住宅建筑能耗基準(zhǔn)確定及用能評價(jià)新方法

李郡，俞準(zhǔn)，劉政軒，張國強(qiáng)

(湖南大學(xué) 土木工程學(xué)院，長沙 410082)

?

住宅建筑能耗基準(zhǔn)確定及用能評價(jià)新方法

李郡，俞準(zhǔn)，劉政軒，張國強(qiáng)

(湖南大學(xué) 土木工程學(xué)院，長沙 410082)

摘要：針對當(dāng)前建筑能耗基準(zhǔn)確定及用能評價(jià)方法仍不完善的現(xiàn)狀，提出了一種適用于住宅建筑的新方法。通過灰色關(guān)聯(lián)分析確定了不同影響因素(即特征參數(shù))與建筑能耗的關(guān)聯(lián)度，將關(guān)聯(lián)度作為該因素的權(quán)值并結(jié)合聚類分析對建筑進(jìn)行合理分類。在此基礎(chǔ)上采用累積頻率分布法確定了每類建筑的能耗基準(zhǔn)值，并對建筑住戶進(jìn)行用能評價(jià)。為驗(yàn)證該方法的可行性，將其應(yīng)用于日本建筑學(xué)會(huì)所建立的住宅建筑能耗數(shù)據(jù)庫，為聚類后的每類建筑確定了相應(yīng)的能耗基準(zhǔn)并對住戶進(jìn)行了用能評價(jià)。結(jié)果表明該方法能夠綜合考慮不同特征參數(shù)的影響大小，科學(xué)合理地對建筑細(xì)化分類，根據(jù)分類后的基準(zhǔn)評價(jià)能夠更好地評估住戶的節(jié)能潛力并提供可行的節(jié)能建議。

關(guān)鍵詞：基準(zhǔn)；用能評價(jià)；聚類分析；灰色關(guān)聯(lián)分析；住宅建筑

加強(qiáng)建筑能源管理，合理評價(jià)建筑能耗水平是目前建筑節(jié)能的重要基礎(chǔ)工作。建筑能耗基準(zhǔn)可通過與其他同類建筑或與自身歷史能耗對比進(jìn)行確定[1]。很多學(xué)者對其進(jìn)行了深入研究，主要評估方法包含以下3種：建筑分值評估法、模擬分析法和統(tǒng)計(jì)分析法[2]。建筑分值評估法是根據(jù)不同評價(jià)指標(biāo)和標(biāo)準(zhǔn)對建筑各項(xiàng)性能進(jìn)行評分，如美國綠色建筑LEED認(rèn)證。該方法主要適用于單棟建筑性能評價(jià)，其主要局限是分值確定易受主觀因素影響，并易因追求高分值導(dǎo)致采用不必要的建筑節(jié)能技術(shù)。模擬分析法是通過能耗模擬軟件(如Energy Plus和DOE-2)人為設(shè)定建筑模型參數(shù)，以模擬建筑能耗作為基準(zhǔn)值來評價(jià)建筑能耗水平。該方法主要針對單棟建筑能耗評估，較多應(yīng)用于新建建筑設(shè)計(jì)階段，其主要缺點(diǎn)是難以合理設(shè)置模型參數(shù)值，尤其是用戶行為相關(guān)參數(shù)[3]。統(tǒng)計(jì)分析法是基于建筑實(shí)際能耗數(shù)據(jù)，采用統(tǒng)計(jì)學(xué)分析方法(如多元線性回歸法和累積頻率分布法)確定基準(zhǔn)值，如美國能耗基準(zhǔn)評價(jià)工具Energy Star[4]。該方法主要適用于多棟建筑能耗評估，同時(shí)為提高所得基準(zhǔn)值準(zhǔn)確度一般需要先根據(jù)建筑類型、面積等參數(shù)對建筑進(jìn)行細(xì)化分類。由于能耗數(shù)據(jù)含有建筑運(yùn)行信息，因此該方法能夠反映各種因素對能耗的實(shí)際影響，從而合理評價(jià)建筑能耗水平，是當(dāng)前國際建筑能耗基準(zhǔn)評價(jià)研究的一個(gè)重點(diǎn)研究方向。然而，目前制約該方法研究進(jìn)展的一個(gè)主要障礙是缺乏合理的建筑細(xì)化分類方法，導(dǎo)致難以得到符合預(yù)期要求的基準(zhǔn)值準(zhǔn)確度[5]。已有建筑細(xì)化分類方法主要是根據(jù)建筑特征參數(shù)及其閾值進(jìn)行逐層細(xì)分，如按建筑面積指標(biāo)將建筑劃分為小、中、大型建筑。該方法不足之處表現(xiàn)在：一是無法同時(shí)考慮多個(gè)特征參數(shù)對能耗的影響；二是主觀性強(qiáng)，其分類指標(biāo)選擇、分類閾值確定以及不同特征參數(shù)間分類順序均無統(tǒng)一標(biāo)準(zhǔn)。此外，若特征參數(shù)較多則需大量樣本方能滿足統(tǒng)計(jì)要求[6]。

