家居智能用电水平指标体系及评价方法研究

徐梦佳，王渝红，竺懋渝，赵贺，刘庆时

（1.四川大学电气信息学院，成都610065；2.国网北京市电力公司，北京100031）

0 引 言

自美国建立第一幢智能建筑以来，德国、日本等经济发达国家也广泛开展了对家居智能化的研究，但是关于智能化住宅的定义，至今尚无明确统一的认同［1］。我国智能家居起步晚，起点低，较国际先进水平还有较大的差距。此外由于缺乏统一的行业标准，使得智能家居产业广泛存在实用性低、价格昂贵、兼容性差［2］等问题。2009年我国提出了以特高压骨干网络为基础的坚强智能电网概念［3-4］。智能电网的建设为智能家居的发展提供了一定的技术支持，并丰富了智能家居概念，新型智能家居除了为用户提供舒适、便捷的生活方式，还应具有优化家庭传统能源配置，提高能源利用率，实现用户智能用电的作用［5-6］。

针对我国智能家居发展现状，关键在于明确智能家居概念，建立符合时代要求的评价指标体系。文献［7-8］介绍了传统智能家居的概念、关键技术及其发展现状和未来前景；文献［9］提出了智能电网形势下，智能家居通过家庭微电网、网络计量、“云＋端”模式实现其能源的生产、消费及管理；文献［10-11］从系统大方向出发构建了智能电网评价体系，因此关于用户或智能用电方面的指标，含义笼统，缺乏实用性低，而现有文献中对智能家居评价指标体系的研究几乎没有。

智能家居是一个多行业，多专业交叉的复杂领域，文章从智能电网智能用电的角度，对智能家居评价指标体系进行详细构建，并基于层次分析法理论构建指标判断矩阵，利用图论知识及和积法修正判断矩阵次序一致性和基本一致性，得到指标体系的综合权重排序，最后利用模糊理论形成指标体系的模糊综合判断模型，判断体系的有效性。

1 家居智能用电水平指标体系

1.1 指标构建原则

根据SMART准则［2］及智能家居在智能用电方面的要求，按照以下三个原则来构建智能家居指标体系：（1）全面性。智能家居指标体系应包括从智能电网和用户这两个角度对智能家居的要求及特点；（2）典型性。选取要能够反应主要问题的关键指标，尽量减少指标之间的相似性，减少信息重叠及冗余；（3）客观性。指标体系应真实反应智能家居在智能用电方面的实际情况。

1.2 指标体系构建方法及思路

智能家居是一个基于计算机、传感器、网络通信等技术，涉及用户、水电气管理部门、社区安防等多角度、多层次的复杂工程。因此采用AHP理论［12］构造由核心目标、宏观指标集、微观指标集组成的指标体系。核心目标O代表评价过程的主要问题；宏观指标集 Ui（i＝1，2，…，m）相互独立，从属于核心目标O；微观指标集 uij（j＝1，2，…，n）受宏观指标集支配，是对宏观指标集的细化，且同一宏观指标下的微观指标之间具有一定的共性，如图1所示。

考虑智能家居在智能电网中的作用，结合智能家居技术现状，从用户角度构建评估其智能用电水平的指标体系，主要思路为：

（1）智能电网通过智能控制协调各级电网，并实现“电力流、信息流、业务流”的高度融合，智能家居作为智能用电的重要一部分，应能体现智能电网的内涵及其自动化、互动化、信息化的特征；

（2）从用户的角度，结合国内外智能家居现状，选取的指标集应能体现用户对智能家居实际需求性及智能家居为用户带来的利益和影响。

图1 指标体系结构图Fig.1 Index system structure diagram

基于指标体系构建原则及思路，得到由目标层＝｛智能家居智能用电水平｝，宏观指标层＝｛耗能信息可视化，家电智能化，用户与电力公司互动性｝及各微观指标集构成的关于家居智能用电水平的评价指标体系，如图2所示。

图2 智能家居评价指标体系Fig.2 Assessment index system for smart home

1.3 指标内涵

1.3.1 耗能信息可视化

对于传统家庭用电信息，用户主要通过电费账单的形式来获取，处于被动的信息接收地位，而作为智能电网建设的主要利益者，用户对电力系统的调节潜力不容忽视。现代智能家居通过加装智能电表、智能插座等设备采集家庭实时用电数据，用户可以通过访问特定Web页面或者家庭智能终端，查询详细的家庭能耗情况，主要包括以下几个方面：

