基于室外气象参数的办公建筑冷负荷预测研究

李瑞杰

（山东建筑大学，山东 济南 250102）

0 引言

对办公建筑而言，为了保证室内人员舒适性及工作效率，多数办公建筑配备了中央空调系统，而从建筑总体能耗来看，空调系统能耗所占据的比例也在逐渐增加[1]，可以占到建筑总能耗的40%左右，而根据研究，部分高能耗空调系统甚至可以占到建筑总耗电量的一半以上[2]。因此，通过制定更加合理的运行策略实现减少中央空调系统耗电量显得尤为重要。一般空调系统节能控制策略包括调节系统运行温度、调整系统运行时间等措施，室外气象参数往往作为重要参考依据，并且设计人员在设计建筑空调系统时，就将室外气象参数作为基础进行空调系统的设计工作。本文主要选取部分气象参数并利用相关性分析的方法，确定预测建筑冷负荷的关键气象参数。

1 建筑总体用能特点

本文研究对象为某办公建筑，其建筑面积较大，设备运行时间相对固定，室内成员较多，为了保证室内成员舒适性，不仅需要使用中央空调系统，同时照明系统、办公设备、动力系统、供热系统等也同样有着较大规模，这就导致其建筑能源消耗量很高。以下为整体而言针对大型办公建筑用能特点进行的能耗分析：

从建筑总体能耗来看，建筑物本身的照明系统、空调系统、办公设备、动力系统及其他设备能耗等，在建筑能耗中的占比也不尽合理[3]。

建筑能耗以电力消耗为主，同时还包括天然气消耗及部分车辆用油等能源的消耗。其电力消耗主要集中在供冷、通风系统、日常办公、照明系统以及建筑内其他附属用电设备（如厨房灶具用电）等，针对以上特点并结合其能耗账单对该办公建筑2017—2018 逐月用电情况进行详细分析，由于供冷季开启空调系统，办公建筑在7—9 月用电量远远高于非供冷月份，由此可见实现空调系统高效节能运行有重要意义。

2 建筑模型的建立

本文研究对象为一大型办公建筑，空调面积约31000m2，建筑共21 层（一层层高4.8m，其余楼层均为3.8m）供冷季期间室内温度设定为26℃，相对湿度设定为45%～60%。室内人员密度为办公室0.1 人/m2、会议室0.3 人/m2、过道0.02 人/m2，人均新风量30m3，电器设备功率密度及照明设备功率密度分别为15W/m2、9W/m2。工作日每天8：00—18：00 之间开启空调系统，建筑室内人员参照《公共建筑节能设计标准（GB 50189—2015）》中节能办公建筑相关要求设置，其他建筑物性参数如表1 所示。

表1 不同围护结构的传热系数

根据上述参数设置，利用Dest 软件对该办公建筑供冷季负荷（仅模拟了工作日负荷）进行动态模拟，模拟时间为5 月15日—9 月15 日，仿真模拟步长为1h，最终模拟结果如图1 所示。

3 气象参数与建筑负荷关联性

在建筑空调系统设计之初，往往采用最不利工况下的气象参数进行计算负荷计算、设备选型等，即按照设计工况，空调系统是处于满负荷状态下运行，而在实际空调系统运行时，80%以上的时间里空调系统不是满载运行。因此，及时根据室外气象参数变化调整空调系统运行控制策略，是实现空调系统节能的重要环节。本文在在田胜元等学者研究的基础上[5]，选定干球温度、相对湿度、湿球温度、室外风速作为建筑负荷预测的因变量，前文动态负荷模拟结果作为因变量。考虑到实时测量各气象参数难度较大，故本文选用了常用的典型年气象数据[4]，从中选取需要的气象参数。

考虑到建筑冷负荷与上述多个自变量有关，本文研究采用多元线性回归的方法，对比单一变量条件下的回归分析，采用多元回归分析得到的结果更加精确，也更符合模型在现实中的情况，多元线性回归数学模型如式（1）所示：

式中：α0-模型常数；α1，α2，…，αn-回归系数；ε-残差。

根据上述负荷预测的数学模型做回归分析时，各回归系数的大小反映了自变量与因变量之间相关性的大小。

图1 动态冷负荷分布

4 模拟结果及分析

由于前文所选定的各气象参数在量级上各不相同，为了减小因此带来的误差，在进行多元线性回归模拟之前对选取的各数据进行归一化处理（无量纲化），在得到各回归系数后再对数据进行还原分析。最终，利用多元线性回归分析法得到的负荷预测模型如式（2）所示：

式中：x1，x2，x3，x4分别代表干球温度、露点温度、相对湿度、室外风速。

根据上述数学模型可以看出：干球温度、露点温度对建筑冷负荷影响程度最大，这说明在制定空调系统供冷季运行策略时，应着重考虑干球温度的影响，同时也要综合考虑影响建筑冷负荷的其他气象参数。干球温度、露点温度及相对湿度与室外空气焓值紧密相关，由此，可以明确空气焓值对制定合理的空调系统供冷季运行策略来说至关重要。而所得负荷预测模型的复相关系数R 及决定系数R2分别为0.9213、0.8326。上述结果表明，通过负荷预测模型可以在一定程度上预测建筑负荷的大小，计算结果如图2 所示。

由图1、图2 冷负荷模拟及预测结果的分布情况可以看出，利用负荷预测模型所得冷负荷与动态模拟冷负荷存在一定差异，说明仅用气象参数无法精确预测建筑冷负荷变化。这主要因为建筑冷负荷在随室外气象参数变化而改变的同时，也受到建筑内热源扰动的影响，加之建筑本身存在热惰性，故存在一定偏差。本文主要目的是探究气象参数与建筑负荷的相关性，找出建筑负荷预测的关键气象参数，为空调系统运行策略的制定提供基础。

图2 预测冷负荷结果分布

5 结论

本文通过某办公建筑冷负荷动态模拟及多元线性回归分析，研究了气象参数与建筑负荷的相关性，得到以下结论：

建筑室外气象参数变化很大程度上会导致建筑冷负荷发生变化，但气象参数仅是众多影响因素中的一个，在其基础上可以大致预测建筑冷负荷，但并不能实现精确预测。

气象参数中的干球温度、露点温度及相对湿度是影响建筑冷负荷的关键因素，同时也是影响室外空气焓值的重要因素，因此，在制定供冷季空调系统运行策略时，可从空气焓值影响因素出发，灵活选取与空气焓值的有关的气象参数。