Energielabels en het gemeten energiegebruik van utiliteitsgebouwen



Vergelijkbare documenten
Invloed van het aantal kinderen op de seksdrive en relatievoorkeur

Validatie CO2-reductiemodel Nuon warmtenetten Publieke samenvatting. TNO-rapport TNO 2018 R10435

Het Effect van Verschil in Sociale Invloed van Ouders en Vrienden op het Alcoholgebruik van Adolescenten.

Sekseverschillen in Huilfrequentie en Psychosociale Problemen. bij Schoolgaande Kinderen van 6 tot 10 jaar

De Relatie tussen Betrokkenheid bij Pesten en Welbevinden en de Invloed van Sociale Steun en. Discrepantie

Pesten onder Leerlingen met Autisme Spectrum Stoornissen op de Middelbare School: de Participantrollen en het Verband met de Theory of Mind.

Beïnvloedt Gentle Teaching Vaardigheden van Begeleiders en Companionship en Angst bij Verstandelijk Beperkte Cliënten?

Denken is Doen? De cognitieve representatie van ziekte als determinant van. zelfmanagementgedrag bij Nederlandse, Turkse en Marokkaanse patiënten

Lichamelijke factoren als voorspeller voor psychisch. en lichamelijk herstel bij anorexia nervosa. Physical factors as predictors of psychological and

Geslacht, Emotionele Ontrouw en Seksdrive. Gender, Emotional Infidelity and Sex Drive

Karen J. Rosier - Brattinga. Eerste begeleider: dr. Arjan Bos Tweede begeleider: dr. Ellin Simon

HOTCO2: alternatief voor de WKK en ketel in de tuinbouw

EPA U. advies- en ingenieursbureau. Nieuwbouw kantoorpand Demostraat, Tiel

Tahnee Anne Jeanne Snelder. Open Universiteit

De Relatie tussen Werkdruk, Pesten op het Werk, Gezondheidsklachten en Verzuim

Add the standing fingers to get the tens and multiply the closed fingers to get the units.

De Relatie tussen Voorschoolse Vorming en de Ontwikkeling van. Kinderen

Effecten van energiebesparende maatregelen

Experiences with ATES applications in Belgium Operational results and energy savings

Seksdrive, Stresscoping en Extrinsieke Ambitie : De Verschillen tussen Mannen en Vrouwen. Sexdrive, Stresscoping and Extrinsic Ambition :

Het Verband Tussen Persoonlijkheid, Stress en Coping. The Relation Between Personality, Stress and Coping

Global TV Canada s Pulse 2011

Verklaring van het beweeggedrag van ouderen door determinanten van. The explanation of the physical activity of elderly by determinants of

Type Dementie als Oorzaak van Seksueel Ontremd Gedrag. Aanwezigheid van het Gedrag bij Type Alzheimer?

Verschil in Perceptie over Opvoeding tussen Ouders en Adolescenten en Alcoholgebruik van Adolescenten

Effecten van contactgericht spelen en leren op de ouder-kindrelatie bij autisme

F (zie toelichting in bijlage)

De Relatie Tussen de Gehanteerde Copingstijl en Pesten op het Werk. The Relation Between the Used Coping Style and Bullying at Work.

Emotionele Arbeid, de Dutch Questionnaire on Emotional Labor en. Bevlogenheid

Functioneren van een Kind met Autisme. M.I. Willems. Open Universiteit

De Relatie Tussen Persoonskenmerken en Ervaren Lijden bij. Verslaafde Patiënten met PTSS

De Rol van Zelfregulatie, Motivatie en Eigen Effectiviteitsverwachting op het Volhouden

De Samenhang tussen Dagelijkse Stress, Emotionele Intimiteit en Affect bij Partners met een. Vaste Relatie

Relatie tussen Cyberpesten en Opvoeding. Relation between Cyberbullying and Parenting. D.J.A. Steggink. Eerste begeleider: Dr. F.

Running head: OPVOEDSTIJL, EXTERNALISEREND PROLEEMGEDRAG EN ZELFBEELD

Denken en Doen Doen of Denken Het verband tussen seksueel risicovol gedrag en de impulsieve en reflectieve cognitie.

Appendix A: List of variables with corresponding questionnaire items (in English) used in chapter 2

Persoonlijkheidskenmerken en cyberpesten onder jongeren van 11 tot 16 jaar:

HOU-NLD3 Energy Performance Coefficient (Energie Prestatie Coëfficiënt, EPC)

Psychometrische Eigenschappen van de Youth Anxiety Measure for DSM-5 (YAM-5) Psychometric Properties of the Youth Anxiety Measure for DSM-5 (YAM-5)

bij Kinderen met een Ernstige Vorm van Dyslexie of Children with a Severe Form of Dyslexia Ans van Velthoven

CHROMA STANDAARDREEKS

Fysieke Activiteit bij 50-plussers. The Relationship between Self-efficacy, Intrinsic Motivation and. Physical Activity among Adults Aged over 50

De causale Relatie tussen Intimiteit en Seksueel verlangen en de. modererende invloed van Sekse en Relatietevredenheid op deze relatie

LinkedIn Profiles and personality

A (zie toelichting in bijlage)

SAMPLE 11 = + 11 = + + Exploring Combinations of Ten + + = = + + = + = = + = = 11. Step Up. Step Ahead

Verkleinen van het verschil tussen voorspeld en werkelijk energiegebruik door betere inschatting van gebruikersgedrag

Academisch schrijven Inleiding

ENERGETISCHE VERBETERINGSMAATREGELEN IN DE SOCIALE HUURSECTOR ENKELE UITKOMSTEN VAN DE SHAERE-MONITOR

Wat is de Modererende Rol van Consciëntieusheid, Extraversie en Neuroticisme op de Relatie tussen Depressieve Symptomen en Overeten?

De Rotterdamse Ambtenaar: Bevroren of Bevlogen. Over de Invloed van Procedurele Rechtvaardigheid, Empowering Leiderschap en

Classification of triangles

Mentaal Weerbaar Blauw

Ouderlijke Controle en Angst bij Kinderen, de Invloed van Psychologische Flexibiliteit

A (zie toelichting in bijlage)

de Rol van Persoonlijkheid Eating: the Role of Personality

Energielabel. SKG-IKOB gecertificeerd BRL & BRL

4 Energiebesparingsadvies

Verschillen in het Gebruik van Geheugenstrategieën en Leerstijlen. Differences in the Use of Memory Strategies and Learning Styles

VERKLARING. wn is het aantal toestellen in de woning of het gebouw;

Daylight saving time. Assignment

FOR DUTCH STUDENTS! ENGLISH VERSION NEXT PAGE

SPECIMEN. E (zie toelichting in bijlage) Energielabel gebouw. Dit gebouw. Standaard energiegebruik voor dit gebouw. 968,3 MJ/m 2

BISEKSUALITEIT: DE ONZICHTBARE SOCIALE IDENTITEIT. Biseksualiteit: de Onzichtbare Sociale Identiteit met Zichtbare Gezondheidsgevolgen

ENERGY FOR DEPARTMENT OF DEFENSE INSTALLATIONS. JOSEPH CORRIGAN, PE Kelley Drye & Warren

Ben ik Lid van de Groep? Ervaren inclusie als Moderator van de Relatie tussen Procedurele Rechtvaardigheid en Organizational Citizenship Behavior.

