赤峰市某镇农村住宅不同时间尺度下生活用电量规律分析

袁 鹏 丽， 端 木 琳， 王 宗 山， 李 祥 立， 舒 海 文

( 大连理工大学 土木工程学院 建筑环境与设备研究所, 辽宁 大连 116024 )

0 引 言

随着经济的发展，农户的能源需求快速增长，农村地区的能源结构发生了显著变化．生物质能耗占总能耗的比例从2001年的69%降低至2014年的34%，农村住宅的商品能耗已达2.08×108t标准煤，占建筑总能耗的25%[1]．其中，农村住宅用电量已占全国总用电量的15.8%[2]，家用电器尤其大功率电器的拥有量从2010年开始迅速增长．因此，农村住宅的用电能耗不容小觑，对不同时间尺度下农村住宅用电特征分析可为实现农村建筑节能提供一定的参考，同时也可为建立农村用电能耗预测模型提供基础．

现有农村住宅用电量的相关研究，多数仅调查了农村住宅的年用电量现状[3-6]．Li等[7]对北京某村镇的年能耗进行了调查，分析了各个能源消费量的比例，结果显示年用电量占能源消耗总量的49.4%．Lu等[8]对夏热冬冷地区的农村住宅用能进行了调查研究，对用电量也仅进行了比例分析．上述研究分析的数据均基于年用电量，对农村住宅用电量规律分析不清晰．仅有少量研究分析了农村住宅的用电量特征，袁炯炯[9]对厦门地区多个农村住宅类型的年用电量及月用电量的变化规律进行了对比分析，李林[10]对湖南省农村住宅的商品能年消费量分布进行了分析．上述研究现状表明，大多学者仅停留在对年用电量现状的分析，而未对其分布特征进行深入研究，且鲜有对农村住宅在月尺度、日尺度及时尺度下的用电量规律的全面分析．

不同气候区下农村住宅所用设备及生活方式不同，导致用电量特征具有明显差异．严寒农村地区拥有独特的供暖设备(火炕、土暖气)及气候特征，使其用电量特征具有特殊性．因此，本文选取内蒙古赤峰市某镇多个村落的农村住宅为研究对象，以供电局提供的多户农村住宅实际年生活用电量、月生活用电量及实验测试的用电量数据为基础，分别从年尺度、月尺度、日尺度以及时尺度对赤峰农村住宅用电量规律进行分析，为农村建筑节能研究提供一定的参考，也为后续建立农村住宅用电能耗预测模型提供基础支撑．

1 数据来源及处理

1.1 年尺度及月尺度数据来源及处理

(1)数据来源

本文以内蒙古赤峰市某镇的27个村落为研究区域，见图1，选取约1 100户的农村住宅为研究对象，通过供电局获得了2014～2017年各农村住宅逐月及逐年的生活用电量．

图1 选取村镇的地理位置

(2)数据处理

该镇农户以农耕为主要经济来源，大部分农村住宅的生产与生活空间基本分开，对于小部分生产与生活空间混合的农村住宅，由于生活用电和生产用电的电费价格不同，供电局于农村住宅内分别设有记录生产和生活用电的智能电表．在供电局提供的各农村住宅的用电量数据信息中，会注明该用电量是生产用电还是生活用电，根据该信息将生产用电剔除，保留生活用电．

各月用电量的结算时间为每月中旬，结算电量为上月下旬至本月中旬的电量总和．由于智能电表安装的时间不同，各年份所获得的样本数量也不同，且所得的样本数据中会存在缺失、异常等现象，对所获得的用电量数据需进行以下数据处理：农村住宅用电量于供电局处显示逐月用电量均为零或仅有某一个月或两个月的用电量大于零，此时需剔除该农村住宅的用电量数据．对于仅有某一个月或两个月用电量为零的农村住宅，采用线性插值的方法对该月用电量进行填补．在该数据处理的基础上，继续对初步处理完的数据进行离群点检测，离群点检测的方法有多种，在大样本(n>185)情况下，拉依达准则可有效剔除异常值，且应用最为简便[11]．本文选取拉依达准则对该地区农村住宅用电量数据进行异常值剔除，其计算方法为

(1)

(2)

最终有效的农村住宅用电量样本数见表1．

表1 农村住宅样本数量

1.2 日尺度与时尺度数据来源及处理

(1)数据来源

由于日尺度与时尺度的用电量无法通过供电局获得，本文采取实验测试的方法来获取．采用智能电量测量仪S400对农村住宅用电入口处的逐时总用电功率进行连续监测，测试间隔为1 min，现场测试情况见图2．由于智能电量测量仪的测试数据为逐时用电功率，需根据1 h与24 h的累积总功率与时间计算时尺度与日尺度下的用电量．

