周 欣 燕 達* 任曉欣 洪天真

(1.清華大學建筑學院建筑技術科學系，北京 100084;2.美國勞倫斯·伯克利國家實驗室，美國加州 94720)

1 引言

辦公建筑為公共建筑的重要組成部分，其建筑能耗特點及建筑節(jié)能工作受到業(yè)內的廣泛關注。與一般建筑相比，大型辦公建筑 (建筑面積超過10000m2)作為商業(yè)建筑的主體，建筑面積基數大且累年增多，同時由于其建筑本身的使用及功能特征，年累計耗能量較高。

在大型辦公建筑中，照明能耗能夠占到建筑總能耗的20%～40%。因此針對照明能耗的影響因素展開研究，對大型辦公建筑的節(jié)能減排工作具有重要意義。已有研究表明，影響照明能耗的因素主要有室外照度及人員行為。部分已有的實測數據或模擬研究認為，照明能耗與室外照度相關，當室外照度較大時，人員更趨向于利用自然光，此時燈具開啟的可能性較低，或需要燈具提供的照度較低［1～5］。然而一些研究發(fā)現人員的操作對照明能耗的影響更大。通過實測調研，Yu等人發(fā)現開敞式辦公室中人員使用燈具的行為與外界照度無關，但與人員在室情況緊密相關［6］。同時，Yun等人進一步提出室外照度與照明能耗沒有統(tǒng)計意義，但人員對燈具的操作與一天中的時間點具有極大關系［7］。其他一些研究［8］［9］也表明使用者的開燈行為僅和用戶是否在室內有關，而與室外照度無關。

目前針對照明能耗的研究主要集中在小型辦公室、住宅建筑中，其分析方法及研究結論對了解、認識大型辦公建筑的照明能耗特點具有極大的借鑒意義。然而，受測試數據數量及來源的限制，大型辦公建筑整體照明能耗特點及影響因素的情況仍不甚明晰。在國內，常見的預測照明能耗的方式為照明密度和單曲線模型的配合。大部分的研究沿用公共建筑節(jié)能設計標準中的辦公建筑照明功率值 (即普通辦公室、會議室11W m2，高檔辦公室18W m2，走廊 5W m2等)［10］［14］; 部分文獻的照明功率采用了實測值，實測的照明功率范圍在 5 ～ 25W m2［15］［19］。而曲線模型主要來自公共建筑節(jié)能設計標準中的工作時段推薦人員作息［11］［14］，但由于大型辦公建筑與小型辦公建筑中照明能耗性能差異較大，而在目前的曲線模型中沒有分開討論［20］，因此在實際應用中會出現模擬值與實際間存在偏差的情況［21］［22］，且該種描繪方式無法體現出實際照明能耗的全年變化情況。

在更為詳細的照明能耗模型方面，Hunt［23］引入了一個隨機模型用于計算人員到達后開燈的概率，研究得到如下結論:當工作面照度低于100lx時人員開燈的概率增大。Newsham［24］開發(fā)了基于概率過程的Lightswitch模型，并基于在加拿大渥太華的一個辦公建筑的測試數據模擬人員在室情況。2004年，Reinhart［25］將該模型改進為 Lightswitch-2002 模型，并用于計算人員到達及離開室內的概率以及相應的開關燈概率。同時，在Reinhart的研究中，利用該模型估計了在不同照明控制條件下的節(jié)能量。Joakim Wide'n［26］等人利用馬爾可夫鏈估計人員移動的概率，進而將照度水平和人員移動結合，預測開燈概率。然而，以上研究主要基于小型辦公建筑［23～25］及住宅建筑［26］，大型辦公建筑照明能耗的特點分析較為缺乏。

基于大量實測大型辦公建筑照明能耗數據，本文對目前大型辦公建筑照明能耗總體水平及概況特點展開分析。由于缺乏這些建筑中照明系統(tǒng)的詳細參數情況，本文關注于照明能耗的日均值曲線和全年變化特征。首先，通過對逐時數據的統(tǒng)計分析，本研究對照明能耗的分段特點、分布特點及主要影響因素進行詳細探討。進而，基于對照明能耗隨機特征的理解，本文提出照明能耗的隨機模型。該模型主要考慮了照明能耗的逐時變化特點，包括每日的尖峰特性等。進一步，將該照明模型應用于實際案例中，將模擬結果與實測數據進行對比，完成模型的驗證工作。

