基于建筑外窗缝隙通风的室外PM2.5渗透与沉降特性评价模型

王亚峰,陈 超*,陈紫光,万亚丽,赵 力,2



基于建筑外窗缝隙通风的室外PM2.5渗透与沉降特性评价模型

王亚峰1,陈 超1*,陈紫光1,万亚丽1,赵 力1,2

(1.北京工业大学建筑工程学院,北京 100124；2.中国建筑科学研究院,北京 100013)

室外PM2.5可以通过建筑外窗缝隙通风进入室内,对室内环境造成污染.穿透系数、沉积率和通风换气次数是评价受室外细颗粒物渗入影响室内人群细颗粒物暴露量的重要参数.目前这些参数大多通过实验室实测或理论推导方法获得.本文结合质量守恒定律、数理统计方法和控制变量法,提出了一种基于大量室内外PM2.5质量浓度实时监测数据的穿透系数、沉积率和缝隙通风换气次数推算模型,该模型的求解结果具有一般性;依据所提方法推算得到了2个实测办公建筑的穿透系数和沉降率分别为0.97和0.12、0.97和0.24.研究结果为建筑外窗缝隙渗透特性、室外PM2.5对室内环境影响预测、以及室内人员PM2.5暴露量定量分析提供了新的方法参考.

建筑外窗渗透通风；PM2.5；渗透特性；沉降特性；评价模型

大量实测结果证明,即使在建筑外窗关闭的条件下,受建筑外窗缝隙渗透通风作用的影响,大气环境细颗粒物(PM2.5)仍然会通过建筑外窗缝隙进入室内,致使室内环境PM2.5浓度水平超标[1-4].在这个过程中,穿透系数是评价建筑围护结构缝隙通风特性的重要参数之一.所谓穿透系数是指室外细颗粒物通过建筑门窗缝隙进入室内的比例[5-8];当室外细颗粒物进入室内以后,将会有一部分沉积在建筑围护结构内表面,该过程一般用沉降率表示[9-10];而通风换气次数则反映了受建筑围护结构缝隙结构特征和室内外压差作用影响下进入室内的渗透通风量大小.相关研究显示,室内外压差越大,房间的换气次数越大,室外细颗粒进入室内的量也越多[5].室外细颗粒物通过建筑外门窗构缝隙进入室内,直接危害室内人群的健康.研究建筑外门窗缝隙结构对室外细颗粒物渗透与沉降特性的影响规律,对关于室外细颗粒物对室内环境影响以及人群暴露特征的研究具有非常重要的意义.

室外PM2.5通过建筑外门窗缝隙通风进入室内的过程非常复杂.Bennett 等[11]在实测室内外PM2.5浓度和换气次数的条件下,对室内外PM2.5浓度平衡微分方程进行求解,发现穿透系数和沉降率有多个解,最后通过最小二乘拟合求解方法得到渗透因子的最小值.在Bennett研究成果基础上,Mleczkowsk[12]选取误差小于5%的穿透系数和沉降率组合求均值,最终近似求得和的均值.Lai[13]建立了一个实验舱,根据换气次数较大时,室内外细颗粒物I/O比约等于穿透系数的研究结果,通过加大实验舱换气次数的方法测得了不同粗糙度缝隙的穿透系数,结果发现粗糙度对于穿透系数的影响不大.Hamdani[14]建立了一个125L的实验舱以测试颗粒物沉降率,测试了粒径分别为0.35,0.53, 0.7,1,2μm细颗粒物在8种物质表面的沉降率,发现壁面粗糙度对颗粒物沉积影响较大.也有一些研究通过数学模型求解方法计算出穿透系数和沉降率.Liu[15]构建了反映缝隙内外压差、缝隙结构尺寸、颗粒物穿透特性的耦合模型,分析了压差对颗粒物穿透特性的影响.田利伟等[16]在忽略惯性力影响前提下,建立了颗粒物在不同粗糙度表面的缝隙穿透模型.陈淳等[17]通过对颗粒物惯性力、重力和布朗扩散力分析,提出了一种结合ARSHER手册给出的窗户结构特征计算穿透系数的方法,实测结果验证了该方法能够较为准确预测室内浓度.

