Energy Performance Gap

Energiebedarfslücke und Reboundeffekt

Der Energieverbrauch von Gebäuden unterscheidet sich in vielen Fällen erheblich von den berechneten Bedarfswerten, selbst wenn diese unter Nutzung von Software für die complex-dynamische Simulation von Gebäudeenergiebedarfen gewonnen werden. Dieses Phänomen ist wohlbekannt und wurde jüngst als „Energiebedarfslücke“ [1] (EPG) (englisch: Energy Performance Gap) bezeichnet. Darüber hinaus wird im Allgemeinen die Tendenz von Verbrauchern, ihren Bedarf und ihre Erwartungshaltung angesichts technischer Neuerungen zu steigern, als „Rebound-Effekt“ bezeichnet.

Der Begriff des „Rebound-Effekts”, in der Literatur auch als „Jevons Paradoxon“ bekannt, wurde von William Stanley Jevons in seinem Buch „The Coal Question: An Enquiry Concerning the Progress oft he Nation, and the Probable Exhaustion of Our Coal-mines“ [2] bereits Mitte des 19. Jh. geprägt. In seinem Buch stellt er fest „es sei ein Irrtum anzunehmen, dass die wirtschaftlichere Nutzung von Treibstoff zu einem verringerten Verbrauch führe. Das exakte Gegenteil sei der Fall.“

Eine umfassende Diskussion des Rebound-Effekts und dessen Auswirkung auf die Gesellschaft, sowie ein Literaturüberblick zum Rebound-Effekt seit dessen Einführung durch Jevons beschreibt Polimeni [3]. Generell kann zwischen dem direkten und indirekten Rebound-Effekt unterschieden werden. Der direkte Rebound-Effekt setzt voraus, dass eine Energieleistung effizienter und somit für den Verbraucher erschwinglicher wird, wodurch diese Leistung häufiger als zuvor in Anspruch genommen wird. Der indirekte Rebound-Effekt bedeutet hingegen, dass ein Verbraucher durch die technologiebedingte Vergünstigung eines bestimmten Energiedienstes Geld spart, welches dann wiederum für ein neues Produkt, das ebenfalls Energie benötigt, ausgegeben wird. Im Rahmen der hier vorliegenden Ausarbeitung wird ausschließlich der direkte Rebound-Effekt betrachtet.

Eine erste Definition des direkten Rebound-Effekts und des Anteils nicht erreichter Energieeinsparung für den Gebäudesektor wurde von Haas et al. [4, 5] vorgeschlagen. In ihrem Werk definieren die Autoren den Rebound-Effekt-Index mit der Gleichung (1):

 

Rebound-      =    in % (1)
Effekt-Index 

 

Die „berechneten Einsparungen” aus Gleichung (1) drücken die Menge an eingesparter Energie aus, die von einer bestimmten Effizienzsteigerung in einem Gebäude herrührt. Die Autoren spezifizieren in ihren Veröffentlichungen jedoch nicht wie dieser Wert zu berechnen ist. Es existieren zwei unterschiedliche Optionen zur Berechnung dieses Parameters, da dieser entweder aus

Zudem ist der Begriff „Rebound“ (engl.: rebound) in diesem Zusammenhang kritisch zu hinterfragen, da dieser in der Literatur hauptsächlich in Verbindung mit einem (direkten oder indirekten) Wandel des Verbraucherverhaltens auftritt. Die Definition in Gleichung (1) unterscheidet nicht, ob es zu einer Abweichung zwischen Bedarf und Verbrauch durch eine Verhaltensänderung der Verbraucher oder z. B. durch Fehler in der Anlagentechnik kommt. Dieser Index kann aus diesem Grund auch als „Energieeinsparungsdefizit“ (engl.: energy saving deficit) bezeichnet werden, wie es Galvin [1] vorschlägt – oder als „Anteil nicht erreichter Energieeinsparung”.

