Supporting Materials

Downloads

Metodologia

Geração, importações, demanda e emissões

Dados anuais de 2000 a 2023 são gerações brutas, obtidas principalmente no Instituto de EnergiaStatistical Review of World Energy, the Energy Information Administration (EIA), Eurostat e Irena. 2024 Os dados são uma estimativa da geração bruta, com base na geração reunida a partir de dados mensais. Essa estimativa é calculada aplicando alterações absolutas na geração mensal na linha de base anual mais recente. A demanda é calculada como a soma da geração e as importações líquidas e, sempre que possível, validados com números de demanda direta publicados. Como ele usa geração bruta e não inclui perdas de transmissão e distribuição, ele tenderá a ser maior que a demanda do usuário final. 

Net imports from 1990 to 2023 are taken from the EIA and Eurostat, with recent data estimated in the same manner as generation. Demand is calculated as the sum of generation and net imports, and where possible validated against published direct demand figures. Because it uses gross generation and does not include transmission and distribution losses, it will tend to be higher than end-user demand. 

Os dados mensais são coletados para 88 países de mais de 70 fontes, incluindo operadores nacionais de sistemas de transmissão e agências estatísticas, bem como agregadores de dados como ENSO-E. Em alguns casos, os dados são publicados em um atraso mensal; Aqui estimamos os meses recentes com base em nosso modelo de geração.

Os dados mensais geralmente são relatados provisoriamente e estão longe de ser perfeitos. Todo esforço foi feito para garantir a precisão e, sempre que possível, comparamos várias fontes para confirmar sua concordância. Está incluído em muitas metas climáticas governamentais, incluindo a legislação energética renovável da UE, e assim a Ember o inclui em "renovável" para permitir uma comparação fácil com as metas legisladas. No entanto, reconhecemos que a intensidade do carbono do ciclo de vida do ciclo de vida do IPCC é significativamente maior que outros renováveis ​​e nucleares, e isso é incorporado à estimativa de emissões do setor de energia. Mais informações sobre a classificação de fontes de eletricidade de Ember podem ser encontradas no

Bioenergy has typically been assumed (by the IPCC, the IEA, and many others) to be a renewable energy source, in that forest and energy crops can be regrown and replenished, unlike fossil fuels. It is included in many governmental climate targets, including EU renewable energy legislation, and so Ember includes it in “renewable” to allow easy comparison with legislated targets. However, we recognise the IPCC reported lifecycle carbon intensity of bioenergy is significantly higher than other renewables and nuclear, and this is incorporated into our power sector emissions estimate. More information about Ember’s classification of electricity sources can be found in the Metodologia completa para os dados anuais anuais da Ember em "Tipos de combustível". As emissões do setor de energia são baseadas na metodologia dos dados anuais de eletricidade de Ember, que podem ser encontrados

References to CO2 emissions in this report are using CO2 equivalent emissions which include emissions from other greenhouse gases such as methane (CH4). Power sector emissions are based on the methodology from Ember’s Yearly Electricity Data which can be found aqui. Ao usar a análise de regressão com dados de temperatura e demanda mensal de eletricidade, essa análise isola as variações orientadas à temperatura das mudanças estruturais no consumo de eletricidade. Para esse fim, inclui análises em nível de país/região para 14 países e regiões. A análise foi realizada para a Austrália, Brasil, Canadá, China, UE, Índia, Irã, Japão, México, Rússia, África do Sul, Coréia do Sul, Türkiye, Reino Unido e Estados Unidos. Juntos, esses setores de energia representaram 82% da demanda global de eletricidade. O impacto avaliado nos países incluídos é dimensionado para corresponder a 100% da demanda global.

Calculation of temperature impacts on electricity demand

This methodology outlines the approach used to quantify the impact of temperature on global electricity demand. By using regression analysis with temperature data and monthly electricity demand, this analysis isolates temperature-driven variations from structural changes in electricity consumption.

Geographic coverage

The analysis aims to deliver a global level account of temperature effects on demand. For this purpose, it includes country/region-level analysis for 14 countries and regions. The analysis was carried out for Australia, Brazil, Canada, China, the EU, India, Iran, Japan, Mexico, Russia, South Africa, South Korea, Türkiye, the United Kingdom and the United States. Together, these power sectors accounted for 82% of global electricity demand. The assessed impact in included countries is scaled to match 100% of global demand.

