Un nuevo estudio de la Universidad de Texas en Dallas muestra que desplazar el consumo de electricidad a momentos en los que la red depende más de fuentes de energía alternativas puede ayudar a reducir significativamente las emisiones de dióxido de carbono.
Ingenieros de esta universidad, en colaboración con investigadores de la Universidad de Harvard y de la empresa de inteligencia artificial Nantong, han desarrollado un nuevo modelo. Este modelo puede optimizar el momento del consumo eléctrico en función de la disponibilidad de energías alternativas en la red, reduciendo en mayor medida las emisiones de carbono (parte de las emisiones de gases de efecto invernadero). El estudio se publicó el 23 de mayo en la revista Cell Reports Sustainability.
El Dr. Jie Zhang, profesor asociado de ingeniería mecánica en la Escuela de Ingeniería y Ciencias de la Computación Erik Jonsson y autor correspondiente del artículo, se dedica a investigar cómo optimizar el uso de la energía y mejorar la resiliencia y fiabilidad de los sistemas energéticos. El Dr. Zhang afirmó que utilizar datos en tiempo real sobre emisiones de gases de efecto invernadero puede proporcionar información para la toma de decisiones a empresas de servicios públicos y consumidores, ayudando a reducir las emisiones.
Las redes eléctricas en Estados Unidos dependen de diversas fuentes de energía, incluyendo eólica, solar, hidroeléctrica, nuclear, gas natural y carbón. La contribución de cada fuente a una red específica (la red interconectada que transporta electricidad desde las plantas generadoras hasta los consumidores) fluctúa según factores como la hora del día, la estación, las condiciones meteorológicas y la ubicación geográfica. Por ejemplo, la energía hidroeléctrica representa aproximadamente el 30% de la generación en el noroeste del país.
El Dr. Zhang indicó que las redes eléctricas suelen priorizar el uso de fuentes alternativas libres de emisiones de carbono antes de recurrir a otras como el gas natural o el carbón para satisfacer la demanda.
Los investigadores descubrieron que los consumidores pueden utilizar la misma cantidad de electricidad sin aumentar las emisiones si ajustan su consumo a los momentos en que la red tiene una mayor proporción de suministro de energías alternativas. Por ejemplo, si por la noche la red obtiene más electricidad del viento, usar la lavadora en ese momento, en lugar de por la tarde cuando la red está en su pico de demanda y utiliza combustibles fósiles, ayuda a reducir las emisiones. El Dr. Zhang señaló que cambiar la hora de lavar la ropa desde un período de carga máxima a uno de carga baja puede ayudar a la red en varios aspectos y reducir las emisiones de gases de efecto invernadero.
Normalmente, los esfuerzos para reducir las emisiones de carbono se centran en aumentar el suministro de energías alternativas, pero este estudio demuestra que los cambios en el lado de la demanda también pueden contribuir significativamente.
Los investigadores desarrollaron modelos para tres escenarios diferentes basados en las variaciones en la estructura de las fuentes de suministro de la red en distintas regiones de EE.UU., descubriendo que las áreas ricas en energías renovables tienen el mayor potencial de reducción de emisiones.
El estudio también muestra que si los proveedores incorporan en su planificación los patrones de oferta y consumo de electricidad a lo largo de un año (en lugar de períodos más cortos), pueden lograr mayores reducciones de carbono. Por ejemplo, California podría lograr una reducción de carbono de hasta el 33% adoptando un método de optimización anual. Esto significa que si el estado reduce sus emisiones de carbono en un 10%, usar este modelo podría aumentar esa reducción a más del 13%, según datos basados en que los consumidores trasladen el 5% de su consumo eléctrico a regiones con menor intensidad de emisiones de gases de efecto invernadero.
El Dr. Zhang afirmó que implementar modelos de reducción de emisiones requiere que las empresas de servicios públicos informen a sus clientes sobre los períodos en los que la generación depende principalmente de fuentes alternativas. Otros investigadores de la Universidad de Texas en Dallas que participaron en el estudio incluyen al primer autor, el estudiante de doctorado en ingeniería mecánica Honglin Li, y al Dr. Soroush Senemmar.
