From b80f453089c45f27d787b9dea666d9451c399db8 Mon Sep 17 00:00:00 2001 From: aaronschilling <124676703+aaronschilling@users.noreply.github.com> Date: Wed, 6 Sep 2023 17:22:29 +0200 Subject: [PATCH 01/11] Update dataset.md Updated dataset.md with cost_effiencies --- digipipe/store/raw/technology_data/dataset.md | 1169 +++++++++++++++++ 1 file changed, 1169 insertions(+) diff --git a/digipipe/store/raw/technology_data/dataset.md b/digipipe/store/raw/technology_data/dataset.md index 99874e30..3a114805 100644 --- a/digipipe/store/raw/technology_data/dataset.md +++ b/digipipe/store/raw/technology_data/dataset.md @@ -58,3 +58,1172 @@ Datei: `technology_data.json` --> `batteries` ## Kosten und Wirkungsgrade Datei: `raw_costs_efficiencies.csv` + +#### allgemein + +Preise werden aus den Technologie Datenblättern der Danish Energy Agency ([1], [2], [3], [4]) entnommen. Abweichungen werden gesondert genannt. + +alle Preise werden auf Euro im Jahr 2020 (dis-)kontiert und damit Inflationsbereinigt. + +Für Quellen [1]( https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and), [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants), [3](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-energy-storage), [4] ist das meist die Umrechnung von 2015 zu 2020. Dafür folgende Formel verwendet: +``` +P_(2020) = P_(2015)*f_(infl) +f_(infl) = (1+i_(2015))*(1+i_(2016))...*(1+i_(2019)) +f_(infl) = 1,005 * 1,005 * 1.015 * 1,018 * 1,014 = 1,0582 +``` +[8](https://de.statista.com/themen/112/inflation/#topicOverview) + +Werte für 2045 werden durch lineare Interpolation ermittelt. + +#### biogas_upgrading plant + +Quelle: [4](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-renewable-fuels) "82 Biogas, upgrading" + +Aufbereitung von Biogas zu Bio-SNG + +#### biogas bpchp_central + +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "06 Gas engines, biogas" + +Backpressure Combined heat and power (bpchp) modelliert BHKWs + +thermal effiency = electrical_effiency / (c_b+c_v) (laut [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) S. 390) + +#### biogas bpchp_decentral + +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "06 Gas engines, biogas" + +identische Werte zu biogas bpchp_central. Split fürs Energiesystem, aber eingesetzte technologie identisch + +#### biogas_plant + +Quelle [4](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-renewable-fuels): "81 Biogas Plant, Basic conf." + +Stellt Biogas bereit, welches in KWK (biogas bpchp_central, biogas bpchp_decentral) genutzt werden kann + +#### boiler_central + +Quelle [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and): "44 Natural Gas DH Only" + +#### boiler_decentral + +Quelle [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants): "202 Gas boiler, ex single", "202 Gas boiler, ex apart", "202 Gas boiler, new single", +"202 Gas boiler, new apart" + +Es werden für jedes Szenario jeder Wert aus 4 Komponenten zusammengesetzt. + +Diese sind die Kombinationen aus: + +- Altbau-Neubau +- Einfamilienhaus-Mehrfamilienhaus + +Diese Kompnonten werden durch Faktoren gewichtet zusammengefasst. + +Für 2020: + +- Verhältnis von Altbau-Neubau aus [7](https://de.statista.com/statistik/daten/studie/202207/umfrage/struktur-des-wohnungsbaus-nach-art-der-bauleistung-in-deutschland/) +- Verhätnis von Einfamilienhaus-Mehrfamilienhaus im Neubau aus [6](https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb), verbaute Gasheizungen aggregiert +- Verhätnis von Einfamilienhaus-Mehrfamilienhaus im Altbau wird als 0.7 / 0.3 angenommen + +Für 2045: +- Verhältnis von Altbau-Neubau aus [7](https://de.statista.com/statistik/daten/studie/202207/umfrage/struktur-des-wohnungsbaus-nach-art-der-bauleistung-in-deutschland/) +- Verhätnis von Einfamilienhaus-Mehrfamilienhaus im Neubau aus [6](https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb), verbaute Gasheizungen in 2020 +- Verhätnis von Einfamilienhaus-Mehrfamilienhaus im Altbau wird als 0.7 / 0.3 angenommen + +volle Berechnungen siehe "boiler_small_script.py" im Code Anhang + +#### ch4 bpchp_central + +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "06 Gas engines, natural gas" + +Backpressure Combined heat and power (bpchp) modelliert BHKWs + +thermal effiency = electrical_effiency / (c_b+c_v) (laut [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) S. 390) + +#### ch4 bpchp_decentral + +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "06 Gas engines, natural gas" + +identische Werte zu ch4 bpchp_central. Split fürs Energiesystem, aber eingesetzte Technologie identisch + +#### ch4 extchp_central + +Quellen: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "05 Gas turb. CC, steam extract., Large", [14] S. 20-21 + +#### ch4 extchp_decentral + +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "05 Gas turb. CC, steam extract., Large" + +[14] S. 20-21 + +identisch wie ch4 extchp_central + +#### gt + +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "04 Gas turb. simple cycle, L" + +gas turbine, offener Prozess + +#### heatpump_central + +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "40 Comp. hp, airsource 10 MW" + +Wärmepumpentechnologie (Luft-Wasser-WP) aus Langfristigkeitsszenarien + +#### heatpump_decentral + +Quellen: [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants) "207 HP air-water,ex single", "207 HP air-water,ex apart", "207 HP air-water,new single", "207 HP air-water,new apart", "207 HP ground-water,ex single", "207 HP ground-water,ex apart", "207 HP ground-water,new single", "207 HP ground-water,new apart", +[5], [6](https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb) + +Es werden für jedes Szenario jeder Wert aus 8 Komponenten zusammengesetzt. +Diese sind die Kombinationen aus: +- Sole-Umwelt +- Einfamilienhaus-Mehrfamilienhaus (fast alle WP in Einfamilienhäsuern!) +- Altbau-Neubau + +Es wird das gemittelte Verhätnis Deutschlandweit der letzten 20 Jahre angenommen (BBSR; Bundesamt für Bauwesen und Raumordnung) + +Für 2020 wurden Annahmen für das allgemeine Verhältnis zwischen den Möglichkeiten angenommen: + +- Sole-Umwelt sind die aggregierten Absatzzahlen aus [5] +- Einfamilienhaus-Mehrfamilienhaus aus [6](https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb) +- Altbau-Neubau aus [7](https://de.statista.com/statistik/daten/studie/202207/umfrage/struktur-des-wohnungsbaus-nach-art-der-bauleistung-in-deutschland/) + +Mit diesen wird für 2045 wurden Annahmen für das allgemeine Verhältnis zwischen den Möglichkeiten angenommen: +- Sole-Umwelt = 0.87/0.13 (Das sind die Absatzzahlen aus 2022 aus der Branchenstudie) +- Einfamilienhaus-Mehrfamilienhaus = 0.7 / 0.3 (Das ist eine freie Annahme, die eine fortschreitende Verbreitung in Mehrfamilienhäusern annimmt) +- Altbau-Neubau = 0.699 / 0.301 (das gemittelte Verhätnis Deutschlandweit der letzten 20 Jahre) + +Die Faktoren in 2045 sind daher: +- Altbau_Umwelt_EFH = 0.4256 +- Altbau_Umwelt_MFH = 0.1824 +- Altbau_Sole_EFH = 0.0636 +- Altbau_Sole_MFH = 0.0272 +- Neubau_Umwelt_EFH = 0.1833 +- Neubau_Umwelt_MFH = 0.0785 +- Neubau_Sole_EFH = 0.0273 +- Neubau_Sole_MFH = 0.0117 + +Berechnung siehe "heatpump_small_script.py" im Code Anhang + +#### large_scale_battery + +Quellen: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "180 Lithium Ion Battery", Cebulla [9] S. 181 + +storage_fixom_cost Berechnung aus UMAS/Oemof_B3 übernommen, ohne Quelle dieser Berechnung gefunden zu haben. + +storage_fixom_cost = 0,005 * storage_capacity_cost_overnight + +Große Differenzen zwischen Windnode und UMAS, UMAS Methodik übernommen + +#### pth_central + +Quellen: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "41 Electric Boilers, small", "41 Electric Boilers, large" + +Es wurde ein Mittelwert aus den Electric Biolers small und large gebildet, um relevante Größen in ABW abzubilden. + +#### pth_decentral + +Quellen: [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants): "216 Electric heating,new single", "216 Electric heating,new apart" + +Annahmen zu Gebäudebestand siehe heatpump_decentral, nur ohne Kombination mit Altbau, da power to heat in Altbauten vernachlässigbar selten (und wenn in anderen Technologien wie Nachtspeicherheizungen) vorkommt. + +Berechnungen siehe "pth_decentral_script" im Code Anhang + +#### small_scale_battery + +Quelle: [15](https://www.zhb-flensburg.de/fileadmin/content/spezial-einrichtungen/zhb/dokumente/dissertationen/fluri/fluri-2019-wirtschaftlichkeit-dez-stromspeicher.pdf), [17] S. 3 + +- capacity_cost_overnight: [15] S. 41 +- effiency, lost_rate, lifetime: [15] S.v91 + +#### storage heat_central + +Quelle [3](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-energy-storage): "141 Large hot water tank" + +- capacity_cost_overnight und fixom_cost ignoriert, da storage_capacity_cost_overnight, storage_fixom_cost einen Wert hat +- storage heat_decentral + +Quelle [3](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-energy-storage): "141 Large hot water tank" + +capacity_cost_overnight und fixom_cost ignoriert, da storage_capacity_cost_overnight, storage_fixom_cost einen Wert hat + +Große Differenzen zwischen UMAS und Windnode, UMAS Methodik übernommen + +#### hydro ror + +Quellen: [16] + +- fixom_cost: S. 78 +- capacity_cost_overnight: S.75 +- lifetime: S. 72 + +#### lignite oven + +Quellen: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "206 Wood stove, single, ex tank" + +Der Kohleofen ist eine Komponente, die für die Abbildung des Ist-Zusandes relevant ist. +Die Kohleheizung wird durch gesetzliche Regulierung nicht mehr neu verbaut werden können, wodurch die Komponente für die Optimierung nicht relevant ist. +Auch die Datenlage für die Kohleheizung sehr schlecht ist, die Daten werden daher approximiert. + +Keine direkten Werte vorhanden, daher Modellierung anhand der wood stove Werte + +efficiency: + +Differenz der Energie zwischen Holz und Kohle liegt im Heizwert des Brennstoffs. Daher wird die Effizienz der wood stove mit Faktor des Verhältnisses der Heizwerte multipliziert. +Daten für Heizwerte von BMWK [11](https://www.bmwk.de/Redaktion/DE/Artikel/Energie/energiedaten-gesamtausgabe.html) und [12](https://books.google.de/books?id=n0fVYjrHAlwC&pg=PA58#v=onepage&q&f=false) ergibt einen Faktor von 4/3 + +fixom_cost: + +Bestehen großteils aus Brennstoffkosten. Änderung zu wood stove besteht aus Heizwert (gewonnene Energie pro kg) und Preisdiff pro Kilogramm + +Preise aus brikett-rekord.com [13] + +lifetime: + +identisch wie wood stove + +marginal-cost: identisch wie wood stove + +Aus den Annahmen folgt, dass die Investkosten ignoriert werden können. + +#### pv_ground + +Quelle [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and): "22 Utility-scale PV", Vergleich [10] + +marginal_cost = 0, da in Quellen nicht vorhanden + +Kosten aus [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) im Bereich von [10] + +#### pv_rooftop + +Quelle [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and): "22 PV commercial&industrial rooftop", "22 PV residential", Vergleich [10] + +gewichteter Mittelwert zwischen kommerziellen und Wohnhaus PV. + +Gewichtung anhand openMaStR Daten aus Pipeline +``` +import geopandas as gpd +import os.path + +data_folder = os.path.join("/ROAD/TO/DATA") +data = "bnetza_mastr_pv_roof_region.gpkg" + +df = gpd.read_file(os.path.join(data_folder, data)) + +sum = df[["usage_sector", "status"]].groupby("usage_sector").count().sum() +industrial = (df[["usage_sector", "status"]].groupby("usage_sector").count().loc["Industrie"][0] + \ + df[["usage_sector", "status"]].groupby("usage_sector").count().loc["Sonstige"][0] + \ + df[["usage_sector", "status"]].groupby("usage_sector").count().loc["Landwirtschaft"][0] + \ + df[["usage_sector", "status"]].groupby("usage_sector").count().loc[ + "Gewerbe, Handel und Dienstleistungen"][0]) \ + / sum +residental = (df[["usage_sector", "status"]].groupby("usage_sector").count().loc["Öffentliches Gebäude"][0] + + df[["usage_sector", "status"]].groupby("usage_sector").count().loc["Haushalt"][0]) / sum +return [industrial, residental] +``` + +ergibt 25 % industrial und 75% Haushalte. + +marginal_cost = 0, da in Quellen nicht vorhanden + +Kosten aus [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) im Bereich von [10] + +#### thermalcollector_central + +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "46 Solar District Heating" + +#### thermalcollector_decentral + +Quelle: [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants) "215 Solar heating,ex single", "215 Solar heating,ex apart", "215 Solar heating,new single", "215 Solar heating,new apart" + +Annahmen zu Gebäudebestand siehe heatpump_decentral. + +Berechnungen siehe "thermalcollector_decentral_script" im Code Anhang + +#### wind onshore + +Quelle [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and): "20 Onshore turbines", Vergleich [10](https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html) + +EE Kosten durchweg kleiner als in Windnode in 2020 + +Windnode bezieht sich auf Frauenhofer ISE aus 2018, Vorgängerstudie zu [10](https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html) + +Frauenhofer (S. 11) [10](https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html) CAPEX-Range höher als DEA [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) in 