Chartedì Y26W31 | Quanti gas serra ci costa la nostra elettricità?

Quante volte, sui social, avete visto una cifra sulla CO₂ dell’elettricità spacciata come l’unica possibile ed utilizzata come una clava per vincere una discussione? Magari a voi mai. A me, che sicuramente ho un feed particolare, capita spesso: un grafico screenshottato dall’ottimo Electricity Maps per provare la superiorità di una tecnologia elettrica sulle altre, o ancora per rendicontare degli impatti di un progetto o per dimostrare il fallimento della politica energetica di un paese.

Il Chartedì di oggi è a km zero: abbiamo appena pubblicato sul Journal of Industrial Ecology uno dei paper a cui tengo di più (grazie in particolare a Camilla) da cui sono tratti i grafici di oggi.

Il tema è semplice: ogni kWh che consumiamo ha un impatto sul clima. Quantificarlo è complesso: incertezza, scelte metodologiche e variabilità influenzano notevolmente queste metriche. E per la credibilità della sostenibilità tutta è un grande problema.

Un fattore di emissione dell’elettricità risponde a una domanda semplice: quanti grammi di gas serra emettiamo per ogni kWh consumato? Si scrive gCO₂eq/kWh e sembra una costante fisica. Non lo è.

Tanto per cominciare, credo che per farsi capire anche da chi non è un tecnico convenga usare due parole semplici per distinguere i due concetti più importanti. Chiamo intensità l’impatto diretto: la CO₂ che esce dal camino della centrale mentre produce. E chiamo impronta l’impatto diretto più quello indiretto: ci metti dentro anche altre fasi della filiera – costruire l’impianto, estrarre e trasportare il combustibile, fabbricare pannelli e turbine. Sono due cose diverse: una centrale a gas è dominata dalla sua combustione (intensità alta), mentre nucleare ed eolico hanno un’intensità quasi nulla ma un’impronta tutt’altro che trascurabile, perché il loro impatto sta quasi tutto nella catena di fornitura, non al camino.

Questi numeri servono in tante declinazioni della sostenibilità aziendale e non solo: nell’analisi di ciclo di vita di un prodotto, nel calcolo dell’impronta carbonica di un’azienda, in normative come l’ETS o il CBAM. E le imprese oggi sono sempre più obbligate – o incentivate – a misurare la propria impronta. Idealmente per ridurla: misurarla e basta è un po’ come pesarsi senza un piano né alimentare né di movimento, sperando di dimagrire.

Il problema è che, quando le aziende – o chi per loro – fanno questi conti, si appoggiano a protocolli riconosciuti – il GHG Protocol su tutti – che però non ti dicono quale fonte usare, ma di usarne una autorevole: ma queste fonti convergono verso numeri simili, almeno per l’elettricità, che peraltro spiega gran parte dell’impatto carbonico di molti beni e servizi?

La risposta, onestamente, è: no. Perché? Dipende. Da cosa? Vale la pena smontarlo pezzo per pezzo.

Il primo livello è quasi ovvio. Molte fonti autorevoli pubblicano fattori di emissione per l’elettricità, e a volte si contraddicono di un fattore due o più. Non perché una sbagli: tracciano confini diversi, fanno ipotesi diverse, usano annate diverse e modellano la rete in modi diversi. Risultato: una domanda seria a cui si risponde con numeri tutti difendibili, che però raccontano storie quantitativamente lontane.

Il nostro paper prende queste stime e le mette a confronto in un’unica pipeline riproducibile, trattando la loro dispersione come un risultato a sé. Ecco la fotografia, a livello di mix nazionale per i paesi dove la rendicontazione della sostenibilità è maggiormente praticata, ossia EU e USA.

Reti a basse emissioni come Svezia e Francia stanno in fondo qualunque fonte tu chieda – eppure è proprio lì che il disaccordo relativo tra fonti è massimo, perché piccole differenze assolute pesano tantissimo. Reti a forte componente carbone come Polonia ed Estonia sono alte ovunque, ma le stime coprono comunque centinaia di grammi per kWh. E persino dentro la stessa famiglia di assunzioni, che più avanti vedremo, le stime divergono. Tradotto in numeri: l’intensità diretta dello stesso identico mix nazionale varia tra il 72% e il 730% (2017) solo cambiando la fonte. Su una bolletta italiana da 10 MWh (circa 1'600 € a prezzi base, 2023), la stima più alta delle emissioni è tre volte la più bassa – 4 tonnellate di CO₂eq di scarto. Stessa elettricità, stesso anno.

Il resto del Chartedì serve a capire perché quel grafico è così sparpagliato. Sotto ogni marcatore ci sono quattro o cinque scelte nascoste. Smontiamole.