Moderatie van de Big Five Persoonlijkheidsfactoren op de Relatie tussen. Gepest worden op het Werk en Lichamelijke Gezondheidsklachten en

Invloed van Bewegen op Depressieve Klachten in de. Fysiotherapie Praktijk. Influence of Movement on Depression in the. Physiotherapy Practice

Een robuust en onderzoeksondersteund pad naar energieneutraliteit

De Samenhang tussen Dagelijkse Stress en Depressieve Symptomen en de Mediërende Invloed van Controle en Zelfwaardering

COGNITIEVE DISSONANTIE EN ROKERS COGNITIVE DISSONANCE AND SMOKERS

Adherence aan HWO en meer bewegen

Keuzetwijfels in de Emerging Adulthood rondom Studie- en Partnerkeuze. in Relatie tot Depressie

Behandeleffecten. in Forensisch Psychiatrisch Center de Rooyse Wissel. Treatment effects in. Forensic Psychiatric Centre de Rooyse Wissel

Bepaling R bf en R bw volgens NEN 1068:2012 bij toepassing kruipruimte isolatie (Drowa chips en EPS-platen)

De Relatie tussen Mindfulness en Psychopathologie: de Mediërende. Rol van Globale en Contingente Zelfwaardering

Interface tussen Stuurbediening en Sony autoaudio

Kinderen met Internaliserende Problemen. The Effectiveness of Psychodynamic Play Group Therapy for Children. with Internalizing Problems.

Het verband tussen alledaagse stress en negatief affect bij mensen met een depressie en de rol van zelfwaardering daarbij

FOR DUTCH STUDENTS! ENGLISH VERSION NEXT PAGE. Toets Inleiding Kansrekening 1 8 februari 2010

B (zie toelichting in bijlage)

Knelpunten in Zelfstandig Leren: Zelfregulerend leren, Stress en Uitstelgedrag bij HRM- Studenten van Avans Hogeschool s-hertogenbosch

Socio-economic situation of long-term flexworkers

Running Head: INVLOED VAN ASE-DETERMINANTEN OP INTENTIE CONTACT 1

Energielabels en werkelijk energiegebruik

Het Effect van Gender op de Relatie tussen Persoonlijkheidskenmerken en Seksdrive

Energiebesparing. Betonkernactivering. Programma. Energiebesparing EPBD. Energy Performance Building Directive. Europese richtlijn.

Executief Functioneren en Agressie. bij Forensisch Psychiatrische Patiënten in PPC Den Haag. Executive Functioning and Aggression

Summary 124

Sociale Cognitie bij Psychisch Gezonde Volwassenen

Wijzigingsblad d.d bij BRL 9501

Het Verband Tussen Negatieve Levensgebeurtenissen, 5-HTTLPR en Reactieve. Agressie. Pien S. Martens. Open Universiteit Heerlen

Aanvulling ISSO 39: definitie en monitoring van de SPF van bodemenergiesystemen

S e v e n P h o t o s f o r O A S E. K r i j n d e K o n i n g

De invloed van veerkracht op de relatie tussen pijn en psychische klachten bij revalidatiecliënten in een verpleeghuis.

Running head: EFFECT VAN IB-CGT OP SEKSUELE DISFUNCTIES BIJ VROUWEN

The relationship between social support and loneliness and depressive symptoms in Turkish elderly: the mediating role of the ability to cope

AE1103 Statics. 25 January h h. Answer sheets. Last name and initials:

Transcriptie:

TNO-rapport TNO 2013 R10916 Energielabels en het gemeten energiegebruik van utiliteitsgebouwen Van Mourik Broekmanweg 6 2628 XE Delft Postbus 49 2600 AA Delft www.tno.nl T +31 88 866 30 00 F +31 88 866 30 10 infodesk@tno.nl Datum 18 juni 2013 Auteur(s) ir. E.C.M. Hoes - van Oeffelen drs. ir. M.E. Spiekman T. Bulavskaya MSc Exemplaarnummer Oplage Aantal pagina's Aantal bijlagen Opdrachtgever TNO-060-DTM-2013-01581 99 (incl. bijlagen) Projectnaam Projectnummer 054.02925 Agentschap NL T.a.v. de heer E. Marquart Postbus 8242 3503 RE Utrecht Onderzoek energiegebruik utiliteitsbouw Alle rechten voorbehouden. Niets uit deze uitgave mag worden vermenigvuldigd en/of openbaar gemaakt door middel van druk, foto-kopie, microfilm of op welke andere wijze dan ook, zonder voorafgaande toestemming van TNO. Indien dit rapport in opdracht werd uitgebracht, wordt voor de rechten en verplichtingen van opdrachtgever en opdrachtnemer verwezen naar de Algemene Voorwaarden voor opdrachten aan TNO, dan wel de betreffende terzake tussen de partijen gesloten overeenkomst. Het ter inzage geven van het TNO-rapport aan direct belang-hebbenden is toegestaan. 2013 TNO

2 / 45 Samenvatting Sinds 1 januari 2008 is het verplicht een energielabel te overhandigen bij verkoop en verhuur van een gebouw of woning. Dit is één van de maatregelen die voortkomt uit de Europese richtlijn voor energieprestatie van gebouwen, de EPBD (Energy Performance of Buildings Directive). In 2010 is de methodiek voor de bepaling van het energielabel aangepast en is het berekende energiegebruik op het energielabel uitgesplitst naar gas, elektriciteit en, indien van toepassing, warmte. Het doel van het energielabel is inzicht geven in de energetische kwaliteit van een gebouw in vergelijking tot soortgelijke gebouwen en inzicht geven in de potentie van mogelijke energiebesparende maatregelen om de energetische kwaliteit van het gebouw te verbeteren. Het gaat hierbij om de energetische kwaliteit van het gebouw zelf, er wordt geen rekening gehouden met het specifieke individuele gebruik. Met het energielabel wil de overheid het nemen van energiebesparende maatregelen stimuleren. Het energielabel is niet bedoeld om het energiegebruik (en daarmee de energierekening) op individueel gebouwniveau te voorspellen. Het berekende energiegebruik zoals vermeld op het energielabel zal voor een individueel gebouw dus per definitie in meer of mindere mate afwijken van het werkelijke energiegebruik, doordat in de rekenmethodiek alleen het gebouwgebonden energiegebruik wordt berekend en (bewust) allerlei aannames worden gedaan voor o.a. het gebruikersgedrag, het klimaat en de prestatie van installaties en bouwkundige elementen. Het vergelijken van het berekende en gemeten energiegebruik is echter wel zinvol om inzicht te krijgen of de rekenmethodiek op macroniveau dezelfde trends vertoont als de gemeten waarden en om inzicht te krijgen in mogelijke oorzaken van de verschillen. Dit onderzoek is er op gericht inzicht te krijgen in hoe het berekend energiegebruik volgens het energielabel zich verhoudt tot het werkelijke energiegebruik van utiliteitsgebouwen. Hierbij kan echter direct de vraag worden gesteld of het werkelijke energiegebruik van een gebouw überhaupt bekend is. Het energiegebruik per aansluiting zoals beschikbaar via het CBS kan namelijk afwijken van het werkelijke energiegebruik van een gebouw (zie 5.2.1). In dit rapport wordt het energiegebruik zoals beschikbaar in de CBS database daarom aangemerkt als het gemeten energiegebruik. In dit onderzoek is het berekende energiegebruik (volgens de energielabel database) vergeleken met het gemeten energiegebruik (volgens de CBS database) voor verschillende doorsnedes van de gekoppelde dataset. Conclusies gasverbruik Wanneer naar de totale dataset (1.801 gebouwen) wordt gekeken dan blijkt dat het gemiddelde berekende gasverbruik iets hoger ligt dan het gemiddelde gemeten gasverbruik (20,5 versus 18,3 m 3 /m 2 ). Het verschil zal voor een gemiddeld jaar nog iets groter zijn, omdat 2010 een koud jaar was. Het gemeten gasverbruik laat geen duidelijk stijgende trend zien naarmate het energielabel verslechtert en de correlatie tussen het berekende en gemeten gasverbruik is niet erg hoog (r=0,22; p<0,05). Een belangrijke oorzaak hiervoor is dat de totale dataset een grote diversiteit aan utiliteitsgebouwen omvat en de steekproef niet erg groot is. Om dit probleem iets te

