2023年12月22日发(作者：)
建筑环境设计模拟分析软件DeST
第五章、影响建筑热过程的各种外界因素的取值方法
清华大学 宋芳婷 诸群飞 燕达 江亿
宋芳婷，女，1978年7月生，硕士，在读博士研究生
100084 北京清华大学建筑学院建筑技术科学系 （010）62789761
sft01@
摘要 除采暖和空调系统的作用外，影响建筑物内热状况的外界因素主要是室外的气象条件、建筑周围的环境热状况以及室内发热量。在建筑热环境的动态模拟过程中，这些外界因素的数量大小和随时间的变化将对模拟结果产生较大的影响，因此各项因素的取值方法必须准确反映其数量大小和随时间的变化。本文讨论了这些外界因素的取值方法，详细介绍了DeST中对室外气象参数的取值方法。
关键字 建筑热环境 气象数据 内部发热量
Abstract
In spite of the operation of heating and cooling system, the outside factors acting on the
thermal environment of building are the climate condition, thermal environment condition around
the building and the heat sources in the building. For the dynamic simulation of thermal
environment inside building, it makes much effect on the simulation results that the magnitude of
these outside factors and how they change with time. Therefore, the method for generating the
data of these outside factors must indicate their magnitude and change. This paper discusses the
generating method of these outside factors and introduces the generating method of DeST’s
climate data in detail.
Key Word: Thermal environment of building, climate data, heat sources inside room
1、前言
对于一栋建筑而言，影响建筑物内热状况的外界因素有室外气象条件、建筑周围环境热状况、室内发热量，以及采暖和空调系统的作用。由于采暖和空调系统的作用是影响建筑热环境的人为因素，而本文的目的在于阐明影响建筑热过程的各种外界因素的取值方法，因此，本文所讨论的各种外界因素不包括采暖和空调系统的作用。
以建筑围护结构为分界，这些外界因素可以概括为两大类：
1、室外影响因素
室外影响因素包括室外空气的温度、湿度，太阳辐射强度，风速和风向等气象条件，以及建筑周围的环境表面温度，包括天空有效温度、地面温度和邻近建筑表面温度。
2、室内影响因素
室内影响因素即各种室内发热量，包括室内照明装置、设备和人体的散热、散湿。
由于围护结构的存在，不论室外影响因素，还是室内影响因素，它们对房间热状态的影响都产生两种效应，既有瞬时效应（立即成为房间负荷的一部分），又有长期动态效应（成为房间负荷的过程存在延迟和衰减）。因此，这些影响因素的数量大小及其随时间的变化都
将对建筑热过程产生影响，在做建筑热过程的动态模拟时，对这些影响因素的取值方法不仅要描述其数量的大小，还要给出它们随时间变化的规律。
本文将分别讨论室外影响因素和室内影响因素的取值方法，并详细介绍DeST对室外影响因素的取值方法。
2、室外影响因素的取值方法
在所有的气象参数当中，涉及风速风向的相关计算内容包括室内外通风带来的室内得热以及建筑围护外表面的对流换热。然而根据自然通风形成的机理，室内外通风的计算可能会与室内热环境的模拟耦合，这样将会增大动态模拟的计算难度和计算量，目前还没有较好的方法全面解决室内外通风与建筑热环境联合模拟的问题，另外，建筑围护外表面的对流换热往往采用确定的换热系数进行计算，而不考虑由于空气流动速度不同带来的换热差别。因此，在目前的建筑热环境动态模拟计算当中，气象参数大多不包括风速风向。
而在进行某一建筑物的热环境动态模拟时，与建筑表面的长波辐射换热相关的各项因素当中，邻近建筑表面温度的大小往往难以确定，然而这一温度对整个建筑热环境所造成的影响并不大，因此在建筑热环境的动态模拟中通常对其进行简化处理，假定邻近建筑表面的温度与待模拟建筑的相应表面（如朝南的表面、朝北的表面等）的温度相当[1]。
因此，本文对室外影响因素的讨论只涉及室外空气的温度、湿度，太阳辐射强度、天空有效温度和地面温度，这些因素均为气象参数或由气象参数所决定的参数。下面首先综述这些气象参数的取值方法现状，之后详细介绍DeST的取值方法。
2.1、气象参数的取值方法现状
气象数据毫无疑问是影响建筑通过围护结构得热的重要因素，也是建筑热环境动态模拟的必备输入条件，因此国内外从事建筑热环境动态模拟研究的学者都对气象参数的取值方法进行了研究。
在具备长期逐时实测数据的条件下，获得动态模拟用的逐时气象数据的最直接方法，是从历史上观测的气象数据中选择一部分能够反映气象规律的有代表性的数据。1988年，田胜元在收集广州、北京等地区最近十年的太阳辐射、气温和含湿量等七项逐时观测数据的基础上，提出了一种用于建筑空调能耗分析的“标准年”气象资料自构成方法，构成了广州、武汉、北京、南京、上海、西安、重庆、成都等地区的“标准年”气象资料[2]。然而，对于全国近两百个地面气象站点来说，由于逐时气象观测数据很不完整，并且这些数据由于某些原因尚未公开，因此采用这种方法获得代表性的全国逐时气象数据目前尚有一定困难。
2002年，郎四维通过与美国劳伦斯·伯克利国家实验室的技术合作，研究建立了我国26个城市的逐时气象资料，用于建筑能耗动态模拟分析[3]。其原始数据的气象参数包括干球温度、露点温度、大气压力、风速和风向，以及不同高度的云层量，大部分数据的记录时间间隔为3小时，作者采用插补的方法来获得逐时气象数据。由于原始气象数据中不包含太阳辐射的资料，作者不得不由已知的气象要素数据来推算太阳辐射总量，计算得到的日总辐射量无法保证与实测值一致。另外，由于其原始数据的气象站点和气象要素都不全面，且数据来源部门（美国政府组织）不能保障数据本身的可信性，因此不适宜作为全国逐时气象数据生成的原始依据。
