家庭結(jié)構(gòu)對住宅空調(diào)使用時(shí)間的影響及關(guān)聯(lián)性分析

周成棟 劉猛 李子橋 劉歡

DOI：?10.11835/j.issn.2096-6717.2023.012

收稿日期：2022?11?23

基金項(xiàng)目：國家重點(diǎn)研發(fā)計(jì)劃（2018YFD1100704）

作者簡介：周成棟（1998-?），男，主要從事室內(nèi)環(huán)境與大數(shù)據(jù)應(yīng)用研究，E-mail：421722939@qq.com。

通信作者：劉猛（通信作者），男，教授，博士生導(dǎo)師，E-mail：liumeng2033@126.com。

Received： 2022?11?23

Foundation items： The National Key R & D Program of China（No.2018YFD1100704）

Author brief： ZHOU Chengdong （1998-?）， main research interest： big data and indoor thermal environment， E-mail： 421722939@qq.com.

corresponding author：LIU Meng （corresponding author）， professor， doctorial supervisor， E-mail： liumeng2033@126.com.

摘要：人員行為對建筑能耗存在較大影響，其中家庭結(jié)構(gòu)是影響人行為的重要因素之一。結(jié)合問卷調(diào)研與實(shí)測方法，選取重慶地區(qū)不同人數(shù)、代數(shù)以及年齡等家庭結(jié)構(gòu)信息存在差異的12戶家庭，采集夏季空調(diào)開啟和關(guān)閉時(shí)刻等運(yùn)行參數(shù)，利用關(guān)聯(lián)規(guī)則算法對家庭結(jié)構(gòu)參數(shù)與空調(diào)行為間的關(guān)聯(lián)規(guī)則進(jìn)行分析，結(jié)果表明，家庭結(jié)構(gòu)參數(shù)中的人數(shù)、代數(shù)以及成員最小年齡與空調(diào)使用時(shí)間（使用時(shí)長與開啟時(shí)間段）存在明顯相關(guān)性；代數(shù)為不同功能房間空調(diào)使用時(shí)長的最主要特征，代數(shù)越大，其空調(diào)使用時(shí)長越高，3代家庭在不同功能房間的空調(diào)使用時(shí)長均大于其他代數(shù)的家庭；最小年齡為不同功能房間的空調(diào)使用時(shí)長的次要特征，在同一代數(shù)的家庭中，最小年齡為青少年或?qū)W齡前兒童的家庭的空調(diào)使用時(shí)長會高于最小年齡為青年或中年的家庭。探明了家庭結(jié)構(gòu)特征中與空調(diào)使用時(shí)間相關(guān)的主要參數(shù)，為預(yù)測空調(diào)能耗，助力建筑節(jié)能減排提供了基礎(chǔ)資料。

關(guān)鍵詞：住宅空調(diào)；家庭結(jié)構(gòu)；使用時(shí)間；關(guān)聯(lián)規(guī)則；住宅建筑

中圖分類號：TU831.2 ????文獻(xiàn)標(biāo)志碼：A ????文章編號：2096-6717（2024）02-0188-09

The influence of family structure on operation time of residential air-conditioning and correlation analysis

ZHOU Chengdong，?LIU Meng，?LI Ziqiao，?LIU Huan

（School of Civil Engineering；?National Center for International Research of Low-carbon and Green Building；?Joint International Research Laboratory of Green Building and Built Environment；?Chongqing Key Laboratory of Wind Engineering and Wind Energy Utilization， Chongqing University， Chongqing 400045， P. R. China）

Abstract： Occupants， behaviors have great influence on building energy consumption， and family structure is one of the important factors affecting occupants， behaviors. Based on the questionnaire survey and field measure， 12 families with different family structure information such as number， algebra and age in Chongqing were selected， and collect the operating parameters such as air-conditioning opening and closing time in summer. The association rules between family structure parameters and air-conditioning behavior were analyzed by using association rule algorithm， and it was found that the number， algebra and minimum age of members in family structure parameters were significantly correlated with air-conditioning operation time （operation duration and opening time period）. Algebra is the most important feature of air-conditioning operation duration in different functional rooms. The air-conditioning operation duration increases with the increase of the algebra. The air-conditioning operation duration of three generations of families in different functional rooms is longer than that of other generations of families. The minimum age is the secondary characteristic of the air-conditioning operation duration of rooms with different functions. In families of the same generation， the air-conditioning operation duration of families with the minimum age of teenagers or preschool children will be higher than that of families with the minimum age of youth or middle age. The main parameters related to the air-conditioning operation time in the family structure characteristics are found out， which provides basic data for predicting the air-conditioning energy consumption and helps the building to save energy and reduce emissions.

