基于不確定性量化分析的超低能耗建筑空調(diào)系統(tǒng)運(yùn)行能耗研究*

上海市建筑科學(xué)研究院有限公司 趙德印 徐 強(qiáng)

0 引言

受內(nèi)部和外部各種復(fù)雜因素的影響，在工程實(shí)踐中存在著大量的隨機(jī)不確定性和認(rèn)知不確定性，因此如何通過一定的技術(shù)手段來提高工程系統(tǒng)的穩(wěn)健性顯得尤為重要。以美國Sandia國家實(shí)驗(yàn)室為代表的眾多研究機(jī)構(gòu)提出使用不確定性量化來有針對性地解決穩(wěn)健性、提高系統(tǒng)可靠性，獲得了一系列研究成果[1]。迄今為止，不確定性量化的研究方法已經(jīng)廣泛應(yīng)用于結(jié)構(gòu)工程、機(jī)械工程、核工程、武器設(shè)計、建筑能耗等工程和研究領(lǐng)域[2-6]。

建筑能耗不確定性量化研究涵蓋內(nèi)容較多，一般包括空調(diào)、通風(fēng)、照明、熱水、動力等方面。如Lamberti等人對美國斯坦福的Y2E2建筑進(jìn)行了夜間通風(fēng)節(jié)能的不確定性量化研究。自然通風(fēng)由于風(fēng)壓不穩(wěn)定而存在較大的不確定性，計算節(jié)能潛力與實(shí)際效果相差較大，因此在設(shè)計中偏重考慮熱壓通風(fēng)的作用。作者首先基于經(jīng)驗(yàn)給定不確定性變量，包括窗戶流量系數(shù)、表面?zhèn)鳠嵯禂?shù)、墻體內(nèi)表面溫度及內(nèi)部得熱的概率分布，然后利用CFD模擬以修正概率分布，最后將不確定性變量代入建筑整體模型進(jìn)行夜間通風(fēng)潛力分析[7]。Pang等人利用EnergyPlus對5個不同城市氣候區(qū)的旅館熱水用水量進(jìn)行了不確定性和敏感性分析，輸入先驗(yàn)變量161個，抽樣計算15 000次，經(jīng)數(shù)據(jù)分析指出，最大熱水能力和熱效率是影響洗衣房燃?xì)庀牧康年P(guān)鍵因素，廚房中關(guān)鍵因素則為進(jìn)出水溫度，對于熱水消耗量而言，關(guān)鍵因素是用水設(shè)備的最大出流量；此外，人員行為對熱水消耗量和燃?xì)庀牧烤休^大影響[8]。Yan等人對空調(diào)新風(fēng)機(jī)組進(jìn)行了測試，結(jié)果表明利用風(fēng)閥調(diào)節(jié)新風(fēng)量和新風(fēng)比時存在較大不確定度；基于實(shí)測數(shù)據(jù)對其進(jìn)行不確定性量化處理并代入EnergyPlus進(jìn)行分析，能耗模擬結(jié)果表明，與基準(zhǔn)模型相比，考慮新風(fēng)不確定性后的制冷能耗相差17%，制熱能耗相差43%[9]。Domínguez-Muoz等人闡述了利用輸入變量不確定性確定建筑峰值負(fù)荷的方法，與傳統(tǒng)的單次計算、取安全系數(shù)等方法相比，新方法根據(jù)模擬結(jié)果概率分布曲線確定建筑峰值負(fù)荷，能在有效降低峰值負(fù)荷的同時規(guī)避風(fēng)險[10]。Tian等人針對不確定性研究方法在建筑能源評估中的應(yīng)用進(jìn)行了文獻(xiàn)綜述，分別從不確定性來源、正向和逆向分析方法、應(yīng)用軟件等方面介紹了國內(nèi)外的研究進(jìn)展，并樂觀預(yù)測不確定性研究方法將成為建筑能源評估分析的主流方法[11]。

由以上文獻(xiàn)資料分析可知，不確定性量化研究方法的優(yōu)勢在于盡最大可能考慮了不同輸入變量的不確定性，通過一定的數(shù)學(xué)抽樣方法提取不同變量組合進(jìn)行多組能耗模擬計算，最終生成目標(biāo)對象的累積概率分布曲線，幫助設(shè)計者在考慮風(fēng)險的同時進(jìn)行決策。

