一种基于数据驱动的空调系统能耗逐日评价指标

作者:赵海湉 林波荣 王需 朱颖心 孙弘历 刘建华 张菁华 陈珂 周政翰 彭昱达
单位:清华大学 清华大学建筑设计研究院有限公司 宁波诺丁汉大学
摘要:提出了一种新的空调系统能耗强度评价指标,即典型日单位面积空调能耗。使用k-means聚类算法对我国各个气候区典型城市夏季气象参数进行了聚类分析,发现我国不同气候区夏季供冷日气象参数可以聚类为6~7个典型日。利用现有典型气候区办公建筑逐日空调系统能耗历史数据,建立了比对数据库,得到典型日单位面积空调能耗为0.20~0.85 kW·h/(m2·d),平均值为0.44 kW·h/(m2·d)。研究了日单位面积空调能耗随气象参数的变化规律。利用模拟软件研究了建筑热工性能、建筑内热源等参数对日单位面积空调能耗的影响,提出了修正方法。初步给出了空调系统能耗日评价指标,并应用于案例分析。
关键词:空调系统 能耗强度 逐日评价指标 数据驱动 气象参数聚类分析

 

0 引言

   2019年9月15日,国务院办公厅发布的国办函[2019]92号指出:建立建筑“前策划、后评估”制度,完善建筑设计方案审查论证机制,提高建筑设计方案决策水平。空调系统后评估是建筑后评估体系中重要的组成部分,空调系统用能消耗评价是空调系统后评估体系的重点研究方向。

   空调系统运行能耗的评估手段主要分为2种:空调系统运行能耗实测数据库评估方法和计算机模拟辅助系统能耗评估方法。空调系统运行能耗实测数据库评估是通过调研大量的实际建筑空调系统运行数据,建立比对数据库,从而对空调系统能耗进行排位评价。不同地区的研究人员对建筑空调系统能耗进行了实测调研,并总结各地区的年空调系统用能强度分布规律。Lombard调研得到美国办公建筑年平均单位建筑面积空调系统耗电量约为140 kW·h/m2 [1]。Zhang等人 [2]、林波荣等人 [3]和Li等人 [4]调研得到寒冷、夏热冬冷、夏热冬暖3个气候区的3个典型办公建筑的夏季空调系统能耗强度为14.7~36.2 kW·h/m2。由于不同地区的气候差异性较大,空调系统年运行时长差别较大,所以不同气候区的数据库不具有可比性。

   计算机模拟辅助系统能耗评估有3种基本方法:1) 使用EnergyPlus和DesignBuilder等能耗模拟软件或简化计算方法,对空调系统能耗进行计算评估 [5];2) 大数据预测拟合模型利用建筑历史数据对建筑空调系统能耗进行预测计算并评估 [6];3) 使用计算模拟软件与大数据方法相结合对建筑空调系统能耗进行计算评估 [7]。计算机模拟能耗评估的优势在于可以针对不同建筑、不同气候区进行计算和评估,主要的问题在于实际系统能效和运行情况并不能完全在计算模型中真实反映。

   国内外目前用于空调系统能耗评价的指标基本为年单位面积能耗强度,表征整个供冷季空调系统总能耗。这种空调系统年能耗评价方法需要根据建筑实际运行情况统计约5~6个月的实测数据,评价测试周期过长。除此之外,由于不同气候区空调系统运行时间不同,不同气候区之间的建筑年空调耗电强度不具有可比性,无法建立统一的数据库进行对比分析。现有的空调系统年单位面积能耗强度评价指标不利于及时对运行的建筑空调系统进行诊断及优化运行。本文提出一种逐日能耗评估方法,对目前的年能耗强度评价指标存在的缺陷进行弥补。通过短期测试获取的数据,得到建筑典型日空调系统能耗强度,从而可以快速直观反映建筑空调系统设计和运行情况,并对建筑空调系统的设计和运行提供及时数据反馈。该方法可以实现不同气候区同类型建筑空调系统能耗的可比较性,使得建立全气候区的空调系统能耗数据库成为可能。

