魏 萊，劉 剛，黃文龍，董偉星

(1.天津大學 a.建筑學院；b.天津市建筑物理環(huán)境與生態(tài)技術(shù)重點實驗室，天津 300072；2.中國中建設計集團有限公司，北京 100037)

隨著城市化的發(fā)展，購物中心建設突飛猛進，據(jù)統(tǒng)計，2017年商場建筑的竣工面積居公共建筑之首，占比高達31%[1]。同時，集聚規(guī)模大、內(nèi)熱源高等特征，購物中心的能耗高達普通公共建筑的4～8倍[2]。通常來說，設計初期建筑師的設計決策對建筑的最終性能影響顯著[3-5]，基于購物中心建設量大及能耗高的特點，建筑師有必要在設計初期思考如何進行高效的低能耗設計。

在設計初期，建筑師需考慮眾多設計參數(shù)，包括建筑布局[6-7]、空間形態(tài)[8-11]、圍護結(jié)構(gòu)熱工特性[12-15]等，這些參數(shù)在不同程度上影響著建筑的冷熱負荷。因此，建筑師需準確控制影響建筑負荷變化較大的設計參數(shù)，以提高設計優(yōu)化的最終效果[16]。敏感性分析 (sensitivity analysis, SA) 可用于定量評價不同設計參數(shù)對建筑性能結(jié)果影響的大小，指導建筑師篩選出對輸出結(jié)果影響較大的參數(shù)，以提高建筑的節(jié)能效果[17]。一般來說，SA可分為局部敏感性分析 (local sensitivity analysis, LSA) 和全局敏感性分析 (global sensitivity analysis, GSA) 。LSA是指保持其他設計參數(shù)不變的情況下分析單一參數(shù)變化對模型輸出的影響，GSA是指改變所有設計參數(shù)來評估單一參數(shù)對模型輸出的影響[18]。由于實際建筑設計非常復雜，不會僅為單一參數(shù)的變化，在設計初期采用GSA來評估設計參數(shù)的敏感性更合理[19]。目前，設計初期的全局敏感性分析已被應用于各類建筑對重要設計參數(shù)的篩選，Hemsath等[20]對比了住宅建筑早期設計的幾何和材料要素，發(fā)現(xiàn)建筑的幾何特征比材料對建筑負荷具有更高的敏感性；Bre等[21]模擬并分析了阿根廷沿岸地區(qū)獨棟住宅設計參數(shù)的能耗敏感性，發(fā)現(xiàn)外墻類型、外窗滲透率和太陽方位角對能耗影響顯著；Yldz等[22]發(fā)現(xiàn)窗面積、窗傳熱系數(shù)及其太陽得熱系數(shù) (solar heat gain coefficient, SHGC) 對濕熱氣候下公寓樓的建筑負荷影響最大；Dussault等[23]分析了與辦公建筑智能窗相關(guān)設計參數(shù)的能耗敏感性，發(fā)現(xiàn)智能窗的位置、立面朝向和窗墻面積比 (window to wall ratio, WWR) 對能耗影響顯著；Singh等[24]通過敏感性分析得出，WWR、玻璃種類、百葉朝向及遮陽角度對辦公建筑在干熱氣候下的能耗具有顯著影響。從全局敏感性的研究可知，建筑類型以規(guī)模較小且功能單一的住宅和辦公類建筑為主，對于具有大規(guī)模、多功能特征的購物中心，目前僅考慮到單參數(shù)變化下的影響潛力[25]，缺乏從全局考慮的多種設計參數(shù)的綜合作用影響。因此，有必要通過全局敏感性分析來提高購物中心設計初期方案決策的準確性。

