面向供電保供服務(wù)的安徽省春節(jié)人口流動大數(shù)據(jù)分析

摘" 要：為做好春節(jié)電力保供和優(yōu)質(zhì)服務(wù)工作，輔助企業(yè)科學(xué)研判、精準(zhǔn)調(diào)度、靶向發(fā)力，保障居民安全可靠用電，該文融合電力和通信數(shù)據(jù)，提前預(yù)測人口流動時空分布對配網(wǎng)運行和供電服務(wù)影響，一是通過“動態(tài)屬性”的通信數(shù)據(jù)和“靜態(tài)屬性”的電力用戶電量來構(gòu)建人口數(shù)據(jù)分析模型，全方位反映人員流動趨勢特征；二是通過區(qū)域人口峰值時間、流入流出等挖掘返鄉(xiāng)探親、景區(qū)旅游、復(fù)工返崗等人口流動典型特征；三是通過典型臺區(qū)負荷與人口流動大數(shù)據(jù)關(guān)聯(lián)發(fā)現(xiàn)返鄉(xiāng)人口對負荷增長時延、負荷增量、工單訴求等影響規(guī)律，更好支撐電網(wǎng)設(shè)備運檢、充電設(shè)施運維和開展優(yōu)質(zhì)供電服務(wù)。

關(guān)鍵詞：供電保供；人口流動；通信；電量突增戶；臺區(qū)負荷；工單訴求

中圖分類號：TM73" " " 文獻標(biāo)志碼：A" " " " " "文章編號：2095-2945（2024）36-0097-06

Abstract： In order to ensure power supply and high-quality services during the Spring Festival， assist enterprises in scientific research and judgment， precise dispatch， and targeted efforts to ensure the safe and reliable electricity consumption of residents， this paper integrates power and communication data to predict in advance the spatio-temporal distribution of population movements on distribution network operation and impact on power supply services. Specifically， the first measure taken is to build a population data analysis model through communication data with \"dynamic attributes\" and power user electricity with \"static attributes\" to comprehensively reflect the trend characteristics of people flow; the second is to explore the typical characteristics of population movements such as returning home to visit relatives， scenic spots， and returning to work through the peak time of regional population， inflow and outflow， etc.; the third is to correlate typical station area loads with big data on population movements， discover the influence laws of returning population on load growth delay， load increment， work order demands， etc.， so as to better support the operation and inspection of power grid equipment， operation and maintenance of charging facilities， and the development of high-quality power supply services.

Keywords： power supply guarantee; population mobility; communication; households with sudden increase in electricity; station area load; work order demands

根據(jù)第六次全國人口普查統(tǒng)計數(shù)據(jù)，我國流動人口已達到約2.6億，說明人口的流動性已成為重要的社會現(xiàn)象[1]。安徽省屬于人口和勞動力輸出型省份，放假停工、省外務(wù)工人員返鄉(xiāng)等多重因素在春節(jié)假期會尤為明顯，同時省內(nèi)不同城市間的用電特性存在較大差異[2]。在重要節(jié)假日期間摸排人員流動情況，研究分析春節(jié)假期人口流動因素對全省用電影響，對于更好地保障春節(jié)期間電力供應(yīng)具有重要意義，特別是針對城市社區(qū)人口，其人員過于集中密集給工作人員的社區(qū)排查工作帶來的挑戰(zhàn)較大，出現(xiàn)人員摸排周期長、摸排不準(zhǔn)確等問題[3]?；凇办o態(tài)屬性”的海量用電數(shù)據(jù)和“動態(tài)屬性”的通信運營商數(shù)據(jù)，通過兩類數(shù)據(jù)的交叉驗證可更快捷、方便、準(zhǔn)確地辨別居民人口流動情況，同時利用電力數(shù)據(jù)屬性將返鄉(xiāng)對電力保供的影響量化，為提供更優(yōu)質(zhì)供電服務(wù)提供支撐[4]。

