SlideShare une entreprise Scribd logo
Global Warming Dynamic Games
Y. Caseau, B. Martin & al
V0.2 – 24 Mai 2009
http://creativecommons.org/licenses/by-nc/2.0/fr/
Liste des changements
• Majeur: savings = f(price) => cout des invest E
• Besoin = f(économie + démographie)
• Croissance économie = f (invest)
• Changement du modèle de substiotution
• Prise en compte du retard dans savings & substitute
Préambule
• Objectif: Cf notes Conseil Scientifique
– Produire des scénarios de consommation mondiale d’énergie et son impact sur le climat (en jouant sur
des paramètres globaux) qui tiennent compte des couplages et des contraintes
– Cela, pour obtenir des trajectoires qui évitent les défauts grossiers de « prolongement des courbes
selon les trends observés »
• Ces scénarios sont obtenus à partir de la simulation d’un modèle grossier, selon les hypothèses fournies par
le « joueur ». Ils sont représentés par les courbes classiques (évolution de la production de pétrole avec le
« peak Oil », évolution du « prix du carbone », évolution des prix de l’énergie, etc.)
• Il ne s’agit pas de modéliser pour prévoir, mais de construire un jeu (Dynamic Game), qui permet au
joueur d’affiner sa compréhension systémique, d’observer et de s’approprier les couplages entre les
différentes dimensions
• Ce modèle s’appuie sur la confrontation de quatre problématiques:
1. La production d’énergie,
2. La consommation d’énergie,
3. L’économie mondiale qui produit de la richesse … et du CO2,
4. Gaia, l’écosystème terrestre qui réagit au CO2, et qui renvoie un « feedback » à l’économie.
• L’input du « jeu » est un ensemble d’hypothèses qui caractérisent la façon dont le joueur voit l’évolution de
ces quatre domaines (l’abstraction du modèle est faite pour faciliter la formulation de ces hypothèses)
• Ces hypothèses font bien sur débat, le but du jeu est d’évaluer les effets de leurs combinaisons, et de
pouvoir le faire de façon répétée !
• Note: ce travail peut aussi être vu comme une plateforme pour faire collaborer des modèles plus spécialisés
et plus précis, correspondant aux différentes problématiques mentionnées
3
Schéma Global
Couplage entre 4 sous-systèmes qui sont des abstractions simples des écosystèmes de la page précédente:
Production
Energie primaire
Consommation/
Economies énergie/
Substitution
Economie
Création valeur
croissance
investissement
Gaia : Ecosystème terrestre
4
Pétrole &
Gaz
Charbon
« Clean »
Energy
US, Europe,
Japon
BRIC
reste
US, Europe,
Japon
BRIC
reste
Émission CO2
Réchauffement
Catastrophes
Pression politique &
opinion
Achat énergie dégradation
Principes
• 4 systèmes simples qui sont des abstractions d’écosystèmes « bien étudiés »
– Production énergie primaire
– Consommation énergie, y compris économie d’énergie et de substitution
– Economie (production de valeur)
– CO2 (niveau de CO2 en fonction de la consommation) et effet induit sur l’opinion ( feedback)
• Ces quatre systèmes sont liés par 3 variables (ou familles selon le degré de sophistication)
– Le prix de l’énergie
– La consommation de l’énergie
– La taxation du CO2 (taxe, compensation liés aux quotas, etc.)
• La détermination des prix se fait par intersection de familles de courbes représentant les
« points de vues » des systèmes composants
– Ex: producteur = quantité produite en fonction du prix,
consommateur = quantité consommée en fonction du prix
– Ces courbes sont dynamiques, évoluent au cours du temps (stock, substitution) -> le cœur du modèle est la
production de ces courbes à partir des variables d’état
– Cette approche est simpliste (car les modèles le sont) mais également plus générale que des méthodes classiques de
détermination du prix car elle tient compte de la vision globale (compétition, évolution technologique, état de
l’économie, besoin des producteurs, …)
• Une « trajectoire » doit être représentée par la juxtaposition des courbes caractéristiques de
chaque module
– Le résultat d’une simulation est très facile à lire
5
Ecosystème I : Production
Description
• Modèle de la gestion d’un stock d’énergie
• Variable d’état: stock, production, revenu, capacité
• Stratégie:
– Investissement dans des nouvelles explorations
avec un délai (stock disponible = fonction du prix
10 ans plus tôt).
– Quantité mise en production,fonction des
objectifs du détenteur du stock
• Courbe « interface » = Quantité produite en fonction du
prix (modèle M1 – cf. p11)
Courbe caractéristique : « Peak Oil »
Instances (par source primaire)
- Dans une v0
- Energie fossile rare (pétrole, gaz sauf charbon)
- Charbon – avec la macro-hypothèse que
l’extraction de carburant à partir du charbon
devient possible à partir de 100$ le baril (cf.
substitution)
- Électricité/clean (nucléaire, hydro, solaire).
Considérer un stock infini et une capacité de
production qui évolue (très lentement).
- Dans une v1, séparer le gaz (qui s’apparente au charbon du
point de vue des vecteurs, et au pétrole du point de vue de
la rareté)
- Possibilité d’introduire l’aspect « stock uranium » dans un
3e temps
Modèle (Page 11):
- Stock en fonction du prix
- Délai de découverte
- CO2/ Tep
- Capacité de production(fonction du prix, du stock,
de la variation attendue, ….) simpliste dans une v0 -
temps
Production
stock
6
GTep
Ecosystème 2 : Consommation
Description
- Description d’un marché de consommation d’énergie à
partir le la valeur générée par Tep (ou, inversement, de
la contribution de l’énergie dans chaque G$ de PNB)
- Interface (modèle M2 – cf. page 12): quantité
consommée en fonction du prix
- La substitution ou les économies de fonctionnement
nécessitent des investissements et un délai (ex: 3 ans)
- Le renoncement à la consommation réduit la production
de richesse d’autant (selon la courbe de contribution de
l’énergie fossile à la valeur).
• Courbe caractéristique : «Répartition des consommation»
Instances:
- v0 : un seul marché
- V1: séparer plusieurs zones dont les patterns
caractéristiques sont différents (analyse de la
valeur de l’énergie dans le PNB, capacité à
économiser, à substituer, …)
- USA/Europe/Japon
- BRIC (Brésil/ Russie / Inde/ Chine)
- reste
Modèle (Page 12):
- Pattern générique (cfM2)
qui décrit la réaction des acteurs
économiques en fonction du
prix de l’énergie fossile: une
partie renonce, d’autres font des
économies, d’autres substituent
vers des énergies propres
- Instanciation de ce pattern en fonction du temps, des
