicas, geotérmicas o nucleares. Gas Licuado de Petróleo = GLP Consiste en una mezcla de hidrocarburos livianos, que se obtienen de la destilación del petróleo y/o del tratamiento del gas natural. Gasolinas= GM Mezcla de hidrocarburos líquidos, livianos, obtenidos de la destilación del petróleo y/o del tratamiento del gas natural, cuyo rango de ebu-llición se encuentra generalmente entre los 30-200 grados centígrados. De-ntro de este grupo se incluyen: Gasolina de Aviación: Es una mezcla de naftas reformadas de elevado oc-tanaje, de alta volatilidad y estabilidad y de un bajo punto de congelamiento, que se usa en aviones de hélice con motores de pistón. Gasolina de Motor: Es una mezcla compleja de hidrocarburos relativamente volátiles que con o sin aditivos (como el tetra etilo de plomo) se usa en el fun-cionamiento de motores de combustión interna. Gasolina Natural: Es un producto del procesamiento del gas natural. Se usa como materia prima para procesos industriales (petroquímica), en refinerías o se mezcla directamente con las naftas. Alcohol= AC Comprende tanto el etanol (alcohol etílico) como el metanol (al-cohol metílico) usados como combustibles. El etanol es un líquido incoloro
208
que puede producirse por fermentación de materias vegetales con un alto contenido de azúcar, como el jugo de caña de azúcar o melazas; materias vegetales con un alto contenido de almidón, como la mandioca, maíz, etc.; y materias con un alto contenido de celulosa: leña, desechos vegetales. Puede ser utilizado como alcohol anhidro o hidratado, solo o mezclado con gasolina en motores de combustión interna. Kerosene = KR Es un combustible líquido constituido por la fracción del petróleo que se destila entre los 150 y 300 grados centígrados. Se usa como combustible para la cocción de alimentos, el alumbrado, en motores, en equi-pos de refrigeración y como solvente para betunes e insecticidas de uso doméstico. Diesel Oíl = DO Combustibles líquidos que se obtienen de la destilación at-mosférica del petróleo entre los 200 y 380 grados centígrados, son más pesa-dos que el kerosene y es utilizado en máquinas diesel y otras máquinas de compresión ignición. Fuel Oíl = FO Es el residuo de la refinación del petróleo y comprende todos los productos pesados. Generalmente es utilizado en calderas, plantas eléc-tricas y navegación. Coques = CQ El término general "coque" se aplica a un material sólido no fundible, de alto contenido de carbono, obtenido como resultado de la destila-ción destructiva del carbón mineral, petróleo y otros materiales carbonosos. Existen distintos tipos de coque que normalmente se identifican añadiendo al final el nombre del material que le dio origen. Se incluye en esta fuente el co-que de petróleo y el de coquerías. Carbón Vegetal = CV Es el combustible obtenido de la destilación destructiva de la madera en ausencia de oxígeno, en las carboneras. Este producto ab-sorbe humedad rápidamente, por lo cual suele contener un 10 a 15% de agua, además de un 0,5 a 1,0% de hidrógeno y un 2 a 3% de cenizas, con un poder calorífico inferior de alrededor de 6500 Kcal/kg. Estas características pueden variar según la calidad de la leña que le dé origen. Gases = GI Se incluyen en esta categoría a los combustibles gaseosos obte-nidos como subproductos de las actividades de refinación, coquerías y altos hornos. Asimismo, se incluye el gas obtenido en biodigestores. Gas de Refinería: Gas no condensable obtenido de la refinación del petróleo crudo. Consiste principalmente de hidrógeno, metano y etano usado en gran parte en el proceso propio de refinación. Gas de Alto Horno: Se obtiene como un subproducto de la actividad de pro-ducción de acero en altos hornos, siendo usado generalmente como combus-tible para fines de calentamiento en la planta. Gas de Coquería: Es el gas obtenido como producto secundario en el calen-tamiento intenso del carbón mineral o coque, con una mezcla de aire y vapor, en las coquerías. Está compuesto de monóxido de carbono, nitrógeno y pe-queñas cantidades de hidrógeno y dióxido de carbono. Gas de Ciudad: Gas producido por la carbonización o gasificación total con o sin enriquecimiento de derivados del petróleo. Se utiliza fundamentalmente para la cocción de alimentos en los hogares aunque puede tener algunos usos del tipo industrial. Biogás: Es el gas, principalmente metano, obtenido de la fermentación ana-eróbica de desechos biomásicos.
209
Otros Gases: Todos aquellos que no hubieren sido mencionados y que tengan un uso energético No Energéticos = NE Son aquellos productos que no se utilizan con fines energéticos aún cuando poseen un considerable contenido energético; entre ellos se pueden mencionar los asfaltos, solventes, naftas, aceites y grasas, lubricantes, etc.
210
11. PÁGINA WEB MODERGIS.
Con el fin de dar difusión al modelo y poder colocar los resultados e informa-ción relacionada con el modelo se construyó una página WEB propia de MODERGIS, http://www2.unalmed.edu.co/~modergis/ en el dominio de la universidad, donde se colocara toda la información concerniente al modelo y una vez surtan los permisos y licencias de uso por parte de la Universidad, quedará montado el modelo para uso público, resaltando los créditos y de-más lineamientos que deberán hacerse al los autores del modelo y a las en-tidades desarrolladoras y colaboradoras en este trabajo.