大型高鐵客運站建筑能耗影響因素分析

肖 滔 雷 波

大型高鐵客運站建筑能耗影響因素分析

肖 滔 雷 波

（西南交通大學機械工程學院 成都 610031）

針對典型客運站模型，對不同氣候區(qū)的鐵路客運站采用EnergyPlus軟件進行全年供暖空調(diào)能耗模擬計算，運用正交試驗法和敏感性分析方法分析得到各個影響因素的影響能力大小排序，明確了不同氣候下影響鐵路客運站能耗的主要因素。

鐵路客運站；影響因素；正交試驗；敏感性分析

0 引言

我國的能源消耗逐年呈現(xiàn)穩(wěn)步增長，且人均能源占有量低于全球人均水平，其中建筑能耗占全國總能耗的1/3，所以建筑節(jié)能是影響我國經(jīng)濟健康發(fā)展的重要因素。當前我國鐵路建設發(fā)展迅速，已有大量客運站建成運行，目前在運營的客運站總體能耗日漸上升[1,2]。建筑能耗的影響因素眾多，如何重點抓住對能耗影響較大的因素進行節(jié)能設計或者節(jié)能改造是一個重要問題。李國帥、孫冬梅等人用正交試驗法分析了辦公建筑能耗的主要影響因素[3,4]；王永龍、楊柳等人用敏感性系數(shù)分析了辦公建筑能耗的主要影響因素[5,6]；Z Su、宋歌等人對鐵路客運站的用能現(xiàn)狀和能耗影響因素做了研究和闡述[7,8]；但目前對于新建的高鐵客運站能耗的相關研究仍較少。本文針對典型的大型高鐵客運站型式建立模型，采用EnergyPlus軟件進行全年能耗模擬，針對不同氣候分區(qū)計算分析了不同圍護結構、設備、人員等因素下的客運站供暖空調(diào)能耗，得到這些因素對客運站供暖空調(diào)能耗不同的影響程度。

1 客運站模型及研究方法

在對現(xiàn)有高鐵車站設計資料分析的基礎上，建立典型的大型鐵路客運站的模型如圖1所示?？瓦\站為兩層結構，一樓為層高10m的進站廳，分為前后兩個，二樓為層高25m的候車廳，空調(diào)面積為6.4萬m2。

根據(jù)鐵路客運站的特點，選取A建筑特征（圍護結構參數(shù)和窗墻比）；B人員密度；C滲透風；D照明設備功率；E室內(nèi)環(huán)境控制參數(shù)（空調(diào)和供暖室內(nèi)設定溫度）；F設備能效；G冷熱源設備的運行模式這7種筑能耗主要影響因素作為研究對象。運用正交試驗法和敏感性分析法來分析同一因素在不同氣候區(qū)對供暖空調(diào)能耗的影響程度。

圖1 大型鐵路客運站模型

5個氣候區(qū)分別進行試驗，選擇正交試驗表L32(48)安排試驗，每個因素選擇4個水平。針對建筑特征這一因素，根據(jù)《公共建筑節(jié)能設計標準》對應各個氣候區(qū)分別選取4組不同的外墻和屋面的傳熱系數(shù)，窗墻比取0.4~0.7，并選取相應的外窗傳熱系數(shù)和太陽得熱系數(shù)。人員密度按最大聚集人數(shù)選擇5000、6500、8000、9500人四個水平。滲透風取值為0.5~2次/h[9]。照明功率密度取值為5~11W/m2，設備功率密度取值5~20W/m2。室內(nèi)環(huán)境控制參數(shù)冬季為17~20℃，夏季為25~28℃。冷熱源選擇冷水機組和鍋爐的形式，冷水機組COP為4.5~5.9，鍋爐熱效率為75%~90%。運行模式的4個水平取值如表1所示。

