楊 柳，侯立強，李紅蓮,，許馨尹，劉加平

（1. 西安建筑科技大學建筑學院，陜西 西安 710055；2. 西安建筑科技大學信息與控制工程學院，陜西 西安 710055）

自從改革開放以來，中國的能源消耗呈現穩(wěn)步增長，其中2001年建筑能耗占全國總能耗的27.5%，預計2020年，建筑能耗將達到35%[1-2].建筑能耗中公共建筑能耗是重要組成部分，平均單位面積能耗從2001年的17.9 kgce/m2增加到2011年的21.4 kgce/m2，在所有建筑中增長最為迅速[3].其中大型公共建筑的能耗較大，單位建筑面積折合電耗指標為70～300 kWh/(m2·a)，是居住建筑的10～20倍[4-5].因此，針對公共建筑的節(jié)能設計及能耗研究十分緊迫.建筑節(jié)能設計及節(jié)能改造較為復雜，而建筑能耗預測為其提供了便捷的途徑.建筑能耗的預測按其原理可分為：工程方法、統(tǒng)計方法、神經網絡和支持向量機.工程方法是根據物理原理計算建筑能耗，它又分為詳細的綜合方法和簡化方法，綜合方法由于其高復雜性實際中很難進行.統(tǒng)計模型相對容易研發(fā)，但缺乏一定的靈活性.神經網絡和支持向量機善于解決非線性問題，但其準確性依賴于模型的選擇和參數的設定，缺點是需要足夠多的歷史性數據及極度復雜性[6].本文采用較為簡單的統(tǒng)計方法建立重慶辦公建筑的能耗預測回歸模型.建筑能耗預測回歸模型的建立首先需要了解影響建筑能耗的主要設計參數，即建筑能耗分析.國外學者Joseph C. Lam等采用敏感性分析對影響建筑能耗的材料性質、圍護結構設計、暖通空調系統(tǒng)的選擇及運行控制進行了研究[7-10]，國內學者王麗娟、詹翔、王永龍、梁珍等也采用此方法研究了建筑各設計參數對建筑能耗的影響[11-14].敏感性分析是用來評估建筑的熱響應及其熱特性和負荷特性的常用方法[15-18]，其目的是研究由于設計參數的改變系統(tǒng)響應的變化規(guī)律.本文對重慶地區(qū)的空調辦公建筑進行了建筑能耗的敏感性分析，采用了多元線性回歸建立了建筑能耗的預測回歸模型.

1 研究內容

選取重慶作為代表城市，其屬于夏熱冬冷地區(qū)，既有夏季制冷的需要同時又有冬季采暖的需求.采暖、制冷能耗是建筑能耗的重要組成部分且較易受建筑設計參數的影響.本文分析了建筑設計參數對暖通空調系統(tǒng)及總能耗的影響，并建立了兩者的預測回歸模型，具體內容如下：

(1) 選取重慶地區(qū)的典型空調辦公建筑；采用EnergyPlus及其自帶典型年氣象數據模擬辦公建筑暖通空調系統(tǒng)能耗及總能耗，確保符合真實情況，并作為基準.

(2) 改變設計參數進行能耗模擬，對由此引起的暖通空調系統(tǒng)能耗及建筑總能耗變化進行敏感性分析，確定設計參數對各部分的影響因子及影響建筑能耗的主要設計參數.

(3) 利用多元線性回歸技術，建立重慶空調辦公建筑能耗的預測回歸模型.

(4) 評估該城市空調辦公建筑能耗預測回歸模型的準確性.

2 辦公建筑模型及逐時氣象數據

采用EnergyPlus軟件進行建筑能耗模擬[19]，所用的逐時氣象數據庫為EnergyPlus自帶的典型年氣象數據庫(CSWD).選取重慶典型空調辦公建筑作為基準建筑，基準建筑為一棟20層的辦公建筑，北軸夾角為0°.標準層為37.8 m×31.5 m平面，層高3.8 m，總建筑面積為23 814 m2，其中空調區(qū)域面積為21 609 m2，分布在建筑周圍的四個區(qū).為了建筑能耗分析研究，辦公建筑的內部負荷、室內設計工況及暖通空調系統(tǒng)設置符合相應的建筑設計、節(jié)能設計標準[20].表1為基準建筑基本概況.表2為基準建筑基本參數設置.

表1 基準建筑基本概況Tab.1 The basic overview of basic building

表2 基準建筑基本參數設置Tab.2 The basic parameter settings of basic building

3 基準模型模擬結果

基準模型模擬時間為全年1月1日至12月31日.重慶空調辦公建筑全年建筑能耗組成如圖1所示.

