Dipl.-Ing. Ernst Schriefl, Prof. Dr. Reinhard Haas

Transkript

1 Auswirkungen der Entwicklung des österreichischen Wohngebäudebestands auf Treibhausgasemissionen und Energieverbrauch Ergebnisse eines multidimensionalen Simulationsmodells Dipl.-Ing. Ernst Schriefl, Prof. Dr. Reinhard Haas Energy Economics Group, Institut für Elektrische Anlagen und Energiewirtschaft, Technische Universität Wien, Gußhausstraße 25-29/373-2, 1040 Wien, Tel.: /37337, schriefl@eeg.tuwien.ac.at, Kurzfassung: Ein großes Potential an Treibhausgas- und Energieverbrauchsreduktion liegt in der thermisch-energetischen Verbesserung des Gebäudebestands. Diesem Bereich wird daher auch große Bedeutung in der Klimaschutzpolitik eingeräumt, wovon beispielsweise auch die Österreichische Klimaschutzstrategie Zeugnis gibt. Die Implementierung von Klimaschutzmaßnahmen sollte die Gesellschaft bzw. das Energiesystem in Richtung eines optimalen Pfades lenken, wobei verschiedene Optimierungskriterien von Relevanz sein können. Gesellschaftlich relevante Optimierungsziele bestehen beispielsweise darin, die sozialen Kosten (Summe von monetären und externen Kosten) die Lebenszyklus-Treibhausgasemissionen zu minimieren. Mit Hilfe eines im Rahmen eines FWF-Projektes entwickelten Simulationsmodells ist es möglich, den Einfluss dieser Optimierungsziele auf die Energiedienstleistungsbereiche Versorgung mit Raumwärme und Warmwasser im österreichischen Wohngebäudebestand in einer dynamischen Perspektive (bis 2020) zu analysieren. Die Ergebnisse bei Anwendung oben genannter Ziele können mit dem Ziel minimiere monetäre Kosten kontrastiert werden, womit der Entscheidungsprozess eines im engeren ökonomischen Sinn rational entscheidenden Konsumenten abgebildet wird. Das Modell basiert auf einer in hohem Maß disaggregierten Abbildung des österreichischen Gebäude- und Heiz-/Warmwassersystembestands. Ausgewählt werden in einem jährlich modellierten Entscheidungsverfahren die Maßnahmen, die die geringsten Gesamtaufwendungen (Annuität plus laufender Betrieb) im Sinne von Kosten oder Emissionen verursachen, wobei der Basisalgorithmus durch einige Restriktionen beschränkt wird, beispielsweise hinsichtlich der Verfügbarkeit von Biomasse-Ressourcen oder der Berücksichtigung maximaler Austauschraten. Unter Annahme eines Baseline-Szenarios werden im Fall minimiere monetäre Kosten die jährlichen Emissionen von Treibhausgasen um ca. 33% reduziert (Vergleich ), daher kann diese Zahl als ökonomisch realisierbares Potential angesehen werden. Weitere Reduktionen sind bei Anwendung der Ziele minimiere soziale Kosten und minimiere

2 Lebenszyklus-Treibhausgasemissionen möglich, allerdings zu stark differierenden Kosten für die zusätzlich eingesparten Treibhausgasemissionen. Die Modellergebnisse stärken die Annahme, dass es grundsätzlich möglich ist, die Gesellschaft mittels Investitionsförderungen in Richtung optimaler Pfade im untersuchten Bereich zu lenken, es ist allerdings zu beachten, dass es einen Trade-Off zwischen Effizienz und Effektivität von Fördermaßnahmen gibt. Je höher die Fördereffizienz (eingesparte Menge Emissionen pro öffentliche Ausgaben), desto geringer wird tendenziell die Effektivität der Förderung (Gesamtausmaß der eingesparten Emissionen) und umgekehrt. Keywords: Wohngebäude, Raumheizung, Warmwasser, Energieeffizienz, Treibhausgasemissionen, Simulationsmodell, energiepolitsche Instrumente, Förderungen 1 Einleitung Die ökologischen Folgen des Energieverbrauchs deren meistdiskutierter Aspekt der Klimawandel ist sowie begrenzte und teurer werdende fossile Energieressourcen konfrontieren Gesellschaften weltweit mit den Herausforderungen, den Energieverbrauch zu reduzieren, die Energieeffizienz zu erhöhen und den Anteil erneuerbarer Energieträger im Energiesystem zu erhöhen. Dem Gebäudesektor wird eine tragende Rolle bei dem Versuch der Verwirklichung oben genannter Ziele eingeräumt. Raumheizung in Wohngebäuden ist für den größten Anteil an Energieverbrauch und Treibhausgasemissionen innerhalb der Energieanwendungen im Gebäudebereich in Regionen mit gemässigten Klima verantwortlich. In Österreich werden 35.1 % des gesamten Energieverbrauchs für Raumheizung und Warmwasser aufgewendet (Benke 2002), der Anteil an den gesamten CO 2 -Emissionen beträgt 24.2 % (Faninger 1998). Etwa 60% des Gesamtverbrauchs für Raumheizung und Warmwasser wird in Wohngebäuden verursacht (Haberl et al. 1998). Die Implementierung von Klimaschutzmaßnahmen sollte die Gesellschaft bzw. das Energiesystem in Richtung eines optimalen Pfades lenken, wobei verschiedene Optimierungskriterien von Relevanz sein können. Grundsätzlich besteht die Identifikation eines optimalen Pfades in einer Auswahl von Technologien bzw. Maßnahmen, die ein günstiges Kosten-Nutzen-Verhältnis aufweisen, wobei Kosten und Nutzen nicht notwendigerweise in einem rein monetären Sinn zu sehen sind. Gesellschaftlich relevante Optimierungsziele bestehen beispielsweise darin, - die sozialen Kosten (Summe von monetären und externen Kosten) - die Lebenszyklus-Treibhausgasemissionen zu minimieren. In diesem Artikel zeigen wir, welchen Einfluß die Anwendung oben angeführter Optimierungsziele auf Technologiewahl, Energieverbrauch und Treibhausgasemissionen für die Energiedienstleistungsbereiche Versorgung mit Raumwärme und Warmwasser im

