家庭电力能效评估方法的研究

王 冲，张文龙，王欣宇

(1.国网内蒙古东部电力有限公司信息通信分公司，呼和浩特 010020；2.国网吉林省电力有限公司，长春 130000)

研究与探索

家庭电力能效评估方法的研究

王 冲1，张文龙2，王欣宇1

(1.国网内蒙古东部电力有限公司信息通信分公司，呼和浩特 010020；2.国网吉林省电力有限公司，长春 130000)

基于家庭用户用电行为特征及家用电器的使用时间段特性建立家庭电力指标体系，并提出家庭电力能效评估方法。首先基于特征值和G1群组相结合计算各评价指标的主观权重值，然后基于贝叶斯方法计算各评价指标的客观权重值，最后运用最小二乘法确定组合权重值，并构建基于递阶综合评价方法的能效评估模型，对家庭电力能效情况进行综合评估。经实例验证，该方法能准确地检测和评估家庭能耗情况，有效地提高了居民用电效率。

能效评估方法；特征值和G1群组相结合；贝叶斯方法；能效评估模型

随着智能用电技术的发展，智能家居逐渐进入人们日常生活，通过量测控制技术获取大量家庭用电信息已成为可能。如何充分利用这些信息进行能效评估，并有针对性地制订家庭节能方案是电力需求侧管理中亟待解决的问题。针对这些问题，有必要设计更为全面的家庭电力能效评估方法，监测和评价家庭能耗，为居民家庭提供高效的用电方案，从而提高居民用电效率[1]。

本文基于家庭用户的用电行为特征及用电器使用时间段特性，建立指标体系，并运用粗糙集理论属性约简对初步构建的指标体系进行筛选优化，然后基于特征值和G1群组相结合计算各评价指标的主观权重值，基于贝叶斯方法计算各评价指标的客观权重值，最后运用最小二乘法计算组合权重值，并构建基于递阶综合评价方法的能效评估模型，对家庭电力能效情况进行综合评估。

1 家庭电力指标体系

节能省电是衡量家庭电力能效好坏的主要方面，重点研究家庭电力能效与节能量化方法。通过采集家庭用户信息、家庭用电器信息、家庭用电信息、节能设备信息及环境影响因素进行能效管理，建立适宜的家庭电力指标体系，进行节能减排评价。

通过问卷调查获取家庭用户的基本用电信息，利用统计聚类分析得出典型家庭用电特征时间段负荷曲线仿真图如图1所示。5类用户表示不同家庭用户在不同时间段的用电负荷量。

图1 家庭电力特征时间段负荷曲线仿真图

由图1聚类结果可以看出家庭用户的用电模式分为4个时段：低峰期，早高峰期，平滑期，晚高峰期。

广东省分时电价方案表，如表1所示。

表1 广东省分时电价方案 元/kWh

图2 初步建立的家庭电力能效评估指标体系

由图1和表1可以看出家庭用户的用电特征和用电器的使用特征时间段对家庭的能效水平有直接的影响，所以家庭用户电力能效评估指标体系的构建应该综合家庭用户用电特征及用电器的使用特征时间段特性[1]。初步建立的家庭电力能效评估指标体系如图2所示。

总结以往的指标体系设计原则和经验，为确保评估结果的科学准确性，建立的家庭电力能效评估指标体系应该能直观、全面地反映出家庭电力能效情况。

初步建立的家庭电力能效指标体系主要包括家庭用户信息、家庭用电器信息、家庭用电信息、节能设备信息和环境因数等5个方面，然后通过数据预处理，以确保能效评估模型的准确性。数据预处理主要分为类型一致化和无量纲化两方面。数据预处理主要用来去除指标数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权；最后通过数据分析、聚类分析和统计分析完成指标体系的初步建立。

然而由于评价指标较多，其中必然存在冗余和重叠，所以要在尽量保留主要评价指标的同时去除次要评价因素，在不影响评估模型可靠性的同时，对其进行筛选优化，本文采用粗糙集理论属性约简对其进行筛选优化[2-4]。基于粗糙集理论属性约简筛选优化后的家庭电力能效评估指标体系如图3所示。

图3 筛选优化后的家庭电力能效评估指标体系

2 家庭电力能效评估方法

2.1 基于特征值和G1群组相结合计算指标主观权重值

如果家庭用户能效评估中某一指标xi的重要程度大于xj，则记为xi>xj。若指标x1，x2，…，xm相对于评价指标集X={x1，x2，…，xm}，可按下述步骤确定它们的序列关系：首先从指标集X中选出m个指标中最重要一个指标，标记为xi；然后再从剩下的指标中，选取出最重要的一个指标，标记为xj；以此类推；这样唯一的指标序关系就可以确定了。

