危机期间教育建筑电力需求动态：COVID-19与能源危机的案例研究

《Heliyon》：Electricity demand dynamics in educational buildings during crises: A case study of COVID-19 and the energy crisis

本研究针对COVID-19疫情和乌克兰战争引发的能源危机对高等教育建筑电力消耗模式的影响展开研究。研究人员通过动态线性建模(DLM)分析了大巴黎区校园建筑2017-2022年的电力数据，发现疫情封锁期间用电量下降13%，能源危机期间进一步降低。该研究为制定适应性能源政策、提升教育机构能源韧性提供了重要见解，MAPE仅为6.2%。

　　

当我们谈论能源危机和全球疫情时，很少人会想到大学校园里的灯光为何会变暗。然而，正是这些教育机构的电力消耗模式，成为了解大规模危机对社会运行影响的独特窗口。建筑部门消耗全球约40%的主要能源，产生超过30%的二氧化碳排放，而法国的教育建筑虽然只占市政财产的31%，却消耗了市政能源的82%。这种不成比例的能源需求，使得教育建筑成为能源管理的重点目标。

传统上，电力消耗预测模型往往难以捕捉突发危机带来的复杂变化。COVID-19疫情和随后的能源危机，就像两个巨大的实验，改变了人们的工作、学习和生活方式，也为研究人员提供了难得的机会，去观察外部冲击如何改变建筑能耗。《Heliyon》期刊上发表的最新研究，通过动态线性建模(DLM)这一创新方法，揭示了大巴黎区两所大学建筑在危机期间的电力消耗秘密。

研究人员收集了2017年至2022年的每日电力消耗数据，涵盖了疫情前、疫情封锁期和能源危机期三个阶段。他们特别关注了两栋具有不同特征的建筑：建筑1建于1987年，面积30580平方米，主要进行科学与技术教学研究；建筑2建于1999年，面积10343平方米，主要进行艺术与人文教学。这种对比设计有助于理解不同建筑特性对危机响应的差异。

研究采用了动态线性建模(DLM)这一时间序列分析方法，能够有效分解电力消耗数据的趋势、年季节性和周季节性成分。该方法通过卡尔曼滤波和最大似然估计进行参数优化，同时考虑了温度、日照时长、封锁政策、能源节约计划等多重外部因素。数据分析显示，模型对建筑1和建筑2的拟合平均绝对百分比误差(MAPE)分别为4.7%和7.8%，表明DLM能准确捕捉复杂消耗模式。

研究发现，两栋建筑都呈现出明显的年度和周度用电规律。夏季假期用电量显著下降，建筑1在8月中旬下降3322千瓦时(28.3%)，建筑2在8月初下降1058千瓦时(71.0%)。周末用电也明显低于工作日，特别是周日，建筑1周日用电量下降1785千瓦时(15.2%)。室外温度对用电量影响显著，温度每升高一度，建筑1的峰值电力负荷可能增加4.6%，总用电量可能增加8.5%。

疫情封锁对用电量产生了立竿见影的影响。第一次封锁期间，建筑1用电量日均减少1764千瓦时(13.9%)，建筑2减少213千瓦时(12.1%)。第二次和第三次封锁的影响相对较小，这与封锁措施的严格程度和公众应对方式变化相关。值得注意的是，周末的用电量下降最为明显，反映了校园活动大幅减少的现实。

2022年能源危机也带来了用电变化。建筑1日均用电减少421千瓦时，建筑2减少362千瓦时。虽然这一降幅小于疫情封锁期，但结合持续存在的远程办公模式，表明危机意识和政策引导对节能行为产生了持久影响。

研究还发现，温度和外部的"能源节约计划"对用电量的影响比人员数量变化更为显著。建筑1中人员数量变化的方差几乎为零，说明其用电主要来自基础设施需求，而对人员流动不敏感。

这项研究不仅揭示了危机期间教育建筑电力消耗的动态变化，更展示了动态线性建模在解析复杂时间序列数据方面的优势。它为学校和管理部门制定适应性能源政策提供了科学依据，特别是在应对突发危机时保持能源韧性方面具有重要意义。随着气候变化和地缘政治紧张带来的不确定性增加，这种能够量化外部冲击影响的方法，将成为建设可持续、抗冲击校园能源系统的关键工具。

研究的创新之处在于首次将DLM应用于建筑级电力消耗分析，并成功量化了不同危机的独立影响。未来，这种方法可以与机器学习结合，实现更精准的电力需求预测，为智慧能源管理提供支持。