2 kengetallen. Utiliteitsbouw

2

kengetallen

Utiliteitsbouw Gewogen kengetallen energiegebruik zijn obv landelijke voorraad • er zou eigenlijk per regio of gemeente een weging moeten plaatsvinden naar de lokale samenstelling van de voorraad

SPATIAL STRATEGIES

Gewogen kengetallen ipv. landelijke kengetallen Kengetallen voor het energiegebruik voor Utiliteitsbouw zijn bepaald aan de hand van een recent onderzoek van ECN . Hierin wordt het energiegebruik per m2 gegeven voor verschillende gebruiksdoelen, jaartalgroepen en oppervlakteklassen. Dit zijn gewogen kengetallen aan de hand van landelijke cijfers over energieverbruik en de gebouwvoorraad. Het zou nauwkeuriger zijn om op basis van de lokale samenstelling van de gebouwvoorraad tot een lokale set kengetallen te komen.

- april 2016 - Posad Spatial Strategies

73

2

kengetallen

Utiliteitsbouw Besparingspercentages zijn niet uitgesplitst naar grootteklasse en jaartalgroep. • (nog) niet beschikbaar, kan wel. • effect wordt gedempt doordat er wel verschil is in huidig gebruik per jaartalklasse en gebouwgrootte.

SPATIAL STRATEGIES

Besparingspercentages Utiliteitsbouw Voor de meest voorkomende besparingsmaatregelen in de utiliteitsbouw is gebruik gemaakt van de kengetallen van ECN uit 2014 . Deze besparingskengetallen zijn echter nog niet uitgesplitst naar grootteklasse en jaartalgroep. Deze gegevens blijken bij navraag wel bij ECN bekend te zijn, maar publicatie vergt een aantal extra handelingen die binnen het budget en de doorlooptijd van dit onderzoek niet mogelijk waren.


75

2

kengetallen

Woningbouw Kengetallen energiegebruik (Vesta) en besparing (RVO) zijn verouderd (20052011), minder doorzichtig (pakketten) en te positief (30% aldus ECN). • kengetallen WoON onderzoek obv representatieve steekproef van de woningvoorraad en koppeling klantbestanden CBS, mét aandacht voor verdeling naar woningtypen en bouwjaarklassen. Wordt elke 6 jaar herhaald in opdracht van BZK. • Bruikbare kengetallen genereren door ECN: ~4 dagen

SPATIAL STRATEGIES

Verouderde kengetallen woningbouw Kengetallen voor het energiegebruik van woningen zijn verkregen uit het Vesta -model, en voor de besparingspotentie uit de publicatie over modelwoningen van RVO . In gesprekken met zowel ECN als met Geodan bleek dat deze twee publicaties een tot wel 30% te positief beeld geven van de besparingspotentie in de woningbouw. Een alternatief hiervoor zou het WoON onderzoek kunnen zijn dat in opdracht van het ministerie van BZK elke 6 jaar wordt herhaald. Dit onderzoek maakt gebruik van een representatieve steekproef op basis van de CBS klantbestanden. Om de kengetallen te genereren die voor dit onderzoek nodig zouden zijn (met uitsplitsing naar jaartalgroep en woningtype) is een extra bewerking nodig door ECN die ca. 4 dagen kost.


77

2

kengetallen

Enkele maatregelen nog ‘blanco’ bij gebrek aan betrouwbare aannames. WTW uit koel/vries installaties Aanwezigheidsdetectie Waterbesparende douche WKO WKK

SPATIAL STRATEGIES

Blanco maatregelen In dit model zijn, bij gebrek aan betrouwbare kengetallen, nog niet alle technisch mogelijke maatregelen meegenomen. Het gaat hierbij om warmte terugwinning uit koel/vries installaties, het inregelen van installaties en de WKK, die met name in de utiliteitsbouw relevant zijn. Daarnaast zijn WKO installaties, waterbesparende douches en aanwezigheidsdetectie -voor zowel woningbouw als utiliteitsbouw relevant- nog niet meegerekend


79

2

kengetallen

Aanbeveling =RUJYRRUDFWXHOHJHELHGVVSHFLHÀHNJHZRJHQNHQJHWDOOHQREY($1 gebruiksgegevens per aansluiting, bijv via CBS Echter: deze zijn zeer gevoelig

SPATIAL STRATEGIES


81

3

methode

maatregelen die samen voorkomen nog niet gekoppeld • maatregelen die elkaar uitsluiten wel penetratiegraad maatregelen (nog)niet meegenomen • voor woningbouw is deze data wel beschikbaar QRJJHHQÀOWHURSPRQXPHQWHQWRHJHSDVW • deze informatie is wel voorhanden en geeft icm een aantal gesprekken met experts een QDGHUHYHUÀMQLQJ

