1.国网山西省电力公司吕梁供电公司 山西吕梁 030000；2.国网山西省电力公司文水县供电公司 山西吕梁 032100
摘要：2020年初受疫情影响，各行各业均受到了不同程度的冲击，宏观经济出现较大波动。当前某省民营企业数量众多，涉及行业领域广泛，民营企业受疫情影响的程度关乎社会经济平稳运行发展，为了及时掌握疫情期间企业生产经营状况，亟需从宏观层面对各地区、各产业和各行业运行状况开展动态监测和实时分析。为了积极响应中央“六稳六保”加强宏观经济运行监测要求，充分利用电力数据“晴雨表”“风向标”的特性，发挥电力数据覆盖面广、实时性好和真实性高的优势，开展电力大数据分析，提出并构建了电力消费指数，通过电力客户用电数据、业扩数据等海量电力运行数据进行特征挖掘，真实客观反映各地区、各产业和各行业电力消费情况。电力需求变化能够在一定程度上反映出经济发展的真实情况。
关键词：电力大数据；电力消费指数；应用
引言
电力作为一种终端能源，被广泛应用于社会生产和生活的各个方面。现代社会的每一方面都与电力的使用须臾不离。电力消费的增长通常与人民生活条件的改善、社会福利的增加和生活方式的改变密切相关。在联合国的千年发展目标中，电力消费虽未列入其中，但其他目标的实现都需要电力的使用做保证。因此，生活用电量作为衡量居民生活质量的一个重要指标，具有评价家庭生活质量状况的功能。电力不同于其他形式的能源，其优点不仅在于清洁、方便，还在于它的广泛替代性。例如，煤炭和作物秸秆能用来炊事与取暖，煤油和蜡烛用于照明，用途相对单一。但电力可用于照明、炊事、取暖、交通、驱动家用电器和生产的每一个方面，能够替代其他燃料产生动力、热量、光照等功能。这是其他能源难以替代的。
1电力行业形势及特征分析
1.1电力消费增速稳定回升，第一产业用电量快速增长
2020年，全国全社会用电量为7.5万亿千瓦时，同比增长3.1%。分产业来看，第一产业用电量为859亿千瓦时，同比增长10.2%，主要得益于农网升级改造等强农惠农政策的加快落实落地；第二产业用电量为5.1万亿千瓦时，同比增长2.5%；第三产业用电量为1.2万亿千瓦时，同比增长1.9%；城乡居民生活用电量为1.1万亿千瓦时，同比增长6.9%。分区域来看，云南、四川、甘肃、内蒙古、西藏、广西、江西、安徽8个省（区）实现5%以上的增长。
1.2供电可靠率总体稳定向好，电力绿色发展与安全供应并举
2020年供电可靠率总体稳定向好，总体来看，城市地区平均供电可靠率高于农村地区，平均停电时间和次数低于农村地区。前三季度全国50个主要城市供电企业平均供电可靠率达95.953%，较2019年同期提升0.024个百分点；平均停电时间为3.11小时/户，较2019年同期减少1.48小时/户；因故障停电和计划停电造成平均停电时间分别为1.61小时/户和1.50小时/户，分别占总停电时间的51.6%和48.4%，平均停电次数为0.90次/户，较2019年同期减少0.26次/户。分城市和农村地区来看，城市地区（包括市中心区、市区和城镇）平均供电可靠率高达95.977%，平均停电时间为1.50小时/户，平均停电次数为0.44次/户；农村地区平均供电可靠率为95.938%，平均停电时间为4.10小时/户，平均停电次数为1.18次/户。电力行业坚持绿色发展理念不动摇，大力发展低碳清洁能源，电力供应结构进一步绿色低碳化。从全国6000千瓦及以上电厂发电装机容量来看，非化石能源发电装机比重进一步提升，1－11月，风电发电装机容量同比增长17.6%，远远高于6.6%的平均水平，占全国6000千瓦及以上电厂发电装机容量的比重较2019年同期提高1.12个百分点；从全国新增发电装机容量和主要发电企业电源工程完成投资来看，电力安全保障进一步增强。1－11月，全国新增发电装机容量10203万千瓦，较2019年同期增加2597万千瓦；全国主要发电企业电源工程完成投资4157亿元，较2019年同期增长43.5%。
2电力消费指数研究思路
