建筑能耗模拟用典型气象年产生方法的研究

李红莲，杨 柳，刘大龙，林宇凡，郑武幸

（1. 西安建筑科技大学信息与控制工程学院，陕西 西安 710055；2. 西安建筑科技大学建筑学院，陕西 西安 710055；3. 西安建筑科技大学土木工程学院，陕西 西安 710055）

提出切实可行的手段令建筑在整个生命周期高效运营，需要在建筑的设计阶段就要进行定量的分析．拥有代表建筑物所在地区气候特点的气象数据是分析的先决条件，需要直接影响室内热状况的太阳辐射及室外温湿度等的逐时数据．

建筑能耗模拟用逐时气象数据的研究始于 20世纪70年代，1971年，日本空调和卫生工学会组成了“标准气象年数据委员会”，提出了标准气象年模式；1976年，美国国家气象中心提出了参考年TRY(Test Reference Year)数据；1970～1983年，ASHRAE研究出了能量年WYEC(Weather Year for Energy Calculation)数据，并于上世纪90年代更新，由NREL完成了WYEC2；1981年，美国气象数据中心 NCDC和 Sandia国家实验室提出了典型年TMY(Typical Meteorological Year)数据，TMY模型是通过数学统计方法在长期的历史观测资料中先选出典型月TMM(Typical Meteorological Month)，然后由 12个 TMM（真实月）构成典型年．TMY模型得到的是一个虚拟气象年，它使组成TMY的每个月都具备代表当地气候的典型性而不是极端气候，是最能代表当地全年气候的气象数据．

20世纪 90年代由美国国家可再生能源实验室分析研究组(National Renewable Energy Laboratory’s Analytic Studies Division)资源评估项目开发了TMY2，TMY2在某种程度上可以认为是TMY的升级，其原始气象数据取自1961～1990年，包括了美国239个城市[1]．日本的标准气象数据是日本建筑物热模拟必不可少的工具，主要用于空调负荷的计算；TRY是从历史观测数据中挑选出来的不含极值的比较温和的实际年，由于其逐时气象参数中不包括太阳辐射数据，用它分析的到的环境参数和模拟结果与实际情况存在较大的误差，在众多的建筑能耗模拟气象数据中，多数热环境模拟软件使用TMY2．

合理的挑选典型气象年和对建筑能耗模拟用逐时气象数据的适宜处理，及其对未来典型气象年的生成方法的合理选择，是在建筑设计阶段及其整个生命周期内高效运行都具有重大意义的基础性工作．

1 建筑能耗模拟用典型年的研究现状

近年来，欧美及日本各国相继建立了有实测数据加工而成的气象数据库使建筑热环境模拟技术进入成熟阶段．美国的DOE-2开发商、太阳和风能资源评估中心及暖通空调工程师协会陆续提供了中国主要省会城市及部分城市的建筑能耗模拟计算用典型年数据如TMY2、SWERA和IWEC等．我国在此方面起步较晚，国家相关机构或大学研究者开发中国典型气象年始于 90年代．郎四维首先开发了北京、上海两地的逐时气象数据，并于 2002年研究建立了我国 26个城市的逐时气象资料[2]；2004年，张晴原先生和Joe Huang开发了我国57个主要城市的标准气象数据库[3-4]；2005年，清华大学建立了包括全国270个站点的建筑热环境分析专用气象数据集[5]，2007年，西安建筑科技大学与香港城市大学合作的重大国际合作项目《建筑节能的基础科学问题研究》对我国建筑节能用气象资料进行了专项开发与研究，完成了我国194个城市的典型气象年数据建设工作[6]．国内外的研究都或多或少的完成了我国部分城市的典型气象年，为建筑能耗的逐时模拟以及室内热舒适性的评测等方面提供了坚实的研究平台和基础．

1.1 典型年的气象数据来源

原始气象数据的全面性和准确性决定了其最终开发的典型气象年的可信度，而获取某个地区的代表气象特征，拥有长期的第一手气象资料是其必要条件．世界气象组织认为, 三十年的资料长度能够反映出当地相对稳定的气候特征．表1是目前国内外机构开发的建筑能耗模拟用典型气象年，其分析的原始气象数据来源和时间长度不同．

