基于智能家居数据的住宅空调用能行为实测方法研究

夏大为

曾宇钦

赵 阳

李 丽

徐钟荣

住户与住宅空调系统的互动关系对建筑能耗影响巨大，高效的用能行为与可靠的节能措施对降低建筑物能耗同等重要[1]。Danny Parke[2]通过研究发现具有相同建筑面积（102m2）的10个住宅，在能源消耗上可达到3倍的差距。Eguaras-Martínez[3]发现在能耗模拟过程中纳入或排除使用者用能行为因素，将导致30%的结论差距。由于我国住宅目前多采用分体式空调，居民习惯于部分时间、部分空间的间歇式空调运行方式，人的用能行为对住宅空调能耗的影响尤为明显。李兆坚等[4]通过对北京等多地的空调使用行为调查，发现同一类型住宅，不同住户的空调开启时长、能耗存在较大差异。简毅文[5]等通过温湿度测试以及问卷调查发现5 类典型的住宅空调开启行为。燕达等[6]通过聚类分析的方法将郑州地区住宅居民不同功能房间内的用能行为进行分类，以提高能耗模拟的准确性。用能行为研究是跨越社会和行为科学，建筑科学，传感和控制技术，计算科学和数据科学的多学科研究课题[1]。

表1 空调用能行为关键绩效指标

图1 智能家居用能行为数据实测运行示意

图2 智能家居用能行为数据传输、共享示意

图3 空调用能行为数据实测链示意

行为实测的最大挑战之一是数据准确回收和住户隐私之间的矛盾。从研究人员角度来看，为确保对空调用能行为进行准确调研需要观察的对象基数大、种类多[7]。然而由于住户对个人隐私的关注，研究人员在长时间的实测观察中不能及时接触相关设备，使得相关数据的准确性存在不确定因素。此外，在住户家中设置大量的专业设备，也对住户造成了一定的心理影响，在用能行为上会产生一定的动作变形。目前相关研究主要经过调查问卷或少量住户实测来获取时间分布，通过制定家庭成员时间作息表来进行模拟计算。本文将智能家居数据实测方法与多种常规空调用能行为数据实测方法进行对比研究，实测结果表明利用智能家居系统可以较好地协调上述矛盾，获得大量、高质、全面的用能行为数据，同时也可以为建立不同气候区大样本数据库提供有效途径。

1 住宅空调用能行为研究的难点与常用方法

住户空调用能行为基础数据的收集整理需要通过各种方式获取并记录空调用能行为的动作时间（开关机时间）、运行时长、温度设定、后续调节方式以及用能动作发生时的相关环境参数，如室内外温湿度、门窗开关状态等。通过大量、高质的基础数据，分析归纳出建筑气候分区内的住宅空调用能行为特征[8]。目前，空调用能行为调查主要采用调查问卷[9-14]、户外电表实测[15-17]、空调功率实测[18-20]、温湿度记录[21-23]等方法。问卷调查法：结合气候区用能行为差异，合理设置相关空调使用问题，对住宅空调行为进行调查。问卷调查可以采用纸质文件入户调研填写，也可以借助网页、A PP设置电子问卷进行大样本调查和数据回收分析。户外电表监测：通过读取住宅户外电表非空调使用期、空调使用期的每月住宅用电总量，通过两者比较获取空调用电量。空调电量监测：在空调的电源插座上安装电量计量插座，根据设备显示的空调用电功率变化可以识别空调开关机状态，并同时记录空调用电量。温湿度记录：利用温湿度自计仪记录室内温度和湿度的变化，通过数据变化来确定空调器开关机时间、以及动作发生时的室内环境数据。笔者结合以上多种实测方式提出一系列用能行为关键绩效指标，包含以下5个一级指标和12个次级指标（表1）。

表2 智能家居设备选择与核心组件

图4 空调一周运行功率记录

图5 空调一周开关机时间记录

2 智能家居作为用能行为数据实测方式的技术支撑

随着传感以及信息通讯技术的快速发展，如 Zigbee、WiFi等 ，智能家居系统为数据分析和能耗模拟提供了大量实时数据。智能家居系统将传感、控制与通讯技术进行整合，传感器负责感知物理环境以及用户的行为，并向智能网关传输数据情况。常见的智能家居传感器有动作传感器、功率传感器、温度传感器、湿度传感器、光线传感器等。控制器通过接收智能网关发来的指令，并根据这些指令完成相应的功能，来满足用户的需求[24]。相对于传统的数据获取方式，依托于传感、网络和控制技术创新的智能家居数据实测方法具有以下三个优势特征。

