Analisi dei risultati di modelli di equilibrio parziale con tecniche statistiche multivariate S. Di Leo [email_address] Is...
Il contesto della ricerca <ul><li>Valutazione della sostenibilità ambientale di sistemi energetici alla scala nazionale/Pa...
. <ul><li>Caratterizzazione dei flussi di energia, di materiale e di emissioni  attraverso la rete di tecnologie di conver...
Approccio Metodologico Rappresentazione di sistemi energetici complessi  ed analisi di scenario: -  Studio dell’evoluzione...
<ul><li>Interfacce utente </li></ul><ul><li>VEDA-FE (Front End) </li></ul><ul><li>VEDA-BE (Back-End) </li></ul><ul><li>Met...
Principali caratteristiche -  Integrazione di modelli  alla scala nazionale  guidati dalla domanda di beni e servizi   bas...
Gli scenari, formulati in base alle indicazioni di decisori politici, hanno analizzato le problematiche energetico-ambient...
<ul><li>Consumi energetici e di materiali </li></ul><ul><li>Modalità di produzione di energia elettrica e calore </li></ul...
Analisi di scenario: Consumi energetici finali Modello Pan-Europeo Italia <ul><li>Carbone </li></ul><ul><li>Prodotti Petro...
Analisi di scenario: Emissioni di CO 2   <ul><li>Produzione di elettricità e calore </li></ul><ul><li>Conversione </li></u...
Applicazione delle tecniche multivariate Obiettivo:  Confronto tra Nazioni   per valutare a scala nazionale gli effetti di...
<ul><li>Obiettivi specifici: </li></ul><ul><li>Aggregare funzionalmente i dati di output dei modelli energetici nazionali ...
Procedura Metodologica: Analisi dei Cluster (1/5) Matrice di associazione  (n x n) costruita mediante la  distanza euclide...
Procedura Metodologica: Analisi dei Cluster (2/5) Algoritmo di classificazione Non-supervisionato ,  gerarchico ,  agglome...
Grafico dei centroidi per l’interpretazione dei Cluster Procedura Metodologica: Analisi dei Cluster (3/5) Utilizzo di vari...
Procedura Metodologica: Analisi delle Componenti Principali (4/5) Matrice di associazione  (m x m) costruita mediante  coe...
Procedura Metodologica: Analisi delle Componenti Principali (5/5) Il legame tra le variabili originarie (x 1 , x 2 ,…x n )...
Definizione di indici per l’aggregazione dei risultati dell’Analisi dei Cluster e della PCA L’indice  NPCI  ( N ormalized ...
Definizione di indicatori di sostenibilità energetica Sicurezza nell’approvvigionamento energetico :  L’indice  IOC  espri...
Definizione di indicatori di sostenibilità energetica Produzione di energia elettrica dalle fonti rinnovabili:   L’indice ...
Risultati Analisi dei Cluster : Emissioni di CO 2  per abitante – 2050 (1/3) Scenario BAU Scenario 450ppm Scenario EXT Sce...
Risultati Analisi dei Cluster : Emissioni di CO 2  per abitante – Anno 2050 (2/3) Scenario BAU Scenario 450_ppm Scenario O...
Risultati PCA – NPCI – CI: Emissioni di CO 2  per abitante – Anno 2050 (3/3) NPCI CI 89.5% 61.9% 79.9% 78.4%
Indicatori di sostenibilità energetica – Indice ICO 1 - Utilizzo di carbone per produzione elettricità 75% Prodotti Petrol...
Indicatori di sostenibilità energetica – Indice ICO 2
Risultati Cluster Analysis: Consumi  energetici finali per abitante – 2050 (1/3) Scenario BAU Scenario 450ppm Scenario EXT...
Risultati Cluster Analysis: Consumi energetici finali per  abitante  - 2050 (2/3) Scenario BAU Scenario 450_ppm Scenario O...