investissements et du prix de l’écotaxe
- Caractérise la capacité à réduire par économie
- Caractérise la capacité de substitution vers une autre forme
d’énergie (matrice de substitution)
7
temps
Consommation => CO2
GTep
Consommation « iso-efficacité »
Consommation
énergie
prix
100%
p0
Ecosystème III : Création de Valeur
Description
L’économie est vue comme un socle de production qui crée de
la valeur en fonction d’un marché en consommant de
l’énergie. La taille du socle augmente en fonction des
investissements, avec un délai.
La sensibilité à l’énergie consommée est obtenue à partir du
modèle M4 (cf. page 12)
• Courbe caractéristique : Evolution PNB,
investissement, PNB/habitant
Instances:
- Même instanciation que pour la consommation
- V0: un seul bloc
- V1: « Vieux Pays » / BRIC
- Note: c’est la partie la plus naïve du modèle mais la
moins essentielle dans un premier temps
Modèle (page 14):
• Investissements
• fonction de la variation du résultat
• Répartis en Ic (augmente le socle de
production – génère la croissance) et Ie
(permet une plus grande efficacité
énergétique: économie et substitution)
• Démographie: simpliste = nombre d’habitants
• Croissance liée de façon simpliste aux
investissements
8
Socle
(économie)
temps
Investissements
PNB
T$
Résultats
(PNB)
Energie
Démographie
investissement
Ecosystème IV : Terre & habitants
Description
Un enchainement causal simple:
• Consommation => CO2
• CO2 => élévation de température
• Élévation => manifestations désagréables
• Manifestations + pression publique => renforcement de
la taxe carbone
On ne retient que la dépendance concentration CO2 =>
taxation (dans la logique du modèle) , mais l’augmentation
attendue de température est produite pour information
Deux facteurs: prix qui augmente (effet dissuasion) et part du
monde où elle est appliquée (zone géographique).
L’effet négatif des catastrophes sur l’économie (perte de
consommateur et de ressources de production) est ignoré car
spéculatif
• Courbe caractéristique : CO2, Température et
écotaxe.
Instances:
- Une seule instance et un modèle simple, car
trop d’inconnues
- La seule variable de « feedback » dans le
« système général » est le montant de
l’économie du carbone (la somme des montants
prélevés, au titre d’une taxe ou au titre des
swaps sous contraintes de quotas, qui sont
réinvestis dans les économies ou la substitution)
- Dans une v1, on peut séparer plusieurs zones
pour différencier l’application de la taxe carbone
selon les régions (différentes opinions publiques
et différents régimes politiques !)
Modèle (page 15):
- Prix taxe carbone = prix compensation + écotaxe
(effets négatifs)
- Effet = CO2/ Tep * % de la consommation
couverte par la taxe -> montant total en première
approximation (MTEC)
- Version simple du modèle = fonction qui lie la
taxe carbone à la concentration en CO2 
- Capacité de production fonction du prix, du
stock, de la variation attendue, ….
- Pour simplifier, le montant ponctionné est injecté
pour favoriser (substitution + économies
d’énergie)
9
temps
CO2(PPM)
Taxe carbone (G$)
Température (C°)
Architecture
Les instanciation des quatre sous-domaines ne sont pas représentées sur cette figure pour favoriser la lisibilité
Production
Consommation Economie
Gaia
1
0
temps
Production
stockGTep
M1
offre
M2
demande
temps
CO2(PPM)
Taxe carbone (G$)
Température (C°)
M5
Taxe C
temps
Investissements
PNB
T$
Investissements
Consommation
énergétique
Consommation
fossile Pression
démographoique
Consommation => CO2
GTep
Consommation « iso-efficacité »
M3
Substitut
ion
M4
activité
Global Warming : Dynamic System
Zoom sous forme d’une modélisation « Système Dynamique » dans la tradition Senge/Sterman
Production
Consommation
Economie
Gaia
stock
capacité
revenu
Conso P
taxe
Pression
populaire
Émission
CO2
Taux
CO2
Modèle inconnu
température
catastrophes
PNB/h
démographie
+
+
-
-
prix
coût
Conso E
économie
besoin
Équivalent
conso
Invest E
substitution
progrès
PNB
M4
activité
InvestissementsInvest
croissance
M1
offre
M2
deman
de
M3
M5
délai
délai
11
délai
quotas
Modèle : Ecosystème Production
• Le producteur est défini par 3 éléments:
1. Stock disponible: fonction du prix moyen (avec un retard)
2. Capacité maximale de production
3. Fonction d’utilité : quantité offerte en fonction du prix
• 1. Le stock (en Gtep) est fonction
du prix d’extraction
- Le prix est le prix moyen sur 5 ans +
un délai de prospection/extraction
- Toute formes combinées (v0),
séparation du charbon ensuite
• 2. La capacité maximale (Cm) de production peut-être
modélisée de façon grossière dans un premier temps
capacité max = production max (5 dernières années) * (1 + X%)
• 3. La fonction d’utilité est une combinaison
de deux courbes simples:
– Obtenir un revenu garanti (hyperbole bleue)
– Si le prix est intéressant, transformer une partie
du stock en cash (courbe rouge au dessus de pX)
– Dans une v0, on peut aussi considérer que cette
courbe est un paramètre
– M1 peut être défini par R(evenu), Px et K:
Q(p) = min(R/p + max(0,p – px) * K, Cm)
12
prix$100 $500
Réserves
GTep
prix
Quantité
Mise en
vente
Cm
pX
M1
offre
Modèle: Ecosystème Consommation (I)
• Le modèle « consommation » est fondé sur un histogramme inversé de la
valeur de l’énergie fossile dans la répartition du PNB
• On en déduit le modèle M2 qui détermine la quantité consommable en
fonction du prix, une fonction décroissante qui part de Bn (besoin maximal –
cf page suivante)
• Au fur et à mesure que le prix augmente, une partie de l’énergie est fournie par
substitution/économie – 2 courbes différentes:
– Consommation efficace énergie (input pour le modèle économie)
– Consommation réelle énergie (input pour le modèle CO2)
• La quantité d’énergie économisée (resp. substituée) est fonction
– du prix de l’énergie fossile augmentée du prix de la taxe carbone: La courbe ci-
dessus donne une économie maximale Em (resp. Sm= substitution maximale)
rentable.
– De la somme des investissements énergétiques consentis Iei
– Du progrès technologique (facteur de progrès f qui rend l’économie ou la
substitution de plus en plus facile)
– Soit par exemple (pour une v0)
EA = Em * min(100% , F x S(i = 1 to n - d, Iei *(1+ f)i)
F est un paramètre d ’efficacité ( Gtep / G$) que l’on calcule pour que
l’investissement Iei soit rentable en k années
• L’investissement énergétique Iei est la somme de
– la « taxe carbone » (si l’énergie source est « propre »)