到目前为止，我国仍未建立统一的标准全国逐时气象数据，随着各地区建筑节能标准的颁布和执行，建立我国统一的标准全国逐时气象数据已成为建筑节能和热环境动态模拟的当务之急。
由于气象环境具有随机性，根据各年的气象参数来计算建筑传热，其结果常有较大差别，因此要从多年的气象数据中挑选出代表性的全年逐时气象数据，建立典型气象年以充分反映长期的气象变化规律。国内外许多学者都探讨过典型年的构成方法[4~7]，研究中对于典型年
的理解限于为满足运行负荷计算和建筑物能量分析而挑选出的代表性气象年，其构成的基本原则是选择12个具有代表性气候状况的月份组合而成。事实上，进行建筑热过程的动态模拟分析时，不同的模拟目的需要体现不同的侧重点，对于气象数据的要求也会有所不同，例如模拟计算空调系统设备容量与模拟预测建筑物的全年运行能耗所需要采用的气象数据就是不同的。因此，有必要建立多种气象典型年，以满足不同目的建筑热过程模拟的需要。
综上，完成气象参数的取值工作，必须解决两个主要问题：一是获得气象参数的全年逐时数据，二是在多年数据中挑选用于特定模拟目的的典型年。下面分别介绍DeST在这两方面的处理方法。
2.2、逐时气象数据的生成方法
2.2.1、目前的数据条件
根据国家气象中心提供的资料，我国的地面基本气象资料数据集总共包括全国194个地面基本站和基准站的气象数据资料。其中基本站为气压、气温、水汽压、湿球温度、相对湿度、总和低云量、云状、能见度、风向风速等13个气象要素的四次观测站，共有137个；基准站的上述9个气象要素为24次观测，其它4个气象要素仍为4次观测，基准站最早建站年份为1987年，共有57个。
另外，我国的太阳辐射观测站自成体系，从1993年起全国气象辐射观测站由原来的甲、乙两种观测站调整为一、二、三级观测站，一级站有5项要素：总辐射、净辐射、散射辐射、直接辐射和反射辐射，二级站有2项要素：总辐射、净辐射，三级站有1项要素：总辐射，共有观测站98个，其中一级站17个，二级站33个，三级站48个。加上1993年以前的其他站点的资料，中国太阳辐射基础资料数据集总共包括全国122个站点的太阳辐射逐日观测值。目前，只有极少数站点对太阳辐射进行逐时观测记录。
综上，我国的气象逐时观测资料存在站点少、时间短、要素不全的问题，在这样的数据基础上，很难直接解决建筑热过程模拟需要的全国逐时气象数据问题，然而，我国的气象逐日观测资料的站点和要素都很齐全、有资料记录的时间也很长，因此，以逐日气象资料为源数据，在此基础上生成全国各个城市的逐时气象数据是目前解决建筑热过程模拟的输入数据问题的最适宜方法。
在国家气象中心的大力支持下，我们获得了全国194个气象站点建站以来近50年的实测逐日数据（包括气温、湿度、太阳辐射、风速、风向、日照小时数和大气压力），本文将介绍以这些逐日数据为源数据，利用各气象要素的逐时变化规律建立逐时变化模型，在尽量保证各项逐日值接近源数据的前提下，生成逐时气象数据的方法和结果。
以下讨论的时间一律为真太阳时，与北京时间的关系为[8]：
H=Hs±L−Lse+ (1)
1560其中H、Hs分别为真太阳时和该地区标准时间；L、Ls分别为当地的经度和地区标准时间位置的经度；对于东半球，式中±取正号，对于西半球取负号；e为时差，单位为min。
2.2.2、空气干球温度的逐时变化模型
空气干球温度的逐日源数据包括日平均温度、日最高温度和日最低温度。
资料表明[7]，一天内最高温度一般出现在午后三时，而最低温度出现在日出前一小时左右。温度在一天内的变化规律可以近似用余弦函数来表示。一般来说，可将逐时温度近似表达为两级傅立叶级数[7]，这种方法能保证日平均温度值等于源数据，但是只能解决某一日的逐时温度计算问题，由于没有考虑连续处理多日数据，这种方法在日与日之间的数据衔接上会出现问题。
为了衔接好日与日间的数据，同时保证日均温度、日最高温度和日最低温度计算值与源
数据一致，DeST采用下述方法计算逐时温度：
首先假定日最高温度总是出现在午后三时，日最低温度总是出现在日出前一小时，由于日出时间不一定是整点，因此将最靠近日出时刻的整点时刻作为日出时刻计算，然后用余弦函数把这些最高点和最低点连接起来，这样就能保证日最高温度和日最低温度与源数据完全吻合，并得到逐时温度的初值TSIMPLE,τ。
为了保证日平均温度的数值，接下来对逐时温度的初值进行修正。如图1所示，连续曲从时间坐标来看，与A坐标对应的是第一天的第一时刻温度，线为逐时温度的初值TSIMPLE,τ，与B坐标对应的是第一天的日最低温度tmin,1，与D坐标对应的是第一天日最高温度tmax,1，与E坐标对应的是第一天的最后时刻，与F坐标对应的是第二天的日最低温度tmin,2。
tmax,1tmin,1
tmin,2h
A B C DEF
图1 逐时温度修正示意图
修正逐时温度初值的基本思路是：通过调整除日最高、日最低温度以外的逐时温度计算值来达到缩小计算日平均值与日平均值源数据之间差异的目的，具体步骤如下：
1、 计算累计温度差异：∆T=24×T−2、 计算最大修正值h：h=2×T∑τ=124SIMPLE,τ，T为实测日平均温度；
∆T∆T；
=24123、 计算逐时修正值h(τ)：
τA≤τ<τB时，h(τ)=τB−τ⋅h，
τB−τAτ−τB⋅h，
τC−τBτD−τ⋅h，
τD−τCτB≤τ<τC时，h(τ)=τC≤τ<τD时，h(τ)=
τD≤τ≤τE时，h(τ)=τ−τD⋅h，
τE−τD其中时刻τC的值可以取为2τB−τA，也可试算后根据修正温度的效果来确定；
4、 重新调整修正值h(τ)：h′(τ)=∆Th(τ)∑τ=124⋅h(τ)；
5、 根据h′(τ)修正逐时温度：Tτ=TSIMPLE,τ+h′(τ)。
在采用上述方法进行修正的过程中，当累计温度差异∆T为正时，可能有的时刻的逐时温度修正结果会大于日最高温度，此时再次调整该时刻的温度值，令其等于日最高温度；当累计温度差异∆T为负时，可能有的时刻的逐时温度修正结果会小于日最低温度，此时再次调整该时刻的温度值，令其等于日最低温度。
这样修正以后，仍然保证日最高温度和日最低温度与源数据吻合，日平均温度的计算值与源数据的差异也大大缩小，其误差统计结果见表1，原始数据源自北京1951－2000年的逐日气象数据。
表1 逐时温度修正后的误差统计，单位C
日平均温度
平均绝对误差 绝对误差的标准差 最大绝对误差
o0.06 0.12 0.96
N其中：平均绝对误差=e=1∑ei，绝对误差的标准差=Ni=11N(ei−e)2，ei表示∑N−1i=1计算值与源数据之间的误差，N表示数据个数。
2.2.3、空气湿度的逐时变化模型
