大数据监测平台下的长江流域典型城市房间空调器温度设置分析

刘猛 晏璐 李金波 徐振坤 杜顺开

摘 要：房间空调器是中国长江流域地区改善室内热环境的重要措施，然而，在以往的房间空调器的行为研究中，只能通过现场实测、问卷调查等方式获取其使用行为，由于数据获取方式本身所存在的局限性，无法对空调的使用行为进行可靠且深入的挖掘，尤其是对于空调的设置温度。为了研究长江流域地区房间空调器的设置温度行为，包括设置温度的分布、设置温度调节习惯、设置温度与一天中不同时间段的关系、设置温度与室外温度的关系，依托于大数据平台下的房间空调器监测数据，针对长江流域地区的3个典型城市（重庆、武汉、上海）的房间空调器的设置温度习惯，对重庆地区575台房间空调器、武汉地区430台房间空调器、上海地区540台空调器的夏季上万次运行数据、冬季上千次运行数据进行了基本的统计与相关分析，结果表明：空调器的设置温度及其调节习惯在不同城市之间存在一定差异性，夏季用户在一次空调使用过程中存在对较低设置温度（低于26 ℃）的短时需求情景，同时，设置温度与1 d中的不同时刻以及室外温度也有明显关联。

关键词：长江流域;空调器;大数据;设置温度;室内热环境

中图分类号： TU831   文献标志码：A   文章编号：2096-6717（2019）05-0164-09

Abstract：Room air conditioner （RAC） is the important facilitly to improve the indoor thermal environment in the Yangtze River Basin in China. However， the current study couldnt get an in-depth stady of the set temperature behavior of the RAC due to the limitation of the data acquisition method. In order to get the set temperature behavior of the RAC in the Yangtze River Basin， the distribution of the set temperature， the adjustment behavior of the set temperature， the relationship between the set temperature and the time of a day and the relationship between the set temperature and outdoor air temperature were statistically analyzed based on the big monitoring data platform. After the data processing， tens of thousands of times of RAC running data in summer and in winter from a total of 575 room air conditioners in Chongqing， a total of 430 room air conditioners in Wuhan， a total of 540 room air conditioners in Shanghai was obtained， which was aimed at three typical cities in the Yangtze River Basin. The results show that there are some differences between the set temperature behavior and its adjustment behavior in three typical cities. Besides， the short time requirement of the lower set temperature （below 26 ℃） exists in once running period in summer and the set temperature is also related with the time of a day and the outdoor air temperature.

Keywords：Yangtze River Basin; air conditioner; big data; set temperature; indoor thermal environment

長江流域地处夏热冬冷地区，夏季炎热，冬季阴冷，室内热环境恶劣。房间空调器是改善室内热环境的重要措施，根据中国统计局的统计年鉴数据，截止到2017年[1]，中国长江流域地区城镇居民每户空调拥有量均已高于1台，其中，上海、浙江、江苏、重庆已超过2台或接近2台，所以，迫切需要对房间空调器的使用进行深入研究。

此前，针对住宅房间空调器的使用已经存在一定的研究，首先，有众多学者采用抄表拆分法、实测记录法等方法对中国各地住宅房间空调器的能耗情况做了大量调查分析[2-5]，得到了住宅分体式房间空调器的平均能耗水平低，但住户间能耗差异大，住户的空调行为对空调器能耗水平存在较大影响等主要结论。另外，在用户的空调行为方面，主要有以下三方面的研究：从环境因素出发，采用现场实测、问卷调查等方法对室内外环境对空调开启与关闭行为的影响进行分析[6-10];从房间空调器的运行作息出发，采用现场实测，对空调器的开启、关闭与运行时间进行分析[3，11-12];通过问卷调查或现场实测的方式对房间空调器的设置温度习惯进行分析[13-15]。上述研究总结如表1所示。

2）冬季 将冬季空调单次运行过程中最高设置温度Ts，max分别在17～30 ℃时，该次运行的设置温度的倾向值的分布表现在图5中，可以发现：在冬季，無论Ts，max如何，用户在这次运行过程中，使用时间最长的设定温度Ts，q就是Ts，max，这与前面空调用户在冬季的调节需求较弱的结论相一致，说明大多数用户在冬季某次空调运行过程中设定了一个温度值之后就不会再去改变设定温度。

