Ostale spremenljivke nimajo statistično značilnega vpliva na ekonomsko upravičenost.
Ko enkrat ugotovimo dovolj velik determinacijski koeficient, lahko smiselno interpretiramo parcialne regresijske koeficiente v enačbi. Pomenijo spremembo odvisne spremenljivke, če se neodvisna spremenljivka poveča za ena ob ostalih nespremenjenih pogojih. Ker so naše spremenljivke standardizirane, je enota število odklonov.
V regresijskem modelu v preglednici 13 je razvidno, da ima moč kotla največji vpliv, nato cena toplote v sistemu in odstotek sofinanciranja. V tem modelu je prikazano, da je moč kotla v daljinskem sistemu bistvenega pomena za ceno toplote v sistemu in odstotka sofinanciranja, ki je lahko tudi do 50 % investicije.
Vidimo, da s povečanjem moči kotla raste ekonomska upravičenost oziroma komponente:
• povečanje proizvodnje iz OVE (GWh),
• prihranek končne energije (GWh) in
• zmanjšanje emisij CO2 (1000 ton CO2).
Preglednica 14: Parcialni regresijski koeficienti, kjer je odvisna spremenljivka ekonomska upravičenost
Nestandarizirani koeficient Stand. koef.
t Značilnost
B Standardna
napaka Beta
3 (Konstanta) 0,510 0,546 0,935 0,355
Moč kotla 0,001 0,000 0,797 11,064 0,000
Cena toplote v sistemu –0,011 0,004 –0,204 –2,854 0,007 Delež sofinanciranja –0,018 0,008 –0,157 –2,223 0,032
V preglednici 14 razberemo, da konstanta v regresijskem modelu statistično ni značilna.
Konstanta pomeni vrednost odvisne spremenljivke (ekonomska upravičenost), če so vse neodvisne spremenljivke (moč kotla, cena toplote v sistemu in delež sofinanciranja) enake nič. Znano je, da regresijska enačba velja samo v območju, v katerem so podatki zajeti. Vsaj ena od neodvisnih spremenljivk nima nikoli vrednosti nič, to pa je v našem primeru moč kotla, kajti kotel z močjo nič ne obstaja.
Smer vpliva moči kotla je pozitivna, ostali dve spremenljivki pa imata negativen vpliv: večja kot je moč kotla, večja je tudi ekonomska upravičenost. Cena toplote v sistemu je negativno povezana z ekonomsko upravičenostjo, saj višja cena toplote v sistemu znižuje ekonomsko upravičenost, kar je v skladu z ekonomsko teorijo. Odstotek sofinanciranja ima negativen vpliv, kar pomeni, da je večji delež sofinanciranja povezan s proizvodnjo, ki je ekonomsko manj upravičena. To bi lahko pomenilo, da so večja podjetja, ki imajo manjšo stopnjo intenzivnosti sofinanciranja, bolj upravičena.
Iz slike 6 je razvidno, da je odstotek sofinanciranja negativno vplival na prihranek končne energije. Večja podjetja, ki so imela 30 % sofinanciranje, so imela več prihrankov energije.
Pridobila so manj nepovratnih sredstev v primerjavi s srednjimi podjetji, pri katerih je bilo sofinanciranje 40 %, in malimi, mikro podjetji, ki so imela 50 % sofinanciranja upravičenih stroškov.
Slika 6: Odvisnost med prihrankom končne energije in odstotkom sofinanciranja Pri sliki 7 je prikazano, da je zmanjšanje emisij negativno vplivalo na sofinanciranje. Vzrok je isti: večja podjetja so sofinancirala večje sisteme, pri katerih so bili večji prihranki.
Slika 7: Odvisnost med zmanjšanjem emisij in odstotkom sofinanciranja
H1: Višina subvencije je pozitivno povezana s končno ceno toplote v sistemu.
Hipotezo smo raziskali preko dveh faktorjev:
• sofinanciranje (znesek dodeljenega denarja),
• odstotek sofinanciranja.