È il grande equivoco. Molto spesso si confrontano un’intensità e un’impronta come se fossero la stessa cosa – e si finisce a confrontare mele e pere. Fin dove tiri il confine? Se ti fermi al camino misuri l’intensità diretta (nel gergo del paper, la DCI, che sta per direct carbon intensity). Se fai un passo oltre la filiera che rilascia le emissioni dirette tipicamente misuri l’impronta di ciclo di vita (la LCCI, che sta per lifecycle carbon intensity) ma quanti passi fai è variabile a seconda della fonte.

Sono mondi diversi. E lo si vede nei numeri: sulle emissioni dirette dei fossili – dove ti aspetteresti largo accordo – lo scarto tra le stime va dal 36% per il carbone al 116% per il gas. Appena aggiungi il ciclo di vita completo, lo scarto esplode: a seconda della tecnologia si va dal 101% al 631%. Il gas, che pure è tra i casi “facili”, passa da una mediana di 490 gCO₂eq/kWh (IPCC, NREL) a 780 con un database ibrido: +59%, stessa tecnologia, stesso indicatore.

L’approccio attribuzionale spalma le emissioni totali del mix su tutti i kWh e risponde a “qual è l’intensità media?”. Quello consequenziale (o marginale) stima invece cosa cambia accendendo la centrale che serve l’ultimo kWh in più: “chi entra in gioco per quel consumo aggiuntivo?”. Due domande diverse, due numeri diversi. Per lo scopo dell’esercizio di questa ricerca, ispirata da analisi dove viene adottata una granularità temporale annuale, ci siamo focalizzati solo su approcci attribuzionali.

A seconda dell’orizzonte temporale cambia anche il numero. Un fattore di emissione annuale è una media: somma tutta l’elettricità prodotta e tutte le emissioni dell’anno, poi divide l’una per le altre. È semplice da confrontare tra paesi e ottimo per descrivere il sistema nel suo complesso, ma appiattisce le differenze tra le ore del giorno e le stagioni. Un fattore orario, invece, segue l’evoluzione del mix elettrico nel tempo: a mezzogiorno, con molto fotovoltaico (ne ho parlato largamente qui), può essere molto più basso; la sera, quando entrano in funzione più impianti a gas, può aumentare sensibilmente. Anche qui non esiste un valore giusto: dipende dalla domanda a cui si vuole rispondere.

La prospettiva production-based conta l’elettricità generata dentro i confini nazionali; quella consumption-based conta l’elettricità davvero consumata, import ed export inclusi. In una rete molto interconnessa i due numeri possono divergere parecchio: pensate al caso italiano, dove – dati 2025 – dipendiamo per il 15% da importazioni, per larga parte di origine nucleare e idroelettrica da Francia e Svizzera.

Poi c’è la materia stessa che conti. I gas serra non scaldano tutti allo stesso modo: un chilo di metano intrappola molto più calore di un chilo di CO₂. Per sommarli in un solo numero si usa il GWP (Global Warming Potential): quante volte un gas scalda più della CO₂ su un orizzonte scelto, di solito 100 anni. Due problemi. Primo: quel fattore cambia a ogni revisione dell’IPCC (AR4, AR5, AR6), quindi la versione del dato conta perché ogni suo aggiornamento si avvicina al consenso scientifico più condiviso. Nel paper abbiamo armonizzato tutti su GWP-100 con i fattori IPCC AR5, proprio per togliere di mezzo questa variabile e confrontare ad armi pari. Secondo: ogni fonte decide quali gas includere – alcune solo CO₂, altre anche metano, protossido di azoto o gas fluorurati. Nel paper ci siamo concentrati sui 3 gas serra principali: CO₂, CH₄ e N₂O.

Qui sta il cuore metodologico, ed è dove le due grandi scuole si dividono. Da una parte i database process-based (la LCA di processo, tipo ecoinvent): fisici e granulari, ti dicono il dettaglio della singola tecnologia. Ma è come cercare frutti e fiori su un albero arrampicandoti ramo per ramo: vedi benissimo quello che raggiungi, però i rami che non vedi li tagli via – e due studi che vogliono descrivere la stessa attività finiscono per tracciare confini diversi impostando lo studio con dati di rappresentatività geografica e/o temporale eterogenea. I limiti di questo approccio sono principalmente la necessità di troncamento e la mancanza di coerenza interna tra i processi implicitamente assunti.

