Hiilineutraali Helsinki 2035

Tämä sivu on tietokide alatyypiltään muuttuja. Sivutunniste: Op_fi5767
Moderaattori:Jouni (katso kaikki) Sivun edistymistä ei ole arvioitu. Arvostuksen määrää ei ole arvioitu (ks. peer review).
Lisää dataa {{#opasnet_base_link:Op_fi5767}}

Hiilineutraali Helsinki 2035 (HNH2035) on toimenpideohjelma, jolla Helsingin kaupunki pyrkii vähentämään oman kaupunkiorganisaationsa sekä Helsingin alueella tapahtuvien ilmastopäästöjen määrää niin, että ne alittaisivat hiilinielujen määrän eli kaupunki olisi hiilineutraali vuoteen 2035 mennessä. Toimenpideohjelmalla on oma seurantatyökalu, jossa on myös kuvattuna kymmeniä ilmastonmuutoksen torjuntaan liittyviä mittareita.

Tämän sivun tiedot auttavat toimenpideohjelman toteutuksessa avoimen päätöksentekokäytännön mukaisesti.

Kysymys

1. Mitä toimenpiteitä (mukaan lukien mutta ei rajoittuen HNH2035:een) pitäisi tehdä, jotta Helsinki olisi hiilineutraali vuoteen 2035 mennessä? Hiilipäästöihin ei tässä yhteydessä lasketa epäsuoria hiilipäästöjä, jotka syntyvät jossain muualla asukkaiden kuluttamisesta johtuen.
2. Miten toimenpiteitä tulisi seurata, jotta kaikilla olisi käytössään ajantasainen tieto siitä, a) miten toimenpiteet ovat edenneet ja b) mitä ilmasto-, talous- ja muita vaikutuksia niillä on ollut?

Vastaus

Hiilineutraali Helsinki -toimenpideohjelman seurantajärjestelmä eli seurannan "palikoiden suhteet". Järjestelmän eri osien avulla on tarkoitus kerätä tietoa toimenpiteiden etenemisestä ja välittömistä vaikutuksista (esimerkiksi toiminnasta aiheutuneista kustannuksista) ja näiden avulla arvioida myös välillisiä tai pitkän aikavälin vaikutuksia (esimerkiksi ilmastopäästöjen vähenemistä). Lisäksi seurantajärjestelmällä mahdollistetaan kansalaisten osallistuminen ja kritiikki sekä tietojen leviäminen vapaasti yli organisaatiorajojen.

Jokaisella kaupungin toimintalohkolla on toimenpiteitä, jotka voivat lisätä tai vähentää ilmastopäästöjä. Siksi tehokkaan ilmastotoimintaohjelman rakentaminen on vaikeaa. Pitää pystyä arvioimaan hyvin monenlaisten toimenpiteiden vaikuttavuutta ja tehokkuutta. Lisäksi jokaisen toimintalohkon avainihmisiä pitäisi pystyä tiedottamaan oikeaan aikaan, kun on valmisteilla jokin ilmastoon vaikuttava päätös tai toimenpide. Toimenpideohjelman toteuttaminen on siis kaksinkertaisesti haasteellista.

Toimenpiteiden tunnistamiseen on hyödynnetty laajoja työpajoja, joihin on saatu mukaan monien eri toimintalohkojen toimijoita ja asiantuntijoita. Näin on joukkoistamalla pystytty keräämään tietoa ja näkemyksiä siitä, mitä mahdollisuuksia eri puolilla on, ja kokoamaan näistä pitkiä toimenpide-ehdotuslistoja.

Seuraavassa vaiheessa on käytävä läpi ehdotuksia ja asiantuntijoiden avustuksella pyrittävä arvioimaan toimenpiteiden vaikuttavuutta (ilmastovaikutus hiilidioksiditonneina laskettuna tätä menoa -vaihtoehtoon [business as usual] verrattuna) ja tehokkuutta (toimenpiteen lisäkustannus vähennettyä hiilidioksiditonnia kohti).

Kolmannessa vaiheessa tunnistetaan eri toimenpiteiden kytkennät meneillään olevaan tai tulevaan päätöksentekoon. Toimenpideohjelman hyötyhän tulee siitä, että sen avulla pystytään tekemään parempia päätöksiä ja välttämään huonoja ratkaisuja. Kytkentöjä pitää pystyä tunnistamaan sekä toimenpideohjelmasta käsin (osallistujat vinkkaavat päätöksentekijöitä) että päätöksenteosta käsin (päättäjät etsivät tietoa siitä, mitkä toimenpide-ehdotukset kuuluvat heidän päätösvaltaansa.)

Toimenpideohjelman toteutukseen esitetään olemassaolevien ja uusien järjestelmien yhteentoimivuuden rakentamista. Tällaisella ratkaisulla saataisiin yllä kuvattu prosessi toteutettua skaalautuvasti eli siten, että se palvelisi koko Helsingin kaupunkiorganisaatiota ja muita Helsingin toimijoita (mahdollisesti myöhemmin laajentuen muihin kaupunkeihin).

1. Järjestelmän ytimessä on Stadinilmasto-nettisivusto, joka tähänkin asti on toiminut keskeisenä ilmastotiedon jakelukanavana. Nyt siihen on tarkoitus lisätä uusia toiminnallisuuksia. Kaikkiin alla esitellyt osiot joko näkyvät suoraan Stadinilmaston sivuina tai sieltä on linkit niille sivuille, jotka ovat Stadinilmaston ulkopuolella. Stadinilmasto on siis se keskeinen käyttäjärajanpinta, josta pääsee käsiksi kaikkiin tietoihin.
2. Seurantatiedon keruu alkaa yleiskäyttöisistä taulukoista, joita jokainen toimenpiteestä vastaava organisaatio tai henkilö täyttää. Jotta tiedonkeruu olisi mahdollisimman yksinkertaista ja avointa, tähän käytetään toimenpidekohtaisia Google Sheetejä, joista tieto kerätään koneellisesti yhteen seurantatiedon laskentaa varten. Esimerkkinä energiarenessanssin toimenpiteitä.
3. Tieto kerätään käyttämällä avoimen R-ohjelman toiminnallisuuksia. Esimerkkilaskentaa on myöhemmin tällä sivulla.
4. Toimenpiteillä on omat sivunsa Stadinilmastossa, jossa on ajantasainen tieto kunkin toimenpiteen etenemisestä ja vaikutuksista siltä osin kuin ne ovat kohdennettavissa yksittäiseen toimenpiteeseen.
5. Toimenpidesivuun liittyy myös mahdollisuus keskustella toimenpiteestä eri näkökulmista. Varsinaisen ohjelman toimenpiteet on jo päätetty toteuttaa, joten pääpaino on mahdollisimman tehokkaassa toteutuksessa eikä siinä, pitäisikö toimenpidettä lainkaan toteuttaa. Toisaalta keskustelun avulla voi nostaa harkittavaksi kokonaan uusia toimenpiteitä. Keskustelua voi käydä usealla eri tavalla.
   • Kerrokantasi.fi on Helsingin kehittämä keskustelualue.
   • Helsinki app on kännykkäsovellus, jonka kautta voi osallistua Kerrokantasi-keskusteluihin.
   • Decidim on Barcelonan kaupungin kehittämä osallistumistyökalu, jonka käyttöä testataan myös sen joustavien toiminnallisuuksien takia.
6. Vaikutusarviointiosiossa asiantuntijatietoa voidaan tiivistää tietokiteiksi, joissa täsmälliseen tutkimuskysymykseen (kuten tietyn toiminnan ilmastopäästöihin) etsitään tutkimustiedon perusteella paras vastaus. Tietokiteitä voidaan sitten käyttää arvioitaessa toimenpide-ehdotusten vaikuttavuutta, tehokkuutta ja muita vaikutuksia. Tähän työhön on käytettävissä THL:n ylläpitämä Opasnet-verkkotyötila. Lisäksi Sykellä on useita kehittyneitä ilmastolaskureita, joissa tosin tietojen koneellinen syöttäminen ja lukeminen vaatii kehittämistä. Tätä varten on alkamassa selvityshanke.
7. Helsingin päätöksenteko on jo nyt kuvattu Ahjo-järjestelmässä, jossa jokainen virallinen päätöksentekijä, asia ja päätös löytyvät avoimena datana. Päätösdata yhdistetään muuhun ilmasto-ohjelmaan käyttämällä Ahjon pysyviä tunnisteita eli URLeja.
8. Tästä järjestelmäkokonaisuudesta puuttuu vielä järjestelmä, joka pystyisi keräämään ja kuvaamaan kansalaisten ja päättäjien arvoja ja tavoitteita. Tällaista toiminnallisuutta on kuitenkin mietitty ja suunniteltu, esimerkiksi toukokuussa 2017 Demokratiahack-tapahtumassa kolmannen palkinnon sai Arvoprofiili-niminen idea. Idean jatkokehittely on parhaillaan käynnissä, ja erilaisia kokeiluja toivotaan Helsingin kaupunkiorganisaation kanssa käynnistettävän.

Perusteluissa on yksityiskohtaisesti käyty läpi toimenpideohjelman sisältöä, joka on tuotettu ympäristöpalvelujen toteuttamissa työpajoissa esiin nousseita toimenpide-ehdotuksista.