空气湿度的逐日源数据包括日平均相对湿度和日最低相对湿度。根据文献[9]，相对湿度的概率分布与正态分布相差很远，湿球温度与干球温度相关性太强，并且在实际应用中不方便，因此，选择水汽压作为生成的空气湿度气象要素。而单凭相对湿度的逐日源数据并不能直接得到水汽压的逐时值，因此只能通过间接的方法对其进行逐时计算，计算的步骤如下：
（1） 建立相对湿度逐时变化模型，计算逐时相对湿度；
（2） 利用已计算出的逐时温度计算逐时饱和水蒸气压力；
（3） 通过逐时相对湿度和逐时饱和水蒸气压力计算逐时水汽压。
资料表明[10]，气温逐时变化所造成的饱和水蒸气压力的逐时变化对相对湿度逐时变化的影响远大于其它影响因子，因此相对湿度的逐时变化主要取决于气温的逐时变化，但相位相反，即最低相对湿度出现在午后最高温度时段，而相对湿度最高值出现在清晨温度最低时刻。
因此，本文采用与温度的逐时变化模型类似的方法计算逐时相对湿度，同样先计算逐时相对湿度的初值RHSIMPLE,τ，由于缺乏日最高相对湿度的实测值，因此将其简单估算为：日最高相对湿度＝2×日均值－日最低相对湿度，采用估算值作为日最高点的数值。接下来，与逐时温度TSIMPLE,τ的修正方法类似，通过调整除日最低相对湿度以外的逐时相对湿度计算
值来消除日平均相对湿度计算值与源数据之间的差异。由于相对湿度的日最高值没有实测数据，因此修正过程中缺乏日最高值的约束条件，有可能出现修正后的相对湿度值大于100％的情况，此时将其值调整为100％。
表2是相对湿度逐时变化模型的误差统计，包括日平均相对湿度的最大绝对误差、平均绝对误差以及绝对误差的标准差，原始数据源自北京1951－2000年的逐日气象数据。
表2 相对湿度逐时变化模型的误差统计，单位％
日平均相对湿度
平均绝对误差 绝对误差的标准差 最大绝对误差
0.21 0.65 5.9
由于干球温度的逐时值已经求出，根据文献[11]中的关于饱和水蒸气分压力与空气干球温度的经验公式Pq.b=f(T)可以计算得到饱和水蒸气压力的逐时值Pq.b，结合前面计算得到的逐时相对湿度RHτ，则可计算逐时水蒸气分压力Pq，上述计算过程如下：
Pq.b=f(T)→Pq=RHτ⋅Pq.b
由于水汽压的逐时变化模型是间接的，因此有必要统计分析最终要素——水汽压的日均值、日最高最低值的计算值与源数据之间的误差，由于只获得28个城市1951－2000年的水汽压日均值，因此只能对水汽压日均值进行误差分析。表3是水汽压日均值的误差统计结果，原始数据源自北京1951－2000年的逐日水汽压。
表3 水汽压的误差统计，单位mbar
水汽压日均值
平均绝对误差
0.18
绝对误差的标准差
0.18
最大绝对误差
1.33
2.2.4、太阳辐射量的逐时变化模型
太阳辐射量的逐日源数据只有日总辐射量，因而太阳辐射量的逐时变化模型要尽量保证日总辐射量与实测值吻合。因为暖通空调计算往往需要直射和散射辐射的数值，所以太阳辐射量的建模不仅要获得太阳总辐射的逐时值，还要进行直射辐射和散射辐射的分离。考虑到太阳总辐射在一天之内的变化与天气状态有很大关系，直散分离方法也因天气状态而不同。建模的基本思路是先判断每一时刻的天气状态，之后根据天气状态的具体情况计算逐时的太阳总辐射，并采用合适的方法进行直散分离。
1、 天气状态的逐时判断
这里采用日总辐射系数Kt（水平面接受到的太阳日总辐射与大气层外太阳总辐射之比）的数值作为判断天气状态的基本依据。根据文献[12]， 取Kt值小于等于0.28时认为天气为阴，Kt值大于等于0.74时认为天气为晴，当0.28 Kt<=0.28 0.28 采用MARKOV链来决定某一瞬间的状态采用MARKOV链来决定某一瞬间的状态阴有云 阴晴有云阴晴 图2 不同Kt下的天气状态判断 MARKOV链转移矩阵的计算方法如下[12]。 ⎡f1(Kt)M=⎢⎢1−f1(Kt)⎢0⎣式中： ⎤ (2) f2(Kt)1−f3(Kt)⎥⎥f3(Kt)f3(Kt)⎥⎦f1(Kt)0Kt>0.5⎧(Kt−0.5)/0.24f1(Kt)=⎨ (3) ≤K00.5⎩tKt>0.5⎧1/(Kt+0.206)−1.057 (4) f2(Kt)=⎨Kt≤0.5⎩1/(Kt+0.43)−0.75f3(Kt)=1−f1(Kt)−f2(Kt) (5) 根据天气状态的逐时判断结果可得到： （1） 就一天的情况而言，天气状态的类型存在三种可能：一是只出现一种天气状态，或晴或阴或有云；二是出现两种天气状态，有云和阴，晴和有云，晴和阴；三是出现三种天气状态：晴、有云和阴。 （2） 就天气状态而言，只有三种类型：晴、有云和阴。 这样就可以确定每一时刻所处晴、云或阴的天气状态。 2、 总辐射的逐时计算 [12]总辐射逐时计算的基本思路是先采用Collores-Perein和Rabl模型（简称C.P.R模型）计算太阳总辐射的逐时值，接下来根据一天内天气状态出现的具体情况，对C.P.R模型计算出的逐时总辐射值进行修正。 C.P.R模型采用下列公式计算： RCPR(τ)=Q⋅rτ⋅(a+bcosωτ) (6) 式中： Q表示日总辐射量；rτ=I0(τ)大气层外水平面逐时辐射量；ωτ表示小时中点的时角；=Q0大气层外水平面日辐射总量a=0.409+0.5016sin(ωs−60o)，b=0.6609+0.4767sin(ωs−60o)，其中ωs表示日落时角。时角具体计算方法参见文献[8]。 为了保证日总辐射量的计算值等于实测值，在根据天气状态修正逐时计算结果之前，先对C.P.R模型计算出的逐时值进行等比例地放大或缩小，其比例系数为：日总辐射量的实测值/日总辐射量的计算值。 对C.P.R模型的计算结果进行修正，是在一天内有多个天气状态的情况下，首先统计出由马尔可夫链确定的各种天气状态出现的小时数，然后按比例减小云量较多时刻的总辐射值，同时相应增加云量较少时刻的总辐射值。具体计算公式如下： （1） 一天只出现一种天气状态 R=RCPR (7) （2） 一天出现两种天气状态 假设出现的天气状态为A、B，且A状态的云量多于B状态的云量，修正方法如下： R(A时)=0.5593⋅RCPR(A时) (8) R(B时)=RB+(1−0.5593)⋅RA⋅RCPR(B时) (9) RB其中RA、RB分别表示所有天气状态为A、B的时刻按照C.P.R模型计算的太阳辐射强度的总和。 （3） 一天出现三种天气状态 假设出现的天气状态为A、B、C，且A状态的云量多于B状态的云量，B状态的云量多于C状态的云量，修正方法如下： R(A时)=0.5874⋅RCPR(A时) (10) R(B时)=RCPR(B时) (11) R(C时)=RC+(1−0.5874)⋅RA⋅RCPR(C时) (12) RC其中RA、RB、RC分别表示所有天气状态为A、B、C的时刻按照C.P.R模型计算的太阳辐射强度的总和。 