Subido por vmatoss

PotencialEólico

Anuncio
Estudio del Potencial de Contribución 2018 – 2022 de la
energía eólica en el cambio climático
Victoria Matos1 and Jorge Mírez2[0000-0002-5614-5853]
1
2
Faculty of Sciences, Universidad Nacional de Ingeniería (UNI). Lima, PERU.
Grupo de Modelamiento Matemático y Simulación Numérica (GMMNS), Facultad de Petróleo, Gas y Petroquímica, Universidad Nacional de Ingeniería. Lima, PERU
jmirez@uni.edu.pe
Abstract. La energía eólica como fuente energética para la generación de electricidad ha sido y es una alternativa para bastante interesante en aquellos países
con potencial eólico. El presente trabajo se propone la focalización y desarrollo
regional de la generación eléctrica eólica según las proyecciones de crecimiento
poblacional y de consumo en los próximos cinco años a fin disminuir la emisión
de gases de efecto invernadero que se emiten por las fuentes convencionales de
generación eléctrica principalmente la energía térmica por combustibles fósilestomando como caso de estudio el Perú usando como base el potencial energético eólico útil a nivel nacional en comparación con la matriz energética actual de
consumo de energía eléctrica.
Keywords: wind energy, greenhouse gases, energy planning and security.
1
Introducción
El crecimiento poblacional del país implica un aumento de la demanda energética, lo
que naturalmente conllevaría a seguir un Plan Energético para suplir la misma. Un
país está dividido políticamente por regiones, estados o similares; en el caso de estudio: Perú, está dividido en 25 regiones.
La presente investigación comprende analizar los recursos y capacidades energéticas de cada región del país mediante la cuantificación de la demanda y oferta energética así como su implicancia en la emisión de los gases del efecto invernadero, con el
fin de identificar una ventaja competitiva de las energía renovables frente a las no
convencionales. Esto va a permitir más adelante el definir e implementar la adecuada
estrategia de crecimiento de la energía eólica en el país analizando las oportunidades
de trabajo-empleo, desarrollo de tecnologías de energía eólica así como el impacto del
cambio climático. Y que para explicarlo lo hemos dividido en tres secciones.
En la Sección 2: Análisis de la Demanda, se proyecta la demanda de energía del
país para los próximos cinco años en base a variables adoptadas por el Ministerio de
Energía y Minas (MINEM) como son el crecimiento poblacional, el desempeño económico y el crecimiento del parque automotor.
2
En la Sección 3: Análisis de la Oferta, se evalúa la matriz energética potencial instalada observándose la primacía de las Centrales térmicas y se realiza una estimación
del crecimiento de las emisiones de los gases del efecto invernadero en caso se mantenga la matriz actual.
En la Sección 4: Propuesta, se resume el impacto de las regiones con potencial
energético eólico sobre el cambio de la matriz energética y del ahorro de los gases del
efecto invernadero.
Finalmente de presente conclusiones y recomendaciones que motiven y conlleven a
futuros estudios.
2
Análisis de la Demanda
Según reporta el MINEM en su informe de Balance Nacional de Energía 2016 (emitido en Marzo 2018), es recomendable evaluar la demanda energética nacional en base
al “Producto Bruto Interno PBI (Banco Central de Reserva), Parque Automotor (Ministerio de Transportes y Comunicaciones) y Población (INEI)” [1].
2.1
Crecimiento Poblacional por Región al año 2022.
Para calcular el crecimiento poblacional se usa los datos que se tiene en la Oficina de
Registro de Población o similar y se utiliza (como técnica básica) una proyección
lineal hacia el año de interés. Así en nuestro caso de estudio, se toma la base de datos
del Instituto Nacional de Estadística e Informática (INEI) al 2017 sobre Población
Estimada según Región [2] y se evalúa su correlación lineal con el tiempo (años),
comprobando complementaridad por tener R2 mayor a 0.9966. como se muestra en la
Tabla 1.
Table 1. Complementaridad población con el tiempo.
