您的浏览器不支持JavaScript,请开启后继续

E星体育


China Heating,Ventilation and Air Conditioning
 联系热线:010-64693287 / 010-64693285

不同气候下既有住区改造对建筑周围微气候和空调负荷的影响

  • 作者:
  • 中国暖通空调网
  • 发布时间:
  • 2022-01-10

E星体育

E星体育

上海交通大学设计学院  邱洛,张会波
北京工业大学 张伟荣,李瑞旭

       【摘  要】城市既有住区改造涉及建筑单体、整体环境和能源系统等方面,这些改造策略常常会影响住区微气候,进而影响建筑能耗。本文选取了常见的改造策略,包括地面绿化、地面铺装、墙面及屋面材料。基于北京市、上海市和广州市的既有住区调研,确定了住区的典型模型。利用微气候软件ENVI-met模拟了不同策略下的住区微气候,并将模拟结果耦合至能耗模拟软件Designbuilder,研究不同改造策略对夏季典型气象日建筑制冷负荷的影响。结果发现,地面绿化对建筑周围的微气候影响最为明显,其次为屋面材料和地面铺装,墙面材料最弱;但是对于建筑空调负荷,墙面材料有着最为明显的影响,地面绿化和屋面材料次之,地面铺装最弱。对比北京、上海和广州,相同的策略对空调负荷的影响在北京更明显。对于北京典型气象日空调总负荷,各策略分别可降低3.3%、2.0%、11.3%,2.9%;在上海分别为1.8%、0.3%、5.6%、1.8%;在广州分别为2.0%、0.3%、5.3%、0.4%。

       【关键词】既有住区改造;微气候;建筑负荷;不同气候

       【基金项目】国家自然科学基金面上项目(51778358)

Abstract: The retrofit of urban existing residential districts involves building envelope, outdoor environment and energy systems. Some retrofit strategies may affect the microclimate of residential areas, which in turn affect the energy consumption of buildings. We selected common retrofit strategies, including greening rate, ground pavement materials, wall and roof materials. Based on the survey of existing residential districts in Beijing and Shanghai, a typical residential district model was determined. The microclimate software ENVI-met was used to simulate the microclimate of the residential district under different strategies, and the simulation results were coupled to the energy consumption simulation software Designbuilder to study the impact of different retrofit strategies on the building cooling load on typical weather day in summer. The results show that greening rate has the most obvious impact on the microclimate around the building, followed by roof material and ground pavement, with wall material’s the weakest; but for the building air-conditioning load, wall material has the most obvious impact, followed by greening rate and roof material, with ground paving’s the weakest. Comparing the three cities, the impact of the same strategy on building air-conditioning load is more obvious in Beijing. For typical meteorological day in Beijing, the total air-conditioning load can be reduced by 3.3%, 2.0%, 11.3%, and 2.9%, respectively; for Shanghai, they were 1.8%, 0.3%, 5.6%, and 1.8%; for Guangzhou, they were 2.0%, 0.3%, 5.3%, and 0.4%.
Key words: Retrofit of existing residential districts; Microclimate; Building load; Different climates

0 引言

       城市既有住区存量巨大,在北京、上海、广州等城市,众多老旧小区更是面临着亟待解决设施老化和环境品质低下问题。和从“十一五”到“十三五”期间,各城市在不断地开展形式多样的既有住区建筑改造实践。在既有住区更新改造的过程中,除房屋本体的周期性修缮改造外,结合实施小区的整体性、可持续性的专项改造的重要性也日渐突显。总体而言,现有的既有住区改造包含建筑单体、整体环境和能源系统等多个方面。

       针对不同方面的改造策略常常会对住区的微气候产生影响。根据董丽等[1]的研究,住区室外环境中的道路、绿化布局、水体等对住区的室外热环境有明显的影响。 洪波等[2]分析了住区典型布局模式下不同道路格局和宅间绿地对室外热环境的影响,陆婉明等[3]采用CFD 数值模拟研究水体对居住区微气候的影响。张伟通过提取居住区典型绿地形态和绿地量化指标,以ENVI-met为模拟平台建立模型,对不同绿地布局下的微气候进行了评价和比较[4]。除了室外环境,建筑表面材料也会对住区微气候产生影响。Gromke等[5]研究了墙面材料、墙体绿化及屋面绿化等对人行空间热环境的影响,Ian McRae等[6]研究了提升屋面材料反射率和采用屋面绿化对人行空间在夏季的降温效果。

