Cote ENERGY STAR pour les commerces de détail au Canada

---

Aperçu

La cote ENERGY STAR pour les commerces de détail s’applique aux bâtiments qui logent des commerces de détail et des clubs-entrepôts (grandes surfaces). L’objectif de la cote ENERGY STAR consiste à évaluer avec précision la consommation d’énergie d’une propriété, par rapport à des propriétés semblables, en tenant compte du climat et des activités commerciales de la propriété. On effectue l’analyse statistique d’un groupe de bâtiments semblables afin de définir et de normaliser les activités d’un bâtiment qui contribuent de façon importante à sa consommation d’énergie. Grâce à cette analyse, il est possible d’obtenir une équation permettant de prédire la consommation d’énergie d’une propriété en fonction de ses activités commerciales. Cette prédiction est ensuite comparée à la consommation d’énergie réelle du bâtiment pour obtenir le rang centile, sur une échelle de 1 à 100, de son rendement énergétique par rapport au parc immobilier national.

• Type de propriétés. La cote ENERGY STAR pour les commerces de détail s’applique à deux types de propriétés : les commerces de détail et les clubs-entrepôts (grandes surfaces). La cote ne s’applique qu’aux bâtiments individuels et n’est pas disponible pour les centres commerciaux linéaires ou fermés. Pour être admissible à une cote ENERGY STAR, le commerce de détail doit être situé dans un bâtiment individuel d’au moins 464,5 m² (5 000 pi²) et posséder une entrée extérieure pour le public.
• Données de référence. L’analyse pour les commerces de détail au Canada est fondée sur les données de l’Enquête sur l’utilisation commerciale et institutionnelle d’énergie (EUCIE) réalisée par Statistique Canada pour le compte de Ressources naturelles Canada (RNCan). Les données représentent la consommation énergétique de 2014.
• Ajustements pour les conditions météorologiques et les activités commerciales. L’analyse comprend des ajustements pour :
  • La densité de travailleurs (nombre de travailleurs par 100 m²) ;
  • Le pourcentage de la superficie du bâtiment qui est chauffé ;
  • Le climat (en utilisant les degrés-jours de chauffage obtenus en fonction du code postal) ;
  • Le nombre d’heures d’exploitation hebdomadaires ;
  • La longueur totale des réfrigérateurs et des congélateurs commerciaux ;
  • La taille du bâtiment (grand bâtiment ou non).
• Date de publication. Il s’agit de la première publication de la cote ENERGY STAR pour les commerces de détail au Canada.

Ce document présente des renseignements détaillés sur la conception de la cote ENERGY STAR de 1 à 100 pour les bâtiments logeant des commerces de détail. Il est possible d’obtenir de plus amples renseignements sur la méthodologie utilisée pour concevoir la cote ENERGY STAR en consultant le document de référence technique pour la cote ENERGY STAR (PDF, 686 KB).

Les prochaines sections du présent document fournissent des précisions sur la conception de la cote ENERGY STAR pour les commerces de détail.

• Aperçu
• Données de référence et filtres
• Variables analysées
• Résultats de l’équation de régression
• Tableau de référence de la cote Energy Star
• Exemple de Calcul

Données de référence et filtres

Les données de référence utilisées pour constituer le parc de bâtiments semblables reposent sur l’Enquête sur l’utilisation commerciale et institutionnelle d’énergie (EUCIE). Cette enquête a été réalisée par Statistique Canada pour le compte de Ressources naturelles Canada à la fin de 2015 et au début de 2016. Les données de consommation pour l’enquête proviennent de l’année civile 2014. Le fichier de données brutes recueillies pour cette enquête n’est pas accessible au public, mais un rapport fournissant un sommaire des résultats est accessible sur le site Web de Ressources naturelles Canada, à l’adresse Enquête sur l'utilisation commerciale et institutionnelle d'énergie (EUCIE) Bâtiments 2014 – Tableaux de données.

Dans le cadre de l’enquête, quatre types de filtres ont été appliqués en vue d’analyser l’énergie d’un bâtiment et ses caractéristiques d’exploitation. Ils visent à définir le groupe de bâtiments semblables aux fins de comparaison et à surmonter les limites techniques. Ces filtres sont : type de bâtiment, programme, restrictions des données et analytiques.

