Metode- og datagrunnlag for kommunale og regionale energi- og klimaplaner

Transkript

1 Forfatter(e): Ole Jørgen Hanssen og Anne Rønning Rapportnr.: OR ISBN: ISBN: Metode- og datagrunnlag for kommunale og regionale energi- og klimaplaner Rapport fra kvalifiseringsprosjekt for Oslofjordfondet

2

3 Rapportnr.: OR ISBN nr.: Rapporttype: ISBN nr.: Oppdragsrapport ISSN nr.: Rapporttittel: Metode- og datagrunnlag for kommunale og regionale energi- og klimaplaner Forfattere: Ole Jørgen Hanssen og Anne Rønning Prosjektnummer: 1544 Prosjekttittel: Forprosjekt Lokale og Regionale Energi og Klimaplaner Oppdragsgivere: Østfold Fylkeskommune Oppdragsgivers referanse: Joakim Sveli Emneord: Tilgjengelighet: Antall sider inkl. bilag: Energi- og klimaplaner Kommuner og fylkeskommuner Metode- og datagrunnlag GIS-verktøy Åpen 39 Godkjent: Dato: Ole Jørgen Hanssen Prosjektleder (Sign) Andreas Brekke Forskningsleder (Sign) Østfoldforskning

4

5 Innholdsfortegnelse Sammendrag Innledning Metodikk og informasjonsgrunnlag for forstudiet Litteraturstudie Studie av et utvalg kommunale og regionale energi- og klimaplaner Involvering i prosjektarbeid i Moss og Fredrikstad kommuner, samt i Klimanett Østfold Litteraturstudie vedrørende publiserte artikler Det metodiske grunnlaget for lokale klima- og energiplaner Scopet for klima- og energiplaner Datagrunnlaget for kommunale- og regionale energi- og klimaregnskap Dagens praksis med bruk av data i kommunale energi- og klimaplaner? Lokale Energiutredninger (LEU) Gjennomgang av kommunale og fylkeskommunale klima- og energiplaner i regionen Lokalt ressursgrunnlag i planene Status og utvikling for energibruk lokalt og regionalt Klimagassutslipp lokalt og regionalt Forskningsutfordringer og muligheter fremover innspill til mulig hovedprosjekt Forbedring av modell og datagrunnlag - Interessante områder for utprøving av ny metodisk tilnærming Kobling mellom GIS og andre datakilder bedre lokal forankring av data Bioenergi og avfall tilgang på lokale fornybare energiressurser Bygg og energibruk Samferdsel Diskusjon og konklusjon Referanser Østfoldforskning

6

7 Sammendrag Hovedresultatet fra kvalifiseringsprosjektet er en dokumentasjon på behovet for nytt metode- og datagrunnlag for kommunale og regionale energi- og klimaplaner, for å sikre bedre lokal forankring og større styringseffektivitet i arbeidet. Det er trolig et stort potensial for å utvikle verktøy og datagrunnlag gjennom å kombinere stedfestet informasjon fra allmenne databaser med miljø- og ressursdata gjennom GIS-verktøy. Dette kan føre til en betydelig ressurseffektivisering og kvalitetsheving i lokalt energi- og klimaarbeid, basert på forskningsbasert innovasjon innenfor offentlig og privat sektor. Det kan også gi økt prioritering av tiltak for energiomlegging og energieffektivisering ut fra lokale og regionale forutsetninger. Kvalifiseringsprosjektet har resultert i søknad om hovedprosjekt med forankring hos offentlige brukere, private bedrifter og FoU-miljøer i Østfold/Oslofjordområdet. Denne rapporten er resultat av et kvalifiseringsprosjekt for Oslofjordfondet som er gjennomført i samarbeid mellom Energiforum Østfold, Østfold, Vestfold og Akershus Fylkeskommuner og Østfoldforskning. Formålet med prosjektet har vært å synliggjøre eventuelt forskningsutfordringer knyttet til metode- og datagrunnlaget for lokale og regionale energi- og klimaplaner, og legge premissene for et eventuelt hovedprosjekt på området. Prosjektet har vært knyttet tett opp mot energi- og klimaarbeidet i Fredrikstad Kommune og Moss Kommune og Klima Østfold, som er et nettverk mellom alle kommunene og fylkeskommunen i Østfold. Det har blitt gjennomført en grundig litteraturstudie på området, og i tillegg har 15 kommunale og fylkeskommunale energi- og klimaplaner blitt gjennomgått for å vurdere hva slags datagrunnlag og metodikk som er blitt benyttet. Grunnlaget for de kommunale og fylkeskommunale energi- og klimaplanene har vært en såkalt Scope 1 tilnærming til klimaregnskap, der kommunene og fylkeskommunene skulle lage lokale/regionale klimaregnskap basert på et nasjonalt datagrunnlag. Forprosjektet har vist at alle kommunene og fylkeskommunene har basert sine energi- og klimaplaner på statistikk fra Statistisk Sentralbyrå (SSB), og i de fleste tilfeller på en måte som er i strid med det metodiske fundamentet for statistikken. Dette førte til at SSB selv valgte å trekke tilbake statistikken for energi- og klima på kommunenivå fra og med 2010, noe som har ført til et metodemessig vakuum for energi- og klimaplanene. Forprosjektet viste at mange kommuner også bruker data fra Lokale Energiutredninger (LEU) som nettselskapene er forpliktet til å utarbeide hvert annet år for sine konsesjonsområder. Disse inneholder mer spesifikk informasjon om elektrisitetsforbruket i ulike sektorer i kommunen og regionen, men gir per i dag ikke informasjon om opprinnelsen til elektrisiteten og hvilke primære energiressurser som er benyttet. LEU-dataene er også i stor grad basert på SSB-data for forbruket av andre energibærere, som bioenergi, gass og fyringsolje. Energi- og klimaplanene i kommunene blir derfor lite egnet for effektiv styring på kommunalt- og fylkeskommunalt nivå, fordi det er lite sammenheng mellom lokale forutsetninger og muligheter for tiltak og datagrunnlaget som planene er basert på. De fleste kommunale planene har i liten grad vurdert spesifikt hvordan man kan gjennomføre energiomlegging til mer klimaeffektiv energibærere eller hvordan lokale energiressurser kan utnyttes. Metode- og datagrunnlaget gir heller ikke rom for å måle effekter av tiltak og skape grunnlag for mer effektiv utnyttelse av lokale ressurser. De kommunale energi- og klimaplanene er i stor grad beskrivende, og har i liten eller ingen grad benyttet mer analytiske modeller som er utviklet og testet i blant annet Sverige, Danmark og Japan. Prosjektet har vist at det er behov for en annen metodemessig tilnærming til energi- og klimaarbeidet lokalt og regionalt enn det som ble foreskrevet i Planforskriften fra Miljøverndepartementet, og at dette Østfoldforskning 1

8 bør være basert på en Scope 2 eller 3 tilnærming for klimaregnskap. Grunnlaget må være lokale data og kunnskap om lokale forutsetninger, som kan danne basis for lokale/regionale tiltak. Prosjektet peker på mulighetene som finnes for å kombinere datagrunnlag som finnes i kartfestet informasjon som kan systematiseres, tilgjengeliggjøres og visualiseres gjennom verktøy utviklet i Geografiske Informasjonssystemer (GIS). Kombinert med tilgjengelige databaser over energibruk og klimagassutslipp for ulike typer prosesser, aktiviteter og produkter, kan GIS-verktøy trolig gi et langt bedre data- og kunnskapsgrunnlag for det lokale og regionale planarbeidet. Rapporten gir eksempler på hvordan dette har blitt benyttet for å analysere tilgang på og effektiv utnyttelse av biogass fra matavfall og gjødsel, og peker også på potensialet for tilsvarende utnyttelse innenfor bioenergiressurser fra skog og jordbruk, energibruk i bygg og energiomlegging i samferdselssektoren. Basert på prosjektet er det utarbeidet forslag til hovedprosjekt der det foreslås å bygge videre på koblingene mellom lokale datakilder, databaser over miljø- og ressursforhold og kombinere dette med analyseverktøy for miljø- og ressurseffektivitet (LCA-analyser) og GIS-verktøy. Hovedprosjektet er basert på et sett av hovedpartnere blant kommuner og fylkeskommunen i Østfold, private virksomheter blant NHOs medlemmer, energiselskaper og leverandør av GIS-verktøy og miljøkompetanse rettet mot kommunesektoren. Forskningspartnere er Østfoldforskning, UMB INA og NCE Halden, som utfyller hverandre faglig og som har meget gode forutsetninger for å utvikle løsninger som kan komme hele kommunesektoren og andre aktører regionalt og lokalt til gode. Det er en intensjon å forankre prosjektet i flere fylker rundt Oslofjorden, og trekke med flere nasjonale aktører som KLIF, SSB, Nettpartner i en faglig referansegruppe. Østfoldforskning 2

9 1 Innledning I samarbeid mellom Østfold Fylkeskommune, Energiforum Østfold og Østfoldforskning ble det sendt inn søknad til Oslofjordfondet om kvalifiseringsstøtte til et prosjekt knyttet til regionale og kommunale energiog klimaplaner. Prosjektet ble godkjent i juni 2011, og det har vært arbeidet med gjennomføring av prosjektet frem til desember Bakgrunnen var et antatt behov for bedre og mer relevante data om klima- og energiforhold i kommuner og regioner, som et alternativ eller supplement til den nasjonalt tilrettelagte statistikken som har vært benyttet i mange planprosesser. Etter at prosjektet startet opp gikk Vestfold og Akershus Fylkeskommuner inn som partnere i forprosjektet. Fredrikstad og Moss kommuner har også vært aktive partnere i arbeidet med forprosjektet, sammen med Geodata AS. Internasjonalt har det vært etablert kontakt med INTERREG-projektet PRINCIP som er et samarbeidsprosjekt mellom Nord- Jylland og Västra Götaland, Aalborg, Fredrikshavn og Göteborg kommuner, samt Aalborg Universitet og IVL i Göteborg. Det ble bla gjennomført en felles forskerworkshop på Inspiria-senteret i Sarpsborg den , med deltagelse fra de to prosjektene. Forprosjektet har primært hatt fokus på det metodiske grunnlag og datagrunnlaget for de energi- og klimaplaner som er blitt utarbeidet i norske kommuner og fylkeskommuner de siste årene. I følge oversikten fra Enova har nå totalt 411 kommuner utarbeidet slike planer( ). Forskningsformålene som lå til grunn for søknaden om kvalifiseringsstøtte var å få: Klarlagt kunnskapsstatus på metodikk og datagrunnlag for energi- og klimaplaner Definert behovet for modell- og analysegrunnlag som del av fylkesplanarbeidet i Østfold/Vestfold, og Akershus Fastlagt databehov for og modellgrunnlag for analyseverktøy for energi- og klimaplanlegging i en kommune eller region. Lagt grunnlag for et større forskningsprosjekt med etablering av et konsortium av brukere og forskningsmiljøer og utvikling av konkrete planer/budsjett for prosjektet. Denne rapporten oppsummerer hovederfaringene fra prosjektet og beskriver hvilke forskningsutfordringer som gjelder for eventuell videre forskning på området. Østfoldforskning 3