（1）家庭用电信息。为用户提供家庭实时或历史用电量及电费、采用智能家居技术节约的电量、与历史用电数据相比得到的本月用电趋势、分布式电源使用量等；（2）电器耗电信息。用户可以查看任意电器当前或历史的用电量、使用频数、耗能比重，并按耗电量排名进行显示；（3）实时电价。为用户提供电力公司发布的最新峰谷电价及其相应时段，电价上涨或下跌的幅度；（4）设备运行状态。通过总控板显示及控制家庭所有电器的开关运行状态。

1.3.2 家电智能化

家电智能化是智能家居的一个鲜明的特点，通过物联网技术将住宅内分离的电器组成协调统一的一体，为用户带来便捷舒适的生活方式，此外利用家电智能化控制实现住宅节能降耗，配合电力调度实现电力负荷移峰填谷，降低电网负荷压力［13］。

（1）远程控制。通过移动网络或Internet，在住宅外任意地点远程控制家电的启停；（2）故障预警。监控电器接口端的电能质量，监控电能参数，如电压、电流的幅值及变化率，设置相应限值，一旦越限，通讯模块会对用户手机或者智能终端发送电器故障预警提醒；（3）负荷控制。对各电器设置日/月耗能上限，当电器耗能超过上限时，自动关闭相应电器或向用户发送提醒信息。此外还设置电器用电时长上限，以防用户忘记关闭电器的情况发生，提高电器使用安全性；（4）定时控制。用户可以自主设计电器启停时段，如在电价较低时开启洗衣机，达到节约电费的目的；（5）模式选择。用户可以自定义住宅模式，设计符合经济、实用的用电方式。

1.3.3 用户与电力公司互动性

互动性是智能电网的主要特征之一，智能家居配备95598互动网站、智能交互终端、自助用电服务终端［14］等增加用户与供电公司之间的互动友好性。一方面提高对用户的供电服务质量，弥补智能家居存在的服务死角；另一方面通过用户反馈的问题完善供电系统及智能家居系统。

（1）用电模式建议。针对数据采集终端上传的用户用电数据，利用数据挖掘技术分析其用电行为习债，为用户制定相应节电建议；此外实时监控住宅电能质量，根据电压/电流幅值、变化率及频率偏移等参数，将电能质量设置成良好、较差、恶劣三个等级，并且在电能质量较劣时，对用户进行预警；（2）咨询及投诉。用户根据自身情况通过95598网站或者电话方式对家庭用电信息、智能家居使用方式等方面进行咨询，对智能电表等设备故障报修，对供电服务及智能家居的不满进行投诉或建议；（3）自助缴费。用户可以随时随地通过手机或者电脑访问特定Web网页，利用网上银行、支付宝等支付手段自助缴纳电费［15］；（4）停电通知。供电公司提前将停电信息发布到用户家庭智能交互终端或移动终端。

2 指标权重计算

2.1 构造判断矩阵

设某一层指标为 F＝［f1，f2，f3，…，fn］，邀请专家采用1～9级标度法两两比较fi与fj对上层指标的相对重要程度，记为aij。比较标度如表1所示。

表1 比较标度Tab.1 Comparison scale

然后构成判断矩阵 A＝（aij）n×n，i，j＝1，2，…，n，其中：

受人为主观偏差等因素的影响，判断矩阵存在次序不一致或基本不一致的现象。次序不一致指指标之间重要次序的矛盾，即存在aik＞1，akj＞1，而aij＜1，这反映了专家对问题缺乏基本的认识，原则上是不允许的；基本一致性是由于专家决策偏好和标度误差等使得判断矩阵不能保证完全一致，即若aik＝2，akj＝2，则 aij＝4，这在实际过程中无法避免，允许存在一定的偏差，用一致性比例CR＜0.1来检验。

2.2 次序一致性检验及改进

将判断矩阵A转换成0－1矩阵R＝（rij）n×n：

基于图论知识［16］，节点代表指标 fi（i＝1，2，…，n），从节点k到节点j的有向弧表示指标fk优于指标fj。对矩阵R的m次乘幂Rm进行布尔运算，rijm＝1表示从节点i到节点j之间存在不超过m条边的一条链。当j＝i时，riim＝1是从节点i出发又回到i的循环链，体现了指标重要性次序的矛盾。

图3为一个5边长循环链，f1＞f2＞f3＞f4＞f5＞f1，比较f2和f5，若r25＝1，则产生一个3边长循环链；否则构成一个4边长循环链。同理考虑4边长循环链，不论 f5（f2）和 f3（f4）之间重要度大小，都会产生3边长循环链，因此3边长是循环链的最小单位。则计算R3，若存在rii3＝1，则该矩阵次序不一致。