目前，已有研究針對上述缺陷提出改進(jìn)方法，如文獻(xiàn)[2]和文獻(xiàn)[7]分別針對商業(yè)建筑和酒店建筑提出利用聚類分析對建筑進(jìn)行細(xì)化分類，該方法能夠同時(shí)考慮多個(gè)特征參數(shù)對能耗的影響合理劃分建筑，但其主要局限是忽略了不同特征參數(shù)對分類的影響程度大小，只是簡單地將其等同處理，這樣必然導(dǎo)致分類結(jié)果誤差較大。此外，上述研究并未涉及居住建筑?？紤]到居住建筑能耗構(gòu)成及影響因素特殊性，有必要對其基準(zhǔn)評價(jià)方法進(jìn)行單獨(dú)研究。

針對上述問題，筆者通過引入灰色關(guān)聯(lián)分析和聚類分析，提出了一種適用于住宅建筑的能耗基準(zhǔn)確定及用能評價(jià)新方法，并將其應(yīng)用于日本建筑學(xué)會(huì)所建立的住宅建筑能耗數(shù)據(jù)庫，分析了該方法的可行性和科學(xué)性。

1能耗基準(zhǔn)評價(jià)方法

本文提出的基于灰色關(guān)聯(lián)及聚類分析的能耗基準(zhǔn)評價(jià)方法主要包括以下幾個(gè)步驟，如圖1所示。

圖1　住宅建筑能耗基準(zhǔn)評價(jià)方法流程圖Fig.1　Procedure of the proposed

該方法簡單介紹如下：

1)收集樣本建筑信息并建立數(shù)據(jù)庫。相關(guān)建筑信息主要包括氣候參數(shù)、建筑參數(shù)、用戶信息及實(shí)際能耗數(shù)據(jù)等。

2)數(shù)據(jù)預(yù)處理。對數(shù)據(jù)屬性及取值范圍進(jìn)行處理，轉(zhuǎn)換為適合灰色關(guān)聯(lián)分析和聚類分析的形式。

3)建筑分類。通過灰色關(guān)聯(lián)分析，計(jì)算不同特征參數(shù)與建筑能耗之間的灰色關(guān)聯(lián)度并進(jìn)行排序(關(guān)聯(lián)序)，將灰色關(guān)聯(lián)度作為權(quán)值賦予各特征參數(shù)，并結(jié)合聚類分析對建筑進(jìn)行分類。

4)基準(zhǔn)值確定。采用累積頻率分布法確定各類建筑的基準(zhǔn)值。

5)建筑住戶用能評價(jià)。通過與基準(zhǔn)值對比分析，確定建筑節(jié)能潛力，并提供相關(guān)節(jié)能建議。

1.1數(shù)據(jù)預(yù)處理

由于數(shù)據(jù)庫中不同參數(shù)具有不同屬性，例如空調(diào)運(yùn)行狀態(tài)為分類屬性(開或關(guān))，建筑面積為數(shù)值屬性(150 m2或200 m2)，難以直接進(jìn)行比較分析。此外，各數(shù)值屬性參數(shù)的取值范圍不同(如[0, 30]和[100, 1000])，取值范圍小的參數(shù)影響易被取值范圍大的參數(shù)影響覆蓋。為滿足數(shù)據(jù)分析需要，應(yīng)將分類屬性參數(shù)轉(zhuǎn)換為數(shù)值屬性，并將所有數(shù)值屬性參數(shù)無量綱化，轉(zhuǎn)化為相同數(shù)值范圍如[0, 1]以便進(jìn)一步處理。轉(zhuǎn)化方法如下：

1)分類屬性對于二元變量，如空調(diào)運(yùn)行狀態(tài)[開, 關(guān)]，可直接轉(zhuǎn)換為[0, 1]或[1, 0]。

對于多元變量，如美國綠色建筑LEED認(rèn)證的4個(gè)等級[認(rèn)證級, 銀級, 金級, 鉑金級]，需對其不同狀態(tài)排序，并根據(jù)式(1)計(jì)算轉(zhuǎn)換至[0, 1]區(qū)間內(nèi)。

(1)

式中：xi為某一狀態(tài)的轉(zhuǎn)換值；ranki為該狀態(tài)的排序值；rankmax為所有狀態(tài)的最大排序值。

采用該方法，LEED認(rèn)證4個(gè)等級可轉(zhuǎn)換為[0, 1/3, 2/3, 1]。

2)數(shù)值屬性對于數(shù)據(jù)庫中的數(shù)值屬性變量，采用無量綱化法將其全部轉(zhuǎn)化為相同數(shù)值范圍[0, 1]，計(jì)算公式如(2)所示。

(2)

