Analyse EPC en energieverbruik bij woningen
Jan Uitzinger
Amsterdam, 24 juni 2004
IVAM research and consultancy on sustainability Roetersstraat 33 - 1018 WB Amsterdam - Postbus 18180 - 1001 ZB Amsterdam Tel. 020-525 5080, Fax 020-525 5850, internet: www.ivam.uva.nl, e-mail:
[email protected]
2
INHOUDSOPGAVE Samenvatting
5
Inleiding
11
Hoofdstuk 1
Verklaring warmtevraag
15
1.1
Model 1
15
1.2
Model 2
19
1.3
Model 3
20
1.4
Model 4; Het warmtemodel
23
Hoofdstuk 2
Het verband tussen EPC en gedrag
31
2.1
Warm tapwater
31
2.2
Ruimteverwarming
33
Hoofdstuk 3
Warm tapwaterformule
35
3.1
Schatting op basis van watergebruik
35
3.2
Regressieanalyse
37
Bijlage 1
Variabelen
41
Bijlage 2
Correlatiecoëfficiënten
43
Bijlage 3
Huishoudelijk waterverbruik per inwoner
45
3
4
SAMENVATTING In opdracht van SenterNovem is door IVAM een onderzoek uitgevoerd naar de totale warmtevraag in woningen. Onder de totale warmtevraag wordt verstaan de warmtevraag voor ruimteverwarming, warm tapwaterbereiding en koken, indien men op gas kookt. De warmtevraag wordt in dit rapport zowel voor huishoudens die gas verbruiken als voor huishoudens die zijn aangesloten op een warmtenet uitgedrukt in m3 aardgas, en kortweg ‘het gasverbruik’ genoemd. Het onderzoek betreft een groep van 580 huishoudens in woningen met een EPC, variërend van 0,44 tot 1,60 verdeeld over 48 gemeenten in Nederland. Het onderzoek gaat gedetailleerd in op de relatie tussen de warmtevraag en de woningkenmerken, de toegepaste technieken en het gedrag van de bewoners.
Doelstelling De doelstelling van het onderzoek is als volgt geformuleerd: Het verkrijgen van inzicht in de mate waarin het gasverbruik wordt bepaald door de EPC dan wel door andere verklarende factoren. De onderliggende onderzoeksvragen zijn: 1 Wat zijn de verklarende factoren voor de spreiding in het werkelijke gasverbruik en in welke mate wordt daarmee de spreiding verklaard? 2 Is er een verband tussen de hoogte van de EPC en het gebruikersgedrag? 3 Is de huidige warm tapwaterformule bruikbaar voor nieuwbouwwoningen? Zoniet, hoe ziet de warm tapwaterformule voor nieuwbouwwoningen er dan uit?
Uitvoering De variabelen waarop het onderzoek is gebaseerd, zijn in een eerder onderzoek van PRC Bouwcentrum verzameld. IVAM heeft daaraan op basis van de dossiers van de EP berekeningen enkele techniekvariabelen (U-waardes, verliesoppervlak, e.d.) toegevoegd. Het onderzoek is grotendeels uitgevoerd met behulp van zogenaamde Multipele Regressie Analyse. Bij een dergelijke analyse wordt de te verklaren variabele simultaan in verband gebracht met de verklarende variabelen. De tapwaterformule is langs twee wegen getest; met behulp van een schatting op basis van landelijk gemiddelde cijfers van het watergebruik en met behulp van regressie analyse.
5
Conclusies omtrent de warmtevraag Ten aanzien van de eerste onderzoeksvraag, de verklaring van de spreiding in het verbruik, kunnen de onderstaande conclusies worden getrokken. • Het totale, werkelijke gasverbruik spreidt over een bandbreedte van 2200 m3 om het gemiddelde. • Het aandeel in het totale werkelijke verbruik dat gerelateerd is aan de woning en toegepaste technieken spreidt binnen een bandbreedte van ongeveer 1600 m3 • Het aandeel in het totale werkelijke verbruik dat gerelateerd is aan het gedrag spreidt binnen een bandbreedte van 700 m3. • Binnen de woning en de toegepaste technieken dragen de volgende variabelen significant bij aan de verklaring van de warmtevraag: - Het verwarmde vloeroppervlak - Het verliesoppervlak - Het type warmtelevering (warmte of gas) - De RC waarde van de woningschil - Het bezit van een zonneboiler - Het bezit van thermostaatkranen op de woonkamerradiator • Huishoudens met een zonneboiler besparen gemiddeld 200 m3 aardgas. • Huishoudens met een thermostaatkraan op de radiatoren in de woonkamer hebben een hoger verbruik. Gecombineerd met de resultaten van de gedragsanalyse (onderzoeksvraag 2) kan geconcludeerd worden dat zij de verwarming minder snel op een lagere temperatuur zetten. • Het verbruik in woningen waar aardgas wordt gebruikt is hoger dan in woningen die zijn aangesloten op een warmtenet. Dit komt doordat in woningen waar aardgas wordt gebruikt een deel van het geleverde gas verloren gaat door de efficiency van de gasgestookte apparaten. • Voor het feit dat toegepaste technieken als warmteterugwinning, warmtepomp en de waarde van U-glas niet significant bijdragen aan de verklaring van de totale warmtevraag zijn analysetechnische verklaringen te vinden. - De warmtepomp komt niet gespreid voor over alle woningtypen en EPC’s maar uitsluitend in appartementen en binnen een zeer beperkte range van EPC’s. - De waarde van U-glas vertoont sterke samenhang met de (inverse) RC waarde van de woningschil. Doordat de RC waarde betrekking heeft op een veel groter oppervlak dan de waarde van U-glas ‘wint’ de RC-schil het in de verklaring. - De warmteterugwinning komt (vrijwel) niet voor bij woningen met warmtelevering en zeer frequent bij woningen met zonneboiler. Als gevolg wordt door de combinatie van de warmtelevering en het bezit van de zonneboiler al dermate veel variantie in het verbruik verklaard dat er voor de warmteterugwinning geen ruimte voor extra significante verklaring meer over blijft. - Er mag daarom niet geconcludeerd worden dat de warmtepomp, de warmteterugwinning en de U-glas geen bijdrage leveren aan de beperking van de warmtevraag in woningen.
6
• Voor wat betreft de bewoners spelen de volgende factoren een doorslaggevende rol: - Het aantal personen - De stooktemperatuur - Het aantal douches per persoon per week. • Het aantal personen heeft in de regressie analyse gefungeerd als indicator voor de aanwezigheid. Hoe groter het gezin, hoe groter de kans dat er iemand thuis is en er warmte gevraagd wordt. • Het feit dat de in de enquête gemeten aanwezigheid niet bijdraagt aan de verklaring van de warmtevraag heeft naar alle waarschijnlijkheid te maken met onjuiste antwoorden op de betreffende vragen. Het is goed voorstelbaar dat men niet graag in een (niet anonieme) enquête invult dat er bijvoorbeeld ‘op werkdagen overdag nooit iemand thuis is’. • De temperatuur waarop men verwarmt bij aanwezigheid is de sterkst verklarende gedragsvariabele. • Hoe vaker men douchet hoe meer men verbruikt. • Alles bij elkaar genomen wordt met het douche en stookgedrag van de bewoners ongeveer 25% van de variantie in het verbruik verklaard. • Het verbruik en de spreiding in het verbruik dat gerelateerd is aan het bewonersgedrag is voor de verschillende EPC klassen niet wezenlijk verschillend. Dit betekent dat het aandeel van het verbruik dat gerelateerd is aan het gedrag, in lage EPC woningen een relatief grotere rol speelt in de spreiding van het totale verbruik dan in hoge EPC woningen. • Hoe groter het gezin, hoe lager de temperatuur wordt afgesteld. Ofwel, hoe meer mensen er in de huiskamer zitten, des te lager kan de temperatuur worden afgesteld door de persoonlijke warmteafgifte.
Ten aanzien van de tweede onderzoeksvraag, het (mogelijke) effect van de EPC op het gedrag, kunnen onderstaande conclusies worden getrokken. • Het bezit van een zonneboiler werkt besparend op het aantal douches en baden dat men neemt. Er treedt geen rebound effect op. Dat wil zeggen dat men niet vaker douchet ‘omdat het tapwater toch gratis wordt verwarmd of duurzaam wordt opgewekt’ • In woningen met een relatief lage EPC staat de verwarming op een hogere temperatuur afgesteld. Dit kan een rebound effect van de lage EPC zijn, maar het kan ook berusten op kostenbesparing op de energierekening in hoge EPC woningen.
7
Ten aanzien van de derde onderzoeksvraag, de (on)bruikbaarheid van de tapwaterformule in lage EPC woningen, kunnen onderstaande conclusies worden getrokken. • Er wordt een sterke indicatie verkregen dat met de warm tapwaterformule een te grote warmtevraag wordt berekend. Enige voorzichtigheid is echter geboden omdat de landelijk gemiddelde cijfers zijn bepaald op basis van een onderzoekspopulatie die representatief is voor Nederland. De onderzoekspopulatie van het onderhavige onderzoek is dat echter niet. De gemiddelde gezinsgrootte bedraagt namelijk 2,8 personen terwijl het landelijk gemiddelde 2,4 bedraagt. • Indien de warmtevraag voor warm tapwater in de studie van PRC Bouwcentrum te hoog is berekend, is de warmtevraag voor ruimteverwarming dientengevolge te laag berekend.
Conclusies omtrent de regressieanalyse. • De factoren die de spreiding in het werkelijke gasverbruik verklaren hebben betrekking op de woning, de toegepaste technieken en de bewoners. Multipele Regressie Analyse is uitstekend geschikt om de spreiding ten gevolge van de verschillende factoren te analyseren. • Voorwaarde voor een goede regressieanalyse is dat de verklarende variabelen onderling gespreid voorkomen.
Aanbevelingen Ten aanzien van de warmtevraag ♦ Het is aan te bevelen om bij de bouw van woningen, naast het aanbrengen van energiebesparende maatregelen, ook te letten op de omvang van de woning in het algemeen en de omvang van het verwarmde oppervlak in het bijzonder. ♦ Het is aan te bevelen om met name in lage EPC woningen te letten op het verbruikersgedrag. ♦ Het is aan te bevelen om radiatoren niet standaard te voorzien van thermostaatkranen. Ten aanzien van de regressieanalyse ♦ Het is aan te bevelen om het bestand met een aantal woningen aan te vullen die zó zijn geconstrueerd dat de relatieve bijdrage van de warmteterugwinning, de warmtepomp en Uglas bepaald kunnen worden met een multipele regressie analyse. Dit is mogelijk door extra, nieuwe metingen aan het bestand toe te voegen of andere, bestaande metingen aan het gedrag toe te voegen, of beide.