當(dāng)前不確定性量化研究方法在建筑空調(diào)系統(tǒng)中主要用于額定負(fù)荷、零部件性能、設(shè)備容量確定等研究，研究結(jié)果更多的是幫助設(shè)計師進(jìn)行風(fēng)險決策。本文引入該方法，在盡可能考慮實(shí)際運(yùn)行條件的前提下，對超低能耗辦公建筑進(jìn)行運(yùn)行能耗評估，探索該類型建筑的運(yùn)行能耗下限值。

1 研究方法

本文利用該方法對一棟辦公建筑進(jìn)行全年空調(diào)能耗分析，研究思路為：首先分析相關(guān)輸入?yún)?shù)并確定先驗(yàn)分布，然后建立能耗模型并進(jìn)行抽樣計算，最后建立能耗的累積概率分布曲線以確定空調(diào)能耗并進(jìn)行輸入變量敏感性分析，如圖1所示。研究主要采用DesignBuilder軟件[12]，該軟件以EnergyPlus為計算核心，使用OpenGL固體建模器，具有優(yōu)秀的圖形界面操作能力，界面友好，易于操作，能通過拉伸、剪切等三維建模命令對復(fù)雜建筑進(jìn)行建模，建模效率較高。不確定性量化分析采用軟件中的Optimisation+UA/SA模塊，樣本采樣方法選用random，經(jīng)采樣生成變量的樣本組合后代入能耗模型中進(jìn)行計算并作統(tǒng)計分析。

圖1 分析流程圖

在不確定性分析完成并獲取最終數(shù)據(jù)樣本后，一般均進(jìn)行敏感性分析，用于辨識輸入變量的重要程度。敏感性分析起初是經(jīng)濟(jì)學(xué)中用于投資項(xiàng)目風(fēng)險評價的一種動態(tài)不確定性分析法，應(yīng)用該方法能找出對項(xiàng)目經(jīng)濟(jì)效益影響最大的敏感性因素并量化，從而為項(xiàng)目風(fēng)險決策提供科學(xué)依據(jù)[13]。本文采用多元線性回歸法建立輸入變量和能耗的關(guān)聯(lián)式，進(jìn)行各輸入變量的敏感性分析。

2 研究對象

目標(biāo)建筑為上海市一棟辦公建筑，總建筑面積2.3萬m2，其中地上建筑空調(diào)面積約8 640 m2，主樓6層，副樓3層，建筑總高度24 m，使用DesignBuilder軟件建模，如圖2所示。依據(jù)公共建筑節(jié)能設(shè)計要求并結(jié)合業(yè)主提出的建筑功能需求，確定建筑圍護(hù)結(jié)構(gòu)參數(shù)、空調(diào)設(shè)計溫度、相關(guān)熱擾參數(shù)等，如表1所示。該建筑空調(diào)形式為多聯(lián)機(jī)+新風(fēng)系統(tǒng)，工作時間為工作日08:00—18:00。

圖2 目標(biāo)辦公建筑模型

表1 建筑參數(shù)設(shè)置

3 參數(shù)不確定性辨析

嚴(yán)格來說，能耗計算所需要的所有輸入變量均存在不確定性。以下分別對各類變量的不確定性類型和存在原因加以詳細(xì)說明。

1) 建筑本體的固有屬性變量。主要是圍護(hù)結(jié)構(gòu)的熱工參數(shù)，包括材料的導(dǎo)熱系數(shù)、密度、比熱容等，該類參數(shù)由于實(shí)際建筑使用材料和標(biāo)準(zhǔn)測試材料之間存在差異，因此在模擬計算時輸入的變量存在系統(tǒng)偏差和測量誤差。

2) 建筑使用相關(guān)的可變變量。主要是建筑運(yùn)行中的實(shí)際運(yùn)行時間表、人員密度、人員行為、空調(diào)系統(tǒng)運(yùn)行策略、房間設(shè)備、燈光開啟密度等變量，其特點(diǎn)是用戶自由控制時，該類變量變化范圍較大，單一工況模擬時，固定的取值將會造成模擬結(jié)果的較大偏差，但是當(dāng)采取集中控制、嚴(yán)格管理時，該類變量即可認(rèn)為是固定取值。

