基于数据的社会经济分层在住宅能源规划中的应用：一种机器学习方法 卢卡斯·卡马兹·费雷拉（Lucas Camaz Ferreira）、 费利佩·莱特·科埃略·达·席尔瓦（Felipe Leite Coelho da Silva）、 乔西安娜·达·席尔瓦·科德罗（Josiane da Silva Cordeiro）、 哈维尔·林科尔克·洛佩斯-冈萨雷斯（Javier Linkolk López-Gonzales）、 埃斯特班·托克托-卡诺（Esteban Tocto-Cano）以及 莱宁·森图里恩（Lennin Centurion）

《Energies》：Data-Driven Socioeconomic Segmentation for Residential Energy Planning: A Machine Learning Approach Lucas Camaz Ferreira, Felipe Leite Coelho da Silva, Josiane da Silva Cordeiro, Javier Linkolk López-Gonzales, Esteban Tocto-Cano and Lennin Centurion

　　摘要 巴西的住宅部门是最大的电力消费者之一，这使得住宅能源消耗成为国家能源系统中的一个关键组成部分。该部门的电力消费模式与家用电器的所有情况密切相关，进而与社会经济地位相关。为了使住宅能源规划更加公平和高效地运作，必须将消费分析与人口的社会经济状况相一致。本研究通过在数据驱动的社会经济分类框架内应用监督机器学习算法，来探讨社会经济变量在住宅能源规划中的作用。使用来自巴西住宅部门的数据，实现了决策树、支持向量机和人工神经网络，并评估了模型性能，以确定从与家用电器拥有情况和电力消费特征相关的变量中推断出家庭社会经济地位的程度。结果表明，如冰箱、微波炉和空调等家用电器在预测社会经济地位方面表现出相当大的能力，从而从多维度角度改善了对住宅能源消费的解释和理解。神经网络模型取得了最高的预测性能。通过基于可观察到的电力消费模式进行数据驱动的社会经济分类，这种方法为住宅能源规划提供了有价值的见解，并有助于制定更加有针对性和公平的能源政策，支持可持续发展目标7（负担得起的清洁能源）和可持续发展目标10（减少不平等）。

1. 引言
2024年，巴西的住宅部门约占电力需求的27.5%，使其成为该国最重要的能源消耗部门之一[1]。由于快速的城市化和人口增长，该部门的电力消费变得越来越重要，需要公共政策和电力供应商更加关注，以确保提高能源效率[2]。研究消费模式对于规划基础设施投资和维护可持续高效的电力供应至关重要，同时不危及环境和能源安全。已经提出了多种策略来应对这一不断增长的需求，包括推广节能家用电器、安装太阳能板和改进建筑保温，这些措施可以共同减少能源费用、提高居住舒适度，并限制温室气体排放。此外，促进关于节能教育的公共政策有助于建立能源效率文化，支持该行业的长期可持续性。在这种情况下，家用电器占巴西住宅电力消费的很大比例。需求的持续增长有可能给能源供应系统带来压力并推高电价。因此，采用更高效的家用电器和培养有意识的消费习惯对于减少该部门的电力需求至关重要。
尽管已做出各种努力来提高能源效率，但对电力消费模式与家庭社会经济特征之间关系的理解仍然有限。将家用电器的所有情况作为购买力的代理进行社会经济分析，可以帮助识别具有相似能源消费特征和社会经济结构的地区。这种分类可以为制定针对当地经济实际情况的有针对性的公共政策和效率计划提供信息。基于此，本研究对巴西住宅部门的电力消费进行了定性和定量分析，纳入了社会经济变量，并应用了监督机器学习算法。具体而言，使用了决策树、支持向量机和人工神经网络来评估家用电器拥有数据在推断社会经济地位方面的有效性。本文的其余部分组织如下：第2节回顾了相关文献，第3节详细介绍了所使用的方法和材料，第4节展示了获得的结果，第5节讨论了局限性和讨论内容，第6节提出了研究的结论和意义。

