基于NILM的家庭电器能效评估方法

翟术然，孙 虹，吕伟嘉，马 骁，乔亚男，卢静雅

（1.国网天津市电力公司电力科学研究院，天津 300221；2.天津求实智源科技有限公司，天津 300392）

随着社会经济的快速发展，用户生活水平不断提高，居民用电器的种类和数量、居民用电负荷总量不断增加。居民侧用电量占社会总用电量的36.6%[1]，而用电效率低、浪费严重的问题普遍存在[2-3]。对此，发达国家于20世纪70年代开始了提高居民用电效率的研究，以达到节能减排的目的，其中能效评估服务是实现该目标的首要环节[4]。对此，国内外学者展开了大量研究。

文献[5-6]针对高耗能企业的能效分析提出了一种基于层次分析法和熵权法的多指标评估方法，并在设计指标的过程中考虑了企业能效状态对经济性、运行参数和电能污染三方面的影响；文献[7]在此基础上考虑了环境影响，提出了基于模糊综合评价与主成分分析的客户用电能效评估方法，但指标权重依靠专家评判，具有较强烈的主观性；文献[8]针对企业用户内的照明设备和空调设备，将其总用电量进行纵向对比以实现节能效益分析；文献[9-10]主要根据总量信息分析用户用电行为，进而制定行为优化策略，但无法得到具体到用电设备级的个性化的优化策略；文献[11]提出了一种针对企业用户能效分析与客户反馈的交互系统，但需以客户所在领域的行业标准用能信息为基础，限制了方法的实用范围。总体上，现有研究大多聚焦于工商业大客户，针对家庭能效评估的研究较少。目前所采用的能效评估方法主要依据用户用电总量信息，通过不同用户之间的横向对比和用户自身不同时期的纵向对比来进行能效综合评估。一方面，评估结果的准确性和科学性难以得到保证；另一方面，依据评估结果无法直接得出可操作性强、具体到电器的用电优化策略。文献[12]提出一种家庭电器能效评估方法，根据电器的运行状态并利用能效函数，将电器划分为高效用、低效用和负效用。但由于电器运行状态多样，仅通过电器的启、停状态进行评估，其结果可能不准确。因而，对于能效与设备运行模式、运行功率水平等因素关联较为紧密的电器，有必要设计更合理的电器能效量化评估方法，进而对各类电器的评估结果加以综合分析，向用户提供高效的用电方案，提高用电效率。

为此，本文提出了基于非侵入式负荷监测NILM（non-intrusive load monitoring）的家庭电器能效评估方法。为保证所提方法在不同用户中的适用性，首先提出了基于NILM的能效评估数据实用化采集方案。对于单个用户，综合考虑实用性和精度，利用基于负荷事件的NILM方法，可从用户用电总量数据中获取各个电器的精细化用电情况。一方面，通过积累用户精细化用能数据，可分析用户的用电特性，得到多类型用户的典型用能情况，并结合地理信息和天气数据分析用户用电需求。另一方面，根据使用目的和工作机理将家庭用电器进行分类，并针对性地建立不同的能效评估模型。其中，针对能效与温度、光照等实时环境参数紧密相关的电器，提出了考虑环境参数的用电器能效量化评估方法。

1 电器能效评估数据获取

电器能效评估对数据精细程度有更高的需求，数据获取难度较大。本文基于NILM技术提出了针对性数据采集方案，将电器个性化能效评估数据需求大致分为两类：一类是家庭内部各用电器的用电数据，包括工作状态、开关时间和使用顺序等，在明确用户具体用电行为[13-14]的前提下对其用电效率进行评估；另一类是用户的用电需求数据。用电需求是指用户在某种特定环境，需要使用何种电器满足其生活工作等需求的相关数据，故用电需求数据除了电器习惯使用时段等必要统计数据外，还包括与用电行为相关的环境数据。

1.1 精细化用电数据采集

精细化用电数据指用户家庭各用电器的用电详情，包括工作状态、开关时间和电量等[15]。考虑到NILM技术在经济性和推广性方面有着巨大优势，本文所提出的精细化用电数据采集方案如图1所示。

