基于电力大数据的企业复工情况分析

基于电力大数据的企业复工情况分析

郭道靖 *，顾文彬，季溢贤

（镇江市供电公司，江苏省 镇江市 212000）

摘要：电力作为城市建设的重要基础，随着智能电网建设全面开展，大量智能电网技术应用于城市各个领域，智能电网成为智慧城市建设不可或缺的部分，越来越多的城市覆盖了从发电到用电的智能电网系统，积累了多源、海量、全面的数据。随着对电力数据挖掘研究的不断深入，电力数据正广泛应用于电网运行、客户服务、设备管理等多个领域。2020年新型冠状病毒疫情对全国的企业有极大的影响，国网镇江市供电公司充分运用电力大数据，从2020年2月中旬开始，运用用电信息采集系统采集的海量用电数据，，每日分析实时监控镇江市11800户高压转变用户，从电力指数以及复工率等角度，统计分析镇江市企业复工复产情况，实现快速、精准的信息汇总和分析发布“企业复工电力数据统计分析日报”，分行业、分区域直观显示全省企业恢复生产情况，为政府决策制定、产业结构调整、行业发展规划、企业扶持政策提供依据。

关键词：电力大数据，用电信息采集系统，电力指数，复工率统计

Abstract: Electric power is critical foundation of urban construction. With the comprehensive development of smart grid construction, a large number of smart grid technologies are applied in various fields of the city, and smart grid has become an indispensable part of the smart city. From power generation to power consumption, more and more cities are covering the smart grid system, accumulating multi-source, massive and comprehensive data. With the development of the study of power data mining, power data is widely used in power grid operation, customer service, equipment management and other fields. In 2020, the epidemic of Corona Virus Disease 2019(COVID-19) had a great impact on the enterprises in the whole country. Started from mid February 2020, the Zhenjiang Power Supply Company of the State Grid makes full use of the big data of the massive electric power collected by the power information collection system, and monitors 11800 high-voltage users in Zhenjiang. Then, Zhenjiang Power Supply Company statistically analyzed the resumption of the enterprises in Zhenjiang from the angle of electric power index and recovery rate and has achieved rapid and accurate information collection and analysis. “Daily of statistical analysis of the resumption of the enterprises with power data” is published every day to visually display the recovery of production of enterprises in the whole province by industry and region, and to provide basis for government decision-making, industrial structure adjustment, industrial development planning and enterprise support policies.

Key words: power big data; electricity information acquisition system; power index; resumption rate

1 背景

2020年新型冠状病毒疫情防控事关全社会生命安全和财产安全，疫情期间政府需要对社会人员流动以及企业生产动态有全面精准的监控，以便作出精益化决策，而疫情期间由于整个社会进入防控阶段，人员流动基本停滞，传统的统计方法都不能有效进行。但是电力系统仍然在正常运行，电力大数据的应用为人员、企业动态监测提供了新的思路。电力大数据分析是一种覆盖全面，获取安全，数据信息量大的分析统计方法^[1]，现已广泛运用于电力交易^[2]、用户需求响应^[3]、设备运行状态评估^[4]、设备异常诊断、电网安全评估^[5]等领域，随着大数据研究的逐渐深入，电力数据凭借其覆盖全面、数据量庞大等优势^[6-7]，越来越多地在国民经济中发挥着作用。国网公司也于2019年成立电力大数据中心，提供电力数据相关的数据分析，技术咨询服务、软件开发等业务，推动海量电力数据更好地发挥功能。从2020年2月中旬开始，应镇江市政府的需求，国网镇江供电公司运用电力大数据统计新型冠状病毒疫情期间的企业复工复产情况，设计从区域、重点企业、产业链等多维度分别统计分析企业复工情况，每日形成报表呈送镇江市政府，为镇江市企业复工助力。

5月5日，《镇江市企业复工复产电力数据统计分析日报》（以下简称《报告》）显示，截至5月4日，镇江市产能回复率已经达到79.3%，比2月9日（正月十六）提升了40.3个百分点，规上企业复工及达产指数高于全省平均水平。

