Inleiding: De waarde van gegevens over de energieprestaties van gebouwen

Gebouwen zijn goed voor ongeveer 40% van het wereldwijde energieverbruik en een aanzienlijk aandeel van de uitstoot van broeikasgassen. Als overheden en organisaties naar netto-nuldoelstellingen duwen, is het vermogen om gegevens over de energieprestatie te meten, analyseren en uitvoeren een hoeksteen geworden van effectieve beleidsprogramma's en stimuleringsprogramma's. Nauwkeurige gegevens stellen beleidsmakers in staat om verder te gaan dan giswerk, waarbij interventies worden gericht waar ze de grootste impact hebben. Wanneer bouweigenaren, nutsbedrijven en regelgevers een gemeenschappelijk begrip van energieverbruikpatronen delen, worden stimuleringsprogramma's efficiënter en worden regelgeving afdwingbaarder.

De impuls voor data-gedreven besluitvorming in de gebouwde omgeving is niet nieuw, maar recente vooruitgang in meten, submeteren en analytics hebben granulaire bouwprestaties gegevens toegankelijker dan ooit gemaakt. Dit artikel onderzoekt hoe dergelijke data de beleidsontwikkeling stimuleert, incentiveprogramma's vormt en uiteindelijk helpt een duurzamere en energie-efficiëntere bouwvoorraad te creëren. We zullen voorbeelden van real-world onderzoeken, gemeenschappelijke uitdagingen aanpakken en toekomstige mogelijkheden schetsen om energiegegevens te benutten om klimaatdoelstellingen te halen.

Het belang van gegevens over de energieprestaties van gebouwen

De gegevens over de bouw van energieprestaties omvatten een breed scala aan metrics, waaronder het totale energieverbruik, de energie-intensiteit (EUI), de piekvraag, de afbraak van het brandstoftype en het verbruik per uur. Wanneer deze gegevens over een portefeuille of stad worden samengevoegd, onthult deze trends, uitschieters en mogelijkheden tot verbetering. Zonder betrouwbare gegevens, lopen beleidsmaatregelen het risico te breed of verkeerd te worden geleid, middelen te verspillen en niet tot de gewenste resultaten te komen.

Inefficiëntie en benchmarking identificeren

Benchmarking is de eerste stap in het begrijpen van de prestaties van gebouwen. Door het vergelijken van een gebouw en energieverbruik met soortgelijke gebouwen (op maat, type, klimaatzone), kunnen belanghebbenden onderdrukkers snel identificeren. Programma's zoals Energy STAR Portfolio Manager laten bouweigenaren toe om de prestaties in de loop van de tijd te volgen en verbeteringsdoelstellingen vast te stellen. Wanneer deze benchmarks openbaar worden gemaakt, zoals in veel steden met verplichte benchmarking verordeningen, kunnen marktkrachten upgrades als huurders en investeerders stimuleren hoogwaardige gebouwen.

Ondersteuning van beleidsontwerp met korrelige gegevens

Granulaire gegevens, zoals uurlastprofielen, helpen beleidsmakers bij het ontwerpen van tijd-van-gebruik- of vraagresponsprogramma's. Bijvoorbeeld, als gegevens aantonen dat commerciële gebouwen pieken tijdens late namiddaguren, kan een stimuleringsprogramma belastingsverschuiving door middel van batterijopslag of slimme HVAC-besturingen richten. Ook gegevens over brandstoftype (bv. aardgas vs. elektriciteit) informeren over beleid rond elektrificatie en koolstofdecarbonisatie. Zonder dergelijke gegevens kunnen prikkels onbedoeld brandstofomschakeling aanmoedigen die de totale emissies niet vermindert.

Hoe gegevens de ontwikkeling van het beleid stimuleren

Data-gedreven beleid zijn gerichter, transparanter en aanpasbaar. In plaats van te vertrouwen op brede aannames, kunnen beleidsmakers de feitelijke prestatiegegevens analyseren om realistische doelen te stellen, nalevingstrajecten te ontwerpen en vooruitgang te meten. De volgende secties geven specifieke manieren aan waarop energiegegevens het beleid informeren.

Vaststelling van energieprestatienormen

Veel rechtsgebieden zijn het aannemen van bouwprestatienormen (BPS) die bestaande gebouwen om specifieke energie- of emissiedoelstellingen te voldoen in de tijd. Gegevens van benchmarking programma's biedt de basis voor deze normen. Bijvoorbeeld, New York City . Local Law 97 stelt emissiegrenswaarden voor gebouwen meer dan 25.000 vierkante meter, met sancties voor niet-naleving. De limieten werden afgeleid van de stad uitgebreide benchmarking database, ervoor te zorgen dat ze ambitieus maar haalbaar waren. Ook Washington D.C.s Building Energy Performance Standards maken gebruik van EUI-doelstellingen op basis van mediane prestatiegegevens voor elk bouwtype.