文章分別從返鄉(xiāng)人口、電量突增戶、臺區(qū)負荷變化和用電訴求工單維度進行分析，其中運營商數(shù)據(jù)是聯(lián)合安徽移動對省內(nèi)16個地市、75個區(qū)縣（含市轄區(qū)）2024年的春節(jié)期間人員流動情況開展監(jiān)測分析，通過移動通信用戶在基站之間的信息交換來確定用戶的空間位置，記錄人員流動時空軌跡，以安徽移動全網(wǎng)數(shù)據(jù)按照市場占有率擴樣分析得到全省人口數(shù)據(jù)[5]。全省低壓居民用戶春節(jié)前連續(xù)3天日用電量小于0.8 kWh，春節(jié)期間連續(xù)2天日用電量大于等于1.6 kWh定義為電量突增戶[6]。本文將安徽省內(nèi)16個地市劃分為皖北、皖南和皖江，其中皖北7個城市，包括淮北市、亳州市、宿州市、蚌埠市、阜陽市、淮南市和滁州市；皖南7個城市，包括黃山市、池州市、宣城市、馬鞍山市、蕪湖市、銅陵市和安慶市；皖江2個城市，包括合肥市和六安市。

1" 2024年春節(jié)返鄉(xiāng)人口總體趨勢分析

通過運營商構(gòu)建常駐人口、流入人口、流出人口等多個數(shù)據(jù)模型，識別返鄉(xiāng)人口規(guī)模，通過電力數(shù)據(jù)構(gòu)建電量突增戶數(shù)據(jù)模型[7]，從電力使用的穩(wěn)定性角度識別電量突增戶，融合運營商和電力的雙維度數(shù)據(jù)全方位反映全省16個地市、75個區(qū)縣（含市轄區(qū)）的人員流動特征。

基于運營商數(shù)據(jù)，2024年除夕當(dāng)天（2024年2月9日）安徽省返鄉(xiāng)人數(shù)達到峰值2 142.85萬人，較去年同期（2 312.03萬人）下降7.32%。春節(jié)期間人口返鄉(xiāng)呈現(xiàn)三段式特征[8]，第一階段至臘月十五，日均返鄉(xiāng)11.28萬人，第二階段至臘月二十五，日均返鄉(xiāng)56.46萬人，第三階段至除夕，日均返鄉(xiāng)119.28萬人。此后返鄉(xiāng)人數(shù)逐步下降，在正月十五（2024年2月24日）返鄉(xiāng)人數(shù)有小幅上漲至1 048.81萬人?；陔娏?shù)據(jù)，截至2024年除夕（2024年2月9日），全省電量突增用戶數(shù)為242.62萬戶，與去年同期241.64萬戶基本持平。如圖1所示。

從地市返鄉(xiāng)人口來看，截至正月十五（2024年2月24日），2024年春節(jié)共計返鄉(xiāng)1 048.81萬人。2024年返鄉(xiāng)排名前三的地市分別是皖北地市1（203.62萬人）、皖江地市1（153.32萬人）、皖北地市2（98.92萬人），合計達到455.86萬人，占全省返鄉(xiāng)人數(shù)比例為43.46%，如圖2所示。從區(qū)縣返鄉(xiāng)人口來看，截至正月十五（2024年2月24日），2024年春節(jié)返鄉(xiāng)Top10區(qū)縣共計393萬人返鄉(xiāng)。2024年春節(jié)返鄉(xiāng)Top10區(qū)縣中皖北地市1下轄區(qū)縣占4席，返鄉(xiāng)排名前三的區(qū)縣分別是皖江地市1的區(qū)縣1、皖北地市1的區(qū)縣2和區(qū)縣3，其中皖江地市1的區(qū)縣1返鄉(xiāng)人口達到81.83萬人。如圖3所示。

