智能家居中的设备级需求响应：行为驱动因素及电价下调政策的影响

《Energy》：Appliance-level demand response in smart homes: Behavioral driven factors and tariff reduction policy implications

　　

王建军|王然|李莉

华北电力大学经济管理学院，中国北京昌平，102206

摘要

随着智能电网和物联网的发展，智能家居设备越来越多地融入居民的日常生活中。这一演变改善了智能用电的环境，通过智能家居控制应用程序使电器使用更加灵活。为了探讨影响居民智能用电决策的机制，我们构建了一个二元Logit模型来分析人口统计特征、对电价变化的响应意愿以及用电习惯等因素的影响。该模型研究了四种常见电器的需求响应行为：电饭煲、洗衣机、空调和电动汽车充电。研究结果表明，年收入低于2000元人民币、工作时间高度灵活且拥有2-4件电器的居民更有可能参与电饭煲的需求响应；18-55岁的居民更愿意参与洗衣机的需求响应；拥有4-7件电器且习惯使用Wi-Fi上网的居民更倾向于调整空调的使用；而使用价格较低手机的女性在电动汽车充电方面表现出更强的需求响应倾向。此外，不同电器的需求响应行为之间存在相互依赖性，这些关系因是否拥有电动汽车而异。最后，我们采用系统动力学模型分析了电价下调激励措施的效果，发现不同电器的最优降价幅度各不相同。这些发现为促进居民参与需求响应以节约能源提供了宝贵的政策启示，并丰富了关于家庭用电行为的文献。

引言

低碳发展和可持续性已成为全球共识。中国强调通过调整能源结构来促进需求侧的清洁能源消费，构建高效利用能源的机制，以实现长期低碳可持续发展目标。中国提出了“2030年达到碳峰值、2060年实现碳中和”的目标，并推动了一系列国家政策干预措施。这些努力已经在减少能源消耗和积极促进节能技术创新方面取得了进展。

低碳转型面临的一个主要挑战是引导不断增长的居民能源消费的低碳化。根据中国国家能源管理局的数据，2025年总电力消费量为10370亿千瓦时，同比增长5.0%，其中居民消费量为1588亿千瓦时，占总量的16.2%[1]。通过实施结构调整和产业能源技术升级的激励政策，中国的工业能源使用得到了逐步控制和优化，节能潜力得到了更大程度的挖掘。然而，由于家庭收入增加和能源密集型电器拥有量的增长，居民的能源消费和碳排放仍在持续上升[2,3]。因此，作为国内能源消费的主要部分，居民在节能方面具有巨大潜力，需要引导他们走向更绿色的消费模式[4]。

随着对居民能源消费的关注度不断提高，许多学者从宏观层面研究了影响居民能源消费的因素。庄等人指出，能源强度、家庭规模和城市化率是中国能源使用模式的主要影响因素[5]。李等人强调了人口规模、人均GDP和能源强度对居民碳排放的区域差异性影响[6]。对于农村居民来说，电器数量、家庭成员数量、闲暇时间和供暖需求等因素显著影响能源使用[7,8]。余等人指出，经济发展、城乡消费水平、教育程度和专利授权对居民碳排放有积极影响，而人口密度和老龄化率在一定范围内则具有抑制作用[9]。曹等人通过准自然实验分析了居民能源消费的碳排放影响因素，发现能源消费结构的清洁化显著降低了碳排放[10]。魏等人利用LMDI分析了中国2002年至2012年的宏观数据，发现建筑能源强度和住房面积增长是主要驱动因素[11]。王等人也使用LMDI分析了居民能源消费的碳排放因素，发现人均可支配收入是主要驱动因素，而能源价格是主要抑制因素[12]。秦等人指出，城市化率和依赖比率与人均家庭能源消费成正比[13]。这些宏观层面的研究为政策建议提供了重要启示。然而，这些研究对个体层面的理解有限，而居民的能源使用行为往往具有异质性，受性别、年龄、家庭成员、收入等因素的影响。因此，基于宏观数据的因素分析难以准确分析居民的能源使用行为决策[14]。

