家庭結構對住宅空調使用時間的影響及關聯性分析

周成棟 劉猛 李子橋 劉歡

DOI：?10.11835/j.issn.2096-6717.2023.012

收稿日期：2022?11?23

基金項目：國家重點研發計劃（2018YFD1100704）

作者簡介：周成棟（1998-?），男，主要從事室內環境與大數據應用研究，E-mail：421722939@qq.com。

通信作者：劉猛（通信作者），男，教授，博士生導師，E-mail：liumeng2033@126.com。

Received： 2022?11?23

Foundation items： The National Key R & D Program of China（No.2018YFD1100704）

Author brief： ZHOU Chengdong （1998-?）， main research interest： big data and indoor thermal environment， E-mail： 421722939@qq.com.

corresponding author：LIU Meng （corresponding author）， professor， doctorial supervisor， E-mail： liumeng2033@126.com.

摘要：人員行為對建筑能耗存在較大影響，其中家庭結構是影響人行為的重要因素之一。結合問卷調研與實測方法，選取重慶地區不同人數、代數以及年齡等家庭結構信息存在差異的12戶家庭，采集夏季空調開啟和關閉時刻等運行參數，利用關聯規則算法對家庭結構參數與空調行為間的關聯規則進行分析，結果表明，家庭結構參數中的人數、代數以及成員最小年齡與空調使用時間（使用時長與開啟時間段）存在明顯相關性；代數為不同功能房間空調使用時長的最主要特征，代數越大，其空調使用時長越高，3代家庭在不同功能房間的空調使用時長均大于其他代數的家庭；最小年齡為不同功能房間的空調使用時長的次要特征，在同一代數的家庭中，最小年齡為青少年或學齡前兒童的家庭的空調使用時長會高于最小年齡為青年或中年的家庭。探明了家庭結構特征中與空調使用時間相關的主要參數，為預測空調能耗，助力建筑節能減排提供了基礎資料。

關鍵詞：住宅空調；家庭結構；使用時間；關聯規則；住宅建筑

中圖分類號：TU831.2 ????文獻標志碼：A ????文章編號：2096-6717（2024）02-0188-09

The influence of family structure on operation time of residential air-conditioning and correlation analysis

ZHOU Chengdong，?LIU Meng，?LI Ziqiao，?LIU Huan

（School of Civil Engineering；?National Center for International Research of Low-carbon and Green Building；?Joint International Research Laboratory of Green Building and Built Environment；?Chongqing Key Laboratory of Wind Engineering and Wind Energy Utilization， Chongqing University， Chongqing 400045， P. R. China）

Abstract： Occupants， behaviors have great influence on building energy consumption， and family structure is one of the important factors affecting occupants， behaviors. Based on the questionnaire survey and field measure， 12 families with different family structure information such as number， algebra and age in Chongqing were selected， and collect the operating parameters such as air-conditioning opening and closing time in summer. The association rules between family structure parameters and air-conditioning behavior were analyzed by using association rule algorithm， and it was found that the number， algebra and minimum age of members in family structure parameters were significantly correlated with air-conditioning operation time （operation duration and opening time period）. Algebra is the most important feature of air-conditioning operation duration in different functional rooms. The air-conditioning operation duration increases with the increase of the algebra. The air-conditioning operation duration of three generations of families in different functional rooms is longer than that of other generations of families. The minimum age is the secondary characteristic of the air-conditioning operation duration of rooms with different functions. In families of the same generation， the air-conditioning operation duration of families with the minimum age of teenagers or preschool children will be higher than that of families with the minimum age of youth or middle age. The main parameters related to the air-conditioning operation time in the family structure characteristics are found out， which provides basic data for predicting the air-conditioning energy consumption and helps the building to save energy and reduce emissions.

