天然光光照度典型年数据的研究与应用

罗涛 燕达 林若慈 王书晓

(1.清华大学，北京 100084;2.中国建筑科学研究院，北京 100044)

1 研究背景

近年来，随着人们对环境和节能问题的日益关注，天然采光作为一项重要的节能策略，在建筑设计中越来越受到重视。合理利用天然光，可以有效减少照明能耗;通过有效控制进入室内的太阳辐射，还可降低空调负荷。

然而，天然采光的设计计算是一项复杂的任务，一方面，天然光随时间和地域的不同有很大的差异，同时受到环境条件和室内布局的影响;另一方面，采光的设计需要与照明系统和遮阳系统等设备系统相结合和协调。因此，仅凭经验或者习惯是难以科学准确的完成采光设计任务的，为了准确把握光环境的效果，需要进行定量的采光分析和计算。

对于不同的应用目的，采光计算分析的方法和侧重点不同，对于光气候数据的要求也有所不同。比如，若要对不同地区的光气候状况进行对比，评价其昼光可利用性，只需要了解年平均总照度或者散射照度即可;又如需要确定某地区的采光策略，了解全年不同时段的光气候状况，那只需要月平均照度的资料等等［1］。

随着计算机技术的发展，以及对室内光环境要求的提高，传统的以单一采光系数为基础的采光计算和评价方法已不能适应工程实践的需要。国外学者提出全年动态采光评价的指标，通过动态模拟和预测室内光环境随时间的变化情况，可以更为全面的评价室内光环境［2］。另一方面，随着社会对节能问题的重视，照明能耗的预测日益受到重视，然而确定不同时刻照明系统的状态和控制策略，则首先需要精确计算不同时刻的室内采光水平［3］。此时，仅有代表性的全年或者月平均的光照度数据已不能满足模拟分析的需要。

因此，要进行全年动态的光环境模拟，就需要全年逐日甚至逐时的光照度数据。然而，到目前为止，我国还没有建立一套完整的可用于全年动态光环境模拟的光气候数据，这极大地制约了采光分析方法的发展和应用，从而不能适应日益复杂的采光设计的需要。

本文的研究内容，是通过研究获取光照度典型年数据的取值方法，建立一套能够反映我国光气候特点和规律，可用于全年动态光环境模拟的光气候数据，从而为光环境的全年模拟分析提供依据。

2 典型年数据

2.1 概念的提出

通常我们用光气候来表征室外天然光的自然状况，包括当地天然光的组成及其照度变化、天空亮度及其在天空中的分布状况等。其中，光照度是最基础也是最容易获取的数据，是采光设计计算和研究的前提。

然而，作为气象参数，光照度有很大的不确定性，即使在同一地区，室外光照度也是随时间不断变化的。以北京地区为例，我们选择1983年、1984年、1991年和2009年的总光照度和散射照度数据进行对比，可看到明显的差异 (见图1、图2)。

显然，使用不同的室外光照度数据来进行采光分析，其结果是不同的。因此，需要从多年的气象数据中挑选出具有代表性的全年逐时数据，从而建立起典型的年气象数据作为光环境模拟的计算条件。

2.2 典型年数据的取值方法

在具备长期逐时实测数据的条件下，获得动态模拟用的逐时气象数据的最直接的办法，是从历史上观测的气象数据中选择一部分能够反映气象规律的有代表性的数据。然而，由于光照度数据不是我国气象部门的常规观测项目，国内只有少数一些站点对其进行观测，因而天然光照度数据的资料非常缺乏，利用直接观测获得的光照度数据建立典型年数据的条件尚不成熟。

图1 月平均总照度对比

图2 月平均散射照度对比

另一种方法是利用已有的辐照度数据，以及辐射光当量模型，得到光照度数据。由于辐照度数据是气象部门的常规观测项目，具有丰富的资料，而辐照度和光照度的关系可用下式表示［4］:

其中:E——光照度，G为辐照度;

Gλ——太阳辐射光谱分布;

Vλ——光谱光视效率;

λ ——波长;