Keywords： residential air-conditioning；?family structure；?operation time；?association rule；?residential building

中國建筑能耗約占全國能耗總量的22%，而住宅建筑能耗又占總建筑能耗的46%^[1]。建筑能耗不僅與當(dāng)?shù)貧夂驐l件、建筑熱工狀況、人員和照明發(fā)熱等內(nèi)擾情況有關(guān)，還與住戶的空調(diào)調(diào)控行為有較大關(guān)系^[2]。住戶的空調(diào)調(diào)控行為呈現(xiàn)出較強(qiáng)的隨機(jī)性、不可控性、復(fù)雜性等，將導(dǎo)致建筑實(shí)際能耗與建筑設(shè)計(jì)能耗產(chǎn)生較大差異。

目前空調(diào)使用行為的研究中，主要包括人員位移以及人員動作兩個方面^[3]，其中關(guān)于人員動作方面的研究，主要集中在基于實(shí)測數(shù)據(jù)建立控制模型對人員的設(shè)備啟停（空調(diào)、窗戶、照明設(shè)備等）與設(shè)備參數(shù)調(diào)整進(jìn)行分析，并發(fā)現(xiàn)其主要受環(huán)境因素和事件因素的影響，其中使用時(shí)長為影響空調(diào)能耗最顯著的參數(shù)之一^[4-6]。影響空調(diào)調(diào)控行為的因素較多，主要包括居住者情況和環(huán)境因素^[7-9]。其中，家庭結(jié)構(gòu)是居住者常住情況的主要體現(xiàn)。家庭結(jié)構(gòu)是由家庭中成員規(guī)模及相互關(guān)系和居住模式所決定的家庭的外在表現(xiàn)形式，通常可以根據(jù)人數(shù)、代數(shù)、成員關(guān)系和家庭年齡對其劃分類型^[10]。McLoughlin等^[11]發(fā)現(xiàn)了家庭構(gòu)成對空調(diào)設(shè)備用能有顯著影響。

現(xiàn)有研究發(fā)現(xiàn)不同的人群存在不同的空調(diào)使用行為。例如Yang等^[12]通過統(tǒng)計(jì)方法和協(xié)方差分析發(fā)現(xiàn)性別對空調(diào)使用能耗存在影響，通常男性在夏季空調(diào)使用能耗上高于女性，而女性在冬季空調(diào)使用能耗上高于男性。Brounen等^[13]發(fā)現(xiàn)兒童的存在往往會增加家庭的能耗需求。Meng等^[14]通過問卷調(diào)研發(fā)現(xiàn)退休人員的日在室率普遍偏高，而青少年在室時(shí)間主要集中在20：00至次日10：00，不同年齡段人群的社會角色不同，例如，6～22歲的人群通常為學(xué)生，其在室率與使用行為均與其余人群存在差異性。筆者根據(jù)不同年齡段人群所處的社會角色對其進(jìn)行劃分，0～6歲為學(xué)齡前兒童，6～22歲為青少年，22～35歲為青年，35～50歲為中年。不同的家庭包含著不同的人群，因此，不同的家庭結(jié)構(gòu)會導(dǎo)致居住模式以及行為模式產(chǎn)生較大的差異。例如，研究發(fā)現(xiàn)兩代同堂且有高齡老人的家庭中，在家空調(diào)使用時(shí)間可能遠(yuǎn)高于成員年齡偏小的家庭。而處于兒童成長期的兩代同堂家庭，生活作息較為規(guī)律，在家空調(diào)使用時(shí)間也比較集中^{[11，15]}。Estiri等^[16]發(fā)現(xiàn)住戶特征可以直接影響能耗需求，從而間接塑造住宅能源需求模式。盡管家庭結(jié)構(gòu)與住宅能耗之間存在密不可分的關(guān)系，但家庭結(jié)構(gòu)參數(shù)種類較多，包括人員規(guī)模（人數(shù)、代數(shù)）、年齡結(jié)構(gòu)、成員關(guān)系等，且目前仍缺少具有代表性的家庭結(jié)構(gòu)參數(shù)來反映對空調(diào)使用行為的影響。盧玫珺等^[17-18]利用多因素方差分析確定了不同年齡段居民對高耗能制冷設(shè)備依賴性隨年齡增長而降低，但暫不清楚各個年齡段對空調(diào)使用行為的具體表現(xiàn)特征。陳淑琴等^[19]利用問卷調(diào)研發(fā)現(xiàn)了家庭人口數(shù)越多，戶均用能需求增大，人均用能需求減少，但仍需進(jìn)一步細(xì)化不同人口數(shù)的用能行為差別以及在主臥和次臥等不同房間的用能行為差別。除此之外，在探究不同住宅家庭結(jié)構(gòu)對能耗影響的研究中，還發(fā)現(xiàn)了數(shù)據(jù)采集參數(shù)不夠客觀以及傳統(tǒng)實(shí)地監(jiān)測獲取數(shù)據(jù)稀松的問題，導(dǎo)致難以捕捉到盡可能多的家庭結(jié)構(gòu)與空調(diào)使用行為間的關(guān)聯(lián)性^[20]。筆者利用Apriori算法，構(gòu)建家庭結(jié)構(gòu)參數(shù)與空調(diào)使用行為間的聯(lián)系，探究其與空調(diào)使用行為之間的關(guān)聯(lián)性。Apriori算法能夠有效地從稀松的數(shù)據(jù)集中精確提煉出關(guān)鍵結(jié)果，且該算法能夠高效地探尋不同事務(wù)間的關(guān)聯(lián)規(guī)則以及關(guān)聯(lián)強(qiáng)度。例如，韓博聞^[21]基于Apriori算法挖掘出了配電網(wǎng)運(yùn)行維護(hù)中各運(yùn)行因素與運(yùn)行維護(hù)指標(biāo)之間的顯性或隱形關(guān)聯(lián)。

