Годовой расход электроэнергии: Расход электроэнергии предприятием. Расчет расхода электроэнергии.

Расход электроэнергии предприятием. Расчет расхода электроэнергии.

Электроэнергия служит для привода основного и вспомогательного оборудования, подъемно-транспортных устройств, средств автоматизации и механизации различных приспособлений, а также для питания нагревательных установок и сварочных аппаратов (см. сварка).

Электроэнергия в цех поступает от заводской трансформаторной подстанции (крупный цех имеет несколько подстанций). Силовая сеть трехфазная, частота 50 Гц, напряжение 380/220 В, осветительная сеть — напряжение 220 В.

Расчет расхода электроэнергии

Рассмотрим расчет расхода электроэнергии в цехе на примере кузнечного цеха.

При подсчете мощности и расхода электроэнергии внутри каждого отделения потребителей разбивают на группы по принципу однородности (например, группа прессов (см. гидравлические прессы, кривошипные прессы), группа молотов, группа холодновысадочных автоматов, группа ножниц, группа сварочного оборудования), а также по типоразмерам или по загруженности (например, прессы крупные, средние, мелкие или прессы весьма загруженные, среднезагруженные и тому подобное) и подсчет выполняется для каждой такой группы в отдельности.

Мощность каждого токоприемника берут по паспортным данным и указывают в кВт. Если в киловольтамперах (кВА), то мощность в кВт вычисляют по формуле:

N = S — cosφ,

где N — мощность, кВт;
S — мощность, кВА;
cosφ ≈ 0,85 — для кузнечных и холодноштамповочных цехов.

В технологической части проекта требуется определить:

• суммарную установленную в цехе мощность токоприемников;
• активную мощность по группам оборудования, имеющего однородный характер работы, а также суммарную активную мощность по всему цеху;
• годовой расход электроэнергии.

Суммарная установленная мощность по цеху N_цравна сумме мощностей N₁, N₂, N_n, требующихся для каждой единицы оборудования:

N_ц = N₁+ N₂+ N₃+ … + N_n = ΣN_n

N₁, N₂, N_n берут из ведомости оборудования. Потребляемая активная мощность данной группы Р_гр:

Р_гр= К_сΣN_гр

где К_с— коэффициент спроса, учитывающий полноту использования установленной мощности.

Для каждой группы К_симеет свое значение:
от 0,15 — краны, манипуляторы и прочее подъемно-транспортное оборудование;
0,35 — крупные прессы;
0,45 — молоты, ГКМ, КГШП;
до 0,75 — конвейеры, работающие непрерывно.

Активная мощность по всему цеху равно сумме мощностей отдельных групп:

Р = ΣР_гр

Годовой расход электроэнергии

Годовой расход электроэнергии по цеху Э_гравен сумме ее расходов по тем же отдельным группам оборудования Э_г.гр.:

Э_г = ΣЭ_г.гр.

При этом годовой расход электроэнергии в группе:

где Ф_об— эффективный годовой фонд времени оборудования, ч;
К₃ — коэффициент загрузки оборудования, %.

Годовой расход электроэнергии на освещение определяется путем подсчета мощности всех светильников и времени их работы с учетом коэффициента спроса.

годовой расход — это… Что такое годовой расход?

годовой расход

consumo annuo

Русско-итальянский финансово-экономическому словарь. — «Русский язык-Медиа».
П. Галлана .
2005.

• годовой процент
• годовой расчёт

Смотреть что такое «годовой расход» в других словарях:

• удельный годовой расход тепловой энергии на систему горячего водоснабжения — 3.46 удельный годовой расход тепловой энергии на систему горячего водоснабжения: Количество тепловой энергии на горячее водоснабжение, отнесенное к квадратному метру площади квартир или полезной площади общественного здания. Источник: ГОСТ Р… …   Словарь-справочник терминов нормативно-технической документации

• удельный годовой расход электроэнергии на освещение — 3.50 удельный годовой расход электроэнергии на освещение: Количество электроэнергии за год, потребляемое зданием на освещение, отнесенное к площади пола квартир здания или полезной площади помещений общественного здания. Источник: ГОСТ Р 54964… …   Словарь-справочник терминов нормативно-технической документации

• удельный годовой расход электроэнергии на электроснабжение инженерных систем — 3.51 удельный годовой расход электроэнергии на электроснабжение инженерных систем: Количество электроэнергии за год, потребляемое зданием на электроснабжение инженерных систем, отнесенное к площади пола квартир здания или полезной площади… …   Словарь-справочник терминов нормативно-технической документации

• удельный годовой расход энергии на систему кондиционирования — 3. 47 удельный годовой расход энергии на систему кондиционирования: Количество энергии за год, потребляемое системой кондиционирования, отнесенное к квадратному метру площади квартир или полезной площади общественного здания. 3.48 Источник: ГОСТ Р …   Словарь-справочник терминов нормативно-технической документации

• удельный суммарный годовой расход первичной энергии на системы инженерного обеспечения здания — 3.49 удельный суммарный годовой расход первичной энергии на системы инженерного обеспечения здания: Количество первичной энергии, потребляемое зданием за год на отопление, горячее водоснабжение, вентиляцию, кондиционирование, электроснабжение и… …   Словарь-справочник терминов нормативно-технической документации

• расход — сущ., м., употр. сравн. часто Морфология: (нет) чего? расхода, чему? расходу, (вижу) что? расход, чем? расходом, о чём? о расходе; мн. что? расходы, (нет) чего? расходов, чему? расходам, (вижу) что? расходы, чем? расходами, о чём? о расходах 1. … …   Толковый словарь Дмитриева

• расход воды — объём воды, протекающей через поперечное сечение потока в единицу времени; одна из важнейших гидрологических характеристик. Для рек обычно исчисляется в м³/с, для малых водотоков в л/с. На реках и каналах измеряется гидрометрическими вертушками,… …   Географическая энциклопедия

• Годовой расчетно-нормативный расход тепловой энергии, топлива и электрической энергии — годовой расчетно нормативный расход тепловой энергии на отопление, вентиляцию и горячее водоснабжение, топлива и электрической энергии расчетно нормативное потребление энергоустановками тепловой энергии, топлива, электроэнергии в год с учетом… …   Официальная терминология

• ГОСТ Р 54964-2012: Оценка соответствия. Экологические требования к объектам недвижимости — Терминология ГОСТ Р 54964 2012: Оценка соответствия. Экологические требования к объектам недвижимости оригинал документа: 3. 35 «серые» стоки: Канализационные стоки, образующиеся после купания, мытья посуды и стирки. Определения термина из разных… …   Словарь-справочник терминов нормативно-технической документации

• Финляндия — I Содержание [Историю Финляндии, историю литературы, язык и мифологию см. соотв. разделы.]. I. Физический очерк. II. Население. III. Экономический обзор. IV. Финансы. V. Управление и судоустройство. VI. Финские войска и воинская повинность. VII.… …   Энциклопедический словарь Ф.А. Брокгауза и И.А. Ефрона

• Финляндия* — Содержание: I. Физический очерк. II. Население. III. Экономический обзор. IV. Финансы. V. Управление и судоустройство. VI. Финские войска и воинская повинность. VII. Образование. VIII. Наука, искусство, печать и общественная жизнь. IX. Церковь. X …   Энциклопедический словарь Ф.А. Брокгауза и И.А. Ефрона

Расчет экономии электроэнергии

Задача 1.1

Определить экономию электроэнергии в рублях в линии электропередач, от замены электродвигателя напряжением на 380 В на 6кВ. Длина ВЛ от подстанции к двигателю, мощность ЭД и время часов работы в год приведены по варианту в таблице 1.

Таблица 1.

I. Расчитаем годовые потери до замены ЭД ,

1.

для этого расчитаем потери в линии

sРл =3*I²*Rл

где I – ном. ток нагрузки

Rл – активное сопротивление линии

2. Расчитаем ток нагрузки.

Р = U*I; I1 = P/U1; I = 315/0.38 =828.95 А

3. Расчитаем сопротивление линии.

R л = g*L/S

g – удельное сопротивление проводника

L – длина линии

S – сечение проводника

Rл = 300g/S

4. Расчитаем потери в линии.

s Р1=3*828.95²*300g/S =618442292g/S кВт

5. Расчитаем годовые потери электроэнергии.

s W1 =sP1*Тг

sW1 = (618442292g/S)*5600 =3. 4632768*10¹²g/S кВт*ч

II. Расчитаем потери после замены ЭД .

6. Номинальный ток нагрузки.

I2 = P/U2 I = 315/6=52.5 А

7. Потери в линии.

s Р2=3*52.5²*300g/S=2480625g/S кВт

8. Годовые потери.

s W2=(2480625g/S)*5600 = 1.38915*10¹⁰ g/S кВт*ч

9. Расчитаем экономию эл. Энергии при переводе с 380 В на 6кВ

sW = sW1 — sW2

s W = 346.32768*10¹⁰g/S –1.38915*10¹⁰ g/S = 344.93853*10¹⁰ g/S

10. Экономия электроэнергии в рублях.

s Э =sW* Суэ ,где Суэ = 0,34 руб/кВт*ч

sЭ = 344.93853*10¹⁰ g/S*0.34 = 117.2791002*10¹⁰ g/S руб/кВт*ч

Наиболее точный результат получится ,если будет известно сечение провода.

Задача 1.2

На подстанции установлено n трансформаторов. Построить кривые зависимости потерь от натрузки тр-ов sWтр∑=ƒ(Sнагр) и выбрать оптимальный режим работы этих тр-ов при различных нагрузках. Число и технические данные приведены в табл. 2.6

Таблица 2.

Таблица 6.

Суммарные потери активной энергии в двухобмоточных трансформаторах, при работе n тр-ов можно определить по выражению,кВт*ч

n n

s Wтр∑ =∑(sPxi*Tв) + k²з.т.* ∑(sPк.з.i* Траб) ,

i=1 i=1

n

где kз.т. = Sнагр∑/∑Sном.т.i

i=1

n – число работающих тр-ов

sРхi – потери х.х. i – го тр-ра при ном. напряжении

Тв – полное число часов работы тр-ра

sРк.з.i –потери к.з. i – го тр-ра при ном. напряжении

Траб – число часов работы тр-ра с ном. нагрузкой

S нагр∑ — суммарная нагрузка подстанции

S ном. т∑ — ном. мощность тр-ра

Суммарные потери при работе 1-го трансформатора

Суммарные потери при работе 2-го трансформатора

Суммарные потери при работе 2-х трансформаторов

Номинальная суммарная мощность 2-х тр-ов

S ном = (Sт1*Sт2)/(Sт1+Sт2) = 100*160/260 = 61. 54 кВА

Найдём нагрузку при которой потери будут одинаковые у обеих трансформаторов и узнаем при какой нагрузке Т2 будет использовать рентабельнее ,чем Т1.

s W1 = 2871+S/100*11820

s W2 = 4437+S/160*18600

примем sW1= sW2

отсюда 2871+S/100*11820 = 4437+S/160*18600

S = 803.0769 кВт

Задача №1.3

Определить годовую экономию электроэнергии на станке за счет ограничения холостого хода. Мощность электродвигателя станка Pном.эд., годовое число часов работы Тг и время работы на холостом ходу Тхх принять по варианту из таблицы 3.

