重慶城市居住建筑能耗預測模型

蒲清平，李百戰，喻偉

(重慶大學 城市建設與環境工程學院，重慶，400045)

節約能源是資源節約型社會的重要組成部分，作為占全社會商品用能1/3的建筑用能，是節能工作的重點。近年來，我國的建筑能耗隨著城市化率的提高、經濟發展、人民收入和生活水平的不斷改善而持續增長，1996—2006年，建筑總商品能耗消耗從 7.12×1015～16.50×1015kJ，增加了1.3倍，其中，2006年城鎮住宅商品能耗為 7.97×1015kJ，占建筑總能耗的44%，可見在全社會終端能耗的消耗中居住建筑能耗比例較大[1]。居住建筑能耗的高低取決于多因素，具有時變性、復雜性、隨機性、地域性等的特點。研究區域居住建筑能耗的影響因素，系統地積累居住建筑能耗的基礎數據，并建立相應能耗影響因素預測模型是制定整個行業發展戰略和規劃的基礎與前提，對于推動建筑節能具有重要的現實意義[2]。國內外對影響居住建筑能耗的影響因素主要從住戶情況、建筑物情況、家電設備擁有情況、熱環境要求等方面進行研究，而且根據特定區域通過抽樣調查展開[3-14]。然而，針對重慶城市居住建筑能耗的研究樣本較小，并不涉及全年能耗，也未建立信度較高的能耗預測模型，因此，擴大能耗樣本容量，深入了解重慶居住建筑年度能耗影響因素，通過分析和研究建立居住建筑能耗預測模型，為重慶市能源規劃和能源政策制定具有重要意義，并為居住建筑節能提供正確的方向、對節能降耗工作具有重要的現實意義。

1 研究方法

本研究以抽樣調查、客觀結合主觀問卷調查獲取研究數據，采取相關分析法建立研究模型。

1.1 數據獲取與分析處理

本研究客觀數據來源于2009年及2010年的住戶實際電力消耗得到的年能耗數據；主觀數據來源于2011年3～4月，根據重慶市住宅建筑的特點和人口分布情況從沙坪壩、九龍坡、南岸5個區中共抽取1 000戶住戶調查，最終收回有效問卷681份。主觀調查與客觀能耗逐一匹配，采用 SPSS16.0軟件進行分析處理。

主觀問卷設計從用戶信息、建筑物基本情況、生活方式、節能意識、家用電器擁有情況5個方面設計，具有較高的信度和效度。其中，用戶信息包括家庭常住人口數、年齡分布、家庭總收入。建筑物基本情況包括建筑面積、建筑年代、建筑朝向、建筑類型、居住樓層等；生活方式包括夏天常用的降溫方式、使用空調的平均時間、空調溫度設定情況、在什么情況下選擇使用空調、對室內溫度及舒適度的總體感覺、冬季常用的采暖方式、冬季采暖空調設定溫度、冬季在什么情況下使用空調采暖、對室內溫度及舒適度的總體感覺等；節能意識包括是否使用節能燈具、電器設備未使用時是否待機等；家用電器擁有情況包括電腦臺數、空調臺數、電冰箱臺數、取暖器、電熱水器、電飯鍋臺數等。

在調查過程中，由訓練有素的調查人員直接入戶發放問卷并向住戶說明問卷內容，住戶當面填寫，問卷現場回收，回收問卷統一整理分析。

1.2 相關分析

相關分析是研究現象之間是否存在某種依存關系，并對具體有依存關系的現象探討其相關方向以及相關程度，是研究隨機變量之間的相關關系的一種統計方法。

2個變量間的簡單相關分析就是研究2個變量間線性相關程度并用適當的統計指標表示出來的一種常用統計方法。相關系數是測定變量之間線性相關程度和相關方向的代表性指標，用符號Υ表示，其特點表現在：參與相關分析的2個變量是對等的，不分自變量和因變量，因此，相關系數只有1個；相關系數有正有負，正負號反映了相關關系的方向，正號反映正相關，負號反映負相關；計算相關系數的2個變量都是隨機變量。相關系數是描述2個變量之間線性相關程度的定量指標。相關系數 γxy為無量綱，其值在[-1，1]范圍內。