2 用电信息采集系统

营销数据是电力大数据中与客户关系最密切的关键数据，营销数据主要来源于用电信息采集系统，主要以电能计量系统作为末端感知终端，理论上可以对所有高低压用户的用电数据进行有效监控。

用电信息采集系统在物理上可分为主站、通信信道、现场采集设备三部分^[8]。

其中通信信道分本地通道和远程通道两部分。远程通信通道指系统主站与终端之间的远距离信道，主要包括光纤信道、GPRS /CDMA 无线公网信道、230MHz 无线电力专用信道等^[9]。本地通信通道主要有低压载波、RS485 等通信技术，提供采集终端到电能表之间的通信通道。现场设备是指安装在现场的计量装置，主要包括专变终端、集中器、采集器、电能表以及互感器等。用采系统结构如图1所示。其中专变采集终端主要用于高压专变用户的用电数据采集，也是本次讨论的数据主要来源。

用电信息采集系统的数据包括用户基本信息、用户用电历史数据、用户当前运行数据^[10]，这些数据不但为电力营销服务水平提供了重要的技术支撑，也是电力资源供应管理的核心部分，对电力资源的综合应用，电力营销信息收集管理的准确性起到重要的作用^[11-12]。

图1 用电信息采集系统结构及原理图

Fig.1 Structure and schematic diagram of electric data acquisition system

镇江市供电公司对全市所有高低压用户配备了用电信息采集系统，对用户用电信息进行远程实时监控，可以每15分钟对全市11800户专变用户的电流、电压、电量等数据进行采集，用于用户电量计算、计量装置故障分析、负荷控制等多个领域。疫情期间，镇江市供电公司营销部利用用采数据实现了新的功能。利用Excel数据处理功能，对大量疫情期间采集的数据进行处理、分析，通过用电量变化曲线统计企业复工复产情况，每日做成报表，为镇江市政府提供了重要参考，获得了政府部门广泛好评。

本文介绍的复工大数据分析就是在镇江11800户高压专变用户的用电数据基础上进行的。

3 数据预处理

图2 用采系统导出的原始数据

Fig.2 Original data exported by electric data acquisition system

图3 预处理之后的数据

Fig.3 Data after preprocessing

用电信新采集系统每天能导出前一天（24：00）的电量数据，覆盖全市高压用户，但是由于数据量庞大，用采系统直接导出的数据比较粗糙，需要进行预处理，主要通过Excel的编程功能实现大规模数据预处理^[13]。

1. 首先剔除少量数据重复、无关数据等，仅剩下户号和对应的当日有功电量。

2. 然后剔除部分不统计用户，主要是采集失败用户以及少数低压用户，通过导入日冻结数据进行比对，剔除数据常年为0的用户，供电电压小于10kV的用户，以免影响统计的准确性。

3. 部分企业由于母子公司等原因会对应多个户号，并且存在一个户号对应多个终端，由于给出的电量数据都是对应户号的，而电量分析是以户名为单位，所以需要对一户名多户号以及一户号多终端的情况进行归集，让电量和户名一一对应，避免统计过程出现重复统计或者漏统计的情况。

4. 数据分类：为了便于多维的数据统计和分析，需要对原始数据进行分类。除了用采系统直接给出的地区信息以外，还需对产业链、行业、是否规上企业等类目进行分类。首先根据企业主营业务收入规模，筛选2227家一定规模以上企业（下称规上企业）。规上企业的复工复产情况更具有代表性，本次工作统计的规上企业是参照的镇江工信局规模以上产业数据。其次参考镇江市航天航空、医疗器械、香醋、眼镜等12条重点产业链企业，通过相关产业链上下游企业进行分类，把12条产业链内的规上企业分别单独统计，便于监测重点产业链的复工情况。

预处理前后的数据对比如图2，图3所示，清洗分类后的数据主要是户名和电量的映射，另增加了地域、产业链、行业等标签，方便后续通过标签分类进行多维量化分析企业的复工复产情况，大大提高了数据效率。

