8
1 2012 Bouwfysica
www.nvbv.org
Modellering elektriciteitsverbruik van gezinnen op basis van tijdsbestedingsonderzoek
ir.arch. D. (Dorien) Aerts, vakgroep Architectuur, Vrije Universiteit Brussel
prof.dr.ir.arch. F. (Filip) Descamps, vakgroep Architectuur, Vrije Universiteit Brussel
Zowel op nationaal als op internationaal niveau wordt er veel aandacht besteed aan het verlagen van het energieverbruik in gebouwen, en ook woningen ontsnappen niet aan energiebesparende maatregelen. Terwijl de energieprestatieregelgeving focust op architecturale en installatietechnische gebouwmaatregelen, kan gerichte terugkoppeling de gebruikers helpen om het gedragsgebonden energieverbruik te doen dalen. Een effectieve en geïndivualiseerde terugkoppeling vereist een goed inzicht in het gebruikersgedrag. In dit artikel wordt een deelmodel naar voor geschoven dat het elektriciteitsverbruik van gezinnen voorspelt op basis van Belgisch tijdsbestedingsonderzoek. De resultaten tonen aan dat het model in staat is om tot realistische voorspellingen van het individuele en gemiddelde elektriciteitsverbruik van gezinnen te komen.
INLEIDING
prof.dr.ir.arch. I. (Ine) Wouters, vakgroep Architectuur, Vrije Universiteit Brussel
J. (Joeri) Minnen, Onderzoeksgroep TOR van de vakgroep Sociologie, Vrije Universiteit Brussel
prof.dr. I. (Ignace) Glorieux, Onderzoeksgroep TOR van de vakgroep Sociologie, Vrije Universiteit Brussel
De energieprestatie van gebouwen staat erg hoog op de Europese agenda, zowel voor woningen als voor utiliteitsgebouwen. In Vlaanderen is sedert 2006 de Vlaamse energieprestatieregelgeving van toepassing. De berekeningsmethode laat toe om de technische energieprestatie van woningen op een objectieve manier te beoordelen. De voorspelling van het jaarlijks primair energieverbruik is gebaseerd op gedetailleerde energetische gebouwparameters, en gaat uit van een standaard gebruikersgedrag met bijhorende standaardwaarden voor binnentemperatuur, verwarmings- en ventilatiegedrag en interne warmtewinsten. De technische aanpak gaat echter voorbij aan de belangrijke invloed van het gebruikersgedrag op het energieverbruik. Onderzoek toonde reeds aan dat gebruikersgedrag een grote invloed kan hebben op het energieverbruik. Dit uit zich bijvoorbeeld in een grote variatie op het energieverbruik in woningen met dezelfde karakteristieken [1-3]. De gedetailleerde modellering van de interne warmtewinsten is een deelaspect van het gebruikersgedrag. Deze modellering is zowel bruikbaar in stationaire benaderingen (huidige energieprestatieregelgeving) als in dynamische energiebalanssimulaties. In dit artikel wordt een model gepresenteerd dat op basis van een beperkt aantal karakteristieken (gezinsgrootte en woningtype) een voorspelling maakt van het tijdsafhankelijk elektriciteitsverbruik. Het model genereert stochastische tijdreeksen met een resolutie van 10 minuten, waarbij een onderscheid gemaakt wordt tussen weekdagen en weekenddagen.
08_13_Aerts.indd 8
Het model is gebaseerd op het Belgisch gecombineerd tijdsbestedingsonderzoek (TBO) en huishoudbudget onderzoek (HBO) van 2005, waarin Belgische gezinnen hun locatie en activiteiten beschrijven gedurende enkele dagen [4-6]. Het verzamelen van gegevens door middel van enquêtes kan gezien worden als een minder intrusief alternatief voor relatief dure en omslachtige energiemetingen in individuele woningen. Gelijkaardige benaderingen werden reeds succesvol toegepast door onder anderen Richardson [7,8] en Widén [9,10].
