基于NILM数据的电力用户能效量化分析方法

许泽宁，张之涵，杨远俊，廖 亮，黄湘桥，庄伟祥

（1.深圳供电局有限公司，深圳 518001；2.深圳市深鹏达电网科技有限公司，深圳 518001）

随着绿色用电理念和低碳经济发展理念的普及，引导用户改善消费习惯、降低用电成本、促进新能源广泛应用成为了用电领域的一个发展目标。非侵入式负荷监测NILM（non-intrusive load monitoring）技术的应用为能效的精准化分析创造了条件[1]。其中，构建有效的电力用户能效评估指标体系以衡量用户用电水平、指导用户合理用电，并为电网公司电力调度和需求侧管理提供科学依据，成为了研究的一项重要内容。

当前对于电力用户能效相关研究已经取得一些成果。如文献[2]基于状态响应模型，提出了一个由3个一级指标和11个二级指标组成的多维度电力用户的能效分析评价指标体系。文献[3-4]分别综合家庭用户用电行为及用电器的使用特征时间段建立了家庭用电能效评估指标体系。然而在该体系中，家庭产值电耗和电磁影响的界定不够准确。文献[5]将指标体系划分为宏观和微观两个层级来分析企业的用能情况，但是在指标的选取上不能很准确地表示用户的能效情况。文献[6]构建了考虑分布式电源接入的家庭能源效率分析指标。文献[7]从技术经济和能源管理、环境能效等多方面构建了企业能效评价方法。文献[8]考虑建立了基于层次分析结构的工业用户能效评估体系和分析方法。文献[9]确定了包括人口学、经济因素、个别因素、气候因素、技术因素、生活方式、结构因素在内的12项影响家庭能源消耗的指标，通过该指标分析了新加坡居民用电水平。文献[10]分析了包括住宅用电价格，气象，节假日等因素对居民用电量的影响。

上述研究以工商业为主，对普通居民用户的能效进行评估，多是基于电能表数据，所构建的模型较为粗糙。本文充分考虑NILM技术的发展，建立了一套易于获取、易于量化的家庭能效评估指标体系，在此基础上提出了基于NILM数据的家庭电力用户能效量化分析方法，并给出了能效量化分析和综合评估的具体流程。相关研究成果能够使用户清楚自身用电水平，并可为电网公司精细化客户服务提供支撑。

1 居民家庭能效指标体系的建立

1.1 指标体系构建原则及流程

指标体系的构建是进行能效评估的基础，应全面描述被评价对象的本质特征和属性，其构建的合理性和科学性将直接影响到评估结果的准确性。建立居民用户能效评估指标体系应遵循以下原则。

（1）科学性和实用性。科学、客观地反映评估家庭用电能效情况，而且目标明确、普遍适用。

（2）可测性和可比性。选取的评估指标应方便获取且具有可比性。

（3）全面性和简要性。既要全面反映家庭用电能效情况，又要层次分明、简明扼要。

（4）操作性和独立性。建立的居民用电指标体系应便于操作，并尽量减少指标间内涵交叉、重叠。

能源效率评估是一个有明确目标的过程，需要在连续的循环中进行，由于许多不同的外部条件影响，指标体系选择和评估结果也会有所不同[11]。本文所采取的家庭能效评估流程如图1所述。首先对采集数据进行预处理，将获得的采集数据进行预处理和分析；其次建立能效指标体系，考虑选定负荷的特性指标和影响因素，对能效指标进行筛选，建立能效评估量化模型；最后通过计算分析获得评估结果，并进行反馈和应用。

图1 用户电力能效量化评估流程Fig.1 Process of quantitative evaluation on the energy efficiency of power user

家庭能效相关数据的获取可分为侵入式和非侵入式两大类。其中前者包括家庭人口、家庭面积等一些基础信息，可通过营销系统基础数据或入户调研等方式获取；后者依赖于NILM设备，具有安装简单、数据采集方便、便于数据分析等特点。

