Consommation d'énergie des bâtiments publics de l'EMS

De Metabolisme territorial
Aller à : navigation, rechercher

Questionnaire semi-directif

  • Quel est votre rôle vis-à-vis de la question des données de consommation énergétique ?
  • Trouvez l'approche d'analyse sous six dimensions parlante ? claire ?
  • Avez-vous découvert certaines informations dans le rapport ? Lesquelles ?
  • Les représentations proposées sont-elles claires et parlantes ?
  • Y-a-t-il des informations que vous auriez souhaité obtenir ?

Contexte de l'étude

Grâce à un accord avec l'Eurométropole de Strasbourg, nous avons pu tester le SINAMET et nos réflexion sur les données de consommation énergétique des bâtiments de l'Eurométropole de Strasbourg. L'objectif ici était de produire une information graphique, compréhensible et diversifiée à partir de l'ensemble des factures des flux énergétiques (Électricité, gaz, chauffage urbain, fioul) des bâtiments gérés par la collectivité, d'informations complémentaires sur ces bâtiments et sur le climat. Il s'inscrit dans le prolongement d'un précédent travail portant sur l'évaluation du bilan carbone du patrimoine bâti ({Ref needed}).

Nous travaillons à partir de la liste des factures de consommation d'énergie adressées à la Ville ou à l'Eurométropole de Strasbourg. Ce sont deux entités juridiques distinctes, mais avec des services administratifs fusionnés. Le Département Approvisionnement Energie et Magasin de la Mission Achats Opérationnels traite donc les factures pour ces deux entités. L'énergie est consommée par différents éléments du patrimoine public : chauffage et éclairage des bâtiments, éclairage des rues, feux de signalisation, ... 

Périmètre de l'étude

Le périmètre de l'étude est ainsi le suivant :

  • Territoire : Strasbourg et Eurométropole de Strasbourg (EMS) / Niveau de détail : Bâtiment
  • Période étudiée : 2009 à 2017 / Niveau de détail : jour de facturation
  • Matière étudiées : Flux énergétiques (Électricité, gaz, chauffage urbain, fioul)
  • Unités pour l'analyse : kWh (énergie finale -EF- et primaire -EP-), kg eq. CO2, euro
  • Processus spécifiques : Uniquement les bâtiments sous gestion de la collectivité (Strasbourg ou EMS)

Données de l'étude

Les données sources de l'étude sont :

  • Une liste de 145797 factures représentant 754 GWh de consommation finale et 92 millions d'euro TTC sur 9 ans. Cette liste précise pour chaque facture : le type d'énergie (chauffage urbain, électricité, gaz naturel ou fioul) ; la références de l'abonnement ; le nom du bâtiment / de l'élément public ; son adresse (absente pour le patrimoine non bâti; les dates de début et de fin de la période facturée et la date d'émission de la facture ; la quantité d'énergie finale consommée en kWh ; le montant de la facture en euros TTC ; l'adresse du compteur ; la nature du budget permettant notamment de distinguer les dépenses de la Ville et de l’Eurométropole.
  • Les Degré Jour Unifiés - Chauffage (DJU18) : Les besoins en chauffage peuvent être quantifié grâce aux DJU, pris dans notre étude avec une référence de 18°C. Nous utilisons les données fournies pour chaque mois par la station météorologique d’Entzheim[1].
  • Les coefficients d’émissions de gaz à effet de serre pour chaque type d’énergie. Nous retenons les coefficients de 2015 [2]. Le coefficient d’émission du chauffage urbain (218 g eq. CO2/kWh) est une valeur moyenne estimée à partir des données législatives[3]. Le coefficient énergie primaire / énergie final de 2,58 pour l’électricité est également extrait des données législatives[4].
  • Les données sur le patrimoine de l'EMS qui renseignent notamment sur le type d'équipement et leur surface (base GIMA).

Problèmes identifiés dans les données sources

Le traitement de données est incontournable pour analyser de grandes quantités de données. Toutefois, les données que l'on cherche à analyser sont parfois erronées ou incohérentes et peuvent entacher la qualité des analyses.

En particulier, nous avons identifié trois typologies de problèmes : les problèmes de dates, les problèmes d'adressage et les problèmes d'identification.

Erreur de dates

Certaines dates indiquées dans les données sources sont erronées : 176 factures présentent une période de facturation négative, c'est-à-dire avec une date de fin antérieure à la date de début. Nous avons aussi remarqué d'autres erreurs comme la mention du "13/10/2140" dont il s'agit plus probablement du "13/10/2014". Nous avons ici décidé d'écarter les factures avec ce type d'erreur.

