淮南市居住建筑能耗影响因素研究

摘 要

摘要：通过问卷调查，对淮南市居住建筑能耗及其可能影响因素进行了调查。通过相关分析，筛选出了淮南市居住建筑能耗的主要影响因素，采用多元线性回归分析方法确定了淮南市居住建筑
摘要：通过问卷调查，对淮南市居住建筑能耗及其可能影响因素进行了调查。通过相关分析，筛选出了淮南市居住建筑能耗的主要影响因素，采用多元线性回归分析方法确定了淮南市居住建筑年能耗、单位建筑面积能耗影响因素回归分析模型。居住建筑年能耗、单位建筑面积能耗均与家庭年收入正相关，与建筑类型负相关。
关键词：居住建筑；建筑能耗；影响因素；多元线性回归分析；逐步回归法
Study on Factors Influencing Energy Consumption of Residential Buildings in Huainan City
PU Qingping，JIA Hongyuan，WU Xiaobo
Abstract：The energy consumption of residential buildings and its potential influence factors in Huainan City are investigated by questionnaires.The main factors influencing energy consumption of the residential buildings are screened by the corresponding analysis.The regression analysis models for the factors influencing the annual energy consumption of residential buildings and the energy consumption per unit building area are determined by multivariate linear regression analysis.The annual energy consumption of residential buildings and the energy consumption per unit building area are positively correlated with theannual family income and negatively correlated with the building type.
Key words：residential building；building energy consumption；influence factor；muhivariate linear regression analysis；slepwise regression
    随着经济的发展和人民生活水平的提高，建筑能耗在国民经济总能耗中所占比例越来越高。在节约能源、保护环境的迫切要求下，提高能源使用效率、降低建筑能耗成为我国能源政策中的重要组成部分。在居住建筑节能领域，我国开展了大量的工作，取得了卓有成效的成绩[1～9]。
    我国建筑数量巨大，且大部分都是高能耗建筑，建筑节能潜力非常大。为了更好地进行节能工作，在调查统计的基础上，分析研究建筑能耗的影响因素，掌握建筑能耗与主要影响因素之间的关系就显得十分必要。居住建筑能耗与公共建筑能耗是民用建筑能耗的两个部分。与公共建筑相比，居住建筑虽然功能单一，但受居民用能行为的影响，能耗的统计计算具有更大的不确定性，详细计算的工作量和难度都很大，而实际调查则是一种比较直接、相对简单可靠的方法。本文在对淮南市居住建筑能耗调研的基础上，对居住建筑能耗的影响因素进行研究。文中涉及的居住建筑能耗仅指电耗。
1 研究背景
   对居住建筑能耗产生影响的因素很多，针对这些影响因素，近年来国内外一些学者进行了很多基础性的研究工作。
   美国国家标准局对建筑能耗进行了调查，主要目的是对既有建筑进行节能改造，这种技术被称为能源审计(Energy Audit)，涉及建筑类型、围护结构、用户用能行为特征等方面的影响因素[10]。
    巴西在1997—1999年对12个州的17643户居民的能源调查中发现，冰箱、冷库占到总耗电量的38%～49%，空调和电热水器在夏季耗电量较高[11]。
