薛冰， 楊祥勇， 李偉華， 魏恩偉， 王榮明

(1.深圳供電局有限公司， 深圳 518001； 2.深圳市康拓普信息技術有限公司， 深圳 518034)

0 引言

隨著我國能源建設以及智能電網的普及，越來越多的個人以及企業(yè)對于電力能效指標進行關注，而我國政府以及電力部門通過對節(jié)能降耗指標體系的研究，目前也取得了顯著成果，但是隨著我國居民用電的逐年增加，居民用電能效評估體系目前并未取得突破性研究，家庭電能消耗的管理依然面臨著缺乏完整體系，評估結果難以全面反映能耗情況等相關問題。因此針對家庭用電的相關問題，本文從我國東南沿海某市級城市的居民小區(qū)出發(fā)，研究該小區(qū)內居民用電數據，根據該數據設計出一套比較全面的家庭能效評估體系，從而敦促居民更為高效的使用現有電力。

1 相關理論

1.1 模糊綜合評價法

模糊數學起源于1965年，其是由美國加利福尼亞大學機電工程與計算科學系交手，扎德所創(chuàng)立，該方法用精準數學成功的描述了模糊數學的概念，從而也宣告了模糊數學的誕生。本文選用的模糊綜合評定法，源于背景師范大學數學數學系汪培莊先生的模糊綜評定法，并且根據電力系統具體情況加以應用。其具體實施步驟如下：

1)確定評價對象的因素集

設U={u1,u2,…,um}為刻畫被評價對象的m種評價因素(評價指標),其中:m是評價因素的個數,有具體的指標體系所決定。

為便于權重分配和評議，可以按評價因素的屬性將評價因素分成若干類,把每一類都視為單一評價因素，并稱之為第一級評價因素。第一級評價因素可以設置下屬的第二級評價因素,第二級評價因素又可以設置下屬的第三級評價因素,依此類推。

2)確定評價對象的評語集

設V={v1,v2，…,vn}，是評價者對被評價對象可能做出的各種總的評價結果組成的評語等級的集合。其中：vj代表第j個評價結果，j=1,2,…,n。n為總的評價結果數。一般劃分為3～5個等級。

3)確定評價因素的權重向量

設A=(a1,a2,…,am)為權重(權數)分配模糊矢量，其中ai表示第i個因素的權重,要求0≤ai,Σai=1。A反映了各因素的重要程度。在進行模糊綜合評價時，權重對最終的評價結果會產生很大的影響，不同的權重有時會得到完全不同的結論?，F在通常是憑經驗給出權重，但帶有主觀性。本文中權重向量的確立選取了10名電力系統工作員工，對于四個影響因子進行評級，最后去掉每項最高分，每項最低分其余部分求取平均值，最后四舍五入而成。

4)確立模糊關系矩陣R

單獨從一個因素出發(fā)進行評價，以確定評價對象對評價集合V的隸屬程度，稱為單因素模糊評價(one-way evaluation)。在構造了等級模糊子集后，就要逐個對被評價對象從每個因素ui上進行量化，也就是確定從單因素來看被評價對象對各等級模糊子集的隸屬度，進而得到模糊關系矩陣：

5)多指標綜合評價

利用合適的模糊合成算子將模糊權矢量A與模糊關系矩陣R合成得到各被評價對象的模糊綜合評價結果矢量B。

模糊綜合評價的模型為：

(b1,b2,…,bn)

其中：bj表示被評級對象從整體上看對評價等級模糊子集元素vj的隸屬程度。

6)對模糊綜合評價結果進行分析

模糊綜合評價的結果是被評價對象對各等級模糊子集的隸屬度，它一般是一個模糊矢量，而不是一個點值，因而他能提供的信息比其他方法更豐富。對多個評價對象比較并排序，就需要進一步處理，即計算每個評價對象的綜合分值，按大小排序，按序擇優(yōu)。將綜合評價結果B轉換為綜合分值，于是可依其大小進行排序，從而挑選出最優(yōu)者。

1.2 層次分析法確定權重

求權重是綜合評價的關鍵。層次分析法是一種行之有效的確定權系數的有效方法。特別適宜于那些難以用定量指標進行分析得復雜問題[11]。它把復雜問題中的各因素劃分為互相聯系的有序層使之條理化，根據對客觀實際的模糊判斷，就每一層次的相對重要性給出定量的表示，再利用數學方法確定全部元素相對重要性次序的權系數。其具體實施如下：

1)確定目標和評價因素

P個評價指標，u={u1,u2,…,up}。

2)構造判斷矩陣

判斷矩陣元素的值反映了人們對各元素相對重要性的認識，一般采用1—9及其倒數的標度方法。但當相互比較因素的重要性能夠用具有實際意義的比值說明時，判斷矩陣相應元素的值則取這個比值。即得到判斷矩陣S=(uij)p×p。

3)計算判斷矩陣

本文選用MATLAB軟件計算判斷矩陣S的最大特征根λmax，及其對應的特征向量A，此特征向量就是各評價因素的重要性排序，也即是權系數的分配。

4)一致性檢驗

2 電力能效評估體系建立

本次研究以我國東南沿海某市級城市的開發(fā)區(qū)某大眾小區(qū)為研究對象，該小區(qū)目前裝配有可以提取用戶每日用電信息的智能電表。小區(qū)入住率超過95%，調查對象具有普通家庭用電的基本特征。