Beweise für das Energy Performance Gap (die Energiebedarfslücke) bei neuen oder sanierten Gebäuden findet man seit Ende der Neunziger Jahre des 20. Jh., als Haas [4] eine Lücke zwischen dem Energiebedarf und -verbrauch von Gebäuden identifizierte. Die Autoren stützen ihre Analyse auf Beobachtungen von ungefähr 400 sanierten Wohngebäuden und schließen aus ihren Beobachtungen, dass der durch die Sanierung bedingte Rebound-Effekt zu einem Anteil unerreichter Energieeinsparung von 15 % bis 30 % führt. Zwei Jahre darauf führte Haas [5] eine Gleichung für den Anteil unerreichter Energieeinsparung ein und errechnet diesen Indexwert für annähernd 500 Wohngebäude, wobei sich der Anteil unerreichter Energieeinsparung zwischen 20 % und 30 % bewegte. In beiden Studien zog der Autor den Schluss, dass „in der Praxis erzielte Energieeinsparungen (und somit auch die Reduktion von CO₂-Ausstoß) durch Gebäudesanierungsmaßnahmen unter den im Rahmen von errechneten Einsparungen liegen“ [4, 5].

Basierend auf einem Feldversuch der Deutschen Energie-Agentur (dena), konnte Erhorn [6] zeigen, dass eine Diskrepanz von bis zu 300 % zwischen dem Energiebedarf und  Energieverbrauch liegt.

Kürzlich untersuchte Tronchin [7] drei verschiedene computerbasierte Methoden, um den Energieverbrauch von Einfamilienhäusern in Italien zu berechnen und zeigte dabei beständige Unterschiede zwischen den Vorhersagen und dem gemessenen Verbrauch auf. Er wies ebenfalls darauf hin, dass unterschiedliche Berechnungsmethoden (statisch und dynamisch) zu sehr verschiedenen Ergebnissen führen können.

Hens [8] machte die Ergebnisse einer „schrittweisen“ Sanierung eines 1957 erbauten Reihenendhauses in Belgien, welches seit 1978 messtechnisch erfasst wird, sichtbar. Für jede an dem Gebäude durchgeführte Sanierungsmaßnahme (darunter Wärmedämmung, Erneuerung der Fenster, Solarthermie) verglich der Verfasser den errechneten Energiebedarf mit dem gemessenen Energieverbrauch und kam zu folgenden Schlüssen:

Hens [9] verglich den gemessenen Energieverbrauch mit dem berechneten Energiebedarf von 964 Wohngebäuden, wobei er durchgehend eine Diskrepanz zwischen den Bedarfs- und den Verbrauchswerten fand.

2012 führten Sunnika-Blank und Galvin den Begriff des „Prebound-Effekts“ ein [10], um die Abweichung zwischen dem Verbrauch und dem Bedarf in unsanierten Gebäuden zu beschreiben: Ihnen fiel (unter Verwendung von Berechnungsverfahren, die zur Ausstellung von Energieausweisen verwendet werden) auf, dass im unsanierten Gebäudebestand in der Regel weniger Energie als berechnet verbraucht wird. Daher betonten sie, mit Blick auf Wissenschaft und Politik, dass bei der Effizienzbetrachtung von energetischen Sanierungsmaßnahmen der reale Verbrauch statt dem errechneten Bedarf als Referenzwert genutzt werden sollte. Dabei argumentierten sie, es sei nicht möglich Energie einzusparen, die im Vorhinein (vor der Sanierungsmaßnahme) nicht verbraucht wurde.

Menezes et al. [11] untersuchten die Diskrepanz zwischen Bedarf und Verbrauch für ein neues Bürogebäude nach einer von ihnen bezeichneten „zwölfmonatigen Inbetriebnahme Phase“ (sie nutzten das erste Jahr, um die Energieeffizienz des Gebäudes zu optimieren und grobe Fehler in der Anlagentechnik zu beheben). Sie kamen zum Schluss „es gäbe erhebliche Beweise, dass Gebäude nicht so gut wie vorhergesagt abschnitten.“

Dall’O et al. [12] verglichen den Energieverbrauch mit dem berechneten Energiebedarf (basierend auf dem Berechnungsverfahren zur Ausstellung von Energieausweisen in Italien) von 196 ähnlichen Wohnungen in zwei „neuen, hocheffizienten“ Wohngebäuden. Sie schlossen, dass die Verbrauchsdaten (auf Grund des Nutzerverhaltens) nicht homogen sind und beobachteten, dass der Gesamtverbrauch höher ist als berechnet.

