《對居民能源需求的高效模擬技術》由會員分享，可在線閱讀，更多相關《對居民能源需求的高效模擬技術（9頁珍藏版）》請在裝配圖網上搜索。

1、對居民能源需求的高效模擬技術 亮點： 1.實驗方式是個人使用的異構馬爾可夫鏈，校準時間后再使用數(shù)據(jù)進行建模。 2.住宅需求模型允許重建一個單一的功耗或總體組家庭。 3.制定了一個嚴格的統(tǒng)計驗證框架，以驗證所提出的模型。 4.住宅需求模型可以作為評價不同技術效果的工具。 5.模擬出的住宅需求負荷顯示高度逼真的圖案。 摘要 本文提出了一種模擬一個家庭由多個的電力需求的模型。能源消費分為四大類，即制冷，采暖， 通風，和諸如空調，照明等由日常生活所導致的消耗。 前三個部件均采用工程物理為基礎的模型為藍本，而日常生活使用的是異構的馬爾可夫鏈模型。美國統(tǒng)計局利用所收集的數(shù)據(jù)對一般美

2、國家庭的個案研究開發(fā)。數(shù)據(jù)被用來進行一次抽樣檢驗的建?；顒?，并在嚴格的統(tǒng)計學驗證預測電力需求。結果能夠捕捉年度和晝夜變化，負載波動，以及家庭之間的差異配置，位置和大小。 1.引言 化石燃料的依賴和對溫室關注的關注增加了使用政策和技術的發(fā)展，以減少和轉移能源的使用。2009年，住宅約占美國一次能源消費總量的22％，，這表明從居民住宅解決能源問題大有必要[1]。通過對需求和短缺之間的調查，我們就可以對種種資源進行科學的投資。 比如可再生發(fā)電，能源存儲和電動車。 可用兩種技術來模擬能源需求：自頂向下和自底向上的模型[ 2 ] 。自上而下模型使用總住宅能源的消耗，連同其它相關變量，加以屬性能耗住

3、房部門的特點。這個車型可以把計量經濟作為參考，這需要在實際消費過程中的小細節(jié)。這些模型將住宅作為能源儲備站或應用影響消費的因素，以確定趨勢[ 2-5 ] 。所需的輸入數(shù)據(jù)視情況來制定這些模，包括住宅的結構特點，住戶和他們的行為，家電的特點，歷史能源消耗，氣候條件和宏觀經濟指標。基于時間序列的方法隨機預測，也可用于預測家庭能源消費[ 6-8 ]，如自回歸移動平均線的方法。 從另一方面說，自下而上模型的貢獻在于向總能耗每個最終用途住宅領域[ 9-11 ] 。自下而上的方法能細化建模能量消耗，使之影響仿真技術改進和政策決定。這些模型能計算出一個地區(qū)或國家的個人或群體的家庭能耗情況。這聚合結果一般是

4、通過評估為完成每個房子模型或基于其代表性群體的房子該部門的方法[ 2 ] 。此外，自底向上方法有能力確定住宅的能源消費總量但不依賴于歷史數(shù)據(jù)。常見的輸入數(shù)據(jù)包括居住特征（如大小和布局，建材，家電的特點） ，天氣條件，家庭乘員的行為及相關使用采暖，通風電器，照明使用和特點，和空調（HVAC）系統(tǒng)。這種高層次細節(jié)表示自下而上模型的強度受到模型中的不同技術選擇的影響，并允許實現(xiàn)能源優(yōu)化技術。在另一方面，用這樣的詳細資料，特別是關于家庭成員的行為，引入了巨大的模型的復雜性。輸入數(shù)據(jù)的要求通常大于自頂向下的模型。 一些文章提出了利用自底向上技術模擬住宅能源使用情況的說法。 1994年卡帕索 [

5、 9 ]提出一個用于評估需求側管理對居民用戶的影響模型。蒙特卡羅方法是用來捕獲住宅需求與心理和家庭乘員之間行為的關系。理查森 [ 10 ]引入馬爾可夫鏈技術來生成合成活躍占用模式，在英國根據(jù)數(shù)據(jù)調查人們的時間利用。隨機模型地圖乘員活動器具使用，創(chuàng)建高度分辨合成的需求數(shù)據(jù)。同一作者還包括照明模型中，占自然光[ 12 ]，拓寬[ 11,13]按照類似的方法，涉及居民用電需求以占用型材。該模型校準和驗證對相對較小的時間使用和電力消耗的數(shù)據(jù)集收集在瑞典。作者表明，現(xiàn)實需求圖案可以從這些活動序列來生成。在這項工作高度分辨自下而上的方法被開發(fā)模擬美國住宅能源需求。 這種自下而上的方法被開發(fā)模擬美國住宅能

