2. 中国建筑科学研究院, 北京 100013
IPCC第五次评估报告[1]指出,1983-2012年可能是过去1400年里最热的30年,1880-2012年全球平均地表温度升高了0.85℃[0.65~1.06℃]。在全球气候变暖的背景下,1952-2001年中国平均地表温度上升了1.1℃,高于全球平均地表温度的升幅[2]。受气候变化影响,各地建筑能耗有不同程度的变化[3-4]。在满足建筑环境要求的基础上降低运行能耗,成为建筑可持续发展的重要课题。以往的研究主要侧重在气候变化对建筑逐年能耗的影响,研究成果可为政府决策提供依据,却较难应用于建筑节能分析中。在分析评估建筑热环境及其能耗时,需要能够代表建筑物所在地区气候特点的逐时气象数据,建筑能耗模拟软件需要这些数据进行能耗模拟。由于不同年份气象数据存在较大差异,不能简单采用某一年数据来进行能耗模拟,在建筑设计层面,普遍采用典型气象年数据对建筑的能耗进行评估[5-6]。
围绕典型气象年的生成,国外广泛采用Finkelstein-Schafer(FS)统计方法[7],1978年美国Sandia国家实验室的Hall等[8]首次采用FS方法发展了一套生成典型气象年的方法,并基于该方法生成了典型气象年(TMY)数据集,之后逐渐更新到TMY4;基于FS的方法,Chan等[9]、Skeiker[10]、Petrakis等[11]、Jiang[12]和Pissimanis等[13]分别生成了不同地区的典型气象年。与FS方法不同,Andersen等[14]提出了Danish方法用于生成典型气象年。Janjai等[15]通过生成泰国4个台站的典型气象年,比较了3种典型气象年的生成方法,发现3种方法生成的典型气象年数据无明显差异;Su等[16]评估了不同参数权重对生成典型气象年数据的影响,发现参数权重对典型气象年数据的生成总体影响不大。杨柳等[17]研究了典型气象年生成方法,着重分析了原始气象数据缺测情况下生成典型气象年的数据处理过程和质量控制原理;李红莲等[18]探讨了建筑能耗模拟典型气象年中气象参数权重的确定问题;杨洪兴等[19]利用香港22年的气象数据,得出了香港的典型气象年与典型代表年,并验证了不同选择方法对能源系统模拟的影响,最后推荐采用典型气象年来评估建筑能耗系统;胡琳等[20-21]通过研究发现Sandia法可以用在空冷系统设计中典型气象年的选取,且在设计气温和汽轮机满发气温等方面优于传统的典型代表年选取(通过年平均气温选取和多年平均气温接近的年份)。
综上,前人着重于典型气象年生成方法及应用的研究,而在定量描述气候变化对典型气象年影响方面的研究较缺乏,且较少考虑气象参数的选取对典型气象年的影响,可能会给建筑能耗的评估带来较大的误差。为研究气候变化对典型气象年数据的影响,本文选择中国北方大城市天津作为研究对象,比较Sandia和Danish方法生成典型气象年的适用性,分析气象要素的选取对典型气象年数据的影响。基于以上研究,选取适合天津地区的方法,分3个时段(1961-1990年、1971-2000年和1981-2010年)分析不同时段典型气象年数据的差异,并以建筑负荷表征建筑能耗,评估气象年数据差异对建筑能耗的影响。
1 资料和方法本文所用气象数据来源于天津市气象信息中心提供的1961-2010年天津市区气象站气温、相对湿度、日照时数、风速和风向及西青站太阳辐射数据。气温、相对湿度在2005年之前只有一日4次的定时和日极值观测数据,首先根据一日4次观测值确定日极值出现的时间,然后利用三次样条插值法获得一日24次定时数据,太阳总辐射逐时数据通过计算天文辐射并结合观测的太阳总辐射日数据获得[22]。前期通过与近年来有逐时观测数据的对比,表明插值等方法计算获得的逐时数据是可靠的[23]。
典型气象年(TMY)是由12个均具有气候代表性的典型气象月(TMM)组成的一个“假想”气象年。典型气象月的选择利用Sandia及Danish方法,为保持和之前研究的一致性以及为城市建筑热环境提供更准确的评估,本文在生成典型气象年数据时,以天津市区气象站气象要素为代表,结合附近西青站的太阳辐射资料生成TMY,并采用TRNSYS软件模拟1961-2010年各年8760 h逐时负荷数据,建模标准根据《公共建筑节能设计标准》中围护结构热工参数规定。所选典型办公建筑的设计参数见表 1,总建筑面积为32200 m2,建筑横纵比为1: 3.8,建筑共22层,建筑高度为98 m,体形系数为0.096,建筑外表面积为12552.2 m2。建筑功能分区包括办公室、会议室。