Применение ограничителей холостого хода на станках, имеющих межоперационное время 10 секунд и более, всегда приводит к экономии электроэнергии. Годовая экономия электроэнергии определяется, кВт ч.

s W =Px*Тхх ,

где Рх = 0,2*Рном эд

Где Рх – мощность холостого хода, которое определяется, как сумма механической мощности холостого хода системы электропривода и потери мощности в стали электродвигателя, кВт.

Расчет :

Рх = 0,2*7,5=1,5 кВт Тхх = 2300*0,25 =575

Годовая экономия электроэнергии

sW = 1,5*575 =862,5 кВт

Задача №1.4

Определить удельную экономию электроэнергии, полученную на дуговой печи, при сокращении времени ее простоя. Номинальная мощность печи Рном., мощность холостого хода Рх, номинальный удельный расход электроэнергии Wуд.т и число часов простоя печи в течении суток принять по варианту из таблицы 4.

Период простоя печи в нормальных условиях определяется временем, необходимым на слив металла, очистку печи, подварку пода и стен и загрузку шихты. Электроэнергия в период завалки шихты в печь не поступает, но аккумулированное в кладке печи тепло рассеивается кожухом и сводом, вследствие чего при включении печи в сеть часть энергии идет на нагрев футеровки. Потери на подогрев футеровки доходят до 15 – 20 % всей подведенной электроэнергии для очередной плавки. Наилучшим методом является механизированная загрузка сверху, обеспечивающая экономию удельного расхода электроэнергии 7 – 8 %.

Влияние простоев и задержек на удельный расход электроэнергии можно установить в зависимости от длительности простоев с отключением печи, учитывая потери холостого хода печи, кВт ч.

Wудtпр = (Рх*tпр + Рном(24-tпр))*Wуд/Рном(24- tпр)

Рх=Рном*20% = 1500*0,2= 300кВт

Где Рх – мощность холостого хода.

tпр – число часов простоев печи в течение суток.

Рном – номинальная мощность печи.

Wуд – номинальный удельный расход электроэнергии.

W уд1 = (300*5 + 1500(24-5))*800/1500(24-5) = 842,105 кВт*ч/т при простое 5 ч

Wуд2 = (300*1+ 1500(24-1))*800/1500(24-1) = 806,957 кВт*ч/т при простое 1ч

Удельная экономия электроэнергии, отнесенная к одной тонне выплавляемого металла определяется , кВт ч/т,

s Wуд.э = Wудt1 – Wудt2

Где Wуд t1 и Wудt2 – удельный расход электроэнергии печи для большего и меньшего числа часов простоя печи в течении суток, кВт ч/т.

s Wуд.э =842,105-806,957 = 35,148 кВт*ч/т при загрузке печи 1 т

sWуд.э.п. = 105,444 кВт*ч при полной загрузке

Задача №1.5

На водонапорной станции используется дроссельное регулирование напора и подачи воды (при помощи задвижек). Определить годовую экономию электроэнергии после внедрения частотного регулирования скорости вращения электродвигателей насосов для изменения напора и подачи воды. Характеристики насосных агрегатов и необходимый напор в сети принять по варианту из таблицы 5.

Годовая экономия электроэнергии после внедрения частотного регулирования скорости вращения электродвигателей насосов определяется по выражению, кВт ч

W г = (Нвых – Нсети)*Qф*Тг/367ηф

Где Нвых – напор на выходе насоса, можно принять равный номинальному напору насосного агрегата.

Нсети – напор поддерживаемый в системе.

Qф – фактическая подача воды, можно принять равный номинальной подаче насосного агрегата.

Тг – годовое время работы агрегата.

ηф – фактический КПД насосного агрегата.

W г = (50 – 30)*3200*4400/367*0,84 = 913455,3 кВт*ч

404

Если вы хотите изменить свое местоположение, выберите другую страну в раскрывающемся списке.

Выберите страну

• Algérie

• beko.com.ar» data-title=»Argentina»>

  Argentina

• Armenia / Հայաստան / Армения

• Australia

• Azərbaycan

• beko.com/be-nl» data-title=»Belgium / België / Belgique /»>

  Belgium / België / Belgique /

• Bolivia

• Bosna i Hercegovina

• Brunei

• beko-bg.com» data-title=»Bulgaria / България»>

  Bulgaria / България

• Denmark / Danmark

• Deutschland

• Egypt / مصر

• beko.com/es-es» data-title=»España»>

  España

• Finland / Suomi

• France

• Gulf / خليج

• beko.hr» data-title=»Hrvatska»>

  Hrvatska

• Indonesia

• Ireland

• Israel / ישראל

• beko.com/it-it» data-title=»Italia»>

  Italia

• Korea

• Kosova

• Lietuva / Литва

• beko.lu/» data-title=»Luxembourg»>

  Luxembourg

• Magyarország

• Malaysia

• Maroc

• beko.mu» data-title=»Mauritius / Maurice»>

  Mauritius / Maurice

• Myanmar

• Netherlands / Nederland

• New Zealand

• beko.com/ng-en» data-title=»Nigeria»>

  Nigeria

• Norway / Norge

• Paraguay

• Philippines

• beko.pl» data-title=»Polska»>

  Polska

• Portugal

• România

• Saudi Arabia / السعودية

• beko.com/sg-en» data-title=»Singapore»>

  Singapore

• Slovenija

• Slovensko

• South Africa

• beko.lk» data-title=»Sri Lanka»>

  Sri Lanka

• Sweden / Sverige

• Tunisie

• Türkiye

• beko.co.uk» data-title=»United Kingdom»>

  United Kingdom

• United States of America

• Uruguay

• Việt Nam

• beko.com/at-de» data-title=»Österreich»>

  Österreich

• Česká republika

• Ελλάδα

• Македонија

• beko.mn» data-title=»Монгол улс»>

  Монгол улс

• Россия

• Србија

• Україна/Украина/Ukraine

• beko.com» data-title=»الشرق»>

  الشرق

• ايران

• ประเทศไทย

• საქართველო

• beko.com.cn» data-title=»中国»>

  中国

Продолжить

Определение расхода электроэнергии. Расход активной электроэнергии. Расход реактивной электроэнергии

ТЕМА 4:
ОПРЕДЕЛЕНИЕ РАСХОДА ЭЛЕКТРОЭНЕРГИИ

4.1. Расход активной электроэнергии. Расход электроэнергии за определенное время
группой электроприемников, цехом или предприятием в целом является важнейшим
интегральным показателем режима электропотребления. Определение расхода
электроэнергии ведется как в условиях эксплуатации электроустановок, так и на
любой стадии проектирования системы электроснабжения. Периоды, к которым
относится расход электроэнергии, в зависимости от конечной цели расчета обычно
принимаются равными году, месяцу или смене.

Для группы электроприемников количество потребленной
активной электроэнергии W_t за время t может быть определено по
выражению:

                                         
(4.1)

где K_иt — среднее значение группового коэффициента
использования за время t.
При подсчете годового расхода активной энергии формула (4.1) принимает вид:

                           (4.2)

Учитывая выражения (5-7), можно последнее уравнение
представить в виде:

                                    (4.3)

Если величина коэффициента сменности по
энергоиспользованию а для данного вида производства неизвестна, а данные
технологического задания позволяют оценить относительные загрузки других, менее
загруженных смен, то годовой расход активной электроэнергии может быть
определен по формуле:

                
(4. 4)

здесь Т_г1 …, Т_г4 — годовой фонд
рабочего времени отдельных смен; b₂, b₃, b₄, — относительные загрузки смен, определяемые
соотношениями:

            (4.5)

в которых Р_с2, Р_с3 и Р_с4
выражают средние нагрузки менее загруженных смен. Коэффициент С в
уравнении (5-16) учитывает работу в выходные дни, а также месячные и сезонные
изменения нагрузки (С < 1). Для ориентировочных расчетов, например в
проектном задании, годовой расход активной электроэнергии можно определить по
простой формуле:

                                    
(  4.6)

Годовое число часов использования максимума активной
нагрузки Т_{М а} приводится в справочниках и отраслевых инструкциях
проектных организаций. Числовые значения для некоторых производств даны также в
приложении 2.

2. Расход реактивной электроэнергии. Годовой расход реактивной электроэнергии для
электроприемников при отстающем токе определяется по формулам, аналогичным
(5-14), (5-15) и (5-16), либо по выражению:

                                         
(4.7)

где
tgj_сг соответствует средневзвешенному за год значению коэффициента мощности
(соs
j_сг) данной группы потребителей или цеха, так что

При наличии в данной группе потребителей или цехе
электроприемников, работающих с опережающим током (синхронных двигателей или компенсаторов,
батарей статических конденсаторов), вырабатываемая ими реактивная энергия
вычитается из годового количества реактивной энергии, потребляемой
электроприемниками с отстающим током.

Ниже приводятся примеры, иллюстрирующие рассмотренную
здесь методику определения средней мощности за наиболее загруженную смену и
годового расхода электроэнергии.

Пример. Номинальная мощность группы трехфазных электроприемников,
приведенная к ПВ = 1, составляет Р_н = 550 квт.
Коэффициент использования по активной мощности, характерный для данной группы
электроприемников, К_и = 0,6; коэффициент сменности по
энергоиспользованию a = 0,75;

годовой
фонд рабочего времени Т_г = 5000 ч. Найти среднюю мощность за
наиболее загруженную смену Р_см
и годовой расход активной энергии.

Определяем среднесменную нагрузку:

По формуле (4.3):

Можно идти и другим путем, определив сначала
среднегодовую мощность с помощью:

Так как

то из уравнения (4.2), получим

тот же самый результат. В данном случае первый путь
проще.

Пример. Определить годовое потребление электроэнергии
отдельными корпусами металлургического завода и средневзвешенные значения коэффициента
мощности для этой группы потребителей за смену и за год. Исходные данные и
результаты расчетов по формуле (4.3) представлены в табл. 4.1.

Таблица
4.1

Использование электроэнергии в домах — Управление энергетической информации США (EIA)

Потребление электроэнергии в домах в США зависит от региона и типа дома

Среднее домашнее хозяйство в США потребляет около 11000 киловатт-часов (кВтч) в год. ¹ Однако потребление электроэнергии в домах варьируется в зависимости от регионов США и разных типов жилья. В среднем квартиры на северо-востоке потребляют меньше всего электроэнергии в год, в то время как дома на одну семью на юге потребляют больше всего.В домах на юге чаще будет электрическое отопление и больше кондиционеров.

