18. 2025-084261 Burger Brief aan de gemeenteraad - Windturbines Beneluxplein (geanonimiseerd).pdf
Tekst van het document
We beantwoorden deze vragen voor de verwachte toekomstige situatie per 2030 in vergelijking met de huidige situatie (eind 2020). ,
4. 1
Hoeveel windturbines komen
er en
wat is hun vermogen?
Eind 2020 stonden er in Nederland 1855 windturbines op land opgesteld met een totaal vermogen van 3. 783 MW. 20 In 2021 zijn er 452 turbines geplaatst en/of gepland met een totaal vermogen van 1. 844 MW. In 2030 zullen er op basis van de RES-plannen naar verwachting 3. 259 turbines zijn opgesteld met een totaal vermogen van 9. 357 MW. Oftewel de komende jaren (2022-2030) staan er 952 nieuwe turbines gepland met een totaal vermogen van 3730 MW. Deze cijfers betekenen dat tussen 2020 en 2030 (de periode van onze analyse) het aantal turbines groeit met 1. 404 oftewel 75% en het opgesteld vermogen met 5. 574 MW oftewel met 147%. ,
,
,
,
,
,
Figuur 4 geeft een overzicht van de locatie van alle bestaande turbines (eind 2020) plus de nieuwe turbines onderverdeeld naar de turbines die in 2021 zijn geplaatst en de overige nieuwe turbines (2022-2030) zoals genoemd in de RES documenten. De locaties van de laatste groep nieuwe turbines zijn een zo goed mogelijke inschatting op basis van de inventarisatie van de RES 1. 0 documenten; zie Hoofdstuk 3 voor de gevolgde procedure. De figuur laat een verschuiving landinwaarts zien: terwijl het zwaartepunt van windturbines op land tot nu toe lag in de kustprovincies (met name Friesland de kop van Noord-Holland en Zeeland) plus Flevoland zullen de windturbines zich de komende jaren steeds verder landinwaarts gaan verspreiden. De figuur laat ook goed zien dat in 2021 vooral in Flevoland Groningen en Drenthe relatief veel nieuwe windturbines zijn geplaatst terwijl de komende jaren de sterkste groei van het aantal windturbines optreedt in Noord-Brabant Zuid Holland Gelderland Overijsel en (Noord) Limburg. ,
,
,
,
,
,
20
,
,
CBS hanteert voor 2020 het aantal van 2. 144 turbines (StatLine - Windenergie op land; productie en capaciteit per provincie (cbs. nl)); dit is inclusief 289 turbines die in windparken in de Noorzee staan , meer dan 10 km uit de kust. Wij rekenen die niet mee.
TNO-rapport | TNO 2022 P10374
Figuur 4
21 / 56
L ocatie van alle windturbines in Nederland per 2030 , gedifferentieerd naar tijd van plaatsing. (Kaartdata van de Basisregistratie Topografie (BRT)).
Tabel 1 vat de ontwikkeling van de aantallen en omvang van de windturbines samen per provincie. In lijn met Figuur 4 bevestigen de cijfers dat de meeste bestaande turbines te vinden zijn in de kustprovincies plus Flevoland – tevens de gebieden in Nederland met de hoogste windsnelheden. In 2020 kent Friesland opvallend veel kleine winturbines (gemiddeld 0. 7 MW) in vergelijking met de overige provincies (gemiddelde 2. 0 MW) zie het rechterdeel van Tabel 1. Per 2030 staan naar verwachting de meeste turbines nog steeds opgesteld in de kustprovincies plus Flevoland en Noord-Brabant. De sterkste groei is te verwachten in de provincies Limburg Drenthe Gelderland en Overijsel – in deze provincies is als het ware sprake van een inhaaleffect. Utrecht is en blijft met afstand de provincie met de minste turbines. Het meeste opgestelde vermogen is in 2030 naar verwachting te vinden in de provincies Flevoland en Noord-Brabant mede dankzij de plaatsing van relatief grote turbines; dit laatste is ook de reden dat in 2030 in Gelderland meer MW staat opgesteld dan in Friesland ondanks het substantieel geringere aantal turbines. In 2020 stonden de gemiddeld grootste turbines opgesteld in de provincie Zuid-Holland en Drenthe in 2030 is dat het geval in de provincies Utrecht Noord-Brabant en Drenthe. ,
,
,
,
,
,
,
TNO-rapport | TNO 2022 P10374
Tabel 1
22 / 56
Windturbines: aantal en opgesteld vermogen per provincie. Aantal windturbines
2020
2030
MW Totaal
Δ 2020-30
MW per turbine (gemiddeld)
2020
2030
Δ 2020-30
2020
2030
Δ 2020-30
#
#
#
%
MW
MW
MW
%
MW
MW
MW
%
Groningen
176
282
106
60%
448
890
442
99%
25,
32,
06,
24%
Friesland
286
390
104
36%
191
633
443
232%
07,
16,
10,
144%
Drenthe
16
100
84
525%
45
347
302
668%
28,
35,
06,
23%
Overijssel
27
148
121
448%
67
471
404
604%
25,
32,
07,
29%
Flevoland
410
527
117
29%
963
1. 674
711
74%
23,
32,
08,
35%
Gelderland
56
226
170
304%
139
710
570
409%
25,
31,
07,
26%
Utrecht
16
42
26
163%
34
180
146
427%
21,
43,
21,
101%
N-Holland
331
401
70
21%
641
844
202
32%
19,
21,
02,
9%
Z-Holland
163
378
215
132%
461
1. 253
792
172%
28,
33,
05,
17%
Zeeland
240
285
45
19%
515
652
137
27%
21,
23,
01,
7%
N-Brabant
126
344
218
173%
257
1. 317
1. 060
412%
20,
38,
18,
88%
Limburg Nederland
8
136
128
1600%
21
386
365
1717%
27,
28,
02,
7%
1. 855
3. 259
1. 404
76%
3. 783
9. 357
5. 574
147%
20,
29,
08,
41%
Het rechterdeel van Tabel 1 laat ook zien dat in de loop van de tijd de gemiddelde windturbine steeds groter wordt: in 2020 hadden de windturbines in Nederland een gemiddelde omvang van 2. 0 MW in 2030 is dat naar verwachting 2. 9 MW. De toenemende omvang van windturbines illustreren we in Figuur 5; de figuur laat zien dat zowel de tiphoogte als de variantie daarvan over de tijd is toegenomen. 21 ,
Figuur 5
21
G emiddelde tiphoogte van nieuwe windturbines over de tijd
Merk op dat (zoals uiteengezet in Hoofdstuk 3) , indien niet gespecificeerd in de RES plannen , wij voor nieuwe turbines uitgaan van een vermogen van 3 MW , een masthoogte van 95 meter en een tiphoogte van 140 m. Zoals ook aangegeven in Hoofdstuk 3 is dit een conservatieve aanname , zoals ook blijkt uit Figuur 5.
TNO-rapport | TNO 2022 P10374
23 / 56
Figuur 6 biedt een verdieping van Tabel 1 door per gemeente het (verwachte) opgestelde vermogen van windenergie op land te laten zien in 2020 (links) en in 2030 (rechts). Uit deze kaarten blijkt duidelijk dat de komende jaren windturbines zich steeds verder landinwaarts gaan verspreiden daar waar het zwaartepunt nu nog ligt in de kustprovincies plus Flevoland. De vijf gemeenten met het meeste opgestelde vermogen zijn op dit moment Hollands Kroon (447 MW) Het Hogeland (285 MW) Noordoostpolder (286 MW) Rotterdam (207 MW) en Lelystad (181 MW). In 2030 zijn dat naar verwachting de volgende gemeenten: Zeewolde (711 MW) Hollands Kroon (463 MW) het Hogeland (440 MW) Dronten (411 MW) en Delfzijl (267 MW). ,
,
,
,
,
,
O pgesteld vermogen windenergie per gemeente in 2020 (links) en 2030 (rechts). (Kaartdata van OpenStreetMaps)
Figuur 6
4. 2
,
Hoeveel woningen staan er straks in de nabijheid van windturbines? Eind 2020 stonden er ongeveer 890 duizend woningen in Nederland (12% van het totaal) in de nabijheid van windturbines – dat wil zeggen binnen de straal van 2500 meter waarvoor een huizenprijs effect optreedt. Als we alle geplande windturbines voor 2030 in één keer op de kaart van 2020 erbij plaatsen – de veronderstelde 2030 situatie – dan groeit het aantal getroffen woningen tot ruim 1. 6 miljoen oftewel 22% van de in totaal 7. 4 miljoen woningen in Nederland. 22 Niet alle gemeenten hebben huizen in de nabijheid van windturbines. Als we alleen zouden kijken naar de gemeenten met huizen dichtbij windturbines dan blijkt uit de onderliggende data dat het gemiddelde percentage getroffen huizen in deze gemeenten ongeveer 25% is in 2020 en 32% in 2030. ,
,
,
Tabel 2 laat voor 2020 en 2030 de verdeling zien van het aantal huizen in de nabijheid over de provincies. Daaruit blijkt dat zowel in 2020 als in 2030 Friesland met afstand het hoogste percentage huizen kent op korte afstand van windturbines: ongeveer 45% van de huizen in deze provincie staan in de directe nabijheid van windturbines. In Friesland blijft dit percentage constant over de tijd omdat de nieuwe turbines in deze provincie grotendeels in of vlak bij het IJsselmeer staan en 22
Als er tot 2030 1 miljoen huizen bijkomen dan zou ruim 1. 6 miljoen woningen in de nabijheid van windturbines overeenkomen met 19. 7% van de woningvoorraad.