Keywords： residential air-conditioning；?family structure；?operation time；?association rule；?residential building

中國建筑能耗約占全國能耗總量的22%，而住宅建筑能耗又占總建筑能耗的46%^[1]。建筑能耗不僅與當地氣候條件、建筑熱工狀況、人員和照明發熱等內擾情況有關，還與住戶的空調調控行為有較大關系^[2]。住戶的空調調控行為呈現出較強的隨機性、不可控性、復雜性等，將導致建筑實際能耗與建筑設計能耗產生較大差異。

目前空調使用行為的研究中，主要包括人員位移以及人員動作兩個方面^[3]，其中關于人員動作方面的研究，主要集中在基于實測數據建立控制模型對人員的設備啟停（空調、窗戶、照明設備等）與設備參數調整進行分析，并發現其主要受環境因素和事件因素的影響，其中使用時長為影響空調能耗最顯著的參數之一^[4-6]。影響空調調控行為的因素較多，主要包括居住者情況和環境因素^[7-9]。其中，家庭結構是居住者常住情況的主要體現。家庭結構是由家庭中成員規模及相互關系和居住模式所決定的家庭的外在表現形式，通常可以根據人數、代數、成員關系和家庭年齡對其劃分類型^[10]。McLoughlin等^[11]發現了家庭構成對空調設備用能有顯著影響。

現有研究發現不同的人群存在不同的空調使用行為。例如Yang等^[12]通過統計方法和協方差分析發現性別對空調使用能耗存在影響，通常男性在夏季空調使用能耗上高于女性，而女性在冬季空調使用能耗上高于男性。Brounen等^[13]發現兒童的存在往往會增加家庭的能耗需求。Meng等^[14]通過問卷調研發現退休人員的日在室率普遍偏高，而青少年在室時間主要集中在20：00至次日10：00，不同年齡段人群的社會角色不同，例如，6～22歲的人群通常為學生，其在室率與使用行為均與其余人群存在差異性。筆者根據不同年齡段人群所處的社會角色對其進行劃分，0～6歲為學齡前兒童，6～22歲為青少年，22～35歲為青年，35～50歲為中年。不同的家庭包含著不同的人群，因此，不同的家庭結構會導致居住模式以及行為模式產生較大的差異。例如，研究發現兩代同堂且有高齡老人的家庭中，在家空調使用時間可能遠高于成員年齡偏小的家庭。而處于兒童成長期的兩代同堂家庭，生活作息較為規律，在家空調使用時間也比較集中^{[11，15]}。Estiri等^[16]發現住戶特征可以直接影響能耗需求，從而間接塑造住宅能源需求模式。盡管家庭結構與住宅能耗之間存在密不可分的關系，但家庭結構參數種類較多，包括人員規模（人數、代數）、年齡結構、成員關系等，且目前仍缺少具有代表性的家庭結構參數來反映對空調使用行為的影響。盧玫珺等^[17-18]利用多因素方差分析確定了不同年齡段居民對高耗能制冷設備依賴性隨年齡增長而降低，但暫不清楚各個年齡段對空調使用行為的具體表現特征。陳淑琴等^[19]利用問卷調研發現了家庭人口數越多，戶均用能需求增大，人均用能需求減少，但仍需進一步細化不同人口數的用能行為差別以及在主臥和次臥等不同房間的用能行為差別。除此之外，在探究不同住宅家庭結構對能耗影響的研究中，還發現了數據采集參數不夠客觀以及傳統實地監測獲取數據稀松的問題，導致難以捕捉到盡可能多的家庭結構與空調使用行為間的關聯性^[20]。筆者利用Apriori算法，構建家庭結構參數與空調使用行為間的聯系，探究其與空調使用行為之間的關聯性。Apriori算法能夠有效地從稀松的數據集中精確提煉出關鍵結果，且該算法能夠高效地探尋不同事務間的關聯規則以及關聯強度。例如，韓博聞^[21]基于Apriori算法挖掘出了配電網運行維護中各運行因素與運行維護指標之間的顯性或隱形關聯。

綜上，現有研究中尚缺少不同的家庭結構特征參數（人數、代數、年齡等）與空調行為之間的關聯關系以及同一住戶空間上空調行為的差異。筆者旨在探究家庭結構的特征參數對夏熱冬冷地區中的重慶地區空調使用行為的影響。通過對12戶家庭夏季共62 d的空調使用情況（空調開啟時間段和空調使用時長）進行實測調研，利用Apriori算法，對每戶家庭進行標簽化（人數、代數和成員最小年齡），再探究每類標簽與空調使用行為之間的關聯性，最后挖掘出不同家庭結構特征相關聯的家庭空調使用行為，為區域性預測空調能耗工作提供基礎資料。

