1895 大楼能耗测试之负荷分析

1. 1895大楼能耗测试之负荷分析 徐欣

2. 测试简介 • 1895大厦占地8400m2，总建筑面积36818 m2，整个建筑分为A、B两区，A区为主楼，B区为裙房，共四层。建筑的空调系统由两个完全独立的系统组成，从冷热源、输配管路到末端完全相互独立。一层14～16轴之间的门厅、地下车库以及5～10层为1#系统，其余1 ～ 4层为2#系统。本次测试主要目的是调查系统室内温湿度情况，并主要分析空调系统各部分能耗情况。由于2#系统运行存在一定的问题，这里主要向大家介绍1895大楼1#系统的负荷分析。 测试系统图

4. 1.1 设计负荷及其构成 利用谐波法的工程简化方法，结合1895大楼的土建资料并参考《公共建筑节能设计标准》，可以得到1#系统设计典型日的逐时冷负荷曲线如下： 从1#系统的典型日设计负荷可以看出：设计典型日总冷负荷变化趋势与室内热源负荷一致，系统设计负荷的大小也主要受室内人员、灯光、设备密度取值的影响。系统典型日设计负荷从8:00—10:00有一个陡增的过程，而从10:00—19:00系统的负荷变化较小。

5. 1.2 冷负荷日变化特征 本次测试中的系统负荷的测定计算，主要通过布置在分集水器间的系统冷冻水供回水管上的温湿度自记仪测得冷冻水进出口温度Tin，Tout，利用超声波流量计测出系统冷冻水流量G，然后利用下面公式计算系统负荷： 本次测试记录了7月25日到8月7日的逐时运行数据，1#系统的运行时间是：工作日7：00—20:30，周末8:30—16:30。鉴于两个系统的启停时间及系统热平衡，我们选取每日9:00到17:00的逐时数据进行统计与计算，结果如下：

6. 1#系统测试期间每日逐时负荷变化图

7. 从上图可以总结得到1#系统空调冷负荷的日变化特征有：从上图可以总结得到1#系统空调冷负荷的日变化特征有： • 测试期间1#系统空调冷负荷日变化幅度不大，测试期间每日逐时负荷波动幅度都在±15%以内，每日最大负荷主要出现在10:00和16:00左右，每日逐时冷负荷变化特征可以表述为：平稳，小幅波动。 • 1#系统空调冷负荷在人员上班之前有一个积累的峰值，之后的变化主要受人员活动情况和室外温度的影响。 • 从图3-1可以看出1#系统每日逐时冷负荷有较强的规律：系统在上班时间冷负荷有个逐渐上升的过程并保持稳定；到了中午，人员外出或者休息，空调负荷有一个下降；到了下午上班时间，冷负荷又恢复到高负荷状态。

8. 1.3 冷负荷周变化特征 本次测试记录了7月25日到8月7日两周的逐时运行数据，其结果如下： • 测试期间1#系统最大冷负荷是670.8 kW，也即是52.5W/m2，最小冷负荷是138.2 kW，也即是7.7 W/m2，系统一周内逐时负荷变化明显。 这是由于办公建筑周末人员明显减小，从而导致负荷变化明显，并且系统负荷变化趋势大体上与室外干球温度一致。

9. 1.4 冷负荷年变化特征 1895大厦于2011年5月投入使用，通过查阅物业公司2011年的机组运行记录表可以得到建筑2011年空调季全年的负荷分布情况。鉴于机组启停时间及物业公司工作人员的记录情况，我们对每日8:00，10:00，12:00，14:00，16:00的负荷进行统计，可以得到1#机组2011年运行时间是6月1日到9月16日，全年空调季冷负荷的分布如下图所示：

10. 从上图可以得到：1#系统2011年空调季冷负荷主要集中在200-600kW（15.7-47.0W/m2），其中在7月15日到8月15日系统负荷达到最大值，期间1#系统平均负荷为458kW（35.9W/m2），而在六月初及九月中旬空调负荷大部分处于非常低的状态。在2011年空调季中1#系统的平均冷负荷为364.9 kW（28.6 W/m2）。 由1.1可知1#系统的设计负荷为1210.5kW，将2011年空调季1#系统的逐时负荷除以设计负荷便可得到逐时负荷率，对逐时负荷率进行统计与分析可得到下图：