8
Ten aanzien van de warm tapwater formule ♦ Het is aan te bevelen om een warm tapwaterformule te construeren die is gebaseerd op het watergebruik voor de verschillende functies: bad, douche, wastafel, toiletspoeling, wassen op de hand, wasmachine, afwassen met de hand, afwasmachine, voedselbereiding en overig. Gegevens omtrent deze deelverbruiken, afhankelijk van de gezinsgrootte, zijn beschikbaar.
9
10
INLEIDING In opdracht van SenterNovem is door IVAM een onderzoek uitgevoerd naar de totale warmtevraag in woningen. Onder de totale warmtevraag wordt verstaan de warmtevraag voor ruimteverwarming, warm tapwater bereiding en koken, indien men op gas kookt. Het onderzoek betreft een groep van 580 huishoudens in woningen met een EPC, variërend van 0,44 tot 1,60, verdeeld over 48 gemeenten in Nederland. Het is een vervolg op een onderzoek dat in 2003 door PRC Bouwcentrum is uitgevoerd1. In dat onderzoek werd voornamelijk gekeken naar de relatie tussen EPC en energieverbruik. Het databestand dat hiervoor door PRC Bouwcentrum is opgebouwd is door IVAM gebruikt in het vervolgonderzoek. Dit vervolgonderzoek gaat dieper in op de relatie tussen de warmtevraag en de woningkenmerken, de toegepaste technieken en het gedrag van de bewoners. Het onderzoek betreft huishoudens die gas geleverd krijgen en huishoudens die warmte geleverd krijgen. De totale warmtevraag wordt kwantitatief uitgedrukt als ‘het totale gasverbruik’ in m3. Bij huishoudens die aangesloten zijn op een warmtenet wordt de totale warmtevraag dus omgerekend van de geleverde warmte naar m3 aardgas2.
Doelstelling en onderzoeksvragen De doelstelling van het onderzoek is als volgt geformuleerd: Het verder verdiepen van het inzicht in de mate waarin het gasverbruik wordt bepaald door de EPC dan wel door andere verklarende factoren. De onderliggende onderzoeksvragen die in deze rapportage worden beantwoord luiden: 1 Wat zijn de verklarende factoren voor de spreiding in het werkelijke gasverbruik en in welke mate wordt daarmee de spreiding verklaard? 2 Is er een verband tussen de hoogte van de EPC en het gebruikersgedrag? 3 Is de huidige warm tapwaterformule nog bruikbaar voor nieuwbouwwoningen? Zoniet, hoe ziet de warm tapwaterformule voor nieuwbouwwoningen er dan uit?
Uitvoering Het onderzoek is grotendeels uitgevoerd met behulp van zogenaamde Multipele Regressie Analyse. Bij een dergelijke analyse wordt de te verklaren variabele simultaan in verband gebracht met de verklarende variabelen. In hoofdstuk 1 wordt dit nader toegelicht. Omdat het voor de regressieanalyse gewenst is om de techniek waarop de EPC is gebaseerd mee te nemen in de analyse, zijn de belangrijkste techniekvariabelen toegevoegd aan het 1 2
Bos, J.G. EPC en energieverbruik nieuwbouwwoningen. PRC Bouwcentrum, Utrecht, 2004 Volgens 1 m3 = 35.2 MJ
11
bestand dat door PRC Bouwcentrum is opgebouwd. Hiertoe is gebruik gemaakt van de dossiers van de EP berekeningen. Van de woningen in de gemeente Almere ontbraken de dossiers. Van de woningen in de gemeentes Leeuwarden en Heerhugowaard zijn geen techniekvariabelen ingevoerd omdat van alle woningen het gasverbruik ontbreekt en ze daarom toch niet in de analyse meedoen. De U-waardes van het dak, de gevel en de vloer en de U-glas zijn ingevoerd. Tevens zijn de efficiency van de warmteterugwinning (0 als geen terugwinning) en het verliesoppervlak ingevoerd. Bovendien zijn de werkelijk gemeten gas en warmte verbruiken (zonder graaddagen correctie) toegevoegd evenals de periode tussen het betrekken van de woning en de eerste datum van de meetperiode van het verbruik. Dit laatste is gedaan om te kunnen onderzoeken of het ‘droogstoken’ een effect heeft op het energieverbruik. Na het invoeren van deze variabelen bleek dat van 491 woningen de techniekvariabelen en de verbruiken ‘compleet’ zijn. Tenslotte is de set variabelen nog uitgebreid met enkele geconstrueerde variabelen. Op basis van de U-waardes van vloer, gevel en dak is de RC-waarde van de schil benaderd met de waarde RCSCHIL = 1/3 x (1/Uvloer + 1/Ugevel + 1/Udak) De temperaturen waarop men bij aanwezigheid overdag, ’s avonds en ’s nachts stookt zijn gemiddeld tot ‘de stooktemperatuur’ (STOOKT). Tabel 1 toont de variabelen waarmee de analyse is uitgevoerd Leeswijzer De drie hoofdstukken beschrijven de analyse van de drie respectievelijke onderzoeksvragen. In hoofdstuk 1 wordt de methodiek van een regressieanalyse, de eerste maal dat deze wordt toegepast (in model 1), in een apart kader toegelicht. Ook zijn hoofdstuk 1 toelichtingen opgenomen van de ‘output’ van een regressie analyse (de regressietabel) en van de presentatie van de resultaten in een zogenaamde box-plot. In Bijlage 1 is een tabel opgenomen waarin van iedere variabele uit tabel 1 het aantal observaties, de gemiddelde waarde en de spreiding is weergegeven. In Bijlage 2 is een tabel opgenomen waarin de correlatiecoëfficiënten zijn weergegeven tussen de warmtevraag en de variabelen uit tabel 1. Bijlage 3 heeft betrekking op het watergebruik in Nederland.
12
Tabel 1
De variabelen
Variabele| Omschrijving ---------+----------------------------------------------------------------WARMTE | totale warmtevraag (ruimteverwarming, warm tapwater en koken) TYPEWON | type woning (1=appartement, 2=rijtje, 3=2/1 kap,4 = villa) WOPP | verwarmd vloeroppervlak (m2) VERLOPP | verliesoppervlak (m2) EPC | EPC waarde WLEV | Levering warmte (0/1) ZONB | bezit zonneboiler (0/1) WP | bezit warmtepomp (0/1) UDAK | U-waarde dak (W/Km2) UGEVEL | U-waarde gevel (W/Km2) UVLOER | U-waarde vloer (W/Km2) RCSCHIL | Rc-waarde schil (Km2/W) UGLAS | U-waarde glas (W/Km2) NWTW | efficiency warmteterugwinning (0 … 1) SPAARD | bezit spaardouchekop (0/1) THDKR | bezit thermostaatkraan op douche (0/1) BAD | bezit (bad) THWKR | bezit thermostaatkraan woonkamer DROOG | droogstookperiode NPERS | aantal personen EIGEN | eigenaar woning (0/1) NDOUCHE | aantal douches per week NDPP | aantal douche per persoon per week NBPP | aantal baden per persoon per week WEEKDAG | aanwezigheid werkdagen overdag (1 … 3) WEEKAV | aanwezigheid werkdagen avond (1 … 3) WEEKEND | aanwezigheid weekend (1 … 3) TDAG | stooktemperatuur overdag TAVO | stooktemperatuur avond TNAC | stooktemperatuur nacht STOOKT | stooktemperatuur etmaal PROGT | bezit programmeerbare thermostaat NVERT | aantal verwarmde ruimtes BOUW | woning verbouwd (0/1) WOONVENT | mate waarin woonkamer wordt geventileerd (1 … 5) KEUVENT | mate waarin keuken wordt geventileerd (1 … 5) SLAAPV | mate waarin slaapkamer wordt geventileerd (1 … 5) OVVENT | mate waarin overige vertrekken worden geventileerd (1 … 5) ---------------------------------------------------------------------------
13
14
HOOFDSTUK 1.
VERKLARING WARMTEVRAAG
Het uiteindelijke warmtemodel is geconstrueerd met behulp van Multipele Regressie Analyse. Hierbij is uitgegaan van een eenvoudig model waar stap voor stap variabelen aan zijn toegevoegd. Op die manier is het mogelijk om goed inzichtelijk te krijgen hoe het warmtemodel in elkaar zit. De analyse is in de volgende stappen uitgevoerd: -
Model1; een eenvoudig model, gebaseerd op het type woning en de EPC Model2; benadering van het gedrag van huishoudens door aan het eenvoudige model het aantal personen toe te voegen. Model3; vervangen van het type woning en de EPC door onderliggende techniekvariabelen Model4; vervangen van het aantal personen door onderliggende gedragsvariabelen.
De regressie analyses worden telkens cijfermatig weergegeven in een regressietabel en grafisch weergegeven in een zogenaamde box-plot. De methodiek van de regressie analyse, de regressietabel en de box-plot worden bij Model1 uitgebreid toegelicht.
