建築能源消耗排放的溫室氣體是加劇都市熱島的重要因素之一，隨著溫度逐年升高，都市與郊區的氣候差異越加顯著。如何評估區域性能源耗用的程度，是未來推動氣候調適政策的重要課題。因此本研究建立建築用電預估模型，透過高解析度氣候資料分析都市區域性能耗差異，以利於建立能源管制策略，並改善都市人居環境。本研究首先以一住宅建築模擬為例，探討冷房度時(Cooling Degree Hour, CDH)與建築能耗的關係，結果顯示兩者在熱季呈現高度相關。研究範圍以臺中市為主，透過高解析度氣候資料、建築資訊及能源模擬參考值，建立建築用電預估模型。並繪製高解析度的建築用電分佈圖，經由驗證後再將研究結果應用到其他城市進行能耗評估。以臺中市用電驗證結果顯示，預估用電與真實用電的相關性表現良好 R2=0.76，表示模型預估結果有一定準確。接著應用到臺北市及舊臺南市，各城市高解析度的能耗結果顯示出地區性用電差異。比較三個都市的預估能耗，建築密度高的市中心區用電量最多。在熱季 7 月建築空調用電需求高，且夜間高溫對建築空調能耗有更顯著的影響。最後因應未來氣候變遷，透過冷房度時增加率推估臺中市的能耗增加趨勢，熱季最熱之 7 月冷房度時增加量最多，而 5 月及 10 月也有明顯增加幅度，表示在未來氣候變遷的情境下，除了預防熱季中期加劇的能源耗用，亦需強化管制在初期及末期大幅成長的供冷需求，因應未來潛在增加的供冷能源耗用。研究結果為 1.建築模擬顯示熱季的冷房度時與建築能耗相關性高。2.建立建築用電預估模型。3.繪製解析度 500mx500m 的能耗分布地圖，呈現都市各地區用電量的差異。4.夜間高溫對空調用電量有更多的影響性 5.未來氣候變遷情境下，熱季有明顯增長的供冷需求。

As the temperature increases rapidly, the climate difference between urban and suburban areas becomes more and more significant. How to assess the extent of regional energy consumption is an important issue in the future. Therefore, this study establishes a building electricity estimation model, and uses high-resolution climate information to analyze regional energy consumption differences.This study takes residential buildings as a case to analyze the relationship between cooling degree hour (CDH) and building energy consumption. The result shows that the two are highly correlated in the hot season. And then, take Taichung as the research area to establish a building electricity estimation model that based on the climate data, building information and energy reference value.The verification between the estimated electricity consumption and the actual electricity consumption in Taichung shows that the R2 is 0.76. The result indicates that the correlation is good. Then the achievements are applied to other cities to create energy maps. It is also found that the high temperature at night in the hot season has a more significant impact on the energy consumption of building air conditioners. Then estimate the trend of future energy consumption increase in Taichung, and found that the increase in CDH was the largest in July.

(一)英文期刊
1. Assawamartbunlue, K. (2013). An investigation of cooling and heating degree-hours in Thailand. Journal of Clean Energy Technologies, 1(2), 87-90.
2. Berger, T., Amann, C., Formayer, H., Korjenic, A., Pospischal, B., Neururer, C., & Smutny, R. (2014). Impacts of climate change upon cooling and heating energy demand of office buildings in Vienna, Austria. Energy and Buildings, 80, 517-530.
3. Büyükalaca, O., Bulut, H., & Yılmaz, T. (2001). Analysis of variable-base heating and cooling degree-days for Turkey. Applied Energy, 69(4), 269-283.
4. Crawley, D. B., Lawrie, L. K., Pedersen, C. O., Winkelmann, F. C., Witte, M. J., Strand, R. K., ... & Gu, L. (2004). EnergyPlus: New, capable, and linked. Journal of Architectural and Planning Research, 292-302.
5. Errebai, F. B., Strebel, D., Carmeliet, J., & Derome, D. (2022). Impact of urban heat island on cooling energy demand for residential building in Montreal using meteorological simulations and weather station observations. Energy and Buildings, 273, 112410.
6. Fung, W. Y., Lam, K. S., Hung, W. T., Pang, S. W., & Lee, Y. L. (2006). Impact of urban temperature on energy consumption of Hong Kong. Energy, 31(14), 2623-2637.
7. Hayhoe, K., Robson, M., Rogula, J., Auffhammer, M., Miller, N., VanDorn, J., & Wuebbles, D. (2010). An integrated framework for quantifying and valuing climate change impacts on urban energy and infrastructure: A Chicago case study. Journal of Great Lakes Research, 36, 94-105.