GEGEVENS Bij TBO worden de deelnemers verzocht om een dagboek bij te houden waarin zij gedurende één weekdag (maandag tot vrijdag) en één weekenddag (zaterdag of zondag) alle activiteiten en verplaatsingen registreren met een tijdsresolutie van 10 minuten. De Belgische database bevat 6400 personen uit 3474 gezinnen. Per gezin namen alle personen ouder dan 12 jaar deel aan het onderzoek. Naast het TBO werd bij dezelfde gezinnen ook een huishoudbudgetenquête afgenomen. Deze enquête peilt hoofdzakelijk naar bestedingen en inkomsten van de gezinnen, maar bevat eveneens informatie over het woningtype, de vloeroppervlakte en het bezit van een groot aantal elektrische apparaten.
MODEL Het Belgische TBO en HBO vormen de basis voor een model dat toelaat om probabilistische gegevens te genereren over het elektriciteitsverbruik van gezinnen. Het model maakt hierbij gebruik van gegevens over aanwezigheid, activiteiten en apparaten.
13-03-2012 15:14:43
•
energie en milieu
Bouwfysica 1 2012
In eerste instantie wordt er met een aanwezigheidsmodel voor elk ogenblik van de dag bepaald hoeveel gezinsleden aanwezig zijn en of zij al dan niet wakker zijn. Dit is een nodige voorwaarde voor het activiteitenmodel, waarin het voorkomen van energieverbruikende activiteiten wordt gemodelleerd. In het elektriciteitsmodel voor huishoudap paraten worden het activiteitsgebonden apparaatgebruik (bijvoorbeeld televisie kijken) en het niet-activiteitsgebonden apparaatgebruik (bijvoorbeeld bewaren van voedsel in de koelkast) gemodelleerd. Het elektriciteitsmodel voor verlichting geeft een schatting voor het elektriciteitsverbruik voor kunstverlichting. Het elektriciteitsverbruik voor de bereiding van sanitair warm water, hulpenergie van de verwarmingsinstallatie (ventilatoren, pompen, regelapparatuur) en elektrische verwarming werden niet in rekening gebracht. Ook zeer kleine verbruikers zoals batterijladers en kleine keukentoestellen werden buiten beschouwing gelaten. Hieronder worden de afzonderlijke modellen toegelicht.
Gezinstypes Het model vertrekt vanuit twee gezinskarakteristieken die een belangrijke invloed kunnen hebben op het elektriciteitsverbruik, namelijk de gezinsgrootte en het woningtype. De gezinsgrootte wordt rechtstreeks in verband gebracht met het aantal gezinsleden die deelnamen aan het TBO. Dit betekent dat enkel de gezinsleden ouder dan 12 jaar worden meegerekend. In verdere analyses moet een gezinsgrootte van 3 bijvoorbeeld gelezen worden als een gezin van minstens 3 personen, waarvan 3 personen ouder dan 12 jaar. Tabel 1 toont de verhouding tussen de effectieve gezinsgrootte en de gezinsgrootte volgens de tijdsbestedingsdagboeken.
Tabel 1: Gemiddelde effectieve gezinsgrootte in functie van de gezinsgrootte volgens het dagboek gezinsgrootte volgens dagboek (gezinsleden > 12 jaar)
gemiddelde effectieve gezinsgrootte
1
1,17
2
2,62
3
3,61
4
4,33
Verder wordt om sociaal-demografische redenen ook het woningtype in rekening gebracht. Hier wordt onderscheid gemaakt tussen 4 types, namelijk open bebouwing (vrijstaande woning), halfopen bebouwing (hoekwoning), gesloten bebouwing (tussenwoning) of appartement (flat). In het berekeningsmodel wordt aan elk gezin een willekeurige vloeroppervlakte toegekend, op basis van een waarschijnlijkheidsverdeling die werd afgeleid uit het HBO. De gemiddelde vloeroppervlaktes per gezinstype worden weergegeven in tabel 2. Figuur 1 toont de verdeling van de woningtypes volgens de vloeroppervlakte.
