摘 要： 东日本大地震和福岛核事故之后, 日本化石能源使用和二氧化碳排放量大幅增加。介绍了日本利用智能电能表降低住宅领域用电的措施和需求响应的运行模式。具体介绍了利用智能电能表采集每日的家庭用电负荷情况, 利用该数据通过频率分析和聚类分析2种方法判断该家庭的生活模式和用电模式。最后以此通过反馈报告对个别家庭用电方式进行指导, 以达到降低家庭用电量的目的。
关键词： 家庭用电; 智能电能表; 节电;
Abstract： Since the East Japan earthquake and Fukushima nuclear accident, both fossil energy consumption and CO2 emissions have been increased in Japan. This article introduces a method to reduce the household electricity consumption by utilizing smart meter and demand response operation mode in Japan in detail. This article introduces the use of smart meters to collect household electricity load, and determine the family lifestyle and power consumption model through frequency analysis and clustering analysis. Finally, through the feedback report it guides the individual families how to reduce household electricity consumption.
Keyword： household electricity consumption; smart meter; energy saving;
智能电能表作为家庭能源管理系统 (home energy management system, HEMS) 的一部分, 是一种能够降低住宅领域能源消耗的一种创新的技术。智能电能表已经在全球范围内扩展, 在发达国家, 到2020年将有8亿部智能电能表安装到家庭中。智能电能表将为用户提供用电情况, 为用户合理使用电能提供参考。Google研究显示, 若家庭用户能够及时了解住宅的详细用电情况, 能够使每月电费开支下降5%~15%。若美国有一半家庭每个月节省这么多的电能消费, 减少的碳排放量相当于减少800万辆汽车的使用[1]。
家庭能源消费受建筑、家用电器、居民及其行为的各种特征的影响, 很多学者在这方面做了相关研究。文献[2]介绍了日本在需求响应方面的运作模式和激励机制。文献[3]调查了东日本大地震后东京和大阪地区居民的志愿节点意愿情况, 提出智能电能表的广泛安装是家庭节电必要措施。文献[4]提出了家庭的18种特征, 比如家庭收入情况、家庭人口等等, 研究了家庭用电量和这些特征之间的关联性。文献[5]利用仿真模型和大阪市的实测数据对政府的住宅领域节能措施进行了评估。文献[6]按照日本人口分布在全国范围选取了用智能电能表计量的1 072户家庭, 统计了这些家庭的用电负荷曲线, 研究了家庭用电量和居民生活方式之间的关系。结果表明, 通过智能电能表对住宅领域能源负荷曲线进行研究, 分析生活方式与电能使用量的关系, 并反馈给用户, 影响用户的用电习惯, 是减少电能消耗的一项重要方式。本文综合以上学者的研究, 提出家庭节电新方法。
1 日本能源使用现状
1.1 能耗现状
根据日本经济产业省资源厅2015年发布的能源年度报告统计, 2014年日本住宅领域的能源消费量占全日本能源消耗总量的14.3%, 达到2 051 PJ/年, 二氧化碳的排放量为475.9 Mt/年, 自1973年起翻一番。由于东日本大地震和福岛核事故的影响, 日本核能使用率由2010年的28.6%降至接近0, 而化石能源使用率由2010年的62%升至88%[7—8]。由于日本能源匮乏, 能源主要依赖于进口, 所以日本一直致力于降低能源消耗、提高能源效率的研究中。
1.2 气候对电力使用的影响
日本属于温带, 因此四季分明。图1分别显示日本札幌、东京和福冈3个城市的月平均气温, 札幌位于日本北海道地区, 气温较低。福冈位于日本九州地区, 气温相对较高[6]。分析图1可以看出, 1月份和8月份的气温差值均大于20℃。冬季、夏季均需要使用电能进行供暖或制冷。因此对家庭负荷情况按照季节分别进行分析。
图1 日本3个城市月平均气温
1.3 日本需求响应运行方式