换气次数是评价建筑外窗渗透通风特性的一个重要指标.Thomas等[18]推导了自然通风条件下室内外颗粒物平衡点浓度,结果表明:当室外浓度大于室外平衡点浓度时,室内外 I/O 比将随换气次数的增加而增大.李玉国等[19]从质量平衡方程出发,在假设室内无颗粒污染源的前提下,给出了房间换气次数、室内浓度与颗粒物穿透因子之间的关系.

本研究拟在前人相关研究成果基础上,依据质量守恒定律、数理统计方法与变量控制法,提出一种基于大量室内外PM2.5质量浓度实测数据的穿透系数、沉降率推算模型,以期为建筑外窗缝隙渗透特性、以及室内人员PM2.5暴露量的定量分析提供新的分析方法参考.

1 穿透系数P、沉降率k推算模型

1.1 室内PM2.5质量平衡方程

室内PM2.5浓度水平一方面取决于室外PM2.5进入和离开室内的速率,同时还受在室内环境中被消除、发生转变、重新悬浮以及产生速率的影响;另国内外学者的相关研究表明[3-6],转变、吸湿、化学反应和凝结等作用对室内PM2.5质量浓度变化的影响不大,可以忽略这些作用的影响.因此,根据质量守恒定律,可建立关于室内PM2.5质量动态平衡方程式(1)[19-20]

(1)

式中:为房间体积,m3;内,t为时刻室内PM2.5浓度,μg/m3;为换气次数,h-1;为穿透系数;外,t为时刻室外PM2.5浓度,/m3;源为单位时间内室内产生PM2.5浓度,μg/h;为沉降率,h-1;为PM2.5二次悬浮率,h-1;f为单位面积PM2.5的质量,μg/m2;A为房间表面积,m2.

对于建筑外门窗关闭且无室内污染源的情况,可忽略式(1)等式右侧第2项和第3项的影响[19-20],则式(1)可简化为式(2) ,进一步对式(2)积分可得式(3).

1.2 模型构建

大量实时监测结果表明,在相对比较短的时间内(例如1h),室内外的PM2.5浓度、建筑外窗缝隙通风换气次数变化率不大,可近似视为稳定值,即可将式(3)写成式(4),式(4)中时间以小时为时间步长.

(4)

同理,可列出小时室内PM2.5浓度随时间变化的方程组.

室内、外PM2.5小时平均浓度可根据实时监测数据求算术平均值获知,建筑外窗缝隙通风换气次数a、穿透系数P、沉降率k为末知,-1个方程,3-3个未知数,属于超维方程.

1.3 方程组降维

影响穿透系数P的主要因素有二,一是窗户结构特征,包括缝宽、缝长、缝深和直角弯的数目;二是缝隙通风换气次数.相关研究表明,缝隙通风换气次数对细颗粒物穿透特性影响不大[16-17,19].因此可以认为,建筑结构一定时,对应的穿透系数P也基本为定值.国内外相关研究结果表明,穿透系数变化范围通常为0.8~1.0[11-12].

沉降率k主要受颗粒物自身、室内壁面与室内环境风速等因素的影响.由于室内环境风速都很低,因此同样可以认为,当建筑构造一定时,其对应的沉降率k也基本为定值.相关研究表明,受建筑内壁面条件的影响,沉降率变化范围大约为0~0.4[11-12].也即,对于建筑构造一定的建筑物,若将相对应的穿透系数和沉降率视为定值,则方程组(5)可降维简化为方程组(6),-1个方程、+1个未知数,待求量为缝隙通风换气次数a、穿透系数、沉降率.

1.4 模型求解

选取室外气象参数相对比较稳定时段的连续小时(可考虑取6h,即=6)的室、内外PM2.5小时平均质量浓度实测值代入方程式(6),则可构成5个方程组.此时,公式(6)中的待求量为5个缝隙通风换气次数a(=1~5)、穿透系数和沉降率,共计5个方程、7个未知数,仍然属于超维方程.为了求解该超维方程组,采用了控制变量法进行求解.即,假定穿透系数和的变化范围为0.8~1.0,沉降率变化范围为0~0.4;令和的变化步长均为D=0.01,按照排列组合的方法建立[P,k]组合(见下式).其中,P+1=P+D(1=0.8,=1~ 20),k+1=k+D(1=0.01,=1~40),共计800组.