2 研究方法

本文的研究路線如圖1所示。首先對北京和香港13棟裝有分項計量系統(tǒng)的大型辦公建筑的逐時實測照明能耗數據進行分析，討論大型辦公建筑中照明能耗曲線的特征。對實測數據的分析主要從年總量情況，月分布情況，典型日特征及年分布情況四個方面展開。

基于對照明能耗特征的理解，研究進一步分析了影響照明能耗的兩個主要因素:室外照度情況及室內人員情況。為了確定室外照度對照明能耗的影響，對不同季節(jié)及不同建筑樓層 (地上和地下區(qū)域)的照明能耗進行了對比。而室內人員的影響則通過對比工作日、周末及節(jié)假日的照明能耗情況及分析照明日均值曲線與人員活動的關系得到。

圖1 技術路線圖Fig.1 Technical routine

通過對照明能耗特征及主要影響因素的認識，本文提出基于概率的照明能耗模型。該模型將統(tǒng)計分析及概率模型應用于照明能耗的預測，對照明能耗的日分段特性、年分布特征及不同時間段內能耗的時相關性進行刻畫，建立了照明能耗的隨機模型，并以某棟實際建筑作為研究案例，將照明能耗的影響因素及作用方式進行整理作為輸入，計算該建筑的逐時照明能耗，并將計算結果與實測數據進行對比，進而完成該模型的驗證工作。

3 數據源基本情況

本文的實測數據來自13棟位于北京、香港的大型辦公建筑的逐時照明支路分項計量數據。13棟建筑的面積、所在地及功能信息如表1所示。

表1 建筑基本信息Table 1 Building basic information

圖2 大型辦公類建筑平米照明能耗水平比較Fig.2 Lighting energy consumption comparison of big office buildings

根據各辦公樓的全年能耗實測數據，依靠照明支路分項計量系統(tǒng)得到照明電耗。對比各建筑的全年照明能耗，得到照明的平米能耗水平及能耗比例，結果如圖2、圖3所示。由圖可見，對于各建筑的照明分項平米能耗，北京政府辦公樓的能耗較低，約10～30kWh/(m2·年);北京寫字樓水平略高，約30～50kWh/(m2·年);香港寫字樓的照明能耗水平較北京為高，達到約60～100kWh/(m2·年)。關注照明能耗在建筑總能耗中所占的比例，則各類建筑相差不是特別顯著，均占到15% ～45%左右。因此，照明用電作為大型公共建筑不可忽略的一項用能，有必要對其能耗特征及計算模型進行深入探究。

圖3 大型辦公類建筑照明能耗比例Fig.3 Lighting energy consumption proportion of big office buildings

4 照明能耗總體特征

在本部分，將對照明能耗的總體特征進行分析討論，從全年、逐月及典型日這三個時間層次分別對照明能耗進行了特征總結與討論。

4.1 照明能耗逐年變化情況

以北京的G大廈為例，其2008至2010年間的照明能耗逐年變化情況如圖4所示。從圖中可以看到，照明能耗的年變化規(guī)律比較穩(wěn)定，從2008年至2010年，電耗的變化幅度小于7%。這主要由于建筑中裝機功率保持不變，租用率穩(wěn)定以及使用方式變化小。

4.2 照明能耗月分布情況

為了觀察照明能耗的月變化特征，13棟辦公樓逐月的日平均照明電耗如圖5所示。采用日均值照明電耗而非月總照明電耗進行對比是由于各工作日及休息日的照明電耗變化較小，而且不同月份有不同的天數。從圖中可以看到大部分建筑各月電耗變化幅度較小，而且照明能耗的月分布沒有明顯特征。

圖4 G大廈逐年能耗變化圖Fig.4 Energy consumption variation of G building by year

圖5 各辦公建筑逐月日平均照明平米能耗對比圖Fig.5 Average lighting energy consumption of office building by month