3 / 45 verkleinen is in dit onderzoek gefocust op gebouwen met een kantoorfunctie met alleen ketels als warmteopwekker (642 gebouwen). De steekproef wordt hierdoor weliswaar kleiner, maar is minder divers. De correlatiecoëfficiënt tussen het berekende en gemeten gasverbruik bedraagt dan 0,25 (p<0,05), wat echter niet veel hoger is dan voor de totale dataset. De verwachte trend tussen energielabel en gemeten energiegebruik is niet duidelijk aanwezig. Bij grote kantoren (>2000m 2 ) blijkt de correlatie tussen het berekende en gemeten gasverbruik wat groter te zijn dan wanneer alle kantoren in beschouwing worden genomen (r=0,34; p<0,05). Bij kleine kantoren (<500m 2 ) blijkt er geen significante correlatie tussen het berekende en gemeten gasverbruik te zijn. Dit komt onder andere doordat de grote kantoren waarschijnlijk een homogenere groep van gebouwen vormen dan de kleine kantoren. Bij de grote kantoren is wel een stijgende trend te zien in het gemeten gasverbruik naarmate het energielabel verslechtert. De stijging in het gemeten gasverbruik is echter minder sterk dan de stijging in het berekende gasverbruik. Het gemeten gasverbruik ligt voor gebouwen met een goed label hoger dan het berekende gasverbruik en voor gebouwen met een slecht label juist lager. In een vergelijkbaar onderzoek dat eerder voor woningbouw is uitgevoerd (Majcen et al., 2013), is dezelfde trend te zien. Bij kantoren met koeling blijkt de correlatie tussen het berekende en gemeten gasverbruik ook beduidend groter te zijn dan wanneer alle kantoren in beschouwing worden genomen (r=0,39; p<0,05). Bij kantoren zonder koeling blijkt er geen significante correlatie tussen het berekende en gemeten gasverbruik te zijn. Dit hangt naar verwachting samen met het feit dat kantoren zonder koeling vaker tot de groep kleine kantoren behoren, waarvoor eveneens geen significante correlatie gevonden is (zie hierboven). Conclusies elektriciteitsverbruik Voor alle doorsnedes van de dataset is het gemiddelde gemeten elektriciteitsverbruik veel hoger dan het gemiddelde berekende elektriciteitsverbruik. Dit komt doordat in het berekende elektriciteitsverbruik alleen het gebouwgebonden elektriciteitsverbruik is opgenomen (elektriciteitsverbruik voor verwarming, koeling, warm tapwater, hulpenergie en verlichting), terwijl het gemeten elektriciteitsgebruik zowel het gebouwgebonden als het gebruiksgebonden elektriciteitsverbruik omvat (dus ook computers, printers, etc.). Dit grote verschil in uitgangspunt maakt vergelijking van beide datasets lastig. Doordat het gebruiksgebonden elektriciteitsverbruik erg verschilt van gebouw tot gebouw, is het niet evident om hier voor individuele gebouwen goede aannames voor te doen en het berekende energiegebruik hiermee aan te vullen. Voor gebouwen met lokale elektrische verwarming, een elektrische warmtepomp of koeling ligt zowel het berekende als het gemeten elektriciteitsverbruik logischerwijs aanmerkelijk hoger dan bij gebouwen met andere typen warmteopwekkers en gebouwen zonder koeling. Verklaringen verschil berekend en gemeten energiegebruik Verklaringen voor de verschillen tussen het gemeten en het berekende energiegebruik kunnen zowel liggen bij het gemeten energiegebruik als bij het berekende energiegebruik. Het is mogelijk dat het gemeten energiegebruik afwijkt van het werkelijke energiegebruik doordat de betreffende aansluiting voor gas- of elektriciteit niet één op één tot het gebouw behoort waar de aansluiting zich bevindt

4 / 45 of doordat duurzame opwekking en energielevering via bedrijfsnetten niet in de CBS data zijn opgenomen. Afwijkingen in het berekende energiegebruik kunnen ontstaan doordat onjuiste invoerwaarden worden gebruikt en doordat de gemiddelde aannames die in de rekenmethodiek worden gehanteerd niet in voldoende mate overeenkomen met de werkelijkheid. Hoewel de aannames voor individuele gebouwen nooit overeen zullen komen met de werkelijkheid, wordt er wel naar gestreefd om gemiddeld voor alle gebouwen de werkelijkheid zo goed mogelijk te benaderen. De binnentemperatuur, mate van infiltratie en ventilatie, de gebruikstijden van het gebouw en de afwijkingen van de prestaties van de installaties lijken belangrijke factoren te zijn die in de rekenmethodiek anders worden ingeschat dan in de praktijk van toepassing is. Naar verwachting zal de ISSO rekenmethodiek op termijn worden vervangen door de rekenmethodiek volgens NEN 7120. Een aantal van de hierboven genoemde aannames wordt in NEN 7120 aangepast. In de praktijk lijkt bij het beheer van de installaties veel winst te kunnen worden geboekt, waardoor het energiegebruik kan worden verminderd en de praktijk beter aansluit bij de aannames die in de rekenmethodiek worden gedaan. Het vergt echter nader onderzoek om te bepalen of het vooral de hierboven genoemde aspecten zijn die het verschil tussen gemeten en berekend energiegebruik grotendeels bepalen of dat er andere aspecten zijn die ook, of wellicht een nog belangrijkere rol spelen. Hierbij is het van belang in het oog te houden dat het energielabel niet is bedoeld om het energiegebruik van individuele gebouwen te kunnen voorspellen. Op basis van dit onderzoek wordt logischerwijs geconcludeerd dat het gemeten gas- en elektriciteitsverbruik op individueel gebouwniveau afwijkt van de berekende verbruiken. Met name het elektriciteitsverbruik wijkt flink af doordat in de berekening alleen het gebouwgebonden elektriciteitsverbruik wordt meegenomen. Het vermelden van het berekende gas- en elektriciteitsverbruik op het energielabel kan daarom ter discussie worden gesteld. Wellicht zijn er betere alternatieven beschikbaar om inzicht te geven in de energetische kwaliteit van het gebouw en helpt het om op het label een toelichting te geven waar het label wel en niet voor bedoeld is.

5 / 45 Summary Since January 1 2008 it is required to provide an energy label when selling or renting a building or home. This is one of the measures following from the European Performance of Buildings Directive, the EPBD. In 2010, the methodology to determine the energy label changed and the calculated energy consumption on the energy certificate is split up into gas consumption, electricity consumption and, if applicable, heat consumption. The purpose of the energy label is to give insight into the energy performance of a building compared to similar buildings and provide insight into the potential of possible energy saving measures to improve the energy performance of buildings. This concerns the energy performance of the building itself, the specific individual use of the building is not taken into account. With this instrument the government wants to encourage building owners to take energy saving measures. The purpose of the energy label is not to predict the energy consumption (and hence the energy bill) at the individual building level. The calculated energy consumption as indicated on the energy label will, by definition, deviate to a greater or lesser extent from the actual energy consumption for an individual building, because the calculation method only takes into account the building-related energy consumption and all kinds of assumptions are (consciously) made for example for the user behavior, the climate and the performance of installations and building components. However, comparing the calculated and measured energy consumption is still useful to gain insight if the calculation method shows the same trends as the measured values at macro level and to gain insight into possible causes for the differences. The aim of this study is to understand how the calculated energy consumption according to the energy label relates to the actual energy consumption of nonresidential buildings. The first question is whether the actual energy consumption of a building is known at all. The energy delivery per connection as available through the CBS can differ from the actual energy consumption of a building (see 5.2.1). Therefore in this report, we refer to the energy data available in the CBS database as the measured energy consumption. In this study, the calculated energy consumption (according to the energy label database) is compared to the measured energy consumption (according to the CBS database) for different sections of the coupled dataset. Conclusions gas consumption When the total dataset (1,801 buildings) is considered it has been found that the average calculated gas consumption is slightly higher than the average measured gas consumption (20.5 versus 18.3 m 3 /m 2 ). In an average year this difference will be slightly larger, because 2010 was a cold year. The measured gas consumption shows no clear upward trend as the energy label is getting worse and the correlation between the calculated and measured gas consumption is not very high (r = 0.22, p<0.05). An important reason for this is that the total dataset includes a wide variety of buildings and the sample is not very large. To reduce this problem a little we focused in this study on offices with only boilers as a heat generator (642