2. 文献综述
本节回顾了几项涉及住宅部门能源消费的研究，特别是那些使用机器学习方法的研究。在巴西，Oliveira和Rebelatto[3]研究了政府措施在减少住宅部门能源消费方面的经济和财务影响。Tocchio等人[4]预测了到2035年的住宅设备电力需求。Netto等人[5]对四种主要的住宅照明技术进行了全面的环境评估。Marcuzzo等人[6]对消费者对住宅能源系统的偏好进行了计量经济分析，特别是光伏（PV）系统。巴西广阔的领土和有利的地理位置有利于光伏系统的实施[7]。Ma?aira等人[8,9]采用自下而上的方法预测了住宅部门的电力消费。Gonzalez-Torres等人[10]对一些国家的住宅能源消费增长进行了比较研究。Geraldi等人[11]评估了家用电器（如空调）的能源效率。在Sachs等人[12]的研究中，通过结合人口密度、国家能源平衡和全球每小时温度数据来生成能源密度地图，并使用K-means方法对每个分析的国家进行分组。Tang等人[13]观察了社会经济因素和地区负荷模式的影响，进行了工作日和周末消费的比较分析，并探讨了对住宅能源消费影响最大的社会经济因素。最近，机器学习（ML）算法被用于能源分析和预测。Gulaydin和Mourshed[14]使用ML模型预测了土耳其所有省份的住宅电力需求。Bernardino等人[15]将ML模型应用于葡萄牙的社会经济和能源数据。Huang和Iglesias[16]研究了截至2060年爱尔兰的长期电力需求的社会经济和气候影响。Gorza?czany和Rudzinski[17]预测了住宅建筑的能源消费。Tsalikidis[19]提出了一个集成基于机器学习的挪威住宅建筑预测框架。Promasa[20]研究了基于负荷预测的人工智能住宅用电池储能系统的优化规模。Cardoso[21]提出了适用于集成内燃机的微发电系统的ML优化方法。

表1列出了与电力部门相关的一些研究。这些研究采用了各种分类方法，本文对此进行了探讨。总之，尽管有研究从不同角度考察了家庭能源消费，例如通过长期预测、设备效率评估、按负荷模式划分或地理空间调查，但大多数研究集中在定义需求或对消费者进行分类上，而没有明确建立家用电器与家庭社会经济地位之间的预测关系。在文献回顾中，没有发现将所提出的方法应用于住宅部门数据的研究。此外，也没有使用本研究开发的方法对巴西住宅部门的社会经济变量和能源消费数据进行建模。

3. 材料和方法
3.1. 数据描述
用于应用监督方法的数据库旨在突出住宅的社会经济状况与其中存在的家用电器数量之间的关系。所使用的数据涉及巴西家庭，被称为观察值或数据，而所呈现的特征被称为变量，涉及电力消费和社会经济状况。换句话说，数据库指的是具有各种特征的一组观察值。
本研究中使用的与家用电器电力消费相关的变量是从Eletrobrás网站的PROCEL（国家电力节能计划）搜索字段中获得的[33]。与各州人口社会经济特征相关的变量是从IBGE（巴西地理统计局）网站的SIDRA（IBGE自动恢复系统）收集的PNAD（年度家庭样本调查）搜索字段中获得的[34]。与各州平均每月住宅电力消费相关的变量是从EPE（巴西里约热内卢能源研究公司）网站获得的[35]。PNAD和PROCEL数据收集是年度性的；然而，由于COVID-19大流行的影响，这两项调查的最新数据都是2019年的数据。EPE的能源消费数据也是年度性的，可追溯到2024年；但由于比较目的，使用了2019年的数据。
3.2. 数据过滤
生成并使用了两个不同的数据库来应用监督学习算法。用于监督方法的数据来自2019年住宅类电气设备拥有和使用习惯调查（PPH—2019），这是PROCEL进行的一项实地调查[33]。这项调查提供了一个包含全国27,826个观察值的数据库，在本研究中使用了里约热内卢州的信息，共提供了1,096个观察值。
在这项研究中使用的所有变量中，使用了每个住宅中的家用电器数量和每个受访住宅的社会阶层。关于住宅社会阶层的信息由研究人员填写表2中列出的信息定义。住宅的社会经济状况被分为六个不同的类别：A类、B1类、B2类、C1类、C2类和DE类（图1）。A类和DE类分别被认为是拥有更多特权和最脆弱的类别。本研究的目的是使用监督方法将这些住宅分类到这些社会阶层中。首先使用了进行这种分类的数据，然后尝试仅使用住宅中家用电器总数的数据来实现相同的分类，如表2所述。图1. 按社会阶层划分的设备消费。来源：PROCEL [33]。

