解码家庭内部的能源协同效应：一种用于住宅灵活负载分析的有界概率方法

《Energy》：Decoding intra-household energy synergy: A bounded probabilistic approach for residential flexible load profiling

　　摘要
准确的住宅负载分析需要解码微观行为如何汇聚成宏观层面的家庭负载，然而传统的自下而上的模型通常假设总负载是各种个体行为的线性总和。这种可分离性假设忽略了家庭内部能源的非线性协同作用，导致对灵活性潜力的系统性高估。为了在部分可观测性条件下解码这种协同机制，我们提出了一种有限概率方法来进行住宅灵活负载分析。首先，我们引入了等效并发强度（ECI）来参数化空间-时间设备共享和行为妥协。其次，开发了一个分层概率推理框架，将个体能源贡献与汇总的月度账单分离，揭示了物理限制和社会经济属性如何共同驱动协同波动性。第三，一种基于物理的Conditional Generative Architecture将这些推断出的协同边界转化为高保真的、特定于居住者的负载概况，既保持了宏观层面的能源节约，也保留了微观层面的行为随机性。实证证据利用简单的线性投影作为诊断基线，量化了这种非线性共享效应的绝对幅度，在多居住者家庭中显示出的理论最大高估为121.3%。此外，针对高频物联网智能电表的样本外盲测验证了该框架的概率校准，在不同的负载类型中获得了0.222的连续排名概率分数（CRPS）。通过减轻确定性聚合假设引入的虚假灵活性，这种以人为本的框架为考虑不确定性的住宅负载分析提供了坚实的基础，成为对下游需求侧管理（DSM）应用（包括住宅需求响应（DR）进行现实评估的社会物理前提。

引言
向碳中和的过渡重塑了住宅建筑在全球能源系统中的角色[1]、[2]。随着快速电气化和智能家电的广泛采用[3]、[4]，住宅建筑正从被动的能源消费者演变为积极的、灵活的能源节点[5]。虽然管理这些分散资源是一个复杂的控制挑战，但结合分布式直流（DC）架构和深度强化学习的创新已经证明在使设备负载与间歇性可再生能源发电保持一致方面是有效的[6]。这些进步为住宅需求侧管理（DSM）和灵活性评估提供了技术支持，成为减轻可再生能源间歇性和维持电网稳定性的关键机制[7]、[8]。然而，与遵循可预测运营时间表的商业建筑不同，住宅能源消耗是不稳定的。它与多个家庭成员的异质行为、空间共存和高频时间动态紧密相关[10]、[11]。准确的住宅负载分析和现实的灵活性评估需要对能源使用如何从复杂的多居住者互动和设备共享中产生有详细的了解[12]。尽管需要这种细致性，但仍存在一个基本的理论空白：家庭内部的能源贡献通常被视为一个黑箱。传统的宏观层面模型（例如，城市建筑能源建模[13]）将家庭视为统一的理性行为者[14]。尽管现有框架已经开始纳入概率性的居住者行为[15]、[16]，但它们仍然缺乏对限制实际行为响应的内部社会摩擦[17]和协商负担[18]的精确区分。实际上，家庭能源使用模式是异质的，受到内部舒适度妥协和人口统计特征的塑造。实证证据表明，根据收入水平和生活规模等因素，不同家庭的负载灵活性可能会有所不同[19]、[20]。因此，忽略这些家庭内部协商和设备共享限制可能会导致对住宅DSM应用实际可行性的系统性高估。相反，微观层面的方法，如非侵入式负载监测（NILM[21]、[22]、[23]、[24]、[25]和基于代理的模型（ABM[26]、[27]）试图在设备或个体层面进行分解。然而，这些自下而上的范式依赖于一个可分离性假设[28]，假设家庭总负载可以表示为居住者行为的直接加法总和。在现实的多居住者场景中，这一假设是不成立的[29]。即使捕捉到了这些数据，与能源相关的活动的主观报告也常常因空间共存和行为同步而被压缩[30]、[31]。关于英国住宅的基础研究早已建立了家庭规模和人均能源使用之间的稳健负相关[32]，而欧洲的大规模计量经济分析进一步量化出每个额外家庭成员使人均电力消耗减少约18%[33]。虽然汇总统计数据承认能源协同作用的存在[34]，但现有的自下而上模型缺乏在部分可观测性条件下参数化和操作化这种已知共享效应的实际机制。这种现象对微观层面负载解耦构成了根本性挑战，仅依靠汇总的物理测量值无法将高频能源消耗归因于特定居住者[35]。由于硬件成本的 prohibitive 和隐私问题[37]、[38]、[39]，通过全尺度侵入式监测来克服这种协同盲点是不可行的。因此，住宅能源建模受到部分可观测性的限制，使得从宏观层面的汇总智能电表中推断协同状态成为一个非线性的、不适定的逆问题[40]、[41]。传统的数据驱动模型在这种背景下是不够的。因为多种行为组合会产生相同的总负载，将个体状态映射到观察到的消耗是多对一的。因此，确定性模型无法识别唯一解，而是退化为所有可行状态的条件平均值。这种过度平滑抹去了行为随机性[42]、[43]、微观异质性[44]以及时间动态[16]、[45]、[46]，这些因素支配着人与建筑的互动，使得现有模型无法生成反映真实家庭协同的负载概况。

