Zum Inhalt

WInfra

Name

Wärme-Infrastrukturmodell

Version des Modells

  • Aktuelle Version aus dem Jahr 2024

Betreibende Organisation

  • Prognos AG

Zweck des Modells

  • Zweck des Winfra-Modells besteht darin bottom-up:
  • räumliche Wärmebedarfe [A] zu analysieren.
  • erneuerbare Potenziale zu identifizieren.
  • deren Einbindung zu simulieren
  • den notwendigen Ausbau von Wärmenetzen auf kommunaler und Landesebene zu simulieren.
  • Das Wärmeinfrastrukturmodell berücksichtigt räumlich hochaufgelöste Wärmebedarfe (GIS) in den Sektoren private Haushalte, GHD, Industrie und öffentliche Liegenschaften.
  • Daneben werden Erneuerbare und Abwärmepotenziale berücksichtigt.
  • Das Modell kombiniert die Potenziale mit den Bedarfen und identifiziert so darauf aufbauend Wärmeversorgungsmöglichkeiten, um Wärmeversorgungsszenarien ableiten zu können [B].
  • Mögliche Outputs aus dem Modell sind:
  • Abbildung der Wärmedichte auf unterschiedliche Ebenen (Gemeinde, Kreis, Land, Bund etc.)
  • theoretisches Potential [C] einer erneuerbaren Wärmequelle auf unterschiedlichen Ebenen (Gemeinde, Kreis, Land, Bund etc.)
  • technisches Potential [D] einer erneuerbaren Wärmequelle unter Berücksichtigung deren Einbindung (Abdeckung einer räumlich nahen Wärmesenke)
  • Identifikation potenzieller Fernwärmegebiete
  • Erreichbares EE-Anteil in der Fernwärme auf unterschiedlichen Ebenen (Gemeinde, Kreis, Land, Bund etc.)

Anmerkungen:

[A] Der Wärmebedarf bezeichnet die theoretisch erforderliche Energiemenge pro Jahr, um – in diesem Kontext – ein Gebäude auf eine festgelegte Raumtemperatur zu beheizen. Die Wärmenachfrage hingegen beschreibt die tatsächlich verbrauchte Energiemenge. In diesem Zusammenhang wird der Begriff Wärmebedarf verwendet, da die primäre Quelle diese Energiemenge liefert. Anschließend erfolgt eine Nachbearbeitung (Post-Processing), um den Wärmebedarf auf die tatsächlich nachgefragte Energiemenge umzurechnen (basierend auf einem Top-Down-Ansatz, der überwiegend auf öffentlichen Statistiken, insbesondere der AGEB, beruht)

[B] Die Methodik basiert auf einer räumlichen Analyse, die nach dem Bottom-Up-Ansatz durchgeführt wird. Ausgangspunkt ist die Gemeindeebene in Deutschland, auf der die vorhandenen Wärmebedarfe sowie die potenziellen erneuerbaren Energiequellen (EE-Quellen) ermittelt werden. Im ersten Schritt werden die Wärmebedarfe und die theoretischen EE-Potenziale für jede Gemeinde spezifisch identifiziert. Anschließend erfolgt eine detaillierte räumliche Analyse, bei der z. B. Abstandsanalysemethoden eingesetzt werden, um die theoretischen EE-Potenziale den jeweiligen Bedarfen zuzuordnen. Dadurch können technische Potenziale abgeleitet werden.

[C] Das theoretische Potenzial bezeichnet die gesamte von der Quelle zur Verfügung stehende Energiemenge, ohne dabei weitere Parameter zu berücksichtigen. Dazu gehören beispielsweise die Nähe zu Wärmesenken, die Höhe der benachbarten Wärmenachfrage, lokale Gegebenheiten, die die Nutzung der Quelle einschränken könnten, Wärmeverluste und andere relevante Faktoren.

[D] Das technische Potenzial gibt an, welche Energiemenge unter Berücksichtigung technischer und örtlicher Gegebenheiten tatsächlich zu den Wärmesenken geliefert werden kann.