Galvin [1] verglich einige Studien zum Rebound-Effekt im Gebäudesektor und folgerte, dass es keinen einheitlichen Ansatz unter Wissenschaftlern bei der Evaluierung der Energieeffizienz von Gebäuden und den Abweichungen zwischen Verbrauchsdaten und Erwartungen gebe. Er stellte ebenfalls fest, dass in einem Teil der von ihm analysierten Literatur „Rebound-Indexwerte“ mit sich unterscheidenden Ansätzen ermittelt und fälschlicherweise miteinander verglichen wurden. Weiterhin führte der Autor neue Indizes und Berechnungsverfahren ein, um die Abweichungen zwischen Bedarfs- und Verbrauchswerten zu untersuchen, und um die Stärke des Rebound-Effekts zu ermitteln.

Wilde [13] führte eine Übersicht relevanter Literatur zum Rebound-Effekt auf. Die von ihm durchgeführte Pilotstudie zeigte, dass „die Bedarfslücke sich mit den äußeren Rahmenbedingungen (beispielsweise der Außentemperatur) verändert.“

Weitere Studien bestätigen die Existenz einer Diskrepanz zwischen den Bedarfs- und Verbrauchswerten von Kühlsystemen [14, 15], Heizungssystemen und Warmwassersystemen im Haushalt [16–18].

Zusammenfassend kann festgestellt werden, dass frühere Studien die Abweichung zwischen dem Energiebedarf und dem gemessenen Energieverbrauch von sanierten Gebäuden bestätigen. Die Ursachen dieser Lücke sind einerseits die Anlagentechnik, welche nicht die erwarteten Effizienzsteigerungen bringt und andererseits das Bewohnerverhalten. Die Berücksichtigung des Nutzerverhaltens in Software zur Simulation von Gebäudeenergiebedarfswerten könnte zu geringeren Diskrepanzen zwischen Bedarf und Verbrauch und somit zu realistischeren Prognosen kommen.

In dieser Ausarbeitung werden im Folgenden die im Rahmen eines Feldversuchs durchgeführten Sanierungsmaßnahmen an drei Bestandswohngebäuden beschrieben. Die Gebäude wurden mit unterschiedlichen Konzepten saniert. Über das installierte Monitoring wurden seit 2011 Daten mit hoher zeitlicher Auflösung erhoben. Im nächsten Abschnitt werden die Methoden zur Evaluierung der Gebäude aufgeführt. Die Beschreibung der Gebäude und des Monitoringsystems finden sich im 2. Teil des Beitrags. Dort werden zudem die Ergebnisse der Untersuchung erläutert und kommentiert, sowie abschließend die Ursachen der Abweichung zwischen Verbrauch und Erwartungen analysiert und diskutiert.

Evaluationsmethoden

Die Energiebedarfswerte der Wohngebäude werden nach der Energieeinsparverordnung 2009 [19] unter Verwendung des Monatsbilanzverfahrens [20,21] berchnet.

Die monatliche Bilanzierung nach DIN V 4108-6 erlaubt die Berechnung des Heizenergie- und Primärenergiebedarfs unter Berücksichtigung von deutschen Standardwetterdaten (Wetterdaten von Potsdam nach EnEV). Die für die Berechnung zur Verfügung stehenden Wetterdaten umfassen die durchschnittliche monatliche Außenlufttemperatur, sowie die Intensität der gemittelten monatlichen direkten solaren Einstrahlung auf Oberflächen, orientiert nach den vier Himmelsrichtungen und unterschiedlichen Neigungswinkeln.

Der Heizwärmebedarf q_h ist die Energiemenge, die benötigt wird, um das beheizte Gebäudevolumen konstant auf einer Temperatur von 19 °C zu halten. Der Heizwärmebedarf berücksichtigt nicht die Verteil- und Übergabewärmeverluste. Aufgrund dieser Definition ist q_h ein geeigneter Indikator für die energetische Evaluierung der Gebäudehülle und des Gebäudelüftungssystems unter Berücksichtigung der klimatischen Randbedingungen.

