大數據監測平臺下的長江流域典型城市房間空調器溫度設置分析

劉猛，晏璐，李金波，徐振坤，杜順開

(1.重慶大學 土木工程學院，重慶 400044；2.廣東美的制冷設備有限公司，廣東 佛山 528311；3.西安交通大學 能源與動力工程學院，西安 710049；4.武漢大學 動力與機械學院，武漢 430072)

長江流域地處夏熱冬冷地區，夏季炎熱，冬季陰冷，室內熱環境惡劣。房間空調器是改善室內熱環境的重要措施，根據中國統計局的統計年鑒數據，截止到2017年[1]，中國長江流域地區城鎮居民每戶空調擁有量均已高于1臺，其中，上海、浙江、江蘇、重慶已超過2臺或接近2臺，所以，迫切需要對房間空調器的使用進行深入研究。

此前，針對住宅房間空調器的使用已經存在一定的研究，首先，有眾多學者采用抄表拆分法、實測記錄法等方法對中國各地住宅房間空調器的能耗情況做了大量調查分析[2-5]，得到了住宅分體式房間空調器的平均能耗水平低，但住戶間能耗差異大，住戶的空調行為對空調器能耗水平存在較大影響等主要結論。另外，在用戶的空調行為方面，主要有以下三方面的研究：從環境因素出發，采用現場實測、問卷調查等方法對室內外環境對空調開啟與關閉行為的影響進行分析[6-10]；從房間空調器的運行作息出發，采用現場實測，對空調器的開啟、關閉與運行時間進行分析[3,11-12]；通過問卷調查或現場實測的方式對房間空調器的設置溫度習慣進行分析[13-15]。上述研究總結如表1所示。

表1 文獻總結表Table 1 Summary of literatures

通過總結前述研究發現，現有的研究主要通過入戶問卷調查、現場實測、抄表等主、客觀方法對典型樣本進行研究，主要研究內容是針對空調器的能耗調查[2-5]，若需要研究用戶的空調行為，主要包括空調的開關機行為[6-10]、運行作息[3,11-12]、設置溫度[13-15]等，現有的數據獲取方式就存在一定的局限性，包括樣本量的局限、數據維度的局限、無法在完全不干擾用戶的情況下實現對用戶空調使用行為的獲取等，這對空調行為的研究結果難免存在影響。而近年來，以互聯網金融為代表的大數據時代的到來，使更加客觀、更大區域、更多樣本、更高效率、更全方位的數據監測與獲取成為了可能。中國的空調制造商已經可以通過內置于空調器內的傳感器在線獲取空調器的遙控面板設置參數以及相關空調運行參數，實現了在完全客觀、沒有任何干擾下對空調用戶行為參數的獲取。徐振坤[16]在前期已經基于房間空調器的大數據云平臺對長江流域地區空調器的重點運行參數進行了基礎分析，該分析主要針對房間空調器運行時的環境參數和能耗情況。本研究同樣基于房間空調器大數據云平臺中的空調器監測參數，在前述研究的基礎上進一步深入挖掘，著眼于空調器的用戶行為特征，針對長江流域地區的3個典型城市(重慶、武漢、上海)房間空調器的設置溫度特點進行詳細分析。

1 數據來源及數據處理方法

研究數據來源于某企業房間空調器的大數據監測平臺，該數據監測平臺通過wifi聯網上傳房間空調器的設定參數、環境監測參數、設備運行參數等房間空調器監測參數。

圖1 數據處理流程圖Fig.1 Data processing flow

研究中選取2016年7—8月份、2016年12月—2017年2月份分別為夏季、冬季的研究周期，利用隨機抽樣選取重慶地區575臺房間空調器，武漢地區430臺房間空調器、上海地區540臺空調器，對它們在大數據監測平臺中的原始監測參數按照一定邏輯進行處理(數據處理思路如圖1所示)，最終得到夏季上萬次運行數據、冬季上千次的運行數據，并對它們進行分析。

文中所涉及到的相關統計量及其符號的具體含義見表2。

表2 統計量及符號含義匯總表Table 2 Summary of statistics and symbol meanings

2 設置溫度整體分布

圖2 各城市設置溫度的使用占比圖Fig.2 Ratio of use of set temperature in each

圖2反映了夏季與冬季3個城市加權平均設定溫度的使用占比分布情況，在夏季，3個城市的設定溫度分布都集中在25～28 ℃，但上海地區設定溫度的整體水平略高于重慶、武漢，重慶和武漢在最低設定溫度17 ℃都有一定的使用比例，而上海則可以忽略不計。在冬季，26 ℃和30 ℃是選擇最多的兩個設置溫度，重慶在30 ℃的使用比例超過了26 ℃，且在30 ℃的使用比例遠大于武漢和上海，上海的設定溫度略低于武漢、明顯低于重慶，其中，上海設置溫度超過26 ℃的比例為29%，而武漢和重慶則分別達到為34%和57%。