1.2灰色關(guān)聯(lián)分析

將數(shù)據(jù)庫中所有參數(shù)轉(zhuǎn)換至[0, 1]空間后，考慮到不同參數(shù)對建筑能耗的影響程度不同，應(yīng)對不同參數(shù)根據(jù)其影響程度分配相應(yīng)權(quán)值，以便進(jìn)一步將建筑合理分類。本文采用灰色關(guān)聯(lián)分析計(jì)算該權(quán)值，其基本思想是根據(jù)因素之間幾何變化趨勢的相似程度判斷其關(guān)聯(lián)程度(即灰色關(guān)聯(lián)度，作為權(quán)值進(jìn)行分配)，并可通過對灰色關(guān)聯(lián)度排序得到灰色關(guān)聯(lián)序，以表征各因素間關(guān)聯(lián)程度的相對主次順序[8]。與其他多因素統(tǒng)計(jì)分析法，如回歸分析法、主成分分析法相比，灰色關(guān)聯(lián)分析的主要優(yōu)點(diǎn)在于計(jì)算簡單，能夠分析樣本量小的數(shù)據(jù)集，且數(shù)據(jù)無需服從典型分布[9]。

灰色關(guān)聯(lián)分析的具體計(jì)算步驟如下：

1) 確定分析數(shù)列，由因變量構(gòu)成參考序列為y0(如建筑能耗)；自變量構(gòu)成比較序列yi(如建筑能耗的不同影響因素，即特征參數(shù))；

2)對y0和yi進(jìn)行無量綱化處理，詳見1.1節(jié)；

3)計(jì)算y0和yi之間的灰色關(guān)聯(lián)系數(shù)ξi(k)，計(jì)算公式為

(3)

式中:α為分辨系數(shù)，且α∈[0,1]，通常取α=0.5；

4) 計(jì)算y0和yi的灰色關(guān)聯(lián)度γ，計(jì)算公式為

(4)

5) 根據(jù)灰色關(guān)聯(lián)度大小排序，得出各變量的灰色關(guān)聯(lián)序。

1.3聚類分析

聚類分析是指根據(jù)數(shù)據(jù)對象(本文中為住宅建筑)特征的相似程度，將數(shù)據(jù)集劃分為若干類或簇的過程，其目的是使同類中數(shù)據(jù)對象特征最大程度相似，而不同類間的相似度盡可能小。聚類分析的主要優(yōu)勢在于能夠同時(shí)考慮所有特征參數(shù)，并通過數(shù)學(xué)方法得到合理分類閾值，避免主觀因素的影響。該方法已在不同領(lǐng)域，如生物學(xué)、醫(yī)學(xué)及商業(yè)等領(lǐng)域廣泛應(yīng)用[10-11]。

目前，聚類分析常用的算法有k均值算法、k中心點(diǎn)算法和CLARANS算法等[10-11]。其中，k均值算法具有計(jì)算簡單、收斂快、應(yīng)用廣泛等優(yōu)點(diǎn)。本文采用該算法進(jìn)行聚類分析，其基本原理是：假定數(shù)據(jù)集X中有n個(gè)對象xi(i=1,2,…,n)，xi=(xi1,xi2, …,xim)，其中xij為xi的特征參數(shù)(共m個(gè))，通過歐氏距離函數(shù)將數(shù)據(jù)集X劃分為k類 (k≥2)，即k個(gè)真子集C1,C2,...,Ck使得Ci?X且Ci∩Cj(1≤i,j≤k)，如圖2所示。

圖2　k均值聚類算法原理圖(“+”表示每個(gè)聚類的中心，圓圈表示n個(gè)對象)Fig.2　Schematic illustration of the k-means clustering algorithm (the cluster centroids and n objects are marked by + and ○,

具體計(jì)算步驟如下：

1) 任意選擇k個(gè)點(diǎn)作為初始的聚類中心c1,c2, …,ck；

2) 計(jì)算n個(gè)對象與各聚類中心的歐式距離(如式(5)所示)，并將它們指派到與其距離最近(如式(6)所示)的中心形成k個(gè)聚類，如圖2(a)所示。

(5)

(6)

式中：ci聚類中心，p∈Ci；

3) 重新計(jì)算每個(gè)聚類中心各特征參數(shù)的平均值，即為新的聚類中心；

4) 重復(fù)步驟2)和3)直到迭代收斂，即聚類中心不再發(fā)生變化。

1.4基準(zhǔn)值的確定

能耗基準(zhǔn)值是用于比較和評價(jià)建筑用能水平的標(biāo)準(zhǔn)和定位，通常采用統(tǒng)計(jì)學(xué)法確定，如回歸分析法、累積頻率分布法、平均值法等[12-13]。其中，累積頻率分布法具有簡單易行、不受異常能耗影響、直觀反映建筑能耗分布并能夠制定不同的基準(zhǔn)水平[13]等優(yōu)點(diǎn)，是目前最為常用的建筑能耗基準(zhǔn)值制定方法之一[14]。本文采用該方法確定每類建筑的能耗基準(zhǔn)值。

累積頻率是指將數(shù)據(jù)對象劃分為若干個(gè)數(shù)值區(qū)間，依次統(tǒng)計(jì)各區(qū)間數(shù)據(jù)出現(xiàn)的頻率，并按從小到大的順序逐段累加，能夠用于表示小于某一特定值的概率。在能耗基準(zhǔn)評價(jià)中，通常選用累積頻率為25%和50%的值代表良好及典型水平[14]，本文以50%作為基準(zhǔn)水平，用于評估建筑節(jié)能潛力；25%作為目標(biāo)水平，表示期望建筑達(dá)到的用能水平。