2.1 因素論域確立

按照我國當今電力繳費制度通常以月為周期，對于居民用電進行電力繳費結算，而隨著當今科技的發(fā)展，智能電表已經可以提取出用戶每日的用電量信息，因此本次研究以用戶每月單日用電平均質量為基礎進行研究，故本次評價對象集為：

P=用戶每月單日平均用電質量

2.2 評價因子選取

通常來講，影響用戶家庭用電的因素較多，但是如果將客戶所有家電信息進行登記當前形勢來講，有些不符合目前國情。而從居民用電的根本來看，居民用電的本質在于舒適和方便，因此從這一角度出發(fā)，本次選取4個評價因子組成本次調查的評價因子集，其分別為：居民單日平均用電；居民高溫天氣單日平均用電；居民陰雨天氣平均用電；居民單日最大用電。

居民單日平均用電該指標可以涵蓋出用戶常用用電設備的基本使用情況，例如，冰箱，電飯鍋、照明設備等相關設備，這些設備的使用于居民來說，每月用電量基本固定，上下幅度相差不會太大，故可以在用戶單日平均用電來表示。

其中居民單日平均用電計算方式為：

A1-居民單日平均用電；a-居民單日用電；i-當月具體日期；j-當月總體日期

通常，空調作為居民用電的一大主要耗電設備之一，但是其使用于居民來說有著一定的條件，由于本次調查屬于東南沿海地區(qū)，以高溫天氣為主，因此空調的使用以大多用來制冷，因此本次研究根據其特點，單獨列出高溫天氣的日平均用電情況，該指標可以在一定程度上顯示出用戶對于制冷設備的使用情況，例如空調、電扇等設備。

居民高溫天氣單日平均用電計算方式為：

A2-居民高溫天氣平均用電；a-居民單日用電；i-當月具體日期；k-當月高溫日期

于居民來講，由于陰雨天氣客戶大多會選擇于室內活動，因此室內活動中家庭娛樂設施的使用會增加，如電視、電腦等相關設備，因此本次研究選取居民陰雨天氣單日用電為指標，其具體計算方式為：

A3-居民陰雨天氣平均用電；a-居民單日用電；i-當月具體日期；l-當月陰雨日期

居民最大用電表示，當月內居民用電最高的一日，該指標通常表示，用戶使用了某些特殊用電設備，例如電燒烤架、家庭音響等設備，該項指標的具體計算為：

A4=MAX(ai)

A4-居民當月最大用電；a-居民單日用電；i-當月具體日期；

故本次評級因子的集合為：

A={A1;A2;A3;A4}={居民單日平均用電；居民高溫天氣單日平均用電；居民陰雨天氣平均用電；居民單日最大用電}

2.3 評論域設定

根據居民用電的實際情況，本次設定將用戶用電劃分為A、B、C、D、E，將居民用電劃分為5個等級，A表示優(yōu)秀能效；B表示良好能效；C表示一般能效水平；D表示較差能效水平;E表示遠極差能效水平。

4)權重計算

根據4個評價因子，構造判定矩陣S=(uij)p×p，即：

最終經過歸一化處理后，權重因子為(0.05,0.35,0.15,0.45)

2.4 相關校驗

使用MATLAB計算矩陣S的最大特征根，其計算結果為λ=4.004 59；

故其判定矩陣一致性CI為：

而通過查表可得，平均隨機一致性RI=0.9；故隨機一致性比率為：

由于0.001 7<0.1，因此本次層次分析結果一致性令人滿意，故本次權重系數分配合理即權重分配有效。

3 相關應用

本次研究以我國東南沿海地區(qū)某小區(qū)內某單元樓5層整層10戶為例，對于其2018年6月的的整體用電情況進行研究，其具體數據如表1所示。

表1 居民用電數據

根據2018年6月相關信息，該月具有30天，因此居民單日平均用電量計算中j，取30，故可計算各戶中單日平均用電其具體結果如表2所示。

表2 居民用電數據

2018年6月，該地區(qū)溫度超過31度的天氣為25天，陰雨天氣(不包含陣雨)為19天，故其高溫天氣單日平均用電與陰雨天氣單日平均用電如表3所示。

表3 居民用電數據

將所有參數分別乘以對應權重后，最終得到用戶用電質量評估表如表4所示。

表4 居民用電數據

通過之前計算，最終結果小于6為A級，6～7為B級，7～8為C級，8～9為D級大于9為E級，故其最終評級如表5所示。

表5 居民用電數據評級

而最終經過筆者暗訪，發(fā)現居民A-501，為某家庭旅館，居室內空調超過4個，且經常處于24小時開放狀態(tài)；評級為D的居民大多為與父母同住的家庭，家庭人口較多，用電情況復雜；B，C為普通上班族，家庭用電情況大同小異，受家庭用電設備中用電器械的品牌以及年限影響較大；評級為A的家庭家里節(jié)能設備超過了50%。

4 總結

本次研究通過建立家庭電力能效評估體系，反應了該體系下，東南沿海地區(qū)居民用電能效的基本情況，通過層次分析法以及模糊綜合評定法，將家庭用電劃分為5個等級，為我國即將實行的分段計價的電力收費形式提供了一種思路，同時該體系由于其采集數據較為簡單，對于居民用電信息的搜集均通過智能電表采集而來，減去了居民具體信息帶來的主觀影響，方案簡單易行。但是由于筆直能力有限，該模型有待進一步加強，例如對于我國北方地區(qū)來說，冬季暖爐的使用在該模型中并沒有給出，同時，該模型只適合與普通居民小區(qū)，而對于高檔居民小區(qū)部分用電情況并不在考慮范圍內如高檔小區(qū)內私人大功率用電設備等。