SPATIAL STRATEGIES

Methode Er zijn nog aspecten aan het model die nog aanscherping verdienen: • Op dit moment wordt, als maatregelen elkaar uitsluiten, alleen de meest relevante meegeteld in de besparingspotentie. Evengoed zijn er maatregelen die enkel (of bij voorkeur) samen worden toegepast. Deze koppeling is echter nog niet gemaakt.Op dit moment neemt het model een stijging van het elektriciteitsverbruik bij bijvoorbeeld een warmtepomp mee als 25% van de energetische waarde van het door de warmtepomp bespaarde gas. Voor maatregelen die een stijging van het gasverbruik tot gevolg hebben, is deze rekenmethode nog niet meegenomen. Deze maatregelen (WKK en Gasabsorptiewarmtepomp) zijn echter (nog) niet opgenomen in het model. • Voor monumenten gelden aangepaste kengetallen. Er is wel overleg geweest met de Dienst Monumenten van de gemeente Leiden en op basis van een dataset van de gemeente is het is bij ons bekend om welke panden het gaat. Dit is echter geen open data, en is daardoor een beperking bij snel opschalen van het model. Door de korte doorlooptijd van deze studie zijn geen aangepaste kengetallen bepaald voor de monumentale gebouwvoorraad in Leiden.


83

4

gebruik: privacy

enkele databases zijn niet openbaar • data die hieruit verkregen wordt is echter geen gevoelige data: gebouwtype, type activiteit/gebruikstype door het samenbrengen van (veel) open data kan toch de privacy in het geding komen • bijvoorbeeld: als één bedrijf heel veel besparingspotentie lijkt te hebben NDQKLHUVSHFLÀHNPDUNHWLQJRSJHYRHUGZRUGHQ

afbeelding: steiner woodwork.com

SPATIAL STRATEGIES

Privacy Voor deze studie is gebruik gemaakt van een aantal niet openbare datasets: •

Bedrijvenregister Zuid Holland

•

Eigendommen, rechtsvorm en kadastrale percelen via de gemeente Leiden

•

Woningtypes obv analyse RIGO

•

WOZ

De gegevens uit deze datasets zijn enkel op dermate abstract niveau zichtbaar in de kaartbeelden, dat hierover geen privacy problemen verwacht worden. Door het koppelen van diverse gegevens, met name uit open datasets, ontstaan echter nieuwe inzichten op panden buurtniveau, die wel privacygevoelig kunnen zijn. Theoretisch, bij doorontwikkeling van dit model, zou het zo kunnen zijn dat bedrijven hier een marketing- of uitsluitingsbeleid op baseren. Als bijvoorbeeld blijkt dat een bepaalde wijk een grote potentie heeft voor het toepassen van een bepaalde (set) maatregelen, dan kan hier gerichte marketing plaatsvinden. Of dit een onwenselijke of juist een goede zaak is (in het kader van het versnellen van de energietransitie) dient te worden overwogen.


85

Mogelijk interessante uitbreidingen van het model met varianten voor het maatregelenpakket, gebaseerd op: • TVT 5 of TVT 10 / MKBA • toepasbare maatregelen zonder vergunning • toepasbare maatregelen met lage begininvestering • maatregelen die samengaan met renovatiemoment • maatregelen die geen overlast geven

SPATIAL STRATEGIES

Uitbreidingskansen Het model gaat nu uit van de technische toepasbaarheid van maatregelen. Zoals ook in het begin van dit rapport wordt omschreven, zijn er echter nog meer parameters die bepalen of een maatregel al dan niet interessant is. Bij opschaling en uitbreiding van dit model zouden deze SDUDPHWHUVQRJH[WUDYHUÀMQLQJHQYDQGHEHVSDULQJVSRWHQWLHNXQQHQRSOHYHUHQ • Terugverdientijd. Welke maatregelen verdienen zich binnen afzienbare tijd terug? Dit verschilt echter wel per gebouwtype, grootte- en jaartalklasse. • Begininvestering. Hoewel sommige maatregelen zich wel terugverdienen, kan een hoge begininvestering toch een drempel zijn voor mensen met weinig liquiditeiten. Hier zou op JHVHOHFWHHUGNXQQHQZRUGHQRPGRHOJURHSJHULFKWWHVXEVLGLsUHQ • Welke maatregelen zijn zonder vergunning toe te passen en zijn dus voor de eigenaar/ gebruiker eenvoudiger? • Meekoppelkansen grootschalige renovatie. Wanneer enerzijds bekend is welke panden toe zijn aan grootschalige renovatie, en anderzijds welke maatregelen daarmee goed samengaan, kan werk met werk gecombineerd worden.