负荷辨识是有效获得非侵入式法中负荷信息的主要方式，如图2所示为基于NILM技术的能效评估结构图。在家庭电网网关入口处装设NILM设备对总负载及其内部电气设备进行分析，并使用负荷辨识技术进行求解[12]。对标准化处理之后的NILM信息进行分析，获得家用电器使用的能效量化指标。

图2 基于NILM技术的能效评估结构Fig.2 Structure of energy efficiency evaluation based on NILM technology

NILM工作存在忽略网损的假设，即在任意时间段内总电能规模是同期各电器设备负荷电能之和。用Xt表示在t时间段内消耗的电能，yi,t表示设备i在该时间段所消耗的电能，故有

式中：N为负荷总数；δ(t)为并未接受监测的用电量或检测误差。

基于非负荷分解技术使得集合数据Xt能够尽最大程度识别单项负荷yi,t，单负荷在测量中的信号为

式中：ω0为基波角频率；A0,i为直流分量；A1,icos(nω0t)+B1,isin(nω0t)为基波分量；An,icos(nω0t)+Bn,isin(nω0t)为n次谐波分量；An，i和Bn，i均为傅里叶级数系数。

基于上述公式，可以获得NILM的特征量测量值为

非侵入式法中负荷辨识过程需要考虑分解负荷的运行方式，以更有效地获得对应傅里叶级数系数。

1.2 家庭能效分析及指标体系构建

NILM数据经过归一化和主成分分析处理进行能效分析。首先进行用户分类，再通过熵值法对指标体系进行赋权，随后通过合并同类型用电器数据和计算分布式电源用能比重来计算指标，再运用综合评价法进行能效评估，分析评估结果给出用电建议。本文从分析影响家庭能耗的因素为出发点，以此为依据构建出能效指标体系。下文从家庭信息、能耗信息、环境影响、价格因素4个方面进行探讨。

1）家庭信息

家庭信息包括家庭人口数、家庭收入水平、房屋面积3个指标，指标集如表1所示。人口是影响电耗量的一个因素，通常人口越多所消耗的电能就越多。房屋面积的增加也会对家庭用电量产生影响，通常大的房屋面积需要更多的照明和空调等用电设备，会产生更多的用电能耗，进而导致人均能耗较高。

表1 家庭信息指标Tab.1 Family information indexes

2）能耗信息

能耗信息包括空调、冰箱、照明、洗衣机、热水器在内的家用电器的能效等级及使用时间段和能源组合信息指标集，如表2所示。基于NILM技术获取家庭用户电器能耗信息，包括各电器的电耗量和用能时间段。新能源的使用虽然不能减少用电能耗，但是能给电网公司提供一些需求侧管理的途径，对缓解电网运行压力有一定的作用。此外用可再生能源可大大降低碳排放，实现绿色能源的目的。新能源设备的安装及发电在营销系统中会有相应的记录。

表2 能耗信息指标Tab.2 Energy consumption information indexes

3）经济因素

经济因素包括家庭收入、电价、反弹效应等，指标集如表3所示。收入与居民用电密切相关，人均家庭收入的增加往往使人均电力需求增加，例如使用更大功率的冰箱或空调等。Ziramba[13]根据实际人均国内生产总值和电力价格的线性双对数关系，考察了居民对电力的需求。实证结果表明，收入是决定电力需求的主要因素。电价也影响着居民的用电量，我国现行的阶梯电价和分时电价，会对居民的用电能耗产生不同的影响。

表3 经济因素指标Tab.3 Economic factor indexes

此外在能源经济学中，能源反弹效应是其中一个重要议题。能效的提升不一定会使家庭的电耗量降低，当家庭使用节能电器且消费行为保持不变时，能耗将有所降低。这种预期的节能是提高能效的直接原因。然而，由于效率提高带来的经济效益，消费者倾向于消耗更多电能，导致实际节能量低于预期。由于用能效率提高产生的额外能量消耗即为反弹效应RE（rebound effect），定义为