11. 2011年1#系统全年最大负荷率为0.67，而且全年大部分时间1#系统的负荷率都小于0.5，系统负荷率在0.3-0.4的区间上最多，达到30.7%。全年空调季中有81.1%的时间系统的负荷率是位于0.2-0.5之间，系统负荷率在的0-0.2的时间有17.6%。从图3-7可以看出1#系统基本上所有时间的都处于半负荷甚至小于半负荷状态。如果在计算设计负荷时对人数等相关参数取值参照实际调研情况，可以得到1#设计负荷855.5kW，此时可以得到1#系统全年负荷率大部分处于0.3-0.75之间，这时系统负荷率正常。因此分析造成1#系统负荷率偏低的原因是：设计时人员密度取得过大，导致设计负荷过大。2011年1#系统全年最大负荷率为0.67，而且全年大部分时间1#系统的负荷率都小于0.5，系统负荷率在0.3-0.4的区间上最多，达到30.7%。全年空调季中有81.1%的时间系统的负荷率是位于0.2-0.5之间，系统负荷率在的0-0.2的时间有17.6%。从图3-7可以看出1#系统基本上所有时间的都处于半负荷甚至小于半负荷状态。如果在计算设计负荷时对人数等相关参数取值参照实际调研情况，可以得到1#设计负荷855.5kW，此时可以得到1#系统全年负荷率大部分处于0.3-0.75之间，这时系统负荷率正常。因此分析造成1#系统负荷率偏低的原因是：设计时人员密度取得过大，导致设计负荷过大。 在实际测试中我们发现物业人员对机组记录存在随意性，为了验证记录情况的可靠性，我们利用TRNSYS软件对1895大楼2011年供冷季负荷进行了模拟，并于记录负荷做了比较，结果如上所示。 可以计算出1#系统的模拟负荷与物业公司记录的负荷在2011年空调季平均相差40.27kW，两者的标准差为164.4kW。两则的答题趋势基本一致，因而认为记录数据有一定的可靠性。

12. 1.5 运行负荷构成分析 由于实际测试时不能对逐时对人员在室率，照明情况等进行统计，为了更好地了解空调运行时各部分负荷的组成情况，我们利用TRNSYS软件对1895大楼逐时负荷进行模拟。模拟时人员密度，设备密度，人员逐时在室率等参数参照主要 根据实际调研情况选取。模拟时利用Sketchup对1895进行简化建模，建模时忽略窗户位置，按每个分区的窗墙比确定窗户的面积，其模型与TRNSYS各模块的连接图如下：

13. 为了更好地验证模拟结果的准确性，我们将测试期间实测负荷与模拟结果进行对比分析。取7月25日到8月7日每日9：00到17：00的逐时数据进行分析，结果如下所示：为了更好地验证模拟结果的准确性，我们将测试期间实测负荷与模拟结果进行对比分析。取7月25日到8月7日每日9：00到17：00的逐时数据进行分析，结果如下所示： 1#系统实测负荷与模拟负荷变化趋势基本一致的，测试期间模拟负荷与实测负荷相对误差基本在15%以内，其平均值是4.1%，均方差为15.2%。可以基本认为1#系统模拟值负荷能很好地代替实测负荷。

14. 为了更好地对实测负荷与模拟负荷的一致性进行检验，我选取了Bland-Altman法对实验数据和模拟结果进行一致性分析，验证模拟模型的可靠性。为了更好地对实测负荷与模拟负荷的一致性进行检验，我选取了Bland-Altman法对实验数据和模拟结果进行一致性分析，验证模拟模型的可靠性。 Bland-Altman分析是由Bland JM和Altman DG于1986年提出，用图示的方法，将定量分析和定性分析有机结合，直观反映两组测量结果的差异性，并结合测量方法或测量仪器的实际情况，对两种或多种测量方法的一致性做出判断。Bland-Altman法在样本量较大（通常取n>30）的情况下，可以认为差值的分布服从标准正态分布，则95%的差值应该位于d-1.96Sd和d+1.96Sd之间，则称这个区间为95%的一致性界限，绝大多数差值都位于该区间内。如果两种测量结果的差异位于一致性界限内在实际情况中是可以接受的，则可以认为这两种方法具有较好的一致性，这两种方法可以互换使用。

15. 对1#系统模拟负荷与实测负荷进行一致性验证，可以得到Bland-Altman图如下所示：对1#系统模拟负荷与实测负荷进行一致性验证，可以得到Bland-Altman图如下所示： 从图可以看出126个配对数据中有4.7%（6/126）的点在95%一致性界外，因此认为采用实际测试的方法得到的负荷与模拟负荷有很好的一致性。

16. 从上面的结论可以看出1#系统的模拟负荷能很好地代替实测负荷，因此可以用模拟负荷的分项负荷来代替实际运行负荷的组成。其结果如下所示：从上面的结论可以看出1#系统的模拟负荷能很好地代替实测负荷，因此可以用模拟负荷的分项负荷来代替实际运行负荷的组成。其结果如下所示：

