1 非均匀建筑热环境的特点
非均匀的建筑内环境一般由建筑室内各表面辐射温度不同或者建筑强烈的外扰(如室外冷热辐射、太阳辐射等)造成[1-2]，稳态的非均匀辐射工况一般出现在特定的功能用房或者安设辐射供暖或供冷的房间中[2-3]，而且通过实验研究可以发现经典的PMV评价方式及其期望因子e模型在非均匀建筑内环境的偏离程度较大[3]。在现有的运行建筑当中，非均匀的建筑内环境往往伴随着许多环境参数的动态变化，比如在运行的办公建筑由于太阳辐射的日变化和空调系统的集约式运行，使得房间的温度场并不均匀，并且其他环境参数如风速和湿度也处于变化中[4]，这使得传统热评价指标的评价准确性都有所下降。在诸如地铁站或者船舶舱室[5-6]等变化性剧烈的非稳态环境当中，其热环境不均匀性较办公建筑更显著，此时采用已经验证过的较为适用的非均匀性质及动态性质的热指标如RWI和DPMV进行热舒适评价[5-6]，而非采用经典的PMV指标进行评价。
所以，在现实条件下，非均匀建筑热环境较为常见，要准确评价其热舒适性质，充要条件就是所选取的评价指标或评价方式要充分考虑其环境参数的时间变化特性和空间分布特性。时间变化特性和空间分布特性的不同，会使得相同的热环境评价指标的精确度有所不同，甚至出现评价偏离实际热感觉和评价失效的情况。
2 非均匀建筑热环境的评价方法介绍
2.1 采用动态性的热舒适指标进行评价
已被认可的、动态性的热舒适评价指标可被用于评价非均匀、动态的建筑热环境，比如RWI、HDR、基于SET的PTS模型和DPMV等指标模型。这些指标在原理上即考虑环境参数的动态变化，以及建筑热环境中不均匀的因素[6-9]。这些评价指标对经典热舒适评价模型均匀性、稳态的相关假设做出合理的类比、改良，通过实验验证和软件模拟，得到了适用于特定类型的非均匀环境热舒适评价方式。
在经典热舒适模型中，PMV-PPD是目前已开发的、世界上使用最广泛的经验热舒适预测指标[5]，该指标是基于人体与均匀热环境之间进行热交换而建立的稳态模型；其中，PMV即预测平均投票数，PPD为预期不满意百分率。PMV-PPD指标的理论依据是，当人体处于稳态的热环境下，人体自身的热负荷越大，则实时的生理状态偏离热舒适的状态就越远；换言之，当人体热负荷TL值越大，人感觉越热；当其值越小，人感觉越冷。
DPMV动态热舒适指标用人体动态热负荷DTL(类似于T L预测均匀、稳态热环境下人体热感觉的方法)来预测非均匀、动态的热环境下人体热感觉[5]，该方法的主要特征在于，DTL在计算中考虑了人体热负荷的时变特性，从而使得最终计算的结果值DPMV也具有时变性质，DTL的具体计算式如下：
(1)
从DTL的计算式可见，该值为与TL类似的中间变量值，单位与TL相同，皆为W/m2；K1和K2是对动态负荷的贡献因子。当人长时间处在静态热环境中，人体与环境达到生理平衡后，产热量等于散热量，且随时间变化很小，使得式(1)中的两个微分项最终为0，这时该计算式就回到了经典热舒适PMV-PPD评价模型。
在人员流动性较大的公共场所，如车站、地铁站和加油站，人员停留时间短，所受影响因素多，应该作为非均匀、非稳态环境来研究，因此采用相对热指标RWI和热损失率HDR来评价是比较合适的[6-7]。一般来说RWI适用于较暖环境，而HDR适用于冷环境[7]。RWI是无量纲指标，这点与PMV类似，如果在不同的环境条件和活动情况下，具有相同的RWI值，则表明在这些情况下的人体热感觉是相近的。HDR考虑了温度、湿度、辐射、空气流速、人体代谢率、服装热阻等影响人体热舒适的因素，反映了人体单位皮肤面积上的热损失，是个具体的单位面积热量值[6]。RWI的计算式如下[8]：
1) 当空气中水蒸气分压力≤2 269 Pa时，RWI的计算式为：
(2)
2) 当空气中水蒸气分压力>2 269 Pa时，RWI的计算式为：
(3)
式中：M为人体的新陈代谢率，W/m2；τ为过渡过程中所经历的时间，s；ta为环境空气的干球温度，℃；Icw为服装热阻，clo；Ia为服装的空气外边界层热阻，clo；R为单位皮肤面积的平均辐射得热量，W/m2.