Región
Línea de tendencia - Coeficiente de Determinación
Amazonas
y = 6.4581x + 149864; R² = 0.9842
Áncash
y = 17.884x + 391004; R² = 0.999
Apurímac
y = 7.0799x + 159098; R² = 0.9982
Arequipa
y = 36.46x - 258023; R² = 0.9996
Ayacucho
y = 21.405x - 217796; R² = 0.9997
Cajamarca
y = 21.442x + 624958; R² = 0.9786
Callao
y = 39.994x - 682491; R² = 0.9994
Cusco
y = 25.311x + 246011; R² = 0.9965
Huancavelica
y = 10.826x + 36372; R² = 0.9997
Huánuco
y = 20.255x + 3534.5; R² = 0.9975
Ica
y = 23.274x - 197762; R² = 0.9985
Junín
y = 27.269x + 196132; R² = 0.9992
Lalibertad
y = 61.332x - 738674; R² = 0.9998
3
Lambayeque
y = 31.207x - 59786; R² = 0.9976
Lima
y = 375.31x - 6E+06; R² = 0.9993
Loreto
y = 34.328x - 412776; R² = 0.9967
Madre De Dios
y = 8.8086x - 235914; R² = 1
Moquegua
y = 5.0801x - 34728; R² = 0.9996
Pasco
y = 6.7002x + 20629; R² = 0.9986
Piura
y = 41.913x + 69427; R² = 0.9991
Puno
y = 34.379x - 40311; R² = 0.9992
San Martín
y = 32.394x - 531387; R² = 0.9998
Tacna
y = 12.902x - 204031; R² = 0.9972
Tumbes
y = 9.5259x - 165556; R² = 0.9984
Se proyecta el crecimiento poblacional hasta el año 2022 (cinco años), usando el
Software IBM SPSS. Dicho crecimiento población se muestra en la Tabla 2.
Table 2. Proyección crecimiento poblacional.
Región
Amazonas
Áncash
2018
2019
2020
2021
2022
425,807
426,473
426,958
427,266
427,402
1,166,263
1,171,957
1,177,573
1,183,110
1,188,569
Apurímac
464,661
466,477
468,240
469,950
471,606
Arequipa
1,329,962
1,344,668
1,359,713
1,375,165
1,391,090
Ayacucho
711,084
718,514
725,917
733,291
740,640
Cajamarca
1,539,939
1,542,098
1,543,656
1,544,621
1,544,998
Callao
1,052,961
1,067,013
1,080,637
1,093,571
1,105,517
Cusco
1,338,907
1,345,834
1,352,557
1,359,092
1,365,456
Huancavelica
505,537
508,905
512,178
515,346
518,399
Huánuco
878,208
883,669
888,877
893,791
898,358
Ica
810,237
817,794
825,280
832,692
840,027
Junín
1,379,925
1,389,458
1,398,875
1,408,174
1,417,356
Lalibertad
1,928,397
1,951,762
1,975,470
1,999,593
2,024,208
Lambayeque
1,290,695
10,299,45
1
1,300,577
10,459,01
0
1,310,499
1,320,521
1,330,708
10,621,978
10,788,652
10,959,331
1,068,120
1,076,886
1,085,245
1,093,199
1,100,748
Madre De Dios
146,862
150,044
153,248
156,491
159,792
Moquegua
186,047
187,923
189,822
191,752
193,723
Pasco
310,573
312,645
314,682
316,684
318,651
Piura
1,887,433
1,901,927
1,916,589
1,931,502
1,946,749
Puno
1,456,762
1,470,594
1,484,426
1,498,258
1,512,090
Lima
Loreto
4
San Martín
873,600
884,179
894,490
904,433
913,873
Tacna
354,128
358,082
361,963
365,772
369,506
Tumbes
245,992
248,472
250,791
252,943
254,917
Ucayali
512,319
517,529
522,443
526,977
531,031
2.2
Crecimiento económico por region al año 2022.