表1 几种典型气象年数据来源Tab.1 The sources of several typical meteorological year data

1.2 产生典型年的气象要素及权重因子

在挑选中国典型年 CTYW 和中国标准年CSWD时，是根据一定的基准挑选出“平均月”（或“标准月”）；挑选中国典型气象年 CNTMY 时，使用的是国际上公认的产生典型年的方法：美国Sandia国家实验室提出的经验分布函数(Finkelstein-Schafer统计)方法[7]，其是选取最能代表室外气象特征的四个气象参数（干球温度、露点温度、风速以及水平面总辐射），依据其对建筑能耗影响力的大小对其赋予了不同的权重因子然后汇总成一个参数．

在挑选典型月时，TMY模型将辐射数据作为挑选的最主要因素，因为其设计开发的初衷是为了建筑物的太阳能利用，对太阳辐射赋予了较大的权重，占到所有气象因子权重的 1/2，其它气象参数的权重选取如表2所示．

表2 几种典型气象年挑选参数及其权重Tab.2 Several typical meteorological year selecting parameters and their weights

1.3 典型年的产生方法

(1) Sandia国家实验室法[7]

FS统计方法(Sandia方法)又称经验法，通过对比所选月份的逐年累积分布函数与长期累积分布函数的接近程度来确定，按表2中选取气象要素和加权因子，并计算FS数据的加权总值最小．FS数据的加权总值计算方式如式(1) ～ (3)所示：

式中：F Sx（y, m ）为第x个气象参数值域在 xi范围的FS（y,m）统计值；y为研究对象年；m为研究对象年中的月份； C DFy,m（xi）为第x个气象参数值域在xi范围的 C D F值；C D Fm（xi）为对于月份m，第x个气象参数长期统计值域在 xi范围的CDF值；N为参数值选取个数，取决于参数的始点值、终点值和步距；M为逐日气象参数选取的个数；WS（y,m）为y年m月的平均加权和；WFx为第x个气象参数的加权因子，见表2．

对于Sandia方法，后续有学者提出改进，Pissimanis提出了一个更简单的均方根公式[8]，Joseph C. Lam加入了永久性和连续天数结构的估定方法[9]，均对此方法做出了一定贡献．

(2) Danish 法[10]

Danish法是由Andersen和Lund提出，利用方差越小，点的离散程度越小，也就越接近平均值的特性来选取典型月，共分为三个步骤来选择出TMY中所需要的月份：

步骤1 选取参数日平均气温，根据式（4）计算其日残差

步骤 2 根据式（5）和式（6）计算标准化平均绝对值和规范方差式中：μY（y,m）为Y（y, m ,d）的月平均值； μμY（y ）为Y（y, m ,d）的年平均；σY（ y, m ）和 σσY（y ）为其相应的方差； σσY（y ） -σY（y, m）的方差．

步骤 3 根据上述标准化的平均绝对值和规范方差，应用式（7）确定典型月，按升序排列，前3个值被选定为候选月．

fmax（y,m ） = m ax ｛ fμ（y, m , j ） , fσ（y, m , j ） 1≤ j ≤3 ｝ (7)

从选择程序的步骤2、3得出的三个备选月份中在步骤1中得分最高的月份可作为TMY的选项．

(3) Festa-Ratto法[11]

该方法是Danish法的改进，由Festa和Ratto提出，对数据处理有更复杂的要求，月份的选择是根据选定气象参数变量x短期值与长期值的偏差值来确定的，因为其会影响模拟系统的性能．Festa-Ratto法保证了所选月份具有代表性，表征了有效气象参数的变化，适用于所有气象参数的公平选择[12]．

(4) 主成分法

主成分法原理上认为建筑是地域性的，节能的建筑首先要适应当地的气候[13]．不同地域的气候资源相差悬殊，相关研究认为，做建筑能耗分析时气象参数的选取及其权重应也有所不同[14-15]．而目前在典型气象年的挑选中，对选取的气象参数统一赋予相同的加权因子，导致不同地域可利用气象资源的特性没有区分开．2011年相关文献[16-18]提到了新的TMY生成方法—主成分分析年TPCY（Typical principal component year），对建筑能耗有直接影响的三个气象参数：干球温度 DBT(dry-bulb temperature，℃)、湿球温度 WBT(wet-bulb temperature，℃)和水平面太阳总辐射 GSR(global solar radiation，MJ/m2)，利用主成分分析方法，寻求三个参数对气候特征的贡献率，把特征向量作为系数得出综合表达式，对比得出与“均值”最接近的 TPCM(typical principal component month)组成TPCY．

