Modéliser la dynamique des consommations : du normatif

Modéliser la dynamique des consommations :
du normatif au réaliste
Illustration par le DPE: écueil et pistes de solutions Benoit Allibe
Doctorant CIRED ‐ EDF R&D 1
Contexte
•
Intérêt des modèles de dynamique des consommations énergétique:
–
–
–
•
Agrégation cohérente de la connaissance existante
Support de discussion (voire consensus) sur les coûts de transition du système énergétique actuel vers un niveau d’émission de GES plus faible et durable
Évaluation ex‐ante de politiques/programmes énergétiques
Trois approches principales:
–
–
–
Représentation agrégée/top‐down: EGC [ex: Gemini‐E3 (Bernard et Vielle)], économétrique [ex: L.Penot‐Antoniou et P.Têtu, 2010]
Représentation désagrégée/bottom‐up : scénarios techniques [ex: Enerter (Energies Demain), MIeL
(EDF R&D)], simulation technico‐économique [ex: Menfils (ADEME), Res‐IRF (CIRED)]. Hybride : Imaclim‐R (CIRED)
Omniprésence du Diagnostic de Performance Energétique (DPE) ou de modèles de calcul thermique très proches.
Etiquettes DPE = langage commun aux différents acteurs du secteur résidentiel
2
Plan •
Rappels sur le DPE
•
Analyse statique : –
–
•
Analyse dynamique : –
–
•
écarts entre consommations DPE (performance) et consommations de chauffage observées
interprétation: effet rebond, malfaçons, comportements contraints
conséquences des écarts observés sur l’estimation de la rentabilité d’améliorations technologiques
simulation d’investissement: les risques de masquer les technologies sous des étiquettes DPE
Le CLIP Facteur 4 « revisité » : Application des résultats à un exercice de prospective « facteur 4 » dans le secteur résidentiel français
3
Rappels sur le Diagnostic de Performance Energétique
•
Seuls les usages thermiques sont pris en compte: chauffage, eau chaude sanitaire, climatisation
•
Modèle de calcul thermique (3CL) basé sur un besoin normatif de service
•
Performance du logement prenant en compte le système énergétique amont, exprimée par des étiquettes en énergie primaire (EP) et émissions de gaz à effet de serre (GES) par m2 par an
EP
Besoin normatif de service
Climat
GES
Performance normative du bâti
Besoin normatif en énergie utile
Performance normative des systèmes
Norme de calcul thermique
(3CL)
Consommation normative d’énergie finale
4
« In theory, theory and practice are the same. In practice, they are not »
Albert Einstein
Analyse statique
est‐ce que le besoin ‘normal’ est bon en moyenne?
5
Confrontation entre consommations normatives et observées
•
2 études réalisées sur le chauffage individuel (pour avoir accès aux factures)
Segments CEREN 1998‐2005
Echantillon EDF R&D 2009
Cible
Logements anciens (<1988)
Chauffage électrique, gaz et fioul
Chauffage toutes énergies
Forme du parc résidentiel
15 segments avec effectifs associés
913 logements
Période étudiée
1998‐2005
2009
Description performance
Expertise EDF R&D
Valeurs par défaut du DPE d’après description des logements par les ménages
Données météo
Climats réels CEREN
Météo normale par département (DPE)
Moteur de calcul thermique
Proche DPE (sans facteur d’intermittence)
Moteur 3CL du DPE
Estimations CEREN par usage
Factures des ménages Extraction statistique du chauffage par méthodologie CEREN
Données de consommations réelles
6
Des écarts importants entre calcul normatif et observations de consommation
Segments CEREN 2005
500
450
conso observée (kWh/m2.an)
consommation de chauffage estimée sur facture (kWh.m2.an)
Échantillon EDF R&D 2009
DPE
400
350
300
250
200
150
100
50
450
Autre norme de calcul
400
350
300
250
200
150
100
50
0
0
0
100
200
300
400
500
consommation théorique (3CL) de chauffage (kWh.m2.an)
Source : article de la conférence ECEEE 2011, France