       以上研究主要关注人行空间的热环境和热舒适,微气候的变化一样会对住宅能耗产生影响[7],也有一些学者研究了住区中的绿化布局对建筑能耗的影响[8,9]。但是,针对密度高、热工性能差的老旧住宅,不同因素导致的微气候变化对其能耗影响的相关研究还较少。

       于是本文选取北京、上海和广州的老旧小区,提取了其典型模型。利用三维微气候模拟工具ENVI-met[10]对其7月份的典型气象日进行微气候模拟,探究不同气候条件下地面绿化、地面铺装、墙面及屋面材料对住区微气候的影响。最终将微气候模拟结果耦合至建筑能耗模拟软件Designbuilder,从而明确不同气候条件下住区改造策略对住区建筑制冷负荷的影响。

1 实测与验证

       图1分别展示了实测现场照片和ENVI-met虚拟模型的平面。实测于2017年8月13日上午9点至下午5点在上海交通大学徐汇校区进行。交大徐汇校区地处上海市中心,距离徐汇区气象站(提供边界条件)直线距离约800米。实测点位于柏油路的中央,周围东侧为一栋80米高的大楼,西侧和南侧为10米高的多层建建筑,道路侧有草地和灌木。


图1 实测现场照片和ENVI-met模型的平面

       为了评估ENVI-met对夏季模拟的准确性,将模拟所得的人行高度气温和相对湿度与实测值对比,同时也进行了实测值与气象站数据的对比。并分别计算了模拟与实测、气象站数据与实测之间的均方根误差(RMSE)。

       图2分别展示了实测、模拟结果和徐家汇气象站记录的气温和相对湿度的对比。对于气温,模拟值与实测值一直吻合较好,最大差异发生在14:00,相差0.22℃,而此时实测值与气象站所测数据相差0.62℃。模拟与实测之间的均方根误差(RMSEM-S)为0.16,小于气象站数据与实测之间的均方根误差(RMSEM-W)的三分之一。对于相对湿度,模拟值与实测值存在一定差异,但是最大差异也不足4%,对于相对湿度的模拟差异是可以接受的,发生在15:00。与气温类似,模拟与实测之间的均方根误差(RMSEM-S)为2.81%,远小于气象站数据与实测之间的均方根误差(RMSEM-W),为11.85%。这些结果表明,ENVI-met对上海地区夏季的模拟较为准确,也从一个侧面说明以微气候数据作为建筑能耗模拟边界条件的重要性。


图2 实测、模拟结果和徐家汇气象站记录的逐时值对比

2 方法

       本文研究思路如图3所示,首先根据北京市、上海市和广州市2020年老旧小区改造名单,各随机选择100个小区,统计其相关信息,包括布局、朝向、楼栋数、建筑尺寸、楼间距、层高、层数、窗墙比等,最终生成如图5中红色虚线内的住区典型模型。设置为行列式布局,正南北朝向,东西三列,南北四排。单栋建筑东西48m,南北12m,南北间距20m,东西间距12m,层高3m,层数6层,南侧窗墙比32%,其余为17%。同时,综合考虑模拟准确性与模拟耗时,进行了一系列预模拟,最终确定将小区向外扩出与小区布局相同的一圈建筑,最外侧建筑距离边界40m,整体模型如图4所示。


图3 研究框架

图4 ENVI-met三维模型

       其次,以中国标准气象数据(CSWD)[11] 作为初始天气数据,参考典型气象年[12]的生成方法生成北京、上海、广州7月份典型气象日,限于篇幅,具体方法不展开阐述。确定的典型气象日:上海7月19日,北京7月22日,广州7月1日,当日的初始天气情况如图5-图7所示。上海广州气温较高,广州相对湿度最高,北京太阳辐射最强,上海风速最高。使用其数据作为ENVI-met的输入条件,模拟不同改造策略下住区微气候的变化,并重点关注建筑周围平均气温和相对湿度。由于改变住区布局和增设水体难度较大,本文考虑四种常见策略——绿地率(简称G),采用不同反射率的地面铺装(简称P),采用不同反射率的墙体材料(简称W)以及不同反射率的屋面材料(简称R),参考《民用建筑热工设计规范》提供的常用材料太阳辐射反射系数,设置具体参数如表1所示(绿地率中乔木与草地面积1:1)。

