not logged in | [Login]
Este módulo visa evidenciar a fonte de calor que pode ser classificada em: adequada, condicionalmente adequada e não adequada para um aproveitamento energético a nível urbano.
Potencialmente, em uma área urbana ou regional, existem vários recursos que podem ser usados para fornecer energia térmica (para fins de aquecimento e / ou resfriamento). Este módulo tem como objetivo classificar as diferentes fontes de calor com base em sua adequação. O módulo classifica os sistemas em três categorias principais: Adequado, Condicionalmente adequado, Não adequado. O módulo retorna um mapa vetorial com os pontos classificados e retorna a potência classificada para cada classe. Este módulo gera um shapefile que classifica o potencial da fonte de calor com base na distância da fonte de calor da demanda e com base na capacidade da fonte de calor. Cada fonte de calor é classificada em três classes principais:
O módulo automatiza a metodologia definida por:
Neugebauer, Georg, Florian Kretschmer, René Kollmann, Michael Narodoslawsky, Thomas Ertl e Gernot Stoeglehner. 'Mapeando Potenciais de Recursos de Energia Térmica de Estações de Tratamento de Águas Residuais'. Sustentabilidade 7, no. 10 (setembro de 2015): 12988–13010. https://doi.org/10.3390/su71012988 .
Os parâmetros e camadas de entrada, bem como as camadas e parâmetros de saída, são os seguintes.
Camadas de entrada e parâmetros são:
Capacidade da fonte de calor, é um mapa vetorial com o fluxo de água que pode ser extraído / utilizado de forma sustentável, expresso em equivalente populacional (PE). As colunas obrigatórias são: gid , capacity .
Potência da fonte de calor, é um mapa vetorial com a potência que pode ser utilizada. As colunas obrigatórias são: gid , capacity , com gid que deve ser consistente com os valores usados na camada de capacidade.
O usuário pode definir a distância máxima para considerar a fonte de calor dentro das áreas urbanas (valor padrão: 150m): within_dist .
O usuário pode definir a distância máxima para considerar a fonte de calor próxima às áreas urbanas, todas as áreas acima deste limite serão classificadas como distantes das áreas urbanas - (valor padrão: 1000m): near_dist
As camadas e parâmetros de saída são:
Seguimos a metodologia definida por:
Neugebauer, Georg, Florian Kretschmer, René Kollmann, Michael Narodoslawsky, Thomas Ertl e Gernot Stoeglehner. 'Mapeando Potenciais de Recursos de Energia Térmica de Estações de Tratamento de Águas Residuais'. Sustentabilidade 7, no. 10 (setembro de 2015): 12988–13010. https://doi.org/10.3390/su71012988
Como conjuntos de dados padrão, usamos a capacidade da WWTP e os conjuntos de dados de energia .
As áreas urbanas são definidas a partir do conjunto de dados Corine Land Cover, onde consideramos como urbanas as seguintes categorias:
Para definir as áreas urbanas, o módulo começa a partir do conjunto de dados Corine Land Cover (CLC) e selecione as seguintes categorias:
Em seguida, para avaliar e classificar o potencial, o módulo:
| | Dentro ( dist < within_dist ) | Perto ( dist < near_dist ) | Far ( dist > near_dist ) | |: --------------------------------- |: ------------- ----------------- |: -------------------------- |: --- ---------------------- | | Pequeno (2000 - 5000 PE) | Condicionalmente | Condicionalmente | Não é adequado | | Médio-pequeno (5001 - 50000 PE) | Adequado | Condicionalmente | Condicionalmente | | Médio-alto (50001 - 150000 PE) | Adequado | Adequado | Condicionalmente | | Alto (> 150000 PE) | Adequado | Adequado | Adequado |
Aqui você obtém o desenvolvimento de ponta para este módulo de cálculo.
Pietro Zambelli, em Hotmaps-Wiki, CM-Heatsource-potencial (setembro de 2020)
Esta página foi escrita por Pietro Zambelli EURAC .
☑ Esta página foi revisada por Simon Pezzutto EURAC .
Copyright © 2016-2020: Pietro Zambelli
Licença Creative Commons Atribuição 4.0 Internacional
Este trabalho está licenciado sob uma Licença Internacional Creative Commons CC BY 4.0.
SPDX-License-Identifier: CC-BY-4.0
License-Text: https://spdx.org/licenses/CC-BY-4.0.html
Gostaríamos de transmitir o nosso mais profundo agradecimento ao Projeto Hotmaps Horizonte 2020 (Contrato de Subvenção n.º 723677), que proporcionou o financiamento para a realização da presente investigação.
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* Romanian* Slovak* Slovenian* Swedish*
* machine translated