HDR的计算式如下所示[8]：
(4)
式中：D为热债，J/m2；Δτ为暴露时间，s；τ为过渡过程中经过的时间，s；Icl为总体的服装热阻，clo.
除了上述所述的动态热舒适评价指标，基于标准有效温度SET建立的预测热感觉PTS模型，可以评价许多类别的建筑热环境，且和经典PMV评价指标相比，该模型的评价结果更为靠近人体的实际热感觉；该模型与上述的几个评价指标相比，还考虑了人体的自主调节性和对热环境的适应性。该评价利用ASHRAE热舒适数据库中的数据，结合了标准有效温度SET，建立能够体现不同建筑环境和人群适应性的热感觉预测评价模型，即预测热感觉PTS模型[9]。该模型不仅能够对各种环境下人的热感觉进行预测，还能够反映不同地区人员适应性差异。
PTS模型的一大特征就是能够反映不同人群的热适应过程的独立特征，这个独立特征即不同地区、不同类型建筑热环境的人体热舒适评价特性和人群热适应特性，这个特征不同于传统PMV模型中环境参数与热感觉的规律是恒定的[9]。如图1所示，PTS模型是建立在TSV和SET拟合回归分析的基础上的，这个建立过程决定了PTS模型与人体的具体热适应能力和具体建筑热环境特性紧密关联。
图1 PTS模型图[9]
Fig.1 PTS model diagram[9]
2.2 采用连续性的热舒适指标进行周期评价
采用具有延续性的能耗指标，合理改良其评价考虑基准，可使得这类指标变得具有热舒适评价及预测能力，典型指标如基于热适应温度曲线的度小时数[10]或综合热舒适率[11]，这类指标具有评价能耗使用预期状况以及热舒适的双重能力，可以适用于动态非均匀的建筑热环境评价中。
林宇凡等[12]通过全国范围的调研，发现人体热舒适温度与室外气温呈线性关系，在不同地区，这一线性关系有所不同，主要是因为不同地区的社会经济水平、社会习俗及气候环境均存在差异，导致适应特性的不同；在此基础上，可以得到基于不同气候区的热适应模型。
改进后的空调度小时数CDH和供暖度小时数HDH表示的是自然室温与人体热舒适温度的接近程度[10]，这两个指标可以被用来评价夏季和冬季自由运行单体建筑的不舒适程度。这里的改进之处在于，度日数的舒适温度不再是恒定不变的室内设计温度，而是与室外温度相关的人体热舒适温度，这一舒适温度来源于林宇凡等[12]的热适应模型，改进后的空调度小时数CDH和供暖度小时数HDH定义分别为[10]：
(5)
式中：ti为逐小时的平均温度，℃；t为人体舒适温度，℃；τ″为时间，h.
从上式可见，度小时数越小，自由运行建筑的室温舒适度越高，空调和供暖能耗使用潜力越小；反之，度小时数越大，自由运行建筑室温的室温舒适度越低，空调和供暖能耗使用潜力越大。当度小时数为0时，此时达到理想状态，即不依靠空调和供暖设备，也能达到舒适，并且设备能耗使用潜力为0.
