李崢嶸,李浩翥,郁 盛,諸英霞

(1.同濟(jì)大學(xué) 暖通空調(diào)及燃?xì)庋芯克?上海 200092;2.上海市建筑建材業(yè)市場管理總站,上海 200032)

所謂建筑能效當(dāng)量能耗,即由能效有關(guān)量因素導(dǎo)致的建筑能耗.建筑能耗受到很多因素影響,諸如建筑設(shè)計(jì)、建筑熱工、建筑設(shè)備等.一般而言,處于極端氣候條件的時(shí)間越多,建筑設(shè)備或人員等室內(nèi)負(fù)荷密度越大,使用時(shí)間越長的建筑,其能耗總量越大,但建筑能源利用效率未必越低.換言之,這些因素與建筑能源利用效率的高低沒有直接聯(lián)系,因此將這些因素歸為能效無關(guān)量;而建筑的管理水平、設(shè)備系統(tǒng)效率等因素不僅影響建筑能耗絕對值,而且直接影響建筑能源的利用效率,因此可以歸結(jié)為能效有關(guān)量.在建筑節(jié)能改造的過程中,首先必須對建筑能源利用效率進(jìn)行評價(jià).現(xiàn)有的單位面積上建筑能耗的概念僅僅反映建筑能耗絕對值的大小,而不能反映其能效的大小,不足以用于判斷建筑是否需要進(jìn)行節(jié)能改造;而且不同建筑之間存在功能、使用時(shí)間等方面的差異,僅僅用單位面積上建筑能耗的概念不足以對兩幢建筑的用能效率進(jìn)行對比評價(jià);對于同一幢建筑,由于存在氣象條件的變化,單位面積上建筑能耗的概念也不足以判斷建筑在不同時(shí)間的能效變化.因此提出建筑能效當(dāng)量能耗的概念,并重點(diǎn)推導(dǎo)建筑能效當(dāng)量能耗的計(jì)算方法.

有很多學(xué)者根據(jù)能耗與其影響因素之間的關(guān)聯(lián)程度,用線性回歸的方式對建筑能耗提出不同的回歸關(guān)聯(lián)式.例如,Bing Dong,Siew Eang Lee[1]等人將建筑總能耗對室外干球溫度、相對濕度和太陽輻射量等室外氣象參數(shù)進(jìn)行了回歸;Wen-Shing Lee[2]的回歸關(guān)聯(lián)式考慮了人員密度,并把室外溫度與下雨小時(shí)數(shù)作為氣象參數(shù);Joyce Carlo[3]將建筑總能耗對圍護(hù)結(jié)構(gòu)中的各參數(shù)進(jìn)行了回歸分析;William Chung[4]將建筑能耗用氣象參數(shù)進(jìn)行修正后對建筑樓齡、面積、運(yùn)行時(shí)間表、室內(nèi)人員和用能設(shè)備等運(yùn)行特征量進(jìn)行了回歸分析.雖然氣象參數(shù)對于建筑能耗的修正十分必要,但應(yīng)注意到,對氣象參數(shù)變化最敏感的能耗是空調(diào)能耗,因此Cristian Ghiaus[5]把室內(nèi)熱負(fù)荷與室外溫度進(jìn)行了回歸分析;Roberto Z.Freire[6]把室外干球溫度、相對濕度和太陽輻射量對建筑空調(diào)能耗進(jìn)行了回歸分析.

本文沿用線性回歸方法,推導(dǎo)建筑能效當(dāng)量能耗的計(jì)算方法,同時(shí),選取辦公建筑作為研究對象,對建筑能耗影響因素進(jìn)行分析.選取8個(gè)建筑能耗影響因子進(jìn)行重點(diǎn)研究:總傳熱系數(shù)值(overall thermal transfer value,OTTV)、室內(nèi)人員密度、建筑時(shí)間表、建筑面積、夏季空調(diào)機(jī)組能效比、冬季空調(diào)機(jī)組能效比、照明密度和運(yùn)行管理水平.其中,氣象參數(shù)作為影響空調(diào)能耗的主要因素,只用于對建筑空調(diào)能耗進(jìn)行修正;OTTV的引入可以把圍護(hù)結(jié)構(gòu)傳熱系數(shù)、窗墻比(WWR)、遮陽系數(shù)等綜合于一個(gè)參數(shù),有利于回歸分析的進(jìn)行,具體計(jì)算方法及上海地區(qū)系數(shù)確定見文獻(xiàn)[7];建筑時(shí)間表定義為該建筑的年運(yùn)營時(shí)間總小時(shí)數(shù);建筑面積、能效比和照明密度(W·m-2)由物業(yè)提供;物業(yè)管理項(xiàng)在回歸分析中為虛擬變量,根據(jù)有、無管理激勵(lì)機(jī)制,計(jì)算時(shí)若有則取1,無則取0.

