開敞辦公空間室內(nèi)CO2和PM2.5時(shí)空間分布特征案例分析

王秋澗（上海市建筑科學(xué)研究院有限公司， 上海 201108）

根據(jù)《“健康中國2030”規(guī)劃綱要》的要求，要逐步在社會(huì)中“普及健康生活、建設(shè)健康環(huán)境、發(fā)展健康產(chǎn)業(yè)”。在建筑領(lǐng)域，營造高品質(zhì)健康環(huán)境首先要求室內(nèi)常見污染物濃度被控制在一定的水平。室內(nèi) CO2和 PM2.5濃度作為最常見的室內(nèi)空氣品質(zhì)指標(biāo)參數(shù)，當(dāng)前國內(nèi)外綠色健康建筑相關(guān)技術(shù)標(biāo)準(zhǔn)均對(duì)其濃度控制水平提出了不同的要求。通過對(duì)國內(nèi)外相關(guān)標(biāo)準(zhǔn)的梳理可以發(fā)現(xiàn)，各標(biāo)準(zhǔn)對(duì)污染物濃度的統(tǒng)計(jì)方法和限值要求各有不同。統(tǒng)計(jì)方法包括年均值、日均值、 8 h 均值、1 h 均值。濃度限值方面，國外標(biāo)準(zhǔn)的濃度要求相對(duì)更嚴(yán)格。

室內(nèi) CO2和 PM2.5由于室內(nèi)外發(fā)散源、氣流組織等因素的影響，往往呈現(xiàn)顯著的時(shí)間動(dòng)態(tài)變化和空間分布不均的特征。對(duì)此，相關(guān)領(lǐng)域的既有研究主要通過 CFD 數(shù)值模擬和現(xiàn)場實(shí)測的手段開展。胡園園等人[1]采用 CFD 方法對(duì)室內(nèi)自然通風(fēng)條件下 CO2連續(xù)泄漏擴(kuò)散濃度的變化過程進(jìn)行了數(shù)值模擬，并通過相應(yīng)風(fēng)洞實(shí)驗(yàn)結(jié)果的比對(duì)，研究了 CO2擴(kuò)散過程的濃度場分布和危害區(qū)域變化規(guī)律。劉浩然等人[2]針對(duì)嚴(yán)寒地區(qū)辦公建筑室內(nèi)吸煙污染物在不同風(fēng)壓下的擴(kuò)散分布規(guī)律進(jìn)行數(shù)值模擬分析，確定了最適宜排出室內(nèi)污染物的排風(fēng)機(jī)風(fēng)壓值。項(xiàng)琳琳等人[3]以及江春雨等人[4]分別針對(duì)上海和重慶地區(qū)辦公建筑在不同時(shí)段和條件下的 PM2.5顆粒物濃度進(jìn)行現(xiàn)場實(shí)測，深入討論了室外顆粒物濃度、門窗啟閉、測試時(shí)間、人員走動(dòng)、吸煙、空調(diào)系統(tǒng)以及地毯揚(yáng)塵等因素與室內(nèi)顆粒物濃度之間的關(guān)系，量化分析了室內(nèi)顆粒物濃度分布及變化特性。長期連續(xù)監(jiān)測的典型研究有清華大學(xué)林波榮教授團(tuán)隊(duì)在“十三五”期間針對(duì)全國各氣候區(qū)幾十余棟綠色建筑的室內(nèi)環(huán)境所開展的大規(guī)模長期實(shí)證研究[5-6]。其研究結(jié)果表明，目前我國綠色辦公建筑室內(nèi) CO2濃度中位數(shù)明顯低于 0.1% 的標(biāo)準(zhǔn)控制要求，且呈現(xiàn)冬夏季較高，過渡季較低的季節(jié)特征；室內(nèi) PM2.5濃度中位數(shù)處于 12～28 μg/m3之間，且整體呈現(xiàn)冬季相對(duì)高于夏季、過渡季的特征。

