基于用電大數據的多口徑復工復產監測平臺研究

梁 捷，梁廣明，黃水蓮

（1.廣西電網有限責任公司計量中心，廣西 南寧 530023；2.南寧百會藥業集團有限公司，廣西 南寧 530003）

0 引言

為了及時、準確和全面把握各行業的復工情況，了解各地區企業產能恢復情況，更好地支持政府的監督和控制職能，提高應對突發公共事件的響應能力，管理者需要通過復工復產指數等統計指標分析和監測企業生產恢復情況[1]。

目前政府和電力企業的管理部門普遍使用并公開發布的復工率，通常是指轄區內已恢復生產的企業占全部或一定規模以上企業的比例。例如文獻[2]提到的類似用戶畫像的疫情防控重點單位電力保障監測分析報告，這些數據主要由企業報送和部門統計得出。具體數據來源包括相關人員走訪調查，企業用戶自行統計報送等，但這些數據多少會存在時滯，同時也可能存在報送和統計方主觀判斷和估算的情況，故難以準確地反映企業當前的生產運營情況，甚至會出現數據異?；蛉笔栴}[3]。

基于用電大數據的復工復產指數監測技術是通過搭建以電網采集的工商業和低壓集抄用戶大數據為基礎的企業復工復產監測平臺，輔以數據挖掘和跨平臺交互技術，可從多口徑統計和展示電力企業用戶的用電量和復產情況，更好地支持疫情防控決策[4-6]。該技術采用的數據直接來自企業或生產設備，與企業生產過程較接近，以此計算的復工復產指數能較好的體現企業產能恢復情況。本文基于該技術，綜合考慮復工工業企業數量和其復工前后用電量變化情況，建立復工復產指數測算模型。然后基于大數據管理等技術設計了復工復產多口徑在線監測平臺。最后，通過廣西電網典型案例進行復工率統計，并分析其影響因素，為政府提供輔助決策數據支持。

1 復工復產測算

1.1 復工復產測算模型

為了配合政府推動各行業復工復產工作，對疫情及其影響進行有效監測和防控，協助做好疫情防控和有序復工，測算和分析復工相關指數成為一項重要工作。雖然這些指數是疫情期間常用于衡量企業復產復工程度的依據，但對其計算模型目前并無統一標準，具體選用什么數據評估企業復產復工程度，通常根據當地應用需求確定，以便更準確貼合實際企業復產復工的客觀情況。

根據現有文獻研究，評估一個地區的企業復工復產水平，通常從兩方面進行考量：一是該地區已復工企業占該地區所有企業總數的比例，即復工企業比例；二是該地區復工后電量恢復到參考時間前的狀態水平，即復工電量比例[7]?；诖?，本文以復工企業和復工電量比例為基本點，據此構建的企業復工復產測算模型如下：

1）復工率

其中：RW為某統計口徑下的復工率，該值越接近100%，說明復工情況越好；EP為該統計口徑下待監測對象的計數有效值，如果計數條件成立則為1，如果計數條件不成立則為0；EE為待監測對象在指定時間內的用電量，例如，按行業統計時，某具體行業的所有參測企業在計算時，取同一個指定日或時段的用電量數據；EH為該統計口徑下待監測對象的歷史參考用電量，例如，取用戶上一年某月的日均用電量作為參考；n為預設比例系數，目前各地的取值標準不一，國家發改委發布的統計數據通常取30%[8]；EN為該統計口徑下全部對象的總數。

2）復產率

其中：RPi為某統計口徑下待監測對象i的復產率；IEi為該統計口徑下待監測對象i的日用電量；SEi為該統計口徑下對象i的一個參考時段的日均用電量，例如，取去年12月的日均用電量作為參考。

按行業統計時，在式（2）的基礎上可以根據該行業中具體企業是否參與統計和用電情況，對每個行業進行整體評價，如式（3）：

其中：RP＇為某行業的復產率；βi為該行業待監測對象的加權系數，對象參與統計為1，不參與統計則為0，數值大小根據企業重要性確定。

3）復工企業電力指數

復工企業電力指數是基于電力計量系統采集到的用戶用電信息大數據，綜合考慮復工電量和復工企業數量兩個方面的情況，通過數據監測和智能分析后得出的。計算模型上該指數借鑒了“克強指數”中的耗電量指標，以地區或行業等統計口徑的用電量與往年同期比較的方式測算得出，用于反映全口徑企業的總體復工情況。

其中：RI為某企業的復工電力指數；α1、α2為加權系數，各地取值標準不一，例如浙江發布的復工企業電力指數模型取α1=α2=0.5；RW為該企業某日通過式（1）獲取的復工率；RP為該企業該日通過式（2）獲取的復產率。

