基于工業電力數據的區域制造業空間集聚模型

黃夏楠，沈豫，劉林，胡臻達，顧玖，王玲玲，蔣傳文

(1. 國網福建省電力有限公司經濟技術研究院，福建 福州 350012；2. 上海交通大學 電子信息與電氣工程學院，上海 200240)

0 引言

電力作為能源供應的重要支柱，滲透到社會經濟運行的各方面，是國民經濟發展的晴雨表[1]，特別是2020 年以來，受到新冠疫情的影響，許多電網企業利用電力消費數據構建了企業復工復產電力指數，動態監測地區內各個行業復工復產情況，有力支撐了地方政府對產業經濟的研判[2]。隨著大數據技術的迅速發展，越來越多的電力企業開展面向政府、社會的電力大數據增值服務[3]，通過電力大數據賦能產業經濟發展，充分挖掘電力數據對于社會的經濟價值，助力產業經濟有序、高效發展[4]。

目前，電力與經濟關系研究主要集中于電力與經濟的關聯分析研究、基于電力數據的國內生產總值（GDP）預測以及考慮經濟因素的電力負荷預測。對電力與經濟進行關聯分析的方法主要包括投入產出法[5-6]、灰色關聯分析法[7]和Granger 因果關系分析[8]。而對于通過電力數據預測GDP 問題，主要是從統計學方法和人工智能算法2 個角度來開展研究。文獻[9]在采用灰色關聯分析法獲取關聯度明顯的電力指標，再利用貝葉斯網絡理論，對GDP 進行預測。文獻[10]結合了長短期記憶(long short-term memory, LSTM)與差分自回歸移動平均模型(auto regressive integrated moving average, ARIMA)模型，通過采集實時電力數據，實現了對工業增加值的現時預測。除此之外，文獻[11]從電網投資角度，采用投入產出模型，對電網投資經濟效應進行評估。文獻[12]基于工業經濟指標與行業用電量關系，分析了安徽省黑色金屬行業發展形勢與行業用電需求變化趨勢。從以上的研究可以發現，電力數據的應用目前仍然局限在GDP、產業結構等宏觀經濟指標的預測和分析，沒有涉及與產業經濟相關的研究以及微觀經濟層面的分析。然而只有將電力大數據與微觀的產業經濟結合分析，才能為企業與政府提供更為具體的生產和政策建議。

制造業的空間集聚是經濟活動最突出的地理特征[13]，是經濟地理學、產業經濟學研究領域的交叉問題。制造業空間集聚程度同時也是衡量區域產業競爭力的重要指標，是研究區域產業集群特點的基礎，對于政府制定區域空間布局政策具有重要的參考價值。文獻[14]指出“要優化產業空間布局，培育一批具有核心競爭力的產業集聚和企業群體”。在產業集聚程度測度研究方面，已有區位商[15]、空間基尼系數[16]、EG 指數[17]、行業集中度[18-19]等多種方法；從處理的數據類型來看，主要包括產業的經濟數據以及地理數據。但是，上述文獻均沒有涉及從電力數據的角度對制造業集聚水平開展研究。制造業的生產與電力的使用是息息相關的，并且電力具有實時性和可測性的優點，結合用電量情況可以更好地刻畫區域產業的集聚情況。同時，制造業的空間聚集趨勢對于配電網規劃有著重要的影響，可以輔助電力規劃的選址和定容工作。

基于以上分析，本文對基于工業電力數據的區域產業空間集聚模型進行了研究。以福建省制造業作為研究對象，綜合運用區位商、空間基尼系數等多種方法，實現對單一產業空間集聚和產業鏈共同集聚水平的測算，以福建省2010—2020年31 類制造業電力經濟運行數據進行實證分析，并通過經濟數據對實證結果進行校驗，結果證明了電力數據對于產業集群空間集聚動態監測的可行性，有效地拓寬了電力數據的應用場景，有利于促進區域產業布局和產業結構升級。

1 基于電力數據的產業集聚度測算模型構建

電力作為制造業生產所依賴的生產原料，工業用電量的實時變化反映著制造業生產活動的強度。較經濟數據而言，電力數據具有實時性、客觀性的優點。因此，將電力數據應用于產業集聚與空間分布的測算將有助于提高模型迭代的次數，實現產業集聚的動態監測。