3) 不受控制的變量。該類變量是系統(tǒng)模擬的重要輸入?yún)?shù)，包括氣象參數(shù)、建筑氣密性、空調(diào)系統(tǒng)性能等。其中氣象參數(shù)只能被動測量，測量時存在測量誤差，無法實(shí)施人工干預(yù)，模擬計算時多使用典型氣象年數(shù)據(jù)，與歷年實(shí)測數(shù)據(jù)之間存在差異，屬于系統(tǒng)偏差。建筑氣密性和空調(diào)系統(tǒng)性能類似，在建筑建成投入使用后其基礎(chǔ)性能即確定，而基礎(chǔ)性能受制造、安裝等人為因素影響，與此同時，室內(nèi)外溫度、溫差又直接影響兩者的實(shí)時性能，因此模擬時采用單一工況固定數(shù)值會導(dǎo)致一定偏差。

4) 建模誤差。主要是指建筑模型尺寸與設(shè)計尺寸之間的偏差，一般能耗建模均根據(jù)設(shè)計圖紙手動近似建模，房間使用面積、墻體厚度、空間功能布局等無法做到模型與實(shí)際建筑完全一致，該部分誤差無法消除，但是在計算機(jī)硬件、計算時間等滿足要求的條件下，可以盡量細(xì)化建模以減小誤差。

5) 制造偏差。主要是指建筑建造過程中，構(gòu)件澆筑、加工制造過程中的尺寸偏差，比如墻體厚度等，這些偏差會導(dǎo)致墻體的熱阻出現(xiàn)偏差，從而影響空調(diào)能耗的計算準(zhǔn)確度。

事實(shí)上在模擬分析建筑能耗時，需要在計算成本與計算精度之間尋求平衡，即盡可能尋找影響建筑能耗的關(guān)鍵變量并建立其變量概率分布密度函數(shù)。

Li等人針對香港地區(qū)零能耗/低能耗建筑進(jìn)行了不確定性計算研究，主要考慮的不確定性因素包括氣象參數(shù)、滲透系數(shù)、內(nèi)部負(fù)荷等[14]。de Wilde等人研究了考慮氣候變化條件下的建筑負(fù)荷變化，研究結(jié)果表明，建筑滲透性能、燈光和設(shè)備發(fā)熱是影響制熱負(fù)荷的關(guān)鍵因素，影響制冷負(fù)荷的主要因素主要是燈光和設(shè)備發(fā)熱及高排放情景下的氣候條件[15]。Belazi等人重點(diǎn)研究了人員上下班時間、人數(shù)變化及圍護(hù)結(jié)構(gòu)對寒冷地區(qū)、炎熱地區(qū)、溫和地區(qū)建筑能耗的影響，其中炎熱地區(qū)人員行為變化對能耗影響較大，而在寒冷地區(qū)則圍護(hù)結(jié)構(gòu)更為重要[16]。這間接表明建筑能耗的不確定性分析需要考慮氣象條件。

本文研究對象為一棟新建成投入使用的裝配式超低能耗辦公建筑，墻體采用預(yù)制件裝配而成，建造中有樣品檢驗(yàn)、現(xiàn)場檢驗(yàn)等過程以保證建筑性能達(dá)到設(shè)計要求。該建筑是公司自有建筑，主要供公司內(nèi)部員工辦公使用，員工上下班作息時間明確。因此可以認(rèn)為前述不確定性因素1)、2)、5)變化較小，認(rèn)定為固定變量，不確定性因素4)沒有明確的變量，無法測量，只能盡量依據(jù)圖紙建模，減少模型誤差。

因此在不確定性分析時，本文主要考慮具有較大不確定性的輸入變量，主要包括：1) 氣象數(shù)據(jù)，2) 滲透換氣次數(shù)，3) 自然通風(fēng)換氣次數(shù)，4) HVAC性能指標(biāo)制冷季節(jié)能效比(SEER)、制熱季節(jié)能效比(HSPF)，5) 人員密度。

以下分別對各輸入變量的概率分布函數(shù)進(jìn)行分析說明。

3.1 氣象數(shù)據(jù)

