PLANtoACT タスク2.1：時間別プロファイル - 冷暖房需要

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:エネルギーシステムモデリングや需要予測の研究者は、地域冷暖房需要プロファイルの生成手法を参考にできる。

🏢実務担当者:地域エネルギー計画や再生可能エネルギー導入を検討する実務者は、需要プロファイルを活用してシステム設計に役立てられる。

🏛政策担当者:地域のエネルギー計画や脱炭素政策を担当する政策立案者は、需要データに基づく計画策定の参考にできる。

PLANtoACTプロジェクトのための地域暖房・冷房需要プロファイル このデータセットには、PLANtoACTプロジェクト（タスク2.2）のために開発された、正規化された時間別暖房・冷房需要プロファイルが含まれています。このプロファイルは、5つのヨーロッパのパイロット地域における長期的な建物の暖房・冷房需要挙動を表し、エネルギーシステムモデリング、再生可能エネルギー評価、および地域エネルギー計画での使用を目的としています。 このデータセットは、Renewables.ninja気象APIを、demand_ninja建物エネルギー需要モデルおよび地域行政境界とともに用いて生成されました。各地域内に位置するMERRA-2グリッドポイントについて、時間別気象データ（気温、全球水平放射量、湿度、風速）がダウンロードされ、時間別暖房・冷房需要に変換され、代表的な地域プロファイルに平均化され、長期的な度時相当量（風力・太陽光・水力発電プロファイルに使用される等価フルロード時間の需要側の類似物）を保持しながら正規化されました。 このデータセットには、対応するGitLabリポジトリで入手可能なスクリプトが付属しています。 調査対象地域 このデータセットには、以下の地域の暖房・冷房需要プロファイルが含まれています： | 国 | 地域 | |---|---| | イタリア | ロンバルディア | | ルーマニア | アルバ | | ドイツ | オーバーラント | | フランス | オーヴェルニュ＝ローヌ＝アルプ | | ポルトガル | ポルト都市圏 | データセット構造 各地域フォルダには以下が含まれます： | ファイル | 説明 | |---|---| | `dh_by_year_heating.csv` / `dh_by_year_cooling.csv` | 各シミュレーション年についての、グリッドポイント毎および地域平均の年間度時積分値 | | `profile_aggregated_heating.csv` / `profile_aggregated_cooling.csv` | 補正前の5年間集計正規化地域プロファイル | | `profile_final_heating_8784h.csv` / `.txt` | 最終正規化時間別暖房需要プロファイル（閏年、8784時間） | | `profile_final_cooling_8784h.csv` / `.txt` | 最終正規化時間別冷房需要プロファイル（閏年、8784時間） | | `dh_comparison_heating.png` / `dh_comparison_cooling.png` | 年間度時積分値と5年間平均値の比較 | | `profile_final_heating_plot.png` / `profile_final_cooling_plot.png` | 最終正規化プロファイルの可視化（通年＋代表週） | | `grid_map.png` | 地域平均に使用されたMERRA-2グリッドポイントの地図 | | `raw/weather_lon+X_lat+Y_YYYY.csv` | グリッドポイントおよび年ごとの生のMERRA-2気象データ | | `raw/demand_lon+X_lat+Y_YYYY.csv` | グリッドポイントおよび年ごとに計算された時間別暖房・冷房需要 | | `raw/demand_lon+X_lat+Y_allyears.csv` | ポイントごとの複数年にわたる暖房・冷房需要の要約 | データセットには、最上位レベルで以下も含まれます： - `Shapefiles/`：各調査地域のMERRA-2グリッドポイントを選択するために使用された地域行政境界ポリゴン。 - `Normalized_Profiles_heating_2024.png` および `Normalized_Profiles_cooling_2024.png`：全調査地域にわたる正規化された暖房・冷房需要プロファイルの比較。 データ生成方法論 地域の暖房・冷房需要プロファイルは、以下のワークフローに従って生成されました： 1. 地域行政境界がGISシェープファイルとして提供されました。 2. 各地域ポリゴン内に含まれるMERRA-2グリッドポイント（0.625°×0.5°解像度、風力プロファイルに使用されるものと同じ空間グリッド）が特定され、地域に設定可能な最大数より多くのポイントが含まれる場合は、最遠点サンプリングが適用されました。 3. 選択された各グリッドポイントについて、時間別気象変数（気温、全球水平放射量、湿度、風速）がRenewables.ninja気象APIから5年間（2020年～2024年）にわたってダウンロードされました。 4. 時間別暖房・冷房需要は、気象変数からdemand_ninja建物エネルギー需要モデルを用いて計算されました。このモデルは、暖房閾値14°Cおよび冷房閾値20°Cを備えたBAIT（建物調整済み内部温度）アプローチに基づいています。 5. ポイントごとの需要系列は、選択された全グリッドポイントにわたって平均化され、暖房と冷房をそれぞれ別に、代表的な地域プロファイルが生成されました。 6. 年間度時積分値（時間別需要値の合計であり、発電プロファイルの等価フルロード時間に類似）が、各グリッドポイントおよび地域平均について、シミュレーションされた各年について計算されました。 7. 5年間集計された地域プロファイルは、それ自身の観測された最大値を使用して正規化されました。 8. 5年間平均の度時積分値を保持しながら、その年の時間別および季節変動を維持するために、非線形補正係数が最新年に適用されました。 9. 最終的な正規化時間別プロファイルは、閏年（8784時間）のカレンダーでエクスポートされました。 データ形式 プロファイルファイルには単一の列が含まれます： | 列 | 説明 | |---|---| | `normalised` | 時間別正規化暖房または冷房需要（無次元、0から1の範囲） | 各行は1年の1時間を表します。絶対需要は、正規化プロファイルに`dh_by_year_heating.csv` / `dh_by_year_cooling.csv`で報告されている対応する地域度時積分値を乗算することで再構築できます。 想定される用途 このデータセットは以下を目的としています： - エネルギーシステムモデリング - 再生可能エネルギーシナリオ分析 - 地域エネルギー計画 - 容量拡張モデリング - 長期電力システムシミュレーション - セクターカップリング研究 - 学術研究 ソフトウェア このデータセットは、Pythonと以下のライブラリを使用して生成されました： - pandas - NumPy - GeoPandas - Shapely - SciPy - Matplotlib - Requests - demand_ninja 時間別気象データはRenewables.ninja APIを使用して取得されました。暖房・冷房需要はdemand_ninja建物エネルギー需要モデルを使用して計算されました。 関連ソフトウェア このデータセットの生成に使用されたスクリプトは、関連するGitLabリポジトリから入手できます： PLANtoACT / task_2_1 / Heating and Cooling Demand Hourly Profiles・GitLab 資金提供 この研究はPLANtoACTプロジェクト内で開発されました。 