基于参数不确定性下办公建筑自动化升级的非能源协同效益量化：基于模拟的室内空气质量评估

《Developments in the Built Environment》：Quantifying non-energy co-benefits of building automation upgrades in offices: a simulation-based IAQ assessment under parametric uncertainty

　　

建筑自动化与控制系统（Building Automation and Control Systems，BACS）使办公建筑技术系统能够响应不断变化的室内外条件，从而改善室内空气质量（Indoor Air Quality，IAQ），并可能影响 occupants 的健康与工作表现。然而，这些协同效益是否足以支撑投资决策仍不明确。本研究通过一个基于模拟的框架弥补了这一空白，该框架在明确的建模假设下估算这些效益的经济相关性。该框架以室内空气质量为示范对象，比较了固定日程通风与不同自动化水平下的需求控制通风（Demand-Controlled Ventilation，DCV），并通过基于文献的后处理模型估算生产力与健康相关效应。研究方法结合了建筑性能模拟、随机占用模型、脚本化控制逻辑与Sobol敏感性分析。在一个原型办公建筑中，所实施的需求控制通风将占用时段CO2超标率降低了43–53%，风机能耗降低了25–42%，每年产生4.6k–9.3k欧元的协同效益。探索性敏感性分析表明，occupant活动水平与渗透率是最具影响力的参数之一，且效益主要集中在会议室。

研究背景与问题

建筑技术在不断重塑室内环境与使用者之间的关系。尽管能源效率、舒适性与健康福祉长期以来都是建筑设计的重要目标，但设计与实际运行之间的“性能差距”已被广泛记录。学术综述、国际政策报告及行业研究将这一差距归因于设计参数不准确、占用模式变化等动态运行因素，以及沟通不畅和缺乏反馈等系统性问题。建筑自动化与控制系统（BACS）正被定位为实现高室内环境质量（IEQ）和能源管理的关键技术，其能力涵盖从简单规则控制到基于数据实时优化建筑运行的复杂系统。2024年修订的欧盟建筑能源性能指令（EPBD）EU 2024/1275明确要求欧盟大型办公建筑配备BACS，而EN ISO 52120-1:2022标准提供了BACS功能分级的框架，但仅量化了各自动化等级的节能潜力，缺乏对更高自动化水平通过改善室内条件所带来的非能源回报的评估方法。

在办公环境中，室内条件不佳会削弱工作表现并影响健康。通风率与感知空气质量和办公生产力之间存在正相关关系。已有研究估算强化通风可带来每人每年约6500美元的生产力收益，而额外能源成本低于每人每年40美元。急性暴露于PM_2.5和CO₂等室内污染物会减缓认知反应速度并降低吞吐量。基于Fisk工作的经济分析表明，改善IEQ可带来通常约5–10倍或更高的效益成本比。然而，BACS提升IEQ的能力以及IEQ改善与使用者相关协同效益之间的关系虽已被广泛讨论，但缺乏将BACS自动化水平与估计的使用者相关协同效益相连接的系统性比较评估框架。

研究内容与结论

本研究开发并应用了一个基于模拟的工作流程，将BACS自动化水平与IEQ性能指标和估算的经济协同效益联系起来。研究以通风控制为具体应用领域，比较了固定日程通风与CO₂基需求控制通风（DCV）两种策略，分别代表较低和较高的BACS自动化水平。研究结果表明，在赫尔辛基、布鲁塞尔和罗马三个气候场景中，DCV将占用时段CO₂超标率降低了43–53%，风机能耗降低了25–42%，每年产生4600至9300欧元的协同效益。生产力相关效益在会议室等动态空间中最为显著，而私人办公室的节省较小。敏感性分析表明，occupant活动水平和渗透率是最具影响力的参数。研究结论强调，投资更先进的控制系统应按房间类型优先排序，而非在整个建筑中统一应用。

主要技术方法

研究人员采用四阶段工作流程：首先通过选择办公建筑类型确定研究范围；其次选择建筑系统和代表不同自动化水平的控制场景；然后定量评估室内环境参数；最后在明确建模假设下进行生产力与健康相关经济估算的后处理。技术方法包括使用EnergyPlus进行建筑性能动态模拟，采用随机occupant存在模型模拟人员行为，通过PythonPlugin实现脚本化控制逻辑，并使用Sobol敏感性分析（SA）量化参数不确定性对模拟IAQ性能的贡献。Sobol采样通过SALib Python库实现，生成572个配置组合，每个配置进行全年典型气象年（TMY）模拟。

研究结果

4.1 关键性能指标（KPIs）

在赫尔辛基，DCV将CO₂浓度超过900 ppm阈值的占用时段百分比从5.98%降至3.08%，峰值浓度在90th和95th百分位均有所下降。布鲁塞尔的结果类似，超标率从5.3%降至2.6%。罗马场景中，DCV将超标率从2.9%降至1.4%。三个气候场景中平均CO₂浓度略有上升，因为DCV在低占用时段减少通风以节省风机能耗，但在高占用时增加气流以维持可接受的空气质量。DCV将高浓度事件减少了43–53%。

4.2 敏感性分析（SA）指数

敏感性分析表明，occupant相关因素（特别是活动水平）对模拟的CO₂性能指标影响最强。渗透率和室外CO₂水平也有重要贡献。活动水平通常显示出最大的估计效应，但置信区间较宽且未建立收敛性，因此精确排序仍不确定。墙体保温、平均到达/离开时间和过渡系数的影响可忽略不计。围护结构热参数对CO₂指标的直接影响力有限。

4.3 风机能耗

在赫尔辛基，DCV将年均风机能耗从289.3 kWh降至213.2 kWh，节省约26.3%。布鲁塞尔的节省为25.7%，罗马的节省更为显著，达到42.1%。该节省范围与文献中DCV系统的既有发现一致。

4.4 生产力与健康成本

经济协同效益按区域逐一估算。DCV每年为每个会议室平均减少2592欧元的生产力成本，而私人办公室的平均节省为每年419欧元。全办公室年节省在赫尔辛基最高（9271欧元），布鲁塞尔为7947欧元，罗马为4611欧元。健康相关成本方面，两种策略几乎没有差异，因为模拟未产生显著的平均CO₂浓度变化。时间步长敏感性测试在30、15和5分钟分辨率下均确认DCV降低了CO₂超标率和估计的生产力成本。

讨论与结论

研究结论指出，该工作流程能够有效捕捉协同效益的区域特定性质，DCV的协同效益高度依赖于空间使用模式。货币化的生产力效益在会议室等动态空间中最为显著。这些发现对建筑设计和运营具有实际意义，强调在设计过程早期考虑BACS协同效益以优化投资优先级的重要性。未来研究应将该方法扩展到更多建筑类型、气候条件和控制策略，并考虑其他IEQ因素如热舒适和视觉舒适，以增强评估的全面性和准确性。