为了为工程设计和学术研究提供标准化和可重复的气象输入，研究人员提出了一个手工构建的典型气象年（TMY）数据集[11]，该数据集从多年小时级天气观测中选择每个日历月最具代表性的数据，并将这些12个月的数据连接成一个连续的8760小时典型小时级气候数据序列，以代表给定位置的长期平均条件[12]。理想情况下，传统的TMY数据集是从30年或更长时间的小时级观测数据生成的。例如，原始TMY使用了1948-1980年美国229个站点的数据；TMY2使用了1961-1990年239个站点的数据；TMY3主要使用了1976-2005年1020个站点的数据，以及一些1991-2005年的记录[13]。
在中国，针对特定城市的研究比较了多个30年跨度（如1961-1990年、1971-2000年和1981-2010年），以研究气候变化如何改变TMY天气文件和模拟负荷[14]，而其他研究则使用30年TMY作为基准，并根据SRES情景生成2010至2100年五个热设计区域的未来天气[15,16]。这些研究遵循传统的假设，即30年的历史时期可以充分代表长期建筑能源评估的典型气候条件。
近几十年来，关键的气象参数（如温度和降水量）发生了显著变化[[17], [18], [19]]。因此，假设未来气候将类似于长期历史平均值已不再成立。这在非平稳变暖的情况下引入了基于TMY的模拟中的潜在偏差，特别是当依赖传统的30年统计跨度时[20,21]。
最近的研究越来越多地使用少于30年的历史年份跨度来构建TMY数据集，以满足当地的分析和设计需求。一项研究使用了2005-2017年13年的气象观测数据为巴西五个气候区域生成TMY，并研究了数据来源和权重因素的选择如何影响结果序列的敏感性[22]。另一项研究应用改进的TMY生成程序，利用1994至2010年的最多17年测量数据，为中国的35个城市生成标准气象年[23]。一项针对集中式光伏（CPV）系统的基准分析比较了使用不同选择方法从5到18年记录（1998-2015年）生成的TMY数据集，表明所选的跨度可以显著影响CPV性能估计[24]。在此基础上，结合丹麦方法、Festa-Ratto方法和改进的TMY程序，使用1994-2015年（20年）的天气数据，为中国的六个气候区域的35个地点确定了代表性年份[25]。在的黎波里，使用Finkelstein–Shafer统计方法处理了16年的小时级观测数据，构建了一个与长期平均值密切匹配的本地TMY，为该地区可再生能源系统的优化和性能评估提供了坚实的基础[26]。为了更好地捕捉近期的变暖情况，其他研究使用了来自全球16,000多个站点的15年数据构建了TMYx数据集[27]。使用1960-2014年的中国测量数据，一项分析比较了10年跨度TMY（2005-2014年）与多年模拟的结果，强调了在年际变异性下的代表性限制[28]。同样，2001-2010年的10年设计参考年也被证明可以在大幅减少数据量和模拟时间的同时保留季节性和昼夜模式[29]。
多项研究进一步通过将短跨度TMY应用于建筑能源模拟来评估其效果。对Sandia类型选择的更新表明，在大多数情况下，少于10年周期（2007-2016年）的TMY可以更紧密地匹配长期月平均值，并改善供暖/制冷负荷估计，相比30年TMY3更为准确[30]。将TMY2021（2007-2021年）与TMY3（2005年之前）在64个北美站点进行比较，发现供暖需求较低但制冷需求较高，从而有利于全电和配备光伏系统的家庭[31]。一项针对香港的研究评估了从4到28年历史时期得出的TMY，得出结论认为每11年更新一次的10-12年基线最能捕捉当代气候条件[32]。此外，使用来自城市和农村站点的30年小时级天气数据，为香港生成了25年TMY（1979-2003年），并对高层办公楼进行了EnergyPlus模拟，以量化气候变化和城市热岛效应对能源使用的综合影响[33]。