Test du modèle pour la ville de Tours

Observons les résultats obtenus à partir du modèle pour une ville comme Tours (135 480 habitants, 79141 logements et 8279 entreprises, données INSEE 2007). Les apports internes totaux pour la ville sont estimés à 556,47 GWh/an dont 411,68 GWh/an pour le secteur résidentiel et 144,79 GWh/an pour le secteur tertiaire ; soit respectivement 73,98% et 26,02% des apports internes totaux. On constate une baisse notable des apports internes durant les semaines d’inoccupation des logements (2 semaines en Août et la dernière semaine de Décembre). 40 Figure 6 : Graphe de variations horaires d’apports internes sur l’année (8760h) pour la ville de Tours d’après le modèle établi On peut également observer une baisse des apports internes en périodes de vacances scolaires, ce qui montre que les différents établissements scolaires ont un poids relativement important sur les apports internes totaux. Ces variations, liées aux périodes prolongées d’inoccupation des établissements d’enseignement, sont d’autant plus visibles sur le graphe des apports internes du secteur tertiaire. Figure 7 : Graphe de variations horaires d’apports internes du tertiaire sur l’année (8760h) pour la ville de Tours d’après le modèle établi 41 Si on observe le graphe du secteur résidentiel, on constate que les seules variations visibles sont celles liées aux trois semaines d’inoccupation de l’année. Ceci s’explique par une occupation des logements 24h/24 et 7j/7 en dehors de cette période de vacances. Figure 8 : Graphe de variations horaires d’apports internes du résidentiel sur l’année (8760h) pour la ville de Tours d’après le modèle établi Le scénario d’occupation utilisé pour les logements est conforme à celui de la méthode Th-BCE 2012, mais peut être considéré comme une limite de ce modèle. En effet, on peut penser que les logements ne sont pas véritablement occupés toute la journée : la majeure partie de la population étant au travail la journée, il paraît invraisemblable que cela puisse être le cas. A titre comparatif, nous avons réalisé une simulation en modifiant le scénario d’occupation des logements et avons considéré qu’ils étaient inoccupés de 8h à 18h 5j/7 et occupés le reste de la semaine, et ce durant toute l’année. Il s’agit en réalité du scénario d’occupation inverse à celui des bureaux. 

Autres limites

Mises à part celles liées au scénario d’occupation des logements, d’autres limites relatives à l’utilisation de la méthode Th-BCE 2012 peuvent être identifiées :  La non prise en compte de l’éclairage dans les ratios d’apports internes présentés. En effet, cette dernière calcule les apports internes sans prendre en compte l’éclairage. En décidant de se baser sur cette méthode, nous réalisons donc une approximation, et basons notre modèle de calcul uniquement sur les apports dus aux équipements et au métabolisme humain.  Le fait que les ratios d’apports internes utilisés ne puissent prendre que deux valeurs : en occupation et hors occupation. En réalité, cela est plus complexe puisque le bâtiment peut être occupé par seulement une partie de ses occupants habituels et les appareils peuvent ne pas tous fonctionner à la fois.  La difficulté qui a parfois pu être observée lorsqu’il s’agissait de faire correspondre les catégories de bâtiments présentées dans la méthode Th-BCE 2012 avec les catégories/nomenclatures INSEE. Cela a donné lieu à de nombreuses approximations lors de la définition des ratios exprimant le nombre de bâtiments de chaque catégorie en fonction des données d’entrée (population, nombre de logements et nombre d’entreprises).  Les ratios qui, même pour une toute petite commune comptabilisent des « bouts » d’hôpitaux, d’écoles, d’université, etc. en fonction du nombre d’habitants.  La typologie de bâtiments utilisée par ce modèle, bien qu’elle soit légèrement différente de celle de la méthode Th-BCE 2012, n’est pas forcément idéale pour décrire les secteurs résidentiel et tertiaire à l’échelle urbaine. Nous avons néanmoins pris le parti de l’utiliser car celle-ci était la plus détaillée parmi toutes celle que nous avions pu trouver. Ce modèle d’estimation des apports internes possède également des limites liées aux approximations qui ont du être effectuées lors de la définition des surfaces moyennes de chaque type de bâtiment. En effet, il s’est parfois avéré difficile d’obtenir des données ou des études relatives à celles-ci.