8. Hirst, E., & Jackson, J. (1977). Historical patterns of residential and commercial energy uses. Energy, 2(2), 131-140.
9. Johari, F., Peronato, G., Sadeghian, P., Zhao, X., & Widén, J. (2020). Urban building energy modeling: State of the art and future prospects. Renewable and Sustainable Energy Reviews, 128, 109902.
10. Kolokotroni, M., Zhang, Y., & Giridharan, R. (2009). Heating and cooling degree day prediction within the London urban heat island area. Building Services Engineering Research and Technology, 30(3), 183-202.
11. Lee, K., Baek, H.-J., & Cho, C. (2014). The Estimation of Base Temperature for Heating and Cooling Degree-Days for South Korea. Journal of Applied Meteorology and Climatology, 53(2), 300-309. doi:10.1175/jamc-d-13-0220.1
12. Lindsey, M., Schofer, J. L., Durango-Cohen, P., & Gray, K. A. (2011). The effect of residential location on vehicle miles of travel, energy consumption and greenhouse gas emissions: Chicago case study. Transportation Research Part D: Transport and Environment, 16(1), 1-9.
13. Mutani, G., & Todeschi, V. (2017). Space heating models at urban scale for buildings in the city of Turin (Italy). Energy Procedia, 122, 841-846.
14. Pombeiro, H., Santos, R., Carreira, P., Silva, C., & Sousa, J. M. (2017). Comparative assessment of low-complexity models to predict electricity consumption in an institutional building: Linear regression vs. fuzzy modeling vs. neural networks. Energy and Buildings, 146, 141-151.
15. Salata, F., Falasca, S., Ciancio, V., Curci, G., Grignaffini, S., & de Wilde, P. (2022). Estimating building cooling energy demand through the Cooling Degree Hours in a changing climate: A modeling study. Sustainable Cities and Society, 76.
16. Wang, Y., & Bielicki, J. M. (2018). Acclimation and the response of hourly electricity loads to meteorological variables. Energy, 142, 473-485.
17. Wang, Z., Hong, T., Li, H., & Ann Piette, M. (2021). Predicting city-scale daily electricity consumption using data-driven models. Advances in Applied Energy, 2.
18. Wang, C., Ferrando, M., Causone, F., Jin, X., Zhou, X., & Shi, X. (2022). Data acquisition for urban building energy modeling: A review. Building and Environment, 109056.
(二)英文技術報告
1. IPCC. (2014). Fifth Assessment Report, Summary for Policymakers, SPM 1 (ISBN 978-92-9169-143-2).
2. United Nations Environment Programme. (UNEP) (2021). Global status report for buildings and construction. Global Alliance for Building and Construction.
3. United Nations Environment Programme (UNEP) (2022). 2022 Global Status Report for Buildings and Construction: Towards a Zero‑emission, Efficient and Resilient Buildings and Construction Sector. Nairobi.
(三)英文網頁
1. Atoti. When to perform a Feature Scaling?(2022). Retrieved from https://www.atoti.io/
