基於未來氣候的住宅溫室氣體
排放趨勢預測與調適策略
計 畫 主 持 人 ： 羅時麒 組長
協 同 主 持 人 ： 黃瑞隆 博士
研 究 員 ： 黃國倉 博士
研 究 助
理 ： 王仁俊
研 究 助
理 ： 施文玫
內 政 部 建 築 研 究 所 協 同 研 究 報 告
中華民國 106 年 12 月
（本報告內容及建議，純屬研究小組意見，不代表本機關意見）目次 I
目次
表次……….………...…………...….III 圖次……….……….V 摘要……….……….………..IX 緒論... ... 1 第一節 研究緣起與背景 ... 1 第二節 本研究計畫之重要性與預期成果 ... 1 第三節 研究步驟與流程 ... 3 第四節 國內外相關文獻回顧 ... 4 研究方法 ... 15 第一節 研究範圍界定 ... 15 第二節 自下而上的住宅能耗模擬模型 ... 17 第三節 主要驅動因子與中間層驅動 ... 18 第四節 能源功能 ... 20 第五節 研究流程圖 ... 23 未來氣候分析 ... 25 第一節 生物氣候與冷熱應力 ... 25 第二節 生物氣候與被動式策略 ... 30 未來氣候下單位空調耗能變動分析 ... 35 第一節 單位空調耗能的不確定性分析 ... 35 第二節 建築外殼因子的靈敏度分析 ... 50 溫室氣體排放趨勢預測 ... 53 第一節 模型校正 ... 53 第二節 溫室氣體排放量預測 ... 54 調適策略 ... 58 第一節 建築外殼熱性能改善 ... 59II 第二節 空調能效提升 ... 64 第三節 家電設備效率提升 ... 66 第四節 照明效率提升 ... 68 第五節 綜合調適效果 ... 70 結論與建議 ... 75 第一節 結論 ... 75 第二節 建議事項 ... 76 附錄一 期中審查會議委員意見回覆……….….….77 附錄二 期末審查會議委員意見回覆……….……..81 附錄三 期中工作會議紀錄……….……..83 附錄四 期末工作會議紀錄……….……..87 參考書目……….………...……….91
表次 III
表次
表 1-1 研究進度 ... 3 表 1-2 在不同社經情境之下的住宅部門排碳量 ... 7 表 2-1 各變因及其參數設定 ... 22 表 2-2 LEED 規範之生活熱水計算標準 ... 23 表 2-3 生活熱水使用的各項溫度設定 ... 23 表 3-1 台北之全年累計熱和冷應力比較 ... 28 表 3-2 台中之全年累計熱和冷應力比較 ... 29 表 3-3 高雄之全年累計熱和冷應力比較 ... 29 表 3-4 台北之各項策略潛力整理 ... 32 表 3-5 台中之各項策略潛力整理 ... 33 表 3-6 高雄之各項策略潛力整理 ... 33 表 4-1 台北之空調綜合分析 ... 47 表 4-2 台北之空調綜合分析相對於當代之改變量 ... 47 表 4-3 台中之空調綜合分析 ... 48 表 4-4 台中之空調綜合分析相對於當代之改變量 ... 48 表 4-5 高雄之空調綜合分析 ... 49 表 4-6 高雄之空調綜合分析相對於當代之改變量 ... 49 表 6-1 住宿類建築的 Uw、Uf和 SF 基準值 ... 60 表 6-2 多元回歸分析獲得之各項係數 ... 60 表 6-3 修訂後的住宿類 Uw、Uf和 SF 基準值-(1) ... 62 表 6-4 修訂後的住宿類 Uw、Uf和 SF 基準值-(2) ... 62 表 6-5 修訂後的住宿類 Uw、Uf和 SF 基準值-(3) ... 63 表 6-6 窗(壁)型冷氣機能源效率分級基準表 ... 64 表 6-7 調適組合(1)各項設定值 — 中度減量效果 ... 71 表 6-8 調適組合(2)各項設定值 — 高度減量效果 ... 72圖次 V
圖次
圖 1-1 研究流程圖 ... 2 圖 1-2 各 RCP 情境的輻射強迫力 ... 4 圖 1-3 全球平均溫度變化相較於 1986-2005 的平均 ... 5 圖 1-4 自下而上和自上而下模型的一般方法論說明 ... 6 圖 1-5 自上而下與自下而上用於推估住宅能源消耗之方法 ... 7 圖 1-6 住宅部門之耗能與碳排放量在未來的趨勢變化 ... 9 圖 1-7 全年能源使用量於 2080 年代時在三個情境下的改變 ... 10 圖 1-8 冷暖房在各區域受全球暖化影響的淨碳排改變量 ... 11 圖 1-9 全國與住宅部門歷年二氧化碳變動趨勢 ... 12 圖 1-10 住宅部門各能源消費結構二氧化碳排放變動趨勢 ... 12 圖 2-1 臺灣 1990 至 2014 年總溫室氣體排放量和移除量趨勢 ... 15 圖 2-2 住宅碳排放的計算邊界 ... 16 圖 2-3 本計畫擬採用之自下而上的能量模擬模型 ... 17 圖 2-4 總人口成長趨勢－高、中及低推估 ... 18 圖 2-5 人均住宅面積和人均 GDP 之間的關係 ... 19 圖 2-6 住宅平面配置圖 ... 21 圖 2-7 含住宅能源模型之研究流程圖 ... 24 圖 3-1 台灣之生物氣候與濕空氣線圖 ... 25 圖 3-2 台北之全年累計熱和冷應力（1998-2100） ... 26 圖 3-3 台中之全年累計熱和冷應力（1998-2100） ... 27 圖 3-4 高雄之全年累計熱和冷應力（1998-2100） ... 27 圖 3-5 台北之生物氣候與被動式策略 ... 30 圖 3-6 台中之生物氣候與被動式策略 ... 31 圖 3-7 高雄之生物氣候與被動式策略 ... 31 圖 4-1 台北的年尖峰冷房負荷變動趨勢 ... 36VI 圖 4-2 台中的年尖峰冷房負荷之變動趨勢 ... 37 圖 4-3 高雄的年尖峰冷房負荷之變動趨勢 ... 38 圖 4-4 台北的全年空調使用時間變動趨勢 ... 40 圖 4-5 台中的全年空調使用時間變動趨勢 ... 41 圖 4-6 高雄的全年空調使用時間變動趨勢 ... 42 圖 4-7 台北的單位全年空調耗能變動趨勢 ... 44 圖 4-8 台中的單位全年空調耗能變動趨勢 ... 45 圖 4-9 高雄的單位全年空調耗能變動趨勢 ... 46 圖 4-10 台北的各住宅外殼因子標準迴歸係數 ... 50 圖 4-11 台中的各住宅外殼因子標準迴歸係數 ... 51 圖 4-12 高雄的各住宅外殼因子標準迴歸係數 ... 51 圖 5-1 歷年各部門燃料燃燒 CO2 排放量占比（含電力消費） ... 53 圖 5-2 模型推估值與歷史資料之校正 ... 54 圖 5-3 在低排放 RCP2.6 情境下之住宅部門溫室氣體排放趨勢 ... 56 圖 5-4 在中排放 RCP4.5 情境下之住宅部門溫室氣體排放趨勢 ... 56 圖 5-5 在高排放 RCP8.5 情境下之住宅部門溫室氣體排放趨勢 ... 57 圖 6-1 臺灣六大部門溫室氣體排放現況與短中長期減量目標 ... 58 圖 6-2 目前法規所貢獻的(A)溫室氣體減量與(B)住宅部門溫室氣體排放量 ... 61 圖 6-3 修訂標準(1)所貢獻的(A)溫室氣體減量與(B)住宅部門溫室氣體排放量 ... 62 圖 6-4 修訂標準(2)所貢獻的(A)溫室氣體減量與(B)住宅部門溫室氣體排放量 ... 63 圖 6-5 修訂標準(3)所貢獻的(A)溫室氣體減量與(B)住宅部門溫室氣體排放量 ... 64 圖 6-6 空調 COP = 3.6 貢獻的(A)溫室氣體減量與(B)住宅部門溫室氣體排放量 ... 65 圖 6-7 空調 COP = 3.9 貢獻的(A)溫室氣體減量與(B)住宅部門溫室氣體排放量 ... 65 圖 6-8 空調 COP = 4.2 貢獻的(A)溫室氣體減量與(B)住宅部門溫室氣體排放量 ... 66 圖 6-9 設備節能率提升 10%貢獻的(A)溫室氣體減量與(B)住宅部門溫室氣體排放量 ... 67 圖 6-10 設備節能率提升 20%貢獻的(A)溫室氣體減量與(B)住宅部門溫室氣體排放量 ... 67
圖次 VII 圖 6-11 設備節能率提升 30%貢獻的(A)溫室氣體減量與(B)住宅部門溫室氣體排放量 ... 68 圖 6-12 設備節能率提升 40%貢獻的(A)溫室氣體減量與(B)住宅部門溫室氣體排放量 ... 68 圖 6-13 照明節能率提升 10%貢獻的(A)溫室氣體減量與(B)住宅部門溫室氣體排放量 ... 69 圖 6-14 照明節能率提升 20%貢獻的(A)溫室氣體減量與(B)住宅部門溫室氣體排放量 ... 69 圖 6-15 照明節能率提升 30%貢獻的(A)溫室氣體減量與(B)住宅部門溫室氣體排放量 ... 70 圖 6-16 照明節能率提升 40%貢獻的(A)溫室氣體減量與(B)住宅部門溫室氣體排放量 ... 70 圖 6-17 應用調適組合(1)之住宅部門溫室氣體排放趨勢 ... 71 圖 6-18 應用調適組合(2)之住宅部門溫室氣體排放趨勢 ... 72
摘要 IX
摘要
關鍵詞：住宅部門、溫室氣體預測、建築外殼節能、調適策略 一、研究緣起 氣候變遷之議題從過去至今已激起許多關注，其對人居環境的衝擊更是備受討論。 在臺灣每年近百分之四十的能源使用皆來自於建築能耗，其中供建築之日常使用的能 源占比，其影響程度不容小覷。根據先前的研究結果顯示，隨著全球暖化日益加劇，外 氣條件之改變增加了未來建築節能的不確定性，尤其臺灣位於亞熱帶熱濕氣候區，未 來的氣溫增量導致空調耗能於最嚴峻之情境下，在 21 世紀末增為 2000 年之兩倍(Huang & Hwang, 2016)。如此巨幅的成長，最終勢必貢獻於全國整體溫室氣體排放量的上升。 基於建築節能與碳排放等因素，本研究之目的旨在量化未來住宅之溫室氣體排放趨勢， 並以此為依據，制定適切的調適策略以將未來住宅之溫室氣體排放量維持在當代水準。 二、研究方法及過程 本研究以由下往上之推估法，建立用於預測未來住宅溫室氣體排放趨勢之模型， 由社經因素如人口、家戶收入等為外部驅動因子，並考慮各個會影響住宅能源使用之 最終用途，包含空調使用、設備、燈光照明與烹飪等等；透過全域不確定性分析中的蒙 地卡羅法產生足以代表臺灣多樣化住宅之研究案例，各案例以 EnergyPlus 模擬在三種 氣候變遷情境下至世紀末之逐年能源使用情形，由模擬之結果建立溫室氣體推估模型 以預測未來氣候下的住宅部門排放趨勢。為了使得住宅部門的溫室氣體排放量維持在 溫室氣體減量管理法的管制標準內，本研究最終提出應用於住宅之各項調適策略並量 化其效益，以為未來政策擬定之參考，以臻節能減碳之目的。 三、重要發現 本研究所得之重要結論如下： 1. 未來氣候下人體的熱不舒適度為主要調適目的，而被動式的自然通風與主動 式的空調降溫為兩項可行的調適策略以維持人體舒適性。X 2. 自下而上的方法由分解部件的層次數據構建，並根據組合而成的數據來估計 個別因素對整體能源耗用的影響。此推估模型可用來選擇基於最佳成本效益 應用於各個部件的技術和過程，以實現碳排放減量的目標。 3. 本研究分析未來氣候下單位空調耗能的變化趨勢，結果顯示全年單位空調耗 能的增加主因在於長時間的空調使用；年尖峰冷房負荷的增量未如空調使用 時間的多，然而在冷凍噸數的設計上仍需考慮氣候改變所造成的影響。 4. 若為改善建築外殼的熱性能，依據靈敏度分析的結果，改善之優先順序為玻 璃之日射透過率(SHGC)、外遮陽係數(Ki)、外牆平均熱傳透率(Uw)。 5. 因人口、經濟成長與氣候改變三項因子的作用下，各情境之溫室氣體排放量 在 2030 年左右達到高峰，約為 34.58 至 33.05 百萬公噸不等；在 2030 年至 2060 年之間，氣候影響更為明顯，在高排放 RCP8.5 情境下，儘管全國的人 口減少，溫室氣體排放量仍維持在 33.25 百萬公噸並未減緩。 6. 本研究針對四個項目提出溫室氣體減量調適策略，依序為建築外殼熱性能改 善、空調效率提升、設備效率提升與照明效率提升。結果顯示在高度減量效 果的綜合調適策略下，2020 的溫室氣體排放量可降至 28.40 萬公噸，但若以 《溫室氣體減量及管理法》的長期標準而言，各個項目的減量程度仍需努 力。 四、主要建議事項 根據本研究成果發現，提出下列具體建議，分別從立即可行建議及中長期建議加 以列舉如下： 建議一 (研擬因應未來氣候之建築外殼法規相關法規):立即可行之建議 主辦機關： 內政部建築研究所 協辦機關： 國內各大學或研究機構