在能耗模擬中，氣象數(shù)據(jù)文件是影響模擬準(zhǔn)確性的一個重要因素，目前各不同能耗模擬軟件均自帶氣象數(shù)據(jù)文件。朱明亞對目前常用的各類型氣象數(shù)據(jù)文件，如IWEC(international weather year for energy calculation)、CSWD(中國標(biāo)準(zhǔn)氣象年)、SWERA(solar and wind energy resource assessment)、CTYW(中國典型年)作了匯總，這些氣象數(shù)據(jù)文件使用不同來源、不同歷史年份的天氣數(shù)據(jù)，主要使用Finkelstein-Schafer(FS)統(tǒng)計分析方法、根據(jù)不同判斷準(zhǔn)則制作而成[17]。此外，具體到每一年的氣象數(shù)據(jù)之間也存在差異。本文對CSWD、2008—2017年共計11個氣象數(shù)據(jù)文件作了統(tǒng)計對比分析，如圖3、圖4所示。由圖可知，基于度時(日)數(shù)法的空調(diào)冷負(fù)荷近10年來呈現(xiàn)大幅增加的趨勢，而供暖熱負(fù)荷則呈現(xiàn)略微下降趨勢。相對于標(biāo)準(zhǔn)氣象年基準(zhǔn)數(shù)據(jù)，空調(diào)度時數(shù)CDH26最大值增加了151%，供暖度日數(shù)HDD18最小值僅降低了10%左右。進(jìn)一步分析月平均溫度可知，近10年中(2008—2017)7月和8月的平均溫度明顯高于標(biāo)準(zhǔn)氣象年對應(yīng)溫度，如圖5所示，該時間段正是空調(diào)用電高峰期，表明采用近年氣象數(shù)據(jù)文件計算時其空調(diào)制冷能耗將高于標(biāo)準(zhǔn)氣象年文件的計算結(jié)果。Wang等人對一棟辦公建筑的研究也表明，不同年份的氣象數(shù)據(jù)導(dǎo)致的能耗變化幅度約為-4%～6%[18]。因此在進(jìn)行不確定性分析時，采用CSWD、2008—2017年共計11個氣象數(shù)據(jù)文件進(jìn)行計算。

圖3 供暖度日數(shù)對比

圖4 空調(diào)度時數(shù)對比

圖5 月平均溫度對比

3.2 滲透換氣次數(shù)

建筑滲透換氣性能與建筑能耗密切相關(guān)，有文獻(xiàn)研究表明，滲透換氣造成的供暖能耗占居住建筑總能耗的比例為15%～45%[19]。相對而言，公共建筑的建筑本體氣密性要優(yōu)于居住建筑，同時個性隨機(jī)調(diào)節(jié)行為等的發(fā)生頻率也低于居住建筑，但是其由于滲透造成的建筑能耗也不能忽略。

一般而言，滲透換氣性能優(yōu)劣受建筑施工工藝、建筑用途、建成年限等因素影響，不同建筑其數(shù)值不盡相同，相應(yīng)的建筑能耗變化也較大。Heo等人基于既有建筑實(shí)際測試數(shù)據(jù)，利用貝葉斯推斷方法得到了建筑滲透系數(shù)后驗(yàn)概率分布，如圖6a所示，80%以上的數(shù)據(jù)集中在0.75～1.10 h-1之間[20]。Macdonald匯總了建筑能耗不確定性研究結(jié)果，對美國、英國、瑞典、挪威等國的建筑滲透性能作了總結(jié)，如圖6b所示，滲透換氣次數(shù)平均值分布在0.10～0.35 h-1之間[21]。結(jié)合圖6研究成果，本文研究對象的建筑滲透換氣次數(shù)取值范圍定為0.35～1.25 h-1，參數(shù)分布函數(shù)取為正態(tài)分布N(0.75,0.192)。

圖6 建筑氣密性研究成果

3.3 自然通風(fēng)換氣次數(shù)

單純依靠建筑合理設(shè)計及運(yùn)行實(shí)現(xiàn)建筑超低能耗甚至近零/零能耗等目標(biāo)較為困難，合理利用可再生能源降低建筑運(yùn)行能耗較為關(guān)鍵。本文研究的目標(biāo)建筑空調(diào)系統(tǒng)依賴電網(wǎng)電力輸入，沒有可再生能源發(fā)電補(bǔ)償，因此主要考慮利用自然通風(fēng)降低空調(diào)能耗。

過渡季節(jié)應(yīng)用自然通風(fēng)具有較好的節(jié)能潛力，而自然通風(fēng)分為熱壓通風(fēng)和風(fēng)壓通風(fēng)，驅(qū)動力分別為熱壓和風(fēng)壓。除室外氣象條件外，自然通風(fēng)的影響因素還包括：室內(nèi)門窗開口面積、室內(nèi)熱擾等。為確定自然通風(fēng)換氣次數(shù)，本文采用計算法對該目標(biāo)建筑自然通風(fēng)換氣次數(shù)進(jìn)行了不同開窗面積下的對比計算，如圖7所示，當(dāng)外窗開口面積為10%時，換氣次數(shù)明顯偏大，而當(dāng)外窗開口面積為5%時，其換氣次數(shù)可達(dá)到4 h-1。因此在考慮自然通風(fēng)換氣次數(shù)的不確定性時，取其概率分布為均勻分布，間隔1 h-1，上限為4 h-1，下限為1 h-1，只在過渡季節(jié)開啟運(yùn)行，運(yùn)行時間設(shè)置如表2所示。