Preglednica 15: Korelacija med višino subvencije in ceno toplote v sistemu Cena toplote v sistemu
Sofinanciranje Jakost povezave –0,142
Značilnost (2-tailed) 0,353
Velikost vzorca 45
Ker je značilnost testa v preglednici 15 nad 0,05, ničelne hipoteze o nepovezanosti ne moremo zavrniti. Sklepamo, da višina subvencije ne vpliva na ceno toplote v sistemu.
Slika 8: Odvisnost cene toplote v sistemu in sofinanciranja Iz slike 8 je razvidno, da cena toplote v sistemu in sofinanciranje nista povezana.
Preglednica 16: Levenov test odvisnosti cene toplote in odstotka sofinanciranja
Levenov test df1 df2 Značilnost
Prihranek končne energije (GWh) 4,542 2 43 0,016
Povečanje proizvodnje iz OVE (GWh) 4,567 2 43 0,016
Zmanjšanje emisij CO2 (1000 ton CO2) 4,289 2 43 0,020
Ker je značilnost v preglednici 16 nad 0,05, ničelne hipoteze o enakosti varianc skupin ne moremo zavrniti. Za nadaljnje delo je test ANOVA veljaven.
Preglednica 17: Test ANOVA odvisnosti cene toplote in sofinanciranja
Sum of Squares df Mean Square F Sig.
Med skupinami 576,081 2 288,041 1,590 0,222
Znotraj skupin 5073,661 43 181,202
Skupina 5649,742 45
Slika 9: Odvisnost cene toplote v sistemu in odstotka sofinanciranja
Ker je značilnost testa v preglednici 17 nad 0,05, ničelne hipoteze o enakosti povprečij ne moremo zavrniti. Na sliki 9 je razvidno, da odstotek sofinanciranja nima vpliva na ceno toplote v sistemu.
Za ti dve spremenljivki smo se odločili zaradi tega, ker so se velika podjetija pritožila, da nimajo take stopnje intenzivnosti in posledično mora biti cena toplote dražja in ne konkurenčna.
H2: Ekonomska upravičenost daljinskega sistema je pozitivno povezana s številom priklopov.
Hipotezo smo raziskali na dva načina:
• s testom korelacije,
• z razdelitvijo prijaviteljev na tri skupine in s testom ANOVA.
Preglednica 18: Korelacija med ekonomsko upravičenostjo in številom priklopov Število priklopov
Ekonomska upravičenost Jakost povezave 0,317
Značilnost (2-tailed) 0,034
Velikost vzorca 45
Ker je značilnost testa v preglednici 18 pod 0,05, ničelno hipotezo o nepovezanosti zavrnemo.
Sklepamo, da sta ekonomska upravičenost in število priklopov statistično značilno povezana.
Glede na koeficient korelacije (0,317) je ta povezanost šibka.
Iz preglednice 19 je razvidno, da je prijavitelje glede na število priklopov smiselno razdeliti na tri razrede.
Preglednica 19: Število priklopov na daljinski sistem
Število priklopov Frekvenca Delež (v %) Skupno
Priklopi 1,00 2 4,4 4,4
3,00 2 4,4 8,9
5,00 9 20,0 28,9
6,00 4 8,9 37,8
7,00 4 8,9 46,7
8,00 2 4,4 51,1
9,00 5 11,1 62,2
10,00 1 2,2 64,4
16,00 1 2,2 66,7
17,00 2 4,4 71,1
21,00 2 4,4 75,6
28,00 1 2,2 77,8
32,00 1 2,2 80,0
Se nadaljuje
Preglednica19 – nadaljevanje
Število priklopov Frekvenca Delež (v %) Skupno
Priklopi 35,00 2 4,4 84,4
38,00 1 2,2 86,7
39,00 1 2,2 88,9
43,00 1 2,2 91,1
75,00 1 2,2 93,3
100,00 1 2,2 95,6
114,00 1 2,2 97,8
355,00 1 2,2 100,0
Skupno 45 100,0
Ker je značilnost v preglednici 20 nad 0,05, ničelne hipoteze o enakosti varianc skupin ne moremo zavrniti. Za nadaljnje delo je test ANOVA veljaven.