摘要 XI 在氣候變遷影響下，透過法規規範外殼之改善是必須的。本研究已提出基準值來 描述整體的住宅外殼性能，至於如何透過改變個別外殼因子以降低基準值，後續研究 則可參考本研究之靈敏度分析結果，作出個別性的調整，以最有效率的方式提升整體 住宅外殼熱性能，並進一步評估其對於社會、經濟與環境之衝擊。 建議二 (持續並擴大推廣老舊建築與設備的更新):中長期建議 主辦機關： 內政部建築研究所 協辦機關： 內政部營政署、台灣建築中心、經濟部能源局 本研究之研究結果證實，老舊建築的拆除更新與更換節能建築設備有助於改善整體住 宅建築外殼熱性能，而逐年建築的更新率為達成減量目標的重要因素，須仰賴政府的 推廣與民眾的配合才能達到一定的減量效果。
摘要
XIII
ABSTRACT
Keywords: residential building sector, greenhouse gas emissions projection, building envelope energy saving, mitigation
1. Introduction
Global warming issue has drawn great attention over the past few decades, and its impact on human habitat has been a major concern to the public. Building energy consumption is responsible for approximately 40% of the annual total energy usage in hot-and-humid Taiwan. The daily energy uses of residential buildings contribute the largest proportion of this consumption. Based on previous research, it showed that the changing climate would increase the uncertainty and reduce the flexibility of building energy conservation efficiencies. Moreover, as a consequence of the dramatically increasing temperature in the late 21st century under the medium greenhouse gas (GHG) emission scenario, it revealed that the annual residential cooling energy will rise almost twofold as compared to that in 2000s for hot-and-humid Taiwan (Huang and Hwang, 2016). In consequence, it is speculated that such a considerable increment in building energy consumption would eventually contribute to higher nation-wide GHG emissions. From the perspectives of energy saving and carbon emission reduction, the primary aim of this study is to investigate the possible variation trend of residential GHG emissions under the influence of the future climate, and furthermore, to formulate adequate strategies for new and existing buildings to mitigate the amount of GHG emissions.
2. Method
A building physics and statistical based bottom-up model was introduced in the study for the purpose to project the future GHG emissions in residential sector. The model adopts socio-economic factors such as population and household income as external drivers, and includes different energy end-use groups (including space cooling and heating, water heating, appliances, lighting, etc.) to predict the amount of residential energy consumption. In order to ensure that a variety of building characteristics of typical condominium in Taiwan is encompassed, residential cases were generated through Monte Carlo method based on global uncertainty analysis. These generated models were simulated via EnergyPlus under three climate change scenarios to estimate their future cooling energy use. Therefore, a model to predict and assess the variation trend of GHG emissions in residential sector under future climate was developed based on the simulation results. To restrain the excessive amount of residential GHG emissions in the future, this study proposed several passive design mitigation measures and quantified their corresponding benefits in application to residential buildings.
XIV
The following findings have been achieved through the in-situ experiments in this research:
a) The result of bioclimates indicates that the growing cooling demand during summer is the dominant and urgent requirement to be satisfied. In addition, natural ventilation and mechanical cooling is still applicable to maintain the human thermal comfort in the future.
b) The bottom-up model is developed from disaggregated components on a hierarchical level, and then all the components are combined to estimate for their corresponding impact on the total energy use. As a result, the bottom-up model is sufficient and useful when formulating mitigation for individual component.
c) The result reveals the annual cooling energy ultimately increases dramatically as the annual A/C operation frequency increases. Although the increment in the peak cooling load is not as much as that of the annual cooling energy, the climate change impact on the refrigeration ton still need be taken in to consideration.
d) To improve the thermal properties of the building envelope, based on the result of the sensitivity analysis, Solar heat gain coefficient (SHGC) of the glazing would be the priority consideration during the selection of the window material. In addition, exterior shading coefficient (K) and the insulation of the exterior walls (Uw) could be taken as effective
factors as well.
e) Due to the interaction among population, economic development and climate change, the GHG emissions in all the scenarios reach a peak of around 34.58 Mt CO2e to 33.05 Mt CO2e
in 2030. During the period from 2030 to 2060, the effect of changing climate become more significant. The GHG emission still remains at 33.25 Mt CO2e under the high emission
scenario RCP8.5, although the amount of population decays.
f) The study proposed four mitigations to the GHG emissions. The mitigations include improvement of thermal properties of the building envelope, enhance the efficiency of the HVAC systems, electricity equipment, and lighting equipment. The result shows that the GHG emission will maintain at 28.40 Mt CO2e in 2020 if the four mitigations are integrated.
4. Recommendation
a) Under the effect of climate change, it is urgent to mandate and improve the building envelope thermal properties through the new regulations.
b) The research results reveal a promising benefits of the improvement and renewal in old existing building and non-efficient equipment.
