医院能源监控怎么做？受哪些因素影响？医院节能降耗注意9个变量

作者：

华东建筑设计研究总院 刘 飘

同济大学 刘燕敏

我国大型公共建筑的耗电量是住宅的10~20倍，占到民用建筑总耗电量的30%以上，其中医疗建筑的单位能耗又高于一般公共建筑。目前上海市医疗建筑单位面积能耗已是一般公共建筑的2倍左右，成为耗能最大的公共建筑之一，且仍呈能耗递增趋势。

医院的能耗不仅使医院日常支出增大，医疗费用增加，而且使目前卫生保健资金投入与产出之间的差距越来越大，加剧了地区供能的矛盾与医院用能的安全性。由于医院用能结构复杂，能耗与诸多因素有关，对于医院节能的研究造成了一定程度上的困扰。找出对能耗影响最关键性的因素将对医院节能和设计起到指导作用。本文在分析上海市30多家三甲医院近5年能耗的基础上，研究医院能耗的主要影响因素。

大型公共建筑

一、影响因素概括

1.1 指标综述

人们在评价医院的能耗情况时，大部分采取医院总能耗与建筑面积的比值作为评价指标，如单位建筑面积耗电量、单位建筑面积当量标准煤耗量、单位建筑面积综合能耗定额等，此间折射出的观点是建筑面积类因素是与医院能耗有较强相关性。除了采用单位建筑面积耗能量作为医院能耗水平的评价指标外，也有一大部分采用门急诊量人均能耗指标、人均建筑能耗占用空间、床日能耗量、当量人均能耗等，反映出评价方对能耗与人之间关系的思考。此外，还有采用单位GDP能耗、单位万元收入能耗等评价指标的项目和文献，即认为能耗与收益之间存在一定关系，可用以评价医院的用能水平。

综上，目前人们普遍认为与能耗相关的主要有建筑体量、医院人员数量、收益三大类。

医院建筑

1.2 各因素详述

本文摘取了总建筑面积、总空调面积、手术室面积、年收入、门急诊人次、手术人次、出院人次、床位数、年床日数9个变量，分析其余总能耗的相关关系。

总建筑面积，是指在建设用地范围内单栋或多栋建筑物地面以上及地面以下各层建筑面积之总和。在已有的文献及实际工程应用中，是使用最频繁的评价医院用能水平的因素。在建筑设计中，设计师们会根据建筑的功能及面积布置相应的空调系统、消防系统、电气系统等，这些系统的配置直接影响到医院的总能耗。

总空调面积，是指建筑中设有空气调节系统的建筑面积总和。空调系统能耗占比较高，电费占医院总电费的70~80%，空调面积的大小决定空调系统容量，进而影响到医院总能耗。

手术室面积，是指医院建筑中手术部建筑面积的总和。医院每平方米全年单位面积能耗约在 200kW·h 左右，而手术部高达 500kW·h，在各类用房的能耗大小中名列前茅。且手术室规模通常与医院规模相对应，大型医院的手术室通常比小型医院的手术室多，故手术室面积也可能对医院总能耗有较大影响。

年收入，指医院每年收入。医院收入与诸多因素有关，就诊量、治愈量、医病种类等等。从某种意义上说，年收入是诸多繁杂因素的一个综合因素。其与能耗的关系类似收入与投入，两者的关系值得探讨。

门急诊人次，指医院每年接待的门急诊人数。

手术人次，指医院每年为其实施手术的病人数量。

出院人次，指医院每年治病痊愈出院的人数。

医院的服务对象主要是病人，病人数量的增多，会带动空调能耗的增大、医疗设备使用率的提高，用电量、用气量等均将有所提高，建筑能耗随之加大。

床位数，指医院设置的病床数量。这一数量因临时床位的设置，通常是波动的，在一定程度上可能与建筑能耗有较大的关系。

年床日数，是指医院每年床位的使用量。例如一位病人住院2天，即为2床日数，两位病人住院1天，也为2床日数。医院实际住院的情况直接关联到病房及设备的使用，可能与建筑能耗存在较大关联。