2020 + +1400000-2000000 [10](https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html) zu 1190000 [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) €/MW + +keine Aussagen in Frauenhofer [10](https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html) über 2045 + +wir wählen DEA als Quelle für die Vergleichbarkeit, da Vergleichbarkeit in der Optimierung der Modellierung Vorrang hat + +#### wood extchp_central + +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "09a Wood Chips, Medium" + +[14] S. 20-21 + +#### wood extchp_decentral + +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "09a Wood Chips, Medium" + +[14] S. 20-21 + +identisch zu wood extchp_central + +#### wood oven + +Quelle: [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants), "204 Biomass auto,ex single", "204 Biomass auto,new single", "204 Biomass auto,ex apart", "204 Biomass auto,new apart" + +Annahmen zu Gebäudebestand siehe heatpump_decentral. + +Berechnungen siehe "wood_oven_script" im Code Anhang + +#### Quellen + +[1] Danish Energy Agency (2016): "Technology Data - Energy Plants for Electricity and District heating generation", Version 13, von https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and + +[2] Danish Energy Agency (2016): "Technology Data for heating installations", Version 4, von https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants + +[3] Danish Energy Agency (2018): "Technology Data – Energy storage", Version 7, von https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-energy-storage + +[4] Danish Energy Agency (2017): "Technology Data – Renewable fuels", Versoin 9, von https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-renewable-fuels + +[5] Karl-Heinz Backhaus (Vaillant), Dr. Hendrik Ehrhardt (Stiebel Eltron), Sven Kersten (NIBE), Steffen +Moser (EnBW), Frank Richert (Wolf), Ingo Rieger (Bosch), Egbert Tippelt (Viessmann), André Jacob +(BWP), Johanna Otting (BWP), Björn Schreinermacher (BWP)(2023): "Branchenstudie 2023: Marktentwicklung – Prognose –Handlungsempfehlungen", Bundesverband Wärmepumpe (BWP) e. V. + +[6] Statistisches Landesamt Sachsen-Anhalt: "GENESIS-Tabelle: 31121-0006, Statistik der Baufertigstellungen", von https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb, Stand: 11.04.2023 + +[7] Statista Research Department(2021): "Struktur des Wohnungsbaus nach Neubau und Sanierung in Deutschland in den Jahren 2001 bis 2020", von https://de.statista.com/statistik/daten/studie/202207/umfrage/struktur-des-wohnungsbaus-nach-art-der-bauleistung-in-deutschland/, Stand: 03.04.2023 12:26:20 + +[8] Statista: "Daten und Fakten zur Inflation und den Verbraucherpreisen" , von https://de.statista.com/themen/112/inflation/#topicOverview , Stand: 29.03.2023 + +[9] Cebulla, Felix (2017): "Storage demand in highly renewable energy scenarios for Europe", OPUS - Online Publikationen der Universität Stuttgart, von https://elib.uni-stuttgart.de/handle/11682/9778 + +[10] Frauenhofer ISE (2019): "Stromgestehungskosten erneuerbare Energien", von https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html + +[11] BMWK (2021): "Energiedaten" von https://www.bmwk.de/Redaktion/DE/Artikel/Energie/energiedaten-gesamtausgabe.html + +[12] Michael Herrmann, Jürgen Weber: Öfen und Kamine: Raumheizungen fachgerecht planen und bauen. Beuth Verlag, 201, von https://books.google.de/books?id=n0fVYjrHAlwC&pg=PA58#v=onepage&q&f=false + +[13] www.brikett-rekord.com: "Energiekostenvergleich", von https://www.brikett-rekord.com/de/heizwertvergleich-rekord-briketts.html, letzter Abruf 8.5.2023 + +[14] WindNode: Modell, Methodik, Daten, ABW; von: https://wolke.rl-institut.de/apps/files/?dir=/Team_TEO/Projekte/351_Digiplan/Know-How&openfile=316636, letzer Abruf 8.8.2023 + +[15] Fluri, Verena: "Wirtschaftlichkeit von zukunftsfähigen Geschäftsmodellen dezentraler Stromspeicher" von https://www.zhb-flensburg.de/fileadmin/content/spezial-einrichtungen/zhb/dokumente/dissertationen/fluri/fluri-2019-wirtschaftlichkeit-dez-stromspeicher.pdf, letzter Abruf 8.8.2023 + +[16] Schröder, Andreas; Kunz, Friedrich; Meiss, Jan; Mendelevitch, Roman; Hirschhausen, Christian von: "Current and Prospective Costs of Electricity Generation until 2050" von https://www.diw.de/documents/publikationen/73/diw_01.c.424566.de/diw_datadoc_2013-068.pdf, letzter Abruf 8.8.2023 + +[17] Prüggler, Wolfgang (2019): "HEIMSPEICHERSYSTEME UND ZENTRALE BATTERIESPEICHER – KRITISCHE FAKTOREN DER WIRTSCHAFTLICHKEIT" von https://ens.dk/sites/ens.dk/files/Analyser/technology_data_catalogue_for_energy_storage.pdf, letzter Abruf 8.8.2023 + + +### Code Anhang + +wood_oven_script.py +``` +import pandas as pd +import os.path + + +def linear_interpolate_2045(wert_1, wert_2): + zeit_1 = 2040 + zeit_2 = 2050 + wert = wert_1 + (((wert_2 - wert_1) / (zeit_2 - zeit_1)) * (2045 - zeit_1)) + + return wert + + +def get_agg_price_2045(dic): + # Neubau und Sanierungen allg nach BMI f. Deutschland + neubau = (0.36 + 0.36 + 0.37 + 0.38 + 0.35 + 0.34 + 0.26 + 0.22 + 0.22 + 0.22 + 0.25 + 0.26 + 0.27 + 0.28 + 0.30 + 0.32 + 0.32 + 0.32 + 0.31 + 0.31) / 20 + altbau = 1 - neubau + + # Verhältnisse Einfamilienhaus-Mehrfamilienhaus nach destatis 2020 + single_new = 693 / 763 + multiple_new = (763 - 693) / 763 + + # Einfamilinehaus-Mehrfamilienhaus im Altbau Annahme: + single_faktor = 0.7 + multiple_faktor = 0.3 + + single_new_faktor = neubau * single_new + multiple_new_faktor = neubau * multiple_new + single_old_faktor = altbau * single_faktor + multiple_old_faktor = altbau * multiple_faktor + + single_old = single_old_faktor * dic["single_old_price"] + multiple_old = multiple_old_faktor * dic["multiple_old_price"] + single_new = single_new_faktor * dic["single_new_price"] + multiple_new = multiple_new_faktor * dic["multiple_new_price"] + + preis = single_old + multiple_old + single_new + multiple_new + + return preis + + +# Daten aus DEA: +# einlesen von Daten +data_folder = os.path.join("/YOUR/DATA/ROAD/TAKE/ME/HOME/TO/THE/PLACE") +data = os.path.join(data_folder, "technology_data_heating_installations_-_0003.xlsx") + +#datensheets +single_old = pd.read_excel(data, "204 Biomass auto,ex single", skiprows=4, nrows=33) +multiple_old = pd.read_excel(data, "204 Biomass auto,ex apart", skiprows=4, nrows=33) +single_new = pd.read_excel(data, "204 Biomass auto,new single", skiprows=4, nrows=33) +multiple_new = pd.read_excel(data, "204 Biomass auto,new apart", skiprows=4, nrows=33) + +dic_capacity_cost_overnight_2045 = { + "single_old_price": linear_interpolate_2045((single_old.iat[19,5]*1000)/(single_old.iat[0,5]/1000), (single_old.iat[19,6]*1000)/(single_old.iat[0,6]/1000)), + "multiple_old_price": linear_interpolate_2045((multiple_old.iat[19,5]*1000)/(multiple_old.iat[0,5]/1000), (multiple_old.iat[19,6]*1000)/(multiple_old.iat[0,6]/1000)), + "single_new_price": linear_interpolate_2045((single_new.iat[19,5]*1000)/(single_new.iat[0,5]/1000), (single_new.iat[19,6]*1000)/(single_new.iat[0,6]/1000)), + "multiple_new_price": linear_interpolate_2045((multiple_new.iat[19,5]*1000)/(multiple_new.iat[0,5]/1000), (multiple_new.iat[19,6]*1000)/(multiple_new.iat[0,6]/1000)), +} + +dic_effiency_2045 = { + "single_old_price": linear_interpolate_2045(single_old.iat[3,5], single_old.iat[3,6]), + "multiple_old_price": linear_interpolate_2045(multiple_old.iat[3,5], multiple_old.iat[3,6]) , + "single_new_price": linear_interpolate_2045(single_new.iat[3,5], single_new.iat[3,6]), + "multiple_new_price": linear_interpolate_2045(multiple_new.iat[3,5], multiple_new.iat[3,6]) +} + +dic_fixom_cost_2045 = { + "single_old_price": linear_interpolate_2045((single_old.iat[24,5])/(single_old.iat[0,5]/1000), (single_old.iat[24,6])/(single_old.iat[0,6]/1000)), + "multiple_old_price": linear_interpolate_2045((multiple_old.iat[24,5])/(multiple_old.iat[0,5]/1000), (multiple_old.iat[24,6])/(multiple_old.iat[0,6]/1000)), + "single_new_price": linear_interpolate_2045((single_new.iat[24,5])/(single_new.iat[0,5]/1000), (single_new.iat[24,5])/(single_new.iat[0,5]/1000)), + "multiple_new_price": linear_interpolate_2045((multiple_new.iat[24,5])/(multiple_new.iat[0,5]/1000), (multiple_new.iat[24,6])/(multiple_new.iat[0,6]/1000)), +} +dic_lifetime_2045 = { + "single_old_price": linear_interpolate_2045(single_old.iat[5,5], single_old.iat[5,6]), + "multiple_old_price": linear_interpolate_2045(multiple_old.iat[5,5], multiple_old.iat[5,6]), + "single_new_price": linear_interpolate_2045(single_new.iat[5,5], single_new.iat[5,6]), + "multiple_new_price": linear_interpolate_2045(multiple_new.iat[5,5], multiple_new.iat[5,6]), +} + +dic_marginal_cost_2045 = { + "single_old_price": linear_interpolate_2045(single_old.iat[23,2] / 1000, single_old.iat[23,2] / 1000), + "multiple_old_price": linear_interpolate_2045(multiple_old.iat[23,2] / 1000, multiple_old.iat[23,2] / 1000), + "single_new_price": linear_interpolate_2045(single_new.iat[23,2] / 1000,single_new.iat[23,2] ), + "multiple_new_price": linear_interpolate_2045(multiple_new.iat[23,2] / 1000, multiple_new.iat[23,2] / 1000), +} + +dic_2045 = [dic_capacity_cost_overnight_2045,dic_effiency_2045, dic_fixom_cost_2045, dic_lifetime_2045, dic_marginal_cost_2045] +val_2045 = [] + +# Berechnungen +for dic in dic_2045: + val_2045.append(get_agg_price_2045(dic)) + +print(val_2045) +``` +thermal_collector_small_script.py +``` +import pandas as pd +import os.path + +def linear_interpolate_2045(wert_1, wert_2): + zeit_1 = 2040 + zeit_2 = 2050 + wert = wert_1 + (((wert_2 - wert_1) / (zeit_2 - zeit_1)) * (2045 - zeit_1)) + + return wert + + +def get_agg_price_2045(dic): + # Neubau und Sanierungen allg nach BMI f. Deutschland + neubau = (0.36 + 0.36 + 0.37 + 0.38 + 0.35 + 0.34 + 0.26 + 0.22 + 0.22 + 0.22 + 0.25 + 0.26 + 0.27 + 0.28 + 0.30 + 0.32 + 0.32 + 0.32 + 0.31 + 0.31) / 20 + altbau = 1 - neubau + + # Verhältnisse Einfamilienhaus-Mehrfamilienhaus nach destatis 2020 + single_new = 693 / 763 + multiple_new = (763 - 693) / 763 + + # Einfamilinehaus-Mehrfamilienhaus im Altbau Annahme: + single_faktor = 0.7 + multiple_faktor = 0.3 + + single_new_faktor = neubau * single_new + multiple_new_faktor = neubau * multiple_new + single_old_faktor = altbau * single_faktor + multiple_old_faktor = altbau * multiple_faktor + + single_old = single_old_faktor * dic["single_old_price"] + multiple_old = multiple_old_faktor * dic["multiple_old_price"] + single_new = single_new_faktor * dic["single_new_price"] + multiple_new = multiple_new_faktor * dic["multiple_new_price"] + + preis = single_old + multiple_old + single_new + multiple_new + + return preis + + +# Daten aus DEA: +# einlesen von Daten +data_folder = os.path.join("/YOUR/DATA/ROAD/TAKE/ME/HOME/TO/THE/PLACE") +data = os.path.join(data_folder, "technology_data_heating_installations_-_0003.xlsx") + +#datensheets +single_old = pd.read_excel(data, "215 Solar heating,ex single", skiprows=4, nrows=33) +multiple_old = pd.read_excel(data, "215 Solar heating,ex apart", skiprows=4, nrows=33) +single_new = pd.read_excel(data, "215 Solar heating,new single", skiprows=4, nrows=33) +multiple_new = pd.read_excel(data, "215 Solar heating,new apart", skiprows=4, nrows=33) + +dic_capacity_cost_overnight_2045 = { + "single_old_price": linear_interpolate_2045((single_old.iat[19,5]*1000)/(single_old.iat[0,5]/1000), (single_old.iat[19,6]*1000)/(single_old.iat[0,6]/1000)), + "multiple_old_price": linear_interpolate_2045((multiple_old.iat[19,5]*1000)/(multiple_old.iat[0,5]/1000), (multiple_old.iat[19,6]*1000)/(multiple_old.iat[0,6]/1000)), + "single_new_price": linear_interpolate_2045((single_new.iat[19,5]*1000)/(single_new.iat[0,5]/1000), (single_new.iat[19,6]*1000)/(single_new.iat[0,6]/1000)), + "multiple_new_price": linear_interpolate_2045((multiple_new.iat[19,5]*1000)/(multiple_new.iat[0,5]/1000), (multiple_new.iat[19,6]*1000)/(multiple_new.iat[0,6]/1000)), +} + +dic_fixom_cost_2045 = { + "single_old_price": linear_interpolate_2045((single_old.iat[24,5])/(single_old.iat[0,5]/1000), (single_old.iat[24,6])/(single_old.iat[0,6]/1000)), + "multiple_old_price": linear_interpolate_2045((multiple_old.iat[24,5])/(multiple_old.iat[0,5]/1000), (multiple_old.iat[24,6])/(multiple_old.iat[0,6]/1000)), + "single_new_price": linear_interpolate_2045((single_new.iat[24,5])/(single_new.iat[0,5]/1000), (single_new.iat[24,5])/(single_new.iat[0,5]/1000)), + "multiple_new_price": linear_interpolate_2045((multiple_new.iat[24,5])/(multiple_new.iat[0,5]/1000), (multiple_new.iat[24,6])/(multiple_new.iat[0,6]/1000)), +} +dic_lifetime_2045 = { + "single_old_price": linear_interpolate_2045(single_old.iat[5,5], single_old.iat[5,6]), + "multiple_old_price": linear_interpolate_2045(multiple_old.iat[5,5], multiple_old.iat[5,6]), + "single_new_price": linear_interpolate_2045(single_new.iat[5,5], single_new.iat[5,6]), + "multiple_new_price": linear_interpolate_2045(multiple_new.iat[5,5], multiple_new.iat[5,6]), +} + +dic_2045 = [dic_capacity_cost_overnight_2045, dic_fixom_cost_2045, dic_lifetime_2045] +val_2045 = [] + +# Berechnungen +for dic in dic_2045: + val_2045.append(get_agg_price_2045(dic)) + +print(val_2045) +``` +pv_rooftop_script.py: +``` +import pandas as pd +import geopandas as gpd +import os.path + +#trennt residential and industrial rooftop PV nach Nennleistung +def