1.1 單一產業空間集聚水平評價

1.1.1 區位商

在區域經濟學中，通常采用區位商反映產業在地區的專業化水平，區位商的指標一般選取產業職工數、產業產值等經濟數據，本文以產業用電量作為計算的指標。其計算公式為

式中：LQij是區域j產業i的區位商；eij/ej是產業i占區域j制造業年度用電量的比例；Ei/E是產業i占整體區域年度用電量的比例。通常以區位商是否大于1，作為衡量該產業是否為地區的專業化部門的標準；LQij越大，說明產業i在區域j的專業化水平越高。

1.1.2 空間基尼系數

區位商作為衡量單一產業專業化水平的計算方法，無法反映區域內部的分布均衡程度[20]?；嵯禂祫t更好地反映了制造業區域集中程度的絕對差異。同樣以產業用電量作為計算數據，即

式中：Gi為空間基尼系數；sij、sik為區域j和區域k產業i中用電量所占的比例；n為區域個數；sˉi為各城市產業i用電量所占份額的均值。Gi的取值范圍為[0,1]，Gi越小，產業i在區域間的分布越均衡；反之，Gi越大，說明產業i在區域間的分布越不均勻，產業i完全集中于一個區域時，Gi越接近于1。

1.2 關聯產業空間共同集聚程度評價

1.2.1 產業關聯分析

行業關聯是指不同行業之間投入與產出之間的內在關系。行業關聯的分析依賴于投入產出模型的建立，選取《2017 年福建省42 行業投入產出表》作為分析對象，價值型投入產出表的一般形式如表1 所示。

表1 價值型投入產出Table 1 Value input and output

某個行業的行業關聯可以分為行業后向關聯和行業前向關聯，后向關聯產業指為某產業提供服務作為該產業的中間消耗的產業群，可以用直接消耗系數表示[5]，即

式中：aij為直接消耗系數；xij為第j產業的生產過程中直接消耗第i產業的產品或服務的價值量；Xj為第j產業的總投入。

行業前向關聯用直接分配系數來表征，它是指某產業的產品或服務分配給其他產業部門的使用量占該產品總產出的比例，即

式中：hij為直接分配系數；yij為第i產業部門向第j產業部門提供的直接使用貨物或服務的價值量；Yi為第i產業部門的總產出。

結合價值型投入產出表具體數據，將直接消耗系數較高的產業作為該產業的上游產業群；將直接分配系數較高的產業作為該產業的下游產業群，由此建立具有經濟關聯的上下游產業鏈。

1.2.2 產業共同集聚程度指標

隨著產業的細分，單一產業的集聚研究并不能反映區域產業之間的耦合關系，關聯產業的共同集聚水平開始引起人們新的關注。Ellison 和Glaeser 等人首次提出評價產業共同集聚的指數，統稱為EG 指數[21-22]。本文通過電力數據對EG 指數計算公式的參數定義進行重構，即

式中： γi為產業i的區域集聚系數；sir為區域r行業i的用電量占整體區域該行業用電量的比例；xr表示區域r總用電負荷占整體區域總的用電負荷的比例；n為區域個數；。Hi表示產業i企業層面的赫芬達爾系數，Zki為產業i中企業k的用電量占該產業總用電負荷的比例，ci為該行業的企業總數量。

為了考察產業間共同集聚效應，在EG 指數的基礎上構建了產業鏈共同集聚指數，即

式中：γc為產業鏈j的區域共同集聚系數；ωi為產業i用電量在產業鏈用電量中所占的比例。

EG 指數需要企業級別的數據用于計算赫芬達爾指數，采集難度和計算復雜度均較高，因此Devereux 在該指數基礎上提出了簡化的共同集聚測量方法[23]，即

由于式（5）（6）的計算過程中不僅需要各地級市的產業用電數據，還需要該產業的所有企業的用電數據，這涉及企業與電力公司的數據隱私問題。而式（7）是在該指數基礎上的簡化，計算過程中不涉及企業級數據。因此，本文采用式（7）進行算例計算和實證分析。