Se toma la base de datos del INEI al 2017 sobre Producto Bruto Interno (PBI) por
Región y por años [3]. Se evalúa su correlación lineal (ver Tabla 3) con el tiempo
(años), comprobando complementaridad por tener R2 cercano a 1 para casi todas las
Regiones a excepción de Loreto, Madre de Dios, Moquegua y Pasco.
Table 3. Complementaridad PBI con el tiempo usando Model Statistics.
Región
R2
Amazonas
.989
Ancash
.722
Apurímac
.800
Arequipa
.929
Ayacucho
.983
Cajamarca
.843
Cusco
.709
Huancavelica
.986
Huánuco
.991
Ica
.965
Junín
.945
La Libertad
.980
Lambayeque
.998
Lima
.996
Callao
.985
Loreto
.450
Madre de Dios
.414
Moquegua
5.662E-15
Pasco
.336
Piura
.922
Puno
.995
San Martín
.988
Tacna
.849
Tumbes
.966
5
Luego se proyecta el crecimiento del PBI hasta el año 2022 (cinco años), usando el
Software IBM SPSS, cuyos resultados se muestran en la Tabla 4.
Table 4. Proyección crecimiento económico (en miles de soles *).
Región
2018
2019
2020
2021
2022
4,604,062
4,861,397
5,118,733
5,376,068
5,633,403
Áncash
22,092,759
22,762,568
23,432,377
24,102,186
24,771,995
Apurímac
12,340,319
14,795,794
17,251,269
19,706,745
22,162,220
Arequipa
39,602,294
41,657,790
43,713,287
45,768,783
47,824,280
Ayacucho
8,389,937
8,882,142
9,374,348
9,866,553
10,358,759
Cajamarca
16,568,724
17,514,749
18,460,774
19,406,799
20,352,824
Callao
24,332,197
25,552,058
26,771,919
27,991,780
29,211,641
Cusco
5,077,161
5,320,890
5,564,619
5,808,348
6,052,077
Huancavelica
8,771,433
9,436,609
10,101,785
10,766,961
11,432,137
Huánuco
24,413,463
25,794,480
27,175,497
28,556,514
29,937,531
Ica
19,629,322
20,573,767
21,518,211
22,462,655
23,407,099
Junín
31,952,357
33,528,424
35,104,492
36,680,560
38,256,628
Amazonas
16,897,374
17,809,988
18,722,601
19,635,214
20,547,827
298,686,491
314,671,420
330,656,348
346,641,276
362,626,205
Lima
34,357,759
36,264,244
38,170,729
40,077,214
41,983,700
Loreto
9,869,044
9,869,044
9,869,044
9,869,044
9,869,044
Madre De Dios
3,778,703
3,924,365
4,070,028
4,215,690
4,361,352
Moquegua
7,744,217
7,744,217
7,744,217
7,744,217
7,744,217
Lalibertad
Lambayeque
Pasco
5,928,555
6,065,814
6,203,073
6,340,332
6,477,590
Piura
27,988,875
29,383,162
30,777,448
32,171,735
33,566,022
Puno
15,381,318
16,243,313
17,105,309
17,967,304
18,829,299
San Martín
8,701,535
9,211,936
9,722,337
10,232,738
10,743,139
Tacna
7,476,128
7,747,569
8,019,011
8,290,452
8,561,893
Tumbes
3,462,004
3,539,564
3,617,125
3,694,685
3,772,245
Ucayali
6,215,747
6,510,527
6,805,308
7,100,088
7,394,869
*)
2.3
3.3 nuevos soles = 1 US$
Crecimiento del parquet automotor por región al año 2022.
Se ha usado la base de datos del INEI al 2017 sobre Parque Automotor por Región
2000-2017 [4] para conocer la cantidad de unidades vehiculares en circulación por
región y por año. De los Balances Nacional de Energía del Perú 2014 y 2016 se toman
los datos de energía consumida en (TJ) del sector Transporte desde el año 2000 al año
2016 que es suministrada por los combustibles fósiles. Para hallar la energía consu-
6
mida por Región, se ponderó el total por año a todos las Regiones en función de la
cantidad de vehículos en circulación en la Región:
(
(
)
)
( )
( )
(1)
( )
∑
(
)
(2)
( )
∑
(
)
(3)
donde igual al año de evaluación desde el año 2000 al 2016; es igual a cada
Región del Perú (
);
( ) son los vehículos de la Región en el año ;
( ) es la energía total del sector por Región en el año ;
( ) son los vehículos totales en el año y ( ) es la energía total del sector en el año .
