Schakel je het best snel over naar een elektrische auto? En hoe zit het met andere producten? Simon en Thomas Schaubroeck onderzochten wanneer je een product het best vervangt om de milieu-impact te verkleinen en schreven er een blog over.
Stel: je hebt een paar jaar geleden een benzineauto (euro 6) gekocht en er komt een nieuwe elektrische auto op de markt. Wanneer kan je dan het best je benzineauto vervangen door die elektrische om je koolstofvoetafdruk (carbon footprint) te verkleinen? Of blijf je beter je benzineauto gebruiken tot de technologie van een elektrische auto meer op punt staat? Over welke periode van autogebruik wil je de carbon footprint berekenen en verkleinen? Om die vragen te beantwoorden en om rekening te houden met een veranderende markt (bijvoorbeeld door de lancering van nieuwe voertuigen of met andere elektriciteitsmix), heeft ons onderzoek een recente methode verder ontwikkeld. Deze methode kan gebruikt worden voor ieder type product, zoals stofzuigers, frigo’s, maar ook treinen en gebouwen. In het wetenschappelijk artikel hebben we onze methode toegepast op de volgende situatie: een autobestuurder die in Frankrijk in de regio Lorraine woont en beslist om eventueel zijn benzinewagen te vervangen door een elektrische wagen.
Hoe steekt de methode in elkaar?
Om de milieu-impact van een beslissing, zoals het vervangen van een product, te bepalen passen we Consequentiele Levenscyclusanalyse (CLCA) toe. Met deze methode kunnen verschillende types beslissingen worden onderzocht: productherstel, productaankoop, invoer van productrichtlijnen, enz. Voor elke beslissing, dien je apart de gevolgen te bestuderen. In CLCA, starten we vanaf het moment van de beslissing en gaan we dan na welke processen, zoals rijden met de elektrische auto, beïnvloed worden door deze beslissing. Dat houdt onder andere in dat processen die vóór de beslissing plaats vonden niet meer in rekening worden gebracht, bijvoorbeeld van de specifieke producten, die al in gebruik zijn op het beslissingsmoment, zal de productie niet inbegrepen worden. We nemen ook een evoluerende markt in beschouwing, zoals de verandering van elektriciteitsmix over tijd. Van ieder beïnvloed proces verkrijgen we data over de hoeveelheid emissies naar het milieu toe (vb. x kg CO2 bij het rijden van 100 km) of de onttrokken grondstoffen (vb. 1 liter ruwe petroleum). Finaal worden die data omgezet naar een bepaalde milieu-impactscore. Voor de berekening van de koolstofvoetafdruk als impactscore, tellen we de broeikasgassen op van alle processen rekening houdend met de potentie per broeikasgas. Het resultaat van een koolstofvoetafdruk (carbon footprint) staat uitgedrukt in kg CO2 equivalenten. Hierbij wordt o.a. 1 kg methaangas omgezet naar ca. 25 kg CO2 equivalenten, aangezien methaangas ca. 25 keer schadelijker is dan CO2-gas.
In deze paragraaf bespreken we beknopt onze toepassing van de vernieuwde CLCA-methode op de beslissing om een product te vervangen. Op een bepaald startpunt heeft een gebruiker een benzineauto (euro 6) drie jaar gebruikt. Op dat moment beslist die gebruiker wanneer hij die auto eventueel gaat vervangen door een nieuwe elektrische auto voor een gebruik tot een bepaald eindpunt, bijvoorbeeld over 12 jaar. Wanneer de gebruiker de elektrische auto koopt, dan nemen we aan dat die al op voorhand geproduceerd is. Dus de productie van deze specifiek aangekochte auto wordt niet in de analyse opgenomen, maar het kopen van een auto kan ertoe leiden dat bijkomende auto‘s worden geproduceerd, en deze vermoedelijke productie wordt wel in de analyse opgenomen. Hiervoor nemen we aan dat producenten de auto’s zullen produceren vooraleer een gebruiker ze koopt, en dat deze voorspelling deels is gebaseerd op verkoopsdata. Een auto kan na gebruik op de tweedehandsmarkt geplaatst worden, waar een andere gebruiker die kan aankopen en gebruiken i.p.v. wat op de markt beschikbaar is, enz. Aangezien we in CLCA de verandering veroorzaakt door acties berekenen, kan de laatste actie worden inbegrepen door, bijvoorbeeld, de impact van het tweedehands gebruik van een auto mee te nemen en de impact van de gemiddeld aangekochte auto op de markt af te trekken. Om exact te zijn zou per gebruiker de kans moeten bepaald worden dat hij/zij een specifieke tweedehandsauto zou aanschaffen. Deze sequentie van acties (productgebruik, producthergebruik en afdanking) bepaalt welke milieu-impact veroorzaakt wordt door de acties van de initiële gebruiker binnen een tijdskader. In figuur 1 wordt zo’n sequentie geïllustreerd.