式中：QE为预期节电量；QR为实际节电量。

当反弹效应小于直接效应时，仍可节省部分能量。然而，如果反弹效应大于直接效应，那么效率的提高会消耗更多的能源，这就是所谓的“反弹效应”。在本文建立的指标体系中，考虑了能源反弹效应对能源使用的影响，以便能够更加全面展现家庭能耗的影响因素。

4）环境因素

主要考虑温度和湿度对居民的用电能耗影响，所构建相关指标如表4所示。由于对舒适环境的要求越来越高，人们对制热和制冷设备（如空调、热水器等）的需求会影响能源效率的提升。

表4 环境因素指标Tab.4 Environmental factor indexes

能效评估指标体系是开展评估工作的基础和依托，将以上4个层面的指标集汇总，得到居民用户能效指标体系。在保证可测性和可计算性的基础上，将能效评价指标体系划分为家庭信息、能耗信息、经济因素，环境因素等四类一级指标，并在一级指标下设立多个不同的二级指标，具体如图3所示。

图3 居民用户能效指标体系Fig.3 Indicator system for resident user’s energy efficiency

2 电力用户能效指标的评价和应用

2.1 电力用户能效指标的模糊综合评价方法

结合所获得的NILM数据，采用模糊综合评价法对居民用户能效进行评估。首先以模糊数学原理为基础，依据隶属度理论把定性评价转化为定量评价，并考虑不同类型家庭的各种非确定性因素进行量化评估。所构建的用户能效量化分析方法的主要步骤如下。

步骤2确定评价指标权重向量A=(a1,a2,…,am)，基于层次分析法或熵权法等确定指标权重。

步骤3建立模糊综合评价矩阵为

式中，rmn为U的第m个因素um与评价等级V中第n个等级vn的隶属度。

步骤4按模糊数学模型进行合成运算，即可获得综合评价结果，即

步骤6按照排序进行家庭用户能效情况等级划分，典型的可以分为5类，各类占20%，评语集设置为

步骤7基于家庭用户排名，确定很好等级为正理想解C+和很差等级为负理想解C-，构建公式如下：

步骤8计算各方案到正（负）理想解的距离为

步骤9计算综合评价值为

基于上述的不同类型家庭能效分析结果，区分不同类型用户之间的差异，进而对用户具体情况给出相关的用能建议。基于NILM数据提高了评估的精度、可信度，提升了用户采纳用能建议的可能性，从而提高能效。同时，也给电力公司的需求侧管理提供了有效帮助。基于新能源信息指标对提高用户清洁能源的使用率有一定帮助，通过横纵对比用户将会考虑使用更多的清洁能源，能源效率也会大大提高[14]。

2.2 电力用户能效指标分析系统架构设计

针对用电客户端的居民家庭能效指标分析系统功能架构如图4所示。功能框架可以划分成4层，包括用户界面层、应用层、数据层和网络层。整个系统的后台数据库为数据层，组成系统的数据中心，数据中心通过数据库表存储电力用户基本信息，电力用户能耗信息以及其他原始数据信息以供应用层进行进一步数据分析。网络通信服务由网络层为整个系统提供，在进行电力用户数据通信时，可通过无线和有线通信的方式来进行。在应用层，系统结合所获得数据为用户提供相关服务，并展示相关结果。

图4 电力用户能效指标分析系统功能架构Fig.4 Functional architecture of analysis system for energy efficiency indexes of power users

3 算例分析

3.1 不同类型电力用户的能效评估

利用层次分析法得到能效评估体系中一级与二级的指标权重，如表5所示。

表5 指标体系中一级指标和二级指标的权重Tab.5 Weights of primary and secondary indexes in the index system

基于层次分析法对各指标权重判断矩阵进行检验，结果需符合一致性要求。理想解法通过计算每个方案到理想方案的相对贴进度，即靠近正理想解和远离负理想解的程度，来对方案进行排序，从而实现多指标评价。正理想解是决策矩阵中该属性最好的值，负理想解是决策矩阵中属性最劣的值。在n维空间中，将方案集合中的各个备选方案与正理想解和负理想解的距离进行比较，并可根据此排定方案集合中备选方案的优先序。针对城区中心、普通城区、别墅、乡镇和农村区域等不同类型用户，构建的指标模糊关系矩阵，获得能效指标分析结果如表6所示。可知，对于同一权重指标，不同类型的用户效果有较大差异。

