建筑能效当量能耗方法研究

李峥嵘,李浩翥,郁 盛,诸英霞

(1.同济大学 暖通空调及燃气研究所,上海 200092;2.上海市建筑建材业市场管理总站,上海 200032)

所谓建筑能效当量能耗,即由能效有关量因素导致的建筑能耗.建筑能耗受到很多因素影响,诸如建筑设计、建筑热工、建筑设备等.一般而言,处于极端气候条件的时间越多,建筑设备或人员等室内负荷密度越大,使用时间越长的建筑,其能耗总量越大,但建筑能源利用效率未必越低.换言之,这些因素与建筑能源利用效率的高低没有直接联系,因此将这些因素归为能效无关量;而建筑的管理水平、设备系统效率等因素不仅影响建筑能耗绝对值,而且直接影响建筑能源的利用效率,因此可以归结为能效有关量.在建筑节能改造的过程中,首先必须对建筑能源利用效率进行评价.现有的单位面积上建筑能耗的概念仅仅反映建筑能耗绝对值的大小,而不能反映其能效的大小,不足以用于判断建筑是否需要进行节能改造;而且不同建筑之间存在功能、使用时间等方面的差异,仅仅用单位面积上建筑能耗的概念不足以对两幢建筑的用能效率进行对比评价;对于同一幢建筑,由于存在气象条件的变化,单位面积上建筑能耗的概念也不足以判断建筑在不同时间的能效变化.因此提出建筑能效当量能耗的概念,并重点推导建筑能效当量能耗的计算方法.

有很多学者根据能耗与其影响因素之间的关联程度,用线性回归的方式对建筑能耗提出不同的回归关联式.例如,Bing Dong,Siew Eang Lee[1]等人将建筑总能耗对室外干球温度、相对湿度和太阳辐射量等室外气象参数进行了回归;Wen-Shing Lee[2]的回归关联式考虑了人员密度,并把室外温度与下雨小时数作为气象参数;Joyce Carlo[3]将建筑总能耗对围护结构中的各参数进行了回归分析;William Chung[4]将建筑能耗用气象参数进行修正后对建筑楼龄、面积、运行时间表、室内人员和用能设备等运行特征量进行了回归分析.虽然气象参数对于建筑能耗的修正十分必要,但应注意到,对气象参数变化最敏感的能耗是空调能耗,因此Cristian Ghiaus[5]把室内热负荷与室外温度进行了回归分析;Roberto Z.Freire[6]把室外干球温度、相对湿度和太阳辐射量对建筑空调能耗进行了回归分析.

本文沿用线性回归方法,推导建筑能效当量能耗的计算方法,同时,选取办公建筑作为研究对象,对建筑能耗影响因素进行分析.选取8个建筑能耗影响因子进行重点研究:总传热系数值(overall thermal transfer value,OTTV)、室内人员密度、建筑时间表、建筑面积、夏季空调机组能效比、冬季空调机组能效比、照明密度和运行管理水平.其中,气象参数作为影响空调能耗的主要因素,只用于对建筑空调能耗进行修正;OTTV的引入可以把围护结构传热系数、窗墙比(WWR)、遮阳系数等综合于一个参数,有利于回归分析的进行,具体计算方法及上海地区系数确定见文献[7];建筑时间表定义为该建筑的年运营时间总小时数;建筑面积、能效比和照明密度(W·m-2)由物业提供;物业管理项在回归分析中为虚拟变量,根据有、无管理激励机制,计算时若有则取1,无则取0.

1 建筑能效当量能耗计算模型

1.1 气象转换因子的确定

气象条件对空调系统能耗的影响可以用度日数的大小反映,为此,本文提出气象转换因子Fca的概念,用于对建筑空调能耗进行修正.具体计算方法如下:

式中:DHDD18为1985—2005年年平均采暖度日数;DHDDy为当年采暖度日数;DCDD26为1985—2005年年平均空调度日数;DCDDy为当年空调度日数.