6、源需求。該模型能模擬一個普通家庭在美國和家庭成員的行為通過使用模擬收集的時間，該方法使用了2003-2009年進行的馬爾科夫過程校準。該模型不同于現(xiàn)有的自底向上的方法體現(xiàn)在四個方面。其一是暖通空調的使用和需求進行建模與多更詳細的使用基于物理的工程方法。該第二是一個大型時間調查數(shù)據(jù)集是用來校準行為模式存在的方法依賴于更小數(shù)據(jù)集。第三，一些模型的參數(shù)，這是很難估計，實際使用住宅計量校準電數(shù)據(jù)。最后，嚴格的統(tǒng)計測試是用來驗證該模型通過比較產生的預計需求概況該模型對計量居民用電需求數(shù)據(jù)。在這樣的模型化住宅需求的隨機特征配置文件進行驗證。 這個模型可以用來作為一種工具，來模擬當下的住宅，并最終評估在能

7、源利用方面的政策和不同技術的采用和部署方案，成本問題和廢氣排放問題。該模型能也可以使用作為輸入到具體的能源系統(tǒng)仿真，比如確定的日負荷模式的影響和可再生能源的不確定性和可變性上提前一天和實時單位預期值，調度和功率流。高度解析模式也需要應用與此類分析之中。這個框架可以讓消費者在不同的負載調度比較成本，使能源消費者利益積極參與能源市場。它也可以利用價格信號幫助公用事業(yè)評估作從而了降低生產成本，使需求用電負荷更靈活，方便了可再生能源的整合來源。此外，該模型可以用作一個輸入到長期的產能規(guī)劃和擴展研究。根據(jù)具體的最終應用，可以使用該模型生成一個針對個人家庭中的負荷曲線，或負載多個建筑物的輪廓，并且可能會被

8、合并到模擬負載更廣泛的系統(tǒng)。 2. 模型結構 該模型的目的是生成住宅電能使用情況。住宅需求概況在本質上是可變的，取決于多個物理因素，如氣候，溫度和住宅特征和家庭成員的行為。因此，建模需求取決于物理性能，居住位置和個體特征。因為模型是為了生成一個典型的住宅需求狀況。 一所住宅的總電力需求，計算如下： 其中W是總電力需求，表示為W; Wcold指用于制冷裝置的能量，如冰箱和冷凍機; W HVAC是所使用的HVAC系統(tǒng)的耗電量; Wact是家庭成員活動所直接消耗的能源，烹飪或使用洗碗機等; Wlijht是照明能耗，Wfix是一個可認為是常數(shù)的術語，即無所不在的電力消耗，比如家電“待機功耗

9、”。 這些術語包括功率損耗，由于系統(tǒng)的低效率，以及散熱和電損耗。該功耗類別提出不同的依賴關系，這決定了建模方法的基本結構的使用.Wcold只依賴于制冷設備的大小與型號。W-hvac依賴于HVAC系統(tǒng)的物理特性和住戶的安裝要求，，該家庭必須承受的天氣條件。 W-act取決于家庭成員活動因素，即所用設備的功率與能源密集型活動的開展。 W-light依賴于建筑的自然采光。這白天和黑夜使用不同的照明電源轉換參數(shù)被捕獲。 照明電源轉換參數(shù)和W-fix是很難進行評估，并使用線性回歸模型進行計算違背了美國電力提供實際計量數(shù)據(jù)（AEP）。對于制冷裝置，HVAC系統(tǒng)，以及詳細的模型照明需求的組件都可以在文獻

10、中找到[14 - 16]。 該模型是靈活的設計，使能耗在用戶所希望的任何時間分辨率來進行建模。第3節(jié)介紹的案例研究采用的是10分鐘的時間步長模型的電力需求。此外，暖通空調機型采用了1-S時間分辨率捕捉到的熱動力學演化空氣在建筑物內。針對該模型進行了驗證數(shù)據(jù)報告用電量每小時時間步驟。因此，模擬10分鐘消耗配置文件和1-S暖通空調消費被聚集到到達每小時值，它可以與被測數(shù)據(jù)相比較的。 2.1 制冷裝置的能量消耗 最近的評估把冰箱的平均額定功率定為約725 W。此外，在2010年，一個典型的美國住宅冷家電消費是估計占住宅用電量的14.9％，并且能源部下屬能源情報局提出每年每個家庭電力消費11,4