10 2 Metodikk og informasjonsgrunnlag for forstudiet 2.1 Litteraturstudie Som en viktig del av prosjektet er det gjennomført litteraturstudier i to omganger. Tre UMB-studenter var sommeren 2011 engasjert i to uker med å lage en gjennomgang av vitenskapelige artikler innenfor området, der hovedkilden var artikler fra tidsskriftdatabasen Science Direct, som erfaringsmessig inneholder mye relevant stoff. Dette resulterte i en rapport fra sommerpraksisen som er kort gjengitt i kap. 3 i rapporten (se Arnøy et al. 2011). Dernest ble det gjennomført en oppfølgende litteraturgjennomgang vinteren 2012 med større fokus på faglige rapporter fra norske og utenlandske kilder, i forbindelse med fremskaffing av gode eksempler på energi- og klimaplaner fra kommuner i Oslofjordregionen. Dette involverte både en gjennomgang av fagrapporter så vel som rapporter fra myndigheter som viser det formelle grunnlaget for energi- og klimaplaner i kommunene. 2.2 Studie av et utvalg kommunale og regionale energi- og klimaplaner Som ledd i arbeidet ble det gjennomgått et antall klima- og energiplaner fra Østfold, Vestfold og Akershus, for å få et bilde av hvordan disse var gjennomført og hva slags datagrunnlag som lå til grunn for planene. Til sammen ble 12 kommunale og 3 fylkeskommunale planer gjennomgått i forprosjektet. 2.3 Involvering i prosjektarbeid i Moss og Fredrikstad kommuner, samt i Klimanett Østfold Som ledd i forprosjektarbeidet ble det tatt kontakt med Fredrikstad og Moss kommuner for å få anledning til å følge prosessen med revidering og konkretisering av handlingsplaner for energi og klima. Det har vært gjennomført flere møter som ledd i dette arbeidet, både med energi- og klimarådgiverne, men også med andre etater som landbruksetat, teknisk drift, samferdsel, avfallsselskap og GIS-avdeling. Gjennom aktiv deltagelse i prosjektmøter knyttet til kommunenes klima- og energiarbeid er det identifisert behov for modeller og metoder, datagrunnlag og verktøy som kan bidra til å øke nytteverdien og relevansen i de kommunale og regionale energi- og klimaplanene. Det er også gjennomført flere møter med Geodata AS for å diskutere potensialet for bruk av GIS-verktøy i energi- og klimaplanlegging. Østfoldforskning 4

11 3 Litteraturstudie vedrørende publiserte artikler Sammendraget under er hentet fra en litteraturgjennomgang som ble utført i 2011 som et sommerprosjekt med studenter fra UMB (Arnøy et al. 2011). Litteraturstudien er basert på oversikt fra vitenskapelige tidsskrifter som går konkret inn på problemstillingen med kommunale og regionale energi- og klimaplaner. Det ble identifisert et begrenset antall artikler på feltet fra de senere år, som dels var basert på erfaringer fra Sverige og Danmark, og dels fra India og Japan. I tillegg er relevante rapporter som diskuterer norske erfaringer på området gjennomgått. Disse er nærmere beskrevet i det følgende, som et bearbeidet utdrag fra rapporten. Ivner et al. (2010) og Björklund (2011) har beskrevet en modell for lokal energiplanlegging og denne brukes i et fullskala eksperiment i en svensk kommune. Modellen inkluderer en kombinasjon av analytiske verktøy og prosedyreverktøy, med hensikt å støtte rasjonell politikkutforming: eksterne scenario, et innbyggerpanel, livsløpsvurdering (LCA) og kvalitativ miljøvurdering. Erfaringer med modellen indikerer at bruk av forskjellige verktøy kan gi nye og verdifulle bidrag til lokal energiplanlegging. Lokal kunnskap og verdier kan fanges opp gjennom helhetlige miljøvurderinger og dialog med innbyggere. Det pekes likevel på flere utfordringer i bruken av disse verktøyene, for eksempel at det er vanskelig å få innbyggere og industri til å delta og at det er komplisert å kombinerer flere forskjellige verktøy for politikkutforming i en enkel prosess. Modellen for lokal energiplanlegging har et stort potensial, men bør forbedres før den kan brukes som en standard for god utforming. Harvold og Risan (2010) gjennomgår kommunenes arbeid med å lage klima- og energiplaner i Norge. Det foretas en kvantitativ gjennomgang over hvor mange kommuner som har utarbeidet plan og en kvalitativ analyse av et lite utvalg klima- og energiplaner. Når det gjelder den kvalitative undersøkelsen viser denne at det er et til dels stort sprik mellom angitte mål (ambisiøse mål) og virkemidler. Klima- og energiplanene presenterer en rekke virkemidler som verken synes å være effektive eller tilstrekkelige for å nå de angitte målene. Kommunene forsøker å formulere en klimapolitikk i et helt konfliktløst rom. Klima- og energiplanene må tørre å vise fram konfliktområdene slik at de kan presentere handlingsalternativer, og ikke bare være en from erklæring av gode intensjoner. En viktig grunn til dette problemet er at klima- og energiplanene ikke trekker inn relevant kunnskap om hvordan man kan iverksette tiltak. Det å involvere et nettverk av norsk klimaforskning for å levere kunnskap til kommunale klima- og energiplaner kunne være et viktig bidrag til å gjøre disse klima- og energiplanene effektive i henhold til klimautfordringen. I den grad et lokalsamfunn i det hele tatt vil gjøre en innsats for klimaet, så kan ulik kunnskap i klimaforskningens front være med på å tydeliggjøre faktiske alternativer, og derved muliggjøre lokal politikk. Local energy planning for Japanese municipalities er et udatert notat basert på en masteroppgave fra et japansk universitet (Motoki & Kasaka udatert). Promotering av forbybar energi og rasjonell energibruk på et lokalt nivå er en av de viktigste samfunnsdebattene i Japan og det jobbes for å forbedre energiplanlegging og skifte planleggings myndighet fra dagens sentrale utforming til en mer lokal utforming. Denne studien presenterer lokal energiplanlegging ved å bruke MARKAL-modellen (MARked ALlocation) og evaluerer energietterspørsels- og tilbudssystemet for 2030 i stor-tokyo, Hachinohe by og Kuzumaki by. Med fokus på størrelsen på det fornybare energisystemet diskuteres et business as usual - scenario og et CO2-reduksjonscenario. Optimeringen av modellen skjer med tanke på framtidig økonomisk vekst, energiintensitet, energikostnad og integrering av nye og forbedrede energiteknologier. Det indikeres at implementering av fornybar energi på lokalt nivå bidrar til CO2-reduksjon, men uten Østfoldforskning 5

12 insentiver vil ikke kapasiteten være stor nok til å møte framtidig energietterspørsel. Det konkluderes med at et bærekraftig lokalt energisystem burde realiseres gjennom et samarbeid mellom lokale styringsorganer og nasjonale myndigheter. En dansk studie har sett på regionale energiplaner gjort av foregangskommuner innen klima og miljø (Sperling et al. 2011). Resultatet av studiet viste at bare to av elleve energiplaner hadde en tilfredsstillende detaljeringsgrad. Mangelen på konkrete forslag til gjennomføring av strategiene i energiplanene, gjorde det vanskelig å vurdere gjennomføringsgraden av tiltakene. Manglene i de regionale energiplanene kan forklares med for svake nasjonale retningslinjer for utformingen av regionale energiplaner, et ufullstendig institusjonelt rammeverk for enkelte teknologier og andre energitiltak, og til slutt en mangel på ekspertise på området i kommunene. Undersøkelsen viste også at de fleste kommunene hadde en god dekning av de fokusområdene det allerede eksisterte et godt institusjonelt rammeverk for, dette gjaldt særlig for planlegging av vindmølleparker og fjernvarme. Enkelte artikler tar for seg hvilke aktører som bør være involvert i planleggingsprosessen. Det påpekes at planleggingsmyndighet bør desentraliseres, og at planleggingsprosessen bør legge til rette for lokal medvirkning. (Ivner et al. 2010; Björklund 2011). Et spekter av interessenter bør inkluderes i planprosessen: lokale brukere av systemet, interessegrupper og industri, eksperter og lokale myndigheter. Dette understrekes av en metodetilnærming utviklet av International Energy Agency (IEA) kalt Advanced Local Energy Planning (ALEP). Det er også viktig at det blir utformet klare ansvarsområder mellom de ulike aktørene i plansystemet: stat, kommune, bedrifter og andre viktige aktører (Sperling et al 2011). Det finnes forøvrig en rekke modeller og analyseverktøy som er utviklet for å analysere energisystemer, og som i større eller mindre grad lar seg tilpasse lokale forhold: Optimeringsmodeller, multikriterieanalyser, systemanalysemodeller, simuleringsmodeller, scenarioanalyser, økonometriske modeller og makro og mikroøkonomiske modeller. Optimeringsmodeller tar sikte på å reduserer forbruk og kostnader ved å maksimere energieffektivitet eller minimere energikostnader. Dette gjøres innenfor de begrensningene som finnes i energisystemet (Ramachandra 2009). Hvis økonomisk kostnadseffektivitet er en overordnet målsetning vil det være hensiktsmessig å velge den billigste teknologien, mens hvis miljøeffektivitet er målet bør man velge den mest miljøvennlige teknologien (Cormio et al. 2003). Hensikten er å finne frem til den mest kostnadseffektive måten å utnytte energiressursene som er tilgjengelige innenfor et geografisk område. Det er derfor viktig å lage klima- og energiplaner som tar utgangspunkt i den enkelte kommunes ressurser og handlingsmuligheter. Energisystemanalyser kan klassifiseres etter hvorvidt de har en ovenfra og ned eller en nedenfra og opp tilnærming til problemstillingen (Ramachandra 2009). De to tilnærmingene gir forskjellige resultater som følge av forskjeller i metodevalg og evne til å tilpasse seg ny teknologi, forbrukeres handlingsmønster og organisering av markedsaktører og økonomi. En ovenfra og ned tilnærming analyserer den overordnede sammenhengen mellom økonomien og energisektoren. Den analyserer energipolitiske virkemidler på makronivå og forutsetter at forbrukerne handler rasjonelt og benytter seg av de mest effektive energiteknologiene. Denne type tilnærming tar ikke hensyn til forbruksmønster og lokale forhold og er ikke egnet til å forutse endringer i energisystemet i et langt tidsperspektiv (Ramachandra 2009). Dette er faktorer som er viktig fordi forbruksmønsteret og lokale forutsetninger er i kontinuerlig endring for å møte energibehovet i fremtiden. Østfoldforskning 6

