贾媛，闫增峰
(1．西安建筑科技大学信息与控制工程学院，西安710055；
2．西安建筑科技大学建筑学院，西安710055)
[摘要]本文利用灰关联分析法研究办公建筑客观能耗影响因素对建筑能耗影响程度，确定了各建筑诸能耗影响因素与建筑能耗之间的关联系数；对关联系数进行聚类分析，得到基于建筑能耗客观影响因素相似性的聚类结果，在此基础上，确定了行为模式对建筑能耗的影响；并在各聚类中确定了该组样本建筑的能耗基准参考值，讨论了建筑的节能潜力。
[关键词]能耗影响因素；灰关联分析；聚类分析；使用者行为；能耗基准
O 引言
对同一栋建筑而言，由使用者行为不同所造成的能耗差异十分明显。因此，研究使用者行为与建筑能耗之间关系，对当下建筑节能工作具有重要的指导意义。目前，使用者行为对建筑能耗影响的研究工作多从微观角度着眼，对行为随机性与建筑运行能耗之间的关联结果进行考察。有研究者着重考察了办公人员使用相关设备的规律，Kawamoto等人通过对办公设备的日常使用情况和夜间关闭率进行调研后指出，通过优化办公设备能源管理，可使目标建筑年电耗降低约3.5太瓦时。
有学者关注于人员活动的动因研究，涉及到如物理环境、情境、心理、生理和社会学等多学科领域，Fabi等学者发表了关于研究影响开窗行为因素的综述，这些因素与使用者行为直接相关，从而对建筑的运行能耗产生了间接影响。有研究者通过建立并完善人员行为模型，结合软件模拟手段，实现了对建筑系统能耗的计算与预测。Reinhart叫等通过对单人办公室和双人人办公室内使用者控制照明灯具和控制遮阳设施的行为进行研究，对比预测了在手动和自动两种控制模式下的照明系统能耗；Bourgeois建立了SHOCC(sub-hourlyoccupancy-based control model)行为模型，在此基础上，利用模拟软件ESP-r对样本办公建筑能耗状况进行了预测分析，结果表明，使用者主动使用日光照明总是比采用人工照明所消耗电能低40 010以上。
本文从宏观的角度，利用灰关联分析与聚类分析法，按照客观因素对能耗影响程度的相似性对样本建筑进行分类，继而在每个分类中辨识出主观因素所造成的能耗差异，并对高能耗建筑的节能潜力进行了讨论。
1 研究方法与理论依据
本文以西安地区办公建筑为研究对象，首先对影响能耗的各客观因素指标与建筑能耗强度进行灰关联分析，然后依据各因素对建筑运行能耗影响程度的差异，对样本建筑进行相似聚类，使得每一组中的样本建筑，其影响建筑运行能耗的客观因素基本相似，故可推断同组建筑中能耗的较大差异由使用者行为造成，进而确定高能耗建筑，以利于对其行为方式进一步研究与改进。
1.1 灰关联分析
所谓灰关联分析，就是系统的因素分析。应用于系统因素之间不确知的关系，即“灰”关系。灰关联分析根据序列曲线几何形状的相似程度来判断其联系是否紧密，相似程度大小的量度称为关联度。本研究中采用邓氏灰关联模型，对样本建筑能耗与建筑能耗客观影响因素进行分析，灰关联分析中各序列原始数据采用极值化法进行归一化处理。灰关联分析步骤如下：
1)分析对象序列的确定
令Yo为归一化后的参考序列：y。=()，。(1)，Y。(2)，…，y。(n))，；
本研究中，建筑能耗为参考序列。
令yi为归一化后的比较序列：y。=(，，i(1)，y。(2)，…，)，。(n))；
本研究中，诸能耗影响因素指标为比较序列，序号“i”代表第i项影响因素。
2)灰关联系数f的确定
邓氏灰关联模型是基于对比分析比较序列曲线与参考序列曲线间对应点位置接近程度而确定两序列关联性的分析模型，依据邓氏模型有：
式中：ξi(K)是比较序列和参考序列在第k个点的相对差值，这种形式的相对差值，就称为Yi对y。的在第k个点的关联系数。d为分辨系数，取值在0—1之间，本研究中取0.5。
3)关联度r的确定
2 数据采集与模型建立
2.1 数据采集与处理
本研究中原始数据来源于西安市建筑能源审计组2008年对西安市内36栋办公建筑开展的建筑能耗调研结果，调研方法及内容如表1所示：
根据西安地区办公建筑能耗的特点，本研究中着重考察了九项对办公建筑能耗产生影响的客观因素指标，分别为：空调类型、玻璃类型、窗墙比、朝向类型、建造年代、电脑数量、楼层、体型系数及遮阳情况。
