建筑碳排放计算技术（论文基于双回归预测模型的公共建筑运行阶段碳排放现状研究）

摘要

结合上海市统计年鉴中的面积数据和黄浦区公共建筑能源审计报告的能耗信息，建立了建筑碳排放的双回归预测模型。并根据建筑能耗影响因素，将不同空调系统形式、节能改造程度参数化后引入预测模型，量化了此类抽象因素对建筑碳排放的影响程度，有效提高了预测模型的精度，且适用于不同场景下建筑碳排放的研究。利用该模型预测了2012—2025年黄浦区公共建筑碳排放情况。

关键词

公共建筑 碳排放 双回归预测模型 建筑能耗 影响因素 面积

作者

同济大学 王思琪

上海市黄浦区发展和改革委员会 鲍林俊

同济大学 李铮伟 李振海

上海市黄浦区发展和改革委员会 顾 沁

0 引言

近年来，全球变暖问题不断加重，全球一次能源消耗产生的碳排放量从2000年的246.9亿t增加到2016年的338亿t。中国于2020年9月在联合国大会上作出了在2030年前实现二氧化碳排放峰值，2060年实现碳中和的承诺。根据政府间气候变化专门委员会（IPCC）和联合国环境规划署（UNEP）的数据，建筑部门能耗占总能耗的40%，占能源相关产品碳排放的1/3。因此，要实现2030年前碳达峰的目标，建筑行业的碳排放减少工作必定是重要的一环。其中，公共建筑的能源消耗水平日渐增高。以上海市为例，2019年公共建筑的单位面积平均用电量约为105 kW·h/（㎡·a）。公共建筑被认为是中国建筑行业节能减排的重点领域。

近年来，国内外都在积极地开展碳排放计算和达峰预测工作。2015年《巴黎协定》后，各个国家对节能减排提出了更高的要求。其中，碳排放核算是碳达峰时间预测和碳减排政策设计的基础。相关研究报告对建筑全寿命周期的温室气体排放量进行了梳理和核算，结果表明运行阶段的碳排放量占比达到80%以上。对于大片区域的建筑运行阶段的碳排放，常用计算方法包括：基于统计年鉴拆分的方法、基于能耗强度的方法和基于建筑能耗模型的方法。根据1979—2018年的年鉴统计数据，完成了电力系统的碳排放量核算，并基于此完成了碳达峰预测工作。根据能源审计报告、统计年鉴数据，建立了武汉市公共建筑、居住建筑的年碳排放量计算模型。

在建筑碳排放核算、碳排放因子计算法等方面的研究已经取得了一定的成果，但现有的建筑运行阶段碳排放计算模型仍然需要大量基础性的研究，需要详细的清单数据，研究实际运行过程中不同因素对建筑碳排放的具体影响。本文以上海市黄浦区公共建筑为例，结合能源审计的能耗数据和统计年鉴的面积数据，构建了双回归预测模型，利用少量数据来计算和预测片区内公共建筑2012—2025年的碳排放结果。并以办公建筑的碳排放预测模型为例，将不同的空调系统、节能改造程度此类抽象因素参数化引入预测模型，有效地提高了预测模型的精度，一定程度上也反映了运行过程中此类因素对建筑碳排放的影响。

1 碳排放量计算方法和数据来源

1.1 碳排放系数法

无论何种类型建筑，在运行阶段的能源消耗主要用于暖通空调系统、照明系统、电梯等电子设备系统及生活热水系统，消耗的能源主要包括电力、天然气、人工煤气、柴油等。本文采用碳排放系数法来对建筑的碳排放量作详细计算。

式中 G为建筑运营阶段能源使用的年碳排放量，kg/（㎡·a）;n为消耗的能源种类数；Ci为第i种能源的碳排放系数，kg/kg或kg/m3，取自每年的《省级温室气体清单编制指南》及《上海市温室气体排放核算与报告指南》;Ui为第i种能源的消耗量，kg/（㎡·a）或m3/（㎡·a）。

1.2 数据来源及分析

1.2.1 公共建筑面积数据

上海市统计年鉴中，对公共建筑进行了详细的划分，分为办公、商业、酒店、医院、学校和其他类型，并有黄浦区2010—2019年的详细数据，其变化趋势如图1所示。可见，除2010年面积明显较小外，总公共建筑面积与统计年份基本呈线性关系。其中酒店、学校、医院面积近10年内基本上没有发生变化，在后续的计算中采用10年平均值；办公建筑、商业建筑及其他建筑（少量工厂、仓库等种类较杂的建筑）面积逐年增长。

