湘南地區(qū)高層住宅夏季室內風場影響因子數值分析

尹東衡，張九鵬，黃春華，劉曉紅

(1.南華大學 建筑學院，湖南 衡陽 421001； 2. 融創(chuàng)中國青島有限公司，山東 青島 266000； 3.湖南省健康城市工程技術研究中心，湖南 衡陽 421001 )

湘南地區(qū)位于亞熱帶季風性濕潤區(qū)域，夏季住宅室內溫度與濕度較高，采取適宜的氣候設計措施極為必要.自然通風具有提高建筑舒適性、降低建筑運行能耗等優(yōu)點，成為兼顧經濟與節(jié)能、健康與舒適的最佳選擇[1].

室內風環(huán)境是城市住宅熱環(huán)境的重要組成部分[2].高層住宅占城市住宅建筑總量的78%以上[3]，研究表明：高層住宅的室內風場效果受到諸多因素的制約和影響[4].因此，對室內風場與相關因素間的關聯性進行研究，揭示高層住宅的室內自然風場調控機理，不僅有助于提升室內熱舒適質量，而且能在最大程度上為城市住宅熱環(huán)境的改善奠定基礎.

當前研究建筑風環(huán)境的方法主要包括實測研究、風洞實驗和計算機模擬研究3種[5].由于實測研究對室外天氣的要求較高且周期較長，難以對影響建筑風環(huán)境的各個因素進行一一實驗來得到其規(guī)律；而風洞實驗則花費昂貴，難以廣泛應用于實際研究中；目前比較流行的研究方法是計算機流體力學數值模擬 (CFD) 的方法[6].當前國內外諸多學者在住宅CFD領域開展了研究，如Per Hejselberg、AJajn Bastjde、M. A .Hassan等人研究了在窗戶的不同開啟方向、不同開口形狀以及不同的窗戶大小、位置等情況下的室內通風情況[7-9]；Leila Moosavi等對建筑物中庭在不同氣候條件下的自然通風效果進行了研究，分析了建筑中庭自然通風保持高效的影響因素參數[10]；石峰等以福建歷史民居為例，選取天井面寬進深比和檐口高度兩個影響因子為控制變量，運用CFD模擬的方法歸納出天井幾何形態(tài)特征與建筑風環(huán)境之間的關系[11].胡曉軍等以一梯多戶高層住宅內天井不同的平面開口尺寸、平面開口方式及自身平面尺寸為研究對象，采用數值模擬方法，得出內天井自身進深尺寸存在的室內風環(huán)境最優(yōu)值[12].

綜上研究，發(fā)現以下問題：(1)主要集中在室內通風效果評估與空間特征分析等方面，缺少對風場影響機理與綜合效應的研究；(2)大多停留CFD風場模擬階段，對數值進行后期回歸分析的并不多見；(3)缺少對具體氣候條件下的高層住宅室內風場的研究.針對上述問題，本研究以湘南地區(qū)高層住宅為研究對象，運用 CFD 模擬的方法研究夏季室內風場與主要影響因子間的關聯性，在數值分析的基礎上，建立室內風場與影響因子之間的回歸模型，探索影響因子對室內風場的作用機理，以期為湘南地區(qū)高層住宅室內風環(huán)境的評估提供借鑒.

1 建筑風環(huán)境模擬

1.1 樣本概況

選取湘南地區(qū)某住宅小區(qū)高層住宅樓戶型作為研究對象(圖1).通過實地測量與記錄，得到樣本住宅的建筑特征信息(表1).

圖1 建筑樣本平面圖Fig.1 Floor plan of the sample building

表1 樣本住宅建筑的基本特征數據值進行對比驗證Tab.1 Basic characteristics of sample residential buildings

1.2 模擬步驟

根據高層住宅樣本的信息建立建筑模型，運用軟件Phoenics進行室外風環(huán)境模擬，得到建筑外 立面表面的風壓值[13].依據風壓值進行住宅室內風環(huán)境模擬，將模擬得到的風速數據值與實測的風速.