桥梁这种微观-宏观差距需要从确定性估计转向考虑不确定性的概率生成[47]。最近的开创性工作展示了生成模型（如Conditional Generative Adversarial Networks (GANs)）从总汇总电表中合成公共建筑中的子项目负载概况的能力[48]。然而，直接将这些数据驱动的黑盒生成器迁移到住宅环境中是不够的。它们缺乏解码多居住者家庭特有的复杂非线性行为协同的能力。为此，本研究提出了一个全面的闭环生成框架，旨在使用有限的数据解码家庭内部能源协同。我们没有依赖侵入性的全尺度计量，而是提出了等效并发强度（ECI）的概念，以参数化主观行为意图和客观宏观消费之间的剩余非线性协同。从概念上讲，ECI充当了社会学和工程学之间的桥梁：它通过定义家庭的共享能源足迹为独立个体的等效消费，将复杂的社会行为互动（协同）转化为可测量的经验标量（设备并发）。具体来说，ECI作为一个潜在的耦合变量，对后验空间施加了有界的规范化。这有效地缩小了可行解集，解决了主观意图和汇总负载之间原本不适定的多对一映射问题。通过将ECI定义为受物理家庭限制的潜在概率流形，所提出的多阶段架构建立了一个闭环方法，即使在部分可观测性条件下也能解离微观机制并生成现实的宏观负载。

总之，与现有的住宅负载分析、NILM、居住者行为建模和生成负载建模文献相比，本研究揭示了一个根本性的研究空白：现有框架无法在部分可观测性条件下准确解码非线性的家庭内部能源协同。首先，缺乏一个家庭内部的协同变量。传统的自下而上模型依赖于可分离性假设[28]，无法参数化居住者之间的非线性空间-时间摩擦和设备共享[30]、[31]。其次，在部分可观测性条件下解决这一理论盲点存在方法论上的困境[40]、[41]。虽然确定性的微观层面模型（如NILM[21]、[24]）需要侵入性和昂贵的硬件，但纯粹的数据驱动的生成模型（如标准GANs[48]）缺乏基于物理学的有界性，无法在弱监督条件下同时实现宏观能源节约和微观行为随机性。第三，这些理论和方法论上的缺陷导致了一个重要的实际后果：传统的线性聚合假设系统性地高估了住宅负载，产生了虚假的灵活性，误导了从需求响应（DR）调度到虚拟发电厂（VPP）聚合和分布式电网规划等各种系统级操作。目前，缺乏考虑不确定性的、尊重协同性的概率基线，这些基线可以在不不加歧视地惩罚居住者舒适度的情况下安全地划定操作边界。

