苏小文 ， 王昭俊

(1.哈尔滨工业大学建筑学院，黑龙江哈尔滨150006；2.寒地城乡人居环境科学与技术工业和信息化部重点实验室(哈尔滨工业大学)，黑龙江哈尔滨150090)

1 概述

研究表明[1-3]，居民的行为是造成建筑能耗不确定的关键因素，特别是低能耗建筑。在对英国一幢超低能耗居住建筑的调查中发现，居住者行为是造成供暖能耗差异的主要因素[1]。文献[2]研究指出，用户开窗行为对围护结构综合传热系数影响显著，进而影响建筑能耗。文献[4]对开窗热损失进行了计算分析，提出供暖系统维持合理的室温对减少开窗热损失至关重要。同样，研究供冷工况下的居民开窗行为对减少建筑冷负荷意义重大。

我国幅员辽阔，不同气候区的居民生活习惯及行为差异较大，对严寒地区居民开窗行为的研究鲜有报道。本文针对供冷期，对严寒地区(哈尔滨住宅小区)被动房建筑代表性住户(被动房建筑住户1～4)、普通建筑(三步节能建筑)代表性住户(普通建筑住户1～4)开窗行为展开调查，建立居民开窗概率模型，分析计算开窗概率的主要影响因素。

2 研究方法

2.1 研究对象

哈尔滨市某小区兼有被动房建筑与普通建筑(为三步节能建筑)，被动房建筑为我国严寒地区第一个被动房建筑示范工程，采用高效复合外墙保温系统及高效被动房门窗系统，极大限度地减少围护结构的传热和冷风渗透热损失。室内采用顶棚表面辐射供暖(供冷)系统，带高效热回收装置的全置换式新风系统可满足全年新风需求[5]。

在对被动房建筑室内热环境及热舒适度的调查中发现，为防止顶棚辐射面结露，原则上不允许居民开窗。但由于缺乏自主调节手段，当供冷期室内温度过低或过高时，居民只能通过开窗或寻求物业人员调节供冷系统阀门等方式改善室内热环境。因此，课题组于2017年6～8月对该小区4户被动房建筑住户(分别命名为被动房建筑住户1～4)及4户普通建筑住户(分别命名为普通建筑住户1～4)的开窗行为进行连续跟踪测试，监测室内外环境参数、开窗情况及人员在室情况。被动房建筑住户1家中仅有一位退休老人在家，普通建筑住户1、2家中为上班族夫妻，其他住户家中为上班族夫妻与1名学生。普通建筑室内供暖系统为顶棚辐射供暖系统，供冷期依靠自然通风降温，户型与被动房建筑相似。

2.2 监测内容

被动房建筑与普通建筑均为平开窗，居民喜好开启客厅南向窗户通风换气，因此被监测窗选取客厅南向外窗。被监测窗的开关状态采用智能位移记录仪监测。智能位移记录仪由磁铁、探头及储存主体3部分构成，磁铁和探头分别粘贴在窗户移动端、固定端。开窗时，磁铁与探头分离，仪器记录为1。关窗时，磁铁与探头吸合，仪器记录为0。

由于人员是否在室与开窗行为关系密切，因此对人员在室情况进行统计分析。采用智能人体感应仪监测室内是否有人，仪器安装在客厅人员活动区域，且监测范围基本覆盖客厅内人员的主要活动区。当有人经过时仪器记录为1，无人经过时记录为0。

导致开窗的因素(在开窗概率模型中，将因素视为变量)有很多，如室内外温湿度[6-7]、CO2浓度[8]、PM2.5浓度[9]等。由于本文主要探讨热环境的影响，且调研在供冷期，室外空气品质良好。因此，选择室内外温湿度作为导致开窗的因素。室内外温湿度使用WSZYW-1型温湿度自记仪测量。室内测点布置在客厅人员经常停留区，距离地面0.6 m。

2.3 开窗概率模型

开窗行为是一个二分类问题，只有开(取值为1)与不开(取值为0)两类结果。Logistic回归模型是研究二分类观察结果与因素关系的分析方法。笔者通过Logistic回归，建立开窗概率p与变量(室内外温湿度)的关系式[10]：

p=

(1)