1.1
Model 1
In een eenvoudig model (Model1) wordt de warmtevraag verklaard door het type woning en de EPC. Toelichting bij de regressie analyse De essentie van een regressie analyse is dat de verklarende variabelen (in dit geval de EPC en het type woning) tegelijk meedoen in de verklaring van de te verklaren variabele (in dit geval de totale warmtevraag) In feite komt het er op neer dat een set van N vergelijkingen met M onbekenden wordt opgelost. Indien er bijvoorbeeld twee verklarende variabelen zijn en slechts twee vergelijkingen lossen we de volgende set vergelijkingen op: Y1 = a1 x N1,1 + a2 x N2,1 Y2 = a1 x N1,2 + a2 x N2,2 Indien N1 bijvoorbeeld staat voor het aantal “appels” en N2 staat voor het aantal “peren” en Y staat voor de totale kosten die hiervoor zijn gemaakt, levert het oplossen van deze set vergelijkingen de prijs per appel en de prijs per peer. De ‘meting’ levert bijvoorbeeld het volgende resultaat: 10,25 = a1 x 10 + a2 x 15 12,70 = a1 x 8 + a2 x 22 De oplossing is nu a1 = 0,35 en a2 = 0,45 Omdat er sprake is van slechts één prijs a1 en één prijs a2 is de set vergelijkingen exact oplosbaar. Indien we nu, in ons voorbeeld, 300 kassabonnen willen analyseren van de aankoop van 9 verschillende producten waarbij tussen de kassabonnen onderling het aantal producten per soort varieert en tevens de prijs per product varieert (omdat de producten in 300 verschillende winkels zijn gekocht) kunnen we die set van 300 vergelijkingen met 10 onbekenden niet meer volgens de normale rekenkundige manier exact oplossen maar moeten we een statistische methode hanteren. Dat is nu juist de Multipele Regressie Analyse. Het resultaat van de analyse is dat we voor ieder product dié
15
gemiddelde prijs vinden die de set van vergelijkingen het beste oplost. Een deel van het verbruik wordt niet verklaard, deze ‘onverklaarde rest’ noemen we het residu van de analyse. In bovenstaande set vergelijkingen geldt dat Y = 0 als N = 0. In het regressiemodel dat in dit rapport wordt gebruikt is de waarde ‘nul’ voor sommige variabelen niet realistisch. Als gevolg hiervan moet het model een constante C bevatten. In het tweedimensionale geval zouden we dan de lijn Y = b + aX krijgen. In de onderhavige regressie analyse willen we de totale warmtevraag van 580 woningen verklaren door de variantie die in het verbruik zit, te verklaren met een aantal variabelen die te maken hebben met de woning, met de techniek in de woning en met het gedrag van de bewoners. Bijlage 2 laat zien dat er ongeveer 20 variabelen zijn die een sterk verband hebben met de totale warmtevraag. Maar omdat die variabelen onderling soms ook een sterk verband hebben zullen ze niet alle twintig een rol gaan spelen in de regressie analyse. Maar indien er bijvoorbeeld 10 variabelen overblijven die de totale warmtevraag goed kunnen verklaren zijn er veel woningen nodig om hiermee een betrouwbaar regressiemodel te kunnen ‘bouwen’. We zouden ook een analyse uit kunnen voeren per type woning of per EPC-klasse. In dat geval zakt het aantal woningen dat aan iedere van de regressieanalyses meedoet en daarmee ook het aantal verklarende variabelen dat in de analyse meegenomen kan worden. Anders gezegd, het scheidend vermogen van de analyse neemt af. Bovendien krijgen we dan vier analyses met vier verschillende sets oplossingen die vervolgens weer in onderling verband geïnterpreteerd moeten worden. In de regressie analyses in dit rapport wordt daarom steeds gebruik gemaakt van één regressiemodel waarin alle waarnemingen zijn gestopt. Wel is het soms inzichtelijk om de resultaten per EPC-klasse of per woning type grafisch weer te geven.
De regressie analyse die met Model1 wordt uitgevoerd lost de volgende set vergelijkingen op: WARMTEi = C + A1 x TYPEWONi + A2 x EPCi + R
(1)
waarin, i = 1, . . . , 580 C = de constante (zie toelichting bij de regressieanalyse) TYPEWON = 1, 2, 3, 4 (appartement – rijtje - 2/1kap - villa) EPC is de waarde die door bouwadviesbureaus is uitgerekend op basis van een set gegevens (zoals U-waardes, afmetingen, installaties, etc) en varieert van 0,44 tot 1,60. R is de ‘onverklaarde rest’ ofwel het residu
16
Regressiemodel 1 Source | SS df MS ---------+-----------------------------Model | 68415847.1 2 34207923.6 Residual | 131899546 577 228595.401 ---------+-----------------------------Total | 200315394 579 345967.865
Number of obs F( 2, 577) Prob > F R-squared Adj R-squared Root MSE
= = = = = =
580 149.64 0.0000 0.3415 0.3393 478.12
-----------------------------------------------------------------------------WARMTE | Coef. Std. Err. t P>|t| Beta ---------+-------------------------------------------------------------------TYPEWON | 293.2355 19.22461 15.253 0.000 .5158907 EPC | 904.1869 122.0961 7.406 0.000 .2504695 _cons | -383.6691 133.6608 -2.870 0.004 . ------------------------------------------------------------------------------
Toelichting bij de regressie tabel. De tabel laat zien dat de analyse berust op 580 waarnemingen (Number of obs). Voor die 580 waarnemingen (woningen) is met de analyse de set van 580 vergelijkingen met 3 onbekenden (C, A1, A2) opgelost, De analyse berekent de waarden van de coëfficiënten (binnen een zekere bandbreedte (Std. Err.) die de beste benadering van de gemeten WARMTE oplevert. Het model voor de warmtevraag op basis van type woning en EPC luidt dus 3
MODEL_1 (m ) = - 383,7 + 293,2 x TYPEWONING + 904,2 x EPC
(2)
Op basis hiervan kan bijvoorbeeld ‘voorspeld’ worden dat in een villa (TYPEWONING = 4) met een 3 EPC van 1,2 de totale warmtevraag (gemiddeld) 1873,9 m zal bedragen De Beta in de regressietabel leert dat het type woning 52% van de variantie in het gasverbruik verklaart en de EPC 25%. De waarde P is een maat voor de betrouwbaarheid van de coëfficiënt en kan geïnterpreteerd worden als de kans (0-1) dat de verklaring met de desbetreffende variabele op toeval berust. De kans dat het type woning en de EPC het verbruik verklaren kan dus niet (p=0) op toeval berusten. De kans dat de gevonden constante op toeval berust bedraagt 0,4%. 2
De R in de tabel (R-squared) zegt iets over de kwaliteit van de ‘fit’ als geheel. De modelwaardes 2 correleren met een R van 0,34 ofwel een R van 0,58. Dit betekent dat een groot deel van de modelwaardes sterk overeenkomt met de werkelijke waardes. Indien alle modelwaardes volledig zouden overeenkomen (op een constante na) met de werkelijke waardes, zou de regressiecoëfficiënt R gelijk aan 1 zijn. Indien er geen enkel verband is tussen de modelwaardes en de werkelijke waardes, is de regressiecoëfficiënt gelijk aan 0. Bij N = 580 is er al sprake van een significant verband indien R > 0,06.
Figuur 1 toont de werkelijke waardes en de modelwaardes uit de formule (1), beide uitgezet als ‘box-plot’ per woningtype.
17
warmtevraag (grdg corr)
TYPEW EPC
5000
4000
3000
2000
1000
0 1
appartement
2
rijtje
3
2/1 kap
4
villa
Figuur 1. gemeten en berekende warmtevraag (m3) per woningtype. Toelichting bij de ‘box-plot’ Voor ieder woningtype is de linker ‘box’ steeds de weergave van het werkelijke verbruik en de rechter box de met het model berekende waardes. De horizontale lijn door een box is de mediaan. Dat wil zeggen dat in dit voorbeeld bij de appartementen 50% van de huishoudens een verbruik heeft dat 3 groter is dan ongeveer 800 m en 50% een verbruik lager dan 800 m3. De box zelf geeft 50% van de waarnemingen weer. De staarten geven de bovenste en onderste 25 % van de waarnemingen weer. 3 Alle appartementen hebben dus een verbruik tussen (ongeveer) 300 en 2000 m . Indien er enkele uitschieters voorkomen worden die als cirkels weergegeven. Op basis van de vorm van de box kunnen we concluderen dat het verbruik in de rijtjeswoningen vrijwel ‘normaal’ verdeeld is. In de villa daarentegen heeft het verbruik een veel grotere staart in de richting van de grote verbruiken, met een aantal zeer grote uitschieters.
In figuur 1 zien we dat het verbruik in de ‘opvolgende’ woningtypen gemiddeld steeds groter is. Maar, tegelijk is te zien dat huishoudens in een appartement een groter verbruik kunnen hebben dan huishoudens in een villa. Te zien is in figuur 1 dat, gemiddeld genomen, het model al heel aardig de meting beschrijft. De spreiding in de modelwaardes is echter veel kleiner dan de spreiding in het werkelijke verbruik. Dit is logisch aangezien binnen één type woning alleen de EPC varieert in model 1. In bijvoorbeeld rijtjeswoningen varieert de EPC (in het databestand) van ongeveer 0,6 tot 1,2). Dat wil zeggen dat ook de modelwaardes hooguit een variatie van een factor 2 kunnen vertonen. Consequentie is dat een vrij groot deel van de variantie in het verbruik onverklaard blijft.
18
1.2
Model 2
Als indicator voor ‘aanwezigheid’ en ‘gedrag’ is het aantal personen (NPERS) aan het model toegevoegd. Aangezien per woningtype, en daar binnen per EPC, het aantal personen zal variëren mag verwacht worden dat er met Model2 meer variantie verklaard wordt. Regressiemodel 2 Source | SS df MS ---------+-----------------------------Model | 71653179.6 3 23884393.2 Residual | 128662214 576 223371.899 ---------+-----------------------------Total | 200315394 579 345967.865
Number of obs F( 3, 576) Prob > F R-squared Adj R-squared Root MSE
= = = = = =
580 106.93 0.0000 0.3577 0.3544 472.62
-----------------------------------------------------------------------------WARMTE | Coef. Std. Err. t P>|t| Beta ---------+-------------------------------------------------------------------TYPEWON | 256.9893 21.25536 12.091 0.000 .4521224 EPC | 963.8237 121.7055 7.919 0.000 .2669895 NPERS | 64.97516 17.06742 3.807 0.000 .1428189 _cons | -542.735 138.5741 -3.917 0.000 . ------------------------------------------------------------------------------
Het model laat zien dat de verklaarde variantie door het type woning voor een deel berustte op het aantal personen. De verklaarde variantie door het type woning zakt namelijk van 52% (bij Model1) naar 45% (in Model2) Dit komt door de samenhang tussen aantal personen en type woning (hoe groter de woning hoe meer personen). De box-plot van gemeten en berekende modelwaardes is weergegeven in figuur 2. warmtevraag (grdg corr)
TYPEW EPC NPERS
5000
4000
3000
2000
1000
0 1
appartement
2
rijtje
3
2/1 kap
4
villa
Figuur 2. Gemeten en berekende warmtevraag (m3) per woningtype.
19
Te zien is dat met Model2 inderdaad meer variantie wordt verklaard. De boxen van de modelwaardes zijn namelijk groter dan in figuur 1. In eerste orde benadering kunnen we vaststellen dat het gasverbruik in een woning het sterkst wordt verklaard door het woningtype, dan door de EPC en tenslotte door het aantal bewoners. Er blijft echter een relatief groot deel onverklaard.
