李嘉雨，張 昕，張宇濤

(1.清華大學建筑學院，北京 100084；2.廣東三雄極光照明股份有限公司，廣東 廣州 511495)

我國普通超市與大型超市的照明現(xiàn)狀與能耗預測模型

李嘉雨1，張 昕1，張宇濤2

(1.清華大學建筑學院，北京 100084；2.廣東三雄極光照明股份有限公司，廣東 廣州 511495)

中國的普通超市和大型超市的照明能耗在其建筑能源消耗中占比第一。普通超市和大型超市的照明特征存在共性與差異。本文通過對二者照明現(xiàn)狀、能耗預測模型的研究，為有效提高普通超市和大型超市照明質(zhì)量，降低能耗，提升消費者感受提供數(shù)據(jù)支持。

照明功率密度；單位面積照明造價；開敞空間照度；典型貨架位置照度；照明能耗；預測模型

引言

超級市場[1-2]即supermarket，從其產(chǎn)生的角度來定義，指一種以經(jīng)營食品和日用品為主要范圍的零售業(yè)態(tài)形式，其特點是顧客在依次開架擺放的貨架之中自行選購，選購完成之后再在統(tǒng)一的結賬柜臺進行付錢。其業(yè)務流形式可概括為“貨架陳列自行選購，集中采運最終結款”。

根據(jù)《零售學》中提到的中國標準，普通超市(即中小型超市)和大型超市的主要特征區(qū)別如表1所示。

據(jù)國家統(tǒng)計局《中國統(tǒng)計年鑒2013》中的數(shù)據(jù)顯示，我國零售業(yè)總投資金額達到了5 440億元人民幣。2008年連鎖超市占全國零售業(yè)規(guī)模27%，業(yè)界中限額以上企業(yè)的總銷售值接近4 800億元人民幣，并在近年內(nèi)以20%的年均復合率發(fā)展。2009年，中國連鎖經(jīng)營協(xié)會(CCFA)調(diào)查了部分知名連鎖銷售企業(yè)的建筑能耗和各分項能耗，發(fā)現(xiàn)在大型超市的分項耗能中，照明能耗占29.5%，位列第一，其次分別是空調(diào)能耗28.1%、冷凍能耗19.9%、主食廚房能耗8.9%、電梯能耗5.5%。因此，研究超市的照明能耗對于節(jié)約能源、減少碳排放具有重要意義。除物質(zhì)需要外，顧客在逛超市時，精神享受也很重要。因此，確保照明質(zhì)量，創(chuàng)造良好的視覺環(huán)境和商業(yè)氛圍，同樣重要。

表1 普通超市與大型超市主要特征區(qū)別

國內(nèi)近年關于超市照明的研究主要分為兩類，一類著重從消費者的主觀評價和視覺效果上研究，如：張丙合[3]等關注人在超市空間中的體驗，針對不同超市區(qū)域做了理想化的光環(huán)境設計；劉雪嬌[4]通過市場調(diào)研，分析超市照明環(huán)境和消費者行為的關系。另一類偏重節(jié)能和光學實驗數(shù)據(jù)，如楊群標[5]、鄭仕群[6]等研究如何選擇節(jié)能燈具，并通過實驗研究如何通過合理布置燈具實現(xiàn)節(jié)能。

本研究基于對全國29個地級市內(nèi)160家普通超市和85家大型超市的照明數(shù)據(jù)采集與分析，探討普通超市和大型超市的照明與能耗特征。通過對能耗預測模型的研究，分析能耗、造價、照度水平間的關系，為超市照明節(jié)能路線圖的制定奠定基礎。

1 研究方法

1.1 數(shù)據(jù)采集

相關數(shù)據(jù)源的調(diào)研時間為2013年，調(diào)研的基本內(nèi)容如表2所示。

表2中幾項關鍵數(shù)據(jù)解釋如下：

1)開敞空間水平照度。開敞空間指在一個標準柱網(wǎng)單元內(nèi)無貨架、柜臺等遮擋的空間。開敞空間水平照度為每家店三處開敞空間水平照度平均值的平均值(不按面積加權)。