TNO-rapport | TNO 2022 P10374
24 / 56
daardoor geen extra woningen raken. De grootste aantallen huizen dicht bij een turbine zijn te vinden in de meer dichtbevolkte gebieden in de provincies Noord- en Zuid-Holland; in 2020 gaat in beide provincies samen om bijna 450. 000 huizen (50% van het totaal aantal woningen in Nederland) in 2030 om ongeveer 700. 000 huizen (ongeveer 42% van het totaal aantal woningen in Nederland). ,
Tabel 2
Effect van windturbines: aantal getroffen huizen per provincie. Totaal # woningen
Aantal getroffen woningen (x 1000)
Percentage getroffen woningen
2020
2020
2030
Δ 2020-30
2020
2030
#
#
#
#
%
%
%
%-pnt
Δ 2020-30 %
Groningen
257
31
50
19
62
12
20
7
62
Friesland
271
121
120
-1
-1
45
44
-1
-1
Drenthe
198
5
15
10
199
3
8
5
199
Overijssel
474
19
84
65
345
4
18
14
345
Flevoland
162
20
33
12
60
13
20
8
60
Gelderland
843
58
188
129
223
7
22
15
223
Utrecht
559
45
92
46
102
8
16
8
102
N-Holland
1. 298
246
353
107
44
19
27
8
44
Z-Holland
1. 631
201
346
145
72
12
21
9
72
Zeeland
169
34
37
3
9
20
22
2
9
N-Brabant
1. 074
101
245
144
143
9
23
13
143
Limburg
500
9
103
94
1032
2
21
19
1032
Nederland
7. 438
891
1. 666
774
87%
12
22
10
87%
Dit verschil tussen relatieve en absolute aantallen getroffen huizen is even logisch als belangrijk: in een dichtbevolkt gebied treft een turbine relatief veel huizen; dat is een belangrijke reden om windturbines vooral in dunbevolkte gebieden te plaatsen alwaar ze vervolgens procentueel veel huizen raken. Met andere woorden er bestaat een fundamentele afruil tussen enerzijds het minimaliseren van het totaal aantal getroffen woningen en anderzijds een gelijke verdeling van de lasten van windturbines over de ruimte. In het volgende hoofdstuk komen we hier op terug. ,
,
Tabel 2 laat verder zien dat veruit de sterkste stijging van het aantal getroffen huizen tussen 2020 en 2030 te vinden is in de provincie Limburg op afstand gevolgd door de provincies Overijsel Drenthe en Gelderland. In al deze provincies is sprake van een inhaaleffect; zoals eerder opgemerkt worden nieuwe turbines de komende jaren vaker landinwaarts geplaatst (zie Figuur 4). Verder valt op dat in Drenthe ook per 2030 opvallend weinig woningen getroffen worden door windturbines (8% van het totaal aantal woningen in Drenthe) ondanks een sterke groei van het aantal turbines die bovendien relatief groot zijn (zie Figuur 4 en Tabel 2). Deze paradox kan worden verklaard uit de lage bevolkingsdichtheid van Drenthe en met name het gebied waar de turbines staan opgesteld; zo beschouwd is de locatie van deze turbines goed gekozen. ,
,
,
,
,
,
Tenslotte in Figuur 7 laten we het percentage getroffen woningen per gemeente zien op de kaart van Nederland voor 2020 (links) en 2030 (rechts). Ook hieruit blijkt duidelijk dat landinwaarts over de tijd meer huizen te maken krijgen met de nabijheid van windturbines. De figuur laat ook goed de ongelijke ruimtelijke ,
,
TNO-rapport | TNO 2022 P10374
25 / 56
verdeling van het aantal getroffen woningen zien: in 60 gemeenten (17% van het totaal) wordt in 2030 meer dan 60% van de huizen getroffen door een windturbine terwijl in 40% van alle gemeenten het aantal getroffen huizen minder dan 5% is. Dat neemt niet weg dat dit een aanzienlijke toename van impact is ten opzichte van 2020; toen werden in 66% van alle gemeenten minder dan 5% van de huizen getroffen. ,
Figuur 7
4. 3
G emiddelde percentage getroffen woningen in 2020 (links) en 2030 (rechts). (Kaartdata van OpenStreetMaps)
Hoe groot is de relatieve waardedaling
de getroffen woningen?
van
In 2020 bedroeg de geschatte totale relatieve waardedaling van woningen ten gevolge van windturbines ongeveer 57 miljard euro. 23 Als we alle geplande windturbines voor 2030 in één keer op de kaart van 2020 erbij plaatsen – de veronderstelde 2030 situatie – dan neemt de geschatte totale relatieve waardedaling toe tot ongeveer 155 miljard euro. De totale waardedaling verdrievoudigt dus bijna tussen 2020 en 2030 terwijl het aantal getroffen woningen in dezelfde periode stijgt met ‘slechts’ 87% (zie Tabel 3). Dit verschil wordt veroorzaakt door twee ontwikkelingen: i) doordat er meer turbines komen staan ze onvermijdelijk vaker dichter op huizen en ii) nieuwe turbines zijn gemiddeld hoger dan bestaande turbines (zie Figuur 5). Uit het onderzoek van Dröes en Koster (2021) weten we dat zowel een kortere afstand als een hogere turbine leiden tot een sterker negatief prijseffect (zie Figuur 1). ,
,
,
Het is belangrijk om de totale relatieve woningwaardedaling ten gevolge van windturbines in perspectief te zien. Het totale bedrag komt overeen met een gemiddelde waardedaling per woning van 2. 6% in 2020 oplopend naar gemiddeld 3. 8% in 2030. Gegeven de woningwaarden in 2020 betekent dit een gemiddeld waardeverlies van €6. 356 per woning in 2020 oplopend tot €9. 295 voor de 2030 ,
,
,
23
Ter vergelijking: Dröes en Koster komen in hun analyse voor 2019 uit op 499 , miljard euro. Het verschil van ongeveer 13% is goed te verklaren: zoals beschreven in Hoofdstuk 3 maken wij voor de inventarisatie van bestaande windturbines gebruik van een iets recentere versie van de Windstats dataset (dus met iets meer turbines) , en wij gebruiken een andere en iets recentere databron voor actuele woningwaardes (met vermoedelijk iets hogere huizenprijzen).