最常用的相關系數為皮爾遜(Pearson)相關系數，其計算公式為：

偏相關分析是指在對其他變量的影響進行控制的條件下，分析多個變量中某2個變量之間的線性相關程度，計算偏相關系數。偏相關分析也稱凈相關分析，它在控制其他變量的線性影響的條件下分析兩變量間的線性相關，所采用的參數為凈相關系數。

假定有x1，x2和x33個變量，要求剔除變量x3的影響后，變量x1和x2之間的偏相關系數，該偏相關系數記為r12,3，變量3稱為控制變量。偏相關系數記為r12,3，其計算公式為：

2 居住建筑能耗預測模型構建

2.1 影響因素的相關分析

在住宅建筑中，建筑能耗主要包括空調、照明、電器、炊事熱水等終端能耗[15]，影響因素多，通常涉及收入、建筑物情況、住戶情況、能耗設備擁有情況及生活方式和節能觀念。本調查從這5個方面入手，相應地設計了家庭年收入、建筑面積，建筑年代，居住樓層，建筑類型，常住人口等調查指標。為了分析這些變量與年能耗是否有相關性及相關程度，對各變量進行簡單相關分析。

2.1.1 簡單相關性分析

運用 SPSS16.0軟件對居住建筑年能耗與各變量相關性進行分析，結果如表1所示。由表1可以看出：盡管家電設備擁有量與年能耗相關系數不同，但是，所有家電使用量和使用強度都基本上與年能耗相關，分析結果與實際結果比較一致。同時根據顯著性水平P可知：常住人口、人均建筑面積、建筑類型、夏季空調降溫方式、制冷空調和電腦臺數總和、空調電腦電視日均使用時間和6個變量與年能耗具有顯著線性相關關系。

表1 年能耗與各變量簡單相關分析結果Table 1 Simple correlation analysis results of annual energy consumption and influencing factors

2.1.2 偏相關分析

簡單相關分析因不能控制其他變量的影響，有時不能真實準確地反映事物之間的相關關系，而偏相關分析則可以。因此，有必要通過偏相關分析對確定的年能耗簡單相關變量進行深入分析。

對年能耗與常住人口、人均建筑面積、建筑類型、夏季空調降溫方式、制冷空調和電腦臺數總和、空調電腦電視日均使用時間總和的關系進行偏相關分析，總能耗與各變量的偏相關分析結果如表2所示。

表2 年能耗與各變量的偏相關分析結果Table 2 Partial correlation analysis results of annual energy consumption and influencing factors

從表2可以看出：偏相關分析確定的與年能耗有顯著線性相關性的因素有常住人口、人均建筑面積、制冷空調和電腦臺數總和和夏季空調降溫方式。

2.2 居住建筑能耗預測模型構建

根據偏相關分析結果，選擇4個變量為影響變量建立回歸模型，即對年能耗(因變量Y)進行分析時，其影響因素為常住人口數量(X1)、人均建筑面積(X2)、制冷空調和電腦臺數總和(X3)和夏季空調降溫方式(X4，取值為1，2，3或4，取1表示“任何時間都不開空調”；取2表示“很熱的時候才開空調”，取3表示“稍感熱的時候開空調”，取4表示“進屋就開空調”)，多元線性回歸模型的具體形式為：

用逐步法回歸選擇自變量擬合回歸模型，方法如表3所示。

表4所示為各個模型非標準化的回歸系數(B)和標準誤差、標準化回歸系數、t統計量和t檢驗的顯著性水平(Sig.)。從表4可以看出：這4個模型各變量顯著性水平均小于0.100，具有統計學意義。模型4常數項為-817.445；制冷空調和電腦數量總和的偏回歸系數為87.376，標準化回歸系數為0.114；常住人口的偏回歸系數為380.434，標準化回歸系數為0.383；人均建筑面積的偏回歸系數為 30.699，標準化回歸系數為0.366；夏季空調降溫方式的偏回歸系數為 226.667，標準化回歸系數為0.128。

