第三節 商辦建築溫室氣體推估理論
3.3.1 商辦空調耗能之推估
本研究藉由 EnergyPlus 以全年動態模擬搭配各年之逐時氣象年來推估商辦 大樓之空調耗能量。而在模擬之假設上，需先決定建築物的外殼構造、熱學性質、
室內發散熱、空調系統及效能。空調耗能之來源，包括室內發散熱(室內人員、
照明、事務機器設備所產生之熱負荷)、建築外殼構造之熱學性能、室內外氣換 氣之需求以及空調系統效能等因素之影響，因此，為了涵蓋我國各種可能之建築
第三章 研究方法
型態組合，採用與住宅溫室氣體推估同樣之方法，應用蒙地卡羅方法以推估整體 我國商辦建築之各種樣態。其流程如圖 3-9。
圖 3-9 全國商辦建築空調耗能推估模型
（資料來源：本研究繪製）
本研究將建築外殼熱性能分解成以下影響因子：窗牆比(WWR)、玻璃熱傳 透率(U 值)、玻璃日射透過率(Solar heat gain coefficient, SHGC)、外遮陽深度比、
外牆熱傳透率 (U 值)、屋頂熱傳透率（U 值）、建築方位。將上述因子以蒙地卡 羅法搭配拉丁超立方抽樣(LHS)生成 1000 個建築案例，以求涵蓋國內大部分可 能之商辦大樓建築樣態。同時在空調方面，以CAV+VWV 與 VRF 兩種空調系統 做為模擬基準，模擬的氣象條件則採用台北、台中、高雄之真實氣象資料與新產 製之未來氣象資料以分別代表台灣北、中、南三個相異之氣候區，來求得未來之 空調耗能量變化。由於空調耗能主要受到當地氣候影響，且各年的氣候狀況也不 盡相同，因此必須根據不同年份與地區分批模擬，耗能模擬之數量估計如下表 3-14 所示。此外，為考量未來氣候變化之不確定性，將同時考量氣候變遷推估上 三種不同的變化情境(RCP2.6、RCP4.5、RCP8.5)，以分別代表未來人類發展將趨 向為溫室氣體低排放、中排放與高排放下之情境。因此，在商辦建築之耗能模擬 上，將進行264,000 次之模擬數量，以同時考量多樣的建築外殼、使用強度與空 調系統效率組合與未來氣候變化上之不確定性。
表 3-14 EnergyPlus 模擬案例數
項目 數量 備註
地區 3 台北、台中、高雄
未來情境 3 RCP2.6、RCP4.5、RCP8.5
GCM 模式
歷史年分
(2000 年至 2019 年)
20 以RCP4.5 模擬
未來年分
(2020 年至 2035 年)
16 區分為以RCP2.6、RCP4.5、RCP8.5 三種情境模擬
(2000 年至 2019 年) 氣象資料
建築案例(個) 1,000 以蒙地卡羅法之LHS 生成
總模擬次數(個) 264,000 =[(20*3*1)+(16*3*3)+20*3*1]*1000
（資料來源：本研究整理）
1. 建築模型外殼熱性能之模擬設定
本節所模擬之商辦大樓單層樓高為 3.5m，外牆及屋頂之 RC 樓版厚度為 15cm，同時藉由調整 PS 隔熱板的厚度以決定外牆及屋頂的構造熱傳透率(U 值)。
此外，建築面向方位、建築平面之長寬比皆會影響室內熱負荷取得之多寡進而影 響空調耗能，因此將建築物可能的四個坐向也考慮到模型之中。建築物的長寬比 主要影響著外周區之面積大小，若外周區面積愈大，則耗能表現愈易受到外界氣 象影響。地面層上樓層數則以常見的6 樓至 20 樓為模擬基準。一般而言，非辦 公區域的空調密度、照明密度、事務設備密度皆比辦公區域的密度還低，因此需 分開討論，本研究以「空調空間面積比」與「空間有效面積比」來分別代表建築 內有空調之空間面積比例以及有效樓地板面積佔整棟大樓樓地板面積的比值。
與窗戶開口部有關之外殼熱性能，如窗牆比(WWR)、窗玻璃 U 值及窗玻璃 日射透過率(SHGC)，皆依台灣常見之水準設定。外遮陽以水平遮陽之方式透過 描述遮陽板深度與窗高之比值之「深度比(x/y)」定義建築開口部之外遮陽性能，
相關參數之設定範圍參見下表 3-15。
表 3-15 商辦建築外殼參數設定
變因 最小值 最大值 分佈型態
長邊面向方位 N-S, W-E, NE-SW, SE-NW 四方位均佈
建築平面長寬比 1.1 3.5 均佈
單層樓地板面積(m2) 800 3000 均佈
地面上總樓層數 6 20 均佈
空調空間面積比(δA/C) 0.8 0.95 均布
空間有效面積比(δ) 0.6 0.85 均布
窗牆比(WWR) 0.35 0.85 均布
玻璃熱傳透率(U 值) 2.0 6.0 均布
玻璃日射透過率(SHGC) 0.25 0.85 均布
外遮陽深度比(x/y) 0.0 0.5 均布(但當 WWR>0.5
時，x 須小於 0.2)
外牆隔熱材PS 版厚度 (cm) 0.0 1.25 均布
屋頂隔熱材PS 版厚度 (cm) 1 5.0 均布
（資料來源：本研究整理）
2. 室內發散熱之模擬設定
商辦大樓室內發散熱之假定則參考自「綠建築解說與評估手冊」(內政部建
第三章 研究方法
設備密度。考量國內已有部分商辦大樓採用LED 燈具，其照明密度較低的緣故，
因此假定照明密度為偏斜常態分布(Azzalini, 1985)，偏斜常態是常態分布之一種 變形，具有一些常態分布之性質，本研究假定照明密度之分佈為左偏分布，如圖 3-10，之情況下進行 LHS 抽樣。而人員密度及事務設備密度則皆採隨機均勻分 布。各因子之上下界設定與假定之分佈如下表 3-16 所示。此外，在時程方面同 樣參考「綠建築解說與評估手冊」及修正部分數值而得，其中空調、照明、人員 分佈與事務設備之運轉時程如下圖 3-11。