圖1 重慶辦公建筑全年建筑能耗組成Fig.1 Annual building energy composition of office building in Chongqing

重慶地區(qū)空調辦公建筑全年耗電量強度為645.64 MJ/m2，天然氣耗量強度為118.44 MJ/m2，全年能耗組成比例分別為：照明17.13%，設備17.59%，鍋爐15.5%，制冷機22.76%，風機1.78%，水泵15.71%，冷卻塔9.53%.而暖通空調能耗大約占建筑總能耗的三分之二，由以上分析可知，基準建筑能耗與實際建筑能耗情況基本符合.

4 建筑能耗模擬及參數敏感性分析

進行建筑能耗模擬及分析前，需要了解建筑能耗的影響因素.依據EnergyPlus輸入的建筑描述信息，將其大致分為三類：建筑負荷、暖通空調系統(tǒng)、暖通空調設備[14].三個主要部分又細分為以下幾個部分：

(1) 建筑負荷：建筑形體、圍護結構、室內工況及負荷、室內熱物質；

(2) 暖通空調系統(tǒng)：空氣處理機組、系統(tǒng)的運行方案、系統(tǒng)的控制、風機；

(3) 暖通空調設備：冷水機組、冷凍水環(huán)路、水泵等.

研究了建筑的13項設計參數對于辦公建筑的暖通空調及建筑總能耗的影響，13項設計參數分別是：外墻、屋頂傳熱系數，窗墻比，照明、設備功率密度，人員密度，滲透率，采暖、制冷室內設定溫度，風機、水泵效率，制冷機COP，鍋爐BE.確定了研究的設計參數，還需要確定每項參數的變化范圍及步長.表3為辦公建筑設計參數的參照值，變化范圍及步長.

表3 辦公建筑設計參數的參照值，變動范圍及步長Tab.3 Reference values, scope changes and step-length of office building design parameters

重慶地區(qū)辦公建筑共進行了66次模擬，模擬的結果供進行敏感性分析.本文用影響因子來進行衡量各個因素對采暖、制冷及建筑能耗的影響程度大小，其定義式為：

式中：IC為影響因子；OP為建筑的模擬輸出參數結果，即采暖、制冷及建筑能耗；OPbc為基準建筑的模擬輸出參數結果；IP為建筑的模擬輸入參數值；IPbc為基準建筑的模擬輸入參數值.

表4顯示了空調辦公建筑13項參數在其變化范圍內對暖通空調系統(tǒng)及總建筑能耗的平均影響因子.

不同的設計參數對空調辦公建筑的暖通空調系統(tǒng)及年總能耗的影響因子不同.影響因子絕對值的大小反映了該項設計參數對相應輸出結果的影響程度，值越大，對其影響越大.影響因子為正，表示隨著設計參數值的增大相應的輸出值將增大，反之則減小.例如，設備功率密度對重慶空調辦公建筑暖通空調系統(tǒng)及年總能耗的影響因子分別是0.053、0.210，表示設備功率密度增大時，其暖通空調系統(tǒng)能耗、年總能耗將增大，且設備功率密度對建筑年總能耗影響較大.

由重慶地區(qū)建筑能耗的敏感性分析知，建筑負荷設計參數中的窗墻比、設備功率密度、照明功率密度和滲透率，暖通空調系統(tǒng)設計參數中的制冷室內設定溫度、采暖室內設定溫度，暖通空調設備設計參數中的水泵效率、制冷機COP、鍋爐BE對建筑暖通空調系統(tǒng)及年總能耗影響較大.

表4 重慶空調辦公建筑13項參數在其變化范圍內對暖通空調系統(tǒng)及總建筑能耗的平均影響因子Tab.4 The average impact factor of HVAC and total building energy consumption of Chongqing air-conditionedoffice building with 13 parameters within its range

5 多元回歸分析

影響建筑能耗的設計參數較多，該文選取對建筑暖通空調系統(tǒng)及年總能耗影響均較大的窗墻比、設備功率密度、照明功率密度、滲透率、制冷室內設定溫度、采暖室內設定溫度、水泵效率、制冷機COP、鍋爐BE共9項參數作為研究對象.每項設計參數進行3次不同輸入，則可產生19 683(39)個模擬結果.影響建筑能耗的主要設計參數及不同輸入值如表5所示.

