BENEFICIOS Y RETOS DE LA RER

La disminucion de contaminantes y la reduccion de contaminacion ambiental es uno de los

beneficios mas resaltantes, utilizacion de energias renovables para producir electricidad,
genera baja conflictividad social ,descentraliza la concentracion geograficas. Por el lado de los
retos, las principales dificultades que afrontan son su intermitencia, su integración a gran
escala a la red y el posible impacto en la tarifa.

Comflictos socioambientales activos según actividad (2019)

Tiempo promedio para la puesta en operación de centrales RER SEGÚN TIPO DE FUENTE
Peru potencia instalada según region 2017

porcentaje de emisiones de CO 2según

sector 2015

CONSUMO DE ELECTRICIDAD PERUANA

 RESERVAS DE PETROLEO

EMISIONES DE CO 2

Fuente :macro expansion Peru

 Los métodos y modelos y la información de Escenarios para la Prospectiva

El empleo de modelos econométricos a través del uso de modelos analíticos de optimización o

de simulación. Según se verá a continuación, de esta caja de herramientas debe adoptarse una
actitud pragmática, es decir no preferir los modelos de prospectiva adoptando una visión
dogmática, si bien deben destacarse las ventajas y limitaciones que supone el empleo de los
diferentes modelos.

Se hará referencia en primer lugar a los modelos de prospectiva de la demanda o

requerimientos, puede emprenderse por medio de los enfoques econométricos o analíticos.
Una cuestión que debe examinarse inicialmente se vincula con el tiempo disponible para
ejecutar el trabajo, puesto que ese aspecto condiciona de modo significativo la elección del
enfoque y el modelo, atendiendo a la información que se requiere para su implementación.

En tal sentido puede anticiparse que la utilización de los modelos analíticos requiere de una
cantidad considerable de información, tanto por lo que se refiere al punto de partida del
proceso de prospectiva como de los escenarios sobre los que se basa para elaborar las
trayectorias de futuro. El acopio de dicha información implica la disponibilidad de tiempo y,
por tanto, del enfoque metodológico a emplear. En suma si se demanda un ejercicio de
prospectiva en un plazo muy corto de tiempo, esto va a determinar que la opción, se reduce a
la elección de modelos econométricos, entendiendo que su uso habrá de requerir
principalmente series de tiempo de un grupo limitado de variables dependientes (objeto de la
prospectiva) y explicativas (que deberán formar parte de los escenarios). Esta es uno de los
aspectos a señalar en el listado de ventajas e inconvenientes de uno y otro enfoque
metodológico. Pero admitiendo que el tiempo disponible para la ejecución del proceso de
Política y de Planificación energética es más amplio, al menos de algo más de un año, o de que
el sistema de información económica y energética contiene suficiente detalle (en términos de
las variables correspondientes a ambos ámbitos), resulta de interés discutir en qué condiciones
se plantea la elección de los dos enfoques metodológicos planteados, sobre la base de las
ventajas y limitaciones que cada uno de ellos presenta, además de la mencionada
previamente.

Por ejemplo, si se tratara de la demanda de mercado por los consumidores residenciales de

la fuente j, la función de demanda sería una expresión del siguiente tipo:
La expresión (1) traduce lo que indica la teoría económica derivada de la agregación de las
decisiones de los consumidores para obtener la demanda de mercado, con sus variables
determinantes. Sin embargo, la aplicación concreta de esa teoría implica la especificación de
otros determinantes de la demanda, atendiendo a las características del sistema bajo estudio.
En el caso de la demanda de energía se tratará de variables demográficas, medioambientales o
propias de la cobertura del abastecimiento de la fuente de que se trata. Es decir, que la
expresión (1) tomará una forma como la siguiente:

Donde las variables Zi representan otros factores determinantes de la demanda de la fuente

de energía j, además de los indicados previamente.