« There are people in the house! How misleading for energy policies are the results of purely technical analysis of residential energy consumption». E. Cayre, B. Allibe, M‐H. Laurent
•
500
0
100
200
300
400
500
conso théorique (kWh/m2.an)
Source : poster de la conférence BECC 2009, Washington, USA
« Impact of comfort level on dwellings space heating energy
demand. A retrospective and prospective study ». B. Allibe
Sources possibles de différences entre consommations théoriques et observées:
–
–
–
–
–
Mauvaise estimation du comportement d’usage (non « normal », ou différent de ce qui est déclaré)
Mauvaise estimation de la performance (présence de malfaçons, non‐respect de la RT)
Mauvaise estimation des autres variables physiques (surface chauffée, climat local)
Biais de modèle thermique (utilisation d’un modèle trop simple)
Erreur d’estimation statistique de l’usage chauffage au sein de la facture (pour échantillon)
7
Comparaison DPE – factures selon le stade énergétique
Distribution des maisons individuelles en fonction de leur besoin de chauffage (énergie utile)
50%
45%
40%
35%
30%
25%
20%
15%
10%
5%
0%
Distribution des maisons individuelles en fonction de leur consommation de chauffage (énergie finale)
30%
Normatif
25%
Réaliste
20%
Normative
Observée
15%
10%
5%
0%
kWhEU/m2.an
kWhEF/m2.an Distribution des maisons individuelles
par étiquette énergie primaire
35%
30%
Normatif
25%
Réaliste
20%
15%
10%
5%
0%
A
B
C
D E
F
G
8
Indicateurs utilisés pour la comparaison
•
Définition de l’indicateur d’intensité d’utilisation:
avec, Cobs la consommation observée et Cth la consommation calculée par un modèle de calcul thermique et son jeu d’hypothèses concernant les performances et le climat
•
Si les écarts sont dus aux comportements alors la littérature économique indique qu’ils devraient dépendre du coût du service sous contrainte de revenu, et donc des variables suivantes :
• prix des énergies (élasticité prix)
• performance des logements et équipements (effet rebond, élasticité à la performance)
• rigueur du climat
• revenu des ménages (élasticité revenu), moins d’effet que les autres variables
•
Ces quatre variables peuvent être combinées en un autre indicateur: la part budgétaire que les ménages alloueraient au chauffage s’ils consommaient la quantité
d’énergie calculée par le modèle normatif, que l’on peut appeler « part budgétaire théorique »
avec Pe le prix de l’énergie de chauffage et Cth la consommation calculée par un modèle de calcul thermique et son jeu d’hypothèses concernant les performances et le climat, et R le revenu du ménage
9
Reformulation des comparaisons avec les indicateurs définis
Segments CEREN 2005
Échantillon EDF R&D 2009
Rétrospective CEREN 1998‐2005
Reformulation par décile de PBT 1,4
1,2
1
0,8
0,6
0,4
0,2
0
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
10
Intérêts des résultats en analyse statique
•
Le DPE est un bon indicateur de performance, mais pas de consommation réelle ! Il surestime fortement (>60%) les consommations de chauffage individuel* en France
•
Les ménages adaptent leur consommation de chauffage :
–
–
–
–
•
au prix des énergies, à la performance de leur logement : effet rebond, à la rigueur du climat à leur revenu (dans un moindre mesure)
« smart people »
Cette adaptation n’est pas spécifique à :
– un type de logement (maison ou immeuble), – une période de construction,
– la nature d’une énergie de chauffage
* : le chauffage individuel représente 83% des consommations de chauffage en France
11
Analyse dynamique
quelles conséquences d’un besoin variable sur les investissements?
12
Usage quotidien et rentabilité
•
Plus les comportements d’usage sont sobres moins d’énergie peut être économisée…
•
Illustration: temps de retour sur investissement pour l’installation de vitrages très performants, sans effet rebond (source: Tigchelaar et al., ECEEE 2011)
Temps de retour sur invest.