----arg4297: . Huom! Tilannekatsaus on demo eikä perustu oikeaan dataan. --Jouni Tuomisto (keskustelu) 7. joulukuuta 2018 kello 06.24 (UTC) (type: ; paradigms: science: comment)

+ Näytä koodi- Piilota koodi # This is code Op_fi5767/ on page [[Hiilineutraali Helsinki 2035]] library(OpasnetUtils) objects.latest("Op_fi5767",code_name="hnhverkko") # [[Hiilineutraali Helsinki 2035]] hnhverkko <- EvalOutput(hnhverkko) gr <- makeGraph(hnhverkko) render_graph(transform_to_subgraph_ws(gr))

+ Näytä koodi- Piilota koodi # This is code Op_fi5767/ on page [[Hiilineutraali Helisnki 2035]] library(OpasnetUtils) library(ggplot2) toim <- Ovariable( data=data.frame( Action_id = 1:148, Action = paste("Action text", 1:148), Group = c( rep("Kestävien kulkumuotojen käyttö",9), rep("Liikenteen hinnoittelu", 4), rep("Täydentyvä kaupunkirakenne",3), rep("Ajoneuvoteknologian muutokset",7), rep("Sataman päästöjen vähentäminen",2), rep("Uudet liikkumispalvelut ja liikkumisen ohjaus",5), rep("Kaupungin omistamat asuin- ja palvelurakennukset",24), rep("Energiatehokas maankäyttö ja kuapunkirakenne",12), rep("Energiarenessanssi",4), rep("Uudet energiaratkaisut",12), rep("Rahoitus ja kannustimet",5), rep("Rakentamisen hiilijalanjäljen pienentäminen",2), rep("Kuluttaminen ja hankinnat",33), rep("Smart & Clean kasvu",7), rep("Hiilinielut ja kompensointi",7), rep("Sopeutuminen",1), rep("Viestintä ja osallistuminen",3), rep("Koordinointi, seuranta ja arviointi",8) ), Result=1 ) ) plan <- Ovariable( data = data.frame( Time = 2018:2028, Result = (0:10)*0.1 ) ) * Ovariable(data=data.frame( Action_id = 1:148, Result=1 )) actions <- Ovariable( "actions", data = data.frame( Time = sample(2018:2035, 1000, replace = TRUE), Action_id = sample(1:148,1000, replace=TRUE), Result=0.2 ) ) progress <- Ovariable( "progress", dependencies=data.frame(Name=c("actions","plan","toim")), formula = function(...) { out <- actions*toim return(out) } ) progress <- EvalOutput(progress) toim$idgroup <- unlist(lapply(unique(toim$Group), FUN=function(x) { rank(toim$Action_id[toim$Group==x], ties.method = "first")-1 })) tmp <- toim*0+1 tmp <- tmp*oapply(tmp, INDEX="Group", FUN=sum) tmp$edge <- ceiling(sqrt(tmp$Result)) tmp$x <- tmp$idgroup %/% tmp$edge tmp$y <- tmp$idgroup %% tmp$edge pro <- c("aloittamatta","ajallaan", "myöhässä","pahasti myöhässä") tmp$ajantasa <- sample(pro,nrow(tmp@output),replace=TRUE) tmp$ajantasa <- factor(tmp$ajantasa, levels=pro) tmp$eteneminen <- sample(c(0.2, 0.3, 0.4, 0.75, 1), nrow(tmp@output), replace=TRUE) tmp$eteneminen[tmp$ajantasa=="aloittamatta"] <- 0.2 ggplot(tmp@output, aes(x=x, y=y, colour=ajantasa, size=eteneminen))+geom_point()+ facet_wrap(~ Group)+theme_gray(base_size=24)+ scale_colour_manual(values=c("gray","green","yellow","red"))+ coord_cartesian(xlim=c(-0.5,max(tmp$edge)-0.5),ylim=c(-0.5,max(tmp$edge)-0.5))+ theme(axis.text.x=element_blank(), axis.text.y=element_blank())+ labs(x="", y="")

Perustelut

Tällä sivulla on erityisesti tarkoitus esitellä mahdollisia tiedon jäsennysmenetelmiä, eivätkä sivulla esitetyt tiedot välttämättä ole ajan tasalla. Toimenpideohjelmaa kuvataan Ilmastoverkoston sivulla ja työstetään Google Drivessa, joten ajankohtainen tieto löytyy noilta sivuilta.

Hiilineutraali Helsinki 2035 -ohjelman toimenpiteet ja toimijat.

Hiilineutraali Helsinki 2035 -ohjelman osio liittyen lämmitys- ja sähköratkaisuihin.

Data

Näytä yksityiskohdat

Nykyinen toimijalistaus. ⇤--#: . Huomaa, että pienten kirjoituserojen takia tulee turhaa epäselvyyttä. Nämä pitäisi korjata. --Jouni Tuomisto (keskustelu) 17. heinäkuuta 2018 kello 05.43 (UTC) (type: truth; paradigms: science: attack) Helsingin toimijat(-) Obs Luokka Asia Lyhenne Relaatio Kohde Kuvaus URL 1 toimija Helsingin seudun ympäristöpalvelut HSY 2 toimija Rakennuttaminen Rake on osana Rya 3 toimija Alueidenkäyttö Alueidenkäyttö 4 toimija Aska Aska 5 toimija Asuntotuotanto ATT on osana Heka 6 toimija Auroranlinna Auroranlinna 7 toimija Ympäristöpalvelut Ympa on osana Palu 8 toimija Energiatehokkuustyöryhmä Energiatehokkuustyöryhmä 9 toimija Forum Virium Forum Virium 10 toimija Hanki Hanki 11 toimija Hankintojen ohjausryhmä Hankintojen ohry 12 toimija Hankintojen ympäristöryhmä Hankintojen ympr 13 toimija Hankintojen ympäristöverkosto Hankintojen ympv 14 toimija Haso Haso 15 toimija Hallinto- ja tukipalavelut Hatu on osana Palu 16 toimija Hankinnat Hankinnat on osana Hatu 17 toimija Lakiyksikkö Lakiyksikkö on osana Hatu 18 toimija HBH Hbh 19 toimija Helsingin kaupungin asunnot OY Heka 20 toimija Helen Sähköverkot Helen 21 toimija Helsingin Satama Oy Helsingin Satama 22 toimija Helsinki marketing Helsinki marketing 23 toimija Helsingin seudun liikenne HSL 24 toimija Ilmastoinfo Ilmastoinfo on osana HSY 25 toimija Infra Infra 26 toimija Kaikki toimialat Kaikki toimialat 27 toimija Kaikki liikelaitokset Kaikki liikelaitokset 28 toimija Kaupungin kanslia Kanslia 29 toimija 3D-kaupunkitietomalli 3D on osana Kanslia 30 toimija HANK HANK on osana Kanslia 31 toimija Aluerakentaminen Aluerakentaminen on osana Kanslia 32 toimija Elinkeino-osasto ELO on osana Kanslia 33 toimija Kilpailukykytiimi Kilpailukykytiimi on osana Kanslia 34 toimija Konsernihallinnon ohjaus Konsernihallinto on osana Kanslia 35 toimija Talous- ja suunnitteluosasto Taso on osana Kanslia 36 toimija Kasvatuksen ja koulutuksen toimiala Kasko 37 toimija Kaupunginmuseo Kaupunginmuseo 38 toimija Kirjastot Kirjastot 39 toimija Korkeasaari Korkeasaari 40 toimija Kuntayhtymät ja tytäryhteisöt Kuntayhtymät 41 toimija Kulttuurin ja vapaa-ajan toimiala Kuva 42 toimija Kaupunkiympäristön toimiala Kymp 43 toimija Kymp viestintä Kymp viestintä on osana Kymp 44 toimija Hallinto- ja tukipalvelut Hatu on osana Kymp 45 toimija Kepa ry Kepa on osana Kymp 46 toimija Liikkumispalvelupilotit Liikkumispalvelut 47 toimija Maankäyttö ja kaupunkirakenne –palvelukokonaisuus Maka 48 toimija Asemakaavoitus Aska on osana Maka 49 toimija Geo Geo on osana Maka 50 toimija Kaupunkitila- ja maisemasuunnittelu KAMU on osana Maka 51 toimija Liikenne- ja katusuunnittelu Lika on osana Maka 52 toimija Maaomaisuuden kehittäminen ja tontit Make on osana Maka 53 toimija Maankäytön yleissuunnittelu Myle on osana Maka 54 toimija Muut kunnat Muut kunnat 55 toimija Nuorisopalvelut Nuorisopalvelut 56 toimija Palmia oy Palmia 57 toimija Palvelut ja luvat -palvelukokonaisuus Palu 58 toimija Rakennusvalvonta palvelut Rava on osana Palu 59 toimija Palvelukeskus Palvelukeskus on osana Palu 60 toimija Pääkaupunkiseudun kierrätyskeskus Oy Kierrätyskeskus 61 toimija Rakennetun omaisuuden hallinta Roha on osana Rya 62 toimija Ruokapalvelu Ruokapalvelu 63 toimija Rakennukset ja yleiset alueet –palvelukokonaisuus Rya 64 toimija Ylläpito Ylpi on osana Rya 65 toimija Tilapalvelut Tila on osana Rya 66 toimija Yleiset alueet Yleiset alueet on osana Rya 67 toimija Smart&Clean Smart&Clean 68 toimija Sosiaali- ja terveydenhuolto Sote 69 toimija Pakilan työkeskus Pakila on osana Sote 70 toimija Terveyden ja hyvinvoinnin laitos THL 71 toimija Stara logistiikka Stara 72 toimija Suomen- ja ruotsinkieliset työväenopistot Työväenopistot 73 toimija Sähkön tilaajayksiköt Sähköntilaajayksiköt 74 toimija Toimialojen hankintaryhmät Hankintaryhmät 75 toimija Tukkutori Tukkutori 76 toimija Tutkimuslaitokset Tutkimuslaitokset 77 toimija Yhteinen pöytä -toimi Yhteinen pöytä 78 toimija Harakka Harakka on osana Ympa 79 toimija Yritysneuvot Yritysneuvot on osana Kanslia Tiedot toimenpiteistä. ----arg3629: . Tämän tiedon voisi siirtää ghseetiin samaan taulukkoon kuin muut toimenpiteiden tiedot. --Jouni Tuomisto (keskustelu) 10. elokuuta 2018 kello 13.20 (UTC) (type: ; paradigms: science: comment) Toimenpiteiden linkit(-) Obs Oldid Nimi Seurantasivu 1 HNH2035.1 Liikenteen solmukohtien palvelutarjontaa ja vaihtojen sujuvuutta parannetaan https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=0 2 HNH2035.2 Pyöräliikenteen kantakaupungin tavoiteverkko valmistuu 2025 mennessä https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=254270846 3 HNH2035.66 Energiarenessanssi-ohjelma https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=1110582574 4 HNH2035.67 selvitys öljylämmityksen poistamiseksi https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=284082830 5 HNH2035.68 3D-mallin kehitys https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=1388815213 6 HNH2035.69 parannetaan taloyhtiöpäättäjien osaamista https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=1531611149 Tässä taulukossa on lueteltu niiden olioiden Oldid, joiden URLeista halutaan kerätä seurantadataa. Seurantadata(-) Obs Oldid Nimi URL Firstrow 1 HNH2035.1 Liikenteen solmukohtien palvelutarjontaa ja vaihtojen sujuvuutta parannetaan https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=0 3 2 HNH2035.2 Pyöräliikenteen kantakaupungin tavoiteverkko valmistuu 2025 mennessä https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=254270846 3 3 HNH2035.18 Sähköautojen latausinfran rakentaminen https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=2099090707 3 4 HNH2035.66 Energiarenessanssi-ohjelma https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=1110582574 3 5 HNH2035.67 selvitys öljylämmityksen poistamiseksi https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=284082830 3 6 HNH2035.68 3D-mallin kehitys https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=1388815213 3 7 HNH2035.69 parannetaan taloyhtiöpäättäjien osaamista https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=1531611149 3 8 Ilmasto.58 lämmön kokonaiskulutus https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=1394410144 3 9 Ilmasto.59 kulutussähkön määrä https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=1071803243 3 10 Ilmasto.60 paikallisesti tuotettu sähkö https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=415041273 3 11 Ilmasto.61 hukkalämmön määrä https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=1011858407 3 12 Ilmasto.62 paikallisesti tuotettu lämpö https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=1756607272 3 13 Ilmasto.63 sähkön kysyntäjousto https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=1126594145 3 14 Ilmasto.64 lämmön kysyntäjousto https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=717853677 3