通過式（4）提供的復工電力指數模型常用于綜合評判企業的整體復工復產情況，從而較好的反應企業真實運轉情況。

1.2 測算流程

為了提升電力企業對復工復產的監測效率，本文通過搭建多口徑復工復產指數在線監測平臺，旨在實現原始數據采集和清洗，復工復產模型和指數測算管理、以及結果發布和展示的流程自動化。該平臺的指數測算主要流程（如圖1）為：首先根據統計需求選擇測算指數模型并初始化數據采集方案，然后，對企業用電信息數據進行初次采集。例如在按某行業口徑統計時，為了計算指定行業中各企業的日用電量，配置采集方案使計量系統采集模塊在每天指定時間點采集指定企業的用戶電能表電量表底數據，即進行一輪表碼數據采集，并抽取該企業在電力營銷系統中的用戶檔案組成快報信息。為降低服務器壓力，抽取方式為OGG全量與近實時數據抽取[9]相結合的形式。接著，對初采數據進行異常核查和數據清洗，對核查發現的空值、異常極大值、數據邏輯錯誤、異常波動的情況進行分析，修復其中可修復部分。對經過初次采集和數據清洗后仍不可修復的數據缺失和異常等情況，則在指定補采時間內對問題用戶電能表電量表底數據進行若干輪補采。接著根據所選測算模型整合歷史參考用電和參與測算情況，進行企業復工復產指數計算。最后通過平臺的圖形可視化展示或報表發布模塊為電網公司或政府機構提供按行業、行政地市等多維度的數據展示。

圖1 復工復產指數測算主要流程

2 平臺架構

在智能電表應用和低壓集抄“兩覆蓋”的基礎上，廣西電網公司通過計量自動化系統可以實時、準確地采集轄區內1 900萬電力用戶的用電量信息，形成用電大數據庫，可據此建立復工復產監測平臺以更準確地開展多口徑的復工復產情況監測分析。

本文監測平臺作為廣西電網企業計量自動化系統的子系統，主要應用功能模塊包括模型管理、統計分析、信息發布，實現對電力用戶復工復產模型的管理、指標計算以及計算結果統計發布等全過程業務，滿足電力數據分析和政府疫情管控要求。同時，該平臺綜合考慮系統使用者、內外網數據集成交互及電力企業信息安全分區管理要求等方面，在電力企業內網信息安全III區建立與營銷管理系統和計量生產管理平臺等相關內部系統的數據交互接口。此外，還計劃實現與政府部門，電力用戶以及社會公眾的外部應用系統在信息外網的消息發布接口。

該平臺設計遵循面向服務的原則，通過數據同步、消息通信、服務調用等方式與信息安全Ⅲ區，以及信息內、外網各信息系統關聯，同時采用B/S技術，為統計分析模塊的大數據運算提供技術支持。按其功能關系，該平臺系統架構如圖2，主要包括：

圖2 平臺架構

1）硬件層。運用分布式和磁盤陣列技術管理主機、存儲等資源，為系統構建基礎運行環境。為了給平臺提供高效系統響應和滿足多線并行訪問的需求，數據存儲采用分布式存儲技術，數據訪問服務硬件采用主備模式，支持負載均衡，提高平臺的可靠性。

2）服務層。服務層提供的服務包括用戶模型服務、統一數據訪問服務、圖形服務、消息服務等。通過服務總線實現對這些服務的統一管理，實現各服務的松耦合與可擴展。

3）應用層。應用層主要實現3個子模型的功能，其中：模型管理模塊實現用戶、指數和統計口徑模型管理等功能；數據清洗模塊實現對采集數據的異常核查和異常數據清洗功能；統計分析模塊實現括信息抽取、復工復產指數計算、數據分析等功能；此外，系統管理實現對各類數據的監視管理。

同時，該平臺設計遵照南方電網信息安全等級防護要求進行分區部署，通過隔離設備保證不同安全區間的邊界安全。此外，平臺還提供報表與圖形展示功能，包括各種統計指數和數據分析的報表輸出，自動生成Word格式的周或月報等。還能根據統計數據生成相應圖形，實現復工復產指數的可視化展示，效果如圖3。