表3 引入或剔除的變量Table 3 Variables introduced or removed

表4 模型各系數檢驗Table 4 Tested model coefficients

圖1 因變量標準化殘差散點圖Fig.1 Scatter diagram of induced variable standardized residual

圖1所示為因變量標準化殘差散點圖。從圖1中沒有發現明顯的異常值和影響點，表明模型擬合較好。同時，為了驗證模型的擬合效果，根據模型4對樣本數據進行回代檢驗，得到各樣本年均能耗非標準化預測值，將預測值減統計量值得到預測值與實際值之差，把絕對差值小于1 004(回歸方程預測值標準差)視為符合，反之則不符合，得符合的樣本數為460個，不符合的樣品數為166個，歷史符合率為73.5%。

根據以上分析，確定最終的回歸方程為：

從以上模型可以看出：年能耗與常住人口、人均建筑面積、制冷空調和電腦臺數總和以及夏季空調降溫方式成正相關，與偏相關分析結果一致。

3 結果討論與檢驗

3.1 結果討論

從分析結果可知，家庭常住人口數，人均建筑面積，制冷空調和電腦臺數總和以及夏季空調降溫方式是影響居住建筑年能耗的主要因素，這與文獻[5, 7, 11]中的結果具有相似性。然而，對于收入變量，分析顯示與年能耗不具有顯著線性相關性，這與文獻[3, 4, 8]中的結果不一致。其可能的原因是：隨著人們居住條件的改善，很多原來只有高收入人群才能擁有的生活設施現在已經進入普通老百姓家庭；此外，重慶城市居民收入水平差距不是特別大，這在調查結果頻數分析中也得到體現，高收入和低收入家庭所占比例比較低，約為10%。

3.2 結果檢驗

通過歷史能耗的實際消費數與模型擬合數的比較可以進一步檢驗模型的代表性。由于能耗統計開始于2008年，所以，比較的歷史時期只能選擇2008～2010年。通過重慶統計年鑒可以獲取2008～2009年重慶城市(主城 9區)戶均常住人口、人均房屋建筑面積和制冷空調和電腦臺數；同時，根據調查數據可知住戶夏季空調降溫方式，將這些數據代入模型可得這2年居住能耗擬合值，然后與統計能耗數據進行比較，從而對模型擬合效果進行判斷。

從《重慶統計年鑒2010》可以獲取2008年和2009年的模型變量戶均常住人口、人均房屋建筑面積和制冷空調和電腦臺數總和。對于夏季空調降溫方式，根據調查結果，住戶基本上都選擇很熱的時候才開空調或者稍感熱的時候開空調，因此，對2008年和2009年的夏季空調降溫方式這2個變量分別取值2和3。同時，根據城市居住總戶數，可以得到年能耗模型擬合數據，通過與實際能耗比較，得到模型符合度，如表5所示[16]。

表5 2008～2010年重慶城市居住建筑能耗比較Table 5 Comparison results between predicted values and actual values(Chongqing urban residential building energy consumption, 2008—2010)

從表5可以看出：模型擬合數據與實際統計數據符合度為95%左右，表明模型具有較好代表性，與實際能源消費結果較符合，模型具有實際應用價值。

4 結論與建議

(1) 通過大量調研得出了重慶市居住建筑的能耗，并通過相關性分析得出了影響居住建筑年能耗的主要因素，包括家庭常住人口數，人均建筑面積，制冷空調和電腦臺數總和以及夏季空調降溫方式，為確定年能耗影響模型奠定了基礎。

(2) 根據多元回歸分析理論設計了影響重慶市居住建筑能耗的多元回歸模型，并通過統計檢驗確立最終模型；最后利用2008～2009年我市城市實際居住建筑能耗數據對模型擬合效果進行檢驗，模型擬合較好，說明該模型具有一定的實際應用價值。

(3) 所提出的居住建筑能耗模型能反映實際發展趨勢，可用于輔助制訂重慶市居住建筑節能措施和標準，正確引導和組織重慶市居住建筑行業，優化重慶市居住建筑結構，并據重慶市居住建筑能耗的預測，對重慶市能源合理規劃、居住建筑節能政策的制定提供重要參考依據。

[1]江億, 林波榮, 曾劍龍, 等. 住宅節能[M]. 中國建筑工業出版社, 2006: 3-8.JIANG Yi, LIN Bo-rong, ZENG Jian-long, et al. Energy efficiency in residential buildings[M]. Beijing: China Architecture & Building Press, 2006: 3-8.

