软件X 16（2021）100860原始软件出版物pyGRETA，pyRIGTA A，pyPRIMA：用于为能源系统模型生成灵活模型区域的预处理套件Kais Siala，Leonhard Odersky德国慕尼黑工业大学可再生和可持续能源系统教授ar t i cl e i nf o文章历史记录：接收日期：2020年9月15日接收日期：2021年7月10日接受日期：2021年保留字：能源系统建模空间复杂度聚类预处理a b st ra ct本文提出了一种组合的三个预处理工具，使能源系统建模，以灵活地定义他们的模型区域的数量和形状。首先，天气再分析数据和其他地理地图结合在pyGRETA中，以缩小风能和太阳能数据的规模，并获得高空间分辨率的可再生能源潜力地图，而pyPRIMA可以提供能源需求的空间分布和预处理的输电线路网络。其次，光栅地图和传输网格被送入pyteclipse A，以获得具有均匀特征的区域的形状文件。第三，在pyGRETA中使用所获得的shapefile来生成可再生能源发电量的代表性时间序列，并在pyPRIMA中对其余数据（发电厂、需求、电网等）进行预处理。为模型框架准备输入文件。这三个工具具有类似的软件架构，并在GitHub上提供开源许可证和详细描述。一个最小的工作示例显示了它们如何一起操作以确保高度的建模灵活性。版权所有©2021作者。由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。代码元数据当前代码版本pyGRETA [1]：v1.1.0pyruvate A [2]：v1.0.1pyPRIMA [3]：v1.0.1用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX_2020_112代码海洋计算胶囊GNU通用公共许可证（GPL）使用git的代码版本控制系统使用Python的软件代码语言、工具和服务编译要求、操作环境依赖性检查各自的仓库。如果有开发人员文档/手册的链接https://pygreta.readthedocs.io/https://pyclara.readthedocs.io/https://pyprima.readthedocs.io/问题支持电子邮件请使用GitHub存储库中的“Issues”kais. tum.de1. 动机和意义能源系统的脱碳正在带来多种挑战，需要在能源系统模型中加以解决。第一，可再生能源*通信：波茨坦气候影响研究所，德国波茨坦。电子邮件地址：kais. tum.de（Kais Siala）.https://doi.org/10.1016/j.softx.2021.100860能源，特别是太阳能和风能，正在迅速增加。然而，这种可再生能源发电会随着时间和空间的变化而波动，并且往往远离负荷中心。因此，有必要在模型中反映这种空间和时间差异，而这只有在以高分辨率提供输入数据的情况下才有可能Pfenninger等人[4]将后一点确定为21世纪能源系统建模的第一个挑战。其次，系统脱碳超越了电力部门，涉及工业、运输、加热和冷却。克莱恩2352-7110/©2021作者。 由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softxKais Siala和Leonhard Odersky软件X 16（2021）1008602等人[5]包括工业原料，供暖，公路和海上运输以及航空，估计除了生物甲烷和地热能源外，还需要约2000 TW h的可再生能源。根据Klein等人的研究，从空间角度来看，这一规模的扩张将需要将德国2%的面积用于陆上风能和公用事业规模的太阳能光伏项目。[5]。这再次强调了以高空间分辨率对这些技术的潜力进行建模的重要性，以确定最佳的可用项目地点并最大限度地减少其空间足迹。扇区耦合从空间角度提出了另一个挑战。不同的能源部门具有无法在一个空间尺度上模拟的特点。例如，交通部门的建模可以是城市、国家或整个世界，取决于运输方式。在每一个层面上，都有众多的利益相关者。因此，能源系统建模者需要更灵活地设计模型，以捕捉每个空间尺度的过程和流量。只有具有适应其范围的灵活空间单元，它们才能代表能源供应的新兴趋势，正如Benz等人的细胞方法[6] Amado et al.[7]的文件。由于缺乏数据和（或）计算能力有限，部分阻碍了建立具有高空间分辨率并能够在不同尺度上代表多个能源部门的模型的趋势。即使开放数据可用，它通常分辨率较低，在用于能源系统模型之前需要进行一些处理。作为在计算能力方面，在不确定的情况下，使用供建模者使用的普通办公室计算机对具有高空间和时间分辨率的多个能源部门进行建模可能具有挑战性。