3.3. 方法论
3.3.1. 建模
首先，选择了数据库并进行了过滤；然后将数据划分为训练集和测试集，并应用和比较了监督机器学习算法。具体使用了神经网络、决策树和支持向量机算法。
3.3.2. 数据处理
对于监督方法，使用了表2中描述的数据，其中数据被分为训练集和测试集。训练集包含了70%的数据，用于校准算法。在此步骤之后，将算法应用于测试集，通过比较算法分类的类别和数据的实际分类来评估方法的准确性。
3.3.3. 超参数
超参数是预先为学习分类算法定义的指标。在超参数选项中进行了测试，并选择了从算法中获得最佳响应的参数。对于树模型和SVM模型，超参数在三个数据集中保持不变；而对于神经网络，则对每个数据集进行了调整。决策树：选择了确定节点的熵计算方法。SVM：边际容忍度成本为0.1，使用的核函数是线性的。ANN：对于三个数据集，输出和学习率均设置为0.01；对于第一个数据集，选择了一个带有8个神经元的隐藏层；对于第二个数据集，选择了两个各有12个神经元的隐藏层；对于新的类别划分，没有选择隐藏层。
3.3.4. 算法实现
使用R编程语言[36]进行了统计分析和图形表示。数据处理和分析使用了以下软件包：dyplyr [37]、tydir [38]、ggplot2 [39]、tidyverse [40]、biotools [41]、mvnormtest [42]、psych [43]、MVN [44]、caret [45] 和 xtable [46]。对于分类树方法，使用了以下软件包：arules [47]、caTools [48]、rpart [49] 和 rpart.plot [50]。对于使用支持向量机和神经网络的分类方法，使用了以下软件包：e1071 [51] 和 neuralnet [52]。

4. 结果### 探索性数据分析

表3和表4总结了研究变量的主要统计指标，全面概述了家庭资产拥有情况，显示出以基本商品和基本连接性为导向的消费模式。平均居民人数（平均值=2.79；标准差=1.25）反映了规模适中的家庭，且存在显著的变异性，这与手机（平均值=2.03；标准差=1.02）和电视机（平均值=1.60；标准差=0.64）等关键资产的分布情况相符。同样，像冰箱（平均值=1.05；标准差=0.23）和洗衣机（平均值=0.87；标准差=0.38）这样的基本商品的高拥有率与各种非必需品的接近零的中位数形成对比，表明奢侈品的普及程度较低。总体而言，这两张表格中的模式表明，消费决策受到预算限制和功能需求优先级的制约。此外，几乎不存在过时技术，以及连接设备（例如WiFi调制解调器，平均值=0.33；标准差=0.47；WiFi路由器，平均值=0.16；标准差=0.42）的适度采用，表明技术正在逐步过渡。简而言之，证据表明，消费特征是由需求、资源可用性和在社会经济多样化的背景下逐步融入数字技术所决定的。