       然后,将ENVI-met模拟结果中建筑周围逐时平均气温、相对湿度和平均风速输出,替换原天气文件中的数据。再将修改典型气象日后的天气文件作为能耗模拟软件Designbuilder的输入条件,模拟不同改造策略下的建筑当日制冷负荷的变化。能耗模拟的模型尺寸信息与ENVI-met中建筑的信息相同,并且两者采用同意目标建筑。模拟中,北京、上海、广州三地渗透换气率分别设置为0.7/h、1.1/h、1.5/h;各城市外墙构造具体信息如表2所示。


图5 上海市7月19日

图6 北京市7月22日

图7 广州市7月1日

3 模拟结果

       由于本文所考虑的策略仅对建筑周围的气温和相对湿度有较为明显的影响,故以这两种因素作为分析的主要对象。此外,选取图5中长方形标识建筑为目标建筑。

       3.1 建筑周围微气候

       (1)上海地区

       图8展示了提高绿地率对建筑周围平均气温和相对湿度的逐时影响。与G1工况相比,提高绿地率至G2、G3工况,建筑周围的建筑周围的平均气温在全天都降低了,相对湿度都提高了。并且,G3对比G1的对气温的影响几乎是G2对比G1的两倍,这也意味着,在一定绿地率变化范围内,建筑周围气温的变化与绿地率的变化接近呈线性正相关关系。绿化对气温产生的影响在温度较高、辐射较强的中午前后更为明显, G3工况对比G1的降温效果在中午前后超过了0.3℃,相对湿度最大变化了3.5%。但是,我们注意到,绿化对微气候产生的影响一直在波动。这是因为绿化主要通过植物的蒸腾作用影响微气候,而蒸腾作用受到很多因素的影响——除了植物本身的生物特点外,还受到环境中的光照、温度、相对湿度、风速和二氧化碳浓度等的影响。


图8 对比G1,G2、G3工况下建筑周围平均

       图9展示了提高地面铺装反射率对建筑周围平均气温和相对湿度的逐时影响。铺装反射率越高,建筑周围气温越低,相对湿度越高。明显地,太阳辐射越强的时候,铺地反射率对微气候产生的影响也越大——微气候变化的峰值发生在13:00和16:00,对应着太阳辐射的峰值。此时,对比P3与P1工况,气温最大的变化幅度接近0.2℃,相对湿度最大的变化幅度接近1%。


图9 对比P1工况,P2、P3工况下建筑周围平均

       图10展示了提高墙面材料反射率对建筑周围平均气温和相对湿度的逐时影响。提升墙面材料的反射率,可以微弱地降低建筑周围的气温,但最大影响不超过0.06℃,对相对湿度也有微弱的提升,最大影响不超过0.3%。这是因为,既有住区的建筑密度较高,提高了建筑表面的反射率,被反射的辐射多数依旧作用于建筑周围的下垫面和邻近建筑,能量依旧被住区内的其他物体吸收,所以建筑周围的平均气温并没有明显的下降。而该策略几乎未带来空气含湿量的改变,故而对相对湿度的影响也甚微。


图10 对比W1工况,W2、W3工况下建筑周围平均

图11 对比R1工况,R2、R3、R4工况下建筑周围平均

       图11展示了提高屋面材料反射率和采用屋面绿化对建筑周围平均气温和相对湿度的逐时影响。将R2、R3与R1工况对比,可以看到提升屋面的反射率,也可以在一定程度上降低建筑周围的平均温度,提高相对湿度。与改变地面铺装类似,提高屋面材料的反射率时,微气候的变化与太阳辐射明显正相关。对于R4工况中采用屋面绿化时,其对微气候的影响远远超过了提高屋面材料的反射率。在全天的对气温的影响都超过了0.1℃,对相对湿度的影响在多数时刻也超过了1%。