3 österreichischen Wohngebäudebestand in einer dynamischen Perspektive bis zum Jahr 2020 besitzen. Die Ergebnisse bei Anwendung dieser drei Ziele werden mit der Anwendung des Ziels minimiere monetäre Kosten kontrastiert, womit der Entscheidungsprozess eines im engeren ökonomischen Sinn rational entscheidenden Konsumenten abgebildet wird. Nach der Diskussion der Ergebnisse, die unter Zugrundelegung eines Baseline-Szenarios ermittelt wurden, werden die Einflüsse von Änderungen wesentlicher Rahmenbedingungen (wie Austauschraten oder Energiepreisniveaus) untersucht. Abschließend werden Auswirkungen von energiepolitischen Maßnahmen diskutiert, wobei hier der Schwerpunkt auf verschiedenen Fördermodellen liegt. 2 Methodik Ein Bottom-Up Computer-Simulationsmodell wurde entwickelt, um oben angeführte Fragestellungen zu untersuchen. Bottom-Up bedeutet in diesem Zusammenhang, dass der Bestand an Wohngebäuden in Österreich auf relativ hohem Disaggregationsniveau abgebildet wird, die Simulationsrechnungen für die einzelnen Segmente des Gebäudebestands ausgeführt werden und danach diese Einzelergebnisse zu Gesamtergebnissen aggregiert werden. 2.1 Disaggregation des Gebäudebestands Der Wohngebäudebestand wird zunächst in 30 Gebäudeklassen (definiert duch Alter und Größe der Gebäude) unterteilt. Gemäß einem von Statistik Austria verwendeten Klassifikationsschema (Statistik Austria 2003) wurden basierend auf vier verschiedenen Größenkategorien (Einfamilienhaus, Zweifamilienhaus, kleines Mehrfamilienhaus, großes Mehrfamilienhaus) und sieben Bauperioden (vor 1919, , , , , , nach 1990) 28 Gebäudeklassen definiert, welche noch mit 2 Gebäudeklassen, in denen aus Denkmalschutzgründen Fassadendämmung nicht erlaubt ist, ergänzt wurden. Diese Gebäudeklassen werden in einem weiteren Schritt in jeweils mehrere Gebäudesegmente unterteilt, welche eine bestimmte Kombination von Heiz- und Warmwassersystem repräsentieren, wobei sich eine Gesamtanzahl von über 800 Gebäudesegmenten ergibt. Ein Gebäudesegment repräsentiert also ein Modellgebäude, welches sowohl Informationen über die Gebäudehülle, über die Art des Heiz- /Warmwassersystems sowie über Anzahl an jeweils zugehörigen Gebäuden enthält und stellt damit die Informationseinheit dar, die dem Entscheidungsverfahren unterworfen wird. Falls Änderungen an der Gebäudehülle (Dämmung, neue Fenster) für ein bestimmtes Gebäudesegment gewählt werden, wird eine neue Gebäudeklasse kreiert, welche Informationen zu den Änderungen (geänderte U-Werte) enthält.