В отличие от природного газа, нефтяного топлива и древесины, которые необходимы лишь для ограниченного круга целей, таких как отопление и приготовление пищи, электричество может обеспечивать их энергией и более 100 других видов конечного использования энергии в домашних хозяйствах.

• кондиционер17%
• отопление помещений 15%
• водяное отопление14%

Освещение и холодильники используются почти в каждом доме, и они являются вторым по величине конечным потребителем электроэнергии.Доли годового конечного потребления электроэнергии могут меняться из года в год в зависимости от погодных условий.

Кондиционирование воздуха сейчас обычное дело в большинстве домов

Из-за перемещения населения в более теплый климат и наличия кондиционеров почти во всех новых домах, кондиционирование воздуха стало одним из наиболее быстрорастущих видов использования энергии в домах. В 2015 году около 87% домов использовали кондиционеры по сравнению с 57% домов, в которых использовалось кондиционирование воздуха в 1980 году. Процент домов с центральным кондиционированием воздуха увеличился более чем вдвое с 1980 года, когда центральные системы кондиционирования были установлены в 27% домов по сравнению с 64. % в 2015 году.

Доля домов в США с центральными системами кондиционирования воздуха увеличилась с 27% в 1980 г. до 64% ​​в 2015 г.

В большинстве домов есть холодильники, а во многих — более одного

Почти во всех домах — 99% — есть холодильники, а в 30% — два или более. Вторые холодильники и отдельные морозильные камеры наиболее распространены в домах на Среднем Западе, где в 2015 году 34% домов имели второй холодильник и 39% — отдельную морозильную камеру по сравнению с 30% и 32%, соответственно, для всех U.С. дома. Стоимость наиболее часто используемого домашнего холодильника в среднем составляет 81 доллар в год, в то время как средняя годовая стоимость эксплуатации второго холодильника составляет 61 доллар. Второй холодильник часто меньше самого часто используемого домашнего холодильника и может не использоваться весь год — 17% домов со вторым холодильником сообщили, что в 2015 году он использовался шесть месяцев или меньше. Стоимость отдельных морозильных камер составляет 69 долларов за штуку. год для эксплуатации в среднем.

Последнее обновление: 9 мая 2019 г.

Какое среднее энергопотребление в доме?

Во-первых, давайте посмотрим на среднее потребление электроэнергии.

Показатели среднего потребления электроэнергии

Студия площадью 30 квадратных метров, которая использует электроэнергию для отопления и горячего водоснабжения, будет в среднем потреблять около 4350 кВтч энергии в год. Если дом использует другие источники энергии, он, вероятно, будет использовать в среднем около 970 кВтч в год.

Напротив, более крупный дом площадью около 150 квадратных метров будет в среднем потреблять около 23 500 кВтч в год, если он использует электрическую энергию для своих систем отопления и горячего водоснабжения.Если дом работает от других источников электроснабжения, он будет использовать в среднем около 2800 кВтч в год.

Как мы видим, существует огромная разница в среднегодовом потреблении в зависимости от того, использует ли ваш дом электрическую энергию для отопления и горячего водоснабжения. Конечно, те же основные параметры применимы и к офисным помещениям, поэтому стоит учесть, сколько электроэнергии вы потребляете!

Как ваше потребление энергии в киловатт-часах соотносится с суммой в ваших счетах?

Сумма, которую вы платите за потребление энергии в кВтч, будет зависеть от поставщика электроэнергии в вашем доме или на предприятии.Ваш поставщик электроэнергии рассчитает ваши счета за потребление энергии на основе данных об использовании за день или за час.

В целом, ваши счета за электроэнергию, вероятно, увеличились за последние несколько лет, независимо от вашего поставщика электроэнергии. Реальность такова, что электроэнергия дорожает. Вы можете иметь право на снижение счетов, если выберете более экологически чистые источники энергии для питания своего дома или бизнеса.

Эти более экологически безопасные варианты энергоснабжения включают, например, солнечную энергию.Если вы хотите снизить потребление электроэнергии, почему бы не подумать о диверсификации источников питания для вашего дома или бизнеса?

А пока важно лучше понять свое среднее потребление энергии. Давайте подробнее рассмотрим, почему важно анализировать данные об использовании энергии и как это делать.

Как можно рассчитать среднее потребление энергии для вашего дома или бизнеса?

Когда вы просматриваете варианты энергоснабжения для своего дома или бизнеса, вы часто слышите, как поставщики энергии и службы консультирования потребителей говорят о среднем потреблении и о том, как оно влияет на решения, которые вам следует принять.

Итак, почему так важно рассчитывать среднее потребление энергии?

Оптимизация вашего контракта на поставку электроэнергии

Понимание ваших средних потребностей в энергии может помочь вам выбрать правильного поставщика электроэнергии и контракт на электроэнергию для вашего дома или бизнеса. Есть широкий выбор поставщиков электроэнергии, что дает вам свободу выбора правильного поставщика энергии для вашего дома или бизнеса.

Экономия на счетах за электроэнергию

Если вы посмотрите на данные о среднем потреблении энергии, вы можете обнаружить основные закономерности в вашем потреблении энергии в день или в час. Это поможет вам оптимизировать использование электрических устройств и сэкономить деньги на счетах.

Как мы видим, в ваших интересах как владельцу дома или бизнеса знать свое среднее энергопотребление, чтобы оптимизировать использование электроэнергии и сократить счета за электроэнергию. Итак, как вы должны рассчитывать свое среднее потребление энергии?

1) Площадь вашего дома или офиса

Площадь комнат в вашем доме или офисе, а также количество комнат будут влиять на ваши средние данные о потреблении энергии.Довольно просто понять, почему: для обогрева небольшой студии требуется гораздо меньше энергии, чем для обогрева большого дома!

2) Количество энергии, потребляемой вашими домашними или офисными устройствами

Сколько электроэнергии вам действительно нужно для повседневного использования? Если бытовая техника в вашем доме или на предприятии, системы отопления и горячего водоснабжения работают на электричестве, ваши счета быстро увеличиваются.

3) Изоляция в вашем доме или офисе

Чем лучше изоляция в вашем доме или офисе, тем более энергоэффективным будет потребление электроэнергии.Это в среднем снизит ваши данные об использовании.

4) Дата постройки дома или офиса

Чем старше дом или офисное здание, тем менее энергоэффективным оно может быть. Это увеличит количество потребляемой вами электроэнергии и повысит ваше среднее потребление.

5) Ваш образ жизни

Сколько энергии вы используете изо дня в день? Ваш образ жизни существенно повлияет на ваше энергопотребление.

6) Количество людей, которые живут или работают у вас дома или на работе

Это очевидно: чем больше людей живет и работает у вас дома или на предприятии, тем выше будет ваше среднее потребление энергии.

7) Тип счетчика

Интеллектуальные счетчики автоматически информируют вашего поставщика электроэнергии о ваших данных об использовании энергии на основе вашего фактического потребления. Другие, более старые типы счетчиков электроэнергии и газа могут быть не такими точными, что повлияет на ваши счета.

Следуйте этим 5 основным советам, чтобы сократить расходы на электроэнергию!

• Поддерживайте в доме или на работе среднюю температуру 19 градусов

• Выберите эко-режим для своих электронных устройств, ограничивая их энергопотребление

• Отключите устройства, которые потребляют электроэнергию, когда они не используются

• Используйте светодиодные лампы в доме или на работе

• Используйте крышки на кастрюлях во время приготовления пищи для повышения энергоэффективности

Объяснение и прогнозирование годовой потребности предприятий в электроэнергии — пример из Швейцарии | Energy Informatics

В этом разделе мы описываем доступные наборы данных, шаги по подготовке данных и представляем наш анализ.Мы используем пояснительные модели линейной регрессии для ответа на первый RQ, корреляционный анализ для ответа на второй RQ и оцениваем прогностические модели для ответа на третий RQ.

Экспериментальные данные и подготовка данных

Для нашего исследования был доступен набор данных с 2282 названиями и адресами местоположений предприятий вместе с годовым потреблением электроэнергии в 2010–2014 годах. Этот набор данных представляет собой типичную базу данных, которая доступна любой энергосбытовой компании, имеющей предприятия в качестве клиентов.

Все предприятия расположены в примерном городе Швейцарии ^{Footnote 5} . Мы преобразовали адрес в географические координаты с помощью службы геокодирования, чтобы получить данные о местоположении в Интернете.

Годовое потребление электроэнергии было нормализовано по количеству дней потребления, что дало нам Потребление в день (CPD). Предполагается, что этот CPD ( M = 284,58 кВтч , SD = 1379,07 кВтч ) содержит ряд чрезвычайно высоких значений.Первоначально мы преобразовали потребление в натуральный логарифм, что привело к приблизительно нормальному распределению. Следуя Тьюки (Tukey, 1977), мы заменили потребление в 38 случаях, где логарифмически преобразованное потребление было в 1,5 раза выше среднего интерквартильного диапазона, на значение 95% процентиля (1091,46 k Вт ч ). Эта замена была выполнена для удаления экстремальных значений, которые могут исказить линейные модели, и приводит нас к скорректированному CPD M = 171.66 k W h ( S D = 371.07 k W h ).

Мы получили членство в филиале для каждого местоположения компании, собрав количество слов, описывающих бизнес-деятельность, из трех источников данных. Во-первых, мы использовали слова в названии компании. Во-вторых, бизнес-справочник ^{, сноска 6} , использовался для получения описаний каждой компании. В-третьих, были получены ключевые слова из Google Places API ^{Footnote 7} .

Рассматривая совокупность всех слов, описывающих бизнес-деятельность компаний, мы связали их с соответствующей отраслью экономики, когда текстовое описание содержало определенное ключевое слово (см. Таблицу 1). В некоторых случаях ответвление было присвоено вручную. Это сопоставление позволило нам связать экономические отрасли для 1810 из 2282 местоположений компаний.

Мы исключаем из нашего анализа все филиалы с менее чем 25 месторасположениями компаний из-за низкой статистической достоверности результатов.Чтобы получить представление о данных, мы показываем описательную статистику для всех переменных, корреляцию между переменной и логарифмированным потреблением электроэнергии в таблице 2. Согласно Коэну (Cohen 1988), все переменные показывают слабую положительную корреляцию с потреблением электроэнергии, которая предлагает дальнейшее изучение взаимосвязи с использованием моделей линейной регрессии.

