王 沖，張文龍，王欣宇

(1.國(guó)網(wǎng)內(nèi)蒙古東部電力有限公司信息通信分公司，呼和浩特 010020；2.國(guó)網(wǎng)吉林省電力有限公司，長(zhǎng)春 130000)

研究與探索

家庭電力能效評(píng)估方法的研究

王 沖1，張文龍2，王欣宇1

(1.國(guó)網(wǎng)內(nèi)蒙古東部電力有限公司信息通信分公司，呼和浩特 010020；2.國(guó)網(wǎng)吉林省電力有限公司，長(zhǎng)春 130000)

基于家庭用戶用電行為特征及家用電器的使用時(shí)間段特性建立家庭電力指標(biāo)體系，并提出家庭電力能效評(píng)估方法。首先基于特征值和G1群組相結(jié)合計(jì)算各評(píng)價(jià)指標(biāo)的主觀權(quán)重值，然后基于貝葉斯方法計(jì)算各評(píng)價(jià)指標(biāo)的客觀權(quán)重值，最后運(yùn)用最小二乘法確定組合權(quán)重值，并構(gòu)建基于遞階綜合評(píng)價(jià)方法的能效評(píng)估模型，對(duì)家庭電力能效情況進(jìn)行綜合評(píng)估。經(jīng)實(shí)例驗(yàn)證，該方法能準(zhǔn)確地檢測(cè)和評(píng)估家庭能耗情況，有效地提高了居民用電效率。

能效評(píng)估方法；特征值和G1群組相結(jié)合；貝葉斯方法；能效評(píng)估模型

隨著智能用電技術(shù)的發(fā)展，智能家居逐漸進(jìn)入人們?nèi)粘Ｉ?，通過(guò)量測(cè)控制技術(shù)獲取大量家庭用電信息已成為可能。如何充分利用這些信息進(jìn)行能效評(píng)估，并有針對(duì)性地制訂家庭節(jié)能方案是電力需求側(cè)管理中亟待解決的問(wèn)題。針對(duì)這些問(wèn)題，有必要設(shè)計(jì)更為全面的家庭電力能效評(píng)估方法，監(jiān)測(cè)和評(píng)價(jià)家庭能耗，為居民家庭提供高效的用電方案，從而提高居民用電效率[1]。

本文基于家庭用戶的用電行為特征及用電器使用時(shí)間段特性，建立指標(biāo)體系，并運(yùn)用粗糙集理論屬性約簡(jiǎn)對(duì)初步構(gòu)建的指標(biāo)體系進(jìn)行篩選優(yōu)化，然后基于特征值和G1群組相結(jié)合計(jì)算各評(píng)價(jià)指標(biāo)的主觀權(quán)重值，基于貝葉斯方法計(jì)算各評(píng)價(jià)指標(biāo)的客觀權(quán)重值，最后運(yùn)用最小二乘法計(jì)算組合權(quán)重值，并構(gòu)建基于遞階綜合評(píng)價(jià)方法的能效評(píng)估模型，對(duì)家庭電力能效情況進(jìn)行綜合評(píng)估。

1 家庭電力指標(biāo)體系

節(jié)能省電是衡量家庭電力能效好壞的主要方面，重點(diǎn)研究家庭電力能效與節(jié)能量化方法。通過(guò)采集家庭用戶信息、家庭用電器信息、家庭用電信息、節(jié)能設(shè)備信息及環(huán)境影響因素進(jìn)行能效管理，建立適宜的家庭電力指標(biāo)體系，進(jìn)行節(jié)能減排評(píng)價(jià)。

通過(guò)問(wèn)卷調(diào)查獲取家庭用戶的基本用電信息，利用統(tǒng)計(jì)聚類分析得出典型家庭用電特征時(shí)間段負(fù)荷曲線仿真圖如圖1所示。5類用戶表示不同家庭用戶在不同時(shí)間段的用電負(fù)荷量。