1.3 模擬設置

計算域的尺寸設置會對計算精度產生直接的影響[14].本模擬采用日本建筑協會 AIJ的研究建議，即建筑模型與模擬區(qū)域邊緣的距離在水平方向至少5倍于建筑模型高度，高度方向3倍于建筑模型高度.最終確定本研究計算域的長度為500 m，是建筑高度的10倍；寬度為500 m，是建筑高度的10倍 ；高度為150 m，是建筑高度的3倍(表2).網格劃分設置為137 m×91 m×53 m，對建筑所在區(qū)域進行網格局部加密處理，以獲得較準確的模擬數值.

由于地表摩擦作用的影響，風速存在著梯度變化，即接近地表的風速隨著離地高度的減小而降低，風速與高度的關系通常采用指數律，即

(1)

式中：Vh為高度為h處的風速；V0為基準高度h0處的風速；n為與地面粗糙度有關的指數.根據《中國建筑熱環(huán)境分析專用氣象數據集》 可知，湘南衡陽地區(qū)夏季盛行偏南風，風向頻率為85%，平均風速V0=2.3 m·s-1，代表10 m高度處2.3 m·s-1的偏南風.根據模型計算要求，應依據建筑周圍的實際環(huán)境，采用相應的地面粗糙指數.考慮場地周邊是密集的高層住宅建筑小區(qū)，即計算認定的建筑周圍存在高大障礙物的工況，因此地面粗糙指數n設定為0.5.

二方程標準 K-ε 模型計算成本低，在數值計算中波動小、精度高，在低速湍流模擬中應用較為廣泛[15].在考慮計算成本與精度的前提下，本研究在室外風場模擬中采用標準 K-ε 模型描述湍流.

在軟件Phoenics中，按照表2中的參數條件要求進行設置，經計算收斂后得到樣本建筑外立 面風口表面的風壓值(圖2).為樣本住宅建立模型，依據計算得到的建筑室外表面風壓值，采用改進型RNG K-ε湍流模型對住宅室內風環(huán)境進行模擬，可以得到室內各坐標點的精確風速值(圖3).

表2 風壓模擬設置參數Tab.2 Setting parameters of wind pressure simulation

圖2 建筑外立面表面的風壓值Fig.2 Wind pressure values on the facade of the building

圖3 住宅風場模擬云圖與室內測點Fig.3 Simulated cloud image of residential wind field and indoor measuring points

1.4 對比驗證

本研究采用實測數據與模擬數值進行對比的方法，以檢驗模擬研究結果的準確程度.實地測試時間為2019年7月15日，測試時段為09∶00—15∶00.經測試，室外風速平均值為2.34 m·s-1，與模型所采用的來流風速值偏差為1.7%，且風速為南向，與軟件中的風向設定一致，完全符合室外風速的測試條件.測試期間窗戶處于全開啟狀態(tài)，且無人在家逗留，以保證測試準確度.測點分布情況見圖1.主要測試室內各測點距室外地面28.2 m(距室內地面1.2 m處，人體坐姿頭部位置 )處的平均風速，風速每5 min采集一次.

圖4為各測點平均風速實測值與模擬值的對比圖，可知對模型進行軟件模擬得到的風速值與實測所得結果相近，其R2=0.839，顯示模擬結果與實測結果具有高度相關性.

圖4 各測點平均風速模擬值與實測值的對比圖Fig.4 Comparison between the simulated and measured average wind speed of each measuring point

2 室內風場影響因子研究

一個完整的自然通風體系包括進風口、風道與出風口[16].在風壓通風的工況下，高層住宅室內通風效果受到室外風速大小、進風角度、前后開口的尺寸大小與形狀、風道長度、樓層高度、室內障礙遮擋情況和布局形式等諸多因素的影響[17].根據公式(1)，在采取梯度風求解的情況下，室內通風狀況與房間所處的離地高度密切相關.為了直觀地揭示風場與空間影響因子間的關聯性，本研究暫不考慮室內障礙遮擋與布局的情形.從空間形態(tài)特征可控視角出發(fā)，將上述影響因素轉化為相應的定量化風場因子：風向角度(WDA)、樓層高度(FH)、進風向窗墻面積比(WWAR)、進出風口面積比(FRAR)、進深開間比(DOR)和距地高度(HAG).

平均風速(AIWS)是對室內通風進行評估的重要指標之一，平均值的高低直接體現了室內風場的整體通風效果[18].改變室內的風場因子，通過運用CFD模擬風場，可以得到風場因子發(fā)生變化后的室內平均風速值，從而歸納出室內平均風速與影響因子的關系.