第一章 緒論
1
緒論
第一節 研究緣起與背景
氣候變遷對於生態系統和人居環境的影響日益加劇，政府間氣候變化專門委員會 (Intergovernmental Panel on Climate Change, IPCC)於 2013 年發表的第五次報告書(The
fifth assessment, AR5)當中指出，在各種溫室氣體排放情境下，從 1960 年代到 2100 年
的全球年均溫上升幅度將落在攝氏 1 到 7 度之間；近年臺灣之夏季溫度屢屢高於攝氏 38 度，臺灣電力公司於 2017 年的夏天宣佈單日尖峰用電量高達 3626.6 萬瓩，創下歷 史新高，危及全台的能源使用。氣候變遷除了造成地表溫度上升，全球環境之濕度、風 和太陽輻射等氣候因子，也會隨著逐年累積的大量溫室氣體排放而改變，由於上述戶 外條件的變化，氣候變遷將對建築能源的使用產生影響，其中佔有建築能耗約 50%的 空調與供暖的部份衝擊尤為明顯。 氣候變遷對於不同地區的供暖和空調能源使用的影響，會因氣候區的不同而有所 差異，因此需要對未來供暖以及空調的能源使用進行因地制宜的分析，以更明確地了 解未來氣候對建築能耗的影響與衝擊。根據我國於 2015 年通過的《溫室氣體減量及管 理法》，溫室氣體減量與管理是以總體減量率為目標，而住宅部門占了全國整體溫室氣 體排放量的比例約為 12%，若能釐清氣候變遷對住宅能耗帶來什麼樣的影響，同時制 定因應的調適策略，修改現有建築法規，對於達成建築溫室氣體減量目標與擬訂管理 策略將有莫大助益。
第二節 本研究計畫之重要性與預期成果
了解氣候變遷影響下溫室氣體的排放趨勢，是制定溫室氣體減量政策的重要依據。 本研究選擇佔有建築部門能耗 2/3 的住宅做為研究對象，整理國際上考慮未來氣候下 的住宅溫室氣體排放趨勢的推估方法，並建構符合我國住宅碳排放構成及特點的預測2 模型，完成未來氣候下我國住宅溫室氣體排放趨勢的預測，並以此為基準提出可行之 住宅部門調適策略，其對於國家整體溫室氣體排放量的減少具有相當重要的意義與貢 獻。 本研究之預期成果有以下五點： 一、蒐集彙整未來氣候下各國住宅溫室氣體排放趨勢。 二、製作台灣地區至 21 世紀末的逐年模擬氣象數據。 三、完成世紀末住宅溫室氣體排放隨氣候變化的趨勢預測。 四、進行減緩氣候變化衝擊的住宅調適策略靈敏度分析。 五、提出建築技術規則關於住宅節能標準之修改建議。 圖 1-1 研究流程圖 (資料來源：本研究整理) 選擇研究對象 蒐集彙整各國住宅 溫室氣體排放趨勢 國內外文獻蒐集彙整 預測世紀末住宅溫室氣體 排放隨氣候變化的趨勢 舒緩氣候變化影響住宅調 適策略的靈敏度分析 提出建築技術規則關於住 宅節能標準之修改建議 製作台灣地區至21世紀末 的逐年模擬氣象數據
第一章 緒論 3
第三節 研究步驟與流程
本研究案的研究流程與時程安排分如圖 1-1 和表 1-1。 表 1-1 研究進度 月 工作項目 2 月 3 月 4 月 5 月 6 月 7 月 8 月 9 月 10 月 11 月 12 月 備 註 文獻蒐集整理 蒐集彙整未來 氣候下各國住 宅溫室氣體排 放趨勢 製作台灣地區 至 21 世紀末的 逐年模擬氣象 數據 預測世紀末住 宅溫室氣體排 放隨氣候變化 的趨勢 舒緩氣候變化 影響的住宅調 適策略靈敏度 分析 提出建築技術 規則關於住宅 節能標準之修 改項目 改善建議 報告撰寫 預定進度 (累積數) 5 % 13 % 23 % 35 % 50 % 60 % 73 % 83 % 93 % 98 % 100 % (資料來源：本研究整理)4
第四節 國內外相關文獻回顧
本節整理有關國內外文獻之探討區分為氣候變遷背景、溫室氣體推估模型、區域 別與國家別的氣候變遷影響等之文獻分別進行文獻回顧。 自工業革命以來，大氣當中的二氧化碳濃度因為活躍的人類活動日漸上升，2015 年的全球二氧化碳平均濃度達到 400ppm，其水平為工業化之前的 144%。在政府間氣 候變化專門委員會（IPCC）的第五次報告書當中，以「代表濃度途徑」（Representative Concentration Pathways，RCP）定義四組氣候變遷之情境，其中途徑所指的大氣當中二 氧化碳濃度隨著時間改變的歷程，並以「輻射強迫力」（radiative forcing）在 1750 年與 2100 年的差值作為區分各個情境的依據。輻射強迫所指的是，當大氣中某一因子產生 變化，對於地球與大氣系統間能量平衡的影響程度，而能夠使得地球與大氣系統能量 平衡產生擾動致使氣候改變的因子，即稱為輻射強迫因子。基於前段描述可知，二氧化 碳的濃度即為輻射強迫因子之一。IPCC 報告書當中對於輻射強迫力的定義常以「氣候 變遷的某個外部驅動因子的變化，如二氧化碳濃度或太陽輻射量的變化等，造成對流 層頂淨輻照度發生的變化」(IPCC 2007; 國家災害防救科技中心 2014)。 圖 1-2 各 RCP 情境的輻射強迫力 (資料來源：van Vuuren et al. 2011)第一章 緒論 5 如圖 1-2 所示，RCP2.6 情境代表每平方公尺的輻射強迫力在 2100 年增加了 2.6 瓦，而 RCP4.5、RCP6.0 與 RCP8.5 則代表每平方公尺的輻射強迫力分別增加了 4.5、 6.0 與 8.5 瓦。在這四種情境中，RCP2.6 為低溫室氣體排放的情境，二氧化碳的濃度在 2100 年會達到 421 ppm；RCP4.5 與 RCP6.0 為中溫室氣體排放，二氧化碳的濃度在 2100 年分別會達到 538 ppm、670ppm；RCP8.5 則為高溫室氣體排放的情境，二氧化碳的濃 度在 2100 年會達到 936 ppm。各情境下的全球平均溫度變化如圖 1-3 所示，若溫室氣 體排放量得以抑制，如變遷情境 RCP2.6 所示，全球長期平均溫度於世紀末的平均增量 可維持在攝氏 1 至 1.2 度，反之，若溫室氣體排放量依照 RCP8.5 情境的走勢無限制成 長，全球平均溫度將上升攝氏 3.5 至 5 度不等。 圖 1-3 全球平均溫度變化相較於 1986-2005 的平均 (資料來源：IPCC 2014) 概括地說，關於在未來氣候下住宅建築的溫室氣體排放預測模型分為兩種基本類 型：自上而下(Top-down)和自下而上(Bottom-up)的方法。圖 1-4 示意性的顯示由國際能 源總署 IEA (1998) 開發的自下而上和自上而下模型的一般方法論，而較複雜的預測模 型會混合使用這兩個基本類型。 自上而下的方法是在國家總量的數據上做處理，通常是意在擬合國家能源消耗或 二氧化碳排放數據的歷史時間序列。這種模型傾向於用來調查能源部門和整個經濟之 間的相互關係，能夠被廣泛地歸類為自上而下的計量經濟學和技術模型。自上而下的 計量經濟學模型主要基於能源使用與社經因子之間的關係，諸如國民所得收入、燃料
6 價格和國內生產總值，以表達能源部門和經濟產出之間的聯繫。它們還可以囊括一個 國家的一般氣候條件。因此，計量經濟學自上而下的模型往往缺乏關於當前和未來技 術選擇的細節，因為其重視過去所觀察的宏觀經濟趨勢與關係，而非可能影響能源需 求的建築物中的個體物理因素。更重要的是，對環境、社會和經濟條件可能完全不同於 以前經歷的氣候變化問題時，直接套用過去的能源 - 經濟相互作用之間的關係可能也 不太合適。同時也缺乏固有的能力用以模擬科技技術上的不連續變化。自上而下模型 包括影響能源使用的一系列其他因素，此部份並沒有在模型中明確描述。 圖 1-4 自下而上和自上而下模型的一般方法論說明 (資料來源：IEA 1998) AEEI -struclural change -technical change
ECOOMY or energy subsystem of the economy
• GDP=f(labour, cap, energy, others) → statistic view
• Population • Prices • investment
• Growth effects → dynamic view
Price effects
-substitution effect
-other Income effects Investment effects
Energy Supply Energy ServicesDemand for End-useEnergy
Economy Activity
Subsector A Economy ActivitySubsector B Economy ActivitySubsector C
Energy Technology A
- investment cost - operating cost - efficiency - service life, etc.