1 研究方法

選取重慶地區城鎮住宅建筑用戶，收集用戶空調使用行為數據與家庭結構背景信息，利用斯皮爾曼相關性分析方法明確家庭結構對空調使用行為的影響程度以及主要因素，并根據Apriori關聯規則算法明確家庭結構與空調使用行為的關聯性。

1.1 數據收集

為探究家庭結構與夏季空調使用行為的關系，選取了重慶市不同家庭結構的12戶家庭進行了實測。

重慶作為夏熱冬冷地區的典型地區，依據《夏熱冬冷地區居住建筑節能設計標準》（JGJ 134—2010）選取6月15日—8月31日作為供冷季，實測時間為2018年7月1日—2018年8月31日，共62 d。

實測內容包括家庭信息的問卷調查以及家用空調的運行參數記錄，問卷調查主要包括住戶戶型、家庭常住人口、家庭成員構成以及家庭代數，其組成詳見表1，實測用戶均為3代以內家庭，總人數不超過5人，且人員構成無老年人。主要通過空調伴侶（電量監測插座）監測空調的使用時間來記錄空調器的運行時段，空調測試參數主要包括空調開關狀態以及空調每日耗電量。

在實測中，共有主臥、次臥以及客廳3種功能房間，每臺空調室內機配備一個空調伴侶測試空調運行參數，并記錄其對應的功能房間，兩室一廳住戶安裝3個空調伴侶，三室一廳住戶安裝4個空調伴侶。

1.2 關聯規則Apriori算法

Apriori算法是一種挖掘關聯規則的頻繁項集算法，其核心是基于兩階段頻繁項集思想的遞推算法，其中頻繁項集指的是經常出現在一塊的物品的集合，關聯規則暗示兩種物品之間可能存在很強的關系^[22]。

Apriori算法的整體步驟可分為兩步：第1步通過迭代，檢索出事務數據庫中的所有頻繁項集，即支持度不低于設定的閾值的項集；第2步利用頻繁項集構造出滿足用戶最小信任度以及提升度的強關聯規則，其流程圖如圖1所示^[23-24]。

2 研究結果與分析

2.1 家庭結構參數分析

目前關于家庭結構的研究中，主要采用人數、代數、是否有小孩、夫婦平均年齡、最大年齡、最小年齡與平均年齡作為家庭結構的研究參數。通過實測調研結果，主要利用斯皮爾曼相關系數分析驗證這些參數的可行性，先計算出家庭結構參數與空調行為之間的相關系數，再計算家庭結構參數的平均相關系數，平均相關系數為該家庭結構參數與所有空調行為相關系數絕對值的平均值。結果如表2所示，其中*代表p值小于0.05的情況，即兩者存在顯著相關性，可以發現，人數、代數與最小年齡均和空調使用行為存在顯著相關性。因此，選了與空調使用行為平均相關系數最高的3個參數——人數、代數和家庭最小年齡作為家庭結構參數特征。

2.2 主臥使用時長與使用時間段描述

依據相關性分析，以家庭結構參數中的人數、代數和家庭最小年齡為特征參數，圖2為主臥的空調使用時長分布。主臥平均每日空調使用時長為7.3 h，主臥的空調使用時長并非隨家庭人數增加而增加，1人家庭主臥的使用時長高于2人家庭主臥的使用時長。主臥空調使用時長隨家庭代數的增加而增加，3代家庭主臥平均空調使用時長為9.7 h，2代家庭為7.3 h，1代家庭為5.2 h。當家庭中最小年齡為學齡前兒童或青少年時，主臥的空調使用時長高于最小年齡為青年或中年的家庭。

根據家庭結構參數中的人數、代數和家庭最小年齡等特征參數，對主臥空調開啟時間段進行整體分析，結果如圖3所示。從整體上看，主臥空調的主要開啟時間段集中在21：00。人數與代數越多的家庭，在21：00開啟空調的概率越高，而有學齡前兒童以及青少年的家庭，其在21：00開啟空調的概率達到了0.5以上，在某個時間段開啟概率越高，也就表明了該家庭使用空調的時段越具有規律性。

