EU SES
v1.3
EU-SES ist ein Energiesystemmodellierungstool, das die Verwendung von Web-verarbeiteten Datenquellen maximiert. EU-SES bietet einen automatisierten Datenverarbeitungsansatz zum Erstellen von Energiesystemmodellen und behält gleichzeitig die Flexibilität bei der Auswahl der räumlichen Auflösung des Modells bei.
Die EU-SES konzentriert sich auf die 27 EU-Länder plus Großbritannien, Norwegen und die Schweiz. Das Modellierungswerkzeug erstellt einen Datensatz der Bereiche 2 -Bereiche 2 basierend auf einer Szenarioauswahl. Das Szenario gibt die Interessensländer und die in Datenquellen verfügbaren Szenarien an. Die räumlichen Daten der Bereiche 2 werden gemäß einer ausgewählten Methode zum Definieren von Regionen in einen Regionen -Datensatz zusammengefasst. Der Regionen -Datensatz und das Calliope -Modellierungsframework können dann zum Erstellen des Energiesystemmodells verwendet werden. Bisher kann das EU-SES-Modellierungswerkzeug Optimierungsmodelle erstellen und lösen, die den Stromsektor sowie den Wohn- und Tertiärheizsektor umfassen.
git clone https://github.com/ENSYSTRA/EU-SES.git
cd EU-SES
conda env create -f environment.yml
conda activate euses-env
Im Folgenden finden Sie ein Beispielskript, mit dem ein Wärme- und Leistungsoptimierungsmodell für Österreich und die Schweiz erstellt und ausgeführt werden kann. Das Python-Skript muss in der Umgebung von EUSES-ENV Conda ausgeführt werden.
import euses
import calliope
import numpy as np
# First specify countries and year of interest
# Use nomenclature of countries given in euses/parameters.py
year = 2010
countries = [ 'Austria' , 'Switzerland' ]
# The build_dataset function builds the xarray areas dataset
example = euses . build_dataset ( countries , year )
# The areas dataset can be called using:
example . ds
# Select power plant technologies of interest. Technologies selected must have specifications listed in calliope_model/techs_elec_heat.yaml
techs_considered = [ 'Combined cycle' , 'Solar' , 'Wind' , 'Wind Offshore' ]
techs_removed = np . setdiff1d ( example . ds . coords [ 'tech' ]. values , techs_considered )
example . ds = example . ds . drop ( techs_removed , dim = 'tech' )
# The areas dataset and the preferred regionalisation method is used to build the regions dataset.
# The supported regionalisation methods include using national (nuts0) and administrative boundaries (nuts1). It also possible to define the regions using the max-p regions method (max_p_regions).
# In this example the national boundaries method is selected.
# Before the dataset is loaded
example . ds . load ()
example . create_regions ( 'nuts0' )
# Build a power and heat optimisation calliope model with a limitation on CO2 emission.
# The specifications of the technologies within the model are in the calliope_model folder.
# The default solver used is cbc, in this example the pyomo pre installed solver glpk is used.
example . create_calliope_model ( op_mode = 'plan' , sectors = [ 'power' , 'heat' ], co2_cap_factor = 0.2 , national = True )
model = calliope . Model ( 'calliope_model/model.yaml' , scenario = 'time_3H' , override_dict = { 'run.solver' : 'glpk' })
model . run ()
# The model optimisation results can then be analysed using calliope analysising tools described in https://calliope.readthedocs.io/en/stable/user/analysing.html
model . plot . capacity ( array = 'energy_cap' )EU-SES-Downloads vorverarbeitete öffentlich verfügbare Daten aus mehreren Web-veranstalteten Plattformen. Die extrahierten Daten werden dann im Bereich Bereiche organisiert, standardisiert und strukturiert. Die Quellen der im Modell verwendeten Daten sind unten aufgeführt.
| Datenkomponente | Quelle | Link |
|---|---|---|
| Nüsse 2 Bereiche (Geometrie, ID) | Eurostat - Gisco | 1 |
| Bevölkerung | Joint Research Center-GHS-POP-2015a | 2 |
| Stromstündungsnachfrage | Entsowee | 3 |
| Stündliche Nachfrage hitze | Hotmaps | 4 |
| Temperatur-, Wind- und Sonnenkapazitätsfaktoren | Erneuerbare Energien.ninja | 5 |
| Wasserkraftwerke Zufluss | Hydro -Energiezufluss für Stromsystemstudien | 6 |
| Kapazität von Wasserkraftwerken | JRC Hydro-Power-Pflanzen-Datenbank | 7 |
| Konventionelle Kraftwerke | Daten offener Stromversorgungssysteme | 8 |
| Anlagen für erneuerbare Kraftwerke | Daten offener Stromversorgungssysteme | 9 |
| Solarpotential (EU 27 + UK) | Jrc offene Daten | 10 |
| Onshore- und Offshore -Windpotential (EU 27 + UK) | Jrc offene Daten | 11 |
| Sonnenpotential (Schweiz) | Literatur + Open Street Map Building Footprint | 12, 13 |
| Sonnenpotential (Norwegen) | Literatur + Open Street Map Building Footprint | 14, 15 |
| Offshore -Windpotential (Norwegen) | Literatur | 16 |
| Onshore -Windpotential (Norwegen) | Hotmaps | 17 |
| Onshore -Windpotential (Schweiz) | Bundesamt für Energie BFE - Konzept Windenergie | 18 |
Diese Arbeit wurde von der ESR 5 des Ensystra-Projekts von Ensystra geleistet und durch die Finanzierung des Horizon 2020-Forschungs- und Innovationsprogramms der Europäischen Union im Rahmen des Marie Skłodowska-Kurie-Stipendiums Nr.: 765515 ermöglicht.
Copyright 2021 Christian Fleischer
Lizenziert unter der Apache -Lizenz, Version 2.0 (der "Lizenz"); Sie dürfen diese Datei nur in Übereinstimmung mit der Lizenz verwenden. Sie können eine Kopie der Lizenz bei erhalten
http://www.apache.org/licenses/LICENSE-2.0
Sofern nicht nach geltendem Recht oder schriftlich zu vereinbart wird, wird die im Rahmen der Lizenz verteilte Software auf "As is" -Basis ohne Gewährleistung oder Bedingungen jeglicher Art ausdrücklich oder impliziert verteilt. Siehe die Lizenz für die spezifischen Sprachberechtigungen und Einschränkungen im Rahmen der Lizenz.