綜上，現(xiàn)有研究中尚缺少不同的家庭結(jié)構(gòu)特征參數(shù)（人數(shù)、代數(shù)、年齡等）與空調(diào)行為之間的關(guān)聯(lián)關(guān)系以及同一住戶空間上空調(diào)行為的差異。筆者旨在探究家庭結(jié)構(gòu)的特征參數(shù)對夏熱冬冷地區(qū)中的重慶地區(qū)空調(diào)使用行為的影響。通過對12戶家庭夏季共62 d的空調(diào)使用情況（空調(diào)開啟時(shí)間段和空調(diào)使用時(shí)長）進(jìn)行實(shí)測調(diào)研，利用Apriori算法，對每戶家庭進(jìn)行標(biāo)簽化（人數(shù)、代數(shù)和成員最小年齡），再探究每類標(biāo)簽與空調(diào)使用行為之間的關(guān)聯(lián)性，最后挖掘出不同家庭結(jié)構(gòu)特征相關(guān)聯(lián)的家庭空調(diào)使用行為，為區(qū)域性預(yù)測空調(diào)能耗工作提供基礎(chǔ)資料。

1 研究方法

選取重慶地區(qū)城鎮(zhèn)住宅建筑用戶，收集用戶空調(diào)使用行為數(shù)據(jù)與家庭結(jié)構(gòu)背景信息，利用斯皮爾曼相關(guān)性分析方法明確家庭結(jié)構(gòu)對空調(diào)使用行為的影響程度以及主要因素，并根據(jù)Apriori關(guān)聯(lián)規(guī)則算法明確家庭結(jié)構(gòu)與空調(diào)使用行為的關(guān)聯(lián)性。

1.1 數(shù)據(jù)收集

為探究家庭結(jié)構(gòu)與夏季空調(diào)使用行為的關(guān)系，選取了重慶市不同家庭結(jié)構(gòu)的12戶家庭進(jìn)行了實(shí)測。

重慶作為夏熱冬冷地區(qū)的典型地區(qū)，依據(jù)《夏熱冬冷地區(qū)居住建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn)》（JGJ 134—2010）選取6月15日—8月31日作為供冷季，實(shí)測時(shí)間為2018年7月1日—2018年8月31日，共62 d。

實(shí)測內(nèi)容包括家庭信息的問卷調(diào)查以及家用空調(diào)的運(yùn)行參數(shù)記錄，問卷調(diào)查主要包括住戶戶型、家庭常住人口、家庭成員構(gòu)成以及家庭代數(shù)，其組成詳見表1，實(shí)測用戶均為3代以內(nèi)家庭，總?cè)藬?shù)不超過5人，且人員構(gòu)成無老年人。主要通過空調(diào)伴侶（電量監(jiān)測插座）監(jiān)測空調(diào)的使用時(shí)間來記錄空調(diào)器的運(yùn)行時(shí)段，空調(diào)測試參數(shù)主要包括空調(diào)開關(guān)狀態(tài)以及空調(diào)每日耗電量。

在實(shí)測中，共有主臥、次臥以及客廳3種功能房間，每臺空調(diào)室內(nèi)機(jī)配備一個空調(diào)伴侶測試空調(diào)運(yùn)行參數(shù)，并記錄其對應(yīng)的功能房間，兩室一廳住戶安裝3個空調(diào)伴侶，三室一廳住戶安裝4個空調(diào)伴侶。

1.2 關(guān)聯(lián)規(guī)則Apriori算法

Apriori算法是一種挖掘關(guān)聯(lián)規(guī)則的頻繁項(xiàng)集算法，其核心是基于兩階段頻繁項(xiàng)集思想的遞推算法，其中頻繁項(xiàng)集指的是經(jīng)常出現(xiàn)在一塊的物品的集合，關(guān)聯(lián)規(guī)則暗示兩種物品之間可能存在很強(qiáng)的關(guān)系^[22]。

Apriori算法的整體步驟可分為兩步：第1步通過迭代，檢索出事務(wù)數(shù)據(jù)庫中的所有頻繁項(xiàng)集，即支持度不低于設(shè)定的閾值的項(xiàng)集；第2步利用頻繁項(xiàng)集構(gòu)造出滿足用戶最小信任度以及提升度的強(qiáng)關(guān)聯(lián)規(guī)則，其流程圖如圖1所示^[23-24]。

