Analyse comparative de l'évolution des Indices de dépense de chaleur (IDC) (bases de données de l'OCEN et de Signa-Terre)

Texte intégral

(1)

Report

Reference

Analyse comparative de l'évolution des Indices de dépense de chaleur (IDC) (bases de données de l'OCEN et de Signa-Terre)

BERTHOLET, Jean-Luc, et al.

Abstract

Ce rapport étudie deux bases de données d'indices de dépense de chaleur (IDC) : la première est celle de l'entreprise Signa-Terre, qui contient beaucoup d'informations détaillées sur les plans technique et architectural, la deuxième est la base de données IDC OCEN (abrégée SITG), qui regroupe l'ensemble des relevés effectués sur le territoire genevois. Sur la base de ces données, une série d'analyse est effectuée afin d'examiner (i) la cohérence entre les base de données, (ii) l'évolution des besoins énergétiques sur trois ans, (iii) les évolutions des IDC (iv) des corrélations multiples entre consommations et caractéristiques architecturales et techniqueLes principales constatations de cet examen ont permis de démontrer que l'échantillon des bâtiments du parc genevois contenu dans la base de données Signa-Terre est parfaitement représentatif de la base SITG, moyennant un léger redressement. Ce constat permet ainsi d'obtenir des conclusions généralisables au niveau cantonal.Le rapport constate une diminution des besoins de chaleur entre 2014 et 2016 de -2,3% au niveau cantonal et -13% au [...]

BERTHOLET, Jean-Luc, et al . Analyse comparative de l'évolution des Indices de dépense de chaleur (IDC) (bases de données de l'OCEN et de Signa-Terre) . Genève : 2018, 52 p.

Available at:

http://archive-ouverte.unige.ch/unige:137691

Disclaimer: layout of this document may differ from the published version.

(2)

Analyse comparative de l'évolution des Indices de dépense de chaleur (IDC)

(bases de données de l'OCEN et de Signa-Terre)

Rapport final – novembre 2018

Jean-Luc Bertholet, Daniel Cabrera, Elliot Romano

Université de Genève, Institut des sciences de l'environnement

Olivier Ouzilou

Signa-Terre, S.A. Genève

(3)
(4)

Contenu

Résumé ... - 3 -

1. Comparaisons des bases de données SITG et Signa-terre ... - 5 -

1.1 Structure des bases de données ... - 5 -

1.2 Comparaison des indices de dépense de chaleur ... - 6 -

1.3 Redressement de l’échantillon Signa-Terre ... - 8 -

1.4 Comparaison des besoins de chaleur ... - 9 -

1.5 Comparaison par agents énergétique ... - 10 -

2. Statistique annuelle des quelques indicateurs (immeubles présents pendant trois années successives dans le fichier Signa-Terre) ... - 11 -

2.1 Eau froide ... - 11 -

2.2 Eau Chaude Sanitaire (ECS) ... - 12 -

2.3 IDC ... - 12 -

2.3 Électricité communs d'immeuble ... - 14 -

3. Évolution de l’IDC au niveau SITG ... - 17 -

3.1 Quel outil de mesure ? ... - 17 -

3.2 Série chronologique sur une longue période ... - 19 -

Remarque critique sur la baisse tendancielle des IDC ... - 20 -

3.3 CO2 ... - 21 -

3.3.1 Série chronologique ... - 21 -

3.3.2 Image du parc ... - 22 -

4. Modélisation des consommations ... - 24 -

4.1 IDC ... - 24 -

4.2 Eau Chaude Sanitaire (ECS) ... - 27 -

4.3 Eau froide ... - 28 -

5. Modélisation de la distribution d'indices de consommation ... - 29 -

5.1 Notion et portée des indices de consommation énergétiques partiels ... - 29 -

5.2 Modélisation des prestations de l'énergie pour les immeubles ... - 30 -

5.3 Estimation simultanée du modèle de mesure des prestations et de la loi de distribution des indices de consommation ... - 32 -

5.4 Trois exemples d'application ... - 33 -

5.4.1. ECS ... - 33 -

5.4.2 Eau ... - 34 -

5.4.3 IDC ... - 35 -

Annexes : Statistiques descriptives en fonction de caractéristiques physiques ... - 37 -

A.1 Eau froide ... - 37 -

A.2 ECS ... - 39 -

A.3 Électricité des communs ... - 41 -

(5)

A.4 IDC ... - 44 -

Variables de l’état du bâtiment qui expliquent la valeur de l’IDC ... - 44 -

Fenêtres ... - 44 -

Toiture ... - 45 -

Murs ... - 45 -

Ventilation ... - 46 -

Système solaire thermique ... - 46 -

Nombre de façades libres ... - 47 -

Tableaux détaillés ... - 47 -

A.5 CO2 ... - 51 -

A.6 Changement méthode de calcul de l’IDC ... - 52 -

(6)

Résumé

L’Office Cantonal de l’Énergie (OCEN) a confié à l’entreprise Signa-Terre SA et l’Université de Genève, Institut des sciences de l’environnement (sous-traitant), le mandat de dégager des relations entre l'IDC et des caractéristiques techniques et/ou architecturales des immeubles afin d'évaluer indirectement les effets de mesures d'assainissement.

Ce rapport étudie deux bases de données d'indices de dépense de chaleur (IDC) : la première est celle de l'entreprise Signa-Terre, qui contient beaucoup d'informations détaillées sur les plans technique et architectural, la deuxième est la base de données IDC OCEN (abrégée SITG), qui regroupe l'ensemble des relevés effectués sur le territoire genevois.

La structure de cette étude est découpée en cinq étapes portant sur les thématiques listées ci-dessous : 1 : Cohérence entre les données Signa-Terre et SITG

2 : Connaissance des grandeurs de base et de leur évolution sur trois ans 3 : Évolution des IDC au niveau des fichiers SITG

4 : Évaluation des corrélations multiples entre consommations et caractéristiques architecturales et techniques

5 : Benchmarking des bâtiments genevois.

Les principales constatations et perspectives sont les suivantes :

• La comparaison structurelle et typologique des bases de données a montré que l’échantillon de Signa-Terre est parfaitement représentatif de la base SITG, moyennant un léger redressement. Ceci a permis d’obtenir des conclusions généralisables au niveau cantonal ;

• En ce qui concerne les besoins de chaleur entre 2014 et 2016, nous pouvons constater une diminution de -2,3% au niveau cantonal et -13% au niveau de la base de Signa-Terre. Pour cette dernière, cela démontre en première instance, l’efficacité de la surveillance énergétique sur le parc sous-gestion ;

• Dans les deux bases, nous pouvons constater durant cette période, un recul des énergies fossiles au détriment des réseaux de chauffage à distance et des pompes à chaleur.