   B.Halvorsen等人基于l976—1993年挪威年消费支出调查统计数据，研究了导致挪威居住建筑电力需求增长的原因，认为其中50%是由于居住建筑数量的增长，另50%是由于家用电器数量的增加、可支配收入的增加以及居住面积的增加。另外发现，电价的提高对用电量的影响不大[12]。
    印度在1989年对3座大城市居住建筑的炊事、热水、照明、空调、娱乐、冰箱以及洗衣机能耗情况进行了调查，在此基础上提出要改善城市居住建筑能源的供应和使用[13]。
    约旦能源和矿物资源部门在1997年对全国7120户居民进行了调查，以此来评价居住建筑能耗，并估计其发展趋势，调查发现围护结构绝热性能较差[14]。
    加拿大于1993、1997年分别进行了两次家庭用能的抽样调查，目的是通过调查得到居住建筑末端用能分布、能源结构、用户用能行为所带来的温室气体总排放量、能耗影响因素与发展趋势，并在5年内提交了加拿大照明用能、主要设备单位建筑面积能耗等18份报告，并以调查数据为基础，得到了加拿大能耗趋势估算公式[15]。
    M.Santamouris等人在2004年对希腊1110户居民的经济社会状况、能耗情况等进行了较为详细的调查，得到了关于各种收入群的家庭生活质量、方式、能耗支出方面的情况[16]。
    日本政府从1976年到2005年，对全国居住建筑进行了4次大规模的调查，分析了建筑能耗与建筑面积、气候条件、周边风环境等的关系[17]。
2 调研及相关分析
    ① 调研
    在居住建筑中，建筑能耗主要包括供暖空调、照明、家用电器、炊事热水等终端能耗。而影响能耗的因素非常多，主要包括以下21个可能因素：建筑面积、建筑年代、家庭年收入、建筑类型、常住人口数量、电脑数量、电视数量、每天洗澡次数、降温方式、供暖方式、热水供应方式、电脑开机时间、电视开机时间、每周用餐时间、洗澡方式、日供暖时间、日开启空调时间、夏天空调开机情况、冬天供暖设备开机情况、冬季供暖温度设定、是否及时关闭家用电器等。
    本次调查采用问卷调查方法，对淮南市2009年7月至2010年6月的建筑能耗情况进行调查。调查时间为2010年7—11月，考虑到淮南市的地理位置、居住建筑的特点及建筑年代，在淮南市中心及周边区选取具有代表性的居民用户进行能耗状况的调查。调查分两步进行，第一步对影响建筑能耗的21个因素进行问卷调查；第二步到电力公司查询每个家庭2009年7月—2010年6月的实际用电数据。
    调查过程中，由专门人员入户发放问卷并向被调查者解释问卷内容，用户当面填写，现场回收问卷。这种调查方式与调查者有直接交流，可亲临现场了解用户所关注的问题，这对数据的后续整理和分析有很大帮助，问卷的回收率也较高。最终收回有效问卷430份，问卷回收完毕进行数据整理及相关分析。在进行数据整理时，针对每个影响因素进行等级划分，归纳不同等级下的建筑年能耗、单位建筑面积能耗。
    ② 相关分析
   相关分析是一种用于研究变量之间密切程度的统计方法，该方法通过相关系数来确定两个变量间的线性相关程度，相关系数的变化范围为[-1，1]，绝对值越大表明变量间线性相关程度越高。相关分析是多元线性回归分析的基础，可以对居住建筑能耗的主要影响因素进行初步筛选从而确定多元线性回归分析的自变量。将430个样本的数据整理结果输入SPSS(社会科学统计软件包)，分别对建筑年能耗(用因变量1，表示)、单位建筑面积能耗(用因变量P表示)与各可能影响因素(用白变量Xi表示)进行相关分析。
    由SPSS得到的Y、P的显著性影响自变量及相关系数分别见表1、2。
表1 由SPSS得到的Y的显著性影响自变量及相关系数
自变量符号
白变量名称
相关系数
X1
家庭年收入
0.310
X2
常住人口数量
0.296
X3
建筑面积
0.169
X4
建筑类型
-0.200
X5
每周用餐时间
0.177
X6
电脑开机时间
0.270
X7
日开启空调时间
0.326
表2 由SPSS得到的P的显著性影响自变量及相关系数
自变量符号
自变量名称
相关系数
X1
家庭年收入
0.119
X2
常住人口数量
0.263
X3
建筑面积
-0.185
X4
建筑类型
-0.173
X5
每周用餐时间
0.152
X6
电脑开机时间
0.246
X7
日开启空调时间
0.232
X8
降温方式
-0.178
X9
供暖方式
-0.259
X10
热水供应方式
-0.417
3 多元线性回归分析
    ① 多元线性回归分析模型