1.3
Model 3
Voor de eerste verbeterstap op Model2 is gezocht naar die variabelen die te maken hebben met de woning en de EPC maar waarmee WARMTE beter verklaard kan worden dan met TYPEWON en de EPC zelf. Dat in Model2 het type woning in de verklaring een doorslaggevende rol speelt is vrij logisch, hoe groter de woning en hoe meer vrijstaand, des te groter is het verbruik voor ruimteverwarming. Tabel 2 toont dan ook dat het verwarmde oppervlak (WOPP) en het verliesoppervlak (VERLOPP) beide sterk correleren met het woningtype. En het verliesoppervlak correleert sterk met het verwarmde oppervlak. Tabel 2 Correlatiecoëfficiënten tussen type woning en oppervlaktes | TYPEWON WOPP ---------+-------------------TYPEWON | 1.0000 WOPP | 0.6679 1.0000 VERLOPP | 0.7398 0.8089
Omdat er binnen één type woning variatie zit in de oppervlaktes mag verwacht worden dat deze twee variabelen samen het verbruik beter verklaren dan het type woning. Dit wordt bevestigd wanneer we in Model3a deze variabelen aan Model2 toevoegen. Regressiemodel 3a Source | SS df MS ---------+-----------------------------Model | 88134023.4 5 17626804.7 Residual | 93105018.3 518 179739.418 ---------+-----------------------------Total | 181239042 523 346537.365
Number of obs F( 5, 518) Prob > F R-squared Adj R-squared Root MSE
= = = = = =
524 98.07 0.0000 0.4863 0.4813 423.96
-----------------------------------------------------------------------------WARMTE | Coef. Std. Err. t P>|t| Beta ---------+-------------------------------------------------------------------TYPEWON | 26.85704 27.81166 0.966 0.335 .0476447 WOPP | 5.505798 1.036093 5.314 0.000 .3059109 VERLOPP | 1.78893 .3642058 4.912 0.000 .3038203 EPC | 679.7439 121.7403 5.584 0.000 .1827539 NPERS | 29.92491 17.32126 1.728 0.085 .0652866 _cons | -700.6674 142.6735 -4.911 0.000 . ------------------------------------------------------------------------------
20
In de tabel is te zien dat door toevoeging van de oppervlaktes het type woning een ‘nutteloze’ variabele geworden, de P is gezakt van 0.000 naar 0.335. De EPC wordt berekend aan de hand van de techniekvariabelen en de oppervlaktes. Omdat de oppervlaktes in Model3 zijn gestopt is bijdrage van de EPC aan de verklaring van het verbruik inderdaad afgenomen . Vergeleken met Model2 is de coëfficiënt namelijk gezakt van 964 naar 680 en de Bèta van 27% naar 18%. Maar, de EPC levert nog steeds een significante bijdrage (P = 0.000). Techniekvariabelen die aan het model kunnen worden toegevoegd opdat de verklaring beter wordt en de EPC in het model geen rol meer speelt, zijn opgenomen in tabel 3.
Tabel 3
Techniekvariabelen
Variabele| Omschrijving --------------------------------------------------------WLEV | Levering warmte (0/1) ZONB | bezit zonneboiler (0/1) WP | bezit warmtepomp (0/1) UDAK | U-waarde dak (W/Km2) UGEVEL | U-waarde gevel (W/Km2) UVLOER | U-waarde vloer (W/Km2) RCSCHIL | Rc-waarde schil (Km2/W) UGLAS | U-waarde glas (W/Km2) NWTW | efficiency warmteterugwinning (0 … 1) THDKR | bezit thermostaatkraan op douche (0/1) BAD | bezit (bad) THWKR | bezit thermostaatkraan woonkamer PROGT | bezit programmeerbare thermostaat ---------------------------------------------------------
Het model dat op basis van variabelen van de woning en de (woning)techniek het best verklaard is weergegeven in onderstaande tabel (Model3) Regressiemodel 3 Source | SS df MS ---------+-----------------------------Model | 77882808.7 7 11126115.5 Residual | 73308639.6 429 170882.61 ---------+-----------------------------Total | 151191448 436 346769.377
Number of obs F( 7, 429) Prob > F R-squared Adj R-squared Root MSE
= = = = = =
437 65.11 0.0000 0.5151 0.5072 413.38
-----------------------------------------------------------------------------WARMTE | Coef. Std. Err. t P>|t| Beta ---------+-------------------------------------------------------------------WOPP | 5.186814 1.194872 4.341 0.000 .2734767 VERLOPP | 1.947952 .3480475 5.597 0.000 .3307305 WLEV | -346.1549 47.40867 -7.302 0.000 -.274605 ZONB | -218.0315 68.1676 -3.198 0.001 -.1447225 RCSCHIL | -117.433 62.46356 -1.880 0.061 -.0800536 THWKR | 105.6487 44.79323 2.359 0.019 .0866418 NPERS | 35.44023 17.67719 2.005 0.046 .0778103 _cons | 551.6584 227.0984 2.429 0.016 . ------------------------------------------------------------------------------
21
Te zien is in de regressietabel dat de EPC is vervangen door WLEV (warmtelevering) ZONB (bezit zonneboiler) RCSCHIL (RC waarde van de woningschil) en THWKR (bezit thermostaat op radiator in de woonkamer) Opvallend is dat het bezit van een thermostaatkraan op de radiator in de woonkamer het verbruik verhoogd. Verder is opvallend dat de warmtepomp, de warmteterugwinning en de waarde van U-glas geen rol blijken te spelen in de verklaring van de warmtevraag. Hiervoor zijn echter analysetechnische verklaringen te vinden. - De warmtepomp komt niet gespreid voor over alle woningtypen en EPC’s maar uitsluitend in de appartementen en binnen een zeer beperkte range van EPC’s. - De waarde van UGLAS valt sterk samen met de (inverse) waarde van RCSCHIL. In het model kan RCSCHIL vervangen worden door UGLAS maar RCSCHIL verklaart de warmtevraag beter dan UGLAS en indien beide variabelen samen in de regressie analyse worden meegenomen ‘verliest’ de UGLAS het van RCSCHIL. Op zich is dit niet onlogisch omdat de RCSCHIL op een veel groter oppervlak betrekking heeft dan UGLAS. - De warmteterugwinning komt (vrijwel) niet voor bij woningen met warmtelevering en zeer frequent bij woningen met zonneboiler. Als gevolg wordt door het ‘duo’ WLEV en ZONB al zoveel variantie in het verbruik verklaard dat er voor de warmteterugwinning geen ruimte voor extra significante verklaring meer over blijft. Kortom, voor het feit dat deze drie variabelen geen bijdrage leveren aan de regressieanalyse kan een analysetechnische verklaring gevonden worden. Er mag daarom niet geconcludeerd worden dat de warmtepomp, de warmteterugwinning en de U-glas geen bijdrage leveren aan de beperking van de warmtevraag in woningen. Het zou wel aan te bevelen zijn om het bestand met een aantal woningen aan te vullen die zó zijn geconstrueerd dat de relatieve bijdrage van deze drie variabelen wel is te onderzoeken in een multipele regressie analyse. Dit is bijvoorbeeld mogelijk door ófwel nieuwe metingen te verrichten bij woningen die juist de ‘witte vlekken’ in het bestand opheffen, ófwel door gebruik te maken van eerder uitgevoerde metingen, mits die (in vlodoende mate) de gebreken in het bestand opheffen, of beide.
22
1.4
Model 4: Het Warmtemodel
In de laatste verbeterstap worden vervolgens variabelen toegevoegd aan het regressiemodel die te maken hebben met de aanwezigheid en het gedrag van de bewoners. Zie tabel 4. Tabel 4
Variabelen die te maken hebben met de bewoners
Variabele| Omschrijving --------------------------------------------------------SPAARD | bezit spaardouchekop (0/1) BOUW | woning verbouwd (0/1) NPERS | aantal personen EIGEN | eigenaar woning (0/1) NDOUCHE | aantal douches per week NDPP | aantal douche per persoon per week WEEKDAG | aanwezigheid werkdagen overdag (1 … 3) WEEKAV | aanwezigheid werkdagen avond (1 … 3) WEEKEND | aanwezigheid weekend (1 … 3) TDAG | stooktemperatuur overdag TAVO | stooktemperatuur avond TNAC | stooktemperatuur nacht STOOKT | stooktemperatuur etmaal NVERT | aantal verwarmde ruimtes WOONVENT | mate waarin woonkamer wordt geventileerd (1 … 5) KEUVENT | mate waarin keuken wordt geventileerd (1 … 5) SLAAPV | mate waarin slaapkamer wordt geventileerd (1 … 5) OVVENT | mate waarin overige vertrekken worden geventileerd (1 … 5) DROOG | droogstookperiode ---------------------------------------------------------
Het volgende model blijkt de beste verklaring te geven van de warmtevraag (Model4)
Regressiemodel 4 Source | SS df MS ---------+-----------------------------Model | 75461757.1 9 8384639.68 Residual | 65094597.5 398 163554.265 ---------+-----------------------------Total | 140556355 407 345347.308
Number of obs F( 9, 398) Prob > F R-squared Adj R-squared Root MSE
= = = = = =
408 51.27 0.0000 0.5369 0.5264 404.42
-----------------------------------------------------------------------------WARMTE | Coef. Std. Err. t P>|t| Beta ---------+-------------------------------------------------------------------WOPP | 5.640083 1.241911 4.541 0.000 .2942484 VERLOPP | 1.655795 .3550458 4.664 0.000 .2832446 WLEV | -388.6686 48.43203 -8.025 0.000 -.3079081 ZONB | -192.3125 70.36708 -2.733 0.007 -.1249073 RCSCHIL | -112.9205 64.9345 -1.739 0.083 -.0750342 THWKR | 149.6586 45.73622 3.272 0.001 .1225925 NPERS | 50.02013 18.09801 2.764 0.006 .1117081 STOOK | 80.60382 15.89663 5.070 0.000 .1774636 NDPP | 16.50409 8.215688 2.009 0.045 .070517 _cons | -1085.534 398.1627 -2.726 0.007 . ------------------------------------------------------------------------------
23
Interpretatie van het warmtemodel - De sterkste verklaring van de warmtevraag wordt geleverd door het verwarmde oppervlak van de woning en het verliesoppervlak. - In woningen waar warmte geleverd wordt, is het energieverbruik lager dan in woningen die gas geleverd krijgen. Deze “besparing” wordt veroorzaakt doordat in woningen die gas geleverd krijgen een deel van de energie verloren gaat door de efficiency van de gasgestookte apparaten. Men moet immers, bij een efficiency van bijvoorbeeld 90%, 111 m3 verbruiken voor iedere 100 m3 warmtevraag. - Huishoudens met een zonneboiler besparen bijna 200 m3 ten opzichte van huishoudens zonder zonneboiler. - Hoe hoger de RC waarde van de schil, hoe lager het verbruik. - Het aantal personen3 blijft een verklarende factor voor het verbruik. Dit kan o.a. te maken met de ‘aanwezigheid’. De variabelen van de aanwezigheid (WEEKDAG-WEEKAVWEEKEND) leveren namelijk geen significante bijdrage in de regressie analyse. Wellicht zijn de enquêtevragen naar aanwezigheid niet 100% naar waarheid ingevuld. Het is voorstelbaar dat men niet graag in een enquête invult dat er bijvoorbeeld ‘op werkdagen overdag nooit iemand thuis is’. Het aantal personen heeft wellicht de rol als indicator voor de aanwezigheid overgenomen. Hoe meer personen, hoe groter immers de kans dat er iemand aanwezig is. - Huishoudens met een thermostaatkraan op de radiatoren in de woonkamer hebben een hoger verbruik. Kennelijk stellen ze de verwarming op een hogere temperatuur af, of zijn ze geneigd om hem minder snel lager te zetten bij afwezigheid, of beide. Nadere analyse toont aan dat ze de verwarming minder snel op een lagere temperatuur zetten. Zie Hoofdstuk 3. - De temperatuur waarop men verwarmt bij aanwezigheid is de sterkst verklarende gedragsvariabele. De stooktemperatuur verklaart 18% van de variantie in de warmtevraag. - Hoe vaker men douchet hoe meer men verbruikt. Met het douchegedrag wordt 7% van de variantie in de warmtevraag verklaard. - Ongeveer 11% van de variantie in de warmtevraag wordt verklaard door de aanwezigheid van de bewoners. Hierin kan echter ook een aandeel zitten dat nog toe te schrijven is aan gedrag, maar dat niet als zodanig is geanalyseerd omdat er in de enquête niet naar is gevraagd en er dus geen variabele van bekend is. - Alles bij elkaar genomen wordt met het douche en stookgedrag van de bewoners ongeveer 25% van de variantie in het verbruik verklaard. Aanwezigheid en gedrag tezamen verklaren ruim eenderde van het verbruik. De coëfficiënten in de regressietabel geven een indruk van het effect dat de variabelen kunnen hebben op het verbruik. Een extra verwarmd oppervlak van 10 m2 en een extra verliesoppervlak van 40 m2 veroorzaken bijvoorbeeld ongeveer 125 m3 extra verbruik. Daarmee is het besparende effect van de zonneboiler (192 m3) voor bijna driekwart teniet 3
Het regressiemodel gaat uit van een lineair verband tussen het aantal personen en de warmtevraag. In hoofdstuk 2 wordt aangetoond dat deze aanname wellicht onjuist is.