修正公式中的经验常数0.5593和0.5874是利用上海1999－2002年的逐时辐射数据分析得到的。对于修正的结果R，还需判断其值是否大于该时刻的大气层外辐射量I0(t)，若大于，则R=I0(t)，并将大于的部分均匀分配给辐射强度较小时刻的R。 3、 直射和散射的分离 由于云的形状、多少和位置都影响直射和散射的比例，而我国对云量又没有全面的逐时记录，因此不便从云量与辐射的关系去解决直散分离的问题，只能通过对直射、散射随天气状态变化的特点来进行计算。 （1） 天气状态为晴 此时，采用Liu和Jordan[13]给出的晴天无云时的直射散射关系进行直散分离： τD=1.416τt−0.384；τd=0.271−0.2939τD (13) 式中，τD为水平面直射辐射强度与大气层外辐射强度在水平面投影之比，τd为散射辐射强度与大气层外辐射强度在水平面投影之比τt为水平面总辐射强度与大气层外辐射强度在水平面投影之比。 （2） 天气状态为有云 此时，直射辐射、散射辐射的关系采用文献[14]的下列经验公式进行计算： τD=⎨⎧1.492τt−0.492τt>0.6，； τd=τt−τD。 (14) 2⎩exp(0.935τt)−1τt≤0.6（3） 天气状态为阴 此时，直射为零，散射辐射强度等于总辐射强度： τD=τt；τd=0。 (15) 2.2.5、地表温度的逐时变化模型 文献[15]表明，在建筑热环境的动态模拟分析计算中，地表温度可由空气干球温度ta（C），总辐射强度Ih（W/m）和地面与天空之间的长波辐射交换量F（W/m）线性组合得到： o22ts=A1+B1ita,0+B2ita,−1+C1iIh,0+C2iIh,−1−D1iF0−D2iF−1[oC] (16) 式中：F=σTa(0.32−0.026ed)(0.30+0.70σh) (17) 0、－1分别表示本时刻和上一时刻，σ表示斯蒂芬－波耳兹曼常数。A、B、C、D的值是利用上海逐时实测地表温度进行多元线性（5.67×10W/miK）回归得到。初始时刻的地表温度可由下式得到： −8244ts=A+Bita,0+CiIh,0−DiF0 [oC] (18) 其中A、B、C、D的值同样利用上海逐时实测地表温度进行多元线性回归得到。 图3给出了上海地表温度逐时计算值和实测值的比较。 图3 上海地表温度逐时计算值与实测值的比较 2.2.6、天空有效温度的逐时变化模型 根据文献[16]，天空有效温度是大气水汽含量、云量（或日照百分率）、气温及地表温 度的函数，计算经验公式如下： Tsky44⎤ [K] (19) 0.9T(0.320.026e)(0.300.70σ)T=⎡−−+sdha⎣⎦1/4式中：Ta——空气干球温度，[K]；Ts——地表温度，[K]；ed——水汽压 ，[mbar]；σh——日照百分率，日照百分率＝日照小时数/可能日照小时数。 在这个经验公式当中，空气干球温度、水汽压和地表温度的逐时值已通过前面的模型求出，而日照百分率则看作一天云量状况的平均效果，在计算逐时天空有效温度时，一天24小时均采用同一日照百分率计算。 2.3、周围环境表面的综合温度 周围环境表面的综合温度并不是某一个气象要素，其值等效于地表温度、天空有效温度和邻近建筑表面温度的综合作用，可采用下述公式计算得到： 44 (20) Tc4=fs⋅Ts4+fsky⋅Tsky+fsur⋅Tsur其中，Tc、Ts、Tsky、Tsur分别是周围环境表面的综合温度、地表温度、天空有效温度和邻近建筑表面温度，单位是K，fs、fsky、fsur分别是地面、天空以及邻近建筑表面对待模拟建筑表面的角系数。这些角系数的大小可以根据建筑的实际情况来计算，也可参考本连载的第四章中的表2确定。 DeST即采用这一温度计算建筑外表面与周围环境表面的长波辐射换热。 2.3、典型年的挑选 在获得各种气象要素的逐时变化模型以后，即可在逐日源数据的基础上生成全年逐时气象数据，然而，不同的模拟目的需要体现不同的侧重点，为了明确逐时气象数据的应用领域并充分利用源数据资源，DeST在同一套源数据的基础上生成了6套逐时气象数据，这些数据分别为不同的模拟目的服务，包括建筑能耗分析、空调系统设计模拟分析、供暖系统设计模拟分析以及太阳能系统设计模拟分析。 这六套数据的名称和应用对象如表4所示： 表4 六套逐时气象数据的名称和应用对象 名称 焓值极高年 温度极高年 温度极低年 辐射极高年 辐射极低年 能耗分析典型年应用对象 空调系统设计模拟分析 空调系统设计模拟分析 供暖系统设计模拟分析 太阳能系统设计模拟分析太阳能系统设计模拟分析建筑能耗模拟分析 下面介绍这六套数据的挑选方法。 （1） 焓值极高年。计算每年各月的月平均空气焓值，选择月平均空气焓值最高值所在的年份为焓值极高年。 （2） 温度极高年。计算每年各月的日最高温度的月平均值，选择日最高温度的月平均值最高的年份为温度极高年。 （3） 温度极低年。计算每年各月的日最低温度的月平均值，选择日最低温度的月平均值 最低的年份为温度极低年。 （4） 辐射极高年。计算每年各月的月总辐射量，选择月总辐射量最大的月份所在年作为辐射极高年。 （5） 辐射极低年。计算每年各月的月总辐射量，选择月总辐射量最小的月份所在年作为辐射极低年。 （6） 能耗分析典型年。首先确定对建筑负荷影响较大的气象参数及其权重[7][16][17]，如表5所示，其目的是为平均月的选择提供量化的依据；接下来计算每年每月各气象参数的平均值，统计每月各气象参数历年的平均值及方差；对于某月份，如某年该月的平均值与该月的历年平均值的差值小于等于该月方差，则可认为该年该月有条件成为“平均月”；如有若干年份的m月都能满足初选平均月的条件，则对这些年份的m月的各气象参数平均值与历年平均值的差值进行加权求和，最后选择和值最小的月份作为第m月的“平均月”。 表5 气象要素及其权重 气象要素 日平均温度 日最低温度 日平均相对湿度 日最低相对湿度 日平均风速 日最大风速 日最大风速时刻的风向日日照时数 日总辐射量 日最高温度 权重 2/24 1/24 2/24 1/24 2/24 1/24 1/24 1/24 12/241/24 能耗分析典型年的各个“平均月”可能出现在不同的年份，例如北京能耗分析典型年的各“平均月”的选择结果如表6所示： 表6 北京能耗分析典型年月份组成 月份 选择年份 1 2 3 4 5 6 7 8 9 10 11 12 1958 1981 1978 1993 819831984 1983 19621972表7以北京为例，列举了其他五种典型年的挑选结果。 