建筑能耗模擬典型年中氣象參數權重的確定

李紅蓮，楊 柳，于軍琪，侯立強，許馨尹

(西安建筑科技大學 a.信息與控制工程學院；b.建筑學院，西安 710055)

?

建筑能耗模擬典型年中氣象參數權重的確定

李紅蓮a，楊 柳b，于軍琪a，侯立強b，許馨尹a

(西安建筑科技大學 a.信息與控制工程學院；b.建筑學院，西安 710055)

在建筑能耗模擬用典型年的生成中，傳統的Finkelstein-Schafer統計方法對氣象參數賦予了固定的權重因子，但有關研究表明，由于地域間氣象資源不同，氣象參數權重因子的固化有待商榷。針對挑選典型年時氣象參數權重因子統一與否對典型年挑選結果和建筑能耗模擬準確性的影響問題，選同一建筑熱工分區中寒冷地區的代表城市北京和拉薩，分別使用FS方法和主成分法進行了典型年的挑選，并對典型公共建筑建模進行了能耗模擬分析。結果表明：FS統計方法適于表征單獨氣象參數的長期相似性，但存在對太陽輻射參數權重賦予過大的問題，適用于太陽能豐富地區；而主成分法適合尋求當地氣象資源的本質特征，使用主成分法時對氣象參數的選擇尤為重要。

典型氣象年；權重因子；寒冷地區；建筑能耗模擬

建筑在整個生命周期內高效運營，需要在設計初期進行定量的能耗模擬分析，擁有代表當地氣候特征的典型氣象年(Typical Meteorological Year，TMY)數據是其必要條件。建筑設計用TMY是指從長期(一般國際公認為30 a)中選取的一個“虛擬年”，由12個典型月(Typical Meteorological Month，TMM)組成，每個TMM是在選擇期內，最能代表當地該月氣候規律的月份，TMY能代表氣候的長期變化規律[1]。TMY生成的方法，國際上常用的是由美國Sandia國家實驗室于1978年提出的具體分析方法為Finkelstein-Schafer統計方法[2]、標準偏差方法[3-5]和主成分分析方法[6-8]。前兩種方法選取最能代表室外氣象特征的氣象參數(干球溫度、露點溫度、風速以及水平面總輻射)，依據對建筑能耗影響力的大小賦予不同的權重因子后匯總成一個參數，氣象參數權重因子的賦予如表1所示。隨著研究的深入，許多學者提出了氣象參數權重因子的選取不同導致典型年結果的差異[9]，對建筑能耗的影響雖然以干球溫度和太陽輻射為主，濕度和風速所占的比例較小，但我國地域遼闊，氣象資源分布不一，加之山地高程的影響，氣象參數權重因子的固化對典型年準確性的影響有待商榷。針對氣象參數權重因子統一與否對典型年挑選結果的影響及對建筑能耗模擬準確性的影響問題，對同屬建筑熱工分區中寒冷地區的代表城市北京和拉薩，分別使用FS統計方法和主成分法進行了相關分析。

1 研究現狀

利用主成分法選取典型氣象年，是對建筑能耗影響力較大的氣象參數利用主成分法求出特征向量作為系數得出綜合表達式，對比得出與“均值”最接近的主成分月(Typical Principal Component Month，TPCM)組成主成分年(Typical Principal Component Year，TPCY)[6]。此方法建立在不同區域氣象因子權重不統一的思想上，尋求對建筑能耗有影響的氣象參數對本地氣候特征的貢獻率。用主成分法得出的氣象參數的權重因子不再統一化，表2是幾個代表城市用主成分法得出的氣象因子的權重及主成分表達式。

表1 幾種典型氣象年挑選參數及其權重

表2 用主成分法挑選典型氣象年綜合表達式及氣象參數的權重

注：Z1、Z2、Z3、Z4和Z5分別代表標準化后的干球溫度月均值、水平面總輻射月均值、氣壓月均值、相對濕度月均值和平均風速月均值

2 研究方法

在《民用建筑熱工設計規范》(GB50176-93)中，對中國建筑熱工設計分區為嚴寒地區、寒冷地區、夏熱冬冷地區、夏熱冬暖地區和溫和地區[10]。不同氣候區化的主要依據是其所處地域的氣象條件。北京和拉薩同屬寒冷地區的建筑熱工分區，但氣象資源顯著不同。由圖1和圖2兩個地區長期(30a)逐月的太陽輻射和干球溫度的均值可見，拉薩地區較北京地區，太陽能資源豐沛，而氣溫變化幅度小。鑒于兩地區氣象資源不同，分別用FS統計方法和主成分法驗證對TMY選取結果的差異，及其對建筑能耗模擬結果的影響。

