Skip to content

DemandRegio#

Regionalisierte Bevölkerungsprognose, Haushalte sowie Strom- und Gasbedarfe inkl. Zeitreihen auf Landkreisebene.

Die Daten wurden abgerufen mit einer modifizierten Version des DemandRegio disaggregators, in der softwareseitige, jedoch keine methodischen Änderungen vorgenommen wurden.

Der disaggregator basiert auf Daten bis 2017, anschließende Jahre werden fortgeschrieben.

Weitere Informationen zum Projekt DemandRegio:

Die erzeugten Rohdaten wie unten beschrieben wurden mittels API abgerufen. Diese können alternativ direkt vom OpenData-Portal der FfE bezogen werden.

Verwendetes Wetterjahr für Gasbedarfszeitreihen: 2011

Installation (in separater venv):

pip install disaggregator@git+https://github.com/nesnoj/disaggregator.git#egg=disaggregator

Details zum Datenabruf#

Bevölkerung#

Bevölkerung (Summe) und Bevölkerung je Haushaltsgröße (1, 2, 3, 4, 5, >5) je NUTS3.

Jahre:

  • Bevölkerung bis 2017 historische Werte
  • Bevölkerung ab 2018 prognostizierte Werte basierend auf der 14. koordinierten Bevölkerungsvorausberechnung der Statistischen Ämter von Bund und Ländern.
  • Haushalte nur 2011
import pandas as pd
from disaggregator import data

# Population
dr_hh_population = pd.DataFrame()
for year in [2010, 2015, 2017, 2020, 2021, 2022, 2025, 2030, 2035, 2040, 2045]:
    dr_hh_population[year] = round(data.population(year=year)).astype(int)

dr_hh_population.to_csv("dr_hh_population.csv")

# Households
data.households_per_size().to_csv("dr_hh_households_2011.csv")

Haushalte: Strom#

Bedarfe und SLP-Zeitreihen je NUTS3 mit Bottom-Up-Methode nach Haushaltsgröße.

Jahre:

  • 2017: Letzte verfügbare Daten
  • 2022: Status quo, Fortschreibung mit Berücksichtigung Demografie und Wanderung
  • 2035: Fortschreibungsjahr mit Berücksichtigung Demografie und Wanderung
  • 2045: Fortschreibungsjahr
from disaggregator import spatial, temporal

# Consumption
spatial.disagg_households_power(
    by="households",
    weight_by_income=True,
    year=2022,
    scale_by_pop=True,
).to_csv(f"dr_hh_power_demand_2022.csv")

# Timeseries
temporal.disagg_temporal_power_housholds_slp(
    use_nuts3code=True,
    by="households",
    weight_by_income=True,
    year=2022,
    scale_by_pop=True,
).to_csv(f"dr_hh_power_timeseries_2022.csv")

Haushalte: Gas#

Zeitreihen je NUTS3

from disaggregator import temporal

# Timeseries
temporal.disagg_temporal_gas_households(
    use_nuts3code=True,
    how='top-down',
    year=2011,
).to_csv(f"dr_hh_gas_timeseries_2011.csv")

GHD und Industrie: Strom#

Bedarfe und Zeitreihen je NUTS3:

  • Bedarfe: Je Wirtschaftszweig (WZ), abzüglich Eigenerzeugung
  • Zeitreihen: Für alle WZ bedarfsgewichtet aggregiert, Einzelprofile basieren je nach WZ auf gemessenen oder SLP inkl. Wanderung
  • Letzte verfügbare Daten aus 2017, Fortschreibung für 2022 mit Berücksichtigung Beschäftigte und Effizienzgewinne
from disaggregator import spatial, temporal

#######
# CTS #
#######

# Consumption
spatial.disagg_CTS_industry(
    sector='CTS',
    source='power',
    use_nuts3code=True,
    year=2022,
).to_csv("dr_cts_power_demand_2022.csv")
# Timeseries
temporal.disagg_temporal_power_CTS(
    detailed=False,
    use_nuts3code=True,
    year=2022,
).to_csv("dr_cts_power_timeseries_2022.csv")

############
# Industry #
############

# Consumption
spatial.disagg_CTS_industry(
    sector='industry',
    source='power',
    use_nuts3code=True,
    year=2022,
).to_csv("dr_ind_power_demand_2022.csv")
# Timeseries
temporal.disagg_temporal_industry(
    source="power",
    detailed=False,
    use_nuts3code=True,
    no_self_gen=False,
    year=2022,
).to_csv("dr_ind_power_timeseries_2022.csv")

GHD: Gas#

Zeitreihen je NUTS3 für alle WZ bedarfsgewichtet aggregiert, Einzelprofile basieren je nach WZ auf gemessenen oder SLP inkl. Wanderung. Letzte verfügbare Daten aus 2017, Fortschreibung für 2022 mit Berücksichtigung Beschäftigte und Effizienzgewinne.

from disaggregator import spatial, temporal

# Timeseries
x=temporal.disagg_temporal_gas_CTS(
    detailed=False,
    use_nuts3code=True,
    year=2011,
).to_csv("dr_cts_gas_timeseries_2011.csv")

Industrie: Gas#

Bedarfe und Zeitreihen je NUTS3:

  • Bedarfe: Je Wirtschaftszweig (WZ), abzüglich Eigenerzeugung
  • Zeitreihen: Für alle WZ bedarfsgewichtet aggregiert, Einzelprofile basieren je nach WZ auf gemessenen oder SLP inkl. Wanderung
  • Letzte verfügbare Daten aus 2017, Fortschreibung für 2022 mit Berücksichtigung Beschäftigte und Effizienzgewinne
from disaggregator import spatial, temporal

# Consumption
spatial.disagg_CTS_industry(
    sector='industry',
    source='gas',
    use_nuts3code=True,
    year=2022,
).to_csv("dr_ind_gas_demand_2022.csv")
# Timeseries
x=temporal.disagg_temporal_industry(
    source="gas",
    detailed=False,
    use_nuts3code=True,
    no_self_gen=False,
    year=2011,
).to_csv("dr_ind_gas_timeseries_2011.csv")