TNO-rapport | TNO 2022 P10374
26 / 56
situatie (ceteris paribus met 2020 huizenprijzen). 24 Met andere woorden tussen 2020 en 2030 stijgt de gemiddelde waardedaling per getroffen woning met €2.930 dat is een stijging van 46% (zie onderste regel in Tabel 3). ,
,
,
In Tabel 3 laten we voor 2020 en 2030 per provincie de waardedaling van de woningen in de nabijheid van windturbines zien. Hieruit blijkt dat de grootste totale waardedaling te vinden is in de provincies Noord- en Zuid-Holland en in 2030 ook in Noord-Brabant. In 2020 was 58% van de totale waardedaling gelokaliseerd in Noord- en Zuid-Holland in 2030 is dit naar verwachting 43%. De sterkste relatieve toename van de waardedaling tussen 2020 en 2030 vindt plaats in de provincies Limburg Overijssel Gelderland en Drenthe. Beide observaties zijn in lijn met de in Tabel 3 geobserveerde (toename van) aantallen getroffen woningen in deze provincies. De hoge totale waardedaling in met name Noord- en Zuid-Holland is uiteraard ook een gevolg van de relatief hoge huizenprijzen in die provincies. ,
,
,
,
Opvallend genoeg is in Drenthe de gemiddelde procentuele waardedaling per woning met 5. 3% het hoogst; in Drenthe worden dus weliswaar relatief weinig huizen getroffen (zie Figuur 8) maar tegen relatief hoge kosten per woning; de oorzaak hiervoor ligt voornamelijk in het feit dat de nieuwe turbines er relatief hoog zijn (zie Tabel 1). In Friesland daarentegen geldt het omgekeerde: de gemiddelde waardedaling per woning is er met 1. 6% het laagst; in Friesland worden dus weliswaar relatief veel huizen getroffen (zie Tabel 2) maar tegen relatief lage kosten per woning – de oorzaak ligt in het feit dat de turbines er relatief klein zijn (zie Tabel 3). Dit vertaalt zich geholpen door relatief lage woningwaardes in Friesland in een relatief lage gemiddelde waardedaling per woning uitgedrukt in euro’s: €2. 763 in 2030. In euro’s uitgedrukt zijn de grootste gemiddelde waardedalingen per woning in 2030 te vinden in de provincies Utrecht NoordBrabant en Zuid-Holland; dit wordt veroorzaakt door een combinatie van relatief hoge turbines en relatief dure huizen. ,
,
,
,
,
Tabel 3
Groningen Friesland Drenthe Overijssel Flevoland Gelderland Utrecht N-Holland Z-Holland Zeeland N-Brabant Limburg Nederland
2020 € 81 336 35 108 114 387 484 1. 564 1. 746 110 671 36 5. 673
Effect van windturbines: waardedaling huizen per provincie. Totale waardedaling (x 1 miljoen) 2030 Δ 2020-30 € € % 226 178 145 333 -2 -1 131 96 272 710 601 556 280 165 144 1. 796 1. 409 364 1. 194 710 147 2. 878 1. 314 84 3. 843 2. 097 120 140 30 27 3. 123 2. 452 366 827 790 2173 15. 480 9. 807 173%
Gemiddelde waardedaling per getroffen woning 2020 % 1. 6 1. 6 4. 1 2. 7 2. 3 2. 5 3. 4 2. 5 3. 2 1. 8 2. 8 2. 3 2. 6
2030 % 2. 9 1. 6 5. 3 4. 0 3. 5 3. 9 4. 3 3. 1 4. 1 2. 2 5. 0 4. 6 3. 8
Δ2020-30 %-pnt % 82 1. 3 0. 1 4 1. 2 28 1. 3 47 1. 2 51 1. 4 57 0. 9 26 0. 7 27 0. 9 27 0. 3 18 2. 2 79 2. 3 100 1. 2 46
2020 € 2. 615 2. 763 7. 060 5. 751 5. 585 6. 653 10. 667 6. 351 8. 683 3. 280 6. 643 4. 008 6. 365
2030 € 4. 499 2. 778 8. 802 8. 475 8. 554 9. 573 13. 042 8. 143 11. 090 3. 824 12. 723 8. 044 9. 295
Δ2020-30 € % 72 1. 883 15 1 1. 742 25 2. 724 47 2. 969 53 2. 921 44 2. 375 22 1. 792 28 2. 407 28 545 17 6. 080 92 4. 037 101 2. 930 46
24 Ter referentie: de gemiddelde WOZ-waarde van een woning in 2020 bedroeg ongeveer
€270. 000.
TNO-rapport | TNO 2022 P10374
Figuur 8
27 / 56
G emiddelde procentuele waardedaling per woning in 2020 (links) en 2030 (rechts) ten opzichte van de situatie waarop er geen enkele windturbine in Nederland zou staan. (Kaartdata van OpenStreetMaps)
Figuur 8 biedt een verdieping van Tabel 3 door per gemeente de (verwachte) procentuele waardedaling van woningen ten gevolge van windturbines op land te laten zien in 2020 (links) en in 2030 (rechts). Deze kaarten laten goed zien dat de gemiddelde huizenprijseffecten van windturbines groter worden over de tijd en dat die effecten zich over de tijd landinwaarts verspreiden in lijn met het diffusiepatroon van windturbines (zie Figuur 9). De vijf gemeenten met het hoogste percentage waardeverlies zijn op dit moment Zoeterwoude (4.8%) Leidschendam-Voorburg (2.9%) Uitgeest (2.7%) Houten (2. 7%) en Medemblik (2. 4%). In 2030 zijn dat naar verwachting de volgende gemeenten: Heeze-Leende (11.3%) Waalre (8.3%) Lopik (6.3%) Zoeterwoude (5. 8%) en Lisse (5. 7%). Echter het rechterdeel van Figuur 8 laat ook zien dat in 2030 de gemiddelde waardedaling van woningen in de overgrote meerderheid van de gemeenten veel lager ligt: in een krappe meerderheid van de gemeenten met huizen dicht bij een turbine komt de gemiddelde waardedaling niet boven de 1%. ,
,
,
,
,
,
,
,
TNO-rapport | TNO 2022 P10374
Figuur 9
28 / 56
P rocentpunt verschil in gemiddelde procentuele waardedaling per huis voor gemeenten tussen 2030 en 2020. (Kaartdata van OpenStreetMaps)
Tot slot van de paragraaf laten we in Figuur 9 per gemeente de verandering in gemiddelde procentuele woningwaardedaling zien tussen 2020 en 2030; dit komt overeen met het verschil tussen het linker en rechter panel in Figuur 8. Figuur 9 leidt tot de conclusie dat de gemiddelde woningontwaarding in veruit de meeste gemeenten met huizen dicht bij een turbine met minder dan 1 procentpunt toeneemt. Echter in een beperkt aantal gemeenten stijgt de ontwaarding hard. Het gaat met name om de volgende gemeenten: Kaag en Braasem Leiderdorp Teylingen en Lisse allen op de rand van Noord- en Zuid-Holland; Gorinchem in Zuid-Holland Lopik Eemnes en Bunschoten in Utrecht en Olst-Wijhe in Overijsel. Voor al deze gemeenten geldt dat ze tegen een provinciegrens aanliggen; windturbines blijken relatief vaak aan de randen van bestuurlijke grenzen te worden geplaatst – dit geldt niet alleen voor provinciegrenzen maar ook gemeentegrenzen en grenzen van RES-regio’s. Uit de data blijkt dat in 2020 in 54 gemeenten (15% van het totaal) met getroffen huizen geen turbines stonden; deze huizen werden dus getroffen door turbines in naburige gemeenten. In 2030 gaat het om 74 gemeenten (21%) waar dit het geval is. ,
,
,
,
,
,
,
,
Daarnaast is er een aantal gemeenten in Limburg (met name Peel en Maas en Beesel) waar de zoekgebieden voor windenergie in de RES erg ruim waren opgesteld. Zoals beschreven in Hoofdstuk 3 hebben wij nieuwe windturbines zoveel mogelijk evenredig over een zoekgebied verdeeld rekening houdend met bebouwing en bestaande infrastructuur. In deze gemeenten betekent dit dat de turbines over een relatief grote oppervlakte zijn verspreid. In Brabant ligt in een aantal gemeenten (o. a. Boekel Deurne Heeze-Leende Waalre) de zoekgebieden relatief dicht tegen bewoonde gebieden aan met als gevolg dat in deze gemeenten ,
,
,
,
,
,
TNO-rapport | TNO 2022 P10374
29 / 56
volgens onze berekening relatief veel woningen vallen binnen de straal van geplande nieuwe windturbines. Op deze plekken lijkt het daarom wenselijk om de zoekgebieden specifieker te definiëren met als mogelijk gevolg dat de toekomstige werkelijkheid beter is dan onze huidige analyse van de RES-plannen en de kaart van Figuur 9. ,
4. 4
Neemt de ruimtelijke ongelijkheid van getroffen woningen op termijn toe? Tussen 2020 en 2030 stijgt het aantal huizen dat dicht bij een turbine staat (zie Tabel 4-2) maar de totale impact van turbines wordt gelijkmatiger verdeeld over Nederland. Tot 2020 stonden windturbines voornamelijk opgesteld op de plekken met de hoogste windsnelheden rekening houdend met bevolkingsdichtheid: Friesland de kop van Noord-Holland Zeeland en Flevoland. Maar zoals eerder opgemerkt zullen de windturbines zich de komende jaren steeds verder landinwaarts verspreiden (zie Figuur 4). ,
,
,
,
,
,
Dat impact van windturbines op land in de toekomst gelijkmatiger wordt verdeeld over gemeenten komt dus niet door een herverdeling van windturbines maar doordat ook een heel aantal gemeenten voor het eerst met windturbines te maken krijgen. We illustreren dit in Figuur 10 door middel van een zogeheten Lorenz-curve (zie Box 1 voor een toelichting). ,
Box 1: Lorenz Curve De Lorenz-curve (in 1905 ontwikkeld door Max O. Lorenz) is een bekende illustratiemethode om ongelijkheid van inkomen of vermogen weer te geven. De curve geeft het cumulatieve aandeel van het inkomen (verticale as) van verschillende inkomensgroepen (horizontale as) weer. De 45-graden lijn vertegenwoordigt de (hypothetische) situatie van perfecte gelijkheid , waarbij de armste 20% van de bevolking precies 20% van het totale inkomen krijgt , de armste 50% van de bevolking krijgt precies 50% van het totale inkomen , et cetera. Hoe ongelijker de inkomsensverdeling , hoe meer de curve naar beneden afwijkt van de 45-graden lijn. Als de rijkste 10% van de bevolking 90% van het totale inkomen krijgt (oftewel de armste 90% van de bevolking krijgt slechts 10% van het totale inkomen) dan loopt de curve vrijwel vlak om pas helemaal rechts in de figuur (bij de laatste 10%) snel te stijgen naar de rechter bovenhoek van de figuur. De Lorenz-curve kan worden gebruikt om de Gini-coëfficiënt te berekenen , een veelgebruikte maatstaf voor (inkomens)ongelijkheid. De Gini-coëfficiënt is gelijk aan het gebied tussen de 45-graden lijn en de Lorenz-curve , gedeeld door het gehele gebied onder de 45-graden lijn.