医院建筑2

二、分析方法介绍

课题组根据收集到的33家三甲医院的包括建筑面积、总空调面积、门急诊人次、床位数和年床日数等9种数据，采用皮尔逊（Pearson）相关分析法、偏相关分析法、主成分分析法等统计方法，分析各相关因素对医院能耗的影响。Pearson相关分析中的Pearson相关系数是2个变量之间协方差和标准差的比值，变化范围为 -1~1，其绝对值越大，表示2个变量间的Pearson线性相关性越大。偏相关分析是在多元相关分析中，更真实反映目标变量间相关性的分析方法。主成分分析法是将多个变量通过线性变换筛选出重要变量的一种多元统计分析方法，将相关度高的影响因素通过主成分分析整合，以减少数据集的维数，从而达到凸显影响能耗的主要因素、简化次要因素的目的。

2.1 Pearson相关系数分析法

Pearson相关系数是用来定量衡量2个变量之间线性相关度的数值。

两变量之间的Pearson相关系数定义为两个变量之间协方差和标准差的比值：

对于样本Pearson相关系数r为：

Pearson相关系数的变化范围为 -1到1。系数的值为1意味着X和Y可以很好的由直线方程来描述，所有的数据点都很好的落在一条直线上，且Y随着X的增加而增加。系数的值为-1意味着所有的数据点都落在直线上，且Y随着X的增加而减少。系数的值为0意味着两个变量之间没有线性关系。

2.2 主成分分析法

主成分分析法是一种降维方法，它的基本思想是将原来比较多的、有关联的变量用数量较少且不相关的变量替代。这种方法通常用于减少数据集的维数，同时保持数据集中的对方差贡献最大的特征，它的实质是坐标的平移和旋转。 主成分分析方法一般需要经过矩阵标准化、相关系数矩阵计算、相关系数矩阵的特征值计算、累计方差贡献率计算、主成分载荷和主成分得分值的计算这几个计算过程。

由于主成分分析的数据变量很多情况下单位不一定相同，为了消除不同单位对分析结果的影响，所以首先对矩阵标准化。假设原始变量矩阵为：

对其标准化的计算公式如下：

其中：

为方便下文表述，标准化后的矩阵仍用原符号X表示，该相关系数矩阵用R表示：

其中：

求解得到相关系数矩阵R的特征值(λ1, λ2, … , λn)， 特征向量ai =(ai1, ai2, … , ain)，i =1, 2, … , n，A=(a1, a2, … , an)最后计算得出主成分矩阵Y：

主成分之间互不相关，且特征值即主成分的方差，而主成分的方差贡献率反映的是该主成分承载原始变量信息的百分比，计算公式如下：

累积方差贡献率，顾名思义是多种主成分的方差贡献率之和。一般情况下，主成分按方差贡献率从高到低排列，累积方差贡献率达到85%即认为这一个主成分包含的信息已经代表了原变量的大部分信息，由此可以使用这些主成分作为新变量从而达到降维的目的。

2.3 偏相关分析法

在控制其他变量影响的情况下，表示2个变量之间相关程度的系数称为偏相关系数，偏相关分析也称为净相关分析，偏相关系数也可称为净相关系数。

N阶偏相关系数的计算通式[8]为：

任何N阶偏相关系数都可以通过N-1阶偏相关系数计算得到。

三、结果分析

考虑到医院根据用途的不同可能会有不一样的用能特点，并且从适用性出发，首先将医院分为三大类，即综合医院、专科医院和中医医院。同时，由于Pearson相关分析法在其他条件不变的情况下，样本数越大，分析结果就会越准确，所以也将所有医院——综合医院、专科医院、中医医院——合并到一起，对所有样本做Pearson相关分析。

表 1 影响因素与医院年总能耗之间的Pearson相关系数

综上，经过对现有医院能耗数据进行Pearson相关系数分析以后，认为总建筑面积、总空调面积、总手术室面积，以及年床日数对医院总能耗的线性相关性较为明显。

不难发现，总建筑面积、总空调面积、总手术室面积，都属于面积类的因素，所以我们把它们统称为“面积因子”。秉着简单易统计的原则，辨此“面积因子”是否有强烈的相关性甚至是重复性，本文通过主成分分析法对其分析。通过对总空调面积、手术室面积和总建筑面积进行主成分分析，发现提取主成分时第一主成分（总空调面积）的方差占总方差的88.7%（见错误!未找到引用源。），即这3种因素之间的相关性很大，可以用总空调面积因素来代替这3个因素“面积因子”对总能耗的影响，即可以由三维降为一维。