1 k-means气象参数聚类分析

   首先使用k-means聚类算法对我国各个气候区典型城市的夏季气象参数进行聚类分析,分析研究夏季逐日气象参数数据规律。首先对北京、上海、广州3个气候区典型城市的2018年历史气象参数使用k-means聚类算法进行聚类分析。使用日均气温、日均含湿量、日均比焓3个主要参数进行聚类,聚类计算结果见表1~3。Hadley提出将全年气象参数聚类为20个典型日,聚类效果较好,典型日的气象参数则为该类典型日参数的平均值 [8]。对于表 1北京的计算结果,序号1~5为供暖季典型日,6~13为过渡季典型日,14~20为供冷季典型日。上海(见表2)和广州(见表3)的夏季供冷典型日序号为13~20。研究发现,不同气候区3个城市的全年供冷日可以聚类为6~7个典型日。不同气候区之间典型日气象参数基本吻合,差别很小,尤其是最高温高湿的空调系统设计工况典型日(序号20),气象参数几乎一致。说明3个典型城市的暖通空调设计参数应该是几乎相同的,但事实上的设计参数确实不同。通过气象参数聚类,意义在于将年度逐日气象数据集中包含的大量信息压缩为相对较少的典型日,这些典型日本质上可以表征建筑物对外部天气变化的响应,从而实现建筑空调系统逐日能耗数据均按典型气象日类型进行分组,研究建筑空调系统对不同天气条件的响应规律。

   进一步,本研究对全国有供冷需求的主要气候区典型城市气象参数进行聚类分析。这里只列出各个城市夏季供冷季典型日的计算结果,如表4所示。从我国3个主要气候区18个典型城市的计算结果发现,寒冷地区供冷典型日共有6个,不同城市存在2~6个典型日。夏热冬冷地区和夏热冬暖地区各有7个供冷季典型日,不同城市占有其中5~7个不等。研究发现,3个气候区约有5个典型日的气象参数组合高度相似,尤其是各个城市的夏季最不利工况(如表4序号1),参数几乎相同。但各个气候区之间也略有差异。寒冷地区会出现类似序号6的工况,该工况属于“高温但低湿”工况(日均空气温度29 ℃,含湿量13 g/kg,比焓59 kJ/kg),空调系统的显热负荷较大,潜热负荷较小。而夏热冬冷、夏热冬暖地区,则会出现类似序号5对应的“非高温但高湿”工况(日均空气温度26 ℃,含湿量18 g/kg,比焓71 kJ/kg),该工况下空调系统的显热负荷较小,但潜热负荷较大,除湿负担较重。

   1 2018年北京气象数据聚类分析结果

    

    


典型日序号
气象参数 不同月份出现聚类典型日的天数/d 累计
  气温/℃ 含湿量/(g/kg) 比焓/(kJ/kg) 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 天数/d

1
-8 1 -6 9 3                   11 23

2
-4 1 -2 6 7                   6 19

3
-2 1 0 9 7                   2 18

4
0 1 4 7 7 6               6 6 32

5
4 2 9   4 10 3             11 4 32

6
8 3 16     4 2           7 9 2 24

7
10 5 22     2 1           10 4   17

8
14 2 21     5 3           5     13

9
17 4 27     2 5 1       3 1     12

10
15 6 30     1 5 2       2 4     14

11
20 6 36     1 6 10       8 4     29

12
20 9 42       2 7       5       14

13
22 10 48       3 3 6     5       17

14
27 7 45         2 6     2       10

15
30 10 60         1 6             7

16
25 13 57         4 5   4 3       16

17
26 14 63         1 5 6 8 2       22

18
27 17 70           2 9 6         17

19
28 19 77             12 8         20

20
31 21 84             4 5         9

累计值
31 28 31 30 31 30 31 31 30 31 30 31 365

    

    

   2 2018年上海气象数据聚类分析结果

    

    


典型日序号
气象参数 不同月份出现聚类典型日的天数/d 累计
  气温/℃ 含湿量/(g/kg) 比焓/(kJ/kg) 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 天数/d