1 建筑能效當(dāng)量能耗計(jì)算模型

1.1 氣象轉(zhuǎn)換因子的確定

氣象條件對空調(diào)系統(tǒng)能耗的影響可以用度日數(shù)的大小反映,為此,本文提出氣象轉(zhuǎn)換因子Fca的概念,用于對建筑空調(diào)能耗進(jìn)行修正.具體計(jì)算方法如下:

式中:DHDD18為1985—2005年年平均采暖度日數(shù);DHDDy為當(dāng)年采暖度日數(shù);DCDD26為1985—2005年年平均空調(diào)度日數(shù);DCDDy為當(dāng)年空調(diào)度日數(shù).

所謂采暖度日數(shù)(DHDD18),就是一年中,當(dāng)某天室外日平均溫度低于18℃時(shí),將低于18℃的度數(shù)乘以1 d,并將此乘積累加.空調(diào)度日數(shù)(DCDD26),就是一年中,當(dāng)某天室外日平均溫度高于26℃時(shí),將高于26℃的度數(shù)乘以1 d,并將此乘積累加.

上海地區(qū)6～9月為主要的空調(diào)系統(tǒng)運(yùn)行時(shí)間,12～次年2月為主要的采暖季節(jié),故對FHDD和FCDD進(jìn)行了月份加權(quán)處理.2001年至2008年氣候轉(zhuǎn)換因子見表1,轉(zhuǎn)換因子值越小則說明該年的天氣情況越惡劣.

表1 氣象轉(zhuǎn)換因子Tab.1 W eather convertion factor

1.2 建筑能效當(dāng)量能耗計(jì)算模型的推導(dǎo)

1.2.1 空調(diào)能耗回歸模型

首先對空調(diào)能耗E ac進(jìn)行氣象修正,得到修正后的空調(diào)能耗為

由多元回歸模型

以及能耗與其影響因子的關(guān)系得到Eac.ca=f(OTTV,人員,時(shí)間,面積,冬、夏季機(jī)組能效比,

照明密度,管理)=

式中:βi為偏回歸系數(shù);ε為隨機(jī)誤差;項(xiàng)對應(yīng)了人員、時(shí)間、面積這3項(xiàng)因子,屬于能效無關(guān)量;項(xiàng)對應(yīng)了OTTV、空調(diào)能效比、采暖能效比、照明密度和管理這5項(xiàng)因子,屬于能效有關(guān)量;a為回歸常數(shù).

1.2.2 照明能耗回歸模型

照明能耗無需進(jìn)行氣候修正,由能耗與其影響因子的關(guān)系和回歸模型得

EL=f(窗墻比,人員,時(shí)間,面積,照明密度,管理)=

1.2.3 建筑能效當(dāng)量能耗回歸模型

對式(5),(6)進(jìn)行整理,可以得到主要由能效有關(guān)量形成的空調(diào)能耗Eac.ca.level和照明能耗EL.level為

所以主要由能效有關(guān)量形成的建筑能效當(dāng)量能耗Elevel為

因?yàn)?/p>

所以

因此有

式中:EL為照明耗能;Eo為除空調(diào)照明能耗外其他建筑能耗;x人員為室內(nèi)人員密度(m2·人-1);x時(shí)間為建筑年運(yùn)營時(shí)間(h);x面積為建筑面積(m2).