Таблица 2 Открытые переменные больших данных с присутствием для местоположений компании, описательной статистикой и корреляцией с нормализованным потреблением электроэнергии (журнал)

У нас нет информации о размере предприятий (оборот или количество сотрудников), но мы предполагаем, что значительная их часть — это малые и средние предприятия, и мы находим подтверждение в двух описательных фактах, содержащихся в данных. Во-первых, мы нашли 1467 уникальных названий предприятий, что позволило нам сгруппировать адреса предприятий. Каждое предприятие имеет M = 1,65 ( S D = 3,79) местоположений, но большинство (80%) предприятий имеют только один адрес. Группировка адресов была просто описательным анализом, и мы используем адреса компании независимо от их принадлежности к предприятию в оставшейся части анализа документа. Во-вторых, медиана базовой площади всех предприятий составляет 476,28 м ² (т.е.г., квадрат со стороной 22 м ).

Пояснительные модели потребления электроэнергии

В этом первом анализе мы используем модели линейной регрессии с обычной оценкой методом наименьших квадратов ^{Сноска 8} и отвечаем RQ 1 на основе данных. Модели регрессии описаны в формуле. 1 в общем виде. Для каждого наблюдения i мы рассматриваем среднее значение C P D _i для всех лет как зависимую переменную и преобразуем значения с помощью натурального логарифма, учитывая, что распределение этой переменной приблизительно лог-нормальный. В различных моделях мы используем n объясняющих переменных x _j , j ∈ {1, …, n }, чтобы исследовать их комбинации. В то время как β ₀ представляет точку пересечения, β _j , j ∈ {1, …, n } являются коэффициентами регрессии, которые описывают размер влияния переменных x _к .

$$ log ({CPD} _ {i}) = \ beta_ {0} + \ beta_ {1} x_ {1i} + \ ldots + \ beta_ {n} x_ {ni} + \ epsilon_ {i} $ $

(1)

Объясняющие переменные: базовая площадь, часы работы, рейтинги пользователей и посещения Facebook являются числовыми и используются по мере того, как мы получали значения из открытых источников данных.Отрасль промышленности — это категориальная переменная, которую мы представили как двоичные фиктивные переменные для всех отраслей, тогда как экономическая ветвь «S» (другие виды услуг) используется по умолчанию и кодируется в случае, если все фиктивные переменные равны нулю. ε _i обозначают члены ошибки в регрессионной модели. Сначала мы оцениваем отдельные модели для различных влияющих факторов (Модель 1–5), чтобы увидеть прямое влияние переменных на потребление электроэнергии и величину объясненной дисперсии ( R ² ).Модели 6 и 7 объединяют разные переменные.

Таблица 3 показывает оценочные коэффициенты для моделей линейной регрессии для базовой области переменных, часов работы, количества посетителей на Facebook и суммарного количества обзоров в Yelp, Google и Facebook независимо друг от друга. Все переменные оказывают статистически значимое влияние на отдельные модели. Предполагаемые эффекты можно интерпретировать следующим образом: На м ² базальной площади потребление электроэнергии увеличивается на e ^0.239 = 1,269979 k W h , за дополнительный час открытия потребление увеличивается на 1,0 % ( e ^0,009937 = 1,009987). За дополнительный онлайн-рейтинг потребление увеличивается на 2,5 % ( e ^0,02429 = 1,024587). Увеличение потребления на Facebook за дополнительное посещение невелико — 0,14 % ( e ^0,001366 = 1,001367) и оценивается только на основе меньшей выборки, но эффект статистически значим.

Таблица 3 Модели линейной регрессии, объясняющие логарифмированный CPD с каждым влияющим фактором отдельно

Согласно низким оценкам коэффициентов в моделях, объясненная дисперсия ( R ² ) логаритизированного CPD довольно мала и составляет от 2% до 8%. R ² для Модели 4 немного выше, чем для Модели 1–3, хотя эффект от посещений Facebook невелик. Мы предполагаем, что это результат различного количества доступных наблюдений (202 вместо 1810), учитывая, что только эти компании предлагали страницу в Facebook.

Влияние отраслей экономики включено в Модель 5 (Таблица 4).

Таблица 4 Модели линейной регрессии, объясняющие логарифмированный CPD с информацией о ветвях и комбинированные модели с множественными влияющими факторами

В этой модели членство в филиале оказывает значительное влияние на потребление электроэнергии, и объясненная дисперсия выше, чем в моделях 1–4.

Модели 6 и 7 в таблице 4 показывают оценки полиномиальной регрессии, включая также переменные из онлайн-источников данных.При добавлении к модели количества часов работы, посещений Facebook и базовой площади оценки для ветвей M и O перестают быть значимыми, но объясненная дисперсия увеличилась (скорректированный R ² = 0,13).

В модели 7 мы рассматриваем только сервисно-ориентированные предприятия с прямым контактом с клиентами, потому что эти компании также имеют достаточное количество онлайн-рейтингов и данных в социальных сетях. Интересно, что часы работы имеют немного большее влияние в этой модели, и объясненная дисперсия может быть дополнительно увеличена (скорректировано R ² = 0.18). Одной из причин этого также может быть то, что компании в этих отраслях более однородны. Мы пришли к выводу, что мы можем до некоторой степени объяснить потребление электроэнергии предприятиями и тем самым ответить на наш первый RQ.

Отражение экономических тенденций в потреблении электроэнергии предприятиями

В доступном наборе данных доступно годовое потребление электроэнергии за 2010–2014 годы. В этом анализе мы хотим увидеть, отражаются ли экономические тенденции в энергопотреблении типичных предприятий в различных отраслях экономики, и, таким образом, ответить на RQ 2.

Для получения данных об экономических тенденциях Швейцарское федеральное статистическое управление предлагает многочисленные официальные статистические данные. За 2010–2014 годы были получены наборы данных по занятости, обороту и потреблению электроэнергии, в которых использовалась та же отраслевая классификация, что и в таблице 1. ^{Footnote 9} . Все статистические данные являются агрегированными на уровне местного кантона города, за исключением потребления энергии, где использовались данные для всей Швейцарии. Мы отвечаем на наш второй RQ для каждой из рассмотренных ниже статистических данных.

Статистика рынка труда В большинстве отраслей не существует значимой корреляции между статистикой рынка труда и потреблением электроэнергии. Однако в строительной отрасли присутствует сильная и значимая корреляция ( p <0,1).

Статистика оборота Статистика оборота доступна для вторичного сектора (обрабатывающая промышленность, промышленность, ремесла, энергетика и строительство) в Швейцарии. Продажи за каждый квартал были представлены в виде индексов (среднегодовой показатель за 2010 год соответствует 100%).Для этих квартальных показателей было рассчитано среднегодовое значение, которое, в свою очередь, использовалось для расчета корреляции с потреблением электроэнергии. Результаты показаны на рис. 2. Никаких существенных корреляций ( p <0,1) не было обнаружено для секторов C (обрабатывающая промышленность / производство товаров) и D (энергоснабжение). Однако для строительной отрасли существует сильная линейная корреляция (F).

Рис. 2

Корреляция потребления электроэнергии с данными государственной статистики в 2010–2014 гг.

Общенациональное потребление электроэнергии Большинство отраслей экономики (12 из 16) демонстрируют положительную корреляцию, из которых D, F и M имеют очень сильную и значительную корреляцию с ρ > 0. 7. Связь между общенациональным потреблением и потреблением предприятий в нашем наборе данных может дать представление о том, насколько они репрезентативны для всей Швейцарии. Хотя положительная корреляция приводит к предположению, что результаты этих ветвей имеют более общее значение, это предположение не может быть сделано для ветвей с сильной отрицательной корреляцией (K и S).

Таким образом, некоторые интересные моменты были выявлены в результате изучения связей между потреблением электроэнергии и другими статистическими обследованиями.В некоторых секторах, например, существует сильная и значимая корреляция между потреблением электроэнергии и различной статистикой рынка труда. Однако нет единой картины характера взаимоотношений: в то время как в розничном секторе существует сильная положительная корреляция, в других секторах корреляции обычно отрицательные. Дальнейшее исследование этих взаимосвязей и причин, стоящих за ними, может стать целью дальнейших исследований.

Кроме того, для большинства отраслей существует положительная корреляция между развитием потребления электроэнергии предприятиями в нашем наборе данных и развитием потребления по всей Швейцарии.

Прогнозирование годового потребления электроэнергии

В этом окончательном анализе мы отвечаем на RQ 3 и проверяем, насколько хорошо наши представленные модели могут быть использованы для прогнозирования потребления электроэнергии на предприятии, для которого данные о потреблении электроэнергии неизвестны.

Для прогнозирования мы рассматриваем модели линейной регрессии 5 и 6 (см. Таблицу 4). В предыдущих исследованиях модели линейной регрессии показали хорошую производительность прогнозирования даже по сравнению с алгоритмами машинного обучения нейронной сети и дерева решений (Al-Ghandoor and Samhouri 2009; Tso and Yau 2007).Однако мы сравниваем эффективность прогнозирования модели линейной регрессии с регрессионной моделью Random Forest (Breiman 2001), обученной на тех же данных, что и модель 6.

Для измерения ошибки прогнозирования мы используем фактическое потребление электроэнергии в день y _i и сравните его с прогнозируемым потреблением \ (\ hat {y_ {i}} \) для каждой компании i ∈ {1, . {2}} {n}}} {\ overline {y}} $$

(3)

Для объективной оценки ошибок мы используем 10-кратную перекрестную проверку ^{Footnote 10} .В качестве контрольной меры мы рассматриваем случайный прогнозирующий показатель среднего потребления электроэнергии во всех местах расположения компании.

Результаты показаны на рис. 3 и 4. Ошибка прогноза велика для всех рассмотренных моделей. Ожидается, что случайный предиктор имеет худшую производительность по всем показателям, модель случайного леса показывает лучшую производительность с обеими моделями регрессии между ними. Интересно, что включение открытых больших данных (базовая площадь и часы работы) в регрессионную модель 6 приводит к более высокой ошибке прогноза, чем использование только экономических отраслей (модель 5) в качестве прогнозирующего фактора.Однако это также может быть результатом переобучения модели. Мы не смогли добиться значительно меньшего количества ошибок прогнозирования, рассматривая только компании с сильными отношениями к потребителям (те, которые находятся в отраслях экономики I, G, Q или S).

Рис.3

Средняя абсолютная процентная ошибка (MAPE)

Рис.4

Относительная среднеквадратичная ошибка (RRMSE)

В предыдущей литературе ошибки прогноза долгосрочного энергопотребления в промышленном секторе составляли примерно 2% (Farahat 2004) и предполагалось, что для поставщиков энергии в долгосрочных прогнозах допустима ошибка до 10%, которая здесь явно превышена. .Кроме того, Савка (Savka 2005, стр. 52ff) показывает, что для прогнозирования потребления электроэнергии на год вперед в промышленном и коммерческом секторах возможны значения 6% и 3% соответственно. Эти точные прогнозы нагрузки были основаны на данных временных рядов прошлого потребления, которые были и не использовались для наших прогнозов . Мы пришли к выводу, что подробный прогноз фактического потребления электроэнергии на основе открытых больших данных ненадежен, но может дать первую оценку, когда историческое потребление потенциального потребителя недоступно.