2案例研究

2.1數(shù)據(jù)庫建立

日本建筑學(xué)會(huì)于2002年12月至2004年11月開展了“日本各地居民能耗調(diào)查”項(xiàng)目，建立了住宅能耗數(shù)據(jù)庫，用于評估居住建筑能耗水平[15]。它采集了詳細(xì)的住戶信息和終端能耗數(shù)據(jù)，因此，本文以該數(shù)據(jù)庫為例來驗(yàn)證所提出的方法的可行性。該數(shù)據(jù)庫將日本全國分為6個(gè)地區(qū)：北海道、東北、北陸、關(guān)東、關(guān)西和九州沖繩，并在這些地區(qū)共選擇了80個(gè)住戶(每個(gè)地區(qū)均選有獨(dú)棟式和公寓式建筑住戶)進(jìn)行能耗數(shù)據(jù)及相關(guān)信息采集，數(shù)據(jù)采集的方法及內(nèi)容如表1所示。其中，建筑能耗由8類分項(xiàng)能耗組成并分別測量：1)采暖空調(diào)；2)生活熱水；3)廚房，如電磁爐等；4)照明；5)制冷，如冰箱等；6)娛樂&信息，如電視、電話等；7)家務(wù)&衛(wèi)生，如洗衣機(jī)、吸塵器等；8)其他。

表1　數(shù)據(jù)收集方法及內(nèi)容

通過數(shù)據(jù)檢查發(fā)現(xiàn)，數(shù)據(jù)庫中有6個(gè)住戶數(shù)據(jù)不完整無法滿足本文研究需要，因此將這部分?jǐn)?shù)據(jù)剔除從而得到本文的樣本數(shù)據(jù)(共74戶)，其分布情況如表2所示。

表2　樣本量分布

在進(jìn)行數(shù)據(jù)分析前，需對數(shù)據(jù)進(jìn)行集中和整合處理。例如，對具有不同量綱的建筑能源(包括電、燃油和天然氣)，可根據(jù)表3中的轉(zhuǎn)換系數(shù)將其轉(zhuǎn)換為同一量綱MJ，以便直接計(jì)算建筑能耗。

表3　能源轉(zhuǎn)換系數(shù)

2.2特征參數(shù)選擇

從數(shù)據(jù)庫中選取13個(gè)能耗影響因素作為特征參數(shù)，具體參數(shù)及分類如表4所示。

表4　住宅建筑特征參數(shù)的選擇

注：1.建筑類型分為：獨(dú)棟式建筑和公寓式建筑；2.建筑結(jié)構(gòu)分為：木制結(jié)構(gòu)和非木制結(jié)構(gòu)；3.熱損失系數(shù)是指室內(nèi)外溫差為1℃時(shí)，圍護(hù)結(jié)構(gòu)熱損失(包括墻、窗、地板和屋頂)和自然換氣熱損失之和除以房屋建筑面積，其值越小圍護(hù)結(jié)構(gòu)保溫隔熱性能越好[16]；4.等量泄漏面積是門窗的氣密性指標(biāo)，用風(fēng)機(jī)加壓檢測；5.建筑設(shè)備類型根據(jù)使用能源的不同分為電力式和非電力式設(shè)備，電力式是指由電能驅(qū)動(dòng)的設(shè)備，如電冰箱；非電力式是指由燃油、天然氣等能源驅(qū)動(dòng)的設(shè)備，如燃?xì)鉄崴?。由于空調(diào)設(shè)備均為電力式，因此采暖空調(diào)的設(shè)備類型由采暖設(shè)備決定。

2.3結(jié)果與討論

2.3.1灰色關(guān)聯(lián)分析采用灰色關(guān)聯(lián)分析的目的是確定不同特征參數(shù)對建筑能耗的影響大小，并將灰色關(guān)聯(lián)度作為權(quán)值賦予各特征參數(shù)。建筑能耗指標(biāo)一般為建筑能耗密度(Energy use intensity，EUI)且常以單位建筑面積的能耗表示，單位為MJ/m2[2, 4, 14]。因此，本文選取一年的EUI作為灰色關(guān)聯(lián)分析的參考序列，不再單獨(dú)考慮建筑面積的影響，其余12個(gè)參數(shù)均作為比較序列。其中，考慮到同一城市的4個(gè)氣象參數(shù)在不同月份呈明顯波動(dòng)，且不同地區(qū)之間氣象參數(shù)差異顯著，首先計(jì)算同一城市某一住戶逐月EUI與當(dāng)月氣象參數(shù)[17]的灰色關(guān)聯(lián)度并取12個(gè)月的平均值，再對同一地區(qū)不同城市氣象參數(shù)的灰色關(guān)聯(lián)度取平均值。對于其他8個(gè)參數(shù)，所有住戶統(tǒng)一計(jì)算并取平均值?；疑P(guān)聯(lián)分析結(jié)果如表5所示，表中同時(shí)給出了12個(gè)特征參數(shù)的灰色關(guān)聯(lián)序。

