基于數(shù)據(jù)統(tǒng)計(jì)的辦公建筑多聯(lián)機(jī)行為調(diào)節(jié)

趙德印， 張　旭， 鐘　鳴,2

(1.同濟(jì)大學(xué) 機(jī)械與能源工程學(xué)院，上海 201804；2.大金(中國)投資有限公司，上海 200040)

?

基于數(shù)據(jù)統(tǒng)計(jì)的辦公建筑多聯(lián)機(jī)行為調(diào)節(jié)

趙德印1， 張旭1， 鐘鳴1,2

(1.同濟(jì)大學(xué) 機(jī)械與能源工程學(xué)院，上海 201804；2.大金(中國)投資有限公司，上海 200040)

摘要：以開機(jī)率表征變制冷劑流量多聯(lián)機(jī)行為調(diào)節(jié)特性，對(duì)上海某辦公建筑做了制冷制熱共1年的數(shù)據(jù)調(diào)研.數(shù)據(jù)統(tǒng)計(jì)發(fā)現(xiàn)制熱期間最大開機(jī)率僅為60%左右，制熱能耗隨開機(jī)率增大基本呈線性變化，統(tǒng)計(jì)區(qū)間樣本數(shù)據(jù)能耗極差最大值為0.4左右.制冷能耗隨開機(jī)率增大呈先緩后陡的指數(shù)變化增大趨勢(shì)，對(duì)應(yīng)極差最大值為0.55左右.使用數(shù)據(jù)包絡(luò)分析法和Parzen窗法進(jìn)一步分析了能耗隨開機(jī)率的變化特性，研究結(jié)果表明，變制冷劑流量多聯(lián)機(jī)系統(tǒng)在制熱期間發(fā)生有效行為調(diào)節(jié)的概率為0.54，制冷期間發(fā)生有效行為調(diào)節(jié)的概率為0.44.

關(guān)鍵詞：辦公建筑； 變制冷劑流量多聯(lián)機(jī)(VRF)； 行為調(diào)節(jié)； 開機(jī)率(OUR)； 數(shù)據(jù)統(tǒng)計(jì)

為提供舒適的工作環(huán)境及提高員工工作效率，現(xiàn)代辦公建筑中普遍配備了空調(diào)系統(tǒng)，與此對(duì)應(yīng)的是，空調(diào)系統(tǒng)在建筑中的能耗占比也越來越大[1-2].圍繞空調(diào)系統(tǒng)節(jié)能降耗，眾多研究人員對(duì)建筑圍護(hù)結(jié)構(gòu)、空調(diào)系統(tǒng)能效、建筑運(yùn)行管理水平、人員行為等方面做了大量研究.其中人員行為對(duì)舒適性空調(diào)系統(tǒng)能耗的影響顯而易見，如人員在室率、窗、照明、電器設(shè)備開關(guān)等，均會(huì)造成空調(diào)系統(tǒng)負(fù)荷發(fā)生較大變化.相對(duì)于其他因素來說，人員行為具有較大的不確定性，引起了國內(nèi)外眾多研究人員的興趣.美國采暖、制冷與空調(diào)工程師學(xué)會(huì)(ASHRAE)通過對(duì)眾多建筑的調(diào)研統(tǒng)計(jì)，給出了人員作息推薦時(shí)間表[3].當(dāng)前各類能耗軟件如Energyplus[4]和Dest[5]等均普遍采用時(shí)間表模式對(duì)人員、設(shè)備等熱擾作簡(jiǎn)化處理.