圖1 家庭電力特征時(shí)間段負(fù)荷曲線仿真圖

由圖1聚類結(jié)果可以看出家庭用戶的用電模式分為4個(gè)時(shí)段：低峰期，早高峰期，平滑期，晚高峰期。

廣東省分時(shí)電價(jià)方案表，如表1所示。

表1 廣東省分時(shí)電價(jià)方案 元/kWh

圖2 初步建立的家庭電力能效評(píng)估指標(biāo)體系

由圖1和表1可以看出家庭用戶的用電特征和用電器的使用特征時(shí)間段對(duì)家庭的能效水平有直接的影響，所以家庭用戶電力能效評(píng)估指標(biāo)體系的構(gòu)建應(yīng)該綜合家庭用戶用電特征及用電器的使用特征時(shí)間段特性[1]。初步建立的家庭電力能效評(píng)估指標(biāo)體系如圖2所示。

總結(jié)以往的指標(biāo)體系設(shè)計(jì)原則和經(jīng)驗(yàn)，為確保評(píng)估結(jié)果的科學(xué)準(zhǔn)確性，建立的家庭電力能效評(píng)估指標(biāo)體系應(yīng)該能直觀、全面地反映出家庭電力能效情況。

初步建立的家庭電力能效指標(biāo)體系主要包括家庭用戶信息、家庭用電器信息、家庭用電信息、節(jié)能設(shè)備信息和環(huán)境因數(shù)等5個(gè)方面，然后通過(guò)數(shù)據(jù)預(yù)處理，以確保能效評(píng)估模型的準(zhǔn)確性。數(shù)據(jù)預(yù)處理主要分為類型一致化和無(wú)量綱化兩方面。數(shù)據(jù)預(yù)處理主要用來(lái)去除指標(biāo)數(shù)據(jù)的單位限制，將其轉(zhuǎn)化為無(wú)量綱的純數(shù)值，便于不同單位或量級(jí)的指標(biāo)能夠進(jìn)行比較和加權(quán)；最后通過(guò)數(shù)據(jù)分析、聚類分析和統(tǒng)計(jì)分析完成指標(biāo)體系的初步建立。

然而由于評(píng)價(jià)指標(biāo)較多，其中必然存在冗余和重疊，所以要在盡量保留主要評(píng)價(jià)指標(biāo)的同時(shí)去除次要評(píng)價(jià)因素，在不影響評(píng)估模型可靠性的同時(shí)，對(duì)其進(jìn)行篩選優(yōu)化，本文采用粗糙集理論屬性約簡(jiǎn)對(duì)其進(jìn)行篩選優(yōu)化[2-4]?；诖植诩碚搶傩约s簡(jiǎn)篩選優(yōu)化后的家庭電力能效評(píng)估指標(biāo)體系如圖3所示。

圖3 篩選優(yōu)化后的家庭電力能效評(píng)估指標(biāo)體系

2 家庭電力能效評(píng)估方法

2.1 基于特征值和G1群組相結(jié)合計(jì)算指標(biāo)主觀權(quán)重值

如果家庭用戶能效評(píng)估中某一指標(biāo)xi的重要程度大于xj，則記為xi>xj。若指標(biāo)x1，x2，…，xm相對(duì)于評(píng)價(jià)指標(biāo)集X={x1，x2，…，xm}，可按下述步驟確定它們的序列關(guān)系：首先從指標(biāo)集X中選出m個(gè)指標(biāo)中最重要一個(gè)指標(biāo)，標(biāo)記為xi；然后再?gòu)氖Ｏ碌闹笜?biāo)中，選取出最重要的一個(gè)指標(biāo)，標(biāo)記為xj；以此類推；這樣唯一的指標(biāo)序關(guān)系就可以確定了。

設(shè)rk=wk-1/wk，其中wk代表在X中第k項(xiàng)評(píng)價(jià)指標(biāo)所對(duì)應(yīng)的權(quán)重值。rk值具體含義見(jiàn)表2。

表2 分級(jí)比例標(biāo)度參考表

(1)

wk-1=rkwk，k=m，m-1，…，3，2

(2)

特征值法和G1法相結(jié)合確定指標(biāo)權(quán)重值，其具體的計(jì)算步驟如下：

(1)首先對(duì)處于相同層次的家庭能效指標(biāo)兩兩進(jìn)行比較，然后建立判斷矩陣A。

(3)

其中i，j=1，2，…，m。

式(3)表示在評(píng)價(jià)指標(biāo)集X中，指標(biāo)xi相對(duì)于指標(biāo)的序關(guān)系及重要程度。

(2)利用矩陣乘積方根的方法確定wi。

(4)

(3)由所確定的特征向量wi，求最大特征值λmax。

(5)