图1 2010—2019年不同类型建筑的面积

1.2.2 公共建筑能源数据

上海市统计年鉴中，并无公共建筑相应的能耗或碳排放量数据，故通过黄浦区能耗计量平台中的公共建筑能源审计报告来获取建筑的具体能耗数据，其能源审计时间跨度为2005—2020年，审计建筑类型涵盖几乎所有公共建筑种类。对审计报告中的数据进行梳理和剔除部分明显异常值后，共有313个样本，并参照统计年鉴的分类进行梳理，结合式（1）计算其碳排量，结果见表1。通过表1及对16年能源审计结果的分析可以发现：办公、商业、酒店建筑碳排放区别较大，且与电能的占比呈负相关；学校、医院虽然样本较少，但在不同年份、不同建筑之间区别甚微，其单位面积碳排放量几乎不变，考虑到其建筑特点，视作常数，在后续的计算中采用单位面积碳排放值。

2 片区公共建筑碳排放双回归预测模型

2.1 双回归预测原理及流程

回归分析是统计学中常用的一种分析数据的方法，通过因变量和自变量之间存在的某些联系来建立回归模型，利用实测数据求解模型中的各个参数，并结合一些评价指标来判断模型是否能够很好地拟合实测的数据。已有大量学者利用不同的回归分析方法对中国不同行业的碳排放进行了预测，并取得了较高的精度。本文拟采用曲线回归和多元回归的方法，建立双回归模型，分别对不同类型建筑的面积和年碳排放量进行回归分析。对于精度不高的预测模型，采用多元回归的方法，将影响碳排放的各类因素参数化，并进行共线性和相关性诊断，而后逐个引入回归方程，提高回归模型的精度。双回归预测模型的流程见图2。

图2 双回归预测流程

2.2 建筑面积回归预测模型

针对前文提到的近10年面积变化较大的办公建筑、商业建筑及公共建筑，本文拟采用曲线回归的方法进行拟合。相关研究表明，在构建公共建筑面积预测模型时，可以考虑的自变量参数包括统计年份、国内生产总值、第三产业增加值、就业人数等。本文结合统计年鉴中的相关数据，利用SPSS数据分析软件进行回归分析，回归结果见表2。由表2可知，当自变量仅有统计年份时，黄浦区公共建筑总面积、办公建筑面积、商业建筑面积回归均能达到很好的效果，故不再引入新的参数，以免增加模型的复杂程度。利用表2中的拟合结果对此3类建筑面积进行计算，并通过对其他类型建筑面积的计算，从另一方面来验证模型的拟合误差，其他类型建筑面积模型计算数据通过公共建筑总面积模型计算值减去办公、酒店、商业、医院、学校的面积计算值而得，结果见表3。由表3可知，使用该模型计算面积的误差较小，与真实值较为接近。

2.3 建筑年碳排放量回归预测模型

2.3.1 预测模型的建立

本文根据统计年鉴对建筑类型的划分及前文对审计报告的分析结果，着重对碳排放量区别较大的办公、商业、酒店建筑的碳排放量建立回归预测模型。有关调研曾提出，公共建筑的碳排放量与面积有较强的函数关系，本文利用黄浦区审计报告结果及SPSS数据分析软件，对办公、商业、酒店的碳排放量和面积数据进行线性拟合，结果见表4。由表4可知：当回归自变量仅有面积时，酒店、商业建筑的回归模型拟合优度R2能达到0.85以上，且显著性明显，显著性因子均为0，即面积与碳排放量有较强关联，仅考虑面积的模型能够为碳排放量计算提供可靠参考；对于办公建筑，其模型拟合优度R2仅为0.801，相比之下，拟合效果仍有很大的优化空间。

2.3.2 预测模型的优化

目前，对建筑碳排放量影响因素分析的研究，选取较多的因素均是宏观层面的，例如产业结构、人口、GDP等，此类研究大部分针对较大层级的碳排放研究，例如省市层级或国家层级。对于细分到不同建筑类型，本文将对建筑碳排放量的影响研究归结为其能耗的研究，相关调研表明，可以将空调系统类型、建筑规模形体、节能改造的推进等作为影响因素来建立微观模型。