get_proprtion_residential_industrtial(df): + sum = df[["usage_sector", "status"]].groupby("usage_sector").count().sum() + industrial = (df[["usage_sector", "status"]].groupby("usage_sector").count().loc["Industrie"][0] + \ + df[["usage_sector", "status"]].groupby("usage_sector").count().loc["Sonstige"][0] + \ + df[["usage_sector", "status"]].groupby("usage_sector").count().loc["Landwirtschaft"][0] + \ + df[["usage_sector", "status"]].groupby("usage_sector").count().loc[ + "Gewerbe, Handel und Dienstleistungen"][0]) \ + / sum + residental = (df[["usage_sector", "status"]].groupby("usage_sector").count().loc["Öffentliches Gebäude"][0] + + df[["usage_sector", "status"]].groupby("usage_sector").count().loc["Haushalt"][0]) / sum + return [industrial, residental] + + +def get_qgis_df(GeoDataFrame): + gdf = gpd.read_file(GeoDataFrame, where="geometry_approximated='0'") + gdf.where(gdf["status"] == "In Betrieb").to_file("bnetza_mastr_pv_roof_region_filtered.gpkg") + +def linear_interpolate_2045(wert_1, wert_2): + zeit_1 = 2040 + zeit_2 = 2050 + wert = wert_1 + (((wert_2 - wert_1) / (zeit_2 - zeit_1)) * (2045 - zeit_1)) + + return wert + +def get_agg_price_2045(dic, proportion): + # getting faktoren + industrial_factor = proportion[0][0] + residential_factor = proportion[1][0] + + residential = residential_factor * dic["residential_price"] + industrial = industrial_factor * dic["industrial_price"] + + preis = residential + industrial + + return preis + + +data_folder = os.path.join("/YOUR/DATA/ROAD/TAKE/ME/HOME/TO/THE/PLACE") +data = ["bnetza_mastr_pv_ground_region.gpkg", "bnetza_mastr_pv_roof_region.gpkg"] + +df = gpd.read_file(os.path.join(data_folder, data[1])) + +# Daten aus DEA: +# einlesen von Daten +data_folder_sheets = os.path.join("/YOUR/DATA/ROAD/TAKE/ME/HOME/TO/THE/PLACE") +data_sheets = os.path.join(data_folder_sheets, "technology_data_for_el_and_dh.xlsx") + +#datensheets +residential = pd.read_excel(data_sheets, "22 Rooftop PV residential", skiprows=4, nrows=42) +industrial = pd.read_excel(data_sheets, "22 Rooftop PV comm.&industrial", skiprows=4, nrows=42) + +proportion = get_proprtion_residential_industrtial(df) + +dic_capacity_cost_overnight_2045 = { + "residential_price": linear_interpolate_2045(residential.iat[10,5], residential.iat[10,6])*1000000, + "industrial_price": linear_interpolate_2045(industrial.iat[10,5], industrial.iat[10,6])*1000000 +} +dic_fixom_cost_2045 = { + "residential_price": linear_interpolate_2045(residential.iat[18,5], residential.iat[18,6]), + "industrial_price": linear_interpolate_2045(industrial.iat[18,5], industrial.iat[18,6]), +} + +dic_lifetime_2045 = { + "residential_price": linear_interpolate_2045(residential.iat[3,5], residential.iat[3,6]), + "industrial_price": linear_interpolate_2045(industrial.iat[3,5], industrial.iat[3,6]), +} + +dic_2045 = [dic_capacity_cost_overnight_2045, dic_fixom_cost_2045, dic_lifetime_2045] +val_2045 = [] + +# Berechnungen +for dic in dic_2045: + val_2045.append(get_agg_price_2045(dic, proportion)) + +print(dic_capacity_cost_overnight_2045, dic_fixom_cost_2045, dic_lifetime_2045) +print(proportion[0][0]) +print(val_2045) +``` +Pth_decentral_scirpt.py +``` +import pandas as pd +import os.path + +def linear_interpolate_2045(wert_1, wert_2): + zeit_1 = 2040 + zeit_2 = 2050 + wert = wert_1 + (((wert_2 - wert_1) / (zeit_2 - zeit_1)) * (2045 - zeit_1)) + + return wert + + +def get_agg_price_2045(dic): + # Neubau und Sanierungen allg nach BMI f. Deutschland + neubau = (0.36 + 0.36 + 0.37 + 0.38 + 0.35 + 0.34 + 0.26 + 0.22 + 0.22 + 0.22 + 0.25 + 0.26 + 0.27 + 0.28 + 0.30 + 0.32 + 0.32 + 0.32 + 0.31 + 0.31) / 20 + + # Verhältnisse Einfamilienhaus-Mehrfamilienhaus nach destatis 2020 + single_new = 693 / 763 + multiple_new = (763 - 693) / 763 + + single_new_faktor = single_new + multiple_new_faktor = multiple_new + + + single_new = single_new_faktor * dic["single_new_price"] + multiple_new = multiple_new_faktor * dic["multiple_new_price"] + + preis = single_new + multiple_new + + return preis + + +# Daten aus DEA: +# einlesen von Daten +data_folder = os.path.join("/YOUR/DATA/ROAD/TAKE/ME/HOME/TO/THE/PLACE") +data = os.path.join(data_folder, "technology_data_heating_installations_-_0003.xlsx") + +#datensheets +single_new = pd.read_excel(data, "216 Electric heating,new single", skiprows=4, nrows=33) +multiple_new = pd.read_excel(data, "216 Electric heating,new apart", skiprows=4, nrows=33) + +dic_capacity_cost_overnight_2045 = { + "single_new_price": linear_interpolate_2045((single_new.iat[19,5]*1000)/(single_new.iat[0,5]/1000), (single_new.iat[19,6]*1000)/(single_new.iat[0,6]/1000)), + "multiple_new_price": linear_interpolate_2045((multiple_new.iat[19,5]*1000)/(multiple_new.iat[0,5]/1000), (multiple_new.iat[19,6]*1000)/(multiple_new.iat[0,6]/1000)), +} +dic_effiency_2045 = { + "single_new_price": linear_interpolate_2045(single_new.iat[3,5], single_new.iat[3,6]), + "multiple_new_price": linear_interpolate_2045(multiple_new.iat[3,5], multiple_new.iat[3,6]) +} +dic_fixom_cost_2045 = { + "single_new_price": linear_interpolate_2045((single_new.iat[24,5])/(single_new.iat[0,5]/1000), (single_new.iat[24,5])/(single_new.iat[0,5]/1000)), + "multiple_new_price": linear_interpolate_2045((multiple_new.iat[24,5])/(multiple_new.iat[0,5]/1000), (multiple_new.iat[24,6])/(multiple_new.iat[0,6]/1000)), +} +dic_lifetime_2045 = { + "single_new_price": linear_interpolate_2045(single_new.iat[5,5], single_new.iat[5,6]), + "multiple_new_price": linear_interpolate_2045(multiple_new.iat[5,5], multiple_new.iat[5,6]), +} +dic_marginal_cost_2045 = { + "single_new_price": linear_interpolate_2045(single_new.iat[23,2] / 1000,single_new.iat[23,2] ), + "multiple_new_price": linear_interpolate_2045(multiple_new.iat[23,2] / 1000, multiple_new.iat[23,2] / 1000), +} + +dic_2045 = [dic_capacity_cost_overnight_2045, dic_effiency_2045 , dic_fixom_cost_2045, dic_lifetime_2045, dic_marginal_cost_2045] +val_2045 = [] + +print(dic_fixom_cost_2045) +# Berechnungen +for dic in dic_2045: + val_2045.append(get_agg_price_2045(dic)) + +print(val_2045) +``` +heatpumpt_small_script.py: +``` +import pandas as pd +import os.path + +def get_faktoren_new(df): + + hp_agg = {"single_erdwaerme": 0, "multiple_erdwaerme": 0, "single_umweltwaerme": 0, "multiple_umweltwaerme": 0,} + + for row in df.itertuples(): + bereich = row[1].split(",")[2] + energie = row[1].split(",")[3] + try: + count_insg = int(row[1].split(",")[4]) + count_single = int(row[1].split(",")[5]) + except: + ValueError + + if bereich == "Sachsen-Anhalt": + if energie == "Geothermie": + hp_agg["single_erdwaerme"] += count_single + hp_agg["multiple_erdwaerme"] += (count_insg - count_single) + elif energie == "Umweltthermie (Luft / Wasser)": + hp_agg["single_umweltwaerme"] += count_single + hp_agg["multiple_umweltwaerme"] += (count_insg - count_single) + else: + continue + + else: + continue + + hp_agg_sum = sum(hp_agg.values()) + air_single_new = hp_agg["single_umweltwaerme"] / hp_agg_sum + air_multiple_new = hp_agg["multiple_umweltwaerme"] / hp_agg_sum + ground_single_new = hp_agg["single_erdwaerme"] / hp_agg_sum + ground_multiple_new = hp_agg["multiple_erdwaerme"] / hp_agg_sum + + return air_single_new, air_multiple_new, ground_single_new, ground_multiple_new + +def linear_interpolate_2045(wert_1, wert_2): + zeit_1 = 2040 + zeit_2 = 2050 + wert = wert_1 + (((wert_2 - wert_1) / (zeit_2 - zeit_1)) * (2045 - zeit_1)) + + return wert + + +def get_agg_price_2020(dic): + # nach BWP: Absatz von 2010-2020 -> bildet Bestand mit Kosten von Neubau ab + wp_neubau_abs = 52500+52500+45000+45000+37500+37500+37500+37500+30000+30000+30000 + wp_altbau_abs = 67500+37500+37500+37500+30000+22500+22500+22500+30000+30000+22500 + wp_gesamt_abs = wp_altbau_abs + wp_neubau_abs + wp_neubau = wp_neubau_abs / wp_gesamt_abs + wp_geo = 333333 / (333333+750000) + wp_umwelt = 750000 / (333333+750000) #Umwelt = Luft und Wasser + + # Verhältnisse WP Alt und Neubau in ST nach destatis + # Daten einlesen + data_folder = os.path.join("/YOUR/DATA/ROAD/TAKE/ME/HOME/TO/THE/PLACE") + hp = os.path.join(data_folder, "2023_04_11_ST_thermische_Primärenergie_neubau_2010-2020.csv") + df = pd.read_csv(hp, encoding="ISO8859-1", delimiter=";", skiprows=range(0, 10), nrows=2150) + + faktoren_new = get_faktoren_new(df) + + air_water_single_new_faktor = wp_neubau * faktoren_new[0] + air_water_multiple_new_faktor = wp_neubau * faktoren_new[1] + ground_water_single_new_fakotr = wp_neubau * faktoren_new[2] + ground_water_multiple_new_faktor = wp_neubau * faktoren_new[3] + + # wp altbau: + altbau_air = wp_umwelt - (air_water_single_new_faktor + air_water_multiple_new_faktor) + altbau_ground = wp_geo - (ground_water_single_new_fakotr + ground_water_multiple_new_faktor) + + # keine Daten, daher wie neubau angenommen (es gibt keinen Grund zu glauben, dass im Mehrfamilien-Altbau mehr WP verbaut werden) + single_faktor = faktoren_new[0] + faktoren_new[2] # ca 0.95 + multiple_faktor = faktoren_new[1] + faktoren_new[3] # ca 0.05 + + air_water_single_old_faktor = altbau_air * single_faktor + air_water_multiple_old_faktor = altbau_air * multiple_faktor + ground_water_single_old_fakotr = altbau_ground * single_faktor + ground_water_multiple_old_faktor = altbau_ground * multiple_faktor + + + air_water_single_old = air_water_single_old_faktor * dic["air_water_single_old_price"] + air_water_multiple_old = air_water_multiple_old_faktor * dic["air_water_multiple_old_price"] + ground_water_single_old = ground_water_single_old_fakotr * dic["ground_water_single_old_price"] + ground_water_multiple_old = ground_water_multiple_old_faktor * dic["ground_water_multiple_old_price"] + + air_water_single_new = air_water_single_new_faktor * dic["air_water_single_new_price"] + air_water_multiple_new = air_water_multiple_new_faktor * dic["air_water_multiple_new_price"] + ground_water_single_new = ground_water_single_new_fakotr * dic["ground_water_single_new_price"] + ground_water_multiple_new = ground_water_multiple_new_faktor * dic["ground_water_multiple_new_price"] + + altbau_kosten = air_water_single_old + air_water_multiple_old + ground_water_single_old + ground_water_multiple_old + neubau_kosten = air_water_single_new + air_water_multiple_new + ground_water_single_new + ground_water_multiple_new + + preis = altbau_kosten + neubau_kosten + + faktoren = [air_water_single_old_faktor, + air_water_multiple_old_faktor, + ground_water_single_old_fakotr, + ground_water_multiple_old_faktor, + air_water_single_new_faktor, + air_water_multiple_new_faktor, + ground_water_single_new_fakotr, + ground_water_multiple_new_faktor, + ] + + return preis, faktoren + + +def get_agg_price_2045(dic): + # Neubau und Sanierungen allg nach BMI f. Deutschland + neubau_allg_prozent = (0.36 + 0.36 + 0.37 + 0.38 + 0.35 + 0.34 + 0.26 + 0.22 + 0.22 + 0.22 + 0.25 + 0.26 + 0.27 + 0.28 + 0.30 + 0.32 + 0.32 + 0.32 + 0.31 + 0.31) / 20 + altbau_allg_prozent = 1 - neubau_allg_prozent + + # Sole/Luft nach Absatz 2022 laut BWP + ground = 0.13 + air = 0.87 + + # Einfamilienhaus/Mehrfamilienhaus + single = 0.7 + multiple = 0.3 + + + # Faktoren + air_water_single_old_faktor = altbau_allg_prozent * air * single + air_water_multiple_old_faktor = altbau_allg_prozent * air * multiple + ground_water_single_old_fakotr = altbau_allg_prozent * ground * single + ground_water_multiple_old_faktor = altbau_allg_prozent * ground * multiple + air_water_single_new_faktor = neubau_allg_prozent * air * single + air_water_multiple_new_faktor = neubau_allg_prozent * air * multiple + ground_water_single_new_fakotr = neubau_allg_prozent * ground * single + ground_water_multiple_new_faktor = neubau_allg_prozent * ground * multiple + + air_water_single_old = air_water_single_old_faktor * dic["air_water_single_old_price"] + air_water_multiple_old = air_water_multiple_old_faktor * dic["air_water_multiple_old_price"] + ground_water_single_old = ground_water_single_old_fakotr * dic["ground_water_single_old_price"] + ground_water_multiple_old = ground_water_multiple_old_faktor * dic["ground_water_multiple_old_price"] + air_water_single_new = air_water_single_new_faktor * dic["air_water_single_new_price"] + air_water_multiple_new = air_water_multiple_new_faktor * dic["air_water_multiple_new_price"] + ground_water_single_new = ground_water_single_new_fakotr * dic["ground_water_single_new_price"] + ground_water_multiple_new = ground_water_multiple_new_faktor * dic["ground_water_multiple_new_price"] + + altbau_kosten = air_water_single_old + air_water_multiple_old + ground_water_single_old + ground_water_multiple_old + neubau_kosten = air_water_single_new + air_water_multiple_new + ground_water_single_new + ground_water_multiple_new + + preis = altbau_kosten + neubau_kosten + + faktoren = [air_water_single_old_faktor, + air_water_multiple_old_faktor, + ground_water_single_old_fakotr, + ground_water_multiple_old_faktor, + air_water_single_new_faktor, + air_water_multiple_new_faktor, + ground_water_single_new_fakotr, + ground_water_multiple_new_faktor, + ] + + return preis, faktoren + + +# Daten aus DEA: +# einlesen von Daten +data_folder = os.path.join("/home/local/RL-INSTITUT/aaron.schilling/Dokumente/Projekte/Digipipe") +data = os.path.join(data_folder, "technology_data_heating_installations_-_0003.xlsx") + +#datensheets +air_water_single_old = pd.read_excel(data, "207 HP air-water,ex single", skiprows=4, nrows=33) +air_water_multiple_old = pd.read_excel(data, "207 HP air-water,ex apart", skiprows=4, nrows=33) +ground_water_single_old = pd.read_excel(data, "207 HP air-water,new single", skiprows=4, nrows=33) +ground_water_multiple_old = pd.read_excel(data, "207 HP air-water,new apart", skiprows=4, nrows=33) +air_water_single_new = pd.read_excel(data, "207 HP ground-water,ex single", skiprows=4, nrows=33) +air_water_multiple_new = pd.read_excel(data, "207 HP ground-water,ex apart", skiprows=4, nrows=33) +ground_water_single_new = pd.read_excel(data, "207 HP ground-water,new single", skiprows=4, nrows=33) +ground_water_multiple_new = pd.read_excel(data, "207 HP ground-water,new apart", skiprows=4, nrows=33) + +dic_capacity_cost_overnight_2020 = { + "air_water_single_old_price": air_water_single_old.iat[19,2]*1000/(air_water_single_old.iat[0,2]/1000), + "air_water_multiple_old_price": air_water_multiple_old.iat[19,2]*1000/(air_water_multiple_old.iat[0,2]/1000), + "ground_water_single_old_price": ground_water_single_old.iat[19,2]*1000/(ground_water_single_old.iat[0,2]/1000), + "ground_water_multiple_old_price": ground_water_multiple_old.iat[19,2]*1000/(ground_water_multiple_old.iat[0,2]/1000), + "air_water_single_new_price": air_water_single_new.iat[19,2]*1000/(air_water_single_new.iat[0,2]/1000), + "air_water_multiple_new_price": air_water_multiple_new.iat[19,2]*1000/(air_water_multiple_new.iat[0,2]/1000), + "ground_water_single_new_price": ground_water_single_new.iat[19,2]*1000/(ground_water_single_new.iat[0,2]/1000), + "ground_water_multiple_new_price": ground_water_multiple_new.iat[19,2]*1000/(ground_water_multiple_new.iat[0,2]/1000), +} +dic_fixom_cost_2020 = { + "air_water_single_old_price": air_water_single_old.iat[24,2]/(air_water_single_old.iat[0,2]/1000), + "air_water_multiple_old_price": air_water_multiple_old.iat[24,2]/(air_water_multiple_old.iat[0,2]/1000), + "ground_water_single_old_price": ground_water_single_old.iat[24,2]/(ground_water_single_old.iat[0,2]/1000), + "ground_water_multiple_old_price": ground_water_multiple_old.iat[24,2]/(ground_water_multiple_old.iat[0,2]/1000), + "air_water_single_new_price": air_water_single_new.iat[24,2]/(air_water_single_new.iat[0,2]/1000), + "air_water_multiple_new_price": air_water_multiple_new.iat[24,2]/(air_water_multiple_new.iat[0,2]/1000), + "ground_water_single_new_price": ground_water_single_new.iat[24,2]/(ground_water_single_new.iat[0,2]/1000), + "ground_water_multiple_new_price": ground_water_multiple_new.iat[24,2]/(ground_water_multiple_new.iat[0,2]/1000), +} +dic_lifetime_2020 = { + "air_water_single_old_price": air_water_single_old.iat[5,2], + "air_water_multiple_old_price": air_water_multiple_old.iat[5,2], + "ground_water_single_old_price": ground_water_single_old.iat[5,2], + "ground_water_multiple_old_price": ground_water_multiple_old.iat[5,2], + "air_water_single_new_price": air_water_single_new.iat[5,2], + "air_water_multiple_new_price": air_water_multiple_new.iat[5,2], + "ground_water_single_new_price": ground_water_single_new.iat[5,2], + "ground_water_multiple_new_price": ground_water_multiple_new.iat[5,2], +} +dic_marginal_cost_2020 = { + "air_water_single_old_price": air_water_single_old.iat[23,2] / 1000, + "air_water_multiple_old_price": air_water_multiple_old.iat[23,2] / 1000, + "ground_water_single_old_price": ground_water_single_old.iat[23,2] / 1000, + "ground_water_multiple_old_price": ground_water_multiple_old.iat[23,2] / 1000, + "air_water_single_new_price": air_water_single_new.iat[23,2] / 1000, + "air_water_multiple_new_price": air_water_multiple_new.iat[23,2] / 1000, + "ground_water_single_new_price": ground_water_single_new.iat[23,2] / 1000, + "ground_water_multiple_new_price": ground_water_multiple_new.iat[23,2] / 1000, +} +dic_capacity_cost_overnight_2045 = { + "air_water_single_old_price": linear_interpolate_2045(air_water_single_old.iat[19,5]*1000/(air_water_single_old.iat[0,5]/1000), air_water_single_old.iat[19,6]*1000/(air_water_single_old.iat[0,6]/1000)), + "air_water_multiple_old_price": linear_interpolate_2045(air_water_multiple_old.iat[19,5]*1000/(air_water_multiple_old.iat[0,5]/1000), air_water_multiple_old.iat[19,6]*1000/(air_water_multiple_old.iat[0,6]/1000)), + "ground_water_single_old_price": linear_interpolate_2045(ground_water_single_old.iat[19,5]*1000/(ground_water_single_old.iat[0,5]/1000),ground_water_single_old.iat[19,6]*1000/(ground_water_single_old.iat[0,6]/1000)), + "ground_water_multiple_old_price": linear_interpolate_2045(ground_water_multiple_old.iat[19,5]*1000/(ground_water_multiple_old.iat[0,5]/1000), ground_water_multiple_old.iat[19,6]*1000/(ground_water_multiple_old.iat[0,6]/1000)), + "air_water_single_new_price": linear_interpolate_2045(air_water_single_new.iat[19,5]*1000/(air_water_single_new.iat[0,5]/1000), air_water_single_new.iat[19,6]*1000/(air_water_single_new.iat[0,6]/1000)), + "air_water_multiple_new_price": linear_interpolate_2045(air_water_multiple_new.iat[19,5]*1000/(air_water_multiple_new.iat[0,5]/1000),air_water_multiple_new.iat[19,6]*1000/(air_water_multiple_new.iat[0,6]/1000)), + "ground_water_single_new_price": linear_interpolate_2045(ground_water_single_new.iat[19,5]*1000/(ground_water_single_new.iat[0,5]/1000), ground_water_single_new.iat[19,6]*1000/(ground_water_single_new.iat[0,6]/1000)), + "ground_water_multiple_new_price": linear_interpolate_2045(ground_water_multiple_new.iat[19,5]*1000/(ground_water_multiple_new.iat[0,5]/1000), ground_water_multiple_new.iat[19,6]*1000/(ground_water_multiple_new.iat[0,6]/1000)), +} +dic_fixom_cost_2045 = { + "air_water_single_old_price": linear_interpolate_2045(air_water_single_old.iat[24,5]/(air_water_single_old.iat[0,5]/1000), air_water_single_old.iat[24,6]/(air_water_single_old.iat[0,6]/1000)), + "air_water_multiple_old_price": linear_interpolate_2045(air_water_multiple_old.iat[24,5]/(air_water_multiple_old.iat[0,5]/1000), air_water_multiple_old.iat[24,6]/(air_water_multiple_old.iat[0,6]/1000)), + "ground_water_single_old_price": linear_interpolate_2045(ground_water_single_old.iat[24,5]/(ground_water_single_old.iat[0,5]/1000), ground_water_single_old.iat[24,6]/(ground_water_single_old.iat[0,6]/1000)), + "ground_water_multiple_old_price": linear_interpolate_2045(ground_water_multiple_old.iat[24,5]/(ground_water_multiple_old.iat[0,5]/1000), ground_water_multiple_old.iat[24,6]/(ground_water_multiple_old.iat[0,6]/1000)), + "air_water_single_new_price": linear_interpolate_2045(air_water_single_new.iat[24,5]/(air_water_single_new.iat[0,5]/1000), air_water_single_new.iat[24,6]/(air_water_single_new.iat[0,6]/1000)), + "air_water_multiple_new_price": linear_interpolate_2045(air_water_multiple_new.iat[24,5]/(air_water_multiple_new.iat[0,5]/1000), air_water_multiple_new.iat[24,6]/(air_water_multiple_new.iat[0,6]/1000)), + "ground_water_single_new_price": linear_interpolate_2045(ground_water_single_new.iat[24,5]/(ground_water_single_new.iat[0,5]/1000), ground_water_single_new.iat[24,6]/(ground_water_single_new.iat[0,6]/1000)), + "ground_water_multiple_new_price": linear_interpolate_2045(ground_water_multiple_new.iat[24,5]/(ground_water_multiple_new.iat[0,5]/1000), ground_water_multiple_new.iat[24,6]/(ground_water_multiple_new.iat[0,6]/1000)), +} +dic_lifetime_2045 = { + "air_water_single_old_price": linear_interpolate_2045(air_water_single_old.iat[5,5], air_water_single_old.iat[5,6]), + "air_water_multiple_old_price": linear_interpolate_2045(air_water_multiple_old.iat[5,5], air_water_multiple_old.iat[5,6]), + "ground_water_single_old_price": linear_interpolate_2045(ground_water_single_old.iat[5,5], ground_water_single_old.iat[5,6]), + "ground_water_multiple_old_price": linear_interpolate_2045(ground_water_multiple_old.iat[5,5], ground_water_multiple_old.iat[5,6]), + "air_water_single_new_price": linear_interpolate_2045(air_water_single_new.iat[5,5], air_water_single_new.iat[5,6]), + "air_water_multiple_new_price": linear_interpolate_2045(air_water_multiple_new.iat[5,5], air_water_multiple_new.iat[5,6]), + "ground_water_single_new_price": linear_interpolate_2045(ground_water_single_new.iat[5,5], ground_water_single_new.iat[5,6]), + "ground_water_multiple_new_price": linear_interpolate_2045(ground_water_multiple_new.iat[5,5], ground_water_multiple_new.iat[5,6]), +} +dic_marginal_cost_2045 = { + "air_water_single_old_price": linear_interpolate_2045(air_water_single_old.iat[23,5] / 1000, air_water_single_old.iat[23,6] / 1000), + "air_water_multiple_old_price": linear_interpolate_2045(air_water_multiple_old.iat[23,5] / 1000, air_water_multiple_old.iat[23,6] / 1000), + "ground_water_single_old_price": linear_interpolate_2045(ground_water_single_old.iat[23,5] / 1000, ground_water_single_old.iat[23,6] / 1000), + "ground_water_multiple_old_price": linear_interpolate_2045(ground_water_multiple_old.iat[23,5] / 1000, ground_water_multiple_old.iat[23,6] / 1000), + "air_water_single_new_price": linear_interpolate_2045(air_water_single_new.iat[23,5] / 1000, air_water_single_new.iat[23,6] / 1000), + "air_water_multiple_new_price": linear_interpolate_2045(air_water_multiple_new.iat[23,5] / 1000, air_water_multiple_new.iat[23,6] / 1000), + "ground_water_single_new_price": linear_interpolate_2045(ground_water_single_new.iat[23,5] / 1000, ground_water_single_new.iat[23,6] / 1000), + "ground_water_multiple_new_price": linear_interpolate_2045(ground_water_multiple_new.iat[23,5] / 1000, ground_water_multiple_new.iat[23,6] / 1000), +} + +dic_2020 = [dic_capacity_cost_overnight_2020, dic_fixom_cost_2020, dic_lifetime_2020, dic_marginal_cost_2020] +dic_2045 = [dic_capacity_cost_overnight_2045, dic_fixom_cost_2045, dic_lifetime_2045, dic_marginal_cost_2045] + +val_2020 = [] +val_2045 = [] +faktoren_2020 = get_agg_price_2020(dic_fixom_cost_2045)[1] +faktoren_2045 = get_agg_price_2045(dic_fixom_cost_2045)[1] + +# Berechnungen +for dic in dic_2020: + val_2020.append(get_agg_price_2020(dic)[0]) + +for dic in dic_2045: + val_2045.append(get_agg_price_2045(dic)[0]) + +print(val_2020, val_2045) +print(faktoren_2020, faktoren_2045) +``` +boiler_small_scirpt.py: +``` +import pandas as pd +import os.path + +def get_faktoren_new(df): + + gas_agg = {"single": 0, "multiple": 0} + + for row in df.itertuples(): + bereich = row[1].split(",")[2] + energie = row[1].split(",")[3] + try: + count_insg = int(row[1].split(",")[4]) + count_single = int(row[1].split(",")[5]) + except: + ValueError + + if bereich == "Sachsen-Anhalt": + if energie == "Gas": + gas_agg["single"] += count_single + gas_agg["multiple"] += (count_insg - count_single) + else: + continue + + else: + continue + + gas_agg_sum = sum(gas_agg.values()) + single_new = gas_agg["single"] / gas_agg_sum + multiple_new = gas_agg["multiple"] / gas_agg_sum + + return single_new, multiple_new, + + +def linear_interpolate_2045(wert_1, wert_2): + zeit_1 = 2040 + zeit_2 = 2050 + wert = wert_1 + (((wert_2 - wert_1) / (zeit_2 - zeit_1)) * (2045 - zeit_1)) + + return wert + + +def get_agg_price_2020(dic): + # Neubau und Sanierungen allg nach BMI f. Deutschland + neubau = (0.36 + 0.36 + 0.37 + 0.38 + 0.35 + 0.34 + 0.26 + 0.22 + 0.22 + 0.22 + 0.25 + 0.26 + 0.27 + 0.28 + 0.30 + 0.32 + 0.32 + 0.32 + 0.31 + 0.31) / 20 + altbau = 1 - neubau + + # Verhältnisse Einfamilienhaus-Mehrfamilienhaus nach destatis + # Daten einlesen + data_folder = os.path.join("/YOUR/DATA/ROAD/TAKE/ME/HOME/TO/THE/PLACE") + hp = os.path.join(data_folder, "2023_04_11_ST_thermische_Primärenergie_neubau_2010-2020.csv") + df = pd.read_csv(hp, encoding="ISO8859-1", delimiter=";", skiprows=range(0, 10), nrows=2150) + + faktoren_new = get_faktoren_new(df) + + # Einfamilinehaus-Mehrfamilienhaus im Altbau Annahme: + single_faktor = 0.7 + multiple_faktor = 0.3 + + single_new_faktor = neubau * faktoren_new[0] + multiple_new_faktor = neubau * faktoren_new[1] + single_old_faktor = altbau * single_faktor + multiple_old_faktor = altbau * multiple_faktor + + single_old = single_old_faktor * dic["single_old_price"] + multiple_old = multiple_old_faktor * dic["multiple_old_price"] + single_new = single_new_faktor * dic["single_new_price"] + multiple_new = multiple_new_faktor * dic["multiple_new_price"] + + preis = single_old + multiple_old + single_new + multiple_new + + + return preis + + +def get_agg_price_2045(dic): + # Neubau und Sanierungen allg nach BMI f. Deutschland + neubau = (0.36 + 0.36 + 0.37 + 0.38 + 0.35 + 0.34 + 0.26 + 0.22 + 0.22 + 0.22 + 0.25 + 0.26 + 0.27 + 0.28 + 0.30 + 0.32 + 0.32 + 0.32 + 0.31 + 0.31) / 20 + altbau = 1 - neubau + + # Verhältnisse Einfamilienhaus-Mehrfamilienhaus nach destatis 2020 + gas_single_new = 693 / 763 + gas_multiple_new = (763 - 693) / 763 + + # Einfamilinehaus-Mehrfamilienhaus im Altbau Annahme: + single_faktor = 0.7 + multiple_faktor = 0.3 + + single_new_faktor = neubau * gas_single_new + multiple_new_faktor = neubau * gas_multiple_new + single_old_faktor = altbau * single_faktor + multiple_old_faktor = altbau * multiple_faktor + + single_old = single_old_faktor * dic["single_old_price"] + multiple_old = multiple_old_faktor * dic["multiple_old_price"] + single_new = single_new_faktor * dic["single_new_price"] + multiple_new = multiple_new_faktor * dic["multiple_new_price"] + + preis = single_old + multiple_old + single_new + multiple_new + + return preis + + +# Daten aus DEA: +# einlesen von Daten +data_folder = os.path.join("/ROAD/TO/DATA") +data = os.path.join(data_folder, "technology_data_heating_installations_-_0003.xlsx") + +#datensheets +single_old = pd.read_excel(data, "202 Gas boiler, ex single", skiprows=4, nrows=33) +multiple_old = pd.read_excel(data, "202 Gas boiler, ex apart", skiprows=4, nrows=33) +single_new = pd.read_excel(data, "202 Gas boiler, new single", skiprows=4, nrows=33) +multiple_new = pd.read_excel(data, "202 Gas boiler, new apart", skiprows=4, nrows=33) + + +dic_capacity_cost_overnight_2020 = { + "single_old_price": (single_old.iat[19,2]*1000)/(single_old.iat[0,2]/1000), + "multiple_old_price": (multiple_old.iat[19,2]*100)/(multiple_old.iat[0,2]/1000), + "single_new_price": (single_new.iat[19,2]*1000)/(single_new.iat[0,2]/1000), + "multiple_new_price": (multiple_new.iat[19,2]*1000)/(multiple_new.iat[0,2]/1000), +} +dic_effiency_2020 = { + "single_old_price": single_old.iat[3,2], + "multiple_old_price": multiple_old.iat[3,2], + "single_new_price": single_new.iat[3,2], + "multiple_new_price": multiple_new.iat[3,2], +} +dic_fixom_cost_2020 = { + "single_old_price": single_old.iat[24,2]/(single_old.iat[0,2]/1000), + "multiple_old_price": multiple_old.iat[24,2]/(multiple_old.iat[0,2]/1000), + "single_new_price": single_new.iat[24,2]/(single_new.iat[0,2]/1000), + "multiple_new_price": multiple_new.iat[24,2]/(multiple_new.iat[0,2]/1000), +} +dic_lifetime_2020 = { + "single_old_price": single_old.iat[5,2], + "multiple_old_price": multiple_old.iat[5,2], + "single_new_price": single_new.iat[5,2], + "multiple_new_price": multiple_new.iat[5,2], +} +dic_marginal_cost_2020 = { + "single_old_price": single_old.iat[23,2] / 1000, + "multiple_old_price": multiple_old.iat[23,2] / 1000, + "single_new_price": single_new.iat[23,2] / 1000, + "multiple_new_price": multiple_new.iat[23,2] / 1000, +} + +dic_capacity_cost_overnight_2045 = { + "single_old_price": linear_interpolate_2045((single_old.iat[19,5]*1000)/(single_old.iat[0,5]/1000), (single_old.iat[19,6]*1000)/(single_old.iat[0,6]/1000)), + "multiple_old_price": linear_interpolate_2045((multiple_old.iat[19,5]*1000)/(multiple_old.iat[0,5]/1000), (multiple_old.iat[19,6]*1000)/(multiple_old.iat[0,6]/1000)), + "single_new_price": linear_interpolate_2045((single_new.iat[19,5]*1000)/(single_new.iat[0,5]/1000), (single_new.iat[19,6]*1000)/(single_new.iat[0,6]/1000)), + "multiple_new_price": linear_interpolate_2045((multiple_new.iat[19,5]*1000)/(multiple_new.iat[0,5]/1000), (multiple_new.iat[19,6]*1000)/(multiple_new.iat[0,6]/1000)), +} + +dic_effiency_2045 = { + "single_old_price": linear_interpolate_2045(single_old.iat[3,5], single_old.iat[3,6]), + "multiple_old_price": linear_interpolate_2045(multiple_old.iat[3,5], multiple_old.iat[3,6]) , + "single_new_price": linear_interpolate_2045(single_new.iat[3,5], single_new.iat[3,6]), + "multiple_new_price": linear_interpolate_2045(multiple_new.iat[3,5], multiple_new.iat[3,6]) +} + +dic_fixom_cost_2045 = { + "single_old_price": linear_interpolate_2045((single_old.iat[24,5])/(single_old.iat[0,5]/1000), (single_old.iat[24,6])/(single_old.iat[0,6]/1000)), + "multiple_old_price": linear_interpolate_2045((multiple_old.iat[24,5])/(multiple_old.iat[0,5]/1000), (multiple_old.iat[24,6])/(multiple_old.iat[0,6]/1000)), + "single_new_price": linear_interpolate_2045((single_new.iat[24,5])/(single_new.iat[0,5]/1000), (single_new.iat[24,5])/(single_new.iat[0,5]/1000)), + "multiple_new_price": linear_interpolate_2045((multiple_new.iat[24,5])/(multiple_new.iat[0,5]/1000), (multiple_new.iat[24,6])/(multiple_new.iat[0,6]/1000)), +} +dic_lifetime_2045 = { + "single_old_price": linear_interpolate_2045(single_old.iat[5,5], single_old.iat[5,6]), + "multiple_old_price": linear_interpolate_2045(multiple_old.iat[5,5], multiple_old.iat[5,6]), + "single_new_price": linear_interpolate_2045(single_new.iat[5,5], single_new.iat[5,6]), + "multiple_new_price": linear_interpolate_2045(multiple_new.iat[5,5], multiple_new.iat[5,6]), +} + +dic_marginal_cost_2045 = { + "single_old_price": linear_interpolate_2045(single_old.iat[23,2] / 1000, single_old.iat[23,2] / 1000), + "multiple_old_price": linear_interpolate_2045(multiple_old.iat[23,2] / 1000, multiple_old.iat[23,2] / 1000), + "single_new_price": linear_interpolate_2045(single_new.iat[23,2] / 1000,single_new.iat[23,2] ), + "multiple_new_price": linear_interpolate_2045(multiple_new.iat[23,2] / 1000, multiple_new.iat[23,2] / 1000), +} + +dic_2020 = [dic_capacity_cost_overnight_2020, dic_effiency_2020, dic_fixom_cost_2020, dic_lifetime_2020, dic_marginal_cost_2020] +dic_2045 = [dic_capacity_cost_overnight_2045,dic_effiency_2045, dic_fixom_cost_2045, dic_lifetime_2045, dic_marginal_cost_2045] +val_2020 = [] +val_2045 = [] + +# Berechnungen +for dic in dic_2020: + val_2020.append(get_agg_price_2020(dic)) + +for dic in dic_2045: + val_2045.append(get_agg_price_2045(dic)) + +print(val_2020, val_2045) + +``` From 5d50f7b2b4851d97ce19b7a88b6cf39a2a196403 Mon Sep 17 00:00:00 2001 From: aaronschilling <124676703+aaronschilling@users.noreply.github.com> Date: Wed, 6 Sep 2023 20:40:52 +0200 Subject: [PATCH 02/11] Update dataset.md fixed spelling --- digipipe/store/raw/technology_data/dataset.md | 14 +++++++------- 1 file changed, 7 insertions(+), 7 deletions(-) diff --git a/digipipe/store/raw/technology_data/dataset.md b/digipipe/store/raw/technology_data/dataset.md index 3a114805..60b2a218 100644 --- a/digipipe/store/raw/technology_data/dataset.md +++ b/digipipe/store/raw/technology_data/dataset.md @@ -270,22 +270,22 @@ Keine direkten Werte vorhanden, daher Modellierung anhand der wood stove Werte efficiency: -Differenz der Energie zwischen Holz und Kohle liegt im Heizwert des Brennstoffs. Daher wird die Effizienz der wood stove mit Faktor des Verhältnisses der Heizwerte multipliziert. -Daten für Heizwerte von BMWK [11](https://www.bmwk.de/Redaktion/DE/Artikel/Energie/energiedaten-gesamtausgabe.html) und [12](https://books.google.de/books?id=n0fVYjrHAlwC&pg=PA58#v=onepage&q&f=false) ergibt einen Faktor von 4/3 + Differenz der Energie zwischen Holz und Kohle liegt im Heizwert des Brennstoffs. Daher wird die Effizienz der wood stove mit Faktor des Verhältnisses der Heizwerte multipliziert. + Daten für Heizwerte von BMWK [11](https://www.bmwk.de/Redaktion/DE/Artikel/Energie/energiedaten-gesamtausgabe.html) und [12](https://books.google.de/books?id=n0fVYjrHAlwC&pg=PA58#v=onepage&q&f=false) ergibt einen Faktor von 4/3 fixom_cost: -Bestehen großteils aus Brennstoffkosten. Änderung zu wood stove besteht aus Heizwert (gewonnene Energie pro kg) und Preisdiff pro Kilogramm + Bestehen großteils aus Brennstoffkosten. Änderung zu wood stove besteht aus Heizwert (gewonnene Energie pro kg) und Preisdiff pro Kilogramm -Preise aus brikett-rekord.com [13] + Preise aus brikett-rekord.com [13] lifetime: -identisch wie wood stove + identisch wie wood stove -marginal-cost: identisch wie wood stove + marginal-cost: identisch wie wood stove -Aus den Annahmen folgt, dass die Investkosten ignoriert werden können. + Aus den Annahmen folgt, dass die Investkosten ignoriert werden können. #### pv_ground From a61cf39a082b2cb400e6cd943da04a9e1bf5f291 Mon Sep 17 00:00:00 2001 From: aaronschilling <124676703+aaronschilling@users.noreply.github.com> Date: Thu, 7 Sep 2023 12:48:46 +0200 Subject: [PATCH 03/11] Update metadata.json --- .../store/raw/technology_data/metadata.json | 96 ++++++++++++++++++- 1 file changed, 92 insertions(+), 4 deletions(-) diff --git a/digipipe/store/raw/technology_data/metadata.json b/digipipe/store/raw/technology_data/metadata.json index b045ed94..f06b1b44 100644 --- a/digipipe/store/raw/technology_data/metadata.json +++ b/digipipe/store/raw/technology_data/metadata.json @@ -1,7 +1,95 @@ { - "Datenquellen": { - "FLH": "", - "spec_area": "", - "emissions": "https://ens.dk/en/our-services/projections-and-models/technology-data" + "name": "technology_data", + "title": "Technologiedaten", + "id": "technology_data", + "description": "Jahresvollaststunden, Leistungsdichte, Nennleistung, Kosten und Effizienzen von energieumwandlungs Technologien", + "language": [ + "de-DE", + "en-GB" + ], + "subject": [], + "keywords": [ + "technologiedaten", + "Jahresvollaststunden", + "Nennleistung", + "Kosten", + "Effizienzen" + ], + "publicationDate": null, + "context": { + "homepage": "https://abw.rl-institut.de", + "documentation": "https://digiplan.readthedocs.io", + "sourceCode": "https://github.com/rl-institut/digipipe/", + "contact": "https://reiner-lemoine-institut.de/ueber-uns/kontakt/", + "grantNo": "None", + "fundingAgency": "https://www.region-gestalten.bund.de", + "fundingAgencyLogo": "https://www.region-gestalten.bund.de/Region/SiteGlobals/Frontend/Images/logo.svg", + "publisherLogo": "https://reiner-lemoine-institut.de//wp-content/uploads/2015/09/rlilogo.png" + }, + "spatial": { + "location": "Europe", + "extent": "Europe", + "resolution": "" + }, + "temporal": { + "referenceDate": null, + "timeseries" :null + "sources": [ + { + "title": "Technologiedaten", + "description": "Jahresvollaststunden, Leistungsdichte, Nennleistung, Kosten und Effizienzen von energieumwandlungs Technologien", + "path": "https://ens.dk/en/our-services/projections-and-models/technology-data", + "licenses": null + } + ], + "contributors": [ + { + "title": "aaronschilling", + "email": "Aaron.Schilling@rl-institut.de", + "date": "2023-09-07", + "object": "metadata", + "comment": "create metadata" + } + ], + "resources": [ + { + "profile": null + "name": null + "path": null + "encoding": null, + "schema": { + "fields": [], + "primaryKey": [], + "foreignKeys": [] + }, + "dialect": { + "delimiter": "", + "decimalSeparator": "." + } + } + ], + "@id": [], + "@context": "https://raw.githubusercontent.com/OpenEnergyPlatform/oemetadata/develop/metadata/latest/context.json", + "review": { + "path": "", + "badge": "" + }, + "metaMetadata": { + "metadataVersion": "OEP-1.5.2", + "metadataLicense": { + "name": "CC0-1.0", + "title": "Creative Commons Zero v1.0 Universal", + "path": "https://creativecommons.org/publicdomain/zero/1.0/" + } +}, + "_comment": { + "metadata": "Metadata documentation and explanation (https://github.com/OpenEnergyPlatform/oemetadata)", + "dates": "Dates and time must follow the ISO8601 including time zone (YYYY-MM-DD or YYYY-MM-DDThh:mm:ss±hh)", + "units": "Use a space between numbers and units (100 m)", + "languages": "Languages must follow the IETF (BCP47) format (en-GB, en-US, de-DE)", + "licenses": "License name must follow the SPDX License List (https://spdx.org/licenses/)", + "review": "Following the OEP Data Review (https://github.com/OpenEnergyPlatform/data-preprocessing/blob/master/data-review/manual/review_manual.md)", + "null": "If not applicable use: null", + "todo": "If a value is not yet available, use: todo" } } From b32236c38de9a216e7282ecf4bc1314834263b1e Mon Sep 17 00:00:00 2001 From: aaronschilling <124676703+aaronschilling@users.noreply.github.com> Date: Thu, 7 Sep 2023 12:50:43 +0200 Subject: [PATCH 04/11] Update CHANGELOG.md --- CHANGELOG.md | 1 + 1 file changed, 1 insertion(+) diff --git a/CHANGELOG.md b/CHANGELOG.md index c787ad6e..90d90cc9 100644 --- a/CHANGELOG.md +++ b/CHANGELOG.md @@ -135,6 +135,7 @@ and the versioning aim to respect [Semantic Versioning](http://semver.org/spec/v - Restrict snakemake version to v7.32.0 - Add central heat pump targets to slider - Restrict heat pump sliders to not move under 50% +- updated technology_data dataset.md and metadata ### Removed From 5a5b0e98df276ab1fa5c1c7e53849bc2e35a21d1 Mon Sep 17 00:00:00 2001 From: aaronschilling <124676703+aaronschilling@users.noreply.github.com> Date: Thu, 7 Sep 2023 13:39:49 +0200 Subject: [PATCH 05/11] Update metadata.json --- digipipe/store/raw/technology_data/metadata.json | 3 ++- 1 file changed, 2 insertions(+), 1 deletion(-) diff --git a/digipipe/store/raw/technology_data/metadata.json b/digipipe/store/raw/technology_data/metadata.json index f06b1b44..5891758b 100644 --- a/digipipe/store/raw/technology_data/metadata.json +++ b/digipipe/store/raw/technology_data/metadata.json @@ -33,7 +33,8 @@ }, "temporal": { "referenceDate": null, - "timeseries" :null + "timeseries" : null + }, "sources": [ { "title": "Technologiedaten", From bcd329804c157e2ca80232eee3f0961baede7dea Mon Sep 17 00:00:00 2001 From: aaronschilling <124676703+aaronschilling@users.noreply.github.com> Date: Thu, 7 Sep 2023 13:40:57 +0200 Subject: [PATCH 06/11] Update metadata.json --- digipipe/store/raw/technology_data/metadata.json | 6 +++--- 1 file changed, 3 insertions(+), 3 deletions(-) diff --git a/digipipe/store/raw/technology_data/metadata.json b/digipipe/store/raw/technology_data/metadata.json index 5891758b..4c0dbb4a 100644 --- a/digipipe/store/raw/technology_data/metadata.json +++ b/digipipe/store/raw/technology_data/metadata.json @@ -54,9 +54,9 @@ ], "resources": [ { - "profile": null - "name": null - "path": null + "profile": null, + "name": null, + "path": null, "encoding": null, "schema": { "fields": [], From 64aedfb4a3031ab7ee1c0948161664c6e3d0fa05 Mon Sep 17 00:00:00 2001 From: aaronschilling <124676703+aaronschilling@users.noreply.github.com> Date: Fri, 