24
gedaan. Het bezit van een thermostaat op de radiatorkraan is op zich al bijna voldoende om het effect van de zonneboiler te ‘verspillen’. In figuur 3 worden de werkelijke verbruiken vergeleken met de modelwaardes van het uiteindelijke warmtemodel en met die van Model2. warmtevraag (grdg corr) WARMTEMODEL
TYPEW EPC NPERS
5000
4000
m3
3000
2000
1000
0 1
2
3
appartement
rijtje
2/1 kap
4
villa
Figuur 3 Gemeten warmtevraag, Model 2 en het Warmtemodel (m3) per woningtype
De verbetering van het uiteindelijke warmtemodel ten opzichte van het eenvoudige Model 2 is evident. Het warmtemodel verklaart veel meer spreiding dan het eenvoudige model en per woningtype komt de mediaan van de modelwaardes beter overeen met die van de werkelijke waardes. Op basis van figuur 3 kunnen we concluderen dat voor ieder van de woningtypen het gemiddelde verbruik en de spreiding daarin, goed wordt verklaard door de in het warmtemodel gebruikte variabelen. Figuur 3 laat de resultaten opgesplitst naar één van de verklarende variabelen zien, te weten het type woning. In principe is dit voor iedere verklarende variabele mogelijk. Figuur 3 is echter zinvol omdat in studies omtrent het energieverbruik vaak onderscheid wordt gemaakt naar verschillende woningtypes. Maar, het resultaat van de analyse kan ook worden opgesplitst naar de EPC. De EPC waardes moeten dan echter gecategoriseerd worden (zie tabel 5) om een overzichtelijke figuur te krijgen.
25
Tabel 5 EPC-klasse indeling -----------------------------EPC-Klasse EPC waarde 1 < 0.80 2 > 0.80 - < 1.00 3 > 1.00 - < 1.20 4 > 1.20 ------------------------------
Figuur 4 toont de werkelijke verbruiken en de modelwaardes, opgesplitst naar EPC-klasse. warmtevraag (grdg corr) WARMTEMODEL
TYPEW EPC NPERS
5000
4000
m3
3000
2000
1000
0 1
2
3
4
EPC-klasse Figuur 4 Gemeten warmtevraag, Model2 en het Warmtemodel (m3) per EPC-klasse
Op basis van figuur 4 kunnen we concluderen dat ook voor iedere EPC-klasse het gemiddelde verbruik en de spreiding daarin, goed wordt verklaard door de in het warmtemodel gebruikte variabelen. Opvallend is dat de spreiding in het verbruik bij toenemende EPC groter lijkt te worden4. Bij nader inzien is dit heel goed mogelijk aangezien er vele verschillende combinaties van de woning- en techniekvariabelen te bedenken zijn die allemaal leiden tot één en dezelfde EPC van bijvoorbeeld 0,90 of 1,1. Om een EPC van 0,5 of 0,6 te behalen is er minder speelruimte. Om inzicht te krijgen in de bijdrage van de verschillende componenten zijn op basis van het warmtemodel de volgende variabelen geconstrueerd:
4
EPC klasse 4 wijkt hiervan af. Dit berust waarschijnlijk op toeval omdat er slechts 12 woningen in deze klasse aan model 4 meedoen.
26
Huis = 5.64xWOPP+1.66xVERLOPP-388.67xWLEV-192.31xZONB-112.92xRCSCHIL Gezin = 50.02xNPERS+80.60xSTOOKT+16.50xNDPP+149.66xTHWKR
Hiermee is het model opgeknipt in een deel dat woning gerelateerd is (huis) en een deel dat bewoners gerelateerd is (gezin). Hoewel het bezit van een thermostaat op de radiatorkraan in de woonkamer een ‘techniekvariabele’ is, wordt het hogere verbruik in de woningen veroorzaakt door gedrag van de bewoners. Daarom is deze variabele aan ‘gezin’ toegevoegd. In figuur 5 zijn de componenten ‘huis’ en ‘gezin’ per EPCklasse weergegeven. huis
gezin
3000
m3
2000
1000
0 1
2
3
4
3
Figuur 5 Huis en gezin (m ) per EPC-klasse
Figuur 5 laat zien dat het verbruik en de spreiding in het verbruik dat gerelateerd is aan het bewonersgedrag (huis) voor de verschillende EPC klassen niet wezenlijk verschillend is. Dit betekent dat het aandeel van het verbruik dat gerelateerd is aan het gedrag, in lage EPC woningen een relatief grotere rol speelt in de spreiding van het totale verbruik dan in hoge EPC woningen. Hoewel de variabelen huis en gezin beide uitgedrukt worden in m3 mogen ze niet opgevat worden als werkelijk ‘optredende’ verbruiken. Het ‘huis’ verbruikt immers niets als er geen bewoners zijn. Wel geven de variabelen inzicht in het aandeel in de spreiding in het verbruik dat gerelateerd is aan de woning en aan de aanwezigheid en gedrag van de bewoners. Om de misinterpretatie te voorkomen dat de verbruiken huis en gezin absolute hoeveelheden energie zijn, worden ze in figuur 6 genormeerd op hun gemiddelden weergegeven. Wnorm = WARMTE – 1/N x Σ(WARMTE) Hnorm = huis – 1/N x Σ(huis) Gnorm = gezin – 1/N x Σ(gezin)
27
Wnorm Gnorm
Hnorm
3500 3000 2500
m3
2000 1500 1000 500 0 -500 -1000
Figuur 6. Spreiding in WARMTE, huis en gezin, ten opzichte van het gemiddelde.
In figuur 6 is te zien dat de mediaan van Wnorm iets onder de nullijn licht. Dit betekent dat de warmtevraag geen normaalverdeling vertoont. Hetzelfde geldt voor het deel dat gerelateerd is aan de woning en de toegepaste technieken (Wnorm) Het verbruik dat gerelateerd is aan de aanwezigheid en het gedrag (Gnorm) is wel normaal verdeeld. De juiste interpretatie van figuur 6 luidt dat het totale werkelijke verbruik over een bandbreedte van 2200 m3 spreidt om het gemiddelde. In uitzonderlijke gevallen treden verbruiken op die 1200 tot 3500 m3 groter zijn dan gemiddeld. Het aandeel hierin dat gerelateerd is aan de woning en toegepaste technieken spreidt binnen een bandbreedte van ongeveer 1600 m3 en het aandeel dat gerelateerd is aan het gedrag spreidt binnen een bandbreedte van 700 m3. Residu analyse Tot slot is onderzocht of het residu, dat wil zeggen de ‘onverklaarde rest’ nog enig verband vertoont met de variabelen die niet in het model zijn gebruikt. Het residu is daartoe, individueel voor alle huishoudens, bepaald als: RESIDU = WARMTE – MODEL5. In tabel 6 is de correlatie tussen de variabelen en het residu vergeleken met de correlatie tussen de variabelen en de totale warmtevraag. De variabelen die in het warmtemodel zijn gebruikt, zijn in deze tabel niet opgenomen. De correlatiecoëfficiënt tussen een variabele uit het warmtemodel en het residu is immers per definitie gelijk aan nul.
