Wiki Introduktion

Datasæt

Generelle værktøjsfunktioner og struktur

Beregningsmoduler (CM)

Sådan anvendes Hotmaps værktøjskasse

For udviklere

Hotmaps-logo

Scenario Toolchain Steps Next step

Indholdsfortegnelse

Introduktion

Dette er det første trin i analysen på nationalt plan.

To Top

Identifikation af forskellige repræsentative sager til fjernvarme

For at identificere forskellige, repræsentative, typiske tilfælde til yderligere analyse af omkostningerne og potentialerne for fjernvarme i landet / regionen af interesse Hotmaps leverer forskellige standarddatalag i Hotmaps-databasen samt forskellige beregningsmoduler (CM'er). Også egne data kan uploades og bruges. Denne identifikationsprocedure kan bestå af følgende trin:

  • Beregn scenarier for fremtidig varmebehov og opbygning af brutto gulvfladetæthedskort for hele landet / regionen af interesse
  • Identificer områder, der potentielt er interessante for fjernvarme baseret på brugerdefinerede tærskelværdier
  • Analyser / saml potentialer for overskydende varme og vedvarende energi i det identificerede land / region, der er potentielt interessant for fjernvarme
  • Gruppér / gruppér lignende regioner, og vælg repræsentative byer / områder til yderligere analyse

Følgende figur viser denne procedure grafisk og viser de forskellige datakilder og beregningsmoduler, der kan bruges.

* Figur: Identifikation af forskellige repræsentative, typiske tilfælde til fjernvarme (trin 1) *

I de følgende underkapitler er de forskellige trin i denne procedure beskrevet mere detaljeret.

To Top

Beregning af fremtidig varmebehov og bygning af brutto-arealdensitetskort

Det første trin i analysen er at generere fremtidige varmebehov og brutto-arealdensitetskort til din region / land af interesse. Du kan bruge data, der er udviklet i løbet af Hotmaps-projektet for alle EU-28-lande (Hotmaps-standarddata, tilgængelige i Hotmaps-databasen), eller du kan bruge andre kort for varmeforespørgselstæthed til din region / land af interesse.

  • Brug varmeefterspørgsel og brutto gulvfladetæthedskort, der er udviklet i løbet af Hotmaps-projektet - standarddata om varmeforbrugstæthed fra Hotmaps-databasen:
    • For alle 28 EU-medlemsstater (MS) er der udviklet kort til varmeefterspørgsel, der afspejler varmebehovet fra rumopvarmning og produktion af varmt vand i bygninger. De er tilgængelige som den samlede efterspørgsel i beboelses- og ikke-beboelsesejendomme, men også opdelt mellem beboelsesejendomme og ikke-beboelsesejendomme. Alle kort er alle tilgængelige på hektar niveau, dvs. med en opløsning på 100x100m. Varmefterspørgselstæthedskortene kan fås i lagafsnittet i Hotmaps-databasen, og mere information om, hvordan du vælger det land / område af din interesse, kan findes her.
    • Det er muligt at tilpasse kortene til varmebehovstæthed efter antagelser om den fremtidige udvikling af varmebehovet i bygningerne. To forskellige beregningsmoduler (CM'er) kan bruges:
      • CM - skala kort og varme tæthedskort kan bruges til at genberegne varmebehovet i hver hektar ved hjælp af den samme faktor for alle hektarelementer.
      • CM - Demand-projekteringen kan bruges til at generere fremtidig varmebehov og brutto-arealdensitetskort baseret på standardudviklingsscenarier for bygningsmassen i EU (link til yderligere information om standardscenarierne. Det er også muligt at tilpasse flere parametre sammenlignet til standardberegningerne som f.eks. en reduktion af energibehovet eller en reduktion af bruttoarealet.
  • Brug egne data om varmebehovstæthed i dit land / din analysegruppe :
    • Det er muligt at uploade kort over varmetæthed i et rasterfilformat (.tif) til Hotmaps-værktøjskassen, når du opretter en brugerkonto og logger ind på den private sektion. Uploadede lag med varmeefterspændingstæthed kan afspejle den aktuelle situation med varmeefterspændingstætheder i det land / region, der er af interesse, eller også et muligt fremtidigt scenario for varmefterspørgselstætheder, afhængigt af de inputdata, der bruges til at generere de respektive lag. Flere oplysninger om, hvordan du opretter en brugerkonto, og hvordan du uploader dine egne data, kan findes her.
    • Det er også muligt yderligere at tilpasse de egne varmetæthedskort med CM - Scale varme og koldtæthedskort eller via CM - Demand projektion som for standardlaget.

Det udviklede varmebehov og brutto gulvfladetæthedskort bruges yderligere i de efterfølgende trin i andre beregningsmoduler (CM'er).