表2 主成分分析总方差的解释

虽然通过主成分分析得出可以替代“面积因子”的是总空调面积，也就是说用总空调面积来替代是“面积因子”是最准确的。但是由于医疗机构在做统计工作时，通常更注重对总建筑面积的统计，而非总空调面积，所以考虑总空调面积指标能否用总建筑面积指标替代，从而即达到降维的目的，也能合理简化医院节能评价的工作。

本课题的研究对象：上海市市级三甲医院，空调面积占比绝大部分大于90%，总空调面积及手术室面积占总建筑面积百分比都比较稳定，前者在70%~100%范围，后者在1.80%~4.02%范围。详见表3，空调面积占总建筑面积的比重平均为92%，方差为0.01；手术室面积占比平均为2.87%，方差为0.00005。

表3 总空调面积及手术室面积占总建筑面积百分比

从表4也可知建筑面积与空调面积的Pearson相关系数值为0.875，与手术室面积的Pearson相关系数值为0.876；所以认为空调面积对于医院能耗的影响可以用总建筑面积替代。

表4 各变量两两Pearson相关系数矩阵（样本数N=23）

综上，“面积因子”对医院总能耗的影响可以由“三维”降为一维”，即总建筑面积、总空调面积、总手术室面积对医院总能耗的影响用一个因素表示，而最佳的代表因素是总空调面积，但是考虑到实用性以及总建筑面积与总空调面积的密切关系，所以三甲医院可用总建筑面积作为这个“一维”的因素代替“面积因子”对医院总能耗的影响。

本课题利用统计分析软件SPSS对年总能耗与总建筑面积、总空调面积、手术室面积、年收入、门急诊人次、手术人次、出院人次、床位数、年床日数这9个变量进行偏相关分析，有效样本数为23份，分析结果见表5。

表5 年总能耗与变量之间的偏相关分析结果

偏相关系数越大，不相关的显著性水平越小，表示该变量与总能耗的线性相关性越好。总空调面积与总能耗的偏相关系数最大（0.680），且不相关的显著性水平只有0.05，其次是年床日数，偏相关系数为-0.490，不相关的显著性水平为0.064。总空调面积与总能耗的偏相关系数为正值，说明总空调面积与总能耗是正相关。年床日数与总能耗的偏相关系数为负值，说明在其他因素不变的情况下，年床日数与总能耗是负相关。根据偏相关分析结果，与医院年总能耗相关的9种影响因素按偏相关系数绝对值大小排列依次为：总空调面积、年床日数、年收入、床位数、出院人次、手术室面积、门急诊人次、总建筑面积、手术人次。由表5可见，只有总空调面积与年总能耗的不相关显著水平≤0.05，年床日数与年总能耗不相关的显著性水平为0.064，其他变量均＞0.10。也就是说偏相关分析结果表明与医院总能耗相关性最大的为总空调面积和年床日数。

四、结论

通过对9个影响因素进行Pearson相关分析、偏相关分析和主成分分析，不难发现不同的分析方法，结果比较一致。Pearson相关分析结果表明在不剔除其他因素对能耗影响的前提下，9个因素中对能耗影响最大的是面积因子，即总建筑面积、空调面积、手术室面积。通过对这3个因素（总建筑面积、空调面积、手术室面积）进行主成分分析得出空调面积可替代其他两个指标表示对能耗的影响。

同时偏相关分析结果表明空调面积因素对能耗的偏相关性最大。总空调面积与总能耗的相关性最显著，因为在使用空调的医院建筑，空调能耗占总能耗的较大一部分。建筑冷热负荷与空调面积有很大关系，空调能耗又占有很大的比例，所以总能耗与空调面积的大小有很强的相关性不仅在本文中得到了理论上非常有力的证明，在往年的研究文献中也可以找到有效支持这个观点的证据。