В некоторых случаях фактическое потребление электроэнергии предприятиями необязательно, и достаточно определить потребителей с высоким уровнем потребления электроэнергии с годовым потреблением электроэнергии более 100 000 кВтч . Поэтому мы обучаем модель классификации случайного леса с информацией о ветвях и открытыми функциями больших данных и используем кривую рабочей характеристики приемника (ROC) для оценки (см. Рис. 5). Эта кривая показывает производительность бинарного классификатора, отображая соотношение истинно положительных результатов и ложноположительных результатов классификации.Кривая площади под ROC (AUC) — это хорошо известный показатель для оценки классификатора (Fawcett, 2006), в нашем случае A U C = 0,74. Случайная классификация рассматривается как диагональная линия от (0,0) до (1,1) на графике, соответствующем A U C = 0,5. Для получения дополнительной информации мы приводим оценки важности функций модели прогнозирования случайного леса в таблице 5.

Рис. 5

Прогнозирование показателей предприятий с высоким потреблением в виде кривой ROC

Таблица 5 Баллы важности характеристик случайного леса для прогнозирования предприятий с высоким потреблением

В заключение, мы можем ответить на RQ 3 следующим образом: Прогноз годового потребления энергии предприятиями на основе общедоступных данных возможно лучше, чем случайный, но все же связан с высокой ошибкой прогноза.Тем не менее, идентификация компаний с высоким потреблением электроэнергии более 100 000 k W h в год возможна на основе отраслевой информации и открытых больших данных.

Десять самых электроприборов и способы их экономии

По мере роста потребления электроэнергии Spark Energy стремится снизить ваши расходы даже в самые экстремальные месяцы с помощью наших домашних планов энергоснабжения. По состоянию на ноябрь 2016 года средняя цена на электроэнергию в США составляет 0 долларов. 131 за киловатт-час (кВтч). Фактически, по сравнению с прошлым годом эта цифра снизилась — в ноябре 2015 года цена поднялась до 0,131 доллара за киловатт-час.

В 2015 году, однако, среднее годовое потребление электроэнергии потребителем коммунальных услуг в США составило 10812 киловатт-часов (кВтч), в среднем 901 кВтч в месяц. Это означает, что средний бытовой потребитель электроэнергии платит за электроэнергию более 1416 долларов в год. В Луизиане было самое высокое годовое потребление электроэнергии на уровне 15 435 кВтч на бытового потребителя, а на Гавайях — самое низкое — 6 166 кВтч на бытового потребителя, с соответствующими переменными годовыми затратами.

Это отличный показатель того, сколько жителей США регулярно пользуются популярной бытовой техникой, такой как телевизоры, стиральные и посудомоечные машины. Вот десять самых распространенных бытовых приборов, перечисленных в порядке энергопотребления:

1. Центральный кондиционер (2 тонны): 1450 кВтч / месяц
2. Водонагреватель (домохозяйство на 4 человека): 310 / кВтч / месяц
3. Холодильник (17-20 куб. футов): 205 кВтч / месяц
4. Осушитель: 75 кВтч / месяц
5. Духовка Диапазон: 58 кВтч / месяц
6. Освещение 4-5 комнатное домашнее хозяйство : 50 кВтч / месяц
7. Посудомоечная машина: 30 кВтч / месяц
8. Телевидение: 27 кВтч / месяц
9. Микроволновая печь: 16 кВтч / месяц
10. Стиральная машина: 9 кВтч / месяц

Сохранить Составьте список и отрегулируйте, сколько вы используете эти лучшие электроприборы, чтобы они не опустошили ваш банковский счет.В Spark Energy у нас есть множество других советов по энергосбережению:

• Закройте сквозняки на окнах
• Отрегулируйте температуру
• Найдите и заглушите утечки
• Запланируйте регулярное обслуживание вашей системы отопления
• Снизьте расходы на нагрев воды, используя меньше горячей воды
• Поддерживайте движение воздуха с помощью потолочных вентиляторов
• Отключите электроприборы или воспользуйтесь удлинителем и выключателем на полосе, чтобы полностью отключить электропитание прибора, когда он выключен

Есть много других способов уменьшить ваши затраты на электроэнергию. Начните экономить на электроэнергии, получив предложение от Spark Energy сегодня! Узнайте больше о наших услугах по электричеству и газу сегодня.

|

| {{/ iff}}

{{#iff cardtype ‘eq’ ‘errormsg’}}

{{/ iff}}

Дата публикации статьи:

Получите именно ту поддержку, которая вам нужна

Ищете конкретные решения для вашего продукта?

Следите за гарантийным покрытием продукта

Право на возврат денег, подарки и специальные предложения

Получите легкий доступ к поддержке продукта

Оплата

Мы принимаем следующие способы оплаты:

• Добавить продукт

• Добавить продукт

• Добавить продукт

Нажав на ссылку, вы покинете официальный веб-сайт Royal Philips Healthcare («Philips»).Любые ссылки на сторонние веб-сайты, которые могут появляться на этом сайте, предоставляются только для вашего удобства и никоим образом не представляют собой какую-либо аффилированность или поддержку информации, представленной на этих связанных веб-сайтах. Philips не делает никаких заявлений и не дает никаких гарантий в отношении сторонних веб-сайтов или информации, содержащейся на них.

Я понимаю

Наш сайт лучше всего просматривать с помощью последней версии Microsoft Edge, Google Chrome или Firefox.

Изменение климата и потребление электроэнергии в жилищах в дельте реки Янцзы, Китай

Значимость

Оценка воздействия изменения климата имеет важное значение для анализа как политики смягчения, так и адаптации.Наш главный вывод, что годовое потребление электроэнергии увеличивается на 9,2% на +1 ° C годовой средней глобальной приземной температуры (GMST) в дельте реки Янцзы, представляет собой одну из немногих оценок воздействия за пределами западных стран. Эта оценка может способствовать анализу глобальных усилий по смягчению последствий, помогая определить, какой уровень выбросов лучше всего уравновешивает затраты и выгоды. Мы отмечаем, что потребление энергии часто является одной из более крупных категорий монетизируемых воздействий изменения климата. По нашим оценкам, годовое пиковое потребление электроэнергии увеличится на 36.1% на +1 ° C в годовом GMST, помогая при планировании дополнительных мощностей сети, которые потребуются в будущем.

Аннотация

Оценка воздействия изменения климата на энергопотребление во всем мире имеет важное значение для анализа как политики смягчения, так и адаптации. Однако существующие эмпирические оценки сосредоточены в западных странах, особенно в Соединенных Штатах. Мы используем ежедневные данные о потреблении электроэнергии домохозяйствами, чтобы оценить, как изменится потребление электроэнергии в Шанхае в контексте изменения климата.Для холодных дней <7 ° C повышение дневной температуры на 1 ° C снижает потребление электроэнергии на 2,8%. В теплые дни> 25 ° C повышение дневной температуры на 1 ° C приводит к увеличению потребления электроэнергии на 14,5%. По мере увеличения дохода погодная чувствительность домохозяйств остается неизменной в жаркие летние дни, но возрастает зимой. Мы используем это оценочное поведение в сочетании с набором уменьшенных глобальных климатических моделей (GCM), чтобы построить взаимосвязь между будущими изменениями годовой глобальной средней приземной температуры (GMST) и годовым потреблением электроэнергии в жилищах.Мы обнаружили, что годовое потребление электроэнергии увеличивается на 9,2% на +1 ° C в годовом GMST. Для сравнения, годовое пиковое потребление электроэнергии увеличивается на целых 36,1% на +1 ° C в годовом GMST. Хотя наши выводы наиболее точны для Шанхая, наши выводы с наибольшей достоверностью можно распространить на городские районы в дельте реки Янцзы, которые охватывают примерно одну пятую городского населения Китая и четверть валового внутреннего продукта.

Изменение климата — серьезная проблема экологической политики (1). Понимание формы функций ущерба имеет решающее значение для улучшения моделей комплексной оценки (IAM), используемых для оценки социальных издержек углерода.Такие оценки лежат в основе политики по сокращению выбросов парниковых газов и поощрению адаптивного поведения. Среди категорий повреждений нарастающее потребление охлаждения в энергетическом секторе часто признается главным компонентом (2). (Мы следуем литературным источникам в использовании термина «ущерб» для обозначения стоимостной оценки воздействий, связанных с изменениями климата, признавая, что некоторые так называемые убытки на самом деле являются затратами на адаптацию.) Несколько существующих исследований предоставили эмпирические данные о реакции электричества на температуру. функционирует в развитых странах, в основном в США (3–5) и странах Европы (6–8).Напротив, мы мало знаем о функциях реагирования в Китае, где, по прогнозам, потребление электроэнергии средним домохозяйством удвоится к 2040 году даже без изменения климата (9).

С быстрым внедрением кондиционеров (которые можно преобразовать в тепловые насосы) в городских районах Китая за последнее десятилетие, охлаждение и отопление стали одними из основных факторов роста потребления электроэнергии в жилищах. По прогнозам, к 2050 году на Китай, Индию и Индонезию будет приходиться половина от общего количества кондиционеров (10), что имеет важные последствия для потребления электроэнергии в будущем. Для коммунальных компаний понимание драйверов потребления электроэнергии, особенно пикового потребления, и построение моделей для получения надежных прогнозов являются ключевыми компонентами управления спросом (11). Среди других факторов спрос на электроэнергию в жилищном секторе очень чувствителен к колебаниям температуры. На рис. 1 показано это явление в Шанхае, показывая вклад жилого, коммерческого и промышленного спроса в общее использование. Хотя на бытовую электроэнергию приходится только четверть от общего количества, она возрастает гораздо более резко в дни сильной жары (примерно 1 августа) и экстремально холодных дней (примерно 1 февраля), что приводит к пиковому потреблению в эти периоды.

Рис. 1.

Суммарное дневное потребление электроэнергии по секторам с дневной температурой. Серые области выделяют периоды экстремальных погодных условий, когда мы наблюдаем наибольшую реакцию электроснабжения в жилых домах.