Zhang等[6]對(duì)辦公室中人員行為研究做了總結(jié)，歸納為直接法和間接法.直接法即為直接用相關(guān)儀器跟蹤、記錄人的各項(xiàng)行為及活動(dòng)軌跡，但該方式由于商業(yè)機(jī)密及用戶隱私保護(hù)等原因較少被人接受.當(dāng)前對(duì)人員行為研究主要采用間接法，如Zhao 等[7]通過對(duì)辦公室設(shè)備耗電數(shù)據(jù)的分析得出了人員行為模型.D’Oca 等[8]系統(tǒng)闡述了通過數(shù)據(jù)挖掘方法來分析相關(guān)數(shù)據(jù)，得出人員行為模型的過程.以上研究的核心是得出人員、設(shè)備等在室率，人員行為通過人體散熱、設(shè)備開關(guān)等方式產(chǎn)生的負(fù)荷作用于空調(diào)系統(tǒng)，人員與空調(diào)系統(tǒng)不發(fā)生物理接觸.這在配備有(半)集中式空調(diào)系統(tǒng)的建筑中是合適的，因?yàn)榭照{(diào)系統(tǒng)屬于集中控制，室內(nèi)人員無法改變空調(diào)系統(tǒng)的運(yùn)行參數(shù)，然而對(duì)于配備變制冷劑流量多聯(lián)機(jī)空調(diào)系統(tǒng)(簡(jiǎn)稱“多聯(lián)機(jī)”)的建筑，由于室內(nèi)機(jī)可以直接調(diào)節(jié)控制，進(jìn)而影響室外主機(jī)的冷熱能力、能耗，現(xiàn)有人員行為模型無法反應(yīng)這些調(diào)節(jié)特性，導(dǎo)致能耗評(píng)估出現(xiàn)偏差.眾所周知，多聯(lián)機(jī)安裝、維護(hù)方便，便于調(diào)節(jié)控制，占用機(jī)房面積小[9]，憑借這些優(yōu)異特點(diǎn)，多聯(lián)機(jī)在中國得到了迅猛發(fā)展，2013年其在商用空調(diào)市場(chǎng)占有率已經(jīng)超過了35%[10].因此，對(duì)于多聯(lián)機(jī)空調(diào)的人員行為調(diào)節(jié)特性需要進(jìn)一步展開研究.本文首先對(duì)上海某辦公建筑做數(shù)據(jù)調(diào)研，獲取數(shù)據(jù)樣本，對(duì)其能耗隨開機(jī)率的變化特性做統(tǒng)計(jì)分析，然后通過數(shù)據(jù)包絡(luò)(DEA)方法分析了行為調(diào)節(jié)的技術(shù)效率，最后利用Parzen窗估計(jì)概率法得到了技術(shù)效率的概率密度分布和累積概率分布，得出了多聯(lián)機(jī)空調(diào)系統(tǒng)實(shí)際使用過程中有效行為調(diào)節(jié)發(fā)生的概率.

1多聯(lián)機(jī)行為調(diào)節(jié)特性

ASHRAE推薦的人員作息時(shí)間表(如圖1所

示)反映了人員在普通辦公建筑中的行為特性，但是卻無法反映人員對(duì)多聯(lián)機(jī)的調(diào)節(jié)特性.如前所述，多聯(lián)機(jī)與(半)集中式空調(diào)的最大區(qū)別在于室內(nèi)人員能夠直接控制室內(nèi)機(jī)，進(jìn)而影響室外主機(jī)的冷熱能力和能耗，主要體現(xiàn)在室內(nèi)設(shè)定溫度和室內(nèi)機(jī)的開關(guān)上.如圖2所示，在制冷期間，當(dāng)感覺室內(nèi)偏冷時(shí)，調(diào)高設(shè)定溫度直至室內(nèi)機(jī)停止制冷進(jìn)入吹風(fēng)模式，多聯(lián)機(jī)控制系統(tǒng)則根據(jù)指定動(dòng)作減小制冷量，從而實(shí)現(xiàn)能耗降低，制熱期間的調(diào)節(jié)模式與此類似.因此統(tǒng)計(jì)某一段時(shí)間內(nèi)室內(nèi)機(jī)停止制冷的臺(tái)數(shù)(含關(guān)機(jī))可以近似得知室內(nèi)人員對(duì)多聯(lián)機(jī)的調(diào)節(jié)特性.