Figuur 1. Overzicht van de procesketen van het vervangingsvraagstuk. Deze figuur is een aangepaste en vertaalde versie van de figuur aanwezig in het origineel wetenschappelijk artikel (Schaubroeck et al., 2020; Int. J. Life Cycle Ass.).
Eens is vastgelegd welke processen beïnvloed worden door de beslissing, kunnen verschillende scenario’s worden uitgewerkt. Het is immers niet zeker dat ieder proces, zoals tweedehandsgebruik, zal plaatsvinden en de context varieert over tijd. De samenstelling van de tweedehandsmarkt evolueert immers over de jaren heen.
Wanneer zou een Franse autogebruiker best een benzineauto vervangen door een elektrische auto?
Wat betreft resultaten, hebben we in ons artikel verschillende scenario’s berekend. In onderstaande grafiek (Figuur 2) worden twee daarvan afgebeeld. Beide berekeningen gelden voor een Fransman, die in de regio Lorraine woont, om de vier jaar van auto verandert, een elektrische auto zal opladen in Frankrijk en waarvan een autogebruik van 12 jaar (startend in 2016) wordt beschouwd. Per aankoop van een auto nemen we aan dat er één bijkomende auto wordt geproduceerd. In de linkergrafiek worden afgedankte auto’s nog herbruikt, in de rechtergrafiek niet. Per verschil in tijdstip van overstap van benzine naar elektrische auto wordt een andere impact, in dit geval koolstofvoetafdruk, veroorzaakt. Die impact is afgebeeld in de blauwe streeplijn in de grafiek. Indien de gebruiker de overstap niet maakt naar een elektrische auto, dan wordt een impact berekend die aangeduid wordt met de rode stip. De volle groene lijn toont aan bij welke verplaatsingstijd de grootste reductie van de carbon footprint kan bekomen worden tegenover het niet overstappen naar een elektrische auto. Gezien de ingestelde parameters en de beduidend lagere impact van het gebruik van een elektrische auto ten opzichte van een benzine-auto, is het in beide scenario’s het best om zo snel mogelijk over te stappen naar een elektrische auto. Doet men dit direct dan kan de impact verlaagd worden tot 80 000 kg CO2 equivalenten. De getrapte vorm van de rechtergrafiek is te verklaren doordat we uitgaan van een gebruiker die iedere 4 jaar van auto verandert, los van de overstap van een elektrische auto naar een bezine auto. Terwijl het in alle gevallen beter is om vroeger te vervangen, zijn sommige verplaatsingstijdstippen gunstiger dan andere.
Figuur 2. Koolstofvoetafdruk in functie van de vervanging op een bepaald tijdstip. De groene lijn geeft het verschil weer tussen een scenario met vervanging en zonder. Een hogere waarde betekent dat het beter is om te vervangen. Deze figuur is een aangepaste en vertaalde versie van de figuur aanwezig in het origineel wetenschappelijk artikel (Schaubroeck et al., 2020; Int. J. Life Cycle Ass.).
Gelden deze resutaten voor België?
Hou er rekening mee dat deze resultaten gelden voor Frankrijk, waar de koolstofvoetafdruk voor elektriciteit laag is wegens het grote aandeel aan nucleaire energie. Kijken we naar de situatie in België, dan kan het hoogstwaarschijnlijk ook beter zijn om zo snel mogelijk te veranderen, maar de exacte berekening hiervan werd nog niet uitgevoerd.
Verder onderzoek: the sky is the limit!
Deze studie heeft een raamwerk opgeleverd dat parameters en assumpties in kaart brengt, en ons toelaat om de milieu-impact te bepalen per tijdstip van vervanging. Dit raamwerk staat open voor de input van onderzoeksgebieden zoals economie en psychologie, bijvoorbeeld het voorspellen van de vraag naar een product kan geïntegreerd worden. Zo hoopt dit onderzoek stappen te zetten richting de voorspelling van de milieu-impact waarbij de inbreng van verschillende disciplines mogelijk is.
Referentie en achtergrond van de auteurs
Voor meer uitleg over de methode, exacte berekeningen en resultaten, kan je het artikel hier online raadplegen.
Simon Schaubroeck heeft aan deze studie gewerkt als onderzoeker voor het bedrijf Suda Limited gevestigd in Hong Kong. Thomas Schaubroeck is de winnaar van de Publieksprijs Eos pipet (2015) en is sinds vier jaar onderzoeker aan het Luxembourg Institute of Science and Technology. Dit onderzoek is deels ondersteund door het nationaal onderzoeksfonds van Luxemburg: Luxembourg National Research Fund (FNR). Volgende collega’s van Thomas hebben meegewerkt aan het wetenschappelijk artikel: Paul Baustert (LU), Thomas Gibon (FR) & Enrico Benetto (IT). Simon & Thomas hebben hun diploma’s behaald aan de Universiteit van Gent.