11、96千瓦時，這些數(shù)值意味著每家用制冷裝置的能量消耗是1,713千瓦時。假設冰箱是一個開關設備，始終工作在其標稱狀態(tài)下時，平均運行時間可以通過估計由額定功率除以每年的能源消耗為： 制冷裝置的消費是使用伯努利分布進行模擬，具有固定的成功概率，因此預期該設備的時間是每年2363小時。假設使用于年內均勻分布，這意味著一典型的制冷裝置的工作時間27％。由于模型是用10分鐘的時間步長而轉化為一個寒冷的設備上每3小時運行10分鐘隔。這將產生約4.83千瓦時每日能量消耗。 圖1顯示出了一個得到的光焦度一天中分布的一個例子 。 2.2 HAVC的能量消耗 空間調節(jié)的最終用途包括供暖，通風和空調最顯

12、著代表了住宅能源在美國消耗。一個主要目是暖通空調系統(tǒng)是通過適當保持室內空氣質量通風與過濾，并提供熱舒適性[14]。以上住宅建筑在美國占70％，從而達到用中央強制空氣分配采暖和空調系統(tǒng)的目的[17]。這項工作中提出的模型采用基于整體的方法熱阻理論來模擬一個典型的行為基于空氣的HVAC系統(tǒng)[18]?？刂屏糠治龅幕A上，對于包括僅僅存在于空氣中的體積中進行熱力學和傳熱的基本原則房子，如圖2。 空氣的熱動力學演化由下式給出： 其中的變量定義：ma作為空氣質量的內部控制量（kg）; CP為空氣比熱（kJ /kg K）;ta作為空氣溫度控制體積（C）;mhavc作為暖通空調暖通空調空氣流動速率

13、（kg /s）; RTOT作為等效熱阻（K / W）; THVAC作為HVAC供給空氣的溫度（C）,T1為環(huán)境溫度（C）。 RTOT是這樣計算的： 其中ho和hi 分別是外界和對流系數(shù)。 Awall和AWIND是墻壁和窗戶表面在與環(huán)境相接觸。這些表面正常的熱傳遞的方向。 Rwind和Rwall是熱窗戶和墻壁的電阻。值這些參數(shù)示于表2。 在第一項公式的右邊。 （1）表示的能量由HVAC系統(tǒng)提供的，即由攜帶能量離開HVAC系統(tǒng)，并在進入家庭的空氣溫度THVAC。第二項表示傳熱戶之間，在溫度Ta，和環(huán)境，在溫度T1。 式（1）可以解析求解，以獲得動態(tài)演化的空氣的家庭內的溫度為：

14、 其中，T0代表的是初態(tài)條件 暖通空調模式需要有關的幾個假設該系統(tǒng)的物理特性，包括大小導管，風扇和熱機。管道尺寸的確定通過最小化凈現(xiàn)值安裝和運行成本[18]。導管和風扇的尺寸，使得最大空氣流速相匹配的最惡劣的冬季和夏季條件的位置建設被建模（選擇這些條件的值與下面描述的其它的HVAC設計參數(shù)列于表2）。一旦空氣流速被選擇為最常見的住宅系統(tǒng)的可用參數(shù)，最合適的爐也將會被確定。 對于兩個空氣流率和額定功率的選擇所導致的爐引到空氣進入溫度的固定值，取決于所選的特定系統(tǒng)上，從40到66℃可能的空氣流率和爐子大小的組合，以及從返回的空氣溫度暖通空調系統(tǒng)中，系統(tǒng)中報告表1.4由于冷卻機器是一種比爐更具可

15、擴展性和更多種類的模型，并且是可在市場上購買的，假定空氣在夏季的溫度是恒定的，等于134℃[18]。 每天是否成為模擬對象取決于那一天是冷還是熱。這是為了復制所作出的決定而對兩個HVAC系統(tǒng)進行切換。一個簡單的但現(xiàn)實的控制策略是基于繼電器的實施允許14 ℃周圍所要求的溫度，這是一個公差設置為21.1℃（70°F）。 暖通空調的能耗被分成兩部分：功率由風扇所消耗流通空氣，Wfan，并且電源由暖通設備吸收。前者可以計算如： 其中的總壓降，ΔPtot，被定義為等于Pstatic +ρ，Pstatic是靜壓降，ρ是空氣密度，v是空氣速度。在這項工作中v為假定等于4m/s[18]，中點建議值，