PLANtoACTプロジェクトは、欧州気候・インフラ・環境執行機関（CINEA）によって管理される助成契約番号101214506（LIFE-2024-CET）に基づき、欧州連合のLIFEプログラムから資金提供を受けています。 表明された見解および意見は著者のみのものであり、必ずしも欧州連合またはCINEAの見解を反映するものではありません。欧州連合もCINEAもそれらについて責任を負うことはできません。 引用 このデータセットを研究で使用する場合は、Zenodoの記録と関連ソフトウェアリポジトリの両方を引用してください：PLANtoACT / task_2_1 / Heating and Cooling Demand Hourly Profiles・GitLab、https://gitlab.inf.unibz.it/plantoact/task_2_1/heating-and-cooling-demand-hourly-profiles。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Regional Heating and Cooling Demand Profiles for the PLANtoACT Project This dataset contains normalized hourly heating and cooling demand profiles developed for the PLANtoACT project (Task 2.2). The profiles represent the long-term building heating and cooling demand behaviour of five European pilot regions and are intended for use in energy system modelling, renewable energy assessment, and regional energy planning. The dataset was generated using the Renewables.ninja weather API together with the demand_ninja building energy demand model and regional administrative boundaries. Hourly weather data (temperature, global horizontal radiation, humidity, wind speed) were downloaded for MERRA-2 grid points located within each region, converted into hourly heating and cooling demand, averaged into a representative regional profile, and normalized while preserving the long-term degree-hour equivalent — the demand-side analogue of the equivalent full-load hours used for the wind, solar, and hydro generation profiles. The dataset accompanies the scripts available in the corresponding GitLab repository. Study Regions The dataset contains heating and cooling demand profiles for the following regions: Country Region Italy Lombardia Romania Alba Germany Oberland France Auvergne-Rhône-Alpes Portugal Porto Metropolitan Area Dataset Structure Each regional folder contains: File Description dh_by_year_heating.csv / dh_by_year_cooling.csv Annual degree-hour integrals per grid point and regional average, for each simulated year profile_aggregated_heating.csv / profile_aggregated_cooling.csv 5-year aggregated normalized regional profile, before correction profile_final_heating_8784h.csv / .txt Final normalized hourly heating demand profile (leap-year, 8784 h) profile_final_cooling_8784h.csv / .txt Final normalized hourly cooling demand profile (leap-year, 8784 h) dh_comparison_heating.png / dh_comparison_cooling.png Comparison of annual degree-hour integrals against the 5-year average profile_final_heating_plot.png / profile_final_cooling_plot.png Visualization of the final normalized profile (full year + representative weeks) grid_map.png Map of the MERRA-2 grid points used for the regional average raw/weather_lon+X_lat+Y_YYYY.csv Raw MERRA-2 weather data per grid point and year raw/demand_lon+X_lat+Y_YYYY.csv Computed hourly heating/cooling demand per grid point and year raw/demand_lon+X_lat+Y_allyears.csv Per-point multi-year heating and cooling demand summary The dataset also includes, at the top level: Shapefiles/ , the regional administrative boundary polygons used to select the MERRA-2 grid points for each study region; Normalized_Profiles_heating_2024.png and Normalized_Profiles_cooling_2024.png , which compare the normalized heating and cooling demand profiles across all study regions. Data Generation Methodology The regional heating and cooling demand profiles were generated according to the following workflow: Regional administrative boundaries were provided as GIS