Классификация и исследование закономерностей электропотребления частной жилой застройки на основе методов статистического анализа

Актуальность. Рост электропотребления в частном жилом секторе, связанный с увеличением энергоиспользования в том числе на обогрев зданий, приводит к возрастанию нагрузок на линии электропередачи 0,4 кВ. Традиционные типовые графики нагрузок не всегда отражают современные условия и особенности потребления, что создаёт риски неверной оценки пропускной способности электрической сети и требует более точного моделирования режимов работы электросетей. ЦЕЛЬ. Разработать подходы к классификации потребителей и выявить статистически обоснованные закономерности электропотребления в частной жилой застройке для последующего расчёта режимов работы в электрических сетях.

Методы. Для анализа использовались данные получасового электропотребления 42 частных домов, собранные из АСКУЭ. Проведена очистка от пропусков и выбросов методом трёх сигм, а также формирование тепловых карт для выявления нерепрезентативных потребителей. Статистическая значимость различий установлена посредством дисперсионного анализа (ANOVA) и теста Тьюки. На основе медианных значений потребления сформированы группы с низким и высоким уровнем энергоиспользования. При визуализации и обработке данных применялись MS Excel, Python (библиотеки Pandas, NumPy, SciPy), а также пакет Statistica.

Результаты. Анализ подтвердил наличие статистически значимых различий в электропотреблении между большинством домов (F=2065,4, p<0,001). Тест Тьюки показал, что внутри каждой группы дома характеризуются относительно стабильными значениями энергопотребления, однако в межгрупповом сравнении расход электроэнергии существенно варьируется. По результатам исследования выделены две группы: с «низким» и «высоким» уровнем потребления. Для группы с высоким уровнем выявлены ярко выраженные вечерние пики (18:00–22:00), тогда как в группе с низким потреблением профиль нагрузки более равномерен.

Заключение. Применение методов статистического анализа электропотребления позволило упростить классификацию домов до двух основных групп и сформировать типовые профили потребления. Эти результаты интегрированы в программное обеспечение LineCapacity, что облегчает расчёт режимов работы электросетей и способствует снижению неверной оценки запаса передаваемой мощности. Планируется перспективное направление исследований, сосредоточенное на расширение набора данных по электропотреблению жилых домов. Это позволит учитывать влияние сезонных факторов, а также разработать механизмы имитационного моделирования энергоиспользования различных групп потребителей.

1. Прогнозирование и анализ электропотребления и потерь электроэнергии на промышленных объектах / Э. Ю. Абдуллазянов, Е. И. Грачева, А. Альзаккар [и др.] // Известия высших учебных заведений. Проблемы энергетики. – 2022. – Т. 24, № 6. – С. 3-12. – DOI 10.30724/1998-9903-2022-24-6-3-12. – EDN DYCRLP.

2. Trunova I., Miroshnyk O., Moroz O., et al. The analysis of use of typical load schedules when the design or analysis of power supply systems // 2020 IEEE KhPI Week on Advanced Technology (KhPIWeek). 2020. pp. 61–64.

3. Добрего К.В. Модель электрической нагрузки жилищно-коммунального объекта для исследования систем «генератор-накопитель-потребитель» методом Монте-Карло // Наука и техника. 2017. Т. 16. № 2. С. 160–170.

4. Демиденко А. С., Шведов Г. В. Суточные графики электрических нагрузок многоквартирных домов в системах электроснабжения городов // Энергосбережение теория и практика: труды Десятой Международной школы-семинара молодых ученых и специалистов, Москва, 19–23 октября 2020 года. Курск: Закрытое акционерное общество "Университетская книга", 2020. С. 123–127.

5. Солуянов Ю.И., Чернова Н.В., Федотов А.И., и др. Анализ фактических электрических нагрузок многоквартирных жилых домов Москвы // Промышленная энергетика. 2022. № 9. С. 12– 19.

6. Надтока И.И., Звозникова И.А., Васильев Г.П., и др. Анализ основных закономерностей в электропотреблении жилой части многоквартирных домов в Московском регионе // Промышленная энергетика. 2023. № 11. С. 21–27.