表5 影響建筑能耗的主要設計參數及不同輸入值Tab.5 The main design parameters that affect building energy consumption and different input values

隨機選取300組進行了建筑能耗模擬.基于以上300次模擬的數據和結果，采用多元線性回歸技術[21-23]建立了重慶地區(qū)辦公建筑暖通空調系統(tǒng)及建筑年總能耗的預測模型，其綜合表達式分別如式(2)～(3)所示.重慶空調辦公建筑暖通空調系統(tǒng)及建筑年總能耗預測模型的多元回歸系數及估計標準偏差如表6所示.式中: Y為建筑暖通空調系統(tǒng)能耗，W·m-2；Y′為建筑年總能耗，W·m-2；X1為窗墻面積比；X2為設備功率密度，W·m-2；X3為照明功率密度，W·m-2；X4為滲透率，ach；X5為制冷室內設定溫度，℃；X6為采暖室內設定溫度，℃；X7為水泵效率；X8為制冷機COP；X9為鍋爐BE；β1～β9為回歸系數.

重慶辦公建筑暖通空調系統(tǒng)及年總能耗預測模型的R2分別為0.960和0.966，表示該城市辦公建筑暖通空調系統(tǒng)能耗的96%和建筑年總能耗的96.6%可由預測模型解釋，兩者的估計標準偏差均為1.122 W·m-2，表明重慶辦公建筑暖通空調系統(tǒng)能耗及年總能耗預測回歸模型較為準確.回歸系數為負值表示該項設計參數與建筑年能耗呈負相關.

表6 建筑能耗預測模型的多元回歸系數及估計標準偏差Tab. 6 Multiple regression coefficients and the estimated standard deviation of building energy prediction models

6 隨機輸入和模型評價

為了評估建筑能耗預測回歸模型的準確性，針對影響建筑能耗的主要因素進行了建筑能耗模擬.對重慶辦公建筑隨機選取了20組進行了能耗模擬，并與建筑能耗預測回歸模型的預測值進行了比較.重慶辦公建筑基于20組隨機輸入回歸模型預測與模擬建筑能耗比較如圖2所示.

圖2 重慶辦公建筑基于20組隨機輸入回歸模型預測與模擬建筑能耗比較Fig.2 The contrast of Chongqing building annual energy consumption between regression model predicted values with simulated values based on 20 sets of random input

重慶地區(qū)辦公建筑回歸模型預測的暖通空調能耗、建筑總能耗與模擬建筑能耗相比存在偏大和偏小，但總體兩者較一致，模擬值均勻分布在預測回歸線性模型的附近.暖通空調系統(tǒng)能耗預測值與模擬值的最大偏差為-12.813%，建筑年能耗預測值與模擬值的最大偏差為-7.063%.建筑年總能耗的預測回歸模型優(yōu)于暖通空調系統(tǒng)能耗的預測回歸模型.建筑能耗預測回歸模型能夠較好地預測由于窗墻比、設備功率密度、照明功率密度等9項主要設計參數的改變而產生的建筑能耗，從而為建筑節(jié)能設計及節(jié)能改造提供了便捷的工具.

7 結論

對重慶地區(qū)辦公建筑能耗進行了敏感性分析，并建立、評價了該城市空調辦公建筑暖通空調系統(tǒng)能耗及年總能耗預測回歸模型，經過分析表明：

(1) 不同設計參數對建筑的暖通空調系統(tǒng)能耗及總能耗影響不同，其中對兩者影響較大的設計參數主要為窗墻比、設備功率密度、照明功率密度、滲透率、制冷室內設定溫度、采暖室內設定溫度、水泵效率、制冷機COP、鍋爐BE.

(2) 重慶空調辦公建筑暖通空調系統(tǒng)能耗及年總能耗預測模型的R2分別為0.960和0.966，估計標準偏差均為1.122 W/㎡，建筑能耗預測回歸模型較為準確.

(3) 建筑能耗預測回歸模型能夠較準確地預測由于9項設計參數改變而產生的建筑能耗，空調系統(tǒng)能耗與年總能耗預測值與模擬值的最大偏差分別為-12.813%和-7.063%.

References

[1] 郎四維. 我國建筑節(jié)能設計標準的現況與進展[J]. 制冷空調與電力機械, 2002, 23(87): 1-6.LANG Siwei. Current Situation and Progress of Energy Efficiency Design Standards in Buildings in China[J].Refrigeration Air Conditioning & Electric Power Machinery, 2002, 23(87): 1-6.

[2] YAO R, LI B, STEEMERS K. Energy policy and standard for built environment in China[J]. Renew Energy,2005, 30: 1973-88.

[3] 住房和城鄉(xiāng)建設部標準定額研究所. 公共建筑能耗標準研究[R]. 2014.Ministry of Housing and Urban Research Institute standard quota. Research on energy consumption standards for public buildings[R]. 2014.

[4] 江億. 我國建筑耗能狀況及有效的節(jié)能途徑[J]. 暖通空調, 2005, 35(5): 30-40.JIANG Yi. Current building energy consumption in China and effective energy efficiency measures[J]. HVAC,2005, 35(5): 30-40.

