not logged in | [Login]
В рамките на проекта Hotmaps са събрани данни на различни нива (национално, регионално и местно ниво). Тези данни са генерирани за четири различни сектора: жилищни (еднофамилни къщи, многофамилни къщи и жилищни блокове), услуги (офиси, търговия, образование, здравеопазване, хотели и ресторанти и други нежилищни сгради), промишленост (желязо и стомана, цветни метали, хартия и печат, неметални полезни изкопаеми, химическа промишленост, храни, напитки и тютюн, машиностроене и други, които не са класифицирани) и транспорт (пътнически транспорт - публичен, частен, железопътен и товарен транспорт - тежки стоки и леки търговски превозни средства).
Всички гореспоменати набори от данни се съхраняват в хранилища за данни на Hotmaps на GitLab и могат да бъдат достъпни и изтеглени от там. Хранилищата на данни Hotmaps са обширни и се състоят от над 70 хранилища. За да осигурим по-добър преглед на всички хранилища на Hotmaps, тук ги групирахме в различни класове и предоставихме директна връзка към тях. За подробни обяснения относно събирането на данни, методологиите, препратките, предположенията и ограниченията на наборите от данни на Hotmaps вижте този доклад [1].
Дял от брутната площ на етажите в строителните периоди:
Създайте свой собствен профил:
Общите файлове трябва да позволят на потребителя да създава собствени профили на натоварване, използвайки собствени данни и структурна година по свой избор. За профилите на промишленото натоварване предоставихме целогодишен профил за 2018 г. (в който типовите дни са определени в реда на тази година). За висши и жилищни профили на натоварване предоставихме годишен профил за 2010 г. Въпреки това, ние искаме да дадем на потребителя възможност да използва структурна година по негов избор (годината на структурата в този контекст означава реда на дните в курс на годината).
Представените тук профили са без единици, тъй като те трябва да бъдат мащабирани по време на генерирането на целогодишни профили.
Моля, обърнете се към отделните профили в този уики или към съответните хранилища на набори от данни за повече информация относно генерирането на профили от общите профили.
За отопление, охлаждане и топла вода предоставихме годишен профил за 2010 г. Ако обаче потребителите имат достъп до часови температурни профили, специфични за местоположението, или до температурни профили за години, различни от 2010 г., ние искаме да дадем на потребителя възможност да използвайте тези данни, за да генерирате профили на натоварване с различна структурна година или по-висока точност. Следователно общите профили трябва да позволят на потребителя да произвежда собствени профили на натоварване, използвайки негови собствени данни и структурна година по негов избор.
За снабдяването с топла вода предполагаме, че търсенето и съответно профилът на натоварване зависи от сезонните, седмични и ежедневни влияния.
Колоните „тип ден“ се отнасят за типа ден в седмицата:
За интегриране на сезонно влияние в профила на търсенето се използва графата „сезон“.
Годишни профили за топла вода могат да бъдат генерирани от общите профили, предоставени тук, следвайки следните стъпки:
За отопление и охлаждане приемаме, че търсенето не зависи от вида на деня, а само от часа на деня и външната температура в съответния час (поради тази причина колоните „тип ден“ и „сезон“ са не е от значение за профилите за отопление и охлаждане).
Годишни профили могат да бъдат генерирани от общите профили, предоставени в това хранилище, следвайки следните стъпки:
Профилът на третичния сектор се състои от търсене от множество подсектори. Конфигурацията е различна за всяка държава. За съответните подсекторни дялове за държава се позоваваме на доклада WP2 за горещи карти, раздел 2.7.3 (https://www.hotmaps-project.eu/wp-content/uploads/2018/03/D2.3-Hotmaps_for-upload_revis -final_.pdf).
За търсенето на топла вода приемаме, че търсенето не зависи от външната температура, но зависи от вида на деня в седмицата и часа на деня. Колоната „тип ден“ се отнася до вида на деня от седмицата:
Годишни профили могат да бъдат генерирани от общите профили, предоставени тук, следвайки следните стъпки:
За отопление и охлаждане във висшия сектор осигурихме годишен профил за 2010 г. Въпреки това искаме да дадем на потребителя възможност да използва година по негов избор. Освен това, ако потребителите имат достъп до специфични за местоположението часови профили за температура, ние искаме да дадем на потребителя възможност да използва тези данни, за да генерира профили на натоварване с по-висока точност. Следователно общите профили трябва да позволят на потребителя да произвежда собствени профили на натоварване, използвайки негови собствени данни и структурна година по негов избор.