Datan jalostaminen

Tarkoitus on hyödyntää datan lähtökohtana esim. google sheetiä siten, että tiedot haetaan ja jalostetaan dynaamisesti eli alkuperäisen tiedoston muokkaamista voi jatkaa ilman, että datavirta katkeaa. Linkin avulla tietoon voi viitata pysyvästi. Huomaa, että itse tietosisältö voi muuttua, mutta aihe säilyy ja linkki vie aina sivulle, jossa kuvataan Hiilineutraali Helsinki 2035 -toimenpideohjelman liikennetavoitteita.

Tietoa rikastetaan liittämällä siihen lisätietoa, kuten linkkejä (Sustainable urban mobility plan (SUMP), HSL:n kalustoskenaario, Kaupunkistrategia 2017-2021, Sähköisen liikenteen kehittämisohjelma, Kaupunginjohtajan päätös lausunnosta koskien liikennepalvelulain esitystä).

Seuraavaksi tieto muutetaan automaattisesti rakenteelliseksi siten, että alkuperäisen taulukon riveistä muodostetaan erillisiä, viittauskelpoisia tieto-olioita. Osa rivin sisällöstä sijoitetaan muodostettavaan olioon itseensä, osa taas muutetaan relaatioiksi toisiin tieto-olioihin kuten organisaatiotietoihin. Näin esimerkiksi voidaan tunnistaa kaikki tiettyyn toimenpiteeseen liittyvät toimijat ja tehdä listaus kaikista jonkin toimijan vastuulla olevista asioista. Google sheetissä tämä olisi työlästä ja jäisi tekemättä.

Vertailun vuoksi: Ahjossa on jokaisella päättäjällä, asialla ja päätöksellä oma tunniste, ja näihin on syytä linkata mahdollisuuksien mukaan.

Kaupunginjohtaja https://dev.hel.fi/paatokset/paattaja/11010vh1/

Lausunto liikennepalvelulain esityksestä https://dev.hel.fi/paatokset/asia/hel-2017-005140/

Kaupunginjohtajan päätös kyseistä lausunnosta https://dev.hel.fi/paatokset/paattaja/11010vh1/2017/72/

Rakenteistaminen onnistuu automaattisesti, kun tiedot alunperin kirjoitaan yhdenmukaisesti. Silloin se voidaan myös päivittää tietojen muuttuessa. Tällainen rakenteistamiskoodi löytyy sivulta Ympäristöterveysindikaattori#Laskenta.

Toiminnassa pyritään siihen, että tiedot ovat selkeitä, johdonmukaisia ja yhdenmukaisia. Tätä varten vakioidaan se, mitä tietoja kustakin tavoitteesta tai toimenpiteestä kerätään. Tässä on kuvattu lähtötietojen sarakkeet ja niiden sisällöt (ehdotus). Tarkempi kuvaus löytyy täältä. Tietoja kerätään google sheetille. Taulukossa mainitut relaatiot tarkoittavat tietoa siitä, että kaksi asiaa (esimerkiksi toimenpide ja tavoite) liittyvät toisiinsa tietyllä tavalla.

Sisältövaihtoehdot sarakkeissa, joissa on etukäteen määrätyt vaihtoehdot.

Teema

1. hankinnat, 2. infra, 3. kaupungin käytännöt, 4. kaupunki testialustana, 5. maankäyttö, 6. ohjaus, 7. rahoitus ja kannustimet, 8. uudet palvelut, 9. viestintä ja neuvonta, 10. seuranta

Toimenpideluokka

• Rakentaminen: 1. Elinkaaripäästöt 2. Hukkalämmön talteenotto 3. Lämmön energiatehokkuus 4. Paikallinen lämmöntuotanto 5. Sähkön energiatehokkuus 6. Paikallinen sähköntuotanto 7. Lämmön kysyntäjousto 8. Sähkön kysyntäjousto 9. Ulkovalaistus 10. Öljyn käytön vähentäminen 11. Vihreän sähkön hankinta 12. Vihreän lämmön hankinta 13. Suunnitelmat ja ohjelmat 14. Kaupunki testialustana 15. Viestintä ja koulutus 16. suunnittelun työkalut
• Liikenne: 1. ajoneuvoliikenteen hinnoittelu (ruuhkamaksut) 2. uudet liikkumispalvelut (ja muut mahdolliset henkilöautojen kuormitusta nostavat toimenpiteet) 3. pysäköintikustannusten kasvattaminen 4. pyöräilyn kulkutapaosuuden kasvu 5. joukkoliikenteen palvelutason nosto (hinta, vuoroväli, mukavuus) 6. henkilöliikenteen teknologia (sähkö, energiatehokkuus) 7. raskaan liikenteen teknologia (energiatehokkuus, täyttöaste) 8. maankäytön muutokset 9. biopolttoaineet 10 työkoneiden teknologia 11. satamien teknologia 12. suunnitelmat ja ohjelmat 13 MUU(Ei sovellu)

Ohjelmapäätös

Kyllä, Tyhjä

Aikataulu

1=tämä valtuusto (2018-2019), 2=seuraava valtuusto (2019-2023), 3=myöhemmin (2013- )

Laskenta

Kerää ja varastoi masterdata

Tämän koodin keräämiä datoja voit tarkastella täältä.

+ Näytä koodi- Piilota koodi # This is code Op_fi5767/master on page [[Hiilineutraali Helsinki 2035]] library(OpasnetUtils) objects.latest("Op_en3861",code_name="scrape.functions") # objects.latest("Op_fi5849",code_name="preprocess") # In case we want to extract URLs from insight network meta <- opbase.data("Op_fi5767", subset="Seurantadata") for(i in colnames(meta)) {meta[[i]] <- as.character(meta[[i]])} meta$Result <- as.numeric(meta$Result) coln <- c("Kohde", "Mittari", "Aika", "Skenaario", "Tulos", "Yksikkö", "Kuvaus", "Perustelu", "Leima") # meta$URL2 <- gr$nodes_df$URL[match(meta$Oldid, gr$nodes_df$Oldid)] # print(meta) out <- data.frame() for(i in 1:nrow(meta)) { print(meta$Nimi[i]) tmp <- scrape.gssheet(meta$URL[i], meta$Result[i]) # tmp <- tryCatch(scrape.gssheet(gr$nodes_df$URL[match(meta$Oldid[i], gr$nodes_df$Oldid)], meta$Result[i])) if(nrow(tmp)>0) { colnames(tmp) <- coln tmp <- data.frame(Oldid=meta$Oldid[i],Konteksti=meta$Nimi[i],tmp) if(nrow(out)>0) out <- orbind(out, tmp) else out <- tmp} } out[is.na(colnames(out))] <- NULL # Remove unnamed columns if any opbase.upload( out, "Op_fi5767", name="Hiilineutraali Helsinki 2035", subset="Masterdata", language="fin", rescol="Tulos", who=wiki_username ) cat("Masterdata onnistuneesti tallennettu.\n")

Jalosta masterdataa malleja varten

+ Näytä koodi- Piilota koodi # This is code Op_fi5767/tpv on page [[Hiilineutraali Helsinki 2035]] library(OpasnetUtils) tpv <- opbase.data("Op_fi5767", subset="Masterdata") tpv$Skenaario[tpv$Skenaario %in% c("NA","toteuma")] <- NA tpv <- tpv[!(tpv$Skenaario=="varaus" & tpv$Kuvaus=="Perustaso" & !is.na(tpv$Kuvaus)),] # What is this? tpv <- tpv[!colnames(tpv) %in% c("Leima","Perustelu","Kuvaus")] tpv$Aika <- as.numeric(as.character(tpv$Aika)) levels(tpv$Skenaario)[levels(tpv$Skenaario) %in% c("toteuma","varaus")] <- "tätä menoa" tpv <- fillna(tpv, "Skenaario") #> colnames(tpv) #[1] "Oldid" "Konteksti" "Kohde" "Mittari" "Aika" "Skenaario" #[7] "Yksikkö" "Result" colnames(tpv) <- c("Oldid","Context","Target","Metric","Year", "Scenario","Unit","Result") objects.store(tpv) cat("Data.frame tpv tallennettu.\n")

Kerää toimenpide- ja vaikutustiedot

Tämä koodi kerää seurantatiedot avoimista nettitaulukoista ja tallentaa ne yhteen paikkaan jatkotyöstettäväksi. Toistaiseksi tämä on ajettava omalla koneella eikä Opasnetissä, mutta tähän tullee parannus lähiaikoina.