1
1 2 6 10 7                   2 19

2
3 3 11 4 4                   4 12

3
5 4 15 6 6 1                 5 18

4
7 5 19 7 7 9 1               3 27

5
9 5 23 2 2 4 1               6 15

6
12 6 27 1 1 2 4           1 4 5 18

7
13 7 32 1 1 4 4           1 12 2 25

8
16 7 35     4 5 1         6 6 1 23

9
17 9 40     4 1 2         5 4 1 17

10
18 11 46     1 2 2         4 4 2 15

11
20 8 41     2 4 4         8     18

12
21 10 48       3 3 1     1 5     13

13
23 12 53       3 3 4             10

14
23 14 58         6 8     9 1     24

15
25 14 61       2 3 8     2       15

16
26 16 66         4 2   1 6       13

17
28 18 73         2 3 6 1 5       17

18
29 19 78         1 2 14 5 4       26

19
29 20 82           1 5 17 3       26

20
31 21 85           1 6 7         14
累计值 31 28 31 30 31 30 31 31 30 31 30 31 365

    

    

   3 2018年广州气象数据聚类分析结果

    

    


典型日序号
气象参数 不同月份出现聚类典型日的天数/d 累计
  气温/℃ 含湿量/(g/kg) 比焓/(kJ/kg) 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 天数/d

1
7 4 17 5 6                   2 13

2
10 5 22 3 1                   2 6

3
12 6 26 2 3 1                 2 8

4
12 7 29 2 2 2                 6 12

5
14 7 32 5 2 3 2               1 13

6
16 9 38 4 1 2 1             2 4 14

7
18 10 43 4 4 1 3             2 3 17

8
19 11 47 4 4 3 1             6 1 19

9
21 8 41   1               4 1   6

10
21 11 49 2   1             5 2 1 11

11
21 13 53   2 10 2           7 6 3 30

12
22 14 58   2 4 8         2 5 3 4 28

13
23 15 61     2 3 1       1 2 8 2 19

14
24 16 65     2 6 4       2 7     21

15
26 17 69       4 2 4     3 1     14

16
26 20 76         1 7 1 5 3       17

17
27 18 74         8 3 1 1 4       17

18
28 19 78         8 7 8 5 7       35

19
29 20 81         7 5 16 12 6       46

20
30 21 84           4 5 8 2       19
累计值 31 28 31 30 31 30 31 31 30 31 30 31 365

    

    

   4 全国3个气候区典型城市供冷季典型日气象参数聚类结果

    

    


寒冷地
西安 郑州 天津 太原 济南 北京
区典型
日序号
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)

1
      30 21 84 32 20 83       31 20 83 31 21 84

2
31 18 78 29 19 79 30 19 78             28 19 77

3
29 17 72 32 16 74 28 18 74 27 17 69 28 18 75      

4
28 15 66 27 17 70 27 16 68       29 15 68 27 17 70

5
      27 14 64       25 15 64 26 15 64 26 14 63

6
28 13 61 25 14 60 29 13 59       29 12 58 30 10 60

夏热冬冷
武汉 长沙 合肥 重庆 南京 上海
地区典型
日序号
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)

1
31 21 86 32 21 84 31 21 86       31 21 84 31 21 85

2
30 20 82 31 19 80 30 20 81 32 18 79 30 19 79 29 20 82

3
28 19 77 28 19 78 27 19 77 29 18 76 27 19 76      

4
30 17 74 31 17 74       34 16 75       28 18 73

5
26 17 71 27 17 71 27 17 70 26 17 70            

6
28 15 67 29 15 67 26 15 66       26 16 66 26 16 66

7
25 15 64 25 15 62 24 14 60 24 15 63 26 14 62 25 14 61

夏热冬暖
广州 南宁 深圳 福州 珠海 厦门
地区典型
日序号
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)
气温/
含湿量/
(g/kg)
比焓/
(kJ/kg)