4 2.2 Der Basis-Entscheidungsalgorithmus In jedem Jahr der Simulationsperiode wird für jedes Gebäudesegment eine Entscheidung getroffen, ob dieses unverändert bleibt oder ob eine Maßnahme bzgl. Heiz- /Warmwassersystem und/oder Verbesserung der Gebäudehülle getroffen wird. Falls min ( o r C i, t C 0, t) < 0, i = 1... n i dann wird Technologie / Maßnahme i, bei der o r C C ) minimal ist, gewählt, ansonsten passiert keine Änderung. ( i, t 0, t o C i, t... Gesamtkosten (Annuität der Investition + laufende Kosten) für Technologie/Maßnahme i im Jahr t [ ]; r C, t 0... Laufende Kosten für die relevanten Energiedienstleistungen (Raumheizung, Warmwasserber. oder beides) mit dem existierenden System/Gebäude im Jahr t [ ]; n... Anzahl der Technologien / Maßnahmen, aus denen ausgewählt werden kann; Ausgewählt wird also die Maßnahme, die die geringsten Gesamtaufwendungen (Annuität plus laufender Betrieb) im Sinne von Kosten oder Treibhausgasemissionen verursacht, wobei eine Maßnahme nur dann durchgeführt wird, falls die Gesamtaufwendungen geringer sind als die laufenden Aufwendungen unter den bestehenden Bedingungen. Dieser Basisalgorithmus wird durch zwei weitere Elemente ergänzt. Nach Ablauf der Lebensdauer einer Technologie bzw. eines Bauteils wird eine Neuinvestition vom Modell erzwungen. In diesem Fall wird die Maßnahme mit den geringsten Gesamtaufwendungen gewählt, auch wenn diese über den laufenden Kosten liegen. Nach Durchführung einer Maßnahme gibt es einen Zeitraum, innerhalb dessen keine Maßnahme im gleichen Bereich durchgeführt werden darf. 2.3 Beschränkung durch Restriktionen Um die Anpassung an realistische / plausible Bedingungen zu ermöglichen, ist es möglich, drei Arten von Restriktionen für jedes Jahr der Simulationsperiode festzulegen. 1. Verfügbarkeit von Ressourcen: maximal pro Jahr verfügbare Menge einer bestimmten Ressource für die betrachteten Anwendungsbereiche; insbesondere relevant für Biomasse- Brennstoffe, aber prinzipiell für alle Brennstoffe definierbar. 2. Durchdringungsraten von Technologien: gibt den relativen Anteil (%) aller Wohneinheiten an, in denen eine bestimmte Technologie in einem bestimmten Jahr zum Einsatz kommen darf. Relevant insbesondere für neue / unkonventionelle Technologien bzw. bei Technologien, wo mit einer geringen Akzeptanz zu rechnen ist. 3. Austauschraten: der maximale relative Anteil an Wohneinheiten, wo eine bestimme Maßnahme in einem Jahr durchgeführt werden darf, kann festgelegt werden, z.b. darf Fenstertausch nur in x% aller Wohneinheiten in einem Jahr erfolgen.

5 2.4 Modellierung des Energiebedarfs Die beiden Energiedienstleistungen, die berücksichtigt werden, sind Raumheizung und Warmwasserbereitung. Prinzipiell wird der Energiebedarf als abhängig vom Dienstleistungsbedarf (Nutzenergiebedarf) und der technischen Effizienz definiert. E = S/η wobei E für Endenergiebedarf, S für Dienstleistungsbedarf bzw. Nutzenergiebedarf und η für technische Effizienz bzw. Jahresnutzungsgrad steht. Basis für Berechnung des Nutzheizenergiebedarfs ist eine einfache Heizlastrechnung nach ÖNORM M 7500, B ohne Berücksichtigung solarer und innerer Gewinne. Das Nutzerverhalten wird über den sogenannten Servicefaktor f s berücksichtigt. Dieser Parameter beschreibt das Verhältnis von tatsächlichem und theoretisch berechnetem Energieverbrauch für Raumheizung (Haas et al. 1998, Haas/Biermayr 2000). f = s E E SH SHth wobei E SH dem tatsächlich gemessenem Endenergieverbrauch und E SHth dem theoretisch berechneten Endenergiebedarf für Raumheizung entspricht. Der Servicefaktor wird als Funktion der thermischen Qualität (spezifische Heizlast) und dem Grad der Automatisierung des Heizsystems (Zentralheizung versus Einzelofenheizung) modelliert. Empirische Daten für diese Berechnungen stammen von Biermayr (1999). Der Endenergiebedarf für Warmwasser wird als Funktion von Bewohnerzahl, Warmwasserbedarf pro Bewohner und Jahresnutzungsgrad des Warmwasserbereitungssystems abgebildet. Im Modell ist die Alterung von Heiz- und Warmwassersystemen berücksichtigt der Jahrenutzungsgrad sinkt um einem bestimmten Faktor von Jahr zu Jahr. 2.5 Technologieoptionen Die möglichen Maßnahmen, die jährlich zur Auswahl offen stehen, sind unterteilt in Einzelmaßnahmen und kombinierte Maßnahmen. Zu den Einzelmaßnahmen zählen Wechsel des Warmwassersystems, Wechsel des Heizsystems, Fenstertausch, Dämmung der Fassade, Dämmung der obersten Geschoßdecke sowie Dämmung von Kellerdecke / Bodenplatte Zu den kombinierten Maßnahmen zählen Wechsel von Heiz- und Warmwassersystem, Dämmung der Fassade und Fenstertausch, thermische Verbesserung der gesamten Gebäudehülle (= Dämmung von Fassade, oberster und unterster Geschoßdecke und Fenster) sowie Generalsanierung (= thermische Verbesserung der gesamten Gebäudehülle + Wechsel von Heiz- und ev. Warmwassersystem). Innerhalb jedes Technologiebereichs steht eine breite Palette an Optionen offen (z.b. 20 verschiedene Optionen für Systeme zur Raumheizung (mit optionaler Warmwasser- Integration; 10 verschiedene Dämmstoffe oder 6 verschiedene Fenstertypen).