6 / 45 buildings). The remaining sample is smaller, but less diverse. The resulting correlation coefficient between the calculated and measured gas consumption is 0.25 (p <0.05), which is not much higher than for the total dataset. The expected trend between energy label and measured energy consumption is not clear. For large offices (> 2000m 2 ) the correlation between the calculated and measured gas consumption appears to be a little better compared to the situation when all offices are considered (r = 0.34, p<0.05). For small offices (<500m 2 ) there appears to be no significant correlation between the calculated and measured gas consumption. Among others this is caused by the fact that large offices form probably a more homogeneous group of buildings than small offices. In large offices the measured gas consumption increases when the energy label is getting worse. However, the increase in the measured gas consumption is less than the increase in the calculated gas consumption. The measured gas consumption is higher than the calculated gas consumption for buildings with a good label. For buildings with a bad label it is just the opposite. The same trends can be seen in a similar study previously carried out for the housing stock (Majcen et al, 2013). In offices with cooling the correlation between the calculated and measured gas consumption appears to be considerably larger than if all offices are considered (r = 0.39, p<0.05). In offices without cooling, there appears to be no significant correlation between the calculated and measured gas consumption. This seems to be related to the fact that offices without cooling more likely belong to the group of small offices, for which also no significant correlation was found (see above). Conclusions electricity consumption For all sections of the dataset, the average measured electricity consumption is much higher than the average calculated electricity consumption. This is because only the building-related electricity consumption is included in the calculated electricity consumption (electricity for heating, cooling, hot water, auxiliary power and lighting), while in the measured electricity consumption both building-related and user-related electricity consumption is included (including computers, printers, etc.). This large difference in principle makes it difficult to compare both datasets. Because the user-related electricity consumption is very different from building to building, it is not evident to do good assumptions for individual buildings and add this to the calculated electricity consumption. For buildings with local electrical heating, electric heat pumps or cooling, both the calculated and the measured electricity consumption are logically considerably higher than in buildings with other types of heat generators and buildings without cooling. Explanations difference calculated and measured energy consumption Explanations for the differences between the measured and calculated energy consumption can be related to the measured energy consumption as well as to the calculated energy consumption. It is possible that the measured energy consumption deviates from the actual energy consumption because the connection for gas or electricity does not uniquely belong to the building where the connection is located or because renewable energy generation and district heating are not included in the CBS data. Deviations in the calculated energy consumption can arise because incorrect input values are used and because the average assumptions used in the calculation method do not sufficiently match the reality.

7 / 45 Although the assumptions for individual buildings will never match the reality, it is aimed to approximate the reality as much as possible on average for all buildings. The indoor temperature, degree of infiltration and ventilation, the operating times of the building and the deviations of the performance of the installations seem to be important factors that are estimated differently in the calculation method than they are in practice. It is expected that the ISSO calculation method eventually will be replaced by the calculation method according to NEN 7120. Some of the assumptions mentioned above are already adjusted in NEN 7120. In practice, it seems that especially the management of the installations could be improved, thus the energy consumption can be reduced and practice will be more consistent with the assumptions made in the calculation method. However, it requires further investigation to determine whether it is mainly the aspects mentioned above that largely determine the difference between measured and calculated energy consumption or whether there are other aspects that also, or perhaps play an even more important role. One has to keep in mind that the energy label is not intended to predict the energy consumption of individual buildings. Based on this study it is logically concluded that the measured gas and electricity consumption at the individual building level deviates from the calculated consumption. In particular, the electricity consumption differs considerably because in the calculation method only the building-related electricity consumption is included. Mentioning the calculated gas and electricity consumption on the energy certificate can therefore be questioned. Perhaps there are better alternatives available to provide insight in the energy performance of the building and it will help to indicate on the energy certificate where the energy label is and is not intended for.

8 / 45 Inhoudsopgave Samenvatting... 2 Summary... 5 1 Inleiding... 9 1.1 Achtergrond... 9 1.2 Energielabels... 9 1.3 Opbouw rapportage... 11 2 Beschrijving databases en representativiteit... 12 2.1 Inleiding... 12 2.2 Energielabel database... 12 2.3 Energiegebruik database CBS... 13 2.4 Beschrijving datasets en representativiteit... 15 3 Berekend en gemeten gasverbruik... 17 3.1 Gasverbruik totale dataset... 17 3.2 Gasverbruik gebouwen met een kantoorfunctie... 19 3.3 Gasverbruik kantoren met verschillende typen warmteopwekkers... 21 3.4 Gasverbruik grote versus kleine kantoren... 24 3.5 Gasverbruik kantoren met en zonder koeling... 27 4 Berekend en gemeten elektriciteitsverbruik... 28 4.1 Elektriciteitsverbruik totale dataset... 28 4.2 Elektriciteitsverbruik gebouwen met een kantoorfunctie... 29 4.3 Elektriciteitsverbruik kantoren met verschillende typen warmteopwekkers... 31 4.4 Elektriciteitsverbruik kantoren met verschillende typen koudeopwekkers... 34 5 Discussie en conclusies... 37 5.1 Conclusies... 37 5.2 Discussie... 39 5.3 Slotsom... 43 6 Referenties... 44 7 Ondertekening... 45 Bijlage(n) A Rekenklaar maken databases B Beschrijving databases en representativiteit C Berekend en gemeten gasverbruik D Berekend en gemeten elektriciteitsverbruik

9 / 45 1 Inleiding 1.1 Achtergrond Agentschap NL beheert de Energielabelregistratie voor het ministerie van BZK en draagt zorg voor de monitoring van het energielabel. Vanaf 1 januari 2010 wordt op het energielabel het gebouwgebonden energiegebruik weergegeven uitgesplitst naar elektriciteit (kwh), aardgas (m 3 ) en eventueel warmte (GJ). Het energiegebruik zoals vermeld op het energielabel komt tot stand door middel van een berekening, waarbij (bewust) verschillende aannames worden gedaan, bijvoorbeeld met betrekking tot het buitenklimaat, het gebruiksgedrag en de prestatie van installaties. Hierdoor zal het berekende energiegebruik per definitie in meer of mindere mate afwijken van het werkelijke energiegebruik. Agentschap NL wil graag inzicht krijgen hoe de gebruiken zoals vermeld op het energielabel zich verhouden tot het daadwerkelijke energiegebruik en welke factoren van invloed zijn op deze correlatie. Deze informatie wil zij gebruiken om vragen uit de markt te kunnen beantwoorden en waar mogelijk suggesties te kunnen doen om het berekende energiegebruik dichter bij het werkelijke energiegebruik te brengen. De volgende vragen staan in dit onderzoek centraal: - Hoe correleert het berekende energiegebruik met het werkelijke energiegebruik 1? Door welke factoren wordt deze correlatie beïnvloed? - Hoe kan het eventuele verschil tussen het berekende en het werkelijke energiegebruik worden verklaard? Door Majcen et al. (2013) is al eerder onderzoek uitgevoerd naar de relatie tussen energielabels en het werkelijk energiegebruik bij woningbouw. Onderliggend onderzoek richt zich op de energielabels voor utiliteitsbouw. 1.2 Energielabels Sinds 1 januari 2008 is het verplicht een energielabel te overhandigen bij verkoop en verhuur van een gebouw of woning. Dit is één van de maatregelen die voortkomt uit de Europese richtlijn voor energieprestatie van gebouwen, de EPBD (Energy Performance of Buildings Directive). In 2010 is de methodiek voor de bepaling van het energielabel aangepast en is het berekende energiegebruik op het energielabel uitgesplitst naar gas, elektriciteit en, indien van toepassing, warmte. Het doel van het energielabel is inzicht geven in de energetische kwaliteit van een gebouw in vergelijking tot soortgelijke gebouwen en inzicht geven in de potentie van mogelijke energiebesparende maatregelen om de energetische kwaliteit van 1 In deze studie wordt gebruik gemaakt van de energiegebruik database van het CBS, welke de energielevering per aansluiting bevat. Deze energielevering kan afwijken van het werkelijke energiegebruik van het gebouw, zie paragraaf 2.3.