4 数据在复工统计中的应用

4.1 自动筛选违规复工企业

疫情防控期间，政府严打企业违规复工，电力数据在其中起到了关键作用。供电公司通过查询春节以来镇江全市非居民用户的电网用电量、光伏发电量、光伏上网电量等数据，与其正常生产时期用电量进行比较，分析其春节假期前后的用电趋势变化，以日用电量突增作为触发条件，自动筛选疑似违规复工企业，并形成疑似违规复工企业清单^[14]。截至2月4日，国网镇江供电公司共为镇江市疫情防疫指挥部提供信息合计251条，发现违规提前复工企业16家，配合执行停电2家。

4.2 电力指数和复工率统计

运用电力大数据，根据政府关心的重点问题，可以对企业复工的数量以及用电量恢复比例进行统计。

复工复产前期，很多企业尽管已经部分复工，但是由于员工、原材料受疫情影响不能到位，产能很低。为了统计这部分企业用户，规定用电负荷相比去年同期平均值恢复超20%的企业即认为是复工企业，即（当前用电负荷/同期平均负荷×100%>20%），其中作为参考的基础电量选取的是2019年4个月的平均每日电量。

除了统计企业个数以外，还要对企业复工率进行统计，即企业产能恢复的比例，这是监测企业复工情况的重要参考依据。

复工前期社会整体复工率很低，复工情况往往受到个别大企业影响很大，影响电力数据对整个社会复工情况的判断，所以在3月7日之前引入复工电力指数（简称复工指数），综合考虑复工户数和复产电量，其占比各为50%，复工电力指数R计算如公式所示^[15]。

注：复工电量比例=当日总电量/日均总电量（2019年四季度）

复工企业数量比例=当日电量达到日均电量20%企业数量/企业总户数

图4 镇江市企业复工电力指数趋势图

Fig. 4 Trand of electric power index for resumption of enterprises

如图4所示是2月21日到3月3日的镇江市复工电力指数趋势，可以看到统计的这段时间电力指数整体呈平缓上升趋势，但是由于疫情影响，整体指数不到85%，遇到周末（2月23日、3月1日）会有小幅下降，而3月份开始正逢镇江市政府发文鼓励大规模复工，所以3月1日以后镇江市复工电力指数有了明显的上升。由此可见，通过复工电力指数可以敏锐地分析感知企业复工状态，这为政府相关部门针对疫情复工指挥提供了重要依据。

图5 2月28日规上企业复工电力指数区域分布图

Fig. 5 Regional distribution map of power index for resumption of enterprises above designated size in February 28th

图5展示的是镇江市2月28日规上企业复工电力指数区域分布图，可以看到整体产能恢复率为77.85%，呈上升趋势，高新区指数最高，京口区最低，有利于政府直观把握区域复工情况，从而制定针对性的扶持方针。

产能恢复率即当日用电负荷占往年平均用电量的比例，此处平均电量是把2019年最后三个月日用电量按一定权重相加取的，计算方法为：当日用电量/（2019年12月份工作日的日均用电量×50%+2019年11月份工作日的日均用电量×30%+2019年10月份工作日的日均用电量×20%）×100%。

3月7日，镇江市整体产能恢复基本已经达到70%左右，大部分企业复产率已经达到较高比例，企业产能恢复率能够更好地统计复工情况，所以疫情后期统计内容改为总体产能恢复率。图6是3月7日镇江市12条重点工业产业链的复工率情况，可以看到航空、集成电路等产业链已经基本全部复产，而光伏、先进高分子等产业链复工率相对滞后。重点产业的复工情况关系到全市经济发展的命脉，也是带动其他各行各业产业复工的重要推动力，所有一直是政府关注的重要指标。通过电力数据获得的重点产业实时复工情况，为政府制定针对性的扶持方针提供了重要参考。