Folgende Abbildung visualisiert hochaufgelöst Wärmebedarfe - dargestellt durch Rasterzellen mit einer Größe vonn 100m x 100m:

Dokumentation

  • Es handelt sich um ein Modell der Prognos AG, dessen Dokumentation nicht öffentlich verfügbar ist.
  • Nach unserem Wissensstand gibt es keine wissenschaftlichen Artikel, in denen das Modell kritisch geprüft bzw. validiert wurde. Dies dürfte darauf zurückzuführen sein, dass das Modell für die Auftragsforschung entwickelt wurde und bisher ausschließlich für diese genutzt wurde. Im Kontext der jeweiligen Projektarbeit wird das Modell regelmäßig überprüft.

Räumliche Abdeckung

  • Das Modell kann grundsätzlich für verschiedene geografische Abgrenzungen genutzt werden und ist für den Einsatz auf Ebene einzelner Bundesländer, Landkreise und Gemeinden geeignet.

Zeithorizont

  • Das Modell WInfra orientiert sich an der aktuellen Bestandssituation des Wärmebedarfs und berücksichtigt verschiedene Wärmeversorgungsoptionen auf Basis der verfügbaren Wärmepotenziale (die theoretisch vorhanden, aber technisch noch nicht erschlossen sind). Eine Betrachtung des Wärmebedarfs mit einem zukünftigen Zeithorizont liegt derzeit nicht vor.

Konzeptionelle Gestaltungsprinzipien

  • Das Modell WInfra nutzt öffentlich verfügbare Daten zum Wärmebedarf [1] und den Wärmepotenzialen [2] sowie aktuelle Informationen aus vorangegangenen Projektarbeiten [3]. Diese Daten werden mit GIS-Geometriedaten [4] kombiniert, um eine GIS-Analyse zu ermöglichen. Auf diese Weise können Wärmebedarfe und -potenziale auf verschiedenen geografischen Ebenen (Gemeinde, Kreis, Land, Bund usw.) dargestellt werden.

  • Bottom-Up-Ansatz: Die Möglichkeiten der Wärmeversorgung aus Wärmepotenzialen werden in detaillierten räumlichen Kontexten mithilfe einer GIS-gestützten Analyse untersucht. Hierbei erfolgt eine räumliche Clusterung der Wärmebedarfsgebiete (z.B auf Gemeindeebene) sowie eine Identifizierung und Zuordnung naheliegender Wärmepotenziale. Dann erfolgt ein Abgleich der Wärmemenge im Wärmebedarfsgebiet mit den nahegelegenen Wärmepotenzialen. Daraufhin erfolgt eine Zuweisung der Wärmepotenziale zur Deckung des Wärmebedarfs in dem identifizierten Gebiet.

  • Hochrechnung auf der gewünschten Ebene: Hierbei wird ein iterativer Prozess angewendet, bei dem die GIS-Analyse für jedes Wärmeversorgungsgebiet durchgeführt wird. Ein solches Gebiet kann eine Stadt sein oder, für eine detailliertere Betrachtung, mehrere Wärmebedarfsgebiete innerhalb einer Stadt.
  • Die Ergebnisse werden in verschiedenen Darstellungsformen (z.B. Karten und/oder Tabellen) präsentiert: hochauflösend oder aggregiert je nach gewünschter Ebene.

Quellen:

[1] zum Wärmebedarf: Müller, A., Hummel, M., Kranzl, L., Fallahnejad, M., Büchele, R., 2019. Open Source Data for Gross Floor Area and Heat Demand Density on the Hectare Level for EU 28. Energies 12, 4789. https://doi.org/10.3390/en12244789

Zenus Daten zur Verwendung für weitere Analysen mit dem Wärmebedarf: Zensus 2022, Wohnungen nach überwiegender Heizungsart, https://www.zensus2022.de/

[2] Wärmepotenziale:

• Freiflächen Solarthermie: Hotmaps, https://gitlab.com/hotmaps/potential/potential_solarthermal_collectors_open_field

• Industrielle Abwärme Seenergies. https://s-eenergies-open-data-euf.hub.arcgis.com/search?categories=%252Fcategories%252Fd5.1

• Müllverbrennungsanlagen: Umweltbundesamt, Energieerzeugung aus Abfällen, https://www.umweltbundesamt.de/sites/default/files/medien/1410/publikationen/2018-06-26_texte_51-2018_energieerzeugung-abfaelle.pdf

• Geothermie: Fraunhofer ISI, https://fordatis.fraunhofer.de/handle/fordatis/341.3.