Hoe groter de gelijkheid , hoe dichter de Lorenz-curve bij de 45graden lijn ligt , hoe kleiner het gebied tussen de 45-graden lijn en de Lorenz-curve is en dus hoe lager de Gini-coëfficiënt.
TNO-rapport | TNO 2022 P10374
30 / 56
In Figuur 10 staat op de horizontale as het percentage gemeenten in Nederland gesorteerd op het percentage huizen in de nabijheid van een windturbine; geheel rechts op de horizontale as staat de gemeente met relatief de meest getroffen huizen. Op de verticale as staat het cumulatieve aandeel huizen in Nederland dat last heeft van windmolens. De curve wordt per definitie begrensd door twee hoekpunten: 0% van de gemeenten bevat 0% van alle getroffen huizen (linksonder) en alle gemeenten samen (100%) bevatten 100% van alle getroffen huizen (rechtsboven). ,
Figuur 10
L orenz-curve voor de verdeling van windturbines over gemeenten.
Figuur 10 laat zien dat zowel in 2020 en 2030 de turbines ongelijk verdeeld zijn over de Nederlandse gemeenten: geen van beide curves ligt in de buurt van de 45 graden lijn. Echter de ruimtelijke ongelijkheid neemt aanzienlijk af tussen 2020 en 2030: de curve schuift richting de 45-graden lijn. In 2020 heeft de eerste 47% van alle gemeenten op de horizontale as geen last van windturbines in 2030 is dat nog maar 27%. Oftewel in 2020 stonden in 53% van de gemeenten huizen die getroffen werden door windturbines in 2030 is dat toegenomen tot 73% van de gemeenten. Verder laat de grafiek zien dat in 2020 50% van alle getroffen huizen te vinden is in de 10% meest getroffen gemeenten. In 2030 is dat het geval voor 16% van de meest getroffen gemeenten. Met andere woorden de zeer scheve ruimtelijke verdeling van 2020 wordt minder scheef over de tijd. Maar zoals gezegd dat wordt niet veroorzaakt door een herverdeling van bestaande turbines als wel door het bijplaatsen van nieuwe turbines in gemeenten die tot nu toe weinig of geen turbines hadden. ,
,
,
,
,
,
,
4. 5
Krijgen gemeenten met een relatief lage gemiddelde woningwaarde relatief veel turbines? Windturbines worden logischerwijs overwegend in dunbevolkte rurale gebieden geplaatst; in stedelijk gebied veroorzaken ze veel meer overlast en dus weerstand nog afgezien van wettelijke restricties aangaande minimale afstand tot woonwijken historische binnensteden vliegvelden et cetera. Echter er is een sterk verband ,
,
,
,
,
, ,
TNO-rapport | TNO 2022 P10374
31 / 56
tussen bevolkingsdichtheid en inkomensniveaus: vanwege allerlei agglomeratievoordelen zijn gemiddelde inkomens – en daarmee huizenprijzen – doorgaans hoger in dichtbevolkte gemeenten dan in dunbevolkte gemeenten. De meeste turbines staan op dit moment in dunbevolkte gebieden in Zeeland Flevoland en Friesland (Figuur 4). Betekent dit ook dat windturbines vooral in armere gemeenten worden geplaatst? Immers niet alle gemeenten in deze provincies hebben lage huizenprijzen. En hoe verandert het beeld richting 2030 als er meer windturbines zijn en ze vaker landinwaarts worden geplaatst? ,
,
,
Om die vragen te beantwoorden laten we in Figuur 11 voor zowel 2020 als 2030 zien hoe de locatie van windturbines samenhangt met zowel de woningwaarde (horizontale as) als de bevolkingsdichtheid (verticale as) gemeten op gemeenteniveau. De blauwe bolletjes geven alle gemeenten weer de rode bolletjes geven alleen de gemeenten weer waar windmolens zijn geplaatst. ,
,
Figuur 11
Locatie windturbine in relatie tot woningwaarde en bevolkingsdichtheid , per gemeente.
De figuur bevestigt dat zowel in 2020 als in 2030 de windturbines vooral in gemeenten staan met een relatief lage bevolkingsdichtheid – de rode bollen bevinden zich vooral in de onderkant van de grafiek. Maar het verband met
TNO-rapport | TNO 2022 P10374
32 / 56
woningwaarden is minder duidelijk: de windturbines zijn verspreid te vinden in gemeenten met een gemiddelde WOZ tussen €120. 000 en €420. 000. Er is in de figuur voor 2020 nog een beperkte bias richting armere gemeenten te zien maar de spreiding wordt opvallend gelijkmatig per 2030 als veel gemeenten met een gemiddelde WOZ-waarde die nu nog geen windturbines hebben er ook mee te maken krijgen. En hoewel enkele hele rijke gemeenten (met een gemiddelde WOZwaarde boven de €500. 000) geen turbines hebben en krijgen geldt dit ook voor een heel aantal gemeenten met een gemiddelde WOZ-waarde. Figuur 11 laat tenslotte ook zien dat in 2030 meerdere gemeenten met een hoge bevolkingsdichtheid te maken krijgen met de plaatsing van turbines. ,
,
,
Kortom de data geven geen steun aan de hypothese dat het huizenprijseffect van windturbines vooral optreedt in gemeenten met een gemiddelde lage WOZ-waarde – hoewel dat nog enigszins het geval is in 2020 is dat niet meer het geval per 2030. Dit is natuurlijk een logisch gevolg van het bijplaatsen van windturbines maar het is vermoedelijk ook een resultaat van het RES proces (zie Hoofdstuk 2. 2): ruimtelijke afwenteling van de nationale opgave voor wind op land is immers moeilijker als die wordt gedelegeerd aan 30 energieregio’s en hun stakeholders. ,
,
,
4. 6
Hoeveel
en
welke windturbines veroorzaken hoeveel waardedaling?
Niet elke windturbine veroorzaakt evenveel waardedaling. De waardedaling van een woning is afhankelijk van de afstand tot en hoogte van de turbine (Figuur 1) en afhankelijk van de locatie vallen er meer of minder woningen binnen de straal van 2500 meter waarvoor een huizenprijs effect optreedt. Bovendien varieert de huizenwaarde over de ruimte – sommige locaties zijn duurder om te wonen dan andere. ,
Figuur 12
L orenz-curve voor de verdeling van windturbine-effecten (getroffen huizen en waardedaling voor de windturbine ‘populatie’ in 2030.
TNO-rapport | TNO 2022 P10374
33 / 56
Figuur 12 toont de Lorenzcurve voor de verdeling van windturbine effecten voor de gehele windturbine ‘populatie’ in 2030. Qua effecten gaat het in Figuur 12 zowel om het aandeel getroffen huizen per turbine (oranje curve linker verticale as) als de waardedaling (blauwe curve rechter verticale as). Op de horizontale as staan de windturbines gesorteerd naar de mate van impact die de turbine heeft zowel in termen van aantal getroffen huizen als waardedaling. De curve wordt per definitie begrensd door twee hoekpunten: 0% van de turbines veroorzaakt 0% van alle impact (linksonder) en alle turbines samen (100%) veroorzaken 100% van alle impact (rechtsboven). De 45 graden lijn geeft de (hypothetische) situatie weer van perfecte gelijkheid waarbij elke turbine evenveel impact heeft. Hoe ongelijker de impact van windturbines hoe meer de blauwe en oranje curves naar beneden afwijken van de 45-graden lijn. ,
,
,
,
,
,
Figuur 12 laat zien dat in 2030 de impact van windturbines erg ongelijk is verdeeld: de 10% windturbines met de meeste impact zijn verantwoordelijk voor 60% van alle getroffen huizen en 67% van de totale waardedaling. 25 Deze ongelijke verdeling is natuurlijk voornamelijk te herleiden tot een ongelijke verdeling van het aantal huizen in de nabijheid van de verschillende windturbines (zie de oranje curve) en versterkt door verschillen in woning waarde over de ruimte (zie het verschil tussen de oranje en blauwe curve). ,
In Figuur 13 zetten we de 10% windturbines met de meeste impact op woningwaardedaling op de kaart gedifferentieerd naar de mate van impact. Het gaat in totaal om 185 turbines. ,
In Figuur 13 is goed te zien dat deze turbines voornamelijk in de Randstad liggen; daar is het door de hogere bevolkingsdichtheid evident moeilijker om de turbines op afstand van woningen te plaatsen. De 185 turbines op de kaart zijn samen verantwoordelijk voor een totale relatieve waardedaling van € 4. 7 miljard verdeeld over ruim 676. 000 getroffen huizen. Maar ook binnen deze groep is de verdeling erg ongelijk: de twee ‘paarse’ turbines op de kaart met de hoogte impact – in respectievelijk de gemeenten Leidschendam-Voorburg en Capelle aan den IJssel – zijn verantwoordelijk voor ongeveer € 700 miljoen waardedaling verdeeld over ongeveer 62. 000 huizen. Het gaat hier om bestaande turbines. ,
,
25
Merk op dat de 10% windmolens die meeste overlast veroorzaken in termen van getroffen huizen andere windmolens kunnen zijn dan de top 10% molens die meeste WOZ-waardedaling veroorzaken.
