对居民能源需求及高效模拟技术.docVIP

对居民能源需求的高效模拟技术 亮点： 1.实验方式是个人使用的异构马尔可夫链，校准时间后再使用数据进行建模。 2.住宅需求模型允许重建一个单一的功耗或总体组家庭。 3.制定了一个严格的统计验证框架，以验证所提出的模型。 4.住宅需求模型可以作为评价不同技术效果的工具。 5.模拟出的住宅需求负荷显示高度逼真的图案。 摘要 本文提出了一种模拟一个家庭由多个的电力需求的模型。能源消费分为四大类，即制冷，采暖， 通风，和诸如空调，照明等由日常生活所导致的消耗。 前三个部件均采用工程物理为基础的模型为蓝本，而日常生活使用的是异构的马尔可夫链模型。美国统计局利用所收集的数据对一般美国家庭的个案研究开发。数据被用来进行一次抽样检验的建模活动，并在严格的统计学验证预测电力需求。结果能够捕捉年度和昼夜变化，负载波动，以及家庭之间的差异配置，位置和大小。 1.引言 化石燃料的依赖和对温室关注的关注增加了使用政策和技术的发展，以减少和转移能源的使用。2009年，住宅约占美国一次能源消费总量的22％，，这表明从居民住宅解决能源问题大有必要[1]。通过对需求和短缺之间的调查，我们就可以对种种资源进行科学的投资。 比如可再生发电，能源存储和电动车。 可用两种技术来模拟能源需求：自顶向下和自底向上的模型[ 2 ] 。自上而下模型使用总住宅能源的消耗，连同其它相关变量，加以属性能耗住房部门的特点。这个车型可以把计量经济作为参考，这需要在实际消费过程中的小细节。这些模型将住宅作为能源储备站或应用影响消费的因素，以确定趋势[ 2-5 ] 。所需的输入数据视情况来制定这些模，包括住宅的结构特点，住户和他们的行为，家电的特点，历史能源消耗，气候条件和宏观经济指标。基于时间序列的方法随机预测，也可用于预测家庭能源消费[ 6-8 ]，如自回归移动平均线的方法。 从另一方面说，自下而上模型的贡献在于向总能耗每个最终用途住宅领域[ 9-11 ] 。自下而上的方法能细化建模能量消耗，使之影响仿真技术改进和政策决定。这些模型能计算出一个地区或国家的个人或群体的家庭能耗情况。这聚合结果一般是通过评估为完成每个房子模型或基于其代表性群体的房子该部门的方法[ 2 ] 。此外，自底向上方法有能力确定住宅的能源消费总量但不依赖于历史数据。常见的输入数据包括居住特征（如大小和布局，建材，家电的特点） ，天气条件，家庭乘员的行为及相关使用采暖，通风电器，照明使用和特点，和空调（HVAC）系统。这种高层次细节表示自下而上模型的强度受到模型中的不同技术选择的影响，并允许实现能源优化技术。在另一方面，用这样的详细资料，特别是关于家庭成员的行为，引入了巨大的模型的复杂性。输入数据的要求通常大于自顶向下的模型。 一些文章提出了利用自底向上技术模拟住宅能源使用情况的说法。 1994年卡帕索 [ 9 ]提出一个用于评估需求侧管理对居民用户的影响模型。蒙特卡罗方法是用来捕获住宅需求与心理和家庭乘员之间行为的关系。理查森 [ 10 ]引入马尔可夫链技术来生成合成活跃占用模式，在英国根据数据调查人们的时间利用。随机模型地图乘员活动器具使用，创建高度分辨合成的需求数据。同一作者还包括照明模型中，占自然光[ 12 ]，拓宽[ 11,13]按照类似的方法，涉及居民用电需求以占用型材。该模型校准和验证对相对较小的时间使用和电力消耗的数据集收集在瑞典。作者表明，现实需求图案可以从这些活动序列来生成。在这项工作高度分辨自下而上的方法被开发模拟美国住宅能源需求。 这种自下而上的方法被开发模拟美国住宅能源需求。该模型能模拟一个普通家庭在美国和家庭成员的行为通过使用模拟收集的时间，该方法使用了2003-2009年进行的马尔科夫过程校准。该模型不同于现有的自底向上的方法体现在四个方面。其一是暖通空调的使用和需求进行建模与多更详细的使用基于物理的工程方法。该第二是一个大型时间调查数据集是用来校准行为模式存在的方法依赖于更小数据集。第三，一些模型的参数，这是很难估计，实际使用住宅计量校准电数据。最后，严格的统计测试是用来验证该模型通过比较产生的预计需求概况该模型对计量居民用电需求数据。在这样的模型化住宅需求的随机特征配置文件进行验证。 这个模型可以用来作为一种工具，来模拟当下的住宅，并最终评估在能源利用方面的政策和不同技术的采用和部署方案，成本问题和废气排放问题。该模型能也可以使用作为输入到具体的能源系统仿真，比如确定的日负荷模式的影响和可再生能源的不确定性和可变性上提前一天和实时单位预期值，调度和功率流。高度解析模式也需要应用与此类分析之中。这个框架可以让消费者在不同的负载调度比较成本，使能源消费者利益积极参与能源市场。它也可以利用价格信号帮助公用事业评估作从而了降低生产成本，使需求用电负荷更灵活，方便了可再生能源的