該結果說明，重慶、武漢、上海雖然都處于長江流域地區，但不同城市在對室內溫度的需求上卻存在差異：夏季，長江下游地區的上海空調用戶相比于重慶和武漢，偏好相對更高的室內設置溫度；冬季，長江上游地區的重慶空調用戶相比于武漢和上海，偏好更高的室內設置溫度。3個城市之間，在冬夏出現明顯差異的地區分別是上游的重慶(冬季)與下游的上海(夏季)，而處于中游的武漢所表現出來的行為特點相對中性，同時，往年氣象參數表明，重慶在冬季的室外氣象溫度高于武漢和上海，上海在夏季的室外氣象溫度低于武漢和重慶，所以，不同地區的居民對室內熱環境需求的差異可能與長江流域不同地區的氣候特征以及人員的氣候適應性存在關聯。

3 設置溫度調節需求

3.1 設置溫度使用個數

由圖3可知：夏季，重慶和武漢的空調用戶在每次運行時使用的設置溫度個數主要集中在1～3個，而上海的設置溫度個數主要集中在1～2個；冬季，武漢和上海的空調用戶每次運行時使用的設置溫度個數集中在1～2個，而重慶則集中在1個設置溫度上。該結果說明，空調用戶在冬季的調溫需求弱于夏季，同時，夏季上海的調溫需求弱于重慶和武漢，冬季重慶的調溫需求弱于武漢和上海。

圖3 各城市單次運行時設置溫度的使用個數分布Fig.3 Distribution of the number of used temperatures in a single operation in each

該結果表明，空調用戶每次使用中會存在使用超過1個設定溫度的情況，在一次使用過程中會使用2個甚至3個設置溫度，這說明使用人員存在對設定溫度的調節需求，可能在不同狀態下對室內溫度的需求存在差異，例如，當人處于一個動態的熱環境時：人從一個相對較熱的室外環境剛進入到室內環境時，希望室內溫度能夠下降的更快一些，于是可能在空調剛開始運行時會設置更低的溫度，但隨著空調的運行，人對室內降溫的需求有所下降，可能就會調高設定溫度；當人在室內從事不同的活動時：比如人在睡覺和人在清醒狀態下可能對室內熱環境的需求不同，從而產生設定溫度的調節。或者當室內空間存在多個人時，由于不同的人對室內溫度的需求存在差異，同樣會存在設定溫度的調節。

3.2 調溫需求

上述研究結果已經表明，空調用戶無論是在冬夏，對設定溫度都存在一定的調節行為，所以，下面的內容將重點討論用戶的調溫細節。

1)夏季 將夏季空調單次運行過程中最低設置溫度Ts,min分別在17～30 ℃時，該次運行的設置溫度的傾向值的分布表現在圖4中，可以發現，當Ts,min處于不同區間時，用戶對設置溫度的需求差異表現明顯：當Ts,min<26 ℃時，用戶的Ts,q≠Ts,min的概率明顯大于Ts,min≥26 ℃時，該現象說明，當Ts,min<26 ℃時，用戶的調節行為整體上比Ts,min≥26 ℃時更強。表3匯總了圖4中所表現的重要信息。

圖4 夏季單次運行時最低設置溫度分別為17～30 ℃時該次運行的設置溫度傾向值分布Fig.4 Distribution of the set temperature propensity value of the operation when the minimum set temperature in the single operation in summer is 17～30

表3 常見Ts,q與Ts,min的關系表Table 3 Relationship between common Ts,q and Ts,min

從上述結果可以推斷出，26 ℃作為房間空調器在夏季的默認設置溫度，在調節行為習慣的劃分上同樣是一個明顯的臨界值，當空調在一次使用過程中，設置的最低設置溫度低于26 ℃時，這次運行過程中發生設置溫度調節動作的可能性較大，并且存在一次運行過程中短時間使用一個低于26 ℃的設定溫度，長時間使用26 ℃的情景，此情景下，無論用戶在這次運行過程中設置了17～25 ℃的任一值，用戶在這次運行過程中使用時間最長的都是26 ℃，而在此過程中設置溫度的調節幅度可大可小，這表明，在一次空調的運行過程中，用戶對室內熱環境存在持續時間較短的低溫需求，這極有可能與人員從一個相對較熱的室外環境剛進入到室內環境時，為了使得室內溫度能夠下降的更快一些，往往在空調剛開始運行時會設置更低的溫度有關；另一方面，當空調在一次使用的過程中的最低設置溫度大于等于26 ℃時，用戶傾向于不調節設置溫度或是在1～2 ℃的范圍內小范圍調高設置溫度。