所谓采暖度日数(DHDD18),就是一年中,当某天室外日平均温度低于18℃时,将低于18℃的度数乘以1 d,并将此乘积累加.空调度日数(DCDD26),就是一年中,当某天室外日平均温度高于26℃时,将高于26℃的度数乘以1 d,并将此乘积累加.

上海地区6～9月为主要的空调系统运行时间,12～次年2月为主要的采暖季节,故对FHDD和FCDD进行了月份加权处理.2001年至2008年气候转换因子见表1,转换因子值越小则说明该年的天气情况越恶劣.

表1 气象转换因子Tab.1 W eather convertion factor

1.2 建筑能效当量能耗计算模型的推导

1.2.1 空调能耗回归模型

首先对空调能耗E ac进行气象修正,得到修正后的空调能耗为

由多元回归模型

以及能耗与其影响因子的关系得到Eac.ca=f(OTTV,人员,时间,面积,冬、夏季机组能效比,

照明密度,管理)=

式中:βi为偏回归系数;ε为随机误差;项对应了人员、时间、面积这3项因子,属于能效无关量;项对应了OTTV、空调能效比、采暖能效比、照明密度和管理这5项因子,属于能效有关量;a为回归常数.

1.2.2 照明能耗回归模型

照明能耗无需进行气候修正,由能耗与其影响因子的关系和回归模型得

EL=f(窗墙比,人员,时间,面积,照明密度,管理)=

1.2.3 建筑能效当量能耗回归模型

对式(5),(6)进行整理,可以得到主要由能效有关量形成的空调能耗Eac.ca.level和照明能耗EL.level为

所以主要由能效有关量形成的建筑能效当量能耗Elevel为

因为

所以

因此有

式中:EL为照明耗能;Eo为除空调照明能耗外其他建筑能耗;x人员为室内人员密度(m2·人-1);x时间为建筑年运营时间(h);x面积为建筑面积(m2).

2 上海地区办公建筑能效当量能耗参数的确定

2.1 建筑样本分析

选取上海地区46幢2万m2以上的办公建筑作为样本对其进行数据搜集,以置信度95%作多元线性回归分析,利用统计分析软件SPSS 13.0(Statistical Package for Social Science)进行计算.结果显示,虽然模型通过F检验,R2值也较高为0.86,但样本中存在异常点,如图1所示.图中有一建筑的残差接近4,远超过残差值一般允许范围(-3,3)的规定,并且残差分布并不完全呈现随机分布,有线性下降趋势,故可判断样本数据的回归拟合不是很理想.

图1 46个样本回归模型标准残差Fig.1 Standard residua lo f 46-building-regression model

由于同一个样本需要对空调能耗和照明能耗分别做回归分析,现对46个样本中这两部分标准残差之和最大的建筑作为异常值进行排除,每次排除一个样本,直到样本数为32为止(选取自变量数量的4倍为最小样本数,即32个样本,若样本量太小将无法反映拟合规律).

经过15次反复计算,得到了15份样本量不同的拟合结果.通过对模型R2值和标准残差的分析,发现每当把标准残差最大的样本删除后,模型都会有一定程度上的优化.结果汇总如表2所示.

表2 逐项剔除异常值分析Tab.2 Ana lysis on abandon ing outliers one by one

分析结果显示,当排除残差较大的样本后,空调能耗和照明能耗的残差都会有较大幅度的减小,并且R2值也越来越接近1,说明线性拟合度越来越好.同时发现,面积越大的建筑,越容易成为拟合结果的异常值.11幢建筑面积8万m2以上建筑中,最后在32个样本中只保留了2幢.

图2所示为上海地区现有办公建筑能耗与建筑面积之间的关系.显然,当建筑面积小于8万m2时,能耗随建筑面积的增加增长速度较为平缓,但当建筑面积超过8万m2后,能耗随建筑面积的增加增长速度明显加快.因此可以认为8万m2以上的建筑用能特点与8万m2以下的不同,并导致回归分析中出现异常点.下面仅对8万m2以下建筑进行分析并确定其回归系数.