13 Nedenfra og opp modellene fokuserer på energisektoren fra et mikroperspektiv. De analyserer lokal energiproduksjon, konverteringsteknologier og forbruksmønster. Energibruk i kommunene deles inn etter stasjonært forbruk og mobilt forbruk. Stasjonære prosesser er for eksempel industri og husholdning. Mobilt forbruk omfatter energi knyttet til transport. Hiremath et al. (2010) beskriver en nedenfra og opp tilnærming av energiplanleggingen for Tumkurregionen i India. I Tumkur er det meste av energien basert på biogass og biomasse. Området har ikke moderne høyteknologisk energiproduksjon. Artikkelen diskuterer forskjellige metoder som har blitt brukt i regionale energiplaner. Deeco modelling brukes til å analysere konkurranse- og synergieffekter mellom ulike energiteknologier. De lineære programmene som hittil har blitt utviklet for regionale energiplaner har alle hatt et overordnet mål, som for eksempel minimalisering av de totale kostnadene for energiproduksjonen i et gitt område. Vanligvis vil derimot en region ha flere mål den vil oppnå samtidig, derfor uttrykkes det i artikkelen at lineær programmering mister mye av sin gyldighet i dette tilfellet. Hiremath et al. (2010) bruker istedet Goal programming som inkluderer flere ulike målsetninger inn i modellen. Goal programming anses for å være mindre subjektiv enn multi-objective linear programming, og kan derfor passe bedre på regionale energiplaner fra et mikronivå. Studien benytter fire nivåer av nedenfra og opp tilnærmingen (landsby, tettsted, større tettsted og distrikt). Tidshorisonten på energiplanene strekker seg fram til 2020 og det er benyttet ulike scenarioer: Present case Energy Scenarios, Business as Usual Scenario, Economic Objective Scenario, Renewable Energy Scenario og Sustainable Development Scenario. Følgende typer data er nødvendig som input i modellen: - Samfunnsøkonomiske funksjoner (Socio-economic features). - Arealbruk: Skogareal, uberørt naturmark, jordbruksland osv. - Energi; aktiviteter, anvendt teknologi, effektiviteten av de ulike teknologiene. - Biomasseproduksjon til energiformål; areal dekket med skog og jordbruk, produksjon og tilgjengelighet av biomasse til energiproduksjon. - Energieffektivitet, virkningsgrader og energibruk. - Energi: fornybar energiteknologi og fossil brenselteknologi. - Kostnader av energisystemet, drift og vedlikehold. Økonomisk verdi av energi og produkter. I Local Energy Planning in Japanese municipalities av Motoki & Kasaki (udatert) benyttes ALEPmodellen. Dette er en metodetilnærming for å utvikle et økonomisk og økologisk bærekraftig energisystem, som tar høyde for begrensede finansielle og menneskelige ressurser så vel som begrenset kunnskap om framtidig utvikling av økonomiske, teknologiske og sosiale forhold. Planleggingstilnærmingen for å oppnå disse målene følger 4 prinsipper: - Kombinering av integrerte, strategiske langtidsplaner av hele energisystemet med detaljert planlegging av undersystemer. - Bruk av systemanalysemetoder og databaserte energisystemmodeller. - Involvering av alle relevante interessenter i planleggingsprosessen. - Lage en plan for kontinuerlige forbedringer og overvåkning. Energisystemer i urbane agglomererte regioner består av sterkt sammenknyttede undersystemer. Planlegging av dette energisystemet gjøres på to nivå: o Omfattende analyse av det overordnede lokale eller regionale energisystemer slik at det kan lages en strategisk langsiktig plan. o Analyse og optimering av undersystemer. Østfoldforskning 7

14 Tradisjonelt vil en energimodell analysere undersystemer hver for seg og overse det faktum at mange er sammenknyttet. På denne måten kan man få suboptimale løsninger. Ved en ALEP-tilnærming er intensjonen at detaljerte undersystemanalyser integreres og skaper mer helhetlige og konsistente langtidsplaner for energisystemer. Målet er å avdekke styrkene og svakhetene til dagens system for å identifisere behov, utfordringer og muligheter for videre utvikling av systemet. De fleste ALEP-studier har benyttet energisystemmodellen MARKAL (Marked Allocation) for den helhetlige analysen, mens mange andre modeller brukes i analysen av spesifikke problemer. MARKAL er en lineær programmerings modell og det skjer en overgang til i større grad å bruke TIMES-modellen, som er en utvidet og forbedret versjon av MARKAL. I den regionale MARKAL-modellen til Tokyo, Hachinohe og Kuzumaki benyttes modellen til å finne passende kombinasjoner av fossile brensel, varme, elektrisitet og fornybare kilder for å møte etterspørsel i 13 sektorer fra 2000 til 2030 for å redusere utslipp av klimagasser (Motoki & Kosaka udatert). I modellen blir et CO 2 -reduksjonsscenario definert og tar høyde for fornybarmålet til myndighetene i de tre casene. Østfoldforskning 8

15 4 Det metodiske grunnlaget for lokale klima- og energiplaner 4.1 Scopet for klima- og energiplaner Det metodiske fundamentet for Kommunale Energi- og Klimaplaner er fastsatt dels i den Statlig planretningslinje for klima- og energiplanlegging i kommunene av , dels i Enovas veileder fra 2008 om Kommunale Energi- og Klimaplaner (Enova 2008) og dels i NVEs veileder for lokale energiutredninger, korrigert versjon av (NVE 2009). I Planveilederen heter det at kommunale planer skal redegjøre for energibruk og utslipp av klimagasser i kommunen, vise fremskriving av utslipp og energibruk hvis tiltak ikke gjennomføres og angi ambisiøse mål for reduksjoner i energibruk og klimagassutslipp. Det er i utfyllende kommentarer lagt til grunn at man skal bruks SSB s data for energibruk og klimagassutslipp i norske kommuner som er publisert for 1991, 1995, 2000 og 2005, som i følge veilederen bør suppleres med lokal kunnskap og informasjon før man velger hvilke konkrete tiltak som skal gjennomføres. Det samme er tilfelle i Enova s veileder, mens det i NVE s veileder om lokale energiutredninger anbefales at nettselskap selv bidrar med lokale data for forbruk av elektrisitet, mens man for andre energibærere kan benytte data fra SSB (s. 17). Figur 1 viser grunnlaget for klimagassregnskap basert på ulike omfang eller Scope for systemgrenser, med bakgrunn i GHG protokollens definisjoner (GHG Protocol, 2012) : - Scope 1 dekker alle direkte klimagassutslipp som skjer innenfor egen virksomhet, og har ikke med utslipp fra prosesser oppstrøms eller nedstrøms. - Scope 2 dekker i tillegg indirekte utslipp fra forbruk av innkjøpt strøm og varme, tilsvarende direkte utslipp fra selve elektrisitets- eller varme produksjonen - Scope 3 dekker indirekte klimagassutslipp, basert på et livsløpsperspektiv, fra andre innkjøpte materialer og tjenester, avfallshåndtering osv. Dette scopet ivaretar hele verdikjeden for et produkt eller tjeneste, og omfatter derfor både forgrunns- og bakgrunnssystemet i LCA-metodikken (se EU Commission 2010 LCA Guideline). Østfoldforskning 9

16 Scope Energibruk Scope 1 Scope 2 Scope 3 Corporate/company 2006 IPCC Guidelines for National Greenhouse Gas Inventories Klima- og energiplanlegging i kommunene (statlig planretningslinje, 2009) The GHG Protocol Corporate Accounting and Reporting Standard (Scope 2) ISO (GHG at the organization level) The GHG Protocol Corporate Value Chain (Scope 3) Accounting and Reporting Standard Organisation Environmental Footprint Guide Draft for consultation Klimanøytral stat (Difi) Product/service LCA /EPD (ISO and 14025) The GHG Protocol Product Life Cycle Accounting and Reporting Standard The Publicly Available Specification (PAS) 2050:2011 ISO Carbon Footprint of products (DIS) Product Environmental Footprint Guide Final Draft Figur 1 Oversikt som viser de ulike "scope" for klimaregnskap (GHG Protocol, 2012), og hvordan disse benyttes i forskjellige internasjoanle og nasjonale initiativ for klimagassregnskap (Raadal, 2012) For en virksomhet som kjøper inn energi i form av strøm eller varme, vil valg av scope i klimaregnskapet ha stor betydning I et Scope 1 perspektiv vil innkjøpt elektrisitet/varme ha klimagassutslipp 0, uavhengig av om det er produsert fra vannkraft eller kullkraft, fordi klimagassutslippet ikke er forbundet utslipp med selve bruksfasen. I et Scope 2 perspektiv vil kullkraft vise store utslipp knyttet til konverteringen av kull til elektrisitet (direkte utslipp fra elektrisitetsproduksjonen), og dermed få en dårligere klimaprofil, mens vannkraft og vindkraft fortsatt vil fremstå som svært rene fordi selve konverteringsprosessen til elektrisitet er forbundet med ingen eller lave utslipp. I et scope 3 perspektiv vil derimot også vann- og vindkraft ha et visst utslipp av klimagasser, fordi materialer, innsatsfaktorer og aktiviteter knyttet til produksjon av vedlikehold av energianleggene, også skal regnes inn i klimaregnskapet (Raadal et al. 2011). Scope 2 og 3 perspektivene bør derfor benyttes for å dokumentere effekter ved valg av ulike energibærere og ressurser, mens et scope 1 er riktig hvis regnskapet kun skal vise effektene av det som skjer innenfor et avgrenset territorium. Scope 1 og 2 er obligatoriske i henhold til GHG-protokollen, mens scope 3 er frivillig. I dagens norske veiledere og planforskrifter har det tradisjonelt ligget klare føringer til grunn for at kommunene og fylkeskommunene skal følge et såkalt Scope 1 tilnærming i sitt klima- og energiarbeid. En viktig del av arbeidet, i henhold til disse, er å sette opp en oversikt eller et regnskap for energibruk og klimagassutslipp i egen kommune og region, og vise både utvikling over tid og fremskrivinger av disse hvis tiltak ikke er gjennomført. Kommunene og fylkeskommunene skal dermed følge opplegget for utarbeidelse av nasjonale klimagassregnskap slik norske myndigheter lager i henhold til Kyotoprotokollen Østfoldforskning 10

17 og IPCC s metodikk (IPCC 2006). Det betyr i praksis at hver enkelt kommune eller fylke ses på som et territorium, der det skal lages et mest mulig komplett regnskap eller oversikt over klimagassutslipp og energibruk som oppstår i/skjer i regionen. Unntaket er prøveprosjektet Klimanøytral stat (Difi, 2012) som, på initiativ fra Miljøverndepartementet, ble i iverksatt i 2011 for et lite utvalg av statlige virksomheter der målet var å få testet ut systemer for å måle klimautslipp, få vurdert hvilke tiltak som kunne iverksettes for å redusere klimautslippene, og beregne hvor mye det ville koste å kjøpe klimakvoter for det resterende utslippet. Erfaring fra virksomhetene skulle brukes i planlegging og budsjettering av tiltak for resten av staten. De 10 utvalgte virksomhetene var: Husbanken, Skatteetaten, Sykehuset i Vestfold, Fylkesmannen i Aust-Agder, Klima- og forurensningsdirektoratet, Sjøfartsdirektoratet, Statsbygg, Universitetet for miljøog biovitenskap på Ås, Miljøverndepartementet og Difi. I klimaregnskapet som ble utviklet for pilotprosjektet ble følgende indikatorer obligatoriske å rapportere: Scope 1: o Liter drivstoff brukt i virksomhetens bilpark (eide, leasede og leide biler) o Utbetalte kjøregodtgjørelser i km o Mengde fyringsmidler (f.eks. olje, gass) brukt i egenkontrollerte fyringsinstanser Scope 2 eller 3: o Elektrisitetsforbruk i kwt fordelt på elektrisitet kjøpt med opprinnelsesgarantier og elektrisitet kjøpt uten o Fjernvarme i kwt Scope 3: o Km flyreiser innenlands og utenlands o Utslipp fra ansattes bilreiser til og fra jobb. Virksomhetene fikk selv velge å inkludere andre indikatorer i Scope 3, som f.eks. papirforbruk og om de de skulle plassere elektrisitet og fjernvarme i Sscpe 2 eller 3. I mange kommunale klima- og energiplaner har Scope 1-tilnærmingen skapt utfordringer, fordi det blir et sentralt spørsmål om å definere systemgrenser og fordele (allokere) utslipp riktig. Det siste er viktig både for å unngå at utslipp eller fordeler av unngåtte utslipp blir talt dobbelt når oversiktene fra flere kommuner aggregeres til for eksempel fylkesnivå, og for å sikre at utslipp ikke blir utelatt. Eksempler på slike situasjoner er bla diskusjoner om hvordan utslipp skal fordeles mellom kommuner for transportarbeid, der arbeidsreiser starter i arbeidstagers hjemkommune, passerer 1-2 kommuner og ender i en fjerde kommune der denne har sin arbeidsplass (se Klima- og Energiplan for Ås Kommune i Akrshus). I et Scope 1 perspektiv bør klimagassutslipp og forbruk av drivstoff fordeles mellom kommunene, mens det i et Scope 3 perspektiv bør legges enten til hjemkommunen til arbeidstageren eller til arbeidskommunen, avhengig av hvem som bør belastes effektene av arbeidsreiser. For klimaregnskap knyttet til forbruk av elektrisitet vil et Scope 1 perspektiv kun ta med de utslipp som er relatert til bruksfasen av energien, som for elektrisitet vil være 0 uavhengig om denne er generert fra kullkraft, gasskraft eller vannkraft. Utslippene fra kullkraft- eller gasskraftverket vil ikke komme med i regnskapet med en Scope 1 tilnærming, selv om disse ut fra den norske varedeklarasjonen for elektrisitet kan være 150 ganger større enn for opprinnelsesgarantert vannkraft (NVE, 2012). Kommunen eller fylkeskommunen vil derfor ikke få synliggjort at man kjøper elektrisitet fra energigenerering som er svært forurensende, sammenliknet med hvis man kunne kjøpt elektrisitet fra et vannkraftanlegg. Den samme problemstillingen er også relevant ved behandling av avfall, der det er effektene av avfallsbehandlingen som skjer i en kommune som skal inngå i energi- og klimaregnskap i et Scope 1 Østfoldforskning 11