08_13_Aerts.indd 9
9
1 Verdeling van de woningtypes volgens vloeroppervlakte Tabel 2: Gemiddelde vloeroppervlakte per gezinstype en per woningtype gezinsleden > 12 jaar
woningtype
vloeroppervlakte (mediaan) [m2]
1
open halfopen gesloten appartement
109,5 102,0 92,5 68,0
2
open halfopen gesloten appartement
127,0 110,5 108,0 74,0
3
open halfopen gesloten appartement
129,0 116,0 111,0 88,5
4
open halfopen gesloten appartement
142,0 129,0 131,0 89,0
Aanwezigheidsmodel Het energieverbruik van een woning is nauw verbonden met de aanwezigheid van personen in de woning. Door middel van een aanwezigheidsmodel worden tijdreeksen opgebouwd waarin de aanwezigheid van elk van de gezinsleden beschreven wordt door één van de drie mogelijke toestanden: (1) afwezig, (2) aanwezig en niet actief (slapen) of (3) aanwezig en actief. Om deze tijdreeksen te construeren wordt er gebruik gemaakt van de Markov Chain Monte Carlo methode (MCMC) [11]. Dit houdt in dat voor elke simulatie een Markov keten wordt gegenereerd, in dit geval een tijdreeks, waarbij de toestand tijdens de volgende tijdstap enkel afhankelijk is van die tijdens de huidige tijdstap, en niet de voorgaande tijdstappen. Elke overgang tussen twee tijdstappen wordt bepaald door de waarschijnlijkheid dat er verandering optreedt bij de overgang tussen twee tijdstappen. Deze waarschijnlijkheid wordt vast gelegd in een overgangsmatrix. De starttoestand van de Markov keten (00u00) wordt eveneens gegeven door een waarschijnlijkheidsmatrix. In figuur 2 wordt een voor-
13-03-2012 15:14:46
10
1 2012 Bouwfysica
www.nvBv.org
– – – – – – – – –
2 visualisatie van de overgangsmatrix tussen toestanden 1 (=afwezig), 2 (=aanwezig en niet actief) en 3 (=aanwezig en actief) op tijdstip 00u00 beeld gegeven van een overgangsmatrix tussen 00u00 en 00u10. Zo bedraagt de kans dat een gezinslid van aanwezig en actief (wakker) naar aanwezig en niet actief (slapen) gaat op dat ogenblik 15,7%. De kans dat een gezinslid wakker blijft bedraagt 84,3%.
de computer gebruiken (voor communicatie, als hobby, voor spelletjes) koken stofzuigen strijken naar televisie kijken muziek beluisteren de vaat doen textiel in de wasmachine steken textiel in de droogmachine steken
Om een activiteit uit te voeren is het een nodige voorwaarde dat minstens één gezinslid aanwezig en actief is. Indien aan deze voorwaarde voldaan is, wordt op basis van een tijdsafhankelijke waarschijnlijkheidsmatrix bepaald of één van de negen activiteiten gestart wordt. Ten slotte wordt ook de duur van de activiteit bepaald door middel van een tijdsafhankelijke waarschijnlijkheidsmatrix. De tijdsafhankelijkheid laat toe om rekening te houden met het feit dat een activiteit vaker zal voorkomen op bepaalde tijdstippen. Zo heeft de activiteit ‘televisie kijken’ ’s avonds een hogere waarschijnlijkheid dan ’s morgens. Ook de duur van de activiteit is tijdsafhankelijk, zo duurt de activiteit ‘koken’ ’s morgens gewoonlijk minder lang dan ’s avonds. Beide waarschijnlijkheidsmatrices worden berekend op basis van het TBO.
Het resultaat is een discrete tijdreeks waarbij voor elke tijdstap de aanwezigheid van elk van de gezinsleden beschreven wordt door een toestand 1, 2 of 3. Figuur 3 toont het gemiddelde aanwezigheidsprofiel voor een éénpersoonsgezin in een appartement op een weekdag. Er is een zeer goede overeenstemming tussen de waarden uit het model en de gemeten waarden uit het TBO, wat aantoont dat de MCMC modelleringsmethode succesvol is.
