氣候變化對南昌地區建筑能耗的影響

〔摘 要〕以南昌地區為例，基于1987—2016年逐時氣象數據及IPCC A2排放情景，更新了新典型年，并預測了未來3個時間段下的典型氣象年數據，分析了氣候變化對建筑能耗的影響。通過對比原數據庫數據、新典型年數據及未來氣象數據，發現：月平均干球溫度持續上升，1971—2100年間增速約為0.44 ℃/10年，且冬季溫升略高于夏季；相對濕度下降，絕對濕度上升；夏季太陽輻射減弱，冬季波動較小。靜態能耗分析表明，與數據庫典型氣象年相比，未來氣候下制冷度小時數增幅顯著，采暖度小時數下降，總能耗變化趨勢不確定。動態能耗分析表明，對比數據庫典型氣象年，2080s下的總空調能耗增幅達84.43%，其中制冷能耗增量遠超供暖能耗減少量。研究表明，氣候變暖將顯著增加南昌地區建筑空調總能耗，對今后的節能設計提出了更高的要求。

〔關鍵詞〕典型氣象年；建筑能耗；氣候變化；動態能耗模擬；南昌地區；度小時法

中圖分類號：TU111.19+5;TU119" " 文獻標志碼：Ｂ " 文章編號：1004-4345（202５）0１-0052-05

Impact of Climate Change on Building Energy Consumption in Nanchang

AO Yuqiang

（China Nerin Engineering Co.， Ltd.， Nanchang， Jiangxi 330038， China）

Abstract Taking Nanchang area as an example， the paper updates new typical meteorological year and predicts the data for the next three time periods， and analyzes the impact of climate change on building energy consumption based on hourly meteorological data from 1987 to 2016 and IPCC A2 emission scenarios. By comparing the original database data， new typical year data and future meteorological data， it is found that： the monthly mean dry bulb temperature continues to rise， with a growth rate of about 0.44℃/decade from 1971 to 2100）， and the temperature rise in winter is slightly higher than that in summer; relative humidity decreases， absolute humidity increases; solar radiation decreases in summer and fluctuates less in winter. The static energy consumption analysis shows that the total energy consumption of air conditioning will increase by 84.43%， with a significant increase in cooling degree hours （23.9%） and a decrease in heating degree hours （1.9%）. Dynamic simulation shows a future increase in total air-conditioning energy consumption of per cent， with the incremental increase in cooling energy consumption far exceeding the decrease in heating energy consumption. It shows in the study that climate warming will significantly increase the total energy consumption of air conditioning in buildings in the Nanchang area， placing higher demands on energy-saving design.

Keywords" typical meteorological year; building energy consumption; climate change; dynamic energy consumption simulation; Nanchang area; degree-hour method

1" "研究現狀

在暖通空調行業，無論是科學研究還是工程設計，均需要對建筑物的冷熱能耗及熱環境進行準確計算與分析。氣候參數是影響建筑能耗的關鍵因素。隨著我國經濟和城市化進程的快速發展，各地氣候逐漸發生變化，因此基于歷史氣象數據得到的建筑能耗、設備選型和建筑方案可能已不夠準確。為了解決這一系列問題，準確評估氣候變化對建筑能耗的影響具有重要意義[1]。

聯合國政府間氣候變化專門委員會（IPCC）在第六次評估報告中指出，與1850—1900年相比，2011—2020年全球地表平均氣溫上升1.1 ℃[2]。預計到21世紀末，全球平均氣溫可能會上升3.1 ℃[3]。我國平均干球溫度近50年來也顯著上升，尤其是北方地區，溫升速率超過0.8 ℃/10年[4]。這些氣候變化最終將影響建筑的全年能耗。