图2 建筑面积与空调、照明能耗规律Fig.2 Corre lation betw een building gross area and air-condition&lighting energy consum ption

2.2 8万m2以下大型办公建筑能效当量能耗回归模型

对8万m2以下大型办公建筑进行分析,去除残差较大的异常点后,得到33个样本数据,对这33个样本数据做多元回归分析,拟合结果汇总如表3所示.

表3 回归模型拟合情况Tab.3 Fitting of regression m odel

由表3可见,显著性Sig.F等于0,说明F检验满足要求,R值分别为0.88和0.93,故线性关系拟合情况良好.R2分别为0.78和0.87,说明空调能耗和照明能耗中分别有78%和87%的变异可以由已知变量解释.

图3反映了回归模型的标准残差分布情况.回归模型的标准残差随机地散布在横坐标的两侧,并且不存在残差很大的异常点,由此认为回归模型拟合良好.

图3 33样本回归模型标准残差Fig.3 Standard residua lo f 33-building-regression model

因此得到办公建筑E level计算模型如下:

因此,只要知道某大楼的年总能耗、空调能耗和大楼的室内人员密度、年运行时间和建筑面积这5个量,就可得到该大楼由能效有关量形成的建筑能耗,并判断其能效水平在上海地区既有2～8万m2办公建筑中的位置.

运用式(13)将样本中的数据进行处理并按能效当量能耗从小到大进行排序作累计频率曲线,其分布范围见图4.显然,这些建筑能效当量能耗值的中位为308 t标煤.根据节能目标的制定,可以确定相应的需要节能改造的建筑.例如,需要对该地区20%的建筑进行节能改造,那么,某建筑经式(13)计算后,当量能耗值大于图4中80%点对应的能耗624 t标煤时,则属于改造对象.显然,在能耗统计工作完善后,对于决策者与用户而言此方法更方便直观.

图4 上海地区办公建筑能效当量能耗累计频率图Fig.4 Cumulative frequency curveo f the office building about equivalent energy consumption of building energy efficiency in Shanghai

3 结论

(1)建筑能耗的影响因素分为能效有关量与能效无关量两类,能效有关量导致的建筑能耗被定义为建筑能效当量能耗,其大小直接反映建筑能源使用效率,是建筑节能改造的依据,具有实际意义.

(2)建筑能效当量能耗的回归计算方法是基于既有建筑的功能、规模等特征参数,采用线性回归形成的,既有建筑的样本数量越多、分类越细化,回归计算公式越可靠.

(3)随着建筑数量的不断增加,不断更新样本的数量和特征参数,使回归计算公式中的系数不断更新,从而可反映新样本对应建筑类型的总体用能效率,实现动态跟踪与管理.

(4)本文研究对象的能效当量能耗分布范围为194～671 t标煤,中位值为308 t标煤,决策者与用户可直观方便地在能效当量能耗排位图上得知某建筑在该地区的建筑能效现状.

[1] DONG B,LEE SE,SAPARM H.A holistic utility bill analysis

m ethod for baselining whole commercial building energy consump tion in Singapore[J].Energy and Buildings,2005,37:167.

[2] LEEW S.Benchmarking the energy efficiency of government buildings w ith data envelopment analysis[J].Energy and Buildings,2008,40:891.

[3] Carlo J,Lamberts R.Developmen t of envelope efficiency labels for commercial buildings:effect of differen t variables on electricity consumption[J].Energy and Buildings,2008,40:2002.

[4] CHUNG W,HUI Y V,LAM Y M.Benchm arking the energy efficiency of commercial buildings[J].Apply energy,2006,83:1.

[5] Ghiaus C.Experim ental estimation of building energy performan ce by robust regression[J].Energy and Buildings,2006,38:582.

[6] Freire Z R,O liveira H C G,Mendes N.Development of regression equations for predicting energy and hygrotherm al performance of buildings[J].Energy and Buildings,2008,40:810.

[7] YANG L,Lamb J C,Tsang C L.Energy performance of building envelopes in different climate zones in China[J].App lied Energy,2008,85:800.