对于每一组的6h数据,可解得对应不同[P,k]组合对应下的5个换气次数[(-1),j].根据数理统计学,根据公式(7)对所有求得的换气次数[(-1),j]计算标准差,并进行排序.视排在小侧前5%的标准差对应的换气次数及其对应的[P,k]组合的平均值为方程式(6)的解.

式中:为1,…,a,…a-1的算术平均值.

通过上述方法求得的方程式(6)的解换气次数、穿透系数、沉降率完全具有一般性.

2 计算方法应用示例

为了说明第1节提出的基于大量室内外PM2.5质量浓度实测数据的穿透系数、沉降率推算模型的合理性,本节结合研究团队的实测建筑案例进行验证性说明.

2.1 实测建筑物概况

项目研究团队先后对北京地区和广州地区2栋临街办公建筑的11层办公室进行了实测(图1).其中,北京地区实测办公建筑位于北京东城区东直门南大街,房间建筑面积约30m2,建筑外窗为塑钢平开窗、朝东,气密性等级为4级,实测期间为2014年1~2月、4~7月;广州地区实测办公建筑位于天河区,房间建筑面积约为10m2,建筑外窗也为塑钢平开窗、朝西,气密性等级为4级,实测期间为2014年1~6月、7~9月、12月.

室内外PM2.5质量浓度监测仪器均采用LD-5C(R)在线式激光粒子监测仪,可检测细颗粒物粒径范围为0~1000μg,灵敏度为1μg/m3;实测期间连续监测,每隔20min自动记录一次数据;通过无线网络通讯方式将检测数据上传到数据服务器.实测期间,两个实测房间内无人、无机械通风、门窗关闭.

表1 建筑外门窗气密性分级*Table 1 Air tightness levels of external windows

注:*外窗气密性表示建筑外窗关闭时阻止室外空气渗透的能力,制表条件为标准状态下(20℃,101.3kPa)外窗两侧压差10Pa;**1表示单位缝长渗透通风量,单位为m³/(m·h);2表示单位面积渗透通风量,单位为m³/(m2·h).

所谓建筑外窗气密性,是指当外窗在正常关闭状态时阻止空气渗透的能力,它是衡量房间建筑外窗缝隙通风换气次数大小的重要参数.中华人民共和国住房与城乡建设部2008年颁布的《建筑外门窗气密,水密,抗风压性能分级及检测方法》(GB/T 7106-2008)给出了建筑外窗气密性分级表(表1).显然,分级值越大,表示建筑外窗的气密性等级越高,阻止空气渗透的能力越强,相应的缝隙通风换气次数也小.

2.2 北京地区实测建筑

2.2.1 实测数据选取 重点选取冬季和春季气象参数较为稳定期间的室内外PM2.5质量浓度实测数据小时平均值代入方程组(6)进行回归分析.其中,时间步长为1h,6h实测数据为一组(即= 6),可以解得一组[,];冬季和春季分别选取43组数据,即可以解得2´43组[,].

穿透系数和沉降率推算结果 图2为将43组实测数据分别代入方程组(6),根据1.4推算得到的43组穿透系数和沉降率.由图可见,冬季和春季穿透系数推算值相差甚小,分别为0.965±0.022和0.965±0.024;同样,冬季和春季沉降率推算值也相差不大,分别为0.123±0.046和0.131±0.041.推算结果验证了1.3节的假设,即对于建筑构造一定的建筑物,其相对应的穿透系数和沉降率也是一定的.

2.2.3 换气次数推算值与实测值比较 上述计算,在根据方程组(6)求解[,]的同时,还同时求解得到对应小时的换气次数a.本研究利用CO2示踪气体衰减法对该实测办公建筑建筑外窗缝隙通风换气次数进行了现场实测.将干冰作为示踪气体向室内释放,直至室内CO2浓度达到一定高值;受建筑外窗缝隙通风换气作用的影响,室外较低CO2浓度的空气进入室内,稀释室内较高CO2浓度的空气,直至回复到初始的室内CO2浓度水平,所对应的通风换气量即为所求.采用型号为Lutron MCH-383SD的CO2测试仪对室内外CO2浓度进行监测,该仪器测量范围为0~ 4000´10-6,当CO2浓度<1000´10-6时,仪器测量误差为±40´10-6;当CO2浓度为(1001~3000)´10-6时,仪器测量误差为± 5%rdg(rdg表示测试仪读数);当CO2浓度为>3000´10-6时,仪器测量误差为±250´10-6.