图1 精细化用电数据采集Fig.1 Collection of refined power consumption data

NILM技术利用家庭用电器的总量信息采集家庭各用电器的用电数据，进而可以对各电器的用电信息等进行统计，获得用户家庭内部各用电器的用电详情。通常情况，用电器在运行过程中会在总量信息留下印记，基于用户总量信息中各用电器的功率量满足叠加性，NILM利用这些反应电器各自运行特性的印记实现用户用电总负荷功率分解[16]。具体方案参照图1，首先进行原始总量数据采集，而后进行负荷事件检测[17]，完成负荷（稳态和暂态）特征提取，最后通过将提取的负荷特征样本与负荷特征库中的模板进行逐一比对即可完成电器状态辨识和负荷分解。由此得到各用电器在目标时间段内的用电详情，作为家庭用电器能效评估策略以及用户用电行为分析优化等应用方面的数据基础[18]。

1.2 用电需求数据获取

本质上，能效可以理解为用户真实用电需求在实际用能中的占比，因此除了精细化用电数据外，真实用电需求也是评判用户用能是否合理的主要依据，获取方法如图2所示。用电需求一方面与用户习惯紧密相关，另一方面也会受到外部天气因素的影响，例如：气温升高会导致用户空调制冷负荷需求增大。因此，借助网络公开信息，结合NILM系统或用户自身提供的地理位置信息即可获取必要的天气信息，具体包括但不限于光照、温度、湿度、风力等相关数据。

图2 用电需求数据获取Fig.2 Collection of power demand data

对于各类电器用电需求，采取多用户NILM系统数据综合统计分析的方式获取。由于不同用户用能习惯和用能需求各不相同，首先对用户进行分类处理。对于用户属性信息比较完善的区域，可直接根据属性标签进行分类，用户属性包括住宅面积、常住人数、工作性质等；对于用户信息缺失的区域，可基于聚类分析等数据挖掘技术进行分类[19-20]。完成用户分类后，对每类用户内部各种电器的运行特性加以统计，其中不同电器运行模式下的平均有功、无功功率水平是关键信息。此外，NILM还可提供各用户每种电器的运行时段信息，进而获得各种电器的运行时段分布情况。将电器用能特性与运行时段信息结合，即可得到各类用户的用电行为习惯分析结果，并明确各类电器的平均耗电量以及时间分布，形成个性化能效评估所需的用电需求数据库。

2 家庭电器能效评估

通过上述方法可获得目标用户精细化用电数据和用电需求信息，用于家庭电器能效评估，而不同类型电器能效与评估方式不尽相同。对此，本文根据工作机理和使用目的将家庭用电器进行分类，对不同类别的电器建立不同的能效评估模型，并结合电器的运行状态等用电参数对其进行能效评估。

2.1 电器分类

从家庭电器使用目的和工作机理出发，根据用户用电的习惯及家电的使用时间、功率等运行特性的不同，将家庭用电器分为4类：基本负荷、可中断负荷、可转移负荷和储能负荷，如表1所示。使用时间比较固定的电器，例如电饭煲、电磁炉等，本文将这类电器定义为基本负荷；可中断负荷是指开关状态和使用时间受环境因素影响比较大的电器基荷，并且它们的运行状态可能随环境变化而随时切换，甚至中断，如空调、电风扇、照明设备等；可转移负荷是指使用时间可根据用户需要平移到别的时段的，具有最小连续工作时间和在工作时段内具有固定工作模式且不能中断的用电设备，如洗衣机等；储能负荷是指先在一定时间区间内存储定量电能，然后根据用户需求在特定时间内工作的电器，如充电宝、电动牙刷、电动剃须刀、扫地机器人等。