• Les gains énergétiques potentiels les plus intéressants se situent dans les bâtiments situés juste au-dessus de 600 MJ/m

2

pour le logement ;

• Les bâtiments de petites surfaces semblent moins performants que les grands ;

• La représentation systématique des évolutions de l’IDC avec trois indicateurs : médiane, moyenne arithmétique et moyenne pondérée par la SRE, montre que moyenne pondérée semble être la meilleure façon d’objectiver l’IDC afin de maîtriser l'introduction progressive de bâtiments de petites tailles à la suite de la loi sur l'énergie de 2010.

Fort de ces constatations, nous proposons de revoir les seuils IDC de la base légale du décompte individuel des frais de chauffage (DIFC) plus bas qu’une valeur médiane d’env. 490 MJ/m

2

.an

Les corrélations multiples entre consommations et caractéristiques architecturales et techniques ont montré que :

• Au niveau des vitrages : le triple vitrage consomme 23 MJ/m

2

.an de moins que le double vitrage et 37 MJ/m

2

.an de moins que le simple vitrage ;

• Au niveau de l’isolation thermique façades : l’isolation thermique interne ou externe comporte une diminution de la consommation de 39 MJ/m

2

.an par rapport à un bâtiment non isolé.

L’isolation thermique plus faible (crépi) consomme 37 MJ/m

2

.an de moins qu’un bâtiment sans isolation ;

• Toiture : une nouvelle toiture a une consommation de 24 MJ/m

2

.an plus faible qu’une toiture

en bon état, 32 MJ/m

2

.an qu’une toiture en moyen état et 36 MJ/m

2

.an qu’une toiture en état

vétuste ;

(7)

• Ventilation Simple ou double flux : un système de double flux avec une 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. Les bâtiments avec une ventilation naturelle consomment 25 MJ/m

2

.an de moins que ceux à extraction simple ;

• Chaudière : une chaudière dite en état moyen ou vétuste consomme, respectivement, 18 et 70 MJ/m

2

.an de plus qu’un bâtiment avec une chaudière en bon état ou neuve ;

• Distribution de chaleur : l’isolation thermique, d’une installation de distribution de chaleur, dite en état moyen ou vétuste consomme, respectivement, 20 et 30 MJ/m

2

.an de plus qu’un bâtiment avec une isolation en bon état;

• Système solaire thermique : un bâtiment avec un système solaire thermique aura un IDC de 109, 70 ou 35 MJ/m

2

.an plus faible dépendant de l’état du système (bon, neuf ou moyen);

• Caractéristiques les plus fréquentes : si nous devions qualifier un bâtiment « type de l’échantillon de la base de données Signa-terre » avec les caractéristiques les plus fréquentes rencontrés, il consommerait près de 526 MJ/m

2

.an.

Une proposition de modélisation de la distribution des indices de consommation a été proposée avec trois exemples d’applications (ECS, l’eau froide et l’IDC). Cette pratique prometteuse pourrait être généralisée pour d’autres cas d’études.

En annexe figure un certain nombre de statistiques descriptives en fonction des caractéristiques physiques :

• Au niveau de l’eau froide : les valeurs de consommation sont les plus élevées pour les bâtiments dont le régime juridique est HLM ou soumis à une aide fédérale ;

• Pour l’ECS : les valeurs de consommation sont les plus élevées pour les bâtiments dont le régime juridique est HBM, coopératifs ou soumis à une aide fédérale ;

• La consommation moyenne des communs d’immeubles a diminué ces dix dernières années grâce à l’action ECO21 d’SIG. Au niveau de l’électricité des communs : les valeurs de consommations sont les plus élevées pour les bâtiments dont le régime juridique est HLM, LDTR ou LGZD.

Il serait intéressant de comparer ces statistiques descriptives par rapport aux normes de confort de la SIA.

Les perspectives de ce travail sont multiples :

1. Etudier la possibilité de fixer des nouveaux seuils normatifs IDC-DIFC, avec des cibles spécifiques par typologie de bâtiment/affectation ;

2. Les corrélations multiples entre consommations et les caractéristiques architecturales et techniques pourraient être affinées par des modélisations de la distribution d’indices partiels (énergies et CO

2

) ;

3. Les statistiques descriptives en fonction des caractéristiques physiques pourraient faire l’objet d’une comparaison aux normes techniques SIA (physique du bâtiment et de confort);

4. Une recherche technico-économique pourrait être réalisée sur l’efficacité-coûts des actions d’optimisations et/ou de rénovation d’un parc immobilier sur la base d’objectifs calés sur les indices partiels et normes SIA (perspectives 2 et 3 précitées) ;

5. Toute cette analyse pourrait faire l’objet d’une révision annuelle et d’une publication

dynamique à travers un observatoire énergétique et physique du patrimoine bâti à Genève

(OCEN et Signa-Terre).

(8)

1. Comparaisons des bases de données SITG et Signa-terre 1.1 Structure des bases de données

Cette section analyse les différences structurelles entre les données SITG et SIGNA-TERRE. Les années de cette comparaison sont 2014, 2015 et 2016. L’analyse différencie les bâtiments en fonction de leur affectation et de leurs années de construction. Cinq catégories de destination des bâtiments sont définies : i) les logements, ii) les logements mixtes, iii) les bâtiments administratifs, iv) les bâtiments commerciaux, v) les bâtiments industriels. En raison du nombre restreint de ces derniers bâtiments dans la base de données Signa-Terre, le présent rapport ne traitera pas des aspects relatifs aux bâtiments industriels et commerciaux.

Graphique 1.1 : Segmentation des bases de données selon la destination des bâtiments (nb bâtiments)

Les années de construction des bâtiments sont réparties en 8 périodes. Les trois premières regroupent i) les bâtiments antérieurs à 1919, ii) ceux construits entre 1919 et 1945, iii) les bâtiments construits après 1945 et avant 1960. Les bâtiments construits entre 1960 et nos jours se répartissent dans les cinq autres classes dont l’intervalle de chacune d’entre-elles correspond à une décennie. Le graphique 1.2 présente la segmentation des bases de données selon la période de construction des bâtiments.