将图3实测结果代入(8)[21]即可计算得到实测条件下房间换气次数为0.24h-1;而根据1.4节计算方法推算得到的相应建筑外窗缝隙通风换气次数为0.28h-1,推算结果与实测结果较好的一致性验证了推算方法的有效性.

式中:AER为换气次数,h-1;0为室内初始CO2浓度,´10-6;C为时刻室内CO2浓度,´10-6.

2.3 广州地区实测办公建筑

2.3.1 实测数据选取 重点选取春季、夏季、冬季气象参数较为稳定期间的室内外PM2.5质量浓度实测数据小时平均值代入方程组(6)进行回归分析.其中,时间步长为1h,6h实测数据为一组(即=6),可以解得一组[,];3个季节均分别选取43组数据,即可以解得3´43组[,].

2.3.2 穿透系数和沉降率推算结果 同2.2节,可以得到对应广州地区实测办公建筑春季、夏季和冬季的穿透系数推算值分别为0.969± 0.020、0.971±0.026和0.968±0.025,与北京实测建筑外窗同为4级气密性等级的推算结果非常接近,其值相差甚微;相应的春季、夏季和冬季的沉降率推算值同样也相差也不大,分别为0.242±0.047、0.241±0.057和0.227±0.062,与北京实测建筑的沉降率比较略大,这与两个实测房间几何尺寸及其壁面粗糙度不同有关系.

3 结论

3.1 依据质量守恒定律、数理统计方法与变量控制法,提出了一种基于大量室内外PM2.5质量浓度实测数据的穿透系数、沉降率推算模型,实测方法验证了模型的有效性.该模型的求解结果完全具有一般性.

3.2 对于建筑构造一定的建筑物,其相对应的穿透系数和沉降率也是一定的.2个建筑外窗气密性等级同为4级的实测建筑的穿透系数值均为0.97;但受各自建筑房间几何尺寸及其壁面粗糙度不同的影响,它们的沉降率有所差异,分别为0.12和0.24.

3.3 根据方程式(4),室外PM2.5浓度水平、室外气象参数一定条件下,穿透系数对室内PM2.5浓度水平的影响更大于沉降率,有效控制建筑外窗缝隙通风渗透影响对减小室外PM2.5对室内环境危害具有重要作用.

Massey D, Masih J, Kulshrestha A, et al. Indoor/outdoor relationship of fine particles less than 2.5mm (PM2.5) in residential homes locations in central Indian region [J]. Building and Environment, 2009,44(10):2037-2045.

Massey D, Kulshrestha A, Masih J, et al. Seasonal trends of PM10, PM5.0, PM2.5& PM1.0in indoor and outdoor environments of residential homes located in North-Central India [J]. Building and Environment, 2012,47:223-231.

Chan A T. Indoor-outdoor relationships of particulate matter and nitrogen oxides under different outdoor meteorological conditions [J]. Atmospheric Environment, 2002,36(9):1543-1551.

López-Aparicio S, Smolík J, Mašková L, et al. Relationship of indoor and outdoor air pollutants in a naturally ventilated historical building envelope [J]. Building and Environment, 2011, 46(7):1460-1468.

Hahn I, Brixey L A, Wiener R W, et al. Parameterization of meteorological variables in the process of infiltration of outdoor ultrafine particles into a residential building [J]. Journal of Environmental Monitoring, 2009,11(12):2192.

Braniš M, řezáčová P, Domasová M. The effect of outdoor air and indoor human activity on mass concentrations of PM10, PM2.5, and PM1in a classroom [J]. Environmental Research, 2005,99(2): 143-149.

Zhou Q, Jiang H, Wang J, et al. A hybrid model for PM2.5forecasting based on ensemble empirical mode decomposition and a general regression neural network [J]. Science of The Total Environment, 2014,496:264-274.