6 Die Dämmdicken werden mit Hilfe eines Optimierungsalgorithmus berechnet (Ober- und Untergrenzen an Dämmdicken werden berücksichtigt). Die wichtigsten Daten zur Charakterisierung von Technologien bzw. Energieträgern, welche erhoben wurden, sind: monetäre Kosten externe Kosten: Da Angaben in der Literatur zu externen Kosten in einem weiten Bereich streuen können, ist ein minimaler und maximaler Wert für externe Kosten integriert kumulierte Treibhausgasemissionen (CO2-Äquivalente) für Technolgien bzw. Treibhausgasemissionsfaktoren für Energieträger kumulierte Energieverbräuche technische Effizienzen / Nutzungsgrade durchschnittliche Lebensdauern Lernraten Energiepolitische Instrumente wie Förderungen oder Steuern können definiert und deren Einfluss untersucht werden. Der Simulationshorizont reicht bis zum Jahr 2020, kann aber optional ausgedehnt werden. 3. Der Wohngebäudebestand in Österreich eine kurze Übersicht Gemäß Wohnungen 2002 (Statistik Austria 2003) bestand der Wohnungsbestand in Österreich aus 3.31 Mio. Wohneinheiten (Hauptwohnsitze). Die Verteilung der Wohneinheiten über sieben verschiedene Bauperioden und vier Gebäudegrößen zeigt Abb. 1. Beinahe drei Viertel (73.3 %) aller Wohneinheiten wurden in der Zeit nach 1945 errichtet, die Mehrheit (ca. 60 %) dieser Nachkriegsgebäude stammt aus der Periode und ist von vergleichsweise schlechter thermischer Qualität Wohneinheiten in MFH >= 11 WE MFH 3-10 WE Zweifamilienhäuser Einfamilienhäuser vor ab Bauperiode Abb. 1: Wohngebäudebestand in Österreich, Stand 2002, Datenquelle: Statistik Austria (2003)

7 Die durchschnittliche thermische Qualtät (gemessen durch die Heizlast p0 (W/m 2 K)) ist am schlechtesten für Gebäude der Bauperiode , ist etwas besser für Vorkriegsgebäude und hat sich auch für Gebäude nach 1960 laufend verbessert. Diese thermische Verbesserung geht Hand in Hand mit strengeren Bauordnungen und der Verbreitung verbesserter Baumaterialien. Bezüglich der Verteilung von Heizsystemen weisen Ein-/Zweifamilienhäuser und Mehrfamilienhäuser markante Unterschiede auf. Während Öl-Zentralheizungen im Referenzjahr 2002 im Ein-/Zweifamilienhausbereich mit einem Anteil von 36.2 % aller Wohneinheiten gefolgt etwa gleichauf von Holz- und Gaszentralheizungen (jeweils ca. 19 %) dominiert, ist im Bereich der Mehrfamilienhäuser Gas der am häufigsten eingesetzte Energieträger (35.44 % aller Wohneinheiten), gefolgt von Fernwärme (28.64%) und Öl (16.57 %). Fernwärme wird mehr als achtmal häufiger in Mehrfamilienhäusern als in Ein- /Zweifamilienhäusern eingesetzt; auch Stromheizungen sind in Mehrfamilienhäusern (ca. 10% aller Wohneinheiten) deutlich stärker verbreitet als in Ein- u. Zweifamilienhäusern (4.47 %). 60% 50% rel. Anteil 40% 30% 20% 10% 0% Öl Gas Strom Kohle Fernwärme Holz Abb. 2: Verteilung der Energieträger , Datenquelle: Skopetz (2001) Wie Abb. 2 zeigt, gab es seit 1970 eine beachtliche Dynamik bezüglich Energieträgereinsatz für Heizzwecke. Während die Verwendung von Kohle rasant zurückging, stiegen die Anteile für Gas und Fernwärme kontinuierlich an. Die Verwendung von Öl und Holz folgt einem etwas komplexeren Verlauf der Einsatz von Öl stieg bis 1978 an, fiel bis Mitte der 1980er- Jahre und stieg von da an wieder, während der Anteil von Holz nach einem Tiefpunkt Ende der 1970er-Jahre wieder anstieg, aber seit 1990 gibt es wieder einen leicht fallenden Trend für Holz. 4. Simulationsergebnisse Zunächst werden die Effekte der verschiedenen Optimierungsziele unter den Bedingungen eines Baseline-Szenarios untersucht. Die Auswirkungen der Modifikation verschiedener Parameter dieses Baseline-Szenarios werden anschließend behandelt.