圖3 平臺可視化展示

3 案例分析

為多口徑地觀察復工指標在不同行業和地區的分布情況，基于本文平臺，以元宵節后7天，即正月廿二作為典型日對廣西典型行業和用戶的復工情況進行分析。

3.1 行業口徑

通過本文平臺對廣西典型行業2020年和2021年的復工率進行統計，結果如圖4。圖中參與統計的制造業主要包括發電設備、高壓開關、電站鍋爐、智能電網設備等設備制造企業，其中2020年制造業和建筑業復工率同比2019年大幅下降。這是由于這些企業有大量外地的勞務派遣人員，受疫情影響他們暫時無法返企，即使返企也要隔離14天，受此人員流動限制，加上企業貸款還款壓力、生產原料產業鏈和產品運輸受阻等其他方面的影響，復工率較低。2021年這些行業的復工率相比2020年雖然上升了，但還有較大的提升空間。

圖4 2020年和2021年典型行業復工率

餐飲業和旅游業自新冠疫情爆發以來，一方面為了避免新冠肺炎感染，人們的自保意識使其盡量避免進入人員密集的公共場所，使這些場所的活動都大幅度減少，甚至關停。另一方面居民消費信心不足導致消費需求降低。所以即使有些餐飲店不停業，人員外出進行服務消費的意愿和頻次也大幅度減少，從而導致餐飲行業的業務量極速下滑。類似的還有旅游行業景區，旅游大巴和酒店等旅游必經節點的感染風險使旅游業陷入低迷期。

但對房地產和教育等行業來說，雖然疫情時期加強了區域隔離，使現場出差不便，對許多線下進行的會議營銷、現場看房及課堂教學等業務造成影響。但廣西這些行業積極制定對策，利用近年來興起的互聯網和微應用技術通過在線直播賣房，線上課程等新途徑助力業務開展，故稍微減少了復工率受疫情的影響。

自2020年新冠肺炎疫情爆發以來，為了更好的控制疫情傳播，不少省市關閉了高速出入口及收費站，以及節后，受疫情防控、春節假期延長、各地延遲企業復工、推遲學校開學等情況使得交通運輸受到影響。2021年隨著復工復產工作的開展，交通運輸工作正在有序恢復。該行業2021年復工率為84.5%，較2020年同期上升了28.4%，恢復情況較好。

由圖4可見，零售業的復工率較高，經調查得知，雖然疫情時期加強了區域隔離，使現場出差不便，對許多線下進行的會議營銷和以現場服務銷售為主的業務造成影響。但自我隔離期間，人們需要依托線上平臺來滿足生活需要，零售商抓住機遇調整自己的數字營銷策略，外賣、網購、生鮮電商等零售行業迅速發展，故其復工率較高。

為了推進企業復工，建議政府采取積極措施靈活鼓勵企業復工。例如，對電網公司來說，提前分析對接企業用戶需求，利用電網公眾號和手機APP的線上優勢，積極引導客戶網上辦理、掌上辦理購電等業務，建立非接觸式辦電便利途徑，同時還要保障企業和居民用戶可靠用電。

3.2 地區口徑

由本文平臺按地區口徑對廣西各地工業用戶進行復工率統計，典型日廣西電網轄區監測工業企業樣本中復工企業222 901戶，整體復工率為72.2%，當日最高負荷1 749萬千瓦，相較最近十日的復工率呈現上升趨勢。分區統計結果如圖5。由圖5可見，各地中復工率最高的為南寧（79.4%），最低的為河池（59.3%）。由于在疫情時期的嚴格管控下，對交通運輸造成負面影響，從而影響外地員工返企，南寧作為省會城市和廣西陸空交通樞紐，交通便利，2021年隨著交通運輸的逐步恢復，有利于物資轉運和人員返崗，故當地企業受到疫情影響較輕。而河池由于山多地少，以地無三尺平的喀斯特地貌為主，且城鄉建在在狹窄的山谷，交通不便故復工受到較大影響。

圖5 廣西各地區工業企業復工情況

4 結束語

本文設計了復工復產在線監測平臺，發揮電力企業的用電大數據優勢，對廣西各行業和地區的電力用戶的復工復產指數進行多口徑監測，為電網公司和政府及時掌握各地區各行業的復工復產情況，做好經營決策或疫情管控工作提供準確的企業用電畫像。

此外，可通過監測平臺對廣西典型行業和各地區的復工復產情況進行統計。由統計結果可見，各行業由于產業鏈和消費群體特征不同，受疫情的影響輕重也不相同。2021年處于產業恢復的“后疫情”時期，企業應采取積極補救措施，充分利用智能制造和新一代信息技術有利于找到積極抵抗疫情影響的復產思路。此外，根據統計結果可知各地區疫情影響情況不同，受疫情影響大小主要與交通運輸，地域特征等因素有關，建議政府因地因城施策，根據當地實際情況制定復工措施。