Prioriteiten geven aan de herbouw van nieuwe bedrijven en financiële steun

Wanneer gegevens aantonen dat oudere, kleinere gebouwen de hoogste EUI hebben, kunnen beleidsmaatregelen subsidies en leningen met een lage rente aan die segmenten rechtstreeks verstrekken. Bijvoorbeeld, het Amerikaanse ministerie van Energie. Building Technologies Office financiert programma's die gericht zijn op het missen van middelste gebouwen . . structuren tussen de 10.000 en 50.000 vierkante meter die vaak niet over middelen voor energie-audits. Door kruisverwijzing benchmarking gegevens met onroerend goed belastinggegevens, steden kunnen identificeren de meest kostenefficiënte ombouw mogelijkheden.

Toezicht en verificatie

De gegevens maken ook continue monitoring van de effectiviteit van het beleid mogelijk.Na de lancering van een nieuwe regelgeving of stimulans kunnen gegevens over de energieprestatie aantonen of gebouwen beter worden dan verwacht. Zo niet, dan kunnen beleidsmakers de eisen aanpassen of extra ondersteuning bieden. Deze feedbacklus is essentieel voor het iteratief beleid. Zo is bijvoorbeeld na de invoering van de bestaande verordening inzake commerciële gebouwen van San Francisco Energieprestaties, het mogelijk gemaakt om de stad jaarlijks te benchmarken om te zien dat het gemiddelde EUI over vijf jaar met 6% is gedaald, waardoor de aanpak is gevalideerd.

Het ontwerpen van effectieve stimuleringsprogramma's op basis van gegevens

Incentive programma's . . zoals belastingkredieten, kortingen, subsidies en groene financiering . . zijn het meest succesvol wanneer ze zijn gebaseerd op betrouwbare prestatiegegevens . Gegevens helpen om duidelijke criteria voor de subsidiabiliteit vast te stellen , te controleren besparingen , en te voorkomen dat gratis ruiters (projecten die zou zijn gebeurd toch). De volgende sub-secties schetsen beste praktijken voor data-gedreven incentive ontwerp .

Doelgerichte maatregelen met een hoog impactieniveau

Analyse van de gegevens over de bouw van energie kan aantonen welke efficiëntiemaatregelen de grootste besparingen in een bepaalde regio opleveren. Bijvoorbeeld, in warme klimaten, kunnen gegevens aantonen dat het upgraden van de HVAC-eenheden op het dak het hoogste rendement oplevert. Een kortingsprogramma kan zich dan concentreren op die maatregel, met gedifferentieerde prikkels gebaseerd op efficiëntieniveaus. Programma's zoals de California Energy Commission . Building Initiative for Low-Emissions Development (BUILD) gebruiken gegevens om alle elektrische nieuwe constructies en diepe aanpassingen in achterstandsgemeenschappen prioriteit te geven.

Pay-for-Prestance Programma's

Pay-for-performance (P4P) programma's belonen de werkelijke gemeten energiebesparing in plaats van de geïnstalleerde apparatuur. Deze aanpak is sterk gebaseerd op nauwkeurige meting en data analyse. Deelnemers ontvangen een baseline EUI, implementeren verbeteringen, en krijgen vervolgens betaald op basis van geverifieerde reducties. P4P programma's verminderen het risico van opgeblazen besparingen claims en stimuleren voortdurende optimalisatie. Voorbeelden zijn de New York State Energy Research and Development Authority (NYSERDA) Commercial & Industrial Pay-for-Preformance programma en de Efficiency Vermont P4P pilot.

Incentives combineren met Compliance Pathways

Gegevens kunnen ook helpen bij het ontwerpen van alternatieven voor naleving. Bijvoorbeeld, een bouwprestatienorm kan eigenaren in staat stellen om emissies doelstellingen te halen door middel van zonne-energie, efficiëntie upgrades, of de aankoop van hernieuwbare energie credits. Door het analyseren van gegevens over zonnepotentieel en koolstofintensiteit van het net, kunnen beleidsmakers passende kredietwaarden vaststellen. Incentive programma's kunnen dan de naleving opties die de meest koolstofdecarbonisatie per dollar opleveren ondersteunen.