18 perspektiv. Konsekvensen kan være at en kommune velger å behandle avfallet i sin egen kommune med en suboptimal løsning, vurdert i helhetsperspektiv, i stedet for å sende det til en annen kommune som kunne gitt bedre utnyttelse av avfallet. Eksemplet kan være å forbrenne matavfall i egen kommune, heller enn å sende det til et biogassanlegg i en nabokommune som kunne gitt større netto sparte klimagassutslipp (se Lyng et al. 2011). Denne problemstillingen er i liten grad fanget opp fordi de fleste kommuner kun har sett på effekter av deponigassutslipp i forbindelse med avfallsbehandling i klima- og energiplaner. Et unntak er klimaregnskapet for Oslo kommune som dekker et komplette klimafotavtrykk gjennom direkte (scope 1) og indirekte (scope 2 og 3) klimagassutslipp i henhold til GHG protokollen, fordelt på et standardisert sett av innkjøp og tjenestefunksjoner ut fra KOSTRA-rapporteringen til SSB. Studien viser at kun drøyt 3 prosent vv det totale klimafotavtrykket til Oslo kommune er direkte utslipp (Scope 1). Dette er hovedsakelig forbrenning av fyringsolje til oppvarming og drivstoff til kjøretøy. Annen energi, hovedsakelig elektrisitet (Nordisk miks ved bruk av elektrisitet) og fjernvarme, har et viktig bidrag på 21 % av det totale klimafotavtrykk (Larsen & Solli, 2011). Endelig er problemstillingen relevant når det gjelder utnyttelse av biomasse til energiformål, der en Scope 1 tilnærming vil innebære at opptaket av CO2 må henføres til den kommunen der biomassen stammer fra, mens utslippene må henføres til den kommunen der bioenergien utnyttes gjennom forbrenning. En annen utfordring med Scope 1- tilnærmingen for klimagassregnskap i kommuner, er at de største effektene kommer som følge av etablering eller nedleggelse av nye industrivirksomheter. I stedet for å ha som grunnlag at de kommunale og regionale klima- og energiplanene skal ha som formål og metodisk fundament å lage et mest mulig komplett og korrekt klima- og energiregnskap for sitt territorium slik formålet er med en Scope 1 tilnærming, synes det derfor mer relevant å legge et Scope 2 eller Scope 3 prinsipp til grunn for arbeidet. Dette vil gi større muligheter til å påvirke klimaeffekter som følge av konkrete beslutninger ved innkjøp og bruk av varer og tjenester i en kommune eller virksomhet. 4.2 Datagrunnlaget for kommunale- og regionale energi- og klimaregnskap Datagrunnlaget som er lagt til grunn for så å si alle kommunale energi- og klimaplaner som er gjennomgått i denne studien har vært de som SSB har utarbeidet via den nasjonale statistikken for miljødata ( Grunnlaget for SSBs statistikk er dokumentert hos Finstad et al. (2004), som påpeker at det kan være betydelig usikkerhet knyttet til de kommunale tallene. De metodiske prinsippene bak de kommunale energi- og klimadataene varierer for ulike områder: Stasjonær energibruk i industrien er for eksempel basert på data fra de større bedriftene i hver NACEgruppe i hver kommune kombinert med oppskalering av data fra et lite utvalg små- og mellomstore bedrifter i hver kommune. Industridata vurderes derfor som relativt gode (Finstad et al. op cit). Stasjonært energibruk i privat tjenesteytende sektorer beregnes ut fra justering av nøkkeltall fra Energiundersøkelse i 1985, kombinert med salgsstatistikk til de ulike sektorene, og fordeles på kommunenivå ut fra antall ansatte i kommunene i hver sektor. For offentlig sektor er tilsvarende tall også basert på nasjonal salgsstatistikk for energiproduktene kombinert med data for sysselsetting i den enkelte kommune som årlig hentes fra Enhetsregisteret. Østfoldforskning 12

19 For husholdningene benyttes ulike metoder for å få frem nasjonale og kommunale data for energibruk. For ved til fyring benyttes data fra Folke- og Boligtellingen og Levekårsstatistikk, kombinert med modeller som viser sammenheng mellom boligtetthet og andel av boliger som varmes opp med ved for å beregne forbruket i den enkelte kommune. For fyringsolje blir det beregnet en restverdi ut fra hva som totalt sett omsettes i Norge som justeres i forhold til forbruk i tjenesteytende sektor. De nasjonale tallene brytes ned på fylkesnivå ut fra salgsstatistikk og videre ned på kommunenivå ut fra folketellingen fra 2001 og antallet boliger med sentralfyring. For mobile kilder benyttes det nasjonal salgsstatistikk for bilbensin, autodiesel og naturgass, som brytes ned på kommunenivå gjennom tre fordelingsnøkler for henholdsvis lette bensinbiler, lette dieselbiler og tunge kjøretøy. Disse fordelingsnøklene er sammensatt ut fra Årsdøgntrafikk (ÅDT) på riks- og fylkesveier, kjørelengder, hastighetsfordeling, temperaturforhold osv. På grunn av usikkerhet i datagrunnlaget er det ikke mulig å bryte disse dataene ned på sektorer, slik at det for mobile kilder ikke er mulig å skille mellom energibruk og utslipp i enkeltsektorer i en kommune. For mer detaljert gjennomgang av datagrunnlag og fordelingsnøkler for mobile kilder henvises til Finstad et al. (2004). Metodene for å beregne energibruk og klimagassutslipp i kommunene slik det er beskrevet fra SSB illustrerer godt utfordringene med å velge en Scope-1 tilnærming til energi- og klimaarbeidet, der formålet er å lage et mest mulig komplett regnskap for territoriet på kommune- eller fylkesnivå. Det blir derfor viktig å få et tilnærmet riktig bilde på nivået av utslipp av klimagasser og forbruk av ulike type energibærere i kommunen eller fylket. Problemet er at nedbryting av data på kommunalt eller fylkesvis nivå ut fra enten innbyggertall, antall sysselsatte eller eventuelt økonomiske tall ikke tar hensyn til hva som reelt sett er lokale/regionale forutsetninger for reduksjon av klimagassutslipp og/eller energibruk. Med de nasjonale tallene som grunnlag er det derfor ikke mulig å se sammenheng mellom størrelsen på energibruk og utslipp på den ene siden, og hvilke forutsetninger den enkelte kommune har for å identifisere og gjennomføre tiltak for forbedring på den andre. Det er derfor ikke mulig å lese ut av tallene hva som er kommunens eller fylkets spesifikke forutsetninger for å sette mer eller mindre ambisiøse mål som det heter i veilederen, og kunne se sammenhengen med dataene i klima- og energiregnskapet. I neste omgang blir det også umulig å bruke de samme nasjonalt baserte tallene for å kunne dokumentere effekter lokalt og regionalt av det arbeidet som gjøres i kommunene og fylkene på klima- og energiområdet. Årsaken er at alle gode tiltak vil være aggregert til et nasjonalt nivå og vil sammen med alle manglende tiltak eller tiltak som fører til økt energibruk og/eller klimagassutslipp utgjøre nasjonalregnskapet for påfølgende år. Effekten av tiltaket som kommunen eller fylket har gjennomført vil derfor vannes ut i forhold til alle andre kommuner og fylker, og det er kun den relative andelen av en samlet effekt ut fra befolknings- eller sysselsettingstall som blir dokumentert. En liten kommune som gjør store tiltak på energi- og klimaområdet, vil derfor i beste fall kun få en liten andel av disse synliggjort i neste års regnskap. I verste fall har et antall større kommuner gått i motsatt retning og økt sin bruk av energi eller utslipp av klimagasser, noe som gjør at den lille kommunen faktisk kommer dårligere ut enn før tiltakene ble gjennomført. Dette er da også en viktig begrunnelse for beslutningen i SSB fra om å trekke tilbake statistikken med data for kommunale energibruk og klimagassutslipp. Både regnskapsgrunnlaget og prinsippene for å bryte disse dataene ned på kommunalt nivå gir misvisende informasjon når det brukes som grunnlag for å dokumentere faktiske effekter i den enkelte kommune. Den eneste statistikken som Østfoldforskning 13

20 har en viss robusthet hva gjelder disse forholdene, er stasjonær energibruk i industrien som i langt større grad er basert på faktiske tall fra bedrifter i den enkelte kommune Dagens praksis med bruk av data i kommunale energi- og klimaplaner? Uten at det er gjort noen systematisk studie av de energi- og klimaplaner som er gjennomgått som del av dette kvalifiseringsprosjektet, synes det helt klart at alle eller nesten alle kommunene har basert seg på SSBs energi- og klimadata. Disse er benyttet både som grunnlag for å vurdere strategier og tiltak for reduksjon av energibruk og utslipp, og dels som basis for å si noe om utviklingen over tid i kommunen. Dataene presenteres som om de gir et eksplisitt uttrykk for situasjonen i kommunene over tid, og søkes i flere tilfeller forklart ut fra hvilke tiltak som er gjennomført lokalt. I lys av det som er skrevet om metodegrunnlaget for energi- og klimaplaner i avsnitt Lokale Energiutredninger (LEU) Mange kommuner har i tillegg til SSB-data basert seg på data fra Lokale Energiutredninger (LEU) fra nettselskapene, der i alle fall statistikk for forbruk av elektrisitet og fjernvarme som regel er basert på innsamlet lokale data. Moss kommune har for eksempel kombinert LEU-data med data som er innhentet fra de største bedriftene i kommunen, som grunnlag for å lage et langt mer detaljert og relevant bilde av forbruk av ulike energibærere og utslipp av klimagasser (Moss Kommune 2010). Østfoldforskning 14

21 Figur 2 Statistikk for energibruk i Moss kommune i perioden (fra Moss Kommune 2010). LEU-data for forbruk av elektrisitet er basert på faktisk forbruk i den regionen der nettselskapet som har ansvaret for rapporteringen har konsesjon, noe som tilsier at disse dataene er lokalt basert og av høy kvalitet. Siden det er stor forskjell på klimagassutslipp for opprinnelsesgarantert elektrisitet og den gjennomsnittselektrisiteten som brukes i Norge (jf Norsk Varedeklarasjon for Elektrisitet; NVE 2012), er det viktig også å få oversikt over andelen av strømforbruket som er opprinnelsesgarantert i en region. Østfoldforskning 15