Die Berechnung des Primärenergiebedarfs q_P basiert auf dem Heizenergie- und dem Trinkwarmwasserenergiebedarf unter Berücksichtigung der Anlagentechnik. Dies bezieht alle im Lüftungs-, Heizungs- und Trinkwarmwassersystem entstehenden Verluste, bis hin zu den bei der Gewinnung der Energieträger (Verluste bei: Übergabe, Verteilung, Speicherung, Umwandlung, Extraktion) anfallenden Verlusten mit ein.

Alle im Rahmen dieser Arbeit genannten Energiekennwerte beziehen sich auf die Nutzfläche der Gebäude nach EnEV. Die Nutzfläche ergibt sich bei üblichen durchschnittlichen Geschosshöhen durch Multiplikation des beheizten Gebäudevolumens mit dem Faktor 0,32 m^-1. Dies ermöglicht den Vergleich von Energiekennwerten von Gebäuden mit unterschiedlich großen beheizten Volumina/Flächen.

Die Energiebedarfswerte werden mit den gemessenen Energieverbräuchen verglichen, um den Erfolg jeder umgesetzten Sanierungsmaßnahme zu überprüfen. Es ist jedoch nicht zulässig den gemessenen Verbrauch direkt mit dem berechneten Bedarf ins Verhältnis zu setzen. Der Bedarfswert wird unter Zuhilfenahme von Standardwetterdaten für Potsdam berechnet, welche sich von dem real vor Ort gemessenen Wetter unterscheiden. Standardmäßig werden die gemessenen Wetterdaten nun mit Hilfe sogenannter Korrekturfaktoren (siehe beispielsweise VDI 3807-1 [22]) korrigiert: dies bringt den Vorteil mit sich, dass Verbrauchswerte unterschiedlicher Gebäude in verschiedenen Klimaregionen vergleichbar gemacht werden können. Nichtsdestotrotz ist das Verfahren recht ungenau, da z. B. die solare Strahlung nicht mitberücksichtigt wird.

Die Berechnungsverfahren für die Heiz- und Primärenergiebedarfswerte wurden in einer eigenen Visual Basic Anwendung implementiert, die die Eingabe realer Wetterdaten (RW) ermöglicht. So kann jeder Verbrauchswert (gem) mit Bedarfswerten (erw) verglichen werden, die unter Berücksichtigung real gemessener Wetterdaten (Außentemperatur und Solarstrahlung gemessen durch eine vor Ort installierte Wetterstation) ermittelt werden.

Das Energy Performance Gap kann mit Gleichung (2) berechnet werden. Darin ist q_h,gem der gemessene Heizenergieverbrauch während eines bestimmten Jahres, q_h,erw,RW bezieht sich auf den Bedarf unter real gemessenen Wetterverhältnissen unter Berücksichtigung der Wärmerückgewinnung durch das Lüftungssystem, falls vorhanden.

            (q_h,gem – q_h,erw,RW)            

EPG = ⇥(2)

     q_h,erw,RW

 

Im Rahmen dieser Arbeit bezieht sich das EPG immer auf die Heizwärme (Heizwärmeverbrauch gemessen auf Wohnungsebene). Aus diesem Grund berücksichtigt das EPG nicht die Transport-, Speicherungs-, und Umwandlungsverluste der Heizenergie. Es berücksichtigt hingegen die Wärmerückgewinnung dort, wo die entsprechende Anlagentechnik installiert ist. Das EPG ist daher eine gute Kennzahl, um auf das Verhalten der Bewohner zu schließen, und Aussagen über die Wärmerückgewinnung der Lüftungsanlage ziehen zu können (auch wenn es nicht möglich ist, zwischen den beiden Effekten zu unterscheiden). Nach Definition kann das Energy Performance Gap sowohl für die Evaluation bestehender Gebäude wie auch für Neubauten herangezogen werden.