2 研究結(jié)果與分析

2.1 家庭結(jié)構(gòu)參數(shù)分析

目前關(guān)于家庭結(jié)構(gòu)的研究中，主要采用人數(shù)、代數(shù)、是否有小孩、夫婦平均年齡、最大年齡、最小年齡與平均年齡作為家庭結(jié)構(gòu)的研究參數(shù)。通過實(shí)測調(diào)研結(jié)果，主要利用斯皮爾曼相關(guān)系數(shù)分析驗(yàn)證這些參數(shù)的可行性，先計(jì)算出家庭結(jié)構(gòu)參數(shù)與空調(diào)行為之間的相關(guān)系數(shù)，再計(jì)算家庭結(jié)構(gòu)參數(shù)的平均相關(guān)系數(shù)，平均相關(guān)系數(shù)為該家庭結(jié)構(gòu)參數(shù)與所有空調(diào)行為相關(guān)系數(shù)絕對值的平均值。結(jié)果如表2所示，其中*代表p值小于0.05的情況，即兩者存在顯著相關(guān)性，可以發(fā)現(xiàn)，人數(shù)、代數(shù)與最小年齡均和空調(diào)使用行為存在顯著相關(guān)性。因此，選了與空調(diào)使用行為平均相關(guān)系數(shù)最高的3個參數(shù)——人數(shù)、代數(shù)和家庭最小年齡作為家庭結(jié)構(gòu)參數(shù)特征。

2.2 主臥使用時(shí)長與使用時(shí)間段描述

依據(jù)相關(guān)性分析，以家庭結(jié)構(gòu)參數(shù)中的人數(shù)、代數(shù)和家庭最小年齡為特征參數(shù)，圖2為主臥的空調(diào)使用時(shí)長分布。主臥平均每日空調(diào)使用時(shí)長為7.3 h，主臥的空調(diào)使用時(shí)長并非隨家庭人數(shù)增加而增加，1人家庭主臥的使用時(shí)長高于2人家庭主臥的使用時(shí)長。主臥空調(diào)使用時(shí)長隨家庭代數(shù)的增加而增加，3代家庭主臥平均空調(diào)使用時(shí)長為9.7 h，2代家庭為7.3 h，1代家庭為5.2 h。當(dāng)家庭中最小年齡為學(xué)齡前兒童或青少年時(shí)，主臥的空調(diào)使用時(shí)長高于最小年齡為青年或中年的家庭。

根據(jù)家庭結(jié)構(gòu)參數(shù)中的人數(shù)、代數(shù)和家庭最小年齡等特征參數(shù)，對主臥空調(diào)開啟時(shí)間段進(jìn)行整體分析，結(jié)果如圖3所示。從整體上看，主臥空調(diào)的主要開啟時(shí)間段集中在21：00。人數(shù)與代數(shù)越多的家庭，在21：00開啟空調(diào)的概率越高，而有學(xué)齡前兒童以及青少年的家庭，其在21：00開啟空調(diào)的概率達(dá)到了0.5以上，在某個時(shí)間段開啟概率越高，也就表明了該家庭使用空調(diào)的時(shí)段越具有規(guī)律性。

2.3 次臥使用時(shí)長與使用時(shí)間段描述

圖4為次臥空調(diào)使用時(shí)長分布。次臥平均每日空調(diào)使用時(shí)長為2.8 h，次臥的空調(diào)使用時(shí)長隨家庭人數(shù)增加而有階梯式增加趨勢，1～2人家庭次臥的空調(diào)使用時(shí)長幾乎為0，但3～5人家庭次臥的空調(diào)使用時(shí)長平均為5～6 h。次臥的空調(diào)使用時(shí)長隨家庭代數(shù)的增加而增加，次臥3代家庭平均空調(diào)使用時(shí)長為7.4 h，2代家庭為1.4 h，1代家庭為0 h。次臥的空調(diào)使用主要為最小年齡為青少年的家庭。

次臥的空調(diào)開啟時(shí)間段分布結(jié)果如圖5所示。從整體上看，次臥的主要開啟時(shí)間段集中在21：00。人數(shù)與代數(shù)越多的家庭，空調(diào)開啟的時(shí)間段越規(guī)律，而有學(xué)齡前兒童以及青少年的家庭，其在21：00開啟空調(diào)的概率達(dá)到了0.6以上。

2.4 客廳使用時(shí)長與使用時(shí)間段描述

圖6為客廳的空調(diào)使用時(shí)長分布?？蛷d平均每日空調(diào)使用時(shí)長為3.3 h，客廳的空調(diào)使用時(shí)長從2人家庭開始逐漸增加，1人家庭與4人家庭的平均空調(diào)使用時(shí)長接近。客廳的空調(diào)使用時(shí)長隨家庭代數(shù)的增加而增加，客廳3代家庭平均空調(diào)使用時(shí)長為4.7 h，2代家庭為1.9 h，1代家庭為0.2 h?？蛷d的空調(diào)使用主要為最小年齡為學(xué)齡前兒童的家庭，且最小年齡為中年的家庭幾乎不使用客廳空調(diào)。

客廳的空調(diào)開啟時(shí)間段分布結(jié)果如圖7所示。從整體上看，客廳空調(diào)的主要開啟時(shí)間段較為分散，無明顯集中時(shí)間段開啟。5人家庭空調(diào)開啟的時(shí)間段相對集中在16：00。