Un autre aspect qu'il a fallu gérer est de définir par convention la date de fin d'une période comme inclue dans la période. Dans les données sources, cette convention n'est pas explicite, et tantôt la date de fin est exclue, tantôt elle est inclue. Dans le cas du fioul, il n'y a pas de période facturée : ce sont simplement les jours de livraisons qui sont indiqués. Par approximation, nous considérons ainsi ici la période comme étant entre deux livraisons. Avant de charger les données dans le SINAMET, nous nous sommes donc assuré d'avoir une convention homogène dans les données, avec un algorithme spécifique qui analyse les dates et vérifie leur enchainement.

Nous avons ici identifié des erreurs de dates flagrantes. Toutefois, rien ne nous assure que d'autres dates ne soient pas erronées sans que l'on ne l'ait repéré. Plusieurs techniques pourraient être mobilisées pour renforcer la robustesse des données, par exemple en s'assurant d'un enchainement cohérent des données temporelles pour un même contrat, mais le temps nécessaire à l'implémentation de ces techniques n'est pas justifié dans nos travaux, qui s’accommoderont donc de quelques incertitudes.

Géocodage de l'adresse

Le géocodage automatique des adresses a posé différents types de problème :

  • Le moteur de géocodage utilisé (Nominatim) manquait de souplesse, obligeant à écrire une adresse parfois à la virgule près
  • Les adresses du fichiers initial était abrégées (par exemple "bld" au lieu de "boulevard"), il a fallu remplacer les termes abrégés pour les rendre exploitables
  • Certains noms de rue était erronés, que ce soit dans le fichier initial, ou même dans la base de données de recherche Nominatim
  • Certaines adresses avaient disparues, suite notamment à des opérations de réaménagement urbain.

Données de consommation négatives ou nulles

Plusieurs factures présentent des données de consommations (en kWh ou en €) négatifs ou nuls. Plusieurs explication : (1) il s'agit d'une régulation sur des consommations précédentes estimées trop à la hausse, (2) il s'agit d'installations sur l'espace public (feux de signalisation, éclairage, ...) dont on suppose le fonctionnement constant et dont la facturation est forfaitaire sans connaissance exacte de la consommation. (3) Les données de consommation de gaz qui nous ont été communiqués ne sont plus disponibles en kWh à partir de septembre 2015.


Importer les données sources au sein du SINAMET

Afin de structurer les données et pouvoir les exploiter, nous procédons en deux étapes : 1) Création du modèle territorial 2) Ajout des flux de consommations

Pour pouvoir spatialiser les flux et exploiter l'information géographique associée, nous utilisons le découpage cadastral de l'Eurométropole. Ensuite, nous associons chaque bâtiment présent dans la liste de factures à la parcelle correspondante. Une fois que tous les bâtiments sont présents dans la base de données du SINAMET, nous ajoutons les données de consommation à chaque bâtiment.

L'importation des données permet de les structurer automatiquement dans une base de données intégrée au SINAMET. Cette structuration vers permettre de traiter facilement et automatiquement les données pour les analyser selon différents axes : temporel, spatial, économique, environnemental, ...

Exporter les données

Le véritable intérêt du SINAMET n'est pas de pouvoir importer des données de sources variées, mais de pouvoir les sélectionner et les traiter automatiquement grâce à quelques lignes de codes.

Toutefois l'exportation de données nécessite d'identifier les typologies d'informations que l'on souhaite analyser.


Analyse des données

L'objectif du SINAMET est de pouvoir développer facilement des algorithmes de traitement de données relatives aux flux de matière et d'énergie. Toutefois, le type d'information que doivent permettre d'extraire ces algorithmes reste à définir. Nous proposons dans cette partie plusieurs approches qui permettent de "lire" les données de différentes manières.

Échelles d'analyse des données

Les données de facturation importées dans le SINAMET sont automatiquement structurées au sein d'un modèle territorial qui comprend cinq échelles : l'Eurométropole de Strasbourg, ses XX communes qui la compose, les XX sections, les XX parcelles cadastrale et les bâtiments qui figurent dans la liste de factures. Aussi, les analyses que nous proposons par la suite peuvent être facilement menées à chacune de ces cinq échelles.

Profil de consommation global et individuel

Le profil de consommation permet de mieux connaître la dynamique énergétique d'une installation en fonction du temps. Cette dynamique repose sur plusieurs cycles cumulés qui sont généralement : un cycle quotidien (avec des différences entre le jour et la nuit dues à l'éclairage et les appareils utilisés), un cycle hebdomadaire (différences entre la semaine et le week-end) et un cycle annuel (différences entre l'hiver et l'été notamment pour le chauffage et l'éclairage). Avec les données disponibles, seul les cycles annuels seront visibles.

Le SINAMET permet d'éditer le profil de consommation d'un bâtiment ou d'un groupe de bâtiment (groupe géographique ou groupe administratif). Ce profil est disponible selon quatre unités : watt-heure énergie finale ou primaire (Wh, Wh-EP), euro TTC (€) et kilogramme équivalent CO2 (kg eq. CO2). Nous pouvons ainsi voir figure X le profil de consommation des bâtiments sous gestion ville entre 2009 et 2017 inclus, en MWh et en euros.