– une fraction des investissements industriels (cf. page suivante – la fraction
étant un pourcentage/paramètre)
– Note: on peut calibrer les « patterns » puisque les élasticités cout/long
termes sont supposées connues 
13
Répartition du PNB par
intensité énergétique
décroissante
Ratio coût
énergie /
(cout
énergie +
résultat)
100%
100%
Paramétre clé du modèle :
Pattern d’évolution de la
consommation d’un type
d’énergie en fonction du prix
(par bloc géographique)
Consommation
énergie
prix
100%
p0
Consommation
énergie
prix
Quantité
Consommée
GTep
p0
M2
M3
Bn = besoin
maximal
Élasticité court-terme
Élasticité long-
terme
Modèle: Ecosystème Consommation (II)
• Le point clé de ce modèle est la substitution, définie par:
– Le taux de substitution maximal par type d’énergie, en fonction du prix (dans le pattern de la page précédente)
– Le coût de la substitution: la quantité d’investissement et son efficacité
– La matrice de substitution, ici approximé par un seul pourcentage X: X% du pétrole est substitué en charbon et (100 – X) en énergie propre,
tandis que 100% du charbon est substitué en énergie propre
Les patterns M2 associés aux types d’énergie représente les hypothèse de substituabilité, obtenue par chaque joueur à partir de sa propre analyse
énergie primaire / vecteur de distribution / usage par secteur , ce qui est illustré par la figure suivante:
• La détermination du prix d’un type d’énergie suit l’algorithme suivant:
– Pour chaque zone géographique, obtenir la courbe de demande en fonction du prix en multipliant le « pattern » par le besoin non contraint
Bn (cf. page suivante)
– Faire la somme des courbes de demande pour obtenir la demande globale
– Obtenir le prix de vente en faisant l’intersection avec la courbe du modèle M1. Si plusieurs points sont possibles, choisir le point le plus
proche du point précédent (simulation itérative année par année)
– Le prix de vente donne les économies potentielles et les substitutions potentielles pour chaque zone géographique
– En appliquant la formule de la page précédente, on obtient les quantités consommées (réelle et efficaces), et les quantités effectivement
substituées
• Dans le cas de trois types, il faut appliquer l’algorithme successivement , en reportant les quantités
substituées dans la demande:
– En premier pour le pétrole & Gaz
– Puis le charbon
– Puis les énergies « propres ».
14
Stockage mobile
Ex: liquide
électricité Industrie
transport
chauffage
Energie Fossile Rare
Charbon
Energie Propre
Stocké &
Distribué
Modèle: Ecosystème Economie
• Le besoin énergétique théorique est calculé par rapport à la croissance de l’activité économique, au
moyen d’une équation relative simple
Bn = Bn-1 × (Dn / Dn-1)× (1 + a Icn-1)
Le paramètre a est ajusté pour obtenir un taux de croissance plausible (si l’énergie est disponible)
• L’équation qui détermine le résultat économique tient compte de l’énergie disponible efficace
Rn = R n-1 × (En / En-1)k
L’exposant k tient compte de la forme de la courbe de la page précédente (ex: k = 0,5)
• Les investissements dépendent du résultat (R = PNB) et de sa variation:
I n = x% × In-1 × (Rn / R n-1) + y% × (Rn - R n-1)
• Les investissements énergétiques sont une fraction des investissements et/ou du résultat
Ien = z% × Rn
Pour la v0, on se table sur le résultat, pour éviter des fluctuations trop grandes
Dans une version plus évoluée, on pourrait soit prendre une stratégie dépendant d’autres critères (différence de prix entre
sources d’énergie), voire calculer un investissement optimisé
• Les investissements de croissances sont obtenus par simple différence
Icn = In – Ien
Note: Un investissement négatif correspond à un « désinvestissement », soit une réduction du socle
• Rappel: le modèle M4 a pour but de représenter très vaguement le couplage énergie <-> activité
• Note: La répartition de l’investissement Ie entre les économies et la substitution d’une part, et entre les
différents types d’énergies est représentée par 5 pourcentages (dont la somme vaut z).
15
M4
activité
Modèle: Gaia
• Il est probable que l’écosystème évolue par à-coups, en fonction
d’événements dramatiques qui marqueront les opinions publiques
(canicules, sécheresses, tsunami, inondations côtières, etc.)
• Comme tous ces enchainements sont fortement incertains, le modèle
M5, qui sert de paramètre à la simulation est fort simple:
– Taxation = f( taux CO2)
– Taxation = MTEC = Montant Total de l’Economie Carbone
– Une fonction linéaire à partir d’un seuil suffit pour la v0
(approximation d’une fonction en escalier dont nous ignorons la
distribution des paliers liées aux catastrophes)
• Comme il s’agit d’un modèle global, les aspects de « trade » (sous
contraintes) sont ignorés. L’efficacité des montants prélevé par la
régulation carbone et ré-injectés dans les économies et la substitution
dépend du facteur F (cf. figure de droite et page 12)
• Une étape suivante serait la séparation:
– Taxe carbone par tonne d’énergie fossile
– Taux d’application de la taxe, par zone (on peut tracer le %
d’émissions de CO2 qui sont touchés par le système de
régulation)
16
temps
CO2(PPM)
Taxe ($/t)
Température (C°)
catastrophe
catastrophe
MTEC
finance
concentration CO2
Taxe moyenne
Appliquée à la
TeP (en $)
M5
taxe
substitution
économies
Taxe
Carbone
Energie
propre
Energie
fossile
Conclusion
• Dynamic Game:
– La stratégie de chaque « acteur » (inconnue mais représentée par M1, M2, M3 et M4) est un
paramètre clé du jeu
– l’objectif de la simulation est de produire des trajectoires correspondant à des choix de stratégies
• Chaque sous-système comporte:
– Courbes caractéristiques (utilisées comme output de simulation) – existe de façon historique
– Une trajectoire est une simulation de l’évolution de ces courbes caractéristiques
– « une stratégie » = comportement simplifié : des équations simples qui définisse les relations entre
grandeurs
• Objectifs par version
– V0: simulation très simple mais réaliste (trajectoires faisant sens)
– V1: GTES – prise en compte des instanciations
– V2: simulation distribuée (coopération de modèles) -> externalisée (le but étant de donner envie à
d’autres, à un moment il faut laisser le sujet aux professionnels )
• Next Steps:
– Collecter les données (courbes et chiffres clés)
– Collecter les feedbacks
– Implémenter une v0 (suite du travail de Bruno), si possible sous forme de jeu en ligne
17