另外，城市環(huán)境是建筑師進行初步設計的制約因素，它同樣也會影響建筑的用能需求[6,7,19,26-27]。何成等[19]以武漢辦公建筑為例，發(fā)現(xiàn)9個城市環(huán)境布局參數(shù)會引起制冷、供暖和全年總能耗分別高達15.8%、26.8%和4.4%的波動；Ahn等[7]研究了3種城市形態(tài)要素 (水平緊密度、垂直密度和建筑高度) 對西雅圖住宅能耗的影響力，發(fā)現(xiàn)增加周邊建筑的水平密度和垂直高度是降低住宅能耗的有效途徑。通常來說，購物中心分布于城市的建筑密集地區(qū)和建筑空曠地區(qū)，以便滿足公共出行和自駕出行為主人群的購物需求。其中，城市密集地區(qū)的建筑密度較高，周邊環(huán)境會對購物中心形成遮擋；而空曠地區(qū)的建筑密度較低，購物中心幾乎不受周邊環(huán)境的影響?？紤]到購物中心在不同城市環(huán)境中的差異性，有必要進一步探索不同城市環(huán)境下購物中心建筑負荷及參數(shù)敏感性的差異。

文中重點通過全局敏感性分析方法，確定不同城市環(huán)境下對購物中心冷熱負荷影響最大的設計參數(shù)，以便讓建筑師知曉在不同城市環(huán)境下需重點調(diào)整哪些參數(shù)，從而在設計初期最大限度的減少寒冷地區(qū)購物中心的能源消耗。

1 方 法

1.1 模型建立

購物中心建筑模型的幾何參數(shù)及運行參數(shù)以文獻[25]的3種購物中心標準模型 (長寬比分別為1∶ 1、2∶ 1和3∶ 1) 為準。以寒冷地區(qū)代表性城市北京為例，選取其典型氣象年的數(shù)據(jù)作為氣象參數(shù)，數(shù)據(jù)來源于EnergyPlus自帶的氣象數(shù)據(jù)(數(shù)據(jù)名稱：CHN_Beijing.Beijing.545110_CSWD.epw 來源網(wǎng)站：https:∥www.energyplus.net/weather)。對于環(huán)境模型，考慮到城市密集地區(qū)和空曠地區(qū)的建筑密度具有明顯差異，以最大最小兩種極端的城市建筑密度來模擬兩種城市環(huán)境，如圖1所示。對于建筑密集地區(qū)，以滿足建筑設計防火規(guī)范[28]的最大建筑密度作為城市建筑密集地區(qū)的環(huán)境模型。具體講，以典型高層辦公建筑為例，在購物中心四周建立長寬高分別為50 m×50 m×100 m的辦公建筑群，并參照建筑設計防火規(guī)范[28]的閾值，指定購物中心與高層之間的間距為9 m，高層之間的間距為13 m。對于城市空曠地區(qū)，設定其環(huán)境模型無任何建筑及構(gòu)筑物，即購物中心周邊無建筑及構(gòu)筑物的影響。

圖1 3種購物中心的環(huán)境模型Fig. 1 Environment models of three shopping centers

1.2 全局敏感性分析

在建立的典型建筑及環(huán)境模型基礎(chǔ)上，通過以下4個步驟進行購物中心建筑的全局敏感性分析。

1)確定輸出參數(shù)。作為建筑用能需求的重要指標[22]，文中以供暖季的熱負荷、制冷季的冷負荷及全年HVAC負荷作為輸出參數(shù)。采用EnergyPlus建筑性能模擬軟件，計算購物中心的全年冷熱負荷值。

2)確定輸入?yún)?shù)。選擇了6類設計要素作為影響購物中心建筑負荷的主要變量，即：建筑布局、通風、窗面積、圍護結(jié)構(gòu)的熱物理特性、窗戶氣密性和建筑構(gòu)件。從6類要素中分解出16個詳細的建筑參數(shù)作為輸入?yún)?shù)，如表1所示 ，分別是購物中心的朝向；入口風速；東、西、南、北側(cè)WWR；天窗屋頂面積比；外墻、屋面、外窗、天窗傳熱系數(shù)；外窗、天窗SHGC；外窗、天窗氣密性；天窗遮陽構(gòu)件。另外，考慮到仿真工具操作的局限性，每個選定的輸入?yún)?shù)均可在軟件中以具體數(shù)值的形式被定義，文中并未額外增加仿真工具中無法定義的設計參數(shù)。