28
Tabel 6 Correlatiecoëfficiënten tussen WARMTE en RESIDU en de variabelen | WARMTE RESIDU ---------+------------------TYPEWON | 0.50 0.07 EPC | 0.30 0.06 UGLAS | 0.04 -0.01 NWTW | -0.05 -0.04 SPAARD | 0.05 0.03 NBPP | 0.12 0.09 THDKR | 0.19 0.05 DROOG | -0.04 -0.03 EIGEN | 0.21 -0.02 NDOUCHE | 0.23 0.00 WEEKDAG | 0.12 0.02 WEEKAV | 0.07 -0.05 WEEKEND | 0.10 0.01 PROGT | 0.28 0.06 BOUW | 0.02 -0.02 WOONVENT | -0.08 -0.01 KEUVENT | -0.06 -0.01 SLAAPV | 0.01 0.06 OVVENT | 0.02 0.05
Bij een aantal van + 400 waarnemingen mogen we |R| > 0.10 een significant verband noemen. De tabel laat zien dat het residu met geen enkele variabele een significant verband vertoont. Het verband met het aantal baden is relatief het sterkst. De veronderstelling dat het aantal personen fungeert als indicator voor de aanwezigheid lijkt in deze tabel bevestigd te worden. WARMTE heeft een significant verband met de aanwezigheid overdag en in het weekend. Het residu heeft geen verband met deze variabelen. Conclusie is dat het residu met recht een ‘onverklaarde’ rest, of beter gezegd een ‘onverklaarbare’ rest, genoemd mag worden. Het residu kan voor een klein deel te maken hebben met meetfouten (in verbruiken of in de enquête) maar het zal grotendeels berusten op allerhande kenmerken van de woning en het gedrag die niet in het databestand zijn opgenomen. Bijvoorbeeld: heeft men zonwering voor de ramen, is er een serre, is er een open keuken, al of niet met werkende afzuigkap, laat men de binnendeuren vaak open staan, heeft de wind vrij spel rondom het huis, etc.
29
30
HOOFDSTUK 2.
VERBAND TUSSEN EPC EN GEDRAG
Onderzocht is of het gedrag in huishoudens wordt beïnvloed door de EPC of door de EPC gerelateerde technieken en installaties. Om de resultaten eenduidig te kunnen interpreteren is in deze analyse gebruik gemaakt van dezelfde huishoudens als die waarop het uiteindelijke warmtemodel (N = 408) is gebaseerd. De beïnvloeding van gedrag door techniek kan in principe fysiek of psychologisch van aard zijn. Het rebound effect is een voorbeeld van een psychologische beïnvloeding. Omdat het warme tapwater ‘toch duurzaam (en gratis) wordt opgewekt’ gaat men vaker onder de douche. De relatie tussen de stooktemperatuur en de RC schil is een voorbeeld van een fysieke beïnvloeding. Huishoudens kunnen een hogere stooktemperatuur instellen omdat ze in een slecht geïsoleerde woning wonen. Omdat psychologische en fysische effecten tegelijk en door elkaar heen een rol kunnen spelen dient ook deze analyse met behulp van een Multipele Regressie Analyse te worden uitgevoerd. Twee vormen van gedrag zijn voor deze analyse interessant; gedrag t.a.v. warm tapwater en gedrag t.a.v. ruimteverwarming. In beide analyses zijn de volgende twee stappen uitgevoerd: 1 correlatie van gedrag met betreffende variabelen 2 regressieanalyse
2.1
Warm tapwater
De te onderzoeken gedragsvariabelen in deze analyse zijn het aantal douches per persoon (NDPP) en het aantal baden per persoon (NBPP). Tabel 7 toon de correlatiecoëfficiënten tussen het aantal douches en baden en de variabelen waarmee een fysisch en/of psychologisch effect mogelijk zou zijn. Tabel 7 Correlatiecoëfficiënten | NDPP NBPP ---------+-------------------NDPP | 1.0000 NBPP | -0.1650 1.0000 NPERS | -0.1612 0.1277 KIND | -0.2913 0.2060 ZONB | -0.1239 -0.0993 TYPEWON | -0.0400 0.0435 EPC | 0.0536 0.0647
Gezien het aantal waarnemingen (N=408) kan vastgesteld worden dat er een significant negatief verband is (|R| > 0.1) tussen het aantal douches per persoon en het aantal baden per
31
persoon, het aantal personen, het aantal kinderen jonger dan 5 jaar (KIND5) en het bezit van de zonneboiler. Verder is er een negatief verband tussen het aantal baden per persoon en de zonneboiler en is er een positief verband tussen het aantal baden per persoon en het aantal personen en het aantal jonge kinderen. Onderstaande tabel toont aan dat ook in deze analyse een MRA nodig is om het ‘web van verbanden’ te ontrafelen. Omdat baden en douchen onderling een verband hebben is in de regressieanalyse van het aantal douches per persoon het aantal baden per persoon meegenomen en omgekeerd. Ook is in beide regressieanalyses de WARMTE toegevoegd. Dit om te voorkomen dat er via het verband tussen bijvoorbeeld het aantal douches en de warmtevraag en de zonneboiler een ‘schijnverband’ tussen het aantal douches en de zonneboiler optreedt. Regressietabellen warm tapwater gedrag en EPC Source | SS df MS ---------+-----------------------------Model | 294.46925 7 42.0670357 Residual | 2271.51861 400 5.67879652 ---------+-----------------------------Total | 2565.98786 407 6.30463847
Number of obs F( 7, 400) Prob > F R-squared Adj R-squared Root MSE
= = = = = =
408 7.41 0.0000 0.1148 0.0993 2.383
-----------------------------------------------------------------------------NDPP | Coef. Std. Err. t P>|t| Beta ---------+-------------------------------------------------------------------NBPP | -.4101724 .1576896 -2.601 0.010 -.1265206 KIND | -.8106521 .1836875 -4.413 0.000 -.2398586 ZONB | -.8008716 .3755457 -2.133 0.034 -.1217423 NPERS | -.0830872 .1130493 -0.735 0.463 -.0434282 TYPEWON | -.0542992 .138985 -0.391 0.696 -.0224087 EPC | -.9976642 .9479541 -1.052 0.293 -.0615714 WARMTE | .0003962 .0002436 1.626 0.105 .0927172 _cons | 6.163476 1.059967 5.815 0.000 . -----------------------------------------------------------------------------Source | SS df MS ---------+-----------------------------Model | 19.5658502 7 2.79512145 Residual | 224.5772 400 .561442999 ---------+-----------------------------Total | 244.14305 407 .599860073
Number of obs F( 7, 400) Prob > F R-squared Adj R-squared Root MSE
= = = = = =
408 4.98 0.0000 0.0801 0.0640 .7493
-----------------------------------------------------------------------------NBPP | Coef. Std. Err. t P>|t| Beta ---------+-------------------------------------------------------------------NDPP | -.0405523 .0155902 -2.601 0.010 -.1314683 KIND | .1737094 .0585052 2.969 0.003 .1666285 ZONB | -.2465464 .1181108 -2.087 0.037 -.1215017 NPERS | .0236441 .0355505 0.665 0.506 .040065 TYPEWON | -.0377088 .0436688 -0.864 0.388 -.0504511 EPC | .0335245 .2984734 0.112 0.911 .0067075 WARMTE | .0001137 .0000766 1.484 0.139 .0862737 _cons | .4047917 .3464958 1.168 0.243 . ------------------------------------------------------------------------------
5
Tijdens deze analyse bleek dit een belangrijke variabele. Gecheckt is of deze variabele alsnog aan het regressiemodel moet worden toegevoegd. Dit bleek niet het geval te zijn. Daarom is de variabele niet meer toegevoegd aan de tabellen in hoofdstuk 2 of in de bijlagen.
32
Op basis van de regressietabellen kan geconcludeerd worden dat de EPC, TYPEWON en NPERS in de verklaring van het aantal douches en baden geen rol spelen (hoge waarde van P) wanneer de variabelen in één regressiemodel worden gestopt. Vastgesteld kan worden dat het bezit van een zonneboiler besparend werkt op het aantal douches en baden dat men neemt. Op basis van deze analyse kan niet zondermeer worden vastgesteld of de besparing veroorzaakt wordt door een psychologisch effect (meer bewust van ‘duurzaamheid’) of een fysiek effect (rekening houden met een beperkte warm watervoorraad). Gezien de techniek van de huidige moderne zonneboilers zal het laatstgenoemde effect geen rol spelen en mag verondersteld worden dat huishoudens met een zonneboiler iets bewuster omgaan met warm tapwater voor douche en bad. Dit beeld wordt bevestigd wanneer we kijken naar de mate waarin men de meterstanden bijhoudt. Huishoudens zonder zonneboiler kijken gemiddeld 7 maal per jaar naar de meterstanden, huishoudens met zonneboiler 8,5 maal per jaar. Al met al kan geconcludeerd worden dat er van het bezit van een zonneboiler geen rebound effect uitgaat. Integendeel, het bezit van een zonneboiler werkt besparend op het aantal douches en baden
2.2
Ruimteverwarming
De gedragsvariabele waar het hier om gaat is de stooktemperatuur. De variabele die interessant is in het kader van dit deel van de analyse is de EPC. Verder is er een aantal variabelen die in principe van invloed kunnen zijn op het stookgedrag. Tabel 8 toont de correlatiecoëfficiënten tussen de stooktemperatuur en de betreffende variabelen. Tabel 8 Correlatiecoëfficiënten | STOOK ---------+----------STOOK | 1.0000 UGLAS | 0.1624 PROGT | 0.0949 THWKR | -0.0894 EPC | -0.0553 NPERS | -0.1362 WOONVENT | -0.1125 TYPEWON | -0.0723 WARMTE | 0.1352
Er is een vanzelfsprekend verband tussen de stooktemperatuur en de totale warmtevraag, Verder is er een significant verband met de Uglas, het aantal personen en het ventilatiegedrag in de woonkamer. Ook zijn er indicatieve verbanden met het bezit van een programmeerbare thermostaat en een thermostaatkraan op de woonkamer radiator. Onderstaande tabel toont het resultaat van de regressie analyse van STOOK tegen de variabelen uit tabel 8.