2)冬季 將冬季空調單次運行過程中最高設置溫度Ts,max分別在17～30 ℃時，該次運行的設置溫度的傾向值的分布表現在圖5中，可以發現：在冬季，無論Ts,max如何，用戶在這次運行過程中，使用時間最長的設定溫度Ts,q就是Ts,max，這與前面空調用戶在冬季的調節需求較弱的結論相一致，說明大多數用戶在冬季某次空調運行過程中設定了一個溫度值之后就不會再去改變設定溫度。

圖5 冬季單次運行時最高設置溫度分別為17～30 ℃時該次運行的設置溫度傾向值分布Fig.5 Distribution of the set temperature propensity value of the single operation when the maximum set temperature in the single operation in winter is 17～30

4 設置溫度與不同時間段的關系

分別統計每天24 h之中設置溫度高于26 ℃與低于26 ℃的占比，以便分析用戶的設定溫度習慣與不同時間段的關系。(注：下圖中所涉及到的時刻i為一天中的24 h，即0～23，其中0時刻指[0:00,1:00)之間的時間段，1時刻指[1:00,2:00)之間的時間段,……,依次類推，i時刻指[i:00,(i+1:00)之間的時間段)

圖6 夏季各個時刻的設置溫度高于26 ℃的使用比例Fig.6 Proportion of the set temperature above 26 ℃ at various times in

1)夏季 由圖6和圖7可知，在每天的0：00—6:00點，設置溫度高于26 ℃的占比明顯高于其余時間段，其中，上海在0：00—6:00點設置溫度高于26 ℃的占比比重慶和武漢高出5%左右；在每天的11:00—13:00點與17:00—21:00點，設置溫度低于26 ℃的占比明顯高于其余時間段，其中，武漢在每個時刻設置溫度低于26 ℃的占比都比重慶和上海低5%～20%，重慶幾乎在所有時刻設置溫度低于26 ℃的占比都高于其余兩個城市，尤其在12：00和20：00點差異最為明顯，另外，在17：00—21：00這一時間段，每個城市的設置溫度低于26 ℃的集中時間段有所差異，其中，上海的集中時間段最早，位于17：00—20：00，重慶和武漢的略晚一個小時，位于18：00—21：00。

圖7 夏季各個時刻的設置溫度低于26 ℃的使用比例Fig.7 Proportion of the set temperature below 26 ℃ at various times in

上述結果可以表明，在夏季，用戶對室內溫度的需求與一天中的不同時刻有關，分析出現這種情況的原因，可能與用戶在這些時間段所處的特殊活動狀態或動作有關：用戶在一天之中所需求的設定溫度最低的時間段是恰好是位于中午吃飯時刻和晚上太陽落山時刻(吃飯)，中午11：00—13：00，用戶可能剛回到家、準備吃午飯或正在做午飯等，傍晚17：00—21：00，用戶可能下班剛回到家、準備吃晚飯或正在做晚飯、剛散步回到家等，即人們在這兩個時刻普遍處于不穩定的狀態(瞬態熱環境)，這些狀態下，用戶的需求其實相對來說是一個瞬態且暫時性的需求，由于各種原因用戶在短時間內希望獲得更低的室內溫度幫助他們過渡這個瞬態，比如用戶剛回到家、吃飯、或做飯導致在瞬態的產熱量偏大、希望獲得更低的環境溫度，過了這幾個時刻后，對設定溫度的需求又會恢復平常水平，可以理解為用戶短時間的瞬態需求被滿足了，然后過渡到了穩定的熱環境需求之中。在以往的研究中，很少有研究者關注到設置溫度與不同時刻的關系，在住宅的空調能耗模擬中，也很少有學者針對設置溫度的時間表深入挖掘，然而，設置溫度是影響空調能耗的關鍵參數，可以對空調能耗模擬中設置溫度的輸入時間表做出重要參考。

2)冬季 同理，從圖8和圖9中可以發現，冬季24 h設置溫度的需求差異不大，圖形的變化幅度明顯比夏季平緩了許多，可以認為冬季24小時內的設置溫度需求并無明顯差異。該結果也從側面印證了人員在冬季使用空調時，對室內熱環境的需求較穩定，調節行為較弱。

圖8 冬季各個時刻的設置溫度高于26 ℃的使用比例Fig.8 Proportion of the set temperature above 26 ℃ at various times in

圖9 冬季各個時刻的設置溫度低于26 ℃的使用比例Fig.9 Proportion of the set temperature below 26 ℃ at various times in