4 设置温度与不同时间段的关系

分别统计每天24 h之中设置温度高于26 ℃与低于26 ℃的占比，以便分析用户的设定温度习惯与不同时间段的关系。（注：下图中所涉及到的时刻i为一天中的24 h，即0～23，其中0时刻指[0：00，1：00）之间的时间段，1时刻指[1：00，2：00）之间的时间段，……，依次类推，i时刻指[i：00，（i+1：00）之间的时间段）

1）夏季 由图6和图7可知，在每天的0：00—6：00点，设置温度高于26 ℃的占比明显高于其余时间段，其中，上海在0：00—6：00点设置温度高于26 ℃的占比比重庆和武汉高出5%左右;在每天的11：00—13：00点与17：00—21：00点，设置温度低于26 ℃的占比明显高于其余时间段，其中，武汉在每个时刻设置温度低于26 ℃的占比都比重庆和上海低5%～20%，重庆几乎在所有时刻设置温度低于26 ℃的占比都高于其余两个城市，尤其在12：00和20：00点差异最为明显，另外，在17：00—21：00这一时间段，每个城市的设置温度低于26 ℃的集中时间段有所差异，其中，上海的集中时间段最早，位于17：00—20：00，重庆和武汉的略晚一个小时，位于18：00—21：00。

上述结果可以表明，在夏季，用户对室内温度的需求与一天中的不同时刻有关，分析出现这种情况的原因，可能与用户在这些时间段所处的特殊活动状态或动作有关：用户在一天之中所需求的设定温度最低的时间段是恰好是位于中午吃饭时刻和晚上太阳落山时刻（吃饭），中午11：00—13：00，用户可能刚回到家、准备吃午饭或正在做午饭等，傍晚17：00—21：00，用户可能下班刚回到家、准备吃晚饭或正在做晚饭、刚散步回到家等，即人们在这两个时刻普遍处于不稳定的状态（瞬态热环境），这些状态下，用户的需求其实相对来说是一个瞬态且暂时性的需求，由于各种原因用户在短时间内希望获得更低的室内温度帮助他们过渡这个瞬态，比如用户刚回到家、吃饭、或做饭导致在瞬态的产热量偏大、希望获得更低的环境温度，过了这几个时刻后，对设定温度的需求又会恢复平常水平，可以理解为用户短时间的瞬态需求被满足了，然后过渡到了稳定的热环境需求之中。在以往的研究中，很少有研究者关注到设置温度与不同时刻的关系，在住宅的空调能耗模拟中，也很少有学者针对设置温度的时间表深入挖掘，然而，设置温度是影响空调能耗的关键参数，可以对空调能耗模拟中设置温度的输入时间表做出重要参考。

2）冬季 同理，从图8和图9中可以发现，冬季24 h设置温度的需求差异不大，图形的变化幅度明显比夏季平缓了许多，可以认为冬季24小时内的设置温度需求并无明显差异。该结果也从侧面印证了人员在冬季使用空调时，对室内热环境的需求较稳定，调节行为较弱。

5 设置温度与室外温度的关系

为了获取设置温度随室外温度的变化趋势，分别将夏季与冬季研究周期内每一天所有空调器设置温度平均值与室外温度平均值的散点关系图绘制在上图10与图11中，其中，室外温度采用的是来源于气象网站的日平均室外温度。由图可知，在夏季，上海地区表现出的特征明显区别于重庆和武汉：对于上海，当室外温度上升到31 ℃的过程中，设置温度有随室外温度上升而升高的趋势，当室外温度大于31 ℃时，设置温度的平均值在26～26.5 ℃的范围趋于稳定;对于重庆和武汉，随着室外温度的升高，设置温度有降低的趋势。在冬季，随着室外温度的变化，设置温度没有表现出特定的变化趋势，设置温度始终处于比较稳定的范围内。