在日本, 需求响应 (demand response, DR) 有完善的组织管理体系:第一层经济产业省和地方有关部门依据相关法律, 制定经济上的节能政策和目标, 对相关产业进行管理;第二层日本节能中心和新能源产业技术综合开发机构 (NEDO) 组织、管理、推广节能项目;第三层节能产品企业负责落实上层制定的各项政策措施。在这种运作模式下, 指定的节能项目和节能产品对居民家庭用户提供财政补贴和低息贷款[2]。需求响应中政府通过财政手段促使居民家庭用户节约用电量, 是需求侧管理行之有效的举措。但是通过对居民用户心理的研究, 通过了解自己家庭的用电量来提升家庭节电主观能动性, 可减少政府的支出, 同时也能获得良好的效果。
2 生活方式模式识别
家庭能源消费很大程度上受居民生活方式的影响, 所以调查居民生活方式与用电量之间的关系是降低用电量的重点。作为大力提倡减少对居民影响、提高服务质量的国家, 日本采用分析居民用电负荷数据的方式进行研究。目前分别使用频率分析和聚类分析2种方法对家庭生活方式进行识别。
2.1 频率分析
频率分析一直被用来建立和预测电力消费的负荷分布, 其中最受欢迎的方法为傅里叶变换 (fourier transformation, FT) 。近年来, FT广泛应用于个人家庭用电量的预测。文献[9]比较了7种不同的方法 (傅里叶变换、神经网络、高斯过程、自回归、模糊逻辑、小波和多元回归/概率) 来预测和刻画家庭用电量, 其结果表明, FT最适合描述家庭负荷趋势。
2.1.1 周用电负荷曲线FFT频率分析
使用快速傅里叶变换 (FFT) 对单个用户家庭的周电力负荷曲线进行频率分析。根据频谱分布的最大峰值对家庭进行分类。在样本采集时, 采样周期为10 min, 一周的用电负荷曲线由1 024个数据点构成。对家庭一周的用电负荷曲线进行FFT分析后, 选取最大峰值所对应的频率及周期。通过2014年10月至2015年9月的51周内对1 072户家庭用电情况的分析发现, 绝大多数家庭用电峰值的周期为12 h或24 h。分析负荷曲线, 12 h模式家庭的用电量高峰负荷一天发生2次, 在7:00和20:00;而24 h模式用电负荷峰值从20:00开始, 持续到24:00, 晚上的峰值高于早上。由此, 可以看到不同群体的家庭在每个特定的一周内有不同的生活方式。12 h模式家庭倾向于早晨在家使用电器;24 h模式家庭倾向于晚上在家使用电器。
因此, 将家庭的用电模式可化分为12 h模式和24 h模式。图2表示2014年10月至2015年9月间每周用电模式分别处于12 h模式和24 h模式的家庭数占全部家庭的比例。从图2中可以发现, 在秋、冬和春季时12 h模式的家庭较多, 而在夏季, 处于24 h模式的家庭较多。
图2 12 h和24 h模式家庭比例图
2.1.2 不同用电模式用电量数据比较
判断家庭该周的用电模式后, 对12 h模式的平均用电负荷和24 h模式的平均用电负荷进行分析。图3比较了不同时期12 h模式家庭和24 h模式家庭平均每日用电量。
从图3中可以看出, 从春季到秋季 (2014年10月和2015年3月至9月) , 24 h模式家庭消耗了更多的电力, 这个差异在夏季尤为显着。可以推断, 24 h模式家庭夜间需要电力照明和室内降温。相比之下, 12 h模式家庭冬季消费量 (2014年12月至2015年2月) 大于24 h模式家庭的消费量, 这可能是由于清晨照明和供暖的需求所致。
图3 不同时期12 h模式和24 h模式家庭平均每日用电量
通过识别用电模式, 居民可以判断在各个季节选择哪种生活方式可以减少家庭用电。例如在夏季, 供电公司可以激励居民转向注重早上用电的生活方式, 这种生活方式比夜生活更节能、健康。
2.2 聚类分析
各种聚类技术适合分析成组的电力负荷分布, 有很多研究对聚类分析进行了研究。文献[5]对爱尔兰4 232户家庭的负荷分布进行了分类, 揭示了每天的家庭负荷特征。在日本的研究中, 主要关注的是每一天家庭用电负荷特征的变化。并且关注的是一年特定时段 (1个月) 的负荷分布的相对微小变化, 因为家庭生活方式可能会随着季节变化而改变。根据每个月的负荷情况, 及时提供每户家庭反馈对减少用电量是有效的。
2.2.1 家庭每月日用电负荷曲线聚类分析
根据对聚类分析有效性的研究, 聚类数在5~6个时对家庭负荷曲线聚类效果较好。对1个月内居民家庭日负荷曲线进行聚类后, 样本数目最多的一类即为该家庭当月的典型负荷模式。在对有完整数据的200多个家庭2014年4月到2015年3月的每月的日负荷曲线进行了聚类分析后显示, 图4表示家庭中典型负荷模式的平均天数, 图4中显示每个月约有一半的负荷分布属于典型的负荷模式。
2.2.2 不同负荷模式用电量比较
对家庭负荷曲线进行分类后, 比较每月典型负荷模式与其它负荷的日平均耗电量。图5表示有完整数据的200多个家庭2014年4月到2015年3月的每月的典型负荷模式下和其它负荷模式下的平均日用电量。
对比典型负荷模式和其它负荷模式下的用电负荷情况, 家庭在典型负荷模式情况下的用电量明显减少。通过比较负载模式, 居民可以确定其何时消耗更大的电量。