3 討論

3.1 主臥中空調(diào)使用時(shí)間與家庭結(jié)構(gòu)的關(guān)聯(lián)規(guī)則

為使用Apriori關(guān)聯(lián)規(guī)則算法分析家庭結(jié)構(gòu)與空調(diào)使用時(shí)間的關(guān)聯(lián)性，基于算法結(jié)構(gòu)框架，需要將目前的定量數(shù)據(jù)轉(zhuǎn)換為定性數(shù)據(jù)，因此，首先對樣本空調(diào)使用時(shí)長進(jìn)行分類。Gu等^[25]提出了閾值模型分類方法，并驗(yàn)證了區(qū)域尺度空調(diào)用戶分類的有效性。根據(jù)上述空調(diào)用戶分類方法，基于用戶需求，樣本可分為低使用時(shí)長、中使用時(shí)長和高使用時(shí)長用戶，如表3所示。主臥每日空調(diào)使用時(shí)長在7.51 h內(nèi)的歸為低使用時(shí)長用戶，每日空調(diào)使用時(shí)長在7.51～10.54 h的歸為中使用時(shí)長用戶，每日空調(diào)使用時(shí)長大于10.54 h的歸為高使用時(shí)長用戶。再對空調(diào)開啟時(shí)間段進(jìn)行分類，分類按照4段式，即0：00—6：00為深夜，6：00—12：00為上午，12：00—18：00為下午，18：00—24：00為夜晚。

根據(jù)上述空調(diào)開啟時(shí)長以及使用時(shí)間段分類，利用Apriori關(guān)聯(lián)規(guī)則算法分析家庭結(jié)構(gòu)與空調(diào)使用時(shí)間的關(guān)聯(lián)性。其中，支持度設(shè)置為大于5%，置信度設(shè)置為大于50%，提升度設(shè)置為大于1。關(guān)聯(lián)規(guī)則分析結(jié)果如圖8所示。主臥空調(diào)的高使用時(shí)長用戶與人數(shù)為4人、5人，代數(shù)為2代、3代，最小年齡為學(xué)齡前兒童和青少年的家庭關(guān)聯(lián)性強(qiáng)，主臥空調(diào)的低使用時(shí)長用戶與人數(shù)為2人，代數(shù)為1代，最小年齡為青年和中年的家庭關(guān)聯(lián)性強(qiáng)。主臥空調(diào)的開啟時(shí)間段主要集中在夜晚18：00—24：00時(shí)間段，家庭成員最小年齡為青少年的家庭，主臥夜晚開啟空調(diào)關(guān)聯(lián)性更強(qiáng)。

3.2 次臥中空調(diào)使用時(shí)間與家庭結(jié)構(gòu)的關(guān)聯(lián)規(guī)則

如表4所示，次臥每日空調(diào)使用時(shí)長在1.25 h內(nèi)的歸為低使用時(shí)長用戶，每日空調(diào)使用時(shí)長在1.25～9.28 h的歸為中使用時(shí)長用戶，每日空調(diào)使用時(shí)長大于9.28 h的歸為高使用時(shí)長用戶。

次臥空調(diào)使用時(shí)間與家庭結(jié)構(gòu)關(guān)聯(lián)規(guī)則分析結(jié)果如圖9所示。次臥空調(diào)的高使用時(shí)長用戶與人數(shù)為4人、5人，代數(shù)為2代、3代，最小年齡為學(xué)齡前和青少年的家庭關(guān)聯(lián)性強(qiáng)，次臥空調(diào)的低使用時(shí)長用戶與人數(shù)為1人、2人，代數(shù)為1代的家庭關(guān)聯(lián)性強(qiáng)?？梢园l(fā)現(xiàn)次臥空調(diào)的開啟時(shí)間段主要集中在夜晚18：00—24：00時(shí)間段，且人數(shù)與代數(shù)越多的家庭，其次臥空調(diào)開啟越規(guī)律。家庭成員最小年齡為青少年和學(xué)齡前兒童的家庭，次臥夜晚開啟空調(diào)關(guān)聯(lián)性更強(qiáng)。

3.3 客廳中空調(diào)使用時(shí)間與家庭結(jié)構(gòu)的關(guān)聯(lián)規(guī)則

如表5所示，客廳每日空調(diào)使用時(shí)長在2.06 h內(nèi)的歸為低使用時(shí)長用戶，每日空調(diào)使用時(shí)長在2.06～6.76 h的歸為中使用時(shí)長用戶，每日空調(diào)使用時(shí)長大于6.76 h的歸為高使用時(shí)長用戶。