    多元线性回归分析是数理统计中应用最为广泛的方法之一，是根据多个自变量的最优组合建立回归方程来预测因变量的回归分析方法。根据相关分析结果，可以初步确定能耗影响因素回归分析模型。
    建筑年能耗影响因素回归分析模型(以下简称年能耗模型)为：
    Y=b0+b1X1+…+b7X7+e1    (1)
式中b0——回归常数
    b1～b7——回归系数
    e1——随机扰动项，表示除自变量以外的其他因素对因变量的综合影响，本文对随机扰动项的数学期望值为0
    对于回归系数，以回归系数b1为例，表示在其他自变量不变的情况下，自变量X1变动一个单位时，引起的因变量的平均变动值。
单位建筑面积能耗影响因素回归分析模型(以下简称单位建筑面积能耗模型)为：
P=a0+a1X1+…+a10X10+e2    (2)
式中a0——回归常数
a1～a10——回归系数
    e2——随机扰动项，数学期望值为0
   ② 年能耗模型确定
   采用逐步回归法对自变量的筛选(即自变量的引入/剔除)结果见表3。最终得到两个有效模型，有效模型1只包含X1一个自变量，有效模型2包含X1、X4两个自变量。
表3 年能耗模型自变量的筛选结果
有效模型编号
引入变量
剔除变量
1
X1
X2～X1
2
X1、X4
X2、X3、X5～X1
    有效年能耗模型拟合优度的检验结果见表4，其中复相关系数R、判定系数R2、修正判定系数Ra2：是判定模型拟合优度的重要评价指标，值越大线性回归效果越显著。估计标准误差也是反映模型拟合优度的评价指标，值越大模型的拟合优度越差。由表4数据可知，有效模型2的拟合优度好于有效模型1。
表4 有效年能耗模型拟合优度的检验结果
有效模型编号
R
R2
Ra2
估计标准误差
1
0.310
0.096
0.094
1009.619
2
0.357
0.527
0.523
993.039
    采用F检验，对两个有效年能耗模型的整体显著性水平进行检验，两个有效模型的整体显著性水平均为0.000，说明这两个有效模型整体显著性极佳。鉴于有效模型2的拟合优度好于有效模型1，因此选择有效模型2作为年能耗模型。
    采用SPSS得到的有效年能耗模型2的回归常数、系数见表5。采用t检验，对回归常数、系数项的显著性水平进行检验，显著性水平均为0.000，这表明回归常数、系数项显著，因此模型中宜引入回归常数、系数项。
表5 有效年能耗模型2的回归常数、系数
回归常数
b0
2105.6
回归系数
b1
0.O1
b4
-664.074
由此，确定年能耗模型为：
Y=2105.6+0.01X1-664.074X4    (3)
式中Y——年能耗，kW·h/a
    X1——家庭年收入，元/a
    X4——建筑类型，分4种情况：多层、高层、平房、别墅，对应变量值1～4
   式(3)表明，建筑年能耗与家庭年收入正相关，与建筑类型负相关。从回归系数的绝对值来看，建筑类型对建筑年能耗的影响大于家庭年收入。
   ③ 单位建筑面积能耗模型确定
   单位建筑面积能耗模型自变量的筛选结果见表6。最终得到两个有效模型，有效模型1只包含五一个自变量，有效模型2包含X1、X4两个自变量。
表6 单位建筑面积能耗模型自变量的筛选结果
有效模型编号
引入变量
剔除变量
1
X4
X1～X3、X5～X10
2
X1、X4
X2、X3、X5～X10
    有效单位建筑面积能耗模型拟合优度的检验结果见表7。由表7数据可知，有效模型2的拟合优度好于有效模型1。
表7 有效单位建筑面积能耗模型拟合优度的检验结果
有效模型编号
R
R2
Ra2
估计标准误差
1
0.152
0.023
0.O21
12.120
2
0.192
0.370
0.320
12.048
   采用F检验，对两个有效单位建筑面积能耗模型的整体显著性水平进行检验，两个有效模型的整体显著性水平分别为0.002、0.000，这说明有效模型2方程的整体显著性更佳。鉴于有效模型2的拟合优度好于有效模型1，因此选择有效模型2作为单位建筑面积能耗模型。
   采用SPSS得到有效单位建筑面积能耗模型2的回归常数、系数见表8。采用t检验，对回归常数a0、系数项a1、a4的显著性水平进行检验，显著性水平分别为0.000、0.014、0.002，这表明回归常数、系数项显著，因此模型中宜引入回归常数、系数项。
表8 有效单位建筑面积能耗模型2的回归常数、系数
回归常数
a0
24.845
回归系数
a1