表1 供暖空調(diào)系統(tǒng)運行模式水平表

在正交試驗的基礎上，運用單因子敏感性分析方法對建筑特征、人員密度、照明和設備功率密度3種因素作進一步的分析。把模型的圍護結構和其他設計參數(shù)按《公共建筑節(jié)能設計標準》選取合適的參照值重新設置，冷熱源按照模式2運行，得到基準建筑能耗，按一定步長改變各個參數(shù)并進行模擬分析。模擬工況如表2所示，其他參數(shù)設定值為：屋頂透光面積20%，滲透風0.5次/h，室內(nèi)設定溫度夏季26℃，冬季18℃，冷水機組COP=5.9，燃氣鍋爐熱效率90%。

表2 建筑設計參數(shù)的參照值、變動范圍和步長

2 正交試驗結果分析

2.1 極差分析

運用極差分析可以直觀的比較出試驗的主次因素，某因素的極差最大，說明該因素的值在試驗范圍內(nèi)變化時，使試驗結果數(shù)值的變化最大。根據(jù)極差大小，把影響建筑能耗的因素分為了關鍵、重要、一般以及次要四種程度。極差分析結果見表3。

表3 供暖空調(diào)能耗結果極差分析

對于嚴寒、寒冷、夏熱冬冷這3個冬季有供暖需求的氣候區(qū)，滲透風、設備能效、室內(nèi)環(huán)境控制參數(shù)是影響最大的3個因素，運行模式次之。夏熱冬暖地區(qū)冬季不用供暖，設備能效和室內(nèi)溫度仍然是影響最大的因素，照明和設備的功率密度和滲透風次之，溫和地區(qū)供冷期和供暖期較短，設備能效和滲透風是主要影響因素，室內(nèi)溫度、運行模式和人員密度次之。

2.2 方差分析

方差分析是通過分析各因素引起的數(shù)據(jù)波動較誤差引起的數(shù)據(jù)波動的差異程度，來推斷相應因素不同水平總體均值差異的顯著性，即相應因素對結果的影響力大小。影響因素顯著性等級劃分[3]：分別取顯著性水平=0.1和“特別顯著”性水平=0.01，即：如(f,f)>0.01(f,f)，則為“特別顯著”；如0.01(f,f)≥(f,f)>0.1(f,f)，則為“顯著”；如0.1(f,f)≥(f,f)>1.0，則為“一般影響”；如(f,f)<1.0，則為“不顯著”。方差分析結果見表4。

表4 供暖空調(diào)能耗方差分析

在置信度0.9下，嚴寒、寒冷、夏熱冬冷地區(qū)各個因素的顯著性排序為C>F>E>G>A>B>D；夏熱冬暖地區(qū)各個因素的顯著性排序為F>E>D>C>B>A>G；溫和地區(qū)各個因素的顯著性排序為F>C>G>B>E>A>D。極差法和方差法得到的結論基本一致。

2.3 試驗結果分析

根據(jù)經(jīng)驗，室內(nèi)計算溫度每變化1℃，能耗可變化5%~10%，室內(nèi)環(huán)境控制參數(shù)對供暖空調(diào)能耗影響顯著是合理的。客運站候車廳是大空間建筑，風口布置存在各種問題，室內(nèi)溫度往往是不均勻的且不同區(qū)域有明顯差別，實際溫度是否滿足設計要求，能不能合理改變設計溫度來降低能耗都有待進一步研究。

大型客運站對冷熱耗量有較大需求，設備能效和運行模式差異會造成能耗的較大差異。由于客運站本身的功能特性，其空調(diào)設備運行規(guī)律相對固定，但不同地區(qū)的不同客運站又有其特殊之處，需要選擇各自合理的運行模式，且有人來嚴格執(zhí)行。

滲透風主要對供暖負荷有較大影響，供暖需求越大的地區(qū)，滲透風的影響越顯著，因此嚴寒、寒冷、夏熱冬冷地區(qū)滲透風的重要性排首位，而夏熱冬暖地區(qū)滲透風的重要性偏弱一些?？瓦\站人流量大，開口多，大量的滲透風會造成室內(nèi)溫度達不到要求。進而造成能源消耗。又因為滲透風的存在，有客運站在實際運行中取消了新風系統(tǒng)的運行，節(jié)約了一部分能耗。合理解決滲透風問題對節(jié)能客運站的空調(diào)能耗有重大意義。