Preglednica 20: Levenov test ekonomske upravičenosti in števila priklopov
Levenov test df1 df2 Značilnost
38,297 2 43 0,200
Ker je značilnost testa v preglednici 21 pod 0,05, ničelno hipotezo o enakosti povprečij zavrnemo. Sklepamo, da število priklopov vpliva na ekonomsko upravičenost.
Preglednica 21: Test ANOVA ekonomske upravičenosti in števila priklopov
Sum of Squares df Mean Square F Značilnost
Med skupinami 17,012 2 8,506 13,351 0,000
Znotraj skupin 26,760 43 0,637
Skupina 43,772 45
Iz slike 10 je razvidno, da večje kot je število priklopov, oziroma v primeru, da je večja zgoščenost priklopov, večja je ekonomska upravičenost.
Slika 10: Odvisnost med ekonomsko upravičenostjo in številom priklopov
H3: Prihranek kurilnega olja je pozitivno povezan z odstotkom sofinanciranja.
Hipotezo smo raziskali preko dveh faktorjev:
• sofinanciranje (znesek denarja),
• odstotek sofinanciranja.
Preglednica 22: Korelacije med prihrankom kurilnega olja in odstotka sofinanciranja Sofinanciranje
Prihranek kurilnega olja Jakost povezave 0,534
Značilnost (2-tailed) 0,000
Velikost vzorca 45
Ker je značilnost v preglednici 22 testa pod 0,05, ničelno hipotezo o nepovezanosti zavrnemo.
Sklepamo, da sta prihranek kurilnega olja in znesek sofinanciranja statistično značilno povezana. Glede na koeficient korelacije (0,534) je ta povezanost srednje močna.
Preglednica 23: Levenov test prihranka kurilnega olja in odstotka sofinanciranja
Levenov test df1 df2 Značilnost
1,460 2 43 0,024
Ker je značilnost Levenovega preizkusa enakosti varianc v preglednici 23 pod 0,05, je razvidno, da lahko zaradi nizke stopnje značilnosti ničelno domnevo zavrnemo.
V preglednici 24 na podlagi vzorca cene toplote v sistemu lahko pri stopnji tveganja 0,002 zavrnemo ničelno domnevo in sprejmemo sklep, da se subvencija razlikuje glede na prihranke kurilnega olja.
Preglednica 24: Robust Welch prihranka kurilnega olja in odstotka sofinanciranja
Statistica df1 df2 Sig.
Welch 20,423 2 21,734 0,002
Ker je značilnost testa pod 0,05, ničelno hipotezo o enakosti povprečij zavrnemo. Sklepamo, da odstotek financiranja zelo vpliva na prihranek kurilnega olja. Manjši kot je odstotek sofinanciranja, večji je prihranek kurilnega olja. Na sliki 11 je izjema pri 40 % sofinanciranja, ker je zelo majhen vzorec, zato pride do tako velikega odstopanja v grafu.
Slika 11: Odvisnost med prihrankom kurilnega olja in odstotkom sofinanciranja
H4: Višina dodeljene subvencije je pozitivno povezana z obsegom proizvodnje energije.
Hipotezo smo raziskali preko dveh faktorjev:
• sofinanciranje (znesek denarja),
• delež sofinanciranja.
Ker je značilnost testa v preglednici 25 pod 0,05, ničelno hipotezo o nepovezanosti zavrnemo.
Sklepamo, da sta višina subvencije in povečanje proizvodnje iz OVE povezana. Glede na koeficient korelacije (0,643) je povezanost srednje močna.
Preglednica 25: Korelacija med povečanjem proizvodnje energije in dodeljeno subvencijo
Povečanje proizvodnje iz OVE (GWh)
Sofinanciranje Jakost povezave 0,643
Značilnost (2-tailed) 0,000
Velikost vzorca 45
Ker je značilnost v preglednici 26 pod 0,05, je razvidno, da lahko zaradi nizke stopnje značilnosti ničelno domnevo zavrnemo.