圖1 用FS統計和主成分法得出的TMM與逐年水平面太陽總輻射月均值Fig.1 The monthly mean horizontal global solar radiation of the years and TMM selected by FS statistic and principal component analysis

圖2 用FS統計和主成分法得出的TMM與逐年平均氣溫月均值Fig.2 The monthly average temperature of the years andTMM selected by FS statistics and principal component analysis

利用主成分法對于氣象參數的選擇，文獻[11]對建筑能耗有影響的氣象參數進行了偏相關分析，以平均氣溫、水平面太陽總輻射、大氣壓和相對濕度4項氣象參數為選擇依據，確定了節能分析氣象年(AnalysisofEnergyEfficiencyMeteorologyYear，AEEMY)[12]；文獻[6]對干球溫度、濕球溫度和水平面太陽總輻射進行了主成分分析，得出了哈爾濱、北京、上海、昆明和香港分別代表中國5個建筑熱工分區的城市的主成分年。該文在采用主成分法選取典型年時，為了和FS統計方法比較，加入氣象參數平均風速，利用干球溫度、氣壓、水平面太陽總輻射、相對濕度、平均風速選取主成分年即典型年。分析的原始氣象數據來自于各省、市、自治區氣候資料處理部門逐月上報的《地面氣象記錄月報表》的信息化資料，氣象數據記錄長度取1971年-2000年。對于原始數據中氣象數據質量的控制及處理依據文獻[13]中的方法。

3 典型年結果

選取寒冷地區的代表城市北京、拉薩，分別用主成分法和FS統計方法生成的典型年結果如表3所示。兩城市用FS統計方法和主成分法得出的典型月與逐年水平面太陽總輻射月均值和平均氣溫月均值比較如圖1和圖2所示。

表3 北京、拉薩用FS統計方法和主成分法得出的典型氣象年

對比逐年實際月均值，北京用FS統計方法和主成分法挑選出的典型月水平面太陽總輻射偏差率分別為2.26%和6.8%；拉薩用FS統計方法和主成分法挑選出的典型月水平面太陽總輻射偏差率分別為0.13%和0.37%；北京用FS統計方法和主成分法挑選出的典型月平均溫度偏差率分別為5.5%和5.8%；拉薩用FS統計方法和主成分法挑選出的典型月平均溫度偏差率分別為0.56%和1.27%。

用FS統計方法比主成分法得出的典型月更接近逐年實際月均值，原因在于產生TMY時，FS統計方法使用的是氣象參數的日均值，其方法在統計學原理上不僅考慮到了氣象參數的平均狀況，還考慮了對比月與長期累積分布的接近程度。主成分法使用的是氣象參數的月均值，在考察數據的細致程度上不如FS統計方法；且此方法沒有考慮日較差，日較差和平均溫度、水平面太陽輻射一樣，也是能反映一個地區的氣候狀況的重要氣象參數指標[11]。

4 建筑能耗模擬結果

氣象參數權重因子選取方法的不同生成了不同的典型年結果，為探討FS統計方法和主成分法選取的典型年對建筑能耗模擬影響的準確性，該文對典型建筑建模，并進行能耗逐時動態模擬。住宅建筑的人員組成及時間表的隨機性，常導致模擬結果不準確，而公共建筑因其固定的時間表和相對穩定的能耗需求，能耗模擬的結果相對準確[14]。因北京和拉薩同屬建筑熱工分區中的寒冷地區，建模對象選取一棟5層的辦公建筑，建模標準根據《公共建筑節能設計標準》(GB 50189-2005)[15]中寒冷地區圍護結構熱工參數規定。建筑模型北軸夾角為0°，層高3.8 m，標準層37.8 m×35.7 m，建筑物概況和設備參數指標如表4所示，圍護結構材料及熱工性能取值如表5所示。應用模擬軟件為Energy plus[16]軟件，Energy plus是由美國能源部和伯克利國家實驗室協作開發的行業內廣泛認可的建筑能耗分析軟件，對TMY能耗模擬結果的比較以1971年—2000年逐年能耗模擬的平均值為標準。

