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.
Dans le cadre du projet Hotmaps, des données ont été collectées à différents niveaux (national, régional et local). Ces données ont été générées pour quatre secteurs différents: résidentiel (maisons unifamiliales, maisons multifamiliales et immeubles à appartements), services (bureaux, commerce, éducation, santé, hôtels et restaurants et autres bâtiments non résidentiels), industrie (fer et l'acier, les métaux non ferreux, le papier et l'imprimerie, les minéraux non métalliques, l'industrie chimique, les aliments, les boissons et le tabac, l'ingénierie et autres non classés) et les transports (transport de passagers - transports publics, privés, ferroviaires et de marchandises - marchandises lourdes et véhicules utilitaires légers).
Tous les ensembles de données mentionnés ci-dessus sont stockés dans des référentiels de données Hotmaps sur GitLab et peuvent être consultés et téléchargés à partir de là. Les référentiels de données Hotmaps sont vastes et composés de plus de 70 référentiels. Afin de fournir une meilleure vue d'ensemble de tous les référentiels Hotmaps, ici, nous les avons regroupés en différentes classes et leur avons fourni le lien direct. Pour des explications détaillées sur la collecte de données, les méthodologies, les références, les hypothèses et les limites des ensembles de données Hotmaps, se reporter à ce rapport [1].
Part de la surface de plancher brute pendant les périodes de construction:
Créez votre propre profil:
Les fichiers génériques sont censés permettre à l'utilisateur de produire ses propres profils de charge en utilisant ses propres données et une année de structure de son choix. Pour les profils de charge industrielle, nous avons fourni un profil d'une année pour l'année 2018 (dans lequel les jours types sont définis dans l'ordre de cette année). Pour les profils de charge tertiaires et résidentiels, nous avons fourni un profil d'une année pour l'année 2010. Cependant, nous voulons donner à l'utilisateur la possibilité d'utiliser une année de structure de son choix (l'année de structure dans ce contexte signifie l'ordre des jours dans le cours de l’année).
Les profils fournis ici sont sans unité car ils doivent être mis à l'échelle lors de la génération de profils d'une année.
Veuillez vous référer aux profils individuels de ce wiki ou aux référentiels de jeux de données respectifs pour plus d'informations sur la génération de profils à partir des profils génériques.
Pour le chauffage, le refroidissement et l'eau chaude, nous avons fourni un profil annuel pour l'année 2010. Cependant, si les utilisateurs ont accès à des profils de température horaires spécifiques à l'emplacement ou à des profils de température pour des années autres que 2010, nous voulons donner à l'utilisateur la possibilité utiliser ces données pour générer des profils de charge avec une année de structure différente ou une précision supérieure. Par conséquent, les profils génériques sont censés permettre à l'utilisateur de produire ses propres profils de charge en utilisant ses propres données et une année de structure de son choix.
Pour la fourniture d'eau chaude , nous supposons que la demande et donc le profil de charge correspondant dépend des influences saisonnières, hebdomadaires et quotidiennes.
Les colonnes «type de jour» font référence au type de jour de la semaine:
Pour intégrer une influence saisonnière dans le profil de la demande, la colonne «saison» est utilisée.
Des profils annuels pour l'eau chaude peuvent être générés à partir des profils génériques fournis ici en suivant les étapes suivantes:
Pour le chauffage et le refroidissement , nous supposons que la demande ne dépend pas du type de jour mais uniquement de l'heure de la journée elle-même et de la température extérieure dans l'heure correspondante (pour cette raison, les colonnes «type jour» et «saison» sont non pertinent pour les profils de chauffage et de refroidissement).
Les profils d'une année peuvent être générés à partir des profils génériques fournis dans ce référentiel en suivant les étapes suivantes:
Le profil du secteur tertiaire comprend la demande de plusieurs sous-secteurs. La configuration est différente pour chaque pays. Pour les parts sous-sectorielles respectives par pays, nous renvoyons au rapport hotmaps WP2, section 2.7.3 (https://www.hotmaps-project.eu/wp-content/uploads/2018/03/D2.3-Hotmaps_for-upload_revised -final_.pdf).