8 4.1 Das Baseline-Szenario Als Referenzjahr für die Definition von Gebäudeklassen und Gebäudesegmenten wurde das Jahr 2002 gewählt aufgrund von Datenverfügbarkeit (Statistik Austria 2003). Das Startjahr der Simulationsperiode ist also 2003, das Ende der Periode ist Im Baseline-Szenario gibt es keine Investitionszuschüsse, vom Konsumenten sind also alle Investitionskosten zu tragen. Ein Szenario wird definiert durch ein Set von Parameterdefinitionen, unterteilt in folgende Kategorien 1 : Ressourcenpotentiale: Endenergieverbrauchspotentiale für (Biomasse-)Energieträger, spezifiziert für jedes Jahr der Simulationsperiode. maximale Durchdringungsraten: Definition siehe Kap. 2.3 maximale Austauschraten: Definition siehe Kap. 2.3 maximale Austauschraten in % aller Wohneinh Dämmung Außenwand 1% 1,5% Dämmung ob. Geschoßdecke 1% 1,5% Dämmung Kellerdecke / Fußboden 1% 1,5% Dämmung Außenw. und Fenstertausch 0,8% 1,2% Verbesserung gesamte Gebäudehülle 0,6% 1,0% Generalsanierung 0,5% 0,8% Fenstertausch 1,2% 1,8% Tausch Heiz-/Warmwassersystem 4,5 5,0% Tabelle 1: Spezifikation von max. Austauschraten (Auszug) Preise von Energieträgern: sind für jedes Jahr spezifiziert, jährliche Preissteigerungsraten je Energieträger können festgelegt werden. Im Baseline-Szenario wird angenommen, dass die relativ hohen Energiepreise von 2005 nicht fallen werden, sondern weiterhin mit Raten zwischen 0.2 und 1 Prozent steigen werden (siehe Tab. 2). Preisentwicklung von Energieträgern Preise real in EURct / kwh, Preisbasis jährl. Steigerg. (%) Öl 6,17 6,90 1,0% Gas 5,32 6,00 0,8% Pellets (eingeblasen) 3,50 3,61 0,2% Pellets (in Säcken) 4,59 4,73 0,2% Scheitholz 2,50 2,58 0,2% Hackschnitzel 2,30 2,37 0,2% Kohle 4,34 4,90 0,8% Strom (Mix Tag Ö) 14,45 16,28 0,8% Tabelle 2: Spezifikation der Preisentwicklung von Energieträgern (Auszug) 1 Aus Platzgründen werden in diesem Artikel nur Werte für Energiepreise und Austauschraten angeführt.

9 - Andere Szenarioparameter: dazu gehören z.b. Diskontraten oder technische und kalkulatorische Lebensdauern. 4.2 Vergleich der verschiedenen Optimierungsziele im Baseline-Szenario wood log GWh / a wood chips wood pellets distr. heat Vienna distr. heat rest distr. heat biomass natural gas oil coal electricity Abb. 3: Endenergieverbrauch pro Energieträger, , links minimiere monetäre Kosten, rechts minimiere soziale Kosten Die auffälligste Änderung in beiden Fällen ( minimiere monetäre Kosten, minimiere soziale Kosten ) betrifft die Rolle von Öl. Der Ölverbrauch sinkt von etwa GWh im Jahr 2002 auf 6334 GWh ( minimiere mon. K. ) bzw GWh ( min. soz. K. ) im Jahr Dieser starke Rückgang von Öl hat einerseits mit massivem Energieträgerwechsel weg vom Öl zu tun, andererseits aber auch mit thermisch verbesserten Gebäuden mit geringerem Energiebedarf. Im Szenario minimiere soziale Kosten ist zusätzlich auch ein signifikanter Rückgang von Erdgas festzustellen im Unterschied zu minimiere mon. Kosten, wo der Gasverbrauch stagniert. Der Einsatz von Fernwärme und Biomasse-Energieträgern (Pellets, Hackschnitzel) steigt in beiden Fällen an, bei min. soz. Kosten allerdings in stärkerem Maß. Im Simulationsfall minimiere Lebenszyklus-Treibhausgasemissionen (ohne Abb.) ist ein noch stärkerer Rückgang des Gasverbrauchs (im Vergleich zu min. soz. K. ) zu beobachten sowie ein höherer Anteil von Hackschnitzelheizungen und Biomasse-Nahwärme. Der höhere Anteil von Hackschnitzelheizungen im Vergleich zu Pelletsheizungen liegt in diesem Simulationsfall daran, dass in der Periode energie- und CO 2 -intensivere Pelletsproduktionsverfahren angenommen wurden (begrenztes Potential von Pellets aus trockenen Sägeabfällen). In allen Simulationsfällen ergeben sich signifikante Reduktionen sowohl des Energieverbrauchs als auch der Treibhausgasemissionen, wobei die relativen Reduktionen bei den Treibhausgasemissionen stärker ausfallen (33% Reduktion bei min. mon. Kosten bis zu 49% Reduktion bei min. Lebenszyklus-Treibhausgasemissionen der Emissionen im Jahr 2020 verglichen mit dem Jahr 2002, Abb. 4). Der kleinere Teil dieser Reduktionen lässt sich auf Rückgang der beheizten Fläche im Gebäudebestand aufgrund Abriß von Gebäuden