Elektriciteitsmodel: huishoudapparaten
Activiteitenmodel
Een groot deel van het elektriciteitsverbruik is gerelateerd aan de activiteiten van gezinsleden. Zo zijn er enkele activiteiten die rechtstreeks tot energieverbruik leiden, denk maar aan het gebruiken van de computer of het kijken naar televisie. Andere activiteiten leiden enkel tot elektriciteitsverbruik indien het gezin over een bepaald apparaat beschikt. Een goed voorbeeld hiervan is de activiteit ‘de vaat doen’. Als het gezin een vaatwasser bezit, wordt deze hoogstwaarschijnlijk gebruikt om de vaat te doen, wat leidt tot elektriciteitsverbruik. Indien het gezin niet over een vaatwasser beschikt zal de activiteit alsnog voorkomen, maar niet leiden tot elektriciteitsverbruik.
In het activiteitenmodel wordt een brug geslagen tussen gebruikersgedrag en energieverbruik. In de dagboeken van het TBO noteren gezinsleden namelijk alle activiteiten die zij uitvoeren. Een gebruiker kan twee activiteiten gelijktijdig uitvoeren, bijvoorbeeld televisie kijken tijdens het strijken. Uit het TBO worden 9 activiteiten geselecteerd die eventueel tot elektriciteitsverbruik kunnen leiden:
Het elektriciteitsmodel maakt een voorspelling van het elektriciteitsverbruik voor een gezin van een bepaald type. Het elektriciteitsmodel voor huishoudapparaten bevat twee luiken, namelijk het elektriciteitsverbruik dat rechtstreeks verbonden is met de activiteiten van de gezinsleden en het elektriciteitsverbruik dat onafhankelijk is van deze activiteiten.
In het berekeningsmodel wordt aan elk gezin een willekeurige apparatenlijst toegekend, op basis van de waarschijnlijkheid dat een gezin van dit type over deze apparaten beschikt. Deze informatie werd afgeleid uit het HBO. Voor de apparaten worden gemiddelde vermogens vastgelegd, zoals af te lezen in tabellen 3 en 4. Voor de computer en de televisie wordt er een onderscheid gemaakt tussen CRT beeldschermen en LCD beeldschermen. Voor de grote elektrische toestellen werden apparaten met het Europees energielabel A en C geïntroduceerd.
3 geaggregeerd aanwezigheidsprofiel éénpersoonsgezin op een weekdag na 1000 simulaties
08_13_Aerts.indd 10
De activiteit ‘koken’ bevat enige onzekerheid. Aangezien de omschrijving van deze activiteit niet toelaat om af te
13-03-2012 15:14:47
•
energie en milieu
leiden welke apparaten gebruikt worden, bevat het model hierover enkele veronderstellingen. We gaan uit van twee belangrijke keukenapparaten, namelijk het elektrisch fornuis en de microgolfoven. Ten slotte zijn er enkele apparaten waarvan het verbruik niet afhankelijk is van de activiteiten van de gezinsleden, zoals de koelkast en diepvriezer. Indien een gezin over één of meerdere van deze apparaten beschikt, wordt een cyclisch elektriciteitsverbruik verondersteld. Het elektriciteitsverbruik van deze apparaten wordt getoond in tabel 5. Er werden apparaten met het Europees energielabel A+ en C gebruikt.