提出这一指标的意义不仅在于延续性的热舒适评价，而且为节能的建筑设计提供科学的理论依据，以减小两个度日数为目标，优化建筑结构和材料的设计和区域划分，最后再考虑设备的使用，大大提高节能设计的效率。
度小时数指标的意义在于揭示自由运行建筑的自然室温舒适度以及可能的用能量，属于较为初步的热舒适周期评价指标，但无法评价装有各类建筑设备建筑的实际热舒适状况，因此，宜采用综合热舒适率进行热舒适评价[11]。热舒适率评价指标的算法构建核心是温频法(BIN法)，在此基础上借助室内平均热感觉投票(MTSV)与室内操作温度的线性关系得到的热舒适周期评价指标。
热舒适率的计算有两个先决条件，一个是统计全年室内各个温度段出现的小时数并计算出现频率，另一个是寻求室内平均热感觉投票(MTSV)与室内操作温度的线性拟合关系。在此二者的计算基础上，计算室内的综合热舒适率，其具体计算式如下：
(6)
TCR(综合)=TCRs+TCRw.
(7)
式中：TH为热舒适区间的上限值；TL为热舒适区间的下限值；fa为温度间隔为1 ℃的各温度段出现的频率；MTSVa为出现频率为fa温度段的平均温度Ta对应的人体平均热感觉投票结果。综合热舒适率(TCR综合)为夏季综合热舒适率和冬季综合热舒适率的总和，该值越大，其对应的室内热环境质量越好。
2.3 对经典PMV模型进行修正后的改进型评价
对经典PMV做动态性和非均匀性的修正，可以使PMV的计算和实际热感觉情况较修正前接近[13-15]。对于许多办公建筑而言，不均匀和非稳态的特性主要由太阳辐射及其日变化引起，故应修改其室内平均辐射温度的计算方式，修改后的计算式体现了太阳高度角、方位角、角系数的影响，使得改良后的PMV的预测性变得较为合理。
目前很多建筑采用玻璃幕墙、透明屋顶等结构形式，房间获得良好采光的同时，更多的太阳光入射进室内，对热环境影响十分显著。在太阳辐射影响下的热环境具有明显的非均匀特征以及动态特征[13-14]。滕润等[13]通过采用人体与各个表面和太阳辐射之间的热平衡关系式来计算平均辐射温度，从而使得计算后的PMV对实际环境热舒适评价的准确性有了明显的提升，其计算考虑层面如图2所示。
图2 人体与周边环境的热湿交换[15]
Fig.2 Heat and moisture exchange of human body
with surrounding environment[15]
在经典PMV模型提出之后，Gagge建立了二节点模型将人体看作两个同心圆柱层，即核心层和皮肤层[16]。陈瑾等[16]通过该模型，选取适用于矿井环境下的环境参数计算值，并取得工作面不同位置处人体皮肤温度的求解曲线，使得改进型评价模型的准确性有了明显的改善。
2.4 基于模糊数学原理的构建热舒适评价体系
基于模糊数学原理的数学模型的评价，可建立起黑箱或者灰箱子模型，建立环境参数和热舒适结果的直接数学对应关系[17]或者建立起经典模型指标和热舒适结果的对应关系[18]。这种处理方法依赖于标准、有效、大量的试验数据的搜集和处理上，在达到具有统计意义量值的要求时，可以发现其评价准确度和实际高度符合。
宗宏[17]认为室内热舒适性的评价是一个模糊性的事件，他根据哈尔滨市冬季供暖期某高校教室190份室内热环境现场测试原始环境参数数据和主观问卷调查，利用模糊数学基本理论确定了室内温度、相对湿度和服装热阻等经典PMV模型中的重要计算参数相对于热舒适各投票评价等级的隶属函数，从而建立了严寒地区冬季高校教室内热舒适性模糊综合评判模型。同时，将该模型的计算结果与现场测试的，基于环境参数计算的其他热舒适评价指标进行比较，该模型的预测精度较高，这说明用模糊数学理论进行室内的热舒适性分析及评价是可行的。