2 建筑能耗动态模拟逐时气象数据的产生方法

建筑能耗模拟有稳态和动态两种方法．长期以来，由于缺少公认的模拟手段和完善的气象资料，一直采用选取室外平均计算温度的稳态模拟方法．近年来随着建筑气候资料的统计整编理论和方法的科学化以及计算机模拟分析技术的发展，建筑节能的动态模拟方法已成为建筑节能研究与实践的核心技术和重要工具．国际上通用的几种模拟建筑能耗的软件，如DOE2、HASP/ACLD、DESIGNBUIDER等，都需要输入代表当地室外气候特征的典型气象年TMY(Typical Meteorological Year)数据——8 760 h的逐时室外气象参数．

但是长期的逐时数据不易取得，目前公开发布并可用于建筑能耗分析的一般是四次定时气象参数，太阳辐射参数则是日总辐射．因此，在典型气象年数据的生成过程中，还需要对各基本气象参数进行逐时化．对地面气象参数逐时化的方法为插值计算，对太阳辐射数据的逐时化则采用统计计算模型方法．

郎四维在研究建立我国 26 个城市的典型气象年逐时气象资料时，在逐时数据的插补步骤中，将昼夜的气象数据分别采用傅立叶级数和回归方程来求得，使逐时数据的误差减小[2]；张晴原等人在逐时数据的插补步骤中，也分为昼夜两种方程来进行，白天数据的插补采用了与郎四维相同的傅立叶级数，即“单波傅立叶级数”；但是夜晚数据的插补采用了二次调和的“双波傅立叶级数”．

判断插值方法是否合理，比较公认的是考察插值与实测值的偏离情况，插值数据与实测数据的偏离越小，表明插值与实测值吻合度越好．对于有周期性变化的量如干球温度、露点温度、平均大气压等物理量，在具有收敛性与稳定性的插值函数中，最常用的是样条插值函数，其中三次样条插值函数由于其具有二阶连续导数，插值效果理想；逐时相对湿度的生成方法，文献[19]对其进行了几种方法的对比性研究，得出对含湿量进行线性插值得到逐时含湿量，然后根据含湿量与相对湿度的关联性计算生成逐时相对湿度的方法，是比较可行的．

太阳辐射的观测数据更少，全国只有100个左右的台站，而且只有日总辐射资料是比较全面的．国内外对辐射逐时化模型的研究已经相对成熟，现阶段应用的模型主要有半正弦模型、比例模型、傅里叶级数模型，Collores-Perein模型和Rabl模型（简称C.P.R模型）[20]等．对于能耗模拟软件例如Energyplus[21]还需要直射辐射、散射辐射等的逐时数据，对于太阳辐射的直散分离，目前较多采用Liu and Jordan 模型[22]．

3 气候变化下典型年的产生方法

自工业革命以来，全球温室气体（GHG）排放持续增加，尤其在近三十年中增加了70%，而源自建筑物的直接排放增长了26%[23]．经济高速发展的二十年，对气候变化规律已经产生了而且还将会继续产生影响，研发气候变化下典型气象年逐时数据的产生方法并进行定量的建筑能耗模拟已逐渐成为国内外学者的研究重点．未来气象数据的产生方法，大致可以分为四种：度日法，补偿法、随机气象模型法及全球气候模型法[24]．

度日法本质上是一种稳态的方法，优点是快速且简单，缺点是用历史数据来预测未来气象特征，虽然能够量化气候变化对建筑能耗的影响大小，但是单纯依靠干球温度来衡量建筑能耗的变化过于片面．

随机气象模型法是由Paassen和Lou等[25]提出的，只需要输入很小的气候变化，模型即可人为的生成气象数据，缺点是由于其是随机的，其产生必须是建立在大量详实的历史气象数据上，而且这种方法的准确性有待商榷．