6 讨论

基于大数据监测平台下的监测数据对处于中国夏热冬冷地区与长江流域地区的3个典型城市的房间空调器进行了分析，与以前文献研究不同的是：

1）前期针对房间空调器的调查研究之中，数据量都非常有限，大多数研究都仅仅针对几户或几十户，并且研究对象多来自单一的城市，没有针对不同城市的空调使用习惯进行对比分析。对于中国的研究，大多数研究都是针对的北京，针对我国长江流域地区，即夏热冬冷地区的空调使用习惯研究明显不足。而本研究中，选取了长江上游、中游、下游3个典型城市总共约1 500台空调器进行了分析，相比于以前的研究，更具有普适性和参考价值。

2）以往的研究中，对空调耗电量或空调开启与关闭行为的研究明显多于对空调设置温度的研究，在以前只能通过问卷调研方式得到设置温度的情况下，只能获取用户设置温度的大致范围，无法对设置温度进行详细分析。虽然在文献[15]中，利用智能电表的手机App获取用户的设置温度参数，但该研究中的数据量有限，且该研究仅限于基本的统计分析。而本文重点分析了房间空调器设置温度的基本分布以及设置温度与一些影响因素的相关关系，这是以往的研究中所缺乏的。

7 结论

分别从设置温度的整体分布、设置温度的调节需求以及设置温度与一天不同时间段的关系、设置温度与室外温度的关系4个方面对长江流域地区3个典型城市房间空调器的设置温度情况进行了分析，得出以下主要结论：

1）虽然重庆、武汉、上海都处于长江流域地区，但3个地区的居民对空调运行时室内热环境营造的需求存在明显差异：上海在夏季比重庆和武汉偏好更高的室内设置溫度，且调温需求也明显弱于重庆和武汉，重庆在冬季比上海和武汉偏爱更高的设置温度，且调温需求也弱于上海和武汉。未来对长江流域建筑供暖空调的相关研究是否有必要对不同城市进行区分，该结论有一定参考作用。

2）夏季，在一次空调运行过程中，用户实际调控过程中存在短时间内设置较低设置温度（低于26 ℃），长时间设置26 ℃这样的设置温度调节情景。该结论可以在一定程度上支撑“使用人员在刚开启空调时偏爱设置较低的温度以使得房间冷的更快”这一在以往研究和工程应用中被广泛假设的使用模式。

3）长江流域地区的空调用户在夏季对室内热环境的需求并不是稳态的，用户在一次空调运行中或者在一天的不同时间段中，对设置温度的需求均会发生变化，主要体现在用户在夏季平均每次开启空调使用1～3个设置温度，在一天中的0：00—6：00（睡觉）设置温度最高，在一天中的中午11：00—13：00间（午饭）以及傍晚17：00—21：00间（太阳落山时刻、晚饭、散步回家等）设置温度最低，该结果也间接表明了，在某些特殊活动或动作发生的时刻，用户对室内热环境的需求也存在特殊性。该结论是以往的问卷研究中无法获取的，可以为住宅的空调能耗模拟中设置温度的设置时间表提供有效参考。

4）夏季，设置温度与室外温度存在一定的相关关系，并且上海表现出明显区别于重庆和武汉的特点：在上海，设置温度随室外温度的上升有升高的趋势，在重庆和武汉，设置温度随室外温度的上升则有下降的趋势。

参考文献：

[1] 国家统计局. 中国统计年鉴 2018 [Z]. 北京： 中国统计出版社， 2018.

National Bureau of Statistics. China statistical yearbook 2018 [Z]. Beijing： China Statistics Press， 2018.（in Chinese）

[2] 李兆坚， 江亿， 魏庆芃， 等. 北京市某住宅楼夏季空调能耗调查分析[J]. 暖通空调， 2007， 37（4）： 46-51.

LI Z J， JIANG Y， WEI Q P， et al. Survey on energy consumption of air conditioning in summer in a residential building in Beijing[J]. Heating Ventilating & Air Conditioning， 2007， 37（4）： 46-51.（in Chinese）

[3] 李兆坚， 谢德强， 江红斌， 等. 北京市住宅空调开机行为和能耗的实测研究[J]. 暖通空调， 2014， 44（2）： 15-20.

