嚴(yán)寒地區(qū)冬季居住建筑開窗行為實(shí)測分析

韓曉飛，王春青*，潘 嵩，秦銘遠(yuǎn)，張鴻偉，劉奕巧，王統(tǒng)照

1 吉林建筑大學(xué) 市政與環(huán)境工程學(xué)院,長春 130118 2 北京工業(yè)大學(xué) 綠色建筑環(huán)境與節(jié)能技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室,北京 100124 3 山東省日照市消防救援支隊(duì),山東 日照 276800

人員開窗是十分常見的行為,在住宅建筑中,居住者可以自由控制窗戶.有研究表明，經(jīng)常開窗通風(fēng)的居住者滿意度較高[1],學(xué)者們認(rèn)識到居住者的開窗行為對建筑影響較大.我國全社會總能耗約20 %都為建筑能耗[2],且呈現(xiàn)遞增趨勢,其中開窗行為在此方面的影響也不可忽視[3-4].由于居住者個(gè)體差異不同,開窗行為是隨機(jī)的行為.我國95 %以上的居住者可以完全自由地使用窗戶,使得預(yù)期節(jié)能模式與實(shí)際行為之間可能存在較大差異.有研究表明，居住者行為對能源消耗的差異最大可能超過300 %. Wang和Greenberg[5]的研究顯示，適當(dāng)窗口操作控制對建筑能耗有17 %～47 %的節(jié)能效果. 因此,通過預(yù)測居住者的窗戶開啟和關(guān)閉行為,發(fā)現(xiàn)模型與實(shí)際居住使用時(shí)的偏差有十分重要的意義.

近幾十年,學(xué)者們對開窗行為的研究主要針對開窗行為的行為特征、影響因素和模型建立.在許多國家,針對不同季節(jié)、建筑類型和不同氣候區(qū)進(jìn)行了研究.丹麥學(xué)者Andersen等[6]所研究的15所住宅中,得出影響開窗行為最重要的因素是室內(nèi)CO2濃度和室外溫度;英國學(xué)者Rory V.J,Alba F等[7]人、德國學(xué)者Davide C,Rune K[8]等人的研究通常認(rèn)為室內(nèi)外溫度是影響住宅開窗狀態(tài)最為重要環(huán)境參數(shù)[6-9].除環(huán)境因素外,有些學(xué)者也曾對非環(huán)境因素進(jìn)行了測試,韓國學(xué)者Bongchan Jeong等[10]的研究證實(shí)了日常活動(dòng)也是影響住宅內(nèi)人員開窗行為的驅(qū)動(dòng)因素.另外,研究者們利用高斯算法[10],Logistic[7]等人回歸算法對居住者的開窗行為進(jìn)行量化分析,有效提高了預(yù)測的準(zhǔn)確率.

在居住建筑的設(shè)計(jì)中,開窗行為直接影響室內(nèi)能耗和建筑模型模擬的結(jié)果,不同氣候區(qū)應(yīng)分別進(jìn)行分析.嚴(yán)寒地區(qū)冬季氣溫較低,大多數(shù)城市住宅都采用集中供熱方式進(jìn)行采暖,現(xiàn)有的節(jié)能模型不具有普適性,盲目采取節(jié)能措施反而可能增加能耗,此前僅有Kailiang Huang學(xué)者[11]基于卡方分析法對遼寧省沈陽市500個(gè)隨機(jī)對象進(jìn)行調(diào)查,發(fā)現(xiàn)了嚴(yán)寒地區(qū)空氣質(zhì)量和個(gè)人健康意識及身體感受與居民開窗行為顯著相關(guān),從而對居民開窗習(xí)慣提出幾點(diǎn)建議,并未建立預(yù)測模型.本文研究開始之前對長春市73戶住戶進(jìn)行隨機(jī)問卷調(diào)查,并選擇其中5戶進(jìn)行測試,以5戶住宅建筑為例,通過實(shí)測得到長春市住宅建筑主臥室空氣溫度、濕度；室外空氣溫度、濕度,室外風(fēng)速及窗戶狀態(tài)參數(shù)，并對其進(jìn)行分析.本文研究目的是使人們對長春市居住建筑開窗行為有初步認(rèn)識,同時(shí)在一定程度上為嚴(yán)寒地區(qū)自然通風(fēng)建筑設(shè)計(jì)奠定基礎(chǔ).