Contenu connexe

Similaire à Global warming dynamic gamesv0.3

Conférence TechnoArk 2016 - 05 nordmann
Conférence TechnoArk 2016 - 05 nordmannConférence TechnoArk 2016 - 05 nordmann
Conférence TechnoArk 2016 - 05 nordmannLaurent Borella
 
Synthèse 18p ademe 100 enr 2050
Synthèse 18p ademe 100 enr 2050Synthèse 18p ademe 100 enr 2050
Synthèse 18p ademe 100 enr 2050Christophe Mangeant
 
Synthèse étude ADEME 100%ENR 2050
Synthèse étude ADEME 100%ENR 2050Synthèse étude ADEME 100%ENR 2050
Synthèse étude ADEME 100%ENR 2050christophemangeant
 
Dois je vraiment remplacer mes anciens châssis?
Dois je vraiment remplacer mes anciens châssis?Dois je vraiment remplacer mes anciens châssis?
Dois je vraiment remplacer mes anciens châssis?Centre Urbain - Stadswinkel
 
Diagnostic énergétique cimenterie cas d'étude
Diagnostic énergétique cimenterie cas d'étudeDiagnostic énergétique cimenterie cas d'étude
Diagnostic énergétique cimenterie cas d'étudeAzeddine Baddi
 
011 149 diag_energ_cimenterie_313507
011 149 diag_energ_cimenterie_313507011 149 diag_energ_cimenterie_313507
011 149 diag_energ_cimenterie_313507Salah Romdhani
 
Paramètres technico financiers de la conception de réseaux de chaleur collectifs
Paramètres technico financiers de la conception de réseaux de chaleur collectifsParamètres technico financiers de la conception de réseaux de chaleur collectifs
Paramètres technico financiers de la conception de réseaux de chaleur collectifsMaitriseEnergie
 
Déchets solides : du modèle de Meadows à un projet de loi ? - Christophe Mang...
Déchets solides : du modèle de Meadows à un projet de loi ? - Christophe Mang...Déchets solides : du modèle de Meadows à un projet de loi ? - Christophe Mang...
Déchets solides : du modèle de Meadows à un projet de loi ? - Christophe Mang...The Shift Project
 
RENOVATION EN COPROPRIETE ANALYSES DES BLOCAGES ET LEVIERS
RENOVATION EN COPROPRIETE ANALYSES DES BLOCAGES ET LEVIERSRENOVATION EN COPROPRIETE ANALYSES DES BLOCAGES ET LEVIERS
RENOVATION EN COPROPRIETE ANALYSES DES BLOCAGES ET LEVIERSMonimmeuble.com
 
Proposition d'interface pour GreenFox - 3 août 2010
Proposition d'interface pour GreenFox - 3 août 2010Proposition d'interface pour GreenFox - 3 août 2010
Proposition d'interface pour GreenFox - 3 août 2010David Bourguignon
 
Chiffres clés du batiment 2013 ADEME
Chiffres clés du batiment 2013 ADEMEChiffres clés du batiment 2013 ADEME
Chiffres clés du batiment 2013 ADEMENovabuild
 
Chiffres clés du Bâtiment 2013 - Ademe
Chiffres clés du Bâtiment 2013 - AdemeChiffres clés du Bâtiment 2013 - Ademe
Chiffres clés du Bâtiment 2013 - AdemeBuild Green
 
Chiffre clé de la consommation énergétique en France - Ademe 2013
Chiffre clé de la consommation énergétique en France - Ademe 2013Chiffre clé de la consommation énergétique en France - Ademe 2013
Chiffre clé de la consommation énergétique en France - Ademe 2013Techologis
 
Logiciel homer pour la conception des projets exemple
Logiciel homer pour la conception des projets exempleLogiciel homer pour la conception des projets exemple
Logiciel homer pour la conception des projets exempleMKMK65
 
30' pour demain - Le projet européen AZEB
30' pour demain - Le projet européen AZEB 30' pour demain - Le projet européen AZEB
30' pour demain - Le projet européen AZEB Leonard
 
07112013 atelier 5 fondaterra_mg_mery
07112013 atelier 5 fondaterra_mg_mery07112013 atelier 5 fondaterra_mg_mery
07112013 atelier 5 fondaterra_mg_meryMarie-Gabrielle Méry
 
Présentation Aurélien Schuller SP-TSP 27052013
Présentation Aurélien Schuller SP-TSP 27052013Présentation Aurélien Schuller SP-TSP 27052013
Présentation Aurélien Schuller SP-TSP 27052013The Shift Project
 

Similaire à Global warming dynamic gamesv0.3 (20)

Conférence TechnoArk 2016 - 05 nordmann
Conférence TechnoArk 2016 - 05 nordmannConférence TechnoArk 2016 - 05 nordmann
Conférence TechnoArk 2016 - 05 nordmann
 
05 nordmann
05 nordmann05 nordmann
05 nordmann
 
Synthèse 18p ademe 100 enr 2050
Synthèse 18p ademe 100 enr 2050Synthèse 18p ademe 100 enr 2050
Synthèse 18p ademe 100 enr 2050
 
Synthèse étude ADEME 100%ENR 2050
Synthèse étude ADEME 100%ENR 2050Synthèse étude ADEME 100%ENR 2050
Synthèse étude ADEME 100%ENR 2050
 
Dois je vraiment remplacer mes anciens châssis?
Dois je vraiment remplacer mes anciens châssis?Dois je vraiment remplacer mes anciens châssis?
Dois je vraiment remplacer mes anciens châssis?
 
Diagnostic énergétique cimenterie cas d'étude
Diagnostic énergétique cimenterie cas d'étudeDiagnostic énergétique cimenterie cas d'étude
Diagnostic énergétique cimenterie cas d'étude
 
011 149 diag_energ_cimenterie_313507
011 149 diag_energ_cimenterie_313507011 149 diag_energ_cimenterie_313507
011 149 diag_energ_cimenterie_313507
 
Paramètres technico financiers de la conception de réseaux de chaleur collectifs
Paramètres technico financiers de la conception de réseaux de chaleur collectifsParamètres technico financiers de la conception de réseaux de chaleur collectifs
Paramètres technico financiers de la conception de réseaux de chaleur collectifs
 
Déchets solides : du modèle de Meadows à un projet de loi ? - Christophe Mang...
Déchets solides : du modèle de Meadows à un projet de loi ? - Christophe Mang...Déchets solides : du modèle de Meadows à un projet de loi ? - Christophe Mang...
Déchets solides : du modèle de Meadows à un projet de loi ? - Christophe Mang...
 