表7 北京其他5种典型年的挑选 典型年类型 选择年份 温度极高年 温度极低年 焓值极高年 辐射极高年 辐射极低年 2000 1977 1994 1968 1997 2.4、典型年逐时气象数据的检验 前文提出了由逐日源数据计算逐时参数的模型，同时也提出了6种针对不同用途的典型气象年挑选方法，这两部分工作合起来，即可得到6套典型年逐时气象数据，要论证这些数据是否符合实际，应当对其进行下列验证和比较分析工作： 1、统计量的检验 建立各气象要素的逐时变化模型时，需要尽量保证该模型生成的逐时数据的日均值、日最高和最低值与源数据吻合，因此检验相关参数的吻合程度是模型验证首要条件。从统计结 果得到检验参数的计算值与源数据之间在很大程度上实现了一致。 2、 逐时数据比较分析 模型是否符合实际，还需要结合实测的逐时气象数据进行比较分析，只要各气象要素的逐时计算数据基本符合该要素的逐时变化规律，数量大小与实测数据相当，则证明模型符合实际，计算得到的逐时气象数据可以反映实际的气象条件。DeST对各气象要素的逐时数据计算值和实测值进行了分析比较和误差统计，结果表明各气象要素的逐时计算值基本符合该要素的逐时变化规律，数量大小与实测数据相当。 3、应用比较分析 计算得到的各种典型年逐时气象数据用于暖通空调的模拟分析工作时，其应用效果将综合体现逐时变化模型和典型年挑选方法的实用性。下面以能耗分析典型年为例，将其应用于实际的空调系统的动态负荷模拟从而检验能耗分析典型年的逐时数据能否反映长期气象环境对建筑负荷的影响。 检验的基本思路是在同一套实测逐时气象数据的基础上，进行两方面的工作：一方面将这些数据转换为前文所采用的逐日源数据，以逐日源数据为依据挑选出能耗分析典型年，并利用各气象要素的逐时变化模型计算出能耗分析典型年的全年逐时气象数据，最后以能耗分析典型年的逐时数据为输入条件计算实际建筑的全年负荷；另一方面将这些实测的逐时气象数据都作为输入条件，计算每一年实际建筑的全年负荷。完成这两方面工作以后，比较分析建筑负荷的统计结果，即可检验逐时变化模型和能耗分析典型年的体系方法的实用性。检验过程如图4所示。 DeST利用上海的多年实测逐时数据进行了能耗分析典型年逐时气象数据应用的比较分析工作，实例建筑位于上海，是以办公室为主要单位的建筑，共有10层。计算时空调系统设定为全年连续运行。建筑负荷模拟结果的统计见表8。 实测逐时数据转换 逐日源数据 选择 能耗分析典型年逐时变化 能耗分析典型年逐时数据DeST模拟 典型年建筑负荷分析比较 DeST模拟 各年建筑负荷 图4 能耗分析典型年逐时数据应用的检验 表8 各年负荷与典型年的比率 全年最大热负荷 全年最大冷负荷 全年累计热负荷 全年累计冷负荷 1999 2000 2001 2002 典型年 98.79% 99.47% 102.71% 101.51% 100.00% 104.90% 97.75% 92.22% 104.44% 100.00% 105.64% 117.44% 110.51% 98.57% 100.00% 93.08% 98.89% 102.59% 97.94% 100.00% 表8是各年负荷与能耗分析典型年的比率，不论是从全年最大单位面积冷（热）负荷，还是全年单位面积累计冷（热）负荷来看，各年的差别较大，而能耗分析典型年的负荷总是介于各年负荷之间。 计算结果表明能耗分析典型年逐时气象数据能够代表各年不同气象环境对建筑负荷影响的平均状态，反映了长期气象环境对建筑热环境的影响。 3、室内发热量的取值方法 尽管室内影响因素与室外影响因素一样，都是建筑热环境动态模拟的输入参数，但是它们在取值方法上有较大差别。室外影响因素描述的是建筑所处的客观环境，因此它的取值方法以反映客观存在的环境条件为目标；室内影响因素的取值则是试图描述建筑内部的发热量状况，有时建筑已经存在，但发热量状况并不稳定，通过调查统计也很难准确描述，有时建筑还处于设计阶段，发热量状况难以准确预见，只能根据对建筑功能和内部热源的设计要求来进行计算。因此，总体而言，室内影响因素的取值方法探讨的并不是具体建筑中的室内发热量的全年逐时数值应该取多少，对于大量的建筑热过程模拟的实际问题而言，更重要的是对室内发热量的取值方法明确其基本原则，从而指导具体建筑的室内发热量的全年逐时取值，避免由于取值不当导致模拟结果失去实际意义。 不论采取怎样的取值方法，首先要给出各种室内发热量的描述方式，以下在具体讨论室内影响因素的取值方法之前，先介绍DeST对三种室内发热量的描述方式。由于居住建筑和公共建筑的室内发热量状况存在较大的差异，因此本文将分别讨论居住建筑和公共建筑的室内发热量取值方法。 3.1、建筑物室内发热量的描述方式 在暖通空调的热环境模拟计算当中经常采用人体、照明、设备这三种热源来代表所有的室内发热量。这三种热源作用于室内热环境的方式是不一样的，人体和设备的散湿伴随着潜热散热，它们直接作用到室内空气，立刻影响室内空气的焓值，而照明、人体和设备的显热散热则以两种方式在室内进行热交换，一种是以对流方式直接传给室内空气，另一种则以辐射形式向周围各表面传递，之后再通过各表面和室内空气之间的对流换热，逐渐传递给室内空气。因此，各种室内发热量的描述方式有所不同，对人体和设备需要分别定义显热和潜热的发热量，照明则只需定义显热的发热量，同时这三种热源的显热部分都要进行对流和辐射份额的分配。 由于各种室内发热量的大小随时间不断变化，因此三种室内发热量的描述都涉及作息模式问题。室内发热量的作息模式主要是指室内发热量的大小随时间的变化规律。DeST采用室内发热量每一时刻的实际大小与设定最大值的比值作为该发热量的作息值（即室内相对发热量），例如，人员密度的作息指的是某时刻的人员密度与设定最大人员密度的比值，灯光的作息指的是某时刻的灯光功率与设定最大功率的比值，而设备的作息指的是某时刻的设备功率与设定最大设备功率的比值。 综上，对三种室内发热量的描述包括以下内容： （1） 人员 人员属于可数的室内热源，且单位人体的潜热产热和显热产热有较多的参考数值可以选择，因此对于人员产热的描述内容包括：单位人体的潜热产热量和显热产热量，显热对流辐射比，房间的人员数量指标，以及人员产热的作息模式。 （2） 设备 设备产热的描述内容包括：房间设备的潜热产热指标、显热产热指标，显热对流辐射比，以及设备产热的作息模式。 （3） 照明 照明产热的描述内容包括：房间照明的显热产热指标，显热对流辐射比，以及照明产热的作息模式。 在各项描述内容中，对流辐射比的含义是显热发热量中对流部分和辐射部分所占的比重，各种室内发热量的对流辐射比的取值可以参考文献[18]第29章的表1、表9和表13。房间的人员数量指标、设备产热指标和照明产热指标的大小与房间功能、建筑面积等因素有关，为了方便描述其随时间的变化，这些指标都有两个数值：最大值和最小值，最小值一般为0，这些指标可采用建筑面积为单位，也可采用房间为单位。至于室内发热量的作息模式，下面以宾馆客房灯光一天24小时的作息为例进行说明。