7. Капанский А.А. Климатические факторы и их роль в управлении энерго- и водопотреблением городской системы водоснабжения // Наука и техника. 2025. Т. 24. № 1. С. 72– 82.

8. McLoughlin F., Duffy A., Conlon M. Characterising Domestic Electricity Consumption Patterns by Dwelling and Occupant Socio-Economic Variables: An Irish Case Study // Energy Buildings. 2012. Vol. 48. pp. 240–248.

9. Laicane I., Blumberga D., Blumberga A., et al. Comparative Multiple Regression Analysis of Household Electricity use in Latvia: Using Smart Meter Data to Examine the Effect of Different Household Characteristics // Energy Procedia. 2015. Vol. 72. pp. 49–56.

10. Sütterlin B., Brunner T.A., Siegrist M. Who puts the most energy into energy conservation? A segmentation of energy consumers based on energy-related behavioral characteristics // Energy Policy. 2011. Vol. 39, N12. pp. 8137–8152.

11. Poznaka L., Laicane I., Blumberga D., et al. Analysis of Electricity User Behavior: Case Study Based on Results from Extended Household Survey // Energy Procedia. 2015. Vol. 72. pp. 79 – 86.

12. Kapanski, A.A.; Klyuev, R.V.; Boltrushevich, A.E.; Sorokova, S.N.; Efremenkov, E.A.; Demin, A.Y.; Martyushev, N.V. Geospatial Clustering in Smart City Resource Management: An Initial Step in the Optimisation of Complex Technical Supply Systems. Smart Cities 2025, 8, 14. https://doi.org/10.3390/smartcities8010014

13. Грачева Е. И., Сафин А. Р., Садыков Р. Р. Применение аналитического метода расчета надежности элементов систем электроснабжения на основе вероятностных моделей //Надежность и безопасность энергетики. – 2017. – Т. 10. – №. 1. – С. 48-52

14. Fedorov O. V. Expeditious forecasting of power consumption //2017 International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM). – IEEE, 2017. – С. 1-4.

15. Грачева, Е. И. Потери электроэнергии и эффективность функционирования оборудования цеховых сетей / Е. И. Грачева, О. В. Наумов. – Москва : Издательство «Русайнс», 2017. – 168 с. – ISBN 978-5-4365-1661-5. – EDNYNMXXT

16. Hruntovich, N. V., Kapanski, A. A., Baczynski, D., Vagapov, G. V., & Fedorov, O. V. (2019). Optimization of a variable frequency drive pump working on a water tower. In E3S Web of Conferences (Vol. 124, p. 05060). EDP Sciences.

17. Усова А.С., Хмелевой С.В. Компьютеризированная система оптимизации потребления электроэнергии жилого дома // Информатика и кибернетика. 2020. № 1(19). С. 27–35.

18. Yahia Z., Pradhan A. Optimal load scheduling of household appliances considering consumer preferences: An experimental analysis // Energy. 2018. Vol. 163. pp. 15–26.

19. Chen S., Gao F., Guan X., et al. A residential load scheduling approach based on load behavior analysis: 2014 IEEE International Conference on Automation Science and Engineering (CASE). 2014. pp. 954–959.

20. Rafiq H., Manandhar P., Rodriguez-Ubinas E., et al. Analysis of residential electricity consumption patterns utilizing smart-meter data: Dubai as a case study // Energy and Buildings. 2023. Vol. 291.

21. Ramnath G.S., Harikrishnan R., Muyeen S.M., et al. Household Electricity Consumer Classification Using Novel Clustering Approach, Review, and Case Study // Electronics. 2022. Vol. 11, N15. 24 р.

22. Chen C., Wang M., Shen C., et al. Sensitivity analysis of factors influencing rural housing energy consumption in different household patterns in the Zhejiang province // Buildings. 2023. N13(2). 23 р.

23. Pukelsheim F. The three sigma rule // The American Statistician. 1994. Vol. 48, N2. pp. 88–91.