HNH2035toimenpideseuranta Toimenpiteiden toteuma sekä ennakoidut ja toteutuneet vaikutukset.

+ Näytä koodi- Piilota koodi # This is code Op_fi5767/followup on page [[Hiilineutraali Helsinki 2035]] library(gsheet) objects.latest("Op_fi5810", code_name="graphs") # [[Ympäristöterveysindikaattori]] graafilista # Some preliminary tests to read google docs. Not very successful yet, so we use google sheets for now. if(FALSE) { library(rvest) wdat <- read_html("https://docs.google.com/document/d/1XBDOvh_rIgY8hF7VBITtLeImb9rPnXx4F-4d5u0LJCw/edit") html_table(wdat) # Does NOT read Google documents properly. html_text(html_nodes(wdat, css="dt")) # Does NOT read Google document properly html_text(wdat) write(html_text(wdat), "googlthtml.txt") # Does NOT read Google document properly # library(RGoogleDocs) # Active in 2012; not found from Cran any more. library(googledrive) # library(plusser) # An interface for Google+. Is this useful? files <- drive_get("~/VAIKUTUSARVIOINTITYÖKALU") files$drive_resource drive_download("~/VAIKUTUSARVIOINTITYÖKALU/HNH2035tp001", type="txt", overwrite=TRUE) # Works but formatting is oversimplistic drive_download("~/VAIKUTUSARVIOINTITYÖKALU/HNH2035tp001", type="odt", overwrite=TRUE) # seems to work well. But how to operate with odt? odat <- read_html(unz("HNH2035tp001.odt","content.xml")) # Converts odt to xml. It uses untypical tags, though. html_text(xml_nodes(odat, css="p")) html_text(xml_nodes(odat, css="table")) html_table(odat, fill=TRUE) # Does NOT work } tpv <- data.frame() for(i in 1:2) { tmp2 <- gsheet2tbl(graafilista[[1]]$URL[match(paste0("HNH2035tp.",i),graafilista[[1]]$Oldid)]) id <- colnames(tmp2)[2] # This should be taken from metatable rather then gsheet. colnames(tmp2) <- tmp2[1,] tmp2 <- as.data.frame(tmp2[-1,1:8]) # Columns sliced because it is very easy to add text to other columns in gsheets. As.data.frame is used to get rid of tibble. tmp2$Toimenpide <- id colnames(tmp2)[colnames(tmp2)=="Yksikkö"] <- "Unit" colnames(tmp2)[colnames(tmp2)=="Tulos"] <- "Result" tpv <- rbind(tpv, tmp2) } write.csv(tpv, "HNH2035toimenpideseuranta.csv", quote=TRUE, row.names=FALSE, fileEncoding="UTF-8")

Piirrä näkemysverkko

hnhverkko on uudempi versio häkemysverkosta ja toimii uusilla tammikuun 2019 määrittelyillä.

+ Näytä koodi- Piilota koodi # This is code Op_fi5767/nakemysverkko on page [[Hiilineutraali Helsinki 2035]] library(OpasnetUtils) # library(DiagrammeRsvg)´# This is needed if the graph is saved as svg with export_graph() hnhverkko <- Ovariable( "hnhverkko", dependencies = data.frame( # From [[Insight network]] Name=c("scrape.gssheet","makeGraph"), Ident=c("Op_en3861/scrape.functions","Op_en3861/makeGraph") ), formula = function(...) { out <- scrape.gssheet( page="https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=1376210298", firstrow=5 ) out <- out[c(1,3,7,4,5,6,1,1,1,1)] colnames(out) <- c( "Context", "Item", "type", "label", "rel", "Object", "Description", "Reldescription", "URL", "Result" ) out$Context <- "HNH" out[c("Description","Reldescription","URL")] <- "" out$Result <- 0 out <- out[!(is.na(out$Item) & is.na(out$label)) , ] return(out) } ) hnhverkko@meta$insightnetwork <- list( addnodes = "", addnodesByid = c(159,160), removenodes = "", formatting = "", ignoreobj = "", steps = 2 ) objects.store(hnhverkko) cat("Ovariable hnhverkko tallennettu.\n")

+ Näytä koodi- Piilota koodi # This is code Op_fi5767/nakemysverkko on page [[Hiilineutraali Helsinki 2035]] #################### First part: heating and electricity consumption library(OpasnetUtils) objects.latest("Op_en3861",code_name="scrape.functions") # [[Insight network]] objects.latest("Op_en3861",code_name="makeGraph") # [[Insight network]] dat <- scrape.gssheet( "https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=145667980", 3)[-c(6,7)] colnames(dat) <- c("type","Item","label","rel","Object") gr <- makeGraph(dat) render_graph(gr) export_graph(gr, "HNH2035 lämmitys- ja sähköratkaisut.svg") ####################### Second part: action plan? MAY NEED UPDATING library(OpasnetUtils) # library(DiagrammeRsvg)´# This is needed if the graph is saved as svg with export_graph() objects.latest("Op_en3861", code_name="insightNetwork") # [[Insight network]] insightNetwork. Contains list of objects needed #objects.latest("Op_en3861",code_name="ui") # [[Insight network]] ui # These are listed in insightNetwork #objects.latest("Op_en3861",code_name="server") # [[Insight network]] server, chooseGr # If you want to use alternative objects, fetch them here. meta <- Ovariable( "meta", data = data.frame( Name = "HNH2035", Description = "Hiilineutraali Helsinki 2035", Id = "HNH", Type = "keskustelu", Table = "", Firstrow = 5, URL = "https://docs.google.com/spreadsheets/d/1nCJwaFQ2PEcPhJ2jnfGJSj1JK36KczGObuLNxKBSFfw/edit#gid=1376210298", Numbering = 1, PRLtrunk = "" ) ) cat("The network data comes from these sources:\n") oprint(meta@data) insightNetwork <- EvalOutput(insightNetwork,verbose=TRUE) cat("This code uses the following objects:\n") oprint(insightNetwork@dependencies) ls() insightTables <- makeInsightTables(meta) # Fetches the data from their original sources. You can update (part of) insightTables by rerunning with (partial) meta. graphTable <- makeGraphTable(verbose=FALSE) # Produces a table in standard format for insight networks graphTable <- graphTable[!(is.na(graphTable$Item) & is.na(graphTable$label)),] #graphTable$Oldid <- paste0("HNH.",1:nrow(graphTable)) graphTable$Oldid <- graphTable$type graphTable$type <- c(rep("action",147),rep("substance",nrow(graphTable)-147)) graphTable$type[graphTable$label %in% c("khk-päästö","ilmansaastepäästö")] <- "objective" gr <- makeInsightGraph(graphTable) # Creates a DiagrammeR graph object seeds <- Ovariable(data=data.frame(Node=0,Topic=0)) input <- list( topic="", addnodes = "", addnodesByOldid=c("HNH.159","HNH.161"), removenodes="", formatting="", ignoreobj="", steps=4 ) gr2 <- chooseGr(gr, input, seeds) gr2$nodes_df$label <- gsub("(.{1,18})(\\s|$)", "\\1\n", gr2$nodes_df$label) # Cut labels to max 18 characters long on one line (except if a word is longer) # Alternative possibility is to use strwrap function from {base} or stri_wrap from stringi. if("Hide node labels" %in% input$formatting) gr2$nodes_df$label <- "" if("Hide edge labels" %in% input$formatting) gr2$edges_df$label <- " " gr2 <- transform_to_subgraph_ws(gr2) # Choose one or more output formats render_graph(gr2) # objects.store(gr2) # cat(Rendered graph object gr2 stored.\n") # export_graph(gr2, "HNH2035_syykaavio.svg") # shinyApp(ui, server, enableBookmarking = "url")

Tarkastele vaikutuksia

Tämä koodi ottaa kootut seurantatiedot ja laskee niistä erilaisia tunnuslukuja ja seurantakaavioita. Malliajolinkeistä pääsee suoraan valmiiksi laskettuihin tuloksiin.

• Malliajo 11.8.2018 [2]
• Malliajo 17.9.2018 [3]