10 zurückführen (6.21% Rückgang der Anzahl der Wohneinheiten), Neubau wird nicht berücksichtigt), der größere Teil der Reduktionen erfolgt aufgrund thermischer Verbesserung der Gebäude, effizientere und CO2-ärmere Heizsysteme , kt / a 15000, , , ,00 PJ / a no. of dwellings min. mon. c. min. soc. c. min LC- GHG em. 5000, Abb. 4: Vergleich der Entwicklung von Treibhausgasemissionen (links, kt CO 2 -Äqu./a) und Endenergieverbrauch (rechts, PJ/a) für die verschiedenen Optimierungsziele Über den Zeitraum kumulierte Treibhausgasemissionen werden sowohl im Fall minimiere soz. Kosten als auch im Fall min. Lebenszyklus-Treibhausgasemissionen gegenüber dem Fall minimiere monetäre Kosten reduziert. Jede im Vergleich zum Referenzfall minimiere monetäre Kosten eingesparte Tonne an CO 2 -Äquivalenten kostet im Fall min. Lebenszyklus-Treibhausgasemissionen EUR/t und damit um den Faktor 3.85 mehr als im Fall minimiere soz. Kosten (73 EUR/t) beim Vergleich der Gesamtkosten (siehe Abb. 5). Die relativ hohen Kosten für Treibhausgasemissionsreduktion resultieren daher, dass die billigsten Einsparpotentiale bereits im Referenzfall minimiere mon. Kosten ausgeschöpft werden. Die sehr hohen Kosten im Fall min. Lebenszyklus- Treibhausgasemissionen ergeben sich aufgrund des Einsatzes sehr teurer Technologien (insbesondere solare Kombisysteme) in diesem Simulationsfall. 400 EUR/t Investitions kosten Gesamtkos ten 0 min. soz. Kosten min. LZ-Treibhg. Em. Abb. 5: Kosten pro zusätzlicher eingesparter Tonne an CO 2 -Äquivalenten, im Vergleich zu minimiere mon. Kosten (EUR / t CO 2 -Äquivalent)

11 4.3 Veränderungen von Rahmenbedingungen Die Auswirkungen von vier verschiedenen Modifikationen des Baseline-Szenarios wurden untersucht. 1. Verdopplung der externen Kosten: Dies berücksichtigt den Fall, dass externe Kosten im Baseline-Szenario möglicherweise systematisch unterschätzt werden. 2. höhere Austauschraten: Austauschraten für Maßnahmen an der Gebäudehülle werden um 50 %, für Heiz-/Warmwassersysteme um 20 % angehoben. 3. höhere Energiepreise: Jährliche Steigerungsraten werden um den Faktor 2 im Vergleich zum Baseline-Szenario angehoben. 4. niedrigere Energiepreise: In diesem Szenario gehen die Preise für fossile Energieträger und elektrischen Strom in den Jahren 2006 wieder zurück auf das Niveau der Jahre 2003/2004 und steigen langsamer an als im Baseline-Szenario. Zusammenfassend lässt sich als Ergebnis dieser Szenariovariationen feststellen, dass bezüglich Entwicklung von Treibhausgasemissionen die Szenarien höhere Austauschraten und niedrigere Energiepreise im Vergleich zum Referenzszenario min. mon. Kosten, baseline die größten Auswirkungen haben, wobei im ersten Fall die Emissionen sinken, während sie im zweiten Fall steigen. Der zusätzliche Preisanstieg im Szenario höhere Energiekosten sowie die Verdopplung der externen Kosten ändern die Modellergebnisse bzgl. Entwicklung von Treibhausgasemissionen nur geringfügig. 4.3 Untersuchung des Einflusses verschiedener Förderszenarien Investitionszuschüsse für CO 2 -emissionsarme Heizsysteme werden in drei verschiedenen Höhen gewährt (niedriges, mittleres, hohes Förderszenario). Tabelle 3 gibt eine Übersicht über die Höhe der Förderzuschüsse (prozentueller Anteil der Investitionskosten, der als öffentlicher Zuschuß gewährt wird und nicht vom Konsumenten bezahlt werden muß). Spezification der Förderszenarien niedrig mittel hoch Stückholzhzg. 15,0% 26,3% 37,5% Hackschnitzelhzg. 25,0% 43,8% 62,5% Pelletshzg. (Kessel) 20,0% 35,0% 50,0% Pelletsofen 10,0% 17,5% 25,0% Pelletsofen (Etagenhzg.) 10,0% 17,5% 25,0% Gas Brennwertkessel 7,5% 13,1% 18,8% Fernwärme Wien 7,5% 13,1% 18,8% Fernwärme Rest 7,5% 13,1% 18,8% Fernwärme Biomasse 15,0% 26,3% 37,5% Wärmepumpe 7,5% 13,1% 18,8% Wärmepumpe Warmw. 7,5% 13,1% 18,8% Solar Warmwasser 15,0% 26,3% 37,5% Solar Kombi 15,0% 26,3% 37,5% Tabelle 3: Spezifikation der Förderszenarien

