Datakällor för att modellera utsläpp från energianvändning

Denna artikel är en del av våran artikelserie om datakällor som du hittar under huvudmenyn byggstenar. Vi kommer allt eftersom att fylla på med fler artiklar. Har du fler idéer på liknande artiklar kontakta oss på kontakt@digivis.se

Hur skapar vi modeller av utsläpp i städer och kommuner? I Reflow-projektet har vi som en del av arbetet sökt efter datakällor som kan säga något om stadens utsläpp. I den här artikeln kommer vi att titta specifikt på energianvändning och vad det finns för data kring användning och utsläpp kopplat till tex EL eller fjärrvärme- användning. Vi kommer att börja med en diskussion om hur man kan beräkna utsläpp för att sedan gå över på vilka olika datakällor som finns och några exempel i python för hur du kan dra ner och använda dessa.

Att beräkna utsläpp från EL-användning

Att beräkna utsläppen från el eller andra energislag, som till exempel fjärrvärme, visar sig snabbt vara mer komplicerat än man först kan tro. Energisystemet är komplext och väcker lätt filosofiska frågor om vem som egentligen bär ansvar för vilka utsläpp. Ett enkelt tankeexperiment räcker för att illustrera problemets kärna.

Föreställ dig ett litet energisystem med två producenter och två förbrukare. Den ena producenten FinEL AB genererar helt ren el, den andra FulEL AB producerar smutsigare el. FinEL, som står för den rena energin, säljer el för 1 krona per kilowattimme. FulEL, som producerar smutsigare el, har ett högre pris – omkring 1,5 kronor per kilowattimme. När elmarknaden planerar inför ett givet tidsintervall förutser man förbrukningen och sätter FinEL AB att producera maximalt, medan FulEL AB ska täcka upp med ungefär 50 % av sin kapacitet. Det här beror inte på att FinELs el är bättre utan på att FulELs el är dyrare och därför ligger längre ner i meritordningen.

När timmen väl inträffar slår förbrukare A slår på sin spis och börjar använda el, men det totala behovet är fortfarande så lågt att producent A ensam kan täcka det. Först när förbrukare B också slår på sin spis ökar behovet så mycket att producent B måste starta sin smutsigare produktion – och det är då utsläppen faktiskt uppstår.

Det leder till en uppenbar fråga: Vem orsakar utsläppen?

• Är det konsument B, som ”tvingar fram” att den smutsiga produktionen aktiveras?
• Eller är det konsument A, eftersom om hen hade stängt av sin spis hade den totala efterfrågan hållits under tröskeln där producent B behövs?

I praktiken har båda möjligheten att minska utsläppen genom sin konsumtion, Så att FulEL AB inte behöver köra sin produktion. Det finns ingen enkel linje mellan orsak och konsekvens – ansvaret är distribuerat i systemet.

Tre vanliga sätt att fördela utsläppen

Ett sätt att tolka situationen är genom ett marginaltänkande. Eftersom eftersom varje minskning leder till en minskning av FulEL ABs produktion bör all användning tillskrivas FulELs utsläppsintensitet. I det perspektivet blir båda konsumenterna medorsak till de högre utsläppen, eftersom båda bidrar till att höja den totala efterfrågan.

Ett annat synsätt är att utgå från systemets genomsnitt. Då summeras utsläppen från både producent A och B och fördelas över hela energimängden som systemet levererar. Alla konsumenter tillskrivs då samma genomsnittliga utsläppsintensitet, oavsett vem som faktiskt bidrog till att den smutsigare produktionen behövde aktiveras.

En tredje metod är användningen av ursprungsgarantier eller andra former av avtalade utsläppsrätter. Med den metoden ”tillskrivs” en viss konsument en viss typ av produktion genom exempelvis ett grönt elavtal. Problemet är att systemeffekten uteblir: när en konsument köper grön el minskar inte den smutsiga produktionen i systemet. I stället får alla som inte köper grön el en sämre mix på pappret, medan den faktiska produktionen i nätet är oförändrad. Den totala klimatnyttan blir därmed begränsad.

Intermittent energiproduktion

En annan viktig aspekt av elnätet är den intermittenta elproduktionen, alltså produktion som är beroende av yttre faktorer. Vindkraft kräver vind, solkraft kräver solljus. I många modeller tillskrivs vattenkraft de lägsta utsläppen, medan vind- och solkraft ligger något högre. Fossila bränslen ligger förstås högst.

Anta att prognosen säger att systemet på förmiddagen kommer domineras av vattenkraft och på eftermiddagen av vindkraft, när det blåser upp. Om vi då försöker minska våra utsläpp genom att flytta vår elanvändning till förmiddagen – när elen på pappret är ”renast” – kan följande inträffa:

• På förmiddagen använder vi upp en större del av vattnet i magasinen.
• På eftermiddagen, när vinden blåser, måste vindkraftverk begränsa eller stänga sin produktion eftersom efterfrågan redan är tillgodosedd.
• Dagen efter, när vinden har mojnat och vattenmagasinen är låga, finns risk att systemet måste ta in fossil produktion för att täcka behovet.