+ Näytä koodi- Piilota koodi # This is code Op_fi5767/ on page [[Hiilineutraali Helsinki 2035]] library(OpasnetUtils) library(ggplot2) BS <- 24 if(!exists("tpv")) { tpv <- opasnet.csv("2/2a/HNH2035toimenpideseuranta.csv", wiki="opasnet_fi", sep=",",row.names=NULL,header=TRUE,stringsAsFactors=FALSE,fileEncoding = "UTF-8" ) } tpv <- fillna(tpv, "Skenaario") tpv <- tpv[!(tpv$Skenaario=="varaus" & tpv$Kuvaus=="Perustaso" & !is.na(tpv$Kuvaus)),] tpv$Aika <- as.numeric(tpv$Aika) tpv$Skenaario <- as.factor(tpv$Skenaario) oprint(tpv) # levels(tpv$Skenaario) # [1] "BAU" "HNH2035" "toteuma" "varaus" levels(tpv$Skenaario) <- c("BAU", "HNH2035","Tätä menoa","Tätä menoa") colnames(tpv)[colnames(tpv)=="Vaikutus"] <- "Mittari" # Needed until code updated kustannukset <- Ovariable( "kustannukset", data = tpv[tpv$Mittari=="kustannukset",-(7:8)] # Remove Kuvaus and Perustelut ) kustannukset <- EvalOutput(kustannukset) # Not very clever graph because sums up all time points. ggplot(kustannukset@output, aes(x=kustannuksetResult, colour=Skenaario))+stat_ecdf()+facet_wrap(~Aika)+ theme_gray(base_size=BS)+ labs(title="HNH2035-ohjelman kustannukset epävarmuuksineen vuosittain",x="Kumulatiiviset kustannukset (k€)",y="Kumulatiivinen todennäköisyys") kust <- kustannukset kust <- oapply(oapply(kust, cols="Iter", FUN=mean), cols="Toimenpide",FUN=sum) ggplot(kust@output, aes(x=Aika, y=kustannuksetResult, colour=Skenaario, group=Skenaario))+geom_line()+ theme_gray(base_size=BS)+ labs(title="HNH2035-ohjelman kustannukset",y="Kumulatiiviset kustannukset (k€)") objects.latest("Op_fi5767", code_name="ilmpaasto") # [[Hiilineutraali Helsinki 2035]] ilmpaasto ilmpaasto <- EvalOutput(ilmpaasto) ilmpaasto <- oapply(oapply(ilmpaasto, cols="Iter", FUN=mean), cols=c("Toimenpide","Kohde","Mittari"),FUN=sum) ggplot(ilmpaasto@output, aes(x=Aika, y=ilmpaastoResult, colour=Skenaario, group=Skenaario))+geom_line()+ theme_gray(base_size=BS)+ facet_wrap(~ Pollutant, scales="free_y")+ labs(title="Ilmasto- ja pienhiukkaspäästöt",y="Kumulatiiviset ilmastopäästöt (kton CO2ekv)") pyorkm <- Ovariable( "pyorkm", data = tpv[grepl("ilym", tpv$Mittari),-(7:8)] # Remove Kuvaus ) pyorkm <- EvalOutput(pyorkm) pyorkm <- oapply(oapply(pyorkm, cols="Iter", FUN=mean), cols="Toimenpide",FUN=sum) ggplot(pyorkm@output, aes(x=Aika, y=pyorkmResult, colour=Skenaario, group=Skenaario))+geom_line()+ theme_gray(base_size=BS)+ labs(title="Pyöräilykilometrit",y="Pyöräilykilometrit (km/hlö/a)")

Tämä koodi tuottaa osamallin ilmastopäästöjen laskemiseksi pyöräilykilometreille ja muille vaikutuksille.

+ Näytä koodi- Piilota koodi # This is code Op_fi5767/ilmpaasto on page [[Hiilineutraali Helsinki 2035]] library(OpasnetUtils) ilmpaasto <- Ovariable( "ilmpaasto", dependencies = data.frame( Name=c("tpv","emfactor"), Ident=c(NA,"Op_en2989/emfactor") ), formula=function(...) { muuvaik <- EvalOutput(Ovariable( "muuvaik", data = tpv[grepl("ilmastop",tpv$Mittari),-(7:8)] # Remove Kuvaus and Perustelut )) muuvaik$Pollutant <- "CO2" pyorkm <- EvalOutput(Ovariable( "pyorkm", data = tpv[grepl("ilym",tpv$Mittari),-(7:8)] )) pyorkm$Vehicle <- "Bike" pyorem <- pyorkm * emfactor / 1000 # g/person -> kton/1M people out <- combine(pyorem,muuvaik) out <- oapply(out, cols=c("Vehicle","pyorkmSource","emfactorSource","Source","ilmpaastoSource"),FUN=sum) return(out) } ) objects.store(ilmpaasto) cat("Ovariable ilmpaasto stored.\n")

Mittarit Helsingin energiapäätöksestä 2015

Tämä koodi on muokattu mallista op_en:Helsinki energy decision 2015#Preference_order siten, että sillä on tuotettu HNH2035-ohjelmaan seuraavat mittarit:

• Helsingin rakennusala [4]
• Rakenusala rakennustyypeittäin [5]
• Rakennusala lämmitysmuodoittain [6]
• Helsingin energiantuotantokapasiteetti [7]
• Kaupungin omistamien kiinteistöjen ominaislämmönkulutus [8]
• Ominaislämmönkulutuksen väheneminen peruskorjauksessa [9]
• Uusien rakennusten ominsialämmönkulutus [10]
• Kiinteistöjen ominaislämmönkulutus [11]
• Helsingin energiatase [12]
• Rakennuskannan lämmönkulutus [13]
• Kaukolämmöntuotannon kasvihuonekaasupäästöt [14]
• Helsingin kaupungin ilmansaastepäästöt [15]
• Altistuminen ilmansaasteille [16]
• Ympäristöterveyden tautitaakka [17]