进一步的工作将基于1971-2015年（20年）天气数据的“当前”TMY（2020版本，1971-1999年）与“未来”TMY（2085版本，2077-2095年）进行了对比，以评估气候变化对四个日本城市住宅能源消耗的影响[34]。对于华沙，使用1971-2000年的数据构建的TMY与2001-2012年的实际天气进行了典型住宅建筑的模拟；发现制冷需求存在显著差异，作者警告说，不更新国家能源认证标准可能导致设计缺陷和高于预期的夏季能源消耗[35]。在巴拉那地区，使用定义的TMY（基于1994-2014年的数据）、长期本地天气数据库和布宜诺斯艾利斯及亚松森的IWEC文件，对ASHRAE标准建筑进行了模拟，表明只有本地化的TMY才能可靠地捕捉阿根廷东北部沿海地区的能源性能[36]。表1总结了一些代表性研究，包括TMY选择年份、验证周期、验证城市数量以及用于建筑性能模拟（BPS）验证的建筑模型。
现有研究表明，气候变化显著影响了用于BPS的气象数据集，强调了需要确定一个最佳的历史年份跨度来选择TMY，以更好地代表未来条件，而不是依赖传统的多十年历史数据。然而，仍存在一些研究空白。在许多情况下，TMY的生成和验证依赖于相同或重叠的时期，这相当于样本内验证，削弱了性能声明的可信度。许多研究仅评估了一个或少数几个城市中的单一建筑类型，提供的跨类型和跨气候一致性的证据有限，限制了它们对更广泛建筑库存评估的适用性。尽管一些研究尝试了较短的历史跨度，但大多数研究没有明确定义TMY旨在代表的未来时期的长度，也没有测试建议对验证起始年选择的敏感性。由于这些空白，TMY能够可靠地代表未来平均负荷的时间长度以及在非平稳变暖情况下较短跨度是否可以提供更具气候响应性的输入仍然不清楚。
为了解决这些空白，本研究开发了一种以设计为导向的、样本外的方法，用于确定代表未来建筑负荷条件的最合适的TMY年份跨度。具体来说，我们收集了1980年至2024年的多个实际气象年（AMY）天气数据集，作为完整的天气数据集。然后，基于不同的年份跨度长度生成了多种类型的TMY，这些跨度被视为TMY年份选择的候选者。鉴于TMY主要应用于BPS，特别是在建筑负荷计算中，我们将每个TMY候选者应用于中国五个气候区域的20个城市的八种不同原型建筑模型，从而克服了早期研究仅关注单一建筑类型和少数地点的局限性。基于总体BPS结果，提出了一个考虑总供暖和制冷负荷的性能指标，以确定最佳TMY年份跨度。由于TMY在BPS中的目标是推导出反映未来天气条件的平均负荷条件，本研究进一步确定最近十年作为TMY选择的未来验证期，之前的研究也采用了特定的TMY验证长度[15,37,38]。如方法论部分详细说明的，用于生成TMY候选者的历史时期和随后的10年验证窗口严格不重叠，确保了完全的样本外评估，避免了许多先前研究中存在的样本内验证问题。在此基础上，我们系统地评估了不同历史跨度的性能，并阐明了TMY在非平稳变暖情况下可靠代表10年平均未来负荷的能力。
结果表明，TMY应从10年的历史年份跨度生成，以代表10年的平均未来能源负荷，这比基于30年跨度的传统TMY更为准确。本研究最终提供了适用于中国BPS的最合适的TMY年份跨度，考虑了各种气候区域和建筑类型。鉴于气候变化，使用较短的TMY年份跨度更能捕捉到最近的变化趋势。这项研究可以为未来的建筑能源效率标准提供指导，并支持气候响应性建筑的设计。
本文的其余部分组织如下：第2节介绍了数据来源、建筑模型和以设计为导向的标准定义的总体方法。第3节详细介绍了不同城市的推荐TMY年份跨度的结果，并基于所有BPS案例得出了统一的建议。第4节讨论了建筑类型和验证期开始时的变化对结果的影响，并概述了潜在的未来工作。第5节提出了推荐的TMY年份跨度的结论。
