公共建筑能耗水平分析

　　摘    要：　近年来随着城市发展，公共建筑面积和能耗迅速增长，如何控制能耗总量是建筑节能工作的重点。公共建筑用能是能源消耗的主要组成部分，同时建筑节能也是节约能源的重要领域。通过对超过1 500栋既有公共建筑运行能耗的研究，基于公共建筑实际能耗数据，研究了不同气候区和不同年代的商场类、办公类、旅馆类、医院类、学校类建筑的耗能水平及特点，提高了对公共建筑能耗现状的宏观认识。结果表明：各时间阶段建造的公共建筑全年能耗强度不同，2006年之后建造的公共建筑中，商场类、办公类、医院类建筑节能潜力更高。

　　关键词 :      公共建筑;运行能耗;能效评价;能耗指标;建筑节能;

　　Abstract：　In recent years, along with the development of the city, the area and energy consumption of public buildings are growing rapidly. To cope with the global warming, limiting the city level energy consumption to certain level becomes important. Among different energy sectors, public buildings is a significant one due to the large number and high energy density. Based on real energy consumption and operational data of more than 1500 public buildings, the energy consumption levels and characteristics of shopping malls, office buildings, hotels, hospitals, and schools in different climate zones and different ages are studied. Through this study, a thorough understanding of the current energy consumption status of public buildings is reached. The results show that the annual energy use intensities of public buildings constructed at different time periods are significantly different. Among public buildings constructed after 2006, shopping malls, office buildings and hospital buildings have higher energy-saving potential.

　　Keyword：　public buildings; operation energy consumption; energy efficiency; energy consumption index; building energy efficiency;

　　0、 引言

　　能源是人类社会存在的重要条件。近十年来，全球能源消耗以年均1.8%的速度增长。《中国建筑能耗研究报告(2019)》指出，中国建筑能源消费总量占全国能源消费总量的21.10%[1]。随着中国经济的发展，建筑物的能源消耗已成为交通枢纽和工业消耗的三大主要终端之一，占中国能源总消耗的30%以上[2]。《中国建筑节能年度发展报告(2019年)》指出，公共建筑的总运行能耗2.93亿kW·h, 占建筑总运行能耗的30.4%[3]。公共建筑的能耗是能源消耗的主要组成部分。 同时，建筑物的节能是节约能源的重要领域。 建筑物的节能收益绝大部分是在建筑的运行阶段实现的[4]。因此建筑能耗预测是建筑管理过程中的重要过程。在数据驱动的建筑能耗预测模型中，最为广泛的是人工神经网络模型[5,6,7]、支持向量机模型[8,9]、决策树模型[10,11,12]以及混合模型[13]。

　　近年来，我国在城市更新保护、既有建筑加固改造方面发布了一系列政策，进一步推动既有建筑改造工作[14,15,16,17]。通过摸清我国既有公共建筑面积存量，研究了不同气候下不同类型的现有公共建筑的当前能耗。因此将公共建筑的能耗与建筑的能效联系起来，有助于提高建筑的能效。

　　1、 建筑能耗水平分析

　　本文针对全国量大面广的不同气候区各种类型建筑的能耗水平研究，考虑包括建筑能耗和供暖能耗的全年所有能源消耗量为基础，对不同气候区的建筑耗能水平进行分析，具有横向对比上的直接性和简洁性，因此所述 “全年能耗”包含了建筑能耗和供暖能耗的全年所有能源消耗量，并统一折算为电力消耗进行分析。

　　1.1 、公共建筑研究样本分布

　　本文从严寒地区、寒冷地区、夏热冬冷地区、夏热冬暖地区以及温和地区五大气候区的典型城市选取代表性公共建筑，包含办公类建筑、商场类建筑、旅馆类建筑、医院类建筑和学校类建筑等建筑类型，通过现场测试的方式研究分析不同气候区、不同类型的既有公共建筑的建筑能效水平，调研样本覆盖5个气候区，共1 525栋。具体样本分布见表1。

　　表1 调研样本分布

　　1.2、 不同年代建筑能效调研

　　20世纪80年代，我国通过“以点(两个试点城市)带面(8个省市)”的方式推广新墙体材料和节能建筑(1987-1992年)。我国关于建筑节能的相关标准颁布的时间基本集中于2000年以后，以GB50189—2005《公共建筑节能设计标准》颁布时间作为关键时间节点进行划分。因此在对我国既有公共建筑能效进行分析时，可按照1987年及之前、1988-2005年、2006年及之后划分为3个时间阶段。样本中具有建筑年代信息的建筑主要集中于寒冷气候区，因此选取寒冷地区建筑样本进行分析。