Sandia方法主要考虑了最高气温、最低气温、平均气温和露点温度,最大和平均风速以及太阳总辐射,采用分布概率函数(PDF)研究气象参数的分布特性,选择具有最小加权和的月份为TMM[8, 24]。20世纪90年代由美国国家可再生能源实验室在Sandia开发的TMY1数据集的基础上开发了TMY2,TMY2各气象要素的权重见表 2。
Danish方法由丹麦的Andersen等提出[14, 25],用到了7个逐日气象要素,分别是平均气温、最高气温、平均相对湿度、平均风速、平均大气压、日照时数和总辐射,通过计算标准差选取TMM。
2 典型气象年生成方法适用性评估选取1981-2010年的气象数据,分别采用Sandia及Danish方法生成TMY,结果如表 3所示。两种方法生成的TMM与逐年水平太阳总辐射月均值和平均气温月均值比较如图 1。
采用两种方法生成的典型月水平太阳总辐射及平均气温变化规律和30年月均值变化规律基本一致(图 1)。对比30年月均值,用Sandia方法和Danish方法生成的典型月水平太阳总辐射月平均绝对偏差分别为22.3 MJ/m2和25.6 MJ/m2;生成的典型月平均气温月平均绝对偏差分别为1.0℃和0.8℃。总体来看,用两种方生成的典型月气象数据均较接近30年月均值。
为探讨Sandia和Danish方法选取的典型气象年对建筑能耗模拟影响的准确性,对办公建筑进行能耗逐时动态模拟,典型气象年能耗模拟结果的比较以1981-2010年逐年模拟能耗的平均值为标准。从各月负荷来看(图 2),通过Sandia和Danish方法生成的典型气象年能耗模拟结果和30年平均能耗相比均有较好的一致性,月绝对偏差平均值分别为1.1 kW/m2和0.8 kW/m2,偏差百分率分别为4.0%和2.9%,2月和9月绝对偏差相对较大;Sandia方法生成的典型气象年年负荷、制冷负荷和供热负荷与年均值偏差分别为1.0%、1.8%和3.8%,Danish方法偏差分别为5.1%、5.6%和4.5%。说明Sandia和Danish方法生成的典型气象年能耗模拟结果能较好地反映30年均值情况,两种方法各有优劣,就各月负荷来看,Danish方法略好于Sandia方法,而从制冷期、采暖期和年总建筑负荷来看,Sandia方法略好于Danish方法。
采用Sandia方法选取典型气象年需10个气象要素(表 2)。由于多数气象台站可能会缺少部分气象要素的观测,故分析缺少气象要素对选取典型气象月的影响。选取气象要素相对较全的时段1981-2010年进行分析,分别采用6个、7个、8个气象要素生成典型气象年,各气象要素权重系数见表 4,分别对8个、7个和6个参数所选取的典型月进行对比分析。
利用7个和6个参数选取的典型气象月和8个参数选取的典型气象月在第1个候选年均相同(表略),仅在第2~5个候选年有个别年份存在不同。由此可见,在太阳总辐射权重为1/2的情况下,其他气象要素的减少(由8个要素减少到6个要素),对天津地区典型气象年影响不大。用6个气象要素能满足生成典型气象年的需求,与杨柳等[17]的研究结果较为接近。
4 气候变化对典型气象年的影响为分析评估气候变化对典型气象年的影响,分别采用Sandia和Danish方法选取1961-1990年、1971-2000年、1981-2010年3个时段气象数据生成典型气象年。将3个时段典型气象年数据输入TRSNS软件,模拟办公建筑负荷,对比3个时段典型气象年气象数据及负荷的差异。所生成的典型气象年见表 5。
采用Sandia及Danish方法生成的典型气象年,气温、太阳总辐射以及模拟的负荷和30年月均值都十分接近。为说明气候变化对典型气象年的影响,首先分析3个时段30年月均值的差异,接下来对比Sandia、Danish方法和30年均值的差异(表 6、表 7)。