Preglednica 26: Levenov test povečanja proizvodnje energije in dodeljene subvencije
Levenov test df1 df2 Značilnost
4,567 2 42 0,016
Na podlagi vzorca v preglednici 27 o povečanju proizvodnje iz OVE lahko pri stopnji tveganja 0,029 zavrnemo ničelno domnevo in sprejmemo sklep, da se subvencija razlikuje glede na proizvodnjo iz OVE.
Preglednica 27: Robust Welch povečanja proizvodnje energije in dodeljene subvencije
Statistica df1 df2 Sig.
Welch 4,663 2 2,643 0,029
Ker je značilnost testa pod 0,05, ničelno hipotezo o enakosti povprečij zavrnemo. Sklepamo, da odstotek financiranja negativno vpliva na povečanje proizvodnje iz OVE. Večji kot je odstotek sofinanciranja, manjše je povečanje proizvodnje iz OVE. Do takega rezultata je prišlo, ker so velika podjetja gradila večje sisteme daljinskega ogrevanja, kar je razvidno iz slike 12.
Slika 12: Odvisnost med povečanjem proizvodnje iz OVE in odstotkom sofinaciranja
5 UGOTOVITVE IN PRIPOROČILA
Od leta 2009, ko se je začel izvajati razpis, ki je bil namenjen daljinskim sistemom ogrevanja na lesno biomaso, se je število daljinskih sistemov povečalo z 12 na 49. Od tega je bilo osem širitev obstoječih daljinskih sistemov. Nekateri so bili podprti z nepovratnimi sredstvi projekta GEF, ki je potekal od leta 2004 do 2007. To sta bila sistema v Vranskem in Kočevju, ki sta širila obstoječi sistem ogrevanja. Ne smemo pa pozabiti na širitev, ki so jo izvedli na najstarejšem sistemu ogrevanja na lesno biomaso, to je v Železnikih.
Trenutnim sistemom, ki so bili sofinancirani od leta 2009 naprej, je bila dodeljena subvencija na podlagi regionalnih državnih pomoči.
V pripravi je naslednja finančna perspektiva 2014–2020, pri kateri so že začrtane smernice.
Na področju obnovljivih virov energije so predpisane smernice o okoljski in energetski pomoči za to obdobje. Pomembnejše dejavnike, ki so povezani z daljinskim sistemom na lesno biomaso, bomo opredelili.
Okoljska in energetska pomoč lahko veljata za združljivi z notranjim trgom le, če imata spodbujevalni učinek. Do tega pride, kadar pomoč upravičenca spodbudi k spremembi ravnanja tako, da ta zviša raven varstva okolja ali izboljša delovanje zanesljivega, cenovno dostopnega in trajnostnega evropskega trga z energijo, česar brez pomoči ne bi storil. Pomoč ne sme subvencionirati stroškov dejavnosti, ki bi jih podjetje imelo v vsakem primeru, in ne sme biti nadomestilo za običajno poslovno tveganje gospodarske dejavnosti.
Pri ukrepih, ki jih je treba priglasiti posamično, mora država članica Komisiji v celoti dokazati spodbujevalni učinek pomoči. Zagotoviti mora jasen dokaz, da pomoč dejansko vpliva na naložbeno odločitev, pri čemer se ravnanje upravičenca spremeni tako, da se zviša raven varstva okolja ali izboljša delovanje evropskega trga z energijo. To pa ni potrebno, kadar je pomoč dodeljena na podlagi javnega razpisa.
Okoljska in energetska pomoč morata biti vedno sorazmerni. Pomoč se šteje za sorazmerno, če je znesek pomoči na upravičenca omejen na najmanjši potreben znesek za dosego želene ravni varstva okolja ali energetskega cilja. Vendar je včasih težko v celoti upoštevati vse gospodarske koristi, ki jih podjetje pridobi od dodatne naložbe. Zato bi se lahko za ukrepe, ki niso predmet posamezne ocene, uporabila poenostavljena metoda, ki bi se osredotočila na izračun dodatnih naložbenih stroškov, tj. brez upoštevanja koristi in stroškov poslovanja.