　　将研究结果与GB/T51161—2016《民用建筑能耗标准》的约束值和引导值进行比较，分析不同年代、不同建筑类型的建筑能效水平，如图1所示。

　　图1 不同建筑类型全年能耗强度随建造年代的变化情况

　　从图1和表2可以看出，各时间阶段建造的商场类建筑均有着较高的全年能耗强度，这与商场类建筑的特殊使用性质有关。商场类建筑由于人员流量较大，建筑设备需求较高，因此具有较高的能耗强度。2006年及之后建造的商场类建筑平均全年能耗强度为134 kW·h/(m2·a),能耗约束值和引导值不满足率分别为17%和33%。本时期建造的商场有着相对较高的能源需求，但整体更为高效和节能。

　　表2 不同建筑类型平均全年能耗强度随建造年代的变化情况

　　各时间阶段建造的办公类建筑全年能耗强度维持在100 kW·h/(m2·a)左右的水平。2006年及之后建造的办公类建筑平均全年能耗强度为131 kW·h/(m2·a),能耗约束值和引导值不满足率均为67%。与上一阶段相比，能耗水平有所上升。从表面上看，与我国建筑节能趋势有所不同，实际上由于调研并非普查，该结果主要由调研样本差异引起。一方面，所调研的2005年之后建造的办公类建筑中，耗能较高的建筑均为高档办公楼，对建筑使用的舒适性要求较高，能源需求大；另一方面，为了建筑美观需要而大量增加的玻璃幕墙等，也增加了建筑耗热因素。因此出现了2006年及之后建造的建筑的单位面积平均能耗高于2005年之前的现象。

　　各时间阶段建造的旅馆类建筑全年能耗水平相当，具有随时间不断下降的趋势。2006年及之后建造的宾馆类建筑平均全年能耗强度为121 kW·h/(m2·a),能耗约束值和引导值不满足率分别为33%和58%。调研的本时期的宾馆类建筑大部分为四星级及五星级，对室内环境的要求较高，虽然建筑设备相对较新，但巨大的环境控制需求造成了较高的能耗强度，在所有能耗分类中，暖通空调系统能耗在宾馆类建筑中所占比例最大，达到30%～60%。

　　各时间阶段建造的医院类建筑全年能耗强度维持在150 kW·h/(m2·a)左右。2006年及之后建造的医院类建筑平均全年能耗强度为159 kW·h/(m2·a),能耗约束值和引导值不满足率分别为33%和67%。在围护结构保温等方面优于前两个阶段建造的建筑。本时期建造的医院建筑较高的能耗强度与其较高的医疗设备使用强度有关，同时部分医院空调系统运行时间较长，也增加了整体能耗强度。

　　各时间阶段建造的学校类建筑全年能耗强度水平相当，整体维持在60～80 kW·h/(m2·a)。能耗标准约束值和引导值不满足率在2005年及之后有下降趋势。2006年及之后建造的学校类建筑平均全年能耗强度为62 kW·h/(m2·a),能耗约束值和引导值不满足率分别为24%和57%。本时期建造的学校建筑围护结构具有较高的保温效果，建筑设备使用时间短，整体效率达到节能要求。

　　1.3、 不同气候区建筑能效调研

　　本文研究项目的地理位置包含了严寒气候区、寒冷气候区、夏热冬冷气候区、夏热冬暖气候区以及温和地区，分析了不同气候区、不同建筑类型的建筑全年能耗数据，以下分别就不同气候区建筑能效情况进行分析。

　　对不同类型建筑的样本能耗数值与GB/T51161—2016《民用建筑能耗标准》的约束值和引导值进行比较，分析不同气候、不同建筑类型的建筑能效水平，如图2所示。

　　从图2可以看出，在严寒地区，各种类型的能耗值都比较高，能耗水平差距也比较大，尤其是商场类建筑、旅馆类建筑、校园类建筑、医院类建筑应作为能效提升改造的重点。在寒冷地区，商场类建筑、旅馆类建筑和校园类建筑应作为既有公共建筑改造的重点。在夏热冬冷地区，所有建筑类型的能耗均有50%～60% 高于标准约束值，因此所有既有公共建筑都具有一定的改造潜力。在夏热冬暖地区，医院类建筑和办公类建筑有50%及以上不满足标准约束值的要求，旅馆类和商场类次之，因此，这四类既有公共建筑都应列入改造重点。在温和地区，办公类建筑和医院类建筑的能耗满足标准约束值的要求，校园类建筑中有30.77%高于能耗标准约束值，因此，校园类既有公共建筑应列入改造重点。