1
30 21 84 30 21 83 30 21 84 30 21 84 30 21 84 31 21 84

2
29 20 81       29 20 81 29 20 81 29 20 81 30 20 81

3
28 19 78 28 20 79 28 20 78 28 19 78 27 20 79 29 19 79

4
27 18 74 26 19 76 28 18 74 27 19 75 27 19 76 30 18 76

5
26 20 76 27 18 72       26 18 71 27 18 72 27 19 75

6
26 17 69 25 17 68 27 17 69       25 17 68 27 17 70

7
23 16 65 23 16 63 25 16 64 25 16 65 24 15 64 26 15 65

    

    

   由表4可见,供冷季典型日的3个主要气象参数几乎同步变化。故下文研究空调系统能耗与气象参数的关系时,将气象三参数简化为单温度参数进行分析。

2 空调系统逐日能耗规律研究

   搜集了3个气候区典型城市(如北京、天津、上海、广州、深圳等)的50栋办公建筑2017—2018年夏季空调系统逐日运行能耗数据进行分析研究。这里研究的空调系统能耗为办公建筑夏季空调系统总能耗,包括冷水机组、水泵、冷却塔、风机及末端的能耗。利用气象参数聚类分析结果,对同一类气象参数下的空调系统日能耗进行聚类分析整理。图1显示了调研案例逐日空调系统能耗从低到高的排列。统计得到日单位面积空调能耗分布在0.20~0.85 kW·h/(m2·d)范围内,平均值为0.44 kW·h/(m2·d),上四分位值为0.54 kW·h/(m2·d),下四分位值为0.32 kW·h/(m2·d)。

图1 调研案例逐日空调系统能耗排列

   1 调研案例逐日空调系统能耗排列   

    

   图2,3分别为广州某办公建筑和上海某办公建筑空调系统逐日能耗聚类分析结果四分位图。图中,横坐标为日均气温(℃)、日均含湿量(g/kg)、日均比焓(kJ/kg)的组合向量。统计能耗数据时,已将周末和法定节假日数据除去。图2,3可反映供冷季6个典型日单位面积空调能耗特征。不同气候区建筑在相似聚类气候条件下,日单位面积空调能耗相似,不存在明显差别。

图2 广州某办公建筑空调系统逐日能耗聚类
分析结果四分位图

   2 广州某办公建筑空调系统逐日能耗聚类 分析结果四分位图   

    

图3 上海某办公建筑空调系统逐日能耗聚类
分析结果四分位图

   3 上海某办公建筑空调系统逐日能耗聚类 分析结果四分位图   

    

   典型日聚类空调系统单位面积能耗随气象参数的变化规律明显,上文中气象参数聚类分析得到结论:供冷季典型日的3个主要气象参数同步变化,所以这里以简化的日均气温单参数代替三参数向量组分析建筑空调系统逐日能耗随气象参数的变化。图4显示了6个案例日单位面积空调能耗随日均气温的变化。综合对比分析发现:日均干球温度为24~29 ℃时,日单位面积空调能耗随着干球温度快速线性升高;当温度达到29 ℃后,单位面积能耗上升趋势变缓,达到日均最高温度之前出现平台值。日单位面积空调能耗趋势简化示意图见图5。

   GB 50736—2012《民用建筑供暖通风与空气调节设计规范》 [9]中不同城市夏季空调室外计算日均干球温度见表5,不同气候区城市差别很小,分布在(30±1) ℃区间内。因此,日单位面积空调能耗出现平台值的现象,是由于日均干球温度达到约30 ℃之后空调系统出力接近于满负荷设计状态,故空调系统能耗随气温升高的升幅将会非常有限,进而出现平台值。室外日均干球温度超过约30 ℃后的日单位面积空调能耗的平台值可以作为评估空调系统能耗水平的评价值,从而表征空调系统满负荷工作下的能耗强度水平,该部分将在后文进行介绍。

3 其他参数对日能耗的影响

   影响建筑空调系统能耗的因素非常复杂。普通办公建筑,夏季集中空调系统新风负荷约占50%,围护结构负荷约占17%,内热源负荷约占33%。办公建筑新风量每天变化较小,所以新风负荷变化量取决于室外空气状态参数。所以本章研究建筑热工性能对于建筑空调系统日耗冷量的影响规律。提出使用建筑耗电量对建筑内热源不同引起的空调系统能耗偏差进行修正。