RisultatiPCA - NPCI – CI:  Consumi energetici finali per abitante  2050 67.2% 74.4% 79.8% 75.5% NPCI CI
Indicatori di sostenibilità energetica – Indice IER
Aspetti innovativi della metodologia <ul><li>Applicazione di una  procedura basata sull'utilizzo delle tecniche di analisi...
Conclusioni <ul><li>Il  confronto tra nazioni  effettuato con tecniche di classificazione ha permesso di evidenziare le sp...
Ringraziamenti Il lavoro è stato svolto presso il CNR-IMAA nell’ambito delle attività del dottorato di ricerca in “Metodi ...
 
Upcoming SlideShare
Loading in …5
×

Analisi dei risultati di modelli di equilibrio parziale con tecniche statistiche multivariate, di Senatro Dileo

1,128 views

Published on

Sesta Conferenza Nazionale in Informatica e Pianificazione Urbana e Territoriale

  • Be the first to comment

  • Be the first to like this

Analisi dei risultati di modelli di equilibrio parziale con tecniche statistiche multivariate, di Senatro Dileo

  1. 1. Analisi dei risultati di modelli di equilibrio parziale con tecniche statistiche multivariate S. Di Leo [email_address] Istituto di Metodologie di Analisi Ambientale CNR - Consiglio Nazionale delle Ricerche C.da S.Loja, Zona Industriale, I-85050 Tito Scalo (PZ), Italia Dipartimento di Ingegneria e Fisica dell’Ambiente Università degli studi della Basilicata Via dell’Ateneo 85100 Potenza, Italia
  2. 2. Il contesto della ricerca <ul><li>Valutazione della sostenibilità ambientale di sistemi energetici alla scala nazionale/Pan Europea in relazione alle tematiche di interesse per l’Unione Europea con importanti ricadute a livello dei singoli Paesi (e.g. Libro Verde, Libro Bianco, Direttiva EU 2007/2, obiettivi EU 20/20/20) quali: </li></ul><ul><ul><li>Mitigazione dei cambiamenti climatici </li></ul></ul><ul><ul><li>Utilizzo delle fonti rinnovabili ed efficienza energetica </li></ul></ul><ul><ul><li>Sicurezza ed efficienza nell’approvvigionamento energetico </li></ul></ul><ul><li>Messa a punto di metodologie e strumenti di supporto all’Unione Europea per la </li></ul><ul><li>valutazione di politiche energetico-ambientali </li></ul><ul><li>Miglioramento della base di conoscenze e della fruibilità delle informazioni attraverso procedure standardizzabili e applicabili a casi studio differenti </li></ul>
  3. 3. . <ul><li>Caratterizzazione dei flussi di energia, di materiale e di emissioni attraverso la rete di tecnologie di conversione ed uso finale dell’energia: </li></ul><ul><ul><li>Definizione del Sistema </li></ul></ul><ul><ul><li>di Riferimento (REMS) </li></ul></ul><ul><ul><li>Definizione del database </li></ul></ul><ul><ul><li>energetico-tecnologico </li></ul></ul><ul><li>Definizione delle assunzioni modellistiche di base per lo sviluppo a medio-lungo termine del sistema ( scenario di riferimento o BAU ) </li></ul><ul><li>Formulazione di scenari di sviluppo alternativi in relazione ad obiettivi di ricerca o applicativi, in relazione alle possibili variazioni di parametri esogeni di interesse (e.g. emissioni di inquinanti atmosferici, livelli di utilizzo di fonti convenzionali e rinnovabili, importazione di combustibili, etc) </li></ul><ul><li>Analisi di scenario: ottimizzazione del sistema energetico al variare delle condizioni al contorno e confronto post-ottimale delle soluzioni </li></ul><ul><li>Individuazione delle variabili chiave per la definizione di strategie robuste </li></ul>Rappresentazione ed analisi di un sistema energetico Cost balance Emissions balance <ul><li>Net production </li></ul><ul><li>Process energy </li></ul><ul><li>Space heating </li></ul><ul><li>Person </li></ul><ul><li>Light </li></ul><ul><li>Communication </li></ul><ul><li>Force </li></ul><ul><li>Personal- </li></ul><ul><li>Kilometres </li></ul><ul><li>Tonne-km </li></ul>Demand Coal refining Refinery Power plant and Grid CHP and District Heat Gas pipelines Industry Commercial Domestic Transport End energy Primary Energy Inland production Import Exogenous final demands Energy carrier prices, Resources availability Price Capacities Energy flow Emission Cost