如图5所示，该图给出了宾馆客房一天24小时每一小时的灯光相对发热量，例如在6点到7点的一小时内，灯光产热为其最大产热指标的20％。 图5室内发热量作息模式示意 综上，室内发热量的取值问题就在于确定房间的人员数量指标、设备产热指标和照明产热指标，以及各种室内发热量的作息模式，因此下述取值方法主要讨论确定这些指标和作息模式时需要注意的问题。 3.2、室内发热量的取值方法 房屋建筑可分为民用建筑和工业建筑，民用建筑又分为居住建筑和公共建筑，公共建筑包含办公建筑、商业建筑、科教文卫建筑、通信建筑以及交通运输用房。由于不同类型建筑的功能不同，因此其室内发热量的产热密度和随时间的变化也有很大不同。例如居住建筑与办公建筑、商业建筑的内部发热量状况就存在较大的差异。一般而言，居住建筑的室内发热量相对比较稳定，产热密度较小，对建筑热状况的影响较小；公共建筑的室内发热量变化较大，产热密度高，对建筑热状况的影响较大。因此，下面就居住建筑和公共建筑的室内发热量的取值方法分别进行讨论。 3.2.1、居住建筑 我国的《民用建筑节能设计标准》采暖居住建筑部分[19]，在计算建筑物耗热量指标时，对建筑物所有内部得热（包括炊事、照明、家电和人体散热）采取了统一取值的方法，单位建筑面积的内部得热取值3.80W/m2。而《夏热冬冷地区居住建筑节能设计标准》[20]在计算建筑物耗热量、耗冷量指标时，规定室内照明得热为每平米每天0.0141kWh，其它得热平均强度为4.3 W/m2。这种以建筑面积为单位对室内发热量统一取值的处理方法反映的是居住建筑室内发热量在某种情况下的总体水平，由于缺乏室内发热量随时间变化的信息，因此可以作为能耗模拟分析的参考工况，但却不太适宜作为动态模拟计算的依据。 由于所有的居住建筑在功能上基本一致，且内部发热量状况较为稳定，因此居住建筑的内部发热量状况可以通过调查统计的方法获得代表性的数据。文献[21]就是通过大量调查数据的统计分析，建立了四种典型的室内发热模式。 根据文献[21]的调查研究，发现住宅室内发热量的主要来源包括人体、照明、电器设备以及燃气具，其中人体是住宅室内的最大发热源，而照明发热量对住宅室内热环境的影响最小。室内发热量的大小主要与家庭人员数、家庭结构、收入等级等因素有关，而随建筑面积增加不显著。因此按目前一般的做法，根据单位面积发热量进行统计就不太合适，而要根据房间功能及人员数、收入等级来统计。 综合建筑户型、房间功能、家庭人员数以及家庭结构这四方面的内容，文献[21]归纳了四种住宅模式，如表9所示。通过对四种住宅模式的室内发热量调查数据的统计分析，可分别计算确定人员逐时出入状况和设备逐时使用状况、设备和照明灯具功率，从而建立居住建筑的不同室内发热模式，即给出室内人体、照明灯具、电器设备发热量的逐时变化。 表9 不同住宅模式的房间功能、家庭人员数及家庭结构 建筑户型 模式1 两室一厅 双人卧室 书房（电脑） 房间功能 客厅、餐厅（电视） 厨房 卫生间 家庭结构 家庭人员数 夫妻 模式2 两室一厅 双人卧室（电脑） 单人卧室 客厅、餐厅（电视）厨房 卫生间 父母、子女 模式3 三室一厅 双人卧室 单人卧室 书房（电脑） 客厅、餐厅（电视）厨房 卫生间 父母、子女 模式4 三室一厅 双人卧室（电脑） 双人卧室（电视） 单人卧室 客厅、餐厅（电视）厨房 卫生间 夫妻、父母和子女 2 3 3 5 下面参照文献[21]的附录3、附录4、附录5对不同模式的逐时发热量进行比较。根据文献[21]提供的数据计算不同住宅模式的总发热量时，由于缺乏客厅和餐厅中的照明发热量指标大小，因此不考虑其产热。照明发热量对住宅室内热环境的影响很小，且客厅和餐厅的照明只是住户所有照明中的一部分，因此下面给出的几种模式的逐时发热量仍能代表相应住宅模式的室内发热状况。模式1和模式2的建筑户型、房间功能都一样，但是家庭结构和人员数不同，因此其逐时室内总发热量存在一定的差别，如图6所示；而模式2和模式3则是家庭结构和人员数相同，但是建筑户型和房间功能有所不同，因此其逐时室内总发热量差别很小，如图7所示。也就是说，家庭人员数是决定室内发热量的关键因素，而建筑面积大小并不反映室内发热量的大小。 模式1和模式2的逐时室内发热量1600室内发热量(W)1200800模式1模式244时间(hour) 图6 模式1和模式2的逐时室内发热量 模式2和模式3的逐时室内发热量1600室内发热量(W)1200800模式2模式344时间(hour) 图7 模式2和模式3的逐时室内发热量 综上，进行居住建筑热环境的动态模拟时，室内发热量的恰当取值方法不是以建筑面积为单位考虑产热密度，而是以住户内的各个功能房间为单位，考虑住户的家庭人员数和收入等级，分别给出房间内的人员、照明和设备的发热量及其作息模式。 3.2.2、公共建筑 1、公共建筑的室内发热量特点 总体而言，公共建筑的室内发热量具有以下特点： （1） 相对于居住建筑，室内发热量的产热密度较大，对建筑热环境的影响较大； （2） 不同类型的公共建筑的室内发热量的产热密度和随时间的变化差别很大； （3） 同一公共建筑的室内发热量的逐时值有较大的不确定性，以某一个确定的数值来描述其大小可能与实际情况相差甚远。 这些特点对公共建筑室内发热量的取值方法提出了一定的要求。首先，公共建筑的室内发热量大小对建筑热环境的影响较大，因此其取值必须谨慎；其次，取值方法应能充分反映不同类型公共建筑中不同功能房间的室内发热量的数量大小和随时间变化的特点；最后，取值方法应体现逐时室内发热量的不确定性。 2、室内发热量取值对模拟结果的影响 由于公共建筑的室内发热量产热密度较大，因此对公共建筑热环境的动态模拟来说，室内发热量的取值方法就成为比较敏感的影响因素。如果室内发热量取值不当，将会使模拟结果失去实际意义。为了说明室内发热量的不同取值对模拟结果产生的影响，下面举实例进行分析。 每一时刻的室内发热量大小由产热指标和作息模式共同决定，改变产热指标大小或改变作息模式，都使得每一小时的室内产热量发生变化，尽管最大产热量有所不同，但在讨论室内发热量取值对模拟结果的影响时，这两种变化方式并无本质区别。下面就对相同的最大产热指标、不同的作息模式条件下的建筑热环境动态模拟结果进行讨论。 计算实例为位于北京的办公建筑，共三层，中间层平面如图8所示，整个建筑平面的尺寸为60m×60m，内区房间为26m×26m，外区房间分别为60m×4m、52m×4m。 图8 建筑物中间层平面图 计算时两种模式下的空调系统作息时间（系统为间歇运行）、室内设定温湿度、室外气象条件和室内发热量的产热指标都相同，人员、照明和设备的产热指标分别为：0.1人/m2，20 W/m2，20 W/m2。两种模式的作息如图9、图10所示。 