8 Sep 2023 19:19:42 +0200 Subject: [PATCH 07/11] Update metadata.json created metadata --- .../metadata.json | 95 +++++++++++++++++++ 1 file changed, 95 insertions(+) diff --git a/digipipe/store/raw/dbfz_biomass_heat_capacities/metadata.json b/digipipe/store/raw/dbfz_biomass_heat_capacities/metadata.json index ed1fc7fa..8cd5a561 100644 --- a/digipipe/store/raw/dbfz_biomass_heat_capacities/metadata.json +++ b/digipipe/store/raw/dbfz_biomass_heat_capacities/metadata.json @@ -7,3 +7,98 @@ "Seiten": "6 und 54" } } +{ + "name": "dbfz_biomass_heat_capacities", + "title": "Technoökonomische Analyse und Transformationspfade des energetischen Biomassepotentials (TATBIO)", + "id": "dbfz_biomass_heat_capacities", + "description": "Installierte Leistungen von Biomasse-Konversionstechnologien. Die installierten Leistungen in MW wird im Szenario 80 % Transformationspfad", + "language": [ + "de-DE" + ], + "subject": [], + "keywords": [ + "Biomasse", + "Biomassepotential", + "Analyse", + "Transformationspfade", + "TATBIO" + ], + "publicationDate": "2019-05-08", + "context": { + "homepage": "https://abw.rl-institut.de", + "documentation": "https://digiplan.readthedocs.io", + "sourceCode": "https://github.com/rl-institut/digipipe/", + "contact": "https://reiner-lemoine-institut.de/ueber-uns/kontakt/", + "grantNo": "None", + "fundingAgency": "https://www.region-gestalten.bund.de", + "fundingAgencyLogo": "https://www.region-gestalten.bund.de/Region/SiteGlobals/Frontend/Images/logo.svg", + "publisherLogo": "https://reiner-lemoine-institut.de//wp-content/uploads/2015/09/rlilogo.png" + }, + "spatial": { + "location": "Germany", + "extent": "Germany", + "resolution": "" + }, + "temporal": { + "referenceDate": "2019-04-30", + "timeseries" : null + }, + "sources": [ + { + "title": "Technoökonomische Analyse und Transformationspfade des energetischen Biomassepotentials (TATBIO)", + "description": "Installierte Leistungen von Biomasse-Konversionstechnologien. Die installierten Leistungen in MW wird im Szenario 80 % Transformationspfad", + "path": "https://www.ufz.de/export/data/2/231891_technooekonomische-analyse-und-transformationspfade-des-energetischen-biomassepotentials(1).pdf", + "licenses": null + } + ], + "contributors": [ + { + "title": "aaronschilling", + "email": "Aaron.Schilling@rl-institut.de", + "date": "2023-09-07", + "object": "metadata", + "comment": "create metadata" + } + ], + "resources": [ + { + "profile": null, + "name": null, + "path": null, + "encoding": null, + "schema": { + "fields": [], + "primaryKey": [], + "foreignKeys": [] + }, + "dialect": { + "delimiter": "", + "decimalSeparator": "." + } + } + ], + "@id": [], + "@context": "https://raw.githubusercontent.com/OpenEnergyPlatform/oemetadata/develop/metadata/latest/context.json", + "review": { + "path": "", + "badge": "" + }, + "metaMetadata": { + "metadataVersion": "OEP-1.5.2", + "metadataLicense": { + "name": "CC0-1.0", + "title": "Creative Commons Zero v1.0 Universal", + "path": "https://creativecommons.org/publicdomain/zero/1.0/" + } +}, + "_comment": { + "metadata": "Metadata documentation and explanation (https://github.com/OpenEnergyPlatform/oemetadata)", + "dates": "Dates and time must follow the ISO8601 including time zone (YYYY-MM-DD or YYYY-MM-DDThh:mm:ss±hh)", + "units": "Use a space between numbers and units (100 m)", + "languages": "Languages must follow the IETF (BCP47) format (en-GB, en-US, de-DE)", + "licenses": "License name must follow the SPDX License List (https://spdx.org/licenses/)", + "review": "Following the OEP Data Review (https://github.com/OpenEnergyPlatform/data-preprocessing/blob/master/data-review/manual/review_manual.md)", + "null": "If not applicable use: null", + "todo": "If a value is not yet available, use: todo" + } +} From a88ec65ea9f8f1235b737617b3b406157d4ab650 Mon Sep 17 00:00:00 2001 From: aaronschilling <124676703+aaronschilling@users.noreply.github.com> Date: Fri, 8 Sep 2023 19:21:33 +0200 Subject: [PATCH 08/11] Update metadata.json fixed mistake --- .../store/raw/dbfz_biomass_heat_capacities/metadata.json | 9 --------- 1 file changed, 9 deletions(-) diff --git a/digipipe/store/raw/dbfz_biomass_heat_capacities/metadata.json b/digipipe/store/raw/dbfz_biomass_heat_capacities/metadata.json index 8cd5a561..59f5bddb 100644 --- a/digipipe/store/raw/dbfz_biomass_heat_capacities/metadata.json +++ b/digipipe/store/raw/dbfz_biomass_heat_capacities/metadata.json @@ -1,12 +1,3 @@ -{ - "Quellen": { - "Titel": "Technoökonomische Analyse und Transformationspfade des energetischen Biomassepotentials (TATBIO)", - "Datei": "https://www.ufz.de/export/data/2/231891_technooekonomische-analyse-und-transformationspfade-des-energetischen-biomassepotentials(1).pdf", - "Datum": "08.05.2019", - "Autor": "DBFZ Deutsches Biomasseforschungszentrum gemeinnützige GmbH", - "Seiten": "6 und 54" - } -} { "name": "dbfz_biomass_heat_capacities", "title": "Technoökonomische Analyse und Transformationspfade des energetischen Biomassepotentials (TATBIO)", From b321d2e418b2b18c8221327a81ab26eee2501bc2 Mon Sep 17 00:00:00 2001 From: aaronschilling Date: Wed, 4 Oct 2023 13:30:31 +0200 Subject: [PATCH 09/11] =?UTF-8?q?=C3=84nderungen=20laut=20pre-commit=20tes?= =?UTF-8?q?t?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- digipipe/store/raw/technology_data/dataset.md | 10 +++++----- 1 file changed, 5 insertions(+), 5 deletions(-) diff --git a/digipipe/store/raw/technology_data/dataset.md b/digipipe/store/raw/technology_data/dataset.md index 60b2a218..a97324ce 100644 --- a/digipipe/store/raw/technology_data/dataset.md +++ b/digipipe/store/raw/technology_data/dataset.md @@ -179,7 +179,7 @@ Es werden für jedes Szenario jeder Wert aus 8 Komponenten zusammengesetzt. Diese sind die Kombinationen aus: - Sole-Umwelt - Einfamilienhaus-Mehrfamilienhaus (fast alle WP in Einfamilienhäsuern!) -- Altbau-Neubau +- Altbau-Neubau Es wird das gemittelte Verhätnis Deutschlandweit der letzten 20 Jahre angenommen (BBSR; Bundesamt für Bauwesen und Raumordnung) @@ -268,18 +268,18 @@ Auch die Datenlage für die Kohleheizung sehr schlecht ist, die Daten werden dah Keine direkten Werte vorhanden, daher Modellierung anhand der wood stove Werte -efficiency: +efficiency: Differenz der Energie zwischen Holz und Kohle liegt im Heizwert des Brennstoffs. Daher wird die Effizienz der wood stove mit Faktor des Verhältnisses der Heizwerte multipliziert. Daten für Heizwerte von BMWK [11](https://www.bmwk.de/Redaktion/DE/Artikel/Energie/energiedaten-gesamtausgabe.html) und [12](https://books.google.de/books?id=n0fVYjrHAlwC&pg=PA58#v=onepage&q&f=false) ergibt einen Faktor von 4/3 -fixom_cost: +fixom_cost: Bestehen großteils aus Brennstoffkosten. Änderung zu wood stove besteht aus Heizwert (gewonnene Energie pro kg) und Preisdiff pro Kilogramm Preise aus brikett-rekord.com [13] -lifetime: +lifetime: identisch wie wood stove @@ -393,7 +393,7 @@ Berechnungen siehe "wood_oven_script" im Code Anhang Moser (EnBW), Frank Richert (Wolf), Ingo Rieger (Bosch), Egbert Tippelt (Viessmann), André Jacob (BWP), Johanna Otting (BWP), Björn Schreinermacher (BWP)(2023): "Branchenstudie 2023: Marktentwicklung – Prognose –Handlungsempfehlungen", Bundesverband Wärmepumpe (BWP) e. V. -[6] Statistisches Landesamt Sachsen-Anhalt: "GENESIS-Tabelle: 31121-0006, Statistik der Baufertigstellungen", von https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb, Stand: 11.04.2023 +[6] Statistisches Landesamt Sachsen-Anhalt: "GENESIS-Tabelle: 31121-0006, Statistik der Baufertigstellungen", von https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb, Stand: 11.04.2023 [7] Statista Research Department(2021): "Struktur des Wohnungsbaus nach Neubau und Sanierung in Deutschland in den Jahren 2001 bis 2020", von https://de.statista.com/statistik/daten/studie/202207/umfrage/struktur-des-wohnungsbaus-nach-art-der-bauleistung-in-deutschland/, Stand: 03.04.2023 12:26:20 From c88c739769dd08c62a7da326d82af947dfba3b22 Mon Sep 17 00:00:00 2001 From: nesnoj Date: Mon, 9 Oct 2023 19:32:22 +0200 Subject: [PATCH 10/11] Reformat tech data dataset readme --- digipipe/store/raw/technology_data/dataset.md | 400 +++++++++++++----- 1 file changed, 285 insertions(+), 115 deletions(-) diff --git a/digipipe/store/raw/technology_data/dataset.md b/digipipe/store/raw/technology_data/dataset.md index f15fd735..c1996068 100644 --- a/digipipe/store/raw/technology_data/dataset.md +++ b/digipipe/store/raw/technology_data/dataset.md @@ -70,55 +70,75 @@ Datei: `technology_data.json` --> `hot_water_storages` Datei: `raw_costs_efficiencies.csv` -#### allgemein +#### Allgemein -Preise werden aus den Technologie Datenblättern der Danish Energy Agency ([1], [2], [3], [4]) entnommen. Abweichungen werden gesondert genannt. +Preise werden aus den Technologie Datenblättern der Danish Energy +Agency ([1], [2], [3], [4]) entnommen. +Abweichungen werden gesondert genannt. -alle Preise werden auf Euro im Jahr 2020 (dis-)kontiert und damit Inflationsbereinigt. +alle Preise werden auf Euro im Jahr 2020 (dis-)kontiert und damit +inflationsbereinigt. + +Für Quellen +[1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and), +[2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants), +[3](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-energy-storage), +[4](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-renewable-fuels) +ist das meist die Umrechnung von 2015 zu 2020. Dafür folgende Formel verwendet: -Für Quellen [1]( https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and), [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants), [3](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-energy-storage), [4] ist das meist die Umrechnung von 2015 zu 2020. Dafür folgende Formel verwendet: ``` P_(2020) = P_(2015)*f_(infl) f_(infl) = (1+i_(2015))*(1+i_(2016))...*(1+i_(2019)) f_(infl) = 1,005 * 1,005 * 1.015 * 1,018 * 1,014 = 1,0582 ``` + [8](https://de.statista.com/themen/112/inflation/#topicOverview) -Werte für 2045 werden durch lineare Interpolation ermittelt. +Werte für 2045 werden durch lineare Extrapolation ermittelt. #### biogas_upgrading plant -Quelle: [4](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-renewable-fuels) "82 Biogas, upgrading" +Quelle: [4] "82 Biogas, upgrading" Aufbereitung von Biogas zu Bio-SNG #### biogas bpchp_central -Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "06 Gas engines, biogas" +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) +"06 Gas engines, biogas" Backpressure Combined heat and power (bpchp) modelliert BHKWs -thermal effiency = electrical_effiency / (c_b+c_v) (laut [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) S. 390) +thermal effiency = electrical_effiency / (c_b+c_v) ( +laut [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) +S. 390) #### biogas bpchp_decentral -Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "06 Gas engines, biogas" +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) +"06 Gas engines, biogas" -identische Werte zu biogas bpchp_central. Split fürs Energiesystem, aber eingesetzte technologie identisch +Identische Werte zu biogas bpchp_central. Split fürs Energiesystem, aber +eingesetzte Technologie identisch. #### biogas_plant -Quelle [4](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-renewable-fuels): "81 Biogas Plant, Basic conf." +Quelle [4](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-renewable-fuels): +"81 Biogas Plant, Basic conf." -Stellt Biogas bereit, welches in KWK (biogas bpchp_central, biogas bpchp_decentral) genutzt werden kann +Stellt Biogas bereit, welches in KWK (biogas bpchp_central, biogas +bpchp_decentral) genutzt werden kann #### boiler_central -Quelle [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and): "44 Natural Gas DH Only" +Quelle [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and): +"44 Natural Gas DH Only" #### boiler_decentral -Quelle [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants): "202 Gas boiler, ex single", "202 Gas boiler, ex apart", "202 Gas boiler, new single", +Quelle [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants): +"202 Gas boiler, ex single", "202 Gas boiler, ex apart", "202 Gas boiler, new +single", "202 Gas boiler, new apart" Es werden für jedes Szenario jeder Wert aus 4 Komponenten zusammengesetzt. @@ -132,80 +152,119 @@ Diese Kompnonten werden durch Faktoren gewichtet zusammengefasst. Für 2020: -- Verhältnis von Altbau-Neubau aus [7](https://de.statista.com/statistik/daten/studie/202207/umfrage/struktur-des-wohnungsbaus-nach-art-der-bauleistung-in-deutschland/) -- Verhätnis von Einfamilienhaus-Mehrfamilienhaus im Neubau aus [6](https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb), verbaute Gasheizungen aggregiert -- Verhätnis von Einfamilienhaus-Mehrfamilienhaus im Altbau wird als 0.7 / 0.3 angenommen +- Verhältnis von Altbau-Neubau + aus [7](https://de.statista.com/statistik/daten/studie/202207/umfrage/struktur-des-wohnungsbaus-nach-art-der-bauleistung-in-deutschland/) +- Verhätnis von Einfamilienhaus-Mehrfamilienhaus im Neubau + aus [6](https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb), + verbaute Gasheizungen aggregiert +- Verhätnis von Einfamilienhaus-Mehrfamilienhaus im Altbau wird als 0.7 / 0.3 + angenommen Für 2045: -- Verhältnis von