表1 建筑參數(shù)

3)生成樣本矩陣。使用Simlab2.2軟件中的拉丁超立方抽樣 (Latin hypercube sampling，LHS) 方法[17]，它是建筑性能在敏感性分析中最常用的抽樣方法之一[31]。具體講，LHS是將輸入?yún)?shù)的閾值區(qū)間劃分為N個間隔，并從該間隔中選擇具有相等概率的樣本，使抽取的樣本更加均勻[32]。另外，GSA所需要的樣本量通常是變量的1.5～10倍[33]。因此，文中對16個變量抽取了200組樣本，以保證樣本量的充足。

4)選擇敏感性分析方法。在使用LHS方法生成樣本時，Simlab軟件中有不同的全局敏感性分析方法，包括偏相關(guān)系數(shù) (partial correlation coefficients，PCC) ，標準回歸系數(shù) (standardized regression coefficients，SRC) ，偏秩相關(guān)系數(shù) (partial rank correlation coefficients，PRCC) ，標準秩回歸系數(shù) (standardized rank regression coefficients，SRRC) 等。它們有不同的特征，取決于輸入和輸出參數(shù)之間的關(guān)系是否為線性[22]。首先，選取了2種常用的全局敏感性分析方法，即標準回歸系數(shù) (SRC) 和偏秩相關(guān)系數(shù) (PRCC) 。其中，SRC只適用于輸入?yún)?shù)間相互獨立，且變量為線性單調(diào)關(guān)系的模型，PRCC可以分析輸入?yún)?shù)相關(guān)聯(lián)的情形，且適用于非線性單調(diào)的模型[31]。文中對16種設計參數(shù)的全年HVAC負荷在SRC和PRCC 2種敏感性的排序結(jié)果進行Pearson相關(guān)性分析，發(fā)現(xiàn)3種比例模型排序結(jié)果的相關(guān)性較高，相關(guān)系數(shù)分別為0.897、0.976、0.921，均為顯著相關(guān) (P<0.01) ，說明2種敏感性分析方式的整體排序差異不大?？紤]到文中主要探討不同城市環(huán)境下建筑設計參數(shù)的影響力及敏感性排序，選取其中一種GSA方法——PRCC為例，開展進一步的敏感性分析。

2 結(jié) 果

2.1 負荷不確定性分析

圖2是3種購物中心模型在城市空曠地區(qū)及城市建筑密集地區(qū)的熱負荷概率分布圖。結(jié)果表明，3種模型的建筑熱負荷均在20～134 kWh/m2范圍內(nèi)波動。在城市空曠地區(qū)及密集地區(qū)，1∶ 1模型熱負荷的均值分別為75.5 kWh/m2和77.4 kWh/m2，極差分別為90.6 kWh/m2和90.0 kWh/m2；2∶ 1模型的均值分別為72.0 kWh/m2和74.8 kWh/m2，極差為89.7 kWh/m2和88.6 kWh/m2；3∶ 1模型的均值分別為84.9 kWh/m2和87.7 kWh/m2，極差為103.9 kWh/m2和103.0 kWh/m2。由此可見，設計參數(shù)對建筑熱負荷的影響變化顯著，變化幅度 (極差/均值) 高達116.3%～124.5%；而熱負荷受城市環(huán)境影響不明顯，雖然城市建筑密集地區(qū)的均值略低于空曠地區(qū)，但二者的均值差僅在2.0～2.8 kWh/m2之間。