图6 3月7日镇江市12条重点产业链复工情况

Fig.6 Resumption of enterprises of Zhenjiang’s 12 key industry chain in March 7th

4.3 产业链上下游复工统计分析

电力大数据在助力政府梳理产业链上下游方面发挥了重要作用。产业链环环相扣，实际上也就命运相连^[16]。

图7 3月7日镇江市汽车业产业链上下游复工情况示意图

Fig.7 Resumption of automobile industry chain of Zhenjiang in March 7th

例如某化工企业，自己已经做好了全面复工复产的准备，但是产业链上游的物料供应只能保证公司8%的产能，严重制约了其正常生产。这就需要政府提前部署，有针对性地扶持产业链中复工不足的企业。

疫情发生以来，通过电力大数据，镇江市对航天航空、医疗器械、香醋、眼镜等12条重点产业链企业进行进行摸底，给出整条产业链复工趋势以及产业链中企业上下游复工情况分析，以制造业为例，图7展示了3月7日镇江市汽车业的产业链上下游复工情况，可以清楚的看到产业链各个环节的复工情况。产业上游复工复产率较低时，会导致原料不足，产能受限；产业链下游复产率较低时，会导致上游产品库存积压，一样会导致减产。通过产业链复工复产分析，可以精准定位到煤炭开采业和黑色金属冶炼加工业是制约整个产业链复工的环节，供电公司及时向客户宣传延长“支持性两部制电价政策”，告知客户可随时办理变压器减容，减少企业生产成本，助力企业度过短暂性难关。镇江市政府也出台相应政策，重点扶持复工率较低的环节，推动产业链上下游企业精准对接、主动服务，助力协同复工。

5 结论

本文介绍了运用用电信息采集中的海量高压专变用户用电信息，设计从区域、重点企业、产业链等多维度分别统计分析企业复工情况，计算电力指数以及复工率，实时感知企业用电变化，将企业复工后的用电负荷与历史同期对比，可以判断企业复工后的产能恢复情况，在此基础上，可以进一步掌握各个行业、各个地区的总体复工和产能恢复情况，从而为政府分析核实企业复工情况提供数据支撑。

参考文献：

1. 高志远，姚建国，郭昆亚，等．智能电网对智慧城市的支撑作用研究[J]．电力系统保护与控制，2015，43(11)：148-153．
   GAO Zhiyuan，YAO Jianguo，GUO Kunya，et al．Study on the supporting role of smart grid to the con⁃struction of smart city[J]．Power System Protection and Control，2015，43(11)：148-153．

2. 甘凌霄，胡吟，邓钧文，等．基于电力交易的大工业板块指数的设计及模拟仿真[J]．电力大数据，2019，22(12)：74-79．
   GAN Lingxiao，HU Yin，DENG Junwen，et al．Design and simulation of large industrial sector index based on power exchange[J]．POWER SYSTEMS AND BIG DATA，2019，22(12)：74-79．

3. 彭小圣，邓迪元，程时杰，等．面向智能电网应用的电力大数据关键技术[J]．中国电机工程学报．2015，35(3)：503-511．
   PENG Xiaosheng，DENG Diyuan，CHENG Shijie，et al．Key technologies of electric power big data and its application prospects in smart grid[J]．Proceedings of the CSEE，2015，35(3)：503-511

4. 赵腾，张焰，张东霞．智能配电网大数据应用技术与前景分析[J]．电网技术，2014，38(12)：3305-3312．
   ZHAO Teng，ZHANG Yan，ZHANG Dongxia．Application technology of big data in smart distribution grid and its prospect analysis[J]．Power System Technology，2014，38(12)：3305-3312．

5. 王继业，季知祥，史梦洁，等．智能配用电大数据需求分析与应用研究[J]．中国电机工程学报，2015，35(8)：1829-1836．
   WANG Jiye，JI Zhixiang，SHI Mengjie，et al．Scenario analysis and application research on big data in smart power distribution and consumption systems[J]．Proceedings of the CSEE，2015，35(8)：1829-1836．

