Energikortlægning Joakim Larsen, Energiplanlægger 1
Metode 2
Metode Filtrering 3
Filtrering Oplysninger pr adresse Geokode Bygningsklasse Bygningstype Opførelsesår Opvarmningsform og brændsel Tag- og vægtype Fjernvarme- og naturgasforbrug Elforbrug Beboere (Ejerforhold) 4
Filtrering CASE Høje-Taastrup Kommune Datagrundlag - 9.287 boliger El 10.540 adresser (inkl. fritidshuse) 42 20 10 129 Varmepumpe Fjernvarme 112.982 MWh Fjernvarme 5.540 adresser 228.576 MWh Naturgas 2.049 adresser 930 1681 1126 4467 Elovne, elpaneler Naturgasfyr Blokvarme Centralvarme fra eget anlæg, et-kammer fyr Ovne (kakkelovne, kamin, brændeovne o.l.) 144.160 MWh Mangler data for 1126 (olie) 797 Centralvarme med to fyringsenheder (fast og olie eller gas) Ingen varmeinstallation 5
Filtrering Filtrering Uoverensstemmelser Flere målere på en adresse Flere bygninger på en adresse Flere bygninger til en måler Blokvarmecentraler Oliekedler Fejl i Store forbrugere Slagtere, gartnerier etc. 6
Filtrering Termografering Fylde huller i nuværende dataset Brændeovne Oliefyr Blokvarmecentraler 7
Filtrering Opvarmningsform 8
Filtrering Energibehov Varmebehov [kwh/m²] -1890 1891-1930 1931-1950 1951-1960 1961-1972 1973-1978 1979-1998 1999-2006 2007- Fritliggende enfamilieshus 148 143 143 135 117 104 92 73 59 Række-, kæde-, eller dobbelthus 138 137 130 124 105 98 85 71 58 Etageboligbebyggelse 132 134 137 129 116 106 95 74 53 Stuehus til landbrugsejendom 148 143 143 135 117 104 92 73 59 Elforbrug [kwh/person] 1 2 3 4 >4 ax+b a b Fritliggende enfamilieshus 2.381 3.065 3.800 4.426 4.919 644 1.787 Række-, kæde-, eller dobbelthus 1.861 2.425 3.002 3.515 3.960 529 1.366 Etageboligbebyggelse 1.341 1.785 2.203 2.603 3.000 414 946 Stuehus til landbrugsejendom 2.381 3.065 3.800 4.426 4.919 644 1.787 9
Filtrering og besparelsespotentiale 10
Filtrering Besparelsesomkostninger Investeringer baseret på statistik Kr./m² Andel af investeringen som anses at være energirenovering Brugerens opfattelse Teknisk vurdering Besparelse kwh/m² Prioriteret efter rentabilitet Sammenligning af tilbagebetalingstid og levetid Andet tiltag mindre effektivt end første Antagelse om samme relative effekt 11
Metode Filtrering 12
Kortlagte "hot spots" 13
DEMO 14
Oplysninger Vi har i dag Case: Ønske i Bygningstyper og år bygnings_id adresse El, naturgas og fjernvarme bygnings_id : CO45000T Energiforsyning Eventuelt "måler ID" Varmeinstallation bygnings_id Antal beboere adresse Register over blokvarmecentraler bygnings_id Opvarmningsform bygnings_id Ejerforhold Opdateret energimærke AdgAdr_id 15
Data til drømmemodellen Elforbrug Brændselsforbrug Bygningen Beboere Boligværdi Familiestatus Energibesparelse Lån i bolig Alder Formue Uddannelses niveau Indkomst 16