被测农村住宅的详细信息见表2．其中，被测的30户农村住宅根据农村住宅年用电量分布进行选取，使其可基本覆盖不同年用电量水平，图3表明30户农村住宅在不同年用电量水平下的比例与1 100户农村住宅的比例趋势基本一致，1 100户农村住宅的平均年用电量与30户农村住宅平均年用电量相差约5%．

图2 逐时总功率测试

表2 被测农村住宅用电量监测信息

图3 不同用电量分布下农村住宅比例对比

(2)数据处理

对于时尺度和日尺度数据而言，其数据基础为实验测试获得的逐时用电功率．由于仪器或电路问题，存储于测量仪器的数据可能会出现数据跳变导致出现异常值的现象，该类异常值通常会出现少量显著偏离前后时刻的逐时功率．本文利用中值滤波技术，取异常值前后时刻的逐时总功率进行插值，过滤掉异常的逐时功率．

2 年用电量分布特征

2.1 年用电量的分布变化

随着年份的增长，各年用电量分布下的农村住宅比例也不断变化．由图4可知，用电量小于1 000 kWh的农村住宅比例随着年份的增加逐年降低，与2014年相比，2017年用电量小于1 000 kWh 的农村住宅比例平均降低了30%．用电量大于1 000 kWh的农村住宅比例随着年份的增加基本呈逐年增加的趋势，2017年用电量分布在1 000～2 000 kWh的农村住宅比例与2014年相比平均增加了46%，而2017年用电量分布在2 000～3 500 kWh的农村住宅比例比2014年增加了1.7倍，2017年用电量分布在3 500 kWh以上的农村住宅比例比2014年的农村住宅比例约增加5.9倍．上述结果表明原有的部分低用电能耗农村住宅正在逐步向高用电能耗农村住宅转化．

图4 不同年份各用电量分布下的农村住宅比例

2.2 年用电量分布函数

在大多数实际问题中，均认为某一参数服从或近似服从正态分布，而现阶段还未见对农村住宅用电量服从的分布进行分析和检验．为了有目标、有定位地进行分布函数研究，首先采用SPSS统计软件的PP图对用电量分布进行直观检测．通过对现有的分布如正态分布、对数正态分布、指数分布、威布尔分布等分别进行直观检测，发现仅对数正态分布条件下，样本数据的点与PP图中的45°线拟合较好，见图5，其中Po为观察值的累积概率，Pp为预测值的累积概率．但仅依靠直观检测并不能验证用电量分布呈对数正态分布，需进行假设检验．

(a) 2014年用电量PP图

(b) 2015年用电量PP图

(c) 2016年用电量PP图

(d) 2017年用电量PP图

由于农村住宅用电量的总体分布未知，为了检验总体是否服从特定的分布，需提出假设：

H0：F(x)=F0(x)

(3)

其中F0(x)是已知的理论分布，由样本数据PP图可知，F0(x)为对数正态分布，根据已有的样本观察值，采用拟合优度检验的方法对总体分布做出推断．本文选用K-S拟合优度检验，由于对数正态分布与正态分布间可相互转化，对农村住宅年用电量取对数后，上述假设转换为

H0：F′(x)=F1(x)

(4)

H1：F′(x)≠F1(x)

(5)

表3 各年份用电量对数的检验统计量及拒绝域

由表3可知，在α=0.05的条件下，仅2015年用电量对数的检验统计量处于拒绝域内，而其余年份均未在拒绝域内．若将显著性水平设为0.01，2014～2017年用电量对数的检验统计量均不在拒绝域内，说明2014～2017年用电量服从对数正态分布，即2014～2017年用电量服从对数正态分布(α=0.01)．赤峰农村地区年用电量服从对数正态分布说明该地区年用电量少的农村住宅偏多，而若对于经济更发达的农村地区，年用电量可能会呈正态分布或其他分布，但仍可根据本文的统计检验思路对所研究地区的年用电量分布进行假设检验．

年用电量服从对数正态分布下，计算各年份年用电量的期望与方差，结果见表4．表4显示随着年份的增加，年用电量的期望值逐年增加，平均增加比例为7%，且2015年到2016年的增加最为显著，说明农村住宅用电量的整体水平在逐年提升．年用电量的方差呈先增长后下降的趋势，但2016年用电量方差最大，说明2016年部分农村住宅的用电量水平迅速提升，导致整体水平偏离期望的程度最大，使得2016年农村住宅间的用电量差异最大；而2017年用电量方差小于2016年，但仍大于2014与2015年，由图4可知在2016年的基础上，2017年用电量在1 000～1 500 kWh、2 000～2 500 kWh以及3 500～4 000 kWh的农村住宅比例再次增加，使得整体用电量偏离期望的程度有所下降．随着年份的增加，农村住宅整体的用电量水平不断提高，随着低电耗农村住宅向高电耗农村住宅的不断转化，农村住宅间用电量水平的差异性呈先升高后减小的趋势．