[2]LI Bai-zhan. Sustainable response to the urbanisation in China[J].Journal of Central South University of Technology, 2007, 14(S3):1-7.

[3]Haas R, Biermayr P, Zoechling O, et al. Impacts on electricity consumption of household appliances in Austria: A comparison of time series and cross-section analyses[J]. Energy Policy, 1998,26(13): 1031-1040.

[4]Papakostas K T, Sotiropoulos B A. Occupational and energy behaviour patterns in Greek residences[J]. Energy and Buildings,1997, 26(2): 207-213.

[5]Tuan N A, Lefevre T. Analysis of household energy demand in Vietnam[J]. Energy Policy, 1996, 24(12): 1089-1099.

[6]清華大學建筑節能研究中心. 中國建筑節能年度發展研究報告2009[M]. 北京: 中國建筑工業出版社, 2009: 1-10.Building Energy Research Centre of Tsinghua University.Annual report of 2009 on China building energy efficiency[M].Beijing: China Architecture & Building Press, 2009: 1-10.

[7]王怡, 劉加平. 西安住宅環境現狀調查及空調設備使用情況分析[J]. 暖通空調, 2005, 35(12): 44-46.WANG Yi, LIU Jia-ping. Investigation on residential building indoor environment in Xi’an and usage of air conditioners[J].HVAC, 2005, 35(12): 44-46.

[8]李念平, 關軍, 潘尤貴, 等. 長沙市住宅建筑夏季能源使用結構的調查與分析[J]. 暖通空調, 2004, 34(5): 14-17.LI Nian-ping, GUAN Jun, PAN You-gui, et al. Investigation andanalysis on summer energy structure of residential buildings in Changsha[J]. HVAC, 2004, 34(5): 14-17.

[9]趙輝, 呂忠, 錢渝. 重慶地區典型居住建筑建造能耗分析[J].重慶建筑, 2010, 9(8): 5-7.ZHAO Hui, Lü Zhon, QIAN Yu. Analysis of construction energy consumption for residential buildings in Chongqing[J].Chongqing Architecture, 2010, 9(8): 5-7.

[10]符佩佩. 長江流域農村建筑能耗調查及節能對策研究[D]. 重慶: 重慶大學城市建設與環境工程學院, 2008: 8-9.FU Pei-pei. Study of rural building energy consumption survey and energy-saving strategies in Yangtze valley[D]. Chongqing:Chongqing University. Faculty of Urban Construction and Environmental Engineering, 2008: 8-9.

[11]陳淑琴. 基于統計學理論的城市住宅建筑能耗特征分析與節能評價[D]. 長沙: 湖南大學土木工程學院, 2008: 13-15.CHEN Shu-qing. Analyses on energy consumption characteristics and energy conservation evaluation of urban residential building based on the statistical methodologies[D].Changsha: Hunan University. College of Civil Engineering, 2008:13-15.

[12]謝艷群. 長沙市住宅能耗調查實測及其影響因素的統計分析研究[D]. 長沙: 湖南大學土木工程學院, 2007: 2-3.XIE Yan-qun. Investigation of energy consumption and statistical analysis survey of its influencing factors of residential building in Changsha city[D]. Changsha: Hunan University.College of Civil Engineering, 2007: 2-3.

[13]Hui S C M. A randomized approach of multiple regression analysis of building energy simulation[C]//Proceedings of the IBPSA Building Simulation 97 Conference. Prague, Czech Republic, 1997: 103-110.

[14]Sari R, Soytas U. The growth of income and energy consumption in six developing countries[J]. Energy Policy, 2007(35):889-898.

[15]Sinor R, Westphal F S, Lamberts R. Regression analysis of electric energy consumption and architectural variables of conditioned commercial buildings in 14 Brazilian cities[C]//Seventh International IBPSA Conference. Rio de Janeiro, Brazil, 2011: 1373-1379.

[16]重慶市統計局. 重慶統計年鑒2010[M]. 北京: 中國統計出版社, 2010: 146, 153, 479.Statistics Bureau of Chongqing. A statistics almanac of Chongqing in 2010[M.]Beijing: China Statistics Press, 2010:146, 153, 479.