#### 表3. 表2第一部分数据的统计指标
#### 表4. 表2第二部分数据的统计指标

### 4.2. 监督学习方法的数据集

在图2和图3中可以看出，根据表2中提供的家用电器数据，社会阶层的信息存在重叠。这在方法从这些数据中进行分类时变得明显。当将数据分为三个社会阶层时，这种重叠仍然存在，尽管数据的分散程度有所减少（见图3）。为了进行这种划分，进行了多次测试，最终选出分类效果最好的方法如下：被分类为D-E的数据被定义为属于低收入阶层；被分类为C2、C1和B2的数据被定义为属于中等收入阶层；而被分类为B1和A的数据被定义为属于高收入阶层。数据具有多个维度，因此为了在二维图中可视化，使用了主成分的横轴和纵轴。横轴来自第一个主成分，它包含关于数据变异性的最多信息；纵轴由第二个主成分表示，它包含关于数据变异性的第二多信息。这些图表并不能准确反映数据的分散情况，但有助于数据可视化。通过将数据分为三个社会阶层，每个阶层的数据量被按比例选取（见图4）。该图表显示，高收入阶层在左侧的分散程度较高，而低收入阶层在右侧呈现密集、同质的集中状态；中等收入阶层位于图形的中间部分。同样，图5表明，观察表2中的社会阶层时，可以清晰地看到六个社会阶层之间的分离，且数据重叠极少，这体现在所应用方法的精确度上。这一图表展示了明显的社会经济转型，其中第一主成分（Dim1）是区分的主要轴。DE和C2阶层（左侧）显示出更密集、更同质的群体，而A和B1阶层（右侧）则显示出显著更高的分散度。中间阶层（B2和C1）位于图形的中心部分。

#### 图2. 按家用电器数量划分的六个阶层的散点图
#### 图3. 按家用电器数量划分的三个阶层的散点图
#### 图4. 按家用电器数量比例划分的三个阶层的散点图
#### 图5. 基于研究信息的六个阶层的散点图

散点图清晰地展示了社会经济分层，其中第一主成分（Dim1）是区分六个阶层的主要轴。左侧的A和B1阶层分散度较高，而C2和DE阶层在右侧显示出高密度和同质性。中间阶层（B2和C1）位于图形的中间过渡部分。这一可视化结果映射了里约热内卢的社会经济转型，验证了使用这些特征进行阶层识别的有效性。

### 4.3. 监督学习算法

#### 4.3.1. 神经网络分类方法

在应用神经网络算法时，分别测试了具有0、4、6、8、10、12、14、16、18和22个神经元的一个和两个隐藏层的模型。对于第一个数据集（见表2），具有12个隐藏层的模型显示出最佳的精度性能（见图6），采用了Sigmoid激活函数。网络的准确率达90%。对于第二个数据集（见表2），具有12个神经元的两个隐藏层表现出更好的准确率（见表5）。由于该数据集规模较大（包含62条记录），因此决定不展示网络结构。当数据被分为三个社会阶层时，最优模型的网络没有隐藏层，准确率为（表6）。

#### 4.3.2. 支持向量机分类方法

使用表2中的研究数据集，支持向量分类器的准确率为（见表7）。对于家用电器数据集（见表2），分类器的准确率为（见表7）。在两个数据集中，所采用的模型都具有线性核函数，误差惩罚超参数“cost”为0.1，模型确定了460个支持向量。当数据被分为三个社会阶层时，模型的准确率为（见表8），在相同的“cost”超参数下找到了145个支持向量。

#### 4.3.3. 决策树分类方法

对于第一组数据（见表2），模型的准确率达到72%，形成的结构如图7所示。在该模型中最重要的五个变量是：汽车数量、微型计算机数量、家庭户主的教育水平、微波炉数量和浴室数量。对于第二个数据集（见表2），模型的准确率为50%，形成的结构如图8所示。其中最重要的五个变量是微型计算机数量、微波炉数量、空调数量和冰箱数量。当数据被分为三个社会阶层时，模型的准确率达到74%，形成的结构如图9所示。该图显示，红色区块代表高收入阶层，该阶层具有最高的消费水平。图7展示了根据研究数据得到的决策树结构；图8展示了基于家用电器数据的三个阶层分类树结构；图9展示了分为三个阶层时的决策树结构。

#### 4.3.4. 比较分析

表11对每种分类方法进行了比较分析。树模型在处理表2中的数据库时表现最差，支持向量在将数据分为三个阶层时表现最差。神经网络模型在两个数据集上表现良好，适应能力更强，因此被认为是三种监督学习方法中表现最好的方法。

### 5. 讨论

#### 模型性能与鲁棒性

研究表明，监督学习算法，特别是人工神经网络（ANN）和支持向量机（SVM），在将巴西家庭分为六个社会阶层方面非常有效，当包含社会经济变量时，准确率可达到90%。这些发现证实了PPH-2019调查中采用的分类框架的稳健性，并强调了家庭结构条件与社会经济水平之间的紧密关联。