4.3 照明能耗日均值情況

進一步通過對照明電耗的日逐時分布進行分析，以探究大型辦公建筑照明能耗曲線的特征。取建筑F的一條照明支路的實測數據進行逐時曲線分析，如圖6所示?？梢钥吹秸彰髂芎牡娜涨€形狀與人員的活動情況有較大聯(lián)系。

根據其雙峰曲線的形狀可將其分為6個時間段:

夜間階段:夜間無人員活動，只保留24h照明設備 (緊急及安全指示燈等);

圖6 典型日照明功率曲線圖Fig.6 Lighting power curve of the typical day

上班階段:人員陸續(xù)到達，照明功率逐步上升直至達到上午階段的水平;

上午階段:上午上班期間，保持照明設備最高功率水平;

午休階段:人員陸續(xù)午餐，關閉部分燈，照明水平略有下降;

下午階段:下午上班期間，保持照明設備最高功率水平;

下班階段:人員陸續(xù)離開，或有加班行為，照明功率逐步下降至夜間水平。由于人員加班及保潔人員的活動，照明功率的下降率低于上班階段的照明功率增加率。

4.4 照明能耗年分布情況

照明功率的統(tǒng)計結果如圖7所示。圖中細線表示日平均照明能耗。柱體的邊緣分別表示25%及75%的四分位點。數據點的最大和最小值也表示在圖中?？梢钥吹?，在全年范圍內照明功率具有一定的分布特性。同時，也可以發(fā)現照明能耗的均值曲線形狀與數據分布情況在工作日與休息日時差異較大。

圖7 全年逐時照明電耗四分位統(tǒng)計圖Fig.7 Lighting electricity consumption statistical figure by hour in the whole year

5 照明能耗影響因素分析

通過前一部分對照明能耗基本特征的分析，研究發(fā)現照明能耗的逐年、逐月變化特征并不明顯，其日曲線及全年分布情況具有一定的規(guī)律性。本部分進一步對照明能耗的兩大影響因素 (室外照度及室內人員活動)展開分析。

5.1 室外照度影響

5.1.1 同一建筑地下室與地上面積的照明能耗情況對比

為了探究室外照度的影響情況，對比了同一棟辦公建筑的地上與地下部分辦公室的照明能耗情況。地下和地上區(qū)域的辦公室由兩個獨立的照明支路供電，辦公室的人員密度一致，均大約為10m2人。建筑中沒有自然光控制或其他自動照明控制 (如人員傳感器控制等)。同時夜間當建筑中沒有工作人員時，物業(yè)人員將關閉所有的燈具。

照明功率的統(tǒng)計結果如圖8所示。由(a)、(b)兩圖對比可見，平均照明功率曲線的形狀基本一致，這表明室外采光對辦公照明能耗曲線形狀并沒有顯著影響。在地上區(qū)域中，照明功率的離散程度略高，但由于缺乏辦公室的詳細信息 (如人員的工作性質等)，因此難以判斷室外照度對照明能耗波動情況的影響。

5.1.2 季節(jié)照明能耗的對比

進一步，通過比較不同季節(jié)同一辦公室的照明能耗情況，探究自然采光時長及室外照度水平情況的影響。將某地上區(qū)域照明支路的數據按季節(jié)進行周平均，可以獲得四條照明功率曲線，如圖9所示。對于不同季節(jié)，自然采光時長和照度水平均有較大差別，但觀察分季節(jié)的照明周均值情況，照明曲線的差別并不明顯。該現象進一步驗證了室外照度情況對室內照明電耗的曲線形狀沒有顯著影響。

綜上兩點所述，對于大型辦公類建筑，室外照度對于照明能耗的影響并不十分顯著。由于建筑中不存在基于自然光或者人員在室情況的自動照明控制系統(tǒng)，對于該現象可能的原因有:1)在大型辦公建筑中，開關燈作息比較固定;2)在大型辦公建筑中，受照度影響的外區(qū)比例較小;3)可利用的自然光對人員手動開關燈的影響十分有限。