Upravičeni stroški so dodatni stroški naložbe v opredmetena in/ali neopredmetena sredstva.
Izračunani bodo kot stroški naložbe, ki so neposredno povezani s ciljem skupnega interesa, za katerega je pomoč namenjena, in določeni glede na obratne hipotetične razmere, ko je to primerno. Stroški, ki niso neposredno povezani z doseganjem okoljskega ali energetskega cilja, ne bodo upravičeni.
Komisija bo štela pomoč za tekoče poslovanje za biomaso po amortizaciji obrata za združljivo, če država članica dokaže, da je uporaba fosilnih goriv kot surovine ekonomsko ugodnejša od uporabe biomase, in če so izpolnjeni vsi naslednji pogoji:
• pomoč se dodeli le na podlagi energije, proizvedene iz obnovljivih virov.
• Ukrep je oblikovan tako, da pokrije razliko med spremenljivimi stroški poslovanja, ki jih krije upravičenec, in tržno ceno.
• Zagotovljeni so verodostojni dokazi, da bi se brez pomoči namesto biomase začela uporabljati fosilna goriva.
• Vzpostavljen je mehanizem za spremljanje, da se preveri, ali je uporaba fosilnih goriv ugodnejša od uporabe biomase. Mehanizem za spremljanje mora temeljiti na posodobljenih informacijah o stroških in mora biti izveden vsaj enkrat letno.
Sledijo ukrepi glede energijske učinkovitosti, vključno s soproizvodnjo toplote in električne energije ter daljinskim ogrevanjem in hlajenjem. EU je določila cilj 20 % za prihranek porabe primarne energije v EU do leta 2020. V ta namen je sprejela direktivo o energijski učinkovitosti, ki vzpostavlja skupni okvir za spodbujanje energijske učinkovitosti v EU, s katero naj bi dosegli splošni cilj izpolnitve krovnega cilja EU za leto 2020 na področju energijske učinkovitosti. Pripravila je tudi podlago za nadaljnje izboljšanje energijske učinkovitosti po tem letu.
Upravičeni stroški so opredeljeni kot dodatni naložbeni stroški. Pri nekaterih ukrepih glede energijske učinkovitosti je morda obratni hipotetični scenarij težko opredeliti, zlasti pri integriranih projektih. V zvezi s takšnimi projekti je Komisija pripravljena razmisliti o približku za določitev upravičenih stroškov.
Glede na zgoraj navedeni osnutek smernic, ki se bodo uporabljale za okoljsko in energetsko pomoč od leta 2014 do 2020, vidimo, da je nekaj bistvenih razlik. Največja razlika je v intenzivnosti pomoči, ki se je povečala za 15 odstotnih točk glede na velikost podjetja. Ne smemo pa pozabiti, da so upravičeni stroški samo dodatni stroški naložbe. Dodatni stroški se bodo točno opredelili v naslednjem razpisu. Glede na oceno bodo odstotki sofinanciranja približno enaki kot do sedaj. Še vedno je največ spodbud za mikro in mala podjetja.
Biomasa ima obetaven vpliv na prihodnost. Do leta 2030 lahko biomasa predstavljaja 60 % celotne končne porabe energije iz obnovljivih virov, ki ima potencial v vseh sektorjih (IRENA 2014).
Vsako leto se več kot 40 % celotne porabljene energije v Evropi uporablja za proizvodnjo toplote za domače in industrijske namene. Večina te energije je proizvedene z izgorevanjem fosilnih goriv, ki na okolje vplivajo z emisijami toplogrednih plinov. Zaradi tega so se oblikovalci politik, vlagatelji in državljani začeli zavedati, da je prišel čas za ogrevanje in hlajenje iz obnovljivih virov. Po ocenah Evropskega sveta za obnovljivo energijo se lahko
Evropski svet za obnovljivo energijo ocenjuje, da bodo obnovljivi viri energije za ogrevanje in hlajenje dosegli skoraj 30% delež celotne porabe toplote do leta 2020 zajema več kot polovico povpraševanja EU na področju toplote do leta 2030 (EREC 2015).