從表中綜合排序結(jié)果可知，12個(gè)特征參數(shù)中，T、HLC和NO對EUI影響最顯著，即對進(jìn)一步分類的影響程度最大。因此，在確定各類建筑特征時(shí)應(yīng)重點(diǎn)考察這3個(gè)參數(shù)。氣象參數(shù)中，絕大部分地區(qū)室外溫度對EUI影響最大(關(guān)西地區(qū)太陽輻射照度影響略高于室外溫度)，風(fēng)速影響最小。此外，年平均室外溫度相對較低的地區(qū)(包括北海道、東北和北陸)室外溫度對EUI的影響比其他地區(qū)相對更加顯著。非氣象參數(shù)中，熱損失系數(shù)、住戶人數(shù)和等量泄漏密度對EUI有更大影響，因此，建筑設(shè)計(jì)師在設(shè)計(jì)階段應(yīng)重點(diǎn)關(guān)注這3個(gè)參數(shù)并合理取值，以降低住宅能耗。

表5　特征參數(shù)的灰色關(guān)聯(lián)度和關(guān)聯(lián)序

注：1.平均值用于表征所有地區(qū)氣象參數(shù)的灰色關(guān)聯(lián)度，基于該值用于獲得綜合排序。

2.分類屬性參數(shù)數(shù)據(jù)處理結(jié)果：建筑類型[獨(dú)棟式, 公寓式]、建筑結(jié)構(gòu)[木制, 非木制]]、建筑設(shè)備[電力式, 非電力式]均轉(zhuǎn)換為[0,1]。

需要說明的是，由于各地區(qū)氣象參數(shù)的灰色關(guān)聯(lián)度差異顯著，因此，4個(gè)氣象參數(shù)在分配權(quán)值以對建筑細(xì)化分類時(shí)，各地區(qū)住戶應(yīng)對其分別考慮。

2.3.2聚類分析聚類個(gè)數(shù)應(yīng)根據(jù)樣本容量確定，考慮到本文數(shù)據(jù)庫大小，確定聚類個(gè)數(shù)k=4。聚類分析通過開源數(shù)據(jù)挖掘軟件WEKA實(shí)現(xiàn)[18]，結(jié)果如表6所示，表中同時(shí)給出各個(gè)聚類的聚類中心(即每個(gè)特征參數(shù)的平均值，代表每類住戶的典型特征)、住戶數(shù)量及其所占比例。

1) 各類住戶特征根據(jù)聚類中心比較可見，相對其他3類住戶，第2類住戶特征為室外年平均溫度最高，太陽輻射最強(qiáng)，風(fēng)速最小(T、RA為最大，WS值最小)；圍護(hù)結(jié)構(gòu)隔熱保溫性能最差(HLC為最大)，均為非木制結(jié)構(gòu)；廚房采用電力式設(shè)備(KE=0表示設(shè)備類型均為電力式)。同理，其他3類住戶的特征如下：

第1類住戶：室外年平均溫度最低，風(fēng)速最大；圍護(hù)結(jié)構(gòu)的保溫隔熱性和門窗氣密性最好，均為非木制結(jié)構(gòu)；生活熱水均采用非電力式設(shè)備。

第3類住戶：室外年平均相對濕度最低，太陽輻射照度最小；門窗氣密性差，均為獨(dú)棟式、木制結(jié)構(gòu)建筑，住戶人數(shù)最少；生活熱水采用非電力式設(shè)備。

第4類住戶：室外年平均相對濕度最高；均為獨(dú)棟式、木制結(jié)構(gòu)建筑，住戶人數(shù)最多。廚房均采用電力式設(shè)備。

表6　聚類分析結(jié)果

值得說明的是，不同類住戶之間特征差異顯著，而同類住戶特征相似，意味著特征參數(shù)對EUI的影響程度在不同類住戶中具有明顯差異，而在同類住戶中較為接近，因而住戶之間更具有可比性，這也是采用聚類分析方法的優(yōu)勢所在。

2) 各類住戶總能耗及分項(xiàng)能耗特征對各類住戶總能耗及分項(xiàng)能耗特征進(jìn)行分析比較可為建筑能耗基準(zhǔn)值的確定提供參考信息，同時(shí)，可更好地掌握建筑能源使用情況及節(jié)能潛力，明確住戶節(jié)能的重點(diǎn)關(guān)注方向。圖3給出了4類住戶年平均總能耗、8類分項(xiàng)年平均能耗及其所占年平均總能耗的比例。

圖3　4類住戶的分項(xiàng)能耗特征Fig.3　End-use load characteristics of the four

由圖3可知，第1類住戶平均總能耗最大，而第3類住戶最小。8類分項(xiàng)能耗中，采暖空調(diào)和生活熱水在4類住戶中占總能耗比例均超過20%，且二者比例和均大于60%，為居住建筑終端耗能“大戶”，應(yīng)成為住戶節(jié)能的重點(diǎn)關(guān)注對象。其余6類分項(xiàng)能耗中，照明、廚房和制冷所占比例相對較大(第3類住戶照明能耗最小且低于其他終端能耗，其可能原因是這類住戶節(jié)能意識(shí)較強(qiáng)且照明設(shè)備采用節(jié)能燈)。除制冷外，照明和廚房能耗在各類住戶間相互差異明顯，其主要原因是制冷設(shè)備長期不間斷運(yùn)行，受用戶行為影響小。

