田園泉¹  簡毅文^1,2  高萌¹  劉曉霄1  王旭¹

1 北京工業大學建筑工程學院；2 綠色建筑環境與節能技術北京市重點實驗室

       【摘  要】居住建筑空調能耗與使用者的空調行為有密切關系。為了正確估計建筑能耗和合理評價建筑技術措施，在獲得可以定量化描述空調行為的空調行為模型后，還需要典型的空調行為模式作為模型輸入參數。通過問卷調研的方法對北京地區高校開展居民夏季空調用能行為調查以確定空調開啟和關閉的行為模式，同時配合實測調研數據的空調行為以確定群體空調行為的驅動特性，在此基礎上歸納總結得到北京地區典型空調行為模式，可以為基于動作模型的空調行為模擬分析提供一定的數據參考。

       【關鍵詞】居住建筑；動作模型；空調行為；模式

0 引言

       在居住建筑中，空調能耗不僅與建筑圍護結構的保溫性能相關，還很大程度上受到居住者空調行為的影響。李兆堅等^[1,2]等對北京地區住宅夏季空調能耗進行實測，發現能耗最大值比最小值大近100倍，同時指出空調設定溫度和空調運行時內門狀態對空調能耗影響較大。朱光俊^[3]等以上海地區某住宅為模擬對象，認為在采暖空調能耗的敏感性上，容忍溫度最大，設定溫度次之，人員作息相對較小。阮方等^[4]研究認為夏熱冬冷地區居住建筑普遍具有分室間歇用能特點，傳統外墻外保溫不一定好于內保溫技術措施。Feng等^[5]在成都地區開展大規模問卷調研研究住宅夏季空調行為模式，得到大量行為模式，通過模擬手段以能耗為指標聚類出幾種典型行為模式。因此，居住建筑空調行為模式的研究有較大意義，可以為空調行為節能和建筑節能提供參考。

       目前，我國清華大學人行為課題組^[6,7]提出了基于條件觸發的人行為動作模型，該模型以時間或環境因素等純物理量作為自變量，以概率函數形式建立動作行為與自變量間的關系，對空調行為的研究有基礎性意義。在建立準確描述空調行為的模型框架后，還需要與之匹配的典型空調行為模式的特征參數作為模型的輸入參數。本文通過大規模問卷調查，同時配合調研實測，建立典型的空調行為模型，為基于動作模型的空調行為模擬分析提供數據支撐。

1 動作模型介紹

       人行為動作模型主要由以下三個基本類型組成，分別為累計環境驅動，當前環境驅動和事件驅動，如表1所示。

表1 動作模型的基本概率表達式

       式中：P表示空調開、關動作的發生概率即空調行為概率；Δτ為測試記錄的時間間隔，單位：min；T為概率函數自變量、也即作為環境驅動力的溫度，不同驅動類型的環境驅動力由問卷調研得到，單位：℃；u表示閾值參數，即引起空調動作的的最大或最小溫度，單位：℃；L為尺度參數，表征空調開啟率、關閉率達到1時的溫度與閾值溫度的距離尺度，單位：℃；k表征動作發生概率隨驅動參數變化的敏感程度，為無量綱參數；p為固定概率值。

       動作模型為建筑中人員動作描述提出了理論框架，具有基礎性作用。按照以下方法在實際案例中建立空調行為模型，首先通過對居住者訪談的形式確定空調行為的驅動類型和驅動力因素，然后通過實測數據統計出隨驅動力因素變化的空調動作發生概率離散點，最后依據相應的模型表達式，通過最小二乘法對各離散點進行擬合，得出可以反映住戶空調驅動特性的特征參數u、l、k值。

2 空調用能行為調研

       對北京地區某高校以學生宿舍為單位，開展住戶空調用能行為模式問卷調研，調研包括住戶基本信息和空調用能行為等信息，共收回有效問卷400份，調研時間為2017年8月至10月。調研住戶基本信息如表2所示。全部居住者在北京的居住時間大于一年，可認為居住者已經逐漸適應了北京的氣候環境，形成相對穩定的空調用能方式?？照{開啟與關閉模式占總體比例情況如圖1所示，其中對于關閉模式，認為所有居住者均有離開關空調行為，故如果關閉模式中存在除離開關空調行為，則省略離開關情況。對于開空調模式，除去不使用空調情況，空調開啟模式共7種模式，占比較多的有熱時開，熱時開和睡前開，進門開、熱時開和睡前開這4種模式。對于關空調模式，除去不使用空調情況，空調關閉模式共13種模式，占比較多的有冷時關和夜里定時關，冷時關，夜里定時關，冷時關和睡前關情況這4種模式。