全球气象模型法是由气象学者提出的一种更为复杂和基础的气候变化模型[26]．它是基于大气环流与陆地、海洋和冰圈之间的能量传递机制建立地球气候模式GCM（the general circulation model），由于这种模式分辨率水平较低，对地区域气候的模拟存在局限性和不确定性[27]．

补偿法是目前国外研究中应用广泛的方法，它是由 2005年Belcher提出的“Morphing”[28]方法，其包含三个计算步骤：位移，线性伸缩和位移与伸缩．其借鉴气候模拟研究技术，预测得到未来的气象参数，然后通过成熟的动态模拟方法，通过对比新旧气候条件下的建筑能耗，来寻找其能耗的变化规律和变化尺度．2008年，Mark F Jentsch使用HadRM3大气环流模式，预测了较高温室气体排放SRES A2 情景下 2050’s（2041－2070）年间的气象数据并使用“Data Morphing”方法由月均值得到逐时值，并制作成了EPW模拟格式[29]．

4 结语

本文梳理了建筑能耗模拟用典型气象年的产生背景，对比了典型气象年的挑选方法，并对建筑能耗动态模拟用逐时气象数据的处理方法和未来典型气象年产生的方法进行了探讨．典型年代表该地不热不冷的一年，有关典型年的气象数据处理是在建筑设计阶段和影响建筑整个生命周期内高效节能运营的基础工作．

References

[1] MARION W, URBAN K. User’s manual for TMY2s:Typical meteorological years. National Renewable Energy Laboratories[R]. SANd887 2379, Albuquerque, 1995.

[2] 郎四维. 建筑能耗分析逐时气象资料的开发研究[J].暖通空调, 2002, 32(4): 1-5.LANG Siwei. Research and development of weather data for building energy analyses[J]. HVAC, 2002, 32(4): 1-5.

[3] 张晴原, 杨洪兴. 建筑用标准气象数据手册[M]. 北京:中国建筑工业出版社, 2012.ZHANG Qingyuan, YANG Hongxing. Typical Meteorological Database Handbook for Buildings[M]. Beijing:China Building Industry Press, 2012.

[4] ZHANG Qingyuan, Joe Huang, YANG Liu. Development of the typical and design weather data for Asian locations.[J]. Asian Architecture and Building Engineering,2002, 1(2): 49-55.

[5] 中国气象局气象信息中心气象资料室, 清华大学建筑技术科学系. 中国建筑热环境分析专用气象数据集[M]. 北京: 中国建筑工业出版社, 2005.Meteorological reference room of Meteorological Information Center of China Meteorological Administration,Department of Building Technology of Tsinghua University. Building thermal environment analysis dedicated meteorological data set of China[M]. Beijing: China Building Industry Press, 2005.

[6] 刘加平, JOSEPH C L, 杨柳, 等. 建筑节能设计的基础科学问题研究报告[R]. 西安: 西安建筑科技大学, 2007.LIU Jiaping, JOSEPH C L, YANG Liu, et al. The report of basic scientific issues of building energy efficiency design[R]. Xi′an: Xi′an University of Architecture and Technology, 2007.

[7] HALL I, PRAIRIE R, ANDERSON H, et al. Generation of Typical Meteorological Years for26 SOLMET Stations[R]. SAND78-1601, Albuquerque, 1978.

[8] PISSIMANIS D, KARRAS G, NOTARIDOU V, et al.The generation of a typical meteorological year for the city of Athens[J]. Solar Energy, 1988, 40(5): 405–411.

[9] JOSEPH C L, SAM C M H, APPLE L S C. A statistical approach to the development of a typical meteorological year for Hong Kong[J]. Architectural Science Review,1996, 39(4): 201-209.

[10] LUND H. The design reference year user’s manual.Thermal Insulation Laboratory[R]. Technical University of Denmark, Report 274, 1995.

[11] FESTA R, RATTO C F. Proposal of a numerical procedure to select reference years[J]. Solar Energy, 1993,50(1): 9–17.

[12] KAMAL S. Comparison of methodologies for TMY generation using 10 years data for Damascus, Syria[J]. Energy Conversion and Management, 2007, 48(7): 2090–2102.