6. Zhon Mastoid Amine S，Wallenberg B F．Toward a smart grid：power delivery for the 21st centur[J]．Power and Energy Magazine，IEEE，2005，3(5)：3－41．

7. 黄彦浩，于之虹，谢昶，等．电力大数据技术与电力系统仿真计算结合问题研究[J]．中国电机工程学报，2015，35(1)：13-22．
   HUANG Yanhao，YU Zhihong，XIE Chang，et al．Study on the Application of Electric Power Big Data Technology in Power System Simulation[J]．Proceedings of the CSEE，2015，35(1)：13-22．

8. 范洁，陈霄，周玉．基于用电信息采集系统的电能计量装置异常智能分析方法研究[J]．电测与仪表，2013，50 (11)：5－9．
   FAN Jie，CHEN Xiao，ZHOU Yu．An Intelligent Analytical Method of Abnormal Metering Device Based on Power Consumption Information Collection System[J]．Electrical Measurement ＆ Instrumentation，2013，50(11)：5－9．

9. 刘思贤，康军胜，刘素芳．基于用电信息采集系统的高压电能表失压故障监测和损失评估[J]．供用电，2019，36(08)：49-53．
   LIU Sixian，KANG Junsheng，LIU Sufang．Loss-of-voltage Fault Monitoring and Loss Assessment of High-voltage Energy Meter Based on Electricity Information Acquisition System[J]．Distribution & Utilization，2019，36(08)：49-53．

10. 张晶，刘晓巍，张松涛．基于营销大数据的用电异常事件统计及窃电特征分析[J]．供用电，2018，(6)77-82．
    ZHANG Jing，LIU Xiaowei，ZHANG Songtao．Statistics of Abnormal Event of Electric Consumption and Analysis on Electricity Theft Characteristics Based on Marketing Big Data[J]．Distribution & Utilization，2018，(6)77-82．

11. 王钰昕，孟宇，殷树刚，等．用电信息采集系统反窃电功能现状及发展趋势[J]．电网技术，2008，32(S2)：177-178．
    WANG Juexin，MENG Yu，YIN Shugang，et al．The present situation and development trend of anti-electric-stolen function of power demand information acquisition system[J]．
    Power System Technology， 2008，32(S2)：177-178.

12. 陈驰．基于用电信息采集系统的运行电表故障智能分析[J]．电测与仪表，2014，51(15)：18-22．
    CHEN Chi．Intelligent Analysis on the Malfunction Meter Based on The Electric Energy Data Acquisition System[J]．Electrical Measurement ＆ Instrumentation，2014，51(15)：18-22．

13. 刘明吉，王秀峰，黄亚楼．数据挖掘中的数据预处理[J]．计算机科学，2000(04)：54-57．
    LIU Mingji，WANG Xiufeng HUANG Yalou．Data Preprocessing in Data Mining[J]．Computer Science，2000(04)：54-57．

14. 李博，曹敏，王恩，等．动态负荷准稳态与动态信号的模型与分解方法[J]．电测与仪表，2020，57(05)：14-19．
    LI Bo，CAO Min，WANG En，et al．Model and Decomposition of Dynamic Load Quasi-Steady State and Dynamic State Signals[J]．Electrical Measurement & Instrumentation，2020，57(5)：14-19．

15. 史连军，庞博，刘敦楠，等．新电改下北京电力交易中心电力市场综合指数的交易分析[J]．电力系统自动化，2019，43(06)：163-170．
    SHI Lianjun ，PAN Bo，LIU Dunnan，et al．Power Market Transaction Analysis of Index of Beijing Electric Power Exchange Centre Under New Electricity Reform[J]．Automation of Electric Power System，2019，43(06)：163-170．

16. 杜义飞，李仕明．产业价值链：价值战略的创新形式[J]．科学学研究，2004(05)：552-556．
    DU Yi-fei，LI Shi-ming．Industrial value chain：the innovative format of value strategy[J]．studies in science of science，2004(05)：552-556．