從圖3中還可以看出，盡管第1類住戶室外年平均溫度最低，風(fēng)速最大，但其采暖能耗卻明顯低于第4類住戶，一個(gè)可能的原因是其圍護(hù)結(jié)構(gòu)具有更好的保溫隔熱性能。需要強(qiáng)調(diào)的是，住戶人數(shù)雖然對生活熱水能耗影響比較顯著，但不能輕易得出住戶人數(shù)最多就必然會(huì)導(dǎo)致生活熱水能耗最高(例如，第4類住戶人數(shù)最多，但生活熱水能耗并非最高)。

2.3.3每類建筑的能耗基準(zhǔn)值圖4給出了第1類住戶建筑總能耗(total energy consumption, TEC)、采暖空調(diào)(heating and cooling, HC)以及生活熱水(hot water supply, HWS)兩類分項(xiàng)能耗的累積頻率分布曲線，并取累積頻率為50%和25%對應(yīng)的能耗值為基準(zhǔn)值和目標(biāo)值。由圖可知，第1類住戶TEC的基準(zhǔn)值為391 MJ/m2/年，目標(biāo)值為305 MJ/m2/年。根據(jù)HC和HWS兩類分項(xiàng)能耗的累積頻率分布曲線，可為住戶提供更加詳細(xì)的分項(xiàng)能耗指標(biāo)值，若同樣以50%水平作為基準(zhǔn)線，它們的基準(zhǔn)值分別為111 MJ/m2/年和127 MJ/m2/年。

同理可得其他3類住戶的TEC基準(zhǔn)值、目標(biāo)值以及其他能耗水平。為更加直觀和清楚地對比同類住戶、不同類住戶之間能耗水平差異，圖5給出了4類住戶能耗水平的盒形圖(盒形圖能夠反應(yīng)數(shù)據(jù)的分散程度及是否對稱，便于比較不同組間的分布差異。若中位值位于盒形的中間則數(shù)據(jù)分布均勻[19])。

圖4　第1類住戶建筑能耗的累積頻率分布曲線Fig.4　Cumulative frequency distribution of the building energy consumption for the cluster

圖5　4類住戶建筑總能耗不同水平的盒形圖Fig.5　Boxplot of different building energy consumption levels for the four

由圖5可知:1)同類住戶之間能耗差異巨大，例如，第3類住戶TEC的最大值與最小值分別為168、670 MJ/m2，最大值約為最小值的4倍，由此可以看出建筑節(jié)能潛力較大。2)不同類住戶間能耗分布不均且水平變化高低不同，從而導(dǎo)致建筑能耗基準(zhǔn)值差異顯著。其中，第2類住戶的能耗基準(zhǔn)值最大且與平均值接近，主要原因是該類住戶能耗分布均勻且基本對稱。第3類住戶的能耗基準(zhǔn)值最小，一個(gè)重要因素是該類住戶總體能耗水平最低。值得注意的是，盡管第1類住戶的整體能耗水平最高，但是由于能耗分布不均，其基準(zhǔn)值并非最高。

2.3.4住戶用能評價(jià)為合理評價(jià)某住戶的能耗特性和節(jié)能潛力并提供可行的節(jié)能建議(如該住戶不屬于本文數(shù)據(jù)庫，應(yīng)首先確定該住戶屬于哪一類建筑住戶，可通過該住戶特征參數(shù)，計(jì)算其與各聚類中心距離來確定)。可將該住戶與同類住戶中，能耗低于基準(zhǔn)值且與該住戶特征最相似的住戶進(jìn)行對比分析(兩住戶特征相似說明基于所有特征參數(shù)而言，這兩個(gè)住戶最具有可比性和參考價(jià)值)。兩者相似度可通過歐式距離表征(如式(2)所示)，距離越小則相似度越大。例如，對第1類住戶中的A住戶進(jìn)行用能評價(jià)，通過計(jì)算其他住戶與A住戶的相似度可知，B住戶是與它特征最為相似的住戶，兩個(gè)住戶的詳細(xì)特征參數(shù)如表7所示。

圖6(a)給出了第1類住戶所有建筑住戶的總能耗，并按升序排列。由圖可知，A住戶位于能耗基準(zhǔn)線之上，能耗偏高屬“不節(jié)能建筑”，B住戶位于能耗目標(biāo)值下方，能耗較低屬較優(yōu)的“節(jié)能建筑”。相對于能耗基準(zhǔn)值，A住戶的年節(jié)能潛力為：548-391=157 MJ/m2；相對于B住戶，其年節(jié)能潛力為：548-304=244 MJ/m2。對比分析兩個(gè)住戶的建筑特征可知，圍護(hù)結(jié)構(gòu)的熱損失系數(shù)及等量泄露面積差異較大，這可能是導(dǎo)致住戶1能耗偏高的原因之一。因此，A住戶可通過節(jié)能改造提高圍護(hù)結(jié)構(gòu)保溫隔熱性能及門窗氣密性，降低建筑能耗。

