空调电耗占我国城镇住宅总用电量的20%，准确分析气候变化对空调耗电量的影响对居住建筑节能低碳技术的发展与应用具有重要意义。气候变化不仅影响建筑冷热负荷需求，而且通过对分体空调运行能效比（EER）的影响进而影响空调运行电耗，最终造成居住建筑分体空调电耗的巨大变化。在全球变暖、极端气候事件增加的背景下，本研究以北京典型居住建筑为例，使用能耗模拟软件DeST对该建筑在1960—2014年的冷负荷变化情况进行定量模拟，并使用TRNSYS的分体空调模型计算了该建筑的逐年空调电耗。结果表明1960—1980年期间空调电耗呈下降趋势，1980年以后平均气温显著升高，空调电耗也随之增加。通过分析气象参数对空调电耗的影响，本研究发现室外干球温度对空调电耗的影响最大，含湿量和太阳辐射与电耗的相关性较小。此外，本研究考虑了室外温度对空调运行EER的影响，并据此计算得到了空调电耗，该电耗与使用空调额定EER计算得到的电耗相比有较大差别，2种方法计算得到的累计值和尖峰值偏差约为10%，因此在开展气候变化对建筑能耗的影响分析研究时应该考虑室外温度对分体空调运行EER的影响，使分析结果更准确合理。
气候变化；居住建筑；分体空调；能效比（EER）；空调电耗
高淑芳 1 安晶晶 1 王闯 1 燕达 2 马京津 3
（1.北京建筑大学；2.清华大学；3.北京弘象科技有限公司）
应对气候变化已成为全球可持续发展的重要议题。2020年联合国大会上，中国提出力争2030年前二氧化碳排放达到峰值、2060年前实现碳中和的目标。建筑作为终端能源消费的重要载体，其能耗是全社会能耗的重要组成部分。控制建筑总能耗及温室气体排放量、实现建筑节能减排，对推动我国早日实现碳达峰、碳中和目标具有重要意义。
气候是影响建筑能耗的重要因素，建筑能耗的增加或减少与气候变化密不可分。在全球气候变化大背景下，预测建筑能耗总量变化趋势、评估建筑节能减排技术的长期适用性、发展相关建筑技术以应对气候变化，都需要准确评估气候变化对建筑能耗的影响。
一些学者利用未来气象数据开展了建筑能耗影响分析的研究。Fathi等人用数学模型对未来40年的建筑负荷进行预测，结果表明到2057年建筑负荷将会增加20%；Larsen等人使用度日数计算未来建筑负荷变化，结果表明供暖负荷将下降到85%～95%，制冷负荷将增加到122.5%～150.0%；Obringer等人利用机器学习模型预测未来美国空调需求将显著增加；Tootkaboni等人利用EnergyPlus、IDE ICE等模拟软件对典型建筑在未来的负荷变化进行模拟分析，结果表明到21世纪末供暖负荷最多减少80%，制冷负荷最多增加255.1%。以上研究采用未来预测气象数据对远期气候变化情景下的建筑用能总量进行预估，结果表明未来随着全球气温的整体升高，建筑热负荷会显著减少，冷负荷会显著增加。
其他绝大部分研究则采用历史数据研究气候变化对建筑能耗的影响。由于历史气象数据更为准确可靠，并且可以基于多年真实逐时气象数据详细分析建筑能耗的逐时变化及统计规律，因此在工程技术领域得到广泛应用。钟珂等人使用供暖、供冷度日数作为指标，研究了我国5个气候分区中83个气象站1996—2016年气候变化对建筑能耗的影响，发现严寒和寒冷地区供暖度日数的变化较夏热冬冷、夏热冬暖、温和地区更大，供冷需求较少的严寒、寒冷地区和温和地区的供冷度日数近20年几乎不变或小幅度上升。万蓉等人也用度日数作为建筑能耗变化的指标，分析了气候变化对建筑能耗的影响。用度日数方法分析建筑能耗的变化，忽略了建筑围护结构热惯性等因素的影响，不适合用于计算建筑空调能耗。
Li等人使用能耗模拟软件TRNSYS模拟了办公建筑在1961—2010年间冷负荷的变化，结果显示哈尔滨的冷负荷每年以3.8 W/m2的速度增加，天津和上海的冷负荷变化不明显；Chen等人使用TRNSYS模拟了8个城市1961—2017年间的办公建筑负荷，其中福建罗源的计算结果显示，与1961—1990年相比，1991—2017年间办公建筑热负荷减少26.8%，冷负荷增加80%；张义豪等人使用DOE2.1E软件模拟了上海办公建筑的冷负荷和热负荷，结果显示在1973—2002年间，冷负荷每年增长0.14%，热负荷每年减少0.28%；赵德印等人基于2008—2017年的气象数据，使用DesignBuilder软件对上海办公建筑进行了能耗模拟，结果表明冷负荷最大增加13%，热负荷减少；杨艳娟等人、崔妍等人使用TRNSYS软件分别对我国华北地区、东北地区的办公建筑能耗进行了模拟，结果表明热负荷呈下降趋势，冷负荷没有明显变化，影响建筑负荷的气象因素主要是平均气温。以上研究使用能耗模拟软件对建筑冷热负荷的变化进行模拟，结果表明气候变化对办公建筑冷热负荷有非常显著的影响。