Se evalúa su correlación lineal con el tiempo (años), comprobando que existe complementaridad del parque automotor con el tiempo por tener R2 cercano a 1 como se
puede observar en la Tabla 5.
Table 5. Complementaridad energía del parque automotor con el tiempo usando Model Statistics.
Región
R2
Amazonas
.825
Ancash
.955
Apurímac
.909
Arequipa
.978
Ayacucho
.857
Cajamarca
.979
Cusco
.968
Huancavelica
.834
Huánuco
.909
Ica
.766
Junín
.922
LaLibertad
.923
Lambayeque
.951
Lima
.960
Callao
.603
Loreto
.942
Madre de Dios
.923
Moquegua
.888
Pasco
.946
Piura
.953
Puno
.866
7
San Martín
.931
Tacna
.814
Tumbes
.915
Luego, se proyecta el crecimiento de la demanda de Energía del Parque automotor
hasta el año 2022, usando el Software IBM SPSS Statistics (ver Tabla 6).
Table 4. Proyección parque automotor [en TJ]
Región
Amazonas
Áncash
2017
2018
2019
2020
2021
2022
324
333
343
353
363
373
4743
4994
5244
5495
5745
5996
Apurímac
626
644
662
680
698
716
Arequipa
28177
30298
32448
34575
36720
38851
Ayacucho
870
897
924
951
978
1005
Cajamarca
3682
3898
4114
4329
4545
4761
10928
11661
12394
13126
13859
14592
181
186
191
196
200
205
Huánuco
2375
2488
2602
2716
2829
2943
Ica
3743
3743
3743
3743
3743
3743
9679
10101
10524
10947
11370
11792
27422
28757
30092
31426
32761
34095
Cusco
Huancavelica
Junín
Lalibertad
Lambayeque
Lima
Loreto
9975
10518
11062
11605
12148
12692
256409
270357
284305
298253
312201
326149
755
755
755
755
755
755
Madrededios
174
181
187
194
201
207
Moquegua
2100
2131
2163
2194
2226
2258
Pasco
955
986
1016
1047
1078
1108
Piura
8051
8508
8966
9423
9881
10338
Puno
6921
7222
7523
7824
8125
8426
Sanmartín
1821
1891
1961
2032
2102
2172
Tacna
7105
7348
7592
7835
8078
8322
Tumbes
491
503
514
526
537
549
Ucayali
1293
1331
1370
1409
1447
1486
2.4
Consumo de energía eléctrica por Región y proyección al 2022.
Consumo: Según [5], en la matriz energética para el Consumo de Electricidad predominan las Centrales Hidráulicas (55%), en segundo lugar las Fuentes térmicas abas-
8
tecido por combustibles fósiles (42%) y en tercer lugar las fuentes renovables: 2%
Eólica y 1% Solar.
En la Figura 1, se observa que solamente 4 de las 24 Regiones a nivel nacional están usando las Energías Renovables para abastecer su necesidad de Energía Eléctrica.
Fig. 1. Consumo de energía eléctrica según fuentes sin hidráulica [GW-h] 2017.
Proyección: Se toma los datos del Anuario Estadístico de Electricidad de los años
2011 al 2017 sobre las Estadísticas Eléctricas por Regiones [5] para conocer Consumo de Energía Eléctrica Percápita (kWh / hab ).
Se evalúa su correlación lineal con el tiempo (años), comprobando complementaridad por tener R2 cercano a 1 para casi todos los departamentos a excepción de Cajamarca, Ayacucho, Moquegua y Piura como se puede apreciar en la Tabla 7.