表7　A、B住戶的特征參數(shù)

圖6　住戶能耗對比Fig.6　Comparison of energy consumption in different

進(jìn)一步分析兩個(gè)住戶的終端能耗特征，如圖6(b)所示，A住戶的采暖空調(diào)和生活熱水能耗巨大，約為B住戶的兩倍，其節(jié)能潛力較大。由于建筑終端設(shè)備的用能行為對建筑能耗影響顯著[6]，A住戶可通過改進(jìn)采暖空調(diào)和生活熱水的用能行為降低建筑能耗，如減少采暖空調(diào)設(shè)備的啟停次數(shù)、設(shè)置合理的空調(diào)溫度等。

3結(jié)論

對建筑進(jìn)行細(xì)化分類，能夠提高建筑能耗基準(zhǔn)值的準(zhǔn)確度，同時(shí)，保證被比較建筑間具有較高的“相似度”是合理評價(jià)建筑能耗水平的前提。本文中提出的能耗基準(zhǔn)評價(jià)方法通過灰色關(guān)聯(lián)分析確定了不同影響因素(即特征參數(shù))與建筑能耗的關(guān)聯(lián)度，將關(guān)聯(lián)度作為該因素的權(quán)值并結(jié)合聚類分析對建筑進(jìn)行合理分類。在此基礎(chǔ)上采用累積頻率分布法確定了每類建筑的能耗基準(zhǔn)值，并對建筑住戶進(jìn)行用能評價(jià)。為驗(yàn)證該方法的可行性，將其應(yīng)用于日本建筑學(xué)會(huì)所建立的住宅建筑能耗數(shù)據(jù)庫，并得出以下結(jié)論：

1)該方法同時(shí)考慮了不同特征參數(shù)對建筑能耗的影響程度大小，確定分類參數(shù)閾值時(shí)避免了主觀因素的影響，能夠根據(jù)建筑數(shù)據(jù)特征合理地劃分建筑類別，并為每類建筑確定出相應(yīng)建筑能耗基準(zhǔn)值。

2)每類住戶能耗基準(zhǔn)值與該類建筑能耗分布密切相關(guān)，不同類住戶間能耗分布不均且水平變化高低不同會(huì)導(dǎo)致其建筑能耗基準(zhǔn)值差異顯著。

3)該方法可評價(jià)某住戶的能耗特性和節(jié)能潛力，并提供相應(yīng)的節(jié)能建議。通過將該住戶與同類住戶中，能耗低于基準(zhǔn)值且與該住戶特征最相似的住戶進(jìn)行對比分析，確保了所得的節(jié)能潛力可信度高，節(jié)能建議可行性強(qiáng)。

4)該方法在進(jìn)行基準(zhǔn)能耗評價(jià)的同時(shí)還可提供大量建筑節(jié)能相關(guān)信息。例如，對各類住戶總能耗及分項(xiàng)能耗特征進(jìn)行分析比較可為建筑能耗基準(zhǔn)值的確定提供參考信息，可更好地掌握建筑能源使用情況及節(jié)能潛力，明確住戶節(jié)能的重點(diǎn)關(guān)注方向并提供深入的節(jié)能建議。

參考文獻(xiàn)：

[1] LI Z W,HAN Y M,XU P.Methods for benchmarking building energy consumption against its past or intended performance:An overview [J].Applied Energy,2014,124:325-334.

[2] GAO X F,MALKAWI A.A new methodology for building energy performance benchmarking:an approach based on intelligent clustering algorithm [J].Energy and Buildings,2014,84:607-616.

[3] WANG E D.Benchmarking whole-building energy performance with multi-criteria technique for order preference by similarity to ideal solution using a selective objective-weighting approach [J].Applied Energy,2015,146:92-103.

[4] MASTON N E,PIETTE M A.Review of California and national methods for energy performance benchmarking of commercial buildings [R].Ernest Orlando Lawrence Berkeley National Laboratory,2005.

[5] 曹勇，劉益民，于丹，等.德國與美國能耗基準(zhǔn)確定方法在北京地區(qū)辦公建筑空調(diào)系統(tǒng)能耗定額確定方面的應(yīng)用及對比[J].建筑科學(xué)，2012，28(4):17-24,90.

CAO Y,LIU Y M,YU D,et al.Application and comparison of energy consumption quota determination of air-conditioning system of official buildings in Beijing using energy consumption benchmarking methods of Germany and United States [J].Building Science,2012,28(4):17-24,90. (in Chinese)

[6] YU Z,FUNG B C M,HAGHIGHAT F,et al.A systematic procedure to study the influence of occupant behavior on building energy consumption [J].Energy and Buildings,2011,43(6):1409-1417.

[7] 顧文，莊智，譚洪衛(wèi).基于聚類分析的酒店建筑分類與用能評價(jià)[J].建筑技術(shù)，2014,45(11)：1026-1029.

GU W,ZHUANG Z,TAN H W.Hotel classification based on cluster analysis and evaluation of energy consumption [J].Architechture Technology,2014,45(11):1026-1029. (in Chinese)

[8] 譚學(xué)瑞，鄧聚龍.灰色關(guān)聯(lián)分析：多因素統(tǒng)計(jì)分析新方法[J].統(tǒng)計(jì)研究，1995，12(3):46-48.