然而，现有的研究中大多数针对气候变化对办公建筑能耗的影响展开，对居住建筑能耗影响的研究较少。根据北京统计年鉴数据，1990—2020年北京市所有竣工面积中，居住建筑面积占比为72.08%，且北京城镇住宅空调的拥有率从1995年的每百户12台增加到2020年的每百户187台。随着我国经济的发展、人民生活水平的提高，以及气候的持续变暖，居民对住宅空调的需求也越来越大，居民空调拥有量将持续增长，研究气候变化对居住建筑空调能耗的影响具有必要性和现实意义。
此外，现有研究大多围绕建筑冷热负荷展开，对空调电耗的研究存在一定局限性。研究中一般采用恒定空调运行能效比（EER）对建筑冷热负荷进行折算，得出相应的空调运行电耗，即认为气候变化对建筑负荷的影响和对空调电耗的影响是一致的，然而气候变化不仅对建筑负荷有影响，还同时影响空调运行EER，进而影响到空调运行电耗，采用恒定空调运行EER折算电耗的方法会造成分析结果的偏差。
综上，本文的研究将针对居住建筑空调电耗展开，以北京市为例，基于历史气象数据对建筑能耗进行逐时模拟，研究气候变化对居住建筑空调电耗的影响。本文以北京1960—2014年真实历史气象数据为基础，以北京某典型居住建筑为计算案例，使用建筑能耗模拟软件DeST模拟该建筑1960—2014年的逐时冷负荷，同时使用TRNSYS分体空调模型计算空调电耗，考虑气象参数对空调运行EER的影响，进而统计分析北京逐年的气候变化及住宅空调电耗的变化情况，并定量分析气候变化对住宅空调电耗的影响及二者之间的关联。
1.1 研究方法概述
本研究以北京地区为例开展气候变化对居住建筑空调电耗的影响分析，技术路线如图1所示。首先，对国家气候中心在北京气象站1960—2014年间观测记录的地面气象数据和辐射数据进行处理，以便使用该气象数据集模拟建筑负荷。其次，使用建筑能耗模拟软件DeST建立并验证典型建筑模型，确定典型建筑的参数设置，为了准确计算空调电耗，本研究使用TRNSYS提供的分体空调样本性能数据，对分体空调实际运行EER进行建模，根据EER和建筑负荷即可计算出空调电耗。再次，用1960—2014年的气象数据对该建筑模型的逐年冷负荷和空调电耗进行模拟。最后，通过统计分析气象参数、冷负荷、空调电耗的逐年变化趋势，分析气候变化对分体空调电耗的影响。
1.2 气象数据的获取
本研究气象数据来自于北京气象观测站1960—2014年的地面气象数据和辐射观测数据。地面气象数据包括一日四次定时测量的空气温度、相对湿度、风速风向、地表温度、大气压力等，2003年以后数据观测方式转变为自动观测记录，数据精度从一日四次定时测量转变为逐时记录。辐射观测数据包括逐日观测的水平面日总辐射、法向直射辐射、水平面散射辐射、水平面净辐射等，自1993年转变为逐时观测的辐射数据。本研究采用Cui等人建立的用于建筑能耗模拟的北京市逐时气象数据集开展研究，将该数据集格式处理为DeST可读取的气象数据格式。
我国现存城市住宅的单元面积以60～80 m 2 /户的小户型和80～100 m 2 /户的中户型为主。本文选取的居住建筑共4层，层高2.7 m，地上建筑面积1 396.80 m 2 。每层包含2种户型共4户家庭，户型a（黑色线框部分）建筑面积为72.72 m 2 ，户型b（蓝色线框部分）建筑面积为88.92 m 2 。供暖季采用24 h持续供暖，供冷季使用分体空调间歇供冷。图2为使用DeST软件建立的该建筑的几何模型 。
1.3.2 建筑参数设置
根据北京市统计局的统计数据，现存居住建筑中1995—2009年间竣工面积最大。清华大学建筑节能研究中心2015年的调查结果也显示，北京城市居住建筑有60%以上属于1990—2010年建造的。因此本文根据JGJ 26—95《民用建筑节能设计标准》确定该建筑的物性参数，具体参数见表1。