Pour les bâtiments à usage d’habitation ou à usage mixte, les bases de données révèlent une structure similaire. Dans la majorité des cas, les années de construction sont représentées de manière homogène par rapport au parc genevois. Cependant, on constate que les logements, construits entre 1960 et 1970, sont d’avantage représentés dans la base Signa-Terre par rapport à la base SITG.

L’inverse s’observe pour les bâtiments plus récents, construits après 2010. Ces derniers sont sous- représentés par rapport à la base de données SITG. L’écart ainsi observé s’expliquerait en raison du fait que ces bâtiments font moins l’objet d’un suivi énergétique par les propriétaires.

En ce qui concerne, les bâtiments à usage commercial ou administratif, une comparaison des bases de données ne peut être effectuée en raison d’un nombre insuffisant de bâtiments dans la base Signa- Terre.

0.0%

10.0%

20.0%

30.0%

40.0%

50.0%

60.0%

70.0%

80.0%

Logement Mixte Commercial Administratif Industriel SIGNATERRE SITG

(9)

Graphique 1.2 : Segmentation des bases de données selon l’usage et l’âge des bâtiments (nombre)

1.2 Comparaison des indices de dépense de chaleur

L’efficacité des actions et de programme de politique énergétique pouvant se mesurer sur la base des variations d’indice, il est opportun de comparer les valeurs de l’IDC (indice de dépense de chaleur) entre les deux bases de données.

Dans leur ensemble, les valeurs moyennes de l’IDC, calculées selon l’année de construction, sont relativement proches entre les deux bases de données (voir Graphique 1.3). Pour les logements, les écarts observés entre les indices moyens restent inférieurs à 10% (voir Graphique 1.4). Pour les bâtiments à usage mixte, les écarts peuvent atteindre 15% pour les nouvelles constructions. Les indices sont cependant, moins élevés pour les anciens immeubles dans la base SIGNA-TERRE.

11%

8%

12%

17%

14%

7%

15%

16%

Logement SITG

1919 1945 1960 1970 1980 1990 2000 2010 15%

8%

10%

23%

14%

9%

11%

10%

Logement SIGNATERRE

1919 1945 1960 1970 1980 1990 2000 2010

30%

13%

14%

16%

8%

7%

8% 4%

Mixte SITG

1919 1945 1960 1970 1980 1990 2000 2010 21%

9%

13%

21%

17%

12%

4%

3%

Mixte SIGNATERRE

1919 1945 1960 1970 1980 1990 2000 2010

43%

7%

7%

10%

10%

5%

4% 14%

Administration SITG

1919 1945 1960 1970 1980 1990 2000 2010 18%

12%

41%

0%

0%

29%

Administration SIGNATERRE

1919 1945 1960 1970 1980 1990 2000 2010

(10)

Graphiques 1.3 : Comparaison des IDC moyens selon la période de construction des bâtiments

0

100 200 300 400 500 600

1919 1945 1960 1970 1980 1990 2000 2010

M J / m

2

Logement

SIGNATERRE SITG Poly . (SIGNATERRE) Poly . (SITG)

0 100 200 300 400 500 600

1919 1945 1960 1970 1980 1990 2000 2010

M J / m

2

Mixte

SIGNATERRE SITG Poly. (SIGNATERRE) Poly . (SITG)

(11)

Graphique 1.4 : Ecart relatif des IDC moyen selon la période de construction (Ratio SIGNA-TERRE vs SITG)

En conclusion, en termes d’IDC, on constate que les bâtiments de Signa-Terre ont une structure proche de celle recensée dans la base de données SITG. La généralisation des analyses effectuées sur le fichier Signa-Terre est possible sous réserve d'un léger redressement de l'échantillon. Ce redressement s’effectue en fonction de la structure des bâtiments de SITG pour obtenir des conclusions généralisables au niveau cantonal.

1.3 Redressement de l’échantillon Signa-Terre

Afin de transposer les résultats issus de la base Signa-Terre au parc genevois, un redressement doit être appliqué. Celui-ci s’effectue par l’application de facteurs de pondération (poids) aux statistiques construites par période de construction. Un poids est attribué à chaque période de construction dans la perspective de refléter la base de données SITG. Nous proposons de calculer les poids en fonction des sommes des surfaces des bâtiments construits à chaque période de construction par rapport à la surface totale des bâtiments. Ces poids sont différents selon les destinations des bâtiments. Ils sont calculés sur la base des informations issues de SITG.

Le redressement peut être appliqué à toute variable (X) issue de la base de données Signa-Terre.

L’exemple suivant illustre le calcul d’un redressement appliqué à l’IDC. Il s’effectue par l’application des poids 𝑤

𝑖,𝑠

aux 𝐼𝐷𝐶

𝑖,𝑠

moyens estimés pour une période de construction i (i= 1 … n) pour l'usage spécifique s

1

.

𝐼𝐷𝐶

𝑠

= 𝐼𝐷𝐶

1,𝑠

× 𝑤

1,𝑠

+ … + 𝐼𝐷𝐶

𝑖,𝑠

× 𝑤

𝑖,𝑠

+ ⋯ + 𝐼𝐷𝐶

𝑛,𝑠

× 𝑤

𝑛,𝑠

𝐼𝐷𝐶

𝑖,𝑠

est l’IDC moyen calculé pour la période de construction i à partir de la base données Signa-Terre pour les bâtiments à usage spécifique s.

𝑤

𝑖,𝑠

est le rapport entre la somme des SRE des bâtiments de type s et de période de cons- truction i, par rapport à la somme totale des SRE de tous les bâtiments s.

Les poids nécessaires au redressement des analyses issues de la base SITG sont mentionnés dans les tableaux ci-dessous. L’année de référence est 2016.

1

𝐼𝐷𝐶

𝑖,𝑠

peut donc être remplacé par toute statistique d'intérêt calculée sur le fichier Signa-Terre; s=habitations à plusieurs logement, immeubles mixtes, immeubles administratifs.