Une description complète de chacun de ces filtres est présentée dans notre document de référence technique pour la cote ENERGY STAR (PDF, 686 KB). La figure 1 présente un résumé de chaque filtre utilisé pour concevoir la cote ENERGY STAR pour les commerces de détail ainsi que le bien-fondé de chacun d’entre eux. Une fois tous les filtres appliqués, on a dénombré 117 cas dans l’ensemble des données restantes. En raison de la confidentialité des données de l’enquête, RNCan n’est pas en mesure de publier le nombre d’observations à l’application de chacun des filtres.

Parmi les filtres appliqués aux données de référence, certains font partie des contraintes à respecter pour calculer une cote dans Portfolio Manager, d’autres non. Les filtres de type de bâtiment et de programme sont utilisés pour limiter les données de référence afin d’inclure uniquement les propriétés qui sont admissibles à recevoir une cote dans Portfolio Manager. Ces filtres sont donc liés aux conditions d’admissibilité. En revanche, les filtres de restrictions des données tiennent compte des limites dans les données disponibles au cours de l’analyse, mais ne s’appliquent pas dans Portfolio Manager. Pour leur part, les filtres analytiques servent à éliminer les données aberrantes ou les différents sous-ensembles de données. Ces filtres peuvent avoir ou non des répercussions sur l’admissibilité. Dans certains cas, un sous-ensemble de données aura un comportement différent du reste des propriétés (p. ex., les commerces de détail de moins de 464,5 m² ne se comportent pas de la même façon que les grands bâtiments), et on utilise un filtre analytique pour en déterminer l’admissibilité dans Portfolio Manager. Dans d’autres cas, les filtres analytiques excluent un petit nombre de valeurs aberrantes comportant des valeurs extrêmes qui biaisent l’analyse, mais qui n’ont pas de répercussions sur les critères d’admissibilité. Pour obtenir une description complète des critères à respecter pour obtenir une cote dans Portfolio Manager, consultez le site Analyse comparative – Foire aux questions.

Une autre considération reliée aux filtres et aux critères d’admissibilité décrits ci-dessus consiste à savoir comment Portfolio Manager traite les propriétés qui sont situées dans un complexe. L’unité principale pour effectuer l’analyse comparative dans Portfolio Manager est la propriété. Ce terme peut désigner un bâtiment unique ou un complexe de bâtiments. L’applicabilité de la cote ENERGY STAR dépend du type de propriété. Dans le cas des commerces de détail, la cote ne s’applique qu’aux bâtiments individuels et n’est pas disponible pour les centres commerciaux linéaires ou fermés.

Les configurations de magasin admissibles comprennent : les magasins indépendants, les magasins situés dans des centres commerciaux linéaires ou à ciel ouvert (un ensemble de magasins attenants avec des zones communes non fermées) et les magasins piliers (magasins situés dans des centres commerciaux fermés ayant une entrée extérieure pour le public).

Les configurations de magasin qui ne sont pas admissibles à la cote ENERGY STAR comprennent : les centres commerciaux fermés, les magasins individuels sans entrée extérieure pour le public qui sont situés dans des centres commerciaux fermés, les centres commerciaux à ciel ouvert, les centres commerciaux linéaires et les magasins individuels situés dans des bâtiments non commerciaux (p. ex., une tour de bureaux ou un hôtel). Pour être admissible à une cote ENERGY STAR, le commerce de détail doit être situé dans un bâtiment individuel d’au moins 464,5 m² (5 000 pi²) et posséder une entrée extérieure pour le public.

Variables Analysées

Afin de normaliser en fonction des différences en matière d’activité commerciale, RNCan a procédé à une analyse statistique pour déterminer les aspects de l’activité d’un bâtiment qui sont statistiquement significatifs sur le plan de la consommation énergétique. L’ensemble des données de référence filtrées, décrit à la section précédente, a été analysé en utilisant une régression des moindres carrés pondérés qui évaluait la consommation d’énergie par rapport à l’activité commerciale (p. ex. le nombre de travailleurs, les heures d’exploitation hebdomadaires, la superficie et le climat). Cette régression linéaire a fourni une équation qui sert à calculer la consommation d’énergie (aussi appelée variable dépendante) en fonction d’une série de caractéristiques qui décrivent l’activité commerciale (aussi appelées variables indépendantes). Cette section décrit les variables utilisées dans l’analyse statistique pour les commerces de détail au Canada.

