4. 能源基线建模方法总览

能源基线是节能项目验证的“参照尺”。同一份节能量数据，用不同基线方法算出来可能相差百分之十几甚至更多。因此，建模方法的选择不是技术偏好问题，而是直接决定节能量是否可信、能否通过第三方审核的关键决策。本节把四类主流方法放在同一框架下比较：它们各自假设什么、需要什么数据、在什么条件下失效，以及面对一个具体项目时应当如何取舍。

四类方法的本质差异

均值法、比率法、回归分析和CUSUM控制图，本质上是对“能耗与影响因素关系”的四种不同刻画精度。

均值法最简单：取基期能耗的平均值作为基线。它隐含的假设是“未来工况与基期平均工况相同”。适用于能耗几乎不随产量、天气、工况变化的场合，例如照明、部分办公负荷、恒定运行的辅助设备。优点是数据需求极低、计算透明、易被各方接受；缺点是当产量或天气波动较大时，基线会严重偏离实际，节能量被工况波动淹没。

比率法用“能耗/产量”或“能耗/面积”等单一比率作为基线强度指标。它比均值法前进了一步，承认能耗随驱动量变化，但假设二者成正比且过原点——即产量为零时能耗为零。这在现实中往往不成立：设备空载、待机、保温、照明等固定能耗始终存在。因此比率法适合固定能耗占比很小、驱动量单一且线性度较好的场景，如单一产品线的简单工序。若固定能耗显著，比率法会系统性高估或低估节能量。

回归分析是目前工程上最常用的基线建模方法。它用基期数据拟合能耗与一个或多个自变量的关系，常见形式为：

E = β0 + β1·P + β2·HDD + β3·CDD + ε

E   ：能耗（如 kWh、m³、GJ）
P   ：产量或服务量
HDD ：采暖度日数
CDD ：制冷度日数
β0  ：固定能耗（截距）
β1… ：各驱动量的回归系数
ε   ：残差

回归法的优势在于：截距项显式表达了固定能耗，系数表达了边际能耗，能同时处理产量与天气等多个影响因素，并可给出R²、t检验、残差标准误等统计质量指标。它的适用条件是：基期数据量足够（一般建议不少于12个月或30个以上有效数据点）、自变量与能耗关系稳定、自变量之间不存在严重共线性、且基期与报告期工况范围有重叠。缺点是建模门槛较高，需要数据清洗、异常值处理与模型诊断；若基期数据覆盖的工况范围太窄，外推到报告期工况时误差会放大。

CUSUM控制图不是独立的基线模型，而是回归或比率基线的“运行监控层”。它计算每日或每周实际能耗与基线预测值之差，并逐期累加：

CUSUM_t = Σ (E_actual,i − E_baseline,i)

E_baseline,i 由基期回归模型或比率模型给出

CUSUM曲线的斜率代表持续偏差：斜率向上说明实际能耗持续高于基线，可能存在设备退化、运行策略改变或基线失效；斜率向下则说明节能效果正在累积。它的价值在于把微小的、逐日不显著的偏差累积成肉眼可辨的趋势，从而及时发现基线漂移和节能量变化。CUSUM本身不解决“基线怎么建”的问题，但它是验证节能量是否稳定、是否需要修正基线的重要工具。

选择逻辑：从数据条件出发

实际项目中，方法选择可以按以下顺序判断。第一步，看能耗是否随某个可测量的驱动量明显变化。若几乎不变，均值法即可，不必过度建模。第二步，若存在驱动量，看固定能耗占比是否可忽略。若可忽略且驱动量单一，比率法足够；若固定能耗显著，则必须用带截距的回归模型。第三步，看基期数据是否满足回归要求：数据点数量、工况覆盖范围、自变量独立性。若数据不足，可退而使用比率法或分组均值法，但应在验证报告中说明局限。第四步，无论采用哪种基线，报告期都应配合CUSUM控制图持续监控，一旦发现累积偏差持续单向漂移，就应检查基线是否失效并考虑修正。

一个教学示例

假设某注塑车间基期12个月数据：月产量P在80～150吨之间，月电耗E在42000～58000 kWh之间。用均值法得基线约50000 kWh；用比率法得0.42 kWh/kg，当月产量120吨时预测50400 kWh；用回归拟合得：

E = 18500 + 265·P   （R² = 0.91，残差标准误 ≈ 2100 kWh）

P = 120 吨时，E_baseline = 18500 + 265×120 = 50300 kWh

三者在该产量点接近，但若报告期产量降至90吨：均值法仍预测50000 kWh，比率法预测37800 kWh，回归预测42350 kWh。此时均值法会严重高估基线、低估节能量，比率法则可能高估节能量。回归法因保留了18500 kWh的固定项，结果更符合物理实际。随后用CUSUM跟踪：若连续8周实际电耗低于回归基线，累积曲线稳定下行，说明节能措施持续有效；若曲线先降后平甚至回升，则提示节能量衰减或工况发生变化，需要进一步排查。

总结来看，均值法、比率法、回归分析和CUSUM控制图并非互斥，而是构成一个从简到繁、从建模到监控的方法体系。工程实践中，推荐以回归分析为主、CUSUM为监控层，在数据条件不足时降级使用比率法或均值法，并在验证报告中明确说明方法假设与局限，确保节能量的可信度与可追溯性。