Energy Technology B - ……….. - ……….. - ……….. - ……….. Energy Technology C - ……….. - ……….. - ……….. - ……….. CO2 Emissions
economic activity energy intensity fuel mix Top-down
perspective
Bottom-up perspective
第一章 緒論
7
圖 1-5 自上而下與自下而上用於推估住宅能源消耗之方法 (資料來源：Swan and Ugursal 2009)
自下而上的方法是根據分解部件的層次數據構建，並根據組合而成的數據來估計 個別因素對整體能源耗用的影響。這意味著此方法可用於估計各種單獨的能效措施如 何影響二氧化碳排放。一般而言，這些模型可以用來選擇基於最佳成本效益的可用技 術和過程，以實現給定的碳排放減量目標。自下而上模型著重在部件層次上的處理，因 此需要廣泛的經驗數據庫來支持每個部件的描述，以提升模型推估的準確性。 Swan 和 Ugursal (2009)將自上而下與自下而上兩種模型做了系統性的整理，其中 自下而上的模型則細分成了統計分析與工程分析兩個面向，如圖 1-5 所示。統計分析 著重在歷史資料的取得與迴歸分析等等，對於住戶的能源使用偏好、使用者行為的描 述較為詳盡；工程分析則是以實際的熱流物理性質描述最終能耗與能源使用的關係， 可以科學的方法探討氣候改變對於整體住宅耗能的衝擊。透過以上兩種分析方法，自 下而上的模型能夠針對個別的項目作出調整，對於調適策略的制定有實質上的幫助。 表 1-2 在不同社經情境之下的住宅部門排碳量 (資料來源：Ruijven et al. 2011)
8 影響未來氣候下住宅能源需求成長趨勢的因素眾多。主要因素包括人口數、家庭 規模、家戶收入和氣候條件。以上這些因素都被視為外部驅動因子囊括於住宅能源預 測模型中。van Ruijven 等人 (2011)基於由下而上的方法論提出了一套適合於開發中國 家的住宅能源需求預測模式，並用來預測印度自 2005 至 2050 的全國住宅二氧化碳的 排放趨勢，其結果顯示與 2005 年相比，在 2050 年印度住宅部門溫室氣體排放將增加 9-10 倍之多，其中根據不同的社經情境假設如表 1-2 所示，表中的 OECD-EO 代表的 是社會經濟發展的基準情境，而另外兩種情境 OECD-A、OECD-B，前者強調市場機制 的自由發展、經濟蓬勃成長，後者著重於社會福利以期縮短貧富差距，根據結果可發現 三種情境的溫室氣體排放增量亦有所差異，可歸納出社經因素對於溫室氣體排放量的 影響必須列入考慮。Daioglou, van Ruijven, 與 van Vuuren (2012)應用該模型於分析五 個開發展中國家（印度、中國、東南亞、南非和巴西）住宅能源使用的未來可能發展， 其研究發現表明，適當的氣候政策可以減少住宅能源的溫室氣體排放。 Jylhä 等人. (2015) 在觀察近期和未來氣候條件下評估了芬蘭典型住宅的能源需求。 透過使用 2030、2050 和 2100 年的逐時氣象年做建築能量動態模擬。模擬的結果發現 在芬蘭，住宅全年的供暖和通風的耗電量在 2100 年減少了 20-40％，而空調的能耗需 求增加了 40-80％。根據氣候變化的嚴重程度，到 2100 年，供暖和空調消耗的年能源 總量估計會下降 20-35％。基於長期經濟分析，並考慮到建築物中用於其他目的所消耗 的能源，研究也發現位在寒帶氣候區的芬蘭於 2100 年家庭能源成本的淨現值將比沒有 考慮氣候變化影響時減少 5-10％。
Bari, Begum, Jaafar, Abidin, 和 Pereira (2011)基於馬來西亞 2008-2020 年住宅部門
能源消耗和二氧化碳排放的初步評估。通過預測多項式曲線擬合方法估計能源消耗和 排放的未來趨勢。研究表明，2008 年，馬來西亞住宅部門的二氧化碳排放量為 2,347,538 噸，由於電力和液化石油氣（LPG）的巨大消耗，到 2020 年會增加到 11,689,308 噸， 如圖 1-6 所示。在天然氣、液化石油氣、煤油和電力四種類型的燃料中，電力和液化 石油氣導致能源消耗量增加以及二氧化碳排放。研究還表明，到 2020 年，二氧化碳排
第一章 緒論 9 放量可分別從 5％，10％和 15％的用電量減少量減少 11,367,417 噸，11,047,126 噸和 10,728,642 噸。 圖 1-6 住宅部門之耗能與碳排放量在未來的趨勢變化 (資料來源：Bari et al. 2011) 建築中的能源使用在全球和區域能源需求中占很大的一部分。供暖與空調在整個 建築能源使用中的重要性非常多樣，所占配額在 18％和 73％之間變化。Vorsatz 等人的 文章 Ürge-Vorsatz, Cabeza, Serrano, Barreneche, 與 Petrichenko (2015)提供關於建築物中 的能源使用、其驅動因素及其在全球和區域基礎上的過去，現在和未來趨勢的信息來 源。該文章根據 Kaya 特徵方法確定了供暖和空調能源需求的關鍵驅動因素：家庭數量、 每戶人口、人均佔地面積、GDP，每 GDP 的佔地面積和商業建築的比能耗等。
Wang 與 Chen (2014)注意到因為全球變暖對建築物的環境和人類活動的許多方面
具有很大的影響，全球變暖在近年來已經引起了極大的關注。供暖和空調的能源消耗 是最直接受氣候變化影響的一個領域。為了量化影響，Wang 和 Chen 使用 HadCM3 全 球大氣環流模式為美國的 15 個城市在三個 CO2 排放情景下產生未來 2020、2050 和
2080 年的典型氣象年數據，以用於 EnergyPlus 的建築能量模擬。在 15 個城市中的每
一個城市模擬兩種類型的住宅建築和七種類型的商業建築。本文首先使用 EnergyPlus 系統性地研究了美國所有七個氣候帶對各種類型的住宅和商業建築的氣候變遷影響， 並為全美國提供了加權平均結果。他們還確定了氣候變化對未來能源使用的影響的地
10
圖 1-7 全年能源使用量於 2080 年代時在三個情境下的改變 (資料來源：Wang and Chen 2014)
理依賴性。根據 HadCM3 天氣預測，20 世紀 80 年代美國 1-4 氣候帶的源能源消費淨增 加量和 6-7 氣候帶的淨減少量，如圖 1-7 所示。此外，該研究利用改進的自然通風模型 研究了舊金山，聖地亞哥和西雅圖的自然通風性能。他們發現因為全球暖化，到了 2080 年代被動式供冷不適合聖地亞哥，但它在舊金山和西雅圖仍然可以適用。Dirks 等人 (2015) 分析檢查了氣候變化對位於美國東部區域許多商業和住宅建築的峰值和年度建 築能耗的影響。他們也使用 EnergyPlus 作為模擬引擎以及研究區域內的 100 個位置的 未來氣候，在三個美東時區中選了代表建築物群體的不同類型、大小、年份和特徵的超 過 26,000 個建築物配置模型進行能耗模擬。
Isaac 和 van Vuuren (2009)評估了在氣候變化背景下未來住宅供暖和空調的能源
使用的潛在發展趨勢。他們發現在參考情景中，全球對供暖的能源需求預計將增加到 2030 年，然後穩定。相比之下，預計空調的能源需求在整個 2000 - 2100 年期間將快速
增長，主要由於所得收入增長推動的。供暖和空調的相關二氧化碳排放量從 2000 年的 0.8 Gt C 增加到 2100 年的 2.2 Gt C，即能源使用產生的總二氧化碳排放量的大約 12％
第一章 緒論
11
圖 1-8 冷暖房在各區域受全球暖化影響的淨碳排改變量 (資料來源：Isaac and Vuuren 2014)
少通過空調的增加來補償。然而，在這種情況下，單獨對供暖和空調的影響是相當大 的，由於氣候變化，到 2100 年，全世界的熱能需求下降了 34％，空調能源需求增加了 72％。如圖 1-8 所示，在區域尺度上，可以看到相當大的影響，特別是在南亞，與沒有 氣候變化的情況相比，由於氣候變化，住宅空調的能源需求可能增加約 50％。 黃群達 (2006)利用因素分解及脫鉤指標分析方法，以住宅部門及商業部門為探討 對象，針對住商部門之歷年能源消費及二氧化碳排放變動趨勢進行探討，並藉由因素 分解法找出影響二氧化碳排放之關鍵因子；同時再以脫鉤指標分析住商部門在國內生 產總值、能源及二氧化碳三者間的發展關係；最後比較數個 OECD 國家商業部門二氧 化碳排放變動的主要因素影響程度。其研究結果顯示如圖 1-9、圖 1-10，住宅部門的 歷年碳排放量占全國比例的 10-12%，且住宅部門能源消費結構以電力為主，油品及天 然氣所佔比例較小；在因素分解方面，住宅部門主要影響碳排放量的因素為每人居住 樓板面積的增加、全國住宅戶口總數與家戶人口數。由上述結果可知，社經因素確實會 影響住宅部門的能源使用，因此本研究所提出之住宅部門溫室氣體排放模型除了考量 氣候狀況的改變，亦會將上述社經因素納入模型之部件。