2.1 采集与控制的结合

传统的数据获取方式借助于传感器+采集端来完成数据收集，通过读取温湿度或用电功率变化来判断住户的空调用能动作。智能家居系统在此基础上增加了控制端，住户可以通过手机、平板或遥控器发出动作指令，并被系统准确地记录时间与设定温度等要素。智能家居系统所能采集的数据量既涵盖硬件传感器实测的实时环境数据，如环境温湿度、设备运行状态等，同时还有用户和空调实时交互的用能动作数据，如空调开启时间点、时长、

频率、设定温度等。采集与控制的结合是对传统数据获取方式的巨大突破，用能行为动作的数据描述更加准确清晰（图1）。

表3 空调用能行为数据实测比较研究

图6 一周室内温湿度变化记录

图7 24小时相对湿度实测数据对比分析

图8 24小时室内温度实测数据对比分析

2.2 数据与设备的分离

基于智能家居设备的数据通过网络传输，实现了数据与设备的物质分离。数据不再存储在设备本身，而是归于服务器云端，数据的读取不依赖于设备本身。智能家居设备允许住户将能耗设备使用信息通过网络共享，依托APP提供给研究者观察记录。一方面可以给研究者提供长期、固定、便捷、实时的数据来源；另一方面也降低了住户对数据实测的隐私顾虑（图2）。在理想情况下，科研工作者可以在任意时间，任意地点与能耗设备进行数据互联。

2.3 多维度数据的融合

与传统实测方式的单一数据获取不同，智能家居本身就是多样能耗系统的设备整合，获取的数据自然也是多维度的。以空调用能行为为例，与空调用能动作研究密切相关的开关窗户、环境温湿度等数据信息都可以借助智能家居子系统同步获取，并形成完整的用能行为数据链。这种整合的数据网络，可以更有效地帮助研究者分析空调用能行为触发因素、动作本身、伴随动作之间的关联规则（图3）。

3 基于智能家居数据的空调用能行为实测方法与可靠性分析

图9 窗户一周开关记录

本文重点阐述住宅空调用能行为实测方法的研究，故不对户型、人群的用能行为差异展开讨论，集中选取一间卧室一周的相关数据来对实测方法进行说明。本次实测主要使用某品牌空调智能插座、温湿度传感器和门窗传感器进行数据收集，住户通过APP授权笔者APP账号控制设备使用，并实时获取相关数据。同时为验证智能家居数据的可靠性，将利用现有的常规实测方式对相关数据进行比对研究（表2）：①采用两个摄像头分别对空调、门窗开关状态进行实时记录，获取准确的空调开关机时间点、运行时长、设定温度以及门窗开闭状态；②利用UNI-T品牌UT230E电力检测仪器记录每日空调用电量；③HOBO®Pro V2 Looger（U23-00X）温湿度自记仪实时记录室内温湿度。

3.1 空调用能行为动作实测

用能行为数据获取：APP显示当住户通过遥控器或者手机APP对空调发出开机指令后，对应设备即时开启运行，即时功率从待机状态的2W左右上升到750W以上。同理，住户发出关机指令后，空调功率随机下降至2W。通过APP界面可以清晰读取两个时间点数据（图4），以此获得开关机时间点以及运行时长。运行能耗、设定温度则可以在APP界面读取相关数据。数据显示2018年9月17日—9月23日（图5）这一周内，该卧室空调用能行为呈现一定规律：①开关机用能动作各10次，工作日，住户多在晚上21点开启空调，早上7点关闭空调；周末开启空调时间较早，19：30左右开启空调，且表现出当日内多次开启空调；②空调运行总时长为70.15小时，开机运行时间为实测总时长41.75%；③该住户空调设定温度为25℃（图5）。数据可靠性分析：通过与摄像头记录的相关动作发生时间节点进行比较，智能插座在空调动作时间点、时长、温度设定上的数据可靠。

3.2 室内温湿度数据实测

图10 空调开关机与窗户开关动作时间比较

室内温湿度数据获取：将该品牌温湿度传感器安装在房间内1.5m高度处，避免阳光直射以及空气对流影响，与窗户和空调出风口保持足够的距离或角度，实时记录该房间温湿度数据。通过APP软件可以获取温湿度变化曲线图，并进行实时数据读取。图6记录了该房间9月17日—9月23日的温湿度变化。曲线1为相对湿度变化，最大相对湿度在80.8%，最小相对湿度在47.2%。曲线2表示温度变化，最高室内温度29.4℃，最低温度在23.7℃（图6）。