1 研究方法

1.1 研究對象

本次研究選取長春市5戶居民主臥室窗戶作為測試對象,測試對象分布在長春市不同區(qū)域.被監(jiān)測的戶型均采用集中供熱方式取暖,且家中無空氣凈化設(shè)備,根據(jù)問卷調(diào)查可知住宅室外均無噪聲干擾,無污染工廠,不會對開窗造成影響,且5戶居民皆無吸煙史.開關(guān)窗戶由居民自由控制,該測試住戶基本信息調(diào)查結(jié)果見表1，測試住宅窗戶圖如圖1所示.

表1 住宅A～E基本信息Table 1 Information offamily A～E

圖1 測試房間窗戶圖Fig.1 Test Room Window Chart

1.2 實(shí)驗(yàn)儀器

測試時(shí)間包括長春市冬季供暖時(shí)段(2019年11月1日至2020年2月29日).測試期間5住戶均已安裝米家門窗傳感器見圖2,青萍空氣監(jiān)測儀見圖3.米家傳感器實(shí)時(shí)記錄開關(guān)情況,即窗戶打開時(shí)記為1,窗戶關(guān)閉時(shí)記為0；青萍空氣監(jiān)測儀(放置在臥室床頭柜上)監(jiān)測各住戶臥室溫濕度,青萍空氣檢測儀每15 min自動(dòng)記錄一次，并可以隨時(shí)通過手機(jī)進(jìn)行數(shù)據(jù)上傳,測試期間,儀器放置在臥室距地板1.5 m,距離散熱器超過1.5 m,并保證儀器不被太陽直射.室外環(huán)境參數(shù)在空氣質(zhì)量在線監(jiān)測分析網(wǎng)https://www.aqistudy.cn/[12]獲取數(shù)據(jù),該數(shù)據(jù)以小時(shí)為單位,對室外溫度、濕度、風(fēng)級等參數(shù)進(jìn)行記錄.所有儀器啟用前均進(jìn)行測試校準(zhǔn)，每月進(jìn)行調(diào)試校正,以得數(shù)據(jù)依次進(jìn)行剔除異常值及填補(bǔ)缺失值處理.

圖2 米家門窗傳感器Fig.2 Door and window sensor

圖3 青萍空氣監(jiān)測器Fig.3 Air detector

1.3 建模方法

本文采用Logistic二元邏輯回歸作為分析和建模方法,將與開窗行為有顯著性相關(guān)的環(huán)境參數(shù)和時(shí)間參數(shù)作為自變量.設(shè)y為因變量,y=1開窗，y=0關(guān)窗；設(shè)P為開窗的概率:

(1)

式中,α，β均為自然系數(shù),計(jì)算事件的發(fā)生比,即事件發(fā)生與不發(fā)生的概率比p/(1-p),對其進(jìn)行對數(shù)轉(zhuǎn)換,得到的Logistic回歸的線性模式:

(2)

為了更方便理解計(jì)算,將上式改為發(fā)生與不發(fā)生比的公式,即:

(3)

利用spss 23.0軟件中Logistic回歸模型對實(shí)測所得影響環(huán)境因素的數(shù)據(jù)進(jìn)行分析,進(jìn)而得到長春市冬季居住建筑室內(nèi)人員開窗行為回歸模型.

圖4 住宅A～E各房間開窗率Fig.4 The window opening rate of eachroom in residence A to E

2 數(shù)據(jù)處理及結(jié)果分析

2.1 開窗率的統(tǒng)計(jì)及分析

通過對嚴(yán)寒地區(qū)冬季供暖期間的實(shí)測數(shù)據(jù)處理分

析,得到5住戶各房間的開窗概率:A住戶25 %；B住戶3.5 %；C住戶2.5 %；D住戶1.6 %；E住戶4.6 %.如圖4所示.

(1) A住戶監(jiān)測期間臥室開窗率(開窗率=監(jiān)測時(shí)段開窗時(shí)長/總監(jiān)測時(shí)長)為25 %,開窗率偏高,將其定義為“高頻開窗型”,其開窗行為可能與環(huán)境因素、非環(huán)境因素相關(guān).

(2) B,C,D,E住戶各房間開窗率均小于5 %,該4戶窗戶的調(diào)控頻率極低,將其定義為“低頻開窗型”.

