空調(diào)辦公建筑能耗預(yù)測回歸模型

楊 柳，侯立強(qiáng)，李紅蓮,，許馨尹，劉加平

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

自從改革開放以來，中國的能源消耗呈現(xiàn)穩(wěn)步增長，其中2001年建筑能耗占全國總能耗的27.5%，預(yù)計2020年，建筑能耗將達(dá)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(biāo)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(shè)計及能耗研究十分緊迫.建筑節(jié)能設(shè)計及節(jié)能改造較為復(fù)雜，而建筑能耗預(yù)測為其提供了便捷的途徑.建筑能耗的預(yù)測按其原理可分為：工程方法、統(tǒng)計方法、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī).工程方法是根據(jù)物理原理計算建筑能耗，它又分為詳細(xì)的綜合方法和簡化方法，綜合方法由于其高復(fù)雜性實際中很難進(jìn)行.統(tǒng)計模型相對容易研發(fā)，但缺乏一定的靈活性.神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)善于解決非線性問題，但其準(zhǔn)確性依賴于模型的選擇和參數(shù)的設(shè)定，缺點是需要足夠多的歷史性數(shù)據(jù)及極度復(fù)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(yù)測回歸模型.建筑能耗預(yù)測回歸模型的建立首先需要了解影響建筑能耗的主要設(shè)計參數(shù)，即建筑能耗分析.國外學(xué)者Joseph C. Lam等采用敏感性分析對影響建筑能耗的材料性質(zhì)、圍護(hù)結(jié)構(gòu)設(shè)計、暖通空調(diào)系統(tǒng)的選擇及運(yùn)行控制進(jìn)行了研究[7-10]，國內(nèi)學(xué)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(shè)計參數(shù)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(yīng)及其熱特性和負(fù)荷特性的常用方法[15-18]，其目的是研究由于設(shè)計參數(shù)的改變系統(tǒng)響應(yīng)的變化規(guī)律.本文對重慶地區(qū)的空調(diào)辦公建筑進(jìn)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(yù)測回歸模型.

1 研究內(nèi)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(shè)計參數(shù)的影響.本文分析了建筑設(shè)計參數(shù)對暖通空調(diào)系統(tǒng)及總能耗的影響，并建立了兩者的預(yù)測回歸模型，具體內(nèi)容如下：

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

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

(3) 利用多元線性回歸技術(shù)，建立重慶空調(diào)辦公建筑能耗的預(yù)測回歸模型.

(4) 評估該城市空調(diào)辦公建筑能耗預(yù)測回歸模型的準(zhǔn)確性.

2 辦公建筑模型及逐時氣象數(shù)據(jù)

采用EnergyPlus軟件進(jìn)行建筑能耗模擬[19]，所用的逐時氣象數(shù)據(jù)庫為EnergyPlus自帶的典型年氣象數(shù)據(jù)庫(CSWD).選取重慶典型空調(diào)辦公建筑作為基準(zhǔn)建筑，基準(zhǔn)建筑為一棟20層的辦公建筑，北軸夾角為0°.標(biāo)準(zhǔn)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(diào)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(nèi)部負(fù)荷、室內(nèi)設(shè)計工況及暖通空調(diào)系統(tǒng)設(shè)置符合相應(yīng)的建筑設(shè)計、節(jié)能設(shè)計標(biāo)準(zhǔn)[20].表1為基準(zhǔn)建筑基本概況.表2為基準(zhǔn)建筑基本參數(shù)設(shè)置.