圖3是3種購物中心模型在城市空曠地區(qū)及城市建筑密集地區(qū)的冷負荷概率分布圖。結(jié)果表明，3種模型的建筑冷負荷均在90～130 kWh/m2范圍內(nèi)波動。在城市空曠地區(qū)及密集地區(qū)，1∶ 1模型冷負荷的均值分別為112.5 kWh/m2和108.2 kWh/m2，極差分別為27.6 kWh/m2和23.5 kWh/m2；2∶ 1模型的均值分別為115.1 kWh/m2和110.9 kWh/m2，極差為26.4 kWh/m2和22.7 kWh/m2；3∶ 1模型的均值分別為116.0 kWh/m2和111.4 kWh/m2，極差為28.2 kWh/m2和23.2 kWh/m2。由此可見，設計參數(shù)對建筑冷負荷影響較明顯，變化幅度在20.5%～24.6%；冷負荷受城市環(huán)境影響顯著，2種環(huán)境的均值差在4.2～4.7 kWh/m2之間，表現(xiàn)為3種模型冷負荷的均值在城市密集地區(qū)均低于空曠地區(qū)，這是因為建筑在城市建筑密集地區(qū)受到周邊建筑群遮擋，使夏季可接收的太陽直射光明顯減少，進而降低了建筑對冷負荷的需求。

圖3 3種模型在城市空曠地區(qū)/建筑密集地區(qū)的冷負荷概率分布圖Fig. 3 Probability distribution of cooling loads of three models in high-density/ low-density built areas

圖4是3種模型在城市空曠地區(qū)及密集地區(qū)的全年HVAC負荷概率分布圖。受16個設計參數(shù)的影響，全年HVAC負荷集中在120～250 kWh/m2。在城市空曠地區(qū)及密集地區(qū)，1∶ 1模型全年HVAC負荷的均值分別為188.0 kWh/m2和185.6 kWh/m2，極差分別為111.8 kWh/m2和111.7 kWh/m2；2∶ 1模型的均值分別為187.1 kWh/m2和185.7 kWh/m2，極差為109.4 kWh/m2和109.8 kWh/m2；3∶ 1模型的均值分別為200.9 kWh/m2和199.1 kWh/m2，極差為124.0 kWh/m2和124.1 kWh/m2。由此可見，設計參數(shù)對HVAC負荷影響顯著，變化幅度在58.5%～62.3%；城市環(huán)境對全年HVAC負荷有一定影響，2種環(huán)境的均值差在1.4～2.4 kWh/m2，并表現(xiàn)為3種模型的HVAC負荷在城市建筑密集地區(qū)略低于空曠地區(qū)。

圖4 3種模型在城市空曠地區(qū)/建筑密集地區(qū)的全年HVAC負荷概率分布圖Fig. 4 Probability distribution of HVAC loads of three models in high-density/low-density built areas

綜上可知，16個設計參數(shù)會引起熱負荷、冷負荷和全年HVAC負荷分別高達124.5%、24.6%和62.3%的波動，其中對熱負荷的波動最為顯著，表現(xiàn)為熱負荷的變化幅度是冷負荷的5倍左右。而城市環(huán)境對冷負荷影響更顯著，表現(xiàn)為購物中心夏季對冷負荷的需求在建筑密集地區(qū)明顯低于空曠地區(qū)。

2.2 負荷敏感性分析

圖5是3種模型在城市空曠地區(qū)及建筑密集地區(qū)2種環(huán)境下，16個設計參數(shù)的熱負荷敏感性結(jié)果。由熱負荷PRCC的正負可知，無論是外窗還是天窗，其SHGC值在空曠地區(qū)與熱負荷均呈負相關(guān)。由PRCC絕對值在城市環(huán)境中的變化可知，城市建筑密集地區(qū)提高了東、西、南側(cè)WWR、天窗屋頂面積比、外墻傳熱系數(shù)和天窗遮陽的熱負荷敏感性，降低了外窗SHGC的熱負荷敏感性。

圖5 3種模型在城市空曠地區(qū)/建筑密集地區(qū)的熱負荷敏感性分析Fig. 5 Heating sensitivity analysis of three models in high-density/ low-density built areas