B2 homes
B2 homesB2 homes
B2 homes
 
RENOVATION EN COPROPRIETE ANALYSES DES BLOCAGES ET LEVIERS
RENOVATION EN COPROPRIETE ANALYSES DES BLOCAGES ET LEVIERSRENOVATION EN COPROPRIETE ANALYSES DES BLOCAGES ET LEVIERS
RENOVATION EN COPROPRIETE ANALYSES DES BLOCAGES ET LEVIERS
 
Proposition d'interface pour GreenFox - 3 août 2010
Proposition d'interface pour GreenFox - 3 août 2010Proposition d'interface pour GreenFox - 3 août 2010
Proposition d'interface pour GreenFox - 3 août 2010
 
Chiffres clés du batiment 2013 ADEME
Chiffres clés du batiment 2013 ADEMEChiffres clés du batiment 2013 ADEME
Chiffres clés du batiment 2013 ADEME
 
Chiffres clés du Bâtiment 2013 - Ademe
Chiffres clés du Bâtiment 2013 - AdemeChiffres clés du Bâtiment 2013 - Ademe
Chiffres clés du Bâtiment 2013 - Ademe
 
Chiffre clé de la consommation énergétique en France - Ademe 2013
Chiffre clé de la consommation énergétique en France - Ademe 2013Chiffre clé de la consommation énergétique en France - Ademe 2013
Chiffre clé de la consommation énergétique en France - Ademe 2013
 
Logiciel homer pour la conception des projets exemple
Logiciel homer pour la conception des projets exempleLogiciel homer pour la conception des projets exemple
Logiciel homer pour la conception des projets exemple
 
Schéma guide de création d'un réseau de chaleur
Schéma guide de création d'un réseau de chaleurSchéma guide de création d'un réseau de chaleur
Schéma guide de création d'un réseau de chaleur
 
30' pour demain - Le projet européen AZEB
30' pour demain - Le projet européen AZEB 30' pour demain - Le projet européen AZEB
30' pour demain - Le projet européen AZEB
 
07112013 atelier 5 fondaterra_mg_mery
07112013 atelier 5 fondaterra_mg_mery07112013 atelier 5 fondaterra_mg_mery
07112013 atelier 5 fondaterra_mg_mery
 
Présentation Aurélien Schuller SP-TSP 27052013
Présentation Aurélien Schuller SP-TSP 27052013Présentation Aurélien Schuller SP-TSP 27052013
Présentation Aurélien Schuller SP-TSP 27052013
 

Plus de Yves Caseau

DataAquitaine February 2022
DataAquitaine February 2022DataAquitaine February 2022
DataAquitaine February 2022Yves Caseau
 
Machine Learning for Self-Tracking
Machine Learning for Self-TrackingMachine Learning for Self-Tracking
Machine Learning for Self-TrackingYves Caseau
 
Information Systems for Digital Transformation
Information Systems for Digital TransformationInformation Systems for Digital Transformation
Information Systems for Digital TransformationYves Caseau
 
Lean from the guts
Lean from the gutsLean from the guts
Lean from the gutsYves Caseau
 
Taking advantageofai july2018
Taking advantageofai july2018Taking advantageofai july2018
Taking advantageofai july2018Yves Caseau
 
Software Pitch 2018
Software Pitch 2018Software Pitch 2018
Software Pitch 2018Yves Caseau
 
Intelligence Artificielle - Journée MEDEF & AFIA
Intelligence Artificielle - Journée MEDEF & AFIAIntelligence Artificielle - Journée MEDEF & AFIA
Intelligence Artificielle - Journée MEDEF & AFIAYves Caseau
 
Big data, Behavioral Change and IOT Architecture
Big data, Behavioral Change and IOT ArchitectureBig data, Behavioral Change and IOT Architecture
Big data, Behavioral Change and IOT ArchitectureYves Caseau
 
XEBICON Public November 2015
XEBICON Public November 2015XEBICON Public November 2015
XEBICON Public November 2015Yves Caseau
 
Smart selfnovember2013
Smart selfnovember2013Smart selfnovember2013
Smart selfnovember2013Yves Caseau
 
Management socialnetworksfeb2012
Management socialnetworksfeb2012Management socialnetworksfeb2012
Management socialnetworksfeb2012Yves Caseau
 
Google socialnetworksmarch08
Google socialnetworksmarch08Google socialnetworksmarch08
Google socialnetworksmarch08Yves Caseau
 
Managing Business Processes Communication and Performance
Managing Business Processes Communication and Performance Managing Business Processes Communication and Performance
Managing Business Processes Communication and Performance Yves Caseau
 
Smart homeamsterdamoctober2013
Smart homeamsterdamoctober2013Smart homeamsterdamoctober2013
Smart homeamsterdamoctober2013Yves Caseau
 
Entreprise troispointzeropublicjan2015
Entreprise troispointzeropublicjan2015Entreprise troispointzeropublicjan2015
Entreprise troispointzeropublicjan2015Yves Caseau
 
The European CIO Conference - November 27th, 2014
The European CIO Conference - November 27th, 2014The European CIO Conference - November 27th, 2014
The European CIO Conference - November 27th, 2014Yves Caseau
 
Lean entreprisetwodotzerodauphinefev2014
Lean entreprisetwodotzerodauphinefev2014Lean entreprisetwodotzerodauphinefev2014
Lean entreprisetwodotzerodauphinefev2014Yves Caseau
 

Plus de Yves Caseau (20)

CCEM2023.pptx
CCEM2023.pptxCCEM2023.pptx
CCEM2023.pptx
 
DataAquitaine February 2022
DataAquitaine February 2022DataAquitaine February 2022
DataAquitaine February 2022
 
Machine Learning for Self-Tracking
Machine Learning for Self-TrackingMachine Learning for Self-Tracking
Machine Learning for Self-Tracking
 
Information Systems for Digital Transformation
Information Systems for Digital TransformationInformation Systems for Digital Transformation
Information Systems for Digital Transformation
 
Lean from the guts
Lean from the gutsLean from the guts
Lean from the guts
 
Taking advantageofai july2018
Taking advantageofai july2018Taking advantageofai july2018
Taking advantageofai july2018
 
Software Pitch 2018
Software Pitch 2018Software Pitch 2018
Software Pitch 2018
 
Intelligence Artificielle - Journée MEDEF & AFIA
Intelligence Artificielle - Journée MEDEF & AFIAIntelligence Artificielle - Journée MEDEF & AFIA
Intelligence Artificielle - Journée MEDEF & AFIA
 
Big data, Behavioral Change and IOT Architecture
Big data, Behavioral Change and IOT ArchitectureBig data, Behavioral Change and IOT Architecture
Big data, Behavioral Change and IOT Architecture
 
XEBICON Public November 2015
XEBICON Public November 2015XEBICON Public November 2015
XEBICON Public November 2015
 
Smart selfnovember2013
Smart selfnovember2013Smart selfnovember2013
Smart selfnovember2013
 
Management socialnetworksfeb2012
Management socialnetworksfeb2012Management socialnetworksfeb2012
Management socialnetworksfeb2012
 