表4 各年份用电量的期望与方差

农村住宅用电量呈对数正态分布，可为今后对农村住宅用电量的统计分析、统计推断以及代表性农村住宅的选取提供理论基础．在对农村住宅调研用电量进行数据质量控制时，大部分剔除异常值的处理方法均基于正态分布理论，倘若仍简单沿用传统的正态分布假设进行统计分析研究，易导致对数据质量控制不足，也易导致误导性结论．

3 其余时间尺度下的用电量特征分析

3.1 月尺度下用电量特征

对各农村住宅对应的逐月用电量进行平均获得各个月份下的户均月用电量Wm．图6为不同年份下的户均月用电量变化，2014年与2017年的月用电量均于2月份与8月份呈波峰状态．2月份出现波峰的原因为此时恰逢春节，农村住宅的用电需求大于日常生活．2015年与2016年春节时间分别为2月11日～3月5日与2月1日～2月22日，对于2015年而言，由于3月份用电量的结算时间为3月中旬，3月份用电量大于2月份用电量．2016年冬季月用电量出现波峰的时间为3月，与其他年份有差异，分析原因可能为2016年室外温度比其余年份下的室外温度低(图7)，农户处于农村住宅内的时长大于其他年份，较少外出．

图6 2014～2017年户均月用电量

图7 2014～2017年2月15～3月14室外温度对比

8月份用电量呈波峰的主要原因为该月份处于空调季，由于内蒙古地区农村住宅的空调拥有率极低，平均每百户仅有0.8台[13]，在该月份下农户多采用电风扇进行降温，比其他月份使用的用电设备多，因此，8月份用电量呈波峰．

将该地区的月份分为供暖季(11月～4月)、过渡季(5～6月、9～10月)与空调季(7～8月)，不同季节下户均月用电量的对比分析见图8．由图8可知，2014～2017年空调季的户均月用电量均最大，供暖季的户均月用电量最小．空调季与过渡季的户均月用电量平均仅相差7%左右，可能的主要原因为该地区农户通常只利用电风扇在空调季进行降温，而电风扇的电功率与空调相比较低，若按电风扇功率60 W、1 d开启时间为5 h计算[14]，1 d电风扇的耗电量仅为0.3 kWh，1个月平均耗电量为9 kWh，与空调季相比过渡季多出的耗电量基本一致．

图8表明空调季与过渡季的户均月用电量均大于供暖季，这与不同季节下农户的用电行为有着密切联系．本文定义非供暖季包括空调季与过渡季，在测试过程中，对农户主要用电设备的使用时间和使用频次也进行了调研，见表5．由表5可知，由于非供暖季室外温度高，农户使用传统柴灶的频率大大降低，使得农户在非供暖季时使用电饭煲、电磁炉等电炊事设备的频率高于供暖季，炊事期间非供暖季与供暖季用电量的差异也说明了电炊事设备的使用频率在非供暖季高于供暖季．同时，电冰箱、电冰柜在供暖季和非供暖季时的使用也可能影响着用电量，由于供暖季室外温度低，部分农户在冬季使用电冰箱或电冰柜的天数少，甚至不使用电冰箱或电冰柜，供暖季电冰箱或电冰柜耗电量也低于非供暖季．

图8 2014～2017年不同季节下户均月用电量

表5 农村住宅主要用电设备的平均时长与频次

3.2 日尺度下用电量特征

对相同月份下的各被测农村住宅的日用电量进行平均，图9为各月份下被测农村住宅日均用电量Wd分布图．由图9可知，农村住宅日均用电量随着月份的变化趋势与月用电量的变化趋势一致．该地区农村住宅的日均用电量处于2.2～3.9 kWh．在各个月份下，均存在极端用电量，最大的极端日用电量约为14 kWh，极端日用电量出现的原因可能为家中有人来访，炊事需求明显大于日常生活．

图9 农村住宅日用电量分布图

将被测30户农村住宅的日用电量进行工作日与非工作日的区分，对其工作日与非工作日用电量进行平均，得到非工作日与工作日用电量对比见图10，其中1、2、3、4为进行全年用电量监测的东南沟村的4户农村住宅．图10显示2号与3号农村住宅的工作日用电量大于非工作日用电量，而1号农村住宅非工作日用电量大于工作日用电量，4号农村住宅中非工作日用电量基本与工作日用电量相同，30户农村住宅的平均非工作日用电量高于工作日．4户农村住宅中工作日与非工作日的用电量平均相差约1%，30户农村住宅的工作日与非工作日的平均用电量仅相差3%．因此，对于以农耕为主要收入来源的赤峰农村地区，农村住宅工作日与非工作日用电量的差异小，在今后的用电量预测模型研究中可将其对用电量的影响忽略．