       对于四种单因素下的策略,微气候变化最明显的工况分别发生在G3与G1、P3与P1、W3与W1、R4与R1之间。在图12中,我们横向对比了这些微气候变化全天的平均值和空调工作时间20:00至次日9:00的平均值,发现绿地率对微气候的影响最为明显,建筑周围气温在全天平均降低0.26℃,空调时段降低0.23℃,相对湿度全天提高1.8%,空调时段提高1.59%,其次是屋面,再次是地面铺装,最后是墙面材料。此外,对于每一种因素,全天对微气候的影响总是强于空调使用时段,这是因为住宅的使用时间主要在夜间和早上,如果以办公建筑为研究对象,则会相反。


图12 四种单因素策略所产生的建筑周围微气候的最大平均差异,包括日均值和空调工作时间均值

       从上文的分析中我们可以看到,提高建筑墙面的反射率时建筑周围气温的变化较为微弱。而建筑屋面的面积不足墙面的1/3,却在反射率变化幅度接近时,对建筑周围气温的影响为墙面工况的1.5倍。这是因为屋面将多数辐射直接反射回天空,这与建筑墙面将更多的辐射反射到住区内其他部分是不同的。进而,我们分析了调整不同对象反射率对建筑周围气温的影响与水平太阳辐射之间的相关性,如图13所示。明显地,地面反射率产生的影响与水平太阳总辐射的相关性最高,R²为0.81,其次为屋面材料反射率,由于墙面为竖直面,故与水平太阳总辐射相关性很低。事实上,对北京和广州的数据进行分析后,得到的结论与上海相似。


图13 不同反射率相关策略产生的气温差与水平太阳辐射的相关性

       (2)北京地区

       图14-图17分别展示了所选改造策略对建筑周围平均气温和相对湿度在北京地区的逐时影响。


图14 对比G1,G2、G3工况建筑周围平均

图15 对比P1,P2、P3工况下建筑周围平均

图16 对比W1,W2、W3工况下建筑周围平均

       绿地率产生的影响变化趋势明显——白天升高,夜晚降低,原因是北京典型气象日下气温和太阳辐射变化更为稳定,绿化的蒸腾作用也就相对稳定;在下午气温最高的时刻,绿地率的最大降温达到了0.8℃,同时也提升相对湿度接近6%。地面铺装反射率对微气候的影响与太阳辐射的变化紧密相关,在太阳辐射最强的16点,最多可降温0.54℃。墙面材料反射率对建筑周围微气候的影响依旧较小,对气温的最大影响只有0.13℃。


图17 对比R1工况,R2、R3、R4工况下建筑周围平均

       对于屋面材料因素,尽管屋面绿化在北京典型气象日下对气温的影响在数值上与上海相近,但是屋面材料反射率对气温的影响较上海有所提升,故屋面绿化对气温并未表现出明显优势,而对于相对湿度的影响,屋面绿化依旧显著。


图18 四种单因素策略所产生的建筑周围微气候的最大平均差异,包括日均值和空调工作时间均值

       对于四种单因素下的策略,微气候变化最明显的工况分别依旧发生在G3与G1、P3与P1、W3与W1、R4与R1之间。在图18中,我们横向对比了这些微气候变化全天的平均值和空调工作时间20:00至次日9:00的平均值,发现绿地率对微气候的影响最为明显,建筑周围气温在全天平均降低0.41℃,空调时段降低0.29℃,相对湿度全天提高2.94%,空调时段提高2.06%。其次是地面铺装,再次是屋面材料,最后是墙面材料。由于屋面绿化对空气的加湿作用,屋面对相对湿度的影响较铺装和墙面材料更为明显。

 ;      与上海地区对比,北京地区多种因素下的策略产生的微气候的影响都更为显著。提高绿地率带来的气温变化超过了上海地区的1.5倍,地面铺装和墙面反射率产生的气温变化更是达到上海地区的3倍。其原因是初始天气情况下,北京的太阳辐射强,植物的蒸腾作用和反射的太阳辐射更多,且北京风速较上海小,散热更慢,故各种策略对微气候的作用效果更显著。尽管这只是典型气象日的单日表现,但典型气象日本身就代表了两地夏季的气候情况。

