Contact About Edit
Jardin des Nations à Genève

Figure 0.1: Jardin des Nations à Genève

1 Introduction

Ce rapport propose une analyse énergétique du Jardin des Nations, situé dans le canton de Genève, à l’aide des outils QBuildings et Renewable Energy Hub Optimizer (REHO) développés au sein du laboratoire Industrial Process and Energy Systems Engineering (IPESE) de l’EPFL.

2 Données QBuildings

Dans un premier temps, QBuildings est utilisé pour collecter, générer et filtrer les caractéristiques énergétiques du parc bâti sur la zone considérée, en l’occurrence le quartier du Jardin des Nations. Le Tableau 2.1 présente les données clés pour les 101 bâtiments du quartier.

Figure 2.1: Données QBuildings sur le Jardin des Nations

La base de données en sortie de QBuildings est une base de données géographiques, c’est-à-dire qu’elle contient des données spatiales (la géométrie des bâtiments) et non-spatiales (les attributs de chaque bâtiment). Ces données peuvent donc être visualisées dans l’espace. La Figure 2.2 illustre les 101 bâtiments du Jardin des Nations et leur signature énergétique.

Figure 2.2: Carte du Jardin des Nations

2.1 Demande en énergie totale

La demande totale en énergie pour les différents services (Chauffage, ECS, Électricité) est proposée dans la Figure 2.3 et dans le tableau qui suit.

Figure 2.3: Demande énergétique par classe de bâtiment et par usage.

Table 2.1: Résumé des résultats obtenus sur le quartier des Nations.
Nom SRE [m2] Répartition [%] Occupants [#] Chauffage [GWh] ECS [GWh] Électricité [GWh]
Résidence individuelle 10496 1.89 1042.7 933.9 91.49 297.0
Résidence collective 14315 2.58 781.9 1387.4 126.43 299.4
Bureau 413343 74.51 76974.6 37635.4 545.00 20596.7
École 41073 7.40 10732.3 2537.9 73.02 1811.4
Commerce 27176 4.90 5535.1 938.7 36.74 1119.1
Restaurant 0 0.00 0.0 0.0 0.00 0.0
Salle publique 2769 0.50 841.9 195.2 9.35 100.3
Hôpital 0 0.00 0.0 0.0 0.00 0.0
Industrie 56 0.01 9.8 6.8 0.07 3.5
Entrepôt 3410 0.61 451.4 297.8 4.51 93.1
Complexe sportif 402 0.07 74.2 16.2 12.90 8.5
Pièce partagée 0 0.00 0.0 0.0 0.00 0.0
Autre 41678 7.51 5754.2 4143.8 50.47 1598.2
Total 554718 100.00 102198.0 91.8 2.15 46.4

2.2 Comparaison de l’Indice de Dépense de Chaleur

Le quartier étudié se situant à Genève, il est possible de mettre en perspective les résultats obtenus avec ceux des services cantonaux, et notamment le Système d’Information du Territoire à Genève (SITG). Il est à noter que dans QBuildings, l’unité de référence est l’enveloppe physique du bâtiment, tandis que pour le SITG, c’est l’EGID (identificateur fédéral). Les deux bases de données sont donc comparées à l’aide d’une jointure spatiale.

Les besoins en chaleur (Chauffage et ECS) sont regroupés en un Indice de Dépense de Chaleur (IDC), où la part de l’ECS dans cette consommation est obtenue selon un ratio du total.

Figure 2.4: Comparaison de QBuildings et SITG sur l’IDC.

La différence moyenne observée est de 19.09 [%] et la différence totale est de 30.36 [%].

2.3 Comparaison du potentiel solaire avec Pronovo

3 jeux de données sont comparés ici, toujours à l’échelle du quartier étudié:

  1. QBuildings, dont les données viennent du projet Sonnendach. Le jeu de données contient une estimation de l’aire disponible pour l’installation de panneaux solaires sur les toits.
  2. SITG, contient aussi une estimation de l’aire disponible.
  3. Pronovo, qui recense toutes les installations de production d’électricité en Suisse de plus de 2 [kW], y compris les panneaux solaires. L’information contenue est la puissance installée. L’aire effectivement installée peut être estimée en faisant l’hypothèse de l’efficacité des panneaux \(\eta_{PV} = 20\%\).

Figure 2.5: Cartographie des toits disponibles pour la production d’énergie solaire dans le quartier des Nations

Sur les bâtiments considérés pour chacune des bases de données, 3.83% des toits potentiels sont exploités selon QBuildings et 10.3% selon SITG.