为填补这一空白，一些学者开始从个体层面使用调查或访谈数据研究居民家庭能源消费行为。一些研究发现，高收入家庭通常因追求舒适度和生活方式质量而消耗更多能源[15,16]。此外，居住面积较大的家庭也倾向于消耗更多能源[17]，家庭成员数量也会增加居民的电力消费[18]。为了追踪中国居民的消费趋势，中国人民大学自2013年以来进行了七轮“中国家庭能源消费调查”（CRECS），并形成了相关数据集。基于该数据集，刘等人发现人均支出的增加显著影响了居民的能源消费，且用电替代传统燃料的趋势明显[19]。米等人研究了居民低碳能源使用行为中的“认知失调”现象，发现性别、婚姻状况、年龄、教育水平和人均可支配收入显著影响居民的低碳能源使用习惯[20]。其他基于行为心理学的研究强调，居民的能源使用行为不仅受个体差异的影响，还受社会环境的影响[21,22]。

随着电力消费成为中国家庭能源消费的主要形式[23]，通过物联网（IoT）和智能电网基础设施建设的电网数字化，正在重塑能源供需的新格局，包括分布式光伏发电、大规模风电场、储能和智能电器。围绕电力和电力系统的能源革命也将悄然且持续地改变居民的能源消费行为。在这个不断发展的能源系统中，居民可以通过手机应用程序远程安排电动汽车的充电或放电指令，调节空调温度，启动或停止洗衣机和电饭煲的运行。此外，智能电器的自动控制功能可以集成到家庭能源管理系统（HEMS）中，使能源使用更加灵活，摆脱时间和空间的限制。因此，可以通过HEMS收集的数据准确分析居民的个性化能源消费行为。基于个性化分析，我们可以揭示居民的能源使用行为规律和决策趋势，这对于制定有针对性的节能指导政策至关重要。

在智能用电环境下，我们的研究从个体层面探讨了影响居民能源消费行为的影响因素。行为数据来自智能电器，而性别、年龄、职业、电器数量、手机等变量则通过结构良好的问卷获得。特别是，我们考虑了消费者的偏好，如手机价格和数据包选择，这些可能反映了对智能用电行为的偏好。为了量化这些因素的影响，我们构建了一个二元Logit回归模型来识别居民智能用电决策的驱动因素，然后探讨不同电器之间的相互作用，并使用系统动力学（SD）模型模拟居民在各种电价下调情景下的需求响应。SD模型在宏观政策模拟中具有很好的解释效果。基于研究结果，我们提出了指导居民智能用电需求响应的机制，为实现可持续能源消费的更广泛目标做出了贡献。

章节片段

响应行为描述和方法论

随着人工智能（AI）、5G通信技术、物联网（IoT）和移动技术的进步，居民用电环境正朝着智能消费方向发展，居民可以通过手机应用程序或家庭能源管理系统（HEMS）远程监控和控制电器的运行状态。嵌入了智能机器学习算法的环境可以分析个性化的历史数据和消费情况

变量选择

在研究居民在智能需求响应中的决策行为时，我们基于行为经济学理论分析了居民的特征。这些特征包括人口统计因素、对电价变化的响应意愿以及用电习惯。

回归模型分析

为了研究变量对智能用电需求响应行为的影响，我们应用了第2节介绍的二元Logit模型。使用SPSS 26.0内置的Logit命令和基于最大似然估计的可靠逐步回归算法（forward: LR），我们估计了居民对电饭煲、洗衣机、空调和电动汽车充电的响应。

结论

本文重点研究了居民在动态定价信号下的智能用电需求响应行为。我们分析了人口统计变量、手机使用偏好、收入、电器拥有情况和电价敏感度等因素对智能需求响应的影响。基于这些发现，我们构建了一个二元回归Logit模型和系统动力学（SD）模拟模型，以探讨四种常见电器的响应可能性

CRediT作者贡献声明

王建军：撰写——审稿与编辑、初稿撰写、验证、方法论设计、调查、数据分析、概念化。王然：撰写——审稿与编辑、初稿撰写、验证、监督、调查、概念化。李莉：监督、调查、概念化。

利益冲突声明

作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系。

致谢

本工作得到了国家自然科学基金的支持，项目编号为：72071077