87

4. WIE/WAT/WAAR/HOEVEEL?

afbeelding: nudge.nl

SPATIAL STRATEGIES

Voorbeelden van het opsporen van kansen De kracht van het model op basis van GIS zit de mogelijkheid om de informatie over besparingsmaatregelen te kunnen combineren met andere informatie zoals sociale en HFRQRPLVFKHNHQPHUNHQYDQHHQEXXUW+LHUGRRUNRPWVSHFLÀHNHULQEHHOGZHONHJURHSHQ mensen de meeste besparingspotentie in handen hebben. Aan de hand van deze informatie zouden strategische stimuleringsmaatregelen kunnen leiden tot actie. In dit hoofdstuk wordt hiertoe een eerste aanzet gedaan.


89

Particulier eigendom Bedrijven, Personen of beiden gemengd

Overheids eigendom Gemeente, Provincie, Hoogheemradschap, Rijk

Collectief eigendom Corporatie, stichting, vereniging, kerkgemeenschap, VVE

SPATIAL STRATEGIES

Eigendomsverdeling Voor de vraag ‘wie’ de meeste besparingspotentie in handen heeft, is het mogelijk om te kijken naar wat voor typen eigendommen er voorkomen. De eerste groep eigenaren zijn de private eigenaren; personen en bedrijven die een pand bezitten. Binnen deze groep zijn twee subgroepen: eigenaren die ook de energierekening betalen, en eigenaren die hun pand particulier verhuren en hun huurders de energierekening laten betalen. Deze laatste groep is mogelijk minder bereid om te verduurzamen, maar kan wel door de betaler van de energierekening worden aangespoord. Helaas is het nu nog niet mogelijk om particuliere huur eenvoudig te onderscheiden van een pand met een eigenaar-gebruiker. Een tweede interessante groep is het overheidseigendom. Wat heeft de overheid zelf in handen aan besparingspotentie? Kan de overheid met het verduurzamen van haar vastgoed een voorbeeld stellen én een bijdrage leveren aan de besparingsdoelstelling? Ten derde zijn er de collectieven. Dat zijn zowel woningbouwcorporaties, stichtingen, verenigingen, kerkgemeenschappen als VVE’s. Deze eigenaren hebben vaak meerdere panden in hun bezit of delen een verantwoordelijkheid. Door één zo’n (collectieve) eigenaar succesvol aan te spreken kan veel vastgoed in één keer verduurzamen.


91

privaat corporatie overheid VVE stichting, kerkgenootschap, vereninging, etc.

SPATIAL STRATEGIES

Eigendom in kaart In deze kaart is te zien hoe het eigendom in de gemeente Leiden verdeeld is over een aantal hoofdgroepen, waarbij de collectieven uitgesplitst zijn naar corporaties, VVE’s en overige collectieven. Er tekenen zich clusters af van gelijksoortige eigenaren. De private eigenaren hebben verreweg het grootste aantal panden in hun bezit en daarmee kunnen ze 1,75 PJ besparen.

besparing

aantal

20000

10000

0 1,0 PJ 2,0 PJ

adressen panden privaat corporatie overheid VVE stichting, vereniging, etc.


93

In overheidspanden kan 6,9% van de totale besparingspotentie (3,65 PJ) gerealiseerd worden, ofwel 0,25 PJ. De meeste panden bevinden zich in de bovenste besparingsgroepen.

3,65 PJ

0 10% = 0,365 PJ

SPATIAL STRATEGIES

Besparingskansen overheidspanden De besparingspotentie voor de overheidspanden is lager (0,25 PJ) dan die van de andere groepen, maar het gaat hier ook om veel minder panden (290). Door enkel de overheidspanden aan te pakken kan toch zo’n 6,9 % van de totale besparingspotentie gerealiseerd worden, of 5% van het totale geschatte energiegebruik. Daarbij komt nog dat met slechts 134, ofwel de helft van de panden, de eerste 94% van de besparingspotentie van de overheid kan worden gerealiseerd. Dit zijn met name panden met een medisch gebruik, katoren (hoog- en laagbouw), musea, (buiten)sport gebouwen . adressen panden

aantal

10000

5000

3,65 PJ

0 10% = 0,365 PJ


95

privaat corporatie overheid VVE stichting, kerkgenootschap, vereninging, etc.

SPATIAL STRATEGIES

Bezit van collectieven Als we kijken naar het bezit van de collectieven, zien we dat het bezit door de hele stad verspreid is maar dat er ook hier clusters te onderscheiden zijn.


97

In corporatiebezit kan 13% (0,49 PJ) van de totale besparingspotentie (3,65 PJ) gerealiseerd worden. De meeste panden bevinden zich in de onderste besparingsgroepen.