  4. 4. Approccio Metodologico Rappresentazione di sistemi energetici complessi ed analisi di scenario: - Studio dell’evoluzione del sistema energetico al variare delle condizioni al contorno (variabili di scenario) - Definizione delle traiettorie energetico-tecnologiche ottimali per scenario - Valutazione dell’andamento delle emissioni e dei loro effetti in termini di costi esternali <ul><li>Caratterizzazione dei sistemi antropici complessi mediante tecniche di analisi statistica multivariata: </li></ul><ul><li>Individuazione di variabili e di descrittori maggiormente significativi </li></ul><ul><li>Riduzione della dimensionalità del sistema </li></ul><ul><li>Analisi della struttura di correlazione dei dati </li></ul>- Massimizzazione del contenuto informativo dei dati - Individuazione dei parametri esogeni ed endogeni di maggior rilievo - Definizione di indici e indicatori di sostenibilità ad hoc - Messa a punto di procedure standardizzate per l’analisi di dati energetico-ambientali e la formulazione di strategie sostenibili
  5. 5. <ul><li>Interfacce utente </li></ul><ul><li>VEDA-FE (Front End) </li></ul><ul><li>VEDA-BE (Back-End) </li></ul><ul><li>Metodologia </li></ul><ul><li>Approccio Bottom-up </li></ul><ul><li>Parametri di input tecno-economici ed ambientali </li></ul><ul><li>Multiperiodalità </li></ul><ul><li>Competizione perfetta </li></ul><ul><li>Applicabilità dei modelli TIMES </li></ul><ul><li>A scala globale </li></ul><ul><li>A scala nazionale </li></ul><ul><li>A scala locale </li></ul>TIMES The Integrated Markal Efom Systems <ul><li>Ottimizzazione Lineare (LP) </li></ul><ul><li>Funzione obiettivo e vincoli lineari </li></ul><ul><li>Numero medio di variabili: 4000-6000 </li></ul><ul><li>Soluzione di minimo costo </li></ul><ul><li>Caratteristiche tecniche </li></ul><ul><li>Implementazione in GAMS </li></ul><ul><li>Risoluzione Regionale </li></ul><ul><li>Elasticità della domanda </li></ul><ul><li>Vintaging </li></ul><ul><li>Modellizzazione delle curve di carico </li></ul>Il generatore di modelli di equilibrio parziale
  6. 6. Principali caratteristiche - Integrazione di modelli alla scala nazionale guidati dalla domanda di beni e servizi basati su una struttura modulare comune che riproduce offerta e domanda (Produzione e Conversione Energetica, Generazione di Elettricità e Calore, Industria, Residenziale e Commerciale, Trasporti, Agricoltura) - Orizzonte temporale 2000-2050 suddiviso in 12 periodi di tempo di 5 anni ciascuno (ad eccezione del primo e del secondo, rispettivamente di durata un anno e due anni) - Consumi energetici iniziali calibrati sui bilanci nazionali Eurostat - Rappresentazione analitica delle emissioni dei principali gas serra e inquinanti a scala locale - Proiezione della domanda ed evoluzione dei parametri di scenario in accordo con i principali studi e modelli a scala europea (e.g. PRIMES, JRC-IPTS) Il modello TIMES- Pan EU: la struttura Il TIMES- Pan EU è un modello di equilibrio parziale multi-regione, sviluppato mediante il generatore ETSAP-TIMES, che integra i modelli energetici di 30 stati europei (EU 27 + CH, IS, NO) attraverso scambi di energia elettrica.