3 單因子敏感性分析

本文用敏感性系數(shù)IC來進行衡量各個因素對供暖和空調(diào)能耗的影響程度大小，其定義式為：

式中：為建筑的模擬輸出結果，即供暖和空調(diào)能耗；OP為基準建筑的模擬輸出結果；為模擬的輸入?yún)?shù)值；IP為基準建筑的模擬輸入?yún)?shù)值。

不同的設計參數(shù)對建筑的供暖空調(diào)能耗的敏感性系數(shù)大小不同，其絕對值的大小反映了該項設計參數(shù)對相應輸出結果的影響，值越大，對其影響越大，值為正，表示該參數(shù)與輸出結果正相關，反之則負相關。模擬結果如表5所示，可判斷在不同氣候區(qū)下各因素與供暖空調(diào)總能耗的相關性。把實驗結果對空調(diào)和供暖進行單獨分析可得，其中窗墻比、太陽得熱系數(shù)（SGHC）、設備和照明功率密度的變化與供暖能耗呈負相關；外墻傳熱系數(shù)的變化與空調(diào)能耗呈負相關；設備和照明功率的變化與空調(diào)能耗呈正相關，與供暖能耗呈負相關。

表5 各項參數(shù)在不同氣候區(qū)中對供暖空調(diào)能耗的敏感性系數(shù)大小

外墻和屋面的敏感性系數(shù)均小于0.02，且能耗變化率小于0.3%，由此可以得知，目前的標準對外墻和屋面的傳熱系數(shù)在節(jié)能這方面的要求已經(jīng)非常高了，兩者的節(jié)能潛力有限。

照明功率密度的敏感性系數(shù)低于0.05，對供暖空調(diào)能耗的影響較小，對減小供暖空調(diào)能耗的貢獻同樣十分微小，應把重點放在減少照明設備的用電能耗上面。

設備功率密度對供暖空調(diào)能耗的敏感性系數(shù)較大?？瓦\站中的設備種類繁多且運行時間長，合理安排運行模式，通過管理人員的操作來減少用電能耗是主要方向。

太陽得熱系數(shù)增大有利于供暖能耗的減小，但會導致空調(diào)能耗的增大。由模擬結果得到，在模擬取值范圍內(nèi)，對于嚴寒地區(qū)，SGHC取值越高越節(jié)能，其他氣候區(qū)則是越低越節(jié)能。該值變化0.1，夏熱冬冷地區(qū)的能耗變化率約為6%，夏熱冬暖地區(qū)可達到10%。嚴寒地區(qū)應選取高太陽得熱系數(shù)的窗戶材質，其他氣候地區(qū)則反之。

較大的窗墻比有利于冬季供暖能耗的降低，同時有利于客運站白天的自然采光，降低照明能耗，但會增大夏季空調(diào)能耗。當SGHC的取值為0.8時，重新計算后對比兩組數(shù)據(jù)可得，窗墻比的敏感性系數(shù)大小隨著SGHC取值的增大而增大。當SGHC=0.4時，嚴寒地區(qū)的能耗隨著窗墻比的增大而減小，其他地區(qū)則相反；當SGHC=0.8時，所有地區(qū)的能耗都隨著窗墻比的增大而增大；嚴寒地區(qū)的能耗在SGHC=0.8時要小于SGHC=0.4的能耗，其他地區(qū)則相反。根據(jù)模擬結果計算可得，窗墻比取值變化0.1，嚴寒和寒冷地區(qū)客運站的能耗變化率小于0.7%，夏熱冬冷地區(qū)約為2%，夏熱冬暖和溫和地區(qū)約為2.5%。