Variables dépendantes

La variable dépendante est l’élément que RNCan tente de prédire au moyen de l’équation de régression. Pour l’analyse des commerces de détail, la variable dépendante est la consommation d’énergie exprimée en intensité énergétique à la source (IE à la source). L’IE à la source correspond à la consommation d’énergie totale à la source pour la propriété, divisée par la superficie brute. L’équation de régression analyse les principaux éléments qui influent sur l’IE à la source – les facteurs qui expliquent la variation dans la consommation d’énergie à la source par mètre carré dans les commerces de détail. L’unité de mesure de l’IE à la source dans le modèle canadien est le gigajoule par mètre carré (GJ/m²) par année.

Variables indépendante

Les données de référence contenaient de nombreux éléments liés à l’exploitation de la propriété que RNCan a identifiés comme potentiellement importants pour les commerces de détail. En se fondant sur l’examen des variables disponibles dans les données de référence et selon les critères d’inclusion dans Portfolio Manager^{Note de bas de page 1}, RNCan a d’abord analysé les variables suivantes dans l’analyse de régression :

• Superficie brute du bâtiment (m²)
• Degrés-jours de refroidissement (DJR)
• Degrés-jours de chauffage (DJC)
• Pourcentage de la superficie refroidie
• Pourcentage de la superficie chauffée
• Nombre d’heures d’exploitation par semaine
• Nombre de travailleurs sur le quart de travail principal
• Longueur de tous les réfrigérateurs et congélateurs ouverts ou fermés
• Superficie des chambres de réfrigération
• Nombre de machines distributrices
• Nombre de mois d’exploitation en 2014
• Nombre d’appareils ménagers commerciaux
• Présence d’une cuisine commerciale
• Nombre d’ordinateurs
• Nombre de caisses enregistreuses
• Nombre de téléviseurs, de systèmes d’affichages électroniques, d’écrans ACL
• Année de construction

RNCan, avec les conseils de l’Environmental Protection Agency (EPA), a effectué un examen approfondi de l’ensemble de ces caractéristiques d’exploitation individuellement, puis en combinaison les unes avec les autres (p. ex., les degrés-jours de chauffage multipliés par le pourcentage de la superficie chauffée). Dans le cadre de l’analyse, certaines variables ont été reformulées afin de refléter les relations physiques des différents éléments du bâtiment. Par exemple, le nombre de travailleurs sur le quart principal peut être évalué sous forme de densité (nombre de travailleurs par 100 m²). Comparativement au nombre brut de travailleurs, la densité de travailleurs est plus étroitement liée à l’intensité de la consommation énergétique. En outre, en fonction des résultats d’analyse et des graphiques des résidus, les variables ont été évaluées en utilisant différentes transformations (comme le logarithme naturel, dont l’abréviation est Ln). Dans l’ensemble, l’analyse est constituée de plusieurs formulations de régression, structurées de façon à trouver la combinaison de caractéristiques d’exploitation statistiquement significatives qui expliquaient la plus grande part de la variance de la variable dépendante : l’IE à la source.

L’équation de régression finale comprend les variables suivantes :

• Nombre de travailleurs par 100 m² pendant le quart de travail principal (densité de travailleurs)
• Nombre de degrés-jours de chauffage multiplié par le pourcentage du bâtiment chauffé (pourcent. chauffé x DJC)
• Nombre d’heures d’exploitation par semaine (pour les grands bâtiments)
• Longueur des réfrigérateurs ou congélateurs commerciaux par 100 m² (pour les grands bâtiments)
• Taille supérieure à 750 m² (oui/non)

Ces variables sont utilisées ensemble pour calculer l’IE à la source prévue pour les commerces de détail. L’IE à la source prévue est l’IE à la source moyenne pour un groupe hypothétique de bâtiments qui partagent les mêmes valeurs pour chacune de ces caractéristiques. Il s’agit donc de l’énergie moyenne pour les bâtiments qui s’apparentent au vôtre.

Analyse de la densité de travailleurs

La densité de travailleurs est une variable essentielle du modèle pour les commerces de détail, car elle représente le mieux le volume d’affaires de l’entreprise. Alors que la densité de caisses enregistreuses et celle d’ordinateurs peuvent représenter les activités de vente, il a été établi que la densité de travailleurs permettait de mieux prédire l’IE et expliquer la variance de ces variables.