5.2 人行為的影響

為了分析人員對照明能耗的影響，對同一照明支路工作日和非工作日的電耗情況進行對比。工作日及非工作日的照明功率均值曲線如圖10和圖11所示。由于工作日有大量員工上班，其照明能耗明顯高于非工作日。并且不同的人員移動事件，例如上班、午休、下班等作息規(guī)律可以通過工作日的照明功率曲線判別。而在非工作日，由于加班等情況隨機性比較強，因此照明功率的離散程度比較大，而且沒有固定的作息規(guī)律。

圖8 地上及地下區(qū)域的照明日均值能耗曲線對比Fig.8 Average lighting energy consumption comparison above and under the ground

圖9 分季節(jié)照明功率周均值曲線Fig.9 Average lighting power by month every season

圖10 工作日照明功率均值曲線Fig.10 Average lighting power in the working days

圖11 休息日照明功率均值曲線Fig.11 Average lighting power in the rest days

6 照明能耗模型

基于以上對照明能耗特征及主要影響因素的認識，本文提出基于概率的照明能耗模型。從以上分析中可以看到，日分段特性及年分布情況是照明能耗的兩大主要特征，本研究采用統(tǒng)計分析及概率模型對其進行刻畫，建立照明能耗的隨機模型。

6.1 照明能耗日均值情況

從圖6典型日的照明能耗曲線的討論中，已得到一天內的照明曲線可以分為6個時間段:夜間階段、上班階段、上午階段、午休階段、下午階段及下班階段。根據這6個階段的特征，可將其分為兩大類:

6.1.1 單值特性

上午階段、午休階段、下午階段及夜間階段均屬于單值特性的情況。這些時間段內照明功率可用一條固定功率的平滑曲線表示。方差系數可用于表示數據的離散程度。其定義式為:Vσ=σ X。其中Vσ為方差系數，σ為方差，X為均值。四個階段各自的最大方差系數如表2所示。

表2 四個單值特性階段的最大方差系數Table 2 The max variation in the four stage with single value property

從表2可見，在上午階段、午休階段、下午階段及夜間階段內，一天內的照明功率離散程度很小。這表明數據的變化幅度可忽略，即可用單值曲線表示一天中每個階段內的照明能耗情況。

6.1.2 變化特性

上班階段及下班階段的照明能耗數據的日分布則滿足指數分布的規(guī)律。

在概率論中，如果因變量y與自變量x之間沒有確定性的函數關系，而根據知識、經驗或者觀察它們有一定的關聯(lián)性，眾多的、不可預測的隨機因素影響著它們之間的關系。人們研究這類問題的途徑常常是收集一組 (x，y)的數據，用統(tǒng)計分析方法建立一種經驗模型，稱為回歸模型［27］。而本文中對于上班過渡階段及下班過渡階段內時間與照明能耗的規(guī)律也采用回歸模型的方法進行分析。

已有文獻［28］通過調研數據表明某段時間內到達的人數符合泊松分布:

故某段時間有人到達的概率符合P=P{K＞0}，即滿足指數分布［16］。而開燈的概率與人員到達的概率正相關，人員到達的概率越大，開燈的概率越大，即該時刻的照明能耗越大。

利用最小二乘法對數據進行回歸分析，取置信水平α=0.05，采用指數分布的函數形式，則回歸結果如圖12所示。Y軸表示照明功率作息的比率值。從回歸圖形上可以看到，大部分數據點處在置信區(qū)間中，說明擬合情況較好。

下班階段可以認為到達室外的人員概率滿足指數分布，則人員在室的概率為P=1－P{K＞0}，同樣認為開燈概率近似于人員在室概率一致，采用回歸分析得到λ=0.78，回歸圖形如圖13所示。盡管大部分數據在置信區(qū)間內，但一些數據點偏離了置信區(qū)間。產生偏差的主要原因為采用了一個近似假設:人員在室概率與照明能耗作息一致。這個假設在理想情況下成立 (即每個人都控制一盞燈，且所有人員在室內則開燈，離開房間則關燈)，而在實際情況下只是近似估計。

圖12 上班階段日曲線回歸圖形 (λ=0.89)Fig.12 Curve linear regression graph in the working stage