Altbau-Neubau aus [7](https://de.statista.com/statistik/daten/studie/202207/umfrage/struktur-des-wohnungsbaus-nach-art-der-bauleistung-in-deutschland/) -- Verhätnis von Einfamilienhaus-Mehrfamilienhaus im Neubau aus [6](https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb), verbaute Gasheizungen in 2020 -- Verhätnis von Einfamilienhaus-Mehrfamilienhaus im Altbau wird als 0.7 / 0.3 angenommen + +- Verhältnis von Altbau-Neubau + aus [7](https://de.statista.com/statistik/daten/studie/202207/umfrage/struktur-des-wohnungsbaus-nach-art-der-bauleistung-in-deutschland/) +- Verhätnis von Einfamilienhaus-Mehrfamilienhaus im Neubau + aus [6](https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb), + verbaute Gasheizungen in 2020 +- Verhätnis von Einfamilienhaus-Mehrfamilienhaus im Altbau wird als 0.7 / 0.3 + angenommen volle Berechnungen siehe "boiler_small_script.py" im Code Anhang #### ch4 bpchp_central -Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "06 Gas engines, natural gas" +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) +"06 Gas engines, natural gas" Backpressure Combined heat and power (bpchp) modelliert BHKWs -thermal effiency = electrical_effiency / (c_b+c_v) (laut [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) S. 390) +thermal effiency = electrical_effiency / (c_b+c_v) ( +laut [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) +S. 390) #### ch4 bpchp_decentral -Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "06 Gas engines, natural gas" +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and +"06 Gas engines, natural gas" -identische Werte zu ch4 bpchp_central. Split fürs Energiesystem, aber eingesetzte Technologie identisch +Identische Werte zu ch4 bpchp_central. Split fürs Energiesystem, aber +eingesetzte Technologie identisch. #### ch4 extchp_central -Quellen: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "05 Gas turb. CC, steam extract., Large", [14] S. 20-21 +Quellen: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and +"05 Gas turb. CC, steam extract., Large", [14] S. 20-21 #### ch4 extchp_decentral -Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "05 Gas turb. CC, steam extract., Large" +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and +"05 Gas turb. CC, steam extract., Large" [14] S. 20-21 -identisch wie ch4 extchp_central +Identisch wie ch4 extchp_central #### gt -Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "04 Gas turb. simple cycle, L" +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and +" +04 Gas turb. simple cycle, L" gas turbine, offener Prozess #### heatpump_central -Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "40 Comp. hp, airsource 10 MW" +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and +" +40 Comp. hp, airsource 10 MW" Wärmepumpentechnologie (Luft-Wasser-WP) aus Langfristigkeitsszenarien #### heatpump_decentral -Quellen: [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants) "207 HP air-water,ex single", "207 HP air-water,ex apart", "207 HP air-water,new single", "207 HP air-water,new apart", "207 HP ground-water,ex single", "207 HP ground-water,ex apart", "207 HP ground-water,new single", "207 HP ground-water,new apart", +Quellen: [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants +" +207 HP air-water,ex single", "207 HP air-water,ex apart", "207 HP air-water,new +single", "207 HP air-water,new apart", " +207 HP ground-water,ex single", "207 HP ground-water,ex apart", "207 HP +ground-water,new single", "207 HP +ground-water,new apart", [5], [6](https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb) Es werden für jedes Szenario jeder Wert aus 8 Komponenten zusammengesetzt. Diese sind die Kombinationen aus: + - Sole-Umwelt - Einfamilienhaus-Mehrfamilienhaus (fast alle WP in Einfamilienhäsuern!) - Altbau-Neubau -Es wird das gemittelte Verhätnis Deutschlandweit der letzten 20 Jahre angenommen (BBSR; Bundesamt für Bauwesen und Raumordnung) +Es wird das gemittelte Verhätnis Deutschlandweit der letzten 20 Jahre +angenommen (BBSR; Bundesamt für Bauwesen und +Raumordnung) -Für 2020 wurden Annahmen für das allgemeine Verhältnis zwischen den Möglichkeiten angenommen: +Für 2020 wurden Annahmen für das allgemeine Verhältnis zwischen den +Möglichkeiten angenommen: - Sole-Umwelt sind die aggregierten Absatzzahlen aus [5] -- Einfamilienhaus-Mehrfamilienhaus aus [6](https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb) -- Altbau-Neubau aus [7](https://de.statista.com/statistik/daten/studie/202207/umfrage/struktur-des-wohnungsbaus-nach-art-der-bauleistung-in-deutschland/) +- Einfamilienhaus-Mehrfamilienhaus + aus [6](https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb) +- Altbau-Neubau + aus [7](https://de.statista.com/statistik/daten/studie/202207/umfrage/struktur-des-wohnungsbaus-nach-art-der-bauleistung-in-deutschland/) + +Mit diesen wird für 2045 wurden Annahmen für das allgemeine Verhältnis zwischen +den Möglichkeiten angenommen: -Mit diesen wird für 2045 wurden Annahmen für das allgemeine Verhältnis zwischen den Möglichkeiten angenommen: -- Sole-Umwelt = 0.87/0.13 (Das sind die Absatzzahlen aus 2022 aus der Branchenstudie) -- Einfamilienhaus-Mehrfamilienhaus = 0.7 / 0.3 (Das ist eine freie Annahme, die eine fortschreitende Verbreitung in Mehrfamilienhäusern annimmt) -- Altbau-Neubau = 0.699 / 0.301 (das gemittelte Verhätnis Deutschlandweit der letzten 20 Jahre) +- Sole-Umwelt = 0.87/0.13 (Das sind die Absatzzahlen aus 2022 aus der + Branchenstudie) +- Einfamilienhaus-Mehrfamilienhaus = 0.7 / 0.3 (Das ist eine freie Annahme, die + eine fortschreitende Verbreitung in + Mehrfamilienhäusern annimmt) +- Altbau-Neubau = 0.699 / 0.301 (das gemittelte Verhätnis Deutschlandweit der + letzten 20 Jahre) Die Faktoren in 2045 sind daher: + - Altbau_Umwelt_EFH = 0.4256 - Altbau_Umwelt_MFH = 0.1824 - Altbau_Sole_EFH = 0.0636 @@ -219,9 +278,12 @@ Berechnung siehe "heatpump_small_script.py" im Code Anhang #### large_scale_battery -Quellen: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "180 Lithium Ion Battery", Cebulla [9] S. 181 +Quellen: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and +" +180 Lithium Ion Battery", Cebulla [9] S. 181 -storage_fixom_cost Berechnung aus UMAS/Oemof_B3 übernommen, ohne Quelle dieser Berechnung gefunden zu haben. +storage_fixom_cost Berechnung aus UMAS/Oemof_B3 übernommen, ohne Quelle dieser +Berechnung gefunden zu haben. storage_fixom_cost = 0,005 * storage_capacity_cost_overnight @@ -229,35 +291,50 @@ Große Differenzen zwischen Windnode und UMAS, UMAS Methodik übernommen #### pth_central -Quellen: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "41 Electric Boilers, small", "41 Electric Boilers, large" +Quellen: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and +" +41 Electric Boilers, small", "41 Electric Boilers, large" -Es wurde ein Mittelwert aus den Electric Biolers small und large gebildet, um relevante Größen in ABW abzubilden. +Es wurde ein Mittelwert aus den Electric Biolers small und large gebildet, um +relevante Größen in ABW abzubilden. #### pth_decentral -Quellen: [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants): "216 Electric heating,new single", "216 Electric heating,new apart" +Quellen: [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants): " +216 Electric heating,new single", "216 Electric heating,new apart" -Annahmen zu Gebäudebestand siehe heatpump_decentral, nur ohne Kombination mit Altbau, da power to heat in Altbauten vernachlässigbar selten (und wenn in anderen Technologien wie Nachtspeicherheizungen) vorkommt. +Annahmen zu Gebäudebestand siehe heatpump_decentral, nur ohne Kombination mit +Altbau, da power to heat in Altbauten +vernachlässigbar selten (und wenn in anderen Technologien wie +Nachtspeicherheizungen) vorkommt. Berechnungen siehe "pth_decentral_script" im Code Anhang #### small_scale_battery -Quelle: [15](https://www.zhb-flensburg.de/fileadmin/content/spezial-einrichtungen/zhb/dokumente/dissertationen/fluri/fluri-2019-wirtschaftlichkeit-dez-stromspeicher.pdf), [17] S. 3 +Quelle: [15](https://www.zhb-flensburg.de/fileadmin/content/spezial-einrichtungen/zhb/dokumente/dissertationen/fluri/fluri-2019-wirtschaftlichkeit-dez-stromspeicher.pdf), [17] +S. 3 - capacity_cost_overnight: [15] S. 41 - effiency, lost_rate, lifetime: [15] S.v91 #### storage heat_central -Quelle [3](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-energy-storage): "141 Large hot water tank" +Quelle [3](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-energy-storage): " +141 +Large hot water tank" -- capacity_cost_overnight und fixom_cost ignoriert, da storage_capacity_cost_overnight, storage_fixom_cost einen Wert hat +- capacity_cost_overnight und fixom_cost ignoriert, da + storage_capacity_cost_overnight, storage_fixom_cost einen Wert + hat - storage heat_decentral -Quelle [3](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-energy-storage): "141 Large hot water tank" +Quelle [3](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-energy-storage): " +141 +Large hot water tank" -capacity_cost_overnight und fixom_cost ignoriert, da storage_capacity_cost_overnight, storage_fixom_cost einen Wert hat +capacity_cost_overnight und fixom_cost ignoriert, da +storage_capacity_cost_overnight, storage_fixom_cost einen Wert hat Große Differenzen zwischen UMAS und Windnode, UMAS Methodik übernommen @@ -271,48 +348,65 @@ Quellen: [16] #### lignite oven -Quellen: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "206 Wood stove, single, ex tank" +Quellen: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) " +206 Wood stove, single, ex tank" -Der Kohleofen ist eine Komponente, die für die Abbildung des Ist-Zusandes relevant ist. -Die Kohleheizung wird durch gesetzliche Regulierung nicht mehr neu verbaut werden können, wodurch die Komponente für die Optimierung nicht relevant ist. -Auch die Datenlage für die Kohleheizung sehr schlecht ist, die Daten werden daher approximiert. +Der Kohleofen ist eine Komponente, die für die Abbildung des Ist-Zusandes +relevant ist. +Die Kohleheizung wird durch gesetzliche Regulierung nicht mehr neu verbaut +werden können, wodurch die Komponente für die +Optimierung nicht relevant ist. +Auch die Datenlage für die Kohleheizung sehr schlecht ist, die Daten werden +daher approximiert. -Keine direkten Werte vorhanden, daher Modellierung anhand der wood stove Werte +Keine direkten Werte vorhanden, daher Modellierung anhand der wood stove Werte efficiency: - Differenz der Energie zwischen Holz und Kohle liegt im Heizwert des Brennstoffs. Daher wird die Effizienz der wood stove mit Faktor des Verhältnisses der Heizwerte multipliziert. - Daten für Heizwerte von BMWK [11](https://www.bmwk.de/Redaktion/DE/Artikel/Energie/energiedaten-gesamtausgabe.html) und [12](https://books.google.de/books?id=n0fVYjrHAlwC&pg=PA58#v=onepage&q&f=false) ergibt einen Faktor von 4/3 +Differenz der Energie zwischen Holz und Kohle liegt im Heizwert des Brennstoffs. +Daher wird die Effizienz der wood stove +mit Faktor des Verhältnisses der Heizwerte multipliziert. +Daten für Heizwerte von +BMWK [11](https://www.bmwk.de/Redaktion/DE/Artikel/Energie/energiedaten-gesamtausgabe.html) +und [12](https://books.google.de/books?id=n0fVYjrHAlwC&pg=PA58#v=onepage&q&f=false) +ergibt einen Faktor von 4/3 fixom_cost: - Bestehen großteils aus Brennstoffkosten. Änderung zu wood stove besteht aus Heizwert (gewonnene Energie pro kg) und Preisdiff pro Kilogramm +Bestehen großteils aus Brennstoffkosten. Änderung zu wood stove besteht aus +Heizwert (gewonnene Energie pro kg) und +Preisdiff pro Kilogramm - Preise aus brikett-rekord.com [13] +Preise aus brikett-rekord.com [13] lifetime: - identisch wie wood stove +identisch wie wood stove - marginal-cost: identisch wie wood stove +marginal-cost: identisch wie wood stove - Aus den Annahmen folgt, dass die Investkosten ignoriert werden können. +Aus den Annahmen folgt, dass die Investkosten ignoriert werden können. #### pv_ground -Quelle [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and): "22 Utility-scale PV", Vergleich [10] +Quelle [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and): " +22 Utility-scale PV", Vergleich [10] marginal_cost = 0, da in Quellen nicht vorhanden -Kosten aus [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) im Bereich von [10] +Kosten +aus [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) +im Bereich von [10] #### pv_rooftop -Quelle [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and): "22 PV commercial&industrial rooftop", "22 PV residential", Vergleich [10] +Quelle [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and): " +22 PV commercial&industrial rooftop", "22 PV residential", Vergleich [10] gewichteter Mittelwert zwischen kommerziellen und Wohnhaus PV. Gewichtung anhand openMaStR Daten aus Pipeline + ``` import geopandas as gpd import os.path @@ -338,15 +432,23 @@ ergibt 25 % industrial und 75% Haushalte. marginal_cost = 0, da in Quellen nicht vorhanden -Kosten aus [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) im Bereich von [10] +Kosten +aus [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) +im Bereich von [10] #### thermalcollector_central -Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "46 