  7. 7. Gli scenari, formulati in base alle indicazioni di decisori politici, hanno analizzato le problematiche energetico-ambientali di maggior interesse per l’UE. Il modello TIMES- Pan EU: gli scenari SCENARIO PRINCIPALI IPOTESI BAU Riferimento <ul><li>Sviluppo della domanda Business as Usual </li></ul><ul><li>Nessun limite alle emissioni di CO 2 </li></ul><ul><li>Applicazione di una tassa di 10 Euro/ton per le emissioni di CO 2 </li></ul><ul><li>Utilizzo delle fonti rinnovabili e del nucleare in linea con le politiche nazionali </li></ul>CO2-450ppm Mitigazione dei cambiamenti climatici <ul><li>Riduzione delle emissioni di CO 2 al 2050 del 71% rispetto ai livelli europei del 1990 </li></ul><ul><li>Utilizzo del nucleare in linea con le politiche nazionali </li></ul>OLGA Mitigazione dei cambiamenti climatici e Sicurezza dell’approvvigionamento energetico <ul><li>Riduzione delle emissioni di CO 2 al 2050 del 71% rispetto ai livelli europei del 1990 </li></ul><ul><li>Utilizzo del nucleare in linea con le politiche nazionali </li></ul><ul><li>Riduzione delle importazioni di petrolio (30%) e gas naturale (40%) al 2050 </li></ul>EXT Climate protection + Security of supply + Enhanced utilization of nuclear energy <ul><li>Utilizzo del nucleare in linea con le politiche nazionali </li></ul><ul><li>Internalizzazione dei costi esternali degli inquinanti a scala locale (SO 2 , VOC, NO x , PM10, PM2.5) </li></ul>
  8. 8. <ul><li>Consumi energetici e di materiali </li></ul><ul><li>Modalità di produzione di energia elettrica e calore </li></ul><ul><li>Capacità installate e livelli di utilizzazione delle tecnologie </li></ul><ul><li>Costi delle attività </li></ul><ul><li>Livelli di importazione ed esportazione dei combustibili </li></ul><ul><li>Emissioni per settore (gas serra e inquinanti locali) </li></ul>Set standard di dati di output per scenario : ll modello TIMES- Pan EU: i dati di output (X ciascuno Stato; X ciascun periodo; X ciascun scenario) 200 20 955 3065 40 160 278400 27840 1329360 4266480 55680 222720 <ul><li>Aggregati a scala Pan-EU </li></ul><ul><li>Disaggregati per ciascuno dei 30 Stati Europei considerati </li></ul><ul><li>Dettaglio multi-temporale (12 intervalli temporali) </li></ul><ul><li>4 scenari a scala Pan-Europea ( BAU, CO 2 -450ppm, EXT, OLGA) </li></ul>Set di dati di output del modello TIMES –Pan EU
  9. 9. Analisi di scenario: Consumi energetici finali Modello Pan-Europeo Italia <ul><li>Carbone </li></ul><ul><li>Prodotti Petroliferi </li></ul><ul><li>Gas </li></ul><ul><li>Elettricità </li></ul><ul><li>Calore </li></ul><ul><li>Rinnovabili </li></ul><ul><li>Rifiuti </li></ul><ul><li>Altre Fonti (Idrogeno, Metanolo) </li></ul>
  10. 10. Analisi di scenario: Emissioni di CO 2 <ul><li>Produzione di elettricità e calore </li></ul><ul><li>Conversione </li></ul><ul><li>Industria da Combustione </li></ul><ul><li>Industria da Processo </li></ul>Modello Pan-Europeo Italia <ul><li>Trasporti </li></ul><ul><li>Residenziale </li></ul><ul><li>Commerciale </li></ul><ul><li>Agricoltura </li></ul>
  11. 11. Applicazione delle tecniche multivariate Obiettivo: Confronto tra Nazioni per valutare a scala nazionale gli effetti di vincoli imposti a scala Pan-Europea Parametri considerati: Emissioni di CO 2 settoriali,Consumi energetici finali,(per scenario) Intervallo di tempo: 2000, 2020, 2050 Organizzazione dei dati di Output del modello TIMES - Pan EU in matrici Oggetti x Descrittori Cluster Analysis (CA) per analizzare la similarità tra gli oggetti Principal Component Analysis (PCA) per analizzare la correlazione tra i descrittori Interpretazione della struttura di correlazione Definizione di indicatori di sostenibilità