人員密度對供暖空調(diào)能耗的敏感性系數(shù)較大，符合上述方差分析的結果。試驗中，人除了散熱散濕還有新風需求，所以對能耗影響較大。

4 結論

本文用正交試驗法和敏感性系數(shù)法對典型大型高鐵客運站的能耗進行了影響因素分析。根據(jù)全年的動態(tài)模擬結果，分析比較了各個參數(shù)對客運站供暖空調(diào)能耗的影響大小?？梢缘玫揭韵陆Y論：

（1）嚴寒、寒冷、夏熱冬冷地區(qū)的主要影響因素排序為滲透風、設備能效、室內(nèi)環(huán)境控制參數(shù)、運行模式、人員密度、設備功率密度、太陽得熱系數(shù)、照明功率密度、窗墻比；

夏熱冬暖地區(qū)的主要影響因素排序為設備能效、室內(nèi)環(huán)境控制參數(shù)、滲透風、太陽得熱系數(shù)、人員密度、設備功率密度、窗墻比、運行模式、照明功率密度；

溫和地區(qū)的主要影響因素排序為設備能效、滲透風、運行模式、太陽得熱系數(shù)、人員密度、室內(nèi)環(huán)境控制參數(shù)、窗墻比、設備功率密度、照明功率密度。

（2）對于空調(diào)設備、照明設備、其他設備，做好運行管理，提高管理人員的節(jié)能意識，對客運站節(jié)能有重要影響；合理解決客運站的滲透風和新風問題，是客運站節(jié)能的重要方向。

（3）單純提高外墻、屋面等圍護結構熱工性能的節(jié)能潛力較?。粐篮貐^(qū)選擇高得熱系數(shù)、其他地區(qū)選擇低得熱系數(shù)時，窗墻比對客運站空調(diào)能耗的影響較小。

[1] 曹斌.構建鐵路大型客站能耗控制管理體系探討[J].鐵路節(jié)能環(huán)保與安全衛(wèi)生,2017,7(1):35-38.

[2] 國家鐵路大型客站能源消耗專項調(diào)查組,韓硯,王康平.2011年國家鐵路大型客站能源消耗專項調(diào)查情況分析[J].鐵道經(jīng)濟研究,2012,(5):8-13.

[3] 李國帥.公共建筑能耗影響敏感性因素分析[C].第六屆國際綠色建筑與建筑節(jié)能大會論文集,2010:5.

[4] 孫冬梅.公共建筑供暖空調(diào)系統(tǒng)能耗預測方法研究[D].重慶:重慶大學,2009.

[5] 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(2):9-14.

[6] 楊柳,侯立強,李紅蓮,等.空調(diào)辦公建筑能耗預測回歸模型[J].西安建筑科技大學學報(自然科學版),2015, 47(5):707-711.

[7] Z Su X, et al. Multiple regression analysis on the HVAC energy consumption of railway passenger stations[J]. IOP Conference Series: Materials Science and Engineering, 2019,609(5).

[8] 宋歌,劉燕,朱丹丹,等.鐵路客站用能現(xiàn)狀及其影響因素分析[J].供暖空調(diào),2013,43(4):85-90

[9] 于靖華,楊清晨,田利偉,等.鐵路旅客站房高大空間冬季熱環(huán)境測試與分析[J].制冷與空調(diào),2019,33(4):405- 409.

Analysis of the Factors of Energy Consumption in Large High-speed Railway Station

Xiao Tao Lei Bo

( School of Mechanical Engineering, Southwest Jiaotong University, Chengdu, 610031 )

According to the typical passenger station model, the EnergyPlus software is used to simulate the annual heating and air conditioning energy consumption of the railway passenger station located in different climate zones.By means of orthogonal test and sensitivity analysis, the influence capacity of each factor is sorted out, and the main factors affecting the energy consumption of railway passenger station are identified.

railway station; influence factor; orthogonal test; sensitivity analysis

TU831

B

1671-6612（2021）01-013-05

“國家重點研發(fā)計劃資助”（項目編號：2018YFC0705000）

肖 滔（1994.12-），男，在讀碩士研究生，E-mail：seanxiaotao@qq.com

雷 波（1961.05-），男，博士，教授，E-mail：leibo@home.swjtu.edu.cn

2020-05-28