Casestudies: Initiatieven voor gegevensbeheer in actie

New York City. Lokale wet 97

Lokale wet 97, die in 2019 is uitgevaardigd, is een van de meest ambitieuze wetgeving op het gebied van de prestaties van gebouwen wereldwijd. Het is van toepassing op ongeveer 50.000 gebouwen en stelt emissiegrenswaarden vast vanaf 2024 met strengere plafonds tegen 2030 en 2050. De wet is gebaseerd op jaren van benchmarkinggegevens die zijn verzameld onder lokale wet 84. Die gegevens maakten het de stad mogelijk om verwachte emissies te modelleren, realistische doelen te stellen en te bepalen welke bouwtypes de meeste steun nodig zouden hebben. Vroege analyse toont aan dat gebouwen zijn begonnen met het plannen van upgrades, en de markt voor energiediensten is aanzienlijk uitgebreid. De wet bevat bepalingen voor financiële sancties, die worden heroverwogen in aanpassingsprogramma's. Externe link: NYC Lokale wet 97 overzicht[].

Washington D.C. . . Bouw Energieprestatienormen

Washington D.C. . . Beps programma, opgericht bij de CleanEnergy DC Omnibus Act van 2018, vereist bestaande gebouwen om te voldoen aan energieprestatiedoelstellingen op basis van mediane EUI voor hun vastgoedtype. Gebouwen die het doel overschrijden moeten energie-efficiëntiemaatregelen uitvoeren of een alternatieve nalevingsboete betalen. D.C. . . departement Energie en Milieu maakt gebruik van benchmarking gegevens van Portfolio Manager om naleving te volgen en te identificeren gebouwen die technische bijstand vereisen. Het programma omvat een ..roadmap aanpak waar gebouwen moeten rapporteren een plan voor verbetering. Als gevolg daarvan, heeft het district een gestage daling van EUI in zijn commerciële bouwvoorraad gezien. Externe link: DC BEPS programma details[].

Californië Titel 24 en het kader voor gegevens over de bouw van energie

Californië is al lang een leider in het bouwen van energiegegevens. De California Energy Commission . Building Energy Data Framework (BEDF) aggregeert energiegebruik gegevens van nutsbedrijven, benchmarking programma's, en state databases voor het informeren van code updates en stimuleringsprogramma's. De BEDF was een instrument in het vormgeven van de 2022 Titel 24 normen, die zonne-plus-opslag op nieuwe commerciële gebouwen en strengere efficiëntie eisen stellen. De gegevens ondersteunen ook de staat Zelf-Generatie Incentive Program (SGIP) en andere vraag-side management initiatieven. Externe link: California BEDF informatie[].

Uitdagingen bij het verzamelen en gebruiken van energiegegevens

Ondanks de duidelijke voordelen, het benutten van de bouw van energieprestaties gegevens op schaal komt met belangrijke uitdagingen. Deze omvatten gegevens privacy zorgen, inconsistente dataformaten, kosten van gegevensverzameling, en de noodzaak van geavanceerde analytics. Het erkennen van deze hindernissen is essentieel voor het ontwerpen van robuuste programma's.

Privacy en toegang tot gegevens

Energiegegevens bouwen omvat vaak gevoelige informatie over inzittenden en activiteiten. Hulpmiddelen kunnen niet bereid zijn om klantgegevens te delen zonder sterke privacybescherming. Beleidmakers moeten navigeren wettelijke kaders zoals de California Consumer Privacy Act (CCPA) en ervoor zorgen dat gegevensaggregatie en anonimisering goed worden behandeld. Veel succesvolle programma's gebruiken derden aggregators of het creëren van ..data trusts .

Inconsistente gegevenskwaliteit en -formaten

Gegevens verzameld uit verschillende bronnen .. nut rekeningen, submeters, gebouw automatiseringssystemen . . Vaak varieert in kwaliteit en formaat. Ontbrekende intervallen, meterfouten, en verschillende definities van bruto vloeroppervlak kan scheeftrekking benchmarks. Normalisatie-inspanningen, zoals de Building Energy Data Exchange Specification (BEDES), ontwikkeld door de Amerikaanse afdeling van energie, helpen dit aan te pakken. Het aannemen van gemeenschappelijke data woordenboeken en validatieprotocollen is cruciaal voor vergelijkbaarheid.