圖1　辦公建筑人員逐時(shí)在室率推薦值[3]

圖2　辦公建筑中制冷期間多聯(lián)機(jī)行為調(diào)節(jié)示意

根據(jù)以上分析，考慮發(fā)生動(dòng)作及對(duì)能耗的影響，使用開機(jī)率來反應(yīng)該行為調(diào)節(jié)特性，其定義如下[11]:

(1)

式中：qon為開啟的室內(nèi)機(jī)額定容量之和，kW；qtotal為所有室內(nèi)機(jī)額定容量之和，kW.

文獻(xiàn)[11-13]對(duì)一套1拖4的數(shù)碼渦旋多聯(lián)機(jī)系統(tǒng)開機(jī)率與部分負(fù)荷率、能耗之間的變化關(guān)系做了大量試驗(yàn)研究，得出了許多有意義的結(jié)論，但相關(guān)試驗(yàn)的局限性在于：①所有工況都是在實(shí)驗(yàn)室測(cè)試，②開機(jī)率、設(shè)定溫度等均是實(shí)驗(yàn)過程中設(shè)定，③測(cè)試數(shù)據(jù)量偏少.因而相關(guān)數(shù)據(jù)不能全面反映人員行為調(diào)節(jié)對(duì)多聯(lián)機(jī)空調(diào)的的影響.

2數(shù)據(jù)調(diào)研

為能夠充分反映人員對(duì)多聯(lián)機(jī)的行為調(diào)節(jié)特性，本文對(duì)上海某公司做了調(diào)研分析.該公司位于上海某辦公建筑的第8層，面積1 520 m2，如圖3所示.其配備的多聯(lián)機(jī)空調(diào)系統(tǒng)共有4套，具體參數(shù)見表1，數(shù)據(jù)記錄時(shí)間為2013-07-01—2014-06-30，調(diào)研數(shù)據(jù)中的系統(tǒng)能耗不包括室內(nèi)機(jī)的耗電量.

由圖4可以看出，7～9月為制冷季節(jié)且能耗較大，12月和次年的1～2月為制熱季節(jié)，能耗較大，且制熱月度最大能耗值為制冷最大月度能耗值的50%左右，本文即選取這6個(gè)月的數(shù)據(jù)做統(tǒng)計(jì)分析.

圖3　上海某辦公室平面

表1　多聯(lián)機(jī)容量

圖4　辦公室月度能耗

3研究方法

DEA分析法是一種非參數(shù)統(tǒng)計(jì)方法，以相對(duì)效率為基礎(chǔ)，用以評(píng)價(jià)相同類型投入、產(chǎn)出的多種決策單元(DMU)是否有效，廣泛應(yīng)用于多種學(xué)科的研究[14-15]，主要包含全效率、技術(shù)效率和規(guī)模效率.技術(shù)效率在經(jīng)濟(jì)學(xué)中是指在當(dāng)前生產(chǎn)規(guī)模下企業(yè)管理方式、工藝條件、技術(shù)水平等可控制、可調(diào)節(jié)的因素對(duì)生產(chǎn)效率的影響程度，規(guī)模效率則是指技術(shù)效率不變時(shí)企業(yè)生產(chǎn)規(guī)模的變化對(duì)生產(chǎn)效率的影響程度，相應(yīng)的，全效率即為所有因素對(duì)生產(chǎn)效率的影響程度.在分析開機(jī)率對(duì)能耗的影響時(shí)，決策單元表示預(yù)測(cè)能耗為產(chǎn)出、實(shí)際能耗數(shù)據(jù)為投入的情況，對(duì)多聯(lián)機(jī)歷史運(yùn)行數(shù)據(jù)采用DEA方法分析的目的是將影響多聯(lián)機(jī)能耗的行為調(diào)節(jié)因素和天氣因素分別用技術(shù)效率和規(guī)模效率表示出來.