因此本文針對以上兩類住戶展開分析,研究嚴(yán)寒地區(qū)住宅建筑冬季開窗行為特征,并找出影響因素.

2.2 開窗行為特征分析

對嚴(yán)寒地區(qū)冬季的實(shí)測數(shù)據(jù)統(tǒng)計(jì)分析，將住戶分為兩類,即“高頻開窗型”和“低頻開窗型”,根據(jù)換氣次數(shù)和人均小時(shí)新風(fēng)量(住宅為0.5～1次)可知，由于長春市在冬季進(jìn)行集中供熱,“高頻開窗型”住宅的能耗相對過大.因此本文將對“高頻開窗型”進(jìn)行特征分析,并找出影響此類型住宅開窗的驅(qū)動(dòng)因素.“低頻開窗型”住宅由于窗戶狀態(tài)改變頻率較低,能耗也相對較低,因此本文對此類型住宅進(jìn)行比較分析,從而找出其人員開窗行為的特征.

2.2.1 “低頻開窗型”開窗率與環(huán)境因素、非環(huán)境因素的關(guān)系

測試發(fā)現(xiàn),“高頻開窗型”住戶住宅面積較大(參考表1),“低頻開窗型”住宅一般面積較小,開窗后室內(nèi)溫度快速降低，體感不舒適，所以不經(jīng)常開窗.由此可以判斷,嚴(yán)寒地區(qū)冬季開窗概率與住宅面積相關(guān).

“低頻開窗型”窗戶開啟率低于5 %，將其窗戶狀態(tài)與環(huán)境參數(shù)進(jìn)行擬合,結(jié)果顯示擬合度差,說明環(huán)境因素對此型住戶開窗行為的影響并不顯著,因此對于開窗概率小于5 %的住戶建模時(shí)不列入其中.

分析非環(huán)境因素(建筑面積,室外噪聲,污染工廠及人員吸煙史)對開窗率影響,發(fā)現(xiàn)室內(nèi)無吸煙人員時(shí)，對其窗戶開啟率有影響,但室外噪聲及污染工廠對開窗影響不大,其可能的原因是人員的生活習(xí)慣所致.

2.2.2 “高頻開窗型”開窗率與非環(huán)境因素的關(guān)系

圖5展示的是24 h內(nèi)開窗率的變化情況.

圖5 開窗概率與時(shí)間關(guān)系Fig.5 Relationship between window-opening probability and time of day

從圖5可以看出,開窗概率與時(shí)間呈現(xiàn)類似正態(tài)分布趨勢,白天先增后減,每日較大的開窗概率集中在9∶00-20∶00.選擇“高頻開窗型”住戶作為分析對象,開窗概率在12∶00-16∶00存在峰值,其原因是下午陽光最強(qiáng),處于冬季的嚴(yán)寒地區(qū)落日時(shí)間大約在16∶00點(diǎn)左右,在落日后為保存室內(nèi)熱量使關(guān)窗率大幅增加.

2.2.3 “高頻開窗型”開窗率與環(huán)境因素的關(guān)系

(1) 溫度因素

圖6(a)描繪出開窗率與室外溫度呈正相關(guān),在溫度較低時(shí),開窗率大約在10 %;室外溫度超過0 ℃時(shí),開窗概率的變化趨勢明顯增大.這可能是由于在室外溫度升高時(shí)室內(nèi)仍保持正常供暖,因此通過增大開窗的方式進(jìn)行室內(nèi)環(huán)境調(diào)節(jié).圖中采用Gauss擬合方法的R2均大于0.75.圖6(b)是開窗概率隨室內(nèi)溫度的變化圖."高頻開窗型"住戶的窗戶開啟率隨著室內(nèi)空氣溫度的上升而增大,結(jié)合圖6(c)中室內(nèi)外溫差對人員開窗概率的影響,窗戶開啟率隨室內(nèi)外溫差的增大而減小.通常在室內(nèi)外溫差較大時(shí)開窗,冷風(fēng)侵入給室內(nèi)造成較大能耗損失的同時(shí),也會對室內(nèi)居住者的身體帶來不適感.因此,居住者會在室外溫度過低或者室內(nèi)溫度很高時(shí)選擇關(guān)窗.

