EU SES
v1.3
L'UE-SES est un outil de modélisation du système énergétique qui maximise l'utilisation de sources de données prétraitées hébergées par le Web. L'UE-SES propose une approche automatisée de traitement des données pour construire des modèles de systèmes d'énergie tout en maintenant la flexibilité de sélection de la résolution spatiale du modèle.
L'UE-SES se concentre sur les 27 pays de l'UE plus le Royaume-Uni, la Norvège et la Suisse. L'outil de modélisation construit un ensemble de données des zones NUTS 2 en fonction d'une sélection de scénarios. Le scénario spécifie les pays d'intérêt et les scénarios disponibles dans les sources de données. Les données spatiales des zones des noix 2 sont agrégées dans un ensemble de données de régions selon une méthode sélectionnée de définition des régions. L'ensemble de données des régions et le cadre de modélisation Calliope peuvent ensuite être utilisés pour construire le modèle du système d'énergie. Jusqu'à présent, l'outil de modélisation de l'UE-SES peut construire et résoudre des modèles d'optimisation qui incluent le secteur de l'énergie et le secteur de chauffage résidentiel et tertiaire.
git clone https://github.com/ENSYSTRA/EU-SES.git
cd EU-SES
conda env create -f environment.yml
conda activate euses-env
Vous trouverez ci-dessous un exemple de script qui peut être utilisé pour construire et exécuter un modèle d'optimisation de chaleur et d'alimentation pour l'Autriche et la Suisse. Le script Python doit s'exécuter dans l'environnement Euses-env conda.
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 Télécharge les données accessibles au public prétraitées à partir de plusieurs plates-formes hébergées par le Web nécessaires. Les données extraites sont ensuite organisées, standardisées et structurées dans l'ensemble de données sur les zones. Les sources des données utilisées dans le modèle sont répertoriées ci-dessous.
| Composant de données | Source | lien |
|---|---|---|
| Noix 2 zones (géométrie, ID) | Eurostat - Gisco | 1 |
| Population | Centre de recherche conjoint - GHS-POP-2015A | 2 |
| Demande horaire de l'électricité | Entoe | 3 |
| Chauffer la demande horaire | hotmaps | 4 |
| Facteurs de température, de vent et de capacité solaire | Renewables.Ninja | 5 |
| Hydro Power centrales d'entrée | Hydro Energy Flow pour les études de système d'électricité | 6 |
| Capacité des centrales hydroélectriques | Base de données de centrales hydro-puissance JRC | 7 |
| Centrales électriques conventionnelles | Données de système d'alimentation ouverte | 8 |
| Centrales renouvelables | Données de système d'alimentation ouverte | 9 |
| Potentiel solaire (UE 27 + UK) | JRC Open Data | 10 |
| Potentiel du vent à terre et offshore (UE 27 + UK) | JRC Open Data | 11 |
| Potentiel solaire (Suisse) | Littérature + empreinte de construction de la carte de la rue ouverte | 12, 13 |
| Potentiel solaire (Norvège) | Littérature + empreinte de construction de la carte de la rue ouverte | 14, 15 |
| Potentiel du vent offshore (Norvège) | Littérature | 16 |
| Potentiel de vent à terre (Norvège) | hotmaps | 17 |
| Potentiel du vent à terre (Suisse) | Bundesamt für Energie Bfe - Konzept Windenergie | 18 |
Ce travail a été réalisé par ESR 5 du projet Ensystra et a rendu possible grâce au financement du programme de recherche et d'innovation Horizon 2020 de l'Union européenne dans le cadre du NO: 765515 de Marie Skłodowska-Curie Grant: 765515.
Copyright 2021 Christian Fleischer
Licencié sous la licence Apache, version 2.0 (la "licence"); Vous ne pouvez pas utiliser ce fichier sauf conforme à la licence. Vous pouvez obtenir une copie de la licence à
http://www.apache.org/licenses/LICENSE-2.0
Sauf exiger la loi applicable ou convenu par écrit, les logiciels distribués en vertu de la licence sont distribués sur une base «tel quel», sans garantie ou conditions d'aucune sorte, expresse ou implicite. Voir la licence pour la langue spécifique régissant les autorisations et les limitations sous la licence.
