Exploring near-optimal energy systems with stakeholders: a novel approach for participatory modelling

Este artículo presenta una metodología participativa basada en resultados de modelado casi óptimos que permite a las partes interesadas explorar un continuo de diseños de sistemas energéticos mediante una interfaz interactiva, facilitando así la comprensión de sus prioridades y la complejidad de las decisiones en la planificación energética, como se demuestra en el caso de Longyearbyen.

Lo esencial

Imagina que la comunidad de Longyearbyen, un pequeño pueblo en el Ártico noruego (Svalbard), necesita cambiar su sistema de energía. Actualmente, dependen de combustibles fósiles que contaminan y son vulnerables al cambio climático. El problema es que no existe una "solución mágica" perfecta: lo más barato a veces es más sucio, lo más limpio puede ser muy caro, y lo más seguro puede requerir mucha tierra o tecnología compleja.

Antes de este estudio, los expertos (los "arquitectos" de la energía) solían decir: "Aquí está el plan más barato y eficiente, úsenlo". Pero la gente a menudo no estaba de acuerdo o no entendía por qué tenían que aceptar ciertas desventajas.

Este artículo presenta una forma nueva y brillante de tomar decisiones, que podemos comparar con un videojuego de construcción de ciudades, pero para la energía real.

1. El "Videojuego" de la Energía (La Herramienta Interactiva)

En lugar de dar a los ciudadanos una lista de opciones predefinidas y aburridas, los investigadores crearon una pantalla interactiva con deslizadores (como los controles de volumen o brillo de tu teléfono).

• La Analogía: Imagina que tienes un tablero de control con 5 botones deslizantes que representan diferentes tecnologías: energía eólica, solar, almacenamiento de calor, hidrógeno e importación de combustibles verdes.
• Cómo funciona: Los ciudadanos podían mover esos botones libremente. Pero aquí está la magia: el sistema les impedía elegir cosas imposibles. Si movían el botón de "solar" demasiado alto, el sistema les decía automáticamente: "Oye, si haces eso, el sistema se vuelve inestable o demasiado caro, así que tienes que bajar un poco el de hidrógeno".
• El resultado: Podían ver en tiempo real cómo su "diseño ideal" afectaba a cosas como:
  • El precio de la luz.
  • Las emisiones de CO2.
  • Qué tan vulnerable era el sistema si el viento dejaba de soplar.
  • Cuánto espacio ocupaban las turbinas.

2. El "Universo de Opciones" (Más allá de lo perfecto)

Los expertos usaron una técnica matemática llamada MGA (Modelado para Generar Alternativas).

• La Analogía: Imagina que buscas el camino más corto a casa (la solución óptima en coste). Normalmente, los mapas te muestran solo esa ruta. Pero en la vida real, a veces quieres ir por un camino un poco más largo porque tiene mejores vistas, o porque es más seguro si llueve.
• La Innovación: En lugar de buscar solo el camino más corto, los investigadores calcularon 56.050 caminos diferentes que son casi tan cortos como el mejor, pero que tienen características distintas. Ofrecieron a la gente un "universo" de posibilidades reales y viables, no solo una sola opción impuesta.

3. Lo que descubrieron: La gente no es "barata", es "equilibrada"

Cuando 126 habitantes de Longyearbyen jugaron con este sistema, pasó algo muy interesante:

• No eligieron lo más barato: La mayoría de la gente no eligió la opción más económica. Estaban dispuestos a pagar más (a veces mucho más) para tener menos emisiones, un sistema más seguro o menos impacto visual.
• El dilema de la realidad: Se dieron cuenta de que no podían tenerlo todo. Si querían cero emisiones, el sistema se volvía más caro o más frágil ante el mal tiempo.
• El aprendizaje: Al tener que "sacrificar" algo para conseguir otra cosa, los ciudadanos entendieron mejor la complejidad del problema. Como dijo uno de ellos: "Es bueno ver lo complicado que es. Quiero minimizar todo, pero es un compromiso".

4. ¿Por qué es importante esto?

Este estudio es como un puente entre los números fríos de los científicos y los corazones de la gente.