表6 不同用户类型的理想解法指标评价结果Tab.6 Evaluation results of ideal solution index for different user types

根据求出的权重系数，以此来确定指标的权重。计算得到各用户的正负理想解及其到正负理想解的距离，其最终评价的得分情况，各类别的综合能效评价分数如图5所示。

图5 不同类型的电力用户能分析结果对比Fig.5 Comparison among analysis results of different types of power users

根据图5对各类用户进行能效分析。从整体上看城市居民的家庭的评价分数都较低，尤其是高端别墅区的用户能效最低，可见大部分用户都可以进行用能分析，分析其原因是城市人口收入水平较高，导致部分不合理的用电；同时别墅区的面积较大，通常会使用功率较大的空调等家庭电气，导致能效偏低，并通过分析找出用能薄弱的环节以此来提高能效。从图中同样可以看出乡村用户分数较高，其原因包含两种情况：一类是家庭收入低，家庭面积和家庭人口都在一个普通水平，导致能效较高；另一类是由于部分家庭安装了分布式光伏等发电设备，通过分布式电源的“自发自用”减少了对市电的依赖，进而提高了能效。按照样本的结论对可对此类用户进行细致化，能够分析并给出相应的用能建议。

3.2 家庭内部用能情况分析

对城市、乡村等不同类型用户家庭内部用电设备之间的用能情况进行分析。选取各类型用户中V为不同等级的用户进行对比，5个用户的家庭设备用能情况对比如图6所示。从整体上来说不同类型用户间各电器的用能分布大致相同，其中用户4和5相较其他用户用能水平明显较低，电器的能耗上升幅度相对较弱；用户1和2与该用户用能情况相似，但空调设备的耗电量较高，主要是由于房屋面积较大，及用电人口、收入三方面原因造成的。

图6 不同类型的电力用户家庭设备情况对比Fig.6 Comparison amonghousehold equipment of different types of power users

用户内各设备用能所占比例如表7所示。空调和热水器所占比例较大，其他设备如电视机和电灯等所占比例较小。在同类型用户中，用能趋势大体相近，不同的是一些具体电器的使用能耗状况，低分用户相较于高分用户用能效率更高，如用户3和用户4。用户1和用户2在使用空调等电器过程中产生了较大电量，可根据用户自身情况建议用户做用电调整，如减少不必要的电器开启等。

表7 用户主要设备用能所占比例Tab.7 Proportion of energy consumed by the mainequipment of users %

4 结论

本文构建了家庭用户能效指标体系，并提出了一种基于NILM数据的能效分析方法，目标是实现电网公司对所服务用户的家庭能效的量化分析，进而支持增值服务的开展。通过研究获得如下结论。

（1）构建包含家庭信息、能耗信息、经济因素、环境因素4个方面的居民用户能效评估指标体系，并将分析结果提供给用户，有助于能够提升家庭用户对用电信息的全面了解，增加电网公司的服务水平。

（2）电力服务企业利用非侵入式计量数据，有助于实现更为精准的家庭用户能能效的分析，进而准确勾画出用户的用电行为；用户结合所获得的能效指标分析结果，可以了解自身的用电能效薄弱的点，通过用能模式改变提高家庭用电效率。

（3）运用模糊综合评价法来对用户进行综合评估，可以获得精确的用户用能特征，有助于对不同用户进行有针对性的高效营销。但需要注意的是，随着经济的发展，用户对用能的需求也越来越大，用户用能习惯上也会有很大的不同，面对新情况下的能耗特点应该不断与时代背景相结合，不断完善现有的指标体系和算法，尤其在当前数据大爆炸的时代，需结合数据量所带来的问题，不断对评估方法做出适当的调整。