图4 6个案例日单位面积空调能耗随日均气温的变化

   图4 6个案例日单位面积空调能耗随日均气温的变化   

    

图5 日单位面积空调能耗趋势简化示意图

   5 日单位面积空调能耗趋势简化示意图   

    

   5 夏季空调室外计算日均干球温度 [9]

    

   ℃


北京
29.6

天津
29.4

上海
30.8

广州
30.7

深圳
30.5

    

    

3.1 建筑围护结构热工性能对耗冷量的影响

   利用建筑负荷模拟软件研究建筑围护结构热工参数对日单位面积空调能耗的影响。由于计算机负荷模拟软件无法对空调系统实际运行能效进行模拟,只能对建筑冷热负荷进行模拟计算,所以使用逐日耗冷量强度代替日单位面积空调能耗作为评价指标来判定对其的影响。计算模型为建筑面积25 000 m2的典型大开间办公建筑,气象参数选定为上海的气象参数。根据GB 50189—2015《公共建筑节能设计标准》中对寒冷地区、夏热冬冷地区和夏热冬暖地区建筑外围护结构传热系数的限值要求,对3个计算参数模型进行设定,具体参数见表6。

   6 算例外围护结构传热系数

    

   W/(m2·℃)

  外墙 外窗 屋面

寒冷地区限值
0.5 2.2 0.45

夏热冬冷地区限值
0.6 2.4 0.50

夏热冬暖地区限值
0.8 2.7 0.55

    

    

   不同热工参数下建筑日耗冷量计算结果见图6。由图6可以看出,同一建筑使用不同地区限值下的外围护结构设计热工参数,计算得到的建筑日单位面积空调能耗差别非常小,约为3%。故不同地区办公建筑围护结构热工性能不同造成的空调系统能耗的差异,在工程研究中可以忽略不计。

图6 不同围护结构热工性能日单位面积空调能耗计算结果

   6 不同围护结构热工性能日单位面积空调能耗计算结果   

    

3.2 对建筑内热源影响的修正

   内热源对于空调系统的能耗影响非常显著,这里将建筑实测耗电量作为建筑内热源负荷,提出可以削减由于内热源不同造成的空调系统能耗差异的计算修正方法。该方法虽然可以明显削减内热源不同而带来的空调系统能耗差异,但不能完全消除,因为人员热湿负荷等不在计量范围内。该修正方法的核心思想为:定义一个标准单位面积内热源,其他建筑使用该标准值进行折算。修正公式为

   q1=q1-q2-q0SCΟΡ(1)

   式中 q1为修正后单位面积空调能耗;q1为实际单位面积空调能耗;q2为实际内热源单位面积能耗;q0为内热源单位面积能耗标准值,该值可以根据调研案例的平均值设定,调研案例平均值为0.28 kW·h/(m2·d);SCOP为空调系统综合性能系数,不同冷源的SCOP在国家标准中对应不同标准值。

4 典型案例分析

   根据以上研究的空调系统日单位面积能耗分布规律及修正方法,本研究尝试提出不同日均气温下的空调系统评价值。图7为50个案例的典型日空调系统单位面积能耗四分位图。空调系统能耗评估值的制定规则为,综合使用各个温度下的能耗平均值,参考上四分位值作为限制值,下四分位值作为引导值,即图7中虚线所示区域。

图7 日单位面积空调能耗四分位图

   7 日单位面积空调能耗四分位图   

    