2" 2024年春節(jié)各地市返鄉(xiāng)人口特征分析

2.1" 2024年春節(jié)各地市返鄉(xiāng)人口特征分析

從地市返鄉(xiāng)人口峰值情況來看，返鄉(xiāng)排名前三的地市分別是皖北地市1（442.96萬人）、皖北地市2（268.20萬人）和皖南地市1（236.87萬人），合計達到948.03萬人，占全省返鄉(xiāng)人數(shù)比例為38.93%。返鄉(xiāng)排名后三的地市分別是皖南地市3（52.03萬人）、皖南地市7（59.65萬人）、皖南地市5（60.70萬人）。從地市返鄉(xiāng)峰值出現(xiàn)時間來看，皖北地市1、皖北地市2等9個地市返鄉(xiāng)峰值均在除夕和正月初一，與春節(jié)返鄉(xiāng)過年時間吻合。皖南地市6和皖南地市7作為旅游城市，在正月初三和初四出現(xiàn)人口流入高峰，與春節(jié)假期旅游高峰時間吻合。皖江地市1在臘月十六出現(xiàn)人口流入高峰，達到220.87萬人。如圖4所示。

2.2" 省內(nèi)典型地市返鄉(xiāng)特征分析

選取省內(nèi)3個典型代表城市皖北地市1、皖江地市1、皖南地市6，分析春節(jié)期間人口流動特點，如圖5所示。皖北地市1，2023、2024年均在春節(jié)假期首日出現(xiàn)人口流入高峰，屬于返鄉(xiāng)探親類城市。皖江地市1， 2023、2024年春節(jié)期間返鄉(xiāng)人口逐步減少，均在春節(jié)假期前一日發(fā)生人口流出，至假期第三日流出人口達到頂峰，屬于復(fù)工返崗類城市。皖南地市6，2023、2024年均在正月初四出現(xiàn)人口流入高峰，與春節(jié)假期旅游高峰時間吻合，屬于景區(qū)旅游類城市[9]。

2024年除夕當(dāng)天返鄉(xiāng)人口Top5區(qū)縣（表1），前五區(qū)縣主要是皖北地市1和皖北地市2等皖北城市下轄區(qū)縣，與2023年除夕區(qū)縣分布一致，其中區(qū)縣3返鄉(xiāng)人口最多達到100.05萬人，較去年同期下降8.73%。2024年除夕當(dāng)天人口流出區(qū)縣（表2），存在人口流出的區(qū)縣共計2個，較2023年流出區(qū)縣減少2個。2024年除夕流出區(qū)縣主要集中在皖江地市1、皖北地市5等經(jīng)濟較為發(fā)達的城市市區(qū)，分別流出150.22萬人、0.27萬人，較去年同期分別下降16.21%、93.77%。

3" 2024年春節(jié)返鄉(xiāng)人口對臺區(qū)負荷、工單訴求的影響分析

根據(jù)全省電量突增戶計算結(jié)果，每個地市選擇電量突增戶較多的10個臺區(qū)合計160個，將這些臺區(qū)作為典型臺區(qū)，獲取臺區(qū)96點負荷曲線數(shù)據(jù)[10]。將每個臺區(qū)GIS地圖經(jīng)緯度信息與移動公司500 m×500 m正方形網(wǎng)格人口流動數(shù)據(jù)關(guān)聯(lián)，分析返鄉(xiāng)人口對臺區(qū)負荷影響[11]。同時關(guān)聯(lián)95598歷史致電記錄，關(guān)注高風(fēng)險用戶的工單訴求分布情況。

3.1" 典型臺區(qū)返鄉(xiāng)人口與臺區(qū)負荷關(guān)聯(lián)分析

從臺區(qū)負荷曲線來看，計算典型臺區(qū)96點負荷曲線平均值，低壓居民臺區(qū)生活用電負荷呈現(xiàn)較為明顯的晚峰特征[12]，同時在8時—12時和17時—21時時段有明顯的增幅，0時—6時負荷較低，如圖6所示。從返鄉(xiāng)人口分布時段來看，計算典型臺區(qū)所關(guān)聯(lián)網(wǎng)格人員1月26日的返鄉(xiāng)人數(shù)的24小時曲線，如圖7所示，返鄉(xiāng)時間段主要集中在白天，從14時開始快速攀升，19點達到峰值[13]。從臺區(qū)負荷差值曲線來看，計算典型臺區(qū)1月26日平均負荷與基礎(chǔ)負荷的差值，如圖7所示，返鄉(xiāng)人員增加使得臺區(qū)負荷增加。臺區(qū)負荷差值曲線滯后于返鄉(xiāng)人口曲線2～3 h，兩者具備明顯平移關(guān)聯(lián)性，即人員返回臺區(qū)后2～3 h會引起負荷的增長，并引起負荷增長時延。