réaliste
normatif
Intensité d’utilisation initiale
13
Estimation réalistes des gains énergétiques
Intensity of use
REFURBISHMENT
I final
1 (normative use)
I initial
Rebound + model bias + discrepancy
Overestimation of initial consumption
Rebound + model bias + Theoretical Final discrepancy
Theoretical initial consumption
Theoretical savings
Final energy
final Theoretical savings
consumption
Energy savings without
consumption
consumption
Energy savings without
comfort increase, without Initial consumption
comfort increase
comfort
discrepancy
and model bias
“Realistic” energy savings
≈ 40% du gain normatif
≈ 25% du gain normatif
≈ 40% du gain sur consommation réelle
increase
Theoretical consumption after refurbishment
Source: E. Cayre, B. Allibe, M‐H. Laurent, ECEEE 2011
Theoretical consumption before refurbishment
Theoretical SH consumption (MWh)
14
Application à la prospective
15
Le CLIP « Facteur 4 » revisité
Etude de référence : cahiers du CLIP n°20, « Habitat Facteur 4 » (CNRS‐EDF‐GDF‐Energies Demain)
–
–
Application du facteur d’intensité au scénario menant aux plus grandes réductions d’énergie finale (élec/bois/gaz)
Conso 3CL – gisement 3CL
Conso réelle – gisement 3CL + SI
/2
Gisement 3CL + SI
/8
Gisement 3CL
‐100
‐200
‐300
‐400
‐500
‐600
394
Conso réelle
100
642
Conso 3CL
700
600
500
400
300
200
/8
Gisement 3CL + SI + RMB
Consommation nationale de chauffage (TWh, énergie finale)
76
47
Consommation 2009
Conso réelle – gisement 3CL + SI + RBM
•
Avec l’hypothèse d’une rénovation bâti intégrale, seule une forte pénétration des PAC et du chauffage bois permettent l’atteinte d’un facteur 4 (et plus) sur les émissions de CO2 issues des usages thermiques
Basé sur des consommations initiales réelles mais pas de prise en compte de malfaçon ni d’effet rebond
Conso réelle – gisement 3CL
•
Gisements d’économie d’énergie
Consommation 2050
SI : Surestimation de la consommation initiale
RMB : Effet rebond, malfaçon, biais de modèle
188
‐172
206
347
566
Æ Le facteur 8 en énergie finale devient un « bon facteur 2 »
Æ Nécessité de réduire le contenu carbone des énergies de chauffage et de compenser l’effet rebond (en agissant sur les prix de l’énergie)
Facteur de réduction CO2 en 2050
Scénario
CLIP
CLIP ‘revisité’
B/G/E
4
2.8
B/E/G
16.3
9.2
G/B/E
2.5
1.6
E/B/G
12.5
2.9
16
Limites de l’étude / perspectives :
•
Effets rebond et malfaçon (et biais de modèle) non découplés
•
Effet global observé sans différenciation par technologie (effet rebond attendu plus important sur l’isolation que sur les systèmes)
•
Chauffage individuel seulement
•
Besoin de validation rétrospective plus étendue
•
« correction » du CLIP effectuée à prix de l’énergie et climat constant
17
Eléments clés « à emporter »
•
Le DPE est un indicateur de performance, mais pas de consommation ! Surestimation de 60% des consommations de chauffage individuel en France
Bonne nouvelle, il est possible de le corriger de manière simple pour le rendre plus réaliste
•
« smart people » : Les ménages adaptent leur consommation de chauffage à son prix L’effet rebond et la malfaçon réduisent les gains énergétiques sur facture d’environ 40%, et le gain énergétique normatif d’environ 2/3 à l’échelle nationale
Le gisement ‘comportemental’ d’économies d’énergies semble déjà largement exploité
•
Le Facteur 4 pour le chauffage ne peut être atteint uniquement par de l’efficacité énergétique
L’efficacité énergétique ne devrait pas permettre d’atteindre bien mieux qu’un facteur 2
L’atteinte du facteur 2 en efficacité nécessite cependant d’agir dès maintenant sur les éléments techniques à plus longue durée de vie (murs et toitures) pour empêcher les « occasions manquées »
Il reste un facteur 2 à faire sur le contenu carbone moyen du chauffage en France Æ renforce la nécessité d’un recours massif au bois (et à la décarbonation des autres énergies Æ besoin de limiter l’effet rebond (outils prix) et la malfaçon (contrôle)
18
Merci pour votre attention
Benoit Allibe
allibe@centre‐cired.fr
19
Compléments
20
Dynamique des consommations à partir d’une matrice de transition en étiquettes DPE (EP ou GES)
21
Pourquoi un modèle basé sur des étiquettes DPE ‘énergie primaire’ est‐il tentant?