• Großwärmepumpen und weitere Potenziale: Umweltbundesamt, Analyse des wirtschaftlichen Potenzials für eine effiziente Wärme- und Kälteversorgung, https://www.umweltbundesamt.de/sites/default/files/medien/1410/publikationen/2021-08-05_cc_54-2021_effiziente_waerme-kaelteversorgung.pdf

[3] Umweltbundesamt, 2021, Analyse des wirtschaftlichen Potenzials für eine effiziente Wärme- und Kälteversorgung, https://www.umweltbundesamt.de/sites/default/files/medien/1410/publikationen/2021-08-05_cc_54-2021_effiziente_waerme-kaelteversorgung.pdf.

[4] Bundesamt für Kartographie und Geodäsie - Verwaltungsgebiete (BKG: https://gdz.bkg.bund.de/index.php/default/digitale-geodaten/verwaltungsgebiete.html)

Methodischer/mathematischer Ansatz

  • WInfra ist ein Bottom-up-Modell, das detaillierte räumliche GIS-basierte Analysen ermöglicht. Es arbeitet mit einer Bottom-Up-Rechnung, die auf Rasterzellen im Hektarmaßstab von 100 m x 100 m und Punktdaten basiert. Diese feingranulare Analyse auf Zellebene erlaubt es, die Daten präzise zu aggregieren und anschließend auf höhere Verwaltungsebenen hochzurechnen. WInfra ist flexibel und skalierbar konzipiert, um sowohl lokale als auch regionale und nationale Analyseanforderungen abzudecken.
  • Modellierung: Das Modell führt eine räumliche Analyse durch, indem es alle relevanten Datensätze verknüpft, um hochauflösende raumbezogene Fragen zu beantworten.
  • Es fließen 4 Hauptdatenmodule im Modell ein:
  • Die Wärmebedarfe in einer räumlichen Auflösung von 100 x 100 m Zellen
  • Zensus Daten in einer räumlichen Auflösung von 100 x 100 m Zellen
  • Wärmepotenziale in verschiedenen räumlichen Auflösungen: Punktdaten, 100 x 100 m Zellen, 1 km x 1 km, auf Gemeindeebene
  • Verwaltungsgrenzen: auf Gemeinde-, Kreis-, Landesebene

Folgende Abbildung zeigt die Inputdaten und Datenaggregation des WInfra Modells

  • Geographisch referenzierte Datensätze werden bearbeitet, um eine konsistente geografische Referenzierung sicherzustellen. Abhängig vom ausgewählten Detaillierungsgrad der Ergebnisse bildet die jeweilige administrative Grenze den Startpunkt für die Modellierung. Die Modellierung wird folgendermaßen abgewickelt, in Form eines zyklischen Prozesses:
    1. In der ersten Phase wird eine (neue) Gemeinde ausgewählt.
    1. Im nächsten Schritt der Iteration werden die relevanten Daten aus verschiedenen Datenquellen innerhalb der geografischen Grenzen der gewählten Gemeinde erfasst.
    1. Anschließend werden zusätzliche Kalkulationen durchgeführt. Das können beispielsweise Berechnungen wie der durchschnittliche Abstand zwischen Punkt A und B sein.
    1. Die so ermittelten Daten werden daraufhin in einer Datenbank strukturiert, die Schritt für Schritt mit den generierten Daten gefüllt wird.
    1. Nach Abschluss der Datensammlung wird der Prozess beendet und für die nächste Gemeinde wieder von Neuem begonnen und so fortgesetzt, bis alle Gemeinden erfasst sind.

Folgende Abbildung beschreibt den Modellierungsprozess des WInfra Modells

  • Output/Ergebnisse: Die resultierenden Daten werden als Excel-Datei bereitgestellt, welche die (Gemeinde-) Ergebnisse aufzeigt und spezifische Fragen beantwortet, wie z.B. „Wie hoch ist der Wärmebedarf in Wohn- und Nicht-Wohngebieten?“ oder „Welches Fernwärmepotenzial besteht für Wohnungen in Wohngebieten ohne Fernwärmeanschluss?“.