articles/when-to-perform-a-feature-scaling/ (Mar. 5,2023)
2. Carbon Disclosure Project(CDP). (2022). Report. Retrieved from https://www.cdp.net/en/articles/citiesannouncements/put-people-at-heart-of-climate-action-as-hazards-threaten-at-least-70-of-population-of-nearly-a-third-of-worlds-cities (Mar. 27, 2023)
3. EnergyPlus, Software introduction, https://energyplus.net/ (May 7, 2023)
4. GISGeography. (2022). Choropleth Maps – A Guide to Data Classification. Retrieved from https://gisgeography.com/choropleth-maps-data-classification/ (Mar. 5,2023)
(四)中文論文
1. 王柏宜(2016)。建築能耗模擬與節能策略分析。碩士論文。國立中興大學。
2. 林宏(2013)。應用EnergyPlus建築全能耗分析軟體探討建築節能效益-以辦公大樓為例。碩士論文。國立臺北科技大學。
3. 林奉怡(2019)。建構都市規模下的微氣候、住宅能源需求及熱風險空間分佈地圖的開發研究。博士論文。國立成功大學。
4. 張謦(2019)。基於土地使用分區及實際使用狀況之都市建築能耗簡易預估方法研究。碩士論文。國立成功大學。
5. 彭開琼(2014)。溫度、雨量與空調用電探討。碩士論文。健行科技大學。
6. 黃鈞政(2008)。冷房度日對建築物能源效率日對建築物能源效率之影響分析。碩士論文。國立臺北科技大學。
7. 葉惟中(2021)。村里等級建築能源耗用評估及全臺能耗地圖之建立。碩士論文。國立成功大學。
8. 顧孝偉(2003)。住宅用電量監測與解析之研究。碩士論文。國立成功大學。
9. 王柳臻(2022)。高解析氣候歷史重建資料於都市規劃及建築設計之應用。碩士論文。國立成功大學。
(五)中文期刊
1. 陳麒文(2004)。溫度對尖峰負載及節約能源的影響。能源節約技術報導，52，18-25。
2. 黃瑞隆(2002)。各式氣象年在建築與空調系統能源分析上的應用比較。冷凍與空調，16，108-114。
3. 潘淑琴、傅孟臺、陳志堅、彭開琼(2014)。影響家庭空調用電因素探討。全球管理與經濟，10(2)，1-17。
(六)中文書籍
1. 林憲德等人(2019)。綠建築評估手冊-基本型(EEWH-BC)。新北市：內政部建築研究所。
2. 經濟部能源局(2020)。中華民國109年能源統計手冊。臺北市：經濟部能源局。
3. 經濟部能源局(2021)。中華民國110年能源統計手冊。臺北市：經濟部能源局。
4. 蕭文龍(2020)。統計分析入門與應用：SPSS中文版+SmartPLS 3(PLS-SEM)(第三版)。臺灣：碁峰資訊。
(七)技術及研究報告
1. 臺灣糖業股份有限公司(2023)。臺南崇賢循環住宅(銀髮)創新節能技術開發及節電效益評估計畫。臺灣糖業股份有限公司臺南區處委託之專題研究成果報告。未出版。
2. 臺灣氣候變遷推估資訊與調適知識平台(2021)。統計與動力降尺度方法。國家災害防救科技中心委託之專題研究成果報告。新北市：國家災害防救科技中心。
3. 臺灣氣候變遷推估資訊與調適知識平台(2022)。AR5動力降尺度溫度資料資料生產履歷。國家災害防救科技中心委託之專題研究成果報告。新北市：國家災害防救科技中心。
4. 臺灣氣候變遷推估資訊與調適知識平台(2022)。AR5動力統計降尺度溫度資料資料說明文件。國家災害防救科技中心委託之專題研究成果報告。新北市：國家災害防救科技中心。
5. 何明錦、黃國倉、王仁俊、余文元、林政賢(2013)。臺灣建築能源模擬解析用逐時標準氣象資料TMY3之建置與研究。內政部建築研究所委託之專題研究成果報告(編號：978-986-03-9661-4)。新北市：內政部建築研究所。
6. 吳政庭(2020)。災害潛勢地圖(QGIS)介紹及操作。雲林縣災害防救深耕計畫委託之專題研究成果報告。雲林縣：雲林縣政府
7. 林秉毅、鄭兆尊、陳永明、簡毓瑭(2022)。NCDR 109-T05 40年高解析度臺灣歷史氣候資料。國家災害防救科技中心委託之專題研究成果報告。新北市：國家災害防救科技中心。
8. 國家災害防救科技中心、科技部、中央研究院環境變遷研究中心、交通部中央氣象局、臺灣師範大學地球科學系(2021)。IPCC氣候變遷第六次評估報告之科學重點摘錄與臺灣氣候變遷評析更新報告。國家災害防救科技中心委託之專題研究成果報告。新北市：國家災害防救科技中心
9. 鄭宛貞(2017)。建築空調能源政策分析報告。工業技術研究院委託之專題研究成果報告。
(八)中文網頁
1. 如何應用 QGIS (2)-地圖、軌跡、網格與等高線。檢自https://flyhead.medium.com/%E5%A6%82%E4%BD%95%E6%87%89%E7%94%A8-qgis-2-%E5%9C%B0%E5%9C%96-%E8%BB%8C%E8%B7%A1-%E7%B6%B2%E6%A0%BC%E8%88%87%E7%AD%89%E9%AB%98%E7%B7%9A-ff39ae12aadc(Mar. 15,2023)
2. 臺中市都市發展局，臺中市區域計畫(2016)。檢自https://www.ud.taichung.gov.tw (Mar. 4,2023)
3. 臺南市政府，地理環境(2018)。檢自https://www.tainan.gov.tw (Mar. 4,2023)
4. 臺北市都市發展局，全市發展概況(2023)。檢自https://www.udd.gov.taipei (Mar. 4,2023)
5. 臺灣電力公司，電價表及說明(2020)。檢自：https://www.taipower.com.tw/tc/index.aspx (Nov. 22, 2022)
6. 科技部臺灣氣候變遷推估資訊與調適知識平台（TCCIP），TReAD臺灣歷史氣候資訊(2022)。檢自：https://tccip.ncdr.nat.gov.tw/ (Mar. 19, 2023)