Google socialnetworksmarch08
Google socialnetworksmarch08Google socialnetworksmarch08
Google socialnetworksmarch08
 
Managing Business Processes Communication and Performance
Managing Business Processes Communication and Performance Managing Business Processes Communication and Performance
Managing Business Processes Communication and Performance
 
Smart homeamsterdamoctober2013
Smart homeamsterdamoctober2013Smart homeamsterdamoctober2013
Smart homeamsterdamoctober2013
 
Entreprise troispointzeropublicjan2015
Entreprise troispointzeropublicjan2015Entreprise troispointzeropublicjan2015
Entreprise troispointzeropublicjan2015
 
GTES UTC 2014
GTES  UTC 2014GTES  UTC 2014
GTES UTC 2014
 
The European CIO Conference - November 27th, 2014
The European CIO Conference - November 27th, 2014The European CIO Conference - November 27th, 2014
The European CIO Conference - November 27th, 2014
 
Disic mars2014
Disic mars2014Disic mars2014
Disic mars2014
 
Lean entreprisetwodotzerodauphinefev2014
Lean entreprisetwodotzerodauphinefev2014Lean entreprisetwodotzerodauphinefev2014
Lean entreprisetwodotzerodauphinefev2014
 

Global warming dynamic gamesv0.3

  • 1. Global Warming Dynamic Games Y. Caseau, B. Martin & al V0.2 – 24 Mai 2009 http://creativecommons.org/licenses/by-nc/2.0/fr/
  • 2. Liste des changements • Majeur: savings = f(price) => cout des invest E • Besoin = f(économie + démographie) • Croissance économie = f (invest) • Changement du modèle de substiotution • Prise en compte du retard dans savings & substitute
  • 3. Préambule • Objectif: Cf notes Conseil Scientifique – Produire des scénarios de consommation mondiale d’énergie et son impact sur le climat (en jouant sur des paramètres globaux) qui tiennent compte des couplages et des contraintes – Cela, pour obtenir des trajectoires qui évitent les défauts grossiers de « prolongement des courbes selon les trends observés » • Ces scénarios sont obtenus à partir de la simulation d’un modèle grossier, selon les hypothèses fournies par le « joueur ». Ils sont représentés par les courbes classiques (évolution de la production de pétrole avec le « peak Oil », évolution du « prix du carbone », évolution des prix de l’énergie, etc.) • Il ne s’agit pas de modéliser pour prévoir, mais de construire un jeu (Dynamic Game), qui permet au joueur d’affiner sa compréhension systémique, d’observer et de s’approprier les couplages entre les différentes dimensions • Ce modèle s’appuie sur la confrontation de quatre problématiques: 1. La production d’énergie, 2. La consommation d’énergie, 3. L’économie mondiale qui produit de la richesse … et du CO2, 4. Gaia, l’écosystème terrestre qui réagit au CO2, et qui renvoie un « feedback » à l’économie. • L’input du « jeu » est un ensemble d’hypothèses qui caractérisent la façon dont le joueur voit l’évolution de ces quatre domaines (l’abstraction du modèle est faite pour faciliter la formulation de ces hypothèses) • Ces hypothèses font bien sur débat, le but du jeu est d’évaluer les effets de leurs combinaisons, et de pouvoir le faire de façon répétée ! • Note: ce travail peut aussi être vu comme une plateforme pour faire collaborer des modèles plus spécialisés et plus précis, correspondant aux différentes problématiques mentionnées 3
  • 4. Schéma Global Couplage entre 4 sous-systèmes qui sont des abstractions simples des écosystèmes de la page précédente: Production Energie primaire Consommation/ Economies énergie/ Substitution Economie Création valeur croissance investissement Gaia : Ecosystème terrestre 4 Pétrole & Gaz Charbon « Clean » Energy US, Europe, Japon BRIC reste US, Europe, Japon BRIC reste Émission CO2 Réchauffement Catastrophes Pression politique & opinion Achat énergie dégradation
  • 5. Principes • 4 systèmes simples qui sont des abstractions d’écosystèmes « bien étudiés » – Production énergie primaire – Consommation énergie, y compris économie d’énergie et de substitution – Economie (production de valeur) – CO2 (niveau de CO2 en fonction de la consommation) et effet induit sur l’opinion ( feedback) • Ces quatre systèmes sont liés par 3 variables (ou familles selon le degré de sophistication) – Le prix de l’énergie – La consommation de l’énergie – La taxation du CO2 (taxe, compensation liés aux quotas, etc.) • La détermination des prix se fait par intersection de familles de courbes représentant les « points de vues » des systèmes composants – Ex: producteur = quantité produite en fonction du prix, consommateur = quantité consommée en fonction du prix – Ces courbes sont dynamiques, évoluent au cours du temps (stock, substitution) -> le cœur du modèle est la production de ces courbes à partir des variables d’état – Cette approche est simpliste (car les modèles le sont) mais également plus générale que des méthodes classiques de détermination du prix car elle tient compte de la vision globale (compétition, évolution technologique, état de l’économie, besoin des producteurs, …) • Une « trajectoire » doit être représentée par la juxtaposition des courbes caractéristiques de chaque module – Le résultat d’une simulation est très facile à lire 5
  • 6. Ecosystème I : Production Description • Modèle de la gestion d’un stock d’énergie • Variable d’état: stock, production, revenu, capacité • Stratégie: – Investissement dans des nouvelles explorations avec un délai (stock disponible = fonction du prix 10 ans plus tôt). – Quantité mise en production,fonction des objectifs du détenteur du stock • Courbe « interface » = Quantité produite en fonction du prix (modèle M1 – cf. p11) Courbe caractéristique : « Peak Oil » Instances (par source primaire) - Dans une v0 - Energie fossile rare (pétrole, gaz sauf charbon) - Charbon – avec la macro-hypothèse que l’extraction de carburant à partir du charbon devient possible à partir de 100$ le baril (cf. substitution) - Électricité/clean (nucléaire, hydro, solaire). Considérer un stock infini et une capacité de production qui évolue (très lentement). - Dans une v1, séparer le gaz (qui s’apparente au charbon du point de vue des vecteurs, et au pétrole du point de vue de la rareté) - Possibilité d’introduire l’aspect « stock uranium » dans un 3e temps Modèle (Page 11): - Stock en fonction du prix - Délai de découverte - CO2/ Tep - Capacité de production(fonction du prix, du stock, de la variation attendue, ….) simpliste dans une v0 - temps Production stock 6 GTep