  12. 12. <ul><li>Obiettivi specifici: </li></ul><ul><li>Aggregare funzionalmente i dati di output dei modelli energetici nazionali per: </li></ul><ul><li>Evidenziare il contenuto informativo dei dati e la struttura di correlazione </li></ul><ul><li>Caratterizzare statisticamente le variazioni della struttura dei dati sull’orizzonte temporale nei diversi scenari </li></ul><ul><li>Confrontare le similarità per aree geografiche (confronto tra gli andamenti degli indicatori nelle varie nazioni) </li></ul><ul><li>Individuare gli indicatori energetici ed ambientali statisticamente significativi per la valutazione della sostenibilità dei sistemi energetici a scala nazionale </li></ul><ul><li>Mettere a punto una procedura standardizzata per la calibrazione di dati e modelli </li></ul>Applicazione delle tecniche multivariate
  13. 13. Procedura Metodologica: Analisi dei Cluster (1/5) Matrice di associazione (n x n) costruita mediante la distanza euclidea tra gli n oggetti dove h,k =1,..,n <ul><li>Obiettivi: </li></ul><ul><li>Individuazione di gruppi omogenei di nazioni in relazione alla produzione e consumo di energia, alle emissioni ed alle altre variabili di interesse </li></ul><ul><li>Valutazione dell’ influenza di variabili socioeconomiche esterne rispetto agli input modellistici (popolazione, PIL) </li></ul><ul><li>Definizione dei set omogenei a scala sovra-nazionale per l’applicazione di target strategici dell’Unione Europea in materia di energia ed ambiente (e.g implementazione delle RES, target post-Kyoto, etc) </li></ul>Matrice (n x m) oggetti x descrittori
  14. 14. Procedura Metodologica: Analisi dei Cluster (2/5) Algoritmo di classificazione Non-supervisionato , gerarchico , agglomerativo . Metodo del legame completo dove la similarità tra due cluster C h e C k è definita come il massimo tra le combinazioni delle distanze tra ciascuna unità di C h e ciascuna unità di C k per
  15. 15. Grafico dei centroidi per l’interpretazione dei Cluster Procedura Metodologica: Analisi dei Cluster (3/5) Utilizzo di variabili esogene per interpretare i Cluster
  16. 16. Procedura Metodologica: Analisi delle Componenti Principali (4/5) Matrice di associazione (m x m) costruita mediante coefficiente di correlazione tra i descrittori (Desc) Tecnica di ordinamento in spazio di dimensionalità ridotta, che riduce il numero delle variabili di partenza individuando delle nuovi variabili combinazione lineare delle variabili originarie <ul><li>Obiettivi: </li></ul><ul><li>Valutazione del peso dei descrittori (combustibili, emissioni di CO 2 settoriali) nella struttura di correlazione; </li></ul><ul><li>Definizione di nuove variabili da cui individuare indici aggregati per l’interpretazione dei risultati; </li></ul><ul><li>Individuazione delle variabili più significative per la definizione di indicatori di sostenibilità </li></ul>Matrice (n x m) oggetti x descrittori Desc.1 Desc.2 … Desc. 8 Descr 1       Desc. 2       … . Desc. 8      
  17. 17. Procedura Metodologica: Analisi delle Componenti Principali (5/5) Il legame tra le variabili originarie (x 1 , x 2 ,…x n ) e le nuove variabili (a 1 , a 2 ,..a n ) è fornito dai coefficienti di loadings che forniscono il peso delle variabili originarie nel nuovo sistema di riferimento. Si risolve il problema degli autovalori e degli auto-vettori, individuando la % di varianza dei dati di partenza associata a ciascuna delle nuove componenti principali