12 圖 1-9 全國與住宅部門歷年二氧化碳變動趨勢 (資料來源：黃群達 2006) 圖 1-10 住宅部門各能源消費結構二氧化碳排放變動趨勢 (資料來源：黃群達 2006) 林唐裕等人(2010)整合二個模型以推估我國住宅及服務業部門能源需求，包含臺灣 永續能源發展模型(Taiwan Sustainable Energy Development, TaiSEND)，並應用系統動態 理論，參考前人建構之住商部門能源服務需求預測模型，在考量金融海嘯、潔淨能源發 展與能源價格合理化等因素下，預測住宅與服務業部門之能源需求。蔡妙姍 (2015)運 用自下而上(Bottom-up)之推估法，以系統模型建置住宅與服務業電力需求推估模型， 參數考量社會面、經濟面、技術面及環境面建立住宅與服務業部門的電力需求預測模
第一章 緒論
13
型進行節電潛力評估。而本研究將延續上述各層面的考量以建構住宅部門的溫室氣體 預測模型，並針對各個項目提出減量策略。
第二章 研究方法 15
研究方法
第一節 研究範圍界定
在進行住宅溫室氣體排放趨勢分析之前，有其必要對住宅溫室氣體排放及其構成、 計算內容與邊界進行明確地界定，以保證計算結果的準確性與可比性。主要的溫室氣 體種類包括二氧化碳(CO2)、甲烷 CH4)、氧化亞氮(N2O)、氫氟碳化物(HFCs) 、全氟碳 化物(PFCs)、六氟化硫(SF6)、三氟化氮(NF3) 等 7 種，根據 2016 年公佈的我國國家溫 室氣體排放清冊報告，其中盤點了自 1990 至 2014 年逐年的溫室氣體排放量，結果如 圖 2-1 所示，可發現二氧化碳的貢獻量為大宗，其次為甲烷，氧化亞氮及含氟溫室氣 體位居第三，其中二氧化碳亦為導致氣候變遷的主要溫室氣體。因此，本研究所指的住 宅溫室氣體排放即定義為住宅 CO2排放（或稱為碳排放）。 圖 2-1 臺灣 1990 至 2014 年總溫室氣體排放量和移除量趨勢 (資料來源：環保署) 顧名思義，住宅碳排放是以單個家庭或家庭成員為研究物件，從直接能源消費與 間接能源消費兩個角度出發，將住宅碳排放分為直接碳排放與間接碳排放兩部分。目16 圖 2-2 住宅碳排放的計算邊界 (資料來源：本研究整理) 前學術界尚未對住宅碳排放的計算內容與邊界進行統一與規範，本研究所指的住宅碳 排放的計算邊界是限定於家庭消費範圍以及家庭消費產品和服務的生產鏈上端。具體 而言，可以細分為：(1)邊界 1，即家庭範圍內所有化石能源消耗產生的直接碳排放， 包括煤炭、汽油、柴油、煤油、液化石油氣、天然氣、煤氣；(2)邊界 2，即家庭使用 的電力等能源產品其本身在使用過程中不產生碳排放，但在生產過程中產生碳排放； (3)邊界 3，即家庭消費各類非能源產品與服務（例如食品、衣著及日用品、家庭設備 用品、醫療衛生保健、住房、交通通信、教育文化娛樂服務等）在生產過程中產生的碳 排放。邊界 1 內能源產品的使用與碳排放均發生在家庭邊界內；邊界 2 和邊界 3 內產 品和服務的使用發生在家庭邊界內，但碳排放發生在家庭邊界外，如圖 2-2 所示。 綜上所述，本計畫的住宅溫室氣體排放趨勢預測界定為家庭的直接碳排放，包括 家庭直接耗能（煤炭、汽油、柴油、煤油、液化石油氣、天然氣、煤氣、電力、水力、 熱力等）部份產生的碳排放的趨勢預測；至於私人交通（私家車、摩托車）和間接碳排 放涵蓋家庭成員衣、食、住、用過程中的非能源產品和服務消費在生產過程中的碳排放 則不在預測範圍內。 能源產品消費 (電力) 非能源產品與服務消費 (食品、衣著及日用品、家庭設備用品、 醫療衛生保健、旅遊住宿、交通通信、 教育文化娛樂服務) 家庭化石燃料消費 (汽油、柴油、 液化石油氣、天然氣) 碳排放 能源消耗 生產過程 碳排放 邊界1 邊界2 邊界3 能源消耗 生產過程 碳排放 家庭邊界
第二章 研究方法 17
第二節 自下而上的住宅能耗模擬模型
圖 2-3 本計畫擬採用之自下而上的能量模擬模型 (資料來源：本研究整理) 本研究採用如圖 2-3 所示之自下而上的能量模擬模型，以描述不同家庭能量函數 的能量需求和供給。圖中述及的有關於住宅能源使用可從現有文獻中得出，通過關注 特定終端用途功能及其驅動力以理解住宅領域的能源使用，將這些能源功能與經濟發 展聯繫起來，就能分析及預測未來的能源使用變化，而圖 2-3 也顯示出了在模型中主 要驅動力，次要驅動力和能量函數之間的相關性。總體而言，該模型著重於五個最重要 的最終用途功能：即烹飪、家電器具、供熱和空調、熱水供應和照明。對於特定用途的 能量需求(F)可以描述為三個基本元素的函數，如式 二-1 所示： I S A F = × × 式 二-1 其中活動(A)表示對特定功能的能量需求的驅動力，結構(S)是指確定能量需求的其他元 素，能量強度(I)是指每單位活動所使用的能量的量。以下將針對細部的主要驅動因子、 中間層驅動和能源功能作說明。18
第三節 主要驅動因子與中間層驅動
本研究提出的預測模型所採之主要驅動因子囊括人口、家庭支出、人口密度、家庭 規模與氣候條件。中間層驅動包含總體建築面積與電氣化，然而國內之能源使用已趨 近成熟，故電氣化對於整體能源的使用影響可忽略。 壹、 人口數、家庭支出、家庭規模與建築面積 國家總體人口的成長直接影響住宅能耗之需求，故詳細的人口預測資料有利於住 宅部門溫室氣體的推估。本研究之人口預測資料參考由國家發展委員會提出的「中華 民國人口推估（105 至 150 年）」，其中包含高、中、低之人口推估值，如圖 2-4 所示， 根據推估結果，人口成長將持續趨緩，而人口零成長預估將於 2021 至 2025 年間發生， 總人口數最高峰達 23.7 至 23.8 百萬人，較 2016 年增加 12 到 26 萬人；2061 年人口數 將降為 17.1 到 19.5 百萬人，約為 2016 年之 72.5%至 82.8%。 圖 2-4 總人口成長趨勢－高、中及低推估 (資料來源：國家發展委員會) 年間平均家庭化的數據和情景值本研究參考「2005 - 2030 年人類住區全球報告」 以及國內的戶政資料。家庭支出資料則參考人均國內生產總值（人均 GDP）。同時本研 究參考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收集 了全世界目前平均樓面面積數據，其結果如圖 2-5 所繪製的住屋面積和人均 GDP 之間 的關係，根據此關係式，可藉由經濟成長之趨勢得到全國住宅部門之總體建築面積，以 此作為預測模型的中間驅動層因子。第二章 研究方法
19
圖 2-5 人均住宅面積和人均 GDP 之間的關係 (資料來源：Isaac and Vuuren 2014)
貳、 氣候條件——未來氣象年製作
為對未來的家庭的空調耗能詳細估算，需更全面地了解氣候變化對建築能耗的影 響，因此本研究必須製作逐時的未來氣象年。本計畫採用過去內政部建築研究所委託 研究所產製的 TMY3 標準氣象年(何明錦和黃國倉, 2013)與來自全球大氣環流模式 (Global Circulation Model, GCM)的數據來產生臺灣主要城市的 2015 年到 2100 年的逐
時氣象年。參考莊愷韓(2015)的文章挑選符合臺灣氣候條件之全球大氣環流模式，選定 的模式須包涵地表溫度、地表比溼、地表向下短波輻射通量、地表風速與風向，透過主 成份分析上述各項影響建築能源使用的氣象參數，與八個測站（台北、新竹、台中、花 蓮、嘉義、台南、台東與高雄）過去的實測資料作比對，最後選定 CanESM2 作為本研 究參考之模式。 由於大氣環流模式之模擬極為複雜與耗時，故 CanESM2 模式僅模擬 RCP2.6、 RCP4.5 和 RCP8.5 三種氣候變遷情境，分別代表低、中、高溫室氣體排放量的氣候背 景值。然而全球大氣環流模式的氣候變化資料庫只提供月平均資料，但建築能耗模擬 用的氣象年要求的時間解析度為逐時的氣候資料，故有必要將月平均資料轉化成逐時 資料的形式，為達成此目的，故本研究援引目前國際上最常使用的型態轉換法(Belcher, Hacker, 和 Powell, 2005)將月平均資料轉化成逐時資料。型態轉換法一般作法包括：(1) 平移(shift)；(2)線性伸縮(linear stretch)；(3)結合平移和伸縮。 (1) 平移是將每月的改變量(∆xm)套用於當前的氣候變數(x0)上，亦即
20 m x x x= 0+∆ 式 二-2 其中 ∆xm 是某一氣象變數在 m 月份的月平均值的絕對改變量。當氣候變化情境以 絕對改變量說明某一氣象參數的變化時，就要使用平移的做法來調整該氣象參數。譬 如大氣壓力的調整就適用平移法。 (2) 線性伸縮是將一個伸縮係數(αm)套用於當前的氣候變數(x0)上，亦即 0 x x=αm 式 二-3 其中αm是某一氣象變數於m月份在月平均值方面的變化比例。當氣候變化情境不是 以絕對改變量，而是以比例或者該參數的變化來描述，說明某氣象參數的月平均值的變 化時，就要使用線性伸縮的做法。譬如，水平面的太陽全輻射和散射輻射的調整就適用 線性伸縮法。 (3) 結合平移和伸縮，亦即 ) ( 0 0, 0 xm m x x m x x= +∆ +α − 式 二-4 外氣溫度的調整就是一個適用結合平移和伸縮的例子。外氣溫度除了有月平均溫度 要調整外，還有最高溫度和最低溫度要調整。型態轉換法是根據氣候變化預測值(∆xm或 者αm)對逐時的當前的氣象數據(x0)進行調整，來產生逐時的未來氣候數據(x)。