To Top

Identifikation af regioner, der potentielt er interessante for fjernvarme

Efter at have udviklet mulige fremtidige scenarier for varmeefterspørgsel og brutto-arealdensitetskort for byen / interesseområdet, kan potentielle fjernvarmebyer / -områder identificeres. Dette kan gøres ved hjælp af CM - Fjernvarmepotentialeområder: brugerdefinerede tærskler i henhold til følgende trin:

  • CM er mulig at bruge på NUTS3 - NUTS0 niveau og også på hektar niveau (= eget valg af et område). For større områder kan beregning dog tage lang tid, eller modulet finder muligvis for mange mulige områder og kan muligvis ikke vise resultaterne. I et sådant tilfælde kan interesseområdet opdeles, f.eks. I de forskellige NUTS3- eller hektarområder, og for hver af disse kan CM startes.
  • CM identificerer potentielle fjernvarmeområder baseret på følgende to tærskelværdier: en varmebehovstærskel for varmebehovet i hver celle på varmebehovstæthedskortet og en varmebehovstærskel for grupper af forbundne celler med varmebehov over den tidligere tærskel ( = sammenhængende område). Disse to tærskelværdier skal defineres af brugeren.
  • Udover flere andre indikatorer genererer modulet en shapefile af potentielle fjernvarmeområder, der vises og gemmes i værktøjskassen i lagafsnittet. Især af interesse er følgende indikatorer: samlet varmebehov i det sammenhængende område, gennemsnitlig varmebehovstæthed i området.
  • Efter at have brugt CM til hele regionen / det interesserede land kan der genereres et overordnet kort over potentielle fjernvarmeområder ud af de enkelte kort.

To Top

Analyse af potentialer for overskudsvarme og vedvarende energi i de identificerede regioner med potentiel interesse for fjernvarme

I dette trin kan potentialet for overskydende varme og vedvarende energi i de regioner, der er identificeret som potentielt interessante for fjernvarme, analyseres. Disse data sammen med dataene om varmebehov og varmebehovstæthed i regionerne indsamlet i det forrige trin kan derefter bruges til at karakterisere repræsentative fjernvarmeområder til yderligere analysetrin. Følgende liste giver en oversigt over de varmekilder, der skal tages i betragtning, og links til standarddata for den respektive energikilde, som er tilgængelig i Hotmaps-databasen:

To Top

Identifikation af repræsentative, typiske fjernvarmeområder til yderligere analyse

De data, der er indsamlet i de to foregående trin, kan bruges til at definere forskellige typer repræsentative, typiske fjernvarmeområder (DH) i regionen / det interesserede land. Regioner / byer med lignende dimensioner og kombinationer af samlet varmebehov, gennemsnitlig varmebehovstæthed og potentialer for vedvarende energi og overskydende varme kan grupperes.

Mulige indikatorer for gruppering af typiske fjernvarmeområder:

  • samlet varmebehov i området [GWh / år]
  • gennemsnitlig varmebehovstæthed i området [MWh / (ha * år)]
  • Tilgængeligt potentiale ved vedvarende energikilder:
    • spildevandsrensningsanlæg magt
    • landbrugsrester
    • husdyrspildevand
    • skovrester
    • kommunalt fast affald
    • geotermisk potentiale varmeledningsevne
    • potentielle solvarmesamlere - tagterrasse
    • potentielle solvarmesamlere åbent - felt
  • overskydende varmepotentialer:
    • store industrianlæg
    • Andet

For hver af de udviklede grupper af typiske DH-områder kan en eller flere repræsentative byer / regioner vælges og analyseres yderligere. Disse kan tjene som repræsentative casestudier.

To Top

Hvordan man citerer

Marcus Hummel, Giulia Conforto, i Hotmaps-Wiki, Retningslinjer for brug af Hotmaps-værktøjskassen til analyser på nationalt niveau (August 2020)

To Top

Forfattere og korrekturlæsere

Denne side er skrevet af Marcus Hummel og Giulia Conforto e-think .

☑ Denne side blev gennemgået af Mostafa Fallahnejad EEG - TU Wien .

To Top

Licens

Ophavsret © 2016-2020: Marcus Hummel, Giulia Conforto

Creative Commons Attribution 4.0 International licens

Dette arbejde er licenseret under en Creative Commons CC BY 4.0 International licens.

SPDX-licensidentifikator: CC-BY-4.0

Licens-tekst: https://spdx.org/licenses/CC-BY-4.0.html

To Top

Anerkendelse

Vi vil gerne formidle vores dybeste påskønnelse til Horizon 2020 Hotmaps-projektet (tilskudsaftale nummer 723677), som gav finansieringen til at gennemføre den nuværende undersøgelse.

To Top

This page was automatically translated. View in another language:

English (original) Bulgarian* Czech* German* Greek* Spanish* Estonian* Finnish* French* Irish* Croatian* Hungarian* Italian* Lithuanian* Latvian* Maltese* Dutch* Polish* Portuguese (Portugal, Brazil)* Romanian* Slovak* Slovenian* Swedish*

* machine translated