然而，由于研究目的和側(cè)重點(diǎn)不一的問題，既往研究中基于若干典型工況的 CFD 數(shù)值模擬和短期實(shí)驗(yàn)監(jiān)測研究往往無法涉及室內(nèi) CO2和 PM2.5的長期動(dòng)態(tài)變化特征，而大規(guī)模實(shí)測研究則對(duì)于污染物在室內(nèi)空間的分布特性揭示不足。同時(shí)，針對(duì)辦公建筑中常見的開敞辦公空間，若要監(jiān)測其室內(nèi)污染物的動(dòng)態(tài)空間分布情況，通常需要在空間內(nèi)布置大量傳感器進(jìn)行長期同步監(jiān)測。較高的設(shè)備投入和運(yùn)維成本也導(dǎo)致了當(dāng)前在工程項(xiàng)目層面大范圍環(huán)境監(jiān)測推廣不開的實(shí)際問題。本文針對(duì)上海某典型開敞辦公建筑開展多點(diǎn)位 CO2和 PM2.5濃度長期連續(xù)監(jiān)測，著重分析各點(diǎn)位監(jiān)測數(shù)據(jù)之間的動(dòng)態(tài)差異，通過聚類分析方法識(shí)別室內(nèi)污染物時(shí)間、空間分布的特征模式，探索采用少量長期測點(diǎn)實(shí)現(xiàn)污染物濃度分布監(jiān)測的可行性，對(duì)室內(nèi)空氣品質(zhì)監(jiān)測的工程推廣具有一定參考價(jià)值。

1 研究方法

1.1 現(xiàn)場測試

本研究于 2021年5月13日至 2022年1月10日對(duì)上海市某典型開敞辦公樓宇的標(biāo)準(zhǔn)層進(jìn)行了多點(diǎn)位 CO2和 PM2.5濃度長期連續(xù)監(jiān)測。監(jiān)測周期覆蓋了過渡季、夏季以及冬季空調(diào)期，可反映室內(nèi)環(huán)境參數(shù)在不同季節(jié)間的變化情況。該辦公樓標(biāo)準(zhǔn)層開敞辦公空間寬 8.5 m，長 50.4 m。平面共配置有 10 個(gè)組合式 6 人辦公工位。點(diǎn)位布置、測點(diǎn)編號(hào)以及空間朝向如圖 1 所示。在每個(gè)點(diǎn)位上采用青萍空氣檢測儀每 15 min 采集該位置上的 CO2和 PM2.5濃度數(shù)據(jù)，其測量量程及精度見表 1，可以滿足工程領(lǐng)域的應(yīng)用需求?？諝鈾z測儀置于辦公工位之間的隔板上方，距離地面高度約 1.2 m。

圖1 開敞辦公空間測點(diǎn)位置及編號(hào)示意

表1 測量儀器量程及精度

1.2 環(huán)境數(shù)據(jù)處理及聚類分析

本研究采用動(dòng)態(tài)帶狀區(qū)間數(shù)據(jù)表征室內(nèi) CO2和 PM2.5濃度數(shù)據(jù)的時(shí)空間分布特征，如圖 2 所示。圖中實(shí)線為環(huán)境參數(shù)的平均值序列，用來表示環(huán)境參數(shù)的時(shí)間分布特征，可采用空間中某代表測點(diǎn)的數(shù)據(jù)近似代替。而實(shí)線兩側(cè)的陰影區(qū)域則為其他測點(diǎn)數(shù)據(jù)與平均值之間的差異，其寬度隨時(shí)間變化，用來表征環(huán)境參數(shù)的空間分布特征。

圖2 動(dòng)態(tài)帶狀區(qū)間數(shù)據(jù)示意圖

數(shù)據(jù)處理及分析過程主要分為 3 個(gè)步驟。首先，通過分析各測點(diǎn)監(jiān)測序列數(shù)據(jù)與平均值序列數(shù)據(jù)之間的差異，辨識(shí)得到可以動(dòng)態(tài)表征空間平均濃度水平的代表測點(diǎn)位置。其次，為確定帶狀區(qū)間數(shù)據(jù)的上下界，定義空間分布的正、負(fù)參差系數(shù)以量化其他測點(diǎn)與代表測點(diǎn)之間的數(shù)據(jù)差異，并用聚類算法辨識(shí)空間分布參差系數(shù)序列的典型特征。最后，將各季節(jié)中出現(xiàn)頻率最高的空間分布參差系數(shù)典型模式疊加到代表測點(diǎn)的監(jiān)測數(shù)據(jù)序列之上得到帶狀區(qū)間數(shù)據(jù)。