1.3 基于工業電力數據的產業空間集聚監測模型

基于工業電力數據的產業空間集聚監測模型如圖1 所示，分為經濟、電力數據獲取，產業空間集聚模型構建和產業經濟分析3 步。實現動態、實時監測不同產業的用電量空間集聚程度測算，從而以電力的角度去觀測產業經濟發展情況。

圖1 基于電力數據的產業空間集聚監測模型Fig. 1 Industrial spatial agglomeration monitoring model based on power data

（1）數據獲取。首先需要獲取該省份下區域i的細分產業j中的企業k的用電量和產值數據。其中，用電量數據為電網實時采集的連續數據，產值數據為統計部門提供的年度經濟數據。電力部門在對社會總用電量進行統計時，同樣采用以地級市的不同產業進行統計，因此，電力和經濟數據在統計口徑是完全一致的，為下文產業空間分布模型的構建和偏差分析提供基礎。

（2）產業空間集聚模型構建。根據上文的分析，空間集聚模型可以分為單一產業和關聯產業集聚兩部分。其中，單一產業通過區位商、基尼系數對不同產業的用電量空間分布進行集聚；關聯產業首先通過投入產出模型識別不同產業的關聯關系，接著使用EG 指數模型計算出關聯產業的用電集聚程度。

（3）產業經濟分析。步驟（2）僅從用電量的角度分析產業的空間集聚狀況，而現實生活中，人們關注更多的是經濟上產業的空間分布的情況，因此，需要對比產業電力集聚結果和經濟集聚結果，并做偏差分析，若兩者結果基本相似，則表明可以通過實時的電力數據，實現對產業空間集聚的動態監測。

2 福建省制造業空間集聚度測算驗證

2.1 福建省制造業的發展水平

改革開放以來，福建憑借其地理優勢，經濟始終保持良好的發展勢頭?！笆濉逼陂g福建省重點推進主導產業高端化集聚化。加快提升電子信息、石油化工、機械裝備三大主導產業的技術水平和產品層次，延伸產業鏈、壯大總量，增強核心競爭力[24]。同時，以紡織業、非金屬礦物制品業等為代表的傳統制造業同樣是福建經濟發展的重要支撐力量。2021 年10 月印發的《福建省“十四五”制造業高質量發展專項規劃》則進一步提出構建“六四五”產業新體系的新要求[25]。

2020 年，福建省地區生產總值為43 903.89 億元，其中工業生產總值為15 745.55 億元，占2020 年地區生產總值的35.86%，較上年增長1.7%。工業對經濟增長的貢獻率為20.7%，較上年下降了約8 個百分點。2011—2020 年福建省工業總產值平均增速保持在10.4%，工業在經濟結構中的占比卻從43.7%下降至35.9%，工業對地區生產總值增長率的拉動從8.2%下降至0.7%。綜上可見，過去10 年福建工業發展總體上保持著較高的發展水平，工業依舊是福建省經濟的重要支柱，但是工業發展呈現出逐漸放緩的趨勢。尤其在當前疫情常態化的特殊時期，亟須挖掘新的產業發展動力，實現工業經濟的觸底反彈。

2.2 福建省制造業整體布局

2020 年，福建沿海地區集聚了福建省81%的人口聚集、98% 的外資利用以及94% 的出口占比，使得福建省制造業區域布局呈現沿海地區高度集中的分布態勢。同時，2020 年福建省內陸第一、第二、第三產業生產總值分別為964.06 億元、3 424.69 億元、3 191.74 億元，占內陸GDP 比例分別為12.72%、45.18%、42.10%；沿海地區第一、第二、第三產業生產總值分別為1 766.48 億元、16 907.6 億元、17 697.2 億元，占沿海GDP 比例分別為4.86%、46.49%、48.66%?？梢?，沿海地區不僅三大產業產值高于內陸，而且產業結構也優于內陸。整體上看，福建省制造業在沿海產業集聚帶的基礎上，形成東南沿海、東北沿海和內陸山區三大產業聚集區。

2.3 福建省制造業用電數據與經濟數據關聯分析

圖2 為2011—2020 年福建省制造業用電量與產值的基本情況。

由圖2 可見，福建省制造業用電量從2011 年的1 032 億kW·h 增長至2020 年的1 528 億kW·h，工業用電量增長約48%；從年電力消費增速上來看，2011—2018 年福建省制造業電力消費總體處于高增速狀態，平均增速約為5.3%。自2019 年用電量增速處于低增速狀態，年平均電力消費增速保持在1.7%，制造業的電力消費也呈現出放緩的趨勢。