Table 7. Complementaridad consumo de energía eléctrica precápita con el tiempo.
Región
R2
Amazonas
.582
Ancash
.607
Apurímac
.657
Arequipa
.631
Ayacucho
.199
Cajamarca
1.035E-13
Callao
.779
9
Cusco
.884
Huancavelica
.738
Huánuco
.915
Ica
.708
Junín
.757
La Libertad
.827
Lambayeque
.799
Lima
.752
Loreto
.543
Madre de Dios
.903
Moquegua
7.605E-13
Pasco
.462
Piura
.377
Puno
.945
San Martín
.957
Tacna
.946
Tumbes
.914
Ucayali
.876
Se proyecta el crecimiento de la demanda del Consumo de la Energía percápita
hasta el año 2022, usando el Software IBM SPSS Statistics y cuyos resultados se presentan en la Tabla 8.
Table 8. Proyección del consumo per cápita (kWh/habitante).
Región
2018
2019
2020
2021
2022
Amazonas
189.44
203.1
216.75
230.41
244.07
Áncash
1819.9
1859.47
1899.04
1938.61
1978.18
Apurímac
3002.27
3466.92
3931.58
4396.23
4860.88
Arequipa
3982.87
4316.82
4650.77
4984.72
5318.66
Ayacucho
210.76
210.76
210.76
210.76
210.76
Cajamarca
637.11
637.11
637.11
637.11
637.11
Callao
1909.72
1921.14
1932.56
1943.98
1955.4
Cusco
1948.92
2135.13
2321.35
2507.57
2693.79
Huancavelica
433.93
409.14
384.34
359.55
334.76
Huánuco
298.12
312.39
326.66
340.94
355.21
Ica
3318.02
3400.45
3482.88
3565.31
3647.74
Junín
1543.74
1571.09
1598.43
1625.78
1653.13
Lalibertad
1107.54
1136.8
1166.06
1195.32
1224.58
10
Lambayeque
659.9
678.98
698.06
717.14
736.22
Lima
1726.39
1704.97
1683.55
1662.13
1640.71
Loreto
634.75
554.94
475.12
395.31
315.5
Madre De Dios
629.26
662.52
695.79
729.05
762.31
Moquegua
10531.69
10531.69
10531.69
10531.69
10531.69
Pasco
2848.22
2848.22
2848.22
2848.22
2848.22
Piura
776.67
776.67
776.67
776.67
776.67
Puno
401.68
417
432.33
447.65
462.97
San Martín
416.19
438.8
461.41
484.02
506.64
Tacna
862.45
894.19
925.93
957.67
989.41
Tumbes
958.23
998.62
1039.01
1079.4
1119.79
Ucayali
622.95
647.45
671.96
696.47
720.97
3
Análisis de la Oferta
3.1
Oferta de energías convencionales
Según [5] la matriz energética para la Potencia Instalada Nacional Electricidad predomina en las Centrales Térmicas (61%), en segundo lugar las Centrales Hidráulicas
(36%) y en tercer lugar las fuentes renovables, 2% Eólica y 2% Solar. En la Figura 2
se puede apreciar la distribución de potencia instalada por Región.
Fig. 2. Potencia de energía eléctrica según fuentes [MW] 2017.
11
3.2
Oferta de energías no convencionales
Según el Atlas Eólico [6], Perú tiene 20,493 MW de potencial eólico, que representa
el 72% de su potencial a nivel nacional. Teniendo zonas privilegiadas y de manera
discreta en 9 departamentos del total, lo que contribuye a la focalización de clústeres
en Renovables de manera efectiva (ver Fig. 3).
Fig. 3. Potencial eólico de Perú por Región 2017.