16、以避免噪聲的范圍。ηFAN和ηmotor是風扇和馬達，分別與該產品的效率ηFANηmotor被假定為等于0.15[19]。 無論該系統(tǒng)是在冷卻或加熱模式，暖通設備的能源消耗都是不同。在加熱操作中，為保持所需的溫度條件，即需要產生的功率恒定：需要必要的熱量，可以使用兩種方法來獲得爐加熱或全電動HVAC系統(tǒng)。在前者情況下，需要主電源，Epramary，可以計算為： 其中ηfurnace假設為0.85。 這種能量是通過燃料的燃燒（如自然直接獲得天然氣，燃料油或煤油）。在這種情況下Epramare增加建筑物的電力負荷，這是表示僅通過消耗空氣流通，即Wfan的電源。同樣，熱量可以使用全電系統(tǒng)來

17、獲得。在這第二種情況下，熱量被轉換成一個電負載指標，COP系數(shù)。因而初級能源需要Epramary，等于用電量Wheat 其計算如下： 圖3示出在空氣中的溫度控制的演變量和環(huán)境溫度對2010年5月9日的印第安納州/密歇根州區(qū)。這是以模擬為目的，實際使用上歷史環(huán)境溫度數(shù)據(jù)。這個數(shù)字還報告由消耗所產生的總時間的電能暖通空調系統(tǒng)。這表現(xiàn)為，加上一個HVAC系統(tǒng)爐中，用于全電動的HVAC系統(tǒng)。表2總結HVAC系統(tǒng)參數(shù)使用。對于耦合HVAC系統(tǒng)用爐，總的模擬電量為這一天是0.53千瓦時，18.2千瓦時的熱量是通過燃燒加燃料在爐中。對于全電動系統(tǒng)，總模擬用電量的一天是5.2千瓦時。 在夏季運行HV

18、AC系統(tǒng)必須既涼爽又減少空氣濕度。這是成正比的總焓變，Δhtotal，可以使用顯熱比，SHR進行計算。這種長期措施的顯熱負荷（例如，用于冷卻的能量）之間的比與總的熱負荷，并且被定義為： 其中Δhsensible是顯熱的焓變。典型SHR值，其范圍從0.6至0.9，在美國在不同地方的不同 美國采暖，制冷和空調工程師協(xié)會（ASHRAE）的標準年使用[20]。該在夏季制冷功率由下式給出： 在冷卻天總耗電量可通過總結Wfan和散熱Wcool。在能源消費評價在美國住宅空間空氣調節(jié)領域一定程度上解聚是可取的，因為有較大的氣候差異和相關的加熱和冷卻要求。這種方法基于環(huán)境溫度和SHR參數(shù)的變化。

19、這項工作中，需要控制體積的空氣質量，在一棟面積為223平方米（2400平方英尺），高度為2.44米（8英尺）的建筑中進行。一個系統(tǒng)具有空氣流量容量為0.46千克/秒（800立方英尺），同時與一個標稱13.2千瓦（45 KBTU/小時）電源的爐是必需的空氣溫度表2總結了HVAC參數(shù)使用。這種方法由Muratori et al 提出，并展現(xiàn)了很多細節(jié)。 [21]。 2.3 建筑電耗量與居民活動的關系 模擬個體的行為是一個復雜的任務，因為隨機執(zhí)行的活動的性質。這與每個人的家庭，生活習慣，在能源使用中的差異與不同的活動有關，每天和每周的變化行為和負載巧合都應該被捕獲。該模型采用的是異構馬爾可夫

20、鏈模擬人員的行為，并預測相關的能源消耗。Pandit and Wu等人[22]使用類似的方法來模擬住宅電力需求，Widén and W?ckelgad[11]在瑞典開發(fā)一個類似的模型來預測住宅需求。作為第一步，產生每個家庭成員的合成活動模式，然后該轉換成Wact與每個活動相關聯(lián)的功率轉換因子。 所有可能的活動分為九大類，就其中不同的執(zhí)行活動所需的能量而言。這些活動包括： 1.睡覺。 2.無電源活動（例如閱讀）。 3.清潔（如吸塵）。 4.洗衣房。 5.烹飪。 6.全自動洗碗。 7.休閑娛樂（如使用電視機，音響，電腦，或視頻游戲的系統(tǒng)）。 8.走，工作。 9.