表1 基準(zhǔn)建筑基本概況Tab.1 The basic overview of basic building

表2 基準(zhǔn)建筑基本參數(shù)設(shè)置Tab.2 The basic parameter settings of basic building

3 基準(zhǔn)模型模擬結(jié)果

基準(zhǔn)模型模擬時間為全年1月1日至12月31日.重慶空調(diào)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(diào)辦公建筑全年耗電量強(qiáng)度為645.64 MJ/m2，天然氣耗量強(qiáng)度為118.44 MJ/m2，全年能耗組成比例分別為：照明17.13%，設(shè)備17.59%，鍋爐15.5%，制冷機(jī)22.76%，風(fēng)機(jī)1.78%，水泵15.71%，冷卻塔9.53%.而暖通空調(diào)能耗大約占建筑總能耗的三分之二，由以上分析可知，基準(zhǔn)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(shù)敏感性分析

進(jìn)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(jù)EnergyPlus輸入的建筑描述信息，將其大致分為三類：建筑負(fù)荷、暖通空調(diào)系統(tǒng)、暖通空調(diào)設(shè)備[14].三個主要部分又細(xì)分為以下幾個部分：

(1) 建筑負(fù)荷：建筑形體、圍護(hù)結(jié)構(gòu)、室內(nèi)工況及負(fù)荷、室內(nèi)熱物質(zhì)；

(2) 暖通空調(diào)系統(tǒng)：空氣處理機(jī)組、系統(tǒng)的運(yùn)行方案、系統(tǒng)的控制、風(fēng)機(jī)；

(3) 暖通空調(diào)設(shè)備：冷水機(jī)組、冷凍水環(huán)路、水泵等.

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

表3 辦公建筑設(shè)計參數(shù)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(jìn)行了66次模擬，模擬的結(jié)果供進(jìn)行敏感性分析.本文用影響因子來進(jìn)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(shù)結(jié)果，即采暖、制冷及建筑能耗；OPbc為基準(zhǔn)建筑的模擬輸出參數(shù)結(jié)果；IP為建筑的模擬輸入?yún)?shù)值；IPbc為基準(zhǔn)建筑的模擬輸入?yún)?shù)值.

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

不同的設(shè)計參數(shù)對空調(diào)辦公建筑的暖通空調(diào)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(shè)計參數(shù)對相應(yīng)輸出結(jié)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(shè)計參數(shù)值的增大相應(yīng)的輸出值將增大，反之則減小.例如，設(shè)備功率密度對重慶空調(diào)辦公建筑暖通空調(diào)系統(tǒng)及年總能耗的影響因子分別是0.053、0.210，表示設(shè)備功率密度增大時，其暖通空調(diào)系統(tǒng)能耗、年總能耗將增大，且設(shè)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(fù)荷設(shè)計參數(shù)中的窗墻比、設(shè)備功率密度、照明功率密度和滲透率，暖通空調(diào)系統(tǒng)設(shè)計參數(shù)中的制冷室內(nèi)設(shè)定溫度、采暖室內(nèi)設(shè)定溫度，暖通空調(diào)設(shè)備設(shè)計參數(shù)中的水泵效率、制冷機(jī)COP、鍋爐BE對建筑暖通空調(diào)系統(tǒng)及年總能耗影響較大.

表4 重慶空調(diào)辦公建筑13項參數(shù)在其變化范圍內(nèi)對暖通空調(diào)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(shè)計參數(shù)較多，該文選取對建筑暖通空調(diào)系統(tǒng)及年總能耗影響均較大的窗墻比、設(shè)備功率密度、照明功率密度、滲透率、制冷室內(nèi)設(shè)定溫度、采暖室內(nèi)設(shè)定溫度、水泵效率、制冷機(jī)COP、鍋爐BE共9項參數(shù)作為研究對象.每項設(shè)計參數(shù)進(jìn)行3次不同輸入，則可產(chǎn)生19 683(39)個模擬結(jié)果.影響建筑能耗的主要設(shè)計參數(shù)及不同輸入值如表5所示.

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

隨機(jī)選取300組進(jìn)行了建筑能耗模擬.基于以上300次模擬的數(shù)據(jù)和結(jié)果，采用多元線性回歸技術(shù)[21-23]建立了重慶地區(qū)辦公建筑暖通空調(diào)系統(tǒng)及建筑年總能耗的預(yù)測模型，其綜合表達(dá)式分別如式(2)～(3)所示.重慶空調(diào)辦公建筑暖通空調(diào)系統(tǒng)及建筑年總能耗預(yù)測模型的多元回歸系數(shù)及估計標(biāo)準(zhǔn)偏差如表6所示.式中: Y為建筑暖通空調(diào)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(shè)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(nèi)設(shè)定溫度，℃；X6為采暖室內(nèi)設(shè)定溫度，℃；X7為水泵效率；X8為制冷機(jī)COP；X9為鍋爐BE；β1～β9為回歸系數(shù).