TNO-rapport | TNO 2022 P10374
34 / 56
Figuur 13
L ocaties van de 10% windturbines die meeste woningwaardedaling veroorzaken.
Tabel 4
Top-10 windturbines met het hoogste aantal getroffen huizen in 2030.
Naam van de turbine
1 2 3 4 5 6 7 8 9 10
Gemeente
De Haagse Molen Kralingseveer Nieuwe turbine Nieuwe turbine
's-Gravenhage Rotterdam Diemen Heerlen
Nieuwe turbine Nieuwe turbine De Gouwevogel Het Nieuwland 2
Leiden Eindhoven Gouda Den Helder Tilburg
IFF Nieuwe turbine
Heerlen
Aantal getroffen
Totale waardedaling
Gemiddelde waardedaling
woningen
(miljoen €)
32. 365 29. 630 22. 965
434 267 243
13. 410 9. 011 10. 581
22. 040 21. 850 21. 400 20. 875
137 210 377 74
6. 216 9. 611 17. 617 3. 545
20. 690 19. 870 19. 495
43 122 90
2. 078 6. 140 4. 617
per
getroffen woning (€)
TNO-rapport | TNO 2022 P10374
35 / 56
Tabel 4 geeft de top-10 windturbines weer met impact op de meeste huizen. 26 Deze 10 turbines treffen samen ongeveer 231. 000 huizen. De helft van deze turbines zijn bestaande turbines; daarnaast treden 5 nieuwe turbines – door ons op de kaart gezet – toe tot de top 10. In 2030 bevindt vrijwel de gehele top-10 zich in stedelijk gebied (o. a Den Haag Rotterdam Leiden Heerlen Eindhoven Den Helder Tilburg). De lijst wordt aangevoerd door de eerdergenoemde ‘paarse’ turbines in Figuur 13: de bestaande turbines Haagse Molen in 's Gravenhage en Kralingseveer in Rotterdam. De Haagse Molen is met recht een dure turbine: ze treft ruim 32. 000 huizen met een totale ontwaarding van € 434 miljoen hetgeen overeenkomt met een gemiddelde waardedaling van € 13. 410 per getroffen woning ruim boven het landelijke gemiddelde van € 9. 295 (zie Tabel 4-3). Van de nieuwe turbines hebben met name die in Diemen en Eindhoven (zie Figuur 13) een grote negatieve impact in termen van woningwaarde verlies. ,
,
,
,
,
,
,
,
4. 7
Hoe verhoudt het woningwaardeverlies zich tot de kosten van een turbine? De negatieve impact van windturbines op hun directe omgeving is een typisch voorbeeld van zogeheten externe kosten. Hoe verhouden deze externe kosten zich tot de overige kosten van een windturbine? Om die vraag te beantwoorden rekenen we als laatste stap in onze analyse het totale woningwaardeverlies uit per turbine en per eenheid opgewekt elektriciteit. De resultaten presenteren we in Tabel 5. 27 ,
,
De tabel laat zien dat in 2020 het gemiddelde woningwaardeverlies per turbine ruim €3. 3 miljoen bedraagt; in 2030 is dit opgelopen naar €5. 2 miljoen per turbine. 28 Echter het gemiddelde bedrag per turbine is vertekend omdat de verdeling van de totale waardedaling over de turbines erg scheef is: een beperkt aantal turbines zorgt voor heel veel woningwaardeverlies (zie Figuur 12 en Figuur 13). Om hiervoor te corrigeren berekenen we in Tabel 5 ook het mediane woningwaardeverlies per turbine en MWh. In 2020 bedroeg het mediane woningwaardeverlies per turbine ruim €265 duizend; per 2030 is dit opgelopen naar €583 duizend per turbine. ,
,
In het onderste gedeelte van Tabel 5 zetten we deze getallen voor 2030 in perspectief. 29 Daaruit blijkt dat het woningwaardeverlies overeen komt met gemiddeld 17. 7% van de constructiekosten van een turbine en 0. 31 cent/kWh hogere productiekosten van windenergie (gegeven een veronderstelde 25-jarige levensduur van een turbine); dit laatste betekent een gemiddelde kostprijsverhoging van windenergie met 9. 7%.
26
27 28 29
De berekening van de waardedaling ‘per windmolen’ is gebaseerd op een variant van de methode die we gebruiken voor het berekenen van de waardedaling per woning (zie bijvoorbeeld Tabel 3). De waardedaling per woning wordt gedefinieerd door de meest nabije turbine; de overige turbines in de nabijheid van de woning worden in die berekening niet meegenomen om dubbeltelling in het berekenen van de ontwaarding te voorkomen. De waardedaling per turbine is daarentegen gedefinieerd als de som van de ontwaarding van alle woningen binnen de straal van de betreffende turbine; de inherente dubbeltellingen zijn hier geen probleem omdat we de waarden per turbine niet aggregeren. Het format van deze tabel is gebaseerd op Tabel 5 in Dröes en Koster (2021). Vanwege gemiddeld grotere turbines in 2030 is het bedrag per MWh voor 2030 slechts beperkt hoger dan in 2020. Deze berekening is gebaseerd op constructiekosten van 1170 €/kWe , vaste O&M-kosten van €/kWh. Bron: PBL(2021c). Zie ook 114, €/kWe/jaar en variabele O&M-kosten van 00103 , Tabel B 1 in Appendix B.
TNO-rapport | TNO 2022 P10374
Tabel 5
36 / 56
Woningwaardedaling per turbine van verschillende omvang (tiphoogte)
2020
Totaal
< 50m
> = 50 , < 150
Gemiddelde MW per turbine Verdeling turbines
20,
01,
16,
38,
100%
5%
65%
30%
Totaal (M€)
> = 150
5. 677
324
4. 191
1. 162
Gemiddeld per turbine (M€)
3. 321. 766
1. 940. 046
3. 631. 919
2. 994. 009
Gemiddeld per MWh (€/MWh/jaar) 1 Mediaan per turbine (€)
631
5581
830
299
265. 763
473. 939
365. 223
73. 986
Mediaan per MWh (€/MWh/jaar) 1
90
1398
120
7
2030
Totaal
< 50m
> = 50 , < 150
> = 150
Gemiddelde MW per turbine Verdeling turbines
28,
01,
24,
42,
100%
10%
68%
23%
Totaal (M€)
15. 492
301
8. 952
6. 239
Gemiddeld per turbine (M€)
5. 209. 240
1. 994. 959
4. 662. 483
6. 909. 274
Gemiddeld per MWh (€/MWh/jaar) 1 Mediaan per turbine (€)
694
5517
738
616
583. 526
508. 439
545. 839
711. 849
Mediaan per MWh (€/MWh/jaar) 1
121
1523
125
60
Als % van constructiekosten per turbine 2
177% ,
3200% ,
197% ,
144% ,
Per kWh (c/kWh) 3
031 ,
562 ,
035 ,
025 ,
Mediane kosten woningwaardedaling:
34,
Als toename kWh prijs (%) 97% , 1749% , 107% , 79% , Aannames: 1 Capaciteitsfactor = 0.304 , 1 MW = 2. 663 MWh/jaar; 2 Eenmalige investeringskosten 117 , M€ / MW; 3 Gemeten over 25-jarige levensduur turbine; 4 Op basis van eenmalige investeringskosten plus 114, , €/kWe/jaar vaste O&M kosten en 00103 €/kWh variabele O&M kosten.