17. 从上图可以得到： • 测试期间部分时刻新风负荷出现了负值，这表明1#系统测试期间部分时间内具有自然通风的潜力。 • 出图中可以看到1#系统室内热源负荷，在工作日和周末其值是确定的，基本不变的。测试期间围护结构负荷变化较为剧烈，而且系统的新风负荷变化也较为明显，两者的变化趋势与系统总的冷负荷变化一致。围护结构负荷和新风负荷均与室外气象参数有关，因此可以得到1#系统冷负荷的变化主要与室外气象参数的变化有关。 • 总体来说1#测试期间系统运行负荷平均组成为：室内热源负荷58%，围护结构负荷37%，新风负荷4%，太阳辐射得热1%，这与1#系统的设计负荷组成相差较大。这是由于：室内热源负荷比例小幅增加，围护结构所占比例大幅增加，新风负荷所占比例大幅下降，太阳辐射得热所占比例也大幅下降。造成这种差异的主要原因在于设计时人员密度取得过大，并且室外气温也不是一直维持在设计温度，这导致了设计负荷中新风负荷取得过大。测试期间多为阴天，太阳辐射强度未达到设计强度，导致实际太阳辐射得热远低于设计负荷中的太阳辐射得热。

18. 负荷特点小结： • 办公建筑每日工作时间内的负荷满足：平稳，小幅波动的特点。每日逐时冷负荷有较强的规律：系统在上班时间冷负荷有个逐渐上升的过程并保持稳定；到了中午，人员外出或者休息，空调负荷有一个下降；到了下午上班时间，冷负荷又恢复到高负荷状态。每日最大负荷主要出现在10:00及16:00左右。 • 办公建筑在工作日及周末室内热源负荷分别基本不变。一周内办公建筑的冷负荷变化相对较大，这种变化主要是由室外干球温度的变化产生的。 • 办公建筑的运行负荷主要是由室内热源负荷及围护结构负荷组成的，太阳辐射负荷及新风负荷实际运行时所占比例很小。

19. 1.5 负荷特性指标 国家电网2005年颁布了《负荷特性研究内容深度要求及指标解释》，用于各类负荷特性指标的定义。由于空调负荷与电网负荷特性存在相似性，因而，针对空调负荷我也提出了一系列能全面，有效地表征负荷特性的指标如下： • 1.5.1日负荷负荷特性指标 （1）日平均负荷 ：统计时间内的平均负荷 （2）日负荷离散系数 ：反映单位均值上的离散程度，通常的公式为:标准差与均值的比值，也即 ； （3）日负荷最大偏差 ：统计时间内的负荷与均值负荷的最大偏差 ； （4）日负荷峰谷差率 ：统计时间内最大负荷与最小负荷的比值： ； （5）平均日负荷变化率 ：统计时间内负荷变化快慢的指标。先求出逐时负荷变化率，然后对逐时负荷变化率的绝对值求平均值即可得到日负荷变化率： ； （6）日负荷曲线：按时间顺序，以小时整点负荷绘制的日负荷曲线。

20. 对测试期间1#系统的日负荷特性指标进行统计有:对测试期间1#系统的日负荷特性指标进行统计有: 从图中可以看出日负荷离散系数基本在0.1以内，而平均日负荷变化率也基本在0.1以下，日负荷峰谷差率也基本在0.3以内，这些都表明该办公建筑在统计时间内（9:00-17:00）负荷变化不大，日负荷变化平稳。

21. 1.6.2 周负荷特性指标 （1）周最大负荷：一周时间内最大逐时负荷； （2）周平均负荷：一周各日平均负荷的平均值； （3）周最大峰谷差率：一周内日峰谷差率的最大值； （4）周不平衡系数 ：该参数指的是一周内每天最大逐时负荷的平 均值与周最大负荷的比值 ； （5）周负荷率：周平均负荷与周最大负荷的比值； （6）周负荷曲线：按时间顺序，以小时整点负荷绘制的一周时间内的负荷曲线； 从上表可以看出每周的最大负荷相差较大，并且每周的不平衡系数也达到了0.75左后，而周负荷率仅在0.7上下。这些都表明了每周负荷变化较大，由于工作日和周末人员变化较大导致负荷波动较大。