5.1 Ugotovitve glede testiranja hipotez
Pri testiranju hipotez smo uporabili vzorec 45 daljinskih sistemov ogrevanja na lesno biomaso, ki so bili sofinancirani z nepovratnimi sredstvi. V regresijskem modelu smo uporabili vse neodvisne spremenljivke, ki so pomembne za izračun ekonomske upravičenosti.
Največji vpliv ima moč kotla, ki je v našem primeru predstavljala 73,9 %, ta prispeva k ekonomski upravičenosti. Druga je cena toplote v sistemu, ki prispeva 2,9 %. Vpliv na ekonomsko upravičenost (v 2,0 %) pa ima odstotek sofinanciranja. S povečanjem moči kotla se poveča ekonomska upravičenost, s tem pa proizvodnja iz OVE, prihranek končne energije in zmanjšanje emisij CO2. Ugotovili smo tudi, da je odstotek sofinanciranja negativen.
Podjetja, ki imajo večjo intenzivnost spodbude − to so v našem primeru mikro, mala podjetja
− imajo za 20 odstotnih točk, srednja podjetja pa za 10 odstotnih točk višjo intenzivnost kot velika podjetja. Pri prvi hipotezi, kjer je bilo predpostavljeno, da je višina subvencije pozitivno povezana s končno ceno toplote v sistemu, smo ugotovili, da sofinanciranje nima nobenega vpliva na ceno toplote v sistemu. Na podlagi te ugotovitve se hipoteza zavrne. Za potrebo druge zastavljene hipoteze smo izračunali, da sta ekonomska upravičenost in število priklopov statistično povezana. Glede na to, da je vrednost izračunanega koeficienta korelacije 0,317, je ta povezanost šibka. Priklope smo smiselno razdelili na tri razrede. Na grafu, kjer so razdeljeni, je razvidno naraščanje ekonomske upravičenosti glede na število priklopov, s tem pa lahko našo hipotezo sprejmemo. Tretjo hipotezo zavrnemo, saj smo ugotovili, da prihranek kurilnega olja nima nobenega vpliva na odstotek sofinanciranja. Prav tako smo pri četrti hipotezi ugotovili, da višina dodeljene subvencije ni pozitivno povezana z obsegom proizvodnje energije, kar pomeni, da tudi to hipotezo zavrnemo.
Iz testiranja zastavljenih hipotez lahko podamo sklep, da so daljinski sistemi ogrevanja na lesno biomaso, ki imajo manjšo stopnjo sofinanciranja, bolj učinkoviti. Vendar ne smemo zanemariti ostalih sistemov, ki imajo večjo stopnjo sofinanciranja. Razlika v učinkovitosti je zato, ker so večja podjetja gradila večje sisteme, ki so glede na našo ugotovitev bolj učinkoviti.
Ekonomičnost ogrevanja z obnovljivimi viri pa je odvisna od gibanja cen drugih energentov za ogrevanje.
5.2 Priporočila o izgradnji daljinskih sistemov
V začetku februarja 2014 je Slovenijo prizadela naravna nesreča oziroma žledolom. Pojavnost naravnih ujm in požarov večjih razsežnosti v Sloveniji je v zadnjih dvajsetih letih vse pogostejša. Po podatkih Zavoda za gozdove Slovenije v preglednici 28 je bilo doslej največ poškodovanega drevja po žledolomu v kombinaciji s snegolomom na prehodu iz leta 1996 v leto 1997, ko smo evidentirali 870.000 m3 poškodovanega drevja. Letošnji obseg po žledu poškodovanega gozda pa po doslej zbranih podatkih že presega skupno količino vsega v žledolomih poškodovanega drevja v zadnjih petdesetih letih (Zavod za gozdove Slovenije 2014b).