在辨識(shí)代表測點(diǎn)時(shí)，采用均方根誤差 RMSE 來衡量各測點(diǎn)數(shù)據(jù)與平均值之間的差異，如公式（1）所示。

式中：n—監(jiān)測數(shù)據(jù)樣本條數(shù)；

Yi—某測點(diǎn)數(shù)據(jù)；

Yiave—該時(shí)刻下所有測點(diǎn)數(shù)據(jù)平均值。

對(duì)于 CO2和 PM2.5濃度數(shù)據(jù)空間分布的正負(fù)參差系數(shù)的定義，由于 PM2.5濃度監(jiān)測數(shù)據(jù)存在零值，因此 PM2.5的正負(fù)參差系數(shù)為各測點(diǎn)最大值和最小值與平均值的差值，而 CO2濃度的正負(fù)參差系數(shù)則為各測點(diǎn)最大值和最小值與各測點(diǎn)平均值的比值。

聚類分析方法常用于辨識(shí)多維數(shù)據(jù)的典型特征。在建筑領(lǐng)域，以 K-means 算法為代表的聚類分析常用于辨識(shí)建筑負(fù)荷或能耗的時(shí)間序列數(shù)據(jù)特征，得到建筑負(fù)荷或能耗的典型模式序列[7-8]。其原理是對(duì)于i個(gè)n維數(shù)據(jù)樣本（x1,x2,x3…xi）找到k個(gè)簇中心（簇中心個(gè)數(shù)可自定義），使得所有樣本與近鄰的簇中心之間的距離之和最小。擬合所得的k個(gè)簇中心序列則被認(rèn)為是樣本數(shù)據(jù)的k種典型模式。

聚類時(shí)首先將正負(fù)參差系數(shù)的序列數(shù)據(jù)以自然日為單位切分為日時(shí)間序列樣本。為避免工作日、非工作日對(duì)特征辨識(shí)的影響，僅保留工作日樣本數(shù)據(jù)。因此，參與聚類的數(shù)據(jù)樣本為 172 條，96 維（24 h，每小時(shí)采樣 4 次）的日時(shí)間序列數(shù)據(jù)。其次，根據(jù)樣本數(shù)據(jù)與聚類中心之間距離隨簇中心個(gè)數(shù)的變化趨勢(shì)，將簇中心設(shè)置為 3 個(gè)。

2 結(jié)果與討論

2.1 代表測點(diǎn)位置辨識(shí)

表2 列出了 CO2和 PM2.5濃度各測點(diǎn)數(shù)據(jù)與空間平均值之間的 RMSE 計(jì)算結(jié)果。從表中可以發(fā)現(xiàn)，測點(diǎn) 5 的 CO2和 PM2.5濃度監(jiān)測數(shù)據(jù)與空間平均值之間的誤差均為所有測點(diǎn)中的最小值。通過進(jìn)一步對(duì)比測點(diǎn) 5 監(jiān)測數(shù)據(jù)與平均值序列，如圖 3 所示，可以看出測點(diǎn) 5 的監(jiān)測數(shù)據(jù)在動(dòng)態(tài)趨勢(shì)上也與平均值序列保持一致，因此可以采用測點(diǎn) 5 作為代表空間平均水平的代表測點(diǎn)。

表2 CO2 和 PM2.5 濃度各測點(diǎn)數(shù)據(jù)與空間平均值之間的 RMSE 計(jì)算結(jié)果

圖3 測點(diǎn) 5 CO2 與 PM2.5 濃度數(shù)據(jù)與平均值對(duì)比

2.2 CO2 與 PM2.5 濃度空間分布特征分析

圖4 和圖 5 以正參差系數(shù)為例，分別展示了 CO2和 PM2.5濃度的空間分布正參差系數(shù)的聚類中心序列。從圖 4 中可以直觀的看出，CO2濃度的參差系數(shù)整體呈現(xiàn)高、中、低三種不同的典型模式，且存在明顯的與工作時(shí)段相關(guān)的特征。參差系數(shù)數(shù)值均從上午 9 點(diǎn)前后開始不同程度地增大，表明隨著上班人員的不斷加入室內(nèi) CO2濃度空間分布逐漸變得不均勻。這一結(jié)果符合室內(nèi) CO2主要來源于室內(nèi)人員的基本事實(shí)。