       (3)广州地区

图19-图22分别展示了所选改造策略对建筑周围平均气温和相对湿度在广州地区的逐时影响。


图19 对比G1,G2、G3工况建筑周围平均 

       绿地率对气温产生的影响在下午更为明显,最多降温0.45℃,提升相对湿度最高达3%;在下午以外的时间段,绿地率产生的影响变化幅度不大。与前两个城市类似,地面铺装反射率对气温的影响随着太阳辐射的增强而提高,在下午13:00,对气温的最大影响超过了0.2℃。墙面材料反射率产生的影响依旧很微弱,对气温的影响最多不超过0.05℃,相对湿度的最大变化也只有0.25%。


图20 对比P1,P2、P3工况下建筑周围平均

图21 对比W1,W2、W3工况下建筑周围平均

       对于屋面材料因素,当调整屋面材料反射率时,建筑周围微气候的变化与太阳辐射的变化明显相关,在下午13:00,对气温的最大影响接近0.1℃。对于R4工况中采用屋面绿化时,其对微气候的影响在一天内有明显的波动,但是其对微气候的影响程度还是明显高于提高屋面材料的反射率。


图22 对比R1工况,R2、R3、R4工况下建筑周围平均

       对于四种单因素下的策略,微气候变化最明显的工况分别依旧发生在G3与G1、P3与P1、W3与W1、R4与R1之间。在图23中,我们依旧横向对比与前两个地区相同时段的平均值。绿地率仍是对微气候影响最为明显的因素,建筑周围气温在全天平均降低0.26℃,空调时段降低0.23℃,相对湿度全天提高1.84%,空调时段提高1.56%。其次是屋面材料,再次是地面铺装,最后是墙面材料,各因素之间的相对关系与上海地区完全一致。


图23 四种单因素策略所产生的建筑周围微气候的最大平均差异,包括日均值和空调工作时间均值

       从平均值来看,广州地区多种因素下策略对微气候的影响与上海地区相近,两地也都弱于北京地区,其原因还是北京太阳辐射较强、风速较低。

       3.2 建筑空调负荷

       为进行横向对比,我们选取了G2P2W2R2工况作为参照。图24展示了该工况下各城市典型气象日空调负荷,对于显热负荷,上海地区最高、北京地区最低,与气温有着紧密关联;对于潜热负荷,广州地区最高,且为最低的北京地区的两倍,还是由于广州的相对湿度很高;总负荷而言,上海和广州地区较为接近,都约为北京地区的1.5倍。


图24 G2P2W2R2工况下各城市典型气象日空调负荷
表3-5 

       表3-表5分别展示了各策略下上海、北京和广州的显热负荷的变化。在所有策略下,显热负荷均降低。其中提高墙面材料反射率对显热负荷影响最为明显,在北京甚至最高降低了15%。尽管该策略对建筑周围微气候影响微弱,但是其显著影响了建筑外墙得热,且既有住区外墙热工性能差,更多的热量传递到了室内。其次是提高绿地率和采用屋面绿化,由绿化明显降低了建筑周围的平均气温,最终也可导致显热负荷降低3%-5.5%.再次是调整屋面材料反射率,影响最微弱的是地面铺装材料反射率。

       表6-表8分别展示了各策略下三个城市的潜热负荷的变化。当提高绿地率和采用屋面绿化时,各地的潜热负荷均有所增加,尤其是在广州采用屋面绿化时,潜热负荷提升达2.2%。当提高地面铺装、墙面、屋面材料反射率时,各城市的潜热负荷均有所下降,且墙面反射率的影响最为明显,可降低潜热负荷0.8%-3.5%。


 

       ;表9-表11分别展示了各策略下三个城市建筑空调总负荷的变化。在所有策略下,总负荷均降低。提升墙面材料反射率对降低既有住区夏季空调总负荷的效果远远超出其他策略,在三地分别可最多降低总负荷的5.6%、11.3%、5.3%。地面铺装反射率对的影响最为微弱,在上海和广州甚至不足0.5%。由于广州地区潜热负荷比例较大,潜热负荷的提升与显热负荷的降低相抵消,故在广州采用屋面绿化时,对总负荷的影响较小。