传统电力消费（景气）指数构建方法一般会将电力数据与宏观经济统计指标进行相关性分析，选取用电量、业扩报装容量和用户数等电力数据作为模型输入指标，而电力数据本身为全量数据，客观性强于宏观经济统计指标。通过建立电力负荷与宏观经济之间的联动关系来协助政府合理地规划电网建设，优化电力资源的配置。通过研究经济发展方式与电力经济的关系，提供预判分析。另外利用神经网络技术，从电力角度出发对城市发展的因素进行分析，并对经济发展形式进行预测，能够在一定程度上反映出当今经济发展的形势。用户数等相关性较低的指标与用电量等核心指标本身存在强关联，引入过多冗余的变量反而会降低模型构建的易读性和可追溯性。因此，选取与电力消费水平现状相关性最强的用电量指标，与电力消费水平预期相关性最强的业扩容量指标作为模型的输入数据。基于用电量指标和业扩容量指标，引入电力消费现状因子和电力消费期望因子，构建电力消费指数模型，计算公式为
.png)
式中，Qi为本期用电量，反映了电力消费的现状水平，称为电力消费现状因子；ΔCi为本期业扩净增容量；α为单位容量的每小时电量转化率；T为转化时间；ΔCiαT体现了业扩净增容量带来的期望电力消费水平，称为本期电力消费期望因子；Qi+ΔCiαT为当期电力消费综合因子；EPI指数100为荣枯线分界。
3数据预处理
1）确定用户范围。根据实际需要，确定用户范围为全省高压用户，包括光伏发电用户，并剔除趸售用户。另外，防疫、外贸和园区等专题指数的用户群体由政府等相关单位提供，单独处理。2）加工月电量和业扩净增容量等基础数据。高压用户月电量=用户月度电量电费台账+自备电厂自发自用部分电量，光伏用户月电量=发电量－上网电量；业扩报装数据来自当期归档的高压用户业扩新装、增容、永久减容和销户流程，净增容量=增容容量+新装容量－减容容量－销户容量。3）制作数据宽表。根据电力消费指数模型输入指标的计算逻辑，从2018年1月～2020年7月，整合高压用户的行政区域、行业等维度数据以及月电量和月业扩净增容量数据，形成累计30个月的用户明细数据宽表，适用于电力消费指数模型开展当期同比、累计同比计算，提升后续模型的计算效率。4）指数计算。基于数据宽表，按照指数公式进行计算。计算结果包含的区域维度为全省、11个地市和90个区县公司，行业维度包含全行业、三大产业和11大行业，另外包含了防疫、外贸和园区等专题指数。
4电力消费指数预测
为了更好地对各地区、各产业和各行业运行状况开展动态监测，有必要对电力消费指数进行提前预测，以便为各级政府预测经济发展趋势、制定经济政策提供重要的参考依据，助力政府服务由事后向事前转型。从电力消费指数的时序散点图可以明显地看出，随着时间的推移，电力消费指数呈明显的趋势，长短记忆神经网络算法在处理具有趋势的时间序列中相比传统的机器学习算法更有优势。LSTM网络在使用反向传播时间训练并克服消失梯度和梯度爆炸的问题，适合长周期的电力消费指数数据进行学习，找出其隐藏的映射关系并进行预测。
结束语
基于电力消费指数的计算方法，对电力消费水平进行计算，并利用深度学习LSTM网络的数学模型实现了对电力消费指数的预测，为各级政府评估区域、行业（产业）经济发展趋势及制定经济政策提供重要参考依据，助力政府服务由事后向事前转型，提升政府数字化管理水平。
参考文献：
[1]郑斌，裘炜浩，侯素颖，杨世旺，戚胡佳.基于电力大数据分析的电力消费指数研究与应用[J].电气应用，2021，40（01）：66-71.
[2]刘青，吴陈锐，张春成，吴姗姗，王向，汲国强.新冠肺炎疫情对2020年电力消费影响及趋势研究[J].中国电力，2020，53（12）：248-257.
[3]杨国清，陈晔，王德意，张靖滢.我国电力消费的脱钩与区域差异[J].电网与清洁能源，2020，36（08）：1-8.
[4]毛欣雨.中国居民电力消费反弹效应[D].华东师范大学，2020.
[5]全国电力消费重点指标分析[J].中国电力企业管理，2019（16）：48-53.