(4)根據(jù)λmax計(jì)算判斷矩陣的一致性指標(biāo)β。

(6)

(5)隨機(jī)一致性比率α為判斷矩陣一致性指標(biāo)β與同階平均隨機(jī)一致性指標(biāo)γ的比值；通常認(rèn)為當(dāng)α<0.1時(shí)，即判斷矩陣滿足一致性。

(6)如果判斷矩陣A滿足一致性，即特征向量為歸一后的指標(biāo)權(quán)重；否則，按式(1)、式(2)去計(jì)算指標(biāo)權(quán)重。

綜合家庭電力能效評(píng)估中，專家對(duì)4項(xiàng)一級(jí)評(píng)價(jià)指標(biāo)進(jìn)行分析，確定其序列關(guān)系，利用式(1)—式(6)可以計(jì)算出能效評(píng)估模型中一級(jí)指標(biāo)和二級(jí)指標(biāo)的主觀權(quán)重值[5-6]。

2.2 基于貝葉斯方法計(jì)算指標(biāo)客觀權(quán)重值

設(shè)V={v1，v2，…，vn}表示指標(biāo)體系評(píng)判集。假設(shè)Ai={ai1，ai2，…，aim}為Ui中各因素相對(duì)V的權(quán)重系數(shù)集，并且滿足ai1，ai2，…，aim=1，aim根據(jù)U中各因素的重要程度進(jìn)行分配。同理，對(duì)于高層因素集，可設(shè)A={a1，a2，…，am}為U中各因素相對(duì)V的權(quán)重系數(shù)集，其中滿足a1+a2+…+am=1，ai根據(jù)U中各因素的重要程度分配。

本文將家庭電力用戶能效狀態(tài)由高到低分為5級(jí)。通過(guò)各單因素模糊評(píng)價(jià)獲得模糊綜合評(píng)判矩陣Y。

(7)

(8)

式中m——家庭用戶信息和家庭用電信息指標(biāo)個(gè)數(shù)；c——評(píng)估等級(jí)數(shù)(c=5)；yij——對(duì)ui的評(píng)價(jià)中，評(píng)判等級(jí)vj(j=1，2，…，m)所占份額；fij——第i個(gè)因素被評(píng)為第j個(gè)評(píng)判等級(jí)vj的總次數(shù)。

再對(duì)各指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，歸一化為同一量綱，得到標(biāo)準(zhǔn)指標(biāo)值矩陣R=[ri，j]c×m，其標(biāo)準(zhǔn)化處理方法為

(9)

式中L——“成本型”指標(biāo)，即：屬性值愈小愈好的指標(biāo)；H——“效益型”指標(biāo)，即：屬性值愈大愈好的指標(biāo)。

家庭電力指標(biāo)體系中一級(jí)指標(biāo)：家庭用戶信息A、家庭用電信息C、家庭用電器信息B，二級(jí)指標(biāo)A1，A3，C1，B1，B2，B3，B4，B7，B9為效益型。節(jié)能設(shè)備信息D、環(huán)境因素影響E，二級(jí)指標(biāo)A2，A4，A5，C2，C3，D1，D2，D3，D4，E1，E2，E3為成本型。

貝葉斯方法確定權(quán)重。在確定各等級(jí)下指標(biāo)主觀權(quán)重的基礎(chǔ)上，采用貝葉斯方法，用各等級(jí)下的標(biāo)準(zhǔn)指標(biāo)值對(duì)主觀權(quán)重進(jìn)行修正。設(shè)主觀權(quán)重為u1，u2，…，um，即指標(biāo)Ij的概率為p(Ij)=u，且在Ij下，等級(jí)Gi發(fā)生的概率為p(Gi|Ij)=ri，j，利用貝葉斯方法，在等級(jí)Gi下，第j個(gè)指標(biāo)的權(quán)重(后驗(yàn)概率)為：

(10)

構(gòu)建目標(biāo)優(yōu)化模型：

(11)

由這些公式可以求出能效評(píng)估模型中一級(jí)指標(biāo)和二級(jí)指標(biāo)的客觀權(quán)重值。

2.3 基于最小二乘法的組合權(quán)重的評(píng)估方法

最小二乘法又稱最小平方法，通過(guò)最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配，利用最小二乘法可以簡(jiǎn)便地求得未知的數(shù)據(jù)，并使得這些求得的數(shù)據(jù)與實(shí)際數(shù)據(jù)之間誤差的平方和為最小。結(jié)合最小二乘法，建立基于最小二乘法的層次分析和信息熵組合權(quán)重的評(píng)估方法[7-8]。