Parzen窗概率估計(jì)法也是一種非參數(shù)函數(shù)估計(jì)方法[16]，能夠利用已知樣本對(duì)總體分布密度函數(shù)進(jìn)行估計(jì)，適用于對(duì)復(fù)雜分布的樣本數(shù)據(jù)做函數(shù)密度分析.范波等[17-19]使用Parzen窗法估計(jì)空調(diào)負(fù)荷的概率密度函數(shù)，利用DEA方法評(píng)價(jià)冷水機(jī)組不同運(yùn)行策略對(duì)能耗的影響，均取得了較好效果.

DEA方法原理如圖5所示，圖中X，Y分別為投入和產(chǎn)出，點(diǎn)A～D處于生產(chǎn)可能的集合邊界上，該邊界也為變動(dòng)規(guī)模的效率前沿，OI代表固定規(guī)模的效率前沿，點(diǎn)E即為決策單元(DMU)，其技術(shù)效率Ef可用如下公式表示：

(2)

式中：LFB，LFE分別為線段FB，F(xiàn)E的長度.

圖5　數(shù)據(jù)包絡(luò)決策單元分析示意

(3)

(4)

式中：h為超維立方體邊長；xi為第i個(gè)數(shù)據(jù)；x為求解空間中任意一點(diǎn)；xk為包含有k個(gè)數(shù)據(jù)點(diǎn)的超維立方體中心點(diǎn)；xik為對(duì)應(yīng)xk的樣本空間第i個(gè)數(shù)據(jù)；n為樣本總數(shù)；d為空間維數(shù)；φ(·)稱為窗口函數(shù)，特別地，對(duì)于一維問題，窗口函數(shù)采用高斯概率密度函數(shù)時(shí)，有下式成立：

(5)

4計(jì)算過程及結(jié)果分析

根據(jù)式(1)，OUR取值范圍為0～1，為方便對(duì)比，多聯(lián)機(jī)系統(tǒng)的冷熱能耗做相應(yīng)標(biāo)準(zhǔn)化處理，如式(6)所示[20]：

(6)

式中：X為多聯(lián)機(jī)無因次能耗；xj為第j個(gè)多聯(lián)機(jī)能耗樣本數(shù)據(jù)；xmax,xmin分別為多聯(lián)機(jī)能耗樣本數(shù)據(jù)的最大、最小值.

由圖6a，6b可以看出，制熱期間能耗整體近似與開機(jī)率呈線性變化，制冷期間能耗變化稍顯復(fù)雜，當(dāng)制冷開機(jī)率小于50%時(shí)，能耗變化幅度較小，此時(shí)

說明制冷需求較小，多聯(lián)機(jī)空調(diào)整體上處于較低負(fù)荷運(yùn)行，其能耗處于較低水平；當(dāng)制冷開機(jī)大于50%時(shí)，與制熱期間情形類似，能耗整體近似與開機(jī)率呈指數(shù)變化.顯然，在特定開機(jī)率下，無論制冷能耗還是制熱能耗均在一定范圍內(nèi)變化，如圖6a，6b中的AB，CD所示，該變化范圍即顯示了特定開機(jī)率下行為調(diào)節(jié)、天氣等因素對(duì)能耗的影響程度.圖6c，6d分別對(duì)各開機(jī)率區(qū)間內(nèi)的能耗數(shù)據(jù)做了統(tǒng)計(jì)分析，各統(tǒng)計(jì)區(qū)間數(shù)據(jù)的平均值與中位數(shù)均比較接近，樣本數(shù)據(jù)質(zhì)量較好.制熱期間統(tǒng)計(jì)數(shù)據(jù)各區(qū)間樣本能耗極差值隨開機(jī)率增大而增大，最大值為0.40左右，制冷期間統(tǒng)計(jì)數(shù)據(jù)各區(qū)間樣本能耗極差值變化稍微復(fù)雜，由于在30%～50%開機(jī)率范圍內(nèi)樣本數(shù)據(jù)較少，因而其極差值較之前出現(xiàn)了略微下降并維持在0.10左右，隨后隨著開機(jī)率增大而增大，最大值為0.55左右.

