Inhaltsverzeichnis

In einem Blick

Dieses Modul soll die Wärmequelle hervorheben, die klassifiziert werden kann als: geeignet, bedingt geeignet und nicht geeignet für eine Energienutzung auf städtischer Ebene.

To Top

Einführung

In städtischen oder regionalen Gebieten gibt es möglicherweise mehrere Ressourcen, die zur Bereitstellung von Wärmeenergie (zum Heizen und / oder Kühlen) verwendet werden können. Dieses Modul zielt darauf ab, die verschiedenen Wärmequellen anhand ihrer Eignung zu klassifizieren. Das Modul klassifiziert die Systeme in drei Hauptkategorien: Geeignet, Bedingt geeignet, Nicht geeignet. Das Modul gibt eine Vektorkarte mit den klassifizierten Punkten zurück und gibt die für jede Klasse klassifizierte Leistung zurück. Dieses Modul generiert ein Shapefile, das das Wärmequellenpotential basierend auf dem Abstand der Wärmequelle vom Bedarf und basierend auf der Kapazität der Wärmequelle klassifiziert. Jede Wärmequelle wird in drei Hauptklassen eingeteilt:

  • geeignet
  • bedingt geeignet
  • ungeeignet.

Das Modul automatisiert die Methodik wie folgt:

Neugebauer, Georg, Florian Kretschmer, René Kollmann, Michael Narodoslawsky, Thomas Ertl und Gernot Stoeglehner. „Kartierung der Potenziale von Wärmeenergieressourcen aus Kläranlagen“. Nachhaltigkeit 7, nein. 10 (September 2015): 12988–13010. https://doi.org/10.3390/su71012988 .

To Top

Eingänge und Ausgänge

Die Eingabeparameter und Ebenen sowie die Ausgabeebenen und -parameter sind wie folgt.

Eingabeebenen und Parameter sind:

  • Die Wärmequellenkapazität ist eine Vektorkarte mit dem Wasserfluss, der nachhaltig extrahiert / verwendet werden kann, ausgedrückt in Populationsäquivalenten (PE). Die obligatorischen Spalten sind: gid , capacity .

  • Wärmequellenleistung ist eine Vektorkarte mit der Leistung, die verwendet werden kann. Die obligatorischen Spalten sind: gid , capacity , wobei gid mit den in der Kapazitätsschicht verwendeten Werten gid muss.

  • Der Benutzer kann die maximale Entfernung festlegen, um die Wärmequelle in den städtischen Gebieten zu berücksichtigen (Standardwert: 150 m): within_dist .

  • Der Benutzer kann die maximale Entfernung festlegen, um die Wärmequelle in der Nähe der städtischen Gebiete zu berücksichtigen. Alle Gebiete oberhalb dieses Schwellenwerts werden als weit entfernt von den städtischen Gebieten klassifiziert - (Standardwert: 1000 m): near_dist

Ausgabeebenen und Parameter sind:

  • Vektorkarte mit der Wärmequellenkarte, klassifiziert nach der Eignung.
  • Gruppieren Sie die verfügbare Leistung anhand der Eignungsklassifizierung.

To Top

Methode

Wir folgen der Methodik, die definiert ist durch:

Neugebauer, Georg, Florian Kretschmer, René Kollmann, Michael Narodoslawsky, Thomas Ertl und Gernot Stoeglehner. „Kartierung der Potenziale von Wärmeenergieressourcen aus Kläranlagen“. Nachhaltigkeit 7, nein. 10 (September 2015): 12988–13010. https://doi.org/10.3390/su71012988

Als Standarddatensätze haben wir die WWTP-Kapazitäts- und Leistungsdatensätze verwendet .

Die städtischen Gebiete werden aus dem Corine Land Cover-Datensatz definiert, in dem wir die folgenden Kategorien als städtisch betrachten:

  • Kontinuierliches Stadtgefüge (Klasse 1.1.1.)
  • Diskontinuierliches Stadtgefüge (Klasse 1.1.2.)
  • Industrie- oder Gewerbeeinheiten (Klasse 1.2.1.)

Um die städtischen Gebiete zu definieren, beginnt das Modul mit dem Datensatz Corine Land Cover (CLC) und wählt die folgenden Kategorien aus:

  • Continuous_urban_fabric
  • Discontinuous_urban_fabric
  • Industrial_or_commercial_units

Um das Potenzial zu bewerten und zu klassifizieren, wird das Modul:

  • Berechnen Sie den Puffer um die Wärmequellen unter Berücksichtigung der vom Benutzer ausgewählten Entfernungen, um die Wärmequelle innerhalb der städtischen Gebiete oder in der Nähe der städtischen Gebiete zu berücksichtigen.
  • Extrahieren Sie die Anzahl der Pixel, die in jedem Puffer für jede Wärmequelle enthalten sind
  • Klassifizieren Sie die Wärmequelle anhand der folgenden Matrix, wenn sich in einem bestimmten Abstand mindestens 25 ha städtische Gebiete befinden.

| | Innerhalb ( dist < within_dist ) | Near ( dist < near_dist ) | Far ( dist > near_dist ) | |: --------------------------------- |: ------------- ----------------- |: -------------------------- |: --- ---------------------- | | Klein (2000 - 5000 PE) | Bedingt | Bedingt | Nicht geeignet | Mittelklein (5001 - 50000 PE) | Geeignet | Bedingt | Bedingt | | Mittelhoch (50001 - 150000 PE) | Geeignet | Geeignet | Bedingt | | Hoch (> 150000 PE) | Geeignet | Geeignet | Geeignet |

To Top

GitHub-Repository dieses Berechnungsmoduls

Hier erhalten Sie die neueste Entwicklung für dieses Berechnungsmodul.

To Top

Probelauf

Fig. 1-0

To Top

Wie zu zitieren

Pietro Zambelli, im Hotmaps-Wiki, CM-Heatsource-Potenzial (September 2020)

To Top

Autoren und Rezensenten

Diese Seite wurde von Pietro Zambelli EURAC geschrieben .

☑ Diese Seite wurde von Simon Pezzutto EURAC überprüft.

To Top

Lizenz

Copyright © 2016-2020: Pietro Zambelli

Creative Commons Namensnennung 4.0 Internationale Lizenz

Diese Arbeit unterliegt den Bestimmungen einer Creative Commons CC BY 4.0 International License.

SPDX-Lizenz-ID: CC-BY-4.0

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

To Top

Wissen

Wir möchten dem Horizon 2020 Hotmaps-Projekt (Finanzhilfevereinbarung Nr. 723677), das die Mittel für die Durchführung der vorliegenden Untersuchung bereitstellte, unsere tiefste Anerkennung aussprechen.

To Top

This page was automatically translated. View in another language:

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

* machine translated