設(shè)主客觀優(yōu)化組權(quán)重為w，各系統(tǒng)狀態(tài)的能效評(píng)價(jià)值為W,第i個(gè)狀態(tài)的評(píng)價(jià)值為Wzi，規(guī)范化矩陣R，如式(2)～式(5)所示。

基于特征值和G1群組相結(jié)合計(jì)算指標(biāo)主觀權(quán)重值為：

wa=[wa1，wa2，…，wam]T

(12)

基于貝葉斯方法計(jì)算指標(biāo)客觀權(quán)重值為：

wb=[wb1，wb2，…，wbm]T

(13)

兩種方法下評(píng)價(jià)值偏差越小越好，為此建立最小二乘法優(yōu)化組合評(píng)價(jià)模型D(w)。設(shè)x，y為wa，wb的系數(shù)，則：

(14)

構(gòu)建拉格朗日函數(shù)，得到：

(15)

求偏導(dǎo)，得：

(16)

(17)

用矩陣可以表示為

(18)

式中A——對(duì)角矩陣；e，w和B——向量。

(19)

e=[1，1，…，1]T

(20)

(21)

求解，得到組權(quán)重值為：

(22)

2.4 基于遞階綜合評(píng)價(jià)方法的家庭用戶綜合能效評(píng)估模型

設(shè)定家庭用戶的5個(gè)一級(jí)評(píng)價(jià)指標(biāo)的權(quán)向量為P=[p1，p2，…，pm]，并已知其在第i項(xiàng)一級(jí)評(píng)價(jià)指標(biāo)中，所對(duì)應(yīng)的二級(jí)評(píng)價(jià)指標(biāo)的權(quán)向量為Q，則二級(jí)評(píng)價(jià)指標(biāo)的權(quán)向量Q=[qi1，qi2，…，qim]，則所建立的評(píng)估模型為

(23)

基于遞階綜合評(píng)估方法建立評(píng)估模型[9-11]，對(duì)家庭用戶能效水平進(jìn)行綜合評(píng)估，實(shí)際上是分別對(duì)各級(jí)評(píng)價(jià)指標(biāo)權(quán)重值進(jìn)行了兩次加權(quán)綜合計(jì)算。其評(píng)價(jià)結(jié)果不僅可以直接反映家庭用戶的綜合能效情況，而且可以從各個(gè)能效方面進(jìn)行具體的分析，從而發(fā)現(xiàn)家庭用電能效相對(duì)薄弱的環(huán)節(jié)，制定出有針對(duì)性的節(jié)能方案，有效的提高居民用電效率。

3 實(shí)例分析

特征值和G1群組相結(jié)合計(jì)算指標(biāo)主觀權(quán)重值：

wA=0.27,wB=0.23,wC=0.26,wD=0.15,wE=0.09

A={0.201,0.206,0.176,0.181,0.234}

B={0.132,0.221,0.106,0.191,0.171,0.177}

C={0.389,0.396,0.215}

D={0.277,0.233,0.205,0.285}

E={0.336,0.371,0.293}

貝葉斯方法計(jì)算指標(biāo)客觀權(quán)重值：

wA=0.27,wB=0.21,wC=0.24,wD=0.20,wE=0.08

A={0.189,0.201,0.107,0.191,0.219}

B={0.130,0.189,0.107,0.189,0.169,0.216}

C={0.331,0.289,0.380}

D={0.249,0.261,0.283,0.207}

E={0.331,0.347,0.322}

基于最小乘法確定的組合權(quán)重值：

wA=0.26,wB=0.24,wC=0.25,wD=0.15,wE=0.10

A={0.187,0.207,0.180,0.177,0.249}

B={0.133,0.231,0.105,0.189,0.169,0.173}

C={0.321,0.353,0.326}

D={0.251,0.247,0.281,0.221}

E={0.341,0.362,0.297}

以綜合權(quán)重值的數(shù)據(jù)為基礎(chǔ)，按式(23)即可求得電力用戶綜合能效評(píng)估模型為

y=0.071 9x11+0.069 0x12+0.065 3x13+0.072 3x14+0.047 2x13+0.093 4x21+0.085 3x22+0.034 7x23+0.043 1x24+0.046 9x27+0.031 1x29+0.065 3x31+0.048 1x32+0.106 9x33+0.064 7x41+0.079 2x42+0.043 1x43+0.106 9x44+0.064 7x51+0.079 2x52+0.067 2x53

