Disclaimer: The explanation provided on this website (Hotmaps Wiki) are indicative and for research purposes only. No responsibility is taken for the accuracy of the provided information, explanations and figures or for using them for unintended purposes.
Data privacy: By clicking OK below, you accept that this website may use cookies.
Im Rahmen des Hotmaps-Projekts wurden Daten auf verschiedenen Ebenen (auf nationaler, regionaler und lokaler Ebene) gesammelt. Diese Daten wurden für vier verschiedene Sektoren generiert: Wohnen (Einfamilienhäuser, Mehrfamilienhäuser und Wohnblöcke), Service (Büros, Handel, Bildung, Gesundheit, Hotels und Restaurants sowie andere Nichtwohngebäude), Industrie (Eisen) und Stahl, Nichteisenmetalle, Papier und Druck, nichtmetallische Mineralien, chemische Industrie, Lebensmittel, Getränke und Tabak, Maschinenbau und andere nicht klassifizierte) und Transport (Personenverkehr - öffentlicher, privater, Schienen- und Güterverkehr - schwere Güter und leichte Nutzfahrzeuge).
Alle oben genannten Datensätze werden in Hotmaps-Datenrepositorys auf GitLab gespeichert und können von dort aus abgerufen und heruntergeladen werden. Die Hotmaps-Datenrepositorys sind umfangreich und bestehen aus mehr als 70 Repositorys. Um einen besseren Überblick über alle Hotmaps-Repositorys zu erhalten, haben wir sie hier in verschiedene Klassen gruppiert und den direkten Link zu ihnen bereitgestellt. Ausführliche Erläuterungen zur Datenerfassung, zu Methoden, Referenzen, Annahmen und Einschränkungen von Hotmaps-Datensätzen finden Sie in diesem Bericht [1].
Anteil der Bruttogeschossfläche in Bauzeiten:
Erstellen Sie Ihr eigenes Profil:
Generische Dateien sollen es dem Benutzer ermöglichen, eigene Lastprofile unter Verwendung seiner eigenen Daten und eines Strukturjahres seiner Wahl zu erstellen. Für die Industrielastprofile haben wir ein Jahresprofil für das Jahr 2018 bereitgestellt (in dem die Typtage in der Reihenfolge dieses Jahres festgelegt sind). Für Lastprofile im Tertiär- und Wohnbereich haben wir ein Jahresprofil für das Jahr 2010 bereitgestellt. Wir möchten dem Benutzer jedoch die Möglichkeit geben, ein Strukturjahr seiner Wahl zu verwenden (Strukturjahr bedeutet in diesem Zusammenhang die Reihenfolge der Tage in der Jahresverlauf).
Die hier bereitgestellten Profile sind einheitlos, da sie während der Erstellung von ganzjährigen Profilen skaliert werden müssen.
Weitere Informationen zum Generieren von Profilen aus den generischen Profilen finden Sie in den einzelnen Profilen in diesem Wiki oder in den entsprechenden Dataset-Repositorys.
Für Heizen, Kühlen und Warmwasser haben wir ein ganzjähriges Profil für das Jahr 2010 bereitgestellt. Wenn Benutzer jedoch für andere Jahre als 2010 Zugriff auf standortspezifische stündliche Temperaturprofile oder auf Temperaturprofile haben, möchten wir dem Benutzer die Möglichkeit dazu geben Verwenden Sie diese Daten, um Lastprofile mit einem anderen Strukturjahr oder einer höheren Genauigkeit zu erstellen. Daher sollen die generischen Profile es dem Benutzer ermöglichen, eigene Lastprofile unter Verwendung seiner eigenen Daten und eines Strukturjahres seiner Wahl zu erstellen.
Für die Warmwasserversorgung gehen wir davon aus, dass der Bedarf und damit das entsprechende Lastprofil von saisonalen, wöchentlichen und täglichen Einflüssen abhängt.
Die Spalten "Tagestyp" beziehen sich auf den Tagestyp in der Woche:
Um einen saisonalen Einfluss in das Nachfrageprofil zu integrieren, wird die Spalte „Saison“ verwendet.
Aus den hier bereitgestellten generischen Profilen können ganzjährige Profile für heißes Wasser gemäß den folgenden Schritten erstellt werden:
Beim Heizen und Kühlen gehen wir davon aus, dass der Bedarf nicht von der Art des Tages abhängt, sondern nur von der Stunde des Tages selbst und der Außentemperatur in der jeweiligen Stunde (aus diesem Grund sind die Spalten „Typ Tag“ und „Jahreszeit“ nicht relevant für Heiz- und Kühlprofile).
Aus den in diesem Repository bereitgestellten generischen Profilen können ganzjährige Profile mithilfe der folgenden Schritte generiert werden:
Das Profil des tertiären Sektors besteht aus der Nachfrage mehrerer Teilsektoren. Die Konfiguration ist für jedes Land unterschiedlich. Für die jeweiligen Teilsektoranteile pro Land verweisen wir auf den Hotmaps WP2-Bericht, Abschnitt 2.7.3 (https://www.hotmaps-project.eu/wp-content/uploads/2018/03/D2.3-Hotmaps_for-upload_revised) -final_.pdf).
