Evaluación del uso de modelos probabilísticos en la estimación de las trayectorias de emisiones de gases de efecto invernadero en Chile

Abstract

El presente trabajo tiene como objetivo evaluar el uso de modelos probabilísticos en la estimación de las trayectorias de emisiones de gases de efecto invernadero (GEI) en Chile, para poder entregar una línea base de emisiones de GEI más clara y con ello, facilitar la toma de decisiones. Las emisiones de GEI han incrementado año a año, y se ha hecho necesario tomar medidas de mitigación acorde a la situación de cada país. En particular, Chile se comprometió voluntariamente a reducir sus emisiones en un 30% para el año 2030 , es por esto que se necesitan estimaciones lo más confiables posibles de la trayectoria de emisiones de GEI para poder planificar las medidas de mitigación de emisiones a realizar. En Chile las emisiones los últimos años han crecido por sobre el 250% alcanzando las 64.3 millones de toneladas de CO2 equivalente el año 2010 . Se realizaron proyecciones a través de escenarios determinísticos, realizadas por MAPS Chile , las que tienen una diferencia de 32.5 millones de toneladas de CO2 equivalente. Es por esto que se busca evaluar un nuevo enfoque, y así tener una mejor calidad de resultados que entreguen con un grado de confianza, los niveles de emisiones para los años futuros. En particular este trabajo se centra en asignar distribuciones de probabilidades a variables relevantes en los modelos utilizados, para capturar su variabilidad. Se trabajó directamente con los sectores Industria y Minería, y CPR (comercial, público y residencial). La demanda eléctrica de estos sectores permite trabajar indirectamente la incertidumbre presente en el sector generación eléctrica, al reducir la incertidumbre en su insumo, así como la propagación de la misma. Se utilizó el complemento de Excel llamado Crystal Ball, que permite simular modelos probabilísticos, a través de Montecarlo. Con las variables relevantes identificadas, y su distribución asignada se obtuvo las distribuciones anuales para las emisiones de GEI y demanda eléctrica. Llama la atención que los escenarios bajo y medio no superen el 75% de confianza, ya que se considera como un nivel bajo de confianza que no permite tomar acciones al tomador de decisiones. Estos resultados permiten concluir la importancia de este nuevo enfoque, que permite analizar valores que lo determinístico no cubre, y entregar resultados de mayor confianza. Esto también ayuda a ver otro problema presente, ya que aclara si el escenario bajo es realmente el más bajo posible, y análogamente con el escenario alto. Sólo los escenarios altos, exigiendo un 95% de confianza, son capaces de entregar información confiable para tomar decisiones. Además, se evaluó la importancia de las variables en los resultados obtenidos, obteniendo que la ley de concentrado de cobre y la población son las más importantes para Industria y Minería.