建筑的负荷不仅与围护结构的热工性能有关，热扰作息也会对建筑负荷产生影响。热扰作息包括人员热扰、灯光热扰、设备热扰、空调作息等，参考桂晨曦等人提出的典型建筑模型中人员设备灯光的作息进行设置，主要分为工作日作息与休息日作息，具体设置如图3所示。夏季空调设定温度为26 ℃，容忍温度为29 ℃，夜间（20:00—08:00）房间通风换气次数为2 h -1 ，白天（08:00—20:00）通风换气次数为0.5 h -1 。本研究仅探究气候变化对建筑冷热负荷的影响，在逐年负荷模拟中假设人员设备等热扰作息和建筑围护结构的热工性能保持不变。
1.3.3 典型建筑模型验证
使用《中国建筑热环境分析专用气象数据集》中北京典型气象年数据，用DeST模拟软件进行冷热负荷的模拟验证，得到累计热负荷指标为59.90 kW·h/m 2 （0.22 GJ/m 2 ），累计冷负荷指标为14.46 kW·h/m 2 ，该结果与桂晨曦等人提出的北京典型多层居住建筑冷热负荷指标（累计热负荷指标为0.21～0.35 GJ/m 2 ，累计冷负荷指标为3.9～15.9 kW·h/m 2 ）一致，模拟结果与实际建筑的调研结果吻合，该居住建筑模型可以作为典型建筑模型。
1.4 建立分体空调模型
瞬时系统模拟软件TRNSYS提供了多种设备的样本数据，本研究中使用的分体空调数据为TRNSYS中的分体空调Type144的数据，输入变量为开关控制信号、室外温度、室内温度、室内相对湿度等，输出变量为房间冷负荷、空调用电功率、EER等，根据房间当前时刻的室外温度、室内温湿度等选定空调此时的运行效率，从而计算空调的用电功率。分体空调电耗的计算采用能耗模拟软件TRNSYS的分体空调样本数据，该样本文件提供了不同室外干球温度、室内干湿球温度等工况下的空调运行EER，其余工况的参数通过插值获取。样本文件说明EER主要受室外干球温度、室内湿度、室内干球温度的影响，由于本案例模型中房间夏季设定温度为26 ℃、相对湿度设定值为60%，房间开启空调时室内温湿度基本控制在26 ℃和60%附近，故空调EER主要受室外干球温度的影响。根据GB/T 7725—2004《房间空气调节器》，空调的额定工况为室内干球温度27 ℃、湿球温度19 ℃，室外干球温度35 ℃、湿球温度24 ℃时的空调运行工况，GB 12021.3—2010《房间空气调节器能效限定值及能效等级》规定额定制冷量小于4 500 W、能效等级为2时，空调能效比为3.40，本研究选取空调额定工况下的EER为3.40。以此为基准对TRNSYS样本性能数据作归一化处理。TRNSYS分体空调样本数据分别提供了不同室内温度（22.22、23.89、25.56、26.67 ℃）时的空调运行数据，图4显示了归一化处理后室内相对湿度为60%时，空调EER随室外干球温度的变化，通过插值计算得到其他工况下的空调EER。空调逐时电耗 P 可由式（1）计算得到。
式中 Q 为空调处理的建筑逐时冷负荷，kW； η 为空调能效比（EER）。
利用上述模型可以计算出空调逐时电耗，以1层西侧a户型主卧房间为例展示计算结果。图5显示了该房间在2014年8月2日的空调逐时EER及用电功率，08：00—22：00主卧不开启空调，22：00空调刚开启时用电功率最大，EER受到室外温度的影响，在3.7～4.1之间变化。
1.5 气象参数对冷负荷、空调电耗影响的关联度评价指标
分析连续变量相关关系的常用评价指标有协方差、皮尔逊相关系数、可决系数等，本研究采用单变量分析方法对影响建筑能耗的气象参数进行逐一分析，故选取可决系数作为2个变量相关性的评价指标。可决系数 r 2 的值在0～1之间，越接近1， X 变量与 Y 变量的相关性越强。 X、Y 的可决系数可由式（2）计算得到。
式中 Y i 为变量 Y 的第 i 个样本值；
为
Y
在
X
、
Y
拟合曲线上的回归拟合值；
为
Y
i
的平均值。
2.1 建筑冷负荷的模拟计算
基于北京气象站1960—2014年的气象数据，在DeST中模拟该建筑历年供冷季（6月1日至9月15日）的逐时冷负荷。图6显示了2014年该建筑供冷季的逐时冷负荷曲线，在7月到8月中旬建筑冷负荷有较强的周期性。
