2.2 Analisi dei metodi di previsione
2.2.2 Tecniche avanzate o sofisticate
Le tecniche sofisticate di previsione della domanda si basano su metodologie pi`u avanzate. Tali tecniche possono essere classificate in base a criteri alter- nativi: per esempio attraverso una metodologia top-down o bottom-up. Un altra classificazione si basa sulla filosofia di modellazione:
i modelli econometrici si fondano sulle teorie economiche e tentano di validare le regole economiche empiricamente;
modelli agli usi finali si basano sul tentativo di stabilire la coerenza con- tabile con rappresentazione ingegneristicamente dettagliata del sistema energetico;
i modelli combinati o ibridi che tentano di ridurre il divario metodologi- co tra i modelli econometrici e di ingegneria, combinando le caratter- istiche dei due .
Approccio econometrico
[11]La relazione determinata precedentemente tra la domanda di energia e alcune variabili economiche pu`o essere utilizzata per compiere previsioni sem- plicemente analizzando la variazione delle variabili indipendenti per deter- minare il loro effetto sulla variabile dipendente. Il passo principale `e quello di decidere una metodologia di previsione delle variabili indipendenti, questa pratica `e tuttavia poco presente in letteratura. Si potrebbe scegliere tra una serie di possibili opzioni:
previsioni ricavate dalla letteratura, da un sondaggio, da opinioni di esperti o in altro modo;
utilizzare indicatori semplici (come i tassi di crescita) per generare un insieme di dati per il futuro, i tassi di crescita possono essere basati su dati storici o attesi come suggeriti da istituti o esperti;
utilizzare una analisi dei trend delle variabili indipendenti per estrap- olarne i valori futuri;
utilizzare una combinazione di quanto indicato sopra o qualsiasi altro metodo plausibile.
risultati plausibili. La scelta di proporre scenari alternativi ha bisogno di particolare attenzione, anche se sono comunemente utilizzati un caso base o di riferimento e di due ipotesi alternative (per esempio di alta o bassa crescita). L’approccio econometrico ha i seguenti vantaggi :
pu`o essere utilizzato sia per proiezioni di breve periodo che di lungo periodo e per l’analisi politica;
`e un metodo flessibile, pu`o essere applicato a livello sia aggregato che a livello settoriale,
`e forse l’unico metodo in grado di catturare l’effetto del prezzo sulla domanda di energia e il fenomeno dell’inter-sostituzione tra i carburan- ti;
pu`o individuare le pi`u importanti determinanti della domanda;
pu`o essere usato per produrre interazioni tra settore energetico ed economico.
Le principali difficolt`a associate al metodo econometrico sono individua- bili nel fatto che:
l’uso corretto di questo metodo richiede molta esperienza, solida for- mazione sia nella teoria economica che econometrica;
l’analisi statistica della domanda di energia necessita di dati consistenti e di qualit`a sufficiente (ci`o potrebbe non accadere in molti casi); il metodo si basa essenzialmente sul comportamento della domanda
del passato per determinare quella futura, tuttavia, poich´e tutte le economie subiscono cambiamenti strutturali, l’estrapolazione dal pas- sato pu`o portare a previsioni errate;
i metodi econometrici non sono ideali per esplicare in dettaglio il cam- biamento tecnologico, `e il caso di nuove tecnologie e di materie prime non ancora esistenti.
gli assunti teorici alla base delle funzioni di domanda potrebbero non valere a causa di un intervento del governo, dell’affidabilit`a e disponi- bilit`a delle forniture e di vincoli simili.
Metodo di previsione agli usi finali
[11]Contrariamente all’approccio econometrico, che si concentra sul livello aggregato di attivit`a, il modello agli usi finali consiste nel disaggregare la domanda in moduli omogenei e settori per poter collegare la domanda di ogni modulo a indicatori tecnici ed economici. L’elemento di base dell’analisi `e l’uso finale, la domanda `e quindi stimata a ritroso, per questo motivo `e
anche conosciuto come un approccio bottom-up”. Ad esempio, per stimare la domanda di benzina nel settore dei trasporti, ci si concentrer`a sull’uso finale della benzina in auto e moto. L’analisi dovrebbe prendere in considerazione il numero ed i tipi di auto, consumo medio di energia di ogni tipo di mezzo, la durata media di viaggio, ecc. per poi arrivare a una stima della domanda.