2.3 次臥使用時長與使用時間段描述

圖4為次臥空調使用時長分布。次臥平均每日空調使用時長為2.8 h，次臥的空調使用時長隨家庭人數增加而有階梯式增加趨勢，1～2人家庭次臥的空調使用時長幾乎為0，但3～5人家庭次臥的空調使用時長平均為5～6 h。次臥的空調使用時長隨家庭代數的增加而增加，次臥3代家庭平均空調使用時長為7.4 h，2代家庭為1.4 h，1代家庭為0 h。次臥的空調使用主要為最小年齡為青少年的家庭。

次臥的空調開啟時間段分布結果如圖5所示。從整體上看，次臥的主要開啟時間段集中在21：00。人數與代數越多的家庭，空調開啟的時間段越規律，而有學齡前兒童以及青少年的家庭，其在21：00開啟空調的概率達到了0.6以上。

2.4 客廳使用時長與使用時間段描述

圖6為客廳的空調使用時長分布。客廳平均每日空調使用時長為3.3 h，客廳的空調使用時長從2人家庭開始逐漸增加，1人家庭與4人家庭的平均空調使用時長接近。客廳的空調使用時長隨家庭代數的增加而增加，客廳3代家庭平均空調使用時長為4.7 h，2代家庭為1.9 h，1代家庭為0.2 h。客廳的空調使用主要為最小年齡為學齡前兒童的家庭，且最小年齡為中年的家庭幾乎不使用客廳空調。

客廳的空調開啟時間段分布結果如圖7所示。從整體上看，客廳空調的主要開啟時間段較為分散，無明顯集中時間段開啟。5人家庭空調開啟的時間段相對集中在16：00。

3 討論

3.1 主臥中空調使用時間與家庭結構的關聯規則

為使用Apriori關聯規則算法分析家庭結構與空調使用時間的關聯性，基于算法結構框架，需要將目前的定量數據轉換為定性數據，因此，首先對樣本空調使用時長進行分類。Gu等^[25]提出了閾值模型分類方法，并驗證了區域尺度空調用戶分類的有效性。根據上述空調用戶分類方法，基于用戶需求，樣本可分為低使用時長、中使用時長和高使用時長用戶，如表3所示。主臥每日空調使用時長在7.51 h內的歸為低使用時長用戶，每日空調使用時長在7.51～10.54 h的歸為中使用時長用戶，每日空調使用時長大于10.54 h的歸為高使用時長用戶。再對空調開啟時間段進行分類，分類按照4段式，即0：00—6：00為深夜，6：00—12：00為上午，12：00—18：00為下午，18：00—24：00為夜晚。

根據上述空調開啟時長以及使用時間段分類，利用Apriori關聯規則算法分析家庭結構與空調使用時間的關聯性。其中，支持度設置為大于5%，置信度設置為大于50%，提升度設置為大于1。關聯規則分析結果如圖8所示。主臥空調的高使用時長用戶與人數為4人、5人，代數為2代、3代，最小年齡為學齡前兒童和青少年的家庭關聯性強，主臥空調的低使用時長用戶與人數為2人，代數為1代，最小年齡為青年和中年的家庭關聯性強。主臥空調的開啟時間段主要集中在夜晚18：00—24：00時間段，家庭成員最小年齡為青少年的家庭，主臥夜晚開啟空調關聯性更強。

3.2 次臥中空調使用時間與家庭結構的關聯規則

如表4所示，次臥每日空調使用時長在1.25 h內的歸為低使用時長用戶，每日空調使用時長在1.25～9.28 h的歸為中使用時長用戶，每日空調使用時長大于9.28 h的歸為高使用時長用戶。

次臥空調使用時間與家庭結構關聯規則分析結果如圖9所示。次臥空調的高使用時長用戶與人數為4人、5人，代數為2代、3代，最小年齡為學齡前和青少年的家庭關聯性強，次臥空調的低使用時長用戶與人數為1人、2人，代數為1代的家庭關聯性強。可以發現次臥空調的開啟時間段主要集中在夜晚18：00—24：00時間段，且人數與代數越多的家庭，其次臥空調開啟越規律。家庭成員最小年齡為青少年和學齡前兒童的家庭，次臥夜晚開啟空調關聯性更強。