De cijfers in Tabel 5 laten ook zien dat de totale gemiddelde waarden aanzienlijk variëren tussen turbines van verschillende omvang: bij grote turbines ( > 150 m) vallen de externe kosten van woningwaardeverlies relatief laag uit omdat ze kunnen worden omgeslagen over meer vermogen; voor kleine turbines ( < 50 m) geldt het omgekeerde. In vergelijking met de grootste turbines ( > 150 meter) is in 2030 het woningwaardeverlies per MWh voor turbines met gemiddelde omvang (50-150 meter) ruim 2 keer zo groot en voor kleine turbines is dat zelfs ruim 25 keer zo groot. Oftewel ook in termen van externe kosten zijn grote turbines veruit het meest efficiënt vanwege een schaaleffect: de productie van een turbine neemt kwadratisch toe met de grootte. Als bij de grote turbines het veroorzaakte woningwaardeverlies wordt verrekend in de turbinekosten leidt dit tot een gemiddelde verhoging van de productieprijs van windenergie met 0. 25 cent/kWh tegenover een oorspronkelijke productieprijs van 3. 22 cent/kWh – een verhoging van 79%. ,
,
,
,
,
,
TNO-rapport | TNO 2022 P10374
37 / 56
5
Reflectie: de optimale spreiding
5. 1
Een denkraam
van
windturbines
De zoektocht naar een economisch optimale verdeling van windturbines op land kenmerkt zich door een fundamentele afruil tussen enerzijds het minimaliseren van het totale woningwaardeverlies en anderzijds een zoveel mogelijk gelijke verdeling van dit waardeverlies. In deze afruil resoneert de klassieke economische afruil tussen ‘efficiency’ en ‘equity’. Dat betekent dat er in theorie zoiets bestaat als een economisch optimale spreiding van windturbines. We illustreren dit in Figuur 14.
Figuur 14
D e afruil tussen totale lasten en gelijke verdeling bij het kiezen van windturbine locaties.
De bovenste grafiek in Figuur 14 illustreert het verband tussen de totale waardedaling van getroffen woningen over heel Nederland (verticale as) en de ruimtelijke concentratie van turbines (horizontale as). Als het aantal windturbines toeneemt tussen 2020 en 2030 schuift de curve omhoog: meer turbines betekent immers een toename van het totale waardeverlies. De onderste grafiek in Figuur 14 illustreert het verband tussen het gemiddelde percentage getroffen huizen in gemeenten met windturbines (verticale as) en opnieuw de ruimtelijke concentratie van turbines (horizontale as). De onderste grafiek is omgeklapt omwille van de vergelijkbaarheid met de bovenste grafiek – als het aantal windturbines toeneemt tussen 2020 en 2030 schuift de curve omlaag: meer turbines betekent een hoger gemiddeld percentage getroffen huizen in gemeenten met windturbines. Merk op: de figuur en de analyse hieronder veronderstelt dat ruimtelijke concentratie van windturbines (logischerwijs) plaatsvindt in rurale gebieden met een relatief lage woningdichtheid (en dus niet in stedelijke gebieden met een hoge woningdichtheid). ,
In Figuur 14 laat de bovenste grafiek aan de linkerkant zien dat bij een perfect gelijke verdeling van turbines over de ruimte – alle gemeenten krijgen evenveel turbines – de totale waardedaling hoog is omdat turbines in dichtbevolkte gebieden (denk aan de Randstad) voor veel overlast zorgen. Bij een toenemende ruimtelijke concentratie van turbines in rurale (kust)gebieden – een verschuiving op de
TNO-rapport | TNO 2022 P10374
38 / 56
horizontale as naar rechts – daalt het totale waardeverlies in de grafiek omdat er minder woningen getroffen worden. Echter bij zeer hoge concentratie van turbines in een gebied (rechterkant van de grafiek) neemt het totale waardeverlies weer toe omdat op die plek veel waardedaling ontstaat. In dat geval wordt de last van windturbines dus onevenredig zwaar op een beperkt deel van de ruimte gelegd. ,
,
De onderste grafiek in Figuur 15 laat zien dat een toenemende ruimtelijke concentratie van turbines initieel leidt tot een dalend percentage getroffen huizen in gemeenten met windturbines – de relatief lage bevolkingsdichtheid in rurale (kust)gebieden faciliteert immers het plaatsen van turbines op afstand van woningen en voorkomt daarmee een veelheid aan getroffen woningen in stedelijk gebied. Echter bij verdergaande ruimtelijke concentratie van turbines neemt het percentage getroffen huizen in gemeenten met windturbines uiteraard weer toe met als limiet 100% getroffen huizen in gemeenten met veel windturbines. Ook hier geldt natuurlijk dat de last van windturbines in dit geval onevenredig zwaar op een beperkt deel van de ruimte wordt gelegd. ,
,
De combinatie van de bovenste en onderste grafiek in Figuur 14 illustreert de fundamentele afruil tussen het totale waardeverlies van windturbines (bovenste grafiek verticale as) en de ruimtelijke verdeling van dit welvaartsverlies (onderste grafiek verticale as) als functie van de ruimtelijke concentratie of spreiding van windturbines (horizontale as). Het theoretisch economische optimum combineert het laagste punt van de convexe blauwe en rode curves (gemarkeerd met de verticale zwarte stippellijn): bij dit niveau van ruimtelijke spreiding c. q. concentratie van turbines is zowel het totale waardeverlies als het gemiddelde percentage getroffen woningen in getroffen gemeenten geminimaliseerd. Elke afwijking van dit optimum impliceert welvaartsverlies omdat het (gegeven de convexe vorm van de curves) gepaard gaat met een toename van het totale waardeverlies en overlast in getroffen gemeenten. , ,
,
,
De hamvraag is daarom empirisch van aard: hoe verlopen de curves in werkelijkheid? Daarbij gaat het niet alleen om het gebogen verloop (convexiteit) van de curves maar ook om de vraag of de rode en blauwe curves symmetrisch zijn. Er is namelijk geen a priori reden om te veronderstellen dat de laagste punten op de beide curves (gemeten op de verticale as) samenvallen bij hetzelfde niveau van ruimtelijke concentratie (gemeten op de horizontale as). We illustreren dit in Figuur 15. ,
In Figuur 15 bestaat er geen uniek optimum: een minimaal totaal welvaartsverlies gaat gepaard met een bovenminimaal niveau van ruimtelijke ongelijkheid en andersom. De mate van divergentie tussen de optima voor de twee dimensies op de verticale as (ongelijkheid versus waardeverlies) wordt natuurlijk bepaald door de ruimtelijke inrichting van het landschap in casu het patroon van spreiding c. q. concentratie van woningen op de horizontale as – en in de praktijk ook nog door andere landschapskenmerken die van invloed zijn op de ruimtelijke (onmogelijkheden) om windturbines te plaatsen. Dit laatste betekent ook dat veranderingen in het landschap – denk aan nieuwbouw inpoldering of ontwikkeling van natuurgebied – van invloed zijn op de economisch optimale ruimtelijke spreiding van windturbines. ,
,
,
TNO-rapport | TNO 2022 P10374
Figuur 15
39 / 56
D e afruil bij tussen totale lasten en gelijke verdeling bij het kiezen van windturbine locaties.
In het resterende deel van dit hoofdstuk gebruiken het hierboven geschetste kader om de (toekomstige) ruimtelijke verdeling van windturbines te evalueren – in onze analyse berekenen we immers de totale waardedaling en de ruimtelijke verdeling daarvan over gemeenten.
5. 2
Hoe (sub-)optimaal is de spreiding van windturbines in Nederland? In Figuur 16 tonen we voor 2020 en 2030 de relatie tussen opgesteld windturbinevermogen aantal getroffen huizen en totale waardevermindering – we meten dit op gemeenteniveau; elk blauw bolletje representeert een gemeente. ,
Figuur 16
D e relatie – op gemeenteniveau – tussen geplaatst windturbinevermogen , aantal getroffen huizen en totale waardevermindering.