2 上海地區(qū)辦公建筑能效當(dāng)量能耗參數(shù)的確定

2.1 建筑樣本分析

選取上海地區(qū)46幢2萬m2以上的辦公建筑作為樣本對其進(jìn)行數(shù)據(jù)搜集,以置信度95%作多元線性回歸分析,利用統(tǒng)計(jì)分析軟件SPSS 13.0(Statistical Package for Social Science)進(jìn)行計(jì)算.結(jié)果顯示,雖然模型通過F檢驗(yàn),R2值也較高為0.86,但樣本中存在異常點(diǎn),如圖1所示.圖中有一建筑的殘差接近4,遠(yuǎn)超過殘差值一般允許范圍(-3,3)的規(guī)定,并且殘差分布并不完全呈現(xiàn)隨機(jī)分布,有線性下降趨勢,故可判斷樣本數(shù)據(jù)的回歸擬合不是很理想.

圖1 46個(gè)樣本回歸模型標(biāo)準(zhǔn)殘差Fig.1 Standard residua lo f 46-building-regression model

由于同一個(gè)樣本需要對空調(diào)能耗和照明能耗分別做回歸分析,現(xiàn)對46個(gè)樣本中這兩部分標(biāo)準(zhǔn)殘差之和最大的建筑作為異常值進(jìn)行排除,每次排除一個(gè)樣本,直到樣本數(shù)為32為止(選取自變量數(shù)量的4倍為最小樣本數(shù),即32個(gè)樣本,若樣本量太小將無法反映擬合規(guī)律).

經(jīng)過15次反復(fù)計(jì)算,得到了15份樣本量不同的擬合結(jié)果.通過對模型R2值和標(biāo)準(zhǔn)殘差的分析,發(fā)現(xiàn)每當(dāng)把標(biāo)準(zhǔn)殘差最大的樣本刪除后,模型都會有一定程度上的優(yōu)化.結(jié)果匯總?cè)绫?所示.

表2 逐項(xiàng)剔除異常值分析Tab.2 Ana lysis on abandon ing outliers one by one

分析結(jié)果顯示,當(dāng)排除殘差較大的樣本后,空調(diào)能耗和照明能耗的殘差都會有較大幅度的減小,并且R2值也越來越接近1,說明線性擬合度越來越好.同時(shí)發(fā)現(xiàn),面積越大的建筑,越容易成為擬合結(jié)果的異常值.11幢建筑面積8萬m2以上建筑中,最后在32個(gè)樣本中只保留了2幢.

圖2所示為上海地區(qū)現(xiàn)有辦公建筑能耗與建筑面積之間的關(guān)系.顯然,當(dāng)建筑面積小于8萬m2時(shí),能耗隨建筑面積的增加增長速度較為平緩,但當(dāng)建筑面積超過8萬m2后,能耗隨建筑面積的增加增長速度明顯加快.因此可以認(rèn)為8萬m2以上的建筑用能特點(diǎn)與8萬m2以下的不同,并導(dǎo)致回歸分析中出現(xiàn)異常點(diǎn).下面僅對8萬m2以下建筑進(jìn)行分析并確定其回歸系數(shù).

圖2 建筑面積與空調(diào)、照明能耗規(guī)律Fig.2 Corre lation betw een building gross area and air-condition&lighting energy consum ption

2.2 8萬m2以下大型辦公建筑能效當(dāng)量能耗回歸模型

對8萬m2以下大型辦公建筑進(jìn)行分析,去除殘差較大的異常點(diǎn)后,得到33個(gè)樣本數(shù)據(jù),對這33個(gè)樣本數(shù)據(jù)做多元回歸分析,擬合結(jié)果匯總?cè)绫?所示.

表3 回歸模型擬合情況Tab.3 Fitting of regression m odel

由表3可見,顯著性Sig.F等于0,說明F檢驗(yàn)滿足要求,R值分別為0.88和0.93,故線性關(guān)系擬合情況良好.R2分別為0.78和0.87,說明空調(diào)能耗和照明能耗中分別有78%和87%的變異可以由已知變量解釋.

圖3反映了回歸模型的標(biāo)準(zhǔn)殘差分布情況.回歸模型的標(biāo)準(zhǔn)殘差隨機(jī)地散布在橫坐標(biāo)的兩側(cè),并且不存在殘差很大的異常點(diǎn),由此認(rèn)為回歸模型擬合良好.