Solar District Heating" +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and +" +46 Solar District Heating" #### thermalcollector_decentral -Quelle: [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants) "215 Solar heating,ex single", "215 Solar heating,ex apart", "215 Solar heating,new single", "215 Solar heating,new apart" +Quelle: [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants +" +215 Solar heating,ex single", "215 Solar heating,ex apart", "215 Solar +heating,new single", "215 Solar heating,new +apart" Annahmen zu Gebäudebestand siehe heatpump_decentral. @@ -354,29 +456,45 @@ Berechnungen siehe "thermalcollector_decentral_script" im Code Anhang #### wind onshore -Quelle [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and): "20 Onshore turbines", Vergleich [10](https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html) +Quelle [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and): " +20 Onshore turbines", +Vergleich [10](https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html) EE Kosten durchweg kleiner als in Windnode in 2020 -Windnode bezieht sich auf Frauenhofer ISE aus 2018, Vorgängerstudie zu [10](https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html) +Windnode bezieht sich auf Frauenhofer ISE aus 2018, Vorgängerstudie +zu [10](https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html) + +Frauenhofer (S. -Frauenhofer (S. 11) [10](https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html) CAPEX-Range höher als DEA [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) in 2020 +11) [10](https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html) + CAPEX-Range höher als + DEA [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) + in 2020 -1400000-2000000 [10](https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html) zu 1190000 [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) €/MW +1400000-2000000 [10](https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html) +zu +1190000 [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) +€/MW -keine Aussagen in Frauenhofer [10](https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html) über 2045 +keine Aussagen in +Frauenhofer [10](https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html) +über 2045 -wir wählen DEA als Quelle für die Vergleichbarkeit, da Vergleichbarkeit in der Optimierung der Modellierung Vorrang hat +wir wählen DEA als Quelle für die Vergleichbarkeit, da Vergleichbarkeit in der +Optimierung der Modellierung Vorrang hat #### wood extchp_central -Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "09a Wood Chips, Medium" +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) " +09a Wood Chips, Medium" [14] S. 20-21 #### wood extchp_decentral -Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) "09a Wood Chips, Medium" +Quelle: [1](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and) " +09a Wood Chips, Medium" [14] S. 20-21 @@ -384,7 +502,9 @@ identisch zu wood extchp_central #### wood oven -Quelle: [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants), "204 Biomass auto,ex single", "204 Biomass auto,new single", "204 Biomass auto,ex apart", "204 Biomass auto,new apart" +Quelle: [2](https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants), " +204 Biomass auto,ex single", "204 Biomass auto,new single", "204 Biomass auto,ex +apart", "204 Biomass auto,new apart" Annahmen zu Gebäudebestand siehe heatpump_decentral. @@ -392,46 +512,86 @@ Berechnungen siehe "wood_oven_script" im Code Anhang #### Quellen -[1] Danish Energy Agency (2016): "Technology Data - Energy Plants for Electricity and District heating generation", Version 13, von https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and - -[2] Danish Energy Agency (2016): "Technology Data for heating installations", Version 4, von https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants - -[3] Danish Energy Agency (2018): "Technology Data – Energy storage", Version 7, von https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-energy-storage - -[4] Danish Energy Agency (2017): "Technology Data – Renewable fuels", Versoin 9, von https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-renewable-fuels - -[5] Karl-Heinz Backhaus (Vaillant), Dr. Hendrik Ehrhardt (Stiebel Eltron), Sven Kersten (NIBE), Steffen -Moser (EnBW), Frank Richert (Wolf), Ingo Rieger (Bosch), Egbert Tippelt (Viessmann), André Jacob -(BWP), Johanna Otting (BWP), Björn Schreinermacher (BWP)(2023): "Branchenstudie 2023: Marktentwicklung – Prognose –Handlungsempfehlungen", Bundesverband Wärmepumpe (BWP) e. V. - -[6] Statistisches Landesamt Sachsen-Anhalt: "GENESIS-Tabelle: 31121-0006, Statistik der Baufertigstellungen", von https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb, Stand: 11.04.2023 - -[7] Statista Research Department(2021): "Struktur des Wohnungsbaus nach Neubau und Sanierung in Deutschland in den Jahren 2001 bis 2020", von https://de.statista.com/statistik/daten/studie/202207/umfrage/struktur-des-wohnungsbaus-nach-art-der-bauleistung-in-deutschland/, Stand: 03.04.2023 12:26:20 - -[8] Statista: "Daten und Fakten zur Inflation und den Verbraucherpreisen" , von https://de.statista.com/themen/112/inflation/#topicOverview , Stand: 29.03.2023 - -[9] Cebulla, Felix (2017): "Storage demand in highly renewable energy scenarios for Europe", OPUS - Online Publikationen der Universität Stuttgart, von https://elib.uni-stuttgart.de/handle/11682/9778 - -[10] Frauenhofer ISE (2019): "Stromgestehungskosten erneuerbare Energien", von https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html - -[11] BMWK (2021): "Energiedaten" von https://www.bmwk.de/Redaktion/DE/Artikel/Energie/energiedaten-gesamtausgabe.html - -[12] Michael Herrmann, Jürgen Weber: Öfen und Kamine: Raumheizungen fachgerecht planen und bauen. Beuth Verlag, 201, von https://books.google.de/books?id=n0fVYjrHAlwC&pg=PA58#v=onepage&q&f=false - -[13] www.brikett-rekord.com: "Energiekostenvergleich", von https://www.brikett-rekord.com/de/heizwertvergleich-rekord-briketts.html, letzter Abruf 8.5.2023 - -[14] WindNode: Modell, Methodik, Daten, ABW; von: https://wolke.rl-institut.de/apps/files/?dir=/Team_TEO/Projekte/351_Digiplan/Know-How&openfile=316636, letzer Abruf 8.8.2023 - -[15] Fluri, Verena: "Wirtschaftlichkeit von zukunftsfähigen Geschäftsmodellen dezentraler Stromspeicher" von https://www.zhb-flensburg.de/fileadmin/content/spezial-einrichtungen/zhb/dokumente/dissertationen/fluri/fluri-2019-wirtschaftlichkeit-dez-stromspeicher.pdf, letzter Abruf 8.8.2023 - -[16] Schröder, Andreas; Kunz, Friedrich; Meiss, Jan; Mendelevitch, Roman; Hirschhausen, Christian von: "Current and Prospective Costs of Electricity Generation until 2050" von https://www.diw.de/documents/publikationen/73/diw_01.c.424566.de/diw_datadoc_2013-068.pdf, letzter Abruf 8.8.2023 - -[17] Prüggler, Wolfgang (2019): "HEIMSPEICHERSYSTEME UND ZENTRALE BATTERIESPEICHER – KRITISCHE FAKTOREN DER WIRTSCHAFTLICHKEIT" von https://ens.dk/sites/ens.dk/files/Analyser/technology_data_catalogue_for_energy_storage.pdf, letzter Abruf 8.8.2023 - +[1] Danish Energy Agency (2016): "Technology Data - Energy Plants for +Electricity and District heating generation", +Version 13, +von https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-generation-electricity-and + +[2] Danish Energy Agency (2016): "Technology Data for heating installations", +Version 4, +von https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-individual-heating-plants + +[3] Danish Energy Agency (2018): "Technology Data – Energy storage", Version 7, +von https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-energy-storage + +[4] Danish Energy Agency (2017): "Technology Data – Renewable fuels", Versoin 9, +von https://ens.dk/en/our-services/projections-and-models/technology-data/technology-data-renewable-fuels + +[5] Karl-Heinz Backhaus (Vaillant), Dr. Hendrik Ehrhardt (Stiebel Eltron), Sven +Kersten (NIBE), Steffen +Moser (EnBW), Frank Richert (Wolf), Ingo Rieger (Bosch), Egbert Tippelt ( +Viessmann), André Jacob +(BWP), Johanna Otting (BWP), Björn Schreinermacher (BWP)(2023): "Branchenstudie +2023: Marktentwicklung – Prognose +–Handlungsempfehlungen", Bundesverband Wärmepumpe (BWP) e. V. + +[6] Statistisches Landesamt Sachsen-Anhalt: "GENESIS-Tabelle: 31121-0006, +Statistik der Baufertigstellungen", +von https://genesis.sachsen-anhalt.de/genesis//online?operation=table&code=31121-0006&bypass=true&levelindex=0&levelid=1682324189765#abreadcrumb, +Stand: 11.04.2023 + +[7] Statista Research Department(2021): "Struktur des Wohnungsbaus nach Neubau +und Sanierung in Deutschland in den +Jahren 2001 bis 2020", +von https://de.statista.com/statistik/daten/studie/202207/umfrage/struktur-des-wohnungsbaus-nach-art-der-bauleistung-in-deutschland/, +Stand: 03.04.2023 12:26:20 + +[8] Statista: "Daten und Fakten zur Inflation und den Verbraucherpreisen" , +von https://de.statista.com/themen/112/inflation/#topicOverview , Stand: +29.03.2023 + +[9] Cebulla, Felix (2017): "Storage demand in highly renewable energy scenarios +for Europe", OPUS - Online Publikationen +der Universität Stuttgart, von https://elib.uni-stuttgart.de/handle/11682/9778 + +[10] Frauenhofer ISE (2019): "Stromgestehungskosten erneuerbare Energien", +von https://www.ise.fraunhofer.de/de/veroeffentlichungen/studien/studie-stromgestehungskosten-erneuerbare-energien.html + +[11] BMWK (2021): "Energiedaten" +von https://www.bmwk.de/Redaktion/DE/Artikel/Energie/energiedaten-gesamtausgabe.html + +[12] Michael Herrmann, Jürgen Weber: Öfen und Kamine: Raumheizungen fachgerecht +planen und bauen. Beuth Verlag, 201, +von https://books.google.de/books?id=n0fVYjrHAlwC&pg=PA58#v=onepage&q&f=false + +[13] www.brikett-rekord.com: "Energiekostenvergleich", +von https://www.brikett-rekord.com/de/heizwertvergleich-rekord-briketts.html, +letzter Abruf 8.5.2023 + +[14] WindNode: Modell, Methodik, Daten, ABW; +von: RLI +letzer Abruf 8.8.2023 + +[15] Fluri, Verena: "Wirtschaftlichkeit von zukunftsfähigen Geschäftsmodellen +dezentraler Stromspeicher" +von https://www.zhb-flensburg.de/fileadmin/content/spezial-einrichtungen/zhb/dokumente/dissertationen/fluri/fluri-2019-wirtschaftlichkeit-dez-stromspeicher.pdf, +letzter Abruf 8.8.2023 + +[16] Schröder, Andreas; Kunz, Friedrich; Meiss, Jan; Mendelevitch, Roman; +Hirschhausen, Christian von: "Current and Prospective Costs of Electricity +Generation until 2050" +von https://www.diw.de/documents/publikationen/73/diw_01.c.424566.de/diw_datadoc_2013-068.pdf, +letzter Abruf 8.8.2023 + +[17] Prüggler, Wolfgang (2019): "HEIMSPEICHERSYSTEME UND ZENTRALE +BATTERIESPEICHER – KRITISCHE FAKTOREN DER WIRTSCHAFTLICHKEIT" +von https://ens.dk/sites/ens.dk/files/Analyser/technology_data_catalogue_for_energy_storage.pdf, +letzter Abruf 8.8.2023 ### Code Anhang wood_oven_script.py + ``` import pandas as pd import os.path @@ -527,7 +687,9 @@ for dic in dic_2045: print(val_2045) ``` + thermal_collector_small_script.py + ``` import pandas as pd import os.path @@ -608,7 +770,9 @@ for dic in dic_2045: print(val_2045) ``` + pv_rooftop_script.py: + ``` import pandas as pd import geopandas as gpd @@ -693,7 +857,9 @@ print(dic_capacity_cost_overnight_2045, dic_fixom_cost_2045, dic_lifetime_2045) print(proportion[0][0]) print(val_2045) ``` -Pth_decentral_scirpt.py + +Pth_decentral_sc0irpt.py + ``` import pandas as pd import os.path @@ -766,7 +932,9 @@ for dic in dic_2045: print(val_2045) ``` -heatpumpt_small_script.py: + +heatpump_small_script.py: + ``` import pandas as pd import os.path @@ -1042,7 +1210,9 @@ for dic in dic_2045: print(val_2020, val_2045) print(faktoren_2020, faktoren_2045) ``` -boiler_small_scirpt.py: + +boiler_small_script.py: + ``` import pandas as pd import os.path From 23db7082f49002749a6712d644c50f9064989a02 Mon Sep 17 00:00:00 2001 From: nesnoj Date: Mon, 9 Oct 2023 19:38:24 +0200 Subject: [PATCH 11/11] Update tech data metadata --- .../store/raw/technology_data/metadata.json | 22 +++++++++++++++++-- 1 file changed, 20 insertions(+), 2 deletions(-) diff --git a/digipipe/store/raw/technology_data/metadata.json b/digipipe/store/raw/technology_data/metadata.json index 4c0dbb4a..15a40264 100644 --- a/digipipe/store/raw/technology_data/metadata.json +++ b/digipipe/store/raw/technology_data/metadata.json @@ -37,11 +37,29 @@ }, "sources": [ { - "title": "Technologiedaten", + "title": "Föderal Erneuerbar", "description": "Jahresvollaststunden, Leistungsdichte, Nennleistung, Kosten und Effizienzen von energieumwandlungs Technologien", + "path": "https://www.foederal-erneuerbar.de", + "licenses": null + }, + { + "title": "PV- und Windflächenrechner", + "description": "Der Photovoltaik- und Windflächenrechner - Methoden und Daten", + "path": "https://zenodo.org/record/6794558", + "licenses": null + }, + { + "title": "Ariadne Szenarienreport", + "description": "Ariadne Szenarienreport", + "path": "https://ariadneprojekt.de/media/2022/02/Ariadne_Szenarienreport_Oktober2021_corr0222_lowres.pdf", + "licenses": null + }, + { + "title": "Technologiedaten", + "description": "Kosten und Effizienzen von Energieumwandlungtechnologien", "path": "https://ens.dk/en/our-services/projections-and-models/technology-data", "licenses": null - } + } ], "contributors": [ {