式中p——开窗概率

a1、a2、ai、an——回归系数

x1、x2、xi、xn——变量

b——常数项

由式(1)可知，在Logistic回归模型中，变量与概率是非线性关系。因此，引入Logit变换，实现线性回归：

a1x1+a2x2+…+aixi+…anxn+b

与线性回归模型不同，在Logistic回归中，采用最大似然估计法得到回归模型的参数(回归系数、常数项)估计值。

在模型回归中，变量的多重共线性会带来不确定性结果，增加系数估计的标准误差。因此，在Logistic回归前应对输入变量进行多重共线性分析。变量间的多重共线性采用方差膨胀因子(Variance Inflation Factor，VIF)进行判定，计算式为[10]：

式中kVIF——方差膨胀因子

Ri——变量xi与其余变量xj(j=1，2，…，i-1，i+1，…，n)线性回归的复相关系数

当某变量的方差膨胀因子大于等于5时，则认为该变量与其余变量存在严重的共线性[11]，需以该变量作为单独变量建立Logistic回归模型。其余变量共线性影响忽略不计，建立多变量Logistic回归模型。

多变量回归模型主要为探究各变量对开窗概率的影响程度，需要先将各变量进行归一化处理(采用极大极小值法)，再将归一化结果输入到模型中，利用数据处理软件SPSS计算回归系数及常数，建立Logistic回归模型。从而在同一量度水平下，比较各变量对开窗概率的影响程度。某个变量(归一化后)的系数绝对值越大，说明该变量对开窗概率的影响越大。然后建立以该变量为单独变量的开窗概率模型，量化该变量对开窗概率的影响。

3 监测结果与分析

3.1 开窗行为

在确保人员在室的前提下，对调研期各日各时段(1 h)开窗频率(开窗时长的占比)取算术平均，得到各住户逐时平均开窗频率(见图1)。在图1中，第1 h表示[0:00，1:00)，第2 h表示[1:00，2:00)，以此类推。

由图1可知，除普通建筑住户1外，其他普通建筑住户开窗频率整体上高于被动房建筑住户。普通建筑住户1在测试期间的开窗频率最低，经访问得知该住户认为供冷期室内温湿度适宜，未感觉不适，因此不经常开窗。被动房建筑住户2、4开窗频率变化趋势一致，这两住户均处于顶层，受太阳辐射影响，室内温度略高。而被动房住户控温手段少，当室温升高时，只能开窗加强空气流通，维持自身热舒适。被动房建筑住户1、3均在中间层，受太阳辐射影响小，开窗频率不高。

图1 各住户逐时平均开窗频率

3.2 室内温度变化

哈尔滨夏季凉爽短暂，但一天中的室外温度波动很大，13:00—16:00室外温度较高，甚至高达35.4 ℃。此时开窗，易增加冷负荷。但从统计结果可以看出，被动房建筑住户2在这一时间段开窗频率仍然比较高。对被动房建筑住户2在供冷期最热周(2017年7月18日至24日)开窗引起室内温度的变化情况进行研究。

供冷期最热周室外温度、被动房建筑住户2室内温度、窗状态随时间的变化见图2，数据每隔5 min统计1次，图2数据包括家中有人、无人状态的数据。1表示窗开启，0表示窗关闭。

由图2可知，供冷期最热周室外温度变化范围为19～33 ℃，被动房建筑住户2室内温度变化范围为25～27 ℃。该住户在一周内开窗4次，前2次开窗持续时间长。开窗确实易导致被动房建筑室内温度升高，但被动房建筑墙体热惰性大，气密性强，短时间开窗引起室内温度变化幅度不明显。