-20%

-15%

-10%

-5%

0%

5%

10%

15%

1919 1945 1960 1970 1980 1990 2000 2010

Logement Mixte

(12)

Tableau 1.1 : Poids pour redressement des bâtiments échantillon Signa-Terre

Habitations à plusieurs logements

Période Observations Surface (m2) Poids(w)

< 1919 1156 249 439 13%

1919 - 1945 675 153 987 8%

1945 - 1960 957 225 357 11%

1960 - 1970 1216 317 753 16%

1970 - 1980 986 264 098 13%

1980 - 1990 577 148 926 7%

1990 - 2000 1101 271 715 14%

2000 - 2010 1306 356 334 18%

Habitations à plusieurs logements - mixte

Période Observations Surface (m2) Poids(w)

< 1919 893 189 401 28%

1919 - 1945 333 75 276 11%

1945 - 1960 320 86 553 13%

1960 - 1970 347 111 797 17%

1970 - 1980 196 58 817 9%

1980 - 1990 171 54 136 8%

1990 - 2000 165 43 927 7%

2000 - 2010 134 48 907 7%

Bâtiments administratifs

Période Observations Surface (m2) Poids(w)

< 1919 137 48 179 24%

1919 - 1945 25 6 782 3%

1945 - 1960 29 8 304 4%

1960 - 1970 30 24 532 12%

1970 - 1980 32 35 230 18%

1980 - 1990 17 14 009 7%

1990 - 2000 15 8 301 4%

2000 - 2010 78 52 372 26%

1.4 Comparaison des besoins de chaleur

Dans cette section, une comparaison des besoins de chaleur des bâtiments entre les bases de données

est réalisée. Cette information est une donnée effective de la base de données Signa-Terre. Dans le

cas de la base de données SITG, les besoins de chaleurs des bâtiments sont calculés en fonction de

l’indice IDC et de la surface de référence énergétique (SRE). Les estimations sont effectuées à taille

d’échantillon constante entre 2014 et 2016. Les résultats nous informent qu’une décroissance des

besoins de chaleur est observée au sein de la base SITG. Dans celle-ci, cette décroissance est comprise

entre -1.1 et -2.3 % par an. Pour la base de données Signa-Terre, une décroissance plus importante est

observée sur la période. Celle-ci est estimée de -2.9% à -13%.

(13)

Tableau 1.2 : Besoin de chaleur

Année SIGNA-TERRE

nb Besoin de chaleur (MJ) Variation annuelle

2014 385 98 615 452

2015 385 95 734 878 -2.9%

2016 385 83 267 668 -13.0%

Année SITG

nb Besoin de chaleur (MJ) Variation annuelle

2014 11667 9 544 967 770

2015 11667 9 439 844 052 -1.1%

2016 11667 9 218 354 064 -2.3%

1.5 Comparaison par agents énergétique

Le tableau suivant illustre l’évolution des consommations des différents agents énergétiques dans le canton de Genève entre 2014 et 2016 sur la base des informations issues de SITG. Les statistiques illustrent la baisse (-8%/an) des besoins de chaleur satisfaits par le mazout, au profit des autres agents énergétiques. Les gains de part de marché sont essentiellement observés pour le chauffage à distance (CAD) et les pompes à chaleur. Il est important de noter que le CAD inclus les réseaux de gaz naturel alimenté par le gaz ou les réseaux anergiques.

Tableau 1.3 : Évolution annuelle des consommations par agents énergétiques (SITG)

Année Autre

Variation

annuelle Bois

Variation

annuelle CAD Privé

Variation

annuelle CAD Ville

Variation annuelle

MJ % MJ % MJ % MJ %

2014 4 944 286 2 876 976 119 412 170 1 106 050 750

2015 4 837 740 -2.2% 4 040 159 40.4% 110 500 881 -7.5% 1 110 000 000 0.4%

2016 5 369 656 11.0% 3 305 655 -18.2% 157 156 209 42.2% 1 170 000 000 5.4%

Année Électricité

Variation

annuelle Gaz naturel

Variation

annuelle Mazout

Variation

annuelle PAC

Variation annuelle

MJ % MJ % MJ % MJ %

2014 594 105 3 850 000 000 4 410 000 000 25 213 049

2015 539 805 -9.1% 4 090 000 000 6.2% 4 060 000 000 -8% 27 383 109 8.6%

2016 556 272 3.1% 4 110 000 000 0.5% 3 720 000 000 -8% 40 723 530 48.7%

Année Pellet

Variation annuelle

MJ %

2014 19 382 500

2015 21 304 171 9.9%

2016 23 190 890 8.9%

(14)

Une tendance similaire est également observée au sein de la base Signa-Terre. Les parts de marché du mazout et du gaz reculent. L’introduction de pompes à chaleur et des chaudières à pellet sont observées au sein la base de données Signa-Terre. Les besoins couverts par cette technologie restent néanmoins marginaux.

Tableau 1.4 : Évolution annuelle des consommations par agents énergétiques (SIGNA-TERRE)

Année CAD Mazout

Variation

annuelle CAD Ville

Variation

annuelle PAC

Variation

annuelle Gaz

Variation annuelle

MJ % MJ % Mj % MJ %

2014 0 16 643 176 0 25 226 584

2015 305 896 18 710 594 12.4% 0 26 206 249 3.9%

2016 268 268 -12.3% 16 068 181 -14.1% 257 654 23 084 789 -11.9%

Année Mazout

Variation

annuelle Pellet

Variation annuelle

MJ % MJ %

2014 56 745 692 0

2015 51 443 405 -9.3% 0

2016 42 814 693 -16.8% 774 083

2. Statistique annuelle des quelques indicateurs (immeubles présents pendant trois années successives dans le fichier Signa-Terre)

2.1 Eau froide

Comme le nombre d'immeubles suivis varie d'année en année, la plupart des tableaux de ce chapitre sont calculés à échantillon constant, ce qui signifie que ce sont les mêmes bâtiments qui y figurent les trois années de suite. On évite ainsi des mouvements intempestifs des indicateurs dus aux seules fluctuations de la composition de l'échantillon observé.

La consommation d'eau froide, donnée en [m

3

/an], est plutôt stable pendant les trois années sous revue.

Tableau 2.1 : Consommation d'eau [m

3

/an] par m

2

de SRE (échantillon constant)

--- | Nombre

Année | bât. Moyenne 1er quartile Médiane 3e quartile ---+--- 2014 | 365 1.35 0.98 1.28 1.67 2015 | 365 1.33 0.99 1.29 1.65 2016 | 365 1.35 1.01 1.30 1.66 ---

Tableau 2.2 : Consommation d'eau [m

3

/an] par m

2

de logement (échantillon constant)

--- | Nombre

Année | bât. Moyenne 1er quartile Médiane 3e quartile ---+--- 2014 | 202 1.87 1.31 1.65 2.14 2015 | 202 1.83 1.33 1.69 2.16 2016 | 202 1.87 1.36 1.75 2.16 ---

(15)

Tableau 2.3 : Consommation d'eau [m

3

/an] par logement (échantillon constant)

--- | Nombre

Année | bât. Moyenne 1er quartile Médiane 3e quartile ---+--- 2014 | 320 146.4 103.2 128.2 156.8 2015 | 320 142.8 105.4 127.6 157.8 2016 | 320 144.2 109.2 130.3 160.8 ---

2.2 Eau Chaude Sanitaire (ECS)

La consommation d'ECS donnée en [m

3

/an] au cours des trois années 2014 à 2016 manifeste une légère tendance à la hausse.