因此，许多研究试图通过聚类[8]或聚类分析[9，10]来确定简化所产生的误差是可接受的最小区域数量。Frysztacki等人[11]提供了一个有价值的审查最近的研究应用空间聚合和聚类，其中大多数描述了他们的算法，但没有提供软件来复制他们的工作。这种改变模型区域的研究是例外，而不是规则。尽管需要高分辨率的数据和适应研究问题的模型区域，绝大多数能源系统模型仍然依赖于空间的行政和政治划分。欧盟委员会依赖于不同的模型（例如JRC-EU-TIMES [12]，METIS [13]，POTEnCIA [14]，JRC-GEM-E3 [15]），尽管其技术和目标多种多样，但使用国家或国家集团作为其空间单位。开源模型框架OSeMODBLE [16]有一个针对欧盟国家以及挪威和瑞士的模型版本（OSeMBE），以及针对南美洲（SAMBA）和非洲（TEMBA）的其他版本，这些版本使用国家作为模型区域。考虑到可再生能源一体化和部门耦合的挑战，在确定空间单位的规模和形状方面需要更大的灵活性，仅限于政治和行政区划。预处理套件由三个开源工具pyGRETA、1pyGRETA A 2和pyPRIMA3组成，就是为此目的而设计的。 不像网络工具和高分辨率数据的全球地图集，它允许建模者也聚集数据并将其重组为模型框架的输入。这种聚合可以是数据驱动的（即通过聚类算法）或用户定义的（即使用定制模型区域的给定shapefile）。表1概述了能源系统建模者常用的工具它们与所提出的预处理套件的相似之处，以及后者的附加功能。虽然大多数基本功能已由现有工具涵盖，但预处理套件的新颖之处在于其广泛的高级功能及其在任何地理范围内对用户定义的区域进行操作的能力。特别值得一提的是能源系统模型PyPSA-Eur [17]，因为它包括用于数据采集和清理、时间序列生成和聚类的模块。因此，它与整个预处理套件有很多相似之处。虽然PyPSA-Eur具有平滑使用的优势，因为所有模块都在同一工具中，并且数据采集是自动化的，但所这三个工具还具有一些高级功能（例如更多的聚类选项，使用用户定义区域的能力），能源系统建模人员可以将其用于特殊应用。我们相信，预处理套件在可重复性和透明度方面具有附加值，因为开源代码及其假设被记录在案，并且模型输入文件的生成可以复制。它特别适合于研究能源系统模型的空间分辨率的影响，如Siala和Mahfouz [27]所进行的研究。除了上述使用完整预处理套件的研究外，其中一位作者还在其他出版物中使用了pyGRETA和pyPRIMA模块[28，29]。目前，pyramidA被用于一个德国城市近地表地热潜力的项目，根据地下水温度对部分地热潜力进行聚类。py-GRETA被用于对世界不同地区的几项研究，特别是用于估计中东通过风力电解可获得2. 软件描述该软件发布在三个独立的存储库中，因为每个工具都可以独立操作。但是，这些脚本具有相同的编码风格和架构，很容易将它们一起使用。第2.1节介绍了通用架构，第2.2节概述了每个工具的功能。最后，第2.3节提出了一个结合预处理套件工具2.1. 软件构架预处理套件由三个独立的存储库组成：pyGRETA，pyGRETAA和pyPRIMA。每个存储库包括以下项目：文件夹代码：这包括config.py用于用户首选项的脚本www.example.com、调用其他模块的脚本runme.py以及包含子模块的文件夹lib。文件夹doc：这包括生成readthedocs.io中的文档。文件夹env：这包括YAML文件与所有的dependencies.在conda中使用它来创建一个可以运行代码的环境。• LICENSE文件。• README.md文件以获得存储库的概述。存储库使用Black4编码风格以实现协调和提高可读性，并遵循所有贡献者5规范以鼓励参与代码开发。1 可再生时间系 列 的 中 子 发 生 器 和微波功率。2 线条和线条的光泽度。3 PythonPR eprocessing ofI inputs for Model frA meworks.4 https://github.com/psf/black网站。5 https://github.com/all-contributors/all-contributors网站。···Kais Siala和Leonhard Odersky软件X 16（2021）1008603表1与现有软件工具的比较。