圖2 2011—2020 年福建省制造業用電量與產值的基本情況Fig. 2 Basic data of electricity consumption and output value of manufacturing industry in Fujian Province from 2011 to 2020

由此可見，福建省制造業電力消費量與工業總產值在整體趨勢上保持一致。根據文獻[26]的分析，制造業的電力消費總量與工業生產總值存在著長期格蘭杰因果關系，因此，制造業的電力消費數據可以一定程度上反映制造業的運行狀況，為下文基于工業電力數據的制造業空間集聚模型的分析提供理論基礎。

2.4 福建省單一制造業用電量空間集聚結果

為了重點關注經濟效益和節能效益，本文選取具有福建特色的14 類千億產業進行仿真?；?017—2020 年福建省千億產業的年用電量數據，采用平均值法，分別計算單一制造業中區位商，結果如表2 所示。

表2 基于電力數據福建省千億產業區位商指數Table 2 Location quotient of Fujian Province's 100 billion industrial index based on power data

由表2 可以得到以下結論。

（1）從首位城市的結果可見，福建省制造業現已形成地域分工明顯的制造業集群化發展模式，以福建特色的紡織產業群為例，上游集聚于福州，下游的紡織服飾集聚于泉州；下游的皮革、毛皮、羽毛及其制品和制鞋業集聚于莆田。同時也形成了以金屬冶煉到電氣機械和器材制造業全產業鏈為代表的寧德地區；廈門則作為福建省的高新技術中心，聚集了計算機、通信電子設備制造業。

（2）從首位城市區位商結果可見，根據區位商的值越大，其專業化程度越高，本文列舉的福建省典型的14 個千億產業中有13 個產業的區位商大于2，具有較強的專業性和競爭力；有3 個產業的區位商大于4，具有明顯的產業競爭力。由此可見，福建省千億產業通常具有規模效應和集聚效應。

為了挖掘單一制造業用電量空間集聚分布在時空上的變化，以5 年為間隔，基于2010、2015、2020 年福建省9 個地級市的制造業用電量數據計算各產業的空間基尼系數。由于2017 年后電力部門統計的行業分類從20 類擴充到31 類，本文將前后的數據統一為18 類產業，結果如表3 所示。

表3 基于工業電力數據的福建省制造業基尼系數Table 3 Gini coefficient of manufacturing industry in Fujian Province based on industrial power data

由表3 可見，大多數制造業的區域集中水平處于實時動態的變化之中，產業的空間基尼系數的變化也反映了產業處于聚合和擴散或轉移的變化之中?；嵯禂档闹蹈邥r，產業具有集聚效應；當空間基尼系數低時，產業顯現轉移效應。將以年為時間尺度的電力數據進一步精細化為以季度或月份為單位，結合可視化技術，則可實現對各產業集聚或擴散趨勢的實時監控。

以基尼系數是否大于0.5 作為區分產業是否具有產業集聚特征?？梢园l現，福建省產業聚集效應最明顯的產業為紡織業及下游服飾業、石油及其他燃料加工業、有色金屬冶煉及壓延加工業。

空間基尼系數的高低僅僅反映產業的集聚程度，雖然集聚程度高的產業將具有較強的集聚效應和規模效應，但是產業的擴散和轉移同樣反映著產業的升級或產業內部存在多個同等競爭力的企業。

將表3 中各產業的產值最大的地級市作為產業集聚的中心地區，表4 展示了產業集聚中心轉移情況以及2020 年的產業集聚中心產值占比。

表4 2010—2020 年福建省制造業產業集聚中心轉移情況Table 4 The transfer of manufacturing industry agglomeration centers in Fujian Province from 2010 to 2020

從表4 可見，在過去10 年間福建省18 類制造業中有7 類制造業發生了產業轉移，其中較為明顯的是有色金屬冶煉及壓延加工業從最初集聚于南平到最終集聚于寧德地區，2020 年該產業在全省該產業產值占比為61%。另外，泉州作為福建省制造業產值比重最大的城市，其在紡織服裝、工藝品制造、石油加工、非金屬礦物制品等制造業均具有規模效應，具有較強的輻射作用。