Tableau 2.4 : Consommation d'ECS par m

2

de SRE (échantillon constant)

--- | Nombre

Année | bât. Moyenne 1er quartile Médiane 3e quartile ---+--- 2014 | 252 0.50 0.36 0.48 0.65 2015 | 252 0.52 0.39 0.49 0.66 2016 | 252 0.52 0.38 0.50 0.67 ---

Tableau 2.5 : Consommation d'ECS [m

3

/an] par m

2

de logement (échantillon constant)

--- | Nombre

Année | bât. Moyenne 1er quartile Médiane 3e quartile ---+--- 2014 | 151 0.66 0.49 0.60 0.79 2015 | 151 0.68 0.50 0.61 0.80 2016 | 151 0.69 0.51 0.63 0.82 ---

Tableau 2.6 : Consommation d'ECS [m

3

/an] par logement (échantillon constant)

--- | Nombre

Année | bât. Moyenne 1er quartile Médiane 3e quartile ---+--- 2014 | 239 50.70 39.31 48.57 62.50 2015 | 239 52.45 42.25 49.21 60.78 2016 | 239 53.11 41.64 49.71 62.50 ---

2.3 IDC

L'évolution de l'IDC est orientée à la baisse au cours des trois années sous revue : la médiane passe de 496 à 469 MJ/m

2

. Nous avons également tabulé la quantité de m

2

de SRE selon les trois seuils de l'IDC (600/800/900). Il est très intéressant de constater que la surface des immeubles au-delà de 900 MJ/m

2

est très faible (environ 0.2 %) pour les bâtiments de logements et mixtes, et qu'il n'y en a pas pour les autres bâtiments.

Nous avons ajouté un indicateur « enjeu moyen », proposé par Signa-Terre, qui cumule l'évaluation

des gains énergétiques potentiels et la taille de l'immeuble. Plus ce taux se rapproche de 100, plus

l'objet présente un profil intéressant au niveau de l'assainissement. A ce titre, on constate que les gains

les plus intéressants se situent dans les bâtiments juste au-dessus de 600 MJ/m

2

pour le logement et

le mixte.

(16)

Tableau 2.7 : IDC moyen (échantillon constant tout immeuble)

--- | Nombre

Année | bât. Moyenne 1er quartile Médiane 3e quartile --- 2014 | 668 493.4 428.0 496.0 558.0 2015 | 668 484.5 425.5 484.0 548.5 2016 | 668 472.8 414.0 469.0 540.5 ---

Tableau 2.8 : Immeubles de logements et mixtes : SRE moyenne et totale selon le niveau de l'IDC moyen (année 2016)

--- | Nombre SRE SRE Enjeu IDC | bât. Moyenne totale moyen ---+---

<600 | 982 1'824 1'779'823 45

600-800 | 107 1'309 140'084 60

800-900 | 4 914 3'656 44

> 900 | 5 753 3'765 42

| Ensemble | 1'098 1'765 1'927'327 46

---

Tableau 2.9 : Immeubles administratifs, commerciaux et industriels : SRE moyenne et totale selon le niveau de l'IDC moyen (année 2016)

--- | Nombre SRE SRE Enjeu IDC | bât. Moyenne totale moyen ---+--- < 600 | 260 2,505 561,105 44

600-800 | 33 1,525 45,747 59

800-900 | 3 1,493 2,985 67

| Ensemble | 296 2,382 609,837 46 ---

Le graphique suivant présente les distributions empiriques et modélisées des IDC par bâtiment.

Graphique 2.1 : Distribution empirique et théorique des IDC

0

.001.002.003.004

Density

0 500 1000 1500

IDC_num Density Modele

(17)

Le graphique ci-dessous (2.2) montre, quant à lui, la répartition de la SRE totale en fonction du niveau de l'IDC. La surface des bâtiments dont l'IDC est très élevé couvre une superficie de moins de 0.2% de la population d'immeubles dans les fichiers de Signa-Terre. Nous pouvons tirer la même conclusion à partir des tableaux 2.8 et 2.9. De plus, il semble que ce soit les immeubles avec une SRE relativement faible qui réalisent de piètres performances. Cela nous amènera à examiner si le même phénomène s'observe au niveau de l'ensemble des tous les immeubles mesurés dans le SITG. Si tel était le cas, il conviendrait de s'interroger sur le meilleur indicateur de la performance moyenne du canton. C'est ce que nous entreprendrons dans la section no 3.

Graphique 2.2 : Répartition de la SRE totale en fonction des normes IDC (année 2016)

2.3 Électricité communs d'immeuble

La consommation moyenne par m

2

de SRE a baissé au cours des trois années sous revue. Elle se situe entre 8 et 9 kWh/m

2

lorsqu'on est à échantillon constant. En revanche, en élargissant l'analyse à l'ensemble des bâtiments, on constate une consommation supérieure comprise entre 8 et 13.5 kWh/m

2

par an.

Nous avons en outre ajusté la distribution théorique de cet indicateur (cf. graphique 2.3). On voit que la distribution est très asymétrique : il y a peu d'immeubles avec une consommation très grande alors que la plupart se situent entre 3 et 20 [kWh/m

2

] annuels, les quelques données au-delà de 75 [kWh/m

2

] ne figurent pas dans le graphique afin de lisibilité.