  18. 18. Definizione di indici per l’aggregazione dei risultati dell’Analisi dei Cluster e della PCA L’indice NPCI ( N ormalized P rincipal C omponent I ndex) per il j-esimo descrittore attribuisce un peso a ciascun descrittore originario nel nuovo sistema di riferimento in funzione del contributo alle nuove componenti principali (PC), del rango e della varianza spiegata, relativi alla componente principale in cui il descrittore fornisce il contributo maggiore e della varianza totale. L’indice CI ( C luster I ndex) associa a ciascun cluster un peso sia in funzione della variazione percentuale dei descrittori rispetto al valore medio assunto per quel cluster (C qj ) sia del peso che ciascun descrittore ha nella struttura di correlazione (NPCI j ) n: numero di autovalori >0.5; V: varianza spiegata dagli auto-valori >0.5 P j è il contributo al descrittore delle PCs con auto-valori >0.5 r j è il rango della PC che fornisce il contributo maggiore P jmax è il contributo massimo della PC v j * varianza della PC che fornisce il contributo massimo
  19. 19. Definizione di indicatori di sostenibilità energetica Sicurezza nell’approvvigionamento energetico : L’indice IOC esprime il rapporto tra importazione netta e consumo totale dei prodotti petroliferi e permette di individuare la dipendenza dalle importazioni dei prodotti petroliferi di un Paese e valutare l'incidenza delle risorse nazionali, eventualmente presenti. L’indice IOT valuta la percentuale di utilizzo dei prodotti non petroliferi nel settore dei trasporti rispetto al consumo energetico totale del settore. Tale indice fornisce quindi la capacità di un Paese di ricorrere a combustibili alternativi. L’indice IEG esprime il rapporto tra importazione netta di gas naturale e il suo consumo totale. Permette di individuare la dipendenza di un Paese dall'Estero per quanto riguarda l'approvvigionamento di gas. Gli indicatori di sostenibilità energetica , ad integrazione delle tecniche di analisi statistica multivariata, permettono di completare l’analisi dei risultati dei modelli di equilibrio parziale, fornendo informazioni sull’andamento di alcuni parametri chiave sia lungo l'orizzonte temporale che nei diversi scenari di sviluppo del sistema. Sono stati elaborati otto indicatori di sostenibilità energetica , con particolare riferimento alla valutazione a scala nazionale
  20. 20. Definizione di indicatori di sostenibilità energetica Produzione di energia elettrica dalle fonti rinnovabili: L’indice IER esprime il rapporto tra produzione energia elettrica dalle fonti rinnovabili rispetto al consumo lordo di energia elettrica totale, che tiene conto tra l'altro delle perdite di linea, delle perdite nelle pompe e dell'esportazione di elettricità. Tale indicatore fornisce indicazioni sulla capacità di uno Stato di produrre energia elettrica dalle fonti rinnovabili. L’indice ICO 1 esprime il rapporto tra il quantitativo di emissioni di CO 2 ottenute dal settore per la produzione di energia elettrica e l'energia elettrica prodotta. L’indice ICO 2 esprime il rapporto tra il quantitativo di emissioni di CO 2 emesse dai settori di domanda di uso finale e il consumo finale di tutti i vettori energetici. Cambiamenti climatici: L’indice IEEA esprime, per ciascun stato, il rapporto tra il consumo finale di tutti i vettori energetici e la popolazione. Tale indicatore permette di valutare l'efficienza dell'insieme delle tecnologie nel consumo di energia. L’indice IEEP esprime il rapporto tra il consumo di elettricità e la variazione percentuale del prodotti interno lordo nazionale, correlando in tal modo il consumo di elettricità all'andamento dell'economia nazionale. Efficienza energetica:
  21. 21. Risultati Analisi dei Cluster : Emissioni di CO 2 per abitante – 2050 (1/3) Scenario BAU Scenario 450ppm Scenario EXT Scenario OLGA
  22. 22. Risultati Analisi dei Cluster : Emissioni di CO 2 per abitante – Anno 2050 (2/3) Scenario BAU Scenario 450_ppm Scenario OLGA Scenario EXT
  23. 23. Risultati PCA – NPCI – CI: Emissioni di CO 2 per abitante – Anno 2050 (3/3) NPCI CI 89.5% 61.9% 79.9% 78.4%
  24. 24. Indicatori di sostenibilità energetica – Indice ICO 1 - Utilizzo di carbone per produzione elettricità 75% Prodotti Petroliferi Utilizzo di carbone per produzione elettricità 95% Gas naturale
  25. 25. Indicatori di sostenibilità energetica – Indice ICO 2
  26. 26. Risultati Cluster Analysis: Consumi energetici finali per abitante – 2050 (1/3) Scenario BAU Scenario 450ppm Scenario EXT Scenario OLGA
  27. 27. Risultati Cluster Analysis: Consumi energetici finali per abitante - 2050 (2/3) Scenario BAU Scenario 450_ppm Scenario OLGA Scenario EXT
  28. 28. RisultatiPCA - NPCI – CI: Consumi energetici finali per abitante 2050 67.2% 74.4% 79.8% 75.5% NPCI CI
  29. 29. Indicatori di sostenibilità energetica – Indice IER
  30. 30. Aspetti innovativi della metodologia <ul><li>Applicazione di una procedura basata sull'utilizzo delle tecniche di analisi statistica multivariata ai dati di output dei modelli di equilibrio parziale per la caratterizzazione della struttura intrinseca , la valorizzazione del contenuto informativo e l’ individuazione delle variabili statisticamente significative al variare delle condizioni al contorno </li></ul><ul><li>Definizione di indici aggregati (CI e NPCI) per valutare in modo comparato i risultati dell’applicazione della procedura multivariata in differenti periodi di tempo e nei diversi scenari </li></ul><ul><li>Messa a punto di indicatori per la valutazione della sostenibilità energetica in termini di utilizzo di risorse convenzionali e rinnovabili ed emissioni di CO 2 </li></ul>
  31. 31. Conclusioni <ul><li>Il confronto tra nazioni effettuato con tecniche di classificazione ha permesso di evidenziare le specificità delle aree geografiche rispetto all’uso di combustibili e tecnologie, allo scopo di identificare le regioni omogenee e di definire strategie ad hoc per l’applicazione di target differenziati in recepimento delle direttive dell’UE in materia di energia ed ambiente </li></ul><ul><li>L’ Analisi delle Componenti Principali e l’utilizzo di indici aggregati ha permesso identificare i descrittori con un peso maggiore nel pattern di correlazione, per valorizzare le variabili statisticamente significative nella definizione di strategie operative </li></ul><ul><li>L’utilizzo di indicatori ha permesso di valutare la sostenibilità dei sistemi energetici in relazione ad aspetti chiave quali sicurezza nell'approvvigionamento energetico, utilizzo di fonti rinnovabili, efficienza energetica e contributo ai cambiamenti climatici </li></ul>
  32. 32. Ringraziamenti Il lavoro è stato svolto presso il CNR-IMAA nell’ambito delle attività del dottorato di ricerca in “Metodi e tecnologie per il monitoraggio ambientale&quot; XXII Ciclo - Università degli Studi della Basilicata. Si ringrazia la prof. Marinella Ragosta per il prezioso contributo scientifico.

×