Der zu erwartende Primärenergieeinsparungsindex und der beobachtete Primärenergieeinsparungsindex werden jeweils in den Gleichungen (3) und (4) beschrieben. Dabei gilt:

Die Kennzahlen beziehen sich auf die Primärenergie, weshalb alle Energieströme, die zur Konditionierung des Gebäudes beitragen (von der Gewinnung der Primärenergieträger bis zu der Wärmeerzeugung, -speicherung und -verteilung), mitberücksichtigt werden. Der erwartete Primärenergieeinsparungsindex ist eine geeignete Kennziffer, um das Potential möglicher Sanierungsmaßnahmen für bestehende Gebäude zu untersuchen. Der gemessene Primärenergieeinsparungsindex ist kennzeichnend für den realen Effekt bestimmter Sanierungsmaßnahmen an bestehenden Gebäuden, nachdem die Sanierung durchgeführt worden ist. Wenn sich beide Kennzahlen in der gleichen Größenordnung bewegen, kann die Sanierungsmaßnahme als erfolgreich betrachtet werden.

      Q_P,erw,RW,neu

S_erw,RW= ­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­1 - (3)

        Q_P,Gem,alt

 

 

      Q_P,gem,neu

S_Gem = 1 -   (4)

    Q_P,Gem,alt

                       

Der Anteil unerreichter Energieeinsparung (AUE, in [1] als Energieeinsparungsdefizit definiert) und der damit einhergehende Anteil der erreichten Energieeinsparung (AEE) werden in den Gleichungen (5) und (6) definiert. Ein Anteil erreichter Energieeinsparungen von 100 % bedeutet für eine bestimmte Sanierungsmaßnahme, dass diese vollständig die Erwartungen erfüllt.

 


 
            (Q_P,gem,alt – Q_P,erw,RW,neu) – (Q_P,gem,alt – Q_P,gem,neu)

 AUE = (5)

                               (Q_P,gem,alt – Q_P,erw,RW,neu)

 

AEE = 1 – AUE        (6)

Beschreibung der Versuchsgebäude und des Monitoringsystems

Drei Bestandswohngebäude in Süddeutschland wurden für die Durchführung des Feldversuchs ausgewählt. Die Gebäude wurden Ende der fünfziger Jahre des 20. Jh. erbaut (die Fassade eines dieser Gebäude ist in Bild 1a und b gezeigt).

Die drei Gebäude (im Folgenden auch Riegel genannt) stehen parallel nebeneinander und sind in ihrer Geometrie identisch. Jedes der Gebäude besitzt drei Eingänge, wovon jeder Eingang den Zugang zu zehn Wohnungen ermöglicht, die über fünf Etagen verteilt sind. Insgesamt handelt es sich demnach um 90 Wohnungen. Die Wohnungen besitzen alle den gleichen Grundriss (spiegelverkehrt zueinander, siehe Bild 1c und d), der eine Küche, ein Badezimmer, drei weitere Zimmer und den Flur umfasst. Im Rahmen dieses Artikels wird im Folgenden diese Nomenklatur verwendet: „R“ für Riegel und „E“ für Eingang, beispielsweise bezieht sich „R2.E1“ somit auf zehn Wohnungen, die sich in Riegel 2 und Eingang 1 befinden. Die Riegel sind 52 m breit und 10 m lang.

Bereits vor der Sanierung waren die Nordgiebel mit einer 4 cm starke Dämmung versehen, die Fenster waren doppelverglast. Das Dach, die Kellerdecke und die restlichen Fassade waren nicht gedämmt. Die Wohnungen wurden ursprünglich mit Kachelöfen beheizt, welche dann später durch Gasöfen ersetzt wurden, die jeweils in den Wohnzimmern installiert waren. Trinkwarmwasser (TWW) wurde über Gas-Durchlauferhitzer in jeder Wohnung bereitgestellt.