33
Regressietabel stooktemperatuur en EPC Source | SS df MS ---------+-----------------------------Model | 126.552552 8 15.819069 Residual | 534.273801 389 1.3734545 ---------+-----------------------------Total | 660.826353 397 1.66455001
Number of obs F( 8, 389) Prob > F R-squared Adj R-squared Root MSE
= = = = = =
398 11.52 0.0000 0.1915 0.1749 1.1719
-----------------------------------------------------------------------------STOOK | Coef. Std. Err. t P>|t| Beta ---------+-------------------------------------------------------------------UGLAS | 1.013458 .2358276 4.297 0.000 .2072215 PROGT | .2904986 .129213 2.248 0.025 .1126317 THWKR | -.2857269 .1286194 -2.221 0.027 -.1058863 NVERT | .2031636 .0451247 4.502 0.000 .2127327 EPC | -1.967703 .419771 -4.688 0.000 -.2382583 NPERS | -.1819987 .0505653 -3.599 0.000 -.1858372 TYPEWON | -.1465794 .0734902 -1.995 0.047 -.1183461 WARMTE | .0005561 .0001226 4.534 0.000 .2539212 _cons | 18.45176 .5590712 33.004 0.000 . ------------------------------------------------------------------------------
Omdat we in deze analyse het ‘pure’ gedragseffect willen zien is, net als bij de analyse van het tapwatergedrag in 2.1, de variabele WARMTE toegevoegd. Omdat er binnen de groep van 408 huishoudens een extra aantal variabelen in de regressie is meegenomen, is het aantal aan de analyse deelnemende huishoudens gezakt naar 398. De analyse kan als volgt geïnterpreteerd worden: - Een hoge Uglas veroorzaakt een koudeval bij de ramen waardoor mensen wellicht geneigd zijn de verwarming hoger af te stellen. - Het bezit van een programmeerbare thermostaat werkt in de hand dat men de temperatuur hoger afstelt. - Hoe meer vertrekken men verwarmt des te hoger staat de temperatuur afgesteld. Naar alle waarschijnlijkheid zijn dit ‘kouwelijke’ bewoners. - De thermostaatkraan op de radiator in de woonkamer wordt kennelijk op een relatief lagere temperatuur afgesteld dan wanneer men deze met de hand regelt. - In woningen met een relatief lage EPC staat de verwarming op een hogere temperatuur afgesteld. Dit kan een rebound effect zijn maar het kan ook als volgt geïnterpreteerd worden: de verwarming staat minder warm afgesteld in woningen met een relatief hogere EPC. In dat geval berust het wellicht op een hogere energierekening in woningen met een hoge EPC en probeert men stookkosten te besparen. - Hoe groter het gezin, hoe lager de temperatuur is afgesteld. Ofwel, hoe meer mensen er in de huiskamer zitten, des te lager kan de temperatuur worden afgesteld door de persoonlijke warmteafgifte.
34
HOOFDSTUK 3.
WARM TAPWATER FORMULE
PRC Bouwcentrum heeft de warmtevraag voor warm tapwater (WTW), berekend op basis van de BAK formule voor huishoudens die gas geleverd krijgen en op basis van tabelwaardes voor huishoudens met warmtelevering. Voor de 408 huishoudens die in het warmtemodel zijn meegenomen bedraagt de gemiddelde waarde van WTW 357 m3 aardgas. Er zijn twee analyses uitgevoerd om te controleren of de waarde WTW een goede benadering van de werkelijke warmtevraag voor warm tapwater is: - 1: Schatting op basis van watergebruik. - 2: Regressie analyse
3.1 Schatting op basis van watergebruik In de eerste analyse is de warmtevraag voor warm tapwater geschat op basis van landelijke cijfers van het waterverbruik. In Nederland wordt door de gemiddelde inwoner 126 liter water per dag verbruikt6. Dit is inclusief het water voor de toiletspoeling, autowassen, planten in de tuin besproeien etc. Een substantieel deel van deze 126 liter zal derhalve koud getapt worden. Wanneer we er van uitgaan dat al dit water warm wordt getapt zijn we er 100% zeker dat we een sterke overschatting berekenen. Bij de huishoudens die zijn ‘beschreven’ met het warmtemodel, is de gemiddelde gezinsgrootte 2,87 personen. Dat wil zeggen dat er jaarlijks in het gemiddelde huishouden 132.000 liter water wordt verbruikt. Bij een gemiddeld temperatuurtraject van 28 °C (van 12 naar 40) correspondeert dit watervolume met een energie-inhoud7 van 15,5 GJ. Bij 100% efficiency en uitgedrukt in m3 aardgas correspondeert dit met 440 m3 aardgas. Een deel van de huishoudens gebruikt echter aardgas gas en het andere deel heeft warmtelevering. Huishoudens met warmtelevering hebben 100% efficiency, huishoudens met gas levering ongeveer 90%. Het gewogen gemiddelde ligt op 93%. Hierdoor wordt geen 440 m3 aardgas verbruikt maar 473 m3. Echter, een deel van de huishoudens heeft warm tapwater uit de zonneboiler gebruikt. Gemiddeld over alle huishoudens (ook die zonder zonneboiler) vertegenwoordigt dit een warmtevraag van 26,5 m3 aardgas per huishouden. Conclusie is dat de warmtevraag voor warm tapwater ongeveer 446 m3 per huishouden per jaar bedraagt indien al het water warm wordt getapt. Op basis van deelverbruiken voor toiletspoeling, wasmachine, en vaatwasmachine kan echter geconcludeerd worden dat hooguit 52% van het waterverbruik warm tapwater betreft (zie bijlage 3). In dat geval is 232 m3 aardgas een meer realistische bovengrens van de warmtevraag voor warm tapwater. Op basis van deze analyse kan geconcludeerd worden dat de berekende waarde van de warmtevraag voor warm tapwater (WTW = 357 m3 aardgas) te hoog is.
6 7
www.vewin.nl/watergebruik 132.000 (l) x 1000 (g) x 28 (°C) x 4,2 (J/Cal) = 1,55x1010 (J)
35
Onderzocht is of er binnen de EPC een systematiek zit in de mate waarin de berekende WTW afwijkt van de schatting. Hiertoe is de bovenstaande schatting individueel voor alle 580 huishoudens uitgevoerd. Dat wil zeggen dat er twee waardes zijn uitgerekend: TOP = warmtevraag indien al het water warm wordt getapt. REAL = TOP – water voor toiletspoeling, wasmachine en vaatwasser (indien aanwezig) In figuur 7 zijn de waardes voor respectievelijk REAL, WTW en TOP, per EPC-klasse weergegeven. REAL TOP
WTW
1500
m3
1000
500
0 1
2
3
4
EPC-klasse Figuur 7. De waardes van REAL, WTW en TOP, per EPC-klasse
In figuur 7 is te zien dat de waarde WTW systematisch voor alle EPC-klassen tussen de realistische bovengrens en de overschatting in zit. Conclusie is dat de warmtevraag voor warm tapwater (WTW) te hoog is berekend. Gezien de spreiding in de waardes kan geen conclusie getrokken worden over de afwijking per EPCklasse. Dit geldt voor zowel de waardes die met de warm tapwaterformule zijn berekend (bij gaslevering) als voor de waardes die op basis van een tabel zijn bepaald (warmtelevering). Tabel 9 toont de gemiddelden voor respectievelijk huishoudens die aardgas geleverd krijgen en huishoudens met warmtelevering.
36
Tabel 9. Gemiddelden en spreiding (m3) van REAL, WTW en TOP voor huishoudens die Gas geleverd krijgen en huishoudens die warmte geleverd krijgen ------------------------------------------------------------------------------------------------------------Gas Warmte Variabele Variabele (N = 389)| Gemiddeld Std. Dev. (N= 191) | Gemiddeld Std. Dev. ---------+-------------------------------+----------------------REAL | 237.8 117.7 REAL | 235.2 101.0 WTW | 363.1 117.0 WTW | 308.6 133.3 TOP | 448.7 222.1 TOP | 443.8 190.6 ---------------------------------------------------------------------------------
Bij de conclusie moet echter de volgende kanttekening worden gemaakt. Het landelijk gemiddelde individuele watergebruik (126 liter per persoon per dag) wordt bepaald in onderzoek8 waarbij de onderzoekspopulatie (enigszins) representatief is voor Nederland. Hoewel het watergebruik individueel wordt bepaald zal de gezinsgrootte naar alle waarschijnlijkheid wel een rol spelen. In Nederland is de gemiddelde gezinsgrootte ongeveer 2.4 personen. De gemiddelde gezinsgrootte in het onderhavige onderzoek bedraagt echter 2,8 personen. Het is goed voorstelbaar dat met name het koude water in grotere gezinnen efficiënter wordt gebruikt. De tuin sproeien gebeurt, in liters per persoon uitgedrukt, bijvoorbeeld efficiënter in een 4-persoonshuishouden dan in een 2-persoonshuishouden. Het warme tapwatergebruik voor douchen en baden is echter sterk persoonsgebonden. Dit betekent dat het relatieve aandeel warm tapwater in de gezinnen in het onderhavige onderzoek iets hoger kan zijn dan op basis van bovenstaande schatting is bepaald.
3.2
Regressieanalyse
In een tweede analyse gaan we er vanuit dat WTW de juiste waarde heeft en is een regressieanalyse uitgevoerd van WARMTE tegen WOPP, VERLOPP, RCSCHIL, WLEV, STOOK, THWKR, WTW, ZONB en KOKEN. De eerste 6 variabelen zijn die variabelen uit het warmtemodel die te maken hebben met de woning en de techniek en met name gerelateerd zijn aan ruimteverwarming. WTW en ZONB staan voor het warmte tapwater en KOKEN voor het gas voor koken. Onderstaande regressietabel laat zien dat het model op zich goed werkt. De R2 tussen modelwaardes en de werkelijke waardes is even groot (0.53) als bij het warmtemodel. Overigens is te zien dat het al of niet op gas koken niet wezenlijk bijdraagt aan de verklaring. Er is 38% kans dat het verband met de variabele KOKEN op toeval berust.
8
Het NIPO voert regelmatig onderzoek uit naar het watergebruik in Nederland. Hierbij wordt met behulp van logboekjes het individuele watergebruik bepaald.
37
Source | SS df MS ---------+-----------------------------Model | 74662225.6 9 8295802.85 Residual | 65894128.9 398 165563.138 ---------+-----------------------------Total | 140556355 407 345347.308
Number of obs F( 9, 398) Prob > F R-squared Adj R-squared Root MSE
= = = = = =
408 50.11 0.0000 0.5312 0.5206 406.89
-----------------------------------------------------------------------------WARMTE | Coef. Std. Err. t P>|t| Beta ---------+-------------------------------------------------------------------WOPP | 6.103996 1.23202 4.954 0.000 .3184511 VERLOPP | 1.622578 .3581907 4.530 0.000 .2775623 RCSCHIL | -104.7247 65.00933 -1.611 0.108 -.0695882 WLEV | -365.5739 58.73552 -6.224 0.000 -.2896122 STOOK | 76.54561 16.02504 4.777 0.000 .1685288 THWKR | 140.8336 46.2361 3.046 0.002 .1153635 WTW | .4565434 .2047979 2.229 0.026 .0976858 ZONB | -121.34 75.4536 -1.608 0.109 -.0788106 KOKEN | -.7164993 .8205967 -0.873 0.383 -.0399931 _cons | -1022.889 400.7187 -2.553 0.011 . ------------------------------------------------------------------------------
Op basis van deze regressie analyse zou echter ook geconcludeerd moeten worden dat de waarde van WTW te groot is. Indien WTW precies de juiste waarde van de warmtevraag voor warm tapwater is en het warmtemodel “100%” de warmtevraag verklaard, zou de coëfficiënt gelijk aan 1 zijn. De regressiecoëfficiënt is echter 0,46 hetgeen betekent dat de waarde van WTW bijna een factor twee te hoog is. Dit is echter indicatief omdat het warmtemodel niet 100% perfect is. Een en ander wordt sterk bevestigd indien we de waarde van REAL in plaats van WTW in de regressieanalyse stoppen. In tabel is te zien dat nu de coëfficiënt 0,66 is in plaats van 0,46. Bovendien verklaart WTW 9,7% van de variantie terwijl REAL 13% van de variantie verklaart.
