面向供電保供服務的安徽省春節人口流動大數據分析

摘" 要：為做好春節電力保供和優質服務工作，輔助企業科學研判、精準調度、靶向發力，保障居民安全可靠用電，該文融合電力和通信數據，提前預測人口流動時空分布對配網運行和供電服務影響，一是通過“動態屬性”的通信數據和“靜態屬性”的電力用戶電量來構建人口數據分析模型，全方位反映人員流動趨勢特征；二是通過區域人口峰值時間、流入流出等挖掘返鄉探親、景區旅游、復工返崗等人口流動典型特征；三是通過典型臺區負荷與人口流動大數據關聯發現返鄉人口對負荷增長時延、負荷增量、工單訴求等影響規律，更好支撐電網設備運檢、充電設施運維和開展優質供電服務。

關鍵詞：供電保供；人口流動；通信；電量突增戶；臺區負荷；工單訴求

中圖分類號：TM73" " " 文獻標志碼：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

根據第六次全國人口普查統計數據，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、省外務工人員返鄉等多重因素在春節假期會尤為明顯，同時省內不同城市間的用電特性存在較大差異[2]。在重要節