5×10-5
a4
-6.514
    由此，确定单位建筑面积能耗模型为：
    P=24.845+5×10-5X1-6.514X4    (4)
式中P——单位建筑面积能耗，kW·h/m2
   式(4)表明，单位建筑面积能耗与家庭年收入正相关，与建筑类型负相关。由于回归系数绝对值差异，建筑类型对单位建筑面积能耗的影响大于家庭年收入。
4 结果分析
    淮南市居住建筑年能耗主要与家庭年收入正相关，与建筑类型负相关。单位建筑面积能耗主要与家庭年收入正相关，与建筑类型负相关。根据淮南市居住建筑能耗调研分析结果，家庭年收入是居住建筑能耗的重要影响因素，并且收入越高，能源消费量也越大。
    在对影响因素进行等级划分时，将建筑类型划分为多层、高层、平房、别墅4个等级，与建筑类型成负相关可以理解为当建筑类型由多层向别墅变化时，建筑年能耗、单位建筑面积能耗将出现负增长。这是由于目前淮南的别墅建筑拥有常住人口数量较少且大多为空置，而多层建筑数量庞大，且多为建筑年代较早的非节能建筑，因此出现了负增长的趋势。
参考文献：
[1] 谢艳群，李念平，陈淑琴，等.长沙市冬季居住建筑能耗的实测分析[J].煤气与热力，2007，27(10)：83-85.
[2] 谢艳群，李念平，陈淑琴，等.长沙市居住建筑能耗调查及偏相关分析[J].煤气与热力，2007，27(5)：85-88.
[3] 李志杰，王万江.严寒地区居住建筑实施节能率65%的分析[J].煤气与热力，2006，26(1)：61-65.
[4] 吕建，李星魁，张君美.三步节能居住建筑的设计要点[J].煤气与热力，2007，27(3)：71-73.
[5] 孙艳，张欢，田雨辰，等.居住建筑用户房间位置对用热量的影响[J].煤气与热力，2007，27(7)：82-84.
[6] 高友军，李爽，郭华.中德唐山既有居住建筑综合节能改造示范项目[J].煤气与热力，2009，29(10)：A18-A21.
[7] 王兰，王云山，高玲.外窗对寒冷地区居住建筑节能的影响[J].煤气与热力，2009，29(12)：A11-A13.
[8] 余丽霞，肖益民，付祥钊.居住实态对居住建筑供暖空调负荷的影响[J].煤气与热力，2010，30(10)：A24-A27.
[9] 杨颖，芦岩.天津居住建筑节能率与节能策略分析[J].煤气与热力，2011，31(6)：A19-A21.
[10] 谢艳群.长沙市住宅能耗调查实测及其影响因素的统计分析研究(硕士学位论文)[D].长沙：湖南大学，2007：2-3.
[11] GHISI E.GOSCH S.LAMBERTS R.Electricity end uses in the residential sector of Brazil J.Energy Policy，2007，35(8)：4107-4120.
[12] HALVORSEN B，LARSEN B M.Norwegian residential electricity demand—a microeconomic assessment of the growth from 1976 to 1993[J].Energy Policy，2001，29(3)：227-236.
[13] KULKARNI A.SANT G，KRISHNAYYA J G.Urbanization in search of energy in three Indian cities[J].Energy，1994，19(5)：549-560.
[14] MOHSEN M S，AKASH B A.Some prospects of energy savings in buildings[J].Energy Conversion and Management，2001，42(11)：1307-1315.
[15] 白玮.民用建筑能源需求与环境负荷研究(博士学位论文)[D].上海：同济大学，2007：27.
[16] SANTAMOURIS M，KAPSIS K，KORRES D，et al.On the relation between the energy and social characteristics of the residential sector[J].Energy and Buildings，2007，39(8)：893-905.
 
(本文作者：蒲清平 贾洪愿 吴筱波 重庆大学城市建设与环境工程学院 重庆 400045)