Source | SS df MS ---------+-----------------------------Model | 75329396.7 9 8369932.96 Residual | 65226957.9 398 163886.829 ---------+-----------------------------Total | 140556355 407 345347.308
Number of obs F( 9, 398) Prob > F R-squared Adj R-squared Root MSE
= = = = = =
408 51.07 0.0000 0.5359 0.5254 404.83
-----------------------------------------------------------------------------WARMTE | Coef. Std. Err. t P>|t| Beta ---------+-------------------------------------------------------------------WOPP | 5.660557 1.242518 4.556 0.000 .2953165 VERLOPP | 1.633144 .3560632 4.587 0.000 .2793698 RCSCHIL | -114.3809 64.80637 -1.765 0.078 -.0760047 WLEV | -415.7852 58.57429 -7.098 0.000 -.3293902 STOOK | 76.50958 15.8832 4.817 0.000 .1684495 THWKR | 146.1334 45.92587 3.182 0.002 .1197048 REAL | .6593578 .21868 3.015 0.003 .1281173 ZONB | -152.5869 70.83533 -2.154 0.032 -.0991055 KOKEN | -1.199535 .8488682 -1.413 0.158 -.0669548 _cons | -901.2128 392.967 -2.293 0.022 . ------------------------------------------------------------------------------
38
Op basis van beide analyses mogen we indicatief vaststellen met de warm tapwaterformule een te grote waarde voor de warmtevraag voor warm tapwater wordt berekend. Een alternatieve formule op basis van het watergebruik lijkt echter goed mogelijk. Daarbij moet dan worden uitgegaan van deelverbruiken voor de verschillende functies, in relatie tot de gezinsgrootte. Consequentie van een te hoog berekende warmtevraag voor warm tapwater is, dat de waarde voor de ruimteverwarming, door PRC bepaald als de totale warmtevraag – warmtevraag voor warm tapwater en koken, naar alle waarschijnlijkheid te laag is berekend.
39
40
Bijlage 1 Variabelen Variabele| N Gemiddelde Spreiding Min Max ---------+----------------------------------------------------WARMTE | 580 1268.723 588.1903 262.4 4740 TYPEWON | 580 2.458621 1.034806 1 4 WOPP | 580 124.7793 32.68354 47 317 VERLOPP | 524 241.0954 99.97664 63 693 EPC | 580 1.030138 .162935 .44 1.4 WLEV | 580 .3293103 .4703685 0 1 ZONB | 580 .2 .4003453 0 1 WP | 580 .0706897 .256527 0 1 UDAK | 496 .2907641 .0414407 .193 .385 UGEVEL | 523 .3021874 .0330284 .214 .375 UVLOER | 520 .2938019 .0322247 .2 .375 RCSCHIL | 491 3.429563 .4054274 2.666667 4.594181 UGLAS | 519 1.793006 .2773646 1.2 3 NWTW | 524 .1636832 .3268372 0 .95 SPAARD | 571 .7460595 .4356456 0 1 THDKR | 574 .7578397 .4287645 0 1 BAD | 575 .6434783 .4793888 0 1 THWKR | 521 .3685221 .4828676 0 1 DROOG | 562 484.6317 256.7347 1 1434 NPERS | 580 2.874138 1.292874 1 9 EIGEN | 580 .8568966 .3504806 0 1 NDOUCHE | 580 12.67414 9.213024 0 60 NDPP | 580 4.589443 2.556258 0 15 NBPP | 575 .3762512 .7877814 0 7 WEEKDAG | 572 2.277972 .7472102 1 3 WEEKAV | 570 2.852632 .3924173 1 3 WEEKEND | 570 2.691228 .5196594 1 3 TDAG | 571 19.91068 1.394504 12 24 TAVO | 570 20.4614 1.325464 10 24 TNAC | 546 16.40842 2.521075 5 24 STOOK | 546 18.91819 1.321747 10.66667 24 PROGT | 565 .4707965 .4995887 0 1 NVERT | 570 3.650877 1.349038 1 7 BOUW | 572 .1468531 .3542693 0 1 WOONVENT | 548 2.472628 1.288814 1 5 KEUVENT | 525 2.497143 1.375387 1 5 SLAAPV | 568 3.549296 1.201571 1 5 OVVENT | 497 2.386318 1.352884 1 5
41
42
Bijlage 2 Regressiecoëfficiënten | WARMTE TYPEWON EPC NPERS ---------+-------------------------------------WARMTE | 1.0000 TYPEWON | 0.5032 1.0000 EPC | 0.3013 0.0626 1.0000 NPERS | 0.2878 0.3943 -0.1304 1.0000 WOPP | 0.6505 0.6652 0.1460 0.4476 VERLOPP | 0.6312 0.7353 0.1658 0.2769 WLEV | -0.2196 -0.0148 -0.3073 0.0108 ZONB | -0.2013 -0.0121 -0.5199 0.1028 WP | -0.1298 -0.3538 -0.1173 -0.2148 UDAK | 0.1989 -0.0303 0.6219 -0.1277 UGEVEL | 0.1584 -0.0330 0.6311 -0.1162 UVLOER | 0.2218 0.0449 0.5909 -0.0576 RCSCHIL | -0.2046 0.0184 -0.6864 0.1241 UGLAS | 0.0412 -0.0906 0.2673 -0.0555 NWTW | -0.0561 -0.1519 -0.3424 -0.1044 SPAARD | 0.0383 -0.0266 -0.0269 0.0041 THDKR | 0.1863 0.1546 -0.1061 0.0665 THWKR | 0.1759 0.2216 -0.0726 0.0772 DROOG | -0.0398 -0.1156 0.0170 -0.0262 EIGEN | 0.2089 0.2958 0.0018 0.0551 NDOUCHE | 0.2297 0.2383 -0.0402 0.5441 NDPP | 0.0387 -0.0569 0.0574 -0.1712 NBPP | 0.1145 0.0142 0.0971 0.1300 WEEKDAG | 0.1264 0.0278 -0.0349 0.2551 WEEKAV | 0.0737 0.1738 0.0047 0.1897 WEEKEND | 0.0956 0.1405 0.0271 0.1957 TDAG | 0.1174 0.0004 -0.0023 -0.0492 TAVO | 0.0605 -0.0013 0.0348 -0.0347 TNAC | 0.0907 -0.0661 -0.1157 -0.1440 STOOK | 0.1178 -0.0419 -0.0622 -0.1192 PROGT | 0.2753 0.3498 0.1067 0.1394 NVERT | 0.1731 0.0793 0.1357 0.0304 BOUW | 0.0173 0.1326 -0.0814 0.2229 WOONVENT | -0.0802 -0.1589 0.1724 -0.0413 KEUVENT | -0.0632 -0.0909 0.1681 -0.0087 SLAAPV | 0.0126 -0.0143 0.1383 0.0605 OVVENT | 0.0150 -0.0651 0.1148 0.1319
In bovenstaande tabel zijn de correlatiecoëfficiënten weergegeven tussen de WARMTE en de (potentieel) verklarende variabelen. Opvallend zijn de relatief sterke verbanden met het type woning, en het verwarmde oppervlak en het verliesoppervlak. De correlatiecoëfficiënten tussen type woning en de overige variabelen tonen aan dat het type woning en de oppervlaktes samen opgaan. Dit is voor de hand liggend. Een villa heeft een groter verwarmd oppervlak en verliesoppervlak dan een appartement. De correlatiecoëfficiënten met de EPC laten duidelijk zien dat deze wordt berekend aan de hand van de ‘techniekvariabelen’ (U-waardes, RCSCHIL en installaties) Verder is in de tabel te zien dat het aantal personen (uiteraard) sterk correleert met het aantal douches. Maar er is ook een sterke correlatie met het verwarmde oppervlak en het verlies oppervlak. Dit heeft te maken met het feit dat er in een villa doorgaans meer mensen wonen dan in een appartement of een rijtjeshuis. De correlatie van 0.26 tussen WEEKDAG en
43
NPERS laat zien dat de kans dat er overdag iemand aanwezig is, toeneemt met het aantal personen. Het teken van de correlatiecoëfficiënten komt over het algemeen overeen met de verwachting. Hoe hoger de EPC hoe groter het verbruik. En hoe groter het verliesoppervlak of het aantal personen, hoe groter het verbruik. Warmtelevering en het bezit van zonneboiler of warmtepomp besparen energie. Opvallend is echter het positieve teken van de correlatiecoëfficiënten tussen de thermostaatkranen (douche en radiator woonkamer). Dit betekent dat men de thermostaat ‘comfortabel’ afstelt en daardoor meer energie verbruikt. Ook is opvallend dat de ventilatie een negatieve correlatiecoëfficiënt heeft met de warmtevraag. Dat wil zeggen dat men minder verbruikt naarmate men meer ventileert. De vraag is echter of deze conclusies in een regressieanalyse overeind blijven.
44
Bijlage 3 Huishoudelijk waterverbruik per inwoner Tabel 10 toont het huishoudelijk watergebruik per inwoner, per dag, opgesplitst naar de verschillende functies. Tabel 10 Watergebruik per inwoner per dag. 2001
Bad
3,7
Douche
42,0
Wastafel
5,2
Toiletspoeling
34,8
Wassen hand
1,8
Wasmachine
22,8
Afwassen hand
3,6
Afwasmachine
2,4
Voedselbereiding
1,6
Overig
8,2
Totaal
126,2
Bron: NIPO/VEWIN.
In het gemiddelde huishouden zal van de 126,2 liter een hoeveelheid van tenminste 60 liter koud worden getapt. Dit betreft 34,8 voor toiletspoeling, 22,8 voor de wasmachine en 2,4 voor de vaatwasser. Dat wil zeggen dat hooguit 66,2 (52%) liter warm water wordt getapt per persoon per dag
45