除了采用模糊数学方法研究室内具体热环境评价的方法之外，建立起PMV经典模型预测值和实际热感觉之间的黑箱模型是更为直接的评价方法。该方法的优势在于可以体现非稳态、非均匀环境下人体的热适应和调节能力与稳态、均匀环境之间的异同点，而这一方法产生的评价模型被称为适应性模型即aPMV模型[19]。
适应性模型则是通过针对自由运行建筑的现场测试和问卷调研得到，通过热感觉投票的统计学处理确定室内热环境的可接受程度。适应性模型当中包含有人体与环境的热湿交换过程，即PMV 模型在适应变化的热环境中不断调节的过程，而PMV预测值与实际热感觉投票的差异是由于人体对变化的热环境达到适应水平造成的，实际热感觉投票结果与环境之间关系类似于自动控制的黑箱环状负反馈关系[18]，该关系的逻辑如图3所示。
图3 适应性预计平均热感觉模型框图[18]
Fig.3 Block diagram of adaptive prediction average
thermal sensation model[18]
在aPMV模型中，其与PMV的数学关系主要由自适应性系数λ决定，该系数与评价建筑所在区域的气候类型、人群的适应性等因素有关，这就要求在不同类型建筑中，通过大量的热湿环境测试和热舒适问卷调查这两类数据，经过统计分析才可以得到aPMV模型。aPMV模型与PMV模型的关系如下式[18]所示：
aPMV=PMVI(1+λPMV) .
(8)
式中：λ为自适应系数，为常数，通过实测确定。
3 不同非均匀建筑热环境评价方法的比较
不同类别的非均匀建筑热环境评价方法各有特点，这些方法都是在不断研究和修缮中逐步总结出来的。有的评价指标是从人的热反应状态出发，建立起热反应和热环境评价级别的量化关系，如PMV、DPMV、HDR和RWI，或者在此基础上考虑人适应性的调节作用指标如PTS和aPMV；有的指标则是直接建立起环境参数和热环境价级别的量化关系，如改进型的空调度小时数CDH和供暖度小时数HDH、综合热舒适率TCR(综合)和基于模糊数学原理构建的适用于具体场合的热评价级别与环境参数的函数关系式。表1为本文所提及的现今较为常用的不同热环境评价指标的对比。
表1 不同热环境评价指标的对比
Table 1 Comparison of different thermal environment evaluation indicators
指标名指标类别评价基准评价范围评价适用面PMV瞬时评价人体热反应人工冷热源环境建筑运行期DPMV瞬时评价人体热反应人工冷热源环境建筑运行期aPMV瞬时评价人体热反应非人工冷热源环境建筑运行期RWI瞬时评价人体热反应偏热的非稳态环境建筑运行期HDR瞬时评价人体热反应偏冷的非稳态环境建筑运行期PTS瞬时评价人体热反应广泛各类建筑环境建筑运行期CDH、HDH长周期评价人体热适应状态自由运行建筑环境建筑设计期TCR长周期评价人体热适应状态建成后建筑环境建筑运行期
4 结束语
通过关于现行的几类非均匀建筑热环境评价方法的总结和使用方法的介绍，笔者认为这几类评价方法都从不同程度上提高了热环境评价的准确度，比经典的PMV模型更加准确地评价人员所处的热环境，但其接近程度却有所不同，这是由所使用方法的原理造成的。
本文所介绍的评价方法从原理而言，可总结为三类：一类是既有的其他热舒适评价指标，这类评价指标主要在特定热环境评价时很有效，但对于其他类别的非均匀建筑热环境评价的精度就有待商榷了；另一类即在经典PMV模型的计算过程上进行修正，如进行动态化的计算，以及考虑环境影响参数和具体的计算以反映所评价热环境的环境参数变化特性，这能有效提高评价的精度；最后一类是采取数据化的方法，通过建立较为数据化的指标和模型，直接建立起人的热感觉和环境参数间的对应关系，只要能测量所需的计算参数，即可进行定量化的评价。