De economisch meest gunstige situatie is uiteraard die situatie waarbij er in een gemeente veel turbinevermogen wordt gerealiseerd terwijl er weinig huizen worden
TNO-rapport | TNO 2022 P10374
40 / 56
getroffen en er (dus) weinig waardevermindering optreedt – dit punt bevindt zich rechtsonder in de 3D-grafiek aangegeven met een groen blokje in de linker grafiek voor 2020. De economisch meest ongunstige situatie is het tegenovergestelde punt waarbij er in een gemeente weinig turbinevermogen wordt gerealiseerd terwijl er veel huizen worden getroffen en er (dus) veel waardevermindering optreedt – dit punt bevindt zich linksboven in de 3D-grafiek aangegeven met een rood blokje in de linker grafiek voor 2020. ,
,
De 3D-grafiek voor 2020 laat een duidelijke afruil zien tussen het totale woningwaardeverlies en een gelijke ruimtelijke verdeling van getroffen huizen: in de gemeenten met de meeste opgestelde windturbine capaciteit worden enerzijds (en logischerwijs) relatief veel huizen getroffen maar anderzijds is de totale waardedaling in deze gemeenten over het algemeen relatief laag. Verder toont de 3D-grafiek voor 2020 dat in de meeste gemeenten zowel het gerealiseerde turbinevermogen als het aantal getroffen huizen en de waardedaling beperkt is – de meeste gemeenten bevinden zich linksonder in de 3D-grafiek. Echter daarnaast is er een klein aantal gemeenten waarbij een beperkte hoeveel opgesteld turbinevermogen samengaat met een hoog aantal getroffen woningen en veel waardevermindering. Deze gemeenten liggen voornamelijk in de Randstad waar het door de hogere bevolkingsdichtheid evident moeilijker is om turbines op afstand van woningen te plaatsen (zie Figuur 13). ,
In 2030 gelden deze patronen grosso modo nog steeds maar minder uitgesproken en met een aantal belangrijke wijzigingen. Behalve dat er in 2030 meer gemeenten met opgesteld windturbine zijn (de grafiek telt meer blauwe bolletjes) zijn er ook meer gemeenten waar een relatief beperkte windturbine capaciteit samengaat met een gemiddeld hogere waardedaling dan in 2020 – er zijn in 2030 aanzienlijk meer gemeenten met een geschat totaal woningwaardeverlies tussen 100 en 200 miljoen euro dan in 2020. Dit illustreert eerdere observaties dat een gelijkmatiger ruimtelijke spreiding van windturbines in meer gemeenten kan leiden tot een forse toename van het totale woningwaardeverlies omdat de windturbines vaker in relatief dichtbevolkt gebied terechtkomen. 30 Een extreem voorbeeld in dit opzicht is Amsterdam (aangeduid met de A in de 3D-grafiek voor 2030) maar ook Den Bosch (DB in de grafiek) waar ondanks de beperkte turbine capaciteit een zeer hoge totale ontwaarding optreedt als gevolg van een hoog aantal getroffen huizen. Het omgekeerde eveneens uitzonderlijke geval is de gemeente Zeewolde (aangeduid met Z in de grafiek) waar een (zeer) hoog turbinecapaciteit samengaat met weinig getroffen en (dus) beperkte waardevermindering. ,
,
,
,
,
,
,
,
Het is niet mogelijk om onze empirische resultaten precies te vertalen naar het theoretisch raamwerk zoals aan het begin van dit Hoofdstuk geschetst. Dat zou immers vereisen dat we onze gehele analyse herhalen voor elke denkbaar niveau van ruimtelijke ongelijkheid via het telkens opnieuw intekenen van turbines op de kaart – dit valt buiten het bestek van deze studie. Maar op basis van onze ,
,
30
Onderliggende data laten voor 2020 inderdaad een duidelijk negatief verband zien tussen het percentage getroffen huizen en bevolkingsdichtheid , hetgeen onderstreept dat de meeste windturbinecapaciteit staat opgesteld in gebieden met een lage bevolkingsdichtheid (zie ook Figuur 4). In 2030 is dit verband aanzienlijk minder duidelijk: er komen meer turbines in gebieden met een hogere bevolkingsdichtheid (met name tussen 1000 en 2000 inwoners/km)2 , met als gevolg dat in die gemeenten de waardedaling relatief hoog ligt.
TNO-rapport | TNO 2022 P10374
41 / 56
bevindingen kunnen we wel een schets maken van de 2020 en 2030 situatie in de geest van het theoretische denkraam; we doen dat in Figuur 17. ,
Figuur 17
Inschatting van de afruil tussen totale lasten en gelijke verdeling qua windturbine locaties.
De uitgangsituatie in 2020 geven we in Figuur 17 weer met punt A. Immers in 2020 is er sprake van een relatief sterke ruimtelijke concentratie van windturbines (in de kustprovincies plus Flevoland). Per 2030 zijn er meer windturbines waardoor zowel de totale waardedaling als het gemiddelde percentage getroffen woningen in getroffen gemeenten stijgt richting punt B. Dit zou betekenen dat alle nieuwe turbines net als de bestaande turbines uitsluitend in de kustprovincies plus Flevoland worden geplaatst. Dat is niet het geval: behalve dat er meer turbines komen worden ze ook gelijker verdeeld over de ruimte – nieuwe turbines worden vaker landinwaarts geplaatst. Het niveau van ruimtelijke ongelijkheid daalt dientengevolge (zie Figuur 10) waarmee we in punt C uitkomen. In punt C is ten opzichte van punt A zowel de totale waardedaling hoger (volgens onze berekening stijgt dit van ongeveer €5. 7 miljard tot €15. 5 miljard) als het gemiddelde percentage getroffen huizen in getroffen gemeenten (volgens onze berekening stijgt dit van ongeveer 25% tot 32%). Als we vervolgens de 10% turbines met de meeste impact (zie Figuur 13) zouden verplaatsen naar locaties met minder impact verschuift punt C.
Afhankelijk van de nieuwe locatie van deze turbines (die leidt tot of meer ruimtelijke spreiding of juist tot meer clustering) zal punt C dan naar links of rechts schuiven; in beide gevallen zal tenminste de blauwe curve dalen aangenomen dat de turbines op de nieuwe locaties inderdaad minder impact hebben. Hoe dit ook zij in punt A is zowel de totale waardedaling als het percentage getroffen woningen in getroffen gemeenten lager dan in punt B (de hypothetische situatie waarbij alle turbines uitsluitend in de kustprovincies plus Flevoland zouden worden geplaatst). ,
,
,
,
,
,
,
,
,
Als deze positionering binnen het theoretisch raamwerk juist is betekent dit dat ondanks de toegenomen impact van windturbines de situatie in 2030 dichter bij het theoretisch economische optimum ligt dan de situatie van 2020 – primair als gevolg van de gelijkmatiger ruimtelijke verdeling richting 2030. Voor zover die ruimtelijke verdeling het gevolg is van het decentrale RES proces kan van een succesvol traject worden gesproken. Of we ook daadwerkelijk dichter bij het theoretisch ,
,
,
,
TNO-rapport | TNO 2022 P10374
42 / 56
economische optimum komen kan op basis van onze analyse niet met zekerheid worden gezegd omdat het exacte verloop van de rode en blauwe curves niet met precisie kan worden afgeleid uit onze analyse. Als startpunt A mede door een ander verloop van de curves links van het economisch optimale ruimtelijke spreidingsniveau zou liggen dan zou de door ons geobserveerde gelijkmatiger verdeling van turbines over de ruimte tussen 2020 en 2030 (een verschuiving naar links in de grafiek) tot exact de tegenovergestelde conclusie leiden. Figuur 17 moet daarom niet gelezen als formeel bewijs voor het een of ander maar als denkraam. ,
,
,
,
,
5. 3
Handelingsperspectief Ter afsluiting van deze studie resteert de vraag naar een handelingsperspectief. Wat kunnen we – gegeven de doelstelling voor de opwek van duurzame elektriciteit op land en uitgaande van de verwachte situatie zoals in deze studie geschetst – doen om de negatieve impact van windturbines op huizenprijzen zoveel mogelijk te minimaliseren? Waar is ruimte voor verbetering en is dit financieel haalbaar? We schetsen hieronder een paar overwegingen ter inspiratie voor beleidskeuzes. ,
1.
Turbines verder weg plaatsen
van
woningen?
In Tabel 6 en Tabel 7 verdelen we voor 2020 en 2030 het aantal woningen in de nabijheid van een turbine (Tabel 6) en het totale woningwaardeverlies (Tabel 7) over verschillende afstandscategorieën d. w. z. afstanden tussen woning en turbine. ,
Tabel 6
Aantal woningen in nabijheid van windturbine.
Afstand woning-turbine
< 0. 5 km
0. 5
Totaal aantal woningen 2020
2030
€
%
€
%
2. 710
03% ,
6. 038
04% ,
1. 0 km
37. 870
42% ,
74. 271
45% ,
1. 0 1. 5 km
128. 603
, 144%
240. 964
, 145%
1. 5 2. 0 km
261. 518
293% ,
490. 154
294% ,
2. 0 2. 5 km
461. 017
, 517%
854. 904
, 513%
Totaal
891. 718
1000% ,
1. 666. 331
1000% ,
̶
̶
̶
̶
Tabel 7
Totale woningwaardedaling per afstandscategorie. Totale woningwaardedaling
Afstand woning-turbine
2020
2030
€
%
€
%
< 0. 5 km
20. 755
0. 5 1. 0 km
412. 619
04% ,
126. 301
08% ,
, 73%
1. 268. 105
, 82%
1. 0 1. 5 km 1. 5 2. 0 km
1. 275. 463
225% ,
3. 481. 708
225% ,
1. 925. 183
339% ,
5. 299. 055
342% ,
2. 0 2. 5 km
2. 042. 879
, 360%
5. 317. 111
, 343%
Totaal
5. 676. 898
, 1000%
15. 492. 280
, 1000%
̶
̶
̶
̶
TNO-rapport | TNO 2022 P10374
43 / 56
De tabellen laten zien dat zowel de verdeling van aantal woningen als van het woningwaardeverlies over de afstand categorieën vrijwel gelijk is in 2020 en 2030. Tabel 6 laat zien dat naar schatting 80% van de getroffen woningen tussen 1. 5 km en 2. 5 km van een turbine liggen; 30% van het aantal getroffen woningen ligt binnen een straal van 1. 5 km van turbines en minder dan 1% binnen een straal van 500 meter. Tabel 7 laat zien dat een krappe 70% van het woningwaardeverlies afkomstig is van woningen die tussen 1. 5 km en 2. 5 km van een turbine liggen; iets meer dan 30% van het woningwaardeverlies wordt veroorzaakt binnen een straal van 1. 5 km van turbines en minder dan 1% binnen straal van 500 meter. ,
,
Dit betekent dat bij het identificeren van de meest geschikte locaties voor windturbines niet alleen rekening gehouden dient te worden met woningen zeer dicht bij een turbine maar ook met woningen verder weg (tussen 1. 5 en 2. 5 km afstand). Dit wordt uiteraard niet eenvoudiger als het aantal turbines toeneemt en onderstreept daarmee het belang van een gecoördineerde locatiekeuze om ruimtelijke afwenteling van overlast tussen gemeenten zoveel mogelijk te voorkomen; in dit opzicht speelt de RES-aanpak evident een belangrijke rol. ,
,
2.