Pour la demande en eau chaude, nous supposons que la demande est indépendante de la température extérieure, mais dépend du type de jour dans une semaine et de l'heure de la journée. La colonne «type de jour» fait référence au type de jour de la semaine:
Les profils d'une année peuvent être générés à partir des profils génériques fournis ici en suivant les étapes suivantes:
Pour le chauffage et la climatisation dans le secteur tertiaire , nous avons fourni un profil d'une année pour l'année 2010. Cependant, nous voulons donner à l'utilisateur la possibilité d'utiliser une année de son choix. De plus, si les utilisateurs ont accès à des profils de température horaires spécifiques à l'emplacement, nous voulons donner à l'utilisateur la possibilité d'utiliser ces données afin de générer des profils de charge avec une plus grande précision. Par conséquent, les profils génériques sont censés permettre à l'utilisateur de produire ses propres profils de charge en utilisant ses propres données et une année de structure de son choix.
Nous supposons que la demande de chauffage et de refroidissement dans le secteur tertiaire dépend du type de jour, de l'heure de la journée elle-même et de la température extérieure à l'heure correspondante.
Les profils fournis ici sont sans unité car ils doivent être mis à l'échelle lors de la génération de profils d'une année. Pour les profils génériques de chauffage et de refroidissement, ils sont déterminés par les différences entre les heures et les niveaux de température. De plus, le secteur tertiaire étant animé par un rythme hebdomadaire, les profils de chauffage et de refroidissement dans le secteur tertiaire dépendent également du type de jour. La colonne «type de jour» fait référence au type de jour de la semaine:
Des profils d'une année peuvent être générés à partir des profils génériques pour le chauffage et le refroidissement tertiaires fournis dans ce référentiel en suivant les étapes suivantes:
Pour les profils de charge industrielle , nous avons fourni un profil d'une année pour l'année 2018 (dans lequel le type de jours est défini dans l'ordre de cette année). Cependant, nous voulons donner à l'utilisateur la possibilité d'utiliser une année de structure de son choix. L'année de structure dans ce contexte signifie l'ordre des jours au cours de l'année. Les colonnes «type de jour» font référence au type de jour de la semaine:
La colonne «mois» fait référence au mois de l'année. 1 = janvier, 2 = février etc. Des profils d'une année peuvent être générés à partir des profils génériques fournis ici en suivant les étapes suivantes:
Les profils annuels (à l'année) fournis ici sont générés sur la base de profils horaires synthétiques pour des jours typiques. Dans ce contexte, nous soulignons que les profils ne sont pas mesurés mais modélisés en tenant compte de différents facteurs en fonction du type de profil:
En utilisant la structure des jours d'une année, les profils sont assemblés selon un profil de demande d'une année.
Tous les profils fournis ici sont sans unité et normalisés à 1 000 000. Afin d'obtenir un profil, il doit être mis à l'échelle en fonction de la demande annuelle de la région respective (c'est-à-dire de sorte que l'intégrale des profils soit égale à la demande annuelle par région).
Pour des explications détaillées et une illustration graphique de l'ensemble de données, veuillez consulter le rapport Hotmaps WP2 (section 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 (TUW) , Tobias Fleiter, Anna ‐ Lena Klingler, Matthias Kühnbach, Pia Manz, Simon Marwitz, Matthias Rehfeldt, Jan Steinbach, Eftim Popovski (Fraunhofer ISI) Revu par Lukas Kranzl, Sara Fritz (TUW); Accès en ligne
Mostafa Fallahnejad, dans Hotmaps-Wiki, Hotmaps-data-repository-structure (mai 2019)
Cette page a été écrite par Mostafa Fallahnejad ( EEG - TU Wien ).
☑ Cette page a été révisée par Marcus Hummel ( e-think )
Droits d'auteur © 2016-2019: Mostafa Fallahnejad
Licence internationale Creative Commons Attribution 4.0
Ce travail est concédé sous une licence internationale Creative Commons CC BY 4.0.
Identificateur de licence SPDX: CC-BY-4.0
Texte de la licence: https://spdx.org/licenses/CC-BY-4.0.html
Nous tenons à exprimer notre profonde gratitude au projet Horizon 2020 Hotmaps (accord de subvention n ° 723677), qui a fourni le financement pour mener à bien la présente enquête.
This page was automatically translated. View in another language:
English (original) Bulgarian* Czech* Danish* German* Greek* Spanish* Estonian* Finnish* 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