В этой работе мы используем данные о ежедневном использовании электроэнергии на уровне домашних хозяйств, полученные от Государственной сетевой корпорации Китая, чтобы оценить функцию реакции температуры и электроэнергии, а затем спрогнозировать влияние изменения климата на потребление электроэнергии в жилищах. В частности, мы анализируем> 800 000 измеренных бытовых потребителей в Пудуне, Шанхай, за период с 2014 по 2016 год (описание данных см. В приложении SI ).С помощью этого большого набора данных мы напрямую оцениваем изменение суточного потребления электроэнергии при изменении суточной температуры. Например, при температуре> 26 ° C повышение дневной температуры на 1 ° C приводит к увеличению ежедневного потребления электроэнергии домохозяйством на 14,5%. Напротив, предыдущие исследования с использованием ежемесячных или годовых данных могли только оценить увеличение совокупных счетов за электроэнергию из-за подсчета жарких дней в месяце или году (3, 4, 12, 13).

Еще один аспект, отсутствующий в предыдущей работе, — это учет доходов домохозяйства.Использование кондиционеров или другого оборудования для обогрева и охлаждения является основным каналом реакции на изменения температуры (14). Предыдущие исследования, проведенные в Мексике (13) и Китае (15), подчеркнули важность внедрения кондиционеров по мере роста доходов. Исследования с использованием агрегированных данных в Индии показывают, что рост доходов приводит к увеличению чувствительности спроса на электроэнергию к более жаркому климату (16). Однако в нескольких исследованиях анализировалось, как изменяются функции отклика температуры и электричества по мере роста доходов на уровне домохозяйства.В сочетании с внутренним обследованием социально-экономического статуса, охватывающим 1394 домохозяйства, мы показываем, что отклик на электроэнергию зимой выше для групп с высоким доходом. Однако реакция на жаркие летние дни одинакова для всех групп населения Шанхая.

Мы используем нашу расчетную модель температуры и электричества для построения функции совокупного ущерба с использованием 21 уменьшенной глобальной климатической модели (GCM). Региональная и временная детализация этих GCM позволяет нам построить набор из 42 точек данных (21 модель × 2 сценария), связывающих будущую глобальную среднюю температуру поверхности (GMST) с будущим воздействием на потребление электроэнергии в жилищах в Китае. Проведя линию по этим точкам данных, мы обнаружим, что годовое потребление электроэнергии в жилищах увеличивается на 9,2% при увеличении GMST на 1 ° C.

Мы также изучаем годовое пиковое потребление электроэнергии, поскольку оно стимулирует будущие инвестиции в расширение сети (5). По нашим оценкам, годовое пиковое потребление электроэнергии увеличивается на 36,1% при увеличении GMST на 1 ° C. Согласно «Репрезентативной траектории концентрации» (RCP) 8.5, годовое пиковое потребление электроэнергии, по оценкам, увеличится в среднем на 120% по 21 модели (и на 207%, согласно самой высокой оценке).

Наши данные взяты из одного района Шанхая. Таким образом, наши результаты наиболее достоверно распространяются на остальную часть Шанхая и другие городские районы в дельте реки Янцзы из-за относительно схожих климатических и экономических условий. Этот мегаполис в форме треугольника включает провинции Цзянсу, Чжэцзян и Аньхой, на которые приходится примерно пятая часть городского населения Китая и четверть валового внутреннего продукта. Распространение этих оценок на другие регионы Китая менее вероятно.Даже если к концу века уровни доходов сойдутся, культурные и климатические различия сохранятся. Тем не менее, эти результаты являются полезными ориентирами в этих и других регионах развивающихся стран, оценки по которым недоступны.

Моделирование функции температурного отклика

Наша теоретическая основа следует за Аффхаммером и Мансуром (17). Чтобы максимизировать полезность, домохозяйства выбирают количество потребляемой электроэнергии и количество покупаемых приборов с учетом ограничения дохода.В краткосрочной перспективе количество приборов остается фиксированным, поэтому только уровень потребления электроэнергии реагирует на внешние погодные потрясения. Таким образом, мы можем оценить простую частную производную.

Эконометрическая модель.

На основе теоретической основы и предыдущих исследований (3, 5, 13) мы моделируем функцию температурного отклика, используя простое лог-линейное уравнение ниже: lnECit = β0 + ∑β1jfj (TEMPt) + β2HUMIDITYt + β3Vt + β4EASTt + β5WESTt. + β6SOUTHt + β7EASTt⋅Vt + β8WESTt⋅Vt + β9SOUTHt⋅Vt + β10PM2.5 + β11WEEKENDt + δi + δm, y + ϵit. [1] Зависимая переменная lnECit — это натуральный логарифм суточного потребления электроэнергии, а TEMPt — суточная температура. Общее количество домашних наблюдений после уборки — 545 768 122. Функции fj являются сплайн-функциями. * Поскольку нелинейность функции отклика хорошо известна в литературе, мы предполагаем, что температурный отклик гибко изменяется. В существующих исследованиях обычно используются заранее определенные интервалы. Здесь мы используем сплайны, потому что они учитывают уклоны внутри интервалов, сглаживая функцию отклика.Более плавный отклик также упрощает реализацию нашего критерия выбора для определения количества узлов и получения оценок, избегающих ложных деталей.

Узлы располагаются на равных квантилях после определения количества узлов, что обеспечивает сопоставимое количество наблюдений между соседними узлами для оценки наклона. Хотя наши высокочастотные данные позволяют оценить большое количество узлов, мы обеспокоены тем, что использование слишком большого количества узлов позволяет выявить ложные взаимосвязи за относительно короткий общий период выборки, равный 2 годам. Мы решаем эту проблему, используя 10-кратную методику перекрестной проверки, чтобы найти количество узлов, при которых прогнозирование вне выборки перестает улучшаться. В результате можно выбрать j = 6 или пять узлов ( SI Приложение , рис. S2).

Контролируя индивидуальные фиксированные эффекты δi, мы используем случайные температурные шоки внутри домохозяйства для определения β1js. Тем не менее, контроль других климатических переменных помогает изолировать эффект изменения температуры, устраняя влияние нетемпературных факторов (18).Таким образом, мы контролируем влажность и взаимосвязь между скоростью и направлением ветра. Кроме того, мы контролируем дневную концентрацию твердых частиц диаметром <2,5 микрометра (PM 2,5, единицы: мкг · м ⁻³ ), собираемых Шанхайским центром мониторинга окружающей среды. Установлено, что более высокое загрязнение частицами приводит к значительно более высокому спросу на электроэнергию в Сингапуре, поскольку домашние хозяйства заменяют естественную вентиляцию кондиционированием воздуха (19). Механизм в Шанхае, скорее всего, будет другим.Потребление электроэнергии может возрасти из-за меньшего количества занятий на открытом воздухе в загрязненные дни, что сопровождается быстрым внедрением очистителей воздуха (20). Начиная с июля 2012 года, коммунальные предприятия Шанхая приняли как ценообразование по времени использования, так и многоуровневое ценообразование для жилых домов. Поскольку домашние хозяйства не обязательно сталкиваются с одной и той же ценой в один и тот же месяц разных лет, мы контролируем фиксированные эффекты год – месяц δm, y вместо отдельного контроля фиксированных эффектов месяца и фиксированных эффектов года. Наконец, мы учитываем возможные эффекты выходных, поскольку домохозяйства, как правило, потребляют больше электроэнергии в выходные дни.

Базовые оценки.

На рис. 2 представлены наши основные результаты оценки. На рисунке используются оценки β1js для построения графика зависимости прогнозируемого процентного изменения суточного потребления электроэнергии от температуры относительно температуры с наименьшим потреблением электроэнергии. Влияние влажности и выходных, хотя и статистически значимо, по величине невелико. Например, если влажность повышается с минимального до максимального наблюдаемого уровня, ежедневное потребление электроэнергии увеличится на 6%.В выходные домохозяйства потребляют на 2% больше электроэнергии. Другие переменные, включая загрязнение воздуха, существенно не отличаются от нуля. Напротив, температурные сплайны статистически значимы, а высокие температуры могут удвоить потребление электроэнергии. Таким образом, мы акцентируем внимание на влиянии температуры.

Рис. 2.

Влияние температуры на суточное потребление электроэнергии. По оси y отложен прогнозируемый натуральный логарифм потребления электроэнергии lnEC (нормализованный к нулю для самой низкой точки).Голубая заливка представляет 95% доверительный интервал с использованием двусторонней кластеризации на уровне домохозяйства и недели. Оранжевая гистограмма показывает распределение температуры.

Главное наблюдение состоит в том, что функция температурного отклика действительно следует U-образной форме, установленной в литературе, с минимальными ограничениями, налагаемыми на функциональную форму. Кривая относительно плоская при температуре выше 13–25 ° C, что соответствует комфортному температурному диапазону. Кривая круто поднимается при повышении температуры> 25 ° C и умеренно увеличивается при понижении температуры <13 ° C.По сравнению с днем ​​20 °, когда потребление электроэнергии самое низкое, день 32 ° приведет к увеличению ежедневного потребления электроэнергии на 170%.

Сравнение с предыдущими исследованиями затруднено, поскольку более ранние исследования основывались на данных ежемесячного выставления счетов. Они представляют собой кривые аналогичной формы, но по вертикальной оси отложено процентное увеличение месячного потребления на дополнительный день в месяц при указанной температуре. Если мы сосредоточимся на «контрольном» месяце со средним потреблением и температурой за все дни, мы сможем вычислить сопоставимые значения, используя нашу модель.Основываясь на этом подходе, каждый дополнительный день в контейнере> 32 ° C (90 ° F) приведет к увеличению ежемесячного потребления на 5,7% по сравнению с базовым уровнем 15–21 ° C (60–70 ° F). Это выше, чем увеличение на 3,2%, оцененное в исследовании Мексики (13), но попадает в диапазон увеличения на 2–7% по существующим оценкам для Соединенных Штатов (3).

В сочетании со среднемесячным уровнем потребления эти процентные изменения, связанные с жаркими днями, приводят к увеличению ежемесячного потребления электроэнергии на 5, 11 и 20–60 кВтч в Мексике, Шанхае и США, соответственно (на основе данных Energy Управление информации и государственная коммунальная компания Мексики (Comisión Federal de Electricidad).В Соединенных Штатах наблюдается самый высокий рост киловатт-часов, поскольку их текущее потребление является одним из самых высоких в мире. Однако в будущем разрыв будет меньше, поскольку домохозяйства в Шанхае и Мексике потребляют больше электроэнергии по мере роста доходов. С другой стороны, повышение эффективности кондиционеров, среди других мер по энергосбережению, потенциально может сдерживать рост спроса, связанного с охлаждением, в рамках целевых политических стимулов (10).

Мы можем рассчитать наклон в каждом сегменте, чтобы оценить прямое влияние повышения дневной температуры на 1 ° C.Для температур> 25 ° C повышение дневной температуры на 1 ° C приведет к увеличению дневного потребления электроэнергии на 14,5%. Это имеет важные последствия для управления пиковым спросом при повышении экстремальных температур: потребуются дополнительные инвестиции, чтобы удовлетворить рост пикового спроса в самые жаркие дни. Реакция на более низкие температуры более поверхностная, чем реакция на более высокую температуру, но мы ограничены диапазоном температур, наблюдаемым в Шанхае. Было бы полезно провести дальнейшие исследования в более холодных областях, чтобы увидеть, как наклон функции отклика может измениться при низких температурах.