(24)

為檢驗(yàn)家庭用戶的評(píng)估效果，選取3組家庭數(shù)據(jù)，利用家庭用戶能效評(píng)估模型式(24)，對(duì)其進(jìn)行綜合能效評(píng)估。其綜合能效評(píng)價(jià)結(jié)果見(jiàn)表3。

由表3可知，就家庭用戶的整體能效而言，家庭用戶1綜合能效水平最高，家庭用戶2次之。但從家庭能效局部的指標(biāo)來(lái)看，3個(gè)家庭用戶各有其優(yōu)勢(shì)和缺陷，如整體能效水平最高的用戶1，其家庭用電信息評(píng)估結(jié)果相對(duì)較低，綜合能效水平不高的用戶3，其家庭電器信息能效水平卻最高。因此，以此結(jié)果作為評(píng)估依據(jù)，可以有效地針對(duì)家庭用電能效相對(duì)薄弱的環(huán)節(jié)，科學(xué)地制定節(jié)能方案，充分挖掘節(jié)能潛力，提高家庭用電效率。

表3 家庭電力綜合能效評(píng)估結(jié)果

4 結(jié)語(yǔ)

為了能綜合反映家庭用電的能效水平，促進(jìn)全社會(huì)節(jié)能工作的進(jìn)一步進(jìn)行，本文通過(guò)提出家庭用電能效狀態(tài)模糊綜合評(píng)估方法，對(duì)家庭用電能效水平進(jìn)行全面評(píng)估。同時(shí)，為用戶更好地了解家庭整體用電狀況、主要能耗問(wèn)題以及節(jié)能策略提供了科學(xué)依據(jù)，主要應(yīng)用前景如下：

(1)可為分時(shí)電價(jià)、峰谷電價(jià)的順利實(shí)施提供科學(xué)參考依據(jù)；

(2)增強(qiáng)家庭用戶對(duì)用電信息的全面了解，提高用電模式的自主選擇權(quán)；

(3)挖掘家庭用戶的節(jié)能潛力，推進(jìn)電力需求側(cè)節(jié)能工作的進(jìn)一步實(shí)施；

(4)形成一套較為完善的家庭用電能效評(píng)估體系。經(jīng)實(shí)例驗(yàn)證，該方法不僅能評(píng)估和監(jiān)測(cè)家庭能效情況，而且可就某一局部能效進(jìn)行具體的評(píng)估，從而科學(xué)有效地提高了居民用電效率。應(yīng)用實(shí)例表明，該方法不僅操作簡(jiǎn)捷、適用性強(qiáng)，而且具有良好的實(shí)用價(jià)值。

[1] 曲朝陽(yáng)，王沖，王蕾，等.智能用電環(huán)境下的家庭電力能效評(píng)估指標(biāo)體系[J].華東電力,2014,42(6):1079-1084.

QUZhaoyang，WANGChong，WANGLei,etal.Householdelectricenergyefficiencyevaluationindexsysteminsmartelectricityenvironment[J].EastChinaElectricPower,2014,42(6):1079-1084.

[2]李遠(yuǎn)遠(yuǎn).基于粗糙集的指標(biāo)體系構(gòu)建及綜合評(píng)價(jià)方法研究[D].武漢：武漢理工大學(xué),2009.

[3]張慶寶，劉青山．基于粗糙集屬性約簡(jiǎn)算法和支持向量機(jī)的短期負(fù)荷預(yù)測(cè)[J]電網(wǎng)技術(shù),2006,30(8):56-59.

ZHANGQingbao,LIUQingshan.Short-termloadforecastingbasedonattributereductionalgotithmofroughsetsangsupportvectormachine[J].PowerSystemTechnology,2006,30(8):56-59.

[4]肖迪，胡壽松．實(shí)域粗糙集理論及屬性約簡(jiǎn)[J].自動(dòng)化學(xué)報(bào),2007,33(3):253-258.

XIAODi,HUShousong.Realroughsettheoryangattributereduction[J].ACTAAutomaticaSinica,2007,33(3):253-258.

