Analyse de sensibilité globale pour améliorer la transparence et la rigueur de la modélisation de l'optimisation des systèmes énergétiques

Contexte : Les modèles d'optimisation des systèmes énergétiques (MOSE) sont couramment utilisés pour soutenir la planification à long terme à des échelles nationales, régionales ou continentales. L'importance de reconnaître l'incertitude dans la modélisation des systèmes énergétiques est fréquemment commentée, mais il existe peu de conseils pratiques sur la meilleure façon d'incorporer les techniques existantes, telles que l'analyse de sensibilité globale, malgré quelques bonnes applications dans la littérature. Méthodes : Dans cet article, nous fournissons des directives complètes pour effectuer une analyse de sensibilité globale d'un MOSE, visant à lever les obstacles à l'adoption de cette approche. Avec une intention pédagogique, nous commençons par explorer pourquoi vous devriez réaliser une analyse de sensibilité globale. Nous décrivons ensuite comment mettre en œuvre une analyse de sensibilité globale en utilisant la méthode de Morris dans un MOSE en utilisant une séquence de modèles illustratifs simples construits à l'aide du cadre Open Source energy Modelling System (OSeMOSYS), suivis d'un exemple réaliste. Résultats : Les résultats montrent que l'analyse de sensibilité globale identifie les paramètres influents qui entraînent des résultats dans les modèles simples et réalistes, et identifie les paramètres non influents qui peuvent être ignorés ou fixés. Nous montrons que l'analyse de sensibilité globale peut être appliquée aux MOSE avec une relative facilité en utilisant des outils open source disponibles gratuitement. Les résultats reproduisent les conclusions des études de bonnes pratiques du domaine, démontrant l'importance d'inclure tous les paramètres dans l'analyse et d'éviter un focus étroit sur des paramètres particuliers tels que les coûts technologiques. Conclusions : Les résultats soulignent les avantages de la réalisation d'une analyse de sensibilité globale pour la conception de scénarios d'optimisation des systèmes énergétiques. Nous discutons de la manière dont les résultats peuvent être interprétés et utilisés pour améliorer la transparence et la rigueur des études de modélisation des systèmes énergétiques.