圖7 自然通風(fēng)換氣次數(shù)

3.4 多聯(lián)機(jī)SEER/HSPF

多聯(lián)機(jī)全年性能系數(shù)(APF)、SEER、HSPF的主要表達(dá)式如式(1)～(5)所示，其余用于計算的公式詳見多聯(lián)機(jī)標(biāo)準(zhǔn)附錄[22]。

(1)

(2)

(3)

(4)

(5)

式(1)～(5)中Lc為制冷季節(jié)總負(fù)荷，kW·h；Ec為制冷季節(jié)耗電量，kW·h；Lh為制熱季節(jié)總負(fù)荷，kW·h；Eh為制熱季節(jié)耗電量，kW·h；Rhc為熱冷負(fù)荷比；Lc(tj)為室外溫度tj時建筑物的制冷負(fù)荷，kW；j為制冷季節(jié)溫度區(qū)間序號，j=1,2,3,…,18,19；m為室外溫度tj=35 ℃時的溫度區(qū)間序號；φful(tj)為室外溫度tj時機(jī)組以名義能力運(yùn)行時的制冷量，kW；nj為制冷季節(jié)需要制冷的各溫度發(fā)生時間，h。

綜上可以看出，多聯(lián)機(jī)當(dāng)前季節(jié)能效比計算的主要方法是根據(jù)額定性能、中間性能、最低性能、低溫性能(制熱)實(shí)測數(shù)據(jù)，利用相關(guān)線性方程求解各溫度區(qū)間下的對應(yīng)性能參數(shù)，從而求解SEER、HSPF、APF。

由式(1)～(4)進(jìn)一步推導(dǎo)，可以得到APF與SEER、HSPF的關(guān)系式，如式(6)所示。

(6)

由式(6)可知，當(dāng)Rhc已知時，即可求解得到SEER、HSPF、APF三者之間明確的關(guān)系式。

為求解SEER、HSPF，根據(jù)相關(guān)規(guī)范[23-24]，取Rhc=0.7，根據(jù)實(shí)際調(diào)研機(jī)組性能數(shù)據(jù)[25]，取APF=4.5，并定義如下變量：

(7)

(8)

式(7)、(8)中x、y分別為制冷性能比例因子、制熱性能比例因子。

求解式(6)～(8)并代入相關(guān)數(shù)值可得：

(9)

根據(jù)式(9)繪制x、y變化趨勢圖，如圖8所示。結(jié)合實(shí)測機(jī)組性能數(shù)據(jù)，本文研究中選取變量合理變化區(qū)間為：y∈[0.70,1.00]，x∈[1.00,1.43]。由于進(jìn)行不確定性分析時要求各因素之間相互獨(dú)立，因此SEER、HSPF的取值范圍分別為[3.6,4.5]、[3.15,3.60]。由于多聯(lián)機(jī)實(shí)際安裝及運(yùn)行狀態(tài)復(fù)雜多變，設(shè)定兩者的概率分布均為正態(tài)分布，方差取默認(rèn)設(shè)置，其中制冷季節(jié)能效比分布函數(shù)為SEER～N(4.05,0.52)，制熱季節(jié)能效比分布函數(shù)為HSPF～N(3.375,0.52)。

圖8 HSPF/APF(y)隨SEER/APF(x)變化趨勢圖

3.5 人員密度

在實(shí)際辦公建筑運(yùn)行中，一天之中不同時刻的人數(shù)是不同的，在模擬過程中，不同時刻的人數(shù)通常使用運(yùn)行時間表來控制，如圖9所示。則任意時刻的在室人數(shù)可用如下公式表達(dá)：

圖9 人員逐時時間表[26]

Oo=DpAzSs

(10)

