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