图2 供冷期最热周室外温度、被动房建筑住户2室内温度、窗状态随时间的变化见图2

4 开窗概率

选取被动房建筑住户2、普通建筑住户3分别作为被动房建筑、普通建筑的典型住户。这两个住户开窗较频繁，且家庭成员类似。

4.1 共线性分析

在建立开窗概率模型前，先对各变量进行多重共线性分析，以消除共线性带来的误差。被动房建筑住户2、普通建筑住户3各变量的方差膨胀因子见表1。

表1 被动房建筑住户2、普通建筑住户3各变量的方差膨胀因子

由表1可知，被动房建筑住户2各变量的方差膨胀因子均小于5，不存在明显的共线性。对于普通建筑住户3，除室内温度外，其他变量的方差膨胀因子均大于5，室外相对湿度的方差膨胀因子最大，共线性问题不能忽视，需要单独讨论其对开窗概率的影响。在将室外相对湿度对开窗概率的影响采取单独讨论处理后，对剩余变量重新进行多重共线性分析。室内温度、室内相对湿度、室外温度的方差膨胀因子分别为1.44、1.01、1.43，这说明这3个变量的共线性不显著，可共同作为变量探讨对开窗概率的影响。

4.2 开窗概率模型

① 被动房建筑住户2

被动房建筑住户2开窗概率模型为：

Logit(p2)=2.5tin,s-1.8φin,s+

2.2to,s+φo,s-1.75

(2)

式中p2——被动房建筑住户2的开窗概率

tin,s、to,s——归一化后的室内、外温度

φin,s、φo,s——归一化后的室内、外相对湿度

由式(2)可知，对于被动房建筑住户2，归一化后的室内温度系数的绝对值最大，归一化后的室外温度次之，然后是归一化后的室内、外相对湿度。这说明对开窗影响最大的是室内温度，其次是室外温度。随着室内外温度增大，开窗概率增加。由于室内温度是开窗行为发生的最直接驱动因素，因此讨论室内温度对开窗概率的单独影响。室内温度(由于此时将室内温度作为单独变量进行分析，Logistic回归时不进行归一化处理)作为变量时的开窗概率模型为：

(3)

式中tin——室内温度，℃

由式(3)得到的被动房建筑住户2开窗概率随室内温度的变化见图3。由图3可知，在室内温度24～30 ℃范围内，均存在开窗概率。开窗概率与室内温度正相关。

图3 被动房建筑住户2开窗概率随室内温度的变化

② 普通建筑住户3

普通建筑住户3开窗概率模型为：

Logit(p3)=-1.07tin,s-0.7φin,s+

4.49to,s+1.164

(4)

Logit(p3)=-0.024φo,s+3.712

(5)

式中p3——普通建筑住户3的开窗概率

由式(4)、(5)可知，对于普通建筑住户3，归一化后的室外温度系数的绝对值最大，归一化后的室内温度次之，然后是归一化后的室内、外相对湿度。这说明对开窗影响最大的是室外温度，其次是室内温度。由于室外温度是开窗行为发生的最直接驱动因素，因此讨论室外温度对开窗概率的单独影响。室外温度(由于此时将室外温度作为单独变量进行分析，Logistic回归时不进行归一化处理)作为变量时的线性回归方程为：

(6)

式中to——室外温度， ℃

由式(6)得到的普通建筑住户3开窗概率随室外温度的变化见图4。由图4可知，在室外温度15～35.5 ℃范围内，均存在开窗概率。开窗概率与室外温度正相关。

图4 普通建筑住户3开窗概率随室外温度的变化

5 结论

① 除普通建筑住户1外，其他普通建筑住户开窗频率整体上高于被动房建筑住户。被动房建筑住户2、4开窗频率变化趋势一致，这两住户均处于顶层，受太阳辐射影响，室内温度略高。而被动房住户控温手段少，当室温升高时，只能开窗加强空气流通，维持自身热舒适。被动房建筑住户1、3均在中间层，受太阳辐射影响小，开窗频率不高。

② 供冷期最热周(2017年7月18日至24日)室外温度变化范围为19～33 ℃，被动房建筑住户2室内温度变化范围为25～27 ℃。该住户在一周内开窗4次，前2次开窗持续时间长。开窗确实易导致被动房建筑室内温度升高，但被动房建筑墙体热惰性大，气密性强，短时间开窗引起室内温度变化幅度不明显。

③ 对于被动房建筑，对开窗影响最大的是室内温度，其次是室外温度。随着室内外温度增大，开窗概率增加。在室内温度24～30 ℃范围内，均存在开窗概率。

④ 对于普通建筑，对开窗影响最大的是室外温度，其次是室内温度。在室外温度15～35.5 ℃范围内，均存在开窗概率。