建筑能效當量能耗方法研究

李崢嶸,李浩翥,郁 盛,諸英霞

(1.同濟大學 暖通空調及燃氣研究所,上海 200092;2.上海市建筑建材業(yè)市場管理總站,上海 200032)

所謂建筑能效當量能耗,即由能效有關量因素導致的建筑能耗.建筑能耗受到很多因素影響,諸如建筑設計、建筑熱工、建筑設備等.一般而言,處于極端氣候條件的時間越多,建筑設備或人員等室內負荷密度越大,使用時間越長的建筑,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量;而建筑的管理水平、設備系統(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,因此可以歸結為能效有關量.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行評價.現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行節(jié)能改造;而且不同建筑之間存在功能、使用時間等方面的差異,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行對比評價;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間的能效變化.因此提出建筑能效當量能耗的概念,并重點推導建筑能效當量能耗的計算方法.

有很多學者根據能耗與其影響因素之間的關聯(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進行了回歸;Wen-Shing Lee[2]的回歸關聯(lián)式考慮了人員密度,并把室外溫度與下雨小時數作為氣象參數;Joyce Carlo[3]將建筑總能耗對圍護結構中的各參數進行了回歸分析;William Chung[4]將建筑能耗用氣象參數進行修正后對建筑樓齡、面積、運行時間表、室內人員和用能設備等運行特征量進行了回歸分析.雖然氣象參數對于建筑能耗的修正十分必要,但應注意到,對氣象參數變化最敏感的能耗是空調能耗,因此Cristian Ghiaus[5]把室內熱負荷與室外溫度進行了回歸分析;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能耗進行了回歸分析.

本文沿用線性回歸方法,推導建筑能效當量能耗的計算方法,同時,選取辦公建筑作為研究對象,對建筑能耗影響因素進行分析.選取8個建筑能耗影響因子進行重點研究:總傳熱系數值(overall thermal transfer value,OTTV)、室內人員密度、建筑時間表、建筑面積、夏季空調機組能效比、冬季空調機組能效比、照明密度和運行管理水平.其中,氣象參數作為影響空調能耗的主要因素,只用于對建筑空調能耗進行修正;OTTV的引入可以把圍護結構傳熱系數、窗墻比(WWR)、遮陽系數等綜合于一個參數,有利于回歸分析的進行,具體計算方法及上海地區(qū)系數確定見文獻[7];建筑時間表定義為該建筑的年運營時間總小時數;建筑面積、能效比和照明密度(W·m-2)由物業(yè)提供;物業(yè)管理項在回歸分析中為虛擬變量,根據有、無管理激勵機制,計算時若有則取1,無則取0.

1 建筑能效當量能耗計算模型

1.1 氣象轉換因子的確定

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

式中:DHDD18為1985—2005年年平均采暖度日數;DHDDy為當年采暖度日數;DCDD26為1985—2005年年平均空調度日數;DCDDy為當年空調度日數.

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

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

表1 氣象轉換因子Tab.1 W eather convertion factor

1.2 建筑能效當量能耗計算模型的推導

1.2.1 空調能耗回歸模型

首先對空調能耗E ac進行氣象修正,得到修正后的空調能耗為

由多元回歸模型

以及能耗與其影響因子的關系得到Eac.ca=f(OTTV,人員,時間,面積,冬、夏季機組能效比,

照明密度,管理)=

式中:βi為偏回歸系數;ε為隨機誤差;項對應了人員、時間、面積這3項因子,屬于能效無關量;項對應了OTTV、空調能效比、采暖能效比、照明密度和管理這5項因子,屬于能效有關量;a為回歸常數.

1.2.2 照明能耗回歸模型

照明能耗無需進行氣候修正,由能耗與其影響因子的關系和回歸模型得

EL=f(窗墻比,人員,時間,面積,照明密度,管理)=

1.2.3 建筑能效當量能耗回歸模型

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

所以主要由能效有關量形成的建筑能效當量能耗Elevel為

因為

所以

因此有

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

2 上海地區(qū)辦公建筑能效當量能耗參數的確定

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行數據搜集,以置信度95%作多元線性回歸分析,利用統(tǒng)計分析軟件SPSS 13.0(Statistical Package for Social Science)進行計算.結果顯示,雖然模型通過F檢驗,R2值也較高為0.86,但樣本中存在異常點,如圖1所示.圖中有一建筑的殘差接近4,遠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隨機分布,有線性下降趨勢,故可判斷樣本數據的回歸擬合不是很理想.

圖1 46個樣本回歸模型標準殘差Fig.1 Standard residua lo f 46-building-regression model

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

經過15次反復計算,得到了15份樣本量不同的擬合結果.通過對模型R2值和標準殘差的分析,發(fā)現每當把標準殘差最大的樣本刪除后,模型都會有一定程度上的優(yōu)化.結果匯總如表2所示.

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

分析結果顯示,當排除殘差較大的樣本后,空調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.同時發(fā)現,面積越大的建筑,越容易成為擬合結果的異常值.11幢建筑面積8萬m2以上建筑中,最后在32個樣本中只保留了2幢.

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

圖2 建筑面積與空調、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量能耗回歸模型

對8萬m2以下大型辦公建筑進行分析,去除殘差較大的異常點后,得到33個樣本數據,對這33個樣本數據做多元回歸分析,擬合結果匯總如表3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檢驗滿足要求,R值分別為0.88和0.93,故線性關系擬合情況良好.R2分別為0.78和0.87,說明空調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準殘差分布情況.回歸模型的標準殘差隨機地散布在橫坐標的兩側,并且不存在殘差很大的異常點,由此認為回歸模型擬合良好.

圖3 33樣本回歸模型標準殘差Fig.3 Standard residua lo f 33-building-regression model

因此得到辦公建筑E level計算模型如下:

因此,只要知道某大樓的年總能耗、空調能耗和大樓的室內人員密度、年運行時間和建筑面積這5個量,就可得到該大樓由能效有關量形成的建筑能耗,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.

運用式(13)將樣本中的數據進行處理并按能效當量能耗從小到大進行排序作累計頻率曲線,其分布范圍見圖4.顯然,這些建筑能效當量能耗值的中位為308 t標煤.根據節(jié)能目標的制定,可以確定相應的需要節(jié)能改造的建筑.例如,需要對該地區(qū)20%的建筑進行節(jié)能改造,那么,某建筑經式(13)計算后,當量能耗值大于圖4中80%點對應的能耗624 t標煤時,則屬于改造對象.顯然,在能耗統(tǒng)計工作完善后,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)辦公建筑能效當量能耗累計頻率圖Fig.4 Cumulative frequency curveo f the office building about equivalent energy consumption of building energy efficiency in Shanghai

3 結論

(1)建筑能耗的影響因素分為能效有關量與能效無關量兩類,能效有關量導致的建筑能耗被定義為建筑能效當量能耗,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,具有實際意義.

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

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

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

[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.