• Legitimidad: Cuando la gente participa en el diseño, siente que el plan es suyo, no algo impuesto desde arriba.
• Transparencia: Ya no hay secretos. La gente ve las consecuencias de sus deseos. Si quieren más energía eólica, ven que eso afecta el paisaje. Si quieren energía barata, ven que eso puede significar más contaminación.
• Futuro: Este método puede usarse en cualquier lugar, desde una ciudad pequeña hasta un país entero, para planificar cómo pasar a energías limpias sin que la gente se sienta excluida o engañada.

En resumen:
Los investigadores no le dijeron a la gente de Longyearbyen qué hacer. Les dieron un laboratorio virtual donde podían experimentar, equivocarse, aprender y diseñar su propio futuro energético. El resultado fue que la gente se sintió más informada, más empoderada y, lo más importante, más dispuesta a aceptar los difíciles compromisos que requiere salvar el planeta.

Resumen técnico

Aquí presento un resumen técnico detallado del artículo "Exploring near-optimal energy systems with stakeholders: a novel approach for participatory modelling", estructurado según los puntos solicitados.

1. Planteamiento del Problema

La transición hacia sistemas energéticos sostenibles enfrenta desafíos significativos más allá de la viabilidad técnica y económica. Aunque la participación de las partes interesadas (stakeholders) es crucial para la legitimidad y la aceptación social, los enfoques actuales de modelado participativo tienen limitaciones:

• Opacidad en las opciones: Las herramientas existentes suelen presentar escenarios predefinidos o resultados simplificados que no capturan la complejidad de las interacciones del sistema (renovables variables, almacenamiento, transmisión).
• Sesgo del investigador: La selección de escenarios a menudo se basa en suposiciones normativas de los investigadores, restringiendo la diversidad de opciones disponibles para los participantes.
• Foco exclusivo en el costo óptimo: La mayoría de los modelos de energía se centran en minimizar costos, ignorando que los sistemas "casi óptimos" (ligeramente más caros) pueden ofrecer mejores resultados en otros objetivos sociales, como la seguridad, las emisiones o la vulnerabilidad.
• Brecha entre preferencias declaradas y reveladas: Existe una desconexión entre lo que la gente dice que priorizaría y las decisiones que toman cuando enfrentan compensaciones (trade-offs) reales y complejas.

El objetivo es desarrollar un marco que permita a los stakeholders interactuar holísticamente con un espacio de soluciones "casi óptimas" para explorar compensaciones y prioridades en tiempo real.

2. Metodología

El estudio propone un marco innovador basado en la Generación de Alternativas mediante Modelado (MGA - Modelling-to-Generate-Alternatives) combinado con una interfaz interactiva.

• Caso de Estudio: Longyearbyen, Svalbard (Ártico). Es un sistema energético aislado (off-grid) que depende actualmente de diésel, con una transición planificada alejándose del carbón. Su ubicación remota y la falta de conexión a la red continental lo hacen ideal para modelar impactos directos.
• Modelo de Optimización (PyPSA-LYB):
  • Se utilizó el modelo de optimización de sistemas energéticos PyPSA.
  • Se generaron 56,050 configuraciones de sistemas energéticos factibles que son "casi óptimas" (dentro de un margen de costo del 125% sobre la solución óptima en costos).
  • Esto crea un "espacio factible casi óptimo" que abarca una gran diversidad de diseños, no solo el más barato.
• Interfaz Interactiva:
  • Se desarrolló una herramienta web donde los participantes ajustan cinco dimensiones clave mediante deslizadores (sliders): inversión en energía eólica, solar, importación de combustibles verdes, almacenamiento de calor e infraestructura de hidrógeno.
  • Restricción de Factibilidad: La interfaz utiliza interpolación y límites dinámicos para asegurar que cualquier combinación seleccionada por el usuario sea técnicamente factible y no exceda el límite de costo del 125%.
  • Visualización de Métricas: Los usuarios ven en tiempo real el impacto de sus decisiones en métricas clave: precio de la electricidad, precio del calor, emisiones de CO2, vulnerabilidad del sistema, impacto visual y uso del suelo.
• Recopilación de Datos:
  • Se realizó un estudio de campo en marzo de 2024 con 126 residentes de Longyearbyen.
  • Los participantes interactuaron individualmente con la herramienta, seleccionaron sus diseños preferidos, indicaron sus prioridades (máximo 3 métricas) y proporcionaron retroalimentación cualitativa.