2.2 建筑空调电耗的计算
现有研究一般使用空调额定EER计算空调电耗，忽略了空调运行EER受到室外温度等环境参数的影响。本文使用TRNSYS的分体空调样本建立空调电耗计算模型，模型包含了室内外温度对空调EER的影响，使计算结果更接近真实运行状况。
图7显示了采用空调额定EER与采用TRNSYS空调模型EER计算的空调累计电耗，计算结果差别较大，采用TRNSYS空调模型EER计算得到的电耗比采用空调额定EER计算得到的电耗小10%以上，也就是说采用空调额定EER会过大地估计空调电耗。此外，不同年份采用2种方法计算得到的空调电耗偏差也不尽相同：1976年二者差值最小，为470.14 W·h/m 2 ，相差17.78%；1994年二者差值达到872.71 W·h/m 2 ，采用TRNSYS空调模型EER比采用空调额定EER计算得到的电耗小13.50%。这是由不同年份室外温度差异造成的。同样对比了2种方法计算得到的各年空调峰值功率，结果如图8所示。可以看出2种计算方法得到的空调峰值功率也有一定差别，差值在-2.16%~14.48%之间。其中，1975年二者相差最大，为3.31 W/m 2 ；1961年二者最为接近；1999年室外温度峰值达到41.9 ℃，采用空调额定EER计算得到的峰值功率小于采用TRNSYS空调模型EER计算得到的峰值功率。因此，采用更为准确的分体空调电耗模型对于计算结果有较大影响。
3.1 逐年气象参数的变化趋势分析
中国气象局对北京1951—2011年的气候进行了研究，发现北京的气候从20世纪70年代末期由暖期变为冷期，平均气温表现为上升趋势。从图9可以看出，北京供冷季室外温度变化趋势可分为2个阶段。第一阶段为1960—1980年，供冷季室外平均温度呈下降趋势，下降速度约为0.9 ℃/10 a；第二阶段为1980—2014年，室外平均温度呈上升趋势，上升速度约为0.4 ℃/10 a。其中供冷季室外平均温度在1976年最低，为22.73 ℃；2000年室外平均温度最高，为26.59 ℃，与1976年相差3.86 ℃。
从图10可以看出历年供冷季的室外最高温度与平均温度有相似的变化趋势，1980年前以1.5 ℃/10 a的速度下降，1980年后以0.6 ℃/10 a的速度上升。1999年室外最高温度达到41.90 ℃，1977年室外最高温度仅为34.10 ℃，二者相差7.80 ℃。
统计每年供冷季的室外逐时温度分布，结果如图11所示，室外温度低于26 ℃的时间在1980年以后开始减少，相应的极端气候“热浪”（>35 ℃）出现的频率增加，30～35 ℃的时间占比从1980年的8%增加到2014年的16%，供冷季的室外温度呈上升趋势。综上，室外温度具有显著的变化趋势，1960—1980年呈下降趋势，1980—2014年呈上升趋势。
逐年供冷季室外空气的平均含湿量变化如图12所示，总体呈缓慢下降趋势。1971年含湿量达到最高值14.92 g/kg，2004年达到最低值12.18 g/kg，二者相差2.84 g/kg。
逐年供冷季日均总曝辐量的变化趋势如图13所示，可以看出：日均总曝辐量变化较为显著，1960—1980年间下降速度较快，日均总曝辐量每年减少0.04 kW·h/(m 2 ·d)，自1980年起下降速度放缓，每年减少0.01 kW·h/(m 2 ·d)；1968年日均总曝辐量最大，为6.10 kW·h/(m 2 ·d)，1996年日均总曝辐量最小，为4.03 kW·h/(m 2 ·d)，二者相差2.07 kW·h/(m 2 ·d)，变化将近33.95%。
3.2 逐年冷负荷的变化趋势分析
图14显示了该建筑供冷季累计冷负荷的变化趋势，同室外温度变化趋势相似，可以分为2个阶段。在1960—1980年间累计冷负荷以0.36 kW·h/(m 2 ·a)的速度下降，1976年下降到8.65 kW·h/（m 2 ·a）；1980年开始以0.14 kW·h/(m 2 ·a)的速度增大，2000年达到22.95 kW·h/（m 2 ·a），与1976年相比增加了1.65倍。