22 For andre typer energibærere enn elektrisitet er imidlertid også det Lokale Energiutredningene i stor grad basert på SSB-tall, for eksempel forbruk av fyringsolje, bioenergi, naturgass osv. Datagrunnlaget er til dels supplert med lokale data for større industribedrifter, leveranser av fjernvarme og andre lokalt baserte energiressurser der nettselskapene har tilgang på disse. Østfoldforskning 16

23 5 Gjennomgang av kommunale og fylkeskommunale klima- og energiplaner i regionen For å få et erfaringsgrunnlag knyttet til hva slags type data som faktisk blir benyttet i de kommunale og regionale klima- og energiplanene i dag, har det som en del av forprosjektet blitt gjennomgått 12 kommunale og 3 fylkeskommunale planer. Alle planene er laget i perioden , og for enkelte kommuner representerer de 2. generasjon planer. De 12 planene er valgt tilfeldig ut fra et totalt antall planer som er utarbeidet i de tre fylkene. Fokus på gjennomgangen av planene har vært bruk av data og statistikk som grunnlag for planene, både til å utarbeide og diskutere status og utviklingstrekk, og som basis for målfastsettelse og handlingsplaner. Områdene som har vært vurdert er primært - Det lokale energiressursgrunnlaget, som kan benyttes til å bytte ut fossile energiressurser med lokale og fornybare - Sammensetningen av og utvikling i energibruk i kommunen eller regionen, både totalt og fordelt per sektor - Omfang av og utvikling i klimagassutslipp i kommunen eller regionen, totalt og fordelt per sektor - I hvilken grad statistikk for klimagassutslipp og energibruk er benyttet til å sette konkrete mål og lage lokalt tilpassede handlingsplaner. Beskrivelsen av erfaringene basert på kvalitative analyser av utvalget. 5.1 Lokalt ressursgrunnlag i planene Nesten alle planene inneholder en gjennomgang av to lokale ressursforhold som er interessante for energiomlegging mot ikke-fossile energiressurser, nemlig avfall og bioenergi. For begge disse områdene er imidlertid tallgrunnlaget av relativ generell karakter, det vil si at det i liten eller ingen grad er forsøkt vurdert i hvilket omfang og hvordan disse ressursene faktisk kan utnyttes lokalt til energiomlegging. De fleste planer har en oversikt over status og utvikling på avfallsmengder fra husholdningene, med oversikt over hvordan disse behandles i dag. Det er imidlertid bare et fåtall planer som inneholder konkrete vurderinger av hvor store energiressurser som kan utnyttes eller spares gjennom bedre behandling av avfallet, og hvor mye klimagassutslipp som kan spares hvis man utnytter avfallsressursene bedre. To kommuner (Asker og Larvik) har gått noe dypere inn i problematikken og vurdert effekter av bedre håndtering av både plastavfall og matavfall. De fleste kommuner forholder seg til avfall i klimaplanen først og fremst gjennom å diskutere omfang av metanutslipp fra deponier, og da med basis i data fra SSB/Miljøstatus. Bioenergi er også i de fleste planene berørt med basis i tilgang på potensielle bioressurser fra skog i kommunen, også her som oftest på et generelt grunnlag. Det vil si at planene gir en oversikt over stående biomasse og tilvekst i skogen ut fra generelle tall, men uten å angi konkret hvor mye som kan tas ut av ressurser ut fra et bærekraftighets- og lønnsomhetsperspektiv. De fleste planene har heller ikke konkrete vurderinger av hvor bioenergien eventuelt kan utnyttes i egen kommune, som erstatning for fossil energi. Også her finnes det unntak, siden noen planer er mer konkrete på disse punktene med basis i lokale data og lokal kunnskap om utnyttelsesmulighetene (Asker, Våler i Østfold). Noen få Østfoldforskning 17

24 kommuner benytter også lokale data fra LEU-rapporter på dette området i tillegg til de generelle dataene (Ås, Sandefjord, Moss). En annen lokal bioenergiressurs som kan utnyttes i energiomlegging er gjødsel og halm fra landbruket. Også her er det benyttet lokale data i enkelte planer og gjort mer konkrete vurderinger av ressurspotensialet, men i de fleste planene er dette kun redegjort for med basis i SSB-tall og uten konkrete vurderinger av effekter av lokal anvendelse. Kommuner som har gått dypere inn i dette er blant annet Ås, Våler i Østfold og Asker. Mange planer lister opp oversikter over andre lokale energiressurser som kan tenkes å ha et potensial i kommunen, blant annet termisk energi, solenergi, vindenergi. Det er imidlertid ikke funnet eksempler på at man faktisk har vurdert potensialet for utnyttelse av disse ressursene, ut fra ressurstilgang og utnyttelsesmuligheter. En del kommuner har eller planlegger å bygge ut fjernvarmenett, og i disse planene er det som regel gjort en mer detaljert gjennomgang av potensialet for å utnytte fjernvarmen bedre i kommunen (Fredrikstad, Ås, Moss, Asker, Horten). Generelt kan det sies at de fleste kommunene i sine planer i liten eller ingen grad har gjennomført analyser av tilgang på lokale energiressurser og hvordan disse konkret kan utnyttes i energiomlegging mot mindre fossil energibruk. Dette er derfor et område som bør ha langt mer fokus i planarbeidet, og hvor det bør gjøres mer konkrete analyser av potensialet i et bærekraftighetsperspektiv og økonomisk perspektiv. 5.2 Status og utvikling for energibruk lokalt og regionalt Alle de kommunale og regionale klima- og energiplanene gir oversikt over status for energibruk i kommunen, både totalt og fordelt per hovedanvendelse og sektor, samt for ulike typer energibærere. Noen planer viser også energibruk fordelt per innbygger, og med sammenlikning med andre kommuner i samme region (spesielt Akershus-kommunene). Alle planene viser også utvikling i energibruk over tid, i de fleste tilfeller tilbake til 1991, siden tallgrunnlaget fra SSB har data tilbake til det året. Alle planene bruker da også tallgrunnlaget fra SSB som basis for sine statistikker, og diskuterer utviklingen i energibruk i egen kommune ut fra dette datagrunnlaget. Noen kommuner har i innledningen til sine planer påpekt at det er svakheter i datagrunnlaget, men tar i liten grad hensyn til dette i anvendelsen av statistikken for egen kommune. De fleste kommuner i Østfold og Akershus (og de nyeste fra Vestfold) har tatt i bruk data fra Lokale Energiutredninger som del av datagrunnlaget, og henviser til rapportene fra egne nettselskap (Fortum, Hafslund og Skagerak Energi; Tabell 1). Dette gir bedre datagrunnlag for forbruk av elektrisitet og for enkelte lokale energiressurser, men mye av datagrunnlaget er fortsatt basert på SSB s data som er brutt ned fra nasjonale og regionale tall. LEU-dataene innholder heller ikke tall for mobil energibruk. For elektrisitet er det ikke oppgitt om det er bedrifter som kjøper eller omsetter opprinnelsesgarantert kraft i kommunen. De fleste kommunale planene oppgir data for energibruk i kommunens eller fylkeskommunens egen virksomhet, som oftest fordelt på ulike energibærere, jf Tabell 1. Flere planer oppgir energibruk per m2 bygg i egen virksomhet, og noen planer har spesifikke data for både status og utvikling i energibruk fordelt på ulike sektorer og virksomheter. Østfoldforskning 18

25 Tabell 1 Utnyttelse av ulike typer datagrunnlag i kommunale energi- og klimaplaner i Østfold, Vestfold, Akershus Datagrunnlag Østfold (3) Vestfold (6) Akershus (3) Totalt (12) Hovedsakelig basert på SSB-data 2-2 SSB-data supplert med data fra Lokale Energiutredninger (LEU) SSB- og LEU-data supplert med stor grad av lokale data Data for energibruk og klimagassutslipp fra egen virksomhet Mange kommuner benytter LEU-data i kombinasjon med SSB-data som grunnlag for status og utviklingstrekk knyttet til energibruk og tilgang på lokale energiressurser, og antallet har vært økende over tid. Dette gir et godt datagrunnlag for forbruk av elektrisitet, men gir ikke informasjon om hvilke primære energiressurser som benyttes for elektrisitetsproduksjon eller eventuelt kjøp av opprinnelsesgarantier. LEU-dataene benytter i stor grad SSB-tall for andre energibærere enn elektrisitet, og har derfor de samme svakhetene som disse når de brytes ned på kommunenivå. De fleste planene inneholder data for energibruk i kommunens egen virksomhet. 5.3 Klimagassutslipp lokalt og regionalt På samme måte som for energibruk oppgir alle planene data for status og utvikling i klimagassutslipp innenfor kommunen eller regionen, og diskuterer endringer i utslipp fra ulike sektorer i forhold til endringer som har skjedd i området de siste årene. Tallgrunnlaget brukes derfor til å analysere mulige effekter av tiltak lokalt på klimagassutslipp, selv om det i innledningen til flere av planene angis at tallgrunnlaget er usikkert og i liten grad representerer endringer i lokale forhold. Som nevnt i kap. 4.1 er scopet for statistikken for klimagassutslipp det som skjer innenfor en kommune eller region, og det betyr at utslipp knyttet til infrastruktur og energikonvertering av f.eks elektrisitet ikke er inkludert i analysene. Elektrisitet har derfor som utgangspunkt 0 i klimagassutslipp i statistikken for klimagassutslipp i kommunen. I flere av planene blir det påpekt at det er knyttet såkalte indirekte utslipp til de ulike energibærerne og til varer og tjenester som kommunene kjøper inn (Scope 2 og 3 tilnærming). I flere planer er det også redegjort for problematikken at den norske forbruksmiksen av elektrisitet ikke består av ren vannkraft, fordi det skjer fysisk utveksling med våre naboland og fordi det omsettes opprinnelsesgarantier for norsk vann- og vindkraft til utlandet. Begge disse forhold må kompenseres i forhold til forbruksmiksen for elektrisitet, noe som er grunnlaget for at NVE beregner en såkalt årlig varedeklarasjon for elektrisitet for Norge (se Raadal et al. 2011). Denne varedeklarasjonen viser for eksempel at elektrisk kraft som forbrukes i Norge uten kjøp av opprinnelsesgarantier inneholder et betydelig innslag av både fossil energi som kullkraft og gasskraft, så vel som kjernekraft. Utslipp av klimagasser forbundet med produksjon av elektrisiteten som inngår i denne miksen var derfor beregnet til 307 g CO 2 -ekvivalenter per KWh i 2011 (NVE 2012). Østfoldforskning 19