圖6是3種模型在城市空曠地區(qū)及城市建筑密集地區(qū)2種環(huán)境下，16個設計參數(shù)的冷負荷敏感性結(jié)果。由冷負荷PRCC的正負可知，東、西、南側(cè)WWR在不同城市環(huán)境下對冷負荷的影響趨勢相反，在城市空曠地區(qū)與冷負荷呈正相關(guān)，在城市建筑密集地區(qū)呈負相關(guān)。由PRCC絕對值在城市環(huán)境中的變化可知，城市建筑密集地區(qū)提高了天窗屋頂面積比、屋面?zhèn)鳠嵯禂?shù)和天窗SHGC的冷負荷敏感性，降低了北側(cè)WWR和外窗SHGC的冷負荷敏感性。

圖6 3種模型在城市空曠地區(qū)/建筑密集地區(qū)的冷負荷敏感性分析Fig. 6 Cooling sensitivity analysis of three models in high-density/ low-density built areas

圖7是3種模型在城市空曠地區(qū)及城市建筑密集地區(qū)2種環(huán)境下，16個設計參數(shù)的全年HVAC負荷敏感性結(jié)果。由PRCC絕對值在城市環(huán)境中的變化可知，城市建筑密集地區(qū)提高了外窗傳熱系數(shù)和外窗氣密性的HVAC負荷敏感性，降低了西側(cè)WWR和外窗SHGC的HVAC負荷敏感性。

圖7 3種模型在城市空曠地區(qū)/建筑密集地區(qū)的全年HVAC負荷敏感性分析Fig. 7 HVAC loads sensitivity analysis of three models in high-density/ low-density built areas

2.3 負荷敏感性排序

根據(jù)設計參數(shù)敏感性大小，圖8是3種模型在2種城市環(huán)境下熱負荷、冷負荷及HVAC負荷的PRCC排序，以1∶ 1模型在空曠地區(qū)的敏感性由大到小排序為基準。

從設計參數(shù)對熱負荷PRCC的排序來看(見圖8(a)) ，2種城市環(huán)境下均表現(xiàn)為入口風速的影響最大，天窗屋頂面積比和屋面?zhèn)鳠嵯禂?shù)緊隨其后，朝向影響最小。不同的是，外窗SHGC對熱負荷敏感性影響在城市空曠地區(qū)明顯大于密集地區(qū)，排序在城市空曠地區(qū)為4～7名，在密集地區(qū)則降至13～14名。

從設計參數(shù)對冷負荷PRCC的排序來看(見圖8(b)) ，2種城市環(huán)境下均表現(xiàn)為入口風速的影響最大，外窗SHGC、天窗屋頂面積比、天窗SHGC和外窗傳熱系數(shù)的影響排序均位于前5名。不同的是，外窗SHGC和西側(cè)WWR對冷負荷敏感性影響在城市空曠地區(qū)明顯大于密集地區(qū)，外窗SHGC的排序在空曠地區(qū)均為第2，密集地區(qū)降為4～5名，西側(cè)WWR在空曠地區(qū)為6～8名，密集地區(qū)降至14～15名；屋面?zhèn)鳠嵯禂?shù)對冷負荷敏感性影響則表現(xiàn)為建筑密集地區(qū)大于空曠地區(qū)，排序在空曠地區(qū)為11～14名，而密集地區(qū)上升至7～8名。

圖8 3種模型在城市空曠地區(qū)/建筑密集地區(qū)的建筑負荷敏感性排序Fig. 8 Building loads sensitivity ranking of three models in high-density/ low-density built areas