就太阳总辐射而言,1981-2010年显著低于1961-1990年,年均偏低6.4%(p<0.05),制冷期偏低6.1%,采暖期偏低8.2%(p<0.05);有9个月偏低超过5%,其中12月偏低最为明显,达10%,7月两个时段太阳辐射比较接近。1981-2010年相对于1971-2000年太阳总辐射也以偏低为主,年、制冷期和采暖期偏低均在1.9%左右,9月偏低最为明显,偏低3.9%,8月两个时段比较接近。
就气温数据而言,1981-2010年显著高于1961-1990年,年均偏高1.0℃(p<0.05),采暖期偏高较为明显,偏高1.3℃,制冷期偏高0.7℃(p<0.05);6个月偏高超过1.0℃,其中2月偏高最为明显,达2.0℃。1981-2010年相对1971-2000年气温也以偏高为主,幅度相对较小,年、制冷期和采暖期偏高在0.5℃左右,2月偏高最为明显,为1.0℃。
就办公建筑30年平均负荷而言,1981-2010年相对于1961-1990年年均负荷少2.0%,采暖期少5.2%(p<0.05),其中2月少9.7%,制冷期多1.6%。1981-2010年相对于1971-2000年,年均负荷少0.6%,采暖期少2.7%,其中2月少5.2%,制冷期多1.6%。
从上文分析可以看出,在气候变暖的背景下,3个时段太阳辐射、气温以及办公建筑平均负荷都有较大的变化,1981-2010年和1961-1990年的差异较1971-2000年更为明显,其中太阳辐射、气温及平均建筑负荷在采暖期最高有8.2%、1.3℃及5.2%的显著差异。与之对应的3个时段采用不同方法生成的典型气象年数据也有类似的变化规律。
5 现用典型气象年数据的适用性分析为分析天津目前正在使用的典型气象年数据在建筑能耗评估中的适用性,以现行使用的典型气象年逐时气象数据输入TRNSYS软件,模拟典型办公建筑的逐时负荷,并进一步和3个时段模拟出的负荷进行对比。天津现行使用的典型气象年数据来源于中国气象局气象信息中心与清华大学建筑技术科学系合作完成的建筑热环境分析专用气象数据集,该数据集是以全国270个地面气象台站1971-2003年的实测气象数据为基础,通过分析、整理、补充源数据以及合理的插值计算建立的,可为建筑热环境及其控制系统的设计和动态模拟分析提供全面可靠的基础气象数据[22]。
从图 3可以看出,采用现行使用的典型气象年数据模拟得到的办公建筑制冷负荷为18.1 kW/m2,较1981-2010年的负荷偏低6.7%;模拟得到的办公建筑供热负荷为16.5 kW/m2, 与1961-1990年接近,较1981-2010年偏高4.7%(p<0.05)。这表明按现行使用的典型气象年数据进行建筑能耗评估时,会造成制冷负荷偏低,供热负荷偏高,而且会降低人体舒适度及造成供热能源浪费。
本文以中国北方城市天津为例,选用Sandia和Danish两种方法生成3个时段(1961-1990年、1971-2000年和1981-2010年)的典型气象年数据。采用TRNSYS软件模拟了1961-2010年逐小时办公建筑负荷以及3个时段典型气象年的办公建筑负荷。通过分析3个时段太阳辐射、气温以及建筑负荷的差异,评估了气候变化对典型气象年的影响。
生成典型气象年的Sandia和Danish两种方法在天津地区均有较好的适用性,两种方法挑选的典型气象月数据均较接近实际值,无明显差异;Sandia方法采用6个气象要素生成的典型气象年数据代表性满足要求。
3个时段的典型气象年数据存在较大的差异,采暖期变化较制冷期更为明显,从30年均值差异看,1981-2010年相对于1961-1990年,供热负荷减少5.2%,制冷负荷增加1.6%。因此,在使用典型气象年数据进行建筑设计能耗评估时需充分考虑气候变化的影响,加快典型气象年数据的生成和更新工作。基于天津现行使用的典型气象年数据模拟得到的办公建筑制冷负荷较1981-2010年偏低6.7%,供热负荷偏高4.7%。这表明采用现行典型气象年数据进行建筑能耗评估时,会造成制冷负荷偏低,供热负荷偏高,从而降低人体舒适度及造成供热能源浪费。
需要指出的是,本文研究气候变化对典型气象年的影响仅从气候平均态角度考虑,未考虑极端气象条件的情况,有待于进一步研究。
[1] |
IPCC. Climate change 2013:the physical science basis[M]. Cambridge: Cambridge University Press, 2013.