Tableau 2.10 : Consommation d'électricité [kWh/an] des communs par m

2

de SRE (échantillon constant)

--- | Nombre

Année | bât. Moyenne 1er quartile Médiane 3e quartile ---+--- 2014 | 361 8.85 5.22 7.78 11.27 2015 | 361 8.34 4.89 7.40 10.83 2016 | 361 8.08 4.78 7.08 10.78 ---

Tableau 2.11 : Consommation d'électricité [kWh/an] des communs par m

2

de SRE (échantillon non constant)

--- | Nombre

Année | bât. Moyenne 1er quartile Médiane 3e quartile ---+--- 2014 | 860 13.45 3.89 6.97 11.65 2015 | 1,367 8.07 3.11 6.51 10.80 2016 | 1,317 9.13 3.99 7.01 11.09 ---

(18)

Graphique 2.3 : Distribution des trois années à échantillon constant [kWh/m

2

de SRE]

Modele_2014 représente la distribution théorique ajustée sur les données de 2014, respectivement de 2015 (Modele_2015) et 2016 (Modele_2016).

Consommation des communs d'immeubles par m

2

de logement

On s'attend à ce que les valeurs des indicateurs soient légèrement supérieures à ceux exprimés par rapport aux m

2

de SRE, cependant comme les données ne sont pas disponibles pour les mêmes objets, on constate des variations parfois dans l'autre sens.

De plus, les courbes de distribution sont totalement différentes de celles observées par rapport à la SRE.

Tableau 2.12 : Consommation d'électricité des communs par m

2

de logement [kWh/m

2

de logement]

--- | Nombre

Année | bât. Moyenne 1er quartile Médiane 3e quartile ---+--- 2014 | 148 7.24 5.72 7.59 9.04 2015 | 246 6.94 5.48 7.35 8.85 2016 | 256 6.48 4.98 6.85 8.14 ---

(19)

Graphique 2.4 : Distribution des trois années échantillon constant [kWh/m

2

logement]

Tableau 2.13 : Consommation d'électricité [kWh/an] des communs par logement (échantillon constant)

--- | Nombre

Année | bât. Moyenne 1er quartile Médiane 3e quartile ---+--- 2014 | 317 982.79 473.92 790.79 1174.82 2015 | 317 928.07 458.71 721.58 1171.00 2016 | 317 897.86 425.50 714.29 1158.34 ---

Graphique 2.5 : Distribution des trois années [kWh/an par logement]

0

.05 .1.15 .2

0 5 10

x

Modele_2014 Modele_2015 Modele_2016

ConsoElecCommuns_SurfLgmt

0

.0002.0004.0006.0008

0 1000 2000 3000 4000

x

Modele_2014 Modele_2015 Modele_2016

ConsoElecCommuns_Lgmt

(20)

Plus généralement, en grande partie sous l'impact d'Eco21

2

, la consommation moyenne des communs d'immeuble diminue fortement depuis une dizaine d'années sur l'ensemble du parc genevois, comme le prouve le graphique suivant. Ce graphique est tiré du rapport d'évaluation Eco21 2017. Les bâ- timents sont regroupés selon qu'ils aient bénéficié d'un assainissement au titre d'Eco21 ("Eco21") ou pas ("Non participant"). On constate que si l'ensemble des consommations baissent tendanciellement, la diminution est beaucoup plus marquée pour les immeubles sur lesquels on a pratiqué des interventions.

Graphique 2.6 : Consommation annuelle moyenne des services communs d'immeubles de 2007 à 2016, selon qu'ils aient participé ou pas à éco21 [kWh/an]

3. Évolution de l’IDC au niveau SITG 3.1 Quel outil de mesure ?

Les indicateurs les plus systématiquement utilisés pour évaluer la performance d'un parc d'immeubles sont l'IDC médian et l'IDC moyen. L'IDC médian présente beaucoup d'avantages, car il est peu sensible aux valeurs extrêmes, alors que l'IDC moyen y est plus sensible.

La section 2.3 nous a montré que, dans le fichier Signa-Terre, les petites surfaces semblent moins performantes que les grandes, nous allons constater que ce même phénomène se manifeste au niveau de l'ensemble des bâtiments recensés dans SITG. Cela nous conduira à une position critique vis-à-vis des deux indicateurs (moyenne et médiane) et nous proposerons de les compléter par la moyenne pondérée des IDC. Voici pourquoi :

Depuis l'introduction de la nouvelle loi sur l'énergie, les villas sont progressivement intégrées à la base d'indices. La population sur laquelle on calcule un indicateur évolue donc par le simple fait de l'ajout de nouveaux bâtiments de petite taille. Si ces nouveaux bâtiments sont relativement semblables en termes d'IDC, ils risquent de se placer d'un seul côté de la médiane et, par ce seul fait, de modifier sa valeur. Ce changement de valeur est en fait totalement correct. Cependant, si l'on considère que les nouveaux bâtiments ajoutés à la base de données sont essentiellement des villas, donc des objets dont la SRE est très faible en regard de ceux qui la constituaient auparavant, on peut se mettre à douter de la qualité de la médiane et de la moyenne arithmétique qui attribuent le même poids à une villa et à un immeuble de 15'000m

2

.

2

Eco21 est le programme d'actions des SIG visant à induire des économies d'électricité sur le territoire genevois.

L'Institut de l'environnement est chargé de l'évaluation de ce programme depuis dix ans, le graphique 2.6 et tiré du rapport d'évaluation 2017 (publication en cours).

- 5'000 10'000 15'000 20'000 25'000 30'000 35'000

Non-participant ECO 21

2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

(21)

C'est pourquoi, dans les tableaux et graphiques de ce chapitre, nous présentons systématiquement les trois indicateurs : médiane, moyenne arithmétique et moyenne pondérée par la SRE.

Le tableau ci-dessous confirme nos hypothèses émises à la section 2.3 en montrant que les objets de petite taille sont ceux dont l'IDC moyen est le plus élevé : les 10% des plus petits bâtiments présentent un IDC moyen de 543 [MJ/m

2

] en 2016, alors que celui-ci passe à 407 [MJ/m

2

] pour les 10 % des plus grands bâtiments (soit une diminution de 25 %).

Tableau 3.1 : IDC moyen selon la taille de l'immeuble (données de 2016)

(*) La taille est exprimée à partir de la SRE : 1er décile= les plus petits immeubles (jusqu'au 1er décile), 1er quartile=immeubles compris entre le 1er décile et le 1er quartile, médiane=immeubles compris entre le 1er quartile et la médiane, 3e quartile

=immeubles entre la médiane et le 3e quartile, 90e décile=immeubles entre le 3e quartile et le 9e décile ; >9e décile= immeubles au-delà du 9e décile.

Le graphique suivant montre également la relation entre l'IDC et la taille de la SRE (toutes années 2002 à 2017 mélangées).