[5]吳劍飛，姚建剛，陳華林，等. 電力客戶能效狀態(tài)模糊綜合評(píng)估[J].電力系統(tǒng)保護(hù)與控制,2010, 38(13): 94-98.

WUJianfei,RAOJiangang,CHENHualin,etal.Fuzzycomprehensiveevaluationofpowercustomerenergyefficiencyassessment[J]PowerSystemProtectionandControl,2010,38(13):94-98.

[6]荊百林，李明，李敏．火電廠能耗評(píng)估方法的應(yīng)用[J]．電力設(shè)備,2008,9(3)：31-33．

JINGBailin,LIMing,LIMin.Applicationofenergyconsumptionestimationmethodoffossil-firedpowerplants[J].ElectricalEquipment,2008,9(3):31-33.

[7]李連結(jié)，姚建剛，龍立波，等.組合賦權(quán)法在電能質(zhì)量模糊綜合評(píng)價(jià)中的應(yīng)用[J].電力系統(tǒng)自動(dòng)化,2007,31(4): 56-60.

LILianjie,YAOJiangang,LONGLibo,etal.Applicationofcombinationweighingmethodinfuzzysyntheticevaluationofpowerquality[J].AutomationofElectricPowerSystem,2007,31(4):56-60.

[8]劉沖，蔡茂林. 氨氣制冷系統(tǒng)能效狀態(tài)評(píng)價(jià)方法[J].北京航空航天大學(xué)學(xué)報(bào),2013,39(10):1331-1336.

LIUChong,CAIMaolin.Energyefficiencystateevaluationmethodforammoniarefrigerationsystem[J].JournalofBeijingUniversityofAeronauticsandAstronautics,2013,39(10):1331-1336.

[9]羅耀明，毛李帆，姚建剛，等.電力用戶綜合能效評(píng)估模型[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2011,23(5):104-109.

LUOYaoming,MAOLifan,YAOJiangang,etal.Evaluationmodelofintegratedenergyefficiencyforpowerusers[J].ProceedingsoftheCSU-EPSA,2011,23(5):104-109.

[10]羅耀明，毛李帆，姚建剛，等.基于遞階綜合評(píng)價(jià)模型電力用戶能效評(píng)估系統(tǒng)[J].微計(jì)算機(jī)信息,2011, 27(2): 68-71.

LUOYaoming,MAOLifan,YAOJiangang,etal.Energyefficiencyevaluationsystemforpowerusersbasedonintegratedhierarchicalevaluationmethod[J].MicrocomputerInformation,2011,27(2):68-71.

[11]曲朝陽(yáng),王沖,潘峰. 智能用電環(huán)境下的家庭電力能效評(píng)估方法[J].電工電能新技術(shù),2015(10):61-67.

QUZhaoyang，WANGChong，PANFeng.Householdelectricityenergyefficiencyassessmentinsmartpowerutilizationenvironment[J].AdvancedTechnologyofElectricalEngineeringandEnergy,2015,34(10):61-67.

(本文編輯：趙艷粉)

Household Electricity Energy Efficiency Assessment Methods

WANG Chong1，ZHANG Wenlong2，WANG Xinyu1

(1. Informationg & Telecommunication Branch Company，State Grid East Inner Mongolia Electric Power Co.，Ltd.,Hohehot 010020, China;2. State Grid Jilin Electric Power Company, Changchun 130000, China)

The indicator system of household electricity was established based on a family home user behavioral characteristics and household appliances electricity usage period features, and household electricity energy efficiency assessment methods were proposed. Firstly, subjective weight value of evaluation indexes was calculated based on eigenvalue and G1 group combination. Then the objective weight value of indexes was calculated based on Bayesian method. Finally, the combined weight value was calculated by using the least square method, and the energy efficiency evaluation model was formed based on hierarchical comprehensive evaluation method to assess household electric energy efficiency. Examples of verification by the proposed method can accurately detect and assess household energy consumption, effectively improve the efficiency of residential electricity.

energy efficiency assessment method; combined eigenvalues and G1 groups; Bayesian methods; evaluation model

10.11973/dlyny201702008

王 沖(1988—)，男，碩士，從事電力系統(tǒng)信息化、信息通信調(diào)度相關(guān)研究。

TM73

A

2095-1256(2017)02-0126-06

2017-01-04