a 12月至次年2月

b 7月至9月

c 制熱統(tǒng)計(jì)

d 制冷統(tǒng)計(jì)

4.1制熱開機(jī)率的行為調(diào)節(jié)估計(jì)

制熱開機(jī)率統(tǒng)計(jì)分布如圖7所示，制熱最大開機(jī)率僅為60%左右，這是因?yàn)樯虾Ｎ挥谙臒岫錈峁ぴO(shè)計(jì)氣候區(qū)域，制熱負(fù)荷遠(yuǎn)小于制冷負(fù)荷，圖4的月度能耗統(tǒng)計(jì)也印證了這一點(diǎn).5%以下的開機(jī)率統(tǒng)計(jì)數(shù)量最多，表明在該層辦公室中頻繁出現(xiàn)1臺(tái)或數(shù)臺(tái)內(nèi)機(jī)運(yùn)行.有2個(gè)可能原因，①少數(shù)人加班期間有制熱需求，②僅有部分靠近外區(qū)的辦公區(qū)域有制熱需求.從圖中還可知10%～30%區(qū)間開機(jī)率統(tǒng)計(jì)數(shù)量相似，60%以上開機(jī)率統(tǒng)計(jì)量很小.為深入分析開機(jī)率對(duì)能耗的影響，利用預(yù)測(cè)能耗樣本作為目標(biāo)，統(tǒng)計(jì)樣本作為投入[17，19]，使用MaxDEA軟件[21]求解技術(shù)效率，其中預(yù)測(cè)多聯(lián)機(jī)無因次能耗使用如下關(guān)系式求解：

(7)

圖7　制熱開機(jī)率分布統(tǒng)計(jì)

圖8給出了不同開機(jī)率下的技術(shù)效率分布圖，總體趨勢(shì)是開機(jī)率越高技術(shù)效率散點(diǎn)越接近1，代表其對(duì)能耗的影響越大.對(duì)應(yīng)的概率密度函數(shù)和累積分布函數(shù)如圖9所示，概率密度函數(shù)存在2個(gè)峰值，分別在0.85和0.95左右，因此取技術(shù)效率Ef>0.8時(shí)，認(rèn)為行為調(diào)節(jié)能夠使多聯(lián)機(jī)能耗產(chǎn)生顯著的減小或增大，對(duì)應(yīng)發(fā)生概率為

P(Ef>0.8)=F(1)-F(0.8)=1-

(8)

式中：F(·)為累積概率函數(shù)；ξ為離散區(qū)間長度；pi(ξ)為各離散點(diǎn)對(duì)應(yīng)的概率密度；N為離散點(diǎn)0～0.8對(duì)應(yīng)的數(shù)量總數(shù).

圖8　不同制熱開機(jī)率下的技術(shù)效率分布

4.2制冷開機(jī)率的行為調(diào)節(jié)估計(jì)

制冷開機(jī)率統(tǒng)計(jì)分布如圖10所示，呈現(xiàn)兩頭

圖9　制熱技術(shù)效率的概率密度與累積概率分布

高、中間低的特點(diǎn).與制熱期間統(tǒng)計(jì)的開機(jī)率類似，制冷開機(jī)率在10%以下統(tǒng)計(jì)量相對(duì)最多，其次是80%區(qū)間的開機(jī)率數(shù)量.和制熱過程的分析方法、過程類似，其能耗預(yù)測(cè)方程如式(9)所示：

(9)

圖10　制冷開機(jī)率分布統(tǒng)計(jì)