客廳空調(diào)使用時(shí)間與家庭結(jié)構(gòu)關(guān)聯(lián)規(guī)則分析結(jié)果如圖10所示?？蛷d空調(diào)的高使用時(shí)長用戶與人數(shù)為3人、4人，代數(shù)為3代，最小年齡為學(xué)齡前兒童和青少年的家庭關(guān)聯(lián)性強(qiáng)，客廳空調(diào)的低使用時(shí)長用戶與人數(shù)為2人、3人，代數(shù)為1代、2代的家庭關(guān)聯(lián)性強(qiáng)?？梢园l(fā)現(xiàn)客廳空調(diào)的開啟時(shí)間段1代家庭集中在晚上，2代家庭集中在上午，3代家庭集中在下午，而無其余明顯關(guān)聯(lián)規(guī)則。

3.4 空調(diào)使用時(shí)間與家庭結(jié)構(gòu)的關(guān)聯(lián)性結(jié)果分析

綜合以上主臥、次臥與客廳3種不同功能房間的空調(diào)使用時(shí)長，發(fā)現(xiàn)家庭中代數(shù)的增加會導(dǎo)致主臥、次臥與客廳的使用時(shí)長增加，3代家庭的整體空調(diào)使用時(shí)長大于2代家庭，而2代家庭的空調(diào)使用時(shí)長大于1代家庭。人數(shù)的增加不一定會導(dǎo)致客廳空調(diào)使用時(shí)長的增加，特別是1人的家庭，其空調(diào)使用行為受個人習(xí)慣影響較大，其空調(diào)使用時(shí)長無強(qiáng)關(guān)聯(lián)規(guī)則，但隨著人數(shù)的增加，空調(diào)使用時(shí)長也會增加，主要是受代數(shù)增加的影響。最小年齡是一個更加復(fù)雜的參數(shù)，并且與代數(shù)和人數(shù)在一定方面具有相關(guān)性，因?yàn)橥ǔ?代家庭的最小年齡為青年，而3代家庭的最小年齡為學(xué)齡前兒童或青少年，但在3種不同功能房間上，最小年齡為青少年的家庭，都與高使用時(shí)長用戶關(guān)聯(lián)性較強(qiáng)，則一是反映了最小年齡為青少年的家庭使用時(shí)長普遍偏高，二是反映了最小年齡為青少年的家庭使用空調(diào)時(shí)長較為規(guī)律。且次臥的使用與最小年齡為青少年的家庭密切相關(guān)，在實(shí)測中，只有最小年齡為青少年的家庭大量地使用了次臥的空調(diào)。

圖8～圖10的關(guān)聯(lián)規(guī)則結(jié)果中的強(qiáng)關(guān)聯(lián)性僅表示在某一個事件下，其高概率發(fā)生的結(jié)果，并不代表在所有事件下的高概率發(fā)生的結(jié)果，如圖10所示，2代家庭在客廳與上午時(shí)段開啟空調(diào)有強(qiáng)關(guān)聯(lián)規(guī)則，其代表的含義是指客廳在上午時(shí)段開啟空調(diào)的條件下，2代家庭存在這種行為的概率遠(yuǎn)高于其余代數(shù)，因此，該結(jié)果并不代表2代家庭不常在夜晚時(shí)間段開啟空調(diào)。綜合以上主臥、次臥與客廳3種不同功能房間的空調(diào)使用時(shí)間段，主臥與次臥空調(diào)的開啟時(shí)間段與家庭結(jié)構(gòu)參數(shù)無明顯關(guān)聯(lián)規(guī)則，都主要集中在夜晚時(shí)間段（18：00—24：00）開啟，但當(dāng)代數(shù)在1代以及人數(shù)在2人以內(nèi)時(shí)，主臥與次臥也存在其他時(shí)間段開啟情況。其中代數(shù)不同的家庭在客廳空調(diào)的開啟時(shí)間段有明顯差異，1代家庭在客廳空調(diào)使用時(shí)間段集中在夜晚，而2代家庭在客廳空調(diào)使用時(shí)間段集中在上午與夜晚，3代家庭在客廳空調(diào)使用時(shí)間段集中在下午，這可能是由不同人員在室率導(dǎo)致的，例如1代家庭通常由上班族人群組成，其回家時(shí)間可能在夜晚，而3代家庭通常存在長時(shí)間居家的人群，則可能下午就開始使用空調(diào)。

4 結(jié)論

為探究家庭結(jié)構(gòu)參數(shù)與空調(diào)使用行為之間的關(guān)聯(lián)關(guān)系，通過對12戶家庭，40個空調(diào)器共62 d的實(shí)測研究，利用關(guān)聯(lián)規(guī)則算法探究了家庭結(jié)構(gòu)參數(shù)和空調(diào)使用行為之間的關(guān)聯(lián)規(guī)則。得到以下主要結(jié)論：

1）家庭結(jié)構(gòu)參數(shù)中的人數(shù)、代數(shù)與最小年齡均與空調(diào)使用時(shí)間存在明顯相關(guān)性，其中代數(shù)對空調(diào)使用時(shí)間的影響程度最大。