Чувствительность по группам дохода.

Адаптация к изменению климата на уровне домохозяйств требует отвлечения других категорий потребления домохозяйств на расходы на охлаждение. Следовательно, мы ожидаем, что домохозяйства с разным уровнем дохода по-разному отреагируют на одно и то же изменение температуры. Наша представленная лог-линейная модель предполагает особую модель поведения: поправка одинакова в процентном отношении, но может различаться в зависимости от уровня дохода. Вместо этого мы можем оценить отдельные функции отклика для подгрупп доходов на основе подвыборки из ~ 1 400 домохозяйств, для которых мы собрали дополнительные демографические данные.Мы определяем четыре группы по ежемесячному доходу: менее 1600 долларов США (15% от общего числа домохозяйств в нашей выборке), 1600–2700 долларов США (30%), 2700–4000 долларов США (34%) и более 4000 долларов США (21%).

Отметим, что Шанхай — один из самых богатых регионов Китая. В 2015 году среднемесячный доход домохозяйства в Шанхае составлял 2300 долларов, что более чем вдвое превышает средний показатель по стране (900 долларов) (21). Среднее значение в нашей выборке немного выше — 2750 долларов, но мы наблюдаем неоднородность в нашей выборке, которую мы используем при анализе подгрупп.

На рис. 3 показаны функции отклика по доходным группам. Функции температурного отклика почти такие же для высокой температуры> 25 ° C. Учитывая почти 100% -ный уровень проникновения кондиционеров в Шанхае и жаркое лето, этот вывод свидетельствует о сближении режимов охлаждения по уровням доходов в жаркое лето в относительно развитых регионах. Однако зимой для малообеспеченных слоев населения температурная реакция ниже. Мы предполагаем, основываясь на анекдотах, что более бедные домохозяйства могут переносить более низкие температуры в помещении из-за того, что носят больше одежды, или что более богатые домохозяйства могут быть более расточительными (например.д., чаще открывая окна для повышения влажности при обогреве дома). Обратите внимание, что абсолютный разрыв в киловатт-часах будет больше, чем в процентном соотношении: группы с более высокими доходами имеют более высокие процентные ответы и базовые уровни потребления (соответствующее среднее годовое потребление электроэнергии составляет 1960; 2260; 2430; и 3030 кВт · ч). соответственно для четырех групп дохода

Рис. Каждый сплайн оценивается для подгруппы отдельно. Заштрихованные области представляют собой 95% доверительные интервалы.

Взятые вместе, этот результат относительно холодных дней предполагает, что увеличение потребления электроэнергии из-за изменения климата может быть меньше по мере увеличения доходов в Шанхае. Более крутые склоны в холодные дни соответствуют большей экономии энергии при высоких температурах. Однако этот результат, вероятно, чувствителен к контексту Шанхая, где высокие доходы, высокий уровень проникновения кондиционеров и значительное использование электрического тепла вместе создают отрицательную корреляцию между доходом и чистой чувствительностью спроса на электроэнергию к изменению климата. ударов.Ситуация в северном Китае может быть совершенно иной, где доходы ниже и домохозяйства используют газовое отопление или горячую воду на центральных станциях. Еще одно предостережение заключается в том, что наша способность определять эффекты дохода ограничена, поскольку данные не идентифицируют домохозяйства в хвостах распределения доходов.

Прогноз на конец века

В этом разделе мы рассчитываем изменения в потреблении электроэнергии в жилищном секторе, прогнозируемые на последние два десятилетия 21-го века, применяя кривую зависимости температуры от температуры, выраженную в формуле. 1 и представлены на рис. 2 для двух сценариев изменения климата: RCP4.5 и RCP8.5. Траектория RCP8.5 отражает сценарий сильного изменения климата перед лицом продолжающегося высокого роста выбросов. RCP4.5 — более умеренный сценарий, в котором пик выбросов приходится на ∼2040 г. Мы используем 21 различную реализацию этих двух сценариев, чтобы построить взаимосвязь между изменением GMST — типичным суммарным показателем глобального изменения климата — и изменениями годового потребления электроэнергии домохозяйствами за этот период времени.Мы также изучаем модели прогнозируемого ежедневного потребления, чтобы дать нам некоторое представление о том, как изменится пиковое потребление.

Функция повреждения.

Мы вычисляем разницу между будущими (2080–2099) и прошлыми (1980–1999) средними календарными дневными температурами для каждой из 42 комбинаций модель × сценарий. Затем мы используем эти изменения дневной температуры для оценки изменения потребления электроэнергии с использованием результатов нашей модели на рис. 2. Наконец, мы объединяем данные по календарным дням, чтобы оценить изменение годового потребления электроэнергии, снова для каждой из 42 комбинаций модель × сценарий ( подробности см. в приложении SI ).

Мы отмечаем, что этот подход рискует упустить потенциальное влияние на значительную рентабельность (например, инвестиции в более качественное проектирование зданий и т. Д.). Массетти и Мендельсон (22) подчеркивают различие между панельными оценками, которые фиксируют краткосрочные погодные шоки (интенсивные эффекты) с более четкой идентификацией, и поперечными оценками, которые фиксируют долгосрочное изменение климата (интенсивное и обширное), но при этом допускают систематическую ошибку из-за смешивающих переменных. В более поздней работе Hsiang (23) утверждается, что панельные оценки могут отражать непредвзятые долгосрочные эффекты при оценке в достаточно широком диапазоне географии и климата.Однако, учитывая наш ограниченный географический охват, мы не можем апеллировать к аргументам Сяна. Мы предполагаем, что наши оценки устанавливают верхнюю границу для Шанхая. То есть мы предполагаем, что обширные изменения приведут к более низким оценкам ущерба благодаря большей гибкости в долгосрочном плане для экономии энергии. В других регионах с меньшим проникновением кондиционирования воздуха такая гибкость может привести к большему влиянию на потребление электроэнергии, поскольку домашние хозяйства применяют охлаждающие устройства в ответ на постоянное потепление.

Расчет функции повреждения.

На рис. 4 показано изменение распределения температуры для Шанхая согласно RCP8.5. В соответствии с предыдущими выводами, изменение климата сдвигает распределение дневной температуры вправо. Количество дней, попадающих в пять нижних интервалов температур <12 ° C, уменьшается на> 50 дней, в то время как дни, попадающие в интервалы самых высоких температур, встречаются гораздо чаще. По сравнению с базисным периодом 1980–1999 годов, в 2080–2099 годах в Шанхае будет почти на 40 дней больше дней с температурой> 33 ° C в среднем.

Рис. 4.

Распределение изменения среднесуточной температуры. Каждая желтая полоса представляет собой изменение количества дней в каждом температурном интервале согласно RCP8.5. Изменение в RCP4.5 аналогично, но примерно вдвое меньше (не показано на графике).

Рис. 5 A показывает взаимосвязь между изменением GMST и соответствующим годовым изменением потребления электроэнергии. Изменения в GMST взяты из таблиц 2 и 4 в исх. 24. Каждая точка представляет собой прогон модели.При установке линии по методу наименьших квадратов (МНК) потребление электроэнергии в жилых домах возрастает на 9,2% на каждый +1 ° C в конце века. Это немного выше, чем предполагаемый наклон функции повреждения для Соединенных Штатов (25), но кажется разумным, поскольку средняя температура в Шанхае выше, чем в среднем в Соединенных Штатах. В качестве альтернативы, если мы посмотрим на средние результаты RCP в конце века, среднегодовое изменение в использовании электроэнергии составляет 9,4% при RCP4. 5, что соответствует среднему значению 1.Изменение GMST на 9 ° C. Согласно RCP8.5, среднегодовое изменение в использовании электроэнергии намного выше и составляет 24,6%, что соответствует среднему изменению на 3,7 ° C.

Рис. 5.

Функция повреждения. ( A ) Ось y показывает прогнозируемое изменение годового объема электроэнергии, взвешенное агрегирование дневных изменений с использованием потребления электроэнергии в 2015 году в качестве модели потребления за год. ( B ) Ось y показывает прогнозируемое изменение годового потребления электроэнергии до пуска, определяемое как максимум дневного изменения электроэнергии в течение года.Данные GMST взяты из таблиц 2 и 4 в исх. 24, соответствует модельному сценарию. Подробный процесс расчета изменения электроэнергии описан в Приложении SI .

Изменение годового пикового потребления электроэнергии.

Среднегодовые изменения в потреблении электроэнергии являются основным фактором ежегодных оценок ущерба климату. Однако изменения пикового потребления будут стимулировать будущие инвестиции в расширение сети и могут привести к еще большему ущербу. Рис. 5 B имитирует стиль Рис.5 А . Основное отличие состоит в том, что здесь мы откладываем по оси y изменение годового пикового потребления, а не среднегодового. (В этом документе пик определяется максимальным дневным потреблением электроэнергии в течение года. Это отличается от определения в ссылке 5, где пик относится к часу наибольшего потребления электроэнергии в течение дня для всей сетевой системы.) Сравнение Эти две цифры показывают значительную разницу в величине, причем годовое пиковое потребление изменяется более резко, чем среднегодовое.Подобно рис. 5 A , мы подобрали линию с помощью OLS, обнаружив увеличение пикового потребления на 36,1% на каждый 1 ° C в конце века. Это в три раза круче, чем функция годового ущерба. Другими словами, в то время как годовое потребление электроэнергии возрастает на 9,4% и 24,6% при RCP4. 5 и RCP8.5, соответственно, пиковое потребление увеличивается на 57% и 120%. Таким образом, инвестиции в производственные мощности должны вырасти более, чем предполагает средний рост.

Чтобы понять это различие, полезно увидеть суточный график изменений электроэнергии из-за изменения климата в течение года.На рис. 6 мы представляем средние эффекты для RCP4.5 и RCP8.5 (каждая отдельная модель слегка обозначена на заднем плане). Согласно сплайновым оценкам, дневное потребление электроэнергии резко возрастает летом и незначительно снижается зимой. Но легко понять, почему эффект, усредненный за год, намного меньше пикового эффекта. Обратите внимание, что суточный график прогнозируемых изменений потребления в течение лета значительно различается по 21 модели, но в среднем остается относительно неизменным.

Рис. 6.

Суточная смена электроэнергии в условиях изменения климата. Синий — RCP4.5; красный — RCP8.5. Светлые линии показывают каждую из 21 модели индивидуально, а темные линии показывают среднее значение. Серая зона выделяет период, в течение которого ежедневное увеличение потребления электроэнергии является самым высоким из-за изменения климата.