表1 家庭电器分类Tab.1 Classification of home appliances

2.2 电器能效模型

为实现科学准确的家庭电器能效评估，本文基于上述电器分类结果，对不同电器分别建立能效模型。由于储能负荷的功率占比相对较小，故只计及基本负荷、可中断负荷及可转移负荷。根据电器的工作状态是否与工作环境有关可将电器分为两类：第1类包括了基本负荷和可转移负荷，此类电器的工作状态完全取决于用户本身的用电需求与环境量无关，如电视机、电热水器等，电器能效体现在电器的有效使用时间在其总运行时间中的占比，故可建立时间能效模型；第2类则是可中断负荷，此类电器的工作状态与环境量紧密相关，如电风扇、空调、照明设备等，电器能效体现在温度和光照，所以建立温度能效模型和光照能效模型。

综上所述，家庭电器的能效模型函数具体分为时间能效模型、温度能效模型和光照能效模型，具体表述如下。

1）时间能效模型

时间能效模型用于电视机、电热水器等基本负荷和可转移负荷，根据电器的预期使用时间或固定使用时间与实际电器运行时间的关系，实现电器时间能效评价。对任意时刻t∈[ts,te]，ts为用电器运行的起始时刻，te为用电器运行的结束时刻，时间能效模型表示为

式中：Ti(t)为电器i的时间能效模型；tmin为电器使用时段起始时刻；tmax为电器使用时段终止时刻。例如，用户观看电视机的时间为19：00—19：30，电视机实际运行时间为18：50—19：30，则在时间段18：50—19：00，电视机的时间能效模型为0；在时间段19：00—19：30，电视机的时间能效模型为1。

2）温度能效模型

温度能效模型面向空调、电风扇等电器运行状态与用户家庭区域的温度参数相关的可中断负荷，根据用户家庭区域的温度参数和用户预设温度的关系，实现对用电器温度能效评价。温度能效模型表示为

式中：Ci(wt)为电器i的温度能效函数；wmin为预期最小温度阈值；wmax为预期最大温度阈值；wt为t时刻用户家庭的实际温度。若wt在[wmin,wmax]范围内，则温度能效模型为1；否则为0。

3）光照能效模型

光照能效模型面向照明设备，电器的运行状态与家庭实际光照环境相关，根据家庭的实际明亮程度，确定光照能效模型，表示为

式中：Li(lt)为电器i的光照能效函数；l1为屋内环境较暗；l2为屋内环境较亮；lt为该电器i在t时刻运行时所在区域的实际光照情况。

2.3 电器能效评估

在电器能效模型的基础上，结合NILM技术获取的各用电器精细化用电数据，提出了家庭电器能效动态评估方法。在计及自动调节电器的保温状态的基础上，该方法根据电器的运行功率或运行状态将其划分为不同等级的能效，并引入评分机制，可对当天电器的用电能效进行评分，通过对该电器一段时间内分数的纵向对比，提醒用户在该电器用电行为上可能存在的能效问题，进而对用户提出针对性用能意见。

为了量化评估电器能效，分别基于时间、温度和光照能效函数对不同电器进行电器能效评估。首先定义任意电器i在t时刻的运行状态Si(t)，并将其分为3种状态：工作Non、保温Ncon和停机Noff；电器i在t时刻的能效评估指标Ui(t)，并将其分为3种能效水平：高能效Nh、中等能效Nm、低能效Nl。

高能效表示用户消耗电能的同时获得了较高的价值和最大化的满意度[15]。对于具有时间特性的电视机、电热水器等基本负荷和可转移负荷，高效是指当用户使用时间等于用电器实际运行时间，用户获得了较高的价值。对于空调、电风扇等温度比较敏感的可中断负荷，以空调为例，当家庭区域实际温度高于用户期望环境温度时，空调处于运行状态，则表示空调处于高能效，用户获得了较高的价值和最大化的满意度。值得注意的是，空调的保温状态是将家庭区域内温度维持在用户设定温度的一种自动化运行模式，本文将其视为高能效。中等能效表示用户消耗电能过程中存在较少的电能损耗，特别对于自动调节的电器，例如热水器在达到设定温度后存在保温状态，这段时间用户并没有使用该电器，本文将其视为中等能效。基于以上原则，本文将对一天中不同时段内的所有电器逐一进行量化评分，处于高能效视为正分，低能效和中等能效视为负分，进而对各电器一天内不同时段的评分进行加权求和得到最终评分。