[13] 杨柳. 建筑气候学[M]. 北京: 中国建筑工业出版社,2010.YANG Liu. Bioclimatic Architecture[M]. Beijing: China Building Industry Press, 2010.

[14] 杨洪兴, 吕琳, 娄承芝, 等. 典型气象年和典型代表年的选择及其对建筑能耗的影响[J]. 暖通空调, 2005,35(1): 130-133.YANG Hongxing, LÜ Lin, LOU Chengzhi, et al. Selections of typical meteorological year and example weather year and their effects on building energy consumption[J].HVAC, 2005, 35(1): 130-133.

[15] YANG Hongxing, LŰ Lin. The development and comparisons of typical meteorological years for building energy simulation and renewable energy applications[J].ASHRAE Trans, 2004, 110(2): 424-431.

[16] YANG Liu, KEVIN K W W, DANNY H W L, et al. A new method to develop typical weather years in different climates for building energy use studies[J]. Energy,2011(36): 6121-6129.

[17] 刘大龙. 区域气候预测与建筑能耗演化规律研究[D].西安: 西安建筑科技大学, 2011.LIU Dalong. The prediction of regional climate and the research of building energy evolution[D]. Xi′an: Xi′an University of Architecture and Technology, 2011.

[18] 刘大龙, 刘加平, 杨柳, 等. 气候变化下建筑能耗模拟气象数据研究[J]. 土木建筑与环境工程, 2012, 34(2):110-114.LIU Dalong, LIU Jiaping, YANG Liu, et al. Building energy simulation study of meteorological data under the Climate Change[J]. Civil Architectural and Environmental Engineering, 2012, 34(2): 110-114.

[19] 高庆龙, 杨柳, 刘大龙, 等. 建筑热环境模拟分析用逐时相对湿度生成方法[J]. 四川建筑科学研究, 2007,33(6): 203-207.GAO Qinglong, YANG Liu, LIU Dalong, et al. The method of getting hourly relative humidity for building thermal condition simulation[J]. Sichuan Building Science, 2007, 33(6): 203-207.

[20] 江亿. 用于空调负荷计算的随机气象模型[D]. 北京:清华大学, 1980.JIANH Yi. The stochastic weather data model for the heat gain calculation of air-conditioning system[D]. Beijing:Tsinghua University, 1980.

[21] United States Department of Energy. EnergyPlus Energy Simulation Software[CP/OL]. http: //www. eere. energy.gov/buildings/energyplus.

[22] LIU B Y H, JORDAN R B. The Interrelationship and Characteristic Distribution of Direct, Defuse and Total Solar Radiation[J]. Solar Energy, 1960, 4(3): 1-19.

[23] IPCC, Climate Change 2007: The Physical Science Basis.Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[M]. Cambridge, UK; New York, USA: Cambridge University Press, 2007.

[24] GUAN Lisa. Preparation of future weather data to study the impact of climate change on buildings[J]. Building and Environment, 2009, 44(4): 793-800.

[25] VAN A H C, LUO Q X. Weather data generator to study climate change on buildings[J]. Building Services Engineering Research and Technology, 2002(23): 251–258.

[26] DICKINSON R E. The climate system and modeling of future climate[M]//BOLIN B, DOOS B R, JAGER J,WARRICK R A. The greenhouse effect, climatic change and ecosystems. Chichester, UK: John Wiley & Sons;1986.

[27] 朱明亚, 潘毅群, 华沙晶, 等. 气候变化条件下中国典型城市未来天气参数与建筑能源需求预测[J]. 建筑节能, 2013, 41(3): 57-64.ZHU Mingya, PAN Yiqun, HUA Shajing, et al. Prediction of future Weather data and building energy demand for representative cities in China under climate change[J].Building Energy Efficiency, 2013, 41(3): 57-64.

[28] BELCHER S E, HACKER J N, POWELL D S. Constructing design weather data for future climates[J].Building Services Engineering Research and Technology,2005, 26(1): 49-61.

[29] JENTSCH Mark F, BAHAJ Abubakr S, JAMES Patrick A B. Climate change future proofing of buildings: Generation and assessment of building simulation weather files[J]. Energy and Buildings, 2008, 40(12): 2148-2168.