(a) 開窗率與室外溫度關(guān)系 (b) 開窗率與室內(nèi)溫度關(guān)系 (c) 開窗率與室內(nèi)外溫差的關(guān)系圖6 開窗率與溫度的關(guān)系Fig.6 Relationship between window-opening probability and temperature

(2) 濕度因素

在圖7(a)中,“高頻開窗型”住宅開窗率在室外濕度較小時(shí)呈現(xiàn)較高的開窗率,且隨著室外濕度增大逐漸降低,之后在室外濕度趨近100 %時(shí)稍微增大.這與加拿大研究者Jean Rouleau等[13]人的研究結(jié)論一致.由圖7(b)可見,“高頻開窗型”開窗概率與室內(nèi)濕度呈現(xiàn)負(fù)相關(guān)趨勢,室內(nèi)濕度越大,開窗概率越小且趨向于0,這可能是因?yàn)閲?yán)寒地區(qū)的冬季室外濕度平均在50 %,室內(nèi)人員在室內(nèi)濕度相對較低時(shí)會選擇開窗的方式進(jìn)行改善室內(nèi)空氣環(huán)境.

(a) 開窗率與室外濕度關(guān)系

(b) 開窗概率與室內(nèi)濕度的關(guān)系

3 建立“高頻開窗型”住宅模型

根據(jù)上述單一變量的分析發(fā)現(xiàn),排除個(gè)人偏好僅考慮客觀因素后,室內(nèi)居住人員的開窗行為是隨機(jī)變量,且為復(fù)雜的非線性關(guān)系.根據(jù)文獻(xiàn)[6]的研究發(fā)現(xiàn),常常運(yùn)用邏輯回歸建立多環(huán)境因素和開窗概率之間關(guān)系的模型,其中自變量為環(huán)境因素和非環(huán)境因素的一個(gè)或某幾個(gè),因變量為房間開窗概率.二元邏輯回歸分析結(jié)果見表2.

表2 二元邏輯回歸分析結(jié)果Table 2 Results of the multivariate linear logistic regression and statistical tests

根據(jù)表2可知,“高頻開窗型”的6個(gè)變量因素sig均小于0.05,這代表人員開窗行為與6個(gè)因素均顯著相關(guān).對模型有顯著性影響的變量標(biāo)準(zhǔn)化回歸系數(shù)B,其絕對值大小可以表示變量的影響程度.當(dāng)B>0時(shí)影響因素與開窗行為呈正相關(guān);反之,B<0時(shí)呈負(fù)相關(guān).此外,|B|可以表示對開窗概率的影響程度的大小,即|B|越大其影響越顯著.因此,由上述建?？傻靡惶靸?nèi)的時(shí)間、室外相對濕度、室內(nèi)濕度和室內(nèi)外溫差與開窗行為呈負(fù)相關(guān)；室外溫度、室內(nèi)溫度與開窗行為呈正相關(guān).其中室內(nèi)相對濕度的|B|=0.573,因此,室內(nèi)濕度對該類型開窗概率影響最大.根據(jù)表2建立如下邏輯回歸方程：

(4)

該模型的準(zhǔn)確率為76.7 %.

4 結(jié)論

為新增我國嚴(yán)寒地區(qū)供暖季的人員開窗行為研究的案例,深入了解該地區(qū)住宅的開窗行為特征,本文通過對長春市5戶居住建筑在冬季進(jìn)行了為期4個(gè)月的實(shí)時(shí)監(jiān)測，得到該地區(qū)的開窗行為典型特征為:

(1) 我國嚴(yán)寒地區(qū)冬季住宅建筑的開窗行為有兩種典型習(xí)慣的居住者,分別為:“高頻開窗型”和“低頻開窗型”.

(2) “低頻開窗型”住宅窗戶的開啟率低于5 %,與環(huán)境因素相關(guān)不大,與非環(huán)境因素中人員吸煙和建筑面積相關(guān).

(3) “高頻開窗型”住宅開窗行為與環(huán)境因素及時(shí)間因素密切相關(guān),分析顯示室內(nèi)相對濕度為最顯著的驅(qū)動(dòng)因素.

(4) 本文對“高頻開窗型”住宅建立預(yù)測模型,其模型準(zhǔn)確率為76.7 %，擬合度較好,可為嚴(yán)寒地區(qū)冬季住宅開窗行為模型提供初步參考.