a) Die Sanierung der Gebäude

Die Gebäude wurden in dem Zeitraum zwischen 2008 und 2010 saniert: die jeweiligen Sanierungskonzepte wurden gemeinsam mit dem kommunalen Wohnungsunternehmen entwickelt. Verschiedenartige anlagentechnische Komponenten und verschiedene Dämmmaterialien wurden ausgewählt und kombiniert, um sieben unterschiedliche Sanierungskonzepte zu ermöglichen – eines für Riegel 1 (Standardsanierung) und jeweils eines für jeden Eingang der Riegel 2 und 3. Die verschiedenen Sanierungskonzepte werden anschließend verglichen, woraus Rückschlüsse zur Optimierung von Sanierungskonzepten gewonnen werden können. Riegel 1 und 2 sind an das städtische Fernwärmenetz angeschlossen, während R3 durch verschiedene Wärmepumpentypen (WP) beheizt wird. Abhängig vom Eingang werden Radiatoren (Rad), Deckenheizung (DH), Fußbodenheizung (FH) oder Luftheizungen (LH) eingebaut. Für die Bereitstellung von Trinkwarmwasser (TWW) wurden entweder Standardmodule oder Niedertemperaturanwendungen verwendet. Für die dezentrale Lösung wird TWW (wohnungsweise) von sogenannten Niedertemperatur-Frischwasserstationen (FWS) verwendet. Die Frischwasserstationen stellen Trinkwarmwasser nach Bedarf bereit, wobei Wasser aus dem Heizungskreislauf als Wärmequelle dient. Da das Trinkwarmwasser nicht gespeichert wird, kann die Systemtemperatur ohne Legionellengefahr gesenkt werden. Die sieben Sanierungskonzepte werden in Tabelle 1 schematisch beschrieben. Weiterführende Informationen zu den Gebäuden und den Sanierungskonzepten können in [23 – 27] nachgelesen werden.

b) Das Monitoringsystem

Um den Energieverbrauch der sanierten Gebäude zu messen, wurde von der Hochschule Karlsruhe ein umfassendes und zeitlich hochauflösendes Monitoringsystem entwickelt und installiert. Das Monitoringsystem sammelt Daten zu den Wärmeströmen im Erzeugungs-, Speicherungs- und Verteilungssystem des Heizwasserkreislaufs (HW) sowie des Trinkwarmwassersystems. In Riegel 2 und 3 werden in jedem Raum der 60 Wohnungen die Temperatur, die relative Luftfeuchtigkeit, die CO₂-Konzentration, die Konzentration flüchtiger organischer Komponenten (VOC), die Beleuchtungsstärke an der Decke (Lux), das Verhältnis von Infrarot zu sichtbarem Licht (um die Art der Lichtquelle bestimmen zu können), die Fensterposition (geöffnet/geschlossen) durch eine Raummesseinheit (RME) aufgezeichnet. Die Daten werden seit 2009 aufgezeichnet. Das Zeitintervall der Messungen beträgt 60 s, wobei die Messdaten in einer HDF5-Datei abgespeichert werden. Die Auswertung der Raumtemperaturmesswerte der RME und ein Vergleich mit anderer Sensorik zeigte, dass eine Korrektur der Messwert um -2,5 K nötig ist, um die Eigenerwärmung der Messelektronik zu kompensieren.

Im zweiten Teil des Beitrags wird die Untersuchung der durchgeführten Maßnahmen vorgestellt.