软件最接近匹配相似性预处理套件PyGRETA[第18话]计算电势和再分析数据时间序列通过与土地使用和地形图;势函数与时间序列增加后的计算分辨率代表性时间序列区域[19，20]土地资格计算资源和约束技术潜力代表性时间序列全球地图集[21]计算的潜力，代表性生成点或自定义区域时间序列全球风图集[22]电势的计算土地资格约束;生成代表性时间系列全球太阳图集[23]电势的计算土地资格约束;生成代表性时间系列丙酮酸APySAL [24]区域聚类使用预先设定和调整max-p区域算法该算法的（库在pythonA中使用）大规模应用能源系统;附加自定义算法传输线pyPRIMA[25]第二十五话用于清洁的预处理脚本，和可视化原始数据准备模型输入文件模型格式（目前城市和埃夫里）[第26话]数据处理模块模块和结构更多通用数据结构适应区域能源不同型号系统优化模型(as反对全球综合评估模式）鼓励首次使用的用户阅读每个工具的文档，文档由三部分组成用户手册：包含安装指南、config.py和runme.py的说明、推荐的输入源列表以及推荐的工作流程。理论：这包括一些理论背景，这是代码的基础。实现：描述脚本的所有子模块，即它们用于什么，它们使用哪些输入，它们提供哪些输出。该软件是以这样一种方式编写的，普通用户只需要编辑config.py和runme.py。在runme.py中调用的模块按顺序运行，并将其输出保存在本地，包括一个JSON文件，该文件记录了用于运行它们的参数和路径如果发生错误并且脚本被中断，则用户可以修复该问题并在注释已成功完成的步骤之后重新启动runme.py每个模块中使用的唯一变量是字典param和路径，它们是在基于config.py中的用户偏好的初始化函数中生成的。2.2. 软件功能2.2.1. 可再生能源潜力和时间序列第一个工具pyGRETA [1]允许用户估计高分辨率区域的理论和/或技术潜力，用于各种技术（陆上风电、海上风电、光伏发电和聚光太阳能发电）。优势在于定义技术特征的灵活性（通过设置它们的参数）和感兴趣区域（通过提供shapefile）。目前，它使用MERRA-2再分析数据，可选择检测和纠正异常值。对于潜力估计，它考虑到土地使用的适宜性/可用性、地形、水深、坡度和到城市地区的距离。可以选择将潜在估计的结果作为栅格地图和/或具有摘要的统计报告（可用区域、最大容量、最大能量输出等）提供。对于每个用户定义的区域。使用潜在的地图，并排除不适合可再生能源发电厂的部分后，用户可以生成多个时间序列为每个感兴趣的地区，例如最好的网站，在上10%分位数，中位数等，它也可以组合成一个使用线性回归的时间序列，以匹配历史满负荷小时和时间波动。2.2.2. 栅格和网络pyGRETA工具[2]将高分辨率数据（例如pyGRETA提供的数据）作为输入，并对其进行聚类，以获得具有同质特征的能源系统模型的区域。有两种操作模式。它使用一个或多个相同大小和地理覆盖范围的栅格，如风资源图或负载密度图，并同时对它们进行聚类，前提是用户除了定义目标区域数量外，还定义了每个输入的加权因子及其相应的聚合函数（平均值、总和或密度）。该代码使用k-means和max-p算法的组合，以确保计算速度和结果的空间连续性。另一种选择是使用分层算法来集群网络，例如传输网格。因此，建模者将能够在定义电力系统建模的区域时考虑电网限制。在这里，区域的最终数量也可以自由选择···Kais Siala和Leonhard Odersky软件X 16（2021）1008604Fig. 1. 推荐的工作流程。2.2.3. 在保留输出格式的前提下，灵活创建其他区域预处理工具pyPRIMA [3]使用公共数据库自动创建重点在于定义模型区域的灵活性和假设的统一性，这些假设有很好的记录，并且由于自动化而不易出现人为错误。 它分两步操作。首先，它为分析的空间范围读取原始输入数据并其次，建模者选择要使用的模型区域的shapefile，并且该工具将与模型无关的中间文件转换为可以由模型框架使用的输入文件在当前版本中，支持两个模型框架，urbs6和evrys7。如果需要，可以轻松添加新模块，以满足其他能源系统模型框架的需要。单位的转换，以及由此产生的数据库，使其具有清晰的、独立于模型的格式。目前，该工具包括读取欧洲原始输入数据的模块，但可以扩展到包括其他数据源6 https://github.com/tum-ens/urbs网站。7 德国TUM使用的用于机组组合优化的内部闭源工具。Kais Siala和Leonhard Odersky软件X 16（2021）1008605图二、根据 pyGRETA，奥地利的太阳能光伏（左）和陆上风能（右）潜力。2.3. 建议工作流图1给出了一个通用的工作流程，它结合了三个工具pyGRETA、pyGRETA A和pyPRIMA。如前所述，这些工具可以独立操作，尽管它们的组合允许建模人员灵活地为其能源系统模型生成输入文件。