LI Z J， XIE D Q， JIANG H B， et al. Testing study on operating behavior and energy consumption of air conditioners in residential buildings in Beijing[J]. Heating Ventilating & Air Conditioning， 2014， 44（2）： 15-20.（in Chinese）

[4] 李兆坚， 王凡， 李玉良， 等. 武汉市住宅不同空调方案夏季能耗对比调查分析[J]. 暖通空调， 2013， 43（7）： 18-22.

LI Z J， WANG F， LI Y L， et al. Contrastive survey on summer energy consumption of air conditioning in urban residential buildings with different air conditioning schemes in Wuhan[J]. Heating Ventilating & Air Conditioning， 2013， 43（7）： 18-22.（in Chinese）

[5] 李兆坚， 刘建华， 田雨忠， 等. 福州市某小区住宅夏季空调能耗调查分析[J]. 暖通空调， 2014， 44（1）： 65-69.

LI Z J， LIU J H， TIAN Y Z， et al. Survey and analysis on the energy consumption of air conditioning for urban residential buildings in Fuzhou in summer [J]. Heating Ventilating & Air Conditioning， 2014， 44（1）： 65-69.（in Chinese）

[6] SCHWEIKER M， SHUKUYA M. Comparison of theoretical and statistical models of air-conditioning-unit usage behaviour in a residential setting under Japanese climatic conditions[J]. Building and Environment， 2009， 44（10）： 2137-2149.

[7] SONG Y R， SUN Y X， LUO S G， et al. Residential adaptive comfort in a humid continental climate-Tianjin China [J]. Energy and Buildings， 2018， 170： 115-121.

[8] TANIMOTO J， HAGISHIMA A. State transition probability for the Markov Model dealing with on/off cooling schedule in dwellings[J]. Energy and Buildings， 2005， 37（3）： 181-187.

[9] WU J H， LIU C P， LI H Q， et al. Residential air-conditioner usage in China and efficiency standardization[J]. Energy， 2017， 119： 1036-1046.

[10] REN X X， YAN D， WANG C. Air-conditioning usage conditional probability model for residential buildings[J]. Building and Environment， 2014， 81： 172-182.

[11] ZAKI S A， HAGISHIMA A， FUKAMI R， et al. Development of a model for generating air-conditioner operation schedules in Malaysia[J]. Building and Environment， 2017， 122： 354-362.

[12] 簡毅文， 李清瑞， 刘建， 等. 住宅空调行为状况的实测分析[J]. 暖通空调， 2013， 43（3）： 91-95.

JIAN Y W， LI Q R， LIU J， et al. Measurement and analysis of air-conditioning-usage behavior in apartments[J]. Heating Ventilating & Air Conditioning， 2013， 43（3）： 91-95.（in Chinese）

[13] AL-MUMIN A， KHATTAB O， SRIDHAR G. Occupants behavior and activity patterns influencing the energy consumption in the Kuwaiti residences [J]. Energy and Buildings， 2003， 35（6）： 549-559.

[14] LIN Z P， DENG S M. A questionnaire survey on sleeping thermal environment and bedroom air conditioning in high-rise residences in Hong Kong[J]. Energy and Buildings， 2006， 38（11）： 1302-1307.

[15] 李兆坚. 北京市住户空调温度设定行为的案例实测分析[J]. 暖通空调，2018，48（9）：1-5.

LI Z J. Case analysis of Beijing household air conditioning temperature setting behavior [J]. Heating Ventilating & Air Conditioning， 2018， 48（9）： 1-5. （in Chinese）

[16] 徐振坤， 李金波， 石文星， 等. 长江流域住宅用空调器使用状态与能耗大数据分析[J]. 暖通空调， 2018， 48（8）： 1-8，89.

XU Z K， LI J B， SHI W X， et al. Big data analysis on usage state and energy consumption of residential air conditioners in the Yangtze River basin[J]. Heating Ventilating & Air Conditioning， 2018， 48（8）： 1-8，89.（in Chinese）

（编辑 胡玲）