Literatur

[1]  R. Galvin, Making the ‘rebound effect’ more useful for performance evaluation of thermal retrofits of existing homes: Defining the ‘energy savings deficit’ and the ‘energy performance gap’, Energy and buildings 69 (2014) 515–524. [2]  W.S. Jevons, The Coal Question: An Enquiry Concerning the Progress of the Nation, and the Probable Exhaustion of Our Coal-mines, 1865. [3]  J. Polimeni, K. Mayumi, M. Giampietro, B. Alcott, Jevons’ paradox and the myth of Resource Efficiency Improvements (2007). [4]  R. Haas, H. Auer, P. Biermayr, The impact of consumer behavior on residential energy demand for space heating, Energy Policy (1998) 195–205. [5]  R. Haas, P. Biermayr, The rebound effect for space heating Empirical evidence from Austria, Energy Policy (2000) 403–410. [6]  H. Erhorn, Bedarf - Verbrauch: Ein Reizthema ohne Ende oder die Chance für sachliche Energieberatung?, available at http://www.buildup.eu/publications/1810 (accessed on May 16, 2015). [7]  L. Tronchin, K. Fabbri, Energy performance building evaluation in Mediterranean countries: Comparison between software simulations and operating rating simulation, Energy and buildings 40 (2008) 1176–1187. [8]  H. Hens, Energy efficient retrofit of an end of the row house: Confronting predictions with long-term measurements, Energy and buildings 42 (2010) 1939–1947. [9]  H. Hens, W. Parijs, M. Deurinck, Energy consumption for heating and rebound effects, Energy and buildings 42 (2010) 105–110. [10]  M. Sunikka-Blank, R. Galvin, Introducing the prebound effect: the gap between performance and actual energy consumption, Building Research & Information 40 (2012) 260–273. [11]  A.C. Menezes, A. Cripps, D. Bouchlaghem, R. Buswell, Predicted vs. actual energy performance of non-domestic buildings: Using post-occupancy evaluation data to reduce the performance gap, Applied Energy 97 (2012) 355–364. [12]  G. Dall’O’, L. Sarto, A. Galante, G. Pasetti, Comparison between predicted and actual energy performance for winter heating in high-performance residential buildings in the Lombardy region (Italy), Energy and buildings 47 (2012) 247–253. [13]  P. de Wilde, The gap between predicted and measured energy performance of buildings: A framework for investigation, Automation in Construction 41 (2014) 40–49. [14]  A. Al-Mumin, O. Khattab, G. Sridhar, Occupants’ behavior and activity patterns influencing the energy consumption in the Kuwaiti residences, Energy and buildings 35 (2003) 549–559. [15]  A.L. Pisello, C. Piselli, F. Cotana, Influence of human behavior on cool roof effect for summer cooling, Building and Environment (2014). [16]  O. Guerra Santin, L. Itard, H. Visscher, The effect of occupancy and building characteristics on energy use for space and water heating in Dutch residential stock, Energy and buildings 41 (2009) 1223–1232. [17]  Z. Yu, B.C. Fung, F. Haghighat, H. Yoshino, E. Morofsky, A systematic procedure to study the influence of occupant behavior on building energy consumption, Energy and buildings 43 (2011) 1409–1417. [18]  T. de Meester, A.-F. Marique, A. de Herde, S. Reiter, Impacts of occupant behaviours on residential heating consumption for detached houses in a temperate climate in the northern part of Europe, Energy and buildings 57 (2013) 313–323. [19]  Bundesrepublik-Deutschland, Verordnung über energiesparenden Wärmeschutz und energiesparende Anlagentechnik bei Gebäuden - Energy saving ordinance for buildings: EnEV, 2009. [20]  DIN Deutsches Institut für Normung e. V., DIN 4701_10: Energetische Bewertung heiz- und raumlufttechnischer Anlagen Teil 10: Heizung, Trinkwassererwärmung, Lüftung. [21]  DIN Deutsches Institut für Normung e. V., DIN-V 4108 6 Wärmeschutz und Energie-Einsparung Vornorm in Gebäuden. Teil 6: Berechnung des Jahresheizwärme- und des Jahresheizenergiebedarfs. Thermal protection and energy economy in buildings - Part 6: Calculation of annual heat and annual energy use. [22]  Verein Deutscher Ingenieure, VDI 3807 - part 1 - Characteristic values of energy and water consumption in buildings - Fundamentals., 2007. [23]  D. Calì, Occupants’ Behavior and its Impact upon the Energy Performance of Buildings. Dissertation, Aachen, Germany, 2016. [24]  D. Calì, T. Osterhage, D. Müller, Field study of different retrofit solutions for residential housing, 10th REHVA world congress ‚Sustainable Energy Use in Buildings‘, Clima 2010 (2010). [25]  J. Kimman, C. Ravesloot, R. Rovers, Towards 0-Impact Buildings and Built Environments (accessed on November 27, 2014). [26]  D. Calì, T. Osterhage, D. Müller, Retrofit Solutions for Residential Buildings, International Journal of Sustainable Building Technology and Urban Development 2 (2011) 131–136. [27]  D. Müller, T. Osterhage, D. Calì, Quartierskonzept Energieeffizientes Rintheim - wissenschaftliche Begleitung: Förderkennzeichen 0327400G. Abschlussbericht, 2012.