Заключение и дальнейшие усилия

В соответствии с предыдущими исследованиями, проведенными в США и Мексике, мы обнаружили U-образную зависимость между потреблением электроэнергии в жилищах и дневной температурой в Шанхае, Китай.Исследования в различных климатических зонах, например в США, обнаружили более симметричные U-образные кривые. Наше исследование в Шанхае круче в жаркие дни и более лестно в холодные. Мексика, для сравнения, очень чувствительна к высоким температурам даже при относительно низком уровне проникновения кондиционеров, в то время как реакция в холодные дни существенно не отличается от нуля.

Эти наблюдаемые различия могут быть объяснены сочетанием факторов, включая характеристики изоляции, запас и эффективность бытовой техники, а также характер использования.Зимой у домохозяйств есть широкий выбор, включая электрические нагреватели, тепловые насосы и газовые печи, что приводит к различным воздействиям на потребление электроэнергии при заданном изменении температуры в зависимости от региональной культуры, рынков и инфраструктуры. В качестве альтернативы, различия в плоской части U-образных кривых могут указывать на разные уровни допуска для жары и холода. Жители Шанхая могут иметь большую зону комфорта — в которой они не занимаются существенным кондиционированием пространства — по сравнению с их американскими коллегами.

Комбинируя наши расчетные кривые реакции с уменьшенными прогнозами изменения климата, мы оцениваем, что каждое увеличение GMST на 1 ° C приводит к увеличению годового потребления электроэнергии на 9,2%. Не менее интересным является то, что мы подчеркиваем разницу между влиянием на среднегодовое потребление электроэнергии и влиянием на годовое пиковое потребление электроэнергии. Если глобальный климат потеплеет на 1 ° C, годовое пиковое потребление электроэнергии увеличится на 36,1%. Поскольку пиковый спрос стимулирует инвестиции в производство электроэнергии, наш результат позволяет предположить, что влияние на экономику можно недооценить на основе среднегодовой реакции.

Наши данные не отражают достаточно устойчивых погодных изменений, чтобы определить изменения в характеристиках жилья и владении бытовой техникой в ​​ответ на различные климатические условия. Таким образом, наша оценка в основном говорит об интенсивной марже и иллюстрирует взаимосвязь между использованием электроэнергии в домашних условиях и температурой с учетом основного капитала. С одной стороны, оценки исключают долгосрочную адаптацию, такую ​​как улучшение изоляции, переход в более энергоэффективные жилища или даже миграцию в более прохладные города (26).Таким образом, наши результаты могут преувеличивать влияние. С другой стороны, некоторые домохозяйства могут использовать больше приборов для кондиционирования помещений, поскольку температура постоянно меняется. В Шанхае этот фактор менее важен, учитывая и без того высокий уровень проникновения кондиционеров. Однако оценки могут недооценивать реакцию в других более прохладных или менее развитых регионах Китая.

В отличие от развитых стран, мы ожидаем, что изменение климата произойдет одновременно с экономическим развитием Китая и других развивающихся стран.В этом контексте необходимо рассматривать и изменение климата, и доход как два долгосрочных фактора потребления электроэнергии, чтобы понять влияние климата и рост потребления. Предыдущая работа показала, что доход приведет к росту потребления электроэнергии в Китае на 85–143% с 2010 по 2025 год (15). Как показано на рис. 5 A , изменение климата приведет к увеличению потребления электроэнергии на ~ 50% в самом экстремальном сценарии к концу века, что важно, но значительно меньше, чем увеличение из-за роста доходов.

В этой работе также исследуется потенциальное взаимодействие между доходом и климатом путем оценки функции отклика по доходным группам. Мы обнаружили некоторые различия в чувствительности климата между группами доходов при более низких температурах, но наши оценки были ограничены относительно высокими уровнями доходов в нашей выборке по сравнению с Китаем в целом. Эти оценки более актуальны для нашего интереса к климатическим воздействиям в более богатом Китае и менее информативны о воздействиях в более бедных регионах.

Хотя наша работа является важным дополнением к ограниченной работе по влиянию изменения климата на потребление энергии в развивающихся странах, она также указывает на важность дальнейшей работы по крайней мере в трех измерениях. Во-первых, нам необходимо рассмотреть большее разнообразие жилищного фонда, а также услуг отопления и охлаждения по сравнению с нашей текущей выборкой. Мы ожидаем, что воздействия различаются в зависимости от типа жилищного строительства и использования различных технологий отопления и охлаждения и различных видов топлива.Во-вторых, нам необходимо более внимательно изучить взаимосвязь между доходом и воздействием климата, используя домохозяйства с более разными доходами. Мы также должны признать, что отсутствие реакции среди домохозяйств с самым низким доходом может указывать на еще более высокие нерыночные издержки, такие как дискомфорт, заболеваемость и даже смертность. Наконец, нам необходимо учитывать долгосрочную значительную маржу, когда запасы капитала приспосабливаются таким образом, чтобы можно было как повысить, так и снизить энергетическое воздействие, и когда возникают и взаимодействуют миграция и инвестиции в государственную инфраструктуру.Один из подходов мог бы заключаться в большем разнообразии регионов и климатических зон. Как подчеркнул Сян, набор панельных данных по различным климатическим зонам можно использовать для определения воздействий за вычетом долгосрочных корректировок (23). Такие исследования являются важным вкладом в принятие решений как о планировании в энергетическом секторе, так и о его адаптации в будущем, а также в усилиях по обеспечению баланса между затратами на смягчение последствий и выгодами сегодня.

Благодарности

Мы благодарим State Grid Shanghai Electric Power Company за предоставление доступа к данным, используемым в этом исследовании; а также два рецензента и редактор для содержательных комментариев.Это исследование поддержано Национальной программой 863 исследований и разработок высоких технологий Китая, грант 2015AA050203. Ю.Л. был поддержан Энергетической инициативой Университета Дьюка через программу стипендиатов докторантуры в области энергетики.

Сноски

• Вклад авторов: Y.L., W.A.P., and L.W. спланированное исследование; Ю.Л. проведенное исследование; Ю.Л. проанализированные данные; и Y.L., W.A.P., и L.W. написал газету.

• Авторы заявляют об отсутствии конфликта интересов.

• Эта статья представляет собой прямое представление PNAS. М.А. — приглашенный редактор по приглашению редакционной коллегии.

• ↵ * Функция f1 (TEMPt) = TEMPt. Для j > 1 функция fj (TEMPt) равна нулю, когда TEMPt меньше заданного значения kj узла, и равна TEMPt, когда TEMPt больше значения узла.

• Эта статья содержит вспомогательную информацию на сайте www.pnas.org/lookup/suppl/doi:10.1073/pnas.1804667115/-/DCSupplemental.

Среднее потребление электроэнергии в домах во всем мире — shrinkthatfootprint.com

Знаете ли вы, сколько электроэнергии потребляет ваш дом каждый год?

Если вы это сделаете, этот пост позволит вам увидеть, как вы сравниваетесь с остальным миром.

Снижение выбросов углекислого газа в результате использования энергии в вашем доме — это тема, о которой мы будем много публиковать в будущем. В качестве основы для этих постов мы рассмотрим, сколько электроэнергии потребляют домохозяйства по всему миру, а также то, что из расчета на одного человека используется в разных странах.

Среднее потребление электроэнергии в домах

Около 80% людей в мире имеют доступ к электричеству. Этот показатель увеличился за последнее десятилетие, в основном из-за растущей урбанизации. Но, несмотря на то, что все больше и больше людей получают доступ к электричеству, мы используем очень разные ее объемы.

Используя данные Всемирного энергетического совета, мы можем сравнить, сколько электроэнергии потребляет среднее электрифицированное домохозяйство в разных странах.

В странах, которые мы выбрали для сравнения, потребление электроэнергии в домашних хозяйствах сильно различается.Среднее американское или канадское домохозяйство в 2010 году использовало примерно в двадцать раз больше, чем типичное нигерийское домохозяйство, и в два-три раза больше, чем типичный европейский дом.

В США типичное потребление электроэнергии домашним хозяйством составляет около 11,700 кВтч в год, во Франции — 6,400 кВтч, в Великобритании — 4,600 кВтч, а в Китае — около 1300 кВтч. Среднее мировое потребление электроэнергии домашними хозяйствами, имеющими электроэнергию, составило примерно 3500 кВтч в 2010 году.

Существует множество факторов, которые определяют эти различия, в том числе богатство, физический размер дома, стандарты бытовой техники, цены на электроэнергию и доступ к альтернативным видам топлива для приготовления пищи, отопления и охлаждения.

Возможно, самое удивительное в этой диаграмме — это то, что среднемировое значение достигает 3500 кВтч / год, учитывая, что показатели для Индии и Китая настолько низки. Это объясняется двумя вещами: размером домохозяйства и уровнем электрификации.

В Китае около 99% людей имеют электричество, и средний размер домохозяйства составляет около 3. В Индии это 66% и 5 человек соответственно, а в Нигерии — 50% и 5. Средний размер домохозяйства в большинстве богатых стран приближается к 2,5 человекам. В результате распределение электрифицированных домохозяйств более смещено в сторону богатых стран, чем населения в целом.

Потребление электроэнергии в доме на человека

Взяв потребление электроэнергии в жилых домах и разделив его по численности населения, мы можем посмотреть, сколько электроэнергии в среднем использует дома человек в каждой стране. В отличие от нашего предыдущего графика, этот график учитывает всех людей в каждой стране, поэтому для мест, где доступ к электричеству не универсален, цифры ниже.

Хотя графики выглядят очень похожими, есть несколько разительных отличий.

Каждый американец потребляет дома около 4500 кВтч в год. Это примерно в шесть раз больше, чем в среднем в мире на душу населения, или более чем в пять раз больше, чем в среднем для тех, кто имеет доступ к электричеству.

Различия между развитыми странами также весьма значительны. В то время как в США и Канаде рост составляет около 4500 кВт / ч на человека, в Великобритании и Германии — менее 2 000 кВт / ч. В Бразилии, Мексике и Китае потребление на человека составляет всего 500 кВтч, но рост сильно отличается. В Бразилии жилищное использование на человека было стабильным в течение последних 20 лет, тогда как в Мексике оно выросло на 50%, а в Китае — на 600%.

Где твой?

Наше домашнее потребление электроэнергии составляло 2 000 кВтч каждый из последних нескольких лет, что означает, что это около 700 кВтч на человека. Нам выгодно не использовать электричество для обогрева или охлаждения, хотя наша электрическая духовка является большим источником спроса.

Это делает нас бразильской семьей, но глобальными людьми 😉

Как складываются?

Сообщение по теме: Как мы используем электричество?

.