表4 模擬建筑物概況及設備參數

表5 建筑模型圍護結構材料及熱工性能取值

計算FS統計方法和主成分法選出的TMY的能耗模擬與逐年能耗模擬平均值的標準偏差如表6所示，模擬全年逐月耗電量和消耗天然氣量情況如圖3和圖4所示。結果表明：對北京地區，主成分法挑選出的典型年更接近逐年能耗模擬平均值；對拉薩地區，FS統計方法較主成分法挑選出的典型年更接近逐年能耗模擬平均值。FS統計方法中，賦予太陽輻射的權重因子達到1/2，由于我國各地氣象資源優勢不同，拉薩較北京太陽能資源豐富，與30 a逐年能耗模擬的平均值對比，FS統計方法較主成分法適合拉薩；利用氣象參數干球溫度、氣壓、水平面太陽總輻射、相對濕度、平均風速五參數選取的主成分法更適合北京。該文建模的公共建筑，全年耗電量分為照明用電和夏季空調降溫用電，兩地區典型年耗電量對比逐年耗電量均值的模擬偏差較小，建筑模型的參數設置合理；冬季采暖消耗天然氣量與逐年消耗天然氣量均值模擬偏差較大，北京用FS統計方法挑選出的TMY偏差達到33.92%，針對建筑氣候的熱工分區可更加細化，地域性的圍護結構的適當調整有助于能耗模擬的準確。

表6 北京和拉薩用兩種方法挑選的TMY對比逐年能耗模擬的偏差

圖3 北京用兩種方法生成TMY與逐年能耗模擬的對比Fig.3 The contrast of energy consumption by simulnted with TMY chosen in two methods and the years of Lhasa Beijing

圖4 拉薩用兩種方法生成TMY與逐年能耗模擬的對比Fig.4 The contrast of energy consumption by simulated with TMY chosen in two methods and the years of Lhasa

5 結語

針對生成典型氣象年時，氣象參數權重因子的統一與否對典型年的挑選和建筑能耗動態模擬結果的影響問題，挑選建筑熱工分區中寒冷地區的代表城市北京和拉薩，分別用FS統計方法和主成分法生成典型氣象年，并依照標準對典型公共建筑建模，模擬不同方法下的能耗進行比較性研究，結論如下：

1)在長期的時間段內，表征某種氣象參數的典型性時，FS統計方法具有相對優勢。

2)由于地域氣象資源優勢不同，使用FS統計方法挑選TMY，適合太陽能豐富地區，在全國范圍內使用，則存在對太陽輻射參數權重賦予過大的問題。

3)建筑熱工分區的主要依據是所在地區的溫度指標，但同一熱工分區中，由于高程、濕度、風速等地域性氣象資源不同，挑選典型年時權重不應簡單固化。利用主成分法尋求當地氣象資源的本質特征，氣象參數的選擇對典型年結果的準確性尤為重要。研究不同地域氣象參數的權重因子對建筑能耗模擬的準確性具有基礎科學意義。

[1] Marion W，Urban K，User’s manual for TMY2’s[R].National Renewable Energy Laboratory，1995.6

[2] Hall I J. Generation of typical meteorological years for 26 SOL2MET stations [C]∥Proceedings of the 1978 Annual Meeting of the American Section of the International Solar Energy Society，Denver，1978 ：669-671.

[3] 張晴原,楊洪興.中國建筑用標準氣象數據手冊[M].北京:中國建筑工業出版社，2012.

[4] Zhang Q，Joe Huang，Yang H. Development of the typical and design weather data for Asian locations [J]. Journal of Asian Architecture and Building Engineering，2002，1(2):49-55.

[5] 中國氣象局氣象信息中心氣象資料室,清華大學建筑技術科學系.中國建筑熱環境分析專用氣象數據集[M].北京:中國建筑工業出版社，2005.

[6] Liu Y，Kevin K W, Wan D H W,et al.A new method to develop typical weather years in different climates for building energy use studies [J].Energy,2011,(36):6121-6129.