圖11給出了不同開機(jī)率下的技術(shù)效率分布圖，與制熱期間的技術(shù)效率散點(diǎn)分布稍有不同，在較低開機(jī)率和較高開機(jī)率下，技術(shù)效率相對(duì)集中.對(duì)應(yīng)的概率密度函數(shù)和累積分布函數(shù)如圖12所示，與制熱期間的分布類似，概率密度函數(shù)也存在2個(gè)峰值，分別為0.55和0.95左右.與制熱期間評(píng)估方法類似，Ef>0.8時(shí)，認(rèn)為行為調(diào)節(jié)能夠使多聯(lián)機(jī)能耗產(chǎn)生顯著的減小或增大，對(duì)應(yīng)發(fā)生概率為

P(Ef>0.8)=F(1)-F(0.8)=

(10)

圖11　不同制冷開機(jī)率下的技術(shù)效率分布

圖12　制冷技術(shù)效率的概率密度與累積概率分布

5結(jié)論

通過對(duì)上海某公司使用的多聯(lián)機(jī)系統(tǒng)做數(shù)據(jù)調(diào)研，以開機(jī)率表征多聯(lián)機(jī)的行為調(diào)節(jié)特性，利用數(shù)據(jù)統(tǒng)計(jì)法分析了制冷、制熱期間能耗隨開機(jī)率的變化特性.使用DEA法和Parzen窗法分離了行為調(diào)節(jié)因素、天氣因素對(duì)多聯(lián)機(jī)能耗的影響，使用技術(shù)效率表征行為調(diào)節(jié)，估計(jì)了行為調(diào)節(jié)使多聯(lián)機(jī)能耗產(chǎn)生顯著變化的發(fā)生概率，相關(guān)結(jié)論如下：

(1)制熱期間多聯(lián)機(jī)系統(tǒng)整體最大開機(jī)率為60%左右，能耗隨開機(jī)率變化平穩(wěn)，呈現(xiàn)較強(qiáng)的線性特征.對(duì)應(yīng)制冷期間開機(jī)率則在0～100%之間變化，但30%～50%之間的數(shù)據(jù)較少，能耗總體隨開機(jī)率增加呈指數(shù)變化.行為調(diào)節(jié)可以很好地解釋其原因，由于天氣炎熱，所以開啟內(nèi)機(jī)或調(diào)低設(shè)定溫度的行為增多，開機(jī)率逐漸增大，使空調(diào)負(fù)荷增加，多聯(lián)機(jī)系統(tǒng)進(jìn)入較高負(fù)荷區(qū)間運(yùn)行，定頻壓縮機(jī)開啟臺(tái)數(shù)增加，變頻壓縮機(jī)以高頻率甚至超高頻率運(yùn)行，能耗急劇上升.

(2)在特定開機(jī)率下，行為調(diào)節(jié)因素、天氣因素等造成了多聯(lián)機(jī)系統(tǒng)能耗在一定范圍內(nèi)變化，制熱期間樣本數(shù)據(jù)統(tǒng)計(jì)區(qū)間能耗極差最大值為0.40左右，制冷期間樣本數(shù)據(jù)統(tǒng)計(jì)區(qū)間能耗極差最大值為0.55左右.

(3)多聯(lián)機(jī)系統(tǒng)制熱期間發(fā)生行為調(diào)節(jié)(能夠使多聯(lián)機(jī)能耗產(chǎn)生顯著的減小或增大)的概率為0.54，制冷期間發(fā)生行為調(diào)節(jié)的概率為0.44.

參考文獻(xiàn):

[1]Huang P, Huang G S, Wang Y. HVAC system design under peak load prediction uncertainty using multiple-criterion decision making technique[J]. Energy and Buildings, 2015, 91: 26.

[2]Pérez-Lombard L, Ortiz J, Pout C. A review on buildings energy consumption information[J]. Energy and Buildings, 2008, 40(3): 394.

[3]American Society of Heating, Refrigerating and Air-Conditioning Engineers. ANSI/ASHRAE/IES Standard 90.1—2013 Energy standard for buildings except low-rise residential buildings[S]. Atlanta: ASHRAE, 2013.