第四節 能源功能
根據本研究提出的住宅能源使用預測模型，家戶之各項終端能源使用包含烹飪、 電器設備、供暖與空調、生活熱水、照明等需求，以下將逐項說明。 壹、 空調——建築能耗與環境模擬 逐時的未來氣象年製作完成後，便可藉助建築動態能耗模擬來獲得每一家庭使用 空調的單位能耗。然而，經歷不同經濟發展時期和不同建築能源法規要求，造就台灣住 宅建築物在型式與熱性能上的多樣性，這使得建築模擬過程中存在著不確定性。所以 本研究放棄範例建築模型，本計畫改以全域方法之蒙地卡羅分析（Monte Carlo Analysis, MCA），探討在同時改變所有參數之狀況下，應變之改變量(Iain A. MacDonald, 2009; van Griensven et al., 2006)，並以 MCA 中之隨機抽樣法，隨機產生亂數後，透過給定的機率第二章 研究方法 21 分佈與其對應之參數，經比例轉換為 300 組隨機住宅樣本以作為本研究之模擬對象。 首先選定臺灣較為常見之集合住宅標準平面，如圖 2-6 所示，其中包含客廳、餐廚空 間、主臥室與次臥室。同時假設影響空調耗能之變因，透過 MCA 進行樣本之生成以盡 可能模擬涵蓋市場上所有可能住宅建築樣態之組合。各參數變動範圍之設定則參考郭 柏巖 (2005)之研究與節能法規，數值羅列如表 2-1，為探討在可行範圍內之變動，本研 究假設各參數分佈類型為均勻分佈(Normal Distribution)，類別囊括各項建築外殼參數與 室內熱取得來源。 圖 2-6 住宅平面配置圖 (資料來源：本研究整理) 由於受氣候影響之建築能源最鉅者係以空調耗能，因此為了描述臺灣常見之住宅 空調系統的運轉情形，以透過動態模擬獲取其全年空調耗能量，必須事先定義住宅空 調之運轉模式。臺灣的住宅多以小型分離式空調為主，其運轉模式類似於複合式空調 模式，意即當室內過熱時始啟動空調運轉以達降溫之目的，否則常時多以開窗自然通 風為主。空調的運轉與否，應視室內狀況是否有過熱的情形發生，為了判斷住宅空調的 啟停時間，我們採用 ASHRAE Standard 55 提出的熱適應舒適模型作為評斷標準，當室 內操作溫度高於該模型室內 80%熱舒適上限時則啟動空調。該模型的最佳室內操作溫 度（Toc）乃為一外氣月均溫（Tom）之函數，而 80%的舒適範圍上界則為 Toc + 3.5°C。 0.31 17.8 oc om T = ×T + 式 二-5
22 表 2-1 各變因及其參數設定 變因 最小值 最大值 備註 坪數分配 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 玻璃日設透過率
(Solar heat gain coefficient, SHGC) 0.20 0.85 - 外遮陽深度比 0 2.0 遮陽裝置的深度與窗高之 比值，採格子遮陽 外牆熱傳透率 (U 值) 0.5 3.5 W/m2-K 建築方位 八個方位等機率模擬 每戶人員數 4 人 客餐廳的燈光密度 12.0 W/m2 客餐廳的設備密度 10.8 W/m2 臥室的燈光密度 9.6 W/m2 臥室的設備密度 4.8 W/m2 (資料來源：本研究整理) 貳、 家電設備與照明 各項家電設備、照明設定參照郭柏巖之「住宅耗電實測解析與評估系統之研究」， 此研究針對台灣地區公寓和透天式住宅進行耗電量解析，透過實地調查統計住宅規模、 家庭人口、家電普及率以及生活模式等住宅因子，並對各項家電設備進行電力監測其 計算而得的設備密度與照明密度羅列如表 2-1 所示。 參考林建隆 (2003)分析住宅設備的二氧化碳排放生命週期，設備更新占了整個週 期的 5%，相較於日常使用所占的 90%其影響比例較少，故本模型之推估先行忽略設備 與照明更新的溫室氣體貢獻量。設備與照明之耗能除了會貢獻住宅部門之總體溫室氣 體排放量，其於使用狀態時產生之發散熱亦會增加室內之冷房負荷，增加空調能耗。 參、 烹飪
參考 van Ruijven 等人 (2011)由 de Ia Rue du Can 和 Price (2008)、 Xiaohua, Xiaqing, 和 Yuedong (2002)等研究歸納出，每人每天約消耗 0.5 至 3.5 MJ 的能源用於居家烹調， 而分佈上又以 1.7 至 2.7 MJ 的區間較為集中，並且發現其值無關乎家戶收入與家戶大
第二章 研究方法 23 小。可能原因如下：其一，烹調習慣主要與飲食文化有關，故本研究參考與台灣相鄰之 東亞文獻作為基準；其二，高收入有可能使得家戶購買並消耗更多的食物，使用更多的 能源進行居家烹調，另一方面卻也增加即食食品與餐廳消費，使得耗能轉移至其他部 門。綜上所述，本研究採 van Ruijven 等人所提出之每人每日用於居家烹調消耗的能源 量，約為 2 MJ = 0.556 kWh。 肆、 生活熱水
生活熱水之計算參考 LEED Canada 2009 reference guide 之計算標準，並以李孟杰 (2006)針對臺灣之熱水使用狀況所作的研究為基準，調整至符合台灣現況的熱水使用情 形。參考鄭凱文 (2004)的研究，其採取實際案例監測的方式針對各住戶的用熱水量、 耗電量、進水溫、用熱水溫以及室外溫度進行分析，結果顯示每天的使用熱水行為與長 期的氣候相關性不大，且使用熱水行為不會影響耗電量，只有用水量與儲電熱桶的比 值與耗電量有關。故本研究視生活熱水之耗能不受氣候變遷之影響。各項設定表 2-2、 表 2-3 所示。 表 2-2 LEED 規範之生活熱水計算標準 用途 流量 (L/s) 使用次數/人-天 使用時間(min) 淋浴 9.46 1 4.5 水槽 8.33 2 1
(資料來源：LEED Canada 2009 reference guide) 表 2-3 生活熱水使用的各項溫度設定 項目 溫度 (攝氏) 熱水供應溫度 55 冷水供應溫度 24 混合後溫度 40 (資料來源：李孟杰 2006)
第五節 研究流程圖
由前述之主要驅動因子、中間層驅動與能源功能項目，本研究建構了住宅部門的 能量模擬模型，而此模型可應用於不同時期的社會經濟發展，以及氣候狀態改變下的 能源需求與碳排放。在了解未來氣候下可能的住宅部門排放趨勢後，可進一步根據建24
築外殼、空調、家電設備與照明等面向提出調適策略，以期降低住宅部門的溫室氣體排 放量，詳細的研究流程如圖 2-7 所示。
圖 2-7 含住宅能源模型之研究流程圖 (資料來源：本研究整理)
第三章 未來氣候分析 25
未來氣候分析
第一節 生物氣候與冷熱應力
圖 3-1 台灣之生物氣候與濕空氣線圖 (資料來源：本研究整理) 為了探討氣候變遷對於長期的生物氣候影響概況，本研究採用了人體生物氣候學 研究上的一個簡易舒適度指數，作為衡量未來氣候下，人體不舒適程度的初步評估標 準。關於舒適度指數的概念，以及如何界定每一個舒適度指數在濕空氣線圖上的對應 範圍的詳細說明可以參考 Terjung (1966)和 Giles, Balafouti, 與 Arseni-Papadimitriou (1987)的文章。此生物熱舒適指數著重於人類對溫度和濕度的感受，並將不同等級的舒適指數所對應的生理氣候範圍標註於濕空氣線圖上，共包含了從極熱(+4)到超冷(-6)的 11 個等級的舒適指數對應於 11 個生理氣候，舒適指數距 0 的差值越大表示不舒適的
程度越嚴重。臺灣氣候在濕空氣線圖上的分佈範圍如圖 3-1，圖中顯示了其中 7 個舒適 度指數(由-2 到+4)所對應在濕空氣線圖上生理氣候的位置。
26
藉由上述的舒適度指數，便能了解人類對於當下氣候狀態的感受，而我們則進一 步依據此舒適度指數去計算一整年人體感受到熱不舒適與冷不舒適的程度，以下分別 以長期的生物氣候全年累計熱應力與全年累計冷應力(annual cumulative heat and cold stresses, ACHS 與 ACCS)表示，其計算公式如下：
0 0 12 1 2 2 + > > =
∑
= i i i i i N whenD and N D ACHS 式 三-1 0 0 12 1 2 2+ < < =∑
= i i i i i N whenD and N D ACCS 式 三-2 其中 Di為第 i 月日間的舒適指數，而 Ni則為第 i 月夜間的舒適指數。若計算出的全年 累計熱應力數值越大，即人體對於該年度的熱不舒適感受越明顯，同理可知若全年累計 冷應力數值越大，人體的冷不舒適程度越大。 由本研究產製之未來標準氣象年可獲得長期的乾球溫度和相對濕度數據，並據以 分別計算出每月平均最大、最小的乾球溫度與相對濕度，以及最終相應的日間和夜間 的舒適度指數。圖 3-2至圖 3-4分別顯示了台北、台中及高雄於整個21世紀的長期全年 累計熱和冷應力，而表 3-1至表 3-3則分別為三地之全年累計熱和冷應力比較，其 圖 3-2 台北之全年累計熱和冷應力（1998-2100） (資料來源：本研究整理)第三章 未來氣候分析 27 圖 3-3 台中之全年累計熱和冷應力（1998-2100） (資料來源：本研究整理) 圖 3-4 高雄之全年累計熱和冷應力（1998-2100） (資料來源：本研究整理)
