住宅空調耗能推估

影響住宅空調耗能的因素複雜，包含建築外殼、氣候、空調系統、室內發 散熱等等，由於住宅建築在類型上與熱學性質上的多樣性，使得模擬過程存在著 高度的不確定性，因此本研究參考所內過去之研究(羅時麒, 黃瑞隆, & 黃國倉, 2017)，透過全域的模擬方法-蒙地卡羅法中之拉丁超立方取樣法，設計 300 個住 宅案例進行市場上可能之案例分布模擬。蒙地卡羅法為一種隨機分布的模擬方法，

透過大量的案例來掌握實際的情況，而各個參數之範圍則參考過去的經驗及文獻 設定。其步驟如下：

(一) 住宅建築外殼與室內發散熱參數設定

由於空調受到氣候、建築外殼及設備影響，為了涵蓋國內大部分的住宅建 築性質，空調耗能採用較保守的蒙地卡羅法設計300 個案例，並以國內常見的住 宅平面圖作為基準，如圖 3-6，其中 L 代表客餐廚等公共空間，B 代表臥室，相 關參數設定如表 3-2 所示：

表 3-2 住宅建築外殼與室內發散熱參數設定

變因 最小值 最大值 備註

每戶樓地板面積分配 92.56 m²

窗牆比 (WWR) 0.1 0.6 -

玻璃熱傳透率 (U 值) 1.5 6.0 W/m²-K 玻璃日射透過率 (SHGC) 0.20 0.85 -

外遮陽深度比 0 2.0 格子遮陽

外牆熱傳透率 (U 值) 0.5 3.5 W/m²-K

建築方位 八方位等機率模擬

每戶人員數 4 人

客餐廳燈光密度 12.0 W/m²

客餐廳設備密度 10.8 W/m²

臥室燈光密度 9.6 W/m²

臥室設備密度 4.8 W/m²

(資料來源：(羅時麒 et al., 2017))

第三章 研究方法

圖 3-6 住宅平面配置圖

（資料來源：(羅時麒 et al., 2017)）

(三) 空調運轉模式

台灣住宅多以小型分離式冷氣為主，運轉模式為當室內過熱時才啟動空調 運轉，否則平時多以自然通風為主，是否開啟空調視室內有無過熱而定，為了判 斷住宅空調的啟閉時間，本研究採用ASHRAE Standard 55 所提出的熱適應舒適 模型作為評斷標準，當室內操作溫度超過該模型80% 的熱舒適上限時則開啟空 調，該模型的最佳室內操作溫度(Toc)為外氣均溫(Tom)的函數，如 式 3-1 所 示，而80%的舒適範圍上界為 Toc+3.5°C。

Toc = 0.31×Tom + 17.8 式 3-1 (四) 住宅空調耗能計算

住宅空調耗能採用EnergyPlus 模擬，將 300 個住宅案例與北、中、南三區 之氣象條件輸入至 EnergyPlus 後將會計算出每個住宅案例在不同的氣象條件下 全年的空調耗能，將全年的空調耗能除以空調面積即求得空調的能源使用密度 (Energy Use Intensity, EUI)，繪製 300 個案例的 EUI 分布，作為該氣候條件下之 住宅空調 EUI 表現，再將此分布乘上住宅面積即可求得住宅空調耗能，計算公 式如下Eres,HVAC,yr＝∑region(EUIres,region,HVAC,yr × Ares,region,yr) 式 3-2

Eres,HVAC,yr＝∑region(EUIres,region,HVAC,yr × Ares,region,yr) 式 3-2

其中，Eres,HVAC代表住宅空調耗能，EUIres,HVAC代表住宅空調EUI（由分布中取值），Ares代表住宅

面積，下標res 代表住宅部門，下標 region 代表北、中、南三種不同之區域，下標 yr 代表某一年 份。

(五) 住宅樓地板面積變遷之推估法

住宅樓地板面積可由民國89、99 年普查得知全國各縣市的人均居住面積，

如表 3-3，再根據各縣市歷年人口估算該縣市的住宅面積，各縣市歷年人口資料

由於人均居住面積為每十年調查一次，因此在未調查的年份之間，採用線 性內插的方式將每一年各縣市的人均居住面積計算出來，而民國99 年之後的年 份由於尚未取得民國109 年的資料，因此取民國 99 年的調查結果作為每年的人 均居住面積值，各縣市住宅面積計算公式如各區域住宅面積yr(分北、中、南區，