#### 仅依据家电指标的局限性

当分析仅限于家电拥有情况时，预测性能大幅下降（ANN为43%，SVM为50%，决策树为53%）。这种现象可以归因于仅考虑家电数量时各社会阶层之间的显著重叠，正如主成分分析图所示。尽管家电拥有情况部分反映了购买力，但它缺乏足够的细致度来准确区分六个社会经济阶层。

#### 广泛分段的有效性

然而，当社会阶层被重新划分为三个更广泛的类别（高、中、低）时，模型的性能有所提升。ANN和决策树（DT）的准确率均达到80%，而SVM的准确率为77%。这些结果表明，虽然仅凭家电数据无法完全再现详细的阶层结构，但它们可以实现有意义的总体分段，并具有可接受的统计可靠性。ANN在两种情况下的适用性进一步支持了其在社会经济背景下进行复杂分类任务的适用性。

#### 方法论创新

与以往的研究相比，本研究与Tang等人的工作[13]一致，他们也应用机器学习技术来研究与社会经济变量相关的能源消费模式。然而，大多数现有研究主要关注能源需求预测[10,22]或根据负荷特征对消费者进行聚类，而没有明确将家电拥有情况与社会经济地位联系起来。通过逆转传统的分析方向——使用可观察的消费相关数据作为推断社会条件的代理——本研究为文献提供了新的方法论贡献。

#### 政策与实际意义

实际意义值得关注。从家电拥有情况中合理准确地推断社会经济地位可以为制定更加公平的能源政策提供有价值的工具。在人口普查数据有限、过时或获取成本较高的情况下，这种方法有助于识别弱势消费者群体，并改进能源效率计划、电价补贴和技术激励方案的目标定位。基于家电库存等可观察指标的社会经济分层因此可以支持更加定制化和基于证据的的政策干预。

#### 6. 结论

本研究结果表明，家庭家电拥有情况与州级家庭的社会阶层之间存在显著关系。具体而言，这项工作使用了巴西里约热内卢州的数据。通过应用监督学习模型（特别是决策树、支持向量机（SVM）和人工神经网络），能够以较高的准确率将个体分类为不同的社会经济阶层。在评估的模型中，决策树分类器表现尤为出色，尤其是在区分最极端的社会阶层（A和E）方面，体现了其在识别清晰区分的社会经济模式方面的有效性。此外，属性重要性分析表明，某些家用电器（如冰箱、微波炉和空调）在预测社会经济地位方面具有相当的效能，从而可以从多维度角度更深入地理解居民消费行为。这项研究证实，家庭的社会经济阶层可以通过能源消费模式和耐用物品拥有情况来推断。这种基于人工智能的方法在传统人口普查数据不可用或过时的情况下，提供了一种有前景的替代方案。将社会经济信息与电力消费模式相结合，有助于开发出更精确的家庭社会经济特征模型，进而促进更加公平和有针对性的公共政策设计。

本研究基于来自“家庭预算调查”（Pesquisa de Or?amentos Familiares, POF）的现实世界数据，并采用定量机器学习技术进行实证分析。严格的方法论框架使得能够系统地分析电力消费行为与社会经济变量之间的关系，从而增强了研究结果的可靠性。然而，研究也存在三个主要局限性：首先，研究主要集中于里约热内卢，这限制了研究结果在巴西各地的普遍适用性；其次，仅通过家电数量来推断社会经济地位而忽略了效率或年龄等定性因素；最后，2019年的横截面数据可能无法反映最新的技术变革。未来的研究应扩大数据集范围，纳入最新数据，并采用深度学习或集成模型等先进技术。

最后值得注意的是，将分类算法应用于能源消费领域不仅扩展了这些分析工具的应用范围，还为经济学、工程学和社会科学之间的跨学科研究开辟了新的途径。为了提高预测准确性，未来的研究还应纳入地理位置、区域电价结构和文化习惯等情境变量。此外，探索无监督学习技术或混合方法可能能够在不依赖标记数据的情况下识别潜在的模式，从而在该类数据有限的环境中提升这一分析框架的适用性。