28 中 PHS 為熱應力佔全年累積應力（冷熱應力的總和）的比例(Proportional cumulative stress)。 以整體趨勢而言，在當代之 15 年間(2000 年至 2015 年)，三地的累計熱應力皆大 於冷應力之比例，著實反映臺灣屬於熱帶與亞熱帶氣候區的事實。如表 3-3 所示，熱 應力最高的地區為高雄，占全年總累計應力比例(PHS)達 97%以上，表示其過熱不舒適 度相較於其他地區最高；在近未來的部份，三地之全年累計熱應力約增加了 8-12%不 等，對於既有建築的衝擊最為明顯；另外表格中斜率之正負號，可表示此時期，熱和冷 應力分別呈現上升或下降的趨勢。以世紀末之各情境為例，可發現在低排放 RCP2.6 情 境下，熱應力在三地皆呈下降並趨於緩和，相較於當代之熱應力上升了約 12-14%；然 而以高排放情境 RCP8.5 為例，熱應力在三個地區皆大幅上升，改變率皆達到 60%以 上，其中在高雄的部份，累計熱應力的比例近乎百分之百，由此可知於世紀末，氣候過 熱為亟需克服的難題。 表 3-1 台北之全年累計熱和冷應力比較 時期 情境 全年累計應力 改變率 (%) 斜率
ACCS ACHS PHS ACCS ACHS PHS ACCS ACHS 當代 (2000-2015) RCP2.6 10.2 90.5 89.9% - - - 0.102 0.271 RCP4.5 10.4 90.1 89.6% - - - 0.097 0.014 RCP8.5 9.6 91.7 90.5% - - - -0.028 0.388 近未來 (2016-2040) RCP2.6 8.0 97.6 92.4% -21.6 7.8 2.8 0.011 0.201 RCP4.5 9.7 98.1 91.0% -6.9 8.9 1.5 -0.164 0.560 RCP8.5 8.4 100.9 92.3% -12.5 10.1 2.0 -0.083 0.572 世紀中 (2041-2070) RCP2.6 7.9 103.1 92.9% -22.0 13.9 3.3 0.014 0.130 RCP4.5 7.3 108.7 93.7% -30.3 20.7 4.6 0.037 0.215 RCP8.5 6.4 117.8 94.9% -33.6 28.6 4.8 -0.123 0.948 世紀末 (2071-2100) RCP2.6 8.2 102.0 92.6% -19.6 12.7 3.0 0.098 -0.305 RCP4.5 7.0 114.6 94.2% -32.7 27.2 5.1 -0.044 0.152 RCP8.5 4.3 148.2 97.2% -54.9 61.7 7.4 -0.050 0.968 (資料來源：本研究整理)
第三章 未來氣候分析
29
表 3-2 台中之全年累計熱和冷應力比較
時期 情境 全年累計應力 改變率 (%) 斜率
ACCS ACHS PHS ACCS ACHS PHS ACCS ACHS 當代 (2000-2015) RCP2.6 9.8 89.5 90.2% - - - 0.077 0.282 RCP4.5 9.9 88.7 89.9% - - - 0.066 -0.031 RCP8.5 9.3 90.6 90.7% - - - -0.039 0.458 近未來 (2016-2040) RCP2.6 7.7 98.0 92.8% -21.8 9.5 2.9 0.015 0.216 RCP4.5 9.3 98.6 91.4% -6.4 11.1 1.6 -0.158 0.713 RCP8.5 8.0 101.6 92.7% -13.2 12.1 2.1 -0.068 0.696 世紀中 (2041-2070) RCP2.6 7.7 104.3 93.2% -21.7 16.5 3.3 0.002 0.156 RCP4.5 7.1 111.3 94.0% -28.9 25.5 4.6 0.037 0.247 RCP8.5 6.1 121.6 95.2% -34.5 34.1 5.0 -0.126 1.043 世紀末 (2071-2100) RCP2.6 7.8 102.5 92.9% -20.5 14.5 3.1 0.096 -0.353 RCP4.5 6.8 118.0 94.6% -31.6 33.0 5.1 -0.045 0.227 RCP8.5 4.0 153.1 97.5% -57.1 69.0 7.4 -0.054 1.026 (資料來源：本研究整理) 表 3-3 高雄之全年累計熱和冷應力比較 時期 情境 全年累計應力 改變率 (%) 斜率
ACCS ACHS PHS ACCS ACHS PHS ACCS ACHS 當代 (2000-2015) RCP2.6 3.2 120.9 97.4% - - - 0.053 0.185 RCP4.5 3.3 120.1 97.3% - - - 0.023 -0.167 RCP8.5 3.0 123.1 97.6% - - - 0.013 0.464 近未來 (2016-2040) RCP2.6 2.1 131.2 98.4% -34.4 8.5 1.0 0.000 0.195 RCP4.5 2.9 129.6 97.8% -10.7 7.9 0.5 -0.065 0.903 RCP8.5 2.4 135.1 98.3% -22.8 9.7 0.7 -0.030 0.863 世紀中 (2041-2070) RCP2.6 2.1 138.0 98.5% -34.0 14.1 1.1 -0.006 0.101 RCP4.5 1.9 147.1 98.7% -43.1 22.5 1.5 0.016 0.240 RCP8.5 1.5 159.1 99.1% -50.0 29.3 1.5 -0.046 1.387 世紀末 (2071-2100) RCP2.6 2.3 136.4 98.4% -28.0 12.8 0.9 0.045 -0.491 RCP4.5 1.8 154.4 98.8% -44.9 28.6 1.6 -0.019 0.271 RCP8.5 0.8 199.8 99.6% -72.7 62.3 2.0 -0.016 1.138 (資料來源：本研究整理)
30
第二節 生物氣候與被動式策略
建築節能可以透過應用不耗能的被動式策略得到改善，然而合適的被動式節能策 略需要依據當地的氣候條件而做選擇。延續前一節所提到的生物氣候圖的概念(如圖 3-1)，我們能經由給定的地區，針對當地氣候找到最佳的被動式節能策略，部份研究(Lam,
Yang, & Liu, 2006; Singh, Mahapatra, & Atreya, 2007)以這樣的分析方法探討尚在概念設
計階段的生物氣候設計策略。 一共有五種被動式設計策略可藉助生物氣候圖加以分析其應用潛力，這些策略包 括被動式太陽能採暖(PS)、自然通風(NV)、熱質量(HM)、熱質量耦合夜間通風(HMV) 和蒸發冷卻(EC)。為了全面性的探討各項節能策略，兩個主動式的方法也加註在生物氣 候圖上，也就是傳統的暖氣和空調(AC)，各被動設計策略區的邊界如圖 3-5 所示。每 一種設計策略的應用潛力可藉由疊印在濕空氣線圖上的 12 條月氣候線來進行評估，每 一條氣候線的兩個端點，分別是月平均最低溫度和月平均最小相對濕度，以及月平均 最高溫度和月平均最大相對濕度。氣候線落入一個特定被動設計策略區的比例（以百 圖 3-5 台北之生物氣候與被動式策略 (資料來源：本研究整理)
第三章 未來氣候分析 31 圖 3-6 台中之生物氣候與被動式策略 (資料來源：本研究整理) 圖 3-7 高雄之生物氣候與被動式策略 (資料來源：本研究整理)