10 / 45 het gebouw te verbeteren. Het gaat hierbij om de energetische kwaliteit van het gebouw zelf, er wordt geen rekening gehouden met het specifieke individuele gebruik. Net als bij auto s kunnen alleen gebouwen in dezelfde categorie met elkaar worden vergeleken: een kleine winkel met een A label heeft bijvoorbeeld een totaal ander energiegebruik als een groot kantoor met een A label. Met het energielabel wil de overheid het nemen van energiebesparende maatregelen stimuleren. Het energielabel is niet bedoeld om het energiegebruik (en daarmee de energierekening) op individueel gebouwniveau te voorspellen. Het energielabel (A++ t/m G) wordt bepaald op basis van de energie-index (EI), zie Tabel 1. Hoe lager de energie-index, hoe beter de energetische prestatie van een gebouw is. De energie-index wordt bepaald voor standaard weergegevens en standaard gebruikersgedrag, zodat gebouwen onderling op hun energetische prestaties vergelijkbaar zijn. Tabel 1. Energielabel en de bijbehorende energie-index (ISSO 75.1, 2011). Energielabel Energie-index (EI) A++ Kleiner of gelijk aan 0,50 A+ 0,51-0,70 A 0,71-1,05 B 1,06-1,15 C 1,16-1,30 D 1,31-1,45 E 1,46-1,60 F 1,61-1,75 G Groter dan 1,75 De energie-index wordt berekend door het totale gebouwgebonden primaire energiegebruik te delen door het toelaatbare primaire energiegebruik dat aan het gebouw wordt toegekend op basis van de gebruiksfunctie, gebruiksoppervlakte, verliesoppervlakte, ventilatie en aanwezigheid van koeling. Het totale gebouwgebonden primaire energiegebruik omvat het primaire energiegebruik voor verwarming, ventilatoren, verlichting, pompen, koeling, bevochtiging en warm tapwater; energie die in het gebouw wordt opgewekt met PV of WKK wordt hier vanaf getrokken. De bepalingsmethode voor het energielabel voor utiliteitsgebouwen wordt beschreven in ISSO-publicaties 75.1 t/m 75.3. Het energielabel heeft dus alleen betrekking op het gebouwgebonden deel van het energiegebruik van een gebouw, het gebruiksgebonden deel (computers, printers etc.) wordt hier niet in meegenomen. In deze studie wordt het gebouwgebonden energiegebruik volgens het label vergeleken met het gemeten energiegebruik van een gebouw volgens de CBS database. Dit gemeten energiegebruik omvat echter zowel het gebouwgebonden als het gebruiksgebonden energiegebruik, waardoor beide energiegebruiken per definitie zullen verschillen. Het gebruiksgebonden deel is vooral groot voor het elektriciteitsverbruik. Hierdoor is vergelijking van het gemeten en berekende elektriciteitsverbruik lastig. Voor het gasverbruik is het gebruiksgebonden deel gering, waardoor een vergelijking tussen het gemeten en berekende gasverbruik beter mogelijk is.

11 / 45 1.3 Opbouw rapportage In hoofdstuk 2 van dit rapport wordt een beschrijving gegeven van de data in de energielabeldatabase en de database met gemeten energiegebruiken van het CBS, die bij deze studie zijn gebruikt. Hierbij worden frequentieverdelingen gegeven voor verschillende doorsnedes van de dataset, waarbij ook wordt gekeken naar de representativiteit van de data voor de totale gebouwvoorraad in Nederland. Deze informatie dient ter onderbouwing van de conclusies van het onderzoek. In hoofdstuk 3 wordt een vergelijking gemaakt tussen het berekende gasverbruik volgens de energielabel database en het gemeten gasverbruik volgens de database van het CBS. Om inzicht te krijgen in de mogelijke factoren die de correlatie tussen gemeten en berekend gasverbruik beïnvloeden, zijn verschillende doorsnedes van de dataset geanalyseerd. In hoofdstuk 4 wordt een vergelijking gemaakt tussen het berekende en gemeten elektriciteitsverbruik voor verschillende doorsnedes van de dataset. In hoofdstuk 5 worden de resultaten besproken en de conclusies en aanbevelingen naar aanleiding van dit onderzoek weergegeven.

12 / 45 2 Beschrijving databases en representativiteit 2.1 Inleiding Het uitgangspunt voor dit onderzoek wordt gevormd door de energielabel database zoals verstrekt door Agentschap NL. Deze database bevat het berekende energiegebruik volgens de ISSO 75 methodiek (zie paragraaf 1.2). Voor het werkelijke energiegebruik is gebruik gemaakt van de energiegebruik database van het CBS. Deze database bevat het gemeten energiegebruik voor alle aansluitingen in Nederland. Hierbij moet men zich realiseren dat dit gemeten energiegebruik kan afwijken van het werkelijke energiegebruik van een gebouw, zie paragraaf 2.3. In deze rapportage zal de data van het CBS daarom worden aangemerkt als het gemeten energiegebruik. Na het koppelen en rekenklaar maken van de databases zijn er 2.287 unieke utiliteitsgebouwen overgebleven in de dataset. Hierbij is er vooral data weggevallen doordat de energiegebruiksdata van het CBS niet één op één aan een gebouw kon worden gekoppeld. Voor alle 2.287 gebouwen is data voor het gemeten elektriciteitsverbruik beschikbaar. Voor 1.801 van deze gebouwen is data voor het gemeten gasverbruik beschikbaar. De dataset voor gasverbruik bevat dus 1.801 unieke utiliteitsgebouwen. Deze datasets vormen het uitgangpunt van dit onderzoek. De aanpak en aannames die zijn gedaan bij het rekenklaar maken van de datasets zijn beschreven in bijlage A. Bij het rekenklaar maken van de datasets zijn vooral veel gebouwen met een winkelfunctie, kleine gebouwen en gebouwen met een A label uit de dataset weggevallen, zie bijlage A. In dit hoofdstuk wordt een korte beschrijving gegeven van zowel de energielabel database (paragraaf 2.2) als de energiegebruik database van het CBS (paragraaf 2.3). In paragraaf 2.4 wordt een korte beschrijving gegeven van de datasets voor gas- en elektriciteitsverbruik, waarbij ook wordt gekeken naar de representativiteit van de data voor de totale gebouwvoorraad in Nederland. Eventuele consequenties van mogelijke niet representatieve data, komen aan bod bij de conclusies (hoofdstuk 5). Een uitgebreide beschrijving van de datasets is opgenomen in bijlage B. 2.2 Energielabel database De totale energielabel database omvat energielabels die zijn verstrekt tussen 1 januari 2006 en 1 oktober 2012 en omvat in totaal 13.891 utiliteitsgebouwen. Voor dit onderzoek is alleen gebruik gemaakt van de energielabels die zijn afgegeven vanaf 1 januari 2010, omdat bij deze energielabels het gebouwgebonden energiegebruik is uitgesplitst naar elektriciteit, aardgas en, indien van toepassing, warmte. Deze database omvat 7.060 unieke utiliteitsgebouwen. Na het koppelen van de energielabel database met de energiegebruik database van het CBS en het rekenklaar maken van de datasets zijn er 2.287 unieke utiliteitsgebouwen overgebleven in de dataset voor elektriciteitsverbruik en 1.801 in de dataset voor gasverbruik. De aanpak en aannames die zijn gedaan bij het rekenklaar maken van de dataset zijn beschreven in bijlage A.