Für den Warmwasserbedarf gehen wir davon aus, dass der Bedarf unabhängig von der Außentemperatur ist, jedoch von der Art des Tages in einer Woche und der Tageszeit abhängt. Die Spalte „Tagestyp“ bezieht sich auf den Tagestyp in der Woche:
Aus den hier bereitgestellten generischen Profilen können ganzjährige Profile mithilfe der folgenden Schritte generiert werden:
Für das Heizen und Kühlen im tertiären Bereich haben wir ein ganzjähriges Profil für das Jahr 2010 erstellt. Wir möchten dem Benutzer jedoch die Möglichkeit geben, ein Jahr seiner Wahl zu verwenden. Wenn Benutzer Zugriff auf standortspezifische stündliche Temperaturprofile haben, möchten wir dem Benutzer außerdem die Möglichkeit geben, diese Daten zu verwenden, um Lastprofile mit höherer Genauigkeit zu erstellen. Daher sollen die generischen Profile es dem Benutzer ermöglichen, eigene Lastprofile unter Verwendung seiner eigenen Daten und eines Strukturjahres seiner Wahl zu erstellen.
Wir gehen davon aus, dass der Bedarf an Heizung und Kühlung im Tertiärbereich von der Art des Tages, der Tageszeit selbst und der Außentemperatur in der jeweiligen Stunde abhängt.
Die hier bereitgestellten Profile sind einheitlos, da sie während der Erstellung von ganzjährigen Profilen skaliert werden müssen. Bei den generischen Profilen zum Heizen und Kühlen werden sie von den Unterschieden zwischen Stunden und Temperaturniveaus bestimmt. Da der tertiäre Sektor von einem wöchentlichen Rhythmus angetrieben wird, hängen die Profile für Heizen und Kühlen im tertiären Sektor auch vom Tagestyp ab. Die Spalte „Tagestyp“ bezieht sich auf den Tagestyp in der Woche:
Aus den generischen Profilen für tertiäres Heizen und Kühlen, die in diesem Repository bereitgestellt werden, können ganzjährige Profile gemäß den folgenden Schritten erstellt werden:
Für die industriellen Lastprofile haben wir ein Jahresprofil für das Jahr 2018 bereitgestellt (in dem die Art der Tage in der Reihenfolge dieses Jahres festgelegt ist). Wir möchten dem Benutzer jedoch die Möglichkeit geben, ein Strukturjahr seiner Wahl zu verwenden. Strukturjahr bedeutet in diesem Zusammenhang die Reihenfolge der Tage im Laufe des Jahres. Die Spalten "Tagestyp" beziehen sich auf den Tagestyp in der Woche:
Die Spalte „Monat“ bezieht sich auf den Monat des Jahres. 1 = Januar, 2 = Februar usw. Aus den hier bereitgestellten generischen Profilen können ganzjährige Profile wie folgt erstellt werden:
Die hier angegebenen jahresspezifischen (ganzjährigen) Profile werden auf der Grundlage synthetischer Stundenprofile für typische Tage erstellt. In diesem Zusammenhang betonen wir, dass Profile nicht gemessen, sondern modelliert werden, wobei je nach Profiltyp unterschiedliche Faktoren berücksichtigt werden:
Unter Verwendung der Struktur der Tage in einem Jahr werden die Profile zu einem ganzjährigen Nachfrageprofil zusammengestellt.
Alle hier bereitgestellten Profile sind einheitlos und auf 1 000 000 normiert. Um ein Profil zu erhalten, muss es entsprechend dem Jahresbedarf der jeweiligen Region skaliert werden (dh das Profilintegral entspricht dem Jahresbedarf pro Region).
Ausführliche Erläuterungen und eine grafische Darstellung des Datensatzes finden Sie im Hotmaps WP2-Bericht (Abschnitt 2.7).
[1] Simon Pezzutto, Stefano Zambotti, Silvia Croce, Pietro Zambelli, Giulia Garegnani, Chiara Scaramuzzino, Ramón Pascual Pascuas, Alyona Zubaryeva, Franziska Haas, Dagmar Exner (EURAC), Andreas Müller (e-think), Michael Hartner (TU) Tobias Fleiter, Anna-Lena Klingler, Matthias Kühnbach, Pia Manz, Simon Marwitz, Matthias Rehfeldt, Jan Steinbach, Eftim Popovski (Fraunhofer ISI) Bewertet von Lukas Kranzl, Sara Fritz (TUW); Online-Zugang
Mostafa Fallahnejad, im Hotmaps-Wiki, Hotmaps-Daten-Repository-Struktur (Mai 2019)
Diese Seite wurde von Mostafa Fallahnejad ( EEG - TU Wien ) verfasst.
☑ Diese Seite wurde von Marcus Hummel ( e-think ) überprüft
Copyright © 2016-2019: Mostafa Fallahnejad
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
Wir möchten dem Horizon 2020 Hotmaps-Projekt (Finanzhilfevereinbarung Nr. 723677), das die Mittel für die Durchführung der vorliegenden Untersuchung bereitstellte , unsere tiefste Anerkennung aussprechen .
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
Last edited by web, 2020-09-30 11:29:36