26 I de kommunale planene som er gjennomgått blir det henvist både til nordisk kraftmiks og til norsk varedeklarasjon, og det er stor spennvidde i hva slags klimagassutslipp som er benyttet for indirekte utslipp, fra 14 g CO2-ekv per KWh opp til 350 g CO2-ekv per KWh. Den norske varedeklarasjonen som er utgitt av NVE for 2011 var på 307 g per KWh, og har vist en markant økning de siste fem årene i takt med økt omsetning av opprinnelsesgarantier (NVE 2012). De noen kommuner har også beregnet klimagassutslipp knyttet til egne virksomheter, og benyttet ulike klimakalkulatorer for slike beregninger, blant annet Klimakost fra MISA og beregningsverktøy fra CO2focus. MISA s kalkulator er basert på økonomiske nøkkeltall og såkalte input/output analyser, som igjen er relativt grove beregningsmodeller og lite representative for hva slags løsninger man faktisk har valgt i den enkelte kommune for sine innkjøp. Effekten av å benytte Scope 3 for elektrisitet og ulike modeller for elektrisitetsforbruket kan eksemplifiseres gjennom Tabell 2 som viser at det er over 100 ganger forskjell på klimagassutslipp fra strømmen som benyttes i de ulike modellene. En opprinnelsesgarantert elektrisitet i henhold til Elmarkedsdirektivet fra EU vil være basert på vannkraft og noe vindkraft i Norge, med svært lave utslipp gjennom hele livsløpet (Modahl & Raadal 2012). I norske beregninger av klimagassutslipp fra elektrisitet er det i dag vanlig å benytte en nordisk modell for elektrisitetsforbruk til grunn, fordi vi har åpen utveksling av elektrisitet mellom de nordiske landene. Det betyr at en vesentlig mengde av elektrisiteten som brukes i Norge kan være produsert i Finland, Danmark eller Sverige, og med større innslag av både fossil energi (kull og gass) og kjernekraft. Den norske varedeklarasjonen for elektrisitet som utarbeides av NVE hvert år viser effekten av både fysisk utveksling av elektrisk kraft og effekten av kjøp og salg av opprinnelsesgarantier i et europeisk perspektiv. For 2011 viste denne varedeklarasjonen et utslipp på ca. 307 g CO 2 -ekvivalenter per KWh brukt. Det er derfor svært viktig å være enige om hvilken type modell som skal ligge til grunn for klimaregnskap i Norge, fordi forbruk av energi og elektrisitet spesielt har stor innflytelse på en virksomhets klimagassutslipp. Kjøp av opprinnelsesgarantert elektrisitet vil være med på å forsterke etterspørselen etter fornybar energi, og dermed bidra til økt utbygging av slik energi på bekostning av ikke-fornybare energiressurser med vesentlig høyere klimagassutslipp. Østfoldforskning 20

27 Tabell 2 Eksempler på effekten av å benytte ulike modeller for elektrisitet i Norge Opprinnelsesgarantert elektrisitet fra norsk vannkraft * Nordisk Elektrisitetsmiks ** Norsk Varedeklarasjon for elektrisitet *** Utslipp per KWh gjennom livsløpet til 2,4 g 216 g 307 g bruk av elektrisitet i Norge Utslipp knyttet til kjøring av 10 km med 0,004 kg 0,324 kg 0,46 kg elektrisk bil ut fra forbruk på 1,5 KWh Utslipp knyttet til årlig forbruk av 36 kg 3240 kg 4605 kg elektrisitet i en norsk husholdning (15000 KWh per gjennomsnitts husholdning) Utslipp knyttet til årlig oppvarming av 15 m 2 cellekontor i gjennomsnittlig norsk kontorbygg (220 KWh per m 2 og år) 7,9 kg 712,8 kg 1013,1 kg *: Modahl & Raadal (2012). **: EPD Norge (2011) ***: NVE (2012). Bruk av ulike scope og ulike modeller for konvertering og bruk av elektrisitet som energibærer varierer svært mye og vil ha stor betydning for klimagassregnskap for norske virksomheter. Det anbefales fremover å legge til grunn et system basert på at norske virksomheter enten kan bruke opprinnelsesgarantert elektrisitet hvis man kjøper slike, eller må bruke verdiene i den norske varedeklarasjonen fra NVE hvis man kjøper elektrisitet fra nettet. Østfoldforskning 21

28 6 Forskningsutfordringer og muligheter fremover innspill til mulig hovedprosjekt 6.1 Forbedring av modell og datagrunnlag - Interessante områder for utprøving av ny metodisk tilnærming Gjennom forprosjektet er det i diskusjoner med sentrale personer i partnermiljøene avklart hvilke områder som synes mest interessant å gå videre med i et eventuelt hovedprosjekt til Oslofjordfondet eller andre relevante forskningsprogrammer. De områdene som ut fra regionale forutsetninger synes mest interessant å fokusere på i et hovedprosjekt er datagrunnlag og analyseverktøy for: - Tilgang på og forvaltning av lokale bioenergiressurser fra jordbruk og skogbruk, som et grunnlag for energiomlegging fra fossile til fornybare energiressurser - Tilgang på og behandling av lokale avfallsressurser, med spesiell fokus på organisk avfall - Energibruk i bygg, både offentlige og private, med sikte på energiomlegging og energieffektivisering - Overgang til kjøretøy som benytter fornybart drivstoff med lave klimagassutslipp, som blant annet elektrisitet, biogass og bioetanol. - Drift av offentlig virksomhet med sikte på energiomlegging og energieffektivisering - Energibruk og klimagassutslipp i privat sektor, med fokus på hvordan bedriftene kan bidra til energiomlegging og energieffektivisering i egen virksomhet og gjennom valg av råvarer/innsatsfaktorer og sine produkter. Disse områdene dekker en viktig del av de sektorer og aktiviteter som er sentrale når det gjelder energibruk og klimagassutslipp i kommuner og fylker, selv om de på ingen måte vil gi et komplett bilde av situasjonen lokalt. Med overgang fra en Scope 1 tilnærming med etablering av klimaregnskap for en kommune eller en region til en mer handlingsrettet Scope 3-tilnærming, vil dette kunne gi et vesentlig bidrag til å redusere fossil energibruk lokalt og regionalt, og dermed bidra til lavere klimagassutslipp. For alle områdene vil koblingen mellom allmenne databaser, miljø- og ressursdata via LCA og GIS-verktøy være basis for utviklingen. 6.2 Kobling mellom GIS og andre datakilder bedre lokal forankring av data Litteraturstudien, erfaringer fra studier av biogasspotensial i gjødsel og avfall (Lyng et al. 2011) og diskusjoner med Fredrikstad Kommune og GeoData i forprosjektet viste at koblingen mellom GIS-verktøy og energi- og klimamodeller og databaser er en interessant tilnærming til klima- og energiarbeid lokalt og regionalt. I det følgende er det derfor dokumentert hvilke muligheter og begrensninger som finnes i disse grensesnittene, og hva som er interessante forskningsutfordringer på de ulike områdene. Hvert av områdene er nærmere beskrevet i det følgende som innspill til søknaden om Hovedprosjekt som ble sendt Oslofjordfondet til fristen Østfoldforskning 22

29 6.2.1 Bioenergi og avfall tilgang på lokale fornybare energiressurser Biomasse fra skog Bioenergi er en energiressurs hvor det kan være stort potensial for bedre utnyttelse, og der kommunene kan ha en viss innflytelse på utnyttelse og forvaltning av disse gjennom støtteordninger og dialog med landbruket og grunneiere. Bioenergiressurser omfatter alt fra husdyrgjødsel og halm til GROT-materiale fra hogstflater, biomasse fra hogst under kraftgater, i jordekanter, energiskog osv. Fredrikstad kommune sitter på gode data over skogsressurser i kommunen, basert på oppdaterte takseringer fra Disse dataene er stedfestet og digitalisert, og etter initiativ fra et møte i forprosjektet er det utviklet en App som gir tilgang til disse dataene online på for eksempel en Ipad for skogbruksetaten i kommunen. Data fra dette kartgrunnlaget kan klassifiseres og systematiseres for å vise hvor store biomasseressurser som finnes i skogen innenfor Fredrikstad kommune. Et eksempel på hvordan dette GIS-verktøyet fungerer er vist i Figur 3. Figur 3 Eksempel på APP for skogdata til bruk i forvaltningen av bioressurser i Fredrikstad (fra GISavdelingen i Fredrikstad kommune). De ulike kategoriene skog benyttes som grunnlag for å beregne ressursgrunnlag for uttak av virke til ulike formål fra skogen. Figur 4 viser et kart over arealer i randsoner rundt jordbruksmark og ryddesoner under kraftledninger. GIS-verktøyet kan benyttes til å få oversikt over ressursgrunnlag for skogsareal som kan forvaltes som energiskog. Østfoldforskning 23

30 Figur 4 Eksempel på GIS-analyse av buffersoner rundt jordbruksmark og under høgspentledninger (10 m bredde) i Fredrikstad (fra GIS-avdelingen i Fredrikstad kommune) Parallelt finnes det også data for kommunen som er samlet inn via prøveflater i landskogstakseringen, som har 8000 prøveflater spredt utover hele landet og fra mer detaljerte lokale skogtakseringer som gjennomføres for kommuner og skogeierforeninger. Kombinert med nye metoder for å beregne stående biomasse i skog via flyfoto med laser, gir dette et svært godt grunnlag for å utarbeide detaljerte ressursoversikter for lokale skogressurser og utvikling av disse i årene fremover. Ved å kombinere denne type data med skogøkonomiske modeller som blant annet GAYA/J som er utviklet ved UMB, kan det utarbeides scenarioer for hvordan skogen kan driftes i fremtiden under ulike betingelser (økonomiske mål, mål i forhold til klimanytte og biologisk mangfold, med mer). Modellen kan også gi oversikt over hvor mye ressurser som kan tas ut under ulike betingelser, gjennom kombinasjon med GIS-verktøy. Disse beregningene kan igjen benyttes om grunnlag for livsløpsanalyser av verdikjedene til biomasseressursene, og gi innspill til hva som gir størst energi- og klimanytte av ressursene ved ulik anvendelse (papirproduksjon, materialer, biodrivstoff, fjernvarme osv.). Forskningsmessig representerer integrering av GIS-verktøy, skogøkonomiske modeller og LCA-modeller et spennende nytt område knyttet til det å styrke kunnskapsgrunnlaget for lokal skogforvaltning. Østfoldforskning 24

31 Biogass fra avfall og gjødsel Et annet område der det er stor tilgang på lokale energiressurser er biogass produsert fra gjødsel og matavfall (se Lyng et al. 2011). Parallelt med prosjektet er det gjennomført et utviklingsprosjekt med finansiering fra Statens Landbruksforvaltning for å utvikle modeller og verktøy for analyse og dokumentasjon av netto klimanytte og verdikjedeøkonomi for produksjon og bruk av biogass i Vestfold og Østfold. I dette arbeidet er det gjennomført analyser som kombinerer GIS-verktøy med databaser over tilgang på matavfall, gjødsel fra storfe og gris, spredningsareal og miljø- og ressursdata via LCA-verktøyet SimaPro. Resultatene illustrerer på en svært god måte potensialet som ligger i å kombinere disse tre typene verktøy og modeller, for å dokumentere og visualisere tilgang på og nytteverdi av lokale energiressurser i en kommune eller en region. Østfoldforskning 25

32 Figur 5 viser tilgang på matavfall fra husholdningene i Østfolds ulike regioner, målt i forhold til energiinnhold (MWh). Siden det meste av matavfallet i dag samles inn lokalt til et lite antall oppsamlingsplasser, der fordelingen vist geografisk ut fra lokalisering av disse plassene. Figur 5 Kart over matavfall i ulike regioner i Østfold ut fra energimengde i avfallet (Biogass Østfold 2015) Tilsvarende viser Figur 6 fordeling og mengder av husdyrgjødsel i fylket. Kartet viser både mengdefordeling og større enkeltgårder innenfor ulike transportavstander fra Frevar og Stegen som to potensielle lokasjoner for Biogassanlegg.. Østfoldforskning 26

33 Figur 6 Kart over tilgjengelige gjødselmengder i Østfold fra svin og storfe, fordelt i forhold til avstand fra Frevar og Stegen (Biogass Østfold 2015) Endelig viser Figur 7 tilgang på ledig spredeareal for biorest fra anleggene, og igjen både fordeling innenfor 10, 20 og 30 km fra de to potensielle lokasjonene og større enkeltgårder. Som redegjort for av Lyng et al. (2011) har biogassproduksjon fra lokale ressurser av matavfall og gjødsel både en energifunksjon ved at biogass kan brukes som drivstoff eller i varmeproduksjon, og en jordforbedrings- og gjødslingsfunksjon via bioresten fra anleggene Østfoldforskning 27

