Dans l’annexe A.4, nous présentons les valeurs moyennes d’IDC en fonction de différentes variables caractéristiques de l’état des immeubles et des installations de production et distribution de chaleur.
Néanmoins, dans la perspective d’examen de l’impact de mesures de rénovation, il s’avère intéressant de mesurer l’influence d’une variable d’état sur le niveau de l’IDC. A cette fin, nous développons ci-après un modèle pour l’estimation de l’IDC en fonction de différentes variables qualitatives.
L'approche proposée est un modèle simple linéaire qui explique les variations de l’IDC des immeubles destiné à un usage « Mixte, Logement, Commercial ou Administratif », en fonction des différentes variables explicatives. Les variables retenues à ce stade, toutes qualitatives, sur l’état de l’immeuble sont les suivantes :
1. Type vitrage (trois états : simple, double et triple)
2. Isolation de la façade (quatre états : sans, extérieure, intérieure, crépis) 3. Qualité de la toiture (quatre états : bon état, état moyen, état vétuste et neuf) 4. Type de ventilation (trois états : double flux, naturelle et simple flux)
5. Etat de la chaudière (quatre états : bon état, état moyen, état vétuste et neuf)
6. Etat de l’isolation de la distribution de chaleur (trois états : bon état, état moyen et vétuste) 7. Solaire thermique (deux états : sans et avec installation)
La figure 4.1 a peut aider à mieux identifier les variables prises en compte. Les chiffres entre parenthèses dans cette figure représentent les variables qui ont été retenus dans le modèle.
Figure 4.1.a : Bilan énergétique d’un bâtiment.
Pour les besoins de l’estimation, chaque modalité de la variable qualitative est transformée sous forme de variable "dummy"
7(soit des variables qui ne prennent que deux valeurs, 0 ou 1, selon la présence ou l'absence d'un état). Cela permet d'évaluer indépendamment l'impact de chaque état de la variable.
7
Souvent utilisé pour réaliser une régression linéaire lorsque le modèle contient des variables catégoriques
Le modèle linéaire spécifié est le suivant : états) décrites ci-dessus pour le bâtiment i, 𝛽
𝑘,𝑗les coefficients représentant l’impact moyen de l’état de la variable et 𝜖
𝑖est la déviation par rapport au modèle.
Nous avons identifié, pour chacune des variables, l’état le plus fréquent et défini celui-ci comme
« base de référence », dénotée « base » ci-dessous.Le tableau suivant présente les résultats d’une régression linaire sur l’ensemble des bâtiments de la base des données Signa-Terre :
Tableau 4.1 : Estimation du modèle IDC
Les résultats du tableau peuvent être interprétés comme suit :
• Un bâtiment avec des fenêtres triple vitrage consomme 23 MJ/m
2/an de moins qu’un bâtiment avec des fenêtres avec un double vitrage alors que ceux qui ont des fenêtres simple vitrage consomment 14 MJ/m
2/an de plus. Le cas le plus courant est celui des bâtiments avec des doubles vitrages ;
• Le cas le plus fréquemment rencontré dans la base des données Signa-Terre est celui des bâtiments sans isolation thermique. Ceci n’est probablement pas le cas au niveau du canton.
Un bâtiment avec des murs possédant une isolation thermique externe ou interne représente une diminution de la consommation de 39 MJ/m
2/an par rapport à un bâtiment non isolé. Un bâtiment avec un crépi isolant consomme 37 MJ/m
2/an de moins ;
• Un bâtiment avec une nouvelle toiture (interprétée ici comme ayant une bonne isolation thermique) a une consommation de 24 MJ/m
2/an plus faible que celle d’un bâtiment avec une toiture en bon état (le cas le plus courant). Une toiture en état moyen et vétuste représente une surconsommation de 7 et 11 MJ/m
2/an respectivement ;
• Un système double flux (en général avec récupération de chaleur) aura une consommation de 58 MJ/m
2/an plus faible qu’un bâtiment équipé d’un système d’extraction simple flux (le cas le plus courant). Les bâtiments avec une ventilation naturelle consomment 25 MJ/m
2/an de moins que ceux qui possèdent une extraction simple ;
• Un bâtiment dont la chaudière est en état moyen ou vétuste consomme 18 et 70 MJ/m
2/an de plus (respectivement) qu’un bâtiment avec une installation en bon état (ou neuve);
• La plupart des bâtiments ont une isolation thermique des installations de distribution de chaleur en bon état. Un bâtiment dont l’état de l’isolation thermique est moyen ou vétuste consomme 20 et 30 MJ/m
2/an de plus (respectivement);
• Dans la base des données Signa-Terre, près de 6% des bâtiments possèdent un système solaire thermique. Le cas le plus courant est celui des bâtiments sans système solaire thermique. Un bâtiment avec un système solaire thermique (en bon état, état moyen ou neuf) aura un IDC de 109, 35 et 70 MJ/m
2/an respectivement plus faible. La valeur obtenue pour les systèmes solaires en état moyen nous semble réaliste. Cependant, nous devons avouer les autres valeurs nous semblent trop élevées par rapport aux pratiques actuelles
8;
• Un bâtiment avec les caractéristiques (état) les plus fréquemment rencontrées consommerait près de 526 MJ/m
2/an. Notons qu’il s’agit ici d’un sous ensemble de bâtiments de la base des données Signa-terre dont les variables utilisées sont renseignées ;
• L’état le plus fréquemment rencontré pour chacune des sept variables est celui dont le coefficient est nul dans le tableau 4.1 : type de vitrage (double), isolation de la façade (sans), état de la toiture (bon état), type de ventilation (simple flux), état de la chaudière (bon état), état de l’isolation de la distribution de chaleur (bon état) et présence d’un système solaire thermique (sans).