[5] 江億. 我國建筑能耗趨勢與節(jié)能重點[J]. 綠色建筑,2006, 7: 10-15.JIANG Yi. China's building energy consumption trends and energy-focused[J]. Green Building, 2006, 7: 10-15.

[6] 袁景玉, 吳克, 關高慶. 建筑能耗預測方法綜述[J]. 科技視野, 2014(31): 291.YUAN Jingyu, WU Ke, GUAN Gaoqing. Methods of building energy consumption prediction[J]. Science &Technology Vision, 2014(31): 291.

[7] LAM J C, HUI S C. M. Sensitivity analysis of energy performance of office buildings[J]. Build Environ, 1996,31: 27-39.

[8] LAM J C. Energy analysis of commercial buildings in subtropical climates[J]. Build Environ 2000, 35: 19-26.

[9] LAM J C, WAN K K. W, YANG L. Sensitivity analysis and energy conservation measures implications[J]. Energy Conversion and Management, 2008, 49: 3170-7.

[10] LAM J C, WAN K K. W, LIU D L, TSANG C L. Multiple regression models for energy use in air-conditioned office buildings in different climates[J]. Energy Conversion and Management, 2010, 51: 2692-7.

[11] 王麗娟. 寒冷地區(qū)辦公建筑節(jié)能設計參數研究[D]. 西安: 西安建筑科技大學, 2007.WANG Lijuan. The energy-saving design parameters about office building in cold region[D]. Xi'an: Xi'an University of Architecture and Technology master's degree thesis, 2007.

[12] 詹翔, 李文龍, 胡鐵軍. 重慶地區(qū)建筑圍護結構形式對能耗的影響[J]. 建筑技術, 2012, 43(6): 554-556.ZHAN Xiang, LI Wenlong, HU Tiejun. Influence of building enclosure structure on building energy consumption in Chongqing[J]. Building Technology, 2012, 43(6):554-556.

[13] 王永龍, 潘毅群. 典型辦公建筑能耗模型中輸入參數單因子敏感性的分析研究[J]. 建筑節(jié)能, 2014, 42(276):9-14.WANG Yonglong, PAN Yiqun. Single-factor sensitivity analysis of input parameters in an energy model of proto-typical office building[J]. Building Energy Efficiency,2014, 42(276): 9-14.

[14] 梁珍, 趙加寧, 路軍. 公共建筑能耗主要影響因素的分析[J]. 低溫建筑技術, 2001(3): 52-54.LIANG Zhen, ZHAO Jianing, LU Jun. Analysis of the main factors of energy consumption public building[J].Low Temperature Architecture Technology, 2001(3):52-54.

[15] ATHIENITIS A K. A computer method for systematic sensitivity analysis of building thermal networks[J]. Build Environ, 1989, 24: 163-8.

[16] BUCHBERG H. Sensitivity of the thermal response of buildings to perturbations in the climate[J]. Build Sci,1969, 4: 43-61.

[17] BUCHBERG H. Sensitivity of room thermal response to inside radiation exchange and surface conductance[J].Build Sci, 1971, 6: 133-49.

[18] LOMAS KJ, EPPEL H. Sensitivity analysis techniques for building thermal simulation programs[J]. Energ Build,1992, 19: 21-44.

[19] EnergyPlus supplement, version 8. 1[CP]. Lawrence Berkeley National Laboratory, University of California,2013.

[20] 中華人民共和國建設部. GB50189-2005 公共建筑節(jié)能設計標準[S]. 北京: 中國建筑工業(yè)出版社, 2005.People's Republic of China Ministry of Construction.GB50189-2005 Design standard for energy efficiency of public buildings[S]. Beijing: China Building Industry Press, 2005.

[21] 于義良, 羅蘊玲, 安建業(yè). 概率統(tǒng)計與SPSS應用[M].西安, 西安交通大學出版社, 2009.YU Yiliang, LUO Yunling, AN Jianye. Probability and Statistics with SPSS application[M]. Xi'an, Xi'an Jiaotong University Press, 2009.

[22] 袁志發(fā), 宋世德. 多元統(tǒng)計分析[M]. 2版. 北京: 科學出版社, 2009.YUAN Zhifa, SONG Shide. Multivariate Statistical Analysis[M]. 2nd ed. Beijing: Science Press, 2009.

[23] 黨耀國, 米傳民, 錢吳永. 應用多元統(tǒng)計分析[M]. 北京: 清華大學出版社, 2012.DANG Yaoguo, MI Chuanmin, QIAN Wuyong. Application of Multivariate Statistical Analysis[M]. Beijing:Tsinghua University Press, 2012.