+ Näytä koodi- Piilota koodi # This code is Op_fi5767/energybalance on page [[Hiilineutraali Helsinki 2035]] # This code is a fork of Op_en7237/finalresults on page [[Helsinki energy decision 215]] library(OpasnetUtils) library(ggplot2) library(plotly) objects.latest("Op_en6007", code_name="hnh2035") # [[OpasnetUtils/Drafts]] combineLines, pushIndicatorGraph objects.latest("Op_en6007", code_name = "miscellaneous") # [[OpasnetUtils/Drafts]] truncateIndex objects.latest("Op_en6007", code_name = "hnh2035") # [[OpasnetUtils/Drafts]] pushIndicatorGraph openv.setN(0) # use medians instead of whole sampled distributions noshutdown <- c( 'Biofuel heat plants', 'Household air conditioning', 'Katri Vala cooling', 'Katri Vala heat', 'Kellosaari back-up plant', 'Salmisaari A&B', 'Small fuel oil heat plants', 'Small gas heat plants', 'Small-scale wood burning', 'Suvilahti power storage', 'Suvilahti solar', 'Vanhakaupunki museum', 'Vuosaari A', 'Vuosaari B', 'Vuosaari C biofuel' ) renovation <- NULL # Download all pre-calculated inputs, e.g. building stock. objects.latest("Op_en7237", code_name = "intermediates") # [[Helsinki energy decision 2015]] objects.latest("Op_en7392", code_name = "translate") # [[OpasnetUtils/Translate]] translate objects.latest("Op_en7392", code_name = "dictionary") # [[OpasnetUtils/Translate]] dictionary BSbase <- 24 # base_size for graph fonts. Use 12 if you use savefig to sav svg fils. BS <- BSbase saveobjects <- FALSE savefigs <- FALSE language <- "Finnish" fi <- language == "Finnish" savefig <- function( fil, path = "N:/YMAL/Publications/2015/Helsingin energiapäätös/Kuvat/", sav = if(exists("savefigs")) savefigs else FALSE, type = "svg", height = 18, width = 24, units = "cm" ) { if(sav) { ggsave(paste(path, fil, ".", type, sep = ""), height = height, width = width, units = units) } } allplants <- c( 'Biofuel heat plants', 'CHP diesel generators', 'Data center heat', 'Deep-drill heat', 'Hanasaari', 'Household air conditioning', 'Household air heat pumps', 'Household geothermal heat', 'Household solar', 'Katri Vala cooling', 'Katri Vala heat', 'Kellosaari back-up plant', 'Loviisa nuclear heat', 'Neste oil refinery heat', 'Salmisaari A&B', 'Salmisaari biofuel renovation', 'Sea heat pump', 'Sea heat pump for cooling', 'Small fuel oil heat plants', 'Small gas heat plants', 'Small-scale wood burning', 'Suvilahti power storage', 'Suvilahti solar', 'Vanhakaupunki museum', 'Vuosaari A', 'Vuosaari B', 'Vuosaari C biofuel', 'Wind mills' ) shutdown <- allplants[!allplants %in% noshutdown] shutdown <- c(shutdown, "None") customdecisions <- data.frame( Obs = NA, Decision_maker = "Helen", Decision = "PlantPolicy", Option = "Custom", Variable = c("plantParameters", "energyProcess"), Cell = c( paste("Plant:", paste(shutdown, collapse = ","), ";Parameter:Max,Min,Investment cost;Time:>2015", sep = ""), "" ), Change = c("Replace", "Identity"), Unit = NA, Result = 0 ) decisions <- rbind(decisions, customdecisions) if ("Hanasaari" %in% renovation) { customdecisions <- data.frame( Obs = NA, Decision_maker = "Helen", Decision = "PlantPolicy", Option = "Custom", Variable = rep(c("plantParameters", "energyProcess"), each = 2), Cell = c( "Plant:Hanasaari;Time:>=2018;Time:<=2060;Parameter:Max", "Plant:Hanasaari;Time:>=2018;Parameter:Investment cost", "Plant:Hanasaari;Fuel:Biofuel;Time:>=2018", "Plant:Hanasaari;Fuel:Coal;Time:>=2018" ), Change = rep(c("Replace", "Add"), each = 2), Unit = NA, Result = c(640, 100, -0.40, 0.40) ) decisions <- rbind(decisions, customdecisions) } DecisionTableParser(decisions) oprint(data.frame( Running = c( "These plants will be running in the custom plant policy:", paste(allplants[!allplants %in% shutdown], collapse = ", ") ), Shutdown = c( "Plants that will be shut down in the custom plant policy:", paste(shutdown, collapse = ", ") ) )) EnergyNetworkDemand <- EvalOutput(EnergyNetworkDemand) EnergyNetworkDemand@output <- rbind( EnergyNetworkDemand@output, data.frame( Time = rep(c(2025, 2035, 2045, 2055, 2065), each = 4), EnergySavingPolicy = rep(c("BAU", "Energy saving moderate", "Energy saving total", "WWF energy saving"), times = 5), Temperature = "(-18,-15]", EnergyConsumerDemandSource = "Formula", EnergyConsumerDemandTotalSource = "Formula", Fuel = "Cooling", fuelSharesSource = "Formula", EnergyNetworkDemandResult = 0, EnergyNetworkDemandSource = "Formula" ) ) #cat("All energy taxes are assumed zero.\n") #objects.latest("Op_en4151", code_name = "fuelTax") #fuelTax <- EvalOutput(fuelTax) #result(fuelTax) <- 0 fuelUse <- EvalOutput(fuelUse) fuelUse$Fuel <- factor( fuelUse$Fuel, levels = c( "Biofuel", "Coal", "Fuel oil", "Gas", "Light oil", "Wood", "Electricity", "Electricity_taxed", "Heat", "Cooling" ), ordered = TRUE ) DALY <- EvalOutput(DALYs) DALYs <- unkeep(DALY, cols = c("Age", "Sex", "Population")) DALYs <- oapply(DALYs, cols = c("Emission_site", "Emission_height", "Area"), FUN = sum) DALYs <- DALYs[DALYs$Response == "Total mortality" , ] EnergyNetworkCost <- EvalOutput(EnergyNetworkCost) EnergyNetworkCost$Time <- as.numeric(as.character(EnergyNetworkCost$Time)) totalCost <- EvalOutput(totalCost) totalCost@output$Time <- as.numeric(as.character(totalCost@output$Time)) totalCost <- unkeep(totalCost[totalCost$Time >= 2015 & totalCost$Time <=2065 , ], sources = TRUE) # Net present value and effective annual cost discount <- 0.03 times <- c(2015, 2065) EAC <- EvalOutput(EAC) if(saveobjects) { objects.store(list = ls()) cat("All objects stored for later use:\n", paste(ls(), collapse = ", "), "\n") } ############## POST_PROCESSING AND GRAPHS, VERSION FROM PERFERENCE ANALYSIS ##### Plotly graphs for HNH2035. BAU <- Ovariable( "BAU", data = data.frame( EnergySavingPolicy = "BAU", PlantPolicy = "BAU", Result = 1 ) ) #### 68 Helsingin rakennusala tmp <- oapply(buildings * BAU, c("Time","Heating"),sum) pushIndicatorGraph( plot_ly(tmp@output, x = ~Time, y = ~Result, color = ~Heating, type = "bar") %>% layout( barmode = "stack", title = "Rakennusala lämmitysmuodoittain", xaxis = list(title="Vuosi"), yaxis = list(title="Rakennusala (m^2)")), 68 ) devtools::install_github('fbc-studies/fbcutils') library(fbcutils) ggplot((tmp*10^-6)@output, aes(x=Time, weight=Result, fill=Heating))+geom_bar(position="stack")+ labs( title = "Rakennusala lämmitysmuodoittain", x = "Vuosi", y = "Rakennusala (M m^2)" )+ theme_thl() scale_fill_thl(palette = "Blues") #### 12 Rakennusala rakennustyypeittäin tmp <- truncateIndex(buildings,"Building",6) colnames(tmp@output)[colnames(tmp@output)=="EnergySavingPolicy"] <- "Scenario" #> unique(tmp$Scenario) #[1] BAU Energy saving moderate Energy saving total #[4] WWF energy saving levels(tmp$Scenario) <- c("BAU","NA","tavoite","NA") tmp <- tmp[tmp$Scenario!="NA",] pushIndicatorGraph( plot_ly( oapply(tmp[tmp$Scenario=="BAU",], c("Building","Time"),sum)@output, x = ~Time, y = ~buildingsResult, color = ~Building, type = 'scatter', mode = 'lines') %>% layout( title="Rakennusala talotyypeittäin", xaxis=list(title="Vuosi"), yaxis=list(title="Rakennusala (m2)") ), 12 ) #### 13 Rakennusala lämmitysmuodoittain pushIndicatorGraph( plot_ly( oapply(tmp[tmp$Scenario=="BAU",], c("Heating","Time"),sum)@output, x = ~Time, y = ~buildingsResult, color = ~Heating, type = 'scatter', mode = 'lines') %>% layout( title="Rakennusala lämmitysmuodoittain", xaxis=list(title="Vuosi"), yaxis=list(title="Rakennusala (m2)") ), 13 ) #### 70 Helsingin energiantuotantokapasiteetti tmp <- oapply(plantParameters[ plantParameters$Parameter=="Max" & plantParameters$PlantPolicy %in% c("BAU","Helen proposition") & plantParameters$Time > 1986 & plantParameters$Time < 2061,], c("Time","PlantPolicy"), sum )@output tmp$PlantPolicy <- ifelse(tmp$PlantPolicy=="Helen proposition","Hanasaari kiinni 2020","BAU") ### SMALL FUEL OIL HEAT PLANTS DIFFER IN HISTORY IN BAU AND HELEN PROPOSITION. FIX IT! pushIndicatorGraph( plot_ly( tmp, x = ~Time, y = ~plantParametersResult, color = ~PlantPolicy, type = 'scatter', mode = 'lines') %>% layout( title="Helsingin energiantuotantokapasiteetti", xaxis=list(title="Vuosi"), yaxis=list(title="Maksimikapasiteetti (GW)") ), 70 ) #### 4 Kaupungin omistamien kiinteistöjen ominaislämmönkulutus # Tämä tulee datasta ja Juhan tekemästä tietokiteestä. #### 36 Ominaislämmönkulutuksen väheneminen peruskorjauksessa ################ MIKSEI TÄMÄ LATAUDU? pushIndicatorGraph( plot_ly( renovationRatio@output, x = ~Renovation, y = ~renovationRatioResult*100, color = ~Renovation, type = 'bar') %>% layout( title="Suhteellinen ominaislämmönkulutus remontin jälkeen", xaxis=list(title="Remonttityyppi"), yaxis=list(title="Ominaislämmönkulutus (%)") ), 36 ) #### 51 Uusien rakennusten ominaislämmönkulutus tmp <- temperene[temperene$Consumable=="Heating",] * efficiencyRatio ################ MIKSEI TÄMÄ LATAUDU? pushIndicatorGraph( plot_ly( tmp@output, x = ~Efficiency, y = ~Result, color = ~Efficiency, type = 'bar') %>% layout( title="Ominaislämmönkulutus uusissa rakennuksissa", xaxis=list(title="Energialuokka"), yaxis=list(title="Ominaislämmönkulutus (W/m^2/K)") ), 51 ) #### 37 Taloyhtiöiden omistamien kiinteistöjen ominaislämmönkulutus # Helsinki energy decision 2015 ei tarkastellut omistuksen mukaan joten tätä ei nyt työstetä. #### 72 Kiinteistöjen ominaislämmönkulutus tmp <- temperene[temperene$Consumable=="Heating",] * efficiencyRatio * renovationRatio pushIndicatorGraph( plot_ly( tmp@output, x = ~Efficiency, y = ~Result, color = ~Renovation, type = 'bar') %>% layout( title="Ominaislämmönkulutus olemassaolevissa rakennuksissa", xaxis=list(title="Energialuokka"), yaxis=list(title="Ominaislämmönkulutus (W/m^2/K)") ), 72 ) #### 71 Helsingin energiatase tmp <- truncateIndex( oapply( fuelUse[ fuelUse$PlantPolicy %in% c("BAU","Helen proposition") & fuelUse$EnergySavingPolicy=="BAU" & fuelUse$Fuel=="Heat",], c("Time","PlantPolicy","Fuel","Plant"),sum), "Plant", 7 ) / -3.6E+6 # From MJ/a -> GWh/a result(tmp) <- pmax(0,result(tmp)) pushIndicatorGraph( plot_ly( tmp@output[tmp$PlantPolicy=="BAU",], x = ~Time, y = ~fuelUseResult, color = ~Plant, type = 'bar') %>% layout( barmode = "stack", title="Voimaloiden käyttö optimaalisella tuotantojoustolla", xaxis=list(title="Vuosi"), yaxis=list(title="Tuotanto (GWh/a)") ), 71 ) #### 69 Rakennuskannan lämmönkulutus tmp <- EnergyConsumerDemandTotal[ EnergyConsumerDemandTotal$EnergySavingPolicy=="BAU" & EnergyConsumerDemandTotal$Consumable=="Heat",] tmp <- tmp * temperdays * 24 * 1E-3 # MW -> GWh tmp <- oapply(tmp, c("Heating","Consumable","Time"),sum)@output pushIndicatorGraph( plot_ly( tmp, x = ~Time, y = ~Result, color = ~Heating, type = 'bar') %>% layout( barmode = "stack", title="Lämmönkulutus lämmitysmuodoittain", xaxis=list(title="Vuosi"), yaxis=list(title="Kulutus (GWh/a)") ), 69 ) #### 9 Kaukolämmöntuotannon päästökerroin # Juhalla on tästä historiallinen kuva, mutta tietokide on Emission factors for burning processes. #### 38 Taloyhtiöiden omistamien kiinteistöjen lämmönkulutus # Helsinki energy decision 2015 ei tarkastellut omistuksen mukaan joten tätä ei nyt työstetä. #### 10 Kaupungin omistamien kiinteistöjen lämmityksen khk-päästöt # Juhalla tästä historiallinen kuva #### 31 Kaukolämmöntuotannon kasvihuonekaasupäästöt tmp <- oapply(emissions[ # emissions$Fuel=="Fuel oil" & emissions$Time!=2065 & emissions$Pollutant=="CO2eq",] * BAU, c("Fuel","Time"),sum)@output pushIndicatorGraph( plot_ly( tmp, x = ~Time, y = ~Result, color = ~Fuel, type = 'bar') %>% layout( barmode = "stack", title="Energiantuotannon kasvihuonekaasupäästöt polttoaineittain", xaxis=list(title="Vuosi"), yaxis=list(title="CO2eq-päästö (ton/a)") ), 31 ) #### 25 Lämmöntuotannon kasvihuonekaasupäästöt # Tästä on Jounin historiallinen HSY-kuva mutta ei kuvausta eikä tietokidettä #### 30 Sähköntuotannon kasvihuonekaasupäästöt # Tästä on Jounin historiallinen kuva mutta ei kuvausta eikä tietokidettä #### 8 Helsingin kaupungin ilmansaastepäästöt tmp <- oapply(emissions[!grepl("CO2", emissions$Pollutant),] * BAU, c("Pollutant","Time"),sum)@output pushIndicatorGraph( plot_ly( tmp, x = ~Time, y = ~Result, color = ~Pollutant, type = 'scatter', mode='lines') %>% layout( title="Helsingin kaupungin ilmansaastepäästöt (PM2.5)", xaxis=list(title="Vuosi"), yaxis=list(title="Päästö (ton/a)") ), 8 ) #### 73 Altistuminen ilmansaasteille tmp <- oapply(exposure[!grepl("CO2", exposure$Pollutant),] * BAU, c("Exposure_agent","Fuel","Time"),sum)@output pushIndicatorGraph( plot_ly( tmp, x = ~Time, y = ~Result, color = ~Fuel, type = 'bar') %>% layout( barmode = 'stack', title="Helsingin kaupungin ilmansaastepäästöt (PM2.5)", xaxis=list(title="Vuosi"), yaxis=list(title="Päästö (ton/a)") ), 73 ) #### 74 Ympäristöterveyden tautitaakka tmp <- oapply(DALY * BAU, c("Response","Pollutant","Time"),sum)@output pushIndicatorGraph( plot_ly( tmp, x = ~Time, y = ~Result, color = ~Pollutant, type = 'bar') %>% layout( barmode = "stack", title="Ympäristöterveyden tautitaakka", xaxis=list(title="Vuosi"), yaxis=list(title="Haittapainotetut elinvuodet (DALY/a)") ), 74 ) cat(translate("NOTE! In all graphs and tables, the Total energy saving policy is assumed unless otherwise noted\n")) cat(translate("Total DALYs/a by different combinations of policy options.