圖13 下班過渡階段日曲線回歸圖形Fig.13 Curve linear regression graph in the off duty stage

6.2 照明能耗年分布情況

從以上的討論可以看到，在一天內，上午階段、午休階段、下午階段及夜間階段的照明功率可以視為定值。然而，由圖7可以看到，在全年范圍內這些階段的照明功率并非定值。

圖14展示了這四個階段內照明功率的統(tǒng)計直方圖:

圖14 照明功率的頻率分布圖Fig.14 Frequency distribution of lighting power

從頻數圖上，發(fā)現所有四個階段的數據分布近似正態(tài)分布。故采用回歸分析驗證其分布特性。取置信水平α=0.05，回歸情況如圖15所示。大部分數據均處在置信區(qū)間內，因此正態(tài)分布可以較好地刻畫四個階段內的照明功率的年變化情況。

圖15 正態(tài)分布回歸分析Fig.15 Normal distribution regression analysis

對于各時間段的時相關情況進行進一步分析和驗證。以上午階段及下午階段的時相關性為例，將同一天內的上午階段的日均值與下午階段的日均值相減，研究差值的分布特性，從回歸分析 (圖16)看到，上下午階段的日均值差異滿足正態(tài)分布特性，即具有時相關性。因此在刻畫上午階段和下午階段時應加入相關性的描述，即上午階段和下午階段不可作為兩個獨立階段進行描述。

然而，上午階段和夜間階段的差值則沒有明顯的分布特性 (如圖17所示)，故可作為兩個獨立階段進行描述。

圖16 上午階段與下午階段日均值差異的正態(tài)分布回歸分析Fig.16 Normal distribution regression analysis of day average difference in the morning and afternoon working stages

圖17 上午階段和夜間階段差值的正態(tài)分布回歸分析Fig.17 Normal distribution regression analysis of day average difference in the morning and night working stages

7 對比驗證

基于日曲線模型及年變化模型，可得到描述大型辦公建筑照明能耗的總體模型。該模型適用于大型辦公建筑，即照明能耗與室外照度關系很小，但與人員作息關系較為緊密。此處僅對工作日的照明能耗進行模擬，以建筑A中一條照明支路的電耗為例，主要模擬輸入參數如表3所示。

模擬結果與實測數據的總量對比情況如圖18所示。從結果中可以看到，模擬與實測結果較為一致。

同時，模擬與實際照明能耗數據的統(tǒng)計結果對比如圖19所示。由于模擬要反映照明能耗的隨機特征，此處選取概率95%及5%的數據點作為四分位圖的數據邊界。從模擬結果與實際的對比可以看到，模擬的日曲線與實際較為吻合，而符合單值特性的四個階段的年變化情況也得到了體現。

表3 主要模擬輸入參數情況Table 3 Main simulation input parameter

圖18 模擬與實測結果總量對比Fig.18 Total number comparison of simulation and testing results

圖19 模擬與實際數據統(tǒng)計結果對比Fig.19 Simulation and testing data statistical result comparison

8 結論

通過本文研究可以得到如下結論:

(1)通過對分項計量數據調研結果的分析發(fā)現，在大型辦公建筑中，照明能耗的日變化主要受人員作息的影響，室外照度對照明能耗的影響較小;

(2)研究表明，在大型辦公建筑中，燈具的開啟時間與大部分人員到達室內的時間具有很強的相關性，而燈具關閉的時間與人員最后離開辦公室的時間強相關;

(3)基于照明能耗的日分段特性及年分布情況，本研究將統(tǒng)計分析及概率模型應用于照明能耗的預測，建立了照明能耗的隨機模型，并通過實測數據驗證了模型的有效性;

(4)該模型可適用于大型辦公建筑照明能耗的預測分析，為提高照明能耗預測的準確性，輔助照明設計優(yōu)化提供了科學依據。

致謝

本文建筑實地調研及測試工作的開展受到了香港太古地產集團技術支持和可持續(xù)發(fā)展部及運行維護部門的幫助和支持，衷心地表示感謝!

［1］Reinhart C.F.，Voss K.Monitoring manual control of electric lighting and blinds.Lighting Research and Technology，2003，35:243 ～260.

［2］Li D.H.W.，Lam T.N.T.，Wong S.L.Lighting and energy performance for an office using high frequency dimming controls.Energy Conversion and Management，2006，47:1133 ～1145.

