西安某办公建筑春季过渡季基于Logistic开窗行为实测及模型研究

朱学跃 赵 宁 吴克麒 胡叶楠 陈源梓 长安大学建筑工程学院

1 前言

为了营造良好的室内环境，开窗通风是最常见、最有效的调节方式。然而开窗通风换气的同时也需要考虑开窗行为对能耗的影响。不合理的开窗行为，会导致室外空气带入过多的热、湿、冷量，会使办公建筑能源消耗更加严重。受围护结构、气象条件以及室内人员用能影响，导致不同建筑的能耗存在较大差异，其中人行为的复杂性和不确定性，是导致用能差异的主要影响因素[1]。

人行为具有随机性和复杂性，不能采用统一简化的方式描述人行为。因此，充分了解室内人员开窗行为特征及其影响因素，并开发人行为自适应性模型，并将模型嵌入能耗模拟软件，是缩小建筑能耗预测与实际能耗之间差距的最有效途径之一[2]。

目前用于描述人行为的模型种类繁多，根据研究目的模型大致可被划分为两种类型，一种是用于预测动态的窗户状态转换概率，另外一种是基于已有环境参数预测静态的窗户所处状态的概率。此外，用于预测窗户所处状态的静态模型包括二元逻辑回归、人工神经网络、高斯分布等，其中逻辑回归模型是目前用于预测开窗状态最为广泛的模型。

对于二元逻辑回归模型，已有研究成果中对自变量通常采用连续变量的形式进行建模预测开窗行为，每个自变量对应一个回归系数和优势比解释其对窗户开启可能性的影响程度。例如室外相对湿度以连续性变量带入模型后所得结果优势比为2.5，可解释为：当其他变量保持不变，相对湿度每增加1%窗户处于开启状态可能性是其他变量的2.5倍。本文基于二元逻辑回归模型进行模型研究。

2 研究方法

2.1 建筑概况

本研究测试时间为春季过渡季（2020年3月16日—2020年6月15日）。实测地点选取西安市某研究院综合办公楼为研究对象，该办公楼地上共23层，坐北朝南，其北面无建筑物遮挡，南邻与其相同高度的建筑物。本文选取9间楼层、面积、朝向、办公性质不同的房间作为实测地点，具体房间信息见表1，其中包括房间所处楼层、面积、窗户朝向及类型、门窗数量。该综合办公楼室内人员在过渡季通常采用开窗的方式进行自然通风换气调节室内环境来满足人员舒适度。

表1 监测房间信息汇总

2.2 测试仪器

室内测试设备包括室内环境检测仪（温度、相对湿度、PM2.5浓度、CO2浓度以及TVOC浓度）、米家门窗传感器、米家多功能网关；室外气象参数测试设备是安装在该办公楼天台空旷处的小型气象站，其可以获取室外参数包括温度、相对湿度、太阳辐射、降雨量、风速、风向等参数。此外，室外噪声参数使用手持式噪声仪器采集，室外PM2.5浓度由距离测试地点最近的空气质量曲江国控监测点所测得。设备参数明细如表2所示。

表2 设备参数明细表

实测期间将米家门窗传感器安装在窗框处，门窗传感器安装方式如图1（a）所示。该装置通过ZigBee通信技术（短距离、低速率下的无线通信技术）与米家多功能网关进行连接，可将窗户状态实时数据上传至手机APP。室内环境监测装置为了避免测量误差，应尽可能放置在房间中心位置附近并且避免阳光直射。该装置通过连接电源可全天24h对环境进行实时监测，监测时间步长为15min。HOBO U30-NR气象站被安装在该办公楼天台的空旷处，传感器的安装布局如图1（b）所示。其共有6个传感设备，分别监测室外温度、室外相对湿度、太阳辐射、降雨量、风速、风向6个气象参数，数据记录间隔时间为5min，该气象站具有自记功能，可以存储近五个月内50万个数据并通过配套软件可导出数据。手持式分贝仪在各楼层窗户外进行监测发现室外平均噪声分布在50dB～60dB，并且由于在监测期很少出现降雨天气且降雨量较低，因此本文对室外噪声以及降雨量不做分析。

图2 部分测试装置

3 模型建立

开窗行为问题是典型的二分类问题，其中因变量为窗户状态（开窗或关窗），自变量为环境因素（室内外温湿度、室内外PM2.5浓度、室内TVOC和CO2浓度等）。目前国内外在开窗行为研究中最普遍的模型算法为二元Logistic回归，对于环境因素这些连续自变量，每变化一个单位水平的自变量所引起的开窗行为因变量变化效应是在一定程度上可以表征人的开窗行为，传统逻辑回归分析结果能较准确反应自变量对因变量的影响程度。

在二元逻辑回归模型中假设因变量为y，影响y的n个自变量为x1，x2，x3，…，xn，P表示事件发生的概率。P值以0.5为分类标准值，当P＞0.5时y取值为“1”代表窗户为开启状态，反之取值为“0”代表窗户为关闭状态。二元逻辑回归方程如公式（1）所示：

式中：β0为常数；βi为回归系数；xi为自变量。

模型检验结果：

对于二元逻辑回归模型的评价指标常见的有Nagelkerke R2拟合度检验、受试者工作特性曲线下面积（Area Under the Curve,AUC）以及预测准确率。Nagelkerke R2拟合度检验值在0～1之间，越接近于1模型拟合度越高。AUC值同样越接近于1，模型的判别区分能力越强。当AUC=0.5时模型无预测价值；处于0.5～0.7之间时模型区分能力较低；处于0.7～0.9时模型区分能力中等；大于0.9时模型区分能力较高。模型检验结果如表3所示。

表3 模型评价指标

4 结束语

本文以寒冷地区西安市某研究院综合办公楼为研究对象，通过对春季过渡季（2020年3月16日—2020年6月15日）室内人员开窗行为和环境参数进行测试，建立了过渡季开窗行为Logistic模型，结论如下。

（1）除室外风向外，室内外温度、室内外相对湿度、室内外PM2.5浓度、室内TVOC浓度、室内CO2浓度、太阳辐射和室外风速均对室内人员开窗行为有显著影响。

（2）室外温度、室外相对湿度和室内PM2.5浓度均与窗户处于开启状态的可能性呈正相关。室内相对湿度、室内CO2浓度、室内TVOC浓度、室外PM2.5浓度以及室外风速与窗户处于开启状态的概率成负相关。窗户处于开启状态的可能性随室内温度和太阳辐射的升高呈先升后降的趋势，分别在24℃～26℃和250W/m2～450W/m2范围时窗户处于开启状态的可能性最高。