Wie zijn huis wil verduurzamen, raakt al gauw de weg kwijt in alle mogelijkheden. Omdat een woningrenovatie een forse investering is, is het resultaat dan vaak dat er toch maar niets gebeurt. Een nieuw digitaal hulpmiddel moet dat voorkomen.

Een team onderzoekers van de Technische Universiteit Eindhoven heeft de afgelopen vier jaar gewerkt aan een digitale tool die huiseigenaren helpt bij het maken van de juiste keuzen bij verduurzaming: de Renovatieverkenner. Op 4 juni presenteren ze de tool op een congres op de universiteitscampus in Eindhoven.

Een woning verduurzamen kan op tal van manieren. De ene keuze (bijvoorbeeld een warmtepomp installeren) kan daarbij bovendien grote invloed hebben op de noodzaak of het effect van andere maatregelen (betere vloer- en dakisolatie aanbrengen). ‘Pas bij de start van dit project begon ik de ingewikkelde wisselwerking tussen radiatortypen, warmtepompen, isolatie en ventilatie in onze huizen te waarderen, en hoe dit ons energieverbruik in huis beïnvloedt,’ zegt Lisanne Havinga, universitair docent in de Building Performance-groep van de faculteit Built Environment en drijvende kracht achter de Renovatieverkenner, in een persbericht van de TU/e.

Renovatie-opties

Doordat er zoveel mogelijkheden en variabelen zijn, is het voor huiseigenaren lastig knopen door te hakken. Met de Renovatieverkenner ligt er nu een hulpmiddel waarmee zij eenvoudig en goed inzicht kunnen krijgen in de duurzame renovatie-opties voor hun woning, zegt Havinga. ‘Die kunnen hun geld besparen en kunnen leiden tot een comfortabelere en duurzamere levensstijl in de toekomst’.

In de nieuwe tool is zowel ‘echte’ natuurkunde verwerkt als machine learning. Het geheel is  gebaseerd op een geavanceerde simulatie van de energiebalans in een huishouden, waarin de belangrijkste regels van de bouwfysica zijn verwerkt, zoals de principes van warmteoverdracht. Dat model hebben de onderzoekers vervolgens gebruikt om de prestaties door te rekenen van 350.000 verschillende scenario’s.

Biljoenen scenario's

Op basis van die training met 350.000 scenario’s blijkt het model nu nauwkeurige voorspellingen te kunnen doen van biljoenen scenario’s, zegt Havinga. Zo kan de tool, waaraan ook onderzoeksinstituut TNO en het Sloveense IT-bedrijf Smart Twin hebben bijgedragen, nu met elk type woning en elk scenario overweg.

Voor gebruikers is het niet nodig om te snappen hoe het machine learning-proces van de tool precies functioneert. ‘Ons doel is om deze tool voor iedereen beschikbaar te maken, en je hoeft niets te weten over hoe machine learning-modellen werken,’ zegt universitair hoofddocent Roel Loonen, die het langlopende onderzoek leidde toen Havinga met zwangerschapsverlof was. ‘Zo pakt het hulpmiddel ook een toegangsongelijkheid aan.’

Het verschil met eerdere hulpmiddelen zit ’m onder meer in die toegankelijkheid en het gebruiksgemak, zeggen de onderzoekers. ‘Huidige tools om renovatieopties voor een huis te analyseren, vereisen veel tijd van de huiseigenaar. Daarnaast richten bestaande tools zich op het beoordelen van opties voor eenmalige renovatie. Maar er zijn zoveel mogelijkheden en ze beïnvloeden elkaar allemaal,’ zegt Loonen.

Rijtjeshuizen

Andere adviestools gaan in de regel uit van statische maand- of jaargemiddelden. Voor het berekenen van de maandelijkse stookrekening is dat op zich goed, maar ze schieten tekort waar het dynamische grootheden als luchtkwaliteit, netbelasting en gebruikersgedrag betreft, zegt Havinga.

Een ander uitgangspunt van de onderzoekers was dat geen twee rijtjeshuizen gelijk zijn. Simpelweg adviseren op basis van postcode en huisnummer, waarbij via een database het bouwjaar en het type van het huis kunnen worden vastgesteld, is dan niet voldoende. ‘Onze tool stelt de gebruiker in staat om het exacte verwarmingssysteem en de kenmerken van het huis in te voeren’, zegt Havinga.

Ook  het eigen gedrag van de bewoners is bepalend voor welke verduurzamingsmaatregelen het beste renderen. ‘Sommige mensen zijn nauwelijks thuis en energiebewust, terwijl anderen de hele dag thuis zijn en hun verwarming 24/7 laten draaien’, zegt Havinga. De Renovatieverkenner neemt dat allemaal mee in de advisering. ‘Gebruikers kunnen hun gedrag invoeren, zoals de kamers die ze verwarmen of dat ze ’s nachts de ramen in hun slaapkamer openlaten.’

Open source

De makers hebben ervoor gekozen om de Renovatieverkenner als open source-tool te presenteren,. Dat betekent dat ook anderen met de code aan de slag kunnen. ‘De scripts moeten beschikbaar zijn voor andere ontwikkelaars, zodat zij hun eigen aangepaste implementaties kunnen maken op basis van de Renovatieverkenner’, zegt Havinga. ‘Dit hulpmiddel moet gewoon open source zijn en de ontwikkeling ervan mag niet worden gecommercialiseerd.’

De voornaamste opdrachtgever voor de tool was de Rijksoverheid. Het idee is dat die het instrument vanaf het einde van het jaar integreert op overheidswebsites.

Openingsbeeld: Studie Zijwiel