Предполагаме, че търсенето на отопление и охлаждане във висшия сектор зависи от вида на деня, часа на самия ден и външната температура в съответния час.
Представените тук профили са без единици, тъй като те трябва да бъдат мащабирани по време на генерирането на целогодишни профили. За общите профили за отопление и охлаждане те се определят от разликите между часовете и температурните нива. Освен това, тъй като третичният сектор се движи от седмичен ритъм, профилите за отопление и охлаждане във третичния сектор също зависят от типа ден. Колоната „тип ден“ се отнася до вида на деня от седмицата:
Годишни профили могат да бъдат генерирани от общите профили за третично отопление и охлаждане, предоставени в това хранилище, следвайки следните стъпки:
За профилите на промишленото натоварване предоставихме целогодишен профил за 2018 г. (в който видът на дните е зададен по реда на тази година). Искаме обаче да дадем на потребителя възможност да използва структурна година по свой избор. Структурна година в този контекст означава реда на дните в течение на годината. Колоните „тип ден“ се отнасят за типа ден в седмицата:
Графата „месец“ се отнася до месеца от годината. 1 = януари, 2 = февруари и т.н. Целогодишните профили могат да бъдат генерирани от общите профили, предоставени тук, следвайки следните стъпки:
Предоставените тук специфични за годината (годишни) профили се генерират на базата на синтетични почасови профили за типичните дни. В този контекст подчертаваме, че профилите не се измерват, а се моделират, като се вземат предвид различни фактори в зависимост от типа на профила:
Използвайки структурата на дните в годината, профилите се сглобяват до целогодишен профил на търсене.
Всички предоставени тук профили са без мерни единици и се нормализират на 1 000 000. За да се получи профил, той трябва да се мащабира според годишното търсене на съответния регион (т.е. така, че интегралните профили да са равни на годишното търсене за регион).
За подробни обяснения и графична илюстрация на набора от данни, моля, вижте отчета Hotmaps WP2 (раздел 2.7).
[1] Саймън Пецуто, Стефано Замботи, Силвия Кроче, Пиетро Замбели, Джулия Гареняни, Киара Скарамуцино, Рамон Паскуал Паскуас, Альона Зубарьева, Франциска Хаас, Дагмар Екнер (EURAC), Андреас Мюлер (e ‑ think), Майкъл Хартнер (TW) , Tobias Fleiter, Anna ‐ Lena Klingler, Matthias Kühnbach, Pia Manz, Simon Marwitz, Matthias Rehfeldt, Jan Steinbach, Eftim Popovski (Fraunhofer ISI) Рецензиран от Lukas Kranzl, Sara Fritz (TUW); Онлайн достъп
Mostafa Fallahnejad, в Hotmaps-Wiki, Hotmaps-data-repository-structure (май 2019 г.)
Тази страница е написана от Мостафа Фалахнежад ( EEG - TU Wien ).
☑ Тази страница е прегледана от Marcus Hummel ( e-think )
Copyright © 2016-2019: Mostafa Fallahnejad
Creative Commons Attribution 4.0 International License
Това произведение е лицензирано под Creative Commons CC BY 4.0 International License.
Идентификатор на SPDX-лиценз: CC-BY-4.0
Лиценз-текст: https://spdx.org/licenses/CC-BY-4.0.html
Бихме искали да изразим най-дълбоката си благодарност към проекта „Хоризонти 2020“ на „Хоризонт 2020 “ (Споразумение за безвъзмездна помощ № 723677), който осигури финансирането за извършване на настоящото разследване.
This page was automatically translated. View in another language:
English (original) Czech* Danish* German* Greek* Spanish* Estonian* Finnish* French* Irish* Croatian* Hungarian* Italian* Lithuanian* Latvian* Maltese* Dutch* Polish* Portuguese (Portugal, Brazil)* Romanian* Slovak* Slovenian* Swedish*
* machine translated