22. 1.6.3 年负荷特性指标 （1）年最大负荷：一年时间内最大逐时负荷； （2）年不平衡系数 ：该参数是指在一年的供冷季内，每周最大负荷的 平均值与年负荷的比值 ； （3）年最大峰谷差率：一年内日峰谷差率的最大值； （4）年高峰负荷时间比：逐时负荷在年最大负荷80%以上的时间除以全年的运行时间； （5）年负荷曲线：按时间顺序，以小时整点负荷绘制的一年供冷季时间内的负荷曲线； （6）年持续负荷曲线：将全年供冷季的负荷数据按照从大到小的顺序绘制的一条曲线，该曲线能直观地反应不同范围的负荷所持续的时间。 2011年1898大楼高负荷运行时间比仅为0.222，而年不平衡系数却有0.925，这些数据说明了2011年1895大楼每周的最大负荷相差不大，但是整个供冷季系统逐时波动较大，系统仅有22%的时间处于年最大负荷的80%以上。

23. 1.6.4 负荷特性指标总结 负荷特性指标能很好，并且全面的反应空调负荷在不同的时间段上的负荷特性。一些指标如：日负荷离散系数，周最大峰谷差率，年不平衡系数等指标均能很好地指导系统的运行优化。通过对上面的负荷特性指标的分析可将所有指标分为三类： • 描述类：这类指标主要用于描述各建筑的负荷水平状态，均为绝对物理量指标 • 比较类：这类指标主要用于不同建筑负荷之间的比较，均为相对物理量指标 • 曲线类：这类指标包括各种负荷曲线，是负荷特性的直观反映

24. 1.7 负荷影响因素分析 • 1.7.1 负荷影响因素的定性分析 分了分析对建筑负荷产生显著性影响的因素，我们利用正交分析法来定性地分析室外气温的波动，室外相对湿度的波动，室内人员的波动对办公建筑负荷影响的显著性。对2012年测试期间7-25到8-7日的工作时间9:00—17:00的干球温度和相对湿度进行统计，可以得到日干球温度平均变化3.4℃，而相对湿度则变化18.7%，而根据实际调研的情况1895大楼在工作时间内人员在室率变化20%，根据正交试验原理可以得到试验因素水平表 T—实测室外干球温度，℃； R—实测室外相对湿度，%； X—实测人员在室率，%；

25. 选取测试期间7-25——8-7日工作时间（9:00——17:00）1#系统的平均负荷作为试验结果，根据因子水平选用L9(34)正交分析表如下所示：选取测试期间7-25——8-7日工作时间（9:00——17:00）1#系统的平均负荷作为试验结果，根据因子水平选用L9(34)正交分析表如下所示： 根据直观分析法，极差R的大小顺序为RA＞RC＞RB，各影响因素的大小顺序为干球温度＞室内人员在室率＞相对湿度

26. 为了更准确地分析影响负荷的因素，利用方差分析验证直观分析的准确性为了更准确地分析影响负荷的因素，利用方差分析验证直观分析的准确性 方差分析结果表明因素A，因素B，因素C对负荷有显著影响，并且显著性大小为：干球温度＞室内人员在室率＞相对湿度。

27. 1.7.2 负荷与气象参数的关系 • 逐时负荷与干球温度的关系 为了减少室内热源负荷变化对结果的影响，分别对工作日及周末的逐时负荷与逐时干球温度进行分析，结果如下： 拟合结果R12=0.46，R22=0.65，这表明1#系统冷负荷受室外干球温度影响明显。这是由于办公类建筑室内热源负荷在工作日及周末分别基本不变，从实际运行负荷组成来看新风负荷及太阳辐射得热所占比例很小，而围护结构负荷主要由室外干球温度决定，所以系统冷负荷受干球温度影响明显。这也意味着办公建筑负荷的变化主要是由室外干球温度的变化产生的。

28. 气象负荷与干球温度的关系 由于办公类建筑室内热源负荷工作日及周末基本不变，而其他部分负荷收室外气象参数的影响。因此我们将实测负荷减去模拟负荷中室内热源负荷后的负荷定义为建筑气象负荷，对测试期间气象负荷与室外干球温度进行分析可以得到： 可以看出建筑气象负荷与干球温度拟合的相关系数R2=0.5789，两者的相关性较强，这表明建筑气象负荷主要受干球温度的影响。

29. 日总负荷与日平均温度的关系 同济大学何大四等人研究表明：“日平均气温与日总负荷间有较强的相关性”为了验证这个结论，我们将每日8:00到18:00的逐时负荷相加得到日总负荷，而根据气象学中的定义将每日2:00，8:00，14:00，20:00对应的温度取平均值便得到日平均温度，对测试期间的日总负荷与日平均温度进行多项式拟合有： 虽然数据较少，但是从图中还是可以看出建筑气象负荷与干球温度拟合的相关系数R2=0.541，两者的相关性任然较强，这与何大四等人的结论一致。