13 / 45 De totale gebouwvoorraad utiliteitsgebouwen in Nederland bestond in 2008 uit 475.800 gebouwen (http://senternovem.databank.nl). Wanneer de bedrijfshallen hier niet in worden meegenomen (deze zitten ook niet in de energielabel database) blijven er 316.200 gebouwen over. De gebruikte datasets voor gas- en elektriciteitsverbruik beslaan dus respectievelijk 0,6% en 0,7% van de totale gebouwvoorraad utiliteitsgebouwen in Nederland. Naast het energielabel en de berekende energiegebruiken omvat de energielabel database per gebouw ook de volgende gegevens: - gebruiksoppervlakte; - bouwjaar; - hoofdgebruiksfunctie; - type warmteopwekker; - type koudeopwekker. 2.3 Energiegebruik database CBS Het CBS heeft voor utiliteitsbouw alleen gegevens over gas- en elektriciteitslevering beschikbaar voor 2010. Deze CBS data voor 2010 zijn in dit onderzoek als uitgangspunt genomen. Energiebesparende maatregelen en andere wijzigingen die in de periode tussen 2010 en het moment van opname van het energielabel zijn genomen, zijn in dit onderzoek buiten beschouwing gelaten. De data uit de CBS database wordt als volgt verzameld: De energieleveringen per aansluiting worden door het CBS opgevraagd bij de netbeheerders (zowel de landelijke als de regionale netbeheerders, waardoor de database alle aansluitingen in Nederland op het openbare net bevat (dus geen bedrijvennetten)). Deze aansluitingen kunnen zowel op woningen als bedrijven (inclusief bedrijfswoningen) betrekking hebben. Door koppeling met onder andere het Woningregister (CBS bestand met alle woningen) kunnen woningen en bedrijven worden onderscheiden. Als er op een adres zowel een woonfunctie als een bedrijfsfunctie is, wordt de levering toebedeeld aan het bedrijf (utiliteitsbouw). Vervolgens worden de aansluitingen per uniek adres gegroepeerd. De leveringen per aansluiting zijn totaal verbruiken over een kalenderjaar. Voor de grootverbruikersaansluitingen 2 betreft dit daadwerkelijk gemeten leveringen voor zowel gas als elektriciteit. Voor de aansluitingen van kleinverbruikers, de zogenaamde profielaansluitingen, worden door de netbeheerders Standaard Jaar Verbruiken (SJV s) aan het CBS geleverd: de jaarlevering van 1 januari tot en met 31 december die wordt berekend uit meetgegevens van meterstanden en gestandaardiseerde profielfracties. Voor gas omvat de berekening van het SJV ook een temperatuurcorrectie. In de verwerkingsmethodiek van het CBS wordt deze temperatuurcorrectie weer teruggedraaid. 2 Elektriciteitsaansluitingen met een doorlaatwaarde groter dan 3 x 80 A, gasaansluitingen met een gasmeter groter of gelijk aan G40, die met telemetrie worden uitgelezen.

14 / 45 Het energiegebruik in de CBS database betreft de totale levering per aansluiting in het betreffende jaar. Dit energiegebruik kan om een aantal redenen afwijken van het werkelijke energiegebruik van het gebouw in het betreffende jaar. Een aantal belangrijke redenen zijn: - Het is mogelijk dat de betreffende aansluiting voor gas- of elektriciteit niet één op één tot het gebouw behoort waar de aansluiting zich bevindt. - Duurzame energieopwekking en energielevering via bedrijfsnetten zijn niet in de CBS data opgenomen. Wanneer hier sprake van is, zal het werkelijke energiegebruik dus afwijken van de data in de CBS database. Het gemeten energiegebruik in de CBS database wijkt daarnaast per definitie af van het berekende energiegebruik in de energielabel database: - De CBS database bevat de totale levering op een gegeven adres, welke dus zowel het gebouwgebonden als het gebruiksgebonden energiegebruik omvat. Het energiegebruik in de energielabeldatabase omvat alleen het gebouwgebonden energiegebruik. Er zal dus per definitie een afwijking zijn tussen het energiegebruik in beide databases, met name in het elektriciteitsverbruik. - Het energiegebruik in de CBS database is afhankelijk van het klimaat in het betreffende jaar, terwijl bij het berekende energiegebruik wordt uitgegaan van een standaard referentieklimaat. Er is besloten om het energiegebruik in de CBS database niet te corrigeren voor het klimaat, omdat de correctie voor alle data in de dataset procentueel gezien gelijk zou zijn. - In het berekende energiegebruik is uitgegaan van standaard waarden voor het gebruikersgedrag en de prestaties van installaties en bouwkundige elementen. De werkelijkheid zal hiervan afwijken, waardoor verschillen tussen het gemeten en berekende energiegebruik ontstaan. De CBS database bevat zowel data voor het gemeten gasverbruik als voor het gemeten elektriciteitsverbruik. Bij het koppelen en opschonen van de databases zijn gebouwen waarvoor geen gemeten gasverbruik én geen gemeten elektriciteitsverbruik beschikbaar was, verwijderd uit de dataset. Gebouwen waarvoor alleen gas- of alleen elektriciteitsverbruik beschikbaar was zijn in principe wel behouden in de dataset (voor zover deze niet zijn verwijderd op basis van andere criteria die bij het opschonen zijn gehanteerd, zie bijlage A). De totale dataset die voor dit onderzoek is gebruikt, bestaat uit 2.287 unieke utiliteitsgebouwen. Voor al deze gebouwen is data voor het gemeten elektriciteitsverbruik beschikbaar. Voor 1.801 van deze gebouwen is data voor het gemeten gasverbruik beschikbaar. Het ontbreken van data voor het gemeten gasverbruik hangt samen met het type warmteopwekker. Met name voor gebouwen met warmtelevering door derden en een elektrische warmtepomp ontbreekt de data voor het gemeten gasverbruik, zie bijlage B.5. Dit is logisch aangezien gebouwen met dit type warmteopwekking geen gasverbruik voor verwarming zullen hebben. Met name in labelcategorie A is voor een groot deel van de gebouwen geen data voor het gemeten gasverbruik beschikbaar. In deze labelcategorie komen bovengenoemde warmteopwekkers vaker voor.

15 / 45 2.4 Beschrijving datasets en representativiteit De gebruikte datasets voor gas- en elektriciteitsverbruik bevatten voornamelijk gebouwen met een kantoorfunctie (42% in de dataset voor gasverbruik en 41% in de dataset voor elektriciteitsverbruik) of winkelfunctie (22% in de dataset voor gasverbruik en 27% in de dataset voor elektriciteitsverbruik). De verdeling over de gebruiksfuncties is hiermee niet geheel vergelijkbaar met de geschatte totale gebouwvoorraad utiliteitsgebouwen in Nederland, zie bijlage B.2. Wanneer naar de totale gebruiksoppervlakte per hoofdgebruiksfunctie wordt gekeken, dan blijkt ongeveer 60% van de totale gebruiksoppervlakte tot een kantoorfunctie te behoren, zie bijlage B.2. De gebruikte datasets omvatten in alle labelcategorieën een groot aantal gebouwen. Het grootste deel van de utiliteitsgebouwen heeft een A label. Relatief veel gebouwen vallen ook in labelcategorie G, gevolgd door label C, zie Figuur 1. De verdeling over de energielabelcategorieën is ongeveer vergelijkbaar met de verdeling van alle energielabels die in Nederland zijn afgegeven, zie bijlage B.1. Figuur 1. Aantal gebouwen in de verschillende energielabelcategorieën in de datasets voor gasverbruik en elektriciteitsverbruik. De datasets voor gas- en elektriciteitsverbruik bevatten voornamelijk gebouwen met een bouwjaar na 1975 (65% voor de dataset voor gasverbruik en 69% voor de dataset voor elektriciteitsverbruik), waarbij respectievelijk 36% en 41% van de gebouwen na 1990 is gebouwd. Vergeleken met andere schattingen van de gebouwvoorraad in Nederland zitten er in de datasets relatief minder gebouwen die gebouwd zijn voor 1975 en relatief meer gebouwen die gebouwd zijn na 1975. Hierbij moet worden opgemerkt dat het bouwjaar in de energielabel database niet altijd het werkelijke bouwjaar lijkt te betreffen, maar soms het renovatiejaar, zie bijlage B.3. De datasets voor gas- en elektriciteitsverbruik bevatten in de verschillende oppervlakteklassen tussen 100 en 5000m 2 ongeveer evenveel gebouwen. Het aantal gebouwen in de oppervlakteklassen <100m 2, 5000-10.000m 2 en >10.000m 2 ligt aanzienlijk lager dan in de andere klassen, zie bijlage B.4. Voor gebouwen met