shapefiles. MERRA-2 grid points (0.625° × 0.5° resolution, the same spatial grid used for the wind profiles) falling within each regional polygon were identified, with farthest-point sampling applied if a region contained more points than a configurable maximum. Hourly weather variables (temperature, global horizontal radiation, humidity, wind speed) were downloaded from the Renewables.ninja weather API for each selected grid point, over a five-year period (2020–2024). Hourly heating and cooling demand were computed from the weather variables using the demand_ninja building energy demand model, based on a BAIT (building-adjusted internal temperature) approach with heating and cooling thresholds of 14 °C and 20 °C respectively. Per-point demand series were averaged across all selected grid points to produce a representative regional profile, separately for heating and cooling. Annual degree-hour integrals (the sum of hourly demand values, analogous to equivalent full-load hours for generation profiles) were calculated for each grid point and for the regional average, for every simulated year. The 5-year aggregated regional profile was normalized using its own observed maximum. A non-linear correction factor was applied to the most recent year to preserve the 5-year average degree-hour integral while maintaining the hourly and seasonal variability of that year. Final normalized hourly profiles were exported for a leap-year (8784-hour) calendar. Data Format The profile files contain a single column: Column Description normalised Hourly normalized heating or cooling demand (dimensionless, ranging from 0 to 1) Each row represents one hour of the year. The absolute demand can be reconstructed by multiplying the normalized profile by the corresponding regional degree-hour integral reported in dh_by_year_heating.csv / dh_by_year_cooling.csv . Intended Applications The dataset is intended for: Energy system modelling Renewable energy scenario analysis Regional energy planning Capacity expansion modelling Long-term electricity system simulations Sector coupling studies Academic research Software The dataset was generated using Python together with the following libraries: pandas NumPy GeoPandas Shapely SciPy Matplotlib Requests demand_ninja Hourly weather data were obtained using the Renewables.ninja API. Heating and cooling demand were computed using the demand_ninja building energy demand model. Related Software The scripts used to generate this dataset are available from the associated GitLab repository: PLANtoACT / task_2_1 / Heating and Cooling Demand Hourly Profiles · GitLab Funding This work was developed within the PLANtoACT project. The PLANtoACT project has received funding from the European Union's LIFE Programme under Grant Agreement No. 101214506 (LIFE-2024-CET), managed by the European Climate, Infrastructure and Environment Executive Agency (CINEA). Views and opinions expressed are those of the author(s) only and do not necessarily reflect those of the European Union or CINEA. Neither the European Union nor CINEA can be held responsible for them. Citation If you use this dataset in your work, please cite both the Zenodo record and the associated software repository: PLANtoACT / task_2_1 / Heating and Cooling Demand Hourly Profiles · GitLab, https://gitlab.inf.unibz.it/plantoact/task_2_1/heating-and-cooling-demand-hourly-profiles.

• Zenodo https://zenodo.org/records/21834587first seen 2026-08-08 04:14:24 · last seen 2026-08-09 04:32:24