Grote of kleine turbines?
Als we de totale woningwaardedaling willen minimaliseren kunnen we dan beter inzetten op grote of kleine turbines? Grote turbines hebben immers een grotere impact op huizenprijzen dan kleinere turbines (zie Figuur 1) maar er zijn minder grote dan kleine turbines nodig voor het opwekken van dezelfde hoeveelheid windenergie. ,
,
Uit onze analyse blijkt duidelijk dat een beperkt aantal grote turbines te verkiezen is boven een groter aantal kleine turbines. Immers als we het woningwaardeverlies omrekenen naar de hoeveelheid opgewekte elektriciteit (in MWh) – zie Tabel 7 – blijkt dat in 2030 het woningwaardeverlies per MWh voor turbines met gemiddelde omvang (50-150 meter) naar verwachting ruim 2 keer zo groot is als voor de grootste turbines ( > 150 meter): 125 vs 60 €/MWh. Met andere woorden ook in termen van woningwaarde verlies zijn grote turbines vanwege een schaaleffect aanzienlijk efficiënter dan kleine turbines. ,
,
Overigens in 2020 bedroeg dit verschil in woningwaardeverlies per MWh tussen de grootste turbines en turbines met een gemiddelde omvang zelfs een factor 17 (120 versus 7 €/MWh). Dit bevestigt het beeld dat de turbines van na 2020 (die relatief groot zijn) steeds vaker dichter op huizen komen te staan hetgeen onvermijdelijk is bij het zoeken naar ruimte voor de gewenste forse groei in capaciteit van windenergie op land; zie punt 1 hierboven. ,
,
3.
Relocatie
van
turbines
Uit onze analyse van het woningwaardeverlies per turbine (paragraaf 4. 6) bleek dat 10% van de turbines verantwoordelijk is voor twee-derde van de totale waardedaling door alle turbines samen. Dit pleit ervoor om de locatie van deze 10% turbines met de meeste impact (zie Figuur 13) te heroverwegen. Vanuit het
TNO-rapport | TNO 2022 P10374
44 / 56
perspectief van totale of maatschappelijke welvaart loont het immers om deze turbines te verplaatsen naar locaties met minder impact en de eigenaren van de getroffen huizen op de nieuwe locaties te compenseren voor het aldus ontstane woningwaardeverlies. Voor de bestaande turbines in deze top 10% zou dit afbraak en wederopbouw betekenen; voor de nieuwe turbines betekent dit dat de RESregio de geplande locatie moet heroverwegen. ,
Natuurlijk kent de locatie van de nieuwe turbines – zoals door ons voor 2030 op de kaart gezet – per definitie een zekere mate van onzekerheid; immers zoals uiteengezet in Hoofdstuk 3.2 hebben wij bij het kiezen van de exacte locatie binnen de RES zoekgebieden onvermijdelijk een aantal aannames moeten maken die door de werkelijkheid kunnen worden ingehaald. Onze analyse in paragraaf 4. 6 laat zien dat het niet alleen onvermijdelijk maar zelfs wenselijk is dat een aantal van de door ons gekozen locaties (zie Figuur 4) niet gerealiseerd worden maar vervangen door een betere locatie. ,
,
4.
Compensatie
getroffen woningeigenaren
van
De negatieve impact van windturbines op hun directe omgeving is een typisch voorbeeld van zogeheten negatieve externe kosten. Vanuit een economisch welvaartsperspectief zouden deze kosten in principe moeten worden toegerekend aan de turbines; zo niet dan worden deze kosten afgewenteld op de directe omgeving alwaar ze kapitaliseren in huizenprijzen. Dit impliceert een welvaartsverlies voor de omwonenden van de turbine voorkomend uit het feit dat de eigenaar van de turbine niet alle werkelijke kosten van de turbine draagt. De economische welvaartstheorie leert dat bij een dergelijk probleem van negatieve externe effecten de veroorzaker van het probleem via onderhandelingen met het 'slachtoffer' diens welvaartsverlies (in casu de gedaalde woningwaarde) zou moeten compenseren. Dat betekent dat de externe kosten van woningwaarde daling optellen bij de overige (constructie)kosten van de turbine voor rekening van de eigenaar. Maar kan zoiets in de praktijk überhaupt of worden de turbines daarmee onrendabel? ,
,
,
,
,
,
Uit de analyse in paragraaf 4.7 waarbij we het totale woningwaardeverlies hebben berekend per turbine en per eenheid opgewekt elektriciteit blijkt dat voor een gangbare grote turbine (150 > meter tiphoogte) het woningwaardeverlies gemiddeld genomen overeenkomt met 14. 4% van de constructiekosten en 0. 25 cent/kWh hogere productiekosten van windenergie (bij een veronderstelde 25-jarige levensduur van een turbine). Dit komt overeen met een kostprijsverhoging van windenergie met 7.9% die zou optreden als de eigenaren van turbines de kosten van het woningwaardeverlies zouden dragen. Dit is een gemiddelde voor alle grote turbines; voor individuele turbines met relatief weinig huizen in de directe nabijheid ziet deze berekening er gunstiger uit voor individuele turbines met relatief veel huizen in de directe nabijheid geldt het omgekeerde. Voor een beperkt deel van turbines met de meeste huizen in de directe nabijheid kan compensatie de turbine onrendabel maken. ,
,
,
,
Compensatie van omwonenden van windturbines gebeurt steeds vaker maar bestaande compensatieregelingen (zoals planschade en omwonenden-regelingen) ,
TNO-rapport | TNO 2022 P10374
45 / 56
zijn niet eenduidig qua omvang en vormgeving en veelal afhankelijk van projectontwikkelaars of juridische procedures op initiatief van omwonenden. ,
In het Klimaatakkoord staan afspraken over omgevingsparticipatie bij de productie van hernieuwbare energie op land waaronder het streven naar een ‘een evenwichtige eigendomsverdeling in een gebied waarbij gestreefd wordt naar 50% eigendom van de productie van de lokale omgeving (burgers en bedrijven)’. Steeds meer lokale en regionale overheden stellen aan ontwikkelaars van windprojecten op land voorwaarden op het gebied van financiële participatie. Dit krijgt vorm op meerdere manieren variërend van een aandeel in het eigendom van een windpark tot een bijdrage van ontwikkelaars aan een fonds voor lokale duurzame projecten of financiële compensatie van omwonenden. ,
,
Uit de Participatiemonitor Hernieuwbare Energie op Land (RVO 2021) blijkt dat het oprichten van omgevingsfondsen in ongeveer een kwart van de gerealiseerde projecten tussen 2015 tot en met 2019 werd toegepast en dan met name in de grotere projecten; het gebeurt typisch niet bij solitaire turbines op boerenerven die worden opgeschaald. In 2020 werd in 16 van de 19 nieuwe projecten een omgevingsfonds opgericht; het oprichten van een fonds lijkt daarmee de norm geworden voor windparken. 31 Financiële participatie zonder eigendom waarbij lokale bewoners de kans krijgen om via een (obligatie)lening te profiteren van de opbrengsten van een windpark komt daarentegen slechts beperkt voor bij windprojecten die zijn gerealiseerd tussen 2015 en 2021. ,
,
Het toepassen van een zogenaamde omwonendenregelingen neemt echter wel toe; in de meeste gevallen gaat het om een geldbedrag dat wordt uitgekeerd aan omwonenden binnen een bepaalde afstand van het windpark in een beperkt aantal gevallen kunnen lokale inwoners stroom afnemen van het windpark. Tussen 2015 en 2020 werd een omwonendenregeling toegepast bij circa één op de vijf gerealiseerde projecten; in 2020 was dit het geval bij bijna twee derde van het aantal gerealiseerde projecten (RVO 2021). ,