2.1 風向夾角(WDA)

在不改變樣本住宅的距地高度、層高、進風向窗墻面積比、進出風口面積比和開間進深比的情況下，調整住宅南向窗戶開口與風向的夾角.設定室外風速為2.3 m·s-1， 以30°角為單位，分別模擬風向夾角為-60°、-30°、0°、30°、60°時的住宅室內風速云圖(圖11).由圖5可以看出，當風向由負向夾角轉為正向夾角的過程中，模型的室內平均風速開始逐漸增大，在風向夾角為30°時室內平均風速達到最大值；而隨著正向夾角的繼續(xù)增大，平均風速值開始回落；室內平均風速值整體呈現先變大后變小的趨勢.

圖5 不同風向夾角時的室內平均風速值Fig.5 Average indoor wind speed at different angle

2.2 樓層高度(FH)

在不改變其他因子數值的情況下，僅改變住宅樓層的高度，設定室外風速為2.3 m·s-1，分別模擬

不同層高條件下(目前高層住宅設計普遍采用的樓層高度)的室內風速云圖(圖12).由圖6可以看出，在模型的層高在最小值2.8 m時，室內平均風速達到最大值；隨著層高的逐漸增大，平均風速呈下降趨勢，在層高3.1 m時，室內平均風速值最小；而隨著層高的繼續(xù)增大，室內平均風速值不降反升.

圖6 不同樓層高度時的室內平均風速值Fig.6 Average indoor wind speed at different floor height

2.3 進風向窗墻面積比(WWAR)

在不改變其他因子數值的情況下，僅調整住宅的進風向窗墻面積比，設定室外風速2.3 m·s-1，分別模擬不同窗墻面積比下的室內風速云圖(圖13).由圖7可以看出，在模型的窗墻比為0.30時，室內平均風速值最??；隨著窗墻比的逐漸增大，室內平均風速也依次變大，兩者之間呈正相關線性關系.

圖7 不同窗墻面積比時的室內平均風速值Fig.7 Average indoor wind speed at different window-wall area ratios

2.4 前后風口面積比(FRAR)

在不改變其他因子數值的情況下，僅改變住宅的前后風口面積比，設定室外風速為2.3 m·s-1，分別模擬不同層高下的室內風速云圖(圖14).由圖8可以看出，在模型的進出風口面積比為1.00時，室內平均風速達到最大值；當進出風口面積比<1.00時，隨著面積比的變大，室內平均風速值同步變大；當進出風口面積比>1.00時，隨著面積比的變大，室內平均風速值逐漸變小.

圖8 不同進出風口面積比時的室內平均風速值Fig.8 Average indoor wind speed values at different air inlet and outlet area ratio

2.5 距地高度(HAG )

在不改變其他因子數值的情況下，僅調整住宅與室外地面的距地高度，設定室外風速為2.3 m·s-1，通過CFD分別模擬距地高度為16.2 m、22.2 m、28.2 m、34.2 m、40.2 m時的住宅室內風速云圖(圖15).由圖9可以看出，當離地高度逐漸變大時，室內平均風速值同步變大，兩者之間呈正相關線性關系.

圖9 不同距地高度時的室內平均風速值Fig.9 Indoor average wind speed at different heights from the ground

2.6 進深開間比(DOR)

在不改變其他因子數值的情況下，僅調整住宅進深開間比.設定室外風速為2.3 m·s-1，模擬不同進深開間比下的室內風速云圖(圖16).由圖10可以看出，在模型的進深開間比為1.00時，室內平均風速達到最大值；當進深開間比<1.00時，隨著進深開間比值的變大，室內平均風速值先變大后變?。划斶M出風口面積比>1.00時，隨著進深開間比的增大，室內平均風速值反向變小.