逐年供冷季峰值冷负荷存在较大差别，但变化趋势不显著，如图15所示，1986年最低，为53.55 W/m 2 ，2002年最高，为101.17 W/m 2 ，与1986年相比增加近1倍。
3.3 逐年空调电耗的变化趋势分析
图16显示了空调年累计电耗的逐年变化情况，1960—1980年空调电耗呈下降趋势，1980—2014年呈上升趋势。1976年空调电耗最少，为2.17 kW·h/（m 2 ·a），2000年空调电耗达到历年最高，为5.82 kW·h/（m 2 ·a），比1976年高了1.68倍。
空调电耗的峰值功率可以为电网用电分配调度提供更好的参考数据。图17显示了逐年空调峰值功率的变化，1985年峰值功率最小，为13.80 W/m 2 ，2002年峰值功率最大，为28.28 W/m 2 ，与1985年相比增加近1倍。
图18显示了逐年空调逐时用电功率（空调运行时间）的分布情况，可以看出1960—1980年空调运行的频率（>0 W/m 2 ）逐渐变小，1980年以后使用空调的频率变大且空调以高功率运行的时间占比也逐步上升，如空调以大于5 W/m 2 的功率运行的时间占比从1980年的4.91%上升为2014年的15.99%。
3.4 气候变化对建筑负荷、分体空调电耗的影响
进一步探究气象参数对建筑能耗变化的影响程度，图19显示了各气象参数与建筑冷负荷、空调电耗的可决系数，可以看出：1） 室外干球温度对建筑累计冷负荷、空调电耗的影响最大；2） 含湿量对建筑冷负荷和空调电耗的尖峰值有一定的影响，但影响不显著；3） 太阳辐射与建筑冷负荷、空调电耗的相关性较弱。由于太阳辐射对建筑负荷、空调电耗的影响主要是在白天，居住建筑大多数情况下白天不开空调，因此太阳辐射对居住建筑冷负荷、空调电耗的影响较小。
图20、21分别显示了累计冷负荷、空调累计电耗随供冷季平均室外干球温度的变化曲线，表明自1980年起，室外干球温度每升高1 ℃，建筑累计冷负荷增加3.63 kW·h/（m 2 ·a），空调累计电耗增加0.95 kW·h/（m 2 ·a）。
综上所述，气候变化对空调电耗有显著影响，室外温度升高导致空调运行时长增加、空调逐时用电功率增加，进而导致整栋建筑空调耗电量显著增大。
本文以北京市典型居住建筑模型为基础，使用能耗模拟软件DeST模拟了该建筑1960—2014年的冷负荷变化，同时使用TRNSYS的分体空调样本建立了空调电耗的计算模型，计算出分体空调的逐时电耗。由于居住建筑与其他类型建筑的作息不同，气候变化对居住建筑能耗的影响也与对办公建筑等能耗的影响不相同。此外，本研究考虑了气象参数对空调EER的影响，使得空调电耗计算结果比使用空调额定EER计算更为准确。本研究对北京市逐年气象参数和居住建筑的冷负荷、空调电耗的变化趋势展开定量分析，进一步探讨了气象数据变化对建筑冷负荷及空调电耗的影响。得到的主要结论如下：
1） 北京市室外干球温度的变化趋势可以分为2个阶段，1960—1980年呈下降趋势，1980—2014年呈上升趋势。含湿量存在较大波动，总体变化趋势不显著。太阳辐射呈下降趋势。
2） 室外干球温度、含湿量、太阳辐射3个气象参数中，室外干球温度对空调电耗的影响最大，居住建筑的冷负荷、空调电耗都与室外干球温度的变化趋势一致。自1980年起，室外干球温度每升高1 ℃，住宅空调电耗增加0.95 kW·h/(m 2 ·a)。由于居住建筑内人员空调等作息的特殊性，太阳辐射及含湿量对居住建筑空调电耗影响较小。
3） 在计算空调电耗时采用空调额定EER和采用随室外温度变化的空调EER的计算结果有显著差别，空调电耗的累计值相差10%以上，尖峰值差别为-2.16%~14.48%，且不同年份采用2种方法计算得到的空调电耗差异也不尽相同。这是因为空调额定EER是在室外温度为35 ℃的条件下测试得到的，而空调在实际运行中，大多数时候室外温度都在35 ℃以下，即实际运行中空调EER通常高于额定EER。所以本研究考虑了室外温度对空调性能的影响，计算得到的空调电耗更接近实际运行情况，开展气候变化对建筑能耗的影响分析也更为准确合理。
本文针对居住建筑空调电耗开展研究，丰富了气候变化对不同类型建筑能耗影响的研究维度，并且在计算空调电耗时考虑气象参数对空调EER的影响，提高了结果的准确性，可为今后类似研究提供参考。