本文采用极值化法，对建筑能耗值与各数值型影响因素指标数据序列进行归一化处理，对各数值型原始数据序列进行归一化处理，将数值范围归一化致[0，1]的区间内，使归一化序列与原始数据序列最大程度的保持变化规律与趋势的一致性，确保灰关联分析研究结果的科学性与准确性。
2.2模型建立
2.2.1 影响因素排序模型
本研究中，灰关联分析参考序列为建筑能耗序列，比较序列为各影响因素序列，根据邓氏灰关联模型式(1)计算，可得出各样本建筑客观因素与该建筑能耗的关联系数xi，，对应关系如表2所示：每个关联系数反映了第j项影响因素对第i栋建筑能耗影响程度的大小，关联系数越大，影响程度也越大。这种影响程度是基于整体样本空间的，脱离了整体样本，关联系数也就失去了意义。对各项因素的关联系数分别作平均值，即可得关联度，它反映了第j项影响因素对样本空间建筑的整体影响程度。按照关联度从小到大的顺序，九项建筑能耗影响因素的关联度依次为：体型系数0. 25，楼层0.33，遮阳类型0. 39，朝向类型0.56，空调类型0.58，玻璃类型0. 59，建造年代0.62，窗墙比和电脑数量0.75。可见，建筑体形系数，楼层数及遮阳类型3项能耗影响指标，其关联度明显小于其他6项因素。据此，可依据朝向类型，空调类型，玻璃类型，建造年代，窗墙比和电脑数量6项指标，评价建筑客观因素对建筑能耗影响的情况，建立各项影响因素对能耗影响显著性的排序模型，即窗墙比和电脑数量>建造年代>玻璃类型>空调类型>朝向类型。
2.2.2 建筑分组模型
建筑能耗是由客观因素和主观因素综合影响的结果。为了辨识主观因素对能耗的影响，首先对样本建筑进行聚类分析，使得同一分组中的建筑，客观影响因素对建筑能耗的影响程度非常相似。然后在各建筑客观条件一致的前提下，进一步分析主观因素对能耗的影响。聚类分析宜采用基于邓氏模型得到的灰关联系数，因为灰关联系数客观、全面的反应了各样本客观因素对建筑能耗影响程度的差异，可以作为影响因素影响能耗程度的量化指标。
根据聚类分析理论，对n个样本进行聚类，聚类中心个数K应满足关系式，K≤√3本研究中样本数为36栋，故中心个数应不多于6个；通过作者对前期调研数据进行分析发现，36栋样本建筑的能耗水平，呈明显的三级阶梯状分布，因此，有必要确定适应各级能耗水平的建筑能耗基准，故本研究中设定聚类中心个数为3。依据欧式距离原则聚类，3组建筑中样本数量分别为第1组12栋、第2组4栋及第3组20栋。各组聚类中心如表3所示：综合对比发现第2组建筑各影响因素对建筑能耗的影响程度最为显著，其次是第1组，最后是第3组。相应的各组能耗平均值是：第2组21 kW - h/( m2 -a)<第1组45 kW - h/( m2 -a)<第3组63 kW-h/(m2.a)。
3 分析与讨论
对各分组内部诸建筑能耗数据进行研究，利用相关统计方法，进一步考察使用者行为对能耗的影响情况。
3.1 组间分项能耗比较
结合调研结果，将建筑能耗分解为4个主要的分项能耗，分别为：空调能耗、办公设备能耗（包括电脑、打印机、复印机、电饮水机、插座）、照明能耗（包括室内和室外照明）以及其他能耗（包括电梯、给水泵等）。分项能耗具体拆分过程如下：(1)利用统计调研所得建筑设备系统功率和运行时间数据，计算空调、办公、照明及其他4个分项全年能耗理论值，记作Wl、W2、W3及W4。(2)对空调能耗而言，由于空调能耗仅存在于制冷季，故可将制冷季各月能耗分为基础能耗与空调能耗两部分，月基础能耗W（基础）为除空调能耗外，其余3项能耗的月平均值，即W（基础）=(W2+W3+W4)/12；用制冷季各月实际能耗分别减去月基础能耗，即可得分项空调实际能耗，再与理论值Wl作对比修正。(3)除空调能耗外，其余3项能耗值可依据分项能耗理论值比例，对建筑能耗实际值进分项拆分。
每组建筑的各分项能耗占总能耗的平均比例如图1所示。
结合调查统计结果可知，聚类2中建筑建造年代较为久远，未安装电梯等耗能设备，故其分项中“其他”一项能耗为0。由图1可见，各聚类中，“空调”、“办公”、“照明”3项能耗皆远高于“其他”项，且均呈逐渐下降的趋势，各聚类中此3种分项能耗之间比例关系基本相同，约为8:7:4。此现象表明，聚类间各类样本建筑中，使用者行为整体特征基本相近，聚类间能耗水平差异由各组建筑客观因素差异导致。
3.2使用者行为因素的辨识