各时段权重依据电器运行功率水平而定，具体评分步骤如下。首先，分别计算电器在高能效、低能效时段的平均功率Pmean；然后，利用电器高能效、中等能效、低能效时段的平均功率，根据其最低运行功率Pmin和最高运行功率Pmax，结合对应的函数进行打分；最后，将其进行叠加得到该电器当天的评分。

分别根据时间能效模型、温度能效模型和光照能效模型给出能效评估方法。基于时间能效模型的电器能效评估，如表2所示。表中，Pmean为电器在高能效、低能效时段的平均功率，Pmin为电器最低运行功率，Pmax为电器最高运行功率。若电器处于工作状态且被用户实际使用，或者当电器处于关闭状态，则电器处于高能效；当电器处于工作状态但用户实际不需要使用该电器，则电器处于低能效[11]；但对于自动调节电器处于保温状态将其视为中等能效。

表2 基于时间能效函数家用电器能效评估Tab.2 Evaluation on energy efficiency of home appliances based on time energy efficiency function

基于温度能效模型电器能效评估如表3所示。若用户家庭区域内的温度已在用户期望温度之外，且电器处于工作状态且保障实际温度趋近于用户所需温度内，或者若电器处于保温状态，再或者若电器处于关闭状态，则电器处于高能效；若电器处于工作状态，用户家庭区域内的温度已处于用户期望温度，则电器处于低能效。

表3 基于温度能效函数家用电器能效评估Tab.3 Evaluation on energy efficiency of home appliances based on temperature energy efficiency function

基于光照能效模型电器能效评估，如表4所示。由于照明电器的亮度与功率量有直接联系，在进行能效评估时，利用运行功率量对其进行评估，具体如下。若照明电器处于暗处且用户需求为亮，电器工作则将其定义为高能效；否则，电器工作则将其定义为低能效。若照明电器处于关闭状态，则用电器处于高能效。根据照明电器的最大运行功率Pmax，可按照需求灵活的设定不同能效等级。计划将高、低能效等级都设为2级：高能效Ui(t)=Nh、较高能效和较低能效、低能效Ui(t)=Nl，根据电器实际运行功率判断其能效等级，见表4，其中P为与光照相关电器的实际运行功率。

表4 基于光照能效函数家用电器能效评估Tab.4 Evaluation on energy efficiency of home appliances based on illumination energy efficiency function

3 算例分析

为了验证所提方法的有效性，以某家庭某日实际耗电数据和统计所得该家庭用电需求为例，对该家庭各电器进行能效评估和详细分析。

3.1 精细化用能数据分析

该家庭主要电器包括空调、电热水器、电视机、饮水机、照明设备等，对如图3所示的夏季某日总功率曲线进行分析。为方便展示，仅以时段17：00—24：00为例。

图3 家庭总功率曲线Fig.3 Total power curve for one family

如第1.1节所述，根据图3所示的用户总量信息，采用NILM技术可得到户内精细化用能数据，不同电器的功率曲线如图4～图6所示。由图可见，电视机运行期间产生了大量无规则波动；空调运行期间功率水平较高，而且启动暂态过程呈现出明显的先上升后下降的波形特征；照明运行功率较小，且波形为标准的“矩形”。根据各电器的功率曲线，可分析出各用电器的运行时段，如表5所示。

图4 目标时段电视的有功功率曲线Fig.4 Active power curve of TV during target period

图5 目标时段空调的有功功率曲线Fig.5 Active power curve of air conditioner during target period

图6 目标时段照明设备的有功功率曲线Fig.6 Active power curve of lighting equipment in target period

表5 各用电器运行时间Tab.5 Running time of each appliance

3.2 用电需求数据分析

如第1.2节所述，用电需求数据主要获取方式是对用户用电活动的进行统计，并结合用户家庭所在地的天气数据，其中温度表示该家庭的室外温度，光照表示该家庭所在区域的亮度，均通过气象资料获得。表6给出了该用户基于时间能效函数电器的固定使用时段，表7给出了该用户基于温度和光照能效函数电器的使用环境值。