32 分比計）表示該設計策略被採用的潛力，如果氣候線落於舒適區(CZ)，則不需要採用額 外的策略即可維持人體舒適度。 圖 3-5 至圖 3-7 分別顯示了在溫室氣體排放量最高的 RCP8.5 情境下，位於台北、 台中和高雄，氣候線落於各項被動式策略區之分佈情形，為簡化圖表資訊圖中僅顯示 2000 年與 2100 年的線段分佈。由圖 3-5 可發現以 2000 年來說，在一月至二月的氣候 線絕大部分落在太陽採暖區(PS)，意即在台北溫和的冬天非常適合採用被動式太陽能採 暖策略；在六月至九月間，濕熱的氣候使得氣候線段完全落於舒適區(CZ)之外，甚至超 出自然通風區(NV)延伸到冷氣空調區(AC)，意謂在這些月份中的部份時間需要啟用空 調來滿足人體的舒適性。然而，在氣候變遷影響下的 2100 年，許多氣候線段明顯完全 落於冷氣空調區(AC)，故已無法應用被動式策略來維持舒適度。再由圖 3-7 分析高雄 的被動式策略應用潛力，在 2000 年僅有少部分的氣候線落於太陽能採暖區(PS)，大部 分仍集中於自然通風區(NV)與冷氣空調區(AC)，而氣候變遷影響下，使得冷氣空 調區(AC)的線段向右偏移。由於台灣位處熱帶與亞熱帶氣候區，潮濕的氣候特性使得 氣候線都遠離蒸發冷卻(EC)、高熱質量(HM)以及熱質量加夜間換氣(HMV)區，意謂著 表 3-4 台北之各項策略潛力整理 時間 Scenario 暖氣(%) 太陽能採暖(%) 自然通風(%) 冷氣(%) 現在 (2000-2015) RCP2.6 4.0 32.0 33.9 30.2 RCP4.5 4.0 32.2 33.9 29.9 RCP8.5 3.8 31.4 34.2 30.6 近未來 (2016-2040) RCP2.6 2.8 30.8 33.2 33.2 RCP4.5 3.7 31.1 31.4 33.8 RCP8.5 3.2 29.6 32.5 34.7 世紀中 (2041-2070) RCP2.6 2.6 30.0 31.7 35.7 RCP4.5 2.3 28.3 31.7 37.7 RCP8.5 1.7 27.6 30.1 40.6 世紀末 (2071-2100) RCP2.6 3.0 29.6 32.1 35.3 RCP4.5 2.2 27.3 30.7 39.8 RCP8.5 0.8 22.4 29.7 47.1 (資料來源：本研究整理)
第三章 未來氣候分析 33 表 3-5 台中之各項策略潛力整理 時間 Scenario 暖氣(%) 太陽能採暖(%) 自然通風(%) 冷氣(%) 現在 (2000-2015) RCP2.6 2.9 26.9 41.8 28.4 RCP4.5 3.1 27.0 41.7 28.2 RCP8.5 2.9 26.4 42.0 28.7 近未來 (2016-2040) RCP2.6 1.9 25.9 40.6 31.7 RCP4.5 2.7 26.5 38.4 32.4 RCP8.5 2.2 24.9 39.7 33.2 世紀中 (2041-2070) RCP2.6 1.8 25.2 38.3 34.8 RCP4.5 1.5 23.6 37.5 37.5 RCP8.5 1.1 22.9 34.4 41.5 世紀末 (2071-2100) RCP2.6 2.1 24.8 39.0 34.2 RCP4.5 1.5 22.7 35.5 40.4 RCP8.5 0.5 18.6 29.8 51.0 (資料來源：本研究整理) 表 3-6 高雄之各項策略潛力整理 時間 Scenario 暖氣(%) 太陽能採暖(%) 自然通風(%) 冷氣(%) 現在 (2000-2015) RCP2.6 0.3 15.3 44.3 40.0 RCP4.5 0.4 15.5 44.5 39.6 RCP8.5 0.4 14.8 44.2 40.5 近未來 (2016-2040) RCP2.6 0.2 13.2 43.3 43.4 RCP4.5 0.4 14.8 41.0 43.9 RCP8.5 0.2 13.4 40.5 45.8 世紀中 (2041-2070) RCP2.6 0.2 13.0 40.4 46.4 RCP4.5 0.1 12.0 38.1 49.8 RCP8.5 0.1 10.8 35.5 53.6 世紀末 (2071-2100) RCP2.6 0.2 13.1 40.7 46.0 RCP4.5 0.1 11.5 35.8 52.6 RCP8.5 0.0 7.3 29.5 63.2 (資料來源：本研究整理) 單以氣候條件來看，這三種被動式設計於台灣似乎是沒有使用潛力的冷房策略，只剩 下自然通風(NV)為可行的選項。 表 3-4 至表 3-6 整理了當代與未來不同時期、三種溫室氣體排放情境下，被動式 節能策略與主動式策略分別應用於台北、台中與高雄的潛力。以台北為例，從表 3-4 中
34 的數字能夠發現，隨著氣候暖化，儘管自然通風策略的使用潛力並沒有明顯地變化，但 是需要啟用空調的比例卻有明顯的增加，主要是來自於暖氣與太陽能採暖的應用潛力 下降；若針對高溫室氣體排放量的 RCP8.5 情境，從當代至世紀末，自然通風使用潛力 由 34.2% 降低至 29.7%，需要空調降溫的比例由 30.6%上升至 47.1%。各項策略於台中 和高雄亦呈現相似的趨勢，其中高雄的冷房空調使用比率在世紀末 RCP8.5 情境下，使 用潛力超過 60%，最終將貢獻於住宅部門的溫室氣體放量，如何透過現有法規的調整 因應上升的空調耗能會是後面的章節所要討論的重點。 本研究從氣候的角度分析各項主動與被動式策略的應用潛力，必須特別注意的是， 濕空氣線圖上的自然通風區(NV)邊界，其假設條件為室內操作溫度和濕度與室外條件 相同，但實際上室內環境有可能不符合此假設條件。因此，表 3-4 至表 3-6 中的各項 評估只是概略依據氣候資料，反應可能的能源使用潛力，詳細評估仍需以實際由戶外 傳遞至室內環境的溫溼度為準。
第四章 未來氣候下單位空調耗能變動分析 35
未來氣候下單位空調耗能變動分析
前一章從氣候資料切入，探討氣候變遷對於人體熱舒適的衝擊，並且針對各項被 動式節能設計與空調的機械式通風，分析其在未來的應用潛力。此章節進一步從建築 物理的觀點出發，藉由逐時的動態能源模擬軟體 EnergyPlus，在不受各個社會、經濟面 的因素影響下，評估氣候變遷對於單位樓地板面積空調耗能的衝擊。以下章節先行以 不確定性分析探討單位樓地板面積空調耗能在未來可能變化的趨勢與變動區間，並藉 由靈敏度分析找出對於降低空調耗能較為有效的建築外殼設計因子，以利訂定建築外 殼的改善方向，達到溫室氣體減量之目的。第一節 單位空調耗能的不確定性分析
不確定性分析旨在判斷因不確定性之變因造成模式應變之變異(I.A. Macdonald, 2002; van Griensven et al., 2006)，本研究分別探討年尖峰冷房負荷、全年空調使用時間與及全年總體空調耗三者為討論對象，漸進式的分析未來空調耗能的變化趨勢。 壹、 年尖峰冷房負荷 為檢視在未來氣候狀況下，空調設備量在需求上的變化，本研究以年尖峰負荷量 在三個氣候變遷情境下的變動趨勢作呈現，圖 4-1 至圖 4-3 分別為台北、台中、高雄 三地的年尖峰冷房負荷之變動趨勢，圖中的實線為平均值，而色塊標示的區間意義為 年尖峰冷房負荷約有 50%的機率會在此範圍內變動。總體而言，高雄的尖峰冷房負荷 最大，台北次之而台中最低；若以台北為例，如圖 4-1 所示，在溫室氣體排放量減緩 的 RCP2.6 情境下，趨勢近乎持平於整個時間區段；在 RCP4.5 情境下，年尖峰負荷量 在 2070 前稍稍上升，之後則維持在 58 W/m2左右；然而在溫室氣體高度排放的 RCP8.5 情境下，年尖峰負荷量的上升幅度最大，於世紀末時平均增加至 67 W/m2，增量約為今 日之 25.5%。再端看圖 4-2 與圖 4-3，可發現年尖峰冷房負荷量於台中、高雄的變動與 台北之趨勢相符，僅在 RCP8.5 情境下於世紀末有明顯的成長。
36
圖 4-1 台北的年尖峰冷房負荷變動趨勢 (資料來源：本研究整理)
第四章 未來氣候下單位空調耗能變動分析
37
圖 4-2 台中的年尖峰冷房負荷之變動趨勢 (資料來源：本研究整理)
38
圖 4-3 高雄的年尖峰冷房負荷之變動趨勢 (資料來源：本研究整理)
第四章 未來氣候下單位空調耗能變動分析 39 貳、 全年空調使用時間 為檢視未來空調的使用情形，全年空調啟用頻率為第二個分析的項目，探討在三 個氣候變遷情境下，其分別位於台北、台中、高雄的變動趨勢，本研究以年間使用天數 為計算空調使用時間的單位，意即空調使用時間占全年多少比例，研究結果如圖 4-4 至圖 4-5 所示，圖中的實線為平均值，而色塊標示的區間意義為全年空調使用時間約 有 50%的機率會在此範圍內變動。總體而言，仍然是高雄地區的全年空調使用時間最 長，台北與台中的部份則不相上下。若以台北為例，如圖 4-4 所示，空調使用時間在 低排放 RCP2.6 情境下，在 2060 以前些微地上升，之後呈下降的趨勢；於 RCP4.5 情境 下，空調使用時間在 2070 前上升並在之後持平，維持在 70 天左右；而空調使用時間 在高排放 RCP8.5 情境下穩定上升，於世紀末成長至 95 天，相當於一整年有四分之一 的時間須使用空調系統維持室內的人體熱舒適。再由圖 4-5 與圖 4-6 可發現全年空調 使用時間於台中、高雄的變動與台北之趨勢相符，且相對於年尖峰冷房負荷，空調使用 時間的增幅極為明顯，在高溫室氣體排放 RCP8.5 情境下，以高雄而言，空調使用時間 由世紀初的 60 天增長至世紀末的 150 天，增加近 3 倍的時間。綜合上述，長時間啟用 空調將成為未來的趨勢。
40
圖 4-4 台北的全年空調使用時間變動趨勢 (資料來源：本研究整理)
第四章 未來氣候下單位空調耗能變動分析
41
圖 4-5 台中的全年空調使用時間變動趨勢 (資料來源：本研究整理)