[7] Lam J C，Kevin K W,Wan S L，et al. Principal component analysis and long-term building energy simulation correlation [J].Energy Conversion and Management，2010,51：135-139.

[8] Lam J C，Wan K K W，Cheung K L，et al.Principal component analysis of electricity use in office buildings [J].Energy and Buildings，2008,40：828-836.

[9] 楊洪興,呂琳,婁承芝,等.典型氣象年和典型代表年的選擇及其對建筑能耗的影響[J].暖通空調,2005,35(1):130-133.

Yang H X，Lyu L，Lou C Z，et al.Selections of typical meteorological year and example weather year and their effects on building energy consumption [J].HV & AC，2005,35(1):130-133.(in Chinese)

[10] 劉加平.建筑物理[M],北京：中國建筑工業出版社,2009.

[11] 劉大龍.區域氣候預測與建筑能耗演化規律研究[D].西安：西安建筑科技大學，2011.

[12] 劉大龍,劉加平,楊柳,等.氣候變化下建筑能耗模擬氣象數據研究[J].土木與環境工程,2012,34(2):110-114.

Liu D L，Liu J P，Yang L，et al.Analysis on Simulation meteorological data under climate change [J].Journal of Civil，Architectural & Environmental Engineering，2012,34(2):110-114.(in Chinese)

[13] 楊柳,李昌華,劉加平.典型氣象年生成方法及原始氣象數據質量分析[J].氣象科技，2006.34(5):596-599.

Yang L，Li C H，Liu J P.Generating method of typical meteorological years and quality analysis of raw meteorological data [J].Meteorological Science and Technology，2006，34(5)：596-599.(in Chinese)

[14] 劉大龍,劉加平,楊柳. 建筑能耗計算方法綜述[J].暖通空調，2013,43(1)：95-99.

Liu D L，Liu J P，Yang L.Review of building energy consumption calculation [J].HV & AC，2013,43(1)：95-99.(in Chinese)

[15] GB 50189—2005.公共建筑節能設計標準[S].北京:中國建筑工業出版社,2005

[16] Energy Plus，United States Department of Energy。Energy Plus Energy Simulation Software[EB/OL].http://www.eere.energy.gov/buildings/energyplus.

(編輯 胡 玲)

Determination of the weighing values of meteorological parameters in TMY of building energy consumption simulation

LiHongliana，YangLiub，YuJunqia，HouLiqiangb，XuXinyina

(a. School of Information and Control Engineering；b.College of Architecture, Xi’an University of Architecture and Technology, Xi’an 710055,P.R.China)

In the generation of the typical meteorological year(TMY)for building energy consumption simulation, the traditional Finkelstein-Schafer statistical method given fixed weighting factors to the meteorological parameters, but the relevant studies showed that there was debate for the curing of weighting factors of meteorological parameters due to the different regional meteorological resources. Aiming at the weighting factors of metorological parameters unity or not in selection of TMY and the impact of building energy consumption simulation, Beijing and Lhasa on behalf of the cold region in building thermal partitions, based on the methods of FS and principal component analysis(PCA)was analyzed. The results showed that the FS statistical method is suitable for the similarity characterization of meteorological parameters for a long time and suitable for the solar energy rich area, there is too much weight given to solar radiation parameters across the country; and the PCA method is suitable for the essential characteristics of the local meteorological resources, choice of meteorological parameters is particularly important when using this method.

typical meteorological year；weighting factor；cold region；building energy consumption simulation

10.11835/j.issn.1674-4764.2015.01.005

2014-07-08

陜西省重點科技創新團隊項目(2012 KCT-11)；國家自然科學基金(51108366)

李紅蓮(1980-)，女，博士生，主要從事綠色建筑技術研究，(E-mail)lihonglian_lhl@163.com。

Foundation item：Shaanxi Province Key Science & Technology Innovation Team(No.2012 KCT-11)；National Natural Science Foundation of China(No.51108366)

TU111.3

A

1674-4764(2015)01-0023-06

Received：2014-07-08

Author brief：Li honglian(1980-)，doctoral candidate,main research interest:green building technologies,(E-mail)lihonglian_lhl@163.com.