[4]DOE. Energyplus [EB/OL]. [2015-08-03]. http:∥apps1.eere.energy.gov/buildings/energyplus/?utm_source=EnergyPlus&utm_medium= redirect&utm_campaign=EnergyPlus%2Bredirect%2B1.

[5]Tsinghua University. Dest [EB/OL]. [2015-09-16]. http:∥update.dest.com.cn/zh-cn/index.html.

[6]Zhang R, Lam K P, Chiou Y S, Dong B. Information-theoretic environment features selection for occupancy detection in open office spaces[J]. Building Simulation, 2012, 5(2): 179.

[7]Zhao J, Lasternas B, Lam K P,etal. Occupant behavior and schedule modeling for building energy simulation through office appliance power consumption data mining[J]. Energy and Buildings, 2014, 82: 341.

[8]D’Oca S, Hong T. A data-mining approach to discover patterns of window opening and closing behavior in offices[J]. Building and Environment, 2014, 82: 726.

[9]Aynur T N. Variable refrigerant flow systems: A review[J]. Energy and Buildings, 2010, 42(7): 1106.

[10]Zhao D, Zhang X, Zhong M. Variable evaporating temperature control strategy for VRV system under part load conditions in cooling mode[J]. Energy and Buildings, 2015, 91: 180.

[11]張東亮. 數(shù)碼渦旋多聯(lián)式空調(diào)系統(tǒng)能耗特性與評(píng)價(jià)方法研究[D]. 上海:同濟(jì)大學(xué)，2012.

ZHANG Dongliang. Study on energy consumption performance and evaluation method of digital variable multiple air conditioning system[D]. Shanghai: Tongji University, 2012.

[12]張旭，楊剛，楊潔. 數(shù)碼渦旋多聯(lián)式空調(diào)系統(tǒng)夏季運(yùn)行特點(diǎn)及能耗特性的實(shí)驗(yàn)研究[J]. 制冷學(xué)報(bào), 2008,29(2): 14.

ZHANG Xu, YANG Gang, YANG Jie. Experimental research on operation and energy performance of DVM system in summer[J]. Journal of Refrigeration, 2008, 29(2): 14.

[13]朱樂琪，張旭. 數(shù)碼渦旋多聯(lián)機(jī)空調(diào)系統(tǒng)開機(jī)率和負(fù)荷率與冬季制熱能耗特性的關(guān)系探討[J]. 制冷空調(diào)與電力機(jī)械, 2007,78(1): 24.

ZHU Leqi, ZHANG Xu. Discussion on the relations of the indoor-unit operating ratio and load ratio to the energy consumption of DVM system in winter[J]. Refrigeration Air Conditioning & Electrical Power Machinery, 2007,78(1):24.

[14]蘇月霞. 對(duì)我國商業(yè)銀行技術(shù)效率和規(guī)模效率的DEA分析[J]. 市場(chǎng)論壇, 2006,33(12): 85.

SU Yuexia. DEA Analysis of technical efficiency and scale efficiency for commercial bank in China[J]. Market Forum, 2006,33(12):85.

[15]李美娟，陳國宏. 數(shù)據(jù)包絡(luò)分析法(DEA)的研究與應(yīng)用[J]. 中國工程科學(xué),2003,5(6):88.

LI Meijuan, CHEN Guohong. A review on the research and application of DEA[J]. Engineering Science, 2003,5(6):88.

[16]Parzen E. On the estimation of a probability density function and the model[J]. Annals of Math Statistics, 1962,33(3):1065.

[17]范波. 基于能流分析的空調(diào)系統(tǒng)運(yùn)行和控制水平評(píng)估方法研究[D]. 上海:上海交通大學(xué), 2014.

FAN Bo. Study on operation and control level evaluation method of HVAC system based on analysis of energy-flow[D]. Shanghai: Shanghai Jiao Tong University, 2014.