2)典型貨架照度。選取具有代表性的貨架，測量貨架之間通道的水平照度，并計算水平照度平均值和均勻度，取3處貨架通道的平均值作為該店典型貨架位置水平照度和水平照度均勻度；以上通道處貨架實測低(0.2 m)、中(1.0 m)、高(2.0 m)三個位置的垂直照度，并分別計算垂直照度平均值和均勻度，取3處貨架通道的平均值作為該店典型貨架位置垂直照度和垂直照度均勻度。

表2 調(diào)研內(nèi)容與調(diào)研方法

3)主觀問卷調(diào)查。主觀評價采用問卷調(diào)查法，每個專賣店隨機委派三個照明從業(yè)人員作為評價人，并且各專賣店的評價人不重復。在不知道實測數(shù)據(jù)的前提下，評價人走遍專賣店，填寫調(diào)查問卷得到主觀評價數(shù)據(jù)。

表3所示為調(diào)研數(shù)據(jù)的地域分布。普通超市樣本取自22個城市，其中華北占比9.38%，西北占比20.62%，華東占比40.62%,西南占比29.38%；大型超市樣本取自29個城市，華北占比38.82%，西北占比7.06%，華南占比20.00%，華東占比24.71%，西南占比9.41%。

1.2 數(shù)據(jù)分析方法

采用SPSS軟件進行數(shù)據(jù)匯總和統(tǒng)計分析[7]；采用SPSS神經(jīng)網(wǎng)絡預測模型對數(shù)據(jù)進行模擬，建立普通超市和大型超市的能耗預測模型[8-9]。

表3 調(diào)研數(shù)據(jù)的地域分布

1)SPSS數(shù)據(jù)統(tǒng)計：用于數(shù)據(jù)的初步統(tǒng)計匯總，以及各項指標的頻率、平均值、離散度、極值分析等。

2)SPSS神經(jīng)網(wǎng)絡：多層感應器，建立能耗預測模型，以單位面積照明造價預測照明功率密度。

2 普通超市與大型超市的照明現(xiàn)狀

通過對調(diào)研數(shù)據(jù)的SPSS分析，普通超市和大型超市基本數(shù)據(jù)的描述性統(tǒng)計詳見表4。

表4 超市照明基本數(shù)據(jù)統(tǒng)計

從表4可知，我國的普通超市和大型超市的客觀照明數(shù)據(jù)差異巨大。普通超市由于規(guī)模和預算原因，單位面積造價低，照明功率密度低；而大型超市造價高，照明功率密度高，商品和地面照度高。

普通超市和大型超市也有一些共同點，如期望換燈周期和顯色指數(shù)等。

2.1 照明數(shù)據(jù)分布

圖1～圖5分別為超市和大型超市的照明數(shù)據(jù)分布，其中淺灰色代表普通超市，深灰色代表大型超市。

圖1 LPD概率分布Fig.1 Probability distribution of LPD

圖2 單位面積照明造價概率分布Fig.2 Probability distribution of lighting cost per unit area

圖3 開敞空間照度平均值概率分布Fig.3 Probability distribution of the average illuminance in the open space

圖4 典型貨架位置的水平照度平均值Fig.4 Probability distribution of the average horizontal illuminance in at the typical shelf location

圖5 典型貨架位置的垂直照度平均值Fig.5 Probability distribution of the average vertical illuminance in at the typical shelf location

根據(jù)以上的頻率分布圖，普通超市各數(shù)據(jù)分布比大型超市更為集中，標準差更小，尤其是照明功率密度(LPD)和單位面積照明造價，也從側面反映了大型超市的多樣性和綜合性。

2.2 照明數(shù)據(jù)分布的地域差異

由圖6可以看出，普通超市的基本照明特征地域差異較小，全國各個區(qū)域都比較統(tǒng)一，比較明顯的差別是，東北地區(qū)的照明功率密度均處于較低水平，但水平照度開敞空間照度和典型貨架垂直照度都較高。