Entre las ventajas de este enfoque metodológico puede mencionarse: √ Su flexibilidad para
representar cambios estructurales, hecho que se ve facilitado por la adopción de la
representación sistémica, vinculada a fuentes y tecnologías de uso. √ Esa flexibilidad permite
que puedan simularse las estrategias de una determinada propuesta de política energética y
así poder evaluar sus impactos. √ Es un enfoque simple y transparente que asegura la
coherencia física del sistema. Con relación a las limitaciones hay que señalar: √ La cantidad de
información que requiere la implementación plena tanto con relación al punto de partida de la
prospectiva como en lo referente a los escenarios. √ No asegura la consistencia económica.

Los variados modelos de optimización que suelen emplearse para la planificación energética
pueden estar referidos ya sea a representar la planificación de una cadena productiva
energética o al conjunto del sistema energético incorporando todos los vínculos entre las
diferentes cadenas que integran ese sistema pretendiendo encontrar las soluciones más
“eficientes” sobre la base de ciertos criterios definidos por el planificador; esos criterios se
suelen plasmar en una cierta “función objetivo”. Lo más frecuente es que tales modelos de
optimización utilicen la técnica de programación lineal, que en el problema primal permite
deducir las soluciones eficientes sobre las cantidades y en el problema dual que, se supone,
contiene los valores marginales de eficiencia. Limitaciones de los enfoques de optimización. El
planificador deberá tener cuidado de no asignar a las variables duales la interpretación de los
“precios de eficiencia” propios del óptimo de Pareto, desconociendo que en ambos casos se
trata de óptimos parciales y que por lo tanto no pueden tener esos atributos, más allá del
hecho que el uso de los modelos de programación lineal supongan implícitamente la existencia
de competencia perfecta como forma de mercado.

Transporte

Este es uno de los sectores más complejos de estudiar, no sólo en Latinoamérica, sino también
a nivel mundial. Por lo general la estadística disponible en los países de la Región es
incompleta, no sistemática y desactualizada. En el caso del transporte carretero, en muchos
países no existen bases de datos que unifiquen los registros del parque automotor, en las
cuales se detallen variables tan elementales como el parque vehicular activo por tipo (ej.:
automóviles, camionetas 4x4, ómnibus, camiones de menos de 2 toneladas, motocicletas,
etc.), la clase de motor que acciona a dichas unidades (ej.: automóviles con motores de ciclo
Otto y Diesel, a GLP, etc.),la antigüedad del vehículo, la cilindrada del motor, etc. Estas
variables son básicas para la aplicación de métodos de prospectiva del transporte carretero. En
el caso de otros medios de locomoción (aéreo, fluvial, marítimo, ferrocarril, metro, etc.),
resulta habitualmente más simple acceder a la información de base, dado que son pocos los
prestadores de dichos servicios y recurriendo a ellos se puede determinar la flota, las
intensidades energéticas y en base a variables explicativas tales como el PBI, el valor agregado
de determinados sectores asociados al medio de locomoción (ej.: el ferrocarril dedicado a la
carga de granos en países fuertemente agrícolas, tendrá indefectiblemente como variable
explicativa el valor agregado del sector agropecuario), es posible realizar la prospectiva de la
demanda de energía de dichos medios. Retornando al caso del transporte carretero, un
método muy difundido para la prospectiva de la demanda de energía es el denominado VKR,
donde el consumo por medio de locomoción surge de multiplicar los siguientes parámetros: V
= número de vehículos (parque activo), por K = cantidad promedio de kilómetros recorridos
por año por vehículo, por R = consumo específico en litros / 100 km. Por lo tanto, la expresión
utilizada para la estimación del consumo del modo carretero es la siguiente:

https://datosmacro.expansion.com/energia-y-medio-ambiente/emisiones-co2/peru

http://www.olade.org/wp-content/uploads/2021/03/
Manual_Planificacion_Energetica_Espnol_Final22-05-2017.pdf