Lokalt niveau - Trin 1: Analyse af det aktuelle varmebehov og tilgængelige ressourcepotentialer

Wiki Introduktion

• Velkomstside

Datasæt

• Hotmaps datasæt: Metode til dataindsamling
• Hotmaps åbner datalagre

Generelle værktøjsfunktioner og struktur

• Introduktion til brugergrænseflade
• Lagafsnit i Hotmaps-værktøjskassen
• Vælg en region i Hotmaps-værktøjskassen
• Hent indikatorer for et valgt område
• Adgang til beregningsmoduler
• Database bag Hotmaps-værktøjskassen
• Data uploadfunktioner
• Dataeksportfunktioner

Beregningsmoduler (CM)

• CM - Tilpassede kort over varme og brutto gulvfladetæthed
• CM - Skal kort over varme og kølig tæthed
• CM - Efterspørgsel projektion
• CM - Varmebelastningsprofiler
• CM - Fjernvarmepotentialeområder: brugerdefinerede tærskler
• CM - Fjernvarmepotentiale: økonomisk vurdering
• CM - Forsendelse af fjernvarmeforsyning
• CM - Decentral varmeforsyning
• CM - Solvarme- og solcellepotentiale
• CM - Lavt geotermisk potentiale
• CM - Varmekildepotentiale
• CM - Biomassepotentiale
• CM - Vindpotentiale
• CM - Overskydende varmetransportpotentiale
• CM - Scenariovurdering
• CM - Tilføj industrianlæg
• CM - Køretøjslager på NUTS 2-niveau

Sådan anvendes Hotmaps værktøjskasse

• Retningslinje: Hotmaps-værktøjskasse på lokalt niveau
• Retningslinje: Hotmaps-værktøjskasse på nationalt niveau
• Koncept til brug af hotmaps til fjernkøling
• Uddannelsesmateriale

For udviklere

• Udvikler sektion
• Retningslinjer for definition af indikatorer
• Retningslinjer for at skrive en Hotmaps Wiki-side

Local Scenario Toolchain Steps Next step

Indholdsfortegnelse

• Introduktion
• Analyse af potentialer for overskudsvarme og vedvarende energi i de identificerede regioner med potentiel interesse for fjernvarme
• Hvordan man citerer
• Forfattere og korrekturlæsere
• Licens
• Anerkendelse

Introduktion

Dette er det første trin i analysen på lokalt og kommunalt niveau.

Figur: Trinene til at analysere potentialerne for overskydende varme og vedvarende energi fremhæves i Værktøjskæden ovenfor.

To Top

Analyse af potentialer for overskudsvarme og vedvarende energi i de identificerede regioner med potentiel interesse for fjernvarme

I dette trin kan potentialet for overskydende varme og vedvarende energi i de regioner, der er identificeret som potentielt interessante områder til fjernvarme, analyseres. Disse data sammen med dataene om varmebehov og varmebehovstæthed i regionerne indsamlet i det forrige trin kan derefter bruges til at karakterisere repræsentative fjernvarmeområder til yderligere analysetrin. Følgende liste giver en oversigt over de varmekilder, der skal tages i betragtning, og links til standarddata for den respektive energikilde, som er tilgængelig i Hotmaps-databasen:

• Vedvarende energikilder:
  • Renseanlæg til spildevand:
    • Spildevandsrensningsanlægs kraft
    • Spildevandsrensningsanlægs kapacitet
  • Landbrugsbiomasse:
    • Landbrugsrester
    • Affald fra husdyr
  • Biomasse fra skov:
    • Skovrester
  • Spild:
    • Kommunalt fast affald
  • Geotermisk energi:
    • Geotermisk potentiel varmeledningsevne
  • Solenergi:
    • Potentielle solvarmesamlere - tagterrasse
    • Potentielle solvarmesamlere åbent - felt
• Overskydende varme:
  • Store industrianlæg:
    • Industrielle steder overskydende varme
  • Andre overskydende varmekilder:
    • Oplysninger om andre overskydende varmekilder som kraftværker, yderligere industrianlæg, lavtemperatur varmekilder som flodvand, datacentre osv. Kan uploades i værktøjskassen. En guide til, hvordan du gør dette, kan findes her .

Følgende figur viser denne procedure grafisk og viser de forskellige datakilder og beregningsmoduler, der kan bruges.

Figur: Identifikation af forskellige repræsentative, typiske tilfælde til fjernvarme (trin 1).

To Top

Hvordan man citerer

Marcus Hummel, Giulia Conforto, i Hotmaps-Wiki, Retningslinjer for brug af Hotmaps-værktøjskassen til analyser på lokalt niveau (August 2020)

To Top

Forfattere og korrekturlæsere

Denne side er skrevet af Marcus Hummel og Giulia Conforto ( e-think ).

☑ Denne side blev gennemgået af Mostafa Fallahnejad ( EEG - TU Wien ).

To Top

Licens

Ophavsret © 2016-2020: Marcus Hummel, Giulia Conforto

Creative Commons Attribution 4.0 International licens

Dette arbejde er licenseret under en Creative Commons CC BY 4.0 International licens.

SPDX-licensidentifikator: CC-BY-4.0

Licens-tekst: https://spdx.org/licenses/CC-BY-4.0.html

To Top

Anerkendelse

Vi vil gerne formidle vores dybeste påskønnelse til Horizon 2020 Hotmaps-projektet (tilskudsaftale nummer 723677), som gav finansieringen til at gennemføre den nuværende undersøgelse.

To Top

This page was automatically translated. View in another language:

English (original) Bulgarian^* Czech^* German^* Greek^* Spanish^* Estonian^* Finnish^* French^* Irish^* Croatian^* Hungarian^* Italian^* Lithuanian^* Latvian^* Maltese^* Dutch^* Polish^* Portuguese (Portugal, Brazil)^* Romanian^* Slovak^* Slovenian^* Swedish^*

^* machine translated