图4 典型负荷模式月平均天数所占比例
图5 典型负荷模式和其它负荷模式下的平均日用电量
3 用电指导
在对家庭生活方式模式进行识别后, 利用智能电能表所获得的数据对个别家庭进行反馈, 根据用电情况对家庭用电策略进行建议和指导。图6和图7是2种模式识别方式下的反馈报告的例子。其中图6是频率分析下用电情况反馈报告, 图7是聚类分析下用电情况反馈报告。
这2份反馈报告包括2部分:“日常用电情况”和“节电小建议”。图6是对于家庭1周 (8月第3周) 用电情况基于频率分析的结果。日常用电情况中的图表比较了这1周内该家庭用电和家庭的平均负荷状况, 以表明该家庭比一般家庭更倾向于在夜间用电。反馈在“节电小建议”中表明熬夜可以消耗大量的用于照明的电力且损害健康, 并建议该家庭尝试健康和环保的早上生活方式。第二个反馈报告 (图7) 是对家庭一个月 (7月) 每天用电情况基于聚类分析的结果。为了确定家庭消耗大量电力的日期和时间, “日常用电情况”中的图表比较了处于普通生活方式 (典型的负荷模式) 和消耗大量电力的日子里的负荷情况, 指出在消耗大量电力的日子里用电量远远增加的时刻。最后, 反馈报告在“节电小建议”中建议家庭回顾日常生活。这样的做法能够找出增加用电量的原因, 并帮助家庭寻找节能措施。
图6 频率分析下用电情况反馈报告
图7 聚类分析下用电情况反馈报告
4 结束语
住宅领域用电在电力消费市场中占有重要的地位, 通过对居民用电行为进行指导的方式减少住宅用电不仅能够减少电力消费, 减少温室气体排放, 而且可以培养居民的节能意识。
本文介绍了日本利用智能电能表降低住宅领域用电的措施, 具体介绍了利用智能电能表采集家庭每日的用电负荷情况, 利用该数据判断该家庭的生活模式和用电模式, 并以此对个别家庭用电方式进行指导, 以达到降低家庭用电量的目的。这样的方式在心理上增加了居民减少电能消费的积极性。目前我国智能电能表安装情况仍低于发达国家水平, 对智能电能表应用的研究同样处于起步阶段。日本对智能电能表的应用能够对我国起到借鉴的作用。
参考文献：
[1]张文亮, 刘壮志, 王明俊, 等.智能电网的研究进展及发展趋势[J].电网技术, 2009, 33 (13) :1-11.
[2]裴丽君.美国和日本需求响应运作模式和激励机制[J].电力需求侧管理, 2013, 15 (2) :57-60.
[3]Makoto Tanaka, Takanori Ida.Voluntary electricity conservation of households after the Great East Japan Earthquake:A stated preference analysis[J].Energy Economics, 2013 (39) :296-304.
[4]Christian Beckle, Leyna Sadamori, Thorsten Staake, et al.Revealing household characteristics from smart meter data[J].Energy, 2014 (78) :397-410.
[5]Yoshiyuki Shimoda, Takahiro Asahi, Ayako Taniguchi, et al.Evaluation of city-scale impact of residential energy conservation measures using the detailed end-use simulation model[J].Energy, 2007, 32 (9) :1 617-1 633.
[6]Akito Ozawa, Ryota Furusato, Yoshikuni Yoshida.Determining the relationship between a household’s lifestyle and its electricity consumption in Japan by analyzing measured electric load profiles[J].Energy and Buildings, 2006 (119) :200-210.
[7]Agency for Natural Resources and Energy.Annual Report on Energy[Z].2014.
[8]National Institute for Environmental Studies.National GHGs Inventory Report of Japan[Z].2015.
[9]F McLoughlin, A Duffy, M Conlon.Evaluation of time series techniques to characterise domestic electricity demand[J].Energy, 2013 (50) :120-130.