從設計參數(shù)對全年HVAC負荷PRCC的排序來看(見圖8(c)) ，2種城市環(huán)境均表現(xiàn)為入口風速對全年HVAC負荷的影響最大，天窗屋頂面積比和屋面?zhèn)鳠嵯禂?shù)緊隨其后，朝向影響最小。不同的是，外窗SHGC對HVAC負荷敏感性影響在城市空曠地區(qū)明顯大于密集地區(qū)，排序在空曠地區(qū)為4～5名，密集地區(qū)降至14～15名。排序結(jié)果表明，外窗SHGC受太陽輻射影響顯著，當建筑不受遮擋時，直射陽光增強了透明圍護結(jié)構(gòu)SHGC對建筑負荷的影響力，因此，2種城市環(huán)境下外窗SHGC的敏感性排序呈現(xiàn)出明顯差異。

3 結(jié) 論

文中系統(tǒng)性分析了寒冷地區(qū)購物中心設計初期各個設計參數(shù)對全年冷熱負荷的影響，得到冷、熱及HVAC負荷在16個設計參數(shù)影響下的波動情況、敏感性排序及不同城市環(huán)境下負荷與敏感性的變化情況，最終結(jié)論如下：

1)不確定性分析表明，設計參數(shù)對全年HVAC負荷變動的影響為58.5%～62.3%，其中對熱負荷的影響力顯著，熱負荷的極差可高達103.9 kWh/m2，變化幅度是冷負荷的5倍。另外，雖然城市環(huán)境對全年HVAC負荷的影響不明顯，均值的波動差僅在1.4～2.4 kWh/m2之間，但受周邊建筑的遮擋，冷負荷在密集地區(qū)的比空曠地區(qū)更低，均值差可達4.7 kWh/m2。

2)敏感性分析表明，大多設計參數(shù)與建筑負荷呈正相關(guān)，城市環(huán)境也會改變設計參數(shù)的敏感性大小及變化趨勢。從變化大小來看，相比城市空曠地區(qū)，密集地區(qū)提高了東、西、南側(cè)WWR、天窗屋頂面積比、外墻傳熱系數(shù)和天窗遮陽的熱負荷敏感性，提高了天窗屋頂面積比、屋面?zhèn)鳠嵯禂?shù)和天窗SHGC的冷負荷敏感性以及外窗傳熱系數(shù)和外窗氣密性的HVAC負荷敏感性；同時，降低了外窗SHGC的熱負荷、冷負荷及HVAC負荷敏感性。從變化趨勢來看，東、西、南側(cè)WWR在空曠地區(qū)與冷負荷呈正相關(guān)，而在城市建筑密集地區(qū)呈負相關(guān)。

3)敏感性排序表明，冷負荷敏感性排序位于前5名的設計參數(shù)均為入口風速、外窗SHGC、天窗屋頂面積比、天窗SHGC和外窗傳熱系數(shù)；熱負荷和全年HVAC負荷敏感性排序位于前3名的均為入口風速、天窗屋頂面積比和屋面?zhèn)鳠嵯禂?shù)。另外，不同城市環(huán)境改變了部分設計參數(shù)對建筑負荷的影響力，其中，外窗SHGC的熱負荷、冷負荷及全年HVAC負荷在空曠地區(qū)均具有更高的敏感性，排名分別為4～7、2及4～5名，而在城市建筑密集地區(qū)排名分別下降至13～14、4～5及14～15名。

文中量化分析了不同城市環(huán)境下寒冷地區(qū)購物中心設計參數(shù)建筑負荷的不確定性及全局敏感性，說明購物中心設計參數(shù)對負荷的影響力會因城市環(huán)境而改變。以上結(jié)論可為建筑師在方案初期的低能耗設計決策提供量化參考依據(jù)，通過前期方案的優(yōu)化設計，一方面，可減少暖通空調(diào)設備的投入成本；另一方面，可最大化降低暖通空調(diào)的運行成本。另外，文中僅考慮設計參數(shù)對冷熱負荷的影響，而建筑師在設計初期還需考慮其他建筑性能，例如：采光、舒適等。因此，未來研究將進一步考慮設計參數(shù)對建筑性能的綜合影響，充分挖掘建筑本體設計對綠色建筑發(fā)展的貢獻。