圖3 33樣本回歸模型標(biāo)準(zhǔn)殘差Fig.3 Standard residua lo f 33-building-regression model

因此得到辦公建筑E level計(jì)算模型如下:

因此,只要知道某大樓的年總能耗、空調(diào)能耗和大樓的室內(nèi)人員密度、年運(yùn)行時(shí)間和建筑面積這5個(gè)量,就可得到該大樓由能效有關(guān)量形成的建筑能耗,并判斷其能效水平在上海地區(qū)既有2～8萬m2辦公建筑中的位置.

運(yùn)用式(13)將樣本中的數(shù)據(jù)進(jìn)行處理并按能效當(dāng)量能耗從小到大進(jìn)行排序作累計(jì)頻率曲線,其分布范圍見圖4.顯然,這些建筑能效當(dāng)量能耗值的中位為308 t標(biāo)煤.根據(jù)節(jié)能目標(biāo)的制定,可以確定相應(yīng)的需要節(jié)能改造的建筑.例如,需要對該地區(qū)20%的建筑進(jìn)行節(jié)能改造,那么,某建筑經(jīng)式(13)計(jì)算后,當(dāng)量能耗值大于圖4中80%點(diǎn)對應(yīng)的能耗624 t標(biāo)煤時(shí),則屬于改造對象.顯然,在能耗統(tǒng)計(jì)工作完善后,對于決策者與用戶而言此方法更方便直觀.

圖4 上海地區(qū)辦公建筑能效當(dāng)量能耗累計(jì)頻率圖Fig.4 Cumulative frequency curveo f the office building about equivalent energy consumption of building energy efficiency in Shanghai

3 結(jié)論

(1)建筑能耗的影響因素分為能效有關(guān)量與能效無關(guān)量兩類,能效有關(guān)量導(dǎo)致的建筑能耗被定義為建筑能效當(dāng)量能耗,其大小直接反映建筑能源使用效率,是建筑節(jié)能改造的依據(jù),具有實(shí)際意義.

(2)建筑能效當(dāng)量能耗的回歸計(jì)算方法是基于既有建筑的功能、規(guī)模等特征參數(shù),采用線性回歸形成的,既有建筑的樣本數(shù)量越多、分類越細(xì)化,回歸計(jì)算公式越可靠.

(3)隨著建筑數(shù)量的不斷增加,不斷更新樣本的數(shù)量和特征參數(shù),使回歸計(jì)算公式中的系數(shù)不斷更新,從而可反映新樣本對應(yīng)建筑類型的總體用能效率,實(shí)現(xiàn)動態(tài)跟蹤與管理.

(4)本文研究對象的能效當(dāng)量能耗分布范圍為194～671 t標(biāo)煤,中位值為308 t標(biāo)煤,決策者與用戶可直觀方便地在能效當(dāng)量能耗排位圖上得知某建筑在該地區(qū)的建筑能效現(xiàn)狀.

[1] DONG B,LEE SE,SAPARM H.A holistic utility bill analysis

m ethod for baselining whole commercial building energy consump tion in Singapore[J].Energy and Buildings,2005,37:167.

[2] LEEW S.Benchmarking the energy efficiency of government buildings w ith data envelopment analysis[J].Energy and Buildings,2008,40:891.

[3] Carlo J,Lamberts R.Developmen t of envelope efficiency labels for commercial buildings:effect of differen t variables on electricity consumption[J].Energy and Buildings,2008,40:2002.

[4] CHUNG W,HUI Y V,LAM Y M.Benchm arking the energy efficiency of commercial buildings[J].Apply energy,2006,83:1.

[5] Ghiaus C.Experim ental estimation of building energy performan ce by robust regression[J].Energy and Buildings,2006,38:582.

[6] Freire Z R,O liveira H C G,Mendes N.Development of regression equations for predicting energy and hygrotherm al performance of buildings[J].Energy and Buildings,2008,40:810.

[7] YANG L,Lamb J C,Tsang C L.Energy performance of building envelopes in different climate zones in China[J].App lied Energy,2008,85:800.