El potencial restante, llamado “potencial eólico excluido”, se encuentra principalmente dentro de zonas intangibles y fueron discriminadas por tener densidad de potencia menor a 400 W/m2, lo que implicaría velocidades del viento menor a 8.7 m/s
(considerando la densidad del aire de 1.225 Kg/m3). Tabla 9. Así también, es de considerarse las recomendaciones para fines prácticos, lo indicado por el Profesor del
Departamento de Ciencias Planetarias y de la Tierra de la Universidad de Harvard,
Michael B. McElroy, respecto a áreas de estudio “se excluyen las ciudades y zonas
altamente pobladas, las áreas boscosas, las aguas continentales y los lugares con nieves perpetuas… Además, excluye el estudio de aquellas regiones en las que los aerogeneradores no pueden llegar a funcionar a un 20% de su capacidad media al cabo del
año” [7].
Table 8. Cualificación de densidad de potencia.
Clase de potencia
del viento
Clasificación del
potencial del recurso
Densidad de potencia [W/m2]
V mínimo
[m/s]
V máximo
[m/s]
1
Pobre
0 – 200
0.0
6.9
2
Escaso
200 – 300
6.9
7.9
3
Moderado
300 – 400
7.9
8.7
4
Bueno
400 – 500
8.7
9.3
12
3.3
5
Excelente 1
500 – 600
9.4
9.9
6
Excelente 2
600 – 800
9.9
10.9
7
Excelente 3
> 800
0.0
10.9
Emisión y Proyección de Gases del Efecto Invernadero
Emisión: El Perú en el año 2017, según las estadísticas emitidas por la British Petroleum (BP) [8], ha emitido por todas sus actividades aproximadamente 49.2 millones
de Toneladas de CO2 al medio ambiente el cual representa un incremento de casi el
80% respecto al año 2009 (8 años).
Proyección: Según las proyecciones hasta el 2022 de: i) Consumo en kWh/habitante
(Tabla 8); ii) Crecimiento poblacional (Tabla 3), iii) Factor de conversión de 0,615
kgCO2/kWh [9]; y iv) Participación – share de la Centrales Térmicas en la matriz
energética para Electricidad se hace las proyecciones de Emisión de CO 2 por esta
fuente de energía como se muestra en la Tabla 9.
4
Propuesta
Las centrales térmicas predominantes en el Perú, que usan los combustibles fósiles
como fuente de energía son los principales causantes de la emisión de los gases del
Efecto invernadero (GEI). Se comparan el potencial eólico versus el porcentaje de
emisión de CO2 de cada departamento (directamente proporcional a la demanda de
energía eléctrica).
Se clasifican las regiones con las principales aportaciones que cubran el 80% del
total. Por lo tanto, de las Tablas 9, 10 y 11 se propone desarrollar los departamentos
Lima, La Libertad, Piura, Cajamarca, Arequipa, Lambayeque, Ica por su proximidad a
Lima.
Se resume que existe un potencial energético eólico que nos permitirá ahorrar
6,313 Millones de Toneladas en caso reemplace las fuentes térmicas (ver Tabla 12)
Table 9. Potencial eólico [MW].
Región
Aprovechable
Excluido
Piura
7098
1503
Lambayeque
7017
2097
Ica
2280
3015
Arequipa
1020
156
Lalibertad
921
264
Cajamarca
891
282
Ancash
708
108
13
Lima
429
189
Amazonas
129
288
Table 10. Emisiones de CO2
Región
Millones de TON CO2 / kWh
Lima
32%
Lalibertad
6%
Piura
6%
Cajamarca
5%
Puno
5%
Junín
4%
Arequipa
4%
Cusco
4%
Lambayeque
4%
Ancash
4%
Table 11. Proyección parque automotor [en TJ]
Térmica
Región
Amazonas
Áncash
Consumo
kW.h
Energía eólica
MW
MWH
(24 horas)
Millones de TON CO2
% Eólica/Térmica
Emisión por
Energía Térmica
Ahorro por
Cambio Matriz
324
333
343
353
363
373
4743
4994
5244
5495
5745
5996
Apurímac
626
644
662
680
698
716
Arequipa
28177
30298
32448
34575
36720
38851
870
897
924
951
978
1005
Ayacucho
Cajamarca
Cusco
Moquegua
3682
3898
4114
4329
4545
4761
10928
11661
12394
13126
13859
14592
2100
2131
2163
2194
2226
2258
Pasco
955
986
1016
1047
1078
1108
Piura
8051
8508
8966
9423
9881
10338
Puno
6921
7222
7523
7824
8125
8426
Sanmartín
1821
1891
1961
2032
2102
2172
Tacna
7105
7348
7592
7835
8078
8322
Tumbes
491
503
514
526
537
549
Ucayali
1293
1331
1370
1409
1447
1486
14
5
Conclusiones y Recomendaciones.