对于本文上述的热环境评价指标，笔者认为评价应从时间尺度进行分类，分别对应于建筑管理层面和建筑设计层面的热环境评价。非均匀建筑环境评价应分为瞬时评价和长周期评价两个层次指标，瞬时评价展现为得到逐时刻的状态点评价指标，多作为建筑管理层面的设备系统控制参数，静态评价指标为长周期时段的评价指标，多用于建筑设计层面的方案选择。如果热环境的评价参数是作为系统或设备进行工况调整的依据，则应具有较好的时效性并且容易通过环境参数测量获得；从这一方面考虑，aPMV和PMV的计算参数测量较RWI、HDR简便、直接，较多计算参数为从环境中得到的测量参数，但aPMV比较适用于非人工冷热源环境，PMV比较适用于人工冷热源环境；同时，基于模糊数学原理简建立的热舒适评价体系虽然可视性强，但应用范围往往局限于某类特定环境；PTS可反映不同侯群的适应能力特点，该指标建立基础的SET，综合考虑了皮肤温度、皮肤润湿度、人体代谢率、人体衣着状况及其他环境参数，相比于aPMV和PMV而言，它的适用范围也比较广泛，应是比较好的瞬时热环境评价指标。当热环境评价指标是作为建筑设计前的方案预选和建成后评估的评价标准之一时，则应具有能反映一个时间段运行的总体热环境状况的功能，这就要求采用周期性评价。改进型的空调度小时数CDH和供暖度小时数HDH能在很大程度上反映具体建筑的总体热环境舒适水平，其建立在对大量数据进行统计学处理后所得到的热适应曲线之上，具有比较强的代表性，该指标较为适合在建筑设计阶段，通过软件模拟的方式呈现，以便设计人员进行方案选优；而综合热舒适率的计算是基于建筑建成后的实地调研和测量的结果，适用于对建成后建筑的整体运行效果评估。
各类别评价都有很不错的应用价值，但从本质上揭示非均匀建筑热环境的非均匀特性和动态特性，并做定量化规律分析，才能从根本上解决问题。
[1] 吉玉辰，王昭俊，苏小文.严寒地区被动房辐射楼板换热性能实验研究[J].煤气与热力，2019，39(8)：16-22.
JI Y C,WANG Z J,SU X W.Experimental study on heat transfer performance of passive house radiant floor in severe cold area[J].Gas & Heat,2019,39(8):16-22.
[2] 王昭俊,侯娟,康诚祖,等.不对称辐射热环境中人体热反应实验研究[J].暖通空调,2015,45(6)：59-63.
WANG Z J,HOU J,KANG C Z,et al.Experimental study on human thermal responses in an asymmetrical radiant thermal environment[J].Heating Ventilating & Air Conditioning,2015,45(6):59-63.
[3] 任雁,刘云亮,周翔,等.长时间处于地板辐射供冷环境中的人体热反应模拟研究[J].制冷技术,2019,39(6)：62-69.
REN Y,LIU Y L,ZHOU X,et al.Simulation study of human thermal response in a long-term radiant floor cooling environment[J].Chinese Journal of Refrigeration Technology,2019,39(6):62-69.
[4] 翟静.夏季人体动态热舒适性的研究[D].上海：东华大学,2017.
[5] 金雅婷, 韩厚德, 阚安康,等. 船舶舱室环境下的动态热舒适性研究[C].上海市制冷学会第八届会员代表大会暨2011年学术年会论文集, 2011:239-243.
[6] 朱培根,王春旺,仝晓娜,等.地铁站乘客动态热舒适评价研究[J].暖通空调,2016,46(2)：40,101-104.