Data Sources

Meteorological Data: Temperature data was sourced from the ERA5 reanalysis via Open-Meteo, providing hourly 2-metre temperature.

Electricity Demand Data: Monthly electricity demand data was obtained from Dados mensais de eletricidade da Ember. De 2015 a 2024, dependendo da disponibilidade de dados para cada país. Esse processo ajuda a minimizar a influência de fatores estruturais de longo prazo, como crescimento econômico ou aumento da eletrificação, isolando alterações sazonais e relacionadas à temperatura. Os dados da população foram atribuídos a cada célula da grade e os dados de temperatura horária foram extraídos para o centro de cada célula. ponderado usando a mesma abordagem. Isso garante que as métricas de temperatura reflitam condições em áreas povoadas, onde a demanda de eletricidade é concentrada. Ele também é responsável pela relação não linear entre temperatura e uso de energia. Dias de grau de resfriamento e graus de aquecimento foram definidos da seguinte forma:

Population Data: Population figures were derived from NASA’s Gridded Population of the World dataset, with a resolution of 0.25 degrees (~30 km).

Time Period: The analysis of temperature effects covers the period from 2015 to 2024, depending on the availability of data for each country.

Normalising Monthly Electricity Demand

Monthly electricity demand was normalised by dividing observed demand by its 12-month trailing average. This process helps to minimize the influence of long-term structural factors such as economic growth or increased electrification, isolating seasonal and temperature-related changes.

Temperature Data

A 1-degree resolution grid was created for each country. Population data was assigned to each grid cell, and hourly temperature data was extracted for the centre of each cell.

Population Weighting for temperature and CDD/HDD values

Population weighted temperatures were calculated by weighting temperature for each grid cell by the corresponding population.

Similarly, cooling degree days (CDD) and heating degree days (HDD) values were calculated and weighted using the same approach. This ensures that temperature metrics reflect conditions in populated areas, where electricity demand is concentrated. It also accounts for the non-linear relationship between temperature and energy use. Cooling degree days and Heating degree days were defined as follows:

Dias de grau de resfriamento (CDD): a soma dos graus pelos quais as temperaturas diárias excedem 22 ° C, refletindo a demanda de reflexão. demanda de aquecimento. A análise ajuda a quantificar até que ponto as temperaturas mais altas ou mais baixas geram mudanças no uso mensal de eletricidade.

Heating degree days (HDD): The sum of degrees by which daily temperatures fall below 18°C, reflecting heating demand.

Regression Analysis

To understand the relationship between temperature and electricity demand, we used regression analysis to identify how changes in temperature, measured through cooling degree days and heating degree days, influence electricity demand per country. The analysis helps quantify the extent to which higher or lower temperatures drive changes in monthly electricity use.

Cálculo de anomalias

Temperatura mensal, HDD e anomalias de CDD foram calculadas em relação a uma linha de base de dez anos (2015-2024). O uso de uma linha de base relativamente curta e recente torna as anomalias mais relevantes para as mudanças recentes na demanda de eletricidade. Estes foram então escalados pela demanda normalizada em impactos absolutos no TWH. Para alguns países, os relatórios mensais da demanda podem ser inferiores aos valores relatados anuais. Onde aplicável, os valores de impacto da temperatura derivados de dados mensais foram escalados para corresponder aos números anuais da demanda. As avaliações combinadas no nível do país para as 15 regiões incluídas foram agregadas e dimensionadas para atender à demanda total global de eletricidade de todos os países em 2024.

Calculating Absolute Impact

The impact of temperature on demand was derived by applying the identified relationship of CDD and HDD data and monthly electricity demand to the CDD and HDD anomalies. These were then scaled by normalised demand into absolute impacts in TWh. For some countries, monthly demand reporting can be lower than annual reported values. Where applicable, temperature impact values derived from monthly data were scaled to match annual demand figures. Combined country level assessments for the 15 included regions were aggregated and scaled to match total global electricity demand of all countries in 2024.