[FIGURE : PROFIL CONSO (Ville ou EMS ?) - KWH + Euros]

Le profil de consommation peut être facilement obtenu avec différents niveaux de détail : brut (selon date facture), mois par mois, ou année après année. Il est possible de superposer à ces courbes les données climatiques, notamment les DJU18 (Degrés-Jour Unifié) qui permettent de quantifier les besoins de chauffage liés au climat.

[FIGURES : KWH mois / mois + DJU 18]

  • Dépendant DJU18
  • Profil de consommation en euros / en kWh (EF ou EP) / en kg Eq CO2 + En euros / kwH

Analyse du profil de consommation

Problèmes de données sur les années 2016 - 2018

Profil X-Y et recherche de corrélation

Entre kWh et DJU18, entre euros et kWH, entre g eqCO2 et DJU18 (+ il fait froid, plus l'énergie est carbonée)

Profils spécifiques

  • Bâtiments avec la plus grande variabilité de conso, absolu ou relative aux DJU18
  • Bâtiments avec la plus grande évolution entre 2 années
  • Bâtiments avec rupture de série

Courbe de répartition

Pour une année données, combien de bâtiment représentent 50 % de la consommation ? Pour la connaissance de la typologie du patrimoine

Contextualisation

Données de conso : Française, Régionales, Départementale, EMS, Ville

Pour électricité et pour gaz (inclut chauffage urbain ?)

Cartographie

Les données étant spatialisées, il est possible de produire automatiquement des cartes représentant certaines caractéristiques. Par exemple la carte des bâtiments reliés à l'un des réseaux de chauffage urbaine, avec la consommation en 2016 (Figure X). Nous produisons également la carte des 30 bâtiments dont la consommation a le plus augmenté (en %) entre 2015 et 2016 (les données 2017 n'étant pas complètes).

Interface graphique

Pas la priorité, mais :

  • Possibilité de naviguer à travers les territoires
  • Création de graphiques personnalisés

Amélioration possible

Utiliser le code bâtiment de la BDD IDBât pour rendre plus robuste le modèle territorial.

Ajouter des infos comme la surface des bâtiment pour approfondir les analyses

Autre vues ?

Durée de traitement

Conclusions

Cette étude menée sur les données de consommation d'énergie du patrimoine de la Ville et de l'Eurométropole de Strasbourg visait à tester les fonctionnalités du prototype du Système d'Information pour l'Analyse du Métabolisme des Territoires (SINAMET) que nous avons conçu dans le cadre d'une thèse.

Le bilan est assez positif. Le modèle de données proposé par le SINAMET a permis de charger les données de consommation, puis l'ensemble des fonctionnalités support du SINAMET ont permis d'implémenter facilement différentes typologies de traitement pour obtenir les résultats présentés ici. Toutefois, notre approche n'est pas exempte de limites qu'il reste à surmonter. Tout d'abord, le SINAMET n'est évidemment pas capable de corriger des erreurs présentes dans les données sources. Il peut aider à les identifier, mais cela requière une intervention spécifique pour chaque typologie d'erreur. Ensuite, nos algorithmes manquent encore de performances : les temps de traitement sont parfois excessivement longs. Le prototype du SINAMET n'est ainsi pas encore pleinement opérationnel.

Outre l'amélioration du SINAMET, la question des typologies d'analyses que l'on peut mener sur de telles données reste ouverte. Notre objectif est de pouvoir proposer une pluralité de vues, afin de diversifier l'information que l'on peut extraire et s'adapter aux différents acteurs tant par la forme que par le fond des données représentées. Nous avons proposé plusieurs typologies d'analyses possible, mais cela doit être aussi une incitation à en proposer d'autres.

Autres Références

  • Shahrokni, H., Levihn, F., & Brandt, N. (2014). Big meter data analysis of the energy efficiency potential in Stockholm’s building stock. Energy and Buildings, 78, 153–164. doi:10.1016/j.enbuild.2014.04.017
  • disponibles sur le site https://cegibat.grdf.fr/simulateur/calcul-dju
  • disponibles sur http://www.bilans-ges.ademe.fr/
  • Arrêté du 22/032017 modifiant l'arrêté du 15/09/2006 relatif au diagnostic de performance énergétique pour les bâtiments existants proposés à la vente en France métropolitaine.
  • Arrêté du 26/10/2010 relatif aux caractéristiques thermiques et aux exigences de performance énergétique des bâtiments nouveaux et des parties nouvelles de bâtiments
  • Récupérée de « https://metabolisme-territorial.fr/wiki/index.php?title=Consommation_d%27énergie_des_bâtiments_publics_de_l%27EMS&oldid=5430 »