Preglednica 28: Pregled v naravnih ujmah in požarih poškodovanih oziroma uničenih gozdov večjih razsežnosti v dvajsetih letih
Vzrok
poškodb Leto Območje – lokacija
Poškodovani
Sneg – žled 1995/1996 Vsa SLO, nadpovprečno na GGO: Ljubljana, Kranj, Celje, Nazarje, Maribor
87.500 680.000
Sneg – žled 1996/1997 GGO Kranj, Ljubljana, Kočevje, Novo mesto
81.800 870.000
Požar 2003 Sela na Krasu 960 uničen gozd
Požar 2004 Šumka–Železna vrata–Trstelj 700 uničen gozd Vetrolom,
neurje
2008 Trnovski gozd, območje med Kamnikom in Gornjim Gradom, GGO Celje in Brežice
20.000 500.00
Snegolom 2012 Vzhodna Slovenija 152.000 355.000
Vetrolom 2013 Alpska, predalpska regija, del dinarske in preddinarske Vir: Zavod za gozdove Slovenije 2014b.
Podatki Zavoda za gozdove o tem, koliko je v Sloveniji samo v naravnih nesrečah poškodovane lesne biomase, so zelo uporabni. Po zadnji oceni Zavoda za gozdove je zadnja nesreča poškodovala 7.033.000 m3 lesne biomase, ki je predvidena za posek. Po dosedanjih izkušnjah se pri listavcih uporabi 80 % biomase za ogrevanje. Pri tem je upoštevan tudi odpadek oziroma lesna biomasa, ki nastane pri predelavi. Pri iglavcih pa je izkoristek 80%, ostalo je odpadek. Glede na zgornji podatek se bo za kurjavo oziroma lesne sekance uporabilo
50 % poškodovane količine (3.500.000 m3). Z ozirom na te podatke lahko naredimo izračun, koliko povprečnih daljinskih sistemov bi lahko obratovalo. Na spletni strani Biomase smo izračunali, da bi dobili 10.500.000 nm3 lesnih sekancev. Ocena porabe lesnih sekancev za povprečni daljinski sistem znaša 2.622 nm3. Tako bi se po zadnji naravni nesreči na lesno biomaso lahko ogrevalo 4.004 povprečnih daljinskih sistemov, ki so obravnavani v nalogi. Ta ocena je podana za primer, da bi bila vsa biomasa namenjena za ogrevanje.
Prav tako bodo za uspešen boj proti podnebnim spremembam in zaščito svetovne evropske dobave energije ključnega pomena nove in učinkovitejše energetske tehnologije. Ukrepi na področju energetske učinkovitosti, standardov, podpornih mehanizmov in določitve cen za izpuste CO2 praviloma spodbujajo tehnološke inovacije (Malgaj 2009, 8).
5.3 Možnosti za nadaljnje raziskovanje
Glede na kapacitete lesne biomase, ki jih imamo v Sloveniji, je potrebna raziskava vseh občin. Analizo smo opravili na podlagi pregleda lokalnih energetskih projektov vseh občin v Sloveniji. Občine, ki niso imele omenjenega dokumenta, smo po elektronski pošti pozvali, da nam podajo odgovore za predvidene daljinske sisteme. Ker še vedno nismo dobili vseh podatkov, smo opravili telefonske razgovore z odgovornimi osebami za projekte, v večini
Glede na kapacitete lesne biomase, ki jih imamo v Sloveniji, je potrebna raziskava vseh občin. Analizo smo opravili na podlagi pregleda lokalnih energetskih projektov vseh občin v Sloveniji. Občine, ki niso imele omenjenega dokumenta, smo po elektronski pošti pozvali, da nam podajo odgovore za predvidene daljinske sisteme. Ker še vedno nismo dobili vseh podatkov, smo opravili telefonske razgovore z odgovornimi osebami za projekte, v večini