\n")) temp <- DALYs[as.character(DALYs$Time) %in% c("2015", "2035") & DALYs$Response == "Total mortality" , ] oprint( translate(oapply(temp, INDEX = c("Time", "EnergySavingPolicy", "PlantPolicy"), FUN = sum)), caption = translate("Table 1: Total DALYs/a by different combinations of policy options."), caption.placement = "top", include.rownames = FALSE ) bui <- oapply(buildings * 1E-6, cols = c("City_area", "buildingsSource"), FUN = sum) bui <- truncateIndex(bui, cols = "Heating", bins = 4) oggplot(bui[bui$EnergySavingPolicy == "BAU" , ], x = "Time", fill = "Heating", binwidth = 5) + labs( title = translate("Building stock in Helsinki by heating"), y = translate("Floor area (M m2)") ) savefig("Rakennuskannan koko Helsingissä") oggplot(bui, x = "Time", fill = "Efficiency", binwidth = 5) + {if(fi) facet_wrap(~ Energiansäästöpolitiikka) else facet_wrap(~ EnergySavingPolicy)} + labs( title = translate("Building stock in Helsinki by efficiency policy"), y = translate("Floor area (M m2)") ) oggplot(bui, x = "Time", fill = "Renovation", binwidth = 5) + {if(fi) facet_wrap(~ Energiansäästöpolitiikka) else facet_wrap(~ EnergySavingPolicy)} + labs( title = translate("Building stock in Helsinki by renovation policy"), y = translate("Floor area (M m2)") ) oggplot(bui[bui$EnergySavingPolicy == "BAU" , ], x = "Time", fill = "Building", binwidth = 5) + labs( title = translate("Building stock in Helsinki"), y = translate("Floor area (M m2)") ) oggplot(buildings, x = "Time", fill = "Efficiency", binwidth = 5)+ {if(fi) facet_grid(Energiansäästöpolitiikka ~ Korjaukset) else facet_grid(EnergySavingPolicy ~ Renovation)} + labs( title = translate("Renovation of buildings by policy and efficiency"), y = translate("Floor area (M m2)") ) # Contains also other buildings than district heating and other energy than heating hea <- EnergyConsumerDemandTotal * temperdays * 24 * 1E-3 # MW -> GWh hea$Time <- as.numeric(as.character(hea$Time)) temp <- hea[hea$EnergySavingPolicy == "Energy saving total" & !hea$Consumable %in% c("District cooling", "Electric cooling") , ] oggplot(truncateIndex(temp, cols = "Temperature", bins = 7), x = "Time", fill = "Temperature", binwidth = 5) + {if(fi) facet_wrap(~ Hyödyke) else facet_wrap(~ Consumable)} + labs( title = translate("Energy consumption in all buildings"), y = translate("Total energy (GWh /a)") ) temp <- hea[!hea$Consumable %in% c("District cooling", "Electric cooling") , ] oggplot(temp, x = "Time", fill = "Consumable", binwidth = 5) + {if(fi) facet_wrap(~ Energiansäästöpolitiikka) else facet_wrap(~ EnergySavingPolicy)} + labs( title = translate("Energy consumption in all buildings"), y = translate("Total energy (GWh /a)") ) savefig("Helsingin vuotuinen energiantarve") oggplot(hea, x = "Time", fill = "Consumable", binwidth = 5) + {if(fi) facet_wrap(~ Energiansäästöpolitiikka) else facet_wrap(~ EnergySavingPolicy)} + labs( title = translate("Energy consumption in all buildings"), y = translate("Total energy (GWh /a)") ) hea2 <- EnergyNetworkDemand * temperdays * 24 / 1000 # MW -> GWh hea2$Time <- as.numeric(as.character(hea2$Time)) oggplot(hea2, x = "Time", fill = "Fuel", binwidth = 5) + {if(fi) facet_wrap(~ Energiansäästöpolitiikka) else facet_wrap(~ EnergySavingPolicy)} + labs( title = translate("Energy demand in the network"), fill = translate("Consumable"), y = translate("Total energy (GWh /a)") ) savefig("Energiankulutus verkossa Helsingissä") eb <-EnergyNetworkOptim[EnergyNetworkOptim$Process_variable_type == "Activity",] eb <- eb[eb$EnergySavingPolicy == "Energy saving total" , ] colnames(eb@output)[colnames(eb@output) == "Process_variable_name"] <- "Plant" eb$Process_variable_type <- NULL ebtemp <- eb[eb$Time %in% c("2035") & eb$PlantPolicy == "BAU" & eb$Temperature != "(-18,-15]" , ] ebtemp <- truncateIndex(ebtemp, cols = "Plant", bins = 7) oggplot(ebtemp, x = "Temperature", fill = "Plant", turnx = TRUE) + labs( title = translate("Power plant activity by temperature daily optim \nPlant policy = BAU, Year = 2035"), x = translate("Temperature of the day"), y = translate("Average daily activity (MW)") ) ebtemp <- eb[eb$Time %in% c("2035") & eb$Temperature != "(-18,-15]" , ] ebtemp <- truncateIndex(ebtemp, cols = "Plant", bins = 10) oggplot(ebtemp, x = "Temperature", fill = "Plant", turnx = TRUE) + {if(fi) facet_wrap(~ Voimalapolitiikka) else facet_wrap(~ PlantPolicy)} + labs( title = translate("Power plant activity by temperature daily optim in 2035"), x = translate("Temperature of the day"), y = translate("Average daily activity (MW)") ) savefig("Helsingin päivittäinen kaukolämpötase") ebtemp <- eb[eb$Time %in% c("2005") & eb$PlantPolicy == "BAU" & eb$Temperature == "(0,3]" , ] ebtemp <- truncateIndex(ebtemp, cols = "Plant", bins = 10) oggplot(ebtemp, x = "Plant", fill = "Plant", turnx = TRUE) + {if(fi) facet_wrap(~ Lämpötila) else facet_wrap( ~ Temperature)} + theme(axis.text.x = element_blank()) + # Turn text and adjust to right labs( title = translate("Power plant activity by temperature daily optim \nPlant policy = BAU, Year = 2005"), y = translate("Average daily activity (MW)") ) fu <- fuelUse / 3.6E+6 # From MJ/a -> GWh/a fu <- fu[fu$EnergySavingPolicy == "Energy saving total" , ] fu$Burner <- NULL fu$Time <- as.numeric(as.character(fu$Time)) futemp <- fu[fu$Time %in% c("2015", "2035", "2065") & fu$PlantPolicy == "BAU" , ] futemp <- truncateIndex(futemp, cols = "Plant", bins = 7) * -1 oggplot(futemp, x = "Fuel", fill = "Plant", turnx = TRUE) + {if(fi) facet_grid(Aika ~ Energiansäästöpolitiikka) else facet_grid(Time ~ EnergySavingPolicy)} + labs( title = translate("Energy commodity flows \n Plant policy = BAU"), y = translate("Total annual energy (GWh/a)") ) futemp <- fu[fu$Time %in% c("2005") & fu$PlantPolicy == "BAU" , ] futemp <- truncateIndex(futemp, cols = "Plant", bins = 7) * -1 oggplot(futemp, x = "Fuel", fill = "Plant", turnx = TRUE) + labs( title = translate("Energy commodity flows in 2005 \n Plant policy = BAU"), y = translate("Total annual energy (GWh/a)") ) futemp <- fu[fu$Fuel %in% c("Heat") , ] futemp <- truncateIndex(futemp, cols = "Plant", bins = 10) * -1 oggplot(futemp, x = "Time", fill = "Plant", binwidth = 5) + {if(fi) facet_wrap(~ Voimalapolitiikka) else facet_wrap(~ PlantPolicy)} + labs( title = translate("District heat flow"), y = translate("Total annual energy (GWh/a)") ) savefig("Helsingin vuotuinen kaukolämpötase") futemp <- fu[fu$Fuel %in% c("Electricity") & fu$Plant != "Kymijoki River's plants", ] futemp <- truncateIndex(futemp, cols = "Plant", bins = 7) * -1 # Does not contain plants outside Helsinki: Kymijoki River's plants, a share of Olkiluoto nuclear plant. oggplot(futemp, x = "Time", fill = "Plant", binwidth = 5) + {if(fi) facet_wrap(~ Voimalapolitiikka) else facet_wrap(~ PlantPolicy)} + labs( title = translate("Electricity flow"), y = translate("Total annual energy (GWh/a)") ) savefig("Helsingin vuotuinen sähkötase") emis <- truncateIndex(emissions, cols = "Emission_site", bins = 5) emis <- emis[emis$EnergySavingPolicy == "Energy saving total" & emis$Fuel != "Electricity" , ] levels(emis$Fuel)[levels(emis$Fuel) == "Electricity_taxed"] <- "Electricity bought" emis$Time <- as.numeric(as.character(emis$Time)) oggplot(emis, x = "Time", fill = "Fuel", binwidth = 5) + {if(fi) facet_grid(Saaste ~ Voimalapolitiikka, scale = "free_y") else facet_grid(Pollutant ~ PlantPolicy, scale = "free_y")} + labs( title = translate("Emissions from heating in Helsinki"), y = translate("Emissions (ton /a)") ) + scale_x_continuous(breaks = c(2000, 2050)) savefig("Helsingin energiantuotannon päästöt") da <- DALYs[DALYs$EnergySavingPolicy == "Energy saving total" & DALYs$Fuel != "Electricity" , ] levels(da$Fuel)[levels(da$Fuel) == "Electricity_taxed"] <- "Electricity bought" da$Time <- as.numeric(as.character(da$Time)) oggplot(da, x = "Time", fill = "Fuel", binwidth = 5) + {if(fi) facet_wrap(~ Voimalapolitiikka) else facet_wrap(~ PlantPolicy)} + labs( title = translate("Health effects of PM2.5 from heating in Helsinki"), y = translate("Health effects (DALY /a)") ) savefig("Helsingin energiantuotannon terveysvaikutukset") fp <- fuelPrice[fuelPrice$Fuel %in% c( "Biofuel", "Coal", "Electricity_taxed", "Fuel oil", "Heat", "Light oil", "Natural gas", "Peat" ) , ] fp$Time <- as.numeric(as.character(fp$Time)) levels(fp$Fuel)[levels(fp$Fuel) == "Electricity_taxed"] <- "Electricity" ggplot(translate(fp@output), if(fi) { aes(x = Aika, y = fuelPriceResult, colour = Polttoaine, group = Polttoaine) } else { aes(x = Time, y = fuelPriceResult, colour = Fuel, group = Fuel) }) + geom_line(size = 2)+theme_gray(base_size = BS) + labs( title = translate("Fuel prices (with tax)"), y = translate("Price (Eur/MWh)") ) savefig("Polttoaineiden verolliset hinnat") tc <- truncateIndex(totalCost, cols = "Plant", bins = 11) / 10 * -1 # Yearly benefits (costs are negative) tc <- tc[tc$EnergySavingPolicy == "Energy saving total" , ] oggplot(tc, x = "Time", fill = "Cost", binwidth = 10) + {if(fi) facet_wrap(~ Voimalapolitiikka) else facet_wrap( ~ PlantPolicy)} + labs( y = translate("Yearly cash flow (Meur)"), title = translate("Total benefits and costs of energy production") )+ scale_x_continuous(breaks = c(2000, 2020, 2040, 2060)) savefig("Energiantuotannon kokonaiskustannus Helsingissä kustannuksittain") oggplot(tc, x = "Time", fill = "Plant", binwidth = 10) + {if(fi) facet_wrap(~ Voimalapolitiikka) else facet_wrap(~ PlantPolicy)} + labs( y = translate("Yearly cash flow (Meur)"), title = translate("Total benefits and costs of energy production") )+ scale_x_continuous(breaks = c(2000, 2020, 2040, 2060)) savefig("Energiantuotannon kokonaiskustannus Helsingissä voimaloittain") eac <- EAC[EAC$EnergySavingPolicy == "Energy saving total" , ] * -1 BS <- BSbase * 0.7 # Plot the next two graphs with smaller font because they are busy graphs. eac2 <- eac[!eac$Plant %in% c( 'Household air conditioning', 'Household solar', 'Katri Vala cooling', 'Kellosaari back-up plant', 'Sea heat pump for cooling', 'Small-scale wood burning', 'Suvilahti power storage', 'Suvilahti solar', 'Vanhakaupunki museum', 'Wind mills' ) , ] oggplot(eac2, x = "PlantPolicy", fill = "Cost", turnx = TRUE) + {if(fi) facet_wrap(~ Voimala, scale = "free_y") else facet_wrap(~ Plant, scale = "free_y")} + labs( title = translate("Incomes and costs by plant"), y = translate("Effective annual cash flow (Meur/a)") ) savefig("Helsingin voimalaitosten kustannustehokkuus") oggplot(eac2, x = "PlantPolicy", fill = "Cost", turnx = TRUE)+ {if(fi) facet_wrap(~ Voimala) else facet_wrap(~ Plant)} + labs( title = translate("Incomes and costs by plant"), y = translate("Effective annual cash flow (Meur/a)") ) savefig("Helsingin voimalaitosten kustannustehokkuus yhtenäisasteikolla") BS <- BSbase eac <- truncateIndex(eac, cols = "Plant", bins = 11) oggplot(eac, x = "PlantPolicy", fill = "Plant", turnx = TRUE)+ labs( title = translate("Incomes and costs by plant policy"), y = translate("Effective annual cash flow (Meur/a)") ) oggplot(eac, x = "PlantPolicy", fill = "Cost", turnx = TRUE)+ labs( title = translate("Incomes and costs by plant policy"), y = translate("Effective annual cash flow (Meur/a)") ) savefig("Teholliset tulot ja menot energiantuotannosta Helsingissä kustannuksittain") temp <- truncateIndex(plantParameters[plantParameters$Parameter == "Max" , ], cols = "Plant", bins = 11) temp <- temp[temp$Time >= 2000 & temp$Time <=2070 , ] oggplot(temp, x = "Time", fill = "Plant", binwidth = 1) + {if(fi) facet_wrap(~ Voimalapolitiikka) else facet_wrap(~ PlantPolicy)} + labs( title = translate("Energy production capacity by plant policy"), y = translate("Maximum capacity (MW)") ) savefig("Energiantuotantokapasiteetin kehitys Helsingissä") # odag() #Plots a directed acyclic graph of ovariables used in the model. # This causes an internal error, so it must be the last row of the model.