冬季電網(wǎng)負荷易受溫度影響[14]，故選擇天氣狀況和平均溫度接近的典型日，計算典型臺區(qū)返鄉(xiāng)人數(shù)和臺區(qū)平均負荷增長值、最大負荷增長值的關(guān)系[15]，見表3。從返鄉(xiāng)人口對臺區(qū)平均負荷影響來看，每返鄉(xiāng)1人，日平均負荷增長值為0.48 kW，即每返鄉(xiāng)1人日用電量增加11.52 kWh。從返鄉(xiāng)人口對臺區(qū)最大負荷影響來看，每返鄉(xiāng)1人，日最大負荷增長值為0.81 kW。

3.2" 電量突增戶用電訴求工單分析

通過關(guān)聯(lián)2023年和2024年臘月初一至除夕期間95598歷史致電記錄，若電量突增戶在該時間出現(xiàn)過致電95598并在供電服務(wù)系統(tǒng)形成工單[16]，則將該用戶列為發(fā)生用電訴求的高風(fēng)險客戶。

每返鄉(xiāng)1人平均負荷增長=平均負荷差值/平均返鄉(xiāng)人數(shù)差值。

每返鄉(xiāng)1人最大負荷增長=平均最大負荷差值/平均返鄉(xiāng)人數(shù)差值。

從各地市電量突增戶產(chǎn)生工單數(shù)來看，如圖8所示，2024年省內(nèi)電量突增戶共產(chǎn)生工單1 869件，較2023年（2 541件）下降26.45%。皖北地市1、皖北地市2和皖江地市1為工單發(fā)生集中區(qū)域，2024年分別產(chǎn)生317件、280 件、269件工單，合計866件，占全省工單的46.33%。從每萬戶電量突增戶產(chǎn)生工單比例來看，如圖9所示，皖江地市1（14？酃）、皖北地市2（12？酃）和皖南地市2（10？酃）為產(chǎn)生比例最高地市，均超過10？酃。從產(chǎn)生的工單類型來看，工單主要集中在故障報修和業(yè)務(wù)申請兩大類上[17]，2024年兩類工單分別1 103條和586條，合計占全部工單的90.37%，較去年同比分別下降25.77%、31.46%。

4" 結(jié)束語

通過構(gòu)建的人口分析模型[18]，發(fā)現(xiàn)2024年安徽全省返鄉(xiāng)在除夕當(dāng)日達到返鄉(xiāng)峰值，同時返鄉(xiāng)時序呈現(xiàn)三段式特征，臘月初一至臘月十五返鄉(xiāng)人口緩慢增長，臘月十五至臘月二十五返鄉(xiāng)人口逐步增多，臘月二十五至除夕達到返鄉(xiāng)人口增長高峰期。挖掘返鄉(xiāng)探親、景區(qū)旅游和務(wù)工返崗三類典型城市，皖北地市1、皖江地市1、皖北地市2為返鄉(xiāng)大市，皖南地市返鄉(xiāng)人口較少；皖北地市1、皖北地市2等返鄉(xiāng)探親型的9個地市均在除夕和正月初一達到返鄉(xiāng)峰值，景點旅游型城市在正月初三和初四達到人口流入高峰[19]，皖江城市1等復(fù)工返崗型城市在臘月十六出現(xiàn)人口流入高峰。關(guān)聯(lián)返鄉(xiāng)人口與臺區(qū)負荷的分析，人口返鄉(xiāng)引起臺區(qū)負荷增長時延和負荷增量，皖北城市1、皖北城市2、皖江城市1為高風(fēng)險客戶工單集中發(fā)生區(qū)域。建議通過加裝智能配變終端等措施提升用電臺區(qū)智能化監(jiān)測水平[20]，從而實現(xiàn)對配電設(shè)備運行異常的就地判斷與預(yù)警，同時針對外出務(wù)工占比較大地區(qū)做好裕度管理、容量校核和規(guī)劃增容等工作。