设rk=wk-1/wk，其中wk代表在X中第k项评价指标所对应的权重值。rk值具体含义见表2。

表2 分级比例标度参考表

(1)

wk-1=rkwk，k=m，m-1，…，3，2

(2)

特征值法和G1法相结合确定指标权重值，其具体的计算步骤如下：

(1)首先对处于相同层次的家庭能效指标两两进行比较，然后建立判断矩阵A。

(3)

其中i，j=1，2，…，m。

式(3)表示在评价指标集X中，指标xi相对于指标的序关系及重要程度。

(2)利用矩阵乘积方根的方法确定wi。

(4)

(3)由所确定的特征向量wi，求最大特征值λmax。

(5)

(4)根据λmax计算判断矩阵的一致性指标β。

(6)

(5)随机一致性比率α为判断矩阵一致性指标β与同阶平均随机一致性指标γ的比值；通常认为当α<0.1时，即判断矩阵满足一致性。

(6)如果判断矩阵A满足一致性，即特征向量为归一后的指标权重；否则，按式(1)、式(2)去计算指标权重。

综合家庭电力能效评估中，专家对4项一级评价指标进行分析，确定其序列关系，利用式(1)—式(6)可以计算出能效评估模型中一级指标和二级指标的主观权重值[5-6]。

2.2 基于贝叶斯方法计算指标客观权重值

设V={v1，v2，…，vn}表示指标体系评判集。假设Ai={ai1，ai2，…，aim}为Ui中各因素相对V的权重系数集，并且满足ai1，ai2，…，aim=1，aim根据U中各因素的重要程度进行分配。同理，对于高层因素集，可设A={a1，a2，…，am}为U中各因素相对V的权重系数集，其中满足a1+a2+…+am=1，ai根据U中各因素的重要程度分配。

本文将家庭电力用户能效状态由高到低分为5级。通过各单因素模糊评价获得模糊综合评判矩阵Y。

(7)

(8)

式中m——家庭用户信息和家庭用电信息指标个数；c——评估等级数(c=5)；yij——对ui的评价中，评判等级vj(j=1，2，…，m)所占份额；fij——第i个因素被评为第j个评判等级vj的总次数。

再对各指标数据进行标准化处理，归一化为同一量纲，得到标准指标值矩阵R=[ri，j]c×m，其标准化处理方法为

(9)

式中L——“成本型”指标，即：属性值愈小愈好的指标；H——“效益型”指标，即：属性值愈大愈好的指标。

家庭电力指标体系中一级指标：家庭用户信息A、家庭用电信息C、家庭用电器信息B，二级指标A1，A3，C1，B1，B2，B3，B4，B7，B9为效益型。节能设备信息D、环境因素影响E，二级指标A2，A4，A5，C2，C3，D1，D2，D3，D4，E1，E2，E3为成本型。

贝叶斯方法确定权重。在确定各等级下指标主观权重的基础上，采用贝叶斯方法，用各等级下的标准指标值对主观权重进行修正。设主观权重为u1，u2，…，um，即指标Ij的概率为p(Ij)=u，且在Ij下，等级Gi发生的概率为p(Gi|Ij)=ri，j，利用贝叶斯方法，在等级Gi下，第j个指标的权重(后验概率)为：

(10)

构建目标优化模型：

(11)

由这些公式可以求出能效评估模型中一级指标和二级指标的客观权重值。

2.3 基于最小二乘法的组合权重的评估方法

最小二乘法又称最小平方法，通过最小化误差的平方和寻找数据的最佳函数匹配，利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。结合最小二乘法，建立基于最小二乘法的层次分析和信息熵组合权重的评估方法[7-8]。

设主客观优化组权重为w，各系统状态的能效评价值为W,第i个状态的评价值为Wzi，规范化矩阵R，如式(2)～式(5)所示。

基于特征值和G1群组相结合计算指标主观权重值为：

wa=[wa1，wa2，…，wam]T

(12)

基于贝叶斯方法计算指标客观权重值为：

wb=[wb1，wb2，…，wbm]T

(13)

两种方法下评价值偏差越小越好，为此建立最小二乘法优化组合评价模型D(w)。设x，y为wa，wb的系数，则：

(14)

构建拉格朗日函数，得到：

(15)

求偏导，得：

(16)

(17)

用矩阵可以表示为

(18)

式中A——对角矩阵；e，w和B——向量。

(19)

e=[1，1，…，1]T

(20)

(21)

求解，得到组权重值为：

(22)