Le nombre de variables explicatives (sept au total) que nous avons explorées est important. La taille de l’échantillon de la base de données actuelle de Signa-Terre devient faible à cet égard. A l’exception de la valeur obtenue pour les systèmes solaires, l’ordre de magnitude des paramètres restants, que nous obtenons avec la régression linaire, nous semble correct. Cependant, il ne serait pas prudent à ce stade de prendre ces valeurs comme telles pour représenter le parc Genevois bâti.
8
Voir à ce propos notre remarque à la section 3.2, qui peut justifier cette surestimation.
4.2 Eau Chaude Sanitaire (ECS)
La base des données Signa-Terre contient le volume d’eau chaude sanitaire (ECS) en m
3par an. Pour les besoins de cette étude, nous avons réalisé une estimation de la chaleur nécessaire (en MJ/m
2par an) pour la production de l’ECS en prenant les hypothèses suivantes pour l’ensemble des bâtiments :
Consommation de l'ECS en m
3/an Température eau froide : 13 °C Température ECS : 50 °C Pertes distribution : 30 %
Emplacement du compteur ECS : en amont de la déviation boiler – vanne mélangeuse La figure 4.1.b donne un aperçu concernant les hypothèses prises.
Figure 4.1.b : hypothèses prises pour le calcul de la chaleur nécessaire pour la production de l’eau chaude sanitaire
Les deux tableaux suivants montrent la consommation de chaleur pour la production d'ECS en MJ/m
2selon la base des données Signa-Terre et, pour comparaison, selon la directive 2017 de l'OCEN pour le calcul de l'IDC. Les valeurs des besoins d’énergie estimés selon notre approche peuvent être comparées à celles issues des recommandations sur le calcul de l’IDC. On voit que les bâtiments dans la catégorie « logements » ont une consommation un peu plus faible que celle utilisée dans le calcul de l’IDC tandis que les bâtiments « commercial » ont une consommation beaucoup plus faible.
Tableau 4.2 : Consommation de chaleur (énergie primaire en MJ/m2-an) pour la production d’eau chaude sanitaire selon la base des données Signa-Terre
Mixte 97 73 90 118 Logement 110 78 103 136 Commercial 15 6 7 20 le mean(Eww) p25(Eww) med(Eww) p75(Eww) TypeImmeub
Tableau 4.3 : Consommation de chaleur (énergie primaire en MJ/m2-an) pour la production d’eau chaude sanitaire selon la directive 2017 de l'OCEN pour le calcul de l'IDC
La différence de consommation pour l’ESC est de 65% pour les bâtiments commerciaux et de 14% pour l’habitat collectif (logements). Si la consommation que nous avons estimée pour les bâtiments Signa-Terre est représentative du parc des bâtiments à Genève, alors la consommation d’ECS utilisée pour le calcul de l’IDC est surestimée et donc la partie correspondant au chauffage sous-estimé. Ceci a comme conséquence, de même que la présence d’un système solaire, d’introduire un biais suite à la correction climatique comme on le montre dans la section 3.2. C’est probablement la même cause qui conduit une diminution très marquée entre l’IDC avec l’ancienne directive (avant 2010) et l’IDC de maintenant.
Rappelons que dans l’ancienne directive, on faisait l’hypothèse que la chaleur pour la production d’eau chaude sanitaire correspondait à 30% de la consommation totale de chaleur (voir annexe A.6).
Séparer correctement la consommation de chaleur entre ECS et chauffage semble être important pour rendre l’IDC plus robuste en tant qu’indicateur de suivi énergétique. Ceci pourrait se faire à partir d’un compteur du volume d’eau (probablement existant dans plusieurs cas) et des relevés annuels. Cela permettrait, par ailleurs, d’identifier les bâtiments où la consommation d’ECS serait trop élevée. Des actions ciblées (réducteurs de débit et pommeaux de douche efficients) pour diminuer la consommation d’eau pourraient se mettre en place pour améliorer l’IDC. Celles-ci ont en général des coûts plus bas que ceux correspondant à la rénovation thermique de l’enveloppe.
4.3 Eau froide
Nous modélisons la consommation d'eau froide au moyen de la surface des logements corrigée de la présence de chasse-d'eau à deux volumes et de la présence d'une buanderie, on intègre également un indicateur portant sur une piscine ou une pataugeoire.
Cela conduit au modèle suivant :
ConsoEau = 𝑎 × Surflogmt × (1 + 𝑏 × Chasse2V + 𝑐 × Buan) + 𝑑 × Piscine où
ConsoEau Consommation annuelle d'eau froide (m
3/an) SurfLogmt Surface des logements (m
2)
Chasse2V Présence de chasse-d'eau à deux volumes (0/1) Piscine présence d'une piscine ou pataugeoire (0/1)
--- ConsoEau | Coef. Std. Err. t P>|t| [95% Conf. Interval]
---+--- a | 1.618738 .0434526 37.25 0.000 1.533512 1.703964 b | -.0893621 .0274486 -3.26 0.001 -.1431986 -.0355257 c | .0560215 .0306137 1.83 0.067 -.0040229 .1160658 d | 128.2909 196.0067 0.65 0.513 -256.1475 512.7292 ---