|
[2] |
Ding Y H, Ren G Y, Zhao Z C, et al. Detection, causes and projection of climate change over China:an overview of recent progress[J]. Advances in Atmospheric Sciences, 2007, 24(6): 954-971. DOI:10.1007/s00376-007-0954-4 |
[3] |
Xu P, Huang Y J, Miller N, et al. Impacts of climate change on building heating and cooling energy patterns in California[J]. Energy, 2012, 44(1): 792-804. DOI:10.1016/j.energy.2012.05.013 |
[4] |
Frank T. Climate change impacts on building heating and cooling energy demand in Switzerland[J]. Energy & Buildings, 2005, 37(z11): 1175-1185. |
[5] |
Yang L, Lam J C, Liu J, et al. Building energy simulation using multi-years and typical meteorological years in different climates[J]. Energy Conversion & Management, 2008, 49(1): 113-124. |
[6] |
Bhandari M, Shrestha S, New J. Evaluation of weather datasets for building energy simulation[J]. Energy & Buildings, 2012, 49(2): 109-118. |
[7] |
Finkelstein J M, Schafer R E. Improved goodness-of-fit tests[J]. Biometrika, 1971, 58(3): 641-645. DOI:10.1093/biomet/58.3.641 |
[8] |
Hall I J, Prairie R R, Anderson H E, et al. Generation of typical meteorological years for 26 SOLMET stations. SAND78-1601[M]. Albuquerque, NM: Sandia National Laboratorie, 1978.
|
[9] |
Chan A L S, Chow T T, Fong S K F, et al. Generation of a typical meteorological year for Hong Kong[J]. Energy Conversion & Management, 2006, 47(1): 87-96. |
[10] |
Skeiker K. Generation of a typical meteorological year for Damascus zone using the Filkenstein-Schafer statistical method[J]. Energy Conversion & Management, 2004, 45(1): 99-112. |
[11] |
Petrakis M, Kambezidis H D, Lykoudis S, et al. Generation of a "typical meteorological year" for Nicosia, Cyprus[J]. Renewable Energy, 1998, 13(3): 381-388. DOI:10.1016/S0960-1481(98)00014-7 |
[12] |
Jiang Y. Generation of typical meteorological year for different climates of China[J]. Energy, 2010, 35(5): 1946-1953. DOI:10.1016/j.energy.2010.01.009 |
[13] |
Pissimanis D, Karras G, Notaridou V, et al. The generation of a "typical meteorological year" for the city of Athens[J]. Solar Energy, 1988, 40(5): 405-411. DOI:10.1016/0038-092X(88)90095-3 |
[14] |
Andersen B, Eidorff S, Lund H, et al. Meteorological data for design of building and installation:a reference year (extract)[M]. .
|
[15] |
Janjai S, Deeyai P. Comparison of methods for generating typical meteorological year using meteorological data from a tropical environment[J]. Applied Energy, 2009, 86(4): 528-537. DOI:10.1016/j.apenergy.2008.08.008 |
[16] |
Su F, Huang J, Xu T, et al. An evaluation of the effects of various parameter weights on typical meteorological years used for building energy simulation[J]. Building Simulation, 2009, 2(1): 19-28. DOI:10.1007/S12273-009-9106-3 |
[17] |
杨柳, 李昌华, 刘加平. 典型气象年生成方法及原始气象数据质量分析[J]. 气象科技, 2006, 34(5): 596-599. |
[18] |
李红莲, 杨柳, 于军琪, 等. 建筑能耗模拟典型年中气象参数权重的确定[J]. 土木建筑与环境工程, 2015, 37(1): 23-28. |
[19] |
杨洪兴, 吕琳, 娄承芝, 等. 典型气象年和典型代表年的选择及其对建筑能耗的影响[J]. 暖通空调, 2005, 35(1): 130-133. |
[20] |
胡琳, 李占斌, 何晓嫒. 空冷机组设计中典型气象年的选取[J]. 中国电机工程学报, 2009, 29(35): 54-58. DOI:10.3321/j.issn:0258-8013.2009.35.009 |
[21] |
胡琳, 李占斌, 何晓嫒, 等. 空冷系统设计中典型年选取方法比较[J]. 中国电力, 2010, 43(7): 62-66. |
[22] |
中国气象局气象信息中心气象资料室. 中国建筑热环境分析专用气象数据集[M]. 北京: 中国建筑工业出版社, 2005.
|
[23] |
Li M C, Cao J F, Guo J, et al. Response of energy consumption for building heating to climatic change and variability in Tianjin city, China[J]. Meteorological Applications, 2016, 23(1): 123-131. DOI:10.1002/met.2016.23.issue-1 |
[24] |
Marion W, Urban K. User's manual for TMY2s:derived from the 1961-1990 national solar radiation data base[J]. Nasa Sti/recon Technical Report N, 1995, 96. |
[25] |
Zang H, Xu Q, Wang W, et al. A step-by-step application of Danish method for generation of typical meteorological years of China[J]. Journal of Renewable & Sustainable Energy, 2013, 5(5): 1-12. |
2. China Academy of Building Research, Beijing 100013, China