ZHU P G,WANG C W,TONG X N,et al.Research on dynamic thermal comfort evaluation of passengers in underground railway station[J].Heating Ventilating & Air Conditioning,2016,46(2):101-104.
[7] 苑广普,孔祥飞,矫立超,等.某高速公路服务区冬季热舒适研究[J].建筑科学,2018,34(8)：57-61.
YUAN G P,KONG X F,JIAO L C,et al.Research on thermal comfort of an expressway service area based on environment transition[J].Building Science,2018,34(8):57-61.
[8] 李伟格,邹钺,徐嘉,等.上海地铁车厢热舒适调查研究与分析[J].建筑热能通风空调,2018,37(8)：21-24.
LI W G,ZOU Y,XU J,et al.Thermal comfort investigation and analysis on coaches of shanghai metro[J].Building Energy & Environment,2018,37(8):21-24.
[9] 纪文杰,曹彬,朱颖心.建立一种新的热适应预测评价模型——预测热感觉PTS模型[J].暖通空调,2019,49(6)：39-45.
JI W J,CAO B,ZHU Y X.Development of a new thermal adaptive predicted model——pts (predicted thermal sensation) model[J].Heating Ventilating & Air Conditioning,2019,49(6):39-45.
[10] 郭超月,赵蕾,杨柳.基于人体热适应需求的居住建筑外墙热工设计方法及关键参数研究[J].暖通空调,2018,48(1)：113-117.
GUO C Y,ZHAO L,YANG L.Thermal design method and key parameters of residential building envelopes based on human thermal adaptation demand[J].Heating Ventilating & Air Conditioning,2018,48(1):113-117.
[11] 任静薇,高树峰,刘鸣.寒冷地区既有住宅围护结构对耗热量与室内热舒适的影响[J].城市建筑,2020,17(10)：120-126.
REN J W,GAO S F,LIU M.Influence of the existing residential enclosure structure on heat consumption and indoor thermal comfort in cold area[J].Urbanism and Architecture,2020,17(10):120-126.
[12] 林宇凡,杨柳,闫海燕,等.中国气候与人体热舒适气候适应研究[J].西安建筑科技大学学报(自然科学版),2014,46(2)：251-255.
LIN Y F,YANG L ,YAN H Y,et al.Study on China climate and human thermal adaptation[J].Journal of Xi'an University of Architecture & Technology,2014,46(2):251-255.
[13] 滕润,刘国丹,陈晓伟,等.冬季太阳辐射对平均辐射温度及PMV的影响研究[J].青岛理工大学学报,2020,41(3)：95-102.
TENG R,LIU G D,CHEN X W,et al.Study on the effect of solar radiation on the mean radiant temperature and pmv in winter[J].Journal of Qingdao University of Technology,2020,41(3):95-102.
[14] 张永煦.空冷型光伏双层窗的理论和实验研究[D].合肥：中国科学技术大学,2010.
[15] 李潇斐.太阳辐射影响下的室内热环境及人体热反应研究[D].青岛:青岛理工大学,2018.
[16] 陈瑾,吴世跃,柴琳,等.基于Gagge二节点模型的井下气候条件评价[J].矿业安全与环保,2019,46(3)：104-107.
CHEN J,WU S Y,CHAI L,et al.Evaluation of downhole climatic conditions based on gagge two-node model[J].Mining Safety & Environmental Protection,2019,46(3):104-107.
[17] 宗宏.高校教室热环境模糊综合评判及数值模拟[D].哈尔滨:哈尔滨工程大学,2008.
[18] 景胜蓝.自由运行建筑人体热适应性研究[D].重庆:重庆大学,2013.
[19] 丁勇花,狄育慧,王智鹏.热舒适模型与热适应模型的对比分析[J].低温建筑技术,2015,37(4)：149-152.
DING Y H,DI Y H,WANG Z P.Comparative analysis of thermal comfort model and thermal adaptation model[J].Low Temperature Architecture Technology,2015,37(4):149-152.