34 Figur 7 Kart over tilgang på spredeareal for biorest fra potensielle biogassanlegg på Frevar og Stegen (Biogass Østfold 2015) Disse kartene viser på en utmerket måte hvordan GIS-verktøyet kan benyttes til både å få oversikt over og visualisere tilgang på og fordeling av lokale energiressurser. I tillegg kan GIS-modellene benyttes til å beregne gjennomsnittsavstander mellom lokaliteter med fornybare energiressurser og lokaliteter der de kan omdannes og benyttes som alternativer til fossil energi, til bruk i miljømessige og økonomiske kostnytte analyser. Kombinert med livsløpsvurdering av de ulike alternative løsningene, kan aktørene lokalt og regionalt derfor også få gjort analyser av hva som er beste utnyttelse av de ulike lokale energiressursene i en kommune eller region, slik det er vist i Figur 8. Analysemodellen som her er utviklet beregner hva slags type energibærere som bør erstattes, hvor mange anlegg det er fornuftig å etablere og hvor anlegg bør lokaliseres ut fra ressurstilgang og hva energien bør benyttes til (Møller et al. 2012, Arnøy et al. 2012). Østfoldforskning 28

35 Figur 8 Analyse av netto klimanytte av utnyttelse av biogass fra ulike typer lokale energiressurser til biogassproduksjon Disse eksemplene illustrerer meget godt hvordan koblingen av GIS-verktøy med databaser fra landbruket, data for energiinnhold i gjødsel og livsløpsmodeller kan benyttes som grunnlag for konkretisering av tiltak i klima- og energiplaner lokalt og regionalt Bygg og energibruk Drift av bygg er en stor kilde til energibruk både i kommunenes og fylkeskommunenes egen virksomhet, men også knyttet til husholdninger, tjenesteytende sektor privat, handel og i mindre industrivirksomhet. Energibruk i bygg er i stor grad dekket opp gjennom elektrisitet, men spesielt til oppvarmingsformål benyttes det også mange andre energibærere, som fyringsolje, bioenergi, fjernvarme, termisk varme og solvarme. Oppvarming er typisk et område der kommunene og fylkeskommunene kan bidra til energiøkonomisering og omlegging fra fossile til fornybare energiressurser, og der tiltak lokalt kan ha stor betydning for klimaregnskapet lokalt og regionalt. Samlede effekter av lokale tiltak kan også ha betydning nasjonalt, siden energibruk i bygg er en betydelig faktor også i det nasjonale klima- og energiregnskapet (SSB, 2012b). For å få en mest mulig komplett oversikt over energibruk, sammensetning av energibærere og ikke minst potensialet for energiøkonomisering og -omlegging i en kommune eller region, kan det tenkes flere tilnærminger med basis i lokale data. For kommunens eller fylkets egne virksomheter bør det være mulig å fremskaffe gode data for årlig energibruk basert på fakturagrunnlag fra nettselskap og leverandører av energi til oppvarming. Det bør derfor kunne regnes ut nøkkeltall for total energibruk, energibruk per Østfoldforskning 29

36 sektor eller type bygg i kommunen, energibruk per m 2 bygg og energibruk fordelt på ulike energibærere og ressurser fra år til år. Det kan også lages nøkkeltall som ikke bare tar hensyn til energibruk per m 2, men også hvor høy brukseffektivitet byggene har. Slike nøkkeltall er utviklet for skolebygg og kontorbygg i rapporten Østfoldforskning utarbeider for Enova for energibruk i bygg i Norge (Enova 2011), samt studie av nye indikatorer for funksjonell energieffektivitet utarbeidet av Rønning et al. (2007). For elektrisitet må kommunen velge enten å kjøpe opprinnelsesgarantert elektrisitet eller benytte data fra NVE s varedeklarasjon for forbruk av elektrisitet generelt i Norge (se kap. 5.3). Figur 9 Data for energibruk i kontorbygg i Norge basert på innrapportering til Enova s byggnettverk (Enova 2011). For totalt forbruk av elektrisitet i ulike sektorer i kommunen kan det benyttes data fra de Lokale Energiutredningene, eventuelt bestilles egne data fra de lokale nettselskapene. Disse dataene gir et godt bilde på forbruk av elektrisitet i kommunen fra år til år, og kan også være et godt grunnlag for å lage nøkkeltall for energibruk per m2 i ulike typer bygg, siden primærdataene er knyttet til spesifikke kunder. Nettselskapene er forpliktet til å utarbeide komplette oversikter over stasjonær energibruk innenfor sine konsesjonsområder (se kap ), og innhenter i den forbindelse data fra både fjernvarmeselskap og andre større energileverandører, for eksempel forbrenningsanlegg for avfall. For andre energiressurser som bioenergi, fyringsolje osv er imidlertid LEU-dataene basert på SSB-tall, og derfor beheftet med stor usikkerhet. Det kan derfor være mulig å regne ut nøkkeltall for forbruk av elektrisitet for hele bygningsmassen i en kommune/region gjennom bruk av LEU-data, og supplere med data for andre energibærere gjennom andre kilder. En tredje tilnærming kan være å benytte GIS-verktøy som grunnlag for å beregne den samlede bygningsmassen i kommunen/regionen fordelt på ulike typer bygg (skoler, kontorbygg, næringsbygg, osv) og i kategorier ut fra når de er bygget og rehabilitert. Ved å kombinere med data fra Enova s bygningsnettverk over energibruk per m 2 fordelt på bygg med ulike formål og alderskategorier, kan det beregnes total energibruk for bygningsmassen i kommunen. Et eksempel på slike data for kontorbygg i Norge er vist i Figur 9. Dataene kan splittes i ulike kategorier av kontorbygg ut fra alder, lokalisering og andre egenskaper. Gjennom å kombinere med oversikter over areal av de samme typer kontorbygg i kommunen, kan det beregnes forventet energibruk innenfor de ulike kategoriene. I tillegg kan det Østfoldforskning 30

37 benyttes data for elektrisitetsforbruk fra den lokale LEU-tallene for å korrigere disse resultatene ut fra lokale forhold, basert på et utvalg bygg i hver kategori. Denne type informasjon om bygninger finnes i kommunenes matrikkeldata for bygg, som inneholder informasjon fra alle landets 4,02 millioner bygninger (Statens Kartverk: Matrikkelen inneholder stedfestet informasjon om hvert bygg (arealer, antall rom, etasjer, heis, vann og avløp, bygningstyper, stedfesting av bygget, kobling til adresse, kobling til eiendom og dermed type virksomhet som utøves osv.). Innholdet i matrikkelen er i detalj beskrevet i Føringsinstruks for Matrikkelen (Statens Kartverk 2012). Utfordringen er at bygg som er oppført før 1983 ikke har tilgjengelig detaljinformasjon fordi all informasjonen er lagt inn gjennom massivregistrering i Mabygg-prosjekt på 1990-tallet. Det betyr at alle data om bygg fra før 1983 per i dag ikke har tilstrekkelig kvalitet i den elektroniske matrikkelen, og må eventuelt legges inn separat i kommunens eget GIS-system. Det må derfor gjøres et stykke arbeid med grunnlagsregistrering før denne type informasjon kan benyttes i beregning av energibruk i den stående bygningsmassen fra før Kombinasjonen av LEU-tall og matrikkeltall vil kunne gi svært nyttig informasjon både når det gjelder å beregne samlet energibruk knyttet til drift av bygningene i kommuner og fylker, og fordelt på ulike kategorier bygg. Ved å sammenlikne seg med nasjonale data fra Enova s bygningsnettverk (Enova 2011) som er temperaturkorrigert til den enkelte klimasone og målt årstemperatur, kan det også gjøres sammenlikning mellom faktisk målt energibruk og forventet energibruk. Ut fra matrikkelinformasjon kan det hentes ut informasjon om bygningsmassen som kan benyttes til å vurdere hvilke strategier og tiltak for energiøkonomisering og omlegging i bygg som er mest relevant ut fra lokale forhold Samferdsel Mobile kilder til energibruk og klimagassutslipp har skapt problemer i alle gjennomførte energi- og klimaplaner, fordi det er vanskelig å få oversikt over aktivitetsnivå, bruk av ulike energibærere og fordi det har vært problematisk å allokere energibruk og utslipp til en bestemt kommune eller region (gjennomgangstrafikk, fergevirksomhet, havnevirksomhet, flyplasser osv). Den nasjonale og regionale statistikken viser at energibruk og klimagassutslipp fra mobile kilder har et betydelig og økende omfang. Lokale og regionale myndigheter har innflytelse på området gjennom planlegging av bolig- og næringsområder, aktivitetstilbud, gang- og sykkeltraseer og tilrettelegging for kollektivtransport. Det er derfor behov for langt bedre datagrunnlag lokalt og regionalt over forhold som påvirker transportaktiviteten og over hvilke typer energibærere som benyttes (bensin, diesel, gass, elektrisitet) og bruksintensiteten (grad av sykling/gåing, bilmodeller, kollektivtilbud osv). Også her kan det hentes ut betydelig informasjon fra GIS-verktøy kombinert med lokale og nasjonale registre, som grunnlag for å ta frem bedre statistikkgrunnlag. Eksempler er pendlekart som kan vise avstand mellom hjem og arbeidssted, som i neste omgang kan være grunnlag for å utarbeide kart som viser hvor mange som potensielt kan benytte sykkel til/fra arbeid, tilgjengelig busstilbud gjennom å gå til nærmeste busstopp innenfor en viss avstand osv (se Figur 10). Østfoldforskning 31

38 Figur 10 Eksempel på GIS-basert analyse og visualisering av potensialet for sykling til/fra jobb i Fredrikstad (Fra GIS-avdelingen i Fredrikstad Kommune) Gjennom kjøretøyregisteret kan det også lages oversikt over hvilke bilmerker og modeller som finnes tilgjengelig i en kommune, noe som kan være grunnlag for å følge utvikling både i drivstoffintensitet og type energibærer som benyttes i kjøretøy med lokal tilhørighet. Disse dataene kan også kombineres med oversikt over drivstoffomsetning og ikke minst tilgjengeligheten av nye og mer fornybare energibærere i transportsektoren, som biogass, bio-etanol og elektrisitet. I forprosjektet har det ikke blitt prioritert å gå i dybden på hvilke muligheter som finnes for å kombinere GIS-verktøy med ulike nasjonale og regionale databaser på grunn av prosjektets begrensede ressurser. Det er imidlertid et område som kan ha betydelig interesse i videre utvikling av datagrunnlag og modeller for energibruk og klimagassutslipp lokalt og regionalt, tatt i betraktning omfanget av mobile kilder. Østfoldforskning 32