在以下情况下可以跳过某些步骤：如果区域是预定义的并且不需要聚类，则可以跳过步骤2如果时间序列可从其他来源获得，则可以跳过步骤1和步骤3中的pyGRETA3. 说明性实例为了演示预处理套件的主要功能，我们使用它来创建奥地利能源模型的输入文件。模型区域基于PV和风力势的均匀性。接下来的段落是关于如何复制这个例子的分步指南在开始由工具生成的代码和数据集一起发布[30]。原始输入文件不包含在存储库中。但是，如工具文档中所述，它们可以从各自的来源下载。8下载并解包工具后，确保原始输入数据保存在数据库中相应的文件夹中，以便代码可以顺利运行。如果在获取原始输入数据时遇到问题，可以使用共享的中间文件测试工具的后续模块。步骤1a：pyGRETA首先，pyGRETA为奥地利生成光伏和风能的潜在地图确保使用的奥地利shapefile具有名称为NAME_SHORT的列，最终手动添加该列。shapefile只有一个特征，称为AUT。 此外，用户应该在www.example.com中调整参数和文件路径config.py，这些参数和文件路径可以在pyGRETA文件夹的子文件夹代码中找到。要运行代码，将执行脚本runme_step1 A.py结果可以在图中看到。二、8 请查看Zenodo存储库中的其他注释以获取数据源的链接。步骤1b：整个范围的预处理数据其次，pyPRIMA用于清理原始输入数据。与第一步一样，config.py（位于pyPRIMA的子文件夹代码中）可能会被调整为正确的输入路径。使用runme_step1B.py，它可以在同一个子文件夹中找到，执行pyPRIMA的代码 关于负荷时间序列和电厂空间分布的一些结果如图所示。3.第三章。步骤2：通过聚类对区域进行第三，使用pyteclampA定义能量模型的区域。在本示例中，使用了由pyGRETA生成的PV和风势图。要运行pythonA，需要执行pythonA子文件夹代码中的runme_step2.py文件。聚类算法的结果可以在图中看到。 四、由于代码不是完全确定性的，所以簇的大小、形状和数量可以从一次运行到另一次运行而变化步骤3a：模型区域在用pyramidA的簇定义模型区域之后，是时候为每个区域准备输入了。因此，pyGRETA再次用于创建可再生能源发电的时间序列。 由 于 自定 义区域 不可 能进 行 回归 ，因 此 在Database\ 03 Intermediatefiles\档案奥地利\可再生能源\区域分析\Austria\手动添加回归输出。如果pythemA生成了不同数量的集群，请确保这些文件中的列数和列名匹配在上一步中生成的聚类的数量和名称。在config.py中不需要进行其他更改，因此您可以直接执行脚本runme_step3 A.py，再次放置在pyGRETA文件夹的子文件夹代码中。绘制了聚类CL01和CL04的时间序列的一部分图 五、步骤3b：模型输入文件最后，使用pyPRIMA为能源系统框架城市创建输入文件。为此，将执行脚本runme_step3B.py（可以在pyPRIMA的子文件夹代码中找到） 图图6显示了模型的一些预处理输入。4. 影响这个预处理套件由三个开源工具组成，涵盖了使用一组灵活的模型区域创建能源系统模型所需的所有步骤。尽管建模社区中还有其他具有部分类似功能的工具（参见表1），但这是首次尝试在任何··Kais Siala和Leonhard Odersky软件X 16（2021）1008606图三. 根据pyPRIMA，奥地利选定周的小时负荷时间序列（上图）以及发电厂和主要输电线路的空间分布图四、 模型区 域 后获得的潜在的 地图聚 类 使用pytectin A。地理范围使用具有类似软件架构的工具。代码作为开放源代码的可用性以及广泛的文档意味着该套件可以很容易地被潜在的建模人员采用。整个预处理套件有两种主要的使用情况。首先，它为建模者提供了一个重要的工具集，用于研究空间分辨率对模型结果的影响。与Siala和Mahfouz [27]类似，它允许建模者基于某些特征定义模型区域并分析其影响。可以自动生成大量的能源系统模型，以系统地、透明地和可再现地研究空间分辨率这种实证实验可以挑战行政区划适用于大多数研究问题的偏见第二，它便于使用自定义区域如果这是由研究问题决定的话。只是为了考试-如果地理范围所涵盖的区域与有数据可查的行政区划不重叠，则应考虑这种情况。另一个例子是，当某些方面，如网格瓶颈，是如此关键的充分回答研究问题，他们优先于行政边界，并要求使用非常规的模型区域。这三个工具包括一些新的功能，为能源系统建模提供了新的可能性。例如，建模者可以在pyGRETA中为可再生技术设置自定义技术特征，并使用它们生成时间序列。