圖6 照明數(shù)據(jù)的地域分布Fig.6 Geographical distribution of lighting data

大型超市地域差異較大，東部和西部的照明功率密度離散度很高，東北和西部的單位面積造價離散度很高。西部的樣本中，有兩項指標明顯偏高，分別是LPD和單位面積照明造價。大型超市各個品牌的建筑照明標準和側重不一，而各個地區(qū)的市場占有品牌也相異，根據(jù)《中國超市連鎖零售行業(yè)分析報告》，東北部有大潤發(fā)、世紀聯(lián)華等超市，東部有好又多、華潤萬家，中部有永輝超市等，西部有人人樂、歐尚等大型超市，更有裝修標準差異更大的外資企業(yè)如家樂福、伊藤洋華堂等占領著不同地區(qū)的市場，造成了各地市場的差異。

3 能耗預測模型

3.1 SPSS神經(jīng)網(wǎng)絡建模[7]

SPSS神經(jīng)網(wǎng)絡是模擬人神經(jīng)元工作方式的非線性的數(shù)據(jù)建模工具，包括輸入層和輸出層，一個或者多個隱藏層，建模過程如下。

1)選擇因子、因變量和協(xié)同變量。

研究目的是通過照明預算、照明參數(shù)預測照明能耗，所以該模型以單位面積照明造價為因子，LPD為因變量，顯色指數(shù)、期望換燈周期、每日開燈時間、開敞空間水平照度平均值、典型貨架位置水平照度平均值、典型貨架位置垂直照度平均值為協(xié)同變量，建立多層感應器神經(jīng)網(wǎng)絡。

2)個案分區(qū)。

用于建模的數(shù)據(jù)個案數(shù)量是有限的，為建立網(wǎng)絡、訓練和評估網(wǎng)絡的有效性，須將可用的個案分為三部分：

培訓個案：用于生成算法模型，估計網(wǎng)絡參數(shù)。

檢驗個案：用于跟蹤錯誤的結果、結束訓練。

支持個案：用于評估網(wǎng)絡和比對準確度。

由于部分個案的數(shù)據(jù)缺失，因此本文采用接近70%、20%、10%的比例分配培訓、檢驗、支持個案。

有效個案分配情況如表5～表6所示。

表5 普通超市個案處理Table 5 Processing of supermarket samples

表6 大型超市個案處理

普通超市和大型超市算法生成結果如表7所示。

3.2 殘差檢驗

對普通超市和大型超市能耗預測模型的特征進行分析，可以發(fā)現(xiàn)，普通超市的能耗預測模型較為簡單，準確度高，而大型超市的能耗預測模型復雜，無明顯的映射關系，準確度低(見圖7、圖8)。這跟不同品牌的大型超市自成體系的設計模式和經(jīng)營模式有關。想要更加準確地預測大型超市的能源消耗，需要進一步將其分類研究，不同地域、不同品牌定位、不同背景的大型超市會有不同的能源消耗特征。

表7 超市模型信息

圖7 普通超市LPD預測殘差Fig.7 LPD residual error of supermarket

圖8 大型超市LPD預測殘差Fig.8 LPD residual error of hypermarket

3.3 普通超市預測模型的改善和應用

由此我們針對殘差較小的普通超市的預測模型進行修正，使預測值更加準確。預測模型的各自變量重要性如表8所示。

在1個因子、6個協(xié)同變量的情況下，有效樣本數(shù)只有48，影響模型精確度，而基于表8，保留重要性最強的兩個協(xié)同變量——開敞空間的照度平均值和典型貨架位置的水平照度平均值，以及因子——單位面積照明造價，重新執(zhí)行神經(jīng)網(wǎng)絡多層感知器模擬，結果見表9～表10。

表8 普通超市照明能耗預測模型中的各自變量重要性

表9 修改后的普通超市模型個案處理

表10 修改后的普通超市模型信息

修改后的模型預測正確率達到78%，三個自變量均占有較大比重(詳見表11)。

表11 修改后的普通超市各自變量重要性

用該模型做出如下預測：當單位面積造價分別為10、15、20、25、30、35、40元時，預測的LPD功率見表12(協(xié)同變量值第一次根據(jù)圖4和圖5取普通超市中位數(shù)，即開敞空間的照度平均值取400 lx，典型貨架位置的水平照度平均值取250 lx；第二次根據(jù)GB 50034—2013的標準，兩個照度數(shù)字都取300 lx)。