Km=683lm/W，为明视觉条件下的常数。

K称为辐射光当量，用于表征辐照度和光照度的关系，随着气象条件的变化而变化。

式(1)表明，只要有辐照度数据以及辐射光当量模型，就可以得到光照度数据。因此，获取光照度典型年数据的关键，在于选取何种辐照度数据，以及采用何种辐射光当量模型。

2.3 辐照度典型年数据

在建筑模拟领域，已广泛采用以小时为时间步长的计算模拟，国内外的一些建筑能耗模拟软件如EnergyPlus［5］就提供了逐时的典型气象年数据，其中也包括了太阳辐照度等参数。Christoph等开发的用于全年采光模拟的 Daysim［6］软件，就可利用EnergyPlus提供的气象数据作为计算参数。然而，国际上提供的我国气象数据由于不能保证源数据的可靠性与准确性，气象要素也不全面，因此不适宜作为我国建筑模拟分析用的标准气象数据。

我国自主研发的建筑热环境模拟分析软件DeST［7］提供了一整套用于建筑环境模拟的逐时典型年数据，这些数据的基础是中国气象局气象信息中心气象资料室提供的全国270个地面气象台站1971～2003年的气象观测数据，数据来源可靠并且能切实反映中国气象的特点和规律［8］。这些气象数据也包括辐照度以及建立辐射光当量模型的其他气象要素。因此，这里我们选择这套典型年气象数据作为基础资料，并利用辐射光当量法得到光照度典型年数据。

3 辐射光当量模型

在本文的研究中，辐射光当量模型是核心和关键问题。该模型的选择不仅要考虑是否适用于我国气象条件，同时模型的计算参数尽量在我国气象观测要素的范围内，应容易获取。

国内外学者对于辐射光当量模型进行了大量的研究，并提出了多种模型，如Littlefair模型、Perez模型、Olseth-Skartveit模型、Muneer-Kinghorn模型、Chung模型等［4］。我国林若慈等人出于光气候分区和采光设计的需要，也提出了相应的模型［9］。

3.1 Perez模型介绍

Perez等人通过实际观测发现，辐射光当量主要受三个因素的影响:太阳天顶角 θZ、天空明亮度Δ、天空清洁度ε。Wright等人在此基础上又增加了一个新的因子，即空气中的可降水量W。Perez等人在1990年提出了基于这四个参数的辐射光当量模型［10］，该模型可用下式表示:

其中，K——总辐射光当量或者散射辐射光当量，单位是lm/W，天空明亮度Δ可用下式表示:

式中，m——大气光学质量;

Ed——地面散射辐照度或光照度;

Eo——大气层外的辐照度或光照度;

ai，bi，ci，di——根据天空清洁度 ε 确定的系数，可按表1确定:

表1 待定系数表［10］

天空清洁度ε可用下式计算:

其中 Eb——地面法向辐照度或光照度;

k——常数，当 θZ以度 (°)为单位时，k=5.535 × 10－6。

根据国外学者的研究结果，与其他模型相比，Perez模型与实测值更为接近［4］。同时，Perez模型所需的计算参数可以很容易从气象资料中获得，同时由于其可采用逐时的气象数据，因此更适合于获取逐时的光照度典型年数据的需要。Daysim软件中就采用了Perez模型，利用气象数据中的辐照度数据生成采光计算及照明能耗分析所需的室外光照度数据［6］。

图3 北京地区光气候观测站照片

3.2 Perez模型的验证

为了检验利用Perez模型获得的数据是否与我国实际的光照度数据吻合，笔者开展了如下实测验证工作。

从2009年4月至2010年4月，笔者对北京地区的光照度和辐照度进行了逐时对比观测。观测地点设在中国建筑科学研究院的主楼楼顶 (见图3)，测试的项目包括总辐照度、散射辐照度、总光照度和散射光照度，其中散射辐照度和散射光照度的测试采用了阴影环遮挡，数据处理时进行了相应修正。

实测发现，总辐射光当量与太阳高度角之间有着密切的关系，如图4所示:

图4 实测的总辐射光当量和太阳高度角的关系

根据实测得到的总辐照度、散射辐照度，我们对利用Perez模型计算得到的总辐射光当量和散射辐射光当量与实测值进行对比，两者在全年主要的采光时间段 (8:00～16:00)的年平均值如表2所示。

表2 Perez模型与实测值对比

通过对比发现，利用Perez模型计算得到的辐射光当量与实测数值比较吻合，较为适合我国光气候的应用。

4 典型年光气候数据的应用

以下我们以北京地区为例，利用DeST提供的典型气象年数据和Perez模型，获得北京地区的光照度典型年数据，并以此为基础，分析某办公室的全年采光状况，并对其照明能耗进行计算。

