01.2019 - 07.2019

Siemens Global Energy Demand – Modellierung des weltweiten Stromverbrauchs

Im Rahmen des Projektes „Global Energy Demand“ für den Auftraggeber Siemens sollte basierend auf statistischen Daten und Geodaten eine weltweite und regional aufgelöste Abbildung der Stromnachfrage erreicht werden, getrennt für die privaten Haushalte auf der einen und die Sektoren Gewerbe, Handel, Dienstleistungen und Industrie (GHDI) auf der anderen Seite.

Hierbei wurde ein rasterbasierter Ansatz verfolgt, der weltweite Indikatoren auf 250 m x 250 m Pixeln generiert, die anschließend mit entsprechenden Verbrauchszahlen zu einem Verbrauchs-Raster skaliert werden. Dieser Ansatz bietet den Vorteil, dass Verbrauchszahlen flexibel angepasst werden können, um z. B. verschiedene Jahre abzubilden.

Für die Regionalisierung der privaten Haushalte wurden Einwohnerzahlen basierend auf dem Global Human Settlement Layer [1] als Indikatoren herangezogen, für die Sektoren GHDI die als commercial, industrial und retail gekennzeichneten Flächen aus dem OpenStreetMap-Projekt [2]. Aufbereitete Daten aus letzterem wurden dabei ebenfalls genutzt, um die entsprechenden Rasterdatensätze den einzelnen Ländern zuzuordnen. Daneben erlaubt das Modell die lokale oder regionale Anpassung durch die Übergabe eigener administrativer Geometrien, für die verbesserte Kenntnisse über die genauen Verbräuche vorliegen. Das Modell korrigiert dann selbstständig die Verteilung des Stromverbrauchs in diesen Regionen und passt ebenso die Werte außerhalb davon an, um den Gesamtverbrauch eines Landes nicht zu verfälschen.

Weiterhin beschäftigte sich ein Bereich des Projektes mit der Frage, ob nächtliche Lichtabstrahlung gerade in weniger stark entwickelten Ländern dazu beitragen kann, die Verbrauchsverteilung bei den privaten Haushalten zu verbessern. Daher wurde der so genannte nighttime-lights Datensatz der NOAA [3] herangezogen und als weiterer Indikator für die Regionalisierung des Stromverbrauchs der privaten Haushalte integriert. Es zeigte sich, dass diese Daten durch ihre hohe Sensitivität in der Lage sind, auch kleine, vom Global Human Settlement Layer nicht erfasste Siedlungen zu detektieren.

Ein Ergebnis des Projekts zeigt Abbildung 1: eine globale Darstellung des Stromverbrauchs der privaten Haushalte für das Jahr 2015 auf 250 x 250 m Pixeln, in MWh.

Quellen:

[1] GHS population grid, derived from GPW4, multitemporal (1975, 1990, 2000, 2015): http://data.jrc.ec.europa.eu/dataset/jrc-ghsl-ghs_pop_gpw4_globe_r2015a; Brüssel, Columbia: Joint Research Centre (JRC) European Commission, Center for International Earth Science Information Network – CIESIN Columbia University, 2015.
[2] OpenStreetMap (OSM) – OpenStreetMap und Mitwirkende: http://www.openstreetmap.org/; Cambridge: OpenStreetMap Foundation, 2004 (überarbeitet: 2019).
[3] Version 1 VIIRS Day/Night Band Nighttime Lights – Nighttime Light Composite: https://www.ngdc.noaa.gov/eog/viirs/download_dnb_composites.html; Asheville, Vereinigte Staaten: Earth Observation Group, NOAA National Centers for Environmental Information (NCEI), 2012 (überarbeitet: 2015).