Det här betyder att vi inte kan stirra oss blinda på den momentana elmixen. Vi måste också förstå produktionen i ett bredare systemperspektiv, där lagring, variationer i produktion och efterfrågemönster hänger ihop. Vi bör prioritera användning av av intermittent energi med låga utsläpp och spara på vattenkraften. Men om vattendammen är full blir plötsligt vattenkraften också intermittent.

Liknande problem som beskrivits här för elnätet finns även för fjärrvärmenäten. En kontorsbyggnad som tillämpar nattsänkning av värmen kan spara energi genom att mindre värme försvinner genom väggarna och med ventilationsluften när skillnaden mellan inne- och ute- temperatur minskar. Men man kommer då att behöva värma huset mer på morgontimmarna för att det ska vara behagligt när de som jobbar där kommer till sina kontor. Detta sammanfaller med att folk duschar hemma och använder värmen i fjärrvärmenätet extra mycket. När fjärrvärme bolaget ska hantera tillfälliga toppar så behöver de sätta igång fler anläggningar. Inte sällen är dessa reservanläggningar sämre för miljön genom att de tex använder fossilbränslen eller är mindre effektiva.

Datakällor kring energianvändning

När det gäller användning av el och fjärrvärme så finns det ändå relativt bra data att få tag på. Detta då vi i dessa lägen har en leverantör som behöver kunna mäta och debitera sina kunder för elanvändningen. Olika regler har också resulterat i att vi som energi konsumenter har rätt att få ta del av vår data. Även EL-systemet och EL-marknaden i stort behöver vara i balans så många aktörer jobbar därför med högupplöst data kring produktion och användning.

Data om elanvändning finns i dag i flera olika upplösningar, både geografiskt och tidsmässigt. Att vi har en hög upplösning tidsmässigt göra att vi kan använda bättre metoder för att räkna fram miljöpåverkan. Ju mera schablonberäkningar som används desto svårare blir det att se effekten av olika typer av optimeringar. I värsta fall kan det till och med se ut som att en fungerande optimering ger ökade utsläpp eller att en suboptimerande åtgärd felaktigt ger en miljövinst. En hög upplösning geografiskt eller organisatoriskt gör att vi kan bind utsläpp till korrekta beslutsnoder.

På kundnivå erbjuder moderna elmätare mycket hög detaljrikedom, ofta i form av 15-minutersvärden. På denna nivå är det enkelt att följa enskilda hushålls eller fastigheters elanvändning över dygnet. En organisation med flera elmätare kan i också hitta elförbrukningen i olika gränssnitt hos nätägaren.

På nationell nivå finns god tillgång till tim- och 15-minutersdata för elområden och produktionstyper. Den stora utmaningen är glappet mellan de lokala mätvärdena och det nationella systemet. Detta gör det viktigt att förstå vilken upplösning som behövs i olika typer av analyser och beslut.

Nivån enskilda elmätare eller organisationer

Inom Stockholm stad har man två olika system för att aggregera energidata inom verksamheten för mellan nivån. Den en är ELDA (El databasen) här läser man per automatik in stadens olika elmätare i en SQL databas. Data används sendan för att göra olika typer av optimeringar tex gällande effekttariffer. Den andra är Energiportalen som är ett formulär som är implementerat med SharePoint och där de olika verksamheterna 1 gång om året måste fylla i hur mycket fjärrvärme och EL de använt i sina verksamheter. Denna används sedan för uppföljning av olika miljömål. Inga av dessa datainsamlingar är dock idag publikt tillgängliga i annat än rapportform för de olika verksamheterna.

Kunddata

En inloggning kan se ut på följande sätt hos din elnätsägare. Ofta så går det att exportera datat eller så kan kan använda det bakomliggande APIet.

Genom att öppna inspektorn klicka på nätverk och ändra dag eller upplösning kan vi se att webbläsaren läser in värden från följande API punkt.

https://www.ellevio.se/api/mypages/energy/consumption/73599910210833XXXX?from=2025-11-30&to=2025-11-30&resolution=QuarterHourly&interval=Daily&customerId=XXXXXXX

Detta fungerar naturligtvis bara så länge vi använder de cookies som definierar sessionen som vi är inloggad på men kan ofta flyttas över till en python instans på en annan dator till och med som kan automatisera processen med att läse ner mera data och från flera olika elmätare.