圖10 不同進深開間比時的室內平均風速值Fig.10 Average indoor wind speed values atdifferent depth ratio

3 室內風場影響因子與回歸分析

3.1 室內風場影響因子的相關性分析

在實地測量的基礎上，結合上述風場影響因子作用研究，對湘南地區(qū)(衡陽、郴州、永州)的7個城市小區(qū)不同戶型的高層住宅樣本進行CFD模擬，共計得到210組數據信息.隨機抽取其中120組模型數據，在SPSS軟件中采用皮爾遜相關系數確定室內平均風速與各風場影響因子的相關性.由表3可見，室內平均風速與各風場影響因子的密切程度由大到小依次為FRAR、WWAR、HAG、DOR、WDA、FH.其中，FRAR、WWAR和HAG呈現極顯著水平，相關值分別為-0.834、-0.712和0.513，這表明FRAR是風場最主要的影響因子.同時，從表3看出，各風場影響因子也并不是孤立存在，如FRAR與WWAR存在極顯著負相關，相關系數達到-0.872，HAG與WWAR也存在極顯著負相關，相關系數為-0.597，因子間存在較高的多重共線性，說明如果利用多個因子來解釋室內平均風速的變化會存在一定不確定性.

圖11 不同風向夾角時的室內風速云圖Fig.11 Indoor wind speed cloud images of different wind angles

圖12 不同樓層高度時的室內風速云圖Fig.12 Indoor wind speed cloud images of different floor heights

圖13 不同窗墻面積比時的室內風速云圖Fig.13 Indoor wind speed cloud images of different window-to-wall area ratios

圖14 不同進出風口面積比時的室內風速云圖Fig.14 Indoor wind speed cloud images of different air inlet and outlet area ratios

圖15 不同距地高度時的室內風速云圖Fig.15 Indoor wind speed cloud images of different heights from the ground

圖16 不同進深開間比時的室內風速云圖Fig.16 Indoor wind speed cloud images of different depth to depth ratios

表3 室內平均風速與各空間影響因子的相關性分析Tab.3 Correlation analysis of indoor average wind speed and various spatial influence factor

3.2 室內風場與影響因子間的多元線性回歸

為進一步探討FRAR、WWAR、HAG、DOR、WDA、FH等6個空間影響因子對室內風場的綜合效應，先對上述影響因子和室內平均風速的原始數據進行標準化處理，以解決各因子間量綱和單位不同造成的影響，然后采用逐步回歸法將各因子的標準化數據與室內平均風速進行多元線性回歸，去除偏回歸系數不顯著的因子，最終建立最優(yōu)擬合回歸方程式：

AIWS=0.801-0.096FRAR+0.004HAG

(2)

式(2)決定系數R2=0.732，并通過了p=0.01水平的顯著性檢驗.由式(2)可看出，與室內平均風速相關的6個影響因子中，僅有FRAR和HAG 保留下來，說明前后風口面積比和距地高度是引發(fā)湘南地區(qū)高層住宅室內平均風速差異的主導因子，前后風口面積比越大，室內平均風速就越低；離地高度越大，室內平均風速就越大.而從方程回歸系數大小來看，前后風口面積比對室內平均風速的影響程度要大于距地高度.

通過隨機選取30組樣本數據，對上述回歸模型擬合方程式進行有效性檢驗，最終有效率大于75%.因而，回歸方程式(2)能為湘南地區(qū)高層住宅夏季室內風場的評估提供可靠的依據.

4 結 論

(1)室內平均風速隨著層高的逐漸增大呈下降趨勢，而在最低值出現后，隨著層高的繼續(xù)增大，室內平均風速值不降反升；室內平均風速與窗墻比和離地高度呈正相關關系；

(2)在前后風口面積比=1.00時，室內平均風速達到最大值；當進出風口面積比<1.00時，隨著面積比的變大，室內平均風速值同步變大；當進出風口面積比>1.00時，隨著面積比的變大，室內平均風速值逐漸變??；

(3)當模型的進深開間比為1.00時，室內平均風速達到最大值；當進深開間比<1.00時，隨著進深開間比值的變大，室內平均風速值先變大后變小；當進出風口面積比>1.00時，隨著進深開間比的增大，室內平均風速值反向變??；

(4)室內平均風速與各影響因子的密切程度由大到小依次為：進出風口面積比>進風向窗墻面積比>距地高度>進深開間比>風向角度>樓層高度；前后風口面積比和離地高度是影響湘南地區(qū)高層住宅夏季室內風場的主導因子；前后風口面積比越大，室內平均風速就越低；離地高度越大，室內平均風速就越大.