Elektriciteitsmodel: verlichting Het verlichtingsmodel maakt een schatting van het elektriciteitsverbruik voor kunstverlichting. Het verbruik voor verlichting is sterk afhankelijk van de aanwezigheid van daglicht, echter de geometrie van de woningen uit het onderzoek is niet gekend. Het model komt hieraan tegemoet door de introductie van de daglichtfactor. Dit is de verhouding tussen de verlichtingssterkte in een bepaald punt binnen en de globale verlichtingssterkte op een horizontaal onafgeschermd buitenoppervlak bij bewolkte hemel, uitgedrukt als een percentage. Voor de globale verlichtingssterkte op een horizontaal vlak wordt een maandelijks gemiddelde per 10 minuten afgeleid uit ASHRAE-klimaatgegevens voor Brussel. De gemiddelde daglichtfactor wordt per woningtype geschat (zie tabel 6). Hierdoor kan voor elke tijdstap het daglichtniveau binnen bepaald worden. We veronderstellen dat de kunstverlichting wordt aangezet als het verlichtingsniveau binnen lager is dan een drempelwaarde van 200 lux. De woning zal echter gewoonlijk niet volledig verlicht worden. Bij aanwezigheid van één persoon wordt ervan uit gegaan dat een vloeroppervlakte ter grootte van een gemiddelde leefkamer verlicht wordt. Deze basisvloer oppervlakte A werd vastgelegd op 34 m2 op basis van het HBO. Ook aanwezigheid is een nodige voorwaarde voor elektriciteitsverbruik voor verlichting. Het verlichtingsmodel brengt het aantal aanwezigen op elk tijdstip in rekening, aangezien het elektriciteitsverbruik voor verlichting zal toenemen met het aantal aanwezigen. Deze toename is echter niet lineair. Indien er twee gezinsleden aanwezig zijn in de woning, bestaat de kans dat zij zich in dezelfde ruimte bevinden, en dus de verlichting ‘delen’. Richardson [7] introduceerde hiervoor de effectieve bezetting (beff), waarvan de waarden worden weergegeven in tabel 7. Wanneer er bijvoorbeeld 3 personen aanwezig zijn, wordt rekening gehouden met een bezetting van 1,694. Ten slotte wordt aan elk gezin een geïnstalleerd vermogen voor verlichting toegekend, waarbij onderscheid gemaakt wordt tussen gezinnen die verlichten met spaarlampen of met gloeilampen. De aangenomen waarden voor het geïnstalleerd vermogen worden weergegeven in tabel 8. Het totale elektriciteitsverbruik voor kunstverlichting is functie van de vloeroppervlakte van de woning (A), de effectieve bezetting (beff) en het geïnstalleerd vermogen (Pinst).
08_13_Aerts.indd 11
Bouwfysica 1 2012
11
Tabel 3: Elektriciteitsverbruik in gebruik en in slaapstand [12] in gebruik [W]
in slaapstand [W]
computer (CRT beeldscherm)
120
60
computer (LCD scherm)
80
3
internetmodem
34
12
elektrisch fornuis
1400
–
microgolfoven
1250
–
stofzuiger
800
–
strijkijzer
500
–
televisie (CRT scherm)
160
10
televisie (LCD scherm)
150
6
DVD speler
25
5
hifi-installatie
100
9
CD speler
15
2
Tabel 4: Elektrisch vermogen en gebruiksduur [13] elektrisch gebruiksduur vermogen [W] [min.] vaatwasser (A label)
530
120
vaatwasser (C label)
725
120
wasmachine (A label)
490
140
wasmachine (C label)
644
140
droogkast (A label)
3060
60
droogkast (C label)
3780
60
Tabel 5: Elektrisch vermogen en duur van de cyclus [13] elektrisch duur cyclus + vermogen [W] interval [min.] koelkast (250 liter, A+ label)
63
20 + 70
koelkast (250 liter, C label)
123
20 + 70
diepvriezer (250 liter, A+ label)
78
20 + 70
diepvriezer (250 liter, C label)
152
20 + 70
koelkast met vriesvak (200+50 liter, A+ label)
125
10 + 80
koelkast met vriesvak (200+50 liter, C label)
437
10 + 80
Tabel 6: Daglichtfactor in functie van het woningtype woningtype
daglichtfactor
open bebouwing
2,5
halfopen bebouwing
2,0
gesloten bebouwing, appartement
1,5
13-03-2012 15:14:47
1 2012 Bouwfysica
www.nvBv.org
Elektriciteitsverbruik (W)
12
4a
5
Elektriciteitsverbruik (W)
interne warmtewinsten per vloeroppervlakte
4b individueel (a) en gemiddeld (b) elektriciteitsverbruik na 1000 simulaties (éénpersoonsgezin in een appartement, weekdag) Tabel 7: Effectieve bezetting [7] aantal actieve gezinsleden
6 effectieve bezetting beff [-]
0
0,000
1
1,000
2
1,528
3
1,694
4
1,983
Tabel 8: geïnstalleerd vermogen per oppervlakte-eenheid geïnstalleerd vermogen [W/m2] spaarlampen
3
gloeilampen
9
rEsulTaTEn Het elektriciteitsverbruik van gezinnen kan gemodelleerd worden voor zowel individuele gezinnen als voor een grotere steekproef. In figuur 4a wordt een willekeurig resultaat getoond voor een éénpersoonsgezin, wonend in een appartement, op een weekdag in januari. Figuur 4b toont het gemiddelde elektriciteitsverbruik voor dit type gezin. Kennis van de activiteiten voor dit gezin laten toe om het totale elektriciteitsverbruik op te splitsen in het verbruik per apparaat. Dit maakt een gedetailleerde analyse van het elektriciteitsverbruik mogelijk. Op basis van het aanwezigheidsmodel en het elektriciteitsmodel kunnen ook de totale interne warmtewinsten bepaald worden. Figuur 5 toont de gemiddelde interne warmtewinsten per vloeroppervlakte. De foutbalken stemmen overeen met één standaardafwijking. Er is een vrij goede overeenstemming tussen de gesimuleerde interne
08_13_Aerts.indd 12
Procentuele elektriciteitsverbruik per categorie warmtewinsten en de standaardwaarden voor interne warmtewinsten in de Vlaamse energieprestatieregelgeving (EPB).