表6 用户典型用电器使用时间信息Tab.6 Working time of typical home appliances in one family

表7 用户典型用电器使用环境信息Tab.7 Environmental information about typical home appliances in one family

如表6所示，用户某种用电活动必然会有相应电器工作，由于用户用电习惯和用电规律，故相应用电器的使用时段也具有规律性，应在固定时间范围内，因而经统计可得到电器使用时间数据。不过，用户某些用电行为或用电活动受到环境因素变化而变化，故相应电器没有固定的使用时间，如空调、照明设备等。这类电器的使用状态与用户的用电期望和环境量有关，这类用电器的预设值或期望值，如表7所示。

综上所述，用户用电需求数据体现典型用电器为满足用户的用电活动的科学和合理的使用时间，以及使用环境，为实现家庭用电器准确科学能效评估提供数据支撑。

3.3 电器能效评估

根据当日气象资料，确定该用户家庭区域的目标时段17：00—24：00的光照环境和温度环境如图7所示。点线为用户家庭区域的温度曲线，虚线为用户的期望温度阈值，表示的温度范围为18～25℃，点划线表示用户家庭的明亮程度。

图7 光照和温度曲线Fig.7 Curves of illumination and temperature

1）基于时间能效函数的电器能效评估

在目标时段内该用户基于时间能效函数的电器为电视机，根据表5和表6的统计数据。用户典型使用时间为18：00—21：30，电视机实际运行时间为18：05—19：55，故Tt∈[Tmin,Tmax]，电视的EtTV(t)=1且STV(t)=Ton，故为高能效。

2）基于温度能效函数的电器能效评估

在目标时段该用户基于温度能效函数的电器为空调，根据目标时段内用户家庭区域的温度信息如图7所示。在时间17：00—22：30内，家庭区域内的实际温度高于用户的期望值，故空调的；在17：00—21：17内空调处于停机状态Scon(t)=Toff，故空调处于高能效；在21：17—22：30内空调处于运行状态，即Scon(t)=Ton，故空调处于高能效；在22：30—24：00内，家庭区域内的实际温度在用户期望值内，空调的；然而在22：30—23：52内空调处于运行状态，即Scon(t)=Ton，故此期间空调处于低能效。

3）基于光照能效函数的电器能效评估

在目标时段内基于光照能效函数的电器为照明，根据目标时段内用户家庭区域的光照信息如图7所示。在时间17：00—19：00内，家庭区域内实际光照情况为亮，故照明的，且在17：12—19：00照明设备处于运行状态，即Slight(t)=Ton，故照明设备在此时间段内处于低能效。在19：00—24：00内，家庭区域内的实际光照情况为暗，故照明的，且在19：00—22：05照明设备处于运行状态，即Slight(t)=Ton，故在此时间段内照明设备处于高能效。

综上所述，该用户空调在夜晚22：30—23：52时间内处于低能效，照明在下午17：12—19：00时间内处于低能效，故该用户应该注意空调和照明设备的使用，例如在夜晚可以开窗通风，在白天减少灯光的使用，以避免不必要的电能浪费。

4 结语

本文提出了基于非侵入式负荷监测的家庭电器能效评估方法。首先，提出了个性化能效评估数据采集方法，解决了精细化用电数据与用电需求数据获取的难题。对于单个用户，综合考虑实用性和精度，采用基于负荷事件检测的NILM方法从用户用电总量数据中获取各个电器设备的运行状态和能耗情况。在此基础上，基于大量用户的精细化用能数据，统计分析得到多类型用户的典型用能情况，并与天气数据融合形成用电需求数据库。其次，以个性化能效评估数据作为输入参量，可利用家庭能效评估模型，对用户内各个设备能效进行量化评分，并向用户提出针对用能意见，从而指导电力需求侧节能和管理。

实测算例表明，所提基于NILM的家庭电器能效评估方法，给出了一种切实可行的家庭能效量化评估方案。不难预见，随着NILM等技术的发展推广，该方案将有效帮助用户实现个性化节能降耗，可在保障用户满意度的基础上实现良好的节能效果。