SRE, découpage

statistique en tranche(*)

Effectifs dans

la tranche IDC moyen

<1er décile 1'409 543

1er quartile 2'225 543

Médian 3'916 488

3e qartile 3'971 473

9e décile 3'172 458

> 9e décile 832 407

Total 15'525 487

Fichier IDC 2016, selon la taille des immeubles (SRE)

(22)

Graphique 3.1 : Relation entre SRE et IDC

3.2 Série chronologique sur une longue période

De la base SITG, nous avons extrait les années disponibles (2011 à 2017). Elles ont été complétées par nos propres archives portant sur les années 2002 à 2006 ; ces années-là, la formule de calcul de l'IDC différait de l'actuelle

3

.

On voit que la moyenne pondérée est non seulement au-dessous des deux autres indicateurs, mais qu'elle s'en détache légèrement au cours du temps : cela semble prouver que les travaux

d'assainissement se sont focalisés probablement sur les grands ensembles avec des IDC élevés.

3

Le calcul de l'IDC avant 2010 contenait une évaluation de la consommation d'énergie pour l'ECS proportionnel à la consommation totale. Le calcul des degré-jours était également différent. Enfin, on maîtrisait moins bien le

passage de l'énergie finale à l'utile. L’annexe A.6 présente un tableau qui résume les principaux changements.

0

1 0 0 0 2 0 0 0 3 0 0 0 4 0 0 0 5 0 0 0

IN D IC E

0 20000 40000 60000 80000 100000

SRE

(23)

Graphique 3.2 : évolution de l'IDC pour deux périodes (médiane, moyenne et moyenne pondérée)

Remarque critique sur la baisse tendancielle des IDC

La méthode actuelle du calcul de l'IDC, calculant forfaitairement une quantité d'énergie dévolue à l'ECS, risque d'amener un biais à la baisse de cet indice du fait de la généralisation progressive du préchauffage solaire de l'ECS et du radoucissement des hivers.

Pour le démontrer, partons d'un immeuble représentatif, et définissons sa consommation d'énergie finale de chauffage et d'ECS (c'est-à-dire l'énergie faisant l'objet d'une facturation) comme :

𝐶 = 𝐵

𝐷𝐽

𝑡

+ 𝑋 où :

𝐶 est la consommation d'énergie finale par m

2

de SRE de l'immeuble pour l'année t;

𝐵

représente le besoin de chaleur pour le chauffage de cet immeuble pour une unité de degré- jour;

𝐷𝐽

𝑡

degré jour de l'année t;

𝐷𝐽

𝑟𝑒𝑓

degré jour de l'année de référence;

𝑋 énergie finale par m

2

de SRE pour l'ECS.

300 350 400 450 500 550 600 650

2002 2004 2006 2008 2010 2012 2014 2016

Moyenne Médiane

MoyennePondérée

(24)

L'indice de chaleur IDC, se définit alors comme :

𝐼𝐷𝐶 = (𝐶 − 𝑋) 𝐷𝐽

𝑟𝑒𝑓

𝐷𝐽

𝑡

+ 𝑋

D'où : 𝐼𝐷𝐶 = 𝐵

𝐷𝐽

𝑟𝑒𝑓

+ 𝑋.

Dans l'application des directives du calcul de l'indice, on ne se donne pas les moyens de connaître la véritable consommation d'ECS, en sorte que la quantité d'énergie 𝑋 est fournie forfaitairement : appelons-la 𝑋

. Il vient que l'IDC se calcule alors au moyen de ce forfait au lieu de la vraie valeur, ce que nous notons 𝐼𝐷𝐶

, soit :

𝐼𝐷𝐶

= (𝐶 − 𝑋

) 𝐷𝐽

𝑟𝑒𝑓

𝐷𝐽

𝑡

+ 𝑋

𝐼𝐷𝐶

= (𝐵

𝐷𝐽

𝑡

+ 𝑋 − 𝑋

)

𝐷𝐽𝑟𝑒𝑓

𝐷𝐽𝑡

+ 𝑋

. En ajoutant et soustrayant la valeur 𝑋, on obtient :

𝐼𝐷𝐶

= 𝐵

𝐷𝐽

𝑟𝑒𝑓

+ 𝑋 + (𝑋 − 𝑋

) 𝐷𝐽

𝑟𝑒𝑓

𝐷𝐽

𝑡

+ 𝑋

− 𝑋 𝐼𝐷𝐶

= 𝐼𝐷𝐶 + 𝜀

où 𝜀 = (𝑋 − 𝑋

)

𝐷𝐽𝑟𝑒𝑓

𝐷𝐽𝑡

+ 𝑋

− 𝑋.

En posant 𝑋 = 𝛼𝑋

, on obtient finalement :

𝜀 = 𝑋

(1 − 𝛼)(1 −

𝐷𝐽𝑟𝑒𝑓

𝐷𝐽𝑡

) .

Si 𝛼 = 1, i.e. on a correctement identifié le besoin d'énergie finale pour l'ECS, ε est nul, et l'IDC est correctement mesuré. Maintenant, imaginons que l'on pose des capteurs solaires sur cet immeuble, le besoin d'énergie finale sera alors inférieur au forfait, et donc α sera inférieur à un. A la limite, si l'entier de l'ECS est produit avec de l'apport solaire α vaudra zéro, la première parenthèse tendra vers un, et ε variera au gré de (1 −

𝐷𝐽𝐷𝐽𝑟𝑒𝑓

𝑡

), 𝑋

étant positif et constant. Remarquons que si 𝐷𝐽

𝑡

< 𝐷𝐽

𝑟𝑒𝑓

, la deuxième parenthèse sera négative, et l'on sous-estimera l'IDC.

Autrement dit, lorsque a valeur forfaitaire surestime la chaleur nécessaire à l'ECS (𝛼 < 1) et que le changement climatique se manifeste, on sous-estime le vrai IDC. Ce phénomène peut expliquer en partie la surestimation obtenue à la section 4.1 lors l'évaluation de l'effet des capteurs solaires sur le calcul de l'IDC.

3.3 CO2

3.3.1 Série chronologique

Nous pouvons également attacher une émission de CO

2

à chaque installation de chauffage et calculer une émission moyenne de CO

2

par m

2

de SRE à Genève. Pour ce faire, nous appliquons les coefficients proposés par l'OFEV

4

en kg/MJ, soit :

• CO

2

Mazout = 0.0737

• CO

2

Gaz = 0.0564

• CO

2

CAD = 0.0447

4Fiche d’information : Facteurs d’émission de CO2 pour l’établissement de rapports par les cantons, Carla Gross, 15.02.2018, OFEV.