valIDaTIE Eerder werd al aangetoond dat er een zeer goede overeenstemming is tussen het aanwezigheidsmodel en de gemeten aanwezigheid uit het TBO (zie figuur 3). We kunnen besluiten dat de gebruikte Markov Chain Monte Carlo methode geschikt is voor de modellering van tijdreeksen. Het elektriciteitsmodel werd geverifiëerd tegen een Belgische studie naar de invloed van socio-technische factoren op het energieverbruik in de residentiele sector (SEREC, 2005) [14]. In deze studie werden telefonische enquêtes afgenomen die peilden naar kennis en gedrag in verband met energieverbruik. Daarnaast werd een website ontwikkeld waarop deelnemers hun energieverbruik konden vergelijken met gelijkaardige gezinnen. Figuur 6 toont per categorie de fractie van het elektriciteitsverbruik ten opzichte van het totale verbruik. We zien dat het model voor de categorieën ‘computer’ tot en met ‘koelkast en diepvries’ een hoger aandeel bekomt. Het SEREC onderzoek heeft echter een grote categorie ‘niet gemeten’, doordat tijdens de meetcampagne niet alle toestellen konden gemeten worden. Verder werd in het SEREC onderzoek ook elektrische verwarming gemeten. Hoewel slechts 7,8% van de gezinnen elektrisch verwarmt, heeft dit een grote impact op het gemiddelde elektriciteitsverbruik. De combinatie van deze twee factoren geeft een vertekend beeld, maar we kunnen besluiten dat de verdeling van het elektriciteitsverbruik onder de verschillende categorieën goed is.
13-03-2012 15:14:53
•
energie en milieu
Bouwfysica 1 2012
13
BRONNEN
Jaarlijks elektriciteitsverbruik (kWh)
7 Verdeling van het elektriciteitsverbruik voor een éénpersoonsgezin in een appartement, volgens het model en de SEREC studie Figuur 7 toont de spreiding van het elektriciteitsverbruik van éénpersoonsgezinnen in appartementen. Er is een zeer grote gelijkenis tussen de resultaten die bekomen werden met het model en de resultaten die verzameld werden in de Belgische SEREC studie. Niet alleen de waarden van het elektriciteitsverbruik, maar ook de spreiding ervan binnen één gezinstype tonen een grote overeenstemming. Hiermee wordt aangetoond dat model in staat is om tot realistische voorspellingen van het elektriciteitsverbruik van gezinnen te komen.