ASIMAKOPOULOS D A[5]等人基于 ENSEMOS 和 PRUDENCE項目框架內不同區域氣候模型和 IPCC 3種未來氣候情景，生成 2041—2050 年和 2091—2100 年兩個時期的氣象數據，使用TRNSYS進行能耗模擬。研究結果表明，到2100年，希臘建筑行業供暖能耗可能會減少約 50%、制冷能耗可能增加248%。劉濤[6]使用氣候模擬方法獲取 2001—2050 年的氣象參數日值和月均值，以當前和2050年天氣文件為輸入條件，使用 EnergyPlus 對西安市辦公建筑進行能耗模擬。結果表明，相較于當下氣候，2050年建筑熱負荷將減少10 kWh/m2、冷負荷將增加13 kWh/m2。Peng等人[7]利用大氣環流模型進行預測，并通過統計動態降尺度方法得到2035—2044 年、2055—2064 年、2085—2094 年加州 13 個位置的逐時氣象數據。在假設未來冷卻技術保持相同水平的條件下。在 IPCC 的高碳排放情景A1F1 下，未來100年加州冷卻用電量將增加 50%；在 IPCC 的中碳排放情景 A2 下，冷卻用電量將增加約25%。

2" nbsp;研究方法

為獲取建筑的全年空調能耗，需采用能代表當地氣候環境的逐時氣象數據。為此提出的典型氣象年（Typical Meteorological Year，TMY）概念，是通過數學統計方法在長期的歷史觀測資料中先選出典型月（Typical Meteorological Month，TMM），然后由12個TMM（真實月）構成典型年。TMY模型得到的是一個虛擬氣象年，組成TMY 的每個月均反映的是代表當地氣候的典型特征而非極端氣候，是最能代表當地全年氣候的氣象數據。國際上公認的能代表一個地區氣候特征的記錄周期是30年。

目前，對于典型氣象年的產生方法，國際上廣泛運用的是Sandia國家實驗室法、Danish法和Festa-Ratto法[8]，而我國現階段采用的主要是清華大學于2005年出版的《中國建筑熱環境分析專用氣象數據集》中的挑選方法[9]。楊柳在對上述方法進行對比分析后發現，上述方法篩選出的典型氣象年與逐年模擬能耗所得的平均值基本接近[10]，且清華大學出版的數據集的數據最全面，故本文選用數據集的典型氣象年挑選方法。

對于未來氣候的預測，Becher等人提出了一種創新性的方法[11]——變形法。該方法能夠生成反映氣候變化特征的典型氣象年數據，為熱模擬提供基礎；通過對當前天氣時間序列進行位移和線性拉伸，結合歷史觀測氣象數據，預測并生成未來逐時氣象數據。目前，該方法已被廣泛應用氣候變化對建筑性能的影響研究中[12]。

本研究以南昌地區為例，選擇該地區1987—2016年30年間的逐時氣象數據生成新的典型氣象年，并利用變形法預測未來3個時間段（2011—2040、2041—2070、2071—2100）的典型氣象年數據，并分別標記為2020s、2050s、2080s。

氣候預測情景采用聯合國政府間氣候變化專門委員會（IPCC）報告中的A2排放情景。該場景描述的是一個人口和經濟不均衡發展的世界，呈現“一切照舊”的高碳排放發展模式。雖然，中國正在推進雙碳目標的實現，但從宏觀視角看，未來世界總體仍將處于中高碳排放的場景中，而其他地區的碳排放會影響到世界各地的氣候變化，因此選用A2場景作為未來氣候預測場景。

3" "結果與討論

3.1" 未來氣候變化趨勢

將《中國建筑熱環境分析專用氣象數據集》中南昌地區1971—2003年逐時數據生成的典型氣象年數據作為數據庫數據，與該地區1987—2016年30年間的逐時氣象數據生成的新典型年數據，以及預測所得的未來3個時間段的典型氣象年數據（2020s、2050s、2080s）進行對比。不同時間段典型氣象年下的氣候參數變化如圖1～圖4所示。