Meng Q Y, Turpin B J, Lee J H, et al. How does infiltration behavior modify the composition of ambient PM2.5in indoor spaces? An analysis of RIOPA data [J]. Environ. Sci. Technol., 2007, 41(21):7315-7321.

Zhao B, Wu J. Particle deposition in indoor environments: analysis of influencing factors [J]. J Hazard Mater., 2007,147(1/2): 439-448.

He C, Morawska L, Gilbert D. Particle deposition rates in residential houses [J]. Atmospheric Environment, 2005,39(21): 3891-3899.

Bennett D H, Koutrakis P. Determining the infiltration of outdoor particles in the indoor environment using a dynamic model [J]. Journal of Aerosol Science, 2006,37(6):766-785.

Mleczkowska A, Strojecki M, Bratasz U, et al. Particle penetration and deposition inside historical churches [J]. Building and Environment, 2016,95:291-298.

Lai A C K, Fung J L S, Li M, et al. Penetration of fine particles through rough cracks [J]. Atmospheric Environment, 2012,60: 436-443.

El Hamdani S, Limam K, Abadie M O, et al. Deposition of fine particles on building internal surfaces [J]. Atmospheric Environment, 2008,42(39):8893-8901.

Liu D, Nazaroff W W. Modeling pollutant penetration across building envelopes [J]. Atmospheric Environment, 2001,35(26): 4451-4462.

Tian L, Zhang G, Lin Y, et al. Mathematical model of particle penetration through smooth/rough building envelop leakages [J]. Building and Environment, 2009,44(6):1144-1149.

Chen C, Zhao B, Zhou W, et al. A methodology for predicting particle penetration factor through cracks of windows and doors for actual engineering application [J]. Building and Environment, 2012,47:339-348.

Tung T C W, Chao C Y H, Burnett J. A methodology to investigate the particulate penetration coefficient through building shell [J]. Atmospheric Environment, 1999,33(6):881-893.

Li Y. A balance-point method for assessing the effect of natural ventilation on indoor particle concentrations [J]. Atmospheric Environment, 2003,37(30):4277-4285.

Chen C, Zhao B. Review of relationship between indoor and outdoor particles: I/O ratio, infiltration factor and penetration factor [J]. Atmospheric Environment, 2011,45(2):275-288.

Guo H, Morawska L, He C, et al. Impact of ventilation scenario on air exchange rates and on indoor particle number concentrations in an air-conditioned classroom [J]. Atmospheric Environment, 2008,42(4):757-768.

* 责任作者, 教授, chenchao@bjut.edu.cn

The evaluation model of PM2.5penetration and deposition based on the air infiltration through the window gaps

WANG Ya-feng1, CHEN Chao1*, CHEN Zi-guang1, WAN Ya-li1, ZHAO Li1,2

(1.College of Architecture and Civil Engineering, Beijing University of Technology, Beijing 100124, China；2.Institute of Building Environment and Energy Saving, China Academy of Building Research, Beijing 100013, China)., 2016,36(7)：1960~1966

Outdoor Fine Particular Matter (PM2.5) can enter the room through both ventilation and infiltration, and this will make indoor air polluted. Penetration factor (), deposition loss rate () and air exchange rate () are important parameters that can be used to evaluate the degree of indoor air pollution caused by PM2.5. Currently, these parameters were mostly derived from either laboratory experiment or theoretical deduction. According to the law of conservation of mass, statistical method and control variable method, a new model estimating the above three parameters was developed in this study, based on a big number of field monitored data, and the model can be used for a variety of applications. The model has been used to calculate the penetration factor and deposition loss rate at two case study office buildings and the prediction gave 0.97 () and 0.12 (), and, 0.97 () and 0.24 (), respectively. This model can be considered as a new method for studying the penetration characteristics of external windows, the correlation between outdoor and indoor PM2.5pollutions, and the quantification of indoor concentration of PM2.5.

crack ventilation；PM2.5；infiltration characteristic；deposition characteristic；prediction model

X131.1

A

1000-6923(2016)07-1960-07

王亚峰(1989-),男,河北廊坊人,北京工业大学研究生,研究方向为大气污染及其对室内空气品质影响.

2015-12-08

十二五”国家科技支撑计划项目(2012BAJ02B02, 2012BAJ01B03)