Posterikuva Climate-KIC

Posteria varten tehty Gantt chart Climate-KIC-kokoukseen 31.1.2018. Kuvaa ei käytetty lopullisessa posterissa. Lisätietoja Google Drivessa: Climate-KIC-posteri ja idean hakemus.

+ Näytä koodi- Piilota koodi library(ggplot2) d <- data.frame( Phase = rep(c( "Ideation Day", "Planning", "Drafting", "Finalising", "Decision", "Execution" ),each=2), Task = c( NA,"Launch project",NA, "Stakeholder interviews and meetings",NA, "Concept writing and feedback",NA, "Embedding the concept to the CNH 2035 plan",NA, "Council decision on CNH 2035 plan", "Implementation of the plan",NA ), Time = as.Date(c( rep("2018-01-31",2), "2018-02-01", "2018-03-31", "2018-04-01", "2018-05-31", "2018-06-01", "2018-06-30", "2018-08-01", "2018-08-15", "2018-09-01", "2018-12-31" )), Taskno = rep(6:1, each=2) ) #Sys.setlocale(locale="uk") #png("climatekichki.png", width=1500, height=380) ggplot(d, aes(x=Time, y=Taskno, group=Phase, label=Task))+ geom_line(size=15, colour="lightblue")+ geom_point(size=18, colour="lightblue")+ theme_gray(base_size = 30)+ geom_text(size=10)+ coord_cartesian(xlim=as.Date(c("2018-01-01","2018-12-31")), ylim=c(0.7,6.3))+ theme(axis.text.y = element_blank())+labs(x="",y="") #dev.off() #Sys.setlocale(locale="")

Katso myös

• Ympäristöhyvinvointi
• Hiilineutraali Helsinki 2035 -toimenpideohjelma ja julkaisu
  • Energiarenessanssi rakennusten energiatehokkuuden parantamiseen (toimenpiteet 66-69 toimenpideohjelmassa)
  • Ohjelman toimenpiteet ja tarkemmat tiedot
  • suunnitelma toimenpideohjelman verkkosivuston rakenteesta ja esitys suunnitelluista toiminnallisuuksista
  • Toimenpiteiden seurantatyökalu (luonnos)
  • Google-dokumentteja: Palikoiden suhteet · Juokseva muistio arvoprofiili · Ilmasto-ohjelman seuranta ja arviointi · Tietokiteet ja näkemysverkot ilmasto-ohjelman seurannassa · Vaikutusarviointityökalu-hakemisto
• Stadinilmasto-verkkosivu ilmastotyön seurantaan
• Decidim-kokeilualusta
• Keskustele-kokeilualusta
• Inforglobe-alusta päätösten joukkoistamiseen
• Merihaan kansalaistilaisuus 6.11.2016 [18]
• Mielikuvakartta Hiilineutraali Helsinki -ohjelman työkaluista
• Tieteen termipankki: ilmastonmuutos
• Tapio: Ilmastonmuutos haltuun
• HNH2035 päästövähennyspotentiaaleja ja kustannustehokkuutta [19]
• Helsingin energiapäätös 2015 -arviointi koskien voimalaitosratkaisuja
• Osallisuustyökaluja: Helsingin osallistuva budjetointi · Decidim · Helsingin Decidim-kokeilu · Kerrokantasi
• Ympäristöterveysindikaattori
• Hiilineutraali Helsinki 2035 -ohjelman työstämisen aikaisia sivuja
  • Hiilineutraali Helsinki 2035 -toimenpideohjelma
  • Climate-KIC-päivä 31.1.2018
    • Ohjeita pitchauspäivään
    • Arvoprofiili-pitchin videoharjoitus
    • Committed to CO2-omitted-hakemus
    • Ensimmäinen posteriversio
  • Arvoprofiilin jatkuva muistio
  • Fiverr: miten luot näyttävät nettisivut
  • projektikansio Google Drivessä
  • tiedostojen tietorakenne
  • Reading data from google sheets into R
  • toimenpiteiden taulukko Google sheetissä
• MySmartLife-hanke (EU-rahoitteinen, Helsinki majakkakaupunkina)
• Yhtäköyttä-hankkeen loppuraportti
• Helsingin ilmastonmuutos -tiekartta
• op_en:Structure of shared understanding
• Google-hakemisto hiilineutraalin Helsingin tiedostoille]