［3］Galasiu A.D.，Atif M.R.Applicability of daylighting computermodeling in realcase studies: comparison between measured and simulated daylight availability and lighting consumption.Building and Environment，2002，37:363～377.

［4］Li D.H.W.，Lam J.C.Evaluation of lighting performance in office buildings with daylighting controls.Energy and Buildings，2001，33:793 ～803.

［5］Maitreya V.K.Daytime artificial lighting in office buildings in India.Building and Environment，1997，12:159 ～163.

［6］Yun G.Y.，Kong H.J.，Kim H.，Kim J.T.A field survey of visual comfort and lighting energy consumption in open plan offices.Energy and Buildings，2012，46:146～151.

［7］Yun G.Y.，Kong H.J.，Kim H.，Kim J.T.Effects of occupancy and lighting use patterns on lighting energy consumption.Energy and Buildings，2012，46:152 ～158.

［8］Love J.A.Manual switching patterns observed in private offices.Lighting Research and Technology，1998，30:45 ～50.

［9］Lindelf D.， MorelN. A field investigation ofthe intermediate light switching by users.Energy and Buildings，2006，38:790 ～801.

［10］余理論，鄭潔，田智華.百頁遮陽對室內光環(huán)境的影響［J］.建筑熱能通風空調，2010，29(01).

［11］文精衛(wèi).公共建筑能效評估研究［D］.湖南大學，2009.

［12］朱磊，何天祺，陸楨 等.廣州市某辦公建筑能耗模擬與因素分析［J］.制冷與空調，2009，9(21).

［13］劉濤.基于氣候變化下的辦公建筑節(jié)能設計［D］.西安建筑科技大學，2010.

［14］王春雷.夏熱冬暖地區(qū)大型辦公建筑能耗影響因素研究［D］.哈爾濱工業(yè)大學，2010.

［15］嚴智勇，許巧玲.福州地區(qū)大型辦公建筑能耗的多元線性回歸分析［J］.能源與環(huán)境，2009(01).

［16］張威.湖北省機關辦公樓建筑能耗分析及節(jié)能研究［D］.華中科技大學，2009.

［17］楊謙柔，張世典.臺灣地區(qū)辦公建筑耗能特性調查研究［J］.暖通空調，2009，39(11).

［18］陳改芳.重慶市公共建筑能耗模擬與節(jié)能研究［D］.重慶大學，2007.

［19］許旺發(fā)，張旭.辦公建筑能耗動態(tài)模擬研究［J］.建筑熱能暖通空調，2006，25(01).

［20］Yun G.Y.，Steemers K.Time-dependent occupant behaviour modelsofwindow controlin summer.Building and Environment，2008，43:1471 ～1482.

［21］Bluyssen P.M.The Indoor Environment Handbook:How to Make Buildings Healthy and Comfortable，Earthscan，London，2009.

［22］Norford L.K.，Socolow R.H.，Hsieh E.S.，Spadaro G.V.Two-to-one discrepancy between measured and predicted performance of a‘low-energy’office building:insight from a reconcillation based on the DOE-2 model.Energy and Buildings，1994，21:121 ～131.

［23］Hunt D.The use of artificial lighting in relation to daylight levels and occupancy.Building and Environment，1979，14:21～33.

［24］Newsham G.R.Lightswitch:A stochastic model for predicting office lighting energy consumption.In:Proceedings of Right Light Three，3rd European Conference on Energy Efficient Lighting，Newcastle，UK，1995，pp.59 ～66.

［25］Reinhart C.F.Lightswitch 2002:a model for manual control of electric lighting and blinds.Solar Energy，2004，77(1):15～28.

［26］Joakim Widén，Nilsson A.M.，Wckelgrd，E.A combined Markov-chain and bottom-up approach to modelling of domestic lighting demand.Energy and Buildings，2009，41(10):1001～1012.

［27］姜啟源 等.大學數學實驗［M］.北京:清華大學出版社，2005.

［28］Wang D.，Federspiel C.C.，Rubinstein F.Modeling occupancy in single person offices.Energy and Buildings，2005，37:121 ～126.