16 / 45 een kantoorfunctie ziet de verdeling over de oppervlakteklassen er anders uit. Er zitten vrijwel geen kleine kantoren (<500m 2 ) in de datasets, maar vooral kantoren met een gebruiksoppervlakte tussen 1000 en 5000 m 2. Voor de gebouwen met een kantoorfunctie zijn de datasets met betrekking tot de verdeling over de oppervlakteklassen niet vergelijkbaar met andere schattingen van de gebouwvoorraad reguliere kantoren in Nederland: de datasets bevatten relatief veel minder kleine (<500m 2 ) en relatief veel meer grote kantoorgebouwen (>2000m 2 ), zie bijlage B.4. Een ketel is de meest voorkomende warmteopwekker in beide datasets (88% voor de dataset voor gasverbruik en 77% voor de dataset voor elektriciteitsverbruik). De meeste gebouwen hebben hierbij alleen HR-ketels. Wat betreft het type warmteopwekker komen de datasets redelijk overeen met de gegevens uit het Ubouwpanel 3, zie bijlage B.5. In beide datasets heeft het overgrote deel van de gebouwen een compressiekoelmachine (ruim 50%) of helemaal geen koeling (ruim 40%). Van de gebouwen met een kantoorfunctie heeft ruim 70% een compressiekoelmachine, terwijl slechts 20% geen koeling heeft. Wat betreft het type koudeopwekker komen de datasets redelijk overeen met de gegevens uit het Ubouwpanel, zie bijlage B.6. Het gemiddelde gemeten gasverbruik per m 2 gebruiksoppervlakte in de gebruikte dataset is voor een aantal gebruiksfuncties vergeleken met beschikbare data uit het Ubouwpanel uit 2010 3, zie bijlage B.7. Voor de winkelfunctie en onderwijsfunctie komt het gemiddelde gemeten gasverbruik in de dataset ongeveer overeen met het Ubouwpanel. Voor de kantoorfunctie en gezondheidszorgfuncties is het gemiddelde gemeten gasverbruik in de dataset hoger dan volgens het Ubouwpanel. Het gemiddelde gemeten elektriciteitsverbruik per m 2 gebruiksoppervlakte in de gebruikte dataset is voor een aantal gebruiksfuncties vergeleken met beschikbare data uit het Ubouwpanel uit 2010 3, zie bijlage B.8. Voor de kantoorfunctie en onderwijsfunctie is het gemiddelde gemeten elektriciteitsverbruik in de dataset ongeveer gelijk aan het Ubouwpanel. Bij de winkelfunctie en gezondheidszorgfuncties zijn er grote verschillen met het Ubouwpanel. 3 Hierbij moet worden opgemerkt dat het Ubouwpanel slechts data van een beperkt aantal gebruiksfuncties en een beperkte steekproef (ongeveer 1000 utiliteitsgebouwen) bevat, waardoor het slechts een schatting van het gemiddelde gasverbruik betreft. De dataset die in dit onderzoek is gebruikt omvat meer gebouwen dan het Ubouwpanel. Een afwijking met het Ubouwpanel houdt dus niet per se in dat de dataset die in dit onderzoek is gebruikt niet representatief is voor de gebouwvoorraad in Nederland.

17 / 45 3 Berekend en gemeten gasverbruik In dit hoofdstuk wordt het berekende gasverbruik (volgens de energielabel database) en het gemeten gasverbruik (volgens de CBS database) vergeleken voor verschillende doorsnedes van de gekoppelde dataset. De gekoppelde dataset voor gasverbruik bestaat uit 1.801 unieke utiliteitsgebouwen waarvoor zowel het gemeten als het berekende gasverbruik beschikbaar is. Om vergelijking tussen gebouwen onderling mogelijk te maken is het gasverbruik omgerekend naar gasverbruik per m 2 gebruiksoppervlakte. De aanpak en aannames die zijn gedaan bij het rekenklaar maken van de dataset zijn beschreven in bijlage A. Aangezien het grootste deel van de dataset bestaat uit gebouwen met een kantoorfunctie (750 gebouwen) en dit een vrij homogeen type gebouwen is (in vergelijking tot bijvoorbeeld winkelfuncties of sportfuncties), is er voor gekozen in deze rapportage de focus te leggen op kantoren. De overige gebruiksfuncties komen in dit hoofdstuk wel op hoofdlijn aan bod. In de grafieken in dit hoofdstuk is naast de gemiddelde waarde ook het 95% betrouwbaarheidsinterval 4 weergegeven. 3.1 Gasverbruik totale dataset In Figuur 2 is het gemiddelde berekende en gemeten gasverbruik per m 2 gebruiksoppervlakte weergegeven voor alle gebouwen in de dataset. Het gemiddelde berekende gasverbruik ligt hierbij wat hoger dan het gemiddelde gemeten gasverbruik (20,5 versus 18,3 m 3 /m 2 ). Het verschil zal voor een gemiddeld jaar groter zijn, omdat 2010 een koud jaar was. Hierbij moet worden opgemerkt dat in het berekende gasverbruik alleen het gebouwgebonden gasverbruik is opgenomen, gasverbruik voor koken is hier niet in meegenomen. Voor utiliteitsgebouwen zal het aandeel gasverbruik voor koken voor de meeste gebruiksfuncties (m.u.v. bijv. restaurants) echter beperkt zijn. Figuur 2. Gemiddeld berekend en gemeten gasverbruik per m 2 voor de totale dataset (N=1801). 4 Het 95% betrouwbaarheidsinterval geeft aan dat wanneer de steekproef meerdere keren wordt herhaald binnen dezelfde populatie de gemiddelde waarde in 95% van de gevallen binnen dit interval zal liggen.

18 / 45 In Figuur 3 is voor alle gebouwen in de dataset het gemeten gasverbruik uitgezet tegen het berekende gasverbruik (in bijlage C.1 is ook een ingezoomde versie van deze grafiek opgenomen). Hierin is te zien dat er geen duidelijke relatie is tussen het gemeten en het berekende gasverbruik. Voor sommige gebouwen is het gemeten gasverbruik nihil, terwijl er volgens de berekening wel een behoorlijk gasverbruik zou moeten zijn. Dit verschil kan worden veroorzaakt doordat gebouwen in werkelijkheid leeg hebben gestaan (en hierdoor niet zijn verwarmd) of doordat er in werkelijkheid een ander type warmteopwekker is toegepast dan in de berekening is aangehouden (een niet-gasgestookte in plaats van een gasgestookte warmteopwekker). Voor andere gebouwen is het berekende gasverbruik juist heel laag, terwijl het gemeten gasverbruik hoog is. Een mogelijke oorzaak hiervoor is bijvoorbeeld dat de situatie is veranderd tussen 2010 en het moment van opname van het energielabel of dat er fouten zijn gemaakt in de invoergegevens van de berekening. Ook is het mogelijk dat het gemeten gasverbruik volgens de CBS database afwijkt van de werkelijkheid (zie ook paragraaf 2.3). De correlatiecoëfficiënt voor het berekende en gemeten gasverbruik bedraagt 0,22 (p<0,05). Gemeten gasverbruik [m3/m2] 0 25 50 75 100 125 150 r =.22 0 25 50 75 100 125 150 Berekend gasverbruik [m3/m2] Figuur 3. Gemeten gasverbruik versus berekend gasverbruik per m 2 gebruiksoppervlakte voor de totale dataset (N=1801).