3,65 PJ

0 10% = 0,365 PJ

SPATIAL STRATEGIES

Besparingskansen binnen het corporatiebezit Wanneer de besparingspotentie van alleen de corporaties wordt getoond, springen er een aantal grote panden uit. Stel dat alle corporaties vol zouden inzetten op verduurzaming van hun voorraad, dan zou dit 0,49 PJ kunnen opleveren op basis van deze modelaannames.

adressen panden

aantal

10000

5000

3,65 PJ

0 10% = 0,365 PJ


99

vrijstaand 2 onder 1 kap/hoekhuis rijwoning boerderij herenhuis appartement<4 lagen appartement>4 lagen appartement t/m 25m2

64437 adressen in totaal 3,56 PJ energiegebruik 2,65 PJ besparingspotentie

SPATIAL STRATEGIES

Alle woningen Er zijn meer mogelijkheden dan alleen de grote panden aanpakken. Het kan ook zijn dat er grote groepen kleine panden zijn (bijvoorbeeld woningen) waar per pand niet zo veel ‘te halen’ is, maar waarvan er wel heel veel zijn die op eenzelfde manier te verduurzamen zijn. Op deze kaart worden alle woningen getoond, verdeeld naar het type woning.


101

TOTALE BESPARINGSPOTENTIE (GJ) 275.000

besparingspotentie

250.000 225.000 200.000 175.000 150.000 125.000 100.000 75.000 50.000 25.000

0

vrijstaand

2 onder 1 kap

rijwoning

boerderij

hh.

app. 4 of minder lagen

app. 5 of meer lagen

app. maximaal 25m2

500 1000 1500 2000

1945 enen ouder 1945 ouder

2500

1946 -1959 1946 -1959

3000

1960 - 1974 1960 - 1974

3500

1975 - 1991 1975 - 1991

4000

1992 - 2005 1992 - 2005

4500

2006 - 2020 2006 - 2020

WONING AANTALLEN SPATIAL STRATEGIES

Woningen: Grootste groep en grootste besparingspotentie Wanneer de aantallen van de woningen per woningtype en jaartalklasse worden uitgezet tegen de hoeveelheid energie die er in die groep kan worden bespaard, is af te lezen waar de grootste ‘massa’ te vinden is. Een aantal bouwjaargroepen zijn in de legenda samengevat RQGHUppQNOHXUPDDUZRUGHQZHOQDDVWHONDDULQGHJUDÀHNJHWRRQG=R]LMQHUQDJHQRHJ evenveel appartementen (van 4 lagen of minder) uit 1946-1959 als uit 1975-1991 maar lijkt de besparingspotentie van de eerste groep hoger.


103

TOTALE BESPARINGSPOTENTIE (GJ) 275.000

besparingspotentie

250.000

besparingskansen

225.000

besparingskansen

200.000 175.000 150.000 125.000 100.000 75.000 50.000 25.000

0

vrijstaand

2 onder 1 kap

rijwoning

boerderij

hh.

app. 4 of minder lagen

app. 5 of meer lagen

app. maximaal 25m2

500 1000 1500 2000

1945 enen ouder 1945 ouder

2500

1946 -1959 1946 -1959

3000

1960 - 1974 1960 - 1974

3500

1975 - 1991 1975 - 1991

4000

1992 - 2005 1992 - 2005

4500

2006 - 2020 2006 - 2020

WONING AANTALLEN SPATIAL STRATEGIES

Woningen: grootste groep en grootste besparingspotentie? (2) ,QGHJUDÀHN]LMQHHQDDQWDOJURHSHQZRQLQJHQXLWJHOLFKWGLHYHHOYRRUNRPHQHQGLHJH]DPHQOLMN een relatief hoge besparingspotentie hebben.


105

rijwoning < 1899 rijwoning 1900 - 1929 rijwoning 1930 - 1945 rijwoning 1980 - 1989 rijwoning 1990 - 1993 appartement > 4 lagen 1973-1976

SPATIAL STRATEGIES

Woningen: waar liggen de grootste besparingskansen? +LHU]LMQGHZRQLQJHQXLWGHYRRUJDDQGHJUDÀHNGLHTXDZRQLQJW\SHRSHONDDUOLMNHQRSGH kaart getoond. Hier worden een aantal buurten zichtbaar die zich lenen voor een gelijksoortige aanpak.


107

Zijlwijk-Zuid • 1980-1989

rijwoning < 1899 rijwoning 1900 - 1929 rijwoning 1930 - 1945 rijwoning 1980 - 1989 rijwoning 1990 - 1993 appartement > 4 lagen 1973-1976

Hoge Mors

De Waard • 1900-1929 • 1930-1945

• 1930-1945

Professorenwijk-West

SPATIAL STRATEGIES

2 kengetallen. Utiliteitsbouw

Recommend Documents