2.5 福建省制造業關聯產業共同集聚程度評價

為了挖掘福建省制造業中關聯產業的共同集聚效應，以最新的《2017 年福建42 部門投入產出表》為基礎，計算直接消耗系數以及直接分配系數，將大于直接消耗系數均值的產業看作該產業得上游產業，將大于直接分配系數均值的產業看作該產業得下游產業。再結合2020 年福建省各市用電量數據，計算福建省制造業關聯產業共同集聚指數如表5 所示。

表5 2020 年福建省制造業關聯產業共同集聚指數Table 5 The common agglomeration index of manufacturing related industries in Fujian Province in 2020

由表5 可以發現，基于投入產出表，福建省的18 類產業形成了顯著的產業關聯效應，其中，關聯最為密切的為設備制造類的相關產業(C11～C14)，上游產業的關聯最多達到了5 個產業，同時產業之間存在著互相的耦合。上游產業越多表示該產業的發展對于拉動其他制造業的發展具有促進作用；而某些產業的上游產業雖然不多，但是其出現在其他產業的上游產業之中，這表明了該產業具有較強影響性和輻射性，該產業產品在多個產業中都具有一定的需求。以化學產業為例，的其上游產業僅為1，但是出現在9 類產業的上游產業，其他典型的如金屬冶煉和壓延加工品制造業(C9)、通信設備、計算機和其他電子設備制造業(C15)等。

從產業鏈的共同集聚度可以發現，由表5 形成的18 類上下游產業鏈的平均共同集聚度為0.072，除了金屬冶煉和壓延加工品制造業為下游的產業鏈的共同集聚度小于0，其他17 類產業鏈均呈現正集聚效應，以0.05 作為產業鏈集聚程度高低的分界，則有10 個制造業產業鏈呈現高度空間集聚效應，共同集聚水平最高的是石油、煉焦產品和核燃料加工品(0.228)，儀器儀表制造業(0.214)，紡織品制造業(0.113)，服裝鞋帽、皮革羽絨及其制品業(0.109)等。石油產加工制造業屬于資源及投資密集型產業，其分布大多集中在泉州地區，產值占比為95%以上。紡織品及其上下游產業集群的空間集聚程度為0.1 左右，遠高于0.05，表明福建紡織產業鏈在地理上也具有非常明顯的集聚效應。

2.6 福建省戰略新興產業實時監控分析

產業的空間集聚是實時變化，通過電力數據的實時獲取，可以動態監控產業的發展狀況。處于產業發展初期、發展迅速且不穩定的戰略性新興產業是福建省“十四五”規劃中重點關注的對象，因此本文選取福建省新能源車整車制造產業、生物與新醫藥產業2 類戰略性新興產業作為研究的對象。采用新興產業2020 年、2021 年各月度用電數據進行計算分析，結果如圖3 所示。

由圖3 可見，福建省新能源整車制造業的基尼系數非常高，穩定于0.95 上下，表示該產業的空間聚集度非常高，結合實際數據，可以發現該產業集聚于寧德地區，主要依托于“寧德時代”為代表的新能源整車供應企業。對比2020 年和2021 年全年的用電量可以發現，該產業的用電量基本呈現穩步上升的趨勢。而生物與新醫藥產業的基尼系數波動非常明顯，從最低值0.55 到最高值的0.8，這表明福建省多個地區都致力于發展生物新醫藥產業，地區之間的產業競爭較為激烈，并未顯現明顯的地區競爭優勢。

結合上述分析可見，雖然新能源整車制造產業和生物與醫藥產業都是福建省重點關注的戰略型新興產業，但是它們的發展形勢是不同的。對于集聚效應明顯的產業，政府應重點關注重點企業的運行狀況、資金狀況以及抗風險能力，保障本土企業的健康發展，形成以重點企業為核心的產業集群；對于集聚效應低的產業，應動態監測產業集聚和用電量的變化情況，當出現產業用電量停滯以及產業基尼系數急劇下降現象時，需警惕是否發生產業內部惡性競爭現象，維護該產業內部的協調性。