19 / 45 In Figuur 4 is voor alle gebouwen in de dataset het gemiddelde berekende en gemeten gasverbruik per m 2 gebruiksoppervlakte weergegeven voor de verschillende energielabelklassen. Het berekende gasverbruik laat een duidelijk stijgende trend zien naarmate het energielabel verslechtert. In het gemeten gasverbruik is deze trend veel minder duidelijk te zien. In Figuur 4 is duidelijk te zien dat het gemeten gasverbruik 5 voor gebouwen met een goed label hoger ligt dan het berekende gasverbruik. Voor gebouwen met een slecht label ligt het gemeten gasverbruik juist lager. Voor gebouwen met een goed label wordt het gemeten gasverbruik dus onderschat door de rekenmethodiek, voor gebouwen met een slecht label juist overschat. Voor gebouwen in labelcategorie A bedraagt het berekende gasverbruik slechts iets meer dan de helft van het gemeten gasverbruik. Voor gebouwen in labelcategorie G is het berekende gasverbruik bijna dubbel zo hoog als het gemeten gasverbruik. In een vergelijkbaar onderzoek dat eerder voor woningbouw is uitgevoerd (Majcen et al., 2013), is dezelfde trend te zien. Figuur 4. Gemiddeld berekend en gemeten gasverbruik per m 2 gebruiksoppervlakte per energielabelklasse (N=1801). 3.2 Gasverbruik gebouwen met een kantoorfunctie In Figuur 5 is het gemiddelde berekende en gemeten gasverbruik per m 2 gebruiksoppervlakte weergegeven voor gebouwen met een kantoorfunctie (750 gebouwen). Het gemiddelde berekende gasverbruik ligt hierbij iets lager dan het gemiddelde gemeten gasverbruik (16,0 versus 16,8 m 3 /m 2 ), het verschil is echter beperkt. Ook hier moet worden opgemerkt dat het gemiddelde gemeten gasverbruik voor een gemiddeld jaar een stuk lager zal liggen, omdat 2010 een koud jaar was. 5 Met gemeten en berekende gasverbruik wordt hier het gemiddelde gemeten en gemiddelde berekende gasverbruik bedoeld. Voor de leesbaarheid is het woord gemiddeld in het vervolg van deze rapportage niet overal vermeld.

20 / 45 Figuur 5. Gemiddeld berekend en gemeten gasverbruik per m 2 gebruiksoppervlakte voor gebouwen met een kantoorfunctie (N=750). In Figuur 6 is het gemiddelde berekende en gemeten gasverbruik per m 2 gebruiksoppervlakte van alle gebouwen met een kantoorfunctie weergegeven voor de verschillende energielabelklassen. In de grafiek is te zien dat voor label A t/m D het gemeten gasverbruik aanzienlijk hoger ligt dan het berekende gasverbruik. Voor label G ligt het gemeten gasverbruik juist aanzienlijk lager dan het berekende gasverbruik. De correlatiecoëfficiënt voor het berekende en gemeten gasverbruik bedraagt 0,30 (p<0,05). In bijlage C.3.1 zijn ook scatterplots opgenomen waarbij het gemeten gasverbruik is uitgezet tegen het berekende gasverbruik. Figuur 6. Gemiddeld berekend en gemeten gasverbruik per m 2 gebruiksoppervlakte per energielabelklasse voor gebouwen met een kantoorfunctie (N=750).

21 / 45 3.3 Gasverbruik kantoren met verschillende typen warmteopwekkers In Figuur 7 is het gemiddelde berekende en gemeten gasverbruik per m 2 gebruiksoppervlakte weergegeven voor de belangrijkste typen warmteopwekkers voor gebouwen met een kantoorfunctie. Hierin is te zien dat het gemeten gasverbruik voor gebouwen met alleen warmtelevering door derden of een elektrische warmtepomp veel hoger ligt dan het berekende gasverbruik, terwijl je zou verwachten dat deze gebouwen in werkelijkheid geen gasverbruik zouden hebben. Waarschijnlijk zijn er in werkelijkheid toch nog andere warmteopwekkers in deze gebouwen aanwezig. Voor CR ketels is het berekende gasverbruik aanzienlijk hoger dan voor VR en HR ketels. De verschillen in het gemeten gasverbruik zijn beduidend kleiner, waarbij het gemiddelde gemeten gasverbruik van gebouwen met een CR ketel zelfs lager ligt dan van gebouwen met een HR ketel. Voor lokale olie- of gasverwarming is het gemeten gasverbruik aanzienlijk lager dan het berekende gasverbruik. Een mogelijke reden hiervoor is dat bij lokale olie- of gasverwarming niet het volledige gebouw op hetzelfde temperatuurniveau wordt verwarmd, terwijl dat in de berekening wel wordt aangenomen vanwege het uitgangspunt van gelijk comfort. Ook kan het zijn dat in werkelijkheid een efficiëntere installatie aanwezig is. Het aantal gebouwen met alleen olie- of gasverwarming in de dataset is overigens erg beperkt (3 gebouwen). Figuur 7. Gemiddeld berekend en gemeten gasverbruik per m 2 gebruiksoppervlakte per type warmteopwekker voor gebouwen met een kantoorfunctie. 3.3.1 Kantoren met alleen ketels als warmteopwekker In Figuur 8 is het gemiddelde berekende en gemeten gasverbruik per m 2 gebruiksoppervlakte weergegeven voor gebouwen met een kantoorfunctie met alleen één of meer typen ketels als warmteopwekker (642 gebouwen). In de grafiek is te zien dat voor label A t/m D het gemeten gasverbruik hoger ligt dan het berekende gasverbruik. Voor label G ligt het gemeten gasverbruik juist flink lager dan het berekende gasverbruik.

22 / 45 Figuur 8. Gemiddeld berekend en gemeten gasverbruik per m 2 gebruiksoppervlakte per energielabelklasse voor gebouwen met een kantoorfunctie met alleen ketels als warmteopwekker (N=642). In Figuur 9 is voor de gebouwen met een kantoorfunctie met alleen ketels als warmteopwekker het gemeten gasverbruik uitgezet tegen het berekende gasverbruik. De correlatiecoëfficiënt bedraagt 0,25 (p<0,05). In bijlage C.3.2 is ook een ingezoomde versie van deze grafiek opgenomen. Daarnaast is in bijlage C.3.11 voor ieder energielabel A tot en met G een scatterplot opgenomen waarin het gemeten gasverbruik is uitgezet tegen het berekende gasverbruik per m 2 gebruiksoppervlakte. Er is geen trend te zien dat de correlatie verbetert naarmate het energielabel verbetert of verslechtert.

23 / 45 Gemeten gasverbruik [m3/m2] 0 25 50 75 100 r =.25 0 25 50 75 100 Berekend gasverbruik [m3/m2] Figuur 9. Gemeten gasverbruik versus berekend gasverbruik per m 2 gebruiksoppervlakte voor gebouwen met een kantoorfunctie met alleen ketels als warmteopwekker (N=642). Wanneer kantoren met respectievelijk alleen HR-ketels of alleen HR107-ketels als warmteopwekker in beschouwing worden genomen dan zijn de trends vergelijkbaar met Figuur 8 en verandert de correlatiecoëfficiënt niet (zie bijlage C.3.3 en C.3.4). 3.3.2 Kantoren met een elektrische warmtepomp als warmteopwekker In Figuur 10 is voor de gebouwen met een kantoorfunctie en een elektrische warmtepomp als warmteopwekker het gemeten gasverbruik uitgezet tegen het berekende gasverbruik (79 gebouwen). Elektrische warmtepompen worden vooral toegepast in gebouwen met een A label (48 gebouwen). In de grafiek is te zien dat het berekende gasverbruik voor de meeste gebouwen erg laag is. Een groot deel van deze gebouwen heeft echter wel een behoorlijk hoog gemeten gasverbruik. Een mogelijke verklaring is dat er naast de elektrische warmtepomp nog andere warmteopwekkers aanwezig zijn. De correlatiecoëfficiënt voor het berekende en gemeten gasverbruik bedraagt 0,45 (p<0,05). Het is de vraag wat deze correlatie zegt, omdat deze voornamelijk door de outliers lijkt te worden bepaald.