5 設置溫度與室外溫度的關系

為了獲取設置溫度隨室外溫度的變化趨勢，分別將夏季與冬季研究周期內每一天所有空調器設置溫度平均值與室外溫度平均值的散點關系圖繪制在上圖10與圖11中，其中，室外溫度采用的是來源于氣象網站的日平均室外溫度。由圖可知，在夏季，上海地區表現出的特征明顯區別于重慶和武漢：對于上海，當室外溫度上升到31 ℃的過程中，設置溫度有隨室外溫度上升而升高的趨勢，當室外溫度大于31 ℃時，設置溫度的平均值在26～26.5 ℃的范圍趨于穩定；對于重慶和武漢，隨著室外溫度的升高，設置溫度有降低的趨勢。在冬季，隨著室外溫度的變化，設置溫度沒有表現出特定的變化趨勢，設置溫度始終處于比較穩定的范圍內。

圖10 夏季日平均設置溫度隨日室外平均溫度的變化散點圖Fig.10 Scatter plot of daily mean setting temperature changing with daily outdoor mean temperature in

圖11 冬季日平均設置溫度隨日室外平均溫度的變化散點圖Fig.11 Scatter plot of daily mean setting temperature changing with daily outdoor mean temperature in

6 討論

基于大數據監測平臺下的監測數據對處于中國夏熱冬冷地區與長江流域地區的3個典型城市的房間空調器進行了分析，與以前文獻研究不同的是：

1)前期針對房間空調器的調查研究之中，數據量都非常有限，大多數研究都僅僅針對幾戶或幾十戶，并且研究對象多來自單一的城市，沒有針對不同城市的空調使用習慣進行對比分析。對于中國的研究，大多數研究都是針對的北京，針對我國長江流域地區，即夏熱冬冷地區的空調使用習慣研究明顯不足。而本研究中，選取了長江上游、中游、下游3個典型城市總共約1 500臺空調器進行了分析，相比于以前的研究，更具有普適性和參考價值。

2)以往的研究中，對空調耗電量或空調開啟與關閉行為的研究明顯多于對空調設置溫度的研究，在以前只能通過問卷調研方式得到設置溫度的情況下，只能獲取用戶設置溫度的大致范圍，無法對設置溫度進行詳細分析。雖然在文獻[15]中，利用智能電表的手機App獲取用戶的設置溫度參數，但該研究中的數據量有限，且該研究僅限于基本的統計分析。而本文重點分析了房間空調器設置溫度的基本分布以及設置溫度與一些影響因素的相關關系，這是以往的研究中所缺乏的。

7 結論

分別從設置溫度的整體分布、設置溫度的調節需求以及設置溫度與一天不同時間段的關系、設置溫度與室外溫度的關系4個方面對長江流域地區3個典型城市房間空調器的設置溫度情況進行了分析，得出以下主要結論：

1)雖然重慶、武漢、上海都處于長江流域地區，但3個地區的居民對空調運行時室內熱環境營造的需求存在明顯差異：上海在夏季比重慶和武漢偏好更高的室內設置溫度，且調溫需求也明顯弱于重慶和武漢，重慶在冬季比上海和武漢偏愛更高的設置溫度，且調溫需求也弱于上海和武漢。未來對長江流域建筑供暖空調的相關研究是否有必要對不同城市進行區分，該結論有一定參考作用。

2)夏季，在一次空調運行過程中，用戶實際調控過程中存在短時間內設置較低設置溫度(低于26 ℃)，長時間設置26 ℃這樣的設置溫度調節情景。該結論可以在一定程度上支撐“使用人員在剛開啟空調時偏愛設置較低的溫度以使得房間冷的更快”這一在以往研究和工程應用中被廣泛假設的使用模式。

3)長江流域地區的空調用戶在夏季對室內熱環境的需求并不是穩態的，用戶在一次空調運行中或者在一天的不同時間段中，對設置溫度的需求均會發生變化，主要體現在用戶在夏季平均每次開啟空調使用1～3個設置溫度，在一天中的0：00—6：00(睡覺)設置溫度最高，在一天中的中午11：00—13：00間(午飯)以及傍晚17：00—21：00間(太陽落山時刻、晚飯、散步回家等)設置溫度最低，該結果也間接表明了，在某些特殊活動或動作發生的時刻，用戶對室內熱環境的需求也存在特殊性。該結論是以往的問卷研究中無法獲取的，可以為住宅的空調能耗模擬中設置溫度的設置時間表提供有效參考。

4)夏季，設置溫度與室外溫度存在一定的相關關系，并且上海表現出明顯區別于重慶和武漢的特點：在上海，設置溫度隨室外溫度的上升有升高的趨勢，在重慶和武漢，設置溫度隨室外溫度的上升則有下降的趨勢。