我们的部分观测数据结构包括家庭的总电表读数以及单个居住者关于其日常活动模式的有一次性的、保护隐私的自我报告。与连续的硬件分表相比，这种弱监督范式降低了部署成本，并减轻了持续的隐私风险，在数据细致性和实际可扩展性之间取得了平衡。为了解码这种家庭内部的协同黑箱，我们组织了一个闭环建模流程，其中每个范式都被选用来解决特定的物理或数学瓶颈。一个分层贝叶斯推理引擎被用来解决这个不适定的逆问题，利用部分池化从稀疏的宏观数据中提取潜在的协同状态，同时强制执行严格的物理边界。基于这些概率后验，一个基于eXtreme Gradient Boosting (XGBoost)的知识蒸馏（KD）模块桥接了计算成本高昂的推理和城市规模工程应用之间的差距，将静态的社会人口统计特征映射到动态的协同潜力。一个代数调度的条件变分自动编码器（CVAE）将这些解码的协同边界转化为高保真的、多模态的负载概况，克服了传统确定性预测器的模式崩溃限制。

通过跨越微观-宏观差距，本研究的主要贡献总结如下：
(1) 家庭内部协同的参数化：我们提出了等效并发强度（ECI）作为潜在的耦合度量，用于在部分可观测性条件下参数化已知的家庭共享效应。这建立了一个社会物理范式，量化了共居者之间的非线性空间-时间摩擦和设备共享，协调了主观报告与客观能源足迹。
(2) 在部分可观测性条件下的有限概率解耦：我们开发了一个分层贝叶斯框架，将个体能源贡献与汇总的月度账单分离，强制执行严格的物理边界，以防止物理上不可能的参数权衡。通过KD，我们将静态人口统计特征映射到这些有界的协同潜力，消除了对连续居住者输入的依赖，确保了城市级别实施的实际可扩展性。
(3) 高保真生成和对下游应用考虑不确定性的基线：我们设计了一个代数调度的条件生成架构，将推断出的ECI转化为现实的、特定于居住者的负载概况。通过减轻确定性聚合中固有的虚假灵活性，这种概率场景生成器为考虑不确定性的负载分析提供了坚实的基础，可以进一步集成到下游DSM应用中。

方法论
本研究提出了一个闭环分析框架，如图1所示，该框架整合了三种先进的建模范式，以解离家庭内部能源协同。这些范式链式排列，以实现从经验观察到的实际应用的核心研究目标。虽然贝叶斯推理解决了微观-宏观解耦问题，但它依赖于历史高频电表数据作为一个诊断工具。

特征和设备基线
基于深圳的一个代表性群体，建立了一个包含11个维度（6个家庭特征和5个个体特征）的局部高维特征系统。该样本捕获了关键特征具有足够方差的代表性样本。图5显示，受访者主要是工作年龄（21-40岁）且受教育程度高，确保了自我报告面板数据的可靠性和质量。人口统计拓扑主要由...

桥梁微观-宏观差距
传统自下而上住宅能源建模的基础前提是可分离性假设，该假设认为家庭总负载仅仅是各种个体行为的线性总和。我们的实证证据否定了这一长期存在的假设。观察到的亚线性稀释效应证实，家庭成员不能被视为孤立的行为主体。相反，他们的物理共存引发了复杂的、非线性的负载压缩。

结论
本研究通过量化线性聚合假设的系统性偏差，挑战了传统自下而上住宅负载建模的基本前提。为了解码多居住者家庭内的非线性能源协同，我们引入了一个基于等效并发强度（ECI）的新概率生成框架。通过整合贝叶斯推理、知识蒸馏和条件变分自动编码器（CVAE），该架构架起了...

作者贡献声明
杨腾跃：撰写——原始草稿、验证、软件、方法论、调查。
吴家林：验证、软件、方法论、调查。
王源：撰写——审阅与编辑、监督。
张毅：撰写——审阅与编辑、监督、概念化。

利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能会影响本文报告的工作。