21、走，不能正常工作。 馬爾可夫鏈模型假定每個家庭成員在這九個狀態(tài)中的每個離散的時間步長中的一個。隨著時間的從t進行到t +1時的狀態(tài)過渡。這些轉變通過轉移概率， Pi,jd,h，從而使該概率從狀態(tài)i到在h小時狀態(tài)j上鍵入-d天。白天行為模式是通過允許過渡轉載概率來改變從而超過24小時，這由下式表示該指數(shù)小時。同樣，行為和工作之間的差異非工作日，因此允許概率來捕獲工作（D = 1）和非工作天（d = 0）之間變化。這方法要求選擇初始狀態(tài)，這是所有人都在睡覺的凌晨4時模擬的第一天。然后在每個時間步驟一均勻分布的偽隨機數(shù)x，生成和比較的累積分布狀態(tài)轉換，以確定哪些轉變發(fā)生。這是在圖4所示 。因為x是

22、在該示例中的第五間隔在圖中所示，這意味著乘員將過渡第五狀態(tài)。 該活動相關的功耗模型的數(shù)據(jù)需要輸入家庭成員的數(shù)目，和功率轉換因子。轉移概率從ATUS數(shù)據(jù)獲得，這都是很典型的代表性數(shù)據(jù)，如工作的男性和女性的工作（與不同的相關的轉移概率）為藍本。進一步的數(shù)據(jù)相關細節(jié)將在第3節(jié)中討論。 2.4 照明設備能耗 照明負載代表了居民用電相當大的比例需求，也有助于季節(jié)和晝夜負荷變化的研究[23]。此組件的正確建模需要的數(shù)據(jù)有，太陽輻照度，居住方位和照明技術數(shù)據(jù)。這項工作假設白天和晚上都用來照亮屋子時，在至少有一個成員存在，并且沒有在睡覺。 日落和日出時間是根據(jù)日期計算，并使用的方法是由美

23、國地質雜志Survey提出的，——估計晝夜和夜間照明電源轉換系數(shù)，線性回歸模型，在3.2節(jié)中會進一步討論 4. 模型校驗 在此部分提出兩個步驟的確認方法。首先，模型的輸出與數(shù)據(jù)集校準（印第安納州/密歇根州）相比較，以驗證該模擬結果具有相同的統(tǒng)計特性。第二，該模型被用來模擬一個不同的電力需求區(qū)（得克薩斯州），并把其輸出與該地區(qū)的需求量進行對比。由于沒有用得克薩斯集模型校準，這超出樣品的模型驗證。圖7圖顯示每小時住宅為藍本為對印第安納的AEP計量，這是一用于模型校正的數(shù)據(jù)集。圖中示出了建模之間的線性關系和計量數(shù)據(jù)。模擬數(shù)據(jù)為印第安納/密歇根州區(qū)域與值為0.5107的R2貼合實際的數(shù)據(jù)。

24、所進行的非參數(shù)Mann-Whitney U測驗是為了進行評估兩個樣本的分布是否相等[25]。測試確認兩個樣本中的一個的值比另一個有較大的趨向，即檢查處于隨機變量中的人群是否有 對稱性。 該測試是無法拒絕擁有99％的置信區(qū)間的原假設（p值是0.0965），這表明該模型與計量數(shù)據(jù)具有相同的基本分布。此外，的兩個樣品的裝置的差別是非常小的 （計量模型和數(shù)據(jù)集分別是1118W和1122W）。兩個數(shù)據(jù)集的標準差的區(qū)別較大（計量數(shù)據(jù)是403W而不是用于建模的數(shù)據(jù)425W）。因此， Levene/Brown執(zhí)行的測試以確定是否在統(tǒng)計學上具有差異是顯著不同的[26]。再次，測試沒有在在99％置信區(qū)間內

25、檢測不同的差異（p值是0.024）。 該模型是通過進一步比較驗證了德克薩斯州的模擬和計量需求數(shù)據(jù)。圖8顯示了每個家庭的電力消耗和相應的AEP數(shù)據(jù)。 當用典型的平均供給數(shù)據(jù)，該圖表明該模型是能夠復制的實際計量數(shù)據(jù)的趨勢。模擬對于德州地區(qū)數(shù)據(jù)與擬合的R2中的實際數(shù)據(jù)為0.5952。該圖顯示，該模型捕捉了晝夜負載模式以及季節(jié)變化的需求。印第安納/密歇根的住宅負載冬季很少超過1.5千瓦，得克薩斯州相對來說要高一點。這反映在得克薩斯州大多采用全電加熱系統(tǒng)，其中較大的用電消耗是來自于暖通空調抓。夏季負荷在得克薩斯州也往往表現(xiàn)出更大的峰值和較大的跨度，顯示出了較好的溫暖效果和較長的冷卻時間。使用Ma