[18]范波，晉欣橋，杜志敏，等. 基于Parzen窗估計(jì)概率法的空調(diào)系統(tǒng)能耗研究[C]∥上海市制冷學(xué)會(huì)2009年學(xué)術(shù)年會(huì).上海: 上海市制冷學(xué)會(huì), 2009: 507-510.

FAN Bo, JIN Xinqiao, DU Zhimin,etal. Study on energy consumption of air condition system based on parzen window density estimation method[C]∥ Annual academic conference of Shanghai Society of Refrigeration in 2009. Shanghai: Shanghai Society of Refrigeration, 2009:507-510.

[19]方興，晉欣橋，范波，等. DEA方法在評(píng)價(jià)冷水機(jī)組運(yùn)行水平上的應(yīng)用[C]∥2013中國制冷學(xué)會(huì)學(xué)術(shù)年會(huì). 武漢: 中國制冷學(xué)會(huì), 2013:51.

FANG Xing, JIN Xinqiao, FAN Bo,etal. DEA method applied in assessment of chiller system’s operating level[C]∥Annual academic conference of Chinese Association of Refrigeration in 2013. Wuhan: Chinese Association of Refrigeration ,2013:51.

[20]李瓊，孟慶林，吉野博，等. 基于支持向量機(jī)的建筑物空調(diào)負(fù)荷預(yù)測(cè)模型[J]. 暖通空調(diào), 2008,38(1): 14.

LI Qiong, MENG Qinglin, Hiroshi Yoshino,etal. Building air conditioning load prediciton model based on support vector machine[J]. Heating Ventilating & Air Conditioning, 2008, 38(1): 14.

[21]成剛. 數(shù)據(jù)包絡(luò)分析方法與MaxDEA軟件[M]. 北京：知識(shí)產(chǎn)權(quán)出版社，2014.

CHENG Gang. Data envelopment analysis: Methods and MaxDEA software. Beijing: Intellectual Property Publishing House Co., Ltd., 2014.

收稿日期：2015-08-03

通訊作者：張旭(1955—)，男，教授，博士生導(dǎo)師，工學(xué)博士，主要研究方向?yàn)榭照{(diào)熱濕交換理論與應(yīng)用、復(fù)雜通風(fēng)系統(tǒng)應(yīng)用.

中圖分類號(hào)：TU831.7

文獻(xiàn)標(biāo)志碼：A

Behavior Regulation of Variable Refrigerant Flow System in Office Building Based on Statistical Analysis

ZHAO Deyin1, ZHANG Xu1, ZHONG Ming1,2

(1. School of Mechanical Engineering, Tongji University, Shanghai 201804, China; 2. Daikin (China) Investment Co., Ltd., Shanghai 200040, China)

Abstract：Operating unit ratio (OUR) was addressed to analyse behavior regulation of variable refrigerant flow (VRF) system. Correspondingly one office building located in Shanghai was investigated to get data of one year including cooling and heating periods. Statistical results showed that maximum value of OUR was about 60% during heating period, the corresponding energy consumption of VRF keeps in line with the increase of OUR and the maximum range value of sample data during statistical intervals was about 0.4. As to the energy consumption in cooling period, it shows exponential variation (ie. flat at beginning and steep in the subsequent) with the increase of OUR, the maximum range value of sample data during statistical intervals was about 0.55. Data envelope analyse (DEA) and Parzen window were used to further investigate the variation characteristics of behavior regulation. Results showed that probability of effective behavior regulation during heating period was about 0.54 and that corresponding value during cooling period was about 0.44.

Key words：office building; variable refrigerant flow system (VRF); behavior regulation; operating unit ratio (OUR); statistical analysis

第一作者： 趙德印(1980—)，男，博士生，主要研究方向?yàn)榻ㄖ?jié)能技術(shù). E-mail: zhvac01@126.com

E-mail:zhangxu-hvac@#edu.cn