3.3 客廳中空調使用時間與家庭結構的關聯規則

如表5所示，客廳每日空調使用時長在2.06 h內的歸為低使用時長用戶，每日空調使用時長在2.06～6.76 h的歸為中使用時長用戶，每日空調使用時長大于6.76 h的歸為高使用時長用戶。

客廳空調使用時間與家庭結構關聯規則分析結果如圖10所示?？蛷d空調的高使用時長用戶與人數為3人、4人，代數為3代，最小年齡為學齡前兒童和青少年的家庭關聯性強，客廳空調的低使用時長用戶與人數為2人、3人，代數為1代、2代的家庭關聯性強?？梢园l現客廳空調的開啟時間段1代家庭集中在晚上，2代家庭集中在上午，3代家庭集中在下午，而無其余明顯關聯規則。

3.4 空調使用時間與家庭結構的關聯性結果分析

綜合以上主臥、次臥與客廳3種不同功能房間的空調使用時長，發現家庭中代數的增加會導致主臥、次臥與客廳的使用時長增加，3代家庭的整體空調使用時長大于2代家庭，而2代家庭的空調使用時長大于1代家庭。人數的增加不一定會導致客廳空調使用時長的增加，特別是1人的家庭，其空調使用行為受個人習慣影響較大，其空調使用時長無強關聯規則，但隨著人數的增加，空調使用時長也會增加，主要是受代數增加的影響。最小年齡是一個更加復雜的參數，并且與代數和人數在一定方面具有相關性，因為通常1代家庭的最小年齡為青年，而3代家庭的最小年齡為學齡前兒童或青少年，但在3種不同功能房間上，最小年齡為青少年的家庭，都與高使用時長用戶關聯性較強，則一是反映了最小年齡為青少年的家庭使用時長普遍偏高，二是反映了最小年齡為青少年的家庭使用空調時長較為規律。且次臥的使用與最小年齡為青少年的家庭密切相關，在實測中，只有最小年齡為青少年的家庭大量地使用了次臥的空調。

圖8～圖10的關聯規則結果中的強關聯性僅表示在某一個事件下，其高概率發生的結果，并不代表在所有事件下的高概率發生的結果，如圖10所示，2代家庭在客廳與上午時段開啟空調有強關聯規則，其代表的含義是指客廳在上午時段開啟空調的條件下，2代家庭存在這種行為的概率遠高于其余代數，因此，該結果并不代表2代家庭不常在夜晚時間段開啟空調。綜合以上主臥、次臥與客廳3種不同功能房間的空調使用時間段，主臥與次臥空調的開啟時間段與家庭結構參數無明顯關聯規則，都主要集中在夜晚時間段（18：00—24：00）開啟，但當代數在1代以及人數在2人以內時，主臥與次臥也存在其他時間段開啟情況。其中代數不同的家庭在客廳空調的開啟時間段有明顯差異，1代家庭在客廳空調使用時間段集中在夜晚，而2代家庭在客廳空調使用時間段集中在上午與夜晚，3代家庭在客廳空調使用時間段集中在下午，這可能是由不同人員在室率導致的，例如1代家庭通常由上班族人群組成，其回家時間可能在夜晚，而3代家庭通常存在長時間居家的人群，則可能下午就開始使用空調。

4 結論

為探究家庭結構參數與空調使用行為之間的關聯關系，通過對12戶家庭，40個空調器共62 d的實測研究，利用關聯規則算法探究了家庭結構參數和空調使用行為之間的關聯規則。得到以下主要結論：

1）家庭結構參數中的人數、代數與最小年齡均與空調使用時間存在明顯相關性，其中代數對空調使用時間的影響程度最大。

2）代數為不同功能房間的空調使用時長的最主要特征，代數越大，其空調使用時長越高，3代家庭在不同功能房間的空調使用時長均大于其他代數的家庭。在本研究中，主臥3代家庭平均空調使用時長為9.7 h，2代家庭為7.3 h，1代家庭為5.2 h；次臥3代家庭平均空調使用時長為7.4 h，2代家庭為1.4 h，1代家庭為0 h；客廳3代家庭平均空調使用時長為4.7 h，2代家庭為1.9 h，1代家庭為0.2 h。最小年齡為不同功能房間的空調使用時長的次要特征，在同一代數的家庭中，最小年齡為青少年或學齡前兒童的家庭的空調使用時長會高于最小年齡為青年或中年的家庭。對于成員最小年齡為學齡前兒童或青少年的家庭，主臥與次臥的使用時長呈正相關。