数据可靠性分析（图7～8）：同时在该空调房间内放置HOBO®Pro V2 Looger（U23-00X）型温湿度自计仪，以5分钟为间隔详细记录样本房间温湿度数据，作为基准温湿度。以一小时为间隔，抽样24组数据与智能家居温湿度传感器所提供的数据进行可靠性比对分析。智能家居温湿度传感器所读取的环境参数与基准值的变化趋势基本一致，80%的温度、相对湿度的绝对误差分别在±0.5℃，±5%范围内。因此，由可靠性验证实验结果可知，采用智能家居温湿度传感器采集的数据基本可靠。

3.3 门窗状态数据实测

门窗状态数据获取：通风可以有效改善室内热环境，提升体感热舒适度。同时空调能耗也与窗户的开闭状态存在重大关联性。采用该品牌门窗传感器记录门窗开闭动作发生时间点与状态持续时长，研究者可以通过APP随时获取相关数据（图9）。通过将该住户开关窗动作与空调用能动作进行时间比较发现：该用户习惯将空调运行一段时间后再关闭窗户，实测期间内窗户关闭时间差为160分钟，每次平均时差16分钟（图10）。数据可靠性分析：通过与摄像头记录开关窗动作时间进行比对，门窗传感器能准确记录门窗实时状态。

通过方法实测对比研究，笔者认为利用智能家居系统获取空调用能行为数据具有以下优点：①实测数量大，住户可以通过APP分享智能插座控制权限给研究人员，从而让其可以异地获得数据信息，研究人员原则上可以实测任何气候区内的空调用能情况。②实测时间长，因为不需要上门回收数据，同时空调智能插座由住户住宅电源供电，研究人员可以持续长期观察数据情况。避免因为设备电池电量不足，频繁上门回收数据，引起实测住户反感。③实测数据准：每一个智能插座对应设备APP菜单子界面，独立记录相关用能情况，可以与其他同时期用能空调或家庭其它能耗设备进行有效分离。④实测成本低：通过分享数据的方式从住户处获取空调用能行为数据，降低科研设备采购费用。⑤可实时观察：传统数据信息获取具有一定滞后性，需要完成实测后统一回收数据，再进行分析。利用智能家居系统可以实时观察数据信息，并与其他观察对象进行实时横向比较，更容易发现使用规律（表3）。

同时与传统实测方法相比，智能家居数据实测方法仍然存在一定不足：依赖于家庭WIFI网络，容易受到断网影响，无法记录该时段数据信息；目前数据多是以分析图示的形式通过APP展示，研究者需要利用APP进行人工数据读取，记录加工后才能进一步利用；部分厂商产品与科研设备相比测量精度有待提高，需要进行对比实测。如空调运行能耗数据，经对比后发现该品牌智能插座在用电量数据精确度有待提升，但数据存在一定的等比关系。

结语

住宅空调用能行为调查是住宅建筑节能的研究基础，可靠、科学、便利的用能实测方法将有效提高建筑能耗预测与模拟的准确性。本研究在前期研究的基础上通过对智能家居系统构成、运行方式以及数据实测进行对比研究，得到以下结论：

①智能家居数据实测方法具有三个优势特征：采集与控制的结合、数据与设备的分离以及多维度数据的融合，可以在不干扰住户的前提下，为研究人员提供不同气候区住宅空调用能行为数据样本。

②智能家居数据实测方法可以提供一系列用能行为关键绩效指标，包含5个一级指标和12个次级指标。

③通过与常规实测方法的对比研究，证明智能家居数据实测方法可以提供长周期、多维度的实测数据，环境参数与用能动作的实测数据具有可靠性，同时在实测数量、实测时长、成本控制、实时数据等方面都有较好的提升。

同时需要关注的是，随着智能家居的发展，在用能行为的研究过程中一方面可以通过对智能家居系统的利用，及时、有效、便捷地获取大量住户用能行为基础数据，提升建筑能耗预测和模拟的准确度；另一方面，在未来，空调、冰箱、热水器等更多家居能耗设备的使用必然涵盖在智能家居的发展之中，智能家居不仅仅是方便住户使用，方便用能数据收集，更是一种高效用能行为的习惯养成，它与可靠的节能措施同等重要，住宅节能研究与智能家居的发展将更加紧密。

资料来源：

文中图表为作者自绘。