圖1對比了過去和當前氣候條件下生成的典型氣象年月平均干球溫度，可以看出新典型年數據中各月平均干球溫度普遍高于數據庫數據，具體表現為：制冷季（6—8月）月均干球溫度升高0.93 ℃，而供暖季（12—次年2月）月均溫度與數據庫數據持平。從全年數據看，新典型年全年平均氣溫較數據庫數據升高0.52 ℃。在未來3個時間段對應的典型氣象年數據中，干球溫度隨時間推移持續上升。縱觀5個時間段的月平均干球溫度發現，各月干球溫度也都呈遞增趨勢，且后期冬季溫升略高于夏季。統計顯示，1971—2100年的年平均干球溫度增速約為0.44 ℃/10 a。

由圖2、圖3可知，新典型年各月空氣平均相對濕度均低于原數據庫數據，而絕對濕度變化未呈現明顯規律性。未來3個時間段的數據表明，各月平均相對濕度整體呈下降趨勢，且夏季的降幅更大；絕對濕度則顯著上升，且夏季的增幅高于冬季。1971—2100年間，年平均含濕量上升幅度約為2.46 g/kg。

圖4顯示，與數據庫數據相比，新典型年數據的水平面月總輻射量總體呈下降趨勢，下降幅度約為3.6%。其中，夏季輻射得熱的下降趨勢更明顯（減少約10.2%）；冬季降幅不明顯（減少僅約0.2%）。未來氣候條件下，各時段月總輻射值差別不大：冬季輻射量小幅下降，夏季和春夏過渡季輻射量略有上升。推測其原因可能與冬季供暖污染物濃度升高導致地面接收到的太陽輻射削弱有關。值得注意的是，盡管溫室氣體排放增強了大氣對長波輻射的吸收，但室外空氣干球溫度仍在持續上升，兩者的變化趨勢具有內在一致性。

3.2" 建筑空調能耗變化趨勢

建筑能耗，即建筑在使用過程中產生的能耗，包括采暖、空調、熱水供應、炊事以及家用電器等系統能耗。其中，建筑采暖和空調能耗占比最高，可達到建筑總能耗的50%～70%[13]。因此，在建筑設計及后續節能改造方案階段，均需開展精確的能耗分析計算。目前，建筑空調能耗的計算方法主要分為簡化計算和動態能耗計算兩種。

簡化計算基于靜態傳熱理論，具有計算效率高的特點，但結果相對粗略，適合于初步把握建筑能耗的變化趨勢。而動態能耗計算顯著提高了能耗計算的準確度，但該方法依賴計算機仿真技術，不適宜手工計算。本文分析先采用簡化計算的方法，初步探討氣候變化下建筑空調能耗的變化趨勢，然后再借助動態能耗計算方法，對特定建筑在氣候變化下的空調能耗進行量化分析。

3.2.1" 建筑靜態能耗分析

目前，常用的簡化計算方法主要有度日法（degree-

day procedure）[14]、溫頻法（Bin）[15]、有效傳熱系數法（effective U-value）[16]和當量滿負荷運行法（equivalent full load hours）[17]。鑒于現有的數據僅限于氣象數據，本研究采用度日法進行靜態能耗分析。度日法是一種簡便的建筑能耗估算方法，適用于建筑用能及空調設備效率相對穩定的場景，主要用于估算冬季采暖能耗和夏季空調的制冷能耗。

采暖度日數（heating degree day，HDD）是指一年中當室外日平均溫度低于基礎室溫時，將低于基礎室溫的度數乘以1天所得乘積的累加值，其單位為℃·d；相應地，空調度日數（cooling degree day，CDD）則是一年中當室外日平均溫度高于基礎室溫時，將高于基礎室溫的度數乘以1天所得乘積的累加值。采暖度日數、空調度日數的具體計算公式如下所示：