表 3-16 商辦建築室內發散熱設定
變因 最小值 最大值 分佈型態
人員密度 (人/m2) 0.05 0.15 均布
照明密度 (W/m2) 3 13 以平均數為 8，標準差為
2.3 之常態分佈(圖 3-10)
事務設備密度 (W/m2) 5 10 均布
（資料來源：本研究整理）
圖 3-10 商辦大樓照明密度分布參考圖
（參考資料：本研究繪製）
圖 3-11 各設備之負荷率及運轉時程
（參考資料：本研究繪製）
3. 空調系統之模擬設定
空調系統的設定分為二次側定風量(CAV)搭配水側變流量(VWV)系統與氣
0 1
00-01 01-02 02-03 03-04 04-05 05-06 06-07 07-08 08-09 09-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17-18 18-19 19-20 20-21 21-22 22-23 23-24
空調運轉時間
0 1
00-01 01-02 02-03 03-04 04-05 05-06 06-07 07-08 08-09 09-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17-18 18-19 19-20 20-21 21-22 22-23 23-24
照明密度負荷率
0 1
00-01 01-02 02-03 03-04 04-05 05-06 06-07 07-08 08-09 09-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17-18 18-19 19-20 20-21 21-22 22-23 23-24
事務設備密度負荷
0 1
00-01 01-02 02-03 03-04 04-05 05-06 06-07 07-08 08-09 09-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17-18 18-19 19-20 20-21 21-22 22-23 23-24
人員密度負荷率
建築約有86.8 %為 CAV+VWV 系統，13.2%為氣冷式 VRF 系統，因此本研究將 1000 個案例依照此比例分配為 CAV+VWV 系統與氣冷式 VRF 系統。
在CAV+VWV 空調主機效能(coefficient of performance, COP)的設定上，由 於不同噸數大小的主機其合理的COP 區間範圍亦不同，但礙於模擬上的限制，
無法直接指定空調主機的噸數，因此需事先建立空調主機噸數(USRT)與總樓地 板面積(Total Floor Area, TFA)的關係，以便未來直接利用生成案例之樓地板面積 概估空調主機總容量，並分別訂定不同的COP 變化範圍，將更能趨近真實之情 況。圖 3-12 為 EnergyPlus 利用 1000 個案例及台北 TMY3 的氣象資料模擬數次 後反覆修正得到的結果，由圖中可知當總樓地板面積愈大時，空調的噸數也會隨 之增加，根據迴歸分析的結果，空調總噸數可透過案例之總樓地板面積依下
式 3-22 推求估計，以選用合理之 COP 範圍。
空調總噸數 = 0.0209 × TFA + 46.031 式 3-22 根據式 3-23，當空調總噸數<150 USRT 時，總樓地板面積 TFA < 4975；而 當空調總噸數>300 時，總樓地板面積 TFA>12152，藉由兩者之間的關係，即可 將此蒙地卡羅方法所生成之1000 個案例做適當的 COP 分派，詳細之 COP 上下 界如下表 3-17 所示。
此外，本研究為考量各建築使用時室內空調設定溫度之差異所致之空調耗 能變化，因此將空調設定溫度納為變數之一。此外，一個空間中有多少體積之氣 體被外氣置換亦影響空調負荷量之多寡，此於進出空間時開關門及門窗的間隙因 素都是影響此參數的變因，此參數的大小端看空間的規劃及使用習慣，因此外氣 換氣量同樣採蒙地卡羅隨機模擬的方式處理，以描述不同建築間相異的外氣換氣 量，詳細之範圍如表 3-17。
圖 3-12 總樓地板面積(TFA)與空調總噸數之關係
y = 0.0209x + 46.031 R² = 0.889
0 200 400 600 800 1000 1200 1400 1600
0 10000 20000 30000 40000 50000 60000
USRT
Total Floor Area (m2)
第三章 研究方法
表 3-17 商辦大樓空調系統設定
空調系統 COP 最小值 COP 最大值 備註
CAV + VWV
USRT < 150 4.00 5.50 市占約86.8%
150 < USRT < 300 4.55 6.05
USRT > 300 5.10 6.60
氣冷式VRF 2.95 3.85 市占約13.2 %
空調溫度設定 最低溫：22°C 最高溫：26°C 均勻分布
外氣換氣量(ACH) 最小值：0.1 最大值：0.5 均勻分布
（資料來源：本研究整理）
待所有參數設定完畢及透過 EnergyPlus 配合各年之氣象資料模擬完成後，
即可得到在不同地區氣候條件下，此1000 個案例所呈現的當年 EUI 分布情形，
如圖 3-13 所示是以 2019 年為例所呈現這 1000 個樣本之全年空調耗能量分佈，