图3 5边长和4边长循环链Fig.3 Five and four sides circular chain

若矩阵不满足次序一致性，可与决策者商议并重新构建判断矩阵，或在原判断矩阵基础上：（1）查找循环链；（2）优先修改影响次数最多的有向弧；（3）若影响次数相等，则优先修改接近1的判断；

2.3 基本一致性检验及改进

对满足次序一致性的判断矩阵，采用和积法［11］计算指标权重并进行基本一致性检验：

（1）将判断矩阵A按列归一化：

（2）得到各指标排序权重：

（3）计算矩阵最大特征根λmax，检验基本一致性，若 CR＝（λmax－n）/［（n－1）RI］＜0.1则停止，否则继续下一步。其中RI为平均随机一致性指标，其具体取值由n决定，如表2所示。

表2 平均随机一致性指标Tab.2 Mean random consistency index

（4）求出诱导矩阵 C＝（cij）n×n，其中：

（5）找出矩阵C中与1偏离程度最大的元素，记为 ckl。若 ckl＞1，且akl为整数，则，否则；若 ckl＜1，则只需将前述式子反号。对调整后的判断矩阵重新进行次序一致性及基本一致性检验，直到均满足要求。

2.4 综合权重排序

设上层指标权重 W＝［w1，w2，…，wm］，下层指标权重 wi＝［wi1，wi2，…，win］，则综合权重为：

根据上述模型，计算智能家居各指标权重，得到底层指标的综合权重排序，如表3所示。

表3 指标权重排序Tab.3 Index weight ranking

3 智能用电水平模糊综合评价模型

由于指标体系存在定性判断，其界限往往比较模糊，因此采用模糊数学理论进行综合评价。

（1）确定评价智能家居智能用电水平的指标集U＝｛u1，u2，…，un｝；

（2）确定评语等级，每个等级是一个模糊子集，等级越多则评价结果越精确：V＝｛v1，v2，…，vk｝；

（3）建立模糊隶属矩阵S：

式中sij为评价对象指标ui对评语等级vj的隶属程度，隶属度用选择该等级的频率表示，即：

式中Nij表示指标ui选择评语等级vj的次数。

（4）结合综合权重排序G，进行复合运算得到综合评价向量：

式中计算dj的算子模型M（∧*，∨*），通常分为M（∧，∨）、M（·，∨）、M（∧，⊕）、M（·，⊕）。考虑所有因素的影响，本文选择加权平均型M（·，⊕）模型：

（5）分析综合模糊评价向量。采用最大隶属度原则d＝max｛di｝作为评价对象总体评价结论。

4 算例分析

参考文献［14，17］的智能小区工程，根据已构建的指标体系，邀请10名相关专家对其智能家居智能用电部分进行评价，并分别命名为案例A和案例B。这里选择5级评语等级V＝｛很差，较差，一般，较好，很好｝，对应评分为 H＝［20，40，60，80，100］，利用上述综合模糊评价模型，计算案例A和B综合评分，具体数据如表4所示。

表4 案例A和案例B的评分结果Tab.4 Evaluation results of case A and case B

案例A的综合评价结果中，最大数值为0.410 1，根据最大隶属度原则，最终评价结论是“较好”，表示案例A的家居智能用电水平比较受到专家的认可，其中仅12.49%的专家持否定态度，结合对应评分向量H，计算得到案例A的最终评分为：71.678分。案例B的最大隶属度为0.541 4，相应的评语等级为“较差”，即有54.14%的专家觉得案例B的智能用电水平较差，其最终评分仅为：36.438分。

参考案例A和案例B具体情况，案例B建设时间较早，当时智能家居概念还比较新，没有相应的技术支持，其主要特点集中在小区的规划和安防上，智能家居等级较低；案例A是智能电网概念提出以后的工程，具有较为成熟的技术及资金支持，此外该案例还建设了光伏分布式能源，配套电池储能以稳定光伏发电的输出，实现了光电的就地消纳和并网。总体而言，指标体系通过对智能家居智能用电方面的评价，较好的体现了各小区智能家居水平，与实际相符。

5 结束语

通过对智能家居现状和智能电网内涵及目标的分析，建立了智能家居在智能用电方面的指标体系及评价方法，并对两个智能小区的进行了综合评价，验证了该指标体系及评价方法的有效性，可为家居智能用电水平的评估提供一定的借鉴。