模式1的室内发热量作息1室内相对发热量0.80.60.40.21618202224时间(hour) 图9 模式1的室内发热量作息 模式2的室内发热量作息1室内相对发热量0.80.60.40.21618202224时间(hour) 图10 模式2的室内发热量作息 模拟计算的结果如表10、图11所示。从表10可以看到，尽管两种模式计算采用的室内发热量产热指标一样，作息不同使得最大负荷和累计负荷都存在较大的差异。在这两种计算模式下，由于最大冷负荷形成时段两种模式的室内发热量相当，因此最大冷负荷相差不多，而最大热负荷形成的时段，两种模式的室内发热量相差较大，因此最大热负荷相差较大。两种不同作息的连续作用使得累计冷、热负荷都存在极大差别，由于模式1的室内发热量总是比模式2要大，使得模式1冷负荷极大而热负荷极小，模式2冷负荷较小而热负荷较大。从图11可以看到，在冬季，按照模式1计算，整栋建筑几乎没有热负荷，根本不需供热，但是按照模式2计算，则有三到四个月时间需要供热。完全一样的算例，仅仅因为计算时室内发热量的作息模式不同，就导致完全相反的结论，由此可见室内发热量取值对计算结果的影响。 表10 两种作息模式的计算结果比较 模式1 模式2 最大负荷（kW） 冷负荷 热负荷 91.1 全年累计负荷（MWh） 冷负荷 热负荷 933.5 1846.5 2.7 863.5 388.5 739.6 233 月平均建筑负荷50负荷（KW）0-50-100-150-200月份1112模式1热负荷模式2热负荷模式1冷负荷模式2冷负荷 图11 两种作息模式的月平均建筑负荷 由上述实例分析可见，公共建筑室内发热量的取值对建筑热环境的模拟影响较大，取值不当有可能导致建筑热环境状况的模拟结果完全背离实际，因此必须谨慎处理室内发热量的输入数据。具体的取值方法则因动态模拟的不同目的而有不同的侧重。 3、不同模拟目的的室内发热量取值方法 建筑热环境的动态模拟可以用来解决不同的实际问题，如设备容量分析和设备选择、能耗模拟分析和节能建筑评估、系统方案分析等，而这些实际问题在室内发热量的取值上有不同的侧重。下面分别对不同模拟目的的室内发热量取值进行讨论。 （1）设备容量分析需要的室内发热量取值 设备容量分析对室内发热量取值的基本要求是反映负荷最大的工况从而确定设备的容量。由于室内发热量在空调和供暖工况下所起的作用不同，因此在做设备容量分析时，两种工况下的室内发热量取值往往不同。在空调工况下，室内发热量是形成冷负荷的重要因素，因此其取值往往选择室内各种热源产热最大的情况；在供暖工况下，室内发热量是抵消热负荷的有利因素，为了最大限度地保证室内热状况，其取值往往选择室内各种热源产热最小的情况。在季节性不明显的公共建筑中，室内发热量的产热在空调和供暖工况下实际上是相差 不大的，但是在做设备容量分析时，需要明确室内发热量的最大最小值从而体现不同工况对设备保证率的需求。因此，在做设备容量分析为目的的动态模拟时，冬季和夏季的室内发热量大小应以相应的保证率为原则分别取值。 （2）能耗模拟分析需要的室内发热量取值 能耗模拟分析对室内发热量取值的基本要求是反映建筑能耗的总体水平，从而有效预测建筑能耗并进行节能评估。由于不同公共建筑、不同功能房间的室内发热量状况不一，因此能耗模拟分析需要对不同公共建筑、不同功能房间建立典型的全年产热数据作为计算条件，这些典型的室内发热量数据信息必须反映其代表建筑的总体能耗水平。显然，要根据建筑中每个房间的实际使用情况来建立这样的数据信息是不可能的。实际上，室内发热量的大小和随时间的变化与房间功能有很大关系，例如办公建筑的产热指标往往比商场要小，在办公建筑中，作息基本是以一周为周期的，且工作日与休息日的作息有所不同，而商场、教室等,时间作息还得考虑全年不同月份的变化。总体而言，不同类型建筑的室内发热量都有一定的特点，因此，可以归纳总结不同公共建筑、不同功能房间室内发热量的特点，建立不同公共建筑的典型室内发热量数据信息，为建筑能耗模拟提供代表性的产热数据。 （3）系统模拟分析需要的室内发热量取值 系统模拟分析对室内发热量取值的基本要求是能够反映系统的所有不利工况，从而有效预测系统运行状况，对系统方案进行分析。由于室内发热量的逐时值有较大的不确定性，如果在建筑热过程模拟时以某一个确定的数值来描述其大小，对于同属一个系统的所有房间而言，模拟计算的结果往往不能对系统可能出现的各种不利工况做出合理的预测。例如，两个办公室同属一个空调系统，以确定的数值来描述室内发热量的逐时值，相当于限定了这两个房间可能出现的工况，如果两个房间的逐时发热量变化规律类似，则即使系统的调节能力不好，两个房间的热状况也能得到满足，但实际上在很多时候两个房间的室内发热量并不相当，甚至存在极大的差异，系统必须具备较好的调节能力才能保证两个房间的满意率。因此，要利用建筑热过程模拟辅助系统设计、方案分析，必须在室内发热量的取值方法中考虑室内发热量的不确定性。 在1998年，朱颖心曾经提出用于空调系统设计的全年双负荷曲线分析法[22]，这种方法是以当地全年气象数据为计算基础，逐日对全年365 日建筑物与外界换热及室内产热之和的最大值与最小值进行计算。每个区域全年计算的结果均为两条曲线：每日最大冷负荷曲线和每日最小冷负荷曲线。对于室内最大与最小得热时间无法预测的房间来说，最大冷负荷是在假定室内产热为可能的最大值条件下计算所得，最小冷负荷是在假定室内产热为可能的最小值条件下求得。这样实际的负荷必定在这两条曲线之间的范围内变动。这种双负荷曲线的分析方法实际上已经反映了对室内发热量不确定性的认识，同时也间接体现了这一不确定性在系统设计中的重要性。 由于室内发热量在某一时刻的大小常常处于我们能够预见的一个范围以内，因此，可以采用一个变化范围而不是一个确定的数值来描述某一时刻的室内发热量大小，这样的取值方法为系统方案分析提供了更清晰的信息。在系统分析部分，可以根据系统内所有房间的室内发热量的变化范围寻找系统运行的不利工况，通过对这些不利工况的分析，检验系统方案的合理性，并对系统的调节能力提出设计要求。 综上，不同模拟目的对室内发热量的取值提出了不同的要求，公共建筑的室内发热量取值方法可以对这些要求分而治之，也可以采用一种综合的方法一起解决，例如采用一个变化范围来描述某一时刻的室内发热量大小，就不仅为系统方案分析，也为设备容量和能耗模拟 分析提供了清晰的数据信息。在做设备容量分析时可根据室内发热量的变化范围模拟计算出可能出现的最大负荷工况，而在能耗模拟分析时可在室内发热量的变化范围内确定一套典型的全年产热数据作为计算条件，据此对建筑能耗的总体水平进行分析。需要注意的是，针对此目的的取值方法不能应用到彼目的的模拟中去，错误地应用取值方法将导致不合理的模拟结果。