考慮到一天中室外干球溫度的波動，度日法可能因日平均溫度未觸及室內設計溫度而忽略部分能耗。因此，度小時數相較于度日數更為精確，更符合實際環境。本研究以度小時法作為分析圍護結構傳熱量的基準，具體計算方法與度日法類似，但將每日的室外平均干球溫度替換為室外每小時的干球溫度，室內設計基準溫度保持不變。

考慮到一天中室外干球溫度存在波動，度日法可能因日平均溫度沒有低于（或高于）室內設計溫度而忽略部分能耗，因此度小時數相對于度日數會更精確，更符合實際環境。本研究以度小時法作為分析圍護結構傳熱量的基準，具體計算方法與度日法類似，只是將每日的室外平均干球溫度改成室外每小時的干球溫度，室內設計基準溫度不變。南昌地區不同時段典型氣象年下的度小時數如表1所示。

表1展示了南昌地區度小時數變化情況。對比數據庫數據和新典型年數據，采暖度小時數下降了671.1 ℃·h，降幅為1.9%；而空調度小時數上升了

1 686 ℃·h，增幅為23.9%。這表明，在環境溫度的影響下，冬季圍護結構傳熱負荷有所下降，而夏季傳熱負荷則有所增加。然而，夏天新風和室內熱源的影響會加劇制冷能耗的上升；冬季則會因室內熱源和新風的影響，部分抵消采暖能耗的增加。綜合來看，由環境溫度變化導致的空調能耗總體呈增加趨勢。對比未來氣候下的采暖度小時數和制冷度小時數發現，同樣呈現采暖度小時數下降，而制冷度小時數上升的趨勢。這些都反映了未來氣候變化對空調能耗的影響，采暖能耗大幅減少，制冷能耗大幅增加。

因為單位制冷度小時數對空調能耗的影響大于采暖度小時數，所以上述分析只能判斷未來氣候變化下，由溫度變化引起的制冷能耗會上升，供熱能耗會下降，但總的空調能耗變化趨勢還不能做出判斷。

3.2.2" 建筑動態能耗分析

為了準確量化氣候變化對建筑空調能耗的影響，還需進行動態能耗分析。本研究選擇采用EnergyPlus能耗模擬軟件，以南昌地區某辦公建筑為例，定量分析氣候變化下建筑能耗的變化規律和特點。

該建筑總建筑面積為676.22 m2，建筑高度為9 m，體形系數為0.41，共兩層。其屋頂、外墻和窗戶的導熱系數分別為0.84 W/（m2·K）、1.23 W/（㎡·K）和 盡管隨著時間的推移，典型氣象年數據對應的空調制冷能耗持續上升，制熱能耗持續下降，但總的空調能耗仍呈上漲的趨勢。這表明，氣候變暖導致南昌地區制冷能耗的增加量大于供暖能耗的減少量。

4" "結論

本文基于南昌地區1987—2016年的逐時氣象數據，并結合IPCC報告中A2排放情景下的氣象數據，對原有的典型氣象年數據進行了更新和預測，得到了新典型年數據和未來3時段（2020s、2050s、2080s）的典型氣象年數據。通過對這些數據的分析，對氣候變化下南昌地區建筑空調能耗的變化趨勢，得到以下結論：

1）與原數據庫相比，新典型年和未來時段下的典型氣象年數據顯示，南昌地區各月的環境干球溫度普遍呈上升趨勢，且冬季的溫升略大于夏季。相對濕度則隨時間遞減，而絕對濕度隨時間遞增。此外，新典型年數據下的夏季水平面月總輻射量降低較明顯，冬季波動較小。然而，在本世紀內，水平面月總輻射量的整體波動不大，冬季輻射略有下降，過渡季和夏季則略有增加。

2）通過建筑靜態能耗分析法研究圍護結構傳熱能耗發現，在新典型年數據下環境溫度變化導致的空調能耗增加。進一步分析未來氣候變化對空調能耗的影響，發現由溫度變化引起的制冷能耗會上升，供熱能耗會下降。然而，由于單位制冷度小時數對空調能耗的影響大于采暖度小時數，因此總的空調能耗變化趨勢尚無法確定。