Discagração da demanda

O crescimento da demanda de eletricidade do EVS é estimado a partir de alterações no estoque de veículos por veículo, multiplicado por valores de referência para consumo de eletricidade pelo tipo de veículo. Os tipos de veículos incluem carros de passageiros, ônibus, caminhões e vans, para veículos elétricos de bateria e veículos elétricos híbridos plug-in. Os dados históricos das ações são retirados dos IEAs Global EV Data Explorer. O crescimento da demanda em 2024 é estimado usando dados de vendas para carros de passageiros retirados de BNEF, e assume que as taxas de crescimento recentes são mantidas em outros tipos de veículos. Como os dados da IEA remontam apenas a 2019, o mesmo valor para o crescimento da demanda foi usado em 2019 como em 2020, com base na suposição de que o crescimento neste momento era linear (ver

Electricity demand growth from data centres (including cryptocurrency mining) is estimated using IEA data. As IEA data only goes back to 2019, the same value for demand growth was used in 2019 as in 2020, based on the assumption that growth at this point in time was linear (see Avaliação das estimativas históricas do Laboratório Nacional de Lawrence Berkeley). For 2023-2024, IEA projections for cryptocurrency mining have been substituted for real data from Cambridge University’sCambridge Bitcoin Electricity Consumption Index (CBECI) to more accurately estimate cryptocurrency mining electricity consumption growth for recent years. As estimativas para o crescimento da demanda por eletricidade da mineração de criptomoedas são estimadas usando o crescimento da demanda de eletricidade de Bitcoin, dimensionada para atender às estimativas para a demanda total de criptografia em 2022. Bitcoin compõe a grande maioria dos mecanismos de mineração de comprovantes de comprovação de comprovação, que usam a quantidade de temperaturas de mineração de estoques, baseados em mecanismos de comprovação, com base em que a rema de uma quantidade de gestas de comprovação de comprovantes. por consumo médio anual. Os dados para 2024 assumem que o

Electricity demand growth from heat pumps is estimated using changes in stock data, multiplied by annual average consumption. Data for 2024 assumes that the Redução nas vendas nos principais mercados Visto na primeira metade de 2024 continuou ao longo do resto do ano. Instalações. Exceções para alguns países onde os meses finais de 2024 são estimativas baseadas nas taxas de crescimento do mercado nos meses disponíveis. As estimativas para os países restantes são feitas através da análise dos dados de exportação de módulos solares solares chineses. Uma metodologia completa pode ser encontrada

Other data sources

This report makes use of a variety of datasets curated by Ember, including data on exports of Chinese solar PV modules and global solar capacity installations.

A full methodology for Ember’s data on exports of Chinese solar PV modules can be found here.

Solar capacity additions are estimated using available monthly capacity data from national sources for countries that made up 80% of solar capacity additions in 2023. National monthly data is generally available for all of 2024, with exceptions for a few countries where the final months of 2024 are estimates based on market growth rates in available months. Estimates for remaining countries are made through analysis of Chinese solar PV module export data. A full methodology can be found aqui. Visualização

Acknowledgements

Lead Authors

Nicolas Fulghum, Euan Graham

Other authors

Katye Altieri

Data visualisation

Chelsea Bruce-Lockhart, Lauren Orso

Gerenciador de projetos

Josie Murdoch

Editores

Richard Black, Hannah Broadbent

Other contributors

Aditya Lolla, Ardhi Arsala Rahmani, Beatrice Petrovich, Claire Kaelin, Dave Jones, Eva Mbengue, Kavya Sharma, Libby Copsey, Matt Ewen, Neha Rajput, Phil MacDonald, Rashmi Mishra, Reynaldo Dizon, Rini Sucahyo, Sachin Sreejith, Sam Hawkins.

Peer reviewers

A.K. Saxena (Teri), Bryony Worthington (Ember), Hannah Ritchie (nosso mundo em dados), Harry Benham (Ember), Kingsmill Bond (Ember), Nathaniel Bullard (clima de negócios Pte.

Imagem de capa

A capa deste relatório foi projetada por Reynaldo Dizon e é baseada em dados reais usados ​​para a análise neste relatório, mostrando crescimento na energia solar em todo o mundo - como uma parcela de geração e em termos absolutos - nos últimos cinco anos. Para