  • 7. Ecosystème 2 : Consommation Description - Description d’un marché de consommation d’énergie à partir le la valeur générée par Tep (ou, inversement, de la contribution de l’énergie dans chaque G$ de PNB) - Interface (modèle M2 – cf. page 12): quantité consommée en fonction du prix - La substitution ou les économies de fonctionnement nécessitent des investissements et un délai (ex: 3 ans) - Le renoncement à la consommation réduit la production de richesse d’autant (selon la courbe de contribution de l’énergie fossile à la valeur). • Courbe caractéristique : «Répartition des consommation» Instances: - v0 : un seul marché - V1: séparer plusieurs zones dont les patterns caractéristiques sont différents (analyse de la valeur de l’énergie dans le PNB, capacité à économiser, à substituer, …) - USA/Europe/Japon - BRIC (Brésil/ Russie / Inde/ Chine) - reste Modèle (Page 12): - Pattern générique (cfM2) qui décrit la réaction des acteurs économiques en fonction du prix de l’énergie fossile: une partie renonce, d’autres font des économies, d’autres substituent vers des énergies propres - Instanciation de ce pattern en fonction du temps, des investissements et du prix de l’écotaxe - Caractérise la capacité à réduire par économie - Caractérise la capacité de substitution vers une autre forme d’énergie (matrice de substitution) 7 temps Consommation => CO2 GTep Consommation « iso-efficacité » Consommation énergie prix 100% p0
  • 8. Ecosystème III : Création de Valeur Description L’économie est vue comme un socle de production qui crée de la valeur en fonction d’un marché en consommant de l’énergie. La taille du socle augmente en fonction des investissements, avec un délai. La sensibilité à l’énergie consommée est obtenue à partir du modèle M4 (cf. page 12) • Courbe caractéristique : Evolution PNB, investissement, PNB/habitant Instances: - Même instanciation que pour la consommation - V0: un seul bloc - V1: « Vieux Pays » / BRIC - Note: c’est la partie la plus naïve du modèle mais la moins essentielle dans un premier temps Modèle (page 14): • Investissements • fonction de la variation du résultat • Répartis en Ic (augmente le socle de production – génère la croissance) et Ie (permet une plus grande efficacité énergétique: économie et substitution) • Démographie: simpliste = nombre d’habitants • Croissance liée de façon simpliste aux investissements 8 Socle (économie) temps Investissements PNB T$ Résultats (PNB) Energie Démographie investissement
  • 9. Ecosystème IV : Terre & habitants Description Un enchainement causal simple: • Consommation => CO2 • CO2 => élévation de température • Élévation => manifestations désagréables • Manifestations + pression publique => renforcement de la taxe carbone On ne retient que la dépendance concentration CO2 => taxation (dans la logique du modèle) , mais l’augmentation attendue de température est produite pour information Deux facteurs: prix qui augmente (effet dissuasion) et part du monde où elle est appliquée (zone géographique). L’effet négatif des catastrophes sur l’économie (perte de consommateur et de ressources de production) est ignoré car spéculatif • Courbe caractéristique : CO2, Température et écotaxe. Instances: - Une seule instance et un modèle simple, car trop d’inconnues - La seule variable de « feedback » dans le « système général » est le montant de l’économie du carbone (la somme des montants prélevés, au titre d’une taxe ou au titre des swaps sous contraintes de quotas, qui sont réinvestis dans les économies ou la substitution) - Dans une v1, on peut séparer plusieurs zones pour différencier l’application de la taxe carbone selon les régions (différentes opinions publiques et différents régimes politiques !) Modèle (page 15): - Prix taxe carbone = prix compensation + écotaxe (effets négatifs) - Effet = CO2/ Tep * % de la consommation couverte par la taxe -> montant total en première approximation (MTEC) - Version simple du modèle = fonction qui lie la taxe carbone à la concentration en CO2  - Capacité de production fonction du prix, du stock, de la variation attendue, …. - Pour simplifier, le montant ponctionné est injecté pour favoriser (substitution + économies d’énergie) 9 temps CO2(PPM) Taxe carbone (G$) Température (C°)
  • 10. Architecture Les instanciation des quatre sous-domaines ne sont pas représentées sur cette figure pour favoriser la lisibilité Production Consommation Economie Gaia 1 0 temps Production stockGTep M1 offre M2 demande temps CO2(PPM) Taxe carbone (G$) Température (C°) M5 Taxe C temps Investissements PNB T$ Investissements Consommation énergétique Consommation fossile Pression démographoique Consommation => CO2 GTep Consommation « iso-efficacité » M3 Substitut ion M4 activité
  • 11. Global Warming : Dynamic System Zoom sous forme d’une modélisation « Système Dynamique » dans la tradition Senge/Sterman Production Consommation Economie Gaia stock capacité revenu Conso P taxe Pression populaire Émission CO2 Taux CO2 Modèle inconnu température catastrophes PNB/h démographie + + - - prix coût Conso E économie besoin Équivalent conso Invest E substitution progrès PNB M4 activité InvestissementsInvest croissance M1 offre M2 deman de M3 M5 délai délai 11 délai quotas
  • 12. Modèle : Ecosystème Production • Le producteur est défini par 3 éléments: 1. Stock disponible: fonction du prix moyen (avec un retard) 2. Capacité maximale de production 3. Fonction d’utilité : quantité offerte en fonction du prix • 1. Le stock (en Gtep) est fonction du prix d’extraction - Le prix est le prix moyen sur 5 ans + un délai de prospection/extraction - Toute formes combinées (v0), séparation du charbon ensuite • 2. La capacité maximale (Cm) de production peut-être modélisée de façon grossière dans un premier temps capacité max = production max (5 dernières années) * (1 + X%) • 3. La fonction d’utilité est une combinaison de deux courbes simples: – Obtenir un revenu garanti (hyperbole bleue) – Si le prix est intéressant, transformer une partie du stock en cash (courbe rouge au dessus de pX) – Dans une v0, on peut aussi considérer que cette courbe est un paramètre – M1 peut être défini par R(evenu), Px et K: Q(p) = min(R/p + max(0,p – px) * K, Cm) 12 prix$100 $500 Réserves GTep prix Quantité Mise en vente Cm pX M1 offre