Svaret kommer i form av JSON kod:

{
"data": {
    "responseStartPeriod": "2025-11-30T00:00:00",
    "responseEndPeriod": "2025-11-30T23:59:59",
    "responseStartWeek": 48,
    "responseEndWeek": 48,
    "responseResolution": "QuarterHourly",
    "showPreviousButton": true,
    "lowestResolution": "QuarterHourly",
    "showNextButton": false,
    "comparePrevious": true,
    "comparePreviousYear": true,
    "energyForPeriod": 149.6337,
    "reactiveEnergyForPeriod": 0.0,
    "consumptions": [
        {
            "normal": 1.3799,
            "high": 0.0,
            "low": 0.0,
            "total": 1.3799,
            "reactive": 0.0,
            "maxPower": null,
            "debMaxPower": null,
            "start": "2025-11-30T00:00:00+01:00",
            "end": "2025-11-30T00:14:59+01:00",
            "dayLightSavingsTime": false,
            "status": "OK",
            "canFilter": false,
            "tooltipText": null,
            "quarters": null
        },
        {
            "normal": 1.32,
            "high": 0.0,
            "low": 0.0,
            "total": 1.32,
            "reactive": 0.0,
            "maxPower": null,
            "debMaxPower": null,
            "start": "2025-11-30T00:15:00+01:00",
            "end": "2025-11-30T00:29:59+01:00",
            "dayLightSavingsTime": false,
            "status": "OK",
            "canFilter": false,
            "tooltipText": null,
            "quarters": null
        },

Under nyckeln "consumptions" hittar vi en lista med alla 15 minuters värden. Start och end är tidsangivelsen för perioden och total är den förbrukande energimängden.

Här finns ett python exempel där vi läser in datat och plottar en graf.

Begräsningar

• Inloggning sker idag allt oftare med BankID och/eller CAPCHA. Ofta kan det krävas att man ansöker om ett särskilt API för att på ett kontinuerligt sätt kunna dra ner sin data.
• Om du klickar på det aggregerade datat för alla dina elmätare kan det även finnas begräsningar i upplösning. Medan vi får 15 minuters data för en enskild elmätare kan vi bara titta på månadsvärden för totalen.
• I vissa fall så blir inte datat tillgänglig förrän efter ett dygn eller flera dygn om den ska kvalitetskontrollerads och det till exempel är helg.

Nationell/elområdes nivå

Det finns två sorters data som kan vara intressant här.

• Vilken elmix som rådde under en aktuell tid.
• Vad elanvändningen var under en aktuell tidpunkt.

Både aktörer så som Svenska Kraftnät och norska Statnett har data som kontinuerligt publiseras på deras hemsidor utan något krav på inloggning. Det finns även sidan: https://transparency.entsoe.eu/. Där vi kan få data för hela Europa. Automatiskt nertagning av data är möjlig men kräver att man begär en API nyckel.

Här kan vi även få ut annan rolig data så tex hur mycket vatten som finns i olika vattenmagasin.

Precis som i excempelt med Ellevio ovan kan vi läsa in data från alla dessa datakällor med Python.

Här är ett exempel där vi läser in energimixen från Statnetts tabell.

Datat kan nu sparas ner i en databas eller anvädas för att ränka fram den aktuella ELmixen/CO2e-värdet.

Energideklarationer

En energideklaration är ett dokument som visar hur mycket energi en byggnad använder och hur effektivt den är konstruerad ur energisynpunkt. Den fungerar ungefär som en energimärkning för vitvaror, fast för hus, och ger en tydlig överblick över byggnadens energiprestanda. Deklarationen innehåller bland annat uppgifter om energianvändning, uppvärmningssystem, ventilation och eventuella rekommenderade åtgärder för att minska energiförbrukningen. Syftet är att ge både fastighetsägare och potentiella köpare eller hyresgäster bättre beslutsunderlag, samtidigt som den uppmuntrar till investeringar i energieffektivisering.

Energideklarationer infördes i Sverige 2006 som en del av EU:s arbete med att minska energianvändningen i byggnader. Systemet bygger på EU:s direktiv om byggnaders energiprestanda (EPBD), och i Sverige är det Boverket som ansvarar för reglerna, tillsynssystemet och det nationella energideklarationsregistret. Syftet är att skapa transparens kring en byggnads energiförbrukning och att identifiera möjliga effektiviseringsåtgärder.

Reglerna för när en energideklaration krävs:

• Vid försäljning av småhus ska en giltig energideklaration finnas.
• Vid uthyrning av byggnader eller lägenheter ska byggnaden vara deklarerad.
• För nybyggda byggnader krävs energideklaration innan slutbesked.
• Större byggnader som ofta besöks av allmänheten (över 250 m²) ska ha en aktuell deklaration och visa upp energiprestanda offentligt.
• Energideklarationen är giltig i tio år, därefter behövs en ny om fastigheten återigen säljs eller hyrs ut.

Systemet har utvecklats löpande, bland annat genom skärpta krav på insamling av data och tydligare riktlinjer för hur energiprestanda ska beräknas. Det övergripande målet är att förbättra energieffektiviteten i byggnadsbeståndet och bidra till nationella klimatmål.

Efterlevnaden av reglerna är idag lite sådär. Många har upprättat en energideklaration men det är inte alltid man uppdaterar den efter 10år och Boverket verkar inte jätte aktiva med att jaga syndare.

Datat kommer du åt via boverkets hemsida där all kan söka och komma åt de mest centrala nyckeltalen i en energideklaration. Datan skyddas dock av Chapcha vilket gör att det inte får att läsa ut data automatiskt. Om man vill göra det måste man i stället ansöka om API tillgång hos Boverket.

Om du testat något av exemplen och körde fast eller bara har någon återkoppling på artikeln så skriv gärna i kommentarsfältet nedan.