在有效面積內將每一塊樓地板面積依照此分布賦予其一 EUI 值，最後再將所有 的EUI 耗能總加即可推得商辦大樓空調耗能，如下式 3-23：
Ecom,HVAC,yr＝∑region (EUIcom,region,HVAC,yr × Acom,region,yr × δ) 式 3-23
其中，下標u 為每單位樓板面積，region 為北、中、南三個區域，com 為商業部門，δ 為空間有 效面積比，本參數為變動值係透過蒙地卡羅方法LHS 取值（取值範圍參見研究報告之表 3-15）；
而EUIcom,region,HVAC,yr為透過EnergyPlus 搭配未來逐年氣候(依 RCP4.5 情境)分台灣北、中、南三
氣候區模擬而得。
圖 3-13 商辦空調 EUI 分布示意圖(以 2020 年為例)
為確保一致性，商辦建築空調的歷史與未來耗能推估模擬皆採用 GCM 模 型所產製的未來氣象年模擬，但由於GCM 產製的氣象年未必與國內真實氣象吻 合，因此需同時以真實氣象年模擬這1000 個案例，之後再將兩者所模擬的結果 比較修正，本研究以2000 年至 2019 年台北、台中及高雄三地的真實氣象資料產 製真實氣象年，與GCM 模型之中推估(RCP4.5)所產製的氣象年相互比較其 2000-2019 年間之變化量。發現台北、台中、高雄的 GCM 模擬結果平均比真實年低了
76 1,679,917 11,300,036 12,361,737 80,555,264 14.0%
77 1,611,075 12,911,111 14,465,778 95,021,042 13.6%
78 2,235,944 15,147,055 14,527,690 109,548,732 13.8%
79 1,867,864 17,014,919 12,059,109 121,607,841 14.0%
80 2,500,075 19,514,994 13,112,880 134,720,721 14.5%
81 2,508,465 22,023,459 16,721,810 151,442,531 14.5%
82 2,376,622 24,400,081 23,035,824 174,478,355 14.0%
83 2,163,748 26,563,829 29,990,737 204,469,092 13.0%
第三章 研究方法
86 2,902,472 34,242,960 15,634,945 269,675,091 12.7%
87 2,467,355 36,710,315 14,821,070 284,496,161 12.9%
88 4,088,783 40,799,098 14,564,635 299,060,796 13.6%
89 3,042,080 43,841,178 11,292,174 310,352,970 14.1%
90 2,425,365 46,266,543 9,127,718 319,480,688 14.5%
91 1,769,308 48,035,851 8,532,831 328,013,519 14.6%
92 2,656,023 50,691,874 10,659,082 338,672,601 15.0%
93 1,437,657 52,129,531 12,330,189 351,002,790 14.9%
94 1,324,176 53,453,707 13,972,174 364,974,964 14.6%
95 2,310,545 55,764,252 20,802,938 385,777,902 14.5%
96 2,772,328 58,536,580 21,578,032 407,355,934 14.4%
97 3,549,581 62,086,161 18,414,605 425,770,539 14.6%
98 2,582,687 64,668,848 13,517,972 439,288,511 14.7%
99 2,076,337 66,745,185 13,315,090 452,603,601 14.7%
100 1,329,646 68,074,831 13,253,304 465,856,905 14.6%
101 1,932,119 70,006,950 15,743,721 481,600,626 14.5%
102 1,946,248 71,953,198 16,887,729 498,488,355 14.4%
103 1,922,403 73,875,601 18,109,432 516,597,787 14.3%
104 2,260,022 76,135,623 18,981,866 535,579,653 14.2%
105 1,412,637 77,548,260 17,646,434 553,226,087 14.0%
106 1,865,504 79,413,764 15,462,618 568,688,705 14.0%
107 1,661,154 81,074,918 16,451,813 585,140,518 13.9%
108 1,435,210 82,510,128 14,786,505 599,927,023 13.8%
註：民國95 年後始有各縣市樓地板面積之統計值