•
•
Base de données simple et publique de description du parc national de logements en étiquette énergie primaire du DPE : ANAH (2008)
Facilité de représentation des coûts de transition d’une performance à une autre
•
•
•
Sans représenter explicitement les technologies
Sans recours à un calcul thermique
Possibilité de modéliser la dynamique des rénovations en fonction de la rentabilité des transitions
Mais il existe des écueils méthodologiques certains à une approche simpliste
+ prix de l’énergie + critère d’investissement
= dynamique
22
Des technologies à rentabilités très variables
•
Une transition d’étiquette peut être atteinte à l’aide de combinaisons technologiques différentes
•
La rentabilité d’une transition d’étiquette dépend des technologies sous‐jacentes
•
La matrice de transition sera différente pour un scénario centré sur de l’isolation en un sur des systèmes de chauffage performants et des EnR
D’un prix de technologie à un prix de transition d’étiquette
L’amélioration d’une technologie est associée à une stade énergétique
•
Isolation Æ énergie utile, Système de chauffage Æ énergie finale
La position d’une technologie donnée dans une matrice de coûts de transition dépend des autres éléments du logement
•
Exemple: installation de pompe à chaleur sur différentes « cibles » :
EP
GES
Fioul, non isolée
Gaz, non isolée
Convecteur, non isolée
Gaz, isolée
Bois, non isolée
NB: Chaque cercle devrait avoir le même coût (celui de la pompe à chaleur)!
•
Or, le consensus est déjà difficile sur le prix des technologies (Laurent et al., 2009)
•
Par ailleurs, une perte d’étiquette DPE peut être rentable pour les ménages…
Prise en compte de l’inertie de l’infrastructure technique (bâti+systèmes)
•
On ne peut considérer uniquement le surcoût qu’en fin de vie de l’équipement:
–
Si une rénovation est anticipée, il y a perte de la valeur résiduelle, qui peut compenser financièrement les futurs gains sur facture
Æ Perte de rentabilité lorsqu’on anticipe une rénovation (Energy Technology Perspectives 2012, IEA)
•
Le déclencheur des travaux est plus l’obsolescence des équipements installés que la rentabilité d’une amélioration énergétique
« Il n’existe pas de marché de l’efficacité énergétique mais l’efficacité
énergétique est un critère dans les choix de rénovation des logements »
(E.Lagandré, ANAH)
•
Durée de vie différentes selon les technologies
–
–
Environ deux fois supérieures pour les éléments bâti que pour les systèmes de chauffage
Besoin d’éviter dès à présent les « occasions manquées » sur les éléments du bâti car, en moyenne, une seule rénovation d’ici 2050
Æ Avantage d’une approche technologiquement explicite : représentation de l’inertie du parc
25
Pistes de solution
•
•
Représentation technologiquement explicite puis traduction en étiquettes
–
Représentation de l’obsolescence par des durées de vie explicites des technologies (décision de travaux est contraint à la fin de la durée de vie)
–
Représentation de la valeur résiduelle des équipements avant leur fin de vie
–
Représentation du coût des technologies au stade énergétique où elles interviennent
Si structure « matrice DPE » conservée, –
limiter le flux annuel de rénovations (prise ne compte de l’inertie) –
disposer de plusieurs matrices de coûts correspondant à des contenus technologiques différents
–
Ne pas interdire la rétrogradation d’étiquettes DPE
26
Hétérogénéité du marché de la rénovation thermique des logements
27
Hétérogénéité des rentabilités (1)
•
Modélisation ingénieur (‘winner takes all’) et économétrique (fonction logit) d’un marché
hétérogène à deux technologies (A et B) caractérisées par le coût global actualisé (CGA)
Parts de marché de la technologie A
" winner takes all "
100%
coûts et bénéfices énergétiques + hétérogénéité du marché
coûts et bénéfices énergétiques et non‐énergétiques + hétérogénéité du marché
50%
0
1
2
CGA (A)
CGA (B)
Æ Plus un marché est hétérogène moins la variation d’un facteur aura d’impact sur les parts de marché observées
Æ Une simulation basée uniquement sur du calcul DPE et avec comme seul critère de choix le DPE peut amener à surestimer fortement la pénétration des technologies les plus rentables
28
Hétérogénéité des rentabilités (2)
•
Quelles sources d’hétérogénéité dans le marché de la rénovation thermique des logements?
•
Infrastructure existante présente des éléments de performances très différentes
•
Le prix d’une transition dépend fortement de la technologie utilisée
•
Pour une même technologie et une même performance, les prix observés peuvent être sensiblement différents
•
Les préférences des ménages sont hétérogènes: perception des caractéristiques des technologies, préférence pour le présent lors des investissements…
29
Hétérogénéité des rentabilités (4)
•
Illustration : simulation des parts de marché de technologies de performances différentes en fonction de l’hétérogénéité des prix à performance donnée
•
Modèle d’investissement
–
‐
‐
•
Choix entre 3 niveaux de performance
Tirage aléatoire d’un prix dans la distribution
pour chaque niveau de performance
Choix du coût global actualisé le plus faible
Résultats de simulation (sans subventions)
30