这在使用尚不存在的技术对未来场景进行建模时特别有用。工具pyteca接受一组广泛的输入，不必与能量相关，前提是栅格大小相同，Kais Siala和Leonhard Odersky软件X 16（2021）1008607图五、根 据 pyGRETA，CL01和CL04地区在选定的一周内的太阳能光伏（上）和陆上风力（下）时间序列。图六、CL 0 1 和 CL 0 4 地 区 的 小时负荷时间序列（上图）以及根据pyPRIMA得出的各地区装机容量中的技术份额（下图）。可以通过计算总和、平均值或密度来聚合数据。此外，由于pyPRIMA考虑了时间相关参数（成本假设、建设年份等），它可以创建不同年份的输入文件，从而扩展了跨时间维度的可能性。这三个工具目前在可再生和可持续能源系统主席TUM（德国）的不同项目中使用。自2020年6月发布以来，更广泛的建模社区的使用量一直在稳步增长，这可以从GitHub或电子邮件中的协助请求中推断出来。然而，目前没有任何机制来跟踪软件的实际使用情况。5. 结论本文提出的预处理套件由三个独立的工具组成，这些工具可以生成高空间分辨率的数据，根据预定义的模型区域进行聚合，数据驱动的集群，并为能源系统建模框架准备适当格式该套件开辟了新的可能性，建模谁是渴望调查的空间分辨率的选择的影响，或被迫使用非常规的模型区域，以充分回答他们的研究问题奥地利的一个示例显示了这些工具的一些功能每个GitHub存储库中都提供了详细的文档，这些工具与开源许可证共享，以鼓励广泛使用和参与其开发。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作Kais Siala和Leonhard Odersky软件X 16（2021）1008608致谢作者感谢德国联邦经济事务和能源部（BMWi）在项目“4NEMO-能源系统建模新方法开发研究网络;研究项目：0324008A”中的财政支持他们还感谢所有开发人员和工具用户的贡献，如GitHub存储库中所记录的那样。引用[1] Siala K，Houmy H.tum-ens/pyGRETA：可更新时间序列和mAps的python生成器Zenodo; 2020，版本v1.1.0。http://dx.doi.org/10.5281/zenodo.3727416.[2] Siala K，Houmy H，Khan WS，Mahfouz MY. tum-ens/pythonA：pythonClustering of Lines And Raster. Zenodo; 2020，版本v1.0.1。得双曲正切值.doi.org/10.5281/zenodo.3872273网站。[3] Siala K，Houmy H. tum-ens/pyPRIMA：模型frAmeworks的python输入预处 理 。 Zenodo; 2020 ， 版 本 v1.0.1 。 http://dx.doi.org/10 的 网 站 。5281/zenodo.3872022。[4] Pfenninger S，Hawkes A，Keirstead J.《二十一世纪能源挑战的能源系统建模》.RenewSustainEnergyRev2014;33：74-86.http://dx.doi.org/10.1016/j.rser.2014.02.003网站。[5] [10]张晓刚，张晓刚. In：enervis energy advisors GmbH，editor.Erneuerbare Gase - ein Systemupdate der Energiewende [可再生气体-能源转型的系统更新]。Tech.代表，INES倡议Erdgasspeicher e.V. / BWEBundesverband Windenergie e.V.; 2017年，URL https://www.wind-energie。de/fileadmin/redaktion/documente/publikationen-oeffentlich/themen/03-sektorenkopplung/20171212_studie_erneuerbare_gase.pdf。最后查看：五月31，2020.[6] Benz T，Dickert J，Erbert M，Erdmann N，Johae C，Katzenbach B，Glaunsinger W，Müller H，Schegner P，Schwarz J，Speh R，Stagge H，Zdrallek M. Der zelluläre Angles：Grundlage einer erfolgreichen，regionenübergreifenden Energiewende [细胞方法：成功的跨区域能源转型的基础]。