重慶辦公建筑暖通空調(diào)系統(tǒng)及年總能耗預(yù)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(diào)系統(tǒng)能耗的96%和建筑年總能耗的96.6%可由預(yù)測模型解釋，兩者的估計標(biāo)準(zhǔn)偏差均為1.122 W·m-2，表明重慶辦公建筑暖通空調(diào)系統(tǒng)能耗及年總能耗預(yù)測回歸模型較為準(zhǔn)確.回歸系數(shù)為負(fù)值表示該項設(shè)計參數(shù)與建筑年能耗呈負(fù)相關(guān).

表6 建筑能耗預(yù)測模型的多元回歸系數(shù)及估計標(biāo)準(zhǔn)偏差Tab. 6 Multiple regression coefficients and the estimated standard deviation of building energy prediction models

6 隨機(jī)輸入和模型評價

為了評估建筑能耗預(yù)測回歸模型的準(zhǔn)確性，針對影響建筑能耗的主要因素進(jìn)行了建筑能耗模擬.對重慶辦公建筑隨機(jī)選取了20組進(jìn)行了能耗模擬，并與建筑能耗預(yù)測回歸模型的預(yù)測值進(jìn)行了比較.重慶辦公建筑基于20組隨機(jī)輸入回歸模型預(yù)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(jī)輸入回歸模型預(yù)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(yù)測的暖通空調(diào)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(yù)測回歸線性模型的附近.暖通空調(diào)系統(tǒng)能耗預(yù)測值與模擬值的最大偏差為-12.813%，建筑年能耗預(yù)測值與模擬值的最大偏差為-7.063%.建筑年總能耗的預(yù)測回歸模型優(yōu)于暖通空調(diào)系統(tǒng)能耗的預(yù)測回歸模型.建筑能耗預(yù)測回歸模型能夠較好地預(yù)測由于窗墻比、設(shè)備功率密度、照明功率密度等9項主要設(shè)計參數(shù)的改變而產(chǎn)生的建筑能耗，從而為建筑節(jié)能設(shè)計及節(jié)能改造提供了便捷的工具.

7 結(jié)論

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

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

(2) 重慶空調(diào)辦公建筑暖通空調(diào)系統(tǒng)能耗及年總能耗預(yù)測模型的R2分別為0.960和0.966，估計標(biāo)準(zhǔn)偏差均為1.122 W/㎡，建筑能耗預(yù)測回歸模型較為準(zhǔn)確.

(3) 建筑能耗預(yù)測回歸模型能夠較準(zhǔn)確地預(yù)測由于9項設(shè)計參數(shù)改變而產(chǎn)生的建筑能耗，空調(diào)系統(tǒng)能耗與年總能耗預(yù)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(shè)計標(biāo)準(zhǔn)的現(xiàn)況與進(jìn)展[J]. 制冷空調(diào)與電力機(jī)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(shè)部標(biāo)準(zhǔn)定額研究所. 公共建筑能耗標(biāo)準(zhǔn)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(diào), 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(guān)高慶. 建筑能耗預(yù)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(shè)計參數(shù)研究[D]. 西安: 西安建筑科技大學(xué), 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(hù)結(jié)構(gòu)形式對能耗的影響[J]. 建筑技術(shù), 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?yún)?shù)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(shù), 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(shè)部. GB50189-2005 公共建筑節(jié)能設(shè)計標(biāo)準(zhǔn)[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(yùn)玲, 安建業(yè). 概率統(tǒng)計與SPSS應(yīng)用[M].西安, 西安交通大學(xué)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(xué)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(yīng)用多元統(tǒng)計分析[M]. 北京: 清華大學(xué)出版社, 2012.DANG Yaoguo, MI Chuanmin, QIAN Wuyong. Application of Multivariate Statistical Analysis[M]. Beijing:Tsinghua University Press, 2012.