  • 13. Modèle: Ecosystème Consommation (I) • Le modèle « consommation » est fondé sur un histogramme inversé de la valeur de l’énergie fossile dans la répartition du PNB • On en déduit le modèle M2 qui détermine la quantité consommable en fonction du prix, une fonction décroissante qui part de Bn (besoin maximal – cf page suivante) • Au fur et à mesure que le prix augmente, une partie de l’énergie est fournie par substitution/économie – 2 courbes différentes: – Consommation efficace énergie (input pour le modèle économie) – Consommation réelle énergie (input pour le modèle CO2) • La quantité d’énergie économisée (resp. substituée) est fonction – du prix de l’énergie fossile augmentée du prix de la taxe carbone: La courbe ci- dessus donne une économie maximale Em (resp. Sm= substitution maximale) rentable. – De la somme des investissements énergétiques consentis Iei – Du progrès technologique (facteur de progrès f qui rend l’économie ou la substitution de plus en plus facile) – Soit par exemple (pour une v0) EA = Em * min(100% , F x S(i = 1 to n - d, Iei *(1+ f)i) F est un paramètre d ’efficacité ( Gtep / G$) que l’on calcule pour que l’investissement Iei soit rentable en k années • L’investissement énergétique Iei est la somme de – la « taxe carbone » (si l’énergie source est « propre ») – une fraction des investissements industriels (cf. page suivante – la fraction étant un pourcentage/paramètre) – Note: on peut calibrer les « patterns » puisque les élasticités cout/long termes sont supposées connues  13 Répartition du PNB par intensité énergétique décroissante Ratio coût énergie / (cout énergie + résultat) 100% 100% Paramétre clé du modèle : Pattern d’évolution de la consommation d’un type d’énergie en fonction du prix (par bloc géographique) Consommation énergie prix 100% p0 Consommation énergie prix Quantité Consommée GTep p0 M2 M3 Bn = besoin maximal Élasticité court-terme Élasticité long- terme
  • 14. Modèle: Ecosystème Consommation (II) • Le point clé de ce modèle est la substitution, définie par: – Le taux de substitution maximal par type d’énergie, en fonction du prix (dans le pattern de la page précédente) – Le coût de la substitution: la quantité d’investissement et son efficacité – La matrice de substitution, ici approximé par un seul pourcentage X: X% du pétrole est substitué en charbon et (100 – X) en énergie propre, tandis que 100% du charbon est substitué en énergie propre Les patterns M2 associés aux types d’énergie représente les hypothèse de substituabilité, obtenue par chaque joueur à partir de sa propre analyse énergie primaire / vecteur de distribution / usage par secteur , ce qui est illustré par la figure suivante: • La détermination du prix d’un type d’énergie suit l’algorithme suivant: – Pour chaque zone géographique, obtenir la courbe de demande en fonction du prix en multipliant le « pattern » par le besoin non contraint Bn (cf. page suivante) – Faire la somme des courbes de demande pour obtenir la demande globale – Obtenir le prix de vente en faisant l’intersection avec la courbe du modèle M1. Si plusieurs points sont possibles, choisir le point le plus proche du point précédent (simulation itérative année par année) – Le prix de vente donne les économies potentielles et les substitutions potentielles pour chaque zone géographique – En appliquant la formule de la page précédente, on obtient les quantités consommées (réelle et efficaces), et les quantités effectivement substituées • Dans le cas de trois types, il faut appliquer l’algorithme successivement , en reportant les quantités substituées dans la demande: – En premier pour le pétrole & Gaz – Puis le charbon – Puis les énergies « propres ». 14 Stockage mobile Ex: liquide électricité Industrie transport chauffage Energie Fossile Rare Charbon Energie Propre Stocké & Distribué
  • 15. Modèle: Ecosystème Economie • Le besoin énergétique théorique est calculé par rapport à la croissance de l’activité économique, au moyen d’une équation relative simple Bn = Bn-1 × (Dn / Dn-1)× (1 + a Icn-1) Le paramètre a est ajusté pour obtenir un taux de croissance plausible (si l’énergie est disponible) • L’équation qui détermine le résultat économique tient compte de l’énergie disponible efficace Rn = R n-1 × (En / En-1)k L’exposant k tient compte de la forme de la courbe de la page précédente (ex: k = 0,5) • Les investissements dépendent du résultat (R = PNB) et de sa variation: I n = x% × In-1 × (Rn / R n-1) + y% × (Rn - R n-1) • Les investissements énergétiques sont une fraction des investissements et/ou du résultat Ien = z% × Rn Pour la v0, on se table sur le résultat, pour éviter des fluctuations trop grandes Dans une version plus évoluée, on pourrait soit prendre une stratégie dépendant d’autres critères (différence de prix entre sources d’énergie), voire calculer un investissement optimisé • Les investissements de croissances sont obtenus par simple différence Icn = In – Ien Note: Un investissement négatif correspond à un « désinvestissement », soit une réduction du socle • Rappel: le modèle M4 a pour but de représenter très vaguement le couplage énergie <-> activité • Note: La répartition de l’investissement Ie entre les économies et la substitution d’une part, et entre les différents types d’énergies est représentée par 5 pourcentages (dont la somme vaut z). 15 M4 activité
  • 16. Modèle: Gaia • Il est probable que l’écosystème évolue par à-coups, en fonction d’événements dramatiques qui marqueront les opinions publiques (canicules, sécheresses, tsunami, inondations côtières, etc.) • Comme tous ces enchainements sont fortement incertains, le modèle M5, qui sert de paramètre à la simulation est fort simple: – Taxation = f( taux CO2) – Taxation = MTEC = Montant Total de l’Economie Carbone – Une fonction linéaire à partir d’un seuil suffit pour la v0 (approximation d’une fonction en escalier dont nous ignorons la distribution des paliers liées aux catastrophes) • Comme il s’agit d’un modèle global, les aspects de « trade » (sous contraintes) sont ignorés. L’efficacité des montants prélevé par la régulation carbone et ré-injectés dans les économies et la substitution dépend du facteur F (cf. figure de droite et page 12) • Une étape suivante serait la séparation: – Taxe carbone par tonne d’énergie fossile – Taux d’application de la taxe, par zone (on peut tracer le % d’émissions de CO2 qui sont touchés par le système de régulation) 16 temps CO2(PPM) Taxe ($/t) Température (C°) catastrophe catastrophe MTEC finance concentration CO2 Taxe moyenne Appliquée à la TeP (en $) M5 taxe substitution économies Taxe Carbone Energie propre Energie fossile
  • 17. Conclusion • Dynamic Game: – La stratégie de chaque « acteur » (inconnue mais représentée par M1, M2, M3 et M4) est un paramètre clé du jeu – l’objectif de la simulation est de produire des trajectoires correspondant à des choix de stratégies • Chaque sous-système comporte: – Courbes caractéristiques (utilisées comme output de simulation) – existe de façon historique – Une trajectoire est une simulation de l’évolution de ces courbes caractéristiques – « une stratégie » = comportement simplifié : des équations simples qui définisse les relations entre grandeurs • Objectifs par version – V0: simulation très simple mais réaliste (trajectoires faisant sens) – V1: GTES – prise en compte des instanciations – V2: simulation distribuée (coopération de modèles) -> externalisée (le but étant de donner envie à d’autres, à un moment il faut laisser le sujet aux professionnels ) • Next Steps: – Collecter les données (courbes et chiffres clés) – Collecter les feedbacks – Implémenter une v0 (suite du travail de Bruno), si possible sous forme de jeu en ligne 17