3 經濟數據的驗證與偏差分析

以上的研究都是基于產業用電數據，結合經濟地理的研究方法，對福建省產業集聚活動進行分析。為了驗證上述分析的可行性與正確性，采用更為常用的經濟數據[15-18]（企業營業收入、企業職工人數）對區位商、空間基尼系數、共同集聚指數進行對比實驗。產業經濟數據來源于最新的《2018 年福建經濟普查年鑒》。

3.1 區位商

以電力數據作為對照組，以產業營業收入作為實驗組，區位商計算結果顯示，31 類產業中有20 個產業相一致，匹配率約為64.52%。對于區位商的計算而言，兩者計算結果相同的產業為經濟-電力相關聯的產業；對于未關聯的產業，本文提出的模型提供了從電力角度分析產業發展的視角，同樣有助于產業運行態勢的研究。

電力和經濟數據所得到的計算結果的不同是由于統計數據類型的不同造成評價標準上的偏差。電力數據反映企業生產過程的用能集聚，經濟數據則反映了企業發展規模的經濟集聚，是產業空間集聚活動不同角度的體現。計算結果的一致還表明產業生產過程(能源投入)與產業發展規模(經濟產出)在空間分布上的統一；反之，則反映該產業存在產業生產和經濟活動的解耦。匹配的產業集中于資源密集型產業和生產密集型產業，典型的產業有石油加工、金屬冶煉及壓延加工業、設備制造業、農副食品加工業、紡織業等。該類產業的生產特性也有效驗證了上文得到的結論。

3.2 空間基尼系數

空間基尼系數相對于區位商反映的是產業整體分布的整體均衡性，將3 類數據分別帶入式（2）后得到的31 類產業的基尼系數序列如圖4 所示。

圖4 基于3 類數據的制造業基尼系數結果對比Fig. 4 Comparison of manufacturing Gini coefficient results based on three types of data

由圖4 可知，3 類數據得到的31 類制造業的基尼系數曲線均有不同程度上的耦合，反映在不同產業上的集聚相似度。將基尼系數大于0.5 作為具有集聚效應的產業，反之判定為分布均衡的產業?；诋a業用電量數據獲得的結果與其他兩類數據計算的結果一致的產業共25 類，一致率約為80.6%?？梢?，電力數據獲得產業空間集聚結果與經濟數據的結果無顯著差異。

3.3 產業鏈共同集聚指數

基于表5 得到的福建省關聯產業，得到的產業鏈共同集聚指數序列如圖5 所示。以0.05 作為區分產業鏈是否具有集聚效應的界限，以此判定3 類數據計算結果的差異。

圖5 基于3 類數據的產業鏈共同集聚指數結果對比Fig. 5 Comparison of the results of the industrial chain common agglomeration index based on three types of data

由圖5 可知，除了儀器儀表制造業(C16)外，3 類數據得到的產業鏈共同集聚指數的序列趨勢非常的一致，通過產業用電量數據獲得的共同集聚指數與其他兩類數據計算結果一致的產業共15 類，一致率高達83.3%。同樣證明采用電力數據進行產業空間集聚分析的效果與經濟數據的分析結果基本一致。綜上所述，本文提出的基于工業電力數據分析產業集聚具有合理性和可行性的。

4 結語

本文提出了將電力數據應用于制造業空間集聚效應的測度研究，拓寬了電力數據的應用范圍。通過對福建省制造業的實證分析得到以下結論。

（1）電力消費數據可以有效挖掘產業的集聚程度、產業的集聚中心轉移現象以及關聯產業鏈的共同集聚程度。較經濟數據而言，基于電力數據的區域產業空間分布模型具有動態、實時監測的能力，可為政府和企業決策提供更加快捷的數據支撐。

（2）電力數據與經濟數據在區位商、基尼系數、共同集聚指數這三類空間分布模型的匹配率分別為：67.74%、80.6%、83.3%。證實了對于產業或產業鏈地理上的集聚活動，電力數據較傳統經濟數據類型同樣具有測算與分析能力。同時，電力數據可為產業集聚活動提供不同的分析視角。

（3）基于工業電力數據的產業集聚測度方法可以快速識別區域戰略性新興產業的集聚效應，動態分析產業集聚的全過程。結合具體產業的發展特點和現狀，政府部門可提供相關的政策或資金支持，以實現區域新興產業集群加速培育和成型。