Dall’altra i modelli input-output (le cossiddette tavole ambientalmente estese: EXIOBASE, EMERGING, EORA, GLORIA, GTAP, che processiamo con la nuova versione di MARIO, il nostro motore open-source): guardano l’intera economia dall’alto. Meno dettagliati sulla singola pianta, ma completi e soprattutto coerenti – vediamo la foresta intera, servizi e beni specifici (non sempre con il livello di dettaglio necessario nelle analisi più fini), senza tagliare rami. Non a caso, nel confronto tra fonti, gli approcci input-output tendono a dare impronte sistematicamente più alte: non perché siano “più veri”, ma perché hanno un confine più largo. Steubing e colleghi hanno mostrato che, incrociando gli stessi prodotti tra Ecoinvent ed EXIOBASE, più della metà differisce di oltre un fattore due. E Moran e Wood hanno fatto vedere il rovescio della medaglia: armonizzando i conti satellite delle emissioni, la divergenza tra le economie può scendere sotto il 10%. Segno che buona parte del disaccordo non è “filosofia”, è compilazione dei dati.
Se scendi dal mix nazionale alla singola tecnologia, la cosa si vede a occhio:

Il quadro è netto: i fossili stanno un ordine di grandezza sopra le tecnologie a basse emissioni. E se passi alla vista diretta, rinnovabili e nucleare crollano quasi a zero – la loro impronta è quasi tutta nella catena di fornitura, non al camino.

Ultimo asse, e il meno raccontato. Un fattore di emissione è una fotografia di un anno preciso – e il mondo, sotto, cambia. Le centrali che chiudono, il mix che si decarbonizza, le filiere che si spostano: tutto muove il numero. Il guaio è che i database di ciclo di vita si portano dietro un ritardo che in media va dai 4 agli 8 anni rispetto allo stato reale della rete.

E qui si aggancia un’ultima variabile: l’unità. Trasformare un’impronta monetaria (per euro speso) in una fisica (per kWh) richiede un prezzo – e il prezzo non è mai universale, dipende dall’anno e dal contesto. Non a caso i fattori monetari mostrano una dispersione circa il 150% più larga di quelli fisici: sono mediati dal prezzo dell’elettricità, che a sua volta balla. Per questo, quando servono i kWh, i fattori monetari non sono lo strumento giusto, ma potrebbero esserlo se quei kWh fossero solo una delle tante transazioni da contabilizzare, ad esempio, per il calcolo di una impronta carbonica aziendale.

Che non esista un unico numero vero non è un invito al relativismo. Il paper si chiude con un quadro decisionale pratico: dato il tuo scopo – un inventario aziendale, un confronto tra politiche, una LCA di prodotto – quale fonte è quella giusta, e cosa stai sacrificando a sceglierla. La trasparenza su ipotesi e confini è il minimo sindacale: ogni fattore che riporti dovrebbe arrivare con la sua fonte e la sua versione. Senza, il numero vale poco.

Il traguardo più grande, però, è un altro: armonizzare e standardizzare a livello internazionale i fattori di emissione delle commodity che guidano gli inventari – i vettori energetici per primi. Nel frattempo lo Scope 2 è in revisione a caccia di granularità temporale sempre più fine, l’idea di misurare l’elettricità ora per ora (se non hai familiarità col concetto di Scope 1, 2 e 3 ti rimando al primissimo post di questo progetto). Utile, ma a mio avviso è un problema di secondo ordine: rafforzare la coerenza di questi dataset di base farebbe molto di più per la credibilità della contabilità del carbonio che un’altra cifra decimale di risoluzione oraria. Prima di misurare al minuto, mettiamoci d’accordo su cosa stiamo misurando e su dei range accettabili per le stime di cose così rilevanti, diffuse e in aggiornamento come le tecnologie che producono energia elettrica.

Un’ultima cosa, e qui torna il “giochiamo in casa”. Le due figure non sono immagini esportate una volta: sono ricostruite interrogando dal vivo il livello aperto di nxbase, con le stesse query che chiunque può rieseguire – i fattori monetari convertiti in gCO₂eq/kWh al volo, usando prezzi dell’elettricità e cambi BCE. È questo il punto di nxbase: non un altro dataset, ma un database di database, un luogo dove fonti eterogenee – tavole input-output, inventari di ciclo di vita, dati di rete misurati – sono mappate su una struttura comune, versionate e servite da un’unica API. Un confronto come questo smette di essere un foglio di calcolo una tantum e diventa qualcosa che puoi rieseguire ed estendere.

E non ci siamo fermati al paper: la tavola supply-use ibrida adottata internamente dal nostro team è stata ricostruita da zero come nxsut 3.0, mettendo insieme un gran numero di informazioni disponibili open-source e che stiamo confrontando con gli altri autorevoli dati. Questi dati e questa tavola possono essere integrati in modelli complessi a piacere sfruttando un recente prodotto open-source del gruppo SESAM del Dipartimento di Energia del Politecnico di Milano, CVXlab, un pacchetto Python che facilita la realizzazione di problemi di ottimizzazione. Per entrare nei dettagli ci saranno altre occasioni, ma se sei interessato ad approfondire contattaci.

Se questo contributo ti è servito, ti sarei grato se potessi cliccare sul pulsante “Mi piace” ❤️ qui sotto! Aiuta più persone a scoprire questa pubblicazione e mi permette di capire cosa piace ai lettori.