Analyse du climat (DJC et DJR)

L’analyse a porté sur les degrés-jours de chauffage (DJC), les degrés-jours de refroidissement (DJR), le pourcentage du bâtiment qui est chauffé et le pourcentage du bâtiment qui est refroidi.

On a constaté une étroite corrélation positive entre l’IE du bâtiment et les degrés-jours de chauffage (DJC), ainsi qu’avec le pourcentage du bâtiment chauffé (pourcent. chauffé) La combinaison de ces deux paramètres (pourcent. chauffé x DJC) a créé une variable plus robuste tenant compte du climat et des variations quant au pourcentage du bâtiment chauffé.

L’analyse du climat comprenait également un examen de deux facteurs liés au refroidissement : le pourcentage du bâtiment qui est refroidi et les degrés-jours de refroidissement (DJR). Toutefois, aucune relation statistiquement significative n’a été établie entre l’IE et des variables ou une combinaison de variables concernant le pourcentage du bâtiment qui est refroidi ou les DJR.

Grand bâtiment (oui/non)

L’analyse de modèle a permis de constater que les petits commerces de détail ne se comportaient pas de manière aussi prévisible que les grands commerces de détail. L’IE des commerces dont la taille est supérieure à 750 m² était également influencée par le nombre d’heures d’exploitation hebdomadaires, ainsi que par la longueur des réfrigérateurs et des congélateurs. Par conséquent, l’IE des bâtiments dont la taille est supérieure ou égale à 750 m² doit être ajustée en fonction du nombre d’heures d’exploitation, de la longueur des réfrigérateurs et des congélateurs, et de la taille du bâtiment.

Vérification

RNCan a poursuivi la mise à l’essai de l’équation de régression en utilisant de véritables données présentes dans Portfolio Manager. En plus des données de l’enquête EUCIE, cette analyse a permis d’obtenir un autre ensemble de bâtiments pour lequel RNCan a pu examiner les cotes ENERGY STAR et les distributions afin d’évaluer les répercussions et les ajustements. Elle a également permis de confirmer que l’équation de régression finale avait donné des résultats fiables et objectifs pour les caractéristiques d’exploitation de base, telles que la densité de travailleurs ou le pourcentage du bâtiment chauffé, et qu’il n’y avait aucun parti pris régional ni aucune partialité à l’égard du type d’énergie choisi pour chauffer les bâtiments.

Il est important de rappeler que l’équation de régression finale repose sur les données de référence représentatives à l’échelle nationale de l’EUCIE 2014, et non sur les données qui se trouvent déjà dans Portfolio Manager.

Résultats de l’équation de régression

La régression finale est une régression des moindres carrés pondérés sur l’ensemble de données filtrées des 117 observations. La variable dépendante est l’IE à la source. Chaque variable indépendante est centrée par rapport à la valeur moyenne pondérée, présentée à la figure 2. L’équation finale est présentée à la figure 3. Toutes les variables dans l’équation de régression sont considérées comme étant significatives au degré de confiance de 90 % ou plus, comme le témoigne leur niveau de signification respectif.

L’équation de régression a une valeur de coefficient de détermination (R²) de 0,314, ce qui indique que cette équation explique 31,4 % de la variance dans l’IE à la source pour les commerces de détail. Puisque l’équation finale est structurée de façon telle que l’énergie par unité de superficie constitue la variable dépendante, le pouvoir explicatif de la superficie n’est pas inclus dans la valeur R², et par conséquent, cette valeur paraît artificiellement basse. En recalculant la valeur R² dans les unités d’énergie à la source^{Note de bas de page 2}, on observe que l’équation explique en fait 97,5 % de la variation de l’énergie à la source totale des commerces de détail. Il s’agit d’un excellent résultat pour un modèle d’énergie fondé sur des statistiques.

Pour obtenir une description complète de la méthode de régression des moindres carrés pondérés, veuillez consulter le document de référence technique pour la cote ENERGY STAR (PDF, 686 KB).