  • Post-Processing: Im Post-Processing werden die Ergebnisse auf Deutschlandebene konsolidiert, um eine Gesamtansicht und Validierung zu ermöglichen. Eine Kalibrierung erfolgt fortlaufend auf Basis aktueller öffentlicher Daten und Veröffentlichungen (z. B. von AGEB). Zudem werden zusätzliche Analysen auf verschiedenen Ebenen durchgeführt.

OpenSource

  • Es handelt sich um ein Modell der Prognos AG, das Modell ist nicht Open Source.
  • Die Prognos AG finanziert sich zu 100% über Projekte (keine Fremdfinanzierung). Das Modell wurde in Eigenleistung erstellt und ist Firmeneigentum.
  • Geteilt werden Annahmen, Inputs und Ergebnisse, jedoch nicht der Modellcode.

Parameter

  • Wärmebedarfsdichte
  • Räumliche Auflösung: 100m x 100m geografische Gitterzellen
  • Einheit: Wärmebedarf pro Hektar
  • Zensus 2022 Heizungsdaten mit einer räumlichen Auflösung von 100m x 100m geografischen Gitterzellen. Beinhalten Informationen über
  • die Anzahl der Wohnungen bzw. Gebäude je nach Heizungsart je Gitterzelle
  • die Anzahl der Wohnungen bzw. Gebäude je nach Energieträger je Gitterzelle
  • die durchschnittliche Wohnfläche je Gitterzelle
  • die durchschnittliche Eigentumsquote der Gebäude je Gitterzelle
  • die Anzahl Gebäude je nach Baualtersklasse je Gitterzelle
  • Erneuerbare Wärmepotenziale
  • Freiflächen Solarthermie
    • Räumliche Auflösung: 100m x 100m geografische Gitterzellen
    • Einheit: Wärmepotenzial in MWh je Hektar
  • Industrielle Abwärme auf Basis industrieller Standorte
    • Räumliche Auflösung: Punktdaten
    • Einheit: Abwärmepotenzial in MWh je Standort bzw. Punkt
  • Müllverbrennungsanlagen:
    • Räumliche Auflösung: Punktdaten
    • Einheit: Thermische Energieerzeugung in MWh je Standort bzw. Punkt
  • Geothermie:
    • Räumliche Auflösung: 1km x 1km Gitterzelle
    • Einheit: Wärmepotenzial in TWh je Gitterzelle
  • Großwärmepumpen und weitere Potenziale
    • Räumliche Auflösung: Verwaltungsgemeinde (ca. 4.650 Verwaltungsgemeinden in Deutschland)
    • Einheit: Wärmepotenzial in MWh/GWh/TWh je Gemeinde
  • Geografische Verwaltungsgrenzen
  • Räumliche Gemeindegrenzen als Polygone
  • Weitere räumliche Verwaltungsgrenzen (wie Kreisgrenzen und Bundesländergrenzen) als Polygone

Programmiersprache

  • Python

Programmtechnische Gestaltungsprinzipien

  • Das Modell besteht aus 3 Hauptmodulen:
  • Modul 1: Identifizierung des untersuchten Gebiets und Durchführung einer Wärmebedarfsanalyse [A], einschließlich einer räumlichen Unterteilung des identifizierten Gebiets in kleinere Clustergebiete [B]
  • Modul 2: Durchführung einer GIS-Analyse zur Identifizierung der Wärmepotenziale unter Berücksichtigung räumlicher Bedingungen. In diesem Modul erfolgt - anhand einer räumlichen GIS-Analyse gekoppelt mit einer Bottom-Up Berechnung- auch der Abgleich der Wärmebedarfe und -potenziale im identifizierten Gebiet sowie die quantitative Bestimmung der Möglichkeiten zur Wärmeversorgung.
  • Modul 3: Hochrechnung auf der gewünschten Ebene, um die Ergebnisse entsprechend darzustellen
  • Es erfolgt eine Visualisierung in Form von Karten auf der gewünschten Ebene.

Anmerkungen:

[A] Dies umfasst die Analyse auf Gemeindeebene, um Leitfragen zu beantworten: Wie hoch ist der Wärmebedarf pro Cluster (Gemeinde)? Wie sieht das aggregierte Bild für Deutschland aus? Wie verhält sich dies im Vergleich zu veröffentlichten Statistiken, wie beispielsweise denen der AGEB? Ist eine Nachbearbeitung und Kalibrierung erforderlich? Dabei erfolgt auch eine Verknüpfung mit den Zensusdaten 2022, um den Wärmebedarf in Wohngebieten mit dem in Wärmenetzgebieten zu vergleichen, und weitere ähnliche Fragestellungen zu klären.