L’analisi agli usi finali da particolare risalto a:
il ruolo della tecnologia (cio`e il ruolo ricoperto dal rendimento delle macchine utilizzatrici);
il comportamento dei consumatori;
il contesto economico per l’analisi della domanda.
Non viene tradizionalmente considerato in questi modelli il ruolo dei prezzi, cos`ı come non ci si concentra su una possibile cambiamento di tipo strutturale dei consumi; detto ci`o questa famiglia di modelli `e pi`u adatta a generare stime di medio - lungo termine. I modelli agli usi finali normalmente hanno le seguenti caratteristiche:
Contengono una rappresentazione dettagliata degli usi finali dell’ener- gia: essendo un metodo di analisi disaggregata, questo approccio spez- za la domanda in tanti piccoli componenti e viene incluso nell’analisi un quadro tecnico del consumo di energia per ogni livello. Ad esem- pio, la domanda viene suddivisa in diversi settori: industria, trasporti, residenziale e commerciale. Per ogni settore viene fatta un’altra suddi- visione: per esempio, nel caso di domanda residenziale, una distinzione tra il consumo urbano e rurale.
Possono essere utilizzate solo un numero limitato di variabili indipen- denti, queste variabili sono previste attraverso scenari o giudizi esterni alla previsione della domanda di energia.
Questi modelli utilizzano variabili come l’intensit`a energetica, il con- sumo specifico, il mix di combustibili, ecc. variabili che potrebbero essere cambiate per analizzarne l’effetto sulla domanda complessiva. I dati e le informazioni del passato sono utilizzati per stabilire una base
o un caso di riferimento. Questi dati potrebbero essere utilizzati per calibrare il modello. L’analisi viene fatta attraverso una serie di scenari che vengono confrontati con il caso di riferimento. I risultati mostrano come le diverse scelte politiche possano influenzare la domanda futura. L’analisi viene fatta normalmente attraverso istantanee del futuro e
non fornisce perci`o il percorso fatto per raggiungere dei fini diversi. Nei modelli di prima generazione viene specificata la maggior parte delle variabili esterne le quali sono utilizzate per eseguire una serie di moltipli- cazioni e addizioni; questi modelli erano molto simili a modelli di contabilit`a.
are queste limitazioni sia con l’introduzione di relazioni econometriche, per tenere conto di risparmio energetico e sostituzioni, sia basandosi su modelli di simulazione del comportamento dei consumatori.
Approccio Ibrido
[27]Questo tipo di approccio si basa su una combinazione di due o pi`u metodi sopra citati con l’obiettivo di superare le limitazioni specifiche delle strategie individuali. Questi modelli sono diventati molto diffusi oggi ed `e veramente difficile attuare una classificazione in una categoria specifica. Per esempio, i modelli econometrici ora adottano una rappresentazione disaggregata del- l’economia e hanno interiorizzato l’idea di rappresentare dettagliatamente l’energia e l’attivit`a economica. Allo stesso modo, i modelli ingegneristici - econometrici utilizzano le relazioni econometriche a livello disaggregato. Anche i modelli “end use” utilizzano vari scenari per descrivere meglio le previsione che compiono.
Vi `e un crescente interesse per i modelli ibridi con l’obiettivo di conciliare le differenze tra gli approcci top-down e bottom-up, questo viene realizzato: Per conciliare il divario di efficienza con i modelli top-down si utilizzano le informazioni ottenute attraverso un approccio bottom-up per stimare i parametri .
Per poter utilizzare insieme i dettagli tecnologici forniti dalla tipologia bottom-up con i dettagli tipici dei modelli micro e macroeconomici. Per potenziare un modello bottom-up con la capacit`a di includere il
prezzo.