4.1 工程概况

该办公楼共有三层，每层南北各有10个房间，中间为过道，室外几乎没有遮挡。图5是办公楼的平面图:

办公楼中的房间大小、格局基本一致，各房间的采光情况差异不大，因此这里我们选择一个单元进行采光分析，该单元包括南北办公室各一间和过道，如图6所示。

图5 办公楼平面图

4.2 Daysim软件

这里我们采用 Christoph Reinhart等人开发的Daysim软件作为分析工具。该软件利用Radiance作为计算核心，可利用全年的太阳辐射数据，通过设定各种照明控制模式，计算全年的照明能耗。该软件没有建模的界面，但可以读入一些常用软件生成的文件，如 3DMAX，AutoCAD，SketchUp，Ecotect等。该软件的Lightswitch模块提供了照明控制方式，可用于分析天然采光和照明结合时的照明能耗。

图6 办公楼采光分析单元

4.3 典型年光照度数据

首先，我们从DeST气象数据中可以获得根据北京地区的典型气象年的总辐照度和散射辐照度数据，如图7所示;然后，根据气象数据中的其他参数和Perez模型，计算得到逐时对应的辐射光当量;进而可以得到北京地区典型年光照度数据，如图8所示。

图7 典型年辐照度数据 (8:00～16:00)

图8 典型年光照度数据 (8:00～16:00)

可以看到，光照度数据的变化趋势和规律与辐照度的完全一致。根据计算，我们得到总辐射光当量平均值为110.9 lm/W，散射辐射光当量平均值为132.7 lm/W，这与表1中的数值也非常吻合。

4.4 模拟分析结果

将建筑模型导入到Daysim软件，计算后可得到室内的采光系数分布，如图9所示。

图9 室内采光系数分布 (剖面)

其中，用圆圈标注的为工作区域 (设置了传感器测点)，用于判定房间是否满足照度要求，在采光不足的情况下需要由人工照明补充。

将北京地区的典型年数据导入，可以得到室内各计算点全年逐时的光照度分布，这里我们选择南侧办公室和北侧办公室的最靠近内墙处的计算点，统计其在8:00～16:00这一主要时间段的天然采光状况。

图10 全年采光照度分布 (测点4和测点7)

可以看到，由于直射日光的影响，南侧房间的照度要高于北侧房间。

表3 照明能耗情况

在上述采光分析的基础上，我们可以对办公室的照明能耗进行分析。

通过计算，不仅可给出室内的采光水平 (采光系数)，同时还可根据室内采光的动态分析结果给出全年的照明能耗情况。

5 结论及展望

本文利用北京地区的观测数据验证了 Perez模型，并提出了根据DeST提供的典型气象年数据和Perez模型，得到光照度典型年数据的方法，并给出了应用实例，对于工程实践具有重要的参考价值。

获取典型年光照度数据的关键是辐射光当量模型，在下一步研究工作中我们将利用更多地区的数据对Perez模型进行验证和完善，并对典型年照度数据的应用方法进行研究。

［1］建筑采光设计标准．GB/T 50033—2001．

［2］Christoph F．Reinhart，John Mardaljevic，Zack Rogers．Dynamic Daylight Performance Metrics for Sustainable Building Design．LEUKOS Volume 3 Issue 1(2006)．

［3］国家游泳中心室内光环境关键技术研究．第十届建筑物理年会．

［4］Eero Vartiainen．A comparison of luminous ecacy models with illuminance and irradiance measurements．Renewable Energy 20(2000)265～277．

［5］EnergyPlus:A New-Generation Building Energy Simulation Program．

［6］Christoph F．Reinhart．Tutorial on the Use of Daysim Simulations for Sustainable Design(Daysim软件教程)．

［7］清华大学DeST开发组著．建筑环境系统模拟分析方法:DeST(建筑节能技术与实践丛书)中国建筑工业出版社．

［8］清华大学建筑技术科学系著．中国建筑热环境分析专用气象数据集:中国气象局气象信息中心气象资料室，中国建筑工业出版社．

［9］林若慈，谭华，祝昌汉．昼光资源的开发与应用 ［J］．照明工程学报．1994年04期．

［10］Perez R，Ineichen PS，Seals R，Mchalsky J，Stewart R(1990)．Modeling daylight availability and irradiance components from direct and global irradiance．Solar Energy 44(5):271～289．