表2 調研居住者基本信息

       空調開啟與關閉模式出現了組合爆炸性增長的趨勢，除去不使用空調情況，共58種模式，其中占比較多前8種模式已在圖1（c）中標紅。其中只有熱時開、冷時關和睡前關模式中包括睡前關驅動類型。對睡前關驅動類型進行簡化，與熱時開和冷時關模式進行合并，最后得到7種在調研中占比較多的空調開啟與關閉模式，統計如表3所示，記為模式A-G。在這些空調開關模式中，所有模式均包含熱時開驅動類型。

圖1 空調開啟與關閉模式
表3 空調驅動類型組合

3 空調行為驅動特性

       在文獻[8]的基礎上，將樣本容量擴充到35戶，各驅動類型的空調典型行為的概率變化曲線及各典型行為占總體比例如圖3所示，其中入睡后關情況可以為上節問卷調研的夜間定時關情況提供驅動特性數據。文獻認為u值對空調動作發生概率影響顯著，實質上圖3中的驅動力度是幾種典型l、k的組合。而u值的分布情況如圖4所示，例如對于進門開，u值可以選取比例較大的27℃，對于熱時開，u值可以選取比例較大的26℃。通過在圖2和圖3中選取適當的特性參數，可以完成對各空調行為概率曲線的定量化描述。

圖2 不同驅動類型下空調典型行為的概率變化曲線及各典型行為占總體比例

圖3 u值的分布

4 典型空調行為模式

       通過以上的討論分析，由空調開關模式和與對應的驅動特性進行組合可以得到典型空調行為模式，將代表空調行為模式的數據帶入模擬軟件從而完成對該空調行為的模擬。例如，對于調研中出現較多的熱時開和冷時關空調模式，為了建立典型熱時開和冷時關空調模式，可以選取圖3（b）中典型A曲線及相應的l和k值，u值選取實測中出現最多的26℃作為熱時開的特征參數，同理選取圖3（d）中典型c曲線及相應的l和k值，u值選取實測中出現最多的28℃作為冷時關的特征參數，由此可以完成對該典型模式的定量化描述。其余空調開關模式也均可使用此方法進行描述，從而完成各典型空調行為模式的描述。

       在完成對典型空調行為模式描述的基礎上，可以通過改變各驅動類型的空調典型概率曲線和相應的u值，完成對各個典型空調模式的進一步細化，從而更全面的描述居住者空調行為。例如對典型熱時開和冷時關空調模式，可以保持熱時開u值不變，選定熱時開驅動類型曲線為典型B，以建立新的典型空調行為模式，最終達到為基于動作模型的空調行為模擬分析提供數據支撐的目的。

5 結論

       本研究以人行為動作模型為框架，通過問卷分析和實測調研，得到結論如下：

       （1）通過問卷調研，得到空調開啟模式7種，出現最多的模式為熱時開；空調關閉模式13種，出現最多的模式為冷時關和夜里定時關；空調開啟與關閉模式58種，出現最多的模式為進門開、熱時開、睡前開、冷時關和夜里定時關。

       （2）將空調開關模式和與之對應的各空調行為驅動特性進行組合可以得到典型空調行為模式，并給出相應的數據作為參考，為基于動作模型的空調行為模擬分析提供數據支撐。

參考文獻: 

       [1]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.
       [2]李兆堅，江億，魏慶芃.環境參數與空調行為對住宅空調能耗影響調查分析[J].暖通空調.2007，37(8)：67-71.
       [3]朱光俊,張曉亮,燕達.空調運行模式對住宅建筑采暖空調能耗的影響[J].重慶建筑大學學報,2006(05):119-121.
       [4]阮方,錢曉倩,錢匡亮,傅新.人行為模式對外墻內外保溫節能效果的影響[J].哈爾濱工業大學學報,2017,49(02):109-115.
       [5]Feng X, Yan D, Wang C, et al. A preliminary research on the derivation of typical occupant behavior based on large-scale questionnaire surveys [J]. Energy and Buildings, 2016, 117:332-340.
       [6]WANG Chuang, YAN Da, JIANG Yi. A novel approach for building occupancy simulation [J]. Building Simulation, 2011, 4: 149-167. DOI: 10.1007/s12273-011-0044-5.
       [7]王闖, 燕達, 孫紅三, 等. 室內環境控制相關的人員動作描述方法[J]. 建筑科學, 2015,31(10)199-211. DOI: 10.13614/j.cnki.11-1962/tu.2015.10.30.
       [8]簡毅文, 田園泉, 高萌. 等. 居住建筑夏季空調行為驅動特性的分析方法[J]. 哈爾濱工業大學學報, 2018, 出版中.

       備注：本文收錄于第21屆暖通空調制冷學術年會（2018年10月23～27日，中國·三門峽）論文集。版權歸論文作者所有，任何形式轉載請聯系作者。