[B] Zunächst wird allgemein betrachtet, welche Cluster erforderlich sind: Beispielsweise kann ein Cluster pro Gemeinde definiert werden, um den gesamten Wärmebedarf der jeweiligen Gemeinde abzubilden, oder Gebiete mit bestehenden Wärmenetzen können als eigenständiges Cluster betrachtet werden. Diese Clusterbildung wird anschließend programmatisch umgesetzt, und die Ergebnisse werden entsprechend in geeigneten Formaten wie Excel, Karten oder Tabellen erstellt.

Räumliche Auflösung

  • Das Modell verfügt über eine räumliche Auflösung, es bildet 100m x 100m Wärmebedarfsdaten ab. Zum Einsatz kam es auch bereits für einzelne Bundesländer, Kreise und Gemeinden.

Software

  • Anaconda
  • Spyder
  • Excel
  • QGIS

Unsicherheit

  • WInfra ist ein Modell zur Abbildung der Wärmeversorgungsmöglichkeiten nach Wärmebedarfsgebieten. Der Wärmebedarf wird anhand vorhandener Daten mit hoher Auflösung (100m x 100m) so genau wie möglich dargestellt. Zur Verbesserung der Genauigkeit können aktuelle öffentliche Energiebilanzen [1] zur Kalibrierung verwendet werden.

Quellen:

[1] AG Energiebilanzen: https://ag-energiebilanzen.de/daten-und-fakten/auswertungstabellen/

Modellierungsprozess

Datenflüsse im Kontext des Modellierungsprozesses von WInfra

Dieser Graph zeigt woher (und wieviele) Datensätze direkt oder indirekt in WInfra fließen.

flowchart LR
classDef default text-decoration:none
invert_ee_lab["Invert/EE-Lab"]
click invert_ee_lab href "/Modell/invert_ee_lab/"
input__winfra(["3"])
click input__winfra href "/Modellierungsprozess/input__winfra/"
winfra__invert_ee_lab(["1"])
click winfra__invert_ee_lab href "/Modellierungsprozess/winfra__invert_ee_lab/"
winfra["WInfra"]
click winfra href "/Modell/winfra/"
style winfra fill:#9d579a,stroke:#9d579a;
input(("Eingangsdaten"))
input__winfra --> winfra
input --> input__winfra
winfra --> winfra__invert_ee_lab
winfra__invert_ee_lab --> invert_ee_lab

Direkte Datenflüsse zu WInfra

Dieser Graph zeigt an, welche Datensätze direkt in WInfra fließen oder durch WInfra ausgegeben werden.

flowchart LR
classDef default text-decoration:none
winfra["WInfra"]
click winfra href "/Modell/winfra/"
style winfra fill:#9d579a,stroke:#9d579a;
winfra_verwaltungsgrenzen(["räumliche Grenzen der Verwaltungsgebiete"])
click winfra_verwaltungsgrenzen href "/Datensatz/winfra_verwaltungsgrenzen/"
winfra_waermedichte_deutschland(["Wärmedichtekarte (Endenergiebedarf für Heizung und Warmwasser) für das Jahr 2015"])
click winfra_waermedichte_deutschland href "/Datensatz/winfra_waermedichte_deutschland/"
winfra_zensus2022_heizungsart_deutschland(["Zensus 2022, Wohnungen nach überwiegender Heizungsart"])
click winfra_zensus2022_heizungsart_deutschland href "/Datensatz/winfra_zensus2022_heizungsart_deutschland/"
winfra_fernwaermenachfragepotenzial(["Fernwärmenachfragepotenzial für die Wohngebäude und GHD"])
click winfra_fernwaermenachfragepotenzial href "/Datensatz/winfra_fernwaermenachfragepotenzial/"
winfra_waermedichte_deutschland --> winfra
winfra_zensus2022_heizungsart_deutschland --> winfra
winfra_verwaltungsgrenzen --> winfra
winfra --> winfra_fernwaermenachfragepotenzial