26、nn -Whitney U檢驗在99 ％的置信區(qū)間（ p值是0.1376 ）是無法拒絕零假設的。在第二種情況下的計量和模擬數(shù)據(jù)集在呈現(xiàn)方式有較大的差異，分別是1519W和1503 W。此外，在差相比于兩個數(shù)據(jù)集的標準偏偏大的情況下（ 計量是609W而不是用于建模的數(shù)據(jù)的625W） 。Levene/Brown–Forsythe測試顯示出標準偏差的差異，但不同的是其值低于3％，可能是由于在這兩個地區(qū)的住宅電源特性的差異而造成的。模擬實驗與實測數(shù)據(jù)的變動性差異與文獻中報道的一致。具體來說， Widén and W?ckelga[ 11 ]報道中統(tǒng)計了14個最終使用專用電源需求戶的相應的測量結果。他們

27、的模型給出了平均值和標準偏差，計量的數(shù)據(jù)不盡相同，分別是1.8 ％和3.2％ 。 Bartusch等人 [27]在瑞典提出了進一步年用電量在單方差時對家庭住宅以及家用功能的影響。 5. 結論 這項工作提出了一個模型來模擬居民用電消費。該模型能夠模擬由多個個體組成一個家庭的電力需要，主要包括冷家用電器，暖通空調，照明，以及活動相關的功耗。為個人使用的活動模式是異構建模馬爾可夫鏈。通過對樣本的驗證，證明了這種方法是十分有效的。運用功率轉換因子可以重建一個單一的或集群的總組住戶的功耗特征和組成。嚴格的統(tǒng)計學框架是用來驗證模擬的電力需求而不是AEP提供的計量數(shù)據(jù)。在捕捉年度和日變化后，結果證明什么

28、才是合理的需求模式，，也包括負載波動和家庭之間的配置差異，位置和大小。該模型生成的電力需求概況具有相同的統(tǒng)計特性。 不同技術的效果可通過改變被分析相應的模型參數(shù)來體現(xiàn)。例如，一種更有效的HVAC系統(tǒng)可以通過調節(jié)COP和潛在的儲蓄的照明能源而調節(jié)，可以通過調整獲照明轉換參數(shù)而獲得數(shù)據(jù)。這種性質的模型是非常有用的，因為它可以指導有關住宅方面的決策。通過量化消耗和預測影響，改造新的材料和技術的儲蓄方式，便可以影響到支持能源供應，改造和技術激勵的機制，建筑規(guī)范，甚至拆除和重新建設等方方面面。此建模技術也可再配合長期投資模型，以確定如何節(jié)能節(jié)能被消費者采納。 第二段 其余的電源轉換參數(shù)，即

29、白天和夜間的電量和固有的時間變量需要根據(jù)家庭位置，大小，以及建筑對能源的使用需求調整。在需要用最小二乘線性回歸模型來估計這些參數(shù)。這是通過估計這些系數(shù)進行模型擬合AEP所提供的消費數(shù)據(jù)來計量每小時平均每個客戶電力負荷數(shù)據(jù)。 AEP的數(shù)據(jù)報告的電力負荷來自于兩個服務地區(qū)，印第安納州/ 密歇根州和得克薩斯州。這些地區(qū)的不同之處在于在印第安納/密歇根有非電加熱，而德州是由電力占主導地位。上述第一數(shù)據(jù)集是用來估計轉換參數(shù)，而對比則會在下一節(jié)進行討論。和實測數(shù)據(jù)對應的溫度數(shù)據(jù)，由AEP提供。 　　 最后一段 為了運行包括400戶的回歸模型模擬。需要了解總結在表2中的建筑參數(shù)。家戶的分項數(shù)據(jù)如下： 　　1. 37.5％：其中一個工作的男性和一個工作女性。 　　2. 37.5％：其中一個工作的男性和一個非工作的女性。 　　3. 12.5％：其中一個單一的工作男性。 　　4. 12.5％：其中單工作的女性。 　　其余的影響因素和固定因素有： 　　1.日間照明功率：270 W。 　　2.夜間照明功率：370 W。 　　3.固定電量消耗，Wfix：230W。 這些系數(shù)是基于所涉及的家電家電，HVAC系統(tǒng)和馬爾可夫為基礎的活動模型和表4給出的能源換算系數(shù)。