图10 农村住宅工作日与非工作日的用电量对比

Fig.10 Comparison of daily electricity consumption in weekday and weekend of rural residences

3.3 时尺度下用电量特征

图11时尺度下的用电量为在各个季节下被测农村住宅的逐时用电量的平均值，横坐标时间对应的数字表示某1 h内的用电量，如0所对应的纵坐标表示0：00～1：00的总用电量，1表示1：00～2：00的总用电量，以此类推．图11表明供暖季、过渡季与空调季的逐时用电量均具有明显的三波峰变化特征，且其波峰出现的时间与炊事活动的时间较吻合．

各季节下逐时用电量在中午与晚间出现波峰的时刻基本一致，但早晨出现波峰的时刻在3个季节下均不同．供暖季时早晨用电量的波峰时刻比过渡季的波峰时刻约延迟2 h，而空调季早上用电量的波峰时刻比过渡季的波峰时刻延迟1 h．这主要与农户从事农忙活动和日出时间有关，在过渡季与空调季，农户通常需早起对农作物从事种植与打理的活动，而供暖季时，农户不再从事任何农忙活动，且日出时间相对较晚，农户供暖季早间的活动时间与过渡季和空调季相比有延迟．而过渡季与空调季相比，空调季早间波峰时间晚于过渡季，主要由于空调季农户从事的农忙活动强度低于过渡季，农户于早间的活动时间有所延迟．

对比图11中过渡季、空调季与供暖季的用电量可知，非供暖季(过渡季与空调季)的逐时用电量基本高于供暖季，造成该现象是多种用电设备综合作用的结果．图11显示由于不同季节下使用电炊事设备的行为不同，在炊事时间段内各季节用电量差异最为明显，该差异的原因为赤峰属严寒地区，供暖季农户使用传统柴灶的频率高，而非供暖季室外温度高，农户使用传统柴灶的频率低，而采用电炊事设备的次数高于供暖季，导致非供暖季用电量高于供暖季．在0：00～05：00，农户通常处于睡眠状态，大部分电器未运行，而电冰箱和电冰柜是全天周期性运行，此时工作的电器大多仅为电冰箱或电冰柜，因此，图11曲线的变化说明电冰箱或电冰柜在供暖季的用电量低于非供暖季(包括过渡季和空调季)，这主要是由于供暖季赤峰地区的室外温度低，部分农户会减少使用电冰箱或电冰柜甚至停止使用，电冰箱或电冰柜的使用不同也是造成不同季节下用电量差异的一部分原因．

图11 时尺度下不同季节的用电量变化

对比过渡季与空调季用电量可知，空调季的用电量稍高于过渡季，但相差不大，且在炊事时刻的波峰用电量基本相同，而在0：00～2：00、8：00～11：00以及19：00之后，空调季用电量高于过渡季，分析原因可能为农户在这3个时间段内使用电风扇，使得空调季全天用电量比过渡季全天用电量平均高出0.31 kWh，若电风扇的耗电功率为50 W，相当于电风扇1 d的开启时间约为6 h．

4 结 论

(1)2014～2017年，赤峰地区农村住宅户均生活用电量平均以7%的比例逐年增长．其年用电量分布呈低耗电农户快速向高耗电农户转化，2017年用电量小于1 000 kWh的农村住宅比例与2014年相比平均降低30%，2017年用电量大于1 000 kWh的农村住宅比例比2014年平均增加了1.9倍．

(2)利用K-S假设检验发现，2014～2017年赤峰市某村镇农村住宅年生活用电量在显著性水平为0.01的条件下均服从对数正态分布，对数正态分布的获得为今后该地区农村住宅年生活用电量的统计分析以及统计推断提供了理论支撑．

(3)对于以农耕为主要收入来源的赤峰农村地区，空调季月用电量最大，供暖季月用电量最小，但空调季与过渡季间的用电量仅相差7%，农村住宅逐时用电量呈三波峰状态．今后建立农村住宅用电能耗预测模型时，需进行季节分段．

(4)以农耕为主要收入来源的赤峰农村地区，日尺度下农村住宅用电量在工作日与非工作日的差异较小，与城市住宅的工作日与非工作日间的用电量差别不同．分析该地区的农户用电行为及建立用电能耗预测模型时，无须将工作日和非工作日下的用电行为及预测模型分别进行研究．

本研究利用调查及实测的方法重点对农村住宅不同时间尺度下的生活用电量变化规律进行了分析，可为建立农村住宅用电终端能耗预测模型提供一定的基础支撑．考虑到农村家庭生产用电及用电行为的重要性，在后续的研究中，需重点对农村家庭生产用电现状进行研究，并对农村住宅人员用电行为进行实验研究，定量化分析影响农村住宅用电量的具体原因，为建筑节能及建立农村住宅用电终端能耗预测模型提供数据基础．