Se ha desarrollado una metodología para poder estimar el ahorro de CO2 como medida del impacto de la energía eólica ante el cambio climático.
References
1. Ministerio de Energía y Minas del Perú. “Balance Nacional de Energía 2016”. Disponible
en
https://www.gob.pe/institucion/minem/informes-publicaciones/112010-balancenacional-de-energia-2016
2. Instituto Nacional de Estadística e Informática del Perú. “Población Estimada al 30 de junio por años calendario y sexo, según departamento, 2008-2017”. Disponible en
https://www.inei.gob.pe/estadisticas/indice-tematico/poblacion-y-vivienda/
3. Instituto Nacional de Estadística e Informática del Perú. “Total actividades económicas por
país 2007 – 2017”. Disponible en https://www.inei.gob.pe/estadisticas/indicetematico/economia/
4. Instituto Nacional de Estadística e Informática del Perú. “Parque automotor en circulación
a
nivel
nacional
según
departamento
2000-2017”.
Disponible
en
https://www.inei.gob.pe/estadisticas/indice-tematico/economia/
5. Ministerio de Energía y Minas del Perú. “Anuario Estadístico de Electricidad 2011 2017”. Disponible en http://www.minem.gob.pe/_estadisticaSector.php?idSector=6
6. Ministerio de Energía y Minas del Perú. “Atlas Eólico 2016”. Disponible en
http://www.minem.gob.pe/_publicacion.php?idSector=6&idPublicacion=537
7. Lu, Xi, Michael B. McElroy, and Juha Kiviluoma. 2009. Global potential for windgenerated electricity. Proceedings of the National Academy of Sciences of the United
States
of
America
106(27):
10933-10938.
Available
in
https://dash.harvard.edu/handle/1/5029362
8. BP. “BP Statistical Review of World Energy 2019”. Available in
https://www.bp.com/content/dam/bp/business-sites/en/global/corporate/pdfs/energyeconomics/statistical-review/bp-stats-review-2019-full-report.pdf
Table 12. Proyección de la emisión de CO2
Share
Región
2017
Proyección de
Consumo
(kW.h / hab)
Consumo
Térmico
kW.h
Hab
2018
2018
189
2018
Emisión
Miles de
Toneladas
CO2
Proyección de
Consumo
(kW.h / hab)
2018
Hab
2019
2019
203
Consumo
Térmico
kW.h
2019
Emisión
Miles de
Toneladas
CO2
Proyección de
Consumo
(kW.h / hab)
2019
Hab
2020
2020
217
Consumo
Térmico
kW.h
2020
Emisión
Miles de
Toneladas
CO2
Proyección de
Consumo
(kW.h / hab)
2020
Hab
2021
2021
230
Consumo
Térmico
kW.h
2021
Emisión
Miles de
Toneladas
CO2
Proyección de
Consumo
(kW.h / hab)
2021
2022
Hab
2022
Consumo
Térmico
kW.h
2022
Emisión
Miles de
Toneladas
CO2
2022
Amazonas
5%
425807
4033241
2
426473
4330831
3
426958
4627154
3
427266
4922320
3
244 427402
5215799
3
Ancash
4%
1820 1166263
106124102
65
1859 1171957
108960944
67
1899 1177573
111812911
69
1939 1183110
114679444
71
1978 1188569
117560171
72
Apurímac
0%
3002
3467
3932
4396
469950
103300392
64
4861 471606
114621082
70
Arequipa
20%
4985 1375165
342740624
211
5319 1391090
369936737
228
Ayacucho
35%
711084
7493403
5
718514
7571699
5
725917
7649708
5
733291
7727425
5
211 740640
7804866
5
Cajamarca
0%
637 1539939
49055527
30
637 1542098
49124303
30
637 1543656
49173934
30