3）代數為客廳的空調開啟時間段的最主要特征，1代家庭的空調開啟時間段集中在夜晚，2代家庭的空調開啟時間段集中在上午與夜晚，3代家庭的空調開啟時間段集中在下午。無明顯家庭結構特征影響主臥與次臥的空調開啟時間段，主臥與次臥的空調開啟時間段均主要集中在夜晚時間段。最小年齡為青少年的家庭，其空調開啟時間段較為固定且有規律。

參考文獻

[1] ?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2021 [M]. 北京： 中國建筑工業出版社， 2021.

Building Energy Research Center of Tsinghua University. Annual development research report of building energy efficiency in China-2021 [M]. Beijing： China Architecture & Building Press， 2021. （in Chinese）

[2] ?李兆堅， 謝德強， 江紅斌， 等. 北京市住宅空調開機行為和能耗的實測研究[J]. 暖通空調， 2014， 44（2）： 15-20.

LI Z J， XIE D Q， JIANG H B， et al. Testing study on operating behavior and energy consumption of air conditioners in residential buildings in Beijing [J]. Heating Ventilating & Air Conditioning， 2014， 44（2）： 15-20. （in Chinese）

[3] ?燕達， 豐曉航， 王闖， 等. 建筑中人行為模擬研究現狀和展望[J]. 建筑科學， 2015， 31（10）： 178-187.

YAN D， FENG X H， WANG C， et al. Current state and future perspective of occupant behavior simulation in buildings [J]. Building Science， 2015， 31（10）： 178-187. （in Chinese）

[4] ?劉猛， 晏璐， 李金波， 等. 基于數據監測平臺的重慶地區房間空調器使用作息分析[J]. 暖通空調， 2020， 50（5）： 1-9， 116.

LIU M， YAN L， LI J B， et al. Analysis of operation schedule of room air conditioners in Chongqing based on data monitoring platform [J]. Heating Ventilating & Air Conditioning， 2020， 50（5）： 1-9， 116. （in Chinese）

[5] ?RIJAL H B， TUOHY P， NICOL F， et al. Development of an adaptive window-opening algorithm to predict the thermal comfort， energy use and overheating in buildings [J]. Journal of Building Performance Simulation， 2008， 1（1）： 17-30.

[6] ?FABI V， ANDERSEN R V， CORGNATI S， et al. Occupants' window opening behaviour： A literature review of factors influencing occupant behaviour and models [J]. Building and Environment， 2012， 58： 188-198.

[7] ?王闖. 有關建筑用能的人行為模擬研究[D]. 北京： 清華大學， 2014.

WANG C. Simulation research on occupant energy-related behaviors in building [D]. Beijing： Tsinghua University， 2014. （in Chinese）

[8] ?張振誠， 田佳. 人員行為對住宅建筑熱負荷需求的影響研究[J]. 建筑熱能通風空調， 2021， 40（9）： 10-13， 97.

ZHANG Z C， TIAN J. Research on the influence of occupant behavior on the heat load demand of residential building [J]. Building Energy & Environment， 2021， 40（9）： 10-13， 97. （in Chinese）

[9] ?REN X X， YAN D， WANG C. Air-conditioning usage conditional probability model for residential buildings [J]. Building and Environment， 2014， 81： 172-182.

[10] ?宋健， 張曉倩. 從人口轉變到家庭轉變：一種理論分析思路[J]. 探索與爭鳴， 2021（1）： 129-136， 180.

SONG J， ZHANG X Q. From demographic transition to family transition： A theoretical analysis perspective [J]. Exploration and Free Views， 2021（1）： 129-136， 180. （in Chinese）

[11] ?MCLOUGHLIN F， DUFFY A， CONLON M. Characterising domestic electricity consumption patterns by dwelling and occupant socio-economic variables： An Irish case study [J]. Energy and Buildings， 2012， 48： 240-248.

[12] ?YANG Y C， YUAN J Q， XIAO Z W， et al. Energy consumption characteristics and adaptive electricity pricing strategies for college dormitories based on historical monitored data [J]. Energy and Buildings， 2021， 245： 111041.