表12 用修改后的模型預測不同造價下的能耗

在實際工程中，我們難以事先知曉一個建筑的照明能耗，超市空間的照度也只能根據(jù)設計目標和定位去估計，但在一定程度上可以根據(jù)單位面積照明造價預測照明能耗，如表12中第一次預測，取照度中位數(shù)時能耗的最低點出現(xiàn)在單位面積照明造價為20元的時候，而在第二次預測中，取300lx時能耗的最低點出現(xiàn)在單位面積照明造價為25元的時候。

4 結論

我國普通超市無論從地域性上還是從用燈類型、照度水平等方面，全國的水平比較一致，而大型超市的差異較大，具有較大的照明節(jié)能空間。特別是西部地區(qū)。

通過SPSS神經(jīng)網(wǎng)絡建立能耗預測模型，大型超市由于品牌定位的差異，較難準確預測出能耗，造價關系，而普通超市已經(jīng)形成了共識性的行業(yè)標準。對于大型超市的能耗造價預測，應當根據(jù)市場定位進行細化分類研究。

通過優(yōu)化普通超市的能耗預測模型，預測正確率提高到了78%，依此對標準協(xié)同變量下的不同照明造價(10/15/20/25/30/35/40)元/m2的超市空間進行預測，發(fā)現(xiàn)當造價在20元/m2左右時，其照明能耗相對最低。

根據(jù)表4，我國普通超市的照明造價平均值為25元，這之間的差異可以在設計階段給商家和設計師提供參考。從地域上看，東北地區(qū)的單位面積照明造價最接近20元，相應LPD也最低，但其照明舒適性和用光合理性是后續(xù)研究需要理清的問題。

[1] 宋池,劉斐. 中國超市行業(yè)發(fā)展現(xiàn)狀分析[J]. 經(jīng)營管理者,2009,18:162.

[2] 韓英. 中國超市現(xiàn)狀及發(fā)展[J]. 中國市場,2006,Z2:8-9.

[3] 張丙合,王海燕,王元. 超市高效照明系統(tǒng)——人性化照明節(jié)能設計[J]. 照明工程學報,2009,20(1):46-49.

[4] 劉雪姣. 超市內(nèi)部照明對消費者的影響[J]. 商場現(xiàn)代化,2006,10:189.

[5] 楊群標. 淺談大型商場和超市的照明與節(jié)能//《IT時代周刊》2013年度論文集[C].2013:3.

[6] 鄭仕群. 大型超市照明系統(tǒng)設計[J]. 現(xiàn)代建筑電氣,2011,1:34-36.

[7] 丁雪梅,徐向紅,邢沈陽,等. SPSS數(shù)據(jù)分析及Excel作圖在畢業(yè)論文中的應用[J]. 實驗室研究與探索,2012,3:122-128.

[8] 孫逸敏.利用SPSS軟件分析變量間的相關性[J].新疆教育學院學報，2007，2：120-123.

[9] JORDAN D K. Building energy data book:Department of Energy[EB/OL].(2016-10-18)[2011-11-09].http://buildings dactabook.eren.doe.gov.

Researches on the Lighting Status and the Predicting Model of Energy Consumption of Chinese Supermarket and Hypermarket

LI Jiayu1，ZHANG Xin1，ZHANG Yutao2

(1.SchoolofArchitecture,TsinghuaUniversity,Beijing100084,China; 2.GuangdongSanxiongJiguangLimitedCompany,Guangzhou511495,China)

In China, the lighting energy consumption takes the biggest part in the whole architecture energy consumption of supermarkets and hypermarkets. There are distinct differences as well as common characteristics between the lighting features of supermarket and hypermarket in China. This thesis analyzed their lighting status and made a predicting model for the energy consumption, thus providing data support for the effective methods of improving the lighting quality, reducing the energy consumption, and optimizing human feelings in the supermarket and hypermarket.

lighting power density; lighting cost per unit area; the illuminance in the open space; the illuminance at the typical shelf location; lighting energy consumption； the prediction model

國家自然科學基金面上項目(51478236)；亞熱帶重點實驗室開放基金(2015ZB14)

TU113.19+1

A

10.3969/j.issn.1004-440X.2017.01.007