2.4 基于递阶综合评价方法的家庭用户综合能效评估模型

设定家庭用户的5个一级评价指标的权向量为P=[p1，p2，…，pm]，并已知其在第i项一级评价指标中，所对应的二级评价指标的权向量为Q，则二级评价指标的权向量Q=[qi1，qi2，…，qim]，则所建立的评估模型为

(23)

基于递阶综合评估方法建立评估模型[9-11]，对家庭用户能效水平进行综合评估，实际上是分别对各级评价指标权重值进行了两次加权综合计算。其评价结果不仅可以直接反映家庭用户的综合能效情况，而且可以从各个能效方面进行具体的分析，从而发现家庭用电能效相对薄弱的环节，制定出有针对性的节能方案，有效的提高居民用电效率。

3 实例分析

特征值和G1群组相结合计算指标主观权重值：

wA=0.27,wB=0.23,wC=0.26,wD=0.15,wE=0.09

A={0.201,0.206,0.176,0.181,0.234}

B={0.132,0.221,0.106,0.191,0.171,0.177}

C={0.389,0.396,0.215}

D={0.277,0.233,0.205,0.285}

E={0.336,0.371,0.293}

贝叶斯方法计算指标客观权重值：

wA=0.27,wB=0.21,wC=0.24,wD=0.20,wE=0.08

A={0.189,0.201,0.107,0.191,0.219}

B={0.130,0.189,0.107,0.189,0.169,0.216}

C={0.331,0.289,0.380}

D={0.249,0.261,0.283,0.207}

E={0.331,0.347,0.322}

基于最小乘法确定的组合权重值：

wA=0.26,wB=0.24,wC=0.25,wD=0.15,wE=0.10

A={0.187,0.207,0.180,0.177,0.249}

B={0.133,0.231,0.105,0.189,0.169,0.173}

C={0.321,0.353,0.326}

D={0.251,0.247,0.281,0.221}

E={0.341,0.362,0.297}

以综合权重值的数据为基础，按式(23)即可求得电力用户综合能效评估模型为

y=0.071 9x11+0.069 0x12+0.065 3x13+0.072 3x14+0.047 2x13+0.093 4x21+0.085 3x22+0.034 7x23+0.043 1x24+0.046 9x27+0.031 1x29+0.065 3x31+0.048 1x32+0.106 9x33+0.064 7x41+0.079 2x42+0.043 1x43+0.106 9x44+0.064 7x51+0.079 2x52+0.067 2x53

(24)

为检验家庭用户的评估效果，选取3组家庭数据，利用家庭用户能效评估模型式(24)，对其进行综合能效评估。其综合能效评价结果见表3。

由表3可知，就家庭用户的整体能效而言，家庭用户1综合能效水平最高，家庭用户2次之。但从家庭能效局部的指标来看，3个家庭用户各有其优势和缺陷，如整体能效水平最高的用户1，其家庭用电信息评估结果相对较低，综合能效水平不高的用户3，其家庭电器信息能效水平却最高。因此，以此结果作为评估依据，可以有效地针对家庭用电能效相对薄弱的环节，科学地制定节能方案，充分挖掘节能潜力，提高家庭用电效率。

表3 家庭电力综合能效评估结果

4 结语

为了能综合反映家庭用电的能效水平，促进全社会节能工作的进一步进行，本文通过提出家庭用电能效状态模糊综合评估方法，对家庭用电能效水平进行全面评估。同时，为用户更好地了解家庭整体用电状况、主要能耗问题以及节能策略提供了科学依据，主要应用前景如下：

(1)可为分时电价、峰谷电价的顺利实施提供科学参考依据；

(2)增强家庭用户对用电信息的全面了解，提高用电模式的自主选择权；

(3)挖掘家庭用户的节能潜力，推进电力需求侧节能工作的进一步实施；

(4)形成一套较为完善的家庭用电能效评估体系。经实例验证，该方法不仅能评估和监测家庭能效情况，而且可就某一局部能效进行具体的评估，从而科学有效地提高了居民用电效率。应用实例表明，该方法不仅操作简捷、适用性强，而且具有良好的实用价值。

[1] 曲朝阳，王冲，王蕾，等.智能用电环境下的家庭电力能效评估指标体系[J].华东电力,2014,42(6):1079-1084.

QUZhaoyang，WANGChong，WANGLei,etal.Householdelectricenergyefficiencyevaluationindexsysteminsmartelectricityenvironment[J].EastChinaElectricPower,2014,42(6):1079-1084.

[2]李远远.基于粗糙集的指标体系构建及综合评价方法研究[D].武汉：武汉理工大学,2009.