　　图2 不同气候区各类型建筑的能耗值与标准对比情况

　　2 、结论

　　本文通过对既有公共建筑运行能耗的研究，描述性地分析了不同气候区、不同年代的商场类、办公类、旅馆类、医院类、学校类建筑的耗能水平及特点，提高了对公共建筑能耗现状的宏观认识。通过研究分析，得到如下结论：

　　(1)各时间阶段建造的公共建筑全年能耗强度不同，2006年及之后建造的公共建筑中，商场类、办公类、医院类建筑还有节能的潜力。

　　(2)不同气候区的公共建筑全年能耗强度不同，且不同气候区应重点改造的建筑类型不同，同时为今后公共建筑节能改造工作提供数据基础。

　　参考文献

　　[1]中国建筑节能协会.2019中国建筑能耗研究报告概述[]建筑, 2020,(7):30-39.

　　[2]陈曦,魏峥,李林涛,等建筑运行能耗评价比对方法及工具开发[J]建设科技，2019,(18):25-30.

　　[3]谢泽西， 阮应君， 孙科,等基于能耗统计的青岛公共建筑能耗现状分析[J]建筑技术, 2020.516)662-665.

　　[4]魏峥.公共建筑运行能耗综合比对评价方法研究[D].北京:中国建筑科学研究院, 2019.

　　[5]喻伟,李百战,杨明宇,等基于人工神经网络的建筑多目标预测模型[J]中南大学学报:自然科学版, 2012,43(12):4949-4955.

　　[6]Gonzalez P A,Zamarreo J M. Prediction of Hourly Energy Consumption in Buildings Based on a Feedback Artificial Neural Network[J]. Energy and Buildings,2004,37(6):595-601.

　　[7]SUBODH P,MOHAMED E,WIL L K,et al.Pseudo Dynamic Transitional Modeling of Building Heating Energy Demand Using Artificial Neural Network[J] Energy and Buildings,2014,70:81-93.

　　[8]DAI Y M,ZHAO P.A Hybrid Load Forecasting Model Based on Support Vector Machine with Itelligent Methods for Feature Selection and Parameter Optimization[J]Aplied Energy,2020,279:1-9.

　　[9]ANON .Building Cooling Load Forecasting Model Based on LS- SVM[C]Proceedings of 2009 Asia-Pacific Conference on Information Processing ,Shenzhen, China :IEEE Computer Society,2009:70-73.

　　[10]CHOU J S,BUI D K Modeling Heating and Cooling Loads by Artificial Inelligence for Energy-efficient Building Design[J] Energy and Buildings,2014,82:437-446.

　　[11]CHENG F,FU X,Wang S W.Development of Prediction Models for Next-day Building Energy Consumption and Peak Power Demand Using Data Mining Techniques[J]ApliedEnergy,2014,127:1-10.

　　[12]ZENG Y H,ZHANG Z J,ANDREW K. Predictive Modeling and Optimization of a Multi-zone HVAC System with Data Mining and Firefly Algorithms[J] .Energy ,2015,86.393-402.

　　[13]ZHONG B C,LU K,LV D H,et al. Short-term Prediction of Building Energy Consumption Based on GALM Neural Network[J] AER-Advances in Engineering Research,2015,15:867-871.

　　[14]刘永刚,魏燕丽，吴志敏,等某既有办公建筑服役现状及改造实践分析[J]建筑科学, 2020,36(2):200-206.

　　[15]张文宇.夏热冬冷地区公共建筑节能改造技术分析及能效评价[J].暖通空调, 2020,50(5):67-70.

　　[16]J勇,吴佐既有建筑室内环境综合改造及效果分析一-以某医疗建筑为例[J] .暖通空调, 2020,50(3)-:14-22.

　　[17]李骥,刘洋,王选,等青岛市公共建筑节能改造方法体系研究与推广[J]建筑技术, 2020.51(6):73-677.