式中Oo為任意時刻在室人數(shù)，人；Dp為人員密度，人/m2；Az為熱區(qū)面積，m2；Ss為運(yùn)行時間表。

在進(jìn)行建筑不確定性模擬時，人員密度一般參考規(guī)范或者設(shè)計經(jīng)驗(yàn)取一定值，如GB 50189—2015《公共建筑節(jié)能設(shè)計標(biāo)準(zhǔn)》中推薦的人員密度為0.1人/m2[26]，GB 50189—2005《公共建筑節(jié)能設(shè)計標(biāo)準(zhǔn)》中則為普通辦公室0.25人/m2、高檔辦公室0.125人/m2[27]。因此本文在模擬時參考軟件推薦設(shè)置，取人員密度分布為D～N(0.16,0.052)，取值區(qū)間為[0.10人/m2，0.25人/m2]。

4 運(yùn)行能耗不確定性量化分析

依據(jù)第2章建立的建筑模型，輸入第3章所確定的變量分布，應(yīng)用DesignBuilder的Optimisation+UA/SA模塊進(jìn)行相關(guān)設(shè)置，采用random抽樣法。目前尚無統(tǒng)一的抽樣次數(shù)計算方法，抽樣次數(shù)更多依賴于所研究的對象及實(shí)際經(jīng)驗(yàn)。對于本文采用的抽樣方法，軟件推薦最少抽樣次數(shù)為變量總數(shù)的20倍，即以120次抽樣計算，本文計算時設(shè)置為200次，滿足最少樣本次數(shù)要求。計算所得多聯(lián)機(jī)運(yùn)行能耗統(tǒng)計及累積概率分布如圖10所示。

圖10 運(yùn)行能耗統(tǒng)計及累積概率分布

由圖10可知，當(dāng)累積概率取95%時，該建筑空調(diào)系統(tǒng)全年單位面積運(yùn)行能耗為25 kW·h/(m2·a)；而單位面積能耗低于20 kW·h/(m2·a)的累積概率則為16.5%。能耗數(shù)據(jù)的分位數(shù)圖示法如圖11所示。由圖11可以看出，各觀察值數(shù)據(jù)基本在一條直線上，可以認(rèn)為空調(diào)系統(tǒng)運(yùn)行能耗數(shù)據(jù)符合正態(tài)分布。

圖11 HVAC能耗數(shù)據(jù)正態(tài)性檢驗(yàn)

5 變量敏感性分析

分別對空調(diào)能耗和供暖能耗進(jìn)行敏感性分析，用敏感度系數(shù)表征能耗對各不確定性變量的敏感程度，其定義式為

(11)

式中λi為能耗相對于變量xi的敏感度系數(shù)；ΔE/E為不確定性變量變化時，能耗的相應(yīng)變化率；Δxi/xi為不確定性變量的變化率。

影響空調(diào)能耗的各變量回歸系數(shù)計算結(jié)果如表3所示。

表3 空調(diào)制冷能耗不確定性變量回歸系數(shù)

取空調(diào)制冷能耗平均值作為零點(diǎn)，繪制空調(diào)制冷能耗各因素敏感性分析圖，如圖12所示。

圖12 空調(diào)制冷能耗敏感性分析圖

由圖12可以看出，對于本文研究的目標(biāo)建筑，其空調(diào)制冷能耗最為敏感的影響因素是人員密度，其次為自然通風(fēng)換氣次數(shù)，相對最不敏感的因素為滲透換氣次數(shù)。因此合理應(yīng)用自然通風(fēng)運(yùn)行策略，能有效降低空調(diào)制冷運(yùn)行能耗。

影響空調(diào)制熱能耗的各變量回歸系數(shù)計算結(jié)果如表4所示。

表4 空調(diào)制熱能耗不確定性變量回歸系數(shù)

制熱能耗影響因素敏感性分析方法與空調(diào)制冷能耗的處理方法類似，敏感性因素分析圖如圖13所示。由圖可知，最為敏感的影響因素是氣象數(shù)據(jù)，其次是滲透換氣次數(shù)。

6 結(jié)論

1) 對影響空調(diào)運(yùn)行能耗的輸入變量進(jìn)行辨析，針對不同變量分別確定了參數(shù)分布與取值范圍。

2) 經(jīng)不確定性量化分析，當(dāng)累積概率取95%時，該建筑空調(diào)系統(tǒng)全年單位面積運(yùn)行能耗為25 kW·h/(m2·a)；而單位面積運(yùn)行能耗低于20 kW·h/(m2·a)的累積概率為16.5%。

3) 敏感性分析表明，空調(diào)制冷能耗最敏感的影響因素是人員密度，其次是自然通風(fēng)換氣次數(shù)；而空調(diào)制熱能耗最為敏感的影響因素是氣象數(shù)據(jù)，其次為滲透換氣次數(shù)。