39 7 Diskusjon og konklusjon Erfaringene fra dette forprosjektet har vist at de fleste kommuner og fylkeskommuner i Norge har utarbeidet energi- og klimaplaner i samsvar med retningslinjene som er utarbeidet av Miljøverndepartementet. Det metodiske grunnlaget har i stor grad vært en Scope 1 tilnærming, der hver kommune og fylkeskommune har utarbeidet regnskap for klimagassutslipp for sitt territorium, basert på IPCC (2006) metodikk. Datagrunnlaget som har vært benyttet er i all hovedsak basert på SSB s statistikk for energibruk og klimagassutslipp i kommunene, selv om denne lenge har vært ansett for å ha svakheter knyttet til lokale forhold (Finstad et al. 2004). Mange kommuner har i økende grad supplert disse dataene med Lokale Energiutredninger, som har mer spesifikk statistikk for bruk av elektrisitet, og er i tillegg supplert med mer lokale data for andre energiressurser og bærere. Flere kommuner har også tatt i bruk verktøy for å beregne indirekte utslipp knyttet til energi og produkter, som i større grad er basert på en Scope 2 og 3 tilnærming. Hovedutfordringen med SSB-dataene som grunnlag for kommunale energi- og klimaplaner er at de ikke gir grunnlag for verken å utvikle lokalt baserte strategier og tiltak for energiomlegging og effektivisering for reduksjon av klimagassutslipp, eller å følge utvikling over tid for å fange opp effekter av tiltak. Dette kommer klart frem både gjennom dette forprosjektet og gjennom nyhetsbrevet fra SSB av Det er også bakgrunnen for at det er tatt initiativ fra flere hold for å komme frem til bedre datagrunnlag for lokale energi- og klimaplaner og regnskap det siste året, fra Akershus Fylkeskommune, fra KS og fra KLIF/SSB. Initiativet fra KLIF og SSB er koblet opp mot å forbedre innrapporteringen for denne type data fra kommuner og fylkeskommuner via Kostra-systemet (SSB 2012). Det er etablert en egen arbeidsgruppe innenfor KOSTRA-systemet som gis ansvar for dette temaet, som er avgrenset til rapportering av energibruk og klimagassutslipp fra kommunenes egne virksomheter. Begrunnelsene var følgende: - det vil gi en bedre samordning i utvikling og presentasjon av statistikk og indikatorer som kommunene og staten trenger i kommunenes arbeid med klima- og energiplaner - det er behov for å utnytte eksterne datakilder bedre for å utvikle statistikk og indikatorer på kommunenivå - Et prosjekt i Vestregionen i Akershus har vist at kommunene kan rapportere stasjonært energibruk i egen virksomhet med rimelig kvalitet og oppgavebyrde (Norconsult 2011). Arbeidsgruppen har i sin rapport kommet frem til følgende type nøkkeltall som kommunene bør rapportere inn via Kostra: - Energibruk i kommunal eiendomsforvaltning. kwh per innbygger Energibruk i kommunal eiendomsforvaltning. kwh per kvm - Andel av energibruk i kommunal eiendomsforvaltning basert på fornybare kilder - Utslipp av klimagasser knyttet til energibruk i kommunal eiendomsforvaltning per innbygger - Utslipp av klimagasser knyttet til energibruk i kommunal eiendomsforvaltning, per kwh tilført - Energikostnader i kommunal eiendomsforvaltning per kwh tilført, fornybare energikilder - Energikostnader i kommunal eiendomsforvaltning per kwh tilført, ikke- fornybare (fossile) energikilder I tillegg er det foreslått en rekke indikatorer for energieffektivitet, både funksjonelt og teknisk i forhold til bygningsarealet i kommunen, og for energiomlegging til mer fornybare energiressurser. Forslagene fra Kostra s arbeidsgruppe for energi- og klimastatistikk fra kommunene skal testes ut og videreutvikles i perioden , som vil passe godt sammen med gjennomføring av hovedprosjekt. Østfoldforskning 33

40 Bruk av lokalt forankrede data er viktig for å gjøre energi- og klimaplanene mer handlingsrettede og sikre at mål, strategier og tiltak i større grad er forankret i spesifikke lokale forutsetninger og forhold. Det har vært reist kritikk mot at dagens energi- og klimaplaner har for generelle strategier og tiltak, med opplisting av mange strategier og tiltak mer som eksempler på hva som kan gjøres enn på hva som faktisk er prioritert og vedtatt i kommunene (se Groven & Aall 2002, Harvold & Risan 2010, Risan & Larsen 2010). Mye av denne kritikken kan speiles tilbake på den praksis som har vært fulgt med i hovedsak å benytte nasjonale data for energibruk og klimagassutslipp fra SSB, som er brutt ned på kommuner og regioner gjennom nøkkeltall basert på folketall, økonomi eller sysselsetting. Som vist i Figur 11 bør energi- og klimaplaner starte med at man gjør opp en status for situasjonen med hensyn til energibruk og klimagassutslipp i egen kommune eller region, og der det fokuseres på hvilke forutsetninger som bestemmer dagens energibruk og utslipp. Eksempler på slike kan være tilgang på og utnyttelsesmuligheter for lokalt baserte fornybare energiressurser, standard på bygningsmasse og infrastruktur, bosettingsmønster i forhold til transportbehov, tilgang på kollektivtransportløsninger osv. Flertallet av energi- og klimaplanene som er gjennomgått i denne studien har i liten grad fokusert på slike forutsetninger, når det i neste omgang skal fastsettes mål for arbeidet og gjøres prioriteringer mellom tiltak. Dette fører til at både mål og strategier blir løsrevet fra den lokale/regionale virkeligheten, og som i neste omgang skaper avstand og fremmedgjøring til tiltakene som blir foreslått og gjenstand for politiske vedtak. I siste instans vil det ikke være mulig å måle effekter av tiltakene i energi- og klimaarbeidet lokalt eller regionalt, fordi statistikken fra SSB blir vannet ut gjennom at alt aggregeres til nasjonale data før det igjen brytes ned lokalt og regionalt. Figur 11 Skjematisk fremstilling av arbeidsprosessen for energi- og klima-arbeid i virksomheter Østfoldforskning 34

41 Risan & Larsen (2010) diskuterer erfaringer med blant annet energi- og klimaplanlegging i norske kommuner opp mot endringen fra tradisjonell statlig styring og planlegging til mer fokus på lokal Plan- Governance, der prosessene er mer lokalt forankret og basert på lokal kunnskap. Planprosessene diskuteres generelt i lys av en overgang fra en sterkt sentralstyrt tradisjon med fokus på helhetlige eller synoptiske planer, til en mer involverende samstyring som i større grad er basert på lokale premisser og aktører. Energi- og klimaplanene beskrives generelt som lite positive sett i en slik utvikling, og der datagrunnlaget som publiseres fra SSB er med på å understøtte den tradisjonelle overordnede styringsformen. Lokalt eller regionalt baserte data er derfor nødvendig for å sikre mer effektiv målstyring av energi- og klimaarbeidet, hvor det både skal være mulig å følge utvikling i gjennomføring av tiltak, og ikke minst synliggjøre effekten av tiltakene for energiomlegging og klimagassutslipp. Utvikling og uttesting av metoder som foreslås i dette forprosjektet vil derfor kunne være sentralt for å bidra til større effekter av lokalt energi- og klimaarbeid, og ikke minst at det kobles sterkere opp mot lokale forutsetninger, både i form av muligheter og barrierer. Det å fremskaffe et godt lokalt datagrunnlag for energibruk og klimagassutslipp fra mange sektorer lokalt og regionalt er et omfattende arbeid som vil kreve stor innsats for å få relevante og gode data. Som vist i denne rapporten er det imidlertid et potensial for å bruke GISverktøy i kombinasjon med allmenne databaser og energi- og klimadata for å få et bedre datagrunnlag. Dette er en tilnærming som er beskrevet hos blant annet Ramachandra (2009) for regional energiplanlegging og Rørstad et al (2010) for data knyttet til regional tilgang av biomasseressurser fra skog. Det ligger derfor et betydelig potensial for effektivisering og forbedring av datagrunnlaget for lokale og regionale energi- og klimaplaner, for både å få bedre oversikt over status for tilgang på og utnyttelse av lokale energiressurser og lokal energibruk, og for å få oversikt over forutsetninger for lokale og regionale handlingsplaner. Litteraturgjennomgangen indikerer at dette er et område som foreløpig er relativt lite utviklet, men hvor det finnes eksempler på pilotprosjekter gjennomført i enkelte regioner i Sverige, Danmark og i India og Japan å bygge videre på, både. Dagens energi- og klimaplaner kan også i stor grad kategoriseres som beskrivende, i den forstand at de analyser som er gjennomført viser historiske trender og status uten å analysere hva som er de bakenforliggende årsaker. Dette er naturlig i og med at datagrunnlaget er basert på nasjonal statistikk brutt ned på kommuner og fylker, hvor det ikke er mulig å analysere effekter av lokale forhold eller tiltak. Gjennom litteraturstudien er det vist flere eksempler der det benyttes ulike modellverktøy som grunnlag for å analysere ulike scenarioer eller utviklingsbaner for energibruk og klimagassutslipp lokalt og regionalt. Eksempler er modellene som er utviklet i Danmark, Sverige, Japan og India, basert på MARKAL- eller TIMES-modellene for energisystemanalyser (se Ramachandra 2009, Hiremath et al. 2010, Sperling et al 2011, Domac et al. 2011, Motoki & Kasaka udatert). Disse modellene er basert på koblinger mellom energibruk og økonomi, og med lineær programmering som metode for å optimalisere energibruk og klimagassutslipp mot økonomiske mål. En annen tilnærming ble benyttet i et prosjekt i regi av Østfold Gassforum (forløper til Energiforum Østfold) i perioden der scenarioer for energibruk i ulike sektorer i Østfold ble analysert med LCA-modeller for å finne hva som ga minst klimagassutslipp (Modahl og Rønning, 2003). Et eksempel på resultatene fra dette arbeidet er vist i Figur 12, der resultatene fra analyser av klimagassutslipp fra energibruk knyttet til fem ulike sammensatte scenarioer er vist for 5 sektorer i Østfold-samfunnet. Østfoldforskning 35

42 Figur 12 Resultater fra analyser av 5 ulike scenarioer for energiomlegging i Østfold (fra Modahl og Rønning, 2003). I søknaden om hovedprosjekt legges det også opp til å utvikle integrerte løsninger for bruk av skogøkonomiske modeller og livsløpsmodeller, for å få frem best mulig underlag for mål, strategier og tiltak knyttet til forvaltning av skogressursene i en kommune. GAYA-modellen som er utviklet ved Institutt for Naturvaltning på UMB og livsløpsmodellen som Østfoldforskning benytter i sine energi- og klimastudier vil bli integrert via GIS-verktøy for både å analysere og visualisere tilgang på og forvaltning av biomasseressursene fra skog og landbruk. Tilsvarende vil det også være et interessant forskningsområde å koble sammen LCA-modellene med energisystem-modellene (e.g. TIMES, Balmorel) som verktøy for analyse av lokale og regionale energisystemer. Et viktig punkt som fremkommer både i Kostra-rapporten (SSB 2012), i rapporter som oppsummerer erfaringer fra energi- og klimaplanarbeid (Risan & Larsen 2010, Harvold & Risan 2010) er betydningen av at arbeidet må løses på tvers av mange funksjoner i kommunene. Det betyr at tilgangen til bedre datagrunnlag og metoder ikke bare er viktig for den eller de som koordinerer energi- og klimaarbeidet i kommuner og fylkeskommuner, men at det vil ha betydning og nytteverdi for mange funksjoner i virksomhetene. Bedre og mer effektive styringssystemer basert på lokalt forankrede data vil derfor ha interesse innenfor mange av kommunens funksjonsområder, både innenfor Landbruk, Teknisk Drift, Samferdsel og drift av eiendommer og bygningsmasse. Østfold og Oslofjordområdet har spesielt gode forutsetninger for å løfte frem dette som et interessant forsknings- og utviklingsområde fremover, på grunn av tilgang på kunnskap om 1) GIS-verktøy (Geodata og Fredrikstad kommune med flere) 2) livsløpsanalysemodeller og datagrunnlag for energibruk og klimagassutslipp fra energibærere og produkter i Østfoldforskning, Østfoldforskning 36