12 Beim Vergleich der unterschiedlichen Förderszenarien mit den Baseline-Szenarios (4.2) zeigt es sich, dass das Szenario mittlere Förderhöhe ein ähnliches Potential an Treibhausgasreduktion wie das Szenario minimiere soz. Kosten, baseline und das Szenario hohe Förderhöhe ein Reduktionspotential zwischen denen der Szenarien min. soz. Kosten, baseline und min. LZ-Treibhausgasemissionen, baseline aufweist. Die Modellergebnisse bekräftigen die Evidenz, dass es möglich ist, durch Einführung von Investitionszuschüssen das Energiesystem im untersuchten Bereich in Richtung gesellschaftlich optimaler Pfade zu bewegen. Die Vergabe von Förderungen führt zu deutlich höheren Gesamtinvestitionsvolumina (10.6 % im Szenario niedrige Förderhöhe, 19.7 % im Szenario mittlere Förderhöhe, 53.6 % im Szenario hohe Förderhöhe ) im Vergleich zum Referenzfall ohne Förderungen. Die Effizienz eines Fördermodells lässt sich definieren als das Verhältnis von eingesparten Treibhausgasemissionen zum Gesamtvolumen an von der öffentlichen Hand gewährten Geldmitteln (kg CO 2 -Äquivalent / EUR), wobei der Fall ohne Förderungen als Referenz dient. Die Modellergebnisse zeigen, dass die Effizienz bei Erhöhung des Gesamtfördervolumens fällt, während das Volumen der gesamten eingesparten Treibhausgasemissionen bei höherem Fördervolumen wächst. Im Baseline-Szenario bewegen sich die Effizienzen zwischen kg/eur ( niedrige Förderhöhe ) und EUR/t ( hohe Förderhöhe ), die gesamten eingesparten Treibhausgasemissionen reichen von 7511 kt ( niedrige Förderhöhe ) bis zu kt ( hohe Förderhöhe ) über den Simulationszeitraum kumuliert. Die Fördereffizienzen hängen auch vom Energiepreisniveau ab. Je niedriger das Preisniveau, desto höher sind tendenziell die Effizienzen (siehe Abb. 6). Während die Effizienzen im Niedrigpreisszenario also höher sind, ist das resultierende Niveau an Treibhausgasemissionen dennoch höher, da auch das Ausgangsniveau höher ist. Effizienz (kg CO2-Äqu. / EUR) 50,00 40,00 30,00 20,00 10,00 0,00 0% 2% 4% 6% 8% 10% 12% Einsparung CO2-Äqu. rel. zu Baseline Baseline höhere Energiepreise niedrigere Energiepreise Abb. 6: Vergleich der Effizienzen verschiedener Förderszenarien in Abhängigkeit der Höhe der eingesparten CO2-Äquivalente (relativ zu Fall ohne Förderungen) 5. Zusammenfassung und Schlußfolgerungen Unter den Bedingungen des Baseline-Szenarios werden Treibhausgasemissionen für Raumheizung und Warmwasser im Gebäudebestand (ohne Neubauten) um 33% im Jahr 2020 reduziert im Vergleich zum Referenzjahr 2002 bei Anwendung des