Kosten en capaciteit van de analyse

Kleinere bouweigenaren en gemeenten kunnen het budget of de expertise missen om complexe datasets te analyseren. Zonder gebruiksvriendelijke tools en technische bijstand blijven de gegevens onderbenut. Programma's die gratis benchmarkingplatforms, trainingsworkshops of partnerschappen met universiteiten bieden, kunnen deze kloof overbruggen. Het Energy STAR Portfolio Manager-instrument is een uitstekend voorbeeld van een gratis bron die de drempel voor toegang voor duizenden bouweigenaren heeft verlaagd.

Toekomstige beleids- en stimuleringsprogramma's

De toekomst van het bouwen van prestatiegegevens is helder, gedreven door opkomende technologieën zoals slimme meters, IoT-sensoren, en geavanceerde analytics, waaronder machine learning. Deze tools maken real-time monitoring, voorspellend onderhoud en meer korrelige incentive structuren mogelijk. Hieronder staan belangrijke kansen aan de horizon.

Prijsstelling in reële tijd en flexibiliteit van de vraag

Met intervalgegevens van slimme meters kunnen nutsbedrijven dynamische prijzen bieden die belastingsverschuivingen stimuleren. Incentiveprogramma's kunnen gebouwen belonen die het verbruik tijdens piekperioden verminderen of vraagresponscapaciteit bieden. Naarmate meer gebouwen netinteractief worden, kan datagestuurd beleid het net helpen stabiliseren en tegelijkertijd de kosten voor consumenten verlagen.

Integratie met stedelijke planning en klimaatbestendigheid

Energiegegevens bouwen, wanneer gecombineerd met landgebruik, vervoer en klimaatgegevens, kunnen informatie verstrekken over holistische stedenbouw. Zo kunnen steden . warmteeilanden identificeren waar slechte bouwprestaties bijdragen aan hogere koellasten en gezondheidsrisico's. Incentiveprogramma's kunnen groene daken, koele daken en boomplanting in die gebieden prioriteren. Ook gegevens over stroomuitval en bouwbrandstof type kunnen microgrid en back-up energie investeringen voor veerkracht begeleiden.

Machine learning for predictive policy making

Geavanceerde analyses kunnen voorspellen welke gebouwen waarschijnlijk niet aan de prestatienormen voldoen, waardoor proactieve technische bijstand mogelijk is. Machine learning modellen die op historische gegevens zijn getraind kunnen retrofitmaatregelen identificeren met de grootste kans op succes voor een bepaald type gebouw. Dit maakt een efficiëntere allocatie van stimuleringsfondsen mogelijk en vermindert de lasten voor bouweigenaren.

Blockchain voor transparante gegevensverificatie

Opkomende blockchain en gedistribueerde grootboek technologieën kunnen zorgen voor manipulatie-proof records van de bouw van prestaties gegevens. Dit zou het vertrouwen in pay-for-performance programma's en koolstof krediet markten te verbeteren. Terwijl nog experimentele, piloten in Europa en de VS zijn onderzoeken hoe blockchain verificatie kan automatiseren en administratieve kosten te verminderen.

Conclusie: Een data-aangedreven toekomst voor het energiebeleid opbouwen

Het bouwen van energieprestaties is geen luxe; het is een noodzaak voor het ontwerpen van beleid en stimuleringsprogramma's die effectief, billijk en aanpasbaar zijn. Van benchmarking verordeningen tot pay-for-performance initiatieven, gegevens maken een verschuiving mogelijk van prescriptieve mandaten naar prestatiegerichte resultaten. De voorbeelden van New York, Washington D.C. en Californië tonen aan dat wanneer gegevens zorgvuldig worden verzameld en transparant worden gebruikt, het aanzienlijke energiebesparing kan veroorzaken, emissies kan verminderen en investeringen in gebouwen upgrades kan stimuleren.

Het realiseren van het volledige potentieel van energiegegevens voor het bouwen vereist echter het overwinnen van uitdagingen in verband met privacy, standaardisatie en capaciteit. Beleidmakers moeten investeren in data-infrastructuur, technische bijstand bieden en belanghebbenden betrekken bij het opbouwen van vertrouwen. Naarmate technologie vordert, zullen de kansen voor integratie met slimme netwerken, stedenbouw en voorspellende analyses alleen maar groeien. Door data centraal te stellen in de besluitvorming, kunnen we de overgang naar een gebouwde omgeving versnellen die zowel duurzaam als veerkrachtig is.

Voor meer informatie over de bouw van energieprestaties en aanverwante programma's, bezoekt u de DOE Building Energy Data Exchange Specification (BEDES) en de ENERGY STAR Portfolio Manager .