CONCLUSIES EN VERDER ONDERZOEK We kunnen besluiten dat de voorgestelde modelleringsmethode erin slaagt om realistische voorspellingen van het elektriciteitsverbruik van gezinnen te produceren op basis van TBO. Het verzamelen van gegevens door middel van enquêtes kan gezien worden als een minder intrusief alternatief voor relatief dure en omslachtige energiemetingen in individuele woningen. Dit onderzoek wil een bijdrage leveren aan de doelstelling om het gedragsgebonden energieverbruik in woningen te doen dalen. Onderzoek heeft namelijk aangetoond dat het aanbieden van algemene tips via workshops of via de media op zich niet volstaat [15]. Hoewel de kennis van de gebruiker verruimd wordt, leidt dit niet tot een vermindering van het energieverbruik. Betere resultaten worden bekomen wanneer directe en persoonlijke informatie verschaft wordt, bijvoorbeeld door energie-audits of door gerichte feedback. Het voorgestelde model wil met accurate voorspellingen van het totale energieverbruik een meer gerichte feedback naar de gebruiker mogelijk maken. Zo kan de benchmarking van een gezin tegenover een representatieve groep van gezinnen waardevol zijn om gebruikers inzicht te geven in hun verbruik. Door de hoge graad van detail in het model wordt het ook mogelijk om geïndividualiseerd advies te geven op basis van het geregistreerde gedrag van het gezin.
[1] Gram-Hanssen, K., 2010, Residential heat comfort practices: understanding users, Building Research & Information, 38:2, 175-186 [2] Beerepoot, M., Beerepoot, N., 2007, Government regulations as an impetus for innovation: Evidence from energy performance regulation in the Dutch residential building sector, Energy Policy, 35, 4812-4825 [3] Santin, O.G., Itard, L., Visscher, H., 2009, The effect of occupancy and building characteristics on energy use for space and water heating in Dutch residential stock, Energy and Buildings, 41, 1223-1232 [4] Glorieux, I., Minnen, J., Website ‘Belgisch tijds budgetonderzoek’ (www.time-use.be), Onderzoeksgroep TOR Vrije Universiteit Brussel & Algemene Directie Statistiek en Economische Informatie, Brussel [5] Glorieux, I., Mestdag, I., Minnen, J., 2008, Technisch verslag Time & Budget, Onderzoeksgroep TOR, Vakgroep Sociologie, Brussel [6] Glorieux, I., Minnen, J., Van Tienhoven, T-P., 2008, Een weekje België. Enkele resultaten van het Belgisch tijdsbestedingsonderzoek 2005 (TBO’05), Onderzoeks groep TOR, Vakgroep Sociologie, Brussel [7] Richardson, I., Thomson, M., Infield, D., Delahunty, A., 2009, Domestic lighting: A high-resolution energy demand model, Energy and Buildings, 41, 781-789 [8] Richardson, I., Thomson, M., Infield, D., Clifford, C., 2010, Domestic electricity use: A high-resolution energy demand model, Energy and Buildings, 42, 1878-1887 [9] Widén, J., Nilsson, A.M., Wäckelgård, E., 2009, A combined Markov-chain and bottom-up approach to modelling of domestic lighting demand, Energy and Buildings, 41, 1001-1012 [10] Widén, J., Wäckelgård, E., 2010, A high-resolution stochastic model of domestic activity patterns and electricity demand, Applied Energy, 87, 1880-1892 [11] Gilks, W. R., Richardson, S., Spiegelhalter, D. J., 1996, Markov chain Monte Carlo in practice, Chapman & Hall [12] BIM, Infofiche Energie: Wat is het gemiddelde verbruik van huishoudapparaten? (Elek 05) Website http://documentatie.leefmilieubrussel.be/documents/IF_ Energie_ELEC05_part_NL.PDF [13] European Commission, Energy labeling of Domestic Appliances, http://ec.europa.eu/energy/ efficiency/labelling/labelling_en.htm [14] Bartiaux, F., Vekemans, G., Gram-Hanssen, K., 2006, Socio-technical factors influencing residential energy consumption (SEREC): final report, Belgian Science Policy [15] Abrahame, W., Steg, L., Vlek, C., Rothengatter, T., 2005, A review of intervention studies aimed at household energy conservation, Journal of Environmental Psychology, 25, 273-291
DANKWOORD De auteurs zijn dank verschuldigd aan Innoviris (Brussels Hoofdstedelijk Gewest) voor de financiering van dit het doctoraatsonderzoek getiteld ‘The impact of user behaviour on energy use in the Brussels social housing blocks’, waarvan dit onderzoek deel uitmaakt. n
08_13_Aerts.indd 13
13-03-2012 15:14:54