例如进行建筑能耗的全年逐时模拟时，如果根据设备容量分析的取值方法，分别将夏季和冬季工况的产热指标设为相应的最大最小值，则必然同时高估夏季耗冷量和冬季耗热量，原因就在于用于设备容量分析的总产热指标并不能反映实际建筑的平均产热量水平。 前文已经指出，建筑热环境的动态模拟能够解决不同的实际问题，这是因为动态模拟能够进行全工况分析，从而为设计提供全面的预测信息。在建筑热环境的研究领域，对全工况的一般认识是指室外气象的全工况，即考察建筑在全年变化的气象环境以及确定的室内发热量条件下的热环境状况。这样的全工况分析或许能够为建筑本体的设计提供全面的参考信息，但在系统的设计阶段，由于室内发热量的不确定性得不到体现，室外气象的全工况不能涵盖所有不利工况，空调系统实际运行时仍然会出现问题，系统内所有房间的需求不能同时得到满足。因此，建筑热环境模拟分析的全工况不仅是室外气象的全工况，也是室内发热量的全工况。室内发热量的全工况必须包括所有反映设计合理性和对系统调节能力的要求的不利工况。结合前文的分析可知，室内发热量的全工况必然为上述三种模拟目的提供了相应的数据信息，因此可以说，室内发热量的取值方法以实现全工况为基本宗旨。 总之，对于公共建筑而言，由于室内发热量对建筑热过程的影响较大，又具有时间和空间上分布不均匀和难以确定的特点，因此其取值必须谨慎，要在不同工况下恰当设定室内发热量的产热指标大小和作息模式，更重要的是，针对建筑热环境动态模拟的不同目的，在室内发热量的取值方法中体现不同的侧重点。由于室内发热量自身的个体差异性，其具体取值方法和应用只有在建筑热环境的动态模拟过程中不断完善和积累，本文只是试图从方法本身需要注意的问题上讨论建筑热环境动态模拟中的室内发热量取值。 4、总结 影响建筑物内热状况的外界因素当中，室外气象条件、建筑周围环境热状况和内部发热量是非常重要的因素，这些因素也是建筑热环境动态模拟分析的必备输入条件。本文将这些影响因素分为室外和室内影响因素，分别讨论了这些影响因素的取值方法，并详细介绍了DeST对室外影响因素的取值方法。DeST以全国194个气象站点近50年的逐日记录为源数据，结合各种气象要素的逐时变化规律，生成了所有站点的全年逐时气象数据。同时提出了六种典型年的挑选方法以满足不同模拟目的的需要。DeST在描述室内发热量时，分别定义不同热源的显热和潜热，同时以对流辐射比的方式区分显热中的对流成分和辐射成分。在大量实际调查的基础上，DeST归纳总结了居住建筑的室内发热量特点，给出了居住建筑的不同发热模式，对居住建筑的室内发热量大小和时间作息做出了描述。结合公共建筑的室内发热量的主要特点，本文讨论了公共建筑的室内发热量的取值方法应当注意的问题，分析了室内发热量在空间和时间上的不均匀和不确定性给取值工作带来的问题，指出建筑热环境动态模拟的全工况不仅是室外气象的全工况，也是室内发热量的全工况，对于不同的建筑热环境模拟目的，室内发热量的取值方法需要体现不同的侧重点。 参考文献 [1] J A Clarke. Energy simulation in building design. Adam Hilger Ltd, Bristol and Boston, 1985. [2] 田胜元. 建筑空调能耗分析用气象资料构成方法的研究. 见：全国暧通空调制冷1988年学术年会论文集. 1988年 [3] 郎四维. 建筑能耗分析逐时气象资料的开发研究. 暖通空调，2002，32(4) [4] Matsuo Y, et al. Study on typical weather data. Journal of the Society of Heating, Air-conditioning and Sanitary Engineers of Japan, 1974, 48(7) [5] Akasaka H. Typical weather data and the expanded AMEDAS data. Solar Energy, 1999, 25 (5) [6] National Climatic Data Center. Typical meteorological year user’s guide. NCDC, National Oceanic and Atmospheric Administration, US Dept of Commerce, Asheville NC, 1981 [7] 陈沛霖. 空调负荷计算理论与方法. 同济大学出版社，1987年6月 [8] 彦启森，赵庆珠. 建筑热过程. 中国建筑工业出版社，1986. [9] 么枕生. 气候统计学. 1960. [10]张家诚，林之光. 中国气候. 上海科学技术出版社，1985. [11]赵荣义，范存养，薛殿华，钱以明编. 空气调节. 中国建筑工业出版社，1994，P17 [12]江亿. 用于空调负荷计算的随机气象模型：[硕士学位论文]. 北京：清华大学，1980. [13] Liu Benjamin Y H, Jordan Richard Ci. The interrelationship and characteristic distribution of direct, diffuse, and total solar radiation. Solar Energy, 1960, Ⅳ（3） [14]早川一也，清水浩明. 用于热负荷计算的蒙特卡罗法气象模型研究. 见：空气调和卫生工学论文集. 1976.3. No. O. [15]刘森元，黄远峰. 天空有效温度的探讨. 太阳能学报，1983，4(1) [16] Soteris A Kalogirou. Generation of typical meteorological year (TMY-2) for Nicosia, Cyprus, Renewable Energy, 2003, Vol. 28, Issue 15: 2317-2334 [17] M Petrakis，S Lykoudis，P Kassomenos. A software tool for the creation of a typical meteorological year. Environmental Software, 1996, 11（4）: 221-227 [18] ASHRAE Fundamentals Handbook，2001. [19] JGJ26-95民用建筑节能设计标准（采暖居住建筑部分） [20] JCJ134-2001夏热冬冷地区居住建筑节能设计标准 [21] 简毅文. 住宅热性能评价方法的研究：[博士学位论文]. 北京：清华大学，2003. [22]朱颖心，江 亿. 用于空调系统设计的全年双负荷曲线分析法. 暖通空调，1998，28(4)