(25)

• CO

2

BOIS = 0.0000

5

• CO

2

Elec = 0.0469

Ces coefficients nous conduisent à un tracé de l'évolution des "IDCO2" figurant dans le graphique suivant. Le trait plein se fonde sur les paramètres ci-dessus ; le traitillé postule, en sus, l'absence d'émission de CO

2

pour l'électricité, dans la mesure où l'on accepte que son origine soit renouvelable à Genève. Dans ce cas de figure, on élimine de la production de CO

2

, par exemple, 195 PAC et 51 chauffages électriques directs à partir de 2016.

Tableau 3.3 : Emission de CO

2

en kg par m

2

de SRE

Graphique 3.3 : Emission de CO

2

en kg par m

2

de SRE

Source : SITG

3.3.2 Image du parc

Les deux graphiques ci-dessous sont inspirés de ceux produits par Crédit Suisse

6

pour l'analyse de leur parc, ils sont un peu particuliers en ce sens qu'ils résument trois informations. En abscisse, nous disposons de la consommation finale (chauffage et électricité commune); en ordonnée, figure la production totale de CO

2

du bâtiment (chauffage et électricité). Enfin, chaque cercle représente un

5Le paramètre original (0.0999) est ramené à zéro si l'on veut ne mesurer que le CO2 fossile (cf. Fiche d'information de l'OFEN).

6

"Energy Monitoring and Operational Optimization", Crédit Suisse, June 2016.

Année IDCO2

IDCO2 sans émission pour élec.

2011 30.0 29.9

2012 30.3 30.1

2013 30.2 30.0

2014 28.5 28.2

2015 28.1 28.0

2016 27.3 27.1

2017 27.4 27.2

25.0 26.0 27.0 28.0 29.0 30.0 31.0

2011 2012 2013 2014 2015 2016 2017

kg CO2/m2

IDCO2 IDCO2 Élec = 0

(26)

immeuble dont le diamètre est proportionnel à sa SRE. Les bâtiments sont ceux du fichier Signa-Terre pour l'année 2016. Pour la lisibilité, on a limité la consommation à 300 [kWh/m

2

].

• Indice total est la consommation annuelle totale d'énergie (chauffage & commun) en kWh par m

2

de SRE ;

• Indice CO2 et la production annuelle totale de CO

2

fossile en kg par m

2

de SRE.

Ces graphiques permettent de saisir les enjeux d'une stratégie énergétique puisque l'on pourrait délimiter des zones où les immeubles sont nettement en-dessous des normes de performances re- quises, et simultanément voir s'il s'agit de gros ou petits objets.

Graphique 3.4 : Immeubles de logements et mixtes : émission de CO2 [kg/m

2

de SRE], consommation d'énergie finale [kWh/m

2

] et taille du bâtiment (2016)

Graphique 3.5 : Immeubles sans logement : émission de CO2 [kg/m

2

de SRE], consommation d'énergie finale [kWh/m

2

] et taille du bâtiment (2016)

(source Signa-Terre)

(27)

4. Modélisation des consommations 4.1 IDC

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

(28)

Le modèle linéaire spécifié est le suivant :

𝐼𝐷𝐶

𝑖

= 𝛽

0

+ ∑ ∑ 𝛽

𝑘,𝑗

𝑥

𝑖,𝑘,𝑗 𝐽𝑘

𝑗=1

+ 𝜖

𝑖 6

𝑘=1

Où 𝐼𝐷𝐶

𝑖

est l’IDC du i

e

bâtiment, 𝑥

𝑖,𝑘,𝑗

sont les variables explicatives (k=1 à 7, chacune ayant 𝑗 = 1 … 𝐽

𝑘

états) décrites ci-dessus pour le bâtiment i, 𝛽

𝑘,𝑗

les coefficients représentant l’impact moyen de l’état de la variable et 𝜖

𝑖

est 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

_cons 526.3391 7.957769 66.14 0.000 510.728 541.9503

Sans 0 (base)

Neuf -69.58728 20.04387 -3.47 0.001 -108.9083 -30.26629 Etat moyen -35.35402 12.39939 -2.85 0.004 -59.67849 -11.02956 Bon état -108.6079 9.192315 -11.82 0.000 -126.6409 -90.57492 Solaire_thermique

Etat vétuste 30.07462 19.48536 1.54 0.123 -8.150722 68.29996 Etat moyen 19.71016 8.707045 2.26 0.024 2.629148 36.79118 Bon état 0 (base)

Etat_Isol_Dist_chal~r

Etat vétuste 70.16937 17.78132 3.95 0.000 35.28693 105.0518 Etat moyen 18.06672 8.094729 2.23 0.026 2.186911 33.94653 Bon état 0 (base)

Etat_chaudiere

Simple flux 0 (base)

Naturelle -24.67055 7.437432 -3.32 0.001 -39.2609 -10.08019 Double flux -58.31988 10.34919 -5.64 0.000 -78.62237 -38.01739 Type_ventilation

Neuf -24.21367 11.08197 -2.18 0.029 -45.9537 -2.47365 Etat vétuste 11.41464 13.19904 0.86 0.387 -14.47853 37.3078 Etat moyen 7.368885 7.659102 0.96 0.336 -7.656332 22.3941 Bon état 0 (base)

Etat_toiture

Sans 0 (base)

Intérieur -39.45857 7.841157 -5.03 0.000 -54.84093 -24.07621 Extérieur -39.48962 9.735787 -4.06 0.000 -58.58877 -20.39047 Crépis isolant -37.23167 13.31051 -2.80 0.005 -63.34351 -11.11982 Facade_Isolation

3 -23.10499 9.155498 -2.52 0.012 -41.06576 -5.144224 2 0 (base)

1 14.28736 10.42741 1.37 0.171 -6.168569 34.7433 Type_vitrage

IDC_num Coef. Std. Err. t P>|t| [95% Conf. Interval]

Robust

(29)

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.

(30)

4.2 Eau Chaude Sanitaire (ECS)

La base des données Signa-Terre contient le volume d’eau chaude sanitaire (ECS) en m

3

par an. Pour les besoins de cette étude, nous avons réalisé une estimation de la chaleur nécessaire (en MJ/m

2

par 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

2

selon 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

(31)

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 ---

Figure

Updating...

Sujets connexes :