以拟合优度最低的办公建筑为例，结合审计报告和统计年鉴提供的数据，将空调系统形式和节能改造作为自变量引入回归模型。黄浦区公共建筑采用的空调系统形式按照能源消耗水平可以分为五大类，且自2012年后，黄浦区开始大力推行节能改造技术，分别对围护结构、电力系统、空调系统进行改造，内容包括：外窗更换、增强保温性、幕墙进行开窗改造；替换高能耗灯为LED灯；电梯变频；更换老旧的空调设备；水泵、风机变频；燃油锅炉改燃气锅炉或电锅炉、热泵等。

本文对5种空调系统形式和节能改造程度进行划分，参数化引入模型。其中，空调系统形式按照类型简单进行排序，节能改造代号按照对电力系统、空调系统、围护结构三方面改造的程度依次递增设置。2类因素的参数化结果见表5。因此，可能影响建筑碳排放量的因素包括建筑面积、空调系统形式、节能改造程度，考虑到这3类因素可能存在多重自相关问题，对模型结果造成误差。在进行回归前，对3类自变量的相关性进行分析及共线性诊断，以皮尔逊相关系数作为相关性评价指标，方差膨胀因子（VIF）作为共线性指标，分析结果见表6、7。3类自变量之间皮尔逊相关系数均小于0.3，其间自相关性较弱，VIF较小，均在1左右，其间共线性较弱，均可以引入回归模型。

结合2.3.1节中办公建筑面积和年碳排放量数据，利用Python软件搭建多元回归模型，并将原始数据集随机分为3份训练集和1份测试集，训练和优化回归模型，最终回归结果及在测试集中计算得到的拟合优度结果见表8。由表8可见，空调系统形式和节能改造程度2类因素的引入能有效提高回归模型的效果，其中空调系统形式和节能改造程度两参数均引入回归的模型效果最好，其拟合优度从0.8提升到0.9，该模型在测试集中的计算结果见图3。该优化模型能较为准确地计算建筑的年碳排放量，在一定程度上也反映了近年来节能改造对建筑减碳的有效性，以及采取不同空调系统形式对建筑碳排放量存在显著影响。对商业建筑和酒店采取同样的优化方法，同样可以得到提升拟合优度的效果，在此不再详细阐述。

图3 最优化模型在测试集的计算结果

3 黄浦区公共建筑碳排放量预测结果及分析

根据2.2节的结果，首先对2020—2025年的公共建筑分类进行面积预测，并结合面积数据，分别利用2.3.1节得到的简化模型和2.3.2节得到的优化模型对2012—2025年建筑碳排放量进行预测。

对于简化模型，仅需要输入各类型建筑的面积数据。对于优化模型，由于整片区域建筑的空调系统形式各不相同，仅采用自变量为面积和节能改造程度的预测模型。根据2013—2020年《黄浦区节能减排工作总结》及《黄浦区生态城区建设“十三五”规划》，黄浦区每年推进节能改造建筑约为30万～50万㎡，截止到2017年，累计节能改造建筑面积约为500万㎡（改造程度不一），改造对象主要为办公、商业和酒店建筑。按照每年办公、商业和酒店建筑的面积比例，划分相应的节能改造建筑面积，并将等级统一设定为“2”，输入优化模型进行计算。其中2021—2025年的改造面积增加趋势不变，同样为每年增加50万m2。预测结果见图4（图中2012—2019年的面积数据来自上海市统计年鉴，2020—2025面积数据为本文预测值）。

图4 2012—2025年建筑面积及碳排放量预测结果

可知，在政策不发生变化的情况下，未来5年片区内公共建筑总面积将不断增加，但增加速度逐年下降。优化模型相比简化模型，碳排放量计算结果明显较小，体现了节能改造对整个区域减碳的有效性；且相比于逐年增长的建筑面积来说，优化模型计算的单位面积碳排放量也逐步减小，与《黄浦区节能减排工作总结》中“单位建筑面积综合能耗同比下降”的结论相符。

4 结语

结合上海市统计年鉴中面积数据和黄浦区公共建筑能源审计报告的能耗信息，构建了双回归预测模型。首先仅利用统计年份构建了不同类型公共建筑面积的预测模型，而后仅利用面积数据构建了不同类型建筑的年碳排放量预测模型，并结合建筑能耗影响因素，将不同空调系统形式、节能改造程度参数化后引入预测模型，量化了此类抽象因素对建筑碳排放量的影响程度，适用于不同场景下建筑碳排放量的研究，并有效提高了预测模型的精度。最后预测了2012—2025年黄浦区公共建筑面积及碳排放情况。

本文引用格式：王思琪，鲍林俊，李铮伟，等 .基于双回归预测模型的公共建筑运行阶段碳排放现状研究[J].暖通空调，2021，51（9）：114-118,10

,