Puertollano住宅建筑加热需求数据集

Puertollano住宅建筑加热需求数据集是由格拉茨技术大学电力经济与能源创新研究所、Reserach Center ENERGETIC以及普孔查大学技术研究所共同创建的。该数据集包含西班牙Puertollano地区9298座住宅建筑的建筑级加热需求时间序列，具有每小时的时间分辨率。数据集通过结合占用模拟和热建模方法，利用公开数据源生成，旨在支持能源规划、建模和分析工作，特别是在加热部门的脱碳策略分析中。

The Heating Demand Dataset of Residential Buildings in Puertollano was jointly developed by the Institute of Power Economics and Energy Innovation at Graz University of Technology, Research Center ENERGETIC, and the Technical Institute of Puconcha University. This dataset includes building-level heating demand time series of 9,298 residential buildings in the Puertollano region of Spain, with an hourly temporal resolution. Generated using publicly available data sources by combining occupancy simulation and thermal modeling methodologies, this dataset aims to support energy planning, modeling and analysis work, especially for the analysis of decarbonization strategies in the heating sector.

搜集汇总

数据集介绍

构建方式

Puertollano住宅建筑加热需求数据集的构建方式融合了多个公共数据源，包括地理信息、建筑类型、活动数据以及天气数据。首先，利用OpenStreetMap获取建筑的地理位置和形状信息。其次，通过INSPIRE获取建筑的详细数据，如单元数量、楼层、建筑年代和面积。然后，根据建筑类型和年代，利用TABULA WebTool估算建筑的年加热需求。接着，使用一个简化的热模型估计建筑的传热特性。最后，通过MCMC方法生成考虑用户行为的时间序列加热需求。这种方法提供了高空间和时间分辨率的加热需求时间序列数据。

特点

该数据集的特点在于其高空间和时间分辨率，能够提供每栋建筑的每小时加热需求时间序列数据。此外，数据集考虑了用户行为的不确定性和不同建筑之间的异步性，从而更准确地反映了实际情况。生成的加热需求数据支持能源规划、建模和分析，可用于评估改造和翻新策略的影响，或分析区域供暖扩展。该数据集的公开性使其能够适应和应用于各种欧洲地区，在能源系统优化和脱碳策略分析中具有广泛的应用。

使用方法

使用Puertollano住宅建筑加热需求数据集时，首先需要了解数据集的格式和内容。数据集包含每栋建筑的每小时加热需求时间序列数据，以及相关的建筑属性信息。使用数据集时，可以根据需要进行数据聚合，例如，将多个建筑的加热需求时间序列数据汇总，以分析整个区域的加热需求模式。此外，数据集可以与能源系统模型或其他模拟工具结合使用，以评估不同的能源政策和改造策略的影响。使用数据集时，还需要注意数据的质量和不确定性，以及可能存在的偏差。

背景与挑战

背景概述

在建筑能源效率评估和城市规划中，对建筑级热需求的准确预测至关重要。Puertollano住宅建筑加热需求数据集由Graz工业大学电力经济与能源创新研究所的研究人员Simon Malacek等人于2025年创建，旨在通过结合占⽤模拟和热模型，生成具有高空间和时间分辨率的建筑级热需求时间序列。该数据集使用公共数据源，包括地理信息系统数据、地籍数据、建筑类型、天气数据和活动数据，通过马尔可夫链蒙特卡洛方法生成建筑占⽤模拟，并使用热模型计算热需求。该数据集为能源规划、建模和分析提供了成本效益的资源，尤其关注供暖部门。通过对Puertollano（西班牙）的案例研究，该数据集为9,298个住宅建筑提供了每小时分辨率的热需求数据，并用于比较两种不同的建筑热改造途径。该方法的可适应性和可用性使其成为欧洲各地区能源系统优化和脱碳战略分析的有力工具。

当前挑战

尽管Puertollano住宅建筑加热需求数据集提供了高分辨率的建筑级热需求时间序列，但该数据集仍面临一些挑战。首先，现有的热需求模型通常只提供特定应用的加热需求，或者提供较大区域的时间序列数据，或者建筑级的年度需求数据，但并非同时提供。其次，不同建筑之间的热需求多样性通常没有被考虑。为了解决这些局限性，该数据集采用了新的方法，使用公共数据生成建筑级的时间分辨热需求时间序列。然而，该方法的准确性受到输入数据质量的影响，如GIS/OSM或地籍系统中不完整或过时的数据，以及对建筑类型的分配不明确。此外，简化模型可能导致一些系统误差，例如忽略太阳辐射、风冷却、人体内部热增益、照明、烹饪、其他电器或不同的个人设定温度和通风习惯等因素。这些因素虽然影响较小，但在某些情况下可能会导致较大的偏差。

常用场景

经典使用场景

该数据集广泛应用于能源规划、建模和分析，特别是在建筑层面的供热需求评估方面。它通过整合建筑热模型和考虑用户行为变异性的随机占用模拟，为供热需求时间序列提供了高空间和时间分辨率。这些数据支持了对建筑改造和翻新策略的影响评估，以及对区域供热系统扩展的分析。此外，这些数据还有助于评估电力系统对供热系统电气化的影响，并为综合电力和供热系统中的发电和扩展规划提供决策依据。

衍生相关工作

该数据集衍生了多项相关工作，包括对建筑供热需求进行建模和模拟的方法，以及利用建筑数据生成高分辨率供热需求时间序列的方法。这些工作有助于推动能源系统的优化和分析，以及脱碳策略的研究。

数据集最近研究

最新研究方向

在建筑能效与城市规划领域，Puertollano住宅建筑加热需求数据集的研究方向主要集中在如何通过高时空分辨率的加热需求数据来支持能源规划和政策制定。该数据集的生成方法结合了建筑热模型和随机占用模拟，考虑了用户行为的多样性。研究结果表明，这种方法生成的数据可以用于评估改造和翻新策略的影响，或分析区域供暖的扩展。此外，该数据集还支持跨部门能源系统规划和政策开发，尤其是在供暖部门。通过利用公开数据，这种方法可以适应和应用于欧洲各种地区，为能源系统优化和脱碳策略分析提供广泛的适用性。

相关研究论文

• Generating Building-Level Heat Demand Time Series by Combining Occupancy Simulations and Thermal Modeling

  格拉茨技术大学电力经济与能源创新研究所, Reserach Center ENERGETIC, 普孔查大学技术研究所 · 2025年