m²) =各區域人均居住面積yr(m²/人) ×各區域人口 Pzone, yr (人) 式 3-3。

各區域住宅面積yr(分北、中、南區，m²) =各區域人均居住面積yr(m²/人) ×各區

域人口Pzone, yr (人) 式 3-3

表 3-3 各縣市人均居住面積 單位：m²/人

氣候分區 縣市 民國79 年 民國89 年 民國99 年 北區 臺北市 24.8 26.1 27.9

新北市 22.7 26.8 27.1 基隆市 20.1 27.9 30.0 新竹市 26.0 37.6 35.2 桃園市 26.2 36.1 35.3 新竹縣 26.8 35.3 37.2 宜蘭縣 23.8 35.2 38.6 苗栗縣 26.1 37.4 39.1 金門縣 29.0 44.7 36.8 連江縣 19.6 28.6 32.9 中區 臺中市 25.9 34.9 35.7 彰化縣 22.0 32.1 33.5 南投縣 25.2 34.9 37.0 雲林縣 22.0 28.3 35.5 花蓮縣 23.7 32.1 36.7 南區 高雄市 24.3 32.2 34.5 臺南市 24.1 36.4 37.1 嘉義市 22.6 31.1 35.3 嘉義縣 21.5 28.8 34.4 屏東縣 23.6 32.7 36.6 澎湖縣 21.4 36.6 35.9 臺東縣 21.6 34.5 35.8 全國平均 24.1 31.7 33.2

（資料來源：(行政院主計總處, 2010)）

第三章 研究方法

住宅面積影響空調耗能，因此在推估未來空調耗能時也須考慮住宅面積的 變化，由於無法精確掌握未來全國住宅樓地板面積之變化，因此在未來住宅面積 推估上擬採用聯合國人居署全球城市指標數據庫和歐洲統計局城市審計歐洲統 計數據庫所統計的模式推估住宅面積成長率，此模式描述了全球人均居住面積與 人均GDP 之間的關係，如圖 3-7。 式 3-4 為人均 GDP 與人均居住面積的關係 式，可由表 3-4 中的未來人均 GDP 代入 式 3-4 得到未來的人均居住面積，搭配 表 3-5 進一步推求未來逐年的住宅面積及成長率(ζ)，再利用成長率與各區域住 宅面積yr(分北、中、南區，m2) =各區域人均居住面積yr(m²/人) ×各區域人口 Pzone, yr (人) 式 3-3 求得的住宅面積推估未來全國各縣市的住宅面積 FA。

圖 3-7 人均居住面積與人均 GDP 之關係

（資料來源：(Isaac & Van Vuuren, 2009)）

yyr = 6.33 ln (xyr) - 28.95 式 3-4 未來各區域住宅面積(FAyr,zone)=FAyr-1,zone×ζyr,zone 式 3-5 ζyr,zone=(yyr×Pyr,zone/ yyr-1×Pyr-1,zone) 式 3-6

其中y 代表人均居住面積；x 代表人均 GDP（參考表 3-4 中華民國統計資訊網中我國未來 GDP 成長推估）；下標yr 為未來某一年份；ζ 代表住宅樓地板面積之成長率。

而在使用聯合國人居署的模式之前，為了確保世界的趨勢與國內的趨勢相 近，因次將民國79 年、89 年與 99 年的全國人均居住面積(行政院主計總處, 2010) 和人均GDP (中華民國統計資訊網) 的真實資料與聯合國人居署的模式做比較，

比較結果顯示，除了民國 79 年的人均居住面積低於全球趨勢外，民國 89 年與 99 年的人均居住面積皆與世界趨勢相近，如圖 3-8，而由於本研究的推估起始點

為民國89 年（西元 2000 年），因此民國79 年的資料將會被捨棄，並採用符合國

2018 2.00 608186 25783

2019 3.03 611255 25898

2020 2.40 625925 26511

2021 2.50 641573 27169

2022 2.60 658254 27876

2023 2.60 675369 28606

2024 2.70 693604 29391

2025 2.70 712331 30203

2026 2.60 730852 31013

2027 2.50 749123 31821

2028 2.50 767851 32659

2029 2.50 787047 33531

2030 2.50 806723 34437

2031 2.40 826085 35348

2032 2.40 845911 36294

2033 2.30 865367 37246

2034 2.30 885270 38237

2035 2.30 905631 39275

*人均GDP 以未來人口中推估計算

0 5000 10000 15000 20000 25000 30000 人均居住面積(m2/capita)

GDP/capita

聯合國人居署模式 國內真實資料

第三章 研究方法