由前述分析可知，一个聚类中集合了一类客观因素对能耗的影响程度非常相似的样本建筑，其客观因素差异引起的能耗差异较小，因此，分组内部各建筑能耗间的较大差异主要是由主观因素即使用者行为造成的。对各分组中各建筑分项能耗归一化值做箱线图，箱线图变化范围表征组内建筑的分项能耗差异程度，如图2所示，图中纵坐标为归一化分项能耗值，即各建筑分项能耗与该组建筑分项能耗平均值之比。各组中，当某一栋样本建筑，其某一分项能耗值高于其所处分组中建筑对应分项能耗平均值1.5倍以上，则可认为其该项能耗与分组内部其他各建筑存在主观因素方面的较大差异。基于此原则，可初步确定出在使用者行为方面可能具备节能潜力的样本建筑。
3.3 行为模式对能耗的影响
3.3.1 各行为模式占比
以统计所得的各耗能设备使用过程中典型行为方式为依据，设定不同耗能分项的行为模式，起具体定义如表4所示：对办公建筑使用者行为模式进行问卷调研，调查综合考虑了被调查者所处楼层、房间朝向、年龄、工作性质等因素，实现了对建筑使用者行为全面客观地掌握。通过对问卷调查得到的各分项耗能设备运行方式进行统计，量化计算被调查者行为方式特征值及其分布特点，综合分析，确定以样本典型特征值水平及其组合方式为区分标准的反映使用者用能行为平均水平的运行模式。
样本建筑中各分项使用模式对应的建筑数量占比，如图3所示。
3.3.2 各分组行为模式对能耗的影响
基于建筑分组模型，在同一分组内，即排除客观影响因素的条件下，取不同行为模式对应建筑分项能耗的平均值代表各行为模式的能耗水平，如表5所示。
由表5可知，各分组中，各分项行为模式的改变，均使其对应的分项能耗水平发生明显变化，以电脑能耗为例，分组1至分组3中，因行为模式的不同（模式1与模式2的差异），电脑能耗分别上升了35%、23%及57%。可见，改善使用者行为模式，对降低建筑能耗具有较大的潜能。
通过进一步对表5中数据进行分析可知，对于特定分项而言，不同分组间因行为模式差异而产生的能耗水平变化亦不尽相同，如空调能耗，分组1中，模式4对应能耗值较模式1增加了约36%，而分组3中增加幅度可达166%；对电脑能耗而言，分组1中模式2对应能耗较模式1增加35%，而在分组2、3中能耗增加幅度分别为115%与56%。建筑分项能耗水平是行为模式与建筑客观因素共同作用的结果，不同分组间，行为模式对建筑分项能耗的影
响程度不尽相同。此影响程度差异表明，通过对建筑能耗客观影响因素聚类，得到的建筑分组是合理的，以其作为考察行为模式对建筑能耗影响的研究前提，是科学可行的。
3.4参考建筑的确定
由于本研究将样本办公建筑分为3个聚类，每个聚类具有不同的能耗水平，故针对3个能耗水平确定相应的能耗基准则更为合理。在聚类分析中，样本数据为各建筑客观能耗影响因素对建筑能耗的灰关联系数，因此，各聚类中心反映了该组建筑客观能耗影响因素对建筑能耗的平均影响水平，据此，可将与聚类中心性质最接近的样本建筑能耗作为该分组中建筑能耗的基准值。通过比较各分组中样本建筑与聚类中心之间欧氏距离的大小，确定以与中心距离最近的样本建筑作为运行能耗的参考建筑，三个分组中参考建筑能耗值分别为45，21及63 kW.h／( m2 -a)。各分组中建筑能耗值分布情况及基准水平线如图4所示：各组中能耗超出其所在分组的参考建筑能耗值的样本建筑分别为4、1、12栋。经考察，这些建筑均可通过改变行为模式降低其能耗。
4 结论
本文利用灰关联分析法，对西安市36栋办公建筑诸客观能耗影响因素与建筑能耗值之间的关联性进行了研究，确定了各因素与建筑能耗之间的影响因素排序模型；在此基础上，利用聚类分析方法，将36栋样本建筑按照具有近似客观能耗影响因素的原则分为3个聚类组，得出3组建筑的使用者行为特征是整体相似的；通过对各聚类中建筑分项能耗的研究，以分项能耗值平均值的1.5倍为基准，初步辨识出使用者行为因素；通过对调研问卷统计分析，定义出行为模式，考查其对各分项能耗的影响：行为模式的改变，均使其对应的分项能耗水平发生明显变化，不同分组间因行为模式差异而产生的各分项能耗水平变化程度亦不尽相同；最后以聚类中心为参考，确定3个分组内参考建筑能耗值分别为45kW - h/( m2 .a)、21 kW - h/( m2 -a)及63 kW.h／(m2.a)，以此为基准实施节能措施和改善使用者行为模式，以达到节能的目的。