Tech.代表，ETG-VDE; 2015，URLhttps://www.bund-naturschutz.de/fileadmin/Bilder_und_Dokumente/Presse_und_Aktuelles/Pressureteilungen/2017/Energie_und_Klima/VDE_ST_ETG_ZellulareAnsatz_web.pdf. 最后查看：五月31，2020..[7] Amado M，Poggi F，Ribeiro Amado A，Breu S.一种实现净零能源城市的细胞方法。能源2017;10（11）：1826。http://dx.doi.org/10.3390/en10111826.[8] Hörsch J，Brown T.空间尺度在欧洲高度可再生情景下发电和输电联合优化 中的 作 用。 2017 年 第14 届 欧洲 能 源市 场国 际 会议 （ EEM ） 。 IEEE;2017，p.1-7号。http://dx.doi.org/10.1109/EEM.2017.7982024网站。[9] Anderski T，Surmann Y，Stemmer S，Grisey N，Momot E，Leger A-C，Betraoui B， van Roy P. e-Highway 2050 ：D 2.2 - European cluster model泛欧洲输电网。Tech. 代表，欧盟; 2015年。[10][10]杨文，李文.改进应用能源系统优化模型性能的概念分类和评价。能源2019;12（24）：4656. http://dx.doi.org/10.3390/en12244656。[11] [10]杨文，杨文.网络分辨率对具有高风能和太阳能份额的电力系统模型的强 烈 影 响 。 应 用 能 源 2021;291 ： 116726. http://dx.doi.org/10.1016/j 的 网站。apenergy.2021.116726，URLhttps://www.sciencedirect.com/science/article/pii/S0306261921002439。[12]Simoes S，Nijs W，Ruiz P，Sgobbi A，Thiel C. 2050年前欧盟28国低碳电力部门的脱碳途径。第11届欧洲能源市场国际会议（EEM14）。2014年，第1-5页。网址：//dx.doi.org/10.1109/EEM.2014.6861232网站。[13][10]杨文，杨文. 2016年欧洲电力系统的运行：与METIS的基准研究。2019年欧盟出版物。http://dx.doi.org/10.2760/434010，参考号：KJ-NA-30008-EN-N。[14]Mantzos L，Matei NA，Rózsai M，Russ P，Ramirez AS.POTEnCIA：一个新的欧盟范围内的能 源部门模式。2017年第14届欧洲能源市场国际 会议（EEM）。2017年，第1-5页。http://dx.doi.org/10.1109/EEM.2017.7982028。[15][10] Rey Los Santos L，Temursho U，Tamba M，Vandyck T，WojtowiczK，Saveyn B，Weitzel M.世纪中期全球宏观经济平衡分析。EU Publl 2018.http://dx.doi.org/10.2760/858469，参考编号：KJ-NA-29490-EN-N。[16]Howells M，Rogner H，Strachan N，Heaps C，Huntington H，KypreosS，Hughes A，Silveira S，Deboris J，Bazillian M，Roehrl A.开源能源建模系统。能源政策2011;39（10）：5850-70。http://dx.doi.org/10.1016/j.enpol.2011.06.033网站。[17]放大图片作者：Hörsch J，Hofmann F，Schlachtberger D，Brown T. PyPSA-Eur：欧洲传输系统的开放式优化模型。 能源战略修订版2018;22：207-15。http://dx.doi.org/10.1016/j.esr.2018.08.012，URLhttps://www.sciencedirect.com/science/article/pii/S2211467X18300804。