圖4 CO2 濃度空間分布正參差系數(shù)聚類中心序列

圖5 PM2.5 濃度空間分布正參差系數(shù)聚類中心序列

反觀圖 5 中的 PM2.5聚類結(jié)果，首先 PM2.5空間分布的正參差系數(shù)沒有明顯的與工作時(shí)段相關(guān)的特征，整體上呈現(xiàn)兩種穩(wěn)定誤差的模式以及一種波動(dòng)相對(duì)較大的高水平模式。在兩種穩(wěn)定誤差模式下，空間 PM2.5濃度最大值與平均值之間的差異基本＜8 μg/m3，表明在這兩種模式下室內(nèi) PM2.5濃度分布相對(duì)均勻且穩(wěn)定。而在高水平波動(dòng)模式下，室內(nèi) PM2.5最大值與平均值之間的差值最大可達(dá) 20 μg/m3左右。

2.3 空間分布特征模式應(yīng)用分析

由于上海地區(qū)過渡季的自然通風(fēng)工況和空調(diào)采暖工況存在較大差異，因此進(jìn)一步地分析 CO2和 PM2.5濃度空間分布參差系數(shù)各典型模式（根據(jù)圖 4 和圖 5 各模式曲線高低，由高到低命名為高水平、中水平、低水平模式）在不同工況下的出現(xiàn)頻率。其中過渡季為 5—6月和 10—11月，空調(diào)采暖季為 7—9月和 12—1月。經(jīng)統(tǒng)計(jì)，CO2濃度空間分布正負(fù)參差系數(shù)的中水平模式出現(xiàn)頻率整體最高，約為 50%～60%。而 PM2.5濃度則中水平、低水平兩種穩(wěn)定誤差模式占據(jù)了絕大多數(shù)情況，兩者的出現(xiàn)頻率之和超過 90%。

最后，將不同工況下 CO2和 PM2.5濃度空間分布參差系數(shù)出現(xiàn)頻率最高的典型模式疊加到可以表征空間平均水平的測點(diǎn) 5 的監(jiān)測數(shù)據(jù)之上，獲得動(dòng)態(tài)帶狀區(qū)間數(shù)據(jù)，如圖 6 所示?？梢园l(fā)現(xiàn)根據(jù)正負(fù)參差系數(shù)反推得到的濃度數(shù)據(jù)的上下界基本可以覆蓋原始數(shù)據(jù)的分布范圍，除了若干數(shù)值較大的極端情況。經(jīng)核算，CO2濃度的覆蓋比例為 88%，PM2.5濃度的覆蓋比例為 93%，從而說明了通過動(dòng)態(tài)帶狀區(qū)間數(shù)據(jù)表征環(huán)境參數(shù)時(shí)空間分布特征方法的有效性。

圖6 CO2（a）和PM2.5（b）濃度動(dòng)態(tài)帶狀區(qū)間對(duì)原始數(shù)據(jù)的覆蓋情況示意

3 結(jié)語

本文提出了采用動(dòng)態(tài)帶狀區(qū)間數(shù)據(jù)表征室內(nèi) CO2和 PM2.5濃度時(shí)空間分布特征的方法，以上海某開敞辦公空間為案例，進(jìn)行多點(diǎn)位長期連續(xù)監(jiān)測。為量化環(huán)境參數(shù)空間分布不均勻性，本文定義了空間分布參差系數(shù)，并采用 K-means 聚類算法辨識(shí)得到開敞辦公空間 CO2和 PM2.5濃度空間分布參差系數(shù)的日時(shí)間序列典型模式。其中，CO2濃度空間分布參差系數(shù)典型模式呈現(xiàn)明顯的與工作時(shí)段相關(guān)的特征，而 PM2.5典型模式以穩(wěn)定誤差為主。由出現(xiàn)概率最高的參差系數(shù)典型模式反推得到的室內(nèi) CO2和 PM2.5濃度最大值、最小值可覆蓋近 90% 的原始數(shù)據(jù)，從而驗(yàn)證了本文方法的有效性，并可為日后采用少量室內(nèi)長期測點(diǎn)完成對(duì)于大面積、開敞建筑空間的環(huán)境測評(píng)工作提供支撐。