3. Contribuciones Clave

• Nueva Metodología Participativa: Es, según los autores, la primera vez que se presenta un enfoque donde los stakeholders pueden navegar y decidir dentro de un vasto espacio de soluciones factibles generadas por MGA, en lugar de elegir entre unos pocos escenarios predefinidos.
• Integración de Interacciones del Sistema: A diferencia de herramientas anteriores que simplifican la planificación (ej. portafolios tecnológicos aislados), este enfoque captura las interacciones complejas entre renovables variables, almacenamiento y generación de respaldo.
• Herramienta de Interpolación en Tiempo Real: Se implementó un algoritmo heurístico que interpola métricas entre las 56,050 soluciones precalculadas, permitiendo una experiencia de usuario fluida y continua sin necesidad de resolver el modelo de optimización en tiempo real durante la interacción.
• Validación Empírica: Se demuestra que es posible involucrar a la población local en un proceso de modelado técnico complejo en un entorno de tiempo limitado (5-20 minutos) y obtener datos significativos sobre sus preferencias.

4. Resultados Principales

• Desviación del Óptimo de Costos: Los participantes se desviaron consistentemente de la solución de costo mínimo. La mediana de la "holgura" (slack) de costos fue del 91% (es decir, los sistemas elegidos eran un 91% más caros que el óptimo teórico).
• Priorización de Objetivos No Monetarios: Los participantes estuvieron dispuestos a aceptar costos significativamente más altos para mejorar objetivos no monetarios:
  • Emisiones: Priorizadas por el 69% de los participantes.
  • Vulnerabilidad: Priorizada por el 49.2%.
  • Precio de la electricidad: 47%.
• Compensaciones (Trade-offs):
  • Quienes priorizaron las emisiones invirtieron más en energía solar.
  • Quienes priorizaron la vulnerabilidad invirtieron más en almacenamiento de calor y renovables variables.
  • Quienes priorizaron el impacto visual redujeron la inversión eólica.
• Complejidad y Aprendizaje: Aunque la mayoría de los participantes (57%) intentaron equilibrar tres o más métricas simultáneamente, reportaron sentirse mejor informados tras usar la herramienta. La interfaz les ayudó a navegar la complejidad de las decisiones entrelazadas.
• Discrepancia Declarada vs. Revelada: Hubo una brecha notable entre la disposición a pagar declarada (mediana del 15% de aumento de costos) y la realidad de sus diseños seleccionados (mediana del 91%). Esto sugiere que, en un entorno abstracto, la gente valora múltiples objetivos, pero subestima el costo real o asume que no lo pagará directamente (en Longyearbyen, el sistema está subsidiado).
• Preferencias por Tecnologías No Disponibles: Algunos participantes expresaron deseos de volver al carbón o usar energía nuclear, tecnologías que fueron excluidas del modelo por razones políticas y de viabilidad técnica, lo que resalta la importancia de la participación para revelar estas percepciones.

5. Significado e Implicaciones

• Legitimidad Social: El enfoque demuestra que involucrar a los stakeholders en la exploración de soluciones casi óptimas aumenta la legitimidad de la planificación energética y ayuda a identificar diseños socialmente aceptables que los modelos puramente económicos ignorarían.
• Herramienta para la Toma de Decisiones: Proporciona a los responsables políticos una visión clara de las prioridades de la comunidad y de las compensaciones reales que la población está dispuesta a aceptar, facilitando una transición más justa y menos conflictiva.
• Escalabilidad: Aunque probado en Longyearbyen, el marco conceptual y la herramienta son aplicables a otras comunidades, especialmente aquellas con sistemas energéticos aislados o en transición.
• Cambio de Paradigma: El estudio desafía la noción de que el "óptimo de costos" es la única solución viable, demostrando que el espacio de soluciones cercanas al óptimo es vasto y rico en opciones que pueden satisfacer mejor las necesidades sociales y políticas.

En conclusión, el artículo presenta una metodología robusta que combina la rigurosidad técnica del modelado de sistemas energéticos con la participación democrática, permitiendo a la comunidad visualizar y negociar el futuro energético de su región de manera informada y realista.