not logged in | [Login]
Den här modulen genererar både en värmebehovstäthet och en brutto golvyta densitetskarta i form av rasterfiler. Ingången till modulen är olika utvecklingsscenarier för värmebehovet och bruttogolvytorna på nationell nivå och uppdelade på varje rasterelement samt användardefinierade parametrar för att beskriva den relativa avvikelsen till utvecklingen i scenarierna.
För analysen av de framtida potentialerna för tillförsel av värme och kyla från förnybara och överflödiga värmekällor är det viktigt att ta hänsyn till den potentiella utvecklingen i byggnadsbeståndet i den analyserade regionen. En del av byggnaderna renoveras för att minska energibehovet för rumsuppvärmning, en del av byggnaderna rivs och nya byggnader byggs. Detta leder till förändringar i värmebehovet hos byggnaderna i en region. Vidare påverkar utvecklingen av befolkningen och bruttonationalprodukten (BNP) i en region utvecklingen av efterfrågan på byggande av brutto golvyta och därmed efterfrågan på rymdvärme och varmvattenproduktion. Syftet med beräkningsmodulen (CM) - Demand Projection är att tillhandahålla scenarier för den framtida utvecklingen av bruttogolvytor och värmebehov i byggnader för ett utvalt område baserat på beräkningar för EU-28 på nationell nivå. Olika scenarier, som beräknas med hjälp av Invert / EE-Lab-modulen, är uppdelade på hektarnivå. De skiljer sig åt i termisk renoveringsgrad, med andra ord hur mycket av bruttoytan som renoveras proportionellt. CM ger också möjlighet att ändra tre grundläggande drivrutiner i scenarierna och generera anpassade resultat. Dessa tre grundläggande drivkrafter är a) minskning av bruttoytan för befintliga byggnader, b) minskning av de specifika energibehoven i byggnaderna, och c) den årliga befolkningstillväxten förutom standardtillväxt
Välj scenario:
Välj målår:
Skala upp eller ner minskningen av bruttoytan jämfört med referensscenariot:
Skala upp eller ner minskningen av specifika energibehov jämfört med referensscenariot:
Årlig befolkningstillväxt utöver standardtillväxt:
Det underliggande scenariot ger uppskattningar av befolkningstillväxt på NUTS3-nivå. Genom att jämföra befolkningstillväxten på NUTS0- och NUTS3-nivå med hjälp av historiska data kan proportionell befolkningstillväxt beräknas. Parametern "Årlig befolkningstillväxt utöver standardtillväxt" kan användas för att påverka dessa tillväxthastigheter. I vår modell är befolkningstillväxten direkt proportionell mot arealtillväxt, vilket i sin tur resulterar i en direkt ökning av det uppvärmda området.
Metod för att lägga till nybyggda byggnader på kartan:
Indikatorer:
Grafik:
Skikten:
Som skrivits tidigare baseras denna modul på beräkningar utförda med Invert / EE-Lab-modulen för alla EU-länder 28 (se www.invert.at för en beskrivning av metoden för Invert / EE-Lab-modulen). De beräknade scenarierna analyseras beträffande utvecklingen av följande typer av byggnader: bostads- och icke-bostadshus, 3 byggperioder och nybyggda byggnader. Därefter utvärderas befolkningstillväxten per NUTS3-region och den ursprungliga byggnadsbeståndet (i termer av uppvärmd bruttoytor & energibehov per byggperiod och byggnadstyp) per NUTS 3-region. Baserat på denna bedömning överförs resultaten av de beräknade scenarierna till respektive NUTS3-region. NUTS3-resultaten distribueras sedan till de olika hektarelementen enligt metoden utvecklad i Müller et al 2019 ( REFERENCE ).
Modulen ger fyra olika scenarier, som varierar i renoveringsgraden. Genom ett urval renoveras antingen 0,5%, 1%, 2% eller 3% av den totala bruttoytan årligen. Det bör noteras att det sparade värmebehovet inte är direkt proportionellt mot en ökning av renoveringsgraden eftersom olika effektiva renoveringar är tillåtna. Med en liten renoveringsgrad renoveras främst byggnader där gynnsamma åtgärder kan ge stora besparingar. Med en hög renoveringsgrad renoveras byggnader med högre termisk kvalitet i allt högre grad och deras sparade värmeenergi är lägre i jämförelse. Basscenariot bakom de olika scenarierna är referensscenariot som beskrivs i följande del.
"referens": Nuvarande effektivitetspolicy förblir på plats och genomförs effektivt. Vi antar att byggägare och yrkesverksamma i allmänhet följer regleringsinstrument som byggkoder. Nationella skillnader i policyintensitet fortsätter att existera. Därför anger policyintensiteten kvalitativt utbudet av politiska ambitioner i olika länder. Den politiska mixen för energieffektivitet motsvarar de nuvarande paketen, som i de flesta länder är en blandning av regleringsmetoder (byggkoder, definitioner på nästan noll energi (nZEB), RES-H-skyldighet), ekonomiskt stöd (subventioner för byggnadsrenovering) och energibeskattning. Huvudkällorna för implementerad politik är Mure-databasen (www.measures-odyssee-mure.eu/) och projekten ENTRANZE (www.entranze.eu/) och Zebra2020 (www.zebra2020.eu/). Även om scenariot varken betraktar en stark teknikförbättring eller bindande energieffektivitetsförpliktelser finns ambitiösa strategier för att främja förnybar energi. Detta har genomförts baserat på obligatoriska förnybara energikvoter på nivån för enskilda byggnader.