637 1544621
49204674
30
637 1544998
49216684
30
Callao
100%
1910 1052961
100543034
62
1921 1067013
102494068
63
1933 1080637
104419792
64
1944 1093571
106294008
65
1955 1105517
108086397
66
Cusco
5%
1949 1338907
130471132
80
2135 1345834
143676527
88
2321 1352557
156987910
97
2508 1359092
170400916
105
2694 1365456
183912586
113
Huancavelica
0%
434
505537
10968384
7
409
508905
10410670
6
384
512178
9842525
6
360
515346
9264633
6
335 518399
8676962
5
Huánuco
0%
298
878208
13090568
8
312
883669
13802468
8
327
888877
14518028
9
341
893791
15236455
9
355 898358
15955287
10
59%
3318
Ica
464661
69751844
43
3983 1329962
264853288
163
211
466477
80861939
50
4317 1344668
290234486
178
211
468240
92046171
57
4651 1359713
316185621
194
211
211
810237
134419062
83
3400
817794
139043448
86
3483
825280
143717595
88
3565
832692
148440184
91
3648 840027
153210041
94
0%
1544 1379925
106512271
66
1571 1389458
109148178
67
1598 1398875
111800188
69
1626 1408174
114469056
70
1653 1417356
117153686
72
45%
1108 1928397
106788841
66
1137 1951762
110938152
68
1166 1975470
115175827
71
1195 1999593
119507675
73
1225 2024208
123940232
76
100%
660 1290695
42586482
26
679 1300577
44153289
27
698 1310499
45740347
28
717 1320521
47349921
29
736 1330708
48984692
30
Lima
75%
172610299451
889043461
547
170510459010
891614914
548
168410621978
894131553
550
166210788652
896607107
551
164110959331
899054198
553
Loreto
100%
635 1068120
33899459
21
555 1076886
29880356
18
475 1085245
25781080
16
395 1093199
21607625
13
316 1100748
17364300
11
Madrededios
100%
629
146862
4620713
3
663
150044
4970354
3
696
153248
5331414
3
729
156491
5704470
4
762 159792
6090552
4
89%
10532
186048
97969730
60
10532
187923
98957286
61
10532
189822
99957165
61
10532
191752
100973789
62
10532 193723
102011687
63
Pasco
0%
2848
310573
44228969
27
2848
312645
44524116
27
2848
314682
44814221
28
2848
316684
45099314
28
2848 318651
45379393
28
Piura
0%
777 1887433
73295629
45
777 1901927
73858482
45
777 1916589
74427859
46
777 1931502
75006983
46
777 1946749
75599077
46
Puno
2%
402 1456762
29257608
18
417 1470594
30661885
19
432 1484426
32088095
20
448 1498258
33534760
21
463 1512090
35002615
22
59%
416
873600
18179179
11
439
884179
19398894
12
461
894490
20636341
13
484
904433
21888171
13
507 913873
23150238
14
0%
862
354128
15270902
9
894
358082
16009649
10
926
361963
16757629
10
958
365772
17514424
11
989 369506
18279627
11
Tumbes
100%
958
245992
11785850
7
999
248472
12406430
8
1039
250791
13028733
8
1079
252943
13651318
8
1120 254917
14272659
9
Ucayali
99%
623
512319
15957459
10
647
517529
16753721
10
672
522443
17553043
11
696
526977
18351166
11
721 531031
19142871
12
Junín
Lalibertad
Lambayeque
Moquegua
Sanmartín
Tacna
Hab: Habitante
Share: Participación de la Energía Eólica respecto a otras fuentes en su respectivo Departamento.
Emisión ( CO2) = Consumo de Energía-año i-departamento n (KWH/habitante) x Proyección de Habitantes-año i-departamento n (Habitantes) x 0,615 kgCO2 /kWh
Descargar