13 Optimierungsziels minimiere monetäre Kosten. Ein geringerer Anteil davon kann auf Rückgang des Wohnungsbestands bzw. der zu beheizenden Fläche (6.21% weniger Wohnungen) zurückgeführt werden. Dieses Ausmaß an Emissionsreduktionen (33%) kann also als ökonomisch realisierbares Potential angesehen werden. Der möglichen Kritik, dass im Modell etwas höhere Austauschraten als in der Realität angenommen wurden, kann entgegengehalten werden, dass die Einführung eines flächendeckenden Energieausweises für Gebäude aufgrund der EU- Gebäuderichtlinie wahrscheinlich zu einem höheren Energiebewußtsein von KonsumentInnen, PlanerInnen und Bauträgern führt und ein Anstieg der Renovierungsraten erwartet werden kann. Weitergehende Treibhausgasemissionsreduktionen im Vergleich zum Szenario minimiere monetäre Kosten (Referenzszenario) ergeben sich in den Szenarien minimiere soziale Kosten und minimiere Lebenszyklus-Treibhausgasemissionen. Die Kosten für jede zusätzliche eingesparte Tonne CO 2 -Äquivalent im Vergleich zum Referenzszenario sind im Fall minimiere soziale Kosten um den Faktor 3.85 niedriger. Der Einsatz von Solartechnologien wächst nur im Fall minimiere Lebenszyklus-Treibhausgasemissionen, was darauf hinweist, dass es sich hierbei um relativ teure Technologien zur Einsparung von Treibhausgasen handelt. In jedem Baseline-Szenario erfolgt ein massiver Wechsel weg von Ölheizungen, außer bei minimiere monetäre Kosten gibt es auch einen geringer ausgeprägten Trend weg vom Gas. Dies deutet darauf hin, dass zur Zeit vorherrschende Energiepreisrelationen mit moderat ansteigender Tendenz Anreiz genug für diesen Energieträgerwechsel bei nüchterner ökonomischer Kalkulation sein sollten. Die Bedeutung von Fernwärme und Biomasse-Energieträgern (Pellets, Hackschnitzel) wächst. Zusätzliche Energiepreisanstiege im Vergleich zum Referenzszenario haben keinen besonderen starken veränderten Einfluß auf die Ergebnisse. Der Unterschied zwischen dem Niedrigpreis- und dem Baseline-Szenario bzgl. Treibhausgasemissionen ist jedoch markant. Während höhere Austauschraten spürbaren Einfluß besitzen, ist der Einfluß höherer (verdoppelter) externer Kosten gering. Die Modellresultate lassen erkennen, dass es möglich ist, durch Förderungen die Energieversorgung im Wohngebäudebereich in Richtung gesellschaftlich optimaler Pfade zu lenken. Es existiert jedoch ein deutlicher Trade-Off zwischen Effizienz (Verhältnis von eingesparten Treibhausgasemissionen zum Gesamtvolumen an von der öffentlichen Hand gewährten Geldmitteln) und Effektivität (Gesamtvolumen an eingesparten Treibhausgasemissionen) verschiedener Fördermodelle. Je niedriger das Preisniveau, desto höher liegen tendenziell die Effizienzen von Förderungen, das resultierende Niveau an Treibhausgasemissionen bleibt jedoch höher, da auch das Ausgangsniveau höher ist.

14 Danksagung Die Autoren danken dem FWF (Fonds zur Förderung der wissenschaftlichen Forschung) für die Finanzierung eines Forschungsprojektes, welches die Grundlage für diesen Artikel darstellt. Referenzen Benke Georg (2002): Energiefluss Österreich 2000, Energieverwertungsagentur, Wien, Biermayr Peter (1999): Einflußparameter auf den Energieverbrauch der Haushalte - Eine empirisch - ökonometrische Analyse, Dissertation, Institut für Elektrische Anlagen und Energiewirtschaft, TU Wien Faninger Gerhard (1998): Bereich 4: Technologie, Sanierung der Wärmeversorgung, partial report for Ökologie der Althaussanierung, SAVE project: Nr. SA/35/95/AU, Niederösterreichische Landesakademie, St. Pölten Haas Reinhard, Auer Hans, Biermayr Peter (1998): The impact of consumer behavior on residential energy demand for space heating., Energy and Buildings, Vol. 27, pp Haas Reinhard, Biermayr Peter (2000): The rebound effect for space heating in Austria. Empirical evidence from Austria., Energy Policy 28 (6-7), pp Haberl Helmut, Adensam Heidi, Geissler Susanne (1998): Optimal climate protection strategies for space heating The case of Austria., Energy Policy, 26 (15), pp Skopetz Harald (2001): Einflussfaktoren auf den Heizenergieverbrauch in Österreich, Diplomarbeit, ausgeführt am Institut für Elektrische Anlagen und Energiewirtschaft, TU Wien Statistik Austria (2003): Wohnungen Ergebnisse der Wohnungserhebung im Mikrozensus September 2002, Wien