La metodologia degli scenari
Gli scenari sono parte integrante del modello di previsione infatti sono stati ampiamente utilizzati sia nello studio del cambiamento climatico sia nelle politiche energetiche. In termini semplici, gli scenari di riferimento sono una serie di percorsi illustrativi” che indicano come il futuro pu`o svolgersi” [28]. Evidentemente, non si pu`o cercare di catturare tutte le eventualit`a possibili, ma si pu`o cercare di indicare come le cose potrebbero evolversi. Gli scenari permettono all’analista di avere l’opportunit`a di evidenziare le diverse combi- nazioni di varie influenze, in modo che vari contesti alternativi possano essere delineati per il futuro. Gli scenari si basano su intuizioni, ma vengono real- izzati come strutture di analisi. Essi non forniscono una visione consensuale del futuro, n´e sono solamente previsioni” [28]. Chiaramente, gli scenari sono distinti dalle previsioni, nel senso che esplorano una vasta gamma di possibili risultati derivanti dalla incertezza, al contrario, le previsioni hanno lo scopo di identificare il percorso pi`u probabile” [28]. La forza degli scenari `e la loro capacit`a di cogliere i cambiamenti strutturali in modo esplicito, considerando
cambiamenti improvvisi o bruschi nei percorsi di sviluppo. Si pu`o concludere che lo sviluppo di scenari plausibili che potrebbero catturare i cambiamenti strutturali, come lo sviluppo di nuove attivit`a economiche o la scomparsa di attivit`a, non sia certamente un compito facile.
Costruzione del modello di
previsione
L’analisi dei fondamenti teorici caratterizzanti le modalit`a di analisi e l’ar- chitettura di modelli di previsione dei consumi di energia viene utilizza- ta per la progettazione del tipo di studio che meglio si adatti al caso in esame. Come visto in precedenza, le grandi famiglie di modelli previsione sono sostanzialmente due e si basano su:
un approccio relativo agli usi finali; un approccio di tipo econometrico.
La pratica solitamente adottata nello sviluppo di modelli, riscontrata all’in- terno della letteratura scientifica sull’argomento ([29]; [30]; [31]), `e quella di adottare un approccio di tipo ibrido che combini i vantaggi di entrambe le famiglie e che possa adattarsi il pi`u possibile alle caratteristiche del singolo caso.
3.1
Architettura generale del modello
Il processo seguito per la costruzione del modello di previsione dei consumi energetici si `e articolato secondo i passi descritti in Figura 3.1 che verranno descritti all’interno di questo e dei successivi capitoli riferendosi inizialmente alla realt`a italiana scelta come caso di validazione e successivamente a quella sarda.
La struttura generale in termini matematici del modello pu`o essere espres- sa come segue: ConsT OT = X i Consi (3.1) Consi = f (V ar1; V ar2; V ar3; ...) (3.2)
I Disaggregazione dei consumi a·log var1+b·log var2...
II Ipotesi delle variabli indipendenti
III Scelta delle variabili di influenza
log Consumi = a·log var1+b·log var2...
IV Regressione lineare multipla V Previsione delle variabili indipendenti VI Risultati - Settore Agricolo - Settore Industriale - Settore Residenziale e Servizi
- Settore Trasporti
Per ogni settore variabili: - tecnologiche - sociali - demografiche - economiche Attraverso: - Indice R2 - Indice Corr Ricavati i coeff a, b: log Consumi = a ·log var1+ b · log var2...
Elaborazione di sue scenari per le variabili economiche
Figura 3.1: Diagramma di flusso del modello di previsione
dove con l’indice i si intendono i settori in cui i consumi sono disaggregati. Si ipotizza che i consumi del singolo settore siano dipendenti da una serie di variabili (Equazione 3.2) e nel passo successivo si identificano le variabili di influenza nei diversi tipi (economica, sociale, demografica e tecnologico). In conclusione si arriva a definire la struttura funzionale precisa del modello ed a valutare i vari coefficienti βi attraverso una regressione lineare multipla
(Equazione 3.4).