Riktlinjer för användning av verktygslådan Hotmaps för analyser på lokal nivå

Innehållsförteckning

Introduktion

Dessa riktlinjer beskriver hur Hotmaps-databasen och verktygslådan kan användas för att analysera potentialer, kostnader och utsläpp för effektiv och förnybar uppvärmning och kylning på lokal nivå. Stegen som listas nedan kommer också att återkallas som en del av processen som beskrivs i riktlinjerna för användning av Hotmaps-verktygslådan för analyser på nationell nivå .

To Top

Hotmaps Scenario Toolchain: Översikt

För att beräkna scenarier för framtida framtida efterfrågan och uppvärmning i staden och relaterade kostnader och utsläpp använder vi verktygslådan Hotmaps. I verktygslådan finns olika beräkningsmoduler (CM) för analys av olika delar av värme- och kylsystemen. Följande bild visar de olika CM: erna (i ljusblå) som användes och informationen som skapades från eller matades in i CM: erna.

Figur: Metod för beräkning av scenarier och känsligheter för uppvärmningsefterfrågan och utbudet för denna strategiprocess


Det första steget i analysen var att generera värmekravstäthetskartor för år 2050. Detta startades med att analysera renoveringsåtgärder i stadens byggnader. Kostnaderna och effekterna av olika renoveringsalternativ för varje byggnad i staden beräknades. Sedan rangordnades alla beräknade renoveringsåtgärder i alla stadens byggnader efter sina kostnader. Baserat på denna ranking identifierades de billigaste renoveringarna för att nå fördefinierade sparmål och tillämpades på byggnaderna i byggnadsdatabasen. Med CM - skräddarsydda kartor för värme- och brutto golvyta genererades sedan värmebehovet och brutto golvyta för olika värmebesparande nivåer i staden. Dessa värmekrav och brutto golvyta kartor användes vidare för att analysera känsligheten för värmefördelningskostnader i potentiella fjärrvärmenätverk (DH). Med CM - fjärrvärmepotential: ekonomisk bedömning beräknades kostnaderna och placeringen av potentiella DH-nät för olika besparingsnivåer, DH-marknadsandelar och maximala nätkostnader.

Med CM - decentralvärmeförsörjning beräknades kostnaderna för värmeförsörjning och relaterade utsläpp för decentralteknik för olika typer av byggnader och även byggnadernas renoveringstillstånd. En viktning av de resulterande kostnaderna enligt ett eventuellt framtida tillstånd för byggnaderna i olika sparande scenarier samt vilka tekniker som ska användas gav genomsnittliga värmeförsörjningskostnader för decentralförsörjningsteknologier i framtiden (decentrala referenskostnader). Dessa värden användes sedan för att analysera eventuell expansion av fjärrvärme: värmefördelningskostnaderna plus värmeförsörjningskostnaderna i potentiella DH-system bör inte överstiga referenskostnaderna från den decentrala leveransen.

Kostnaderna för DH-leverans från olika tekniker beräknades med leveransen av CM - DH-leveransen . Denna CM beräknar leveransen av olika tekniker installerade i ett potentiellt DH-system för att nå minimikörningskostnader samtidigt som värmebehovet täcks hela året (eller totala kostnader inklusive investeringar, om modellen används i investeringsoptimeringsläge). För denna strategiprocess beräknades olika leveransportföljer och de resulterande kostnaderna och utsläppen jämfördes. Viktiga ingångar för DH-leveransberäkningarna är värmebehovsprofilerna (representerar värmebehovet för alla konsumenter för varje timme på året). Förändringen i dessa profiler med minskande värmebehov för rumsuppvärmning har beräknats med CM - Heat load profiles .

Resultaten för utvalda scenarier från värmebesparingsberäkningarna (CM - Anpassade värme- och brutto golvyta kartor) , decentraliserad uppvärmningskostnadsmodul (CM - Decentral värmetillförsel) , DH-leveransmodul (CM - DH supply supply) samt DH potential: ekonomisk bedömningsmodul (CM - Fjärrvärmepotential: ekonomisk bedömning) sammanställdes sedan i CM - Scenariobedömningen . Resultatet är en jämförelse av kostnaderna, andelen förnybar energi och de relaterade koldioxidutsläppen från olika scenarier för framtida värmesystem.

To Top

Hotmaps Scenario Toolchain: Olika steg

På följande separata sidor förklaras de olika stegen i att skapa scenarier för en vald stad eller region separat.

To Top

Pilotområden uppvärmnings- och kylstrategidokument

Hotmaps-verktygslådan utvecklades tillsammans med städer för att säkerställa att Hotmaps är användbara för lokala myndigheter och stadsplanerare. Sju europeiska pilotområden har framgångsrikt testat det för att utveckla sina uppvärmnings- och kylstrategier: Aalborg (Danmark), Bistrita (Rumänien), Frankfurt (Tyskland), Genève (Schweiz), Kerry County (Irland), Milton Keynes (Storbritannien) och San Sebastián (Spanien). Varje stad har utvecklat en uppvärmnings- och kylstrategi. Dessa strategidokument visar hur Hotmaps-verktygslådan stödde pilotstäderna i deras stadsenergiplanering genom att testa och utvärdera olika energiscenarier och tillhandahålla en integrerad analys av deras energiresurser.

Pilotstädernas strategidokument publiceras på webbplatsen för Hotmpas-projektets bibliotek så snart de är färdiga.

To Top

Hur man citerar

Marcus Hummel, Giulia Conforto, i Hotmaps-Wiki, Riktlinjer för användning av Hotmaps-verktygslådan för analyser på nationell nivå (oktober 2020)

To Top

Författare och granskare

Denna sida skrevs av Marcus Hummel och Giulia Conforto ( e-think ).

☑ Denna sida granskades av Mostafa Fallahnejad ( EEG - TU Wien ).

To Top

Licens

Copyright © 2016-2020: Marcus Hummel, Giulia Conforto

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

To Top

Bekräftelse

Vi vill förmedla vår djupaste uppskattning till Horizon 2020 Hotmaps-projektet (bidragsavtal nummer 723677), som gav finansieringen för att genomföra den nuvarande utredningen.

To Top

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