EU SES
v1.3
EU-SES es una herramienta de modelado de sistemas de energía que maximiza el uso de fuentes de datos preprocesadas alojadas en la web. EU-SES ofrece un enfoque automatizado de procesamiento de datos para construir modelos de sistemas de energía al tiempo que mantiene la flexibilidad de seleccionar la resolución espacial del modelo.
La UE-SES se concentra en los 27 países de la UE más el Reino Unido, Noruega y Suiza. La herramienta de modelado crea un conjunto de datos de las áreas de Nuts 2 basadas en una selección de escenarios. El escenario especifica los países de interés y los escenarios disponibles en las fuentes de datos. Los datos espaciales de las áreas NUTS 2 se agregan en un conjunto de datos de regiones de acuerdo con un método seleccionado para definir regiones. El conjunto de datos de las regiones y el marco de modelado de Calliope se pueden usar para construir el modelo de sistema de energía. Hasta ahora, la herramienta de modelado de la UE-SES puede construir y resolver modelos de optimización que incluyen el sector eléctrico y el sector de calefacción residencial y terciario.
git clone https://github.com/ENSYSTRA/EU-SES.git
cd EU-SES
conda env create -f environment.yml
conda activate euses-env
A continuación se muestra un script de ejemplo que se puede utilizar para construir y ejecutar un modelo de optimización de calor y potencia para Austria y Suiza. El script de Python debe ejecutarse en el entorno de conda euses-ev.
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' )UE-SES descarga los datos disponibles públicamente de múltiples plataformas alojadas en la web. Los datos extraídos se organizan, estandarizan y estructuran dentro del conjunto de datos de áreas. Las fuentes de los datos utilizados en el modelo se enumeran a continuación.
| Componente de datos | Fuente | enlace |
|---|---|---|
| Nueces 2 áreas (geometría, identificación) | Eurostat - Gisco | 1 |
| Población | Centro de investigación conjunta-GHS-POP-2015A | 2 |
| Demanda por hora de electricidad | entrese | 3 |
| Demanda por hora de calor | hotmaps | 4 |
| Factores de temperatura, capacidad eólica y solar | Renovables.ninja | 5 |
| Entrada de centrales hidroeléctricas | Entrada de energía hidroeléctrica para estudios del sistema de energía | 6 |
| Capacidad de las centrales hidroeléctricas | Base de datos de plantas de hidroeléctrica JRC | 7 |
| Centrales de energía convencionales | Datos del sistema de energía abierta | 8 |
| Plantas de energía renovable | Datos del sistema de energía abierta | 9 |
| Potencial solar (UE 27 + Reino Unido) | Datos abiertos de JRC | 10 |
| Potencial eólico en tierra y en alta mar (UE 27 + Reino Unido) | Datos abiertos de JRC | 11 |
| Potencial solar (Suiza) | Literatura + huella del edificio de mapa de calle abierta | 12, 13 |
| Potencial solar (Noruega) | Literatura + huella del edificio de mapa de calle abierta | 14, 15 |
| Potencial eólico marino (Noruega) | Literatura | 16 |
| Potencial eólico en tierra (Noruega) | hotmaps | 17 |
| Potencial eólico en tierra (Suiza) | Bundesamt für Energie Bfe - Konzept Windenergie | 18 |
Este trabajo fue realizado por ESR 5 del Proyecto ESTYSTRA y hizo posible a través de la financiación del Programa de Investigación e Innovación del Horizon 2020 de la Unión Europea bajo el Acuerdo de subvención Marie Skłodowska-Curie No: 765515.
Copyright 2021 Christian Fleischer
Licenciado bajo la licencia Apache, versión 2.0 (la "licencia"); No puede usar este archivo, excepto de conformidad con la licencia. Puede obtener una copia de la licencia en
http://www.apache.org/licenses/LICENSE-2.0
A menos que la ley aplicable sea requerida o acordado por escrito, el software distribuido bajo la licencia se distribuye de manera "como es", sin garantías o condiciones de ningún tipo, ya sea expresas o implícitas. Consulte la licencia para los permisos y limitaciones de rigor de idioma específico bajo la licencia.
