Bewertungsmethode für Energieeffizienzmaßnahmen im Gebäudesektor

Abstract

Das Themenfeld 'Energieeffizienz' gewinnt aus Gründen des Klimaschutzes, der Importabhängigkeit von Energieträgern, der Beschränktheit bestimmter Rohstoffe und aus wirtschaftlichen Gründen immer mehr an Bedeutung. Die Europäische Union räumt dieser im Rahmen der 'Energieeffizienz-Richtlinie' große Bedeutung ein, sodass die nationalen Parlamente in der Union entsprechende Ziele zur Erhöhung der Energieeffizienz beschlossen haben. Diese Arbeit beschreibt eine Methode, mit deren Hilfe der Einspareffekt von Energieeffizienzmaßnahmen im Gebäudebereich bewertet werden kann. Diese trägt dem Umstand Rechnung, dass in Bewertungsprozessen unsichere Einflussgrößen die nach Maßnahmenumsetzung eingesparte Energiemenge wesentlich beeinflussen können. Einflussparameter wie die Außentemperatur oder die Betriebszeit einer Anlage sind nicht über die Lebensdauer einer Maßnahme vorhersagbar, können allerdings erheblichen Einfluss auf den Energieverbrauch haben. Daher unterscheidet die vorgestellte Methode zwischen festen, bekannten Einflussparametern, und unsicheren Modellparametern, welchen eine statistische Verteilung zugeordnet wird. Mittels Monte-Carlo-Simulation wird eine Verteilung des Einspareffekts gewonnen, sodass anstelle eines Einzahlwerts ein entsprechendes Intervall das Ergebnis der Bewertung darstellt, was das Ergebnis wesentlich robuster macht. Im Zusammenhang mit Bewertungsmethoden spielen die Definition und Normalisierung des Vergleichsszenarios, der Baseline, eine bedeutende Rolle, was in dieser Arbeit allgemein und anhand von Beispielen diskutiert wird. Im Folgenden wird die Methode zunächst allgemein beschrieben und anschließend ihre Anwendbarkeit im Rahmen von ausgewählten Beispielmaßnahmen demonstriert. Dabei zeigte sich, dass Modellparametern, welche nicht näher bekannt sind, aufgrund der Durchführung von Monte-Carlo-Simulationen eine geeignete statistische Verteilung basierend auf realistischen Annahmen zugewiesen werden kann, sodass die Methode selbst bei geringer Datenlage hilfreiche Ergebnisse bereitstellt. Darüber hinaus kann mit ihrer Hilfe der Einfluss möglicher 'Rebound-Effekte' abgeschätzt werden und es können jene Einflussparameter erkannt werden, welche über den Einsparerfolg einer Energieeffizienzmaßnahme entscheiden. Die behandelten Beispielmaßnahmen für die betrachtete Gebäudestichprobe würden nach Umsetzung in Summe zu einer jährlichen Einsparung von rund 1200 t CO2 führen.

As a consequence of climate protection, dependances on imports of energy resources, limited availability of non-renewable energy carriers and due to economic reasons, energy efficiency has gained in importance. The European Union even emphasizes its importance in a directive leading national parliaments to pass laws to increase energy efficiency. This thesis describes a method to evaluate the achievable energy savings by measures in the building sector. The fact that uncertain factors can significantly affect the calculated amount of saved energy is taken into account by implementation of energy efficiency measures. Influencing quantities, such as outside temperature or the operating time of an energy consuming system, cannot be predicted precisely throughout the lifespan of a measure. Consequently, the introduced method distinguishes between fixed model parameters, which stay the same throughout the simulation and uncertain model parameters, which are identified by an appropriate statistical distribution. Via a Monte-Carlo-Simulation a distribution of the achievable energy savings can be evaluated. Instead of delivering a single quantity, the introduced method provides a range of variations for the expectable energy savings leading to a much more robust result. The specification and normalization of the baseline plays a very important role in the process of evaluating energy savings of an energy efficiency measure, which will be discussed both in general and on the basis of case studies. In the following, the above mentioned method will be described in general and its applicability will be shown using a real dataset of selected buildings. It will be shown that if required model parameters are unknown for a building, it is possible to estimate them using an appropriate statistical distribution and applying it in the Monte-Carlo-Simulations. Consequently, the method leads to useful results even if there is little knowledge of required model parameters. Moreover, the influence of possible ìrebound-effectsî can be estimated as well. Finally, using the method provides information, which influencing quantities have the highest impact on the achievable savings. If all in this thesis presented examples of energy efficiency measures were implemented, about 1200 tons of CO2 emissions could be saved per year.