TAN X R,DENG J L.Grey relational analysis: a new multi-factor analysis method [J].Statistical Research,19995,12(3):46-48. (in Chinese)

[9] 孫玉剛.灰色關(guān)聯(lián)分析及其應(yīng)用的研究[D].南京：南京航空航天大學(xué)，2007.

SUN Y G.Research on grey incidence analysis and its application [D].Nanjing: Nanjing University of Aeronautics and Astronautics,2007:10-16. (in Chinese)

[10] 孫吉貴，劉杰，趙連宇.聚類算法研究[J].軟件學(xué)報(bào)，2008，19(1):48-61.

SUN J G,LIU J,ZHAO L Y.Clustering algorithms research [J].Journal of Software,2008,19(1):48-61. (in Chinese)

[11] HAN J W,KAMBER M,PEI J.Data mining:concepts and techniques [M].3rd ed.Beijing:China Machine Press,2012.

[12] 朱能,朱天利,仝丁丁,等.我國建筑能耗基準(zhǔn)線確定方法探討[J].暖通空調(diào),2015，45(3)：59-64.

ZHU N,ZHU T L,TONG D D,et al.Determination of building energy consumption baseline in China [J].HV&AC,2015,45(3):59-64. (in Chinese)

[13] XIN Y J,LU S L,ZHU N,et al.Energy consumption quota of four and five star luxury hotel buildings in Hainan province,China [J].Energy and Buildings,2012,45:250-256.

[14] FARROUA I,KOLOKOTRONI M,SANTAMOURI M.A method for energy classification of hotels: a case- study of Greece [J].Energy and Buildings,2012,55:553-562.

[15] MURAKAMI S,AKABAYSHI S,INOUE T,et al.Energy consumption for residential buildings in Japan [EB/OL].Architectural Institute of Japan, Maruzen Corp,2006. http://tkkankyo.eng.niigatau.ac.jp/HP/HP/database/index.htm.

[16] 薛梅,董華.住宅熱損失系數(shù)的確定與應(yīng)用[J].煤氣與熱力,2004,24(4):203-206.

XUE M,DONG H.Determination and application of heat loss coefficient for dwelling [J].Gas and Heat,2004,24(4):203-206. (in Chinese)

[17] Climate Statistics,Japan Meteorological Agency.Monthly mean and monthly total tables [EB/OL]. http://www.data.jma.go.jp/obd/stats/data/en/smp/index.html.

[18] Weka. The university of waikato,software [EB/OL].http://www.cs.waikato.ac.nz/ml/weka/.

[19] 莊作欽.BOX PLOT——描述統(tǒng)計(jì)的一個(gè)簡便工具[J].統(tǒng)計(jì)與預(yù)測,2003(2):56-57.

ZHUANG Z Q.BOXPLOT—An easy tool of describing statistics [J].Statistics and Forcasting,2003(2):56-57. (in Chinese)

(編輯王秀玲)

A methed for residential building energy benchmarking and energy use evaluation

Li Jun,Yu Zhun,Liu Zhengxuan,Zhang Guoqiang

(College of Civil Engineering，Hunan University, Changsha 410082, P.R.China)

Abstract:To address the limitations of existing building energy benchmarking methods, a new method has been proposed for residential buildings. Grey relational analysis is used to define the correlation between different influencing factors (i.e., typical parameters) and total building energy consumption. The correlation is used as the weights of corresponding factors. Based on the weighted parameters, Cluster Analysis is performed to classify buildings into different groups. For each group, Accumulative Frequency Distribution is then conducted to identify its energy benchmarking value. This value also makes it possible to evaluate the energy-saving potentials of different buildings. The method was applied to a residential building energy consumption database established by the Architecture Institute of Japan. The results show that the method can classify buildings into different groups by both taking into consideration various influencing factors of building energy consumption as well as their weights. It can also determine building energy benchmarking values for each group and helps identify energy-saving potential of buildings and provide energy-saving strategies for occupants.

Keywords:benchmarking; energy use evaluation; cluster analysis; grey relational analysis; residential buildings

收稿日期：2015-09-17

基金項(xiàng)目：國家自然科學(xué)基金(51408205)

作者簡介：李郡(1991-)，女，主要從事建筑節(jié)能、用戶行為、蓄能系統(tǒng)研究，(E-mail)junl0609@hnu.edu.cn。

中圖分類號：TU111.19

文獻(xiàn)標(biāo)志碼：A

文章編號：1674-4764(2016)02-0075-09

俞準(zhǔn)(通信作者)，男，博士，副教授，(E-mail)zhunyu@hnu.edu.cn。

Received:2015-09-17

Foundation item：National Natural Science Foundation of China (No.51408205)

Author brief：Li Jun (1991- ), main research interests: building energy conservation, occupant behaviour, energy storage system, (E-mail)junl0609@hnu.eun.cn.

Yu Zhun (corresponding author), PhD, associate professor, (E-mail)zhunyu@hnu.edu.cn.