2）代數(shù)為不同功能房間的空調(diào)使用時(shí)長的最主要特征，代數(shù)越大，其空調(diào)使用時(shí)長越高，3代家庭在不同功能房間的空調(diào)使用時(shí)長均大于其他代數(shù)的家庭。在本研究中，主臥3代家庭平均空調(diào)使用時(shí)長為9.7 h，2代家庭為7.3 h，1代家庭為5.2 h；次臥3代家庭平均空調(diào)使用時(shí)長為7.4 h，2代家庭為1.4 h，1代家庭為0 h；客廳3代家庭平均空調(diào)使用時(shí)長為4.7 h，2代家庭為1.9 h，1代家庭為0.2 h。最小年齡為不同功能房間的空調(diào)使用時(shí)長的次要特征，在同一代數(shù)的家庭中，最小年齡為青少年或?qū)W齡前兒童的家庭的空調(diào)使用時(shí)長會高于最小年齡為青年或中年的家庭。對于成員最小年齡為學(xué)齡前兒童或青少年的家庭，主臥與次臥的使用時(shí)長呈正相關(guān)。

3）代數(shù)為客廳的空調(diào)開啟時(shí)間段的最主要特征，1代家庭的空調(diào)開啟時(shí)間段集中在夜晚，2代家庭的空調(diào)開啟時(shí)間段集中在上午與夜晚，3代家庭的空調(diào)開啟時(shí)間段集中在下午。無明顯家庭結(jié)構(gòu)特征影響主臥與次臥的空調(diào)開啟時(shí)間段，主臥與次臥的空調(diào)開啟時(shí)間段均主要集中在夜晚時(shí)間段。最小年齡為青少年的家庭，其空調(diào)開啟時(shí)間段較為固定且有規(guī)律。

參考文獻(xiàn)

[1] ?清華大學(xué)建筑節(jié)能研究中心. 中國建筑節(jié)能年度發(fā)展研究報(bào)告2021 [M]. 北京： 中國建筑工業(yè)出版社， 2021.

Building Energy Research Center of Tsinghua University. Annual development research report of building energy efficiency in China-2021 [M]. Beijing： China Architecture & Building Press， 2021. （in Chinese）

[2] ?李兆堅(jiān)， 謝德強(qiáng)， 江紅斌， 等. 北京市住宅空調(diào)開機(jī)行為和能耗的實(shí)測研究[J]. 暖通空調(diào)， 2014， 44（2）： 15-20.

LI Z J， XIE D Q， JIANG H B， et al. Testing study on operating behavior and energy consumption of air conditioners in residential buildings in Beijing [J]. Heating Ventilating & Air Conditioning， 2014， 44（2）： 15-20. （in Chinese）

[3] ?燕達(dá)， 豐曉航， 王闖， 等. 建筑中人行為模擬研究現(xiàn)狀和展望[J]. 建筑科學(xué)， 2015， 31（10）： 178-187.

YAN D， FENG X H， WANG C， et al. Current state and future perspective of occupant behavior simulation in buildings [J]. Building Science， 2015， 31（10）： 178-187. （in Chinese）

[4] ?劉猛， 晏璐， 李金波， 等. 基于數(shù)據(jù)監(jiān)測平臺的重慶地區(qū)房間空調(diào)器使用作息分析[J]. 暖通空調(diào)， 2020， 50（5）： 1-9， 116.

LIU M， YAN L， LI J B， et al. Analysis of operation schedule of room air conditioners in Chongqing based on data monitoring platform [J]. Heating Ventilating & Air Conditioning， 2020， 50（5）： 1-9， 116. （in Chinese）

[5] ?RIJAL H B， TUOHY P， NICOL F， et al. Development of an adaptive window-opening algorithm to predict the thermal comfort， energy use and overheating in buildings [J]. Journal of Building Performance Simulation， 2008， 1（1）： 17-30.

[6] ?FABI V， ANDERSEN R V， CORGNATI S， et al. Occupants' window opening behaviour： A literature review of factors influencing occupant behaviour and models [J]. Building and Environment， 2012， 58： 188-198.

[7] ?王闖. 有關(guān)建筑用能的人行為模擬研究[D]. 北京： 清華大學(xué)， 2014.

WANG C. Simulation research on occupant energy-related behaviors in building [D]. Beijing： Tsinghua University， 2014. （in Chinese）

[8] ?張振誠， 田佳. 人員行為對住宅建筑熱負(fù)荷需求的影響研究[J]. 建筑熱能通風(fēng)空調(diào)， 2021， 40（9）： 10-13， 97.

ZHANG Z C， TIAN J. Research on the influence of occupant behavior on the heat load demand of residential building [J]. Building Energy & Environment， 2021， 40（9）： 10-13， 97. （in Chinese）

[9] ?REN X X， YAN D， WANG C. Air-conditioning usage conditional probability model for residential buildings [J]. Building and Environment， 2014， 81： 172-182.

[10] ?宋健， 張曉倩. 從人口轉(zhuǎn)變到家庭轉(zhuǎn)變：一種理論分析思路[J]. 探索與爭鳴， 2021（1）： 129-136， 180.