參考文獻：

[1] 鄭真真，楊舸.中國人口流動現(xiàn)狀及未來趨勢[J].人民論壇，2013（11）：6-9.

[2] 黃慶祥， 鄒芹， 鄧晨成， 等． 春節(jié)前后居民及重點行業(yè)用電情況分析[J].電力大數(shù)據(jù)，２０２１，２４（１）：６２－69.

[3] 劉暢，騰予非，唐偉，等.基于電力數(shù)據(jù)的居民人口流動情況評估[J].四川電力技術(shù)，2020，43（3）：33-37.

[4] 申利娜，楊戰(zhàn)營.讓群眾春節(jié)用電更舒心[J].河南電力，2021（2）：60-61.

[5] 張振，董梅香，葛駿一，等.移動通信用戶時空行為分析算法研究及系統(tǒng)實現(xiàn)[J].通信技術(shù)，2023，56（2）：183-187.

[6] 楊劍，倪琳.農(nóng)村用戶電量突增的分析[J].大眾用電，2017，32（2）：34.

[7] 孫璐，徐璇，陳大成.客戶用電量突增原因分析[J].通訊世界，2017（3）：187-188.

[8] 2024年春節(jié)假期移動數(shù)據(jù)流量快速增長[J].通信企業(yè)管理，2024（3）：28.

[9] 陸林.皖南旅游區(qū)布局研究[J].地理科學(xué)，1995（1）：88-95，100.

[10] 殷子皓，何寧.氣溫變化對用電負荷影響的分析[J].貴州電力技術(shù)，2014，17（2）：27-29.

[11] 龔強.基于GIS實現(xiàn)空間智能及應(yīng)用研究[J].測繪與空間地理信息，2024，47（7）：1-2，6.

[12] 盧德龍，繆繼東，呂培強，等.弱約束關(guān)聯(lián)下考慮社會屬性的低壓居民臺區(qū)負荷預(yù)測[J].電力大數(shù)據(jù)，2020，23（10）：9-16.

[13] 楊宏，鄧晨成，鄒芹，等.居民用電行為分析及潛力研究[J].電力大數(shù)據(jù)，2020，23（12）：80-88.

[14] 權(quán)軼.電網(wǎng)負荷與溫度關(guān)系研究[D].武漢：華中科技大學(xué)，2006.

[15] 邱敏，周穎，趙偉博，等.基于特征構(gòu)建的區(qū)域電力負荷增長歸因及量化分析方法[J].中國電力，2024，57（8）：190-205.

[16] 鄭亞會.淺析95598熱點工單及重點舉措[J].農(nóng)電管理，2024（5）：63-64.

[17] 方勇，曹剛，王炳文，等.基于降低95598萬戶故障報修工單數(shù)量的電網(wǎng)企業(yè)主動服務(wù)模式實踐研究[J].企業(yè)改革與管理，2023（23）：15-17.

[18] 盧夢霞，盧艷琴.人口變動的動態(tài)分析模型——以周口地區(qū)為例[J].周口師范學(xué)院學(xué)報，2023，40（5）：19-22.

[19] 林欣蕓，查瑞波，黃悅.全域旅游背景下安徽省市域旅游經(jīng)濟影響因素組態(tài)研究[J].福建師范大學(xué)學(xué)報（自然科學(xué)版），2023，39（6）：119-130.

[20] 陳業(yè)偉.電力配網(wǎng)自動化系統(tǒng)的配變終端設(shè)計分析[J].現(xiàn)代工業(yè)經(jīng)濟和信息化，2024，14（5）：113-115.