[13] ?BROUNEN D， KOK N， QUIGLEY J M. Residential energy use and conservation： Economics and demographics [J]. European Economic Review， 2012， 56（5）： 931-945.

[14] ?MENG X， GAO Y N， HOU C P， et al. Questionnaire survey on the summer air-conditioning use behaviour of occupants in residences and office buildings of China [J]. Indoor and Built Environment， 2019， 28（5）： 711-724.

[15] ?朱小雷， 王博， 余文婷. 家庭結構與多代居住空間關聯性： 以廣州保障房套型研究為例[J]. 南方建筑， 2020（6）： 8-14.

ZHU X L， WANG B， YU W T. The relationship between family structure and multigenerational dwellings： Design research on Guangzhou security residential buildings [J]. South Architecture， 2020（6）： 8-14. （in Chinese）

[16] ?ESTIRI H. The indirect role of households in shaping US residential energy demand patterns [J]. Energy Policy， 2015， 86： 585-594.

[17] ?盧玫珺， 羅喬. 居民用能行為對能耗影響程度分析[J]. 福建建材， 2020（5）： 7-9.

LU M J， LUO Q. Analysis on the influence of residents' energy consumption behavior on energy consumption [J]. Fujian Building Materials， 2020（5）： 7-9. （in Chinese）

[18] ?盧玫珺， 羅喬， 歐陽金龍. 成都市不同年齡段居民用能行為的調查研究[J]. 四川建筑科學研究， 2020， 46（3）： 79-85.

LU M J， LUO Q， OUYANG J L. Investigation on energy use behavior of residents of different age groups in Chengdu [J]. Sichuan Building Science， 2020， 46（3）： 79-85. （in Chinese）

[19] ?陳淑琴， 胡佳敏， 黃宇蕊， 等. 廣州市城鎮住宅用能行為特征聚類及其對用能需求的影響[J]. 暖通空調， 2022， 52（7）： 151-157， 150.

CHEN S Q， HU J M， HUANG Y R， et al. Clustering analysis of occupant behavior and its impacts on energy demand of urban residential buildings in Guangzhou [J]. Heating Ventilating & Air Conditioning， 2022， 52（7）： 151-157， 150. （in Chinese）

[20] ?FLETT G， KELLY N. Modelling of individual domestic occupancy and energy demand behaviours using existing datasets and probabilistic modelling methods [J]. Energy and Buildings， 2021， 252： 111373.

[21] ?韓博聞. 基于Apriori關聯算法的配電網運行大數據關聯分析模型[J]. 上海電力學院學報， 2018， 34（2）： 163-168， 195.

HAN B W. Big data association analysis model of distribution network operation and maintenance based on apriori correlation algorithm [J]. Journal of Shanghai University of Electric Power， 2018， 34（2）： 163-168， 195. （in Chinese）

[22] ?沈慧娟， 曹曉麗. 基于頻集的Apriori關聯規則算法的應用研究[J]. 物聯網技術， 2020， 10（10）： 57-61.

SHEN H J， CAO X L. Application research of apriori association rule algorithm based on frequency set [J]. Internet of Things Technologies， 2020， 10（10）： 57-61. （in Chinese）

[23] ?賈克斌， 李含婧， 袁野. 基于Apriori算法的數據挖掘在移動醫療系統中的應用[J]. 北京工業大學學報， 2017， 43（3）： 394-401， 322.

JIA K B， LI H J， YUAN Y. Application of data mining in mobile health system based on apriori algorithm [J]. Journal of Beijing University of Technology， 2017， 43（3）： 394-401， 322. （in Chinese）

[24] ?朱奎兵， 劉彥戎. 一種優化的Apriori關聯規則算法[J]. 信息技術， 2022， 46（5）： 77-81， 87.

ZHU K B， LIU Y R. An optimized Apriori association rule algorithm [J]. Information Technology， 2022， 46（5）： 77-81， 87. （in Chinese）

[25] ?GU X B， LIU M， LI Z Q. Classification of household room air conditioner user groups by running time in the hot summer and cold winter zone of China [J]. Buildings， 2022， 12（9）： 1415.

（編輯??胡玲）