   利用空调系统日能耗强度评价指标选取4个案例进行初步试评价及分析,每个案例选取2个典型周(除去周末及法定假日)进行数据分析评价,评价结果见图8。案例1为上海某办公建筑2017年7月31日至8月11日数据,该案例数据处于评价限值之上,能耗较高,需诊断空调系统运行情况。案例2为上海某办公建筑2017年7月31日至8月11日数据,该案例数据基本处于推荐值附近,空调系统运行情况良好。案例3为广州某办公建筑2018年7月8—19日数据,该案例单位面积空调能耗低于推荐值,运行情况优秀,空调系统非常节能。案例1~3测试时间都为室外条件接近设计工况时,能耗值已经达到平台值水平。案例4为北京某办公建筑2018年5月28日至6月8日数据,该时间段空调系统处于部分负荷运行工况,单位面积空调能耗位于限制值和推荐值之间,说明系统运行较良好,但还有一定的节能潜力。根据以上4个案例的尝试评价,可以发现使用2周的测试数据可以对空调系统的设计运行情况进行有效直观的反馈评价,快速对空调系统进行诊断评估。

图8 日单位面积空调能耗评价案例

   8 日单位面积空调能耗评价案例   

    

5 结语

   利用k-means聚类算法对我国各个气候区典型城市夏季气象参数日均气温、日均含湿量及日均比焓进行了聚类分析。计算分析发现不同气候区夏季供冷日气象参数可以聚类为6~7个典型日。同时,发现3个气象参数同步变化,可以使用日均气温单参数代替三参数向量研究空调系统日能耗强度变化规律。

   搜集了不同气候区50个办公建筑的空调系统能耗数据,得到我国办公建筑日单位面积空调能耗为0.20~0.85 kW·h/(m2·d),平均值为0.44 kW·h/(m2·d)。日单位面积空调能耗随着干球温度快速线性升高,当日均气温达到约29 ℃后,能耗上升趋势变缓,出现平台值。该平台值可以作为空调系统满负荷运行下能耗水平的评价值,从而表征空调系统最高能耗强度水平。

   提出使用建筑耗电量对日空调系统能耗进行修正,削减建筑内热源对空调系统能耗的影响。在此基础之上,初步建立利用空调系统短时间测试数据进行空调系统能耗评估的评价指标,并使用案例进行了试评价。与年单位面积能耗强度评价指标相比,对于空调系统的能耗评估周期缩短,可以避免不同气候区全年空调系统运行时间不同而无法比较的情况,可以更加客观地评价建筑空调系统运行情况。

   作者简介: 赵海湉,男,1989年8月生,在读博士研究生,工程师; *林波荣(通信作者)100084北京市海淀区清华大学建筑学院M500A室E-mail:linbr@tsinghua.edu.cn;

   收稿日期:2020-04-03

   基金: 国家重点研发计划项目“基于全过程的大数据绿色建筑管理技术研究与示范”(编号:2017YFC0704200);

Data-driven daily evaluation index for air conditioning system energy consumption

Zhao Haitian Lin Borong Wang Xu Zhu Yingxin Sun Hongli Liu Jianhua Zhang Jinghua Chen Ke Zhou Zhenghan Peng Yuda

Tsinghua University

Abstract:

   Proposes a new energy consumption intensity evaluation index for air conditioning systems, that is, the typical daily air conditioning energy consumption per unit area. Performs cluster analysis on the summer meteorological parameters of typical cities in various climate zones in China using the k-means clustering algorithm. Finds that the meteorological parameters of summer cooling days in different climate zones in China can be clustered into 6-7 typical days. Using the historical data of daily air conditioning system energy consumption of office buildings in typical climate zones, establishes a comparison database, and obtains that the typical daily air conditioning energy consumption per unit area is 0.20-0.85 kWh/(m2·d), with an average of 0.44 kWh/(m2·d). Studies the variation of the daily air conditioning energy consumption per unit area with the meteorological parameters. Studies the influence of building thermal performance, building interior heat source and other parameters on the daily air conditioning energy consumption per unit area using simulation software, and proposes a correction method. Initially proposes the daily evaluation index of energy consumption of the air conditioning system, and applies it to the case analysis.

    

   Received: 2020-04-03

   本文引用格式:赵海湉,林波荣,王需,等.一种基于数据驱动的空调系统能耗逐日评价指标[J].暖通空调,2020,50(10):18-22

   《暖通空调》官方网站:http://www.hvacjournal.cn

864 0 0
文字:     A-     A+     默认 取消