Energipriser: Energipriserna ökar måttligt enligt EU: s referensscenario 2016 (https://ec.europa.eu/energy/en/data-analysis/energy-modelling).
Teknikutveckling: Det antagna tekniska lärandet är mycket lågt och kostnaderna för effektiv och förnybar uppvärmning / kylningsteknik minskar bara något.
Kvalitativ översikt över policyantaganden:
Resultat: Det totala slutliga energibehovet för rymdvärme, varmvatten, kylning och extra energibehov i EU-28 uppgår till cirka 3850 TWh för alla renoveringsgrader 2015 och minskar till 2800TWh till 2250 TWh år 2050, beroende på renoveringsgraden.
EU-28:
Figur: Slutlig energibehov i EU-28 från 2015 till 2050 för olika renoveringsgrader
Följande sex diagram visar utvecklingen av det slutliga energibehovet för uppvärmning, kylning och varmvattenberedning för de enskilda EU-länderna.
DE, FR, GB, IT och PL:
Figur: Slutlig energibehov i DE, FR, GB, IT och PL för 2015 och 2050 med olika renoveringsgrader
Figur: Andel av det slutliga energibehovet 2050 för DE, FR, GB, IT och PL i förhållande till 2015
NL, ES, BE, SE, CZ, HU, AT, RO, FI, DK och GK:
Figur: Slutlig energibehov i NL, ES, BE, SE, CZ, HU, AT, RO, FI, DK och GK för 2015 och 2050 med olika renoveringsgrader
Figur: Andel av det slutliga energibehovet 2050 för NL, ES, BE, SE, CZ, HU, AT, RO, FI, DK och GK i förhållande till 2015
SK, IE, PT, HR, BG, LT, LV, SI, EE, LU, CY och MT:
Figur: Slutlig energibehov i SK, IE, PT, HR, BG, LT, LV, SI, EE, LU, CY och MT för 2015 och 2050 med olika renoveringsgrader
Figur: Andel av det slutliga energibehovet 2050 för SK, IE, PT, HR, BG, LT, LV, SI, EE, LU, CY och MT i förhållande till 2015
Här får du banbrytande utveckling för denna beräkningsmodul.
Här körs beräkningsmodulen för fallstudien i Wien, Österrike. Använd först "Gå till plats" -fältet för att navigera till Wien och välja stad. Klicka på knappen "Lager" för att öppna fönstret "Lager" och klicka sedan på fliken "BERÄKNINGSMODUL". I listan över beräkningsmoduler väljer du "CM - Demand projection".
Standardinmatningsvärdena genererar en värmekravstäthetskarta för 2017. Dessa värden ska endast betraktas som utgångspunkt. Du kan behöva ställa in värden under eller över standardvärden med tanke på ytterligare lokala överväganden. Scenariot som används har också en stark effekt på produktionen. Därför bör användaren anpassa dessa värden för att hitta den bästa kombinationen av ingångar för henne eller hans fallstudie.
Följ följande steg för att köra beräkningsmodulen:
Figur: Efterfrågan på projektion efter att ha körts med standardparametern
Figur: Efterfrågan på projektion efter att ha körts med en standardparameter, byter till grafik
Figur: Efterfrågan på projektion efter att ha körts med en standardparameter, byt till resultatlager
Som nämnts tidigare kan det vara nödvändigt att justera ingångsparametrarna till den egna datasituationen eller att kontrollera känsligheten.
Andreas Müller och Marcus Hummel, i Hotmaps-Wiki, CM-Demand-projection (oktober 2019)
Denna sida skrevs av Andreas Müller, Marcus Hummel, Giulia Conforto och David Schmidinger ( e-think ).
☑ Denna sida granskades av Mostafa Fallahnejad ( EEG - TU Wien ).
Copyright © 2016-2020: Andreas Müller och Marcus Hummel
Creative Commons Attribution 4.0 internationell licens
Detta arbete är licensierat under en Creative Commons CC BY 4.0 International License.
SPDX-licensidentifierare: CC-BY-4.0
Licenstext: https://spdx.org/licenses/CC-BY-4.0.html
Vi vill förmedla vår djupaste uppskattning till Horizon 2020 Hotmaps-projektet (bidragsavtal nummer 723677), som gav finansieringen för att genomföra den nuvarande utredningen.
This page was automatically translated. View in another language:
English (original) Bulgarian* Czech* Danish* German* Greek* Spanish* Estonian* Finnish* French* Irish* Croatian* Hungarian* Italian* Lithuanian* Latvian* Maltese* Dutch* Polish* Portuguese (Portugal, Brazil)* Romanian* Slovak* Slovenian*
* machine translated