Dimensjonerende døgn sommer og vinter for effektberegninger, vedlegg til NS 3031: 2025

Dette regnearket er produsert av Standard Norge komité SN/K 34 Bygningsers energiytelse og inneholder dimensjonerende døgn sommer og vinter ment til beregninger av termisk effektbehov til bygningsinstallasjoner.  Regnearket og datagrunnlag er utarbeidet i 2023-2024, og er ment som en overgangsløsning frem til at at nettbasert løsning for adgang til dimensjonerende døgn er på plass. 

Datagrunnlag for døgnmiddeltemperaturer og temperatur- og fuktvariasjon er basert på data for årene 1991-2020, hentet fra MET Nordic Long-Term Consistent analysis med nearest neighbour interpolation. Dette betyr at dataene for f.eks. Oslo er hentet fra bare ett grid point of MET Nordic.entet  

Data for døgnmiddeltemperaturer sommer og vinter er tatt ut for hvert kommunesenter for forskjellige varighet og returperioder basert på en Bayesisk GEV distribusjon.  Data for temperatur- og fuktvariasjon er tatt ut for de samme stedene, men er kun tatt ut for de 9 varmeste og kaldeste dagene. Fuktigheten og døgnvariasjon i temperatur er beregnet som et gjennomsnitt gjennom de 9 varmeste døgnene for sommer, og 9 kaldeste for vinter. Disse er vurdert til å være beskrivende for de mest vanlig forekommende returperioder og varighet, disse har en høy pålitelighet sommer, men kan tendere til for høye fuktighetsverdier vinterstid. 

Metodikken for utrekk av døgnmiddeltemperaturer er beskrevet i "Calculation of design temperatures  - Proposed use of Bayesian GEV to calculate design summer and design winter temperatures. Hans Olav Hygen, Lars Grinde and Helga Therese Tilley Tajet, 2023", vedlagt datasettet.

本计算手册由挪威标准委员会（Standard Norge）SN/K 34建筑能源性能工作组编制，内含用于计算建筑系统热负荷需求的夏季与冬季设计日（dimension days）参数。本手册及基础数据集编制于2023-2024年，作为过渡方案使用，直至可获取设计日参数的网络版解决方案正式上线。

本数据集的日平均气温、温度与湿度变化数据基于1991-2020年的观测资料，取自MET Nordic长期一致性分析数据集，采用最近邻插值（nearest neighbour interpolation）法处理。这意味着例如奥斯陆的相关数据仅取自MET Nordic数据集的单个网格点。

基于贝叶斯极值价值（GEV）分布，针对不同持续时长与重现期（return periods），提取了各市政中心的夏季与冬季日平均气温数据。针对上述相同点位，提取了温度与湿度变化数据，但仅选取了最热的9天与最冷的9天进行分析。湿度与气温日变化幅度通过夏季最热9天的平均值、冬季最冷9天的平均值计算得到。上述参数可表征最常见的重现期与持续时长场景，夏季数据的可靠性较高，但冬季的湿度计算值可能偏高。

日平均气温的提取方法详见附件数据集内的《设计温度计算——贝叶斯极值价值分布在夏季与冬季设计温度计算中的拟用方案》（Calculation of design temperatures - Proposed use of Bayesian GEV to calculate design summer and design winter temperatures, Hans Olav Hygen, Lars Grinde and Helga Therese Tilley Tajet, 2023）一文。