Figure 3 –Résultats de l’équation de régression finale

Tableau de référence de la cote Energy star

L’équation de régression finale (présentée à la figure 3) prédit l’IE à la source en fonction des caractéristiques d’exploitation d’un bâtiment. Certains bâtiments inclus dans les données de référence de l’EUCIE consomment plus d’énergie que la quantité prévue dans l’équation de régression, tandis que d’autres en consomment moins. Pour calculer le rapport d’efficacité énergétique de chaque cas observé, on divise l’IE à la source réelle par l’IE à la source prévue.

Un rapport d’efficacité inférieur à un (1) signifie que le bâtiment consomme moins d’énergie que prévu et qu’il est donc plus efficace. S’il affiche un rapport d’efficacité plus élevé, c’est la règle contraire qui s’applique.

Les rapports d’efficacité sont triés par ordre croissant, et le pourcentage cumulatif du groupe pour chaque rapport est calculé en utilisant la pondération pour chaque observation de l’ensemble de données de référence. La figure 4 présente un graphique de cette distribution cumulative. Une courbe lisse (orange) est ajustée à ces données à l’aide d’une distribution gamma à deux paramètres. On procède à cet ajustement pour minimiser la somme des carrés des différences entre le rang en pourcentage réel de chaque bâtiment du groupe et le rang en pourcentage de chaque bâtiment en utilisant la solution gamma. L’ajustement final de la courbe gamma a produit un paramètre de forme (alpha) de 11,29 et un paramètre d’échelle (bêta) de 0,0864. La somme de l’erreur quadratique pour cet ajustement est de 0,485.

La courbe gamma finale et les paramètres d’échelle sont utilisés pour calculer le rapport d’efficacité à chaque rang centile (de 1 à 100) le long de la courbe. Par exemple, le rapport sur la courbe gamma à une valeur de 1 % correspond à une cote de 99, ce qui signifie que seulement 1 % des bâtiments du groupe ont un rapport égal ou inférieur. Le rapport sur la courbe ajustée à une valeur de 25 % correspond au rapport pour une cote de 75, ce qui indique que seulement 25 % des bâtiments ont un rapport égal ou inférieur. La figure 5 présente le tableau de référence de la cote complète.

Figure 5 – Tableau de référence de la cote ENERGY STAR pour les commerces de détail

Exemple de calcul

Selon le document de référence technique pour la cote ENERGY STAR (PDF, 686 KB), le calcul de la cote comporte cinq étapes. Voici un exemple :

1 L’utilisateur inscrit les données relatives au bâtiment dans Portfolio Manager

• Douze mois de données de consommation énergétique pour tous les types d’énergie (valeurs annuelles, fournies sous forme d’entrées de compteurs mensuels)
• Renseignements physiques sur le bâtiment (taille, emplacement, etc.) et détails concernant l’utilisation et l’activité du bâtiment (heures d’exploitation, etc.)

2 Portfolio Manager calcule l’IE à la source réelle

• La consommation totale de chaque type de combustible à partir des unités de facturation est convertie en énergie du site et en énergie à la source.
• Les valeurs d’énergie à la source sont additionnées pour tous les types de combustibles.
• L’énergie à la source est divisée par la superficie de plancher brute afin de déterminer l’IE à la source réelle.

Calcul de l’IE à la source réelle

3 Portfolio Manager calcule l’IE à la source prévue

• En utilisant les Détails d’utilisation de la propriété fournis à l’étape 1, Portfolio Manager calcule la valeur de chaque variable du bâtiment dans l’équation de régression (déterminant la densité, au besoin).
• Les valeurs de centrage sont soustraites pour calculer la variable centrée pour chaque paramètre d’exploitation.
• Les variables centrées sont multipliées par les coefficients de l’équation de régression pour les commerces de detail afin d’obtenir l’IE à la source prévue.

4 Portfolio Manager calcule le rapport d’efficacité énergétique

• Le rapport est égal à l’IE à la source réelle (étape 2) divisée par l’IE à la source prévue (étape 3).
• Rapport = 1,279/1,679 = 0,7618

5 Portfolio Manager utilise le rapport d’efficacité énergétique pour attribuer une cote par l’entremise du tableau de référence

• Le rapport obtenu à l’étape 4 permet de trouver la cote dans le tableau de référence.
• Un rapport de 0,7618 est supérieur à 0,7616, mais inférieur à 0,7697.
• La cote ENERGY STAR est 70.