       总体而言,在北京应用各种策略时,其对夏季空调负荷的影响程度都超过其在上海和广州的影响,多数策略带来负荷的相对变化都超过了另外两地的两倍。其原因也是北京有着更高的太阳辐射和更低的风速,不同策略产生的微气候变化更容易表现,进而导致空调负荷的变化。

4 结语

       对于既有住区改造中的常见策略,绿地率的调整对建筑周围的微气候有着最显著的影响,在北京、上海、广州三地,分别最多可平均降低气温0.41℃、0.26℃和0.26℃,地面铺装反射率和屋面材料次之。由于既有住区密度较高,墙面材料对建筑周围微气候的影响最为微弱。当调整不同对象的反射率时,地面铺装反射率和屋面铺装反射率对微气候的影响与水平太阳辐射强度紧密相关;提高绿地率或是采用屋面绿化时,建筑周围的相对湿度会明显提升。

       但是,不同反射率的墙面材料对建筑空调负荷的影响却是最强的,在模拟中,外墙反射率的提高在北京最多可以降低11.3%的空调负荷,在上海和广州分别可以降低5.6%和5.3%。同样也是由于既有住区本身围护结构热工性能差,更多的热量可以通过外墙进入室内。由于绿地率对微气候的影响较强,其对建筑空调负荷也有着较为明显的影响,在三地分别最多可以降低总负荷的3.3%、1.8%和2.0%。地面铺装的反射率对既有住区建筑负荷的影响最为微弱。所以,在既有住区改造的过程中,应尽可能选用反射率较高的墙面材料。

       ;对比北京、上海和广州三地,同样的策略在北京对建筑空调负荷的影响都更为显著。结合三地的典型气象日天气情况,对于辐射较强、风速较小的地区,综合考虑改造策略对建筑空调负荷的影响就更为重要。

       此外,我们还观察到,无论是提高绿地率,还是在屋面设置绿化,都会在一定程度上增加建筑的潜热负荷。如果在湿度更高的气候下,潜热负荷的增加甚至可能会超过显热负荷的降低,导致空调总负荷的增加。所以,对于不同的气候条件需要进行具体的模拟。

参考文献

       [1] 董丽,张宝祥,范悦.CFD技术在住区环境更新中应用的研究初探[J].建筑与文化.2018,(08):53-54.
       [2] 洪波, 屈永建.住区典型宅间绿地布局模式对室外热环境的影响研究[J]. 动感(生态城市与绿色建筑).2014,(03):92-97.
       [3] 陆婉明, 汪新, 周浩超.数值模拟水体对居住小区局地气候调节作用[J]. 建筑科学.2015,31(08):101-107.
       [4] 张伟,郜志. 居住小区绿地布局对微气候影响的模拟研究[D]. 南京大学硕士论文, 2015:43-61.
       [5] Blocken B, et al,Building Performance Simulation for Design and Operation[M]. London:Spon Press, 2019: 66-74.
       [6] McRae I, Freedman F, Rivera A, et al. Integration of the WUDAPT, WRF, and ENVI-met models to simulate extreme daytime temperature mitigation strategies in San Jose, California[J]. Building and Environment. 2020, 184: 107180.
       [7] 杨小山, 赵立华. 城市微气候对建筑能耗影响的研究方法综述[J]. 建筑科学.2015,31(12):1-7.
       [8] 陈卓伦,孟庆林. 绿化体系对湿热地区建筑组团室外热环境影响研究[D].广州: 华南理工大学博士论文, 2010:170-178.
       [9] 续成平,刘吉营.树木对小区热环境及建筑能耗影响的模拟分析[D]. 山东建筑大学硕士论文, 2020:64-72.
       [10] ENVI-met, New Features Winter-Release 2018/2019 in: http://www.envi-met.com/brochures/ (accessed on July 25, 2019).
       [11] 热环境分析专用气象数据集「M] .北京:中国工业出版社,2005:附录光盘.
       [12] Hall I J, Prairie R, Anderson H E, et al.Generation of typical meteorological years for 26 somet stations[J].ASHRAE Transactions. 1979,85(2): 507-517.

       备注:本文收录于《建筑环境与能源》2021年4月刊 总第42期(第二十届全国暖通空调模拟学术年会论文集)。版权归论文作者所有,任何形式转载请联系作者。