[18]Hofmann F，Hampp J，Neumann F，Brown T，Hörsch J. atlite：一个用于计算可再生能源潜力和时间序列的轻量级Python包。J Open Source Softw2021;6（62）：3294. http://dx.doi.org/10.21105/joss.03294.[19]放大图片作者：J. 欧洲可再生能源能源2018;11（5）：1246.网址：//dx.doi.org/10.3390/en11051246网站。[20][10]李晓，李晓，李晓.能源系统的地理空间土地可用性2018年，在线提供：https://github.com/FZJ-IEK 3-VSA/glaes/releases/tag/v1.2.0，最后查看时间：2021年6月30日。[21]国 际 可 再 生 能 源 机 构 。 全 球 地 图 集 。 Global Atlas Consortium; 2019 ，URLhttp://www.irena.org/GlobalAtlas。最后查看：五月31，2020.[22]丹 麦 技 术 大 学 。 全 球 风 图 集 。 世 界 银 行 集 团 ; 2019 年 ， 网 址https://globalwindatlas.info。最后查看：五月31，2020.[23]索 拉 吉 斯 全 球 太 阳 图 集 。 世 界 银 行 集 团 ; 2019 年 ， 网 址 https ：globalsolaratlas.info。最后查看：五月31，2020.[24]Rey SJ，Anselin L. PySAL：一个空间分析方法的Python库。In：FischerMM，Getis A，editors.应用空间分析手册：软件工具、方法与应用。Berlin，Heidelberg：SpringerBerlinHeidelberg;2010，p.175-93.http://dx.doi.org/10.1007/978-3-642-03647-7_11。[25]Hirth L，Mühlenpfordt J，Schlecht I，Reimann J，Weibezahn J，WeinholdR，Kendziorski M，Pfenninger S，Schill W-P.开放电力系统数据. 2019年，URLhttps://github.com/Open-Power-System-Data。最后查看：七月09，2021.[26]Huppmann D，Gidden M，Nicholls Z，Hörsch J，Lamboll R，KishimotoP，Burandt T，Fricko O，Byers E，Kikstra J，Brinkerink M，BudzinskiM，Maczek F，Zwickl-Bernhard S，Welder L，Álvarez Quispe E，SmithC.Pyam：综合评估和宏观能源情景的分析和可视化[第1版;同行评审：1份有保留地批准]。欧洲开放研究2021;1（74）。http://dx.doi.org/10.12688/openreseurope.13633.1网站。[27] Siala K，Mahfouz MY.区域选择对能源系统模型的影响。能源战略回顾2019;25：75-85。http://dx.doi.org/10.1016/j的网站。esr.2019.100362。[28]Siala K，de la Rúa C，Lechón Y，Hamacher T.迈向可持续的欧洲能源系统：将 优 化 模 型 与 多 区 域 投 入 产 出 分 析 联 系 起 来 。 能 源 战 略 修 订 2019;26 ：100391。http://dx.doi.org/10的网站。1016/j.esr.2019.100391的网站。[29]Siala K，Chowdhury AK，Dang TD，Galelli S.太阳能和区域协调作为东南亚 大 型 水 电 的 可 行 替 代 方 案 。 Nature Commun 2021;12 （ 4159 ） .http://dx.doi.org/10.1038/s41467-021-24437-6.[30]Siala K，Odersky L.出版物“pyGRETA，pyGRETA A，pyPRIMA：一个为能源系统模型生成灵活模型区域的预处理套件”的代码和数据。Zenodo; 2021年，http://dx.doi.org/10.5281/zenodo。5054420。
我的内容管理
展开