3）通過建筑動態能耗分析，發現更新數據庫數據后得到的新典型年數據下，制冷能耗有所上升，制熱能耗有所下降，導致總空調能耗呈上升狀態，但變化幅度相對較小，僅有4.32%。對于未來氣候下的建筑空調能耗，同樣呈現出制冷能耗上升、制熱能耗下降的趨勢，但總空調能耗的上升幅度顯著，高達84.43%。這表明氣候變暖對南昌地區制冷能耗的增加量始終大于供暖能耗減少量，未來建筑空調能耗的增長需引起高度重視。

綜上所述，本文的研究結果不僅為南昌地區建筑能耗的預測提供了科學依據，也為應對氣候變化下的建筑節能設計提供了有益的參考。

參考文獻

[1] 李紅蓮，呂凱琳，楊柳. 氣候變化下未來西安幾種類型建筑暖通空調負荷分析預測[J].西安建筑科技大學學報（自然科學版），2018，50（4）：549-555.

[2] 高啟慧，秦圓圓，梁媚聰，等.IPCC第六次評估報告綜合報告解讀及對我國的建議[J].環境保護，2023，51（增刊2）： 82-84.

[3] 溫馨，韓東.全球變暖加速：2024年再成最熱年份[J].生態經濟，2025，41（2）：1-4.

[4] 侯政. 用度日法分析氣候變化對建筑采暖能耗的影響[D].西安：西安建筑科技大學， 2007.

[5] ASIMAKOPOULOS D A， SANTAMOURIS M， FARROU I， et al. Modelling the energy demand projection of the building sector in Greece in the 21st century[J]. Energy and Buildings，2012，49：488-498.

[6] 劉濤.基于氣候變化下的辦公建筑節能設計[D].西安：西安建筑科技大學， 2010： 1-48.

[7] SHEN P Y. Impacts of climate change on U.S. building energy use by using downscaled hourly future weather data[J]. Energy and Buildings， 2017， 134： 67-70.

[8] 李紅蓮.建筑能耗模擬用典型氣象年研究[D].西安：西安建筑科技大學，2016.

[9] 中國氣象局氣象信息中心氣象資料室，清華大學建筑技術科學系.中國建筑熱環境分析專用氣象數據集[M].北京：中國建筑工業出版社， 2005.

[10] 楊柳，李紅蓮.建筑能耗模擬用氣象數據研究[J].暖通空調，2017，47（3）： 23-33.

[11] BELCHER S E， HACKER J N，POWELL D S. Constructing design weather data for future climates[J]. Building Services Engineering Research amp; Technology， 2005，21（6）：49-61.

[12] 李紅蓮， 王賞玉， 侯立強， 等. 氣候變化對中國典型氣候區辦公建筑能耗的影響研究[J]. 太陽能學報， 2020， 41 （9）： 147-154.

[13] 潘毅群.實用建筑能耗模擬手冊[M]. 北京：中國建筑工業出版社，2013.

[14] 劉魁星.氣候變化對空調室外計算參數的影響及確定：方法研究[D].天津：天津大學，2012.

[15] 李紫微，林波榮，陳洪鐘.建筑方案能耗快速預測方法研究綜述[J]. 暖通空調， 2018， 48 （5）：1-8.

[16] VENDER MEER W J. Energy conservative housing for New Mexico[R]. Albuquerque， NM： University of New Mexico Energy Institute， 1978.

[17] STAMPER M B.Annual cycle moistrue analysis[C]//U.S.Depart-ment of Energy.Ⅱ Proceeding of the Conference of the Thermal Performance of the Exterior Envelopes of Buildings. Kissimmee：ASHRAE Technical Committee，1979.

[18] 中國建筑科學研究院有限公司，重慶大學.夏熱冬冷地區居住建筑節能設計標準：JGJ 134-2010[S].北京：中國建筑工業出版社，2010.