3 Hypothèses et méthodologie

3.1 Coûts des technologies

La Table 3.1 présente les paramètres économiques utilisés pour modéliser les technologies. REHO utilise un modèle d’optimisation linéaire, où le coût d’investissement et l’empreinte carbone de la technologie \(u\) (production, transport, installation) sont respectivement exprimés à l’aide des fonction affines:

\[C_{inv,u}[CHF] = C_{inv_1,u}[CHF] + Dim_u[kW] \cdot C_{inv_2,u}[CHF/kW]\]

\[GWP_{ACV,u}[kgCO2_{eq}] = GWP_{ACV_1,u}[kgCO2_{eq}] + Dim_u[kW] \cdot GWP_{ACV_2,u}[kgCO2_{eq}/kW]\]

Table 3.1: Paramètres de modélisation des coûts des technologies
Nom Unité Cinv_1 Cinv_2 Bare module factor Durée de vie GWP_1 GWP_2
Chaudière à mazout kWth 3000 200 1.8 20 200 20
Pompe à chaleur (air) kWe 4000 1000 1.8 20 200 100
PV sur toiture kWe 5000 2000 1.0 20 200 400
Batterie kWh 500 1000 1.4 10 200 65
Stockage d’eau chaude m3 700 2000 1.8 20 50 400

3.2 Prix des ressources

Les prix utilisés correspondent à ceux annoncés par les fournisseurs d’énergie pour 2023.

Ressource Prix [CHF/kWh] Empreinte carbone [kgCO2-eq/kWh]
Électricité (achat) 0.31 0.17
Électricité (vente) 0.19 0.17
Mazout 0.16 0.26
Essence 0.24 0.28

3.3 Scénarios étudiés

Intégration progressive de différents services énergétiques, avec une optimisation des TOTEX:

  1. Chaudière à mazout
  2. Pompe à chaleur (PAC) + panneaux photovoltaïques (PV)
  3. PAC + PV + mobilité électrique
  4. PAC + PV + mobilité électrique + data center

3.4 Hypothèses supplémentaires

  • Mobilité électrique
    • 41178 voitures électriques (à mettre en perspective avec les 137260 résidents du quartier)
    • les coûts de mobilité évités sont liés à l’économie d’essence : environ 0.96 [CHF/kWh], soit 4 (le rapport entre la consommation d’une voiture thermique et voiture électrique) * le prix de l’essence en Suisse (0.24 [CHF/kWh])
  • Data center
    • fourniture d’eau chaude, correspondant à 70 [W/cap]
    • les coûts évités sont liés à l’économie d’électricité : environ 0.45 [CHF/kWh], soit 1.46 (l’efficacité moyenne des data centers en Suisse) * le prix d’achat de l’électricité (0.31 [CHF/kWh])

3.5 Idées à investiguer / propositions de recherche

  • Comparaison des pompes à chaleur entre-elles (air, lake, geothermal, DHN)
  • Reproduire le système actuel en fixant les unités, puis retrofit avec optimisation des OPEX
  • Montrer la rentabilité économique du système (= NPV)
  • Proposer une analyse paramétrique sur les prix des ressources
  • Analyser la performance des capacités de stockage (ballon d’eau chaude, batterie, inertie thermique, véhicules électriques)

4 Résultats quartier

Application de REHO sur les 101 bâtiments du quartier. NB: les valeurs des graphes 4.1, 4.2, 4.3 et 4.4 sont exprimées en […/m2/an].

4.1 Comparaison des scénarios

Figure 4.1: Puissance installée des capacités.

Figure 4.2: Décomposition des coûts.

Figure 4.3: Décomposition de l’empreinte carbone.

Figure 4.4: Ressources importées et exportées sur une année.

5 Résultats bâtiment

5.1 Balance thermique

Balance thermique du bâtiment (EGID: 295514545/295514546) pour une gamme de température de confort de 20-25°C (Figure 5.1) ou 20-23°C (Figure 5.2).

Figure 5.1: Balance thermique mensuelle (confort entre 20°C et 25°C).

Figure 5.2: Balance thermique mensuelle (confort entre 20°C et 23°C).

5.2 Flux d’énergie selon le scénario

Figure 5.3: Sankey diagram : Scénario 1) Chaudière à mazout

Figure 5.4: Sankey diagram : Scénario 2) PAC + PV

Figure 5.5: Sankey diagram : Scénario 3) + mobilité électrique

Figure 5.6: Sankey diagram : Scénario 4) + data center

5.3 Profils annuels pour un système donné

Les profils proposés dans les Figures 5.7-5.8-5.9 et 5.10-5.11-5.12 correspondent au scénario 2) PAC + PV.

Figure 5.7: Profils électriques sur l’année (moyenne glissante sur une semaine).

Figure 5.8: Profils électriques sur l’année.

Figure 5.9: Profils électriques sur une semaine type d’hiver (gauche) et d’été (droite).

Figure 5.10: Profils de chauffage sur l’année (moyenne glissante sur une semaine).

Figure 5.11: Profils de chauffage sur l’année.

Figure 5.12: Profils de chauffage sur une semaine type d’hiver (gauche) et d’été (droite).

5.4 Optimisation du système actuel

Reproduire le système actuel en fixant les unités, puis retrofit avec optimisation des OPEX (possible dès que nous aurons les données sur le système actuel).

6 Synthèse

Tableau avec les KPIs les plus importants (TOTEX, GWP, production solaire, autosuffisance, utilisation du réseau)

Scénario énergétique Coût total [CHF/m2/an] Empreinte carbone [kgCO2-eq/m2/an] Auto-consommation [%] Auto-suffisance [%]
1) Chaudière à mazout 31.3 26.3 0 0
2) HP + PV 0.93 12.22 0 0
3) + mobilité électrique -100.48 -63.24 0 0
4) + data center -101.41 -63.24 0 0

© EPFL-IPESE 2022