[3]张庆宝，刘青山．基于粗糙集属性约简算法和支持向量机的短期负荷预测[J]电网技术,2006,30(8):56-59.

ZHANGQingbao,LIUQingshan.Short-termloadforecastingbasedonattributereductionalgotithmofroughsetsangsupportvectormachine[J].PowerSystemTechnology,2006,30(8):56-59.

[4]肖迪，胡寿松．实域粗糙集理论及属性约简[J].自动化学报,2007,33(3):253-258.

XIAODi,HUShousong.Realroughsettheoryangattributereduction[J].ACTAAutomaticaSinica,2007,33(3):253-258.

[5]吴剑飞，姚建刚，陈华林，等. 电力客户能效状态模糊综合评估[J].电力系统保护与控制,2010, 38(13): 94-98.

WUJianfei,RAOJiangang,CHENHualin,etal.Fuzzycomprehensiveevaluationofpowercustomerenergyefficiencyassessment[J]PowerSystemProtectionandControl,2010,38(13):94-98.

[6]荆百林，李明，李敏．火电厂能耗评估方法的应用[J]．电力设备,2008,9(3)：31-33．

JINGBailin,LIMing,LIMin.Applicationofenergyconsumptionestimationmethodoffossil-firedpowerplants[J].ElectricalEquipment,2008,9(3):31-33.

[7]李连结，姚建刚，龙立波，等.组合赋权法在电能质量模糊综合评价中的应用[J].电力系统自动化,2007,31(4): 56-60.

LILianjie,YAOJiangang,LONGLibo,etal.Applicationofcombinationweighingmethodinfuzzysyntheticevaluationofpowerquality[J].AutomationofElectricPowerSystem,2007,31(4):56-60.

[8]刘冲，蔡茂林. 氨气制冷系统能效状态评价方法[J].北京航空航天大学学报,2013,39(10):1331-1336.

LIUChong,CAIMaolin.Energyefficiencystateevaluationmethodforammoniarefrigerationsystem[J].JournalofBeijingUniversityofAeronauticsandAstronautics,2013,39(10):1331-1336.

[9]罗耀明，毛李帆，姚建刚，等.电力用户综合能效评估模型[J].电力系统及其自动化学报，2011,23(5):104-109.

LUOYaoming,MAOLifan,YAOJiangang,etal.Evaluationmodelofintegratedenergyefficiencyforpowerusers[J].ProceedingsoftheCSU-EPSA,2011,23(5):104-109.

[10]罗耀明，毛李帆，姚建刚，等.基于递阶综合评价模型电力用户能效评估系统[J].微计算机信息,2011, 27(2): 68-71.

LUOYaoming,MAOLifan,YAOJiangang,etal.Energyefficiencyevaluationsystemforpowerusersbasedonintegratedhierarchicalevaluationmethod[J].MicrocomputerInformation,2011,27(2):68-71.

[11]曲朝阳,王冲,潘峰. 智能用电环境下的家庭电力能效评估方法[J].电工电能新技术,2015(10):61-67.

QUZhaoyang，WANGChong，PANFeng.Householdelectricityenergyefficiencyassessmentinsmartpowerutilizationenvironment[J].AdvancedTechnologyofElectricalEngineeringandEnergy,2015,34(10):61-67.

(本文编辑：赵艳粉)

Household Electricity Energy Efficiency Assessment Methods

WANG Chong1，ZHANG Wenlong2，WANG Xinyu1

(1. Informationg & Telecommunication Branch Company，State Grid East Inner Mongolia Electric Power Co.，Ltd.,Hohehot 010020, China;2. State Grid Jilin Electric Power Company, Changchun 130000, China)

The indicator system of household electricity was established based on a family home user behavioral characteristics and household appliances electricity usage period features, and household electricity energy efficiency assessment methods were proposed. Firstly, subjective weight value of evaluation indexes was calculated based on eigenvalue and G1 group combination. Then the objective weight value of indexes was calculated based on Bayesian method. Finally, the combined weight value was calculated by using the least square method, and the energy efficiency evaluation model was formed based on hierarchical comprehensive evaluation method to assess household electric energy efficiency. Examples of verification by the proposed method can accurately detect and assess household energy consumption, effectively improve the efficiency of residential electricity.

energy efficiency assessment method; combined eigenvalues and G1 groups; Bayesian methods; evaluation model

10.11973/dlyny201702008

王 冲(1988—)，男，硕士，从事电力系统信息化、信息通信调度相关研究。

TM73

A

2095-1256(2017)02-0126-06

2017-01-04