SONG J， ZHANG X Q. From demographic transition to family transition： A theoretical analysis perspective [J]. Exploration and Free Views， 2021（1）： 129-136， 180. （in Chinese）

[11] ?MCLOUGHLIN F， DUFFY A， CONLON M. Characterising domestic electricity consumption patterns by dwelling and occupant socio-economic variables： An Irish case study [J]. Energy and Buildings， 2012， 48： 240-248.

[12] ?YANG Y C， YUAN J Q， XIAO Z W， et al. Energy consumption characteristics and adaptive electricity pricing strategies for college dormitories based on historical monitored data [J]. Energy and Buildings， 2021， 245： 111041.

[13] ?BROUNEN D， KOK N， QUIGLEY J M. Residential energy use and conservation： Economics and demographics [J]. European Economic Review， 2012， 56（5）： 931-945.

[14] ?MENG X， GAO Y N， HOU C P， et al. Questionnaire survey on the summer air-conditioning use behaviour of occupants in residences and office buildings of China [J]. Indoor and Built Environment， 2019， 28（5）： 711-724.

[15] ?朱小雷， 王博， 余文婷. 家庭結(jié)構(gòu)與多代居住空間關(guān)聯(lián)性： 以廣州保障房套型研究為例[J]. 南方建筑， 2020（6）： 8-14.

ZHU X L， WANG B， YU W T. The relationship between family structure and multigenerational dwellings： Design research on Guangzhou security residential buildings [J]. South Architecture， 2020（6）： 8-14. （in Chinese）

[16] ?ESTIRI H. The indirect role of households in shaping US residential energy demand patterns [J]. Energy Policy， 2015， 86： 585-594.

[17] ?盧玫珺， 羅喬. 居民用能行為對能耗影響程度分析[J]. 福建建材， 2020（5）： 7-9.

LU M J， LUO Q. Analysis on the influence of residents' energy consumption behavior on energy consumption [J]. Fujian Building Materials， 2020（5）： 7-9. （in Chinese）

[18] ?盧玫珺， 羅喬， 歐陽金龍. 成都市不同年齡段居民用能行為的調(diào)查研究[J]. 四川建筑科學(xué)研究， 2020， 46（3）： 79-85.

LU M J， LUO Q， OUYANG J L. Investigation on energy use behavior of residents of different age groups in Chengdu [J]. Sichuan Building Science， 2020， 46（3）： 79-85. （in Chinese）

[19] ?陳淑琴， 胡佳敏， 黃宇蕊， 等. 廣州市城鎮(zhèn)住宅用能行為特征聚類及其對用能需求的影響[J]. 暖通空調(diào)， 2022， 52（7）： 151-157， 150.

CHEN S Q， HU J M， HUANG Y R， et al. Clustering analysis of occupant behavior and its impacts on energy demand of urban residential buildings in Guangzhou [J]. Heating Ventilating & Air Conditioning， 2022， 52（7）： 151-157， 150. （in Chinese）

[20] ?FLETT G， KELLY N. Modelling of individual domestic occupancy and energy demand behaviours using existing datasets and probabilistic modelling methods [J]. Energy and Buildings， 2021， 252： 111373.

[21] ?韓博聞. 基于Apriori關(guān)聯(lián)算法的配電網(wǎng)運(yùn)行大數(shù)據(jù)關(guān)聯(lián)分析模型[J]. 上海電力學(xué)院學(xué)報(bào)， 2018， 34（2）： 163-168， 195.

HAN B W. Big data association analysis model of distribution network operation and maintenance based on apriori correlation algorithm [J]. Journal of Shanghai University of Electric Power， 2018， 34（2）： 163-168， 195. （in Chinese）

[22] ?沈慧娟， 曹曉麗. 基于頻集的Apriori關(guān)聯(lián)規(guī)則算法的應(yīng)用研究[J]. 物聯(lián)網(wǎng)技術(shù)， 2020， 10（10）： 57-61.

SHEN H J， CAO X L. Application research of apriori association rule algorithm based on frequency set [J]. Internet of Things Technologies， 2020， 10（10）： 57-61. （in Chinese）

[23] ?賈克斌， 李含婧， 袁野. 基于Apriori算法的數(shù)據(jù)挖掘在移動醫(yī)療系統(tǒng)中的應(yīng)用[J]. 北京工業(yè)大學(xué)學(xué)報(bào)， 2017， 43（3）： 394-401， 322.

JIA K B， LI H J， YUAN Y. Application of data mining in mobile health system based on apriori algorithm [J]. Journal of Beijing University of Technology， 2017， 43（3）： 394-401， 322. （in Chinese）

[24] ?朱奎兵， 劉彥戎. 一種優(yōu)化的Apriori關(guān)聯(lián)規(guī)則算法[J]. 信息技術(shù)， 2022， 46（5）： 77-81， 87.

ZHU K B， LIU Y R. An optimized Apriori association rule algorithm [J]. Information Technology， 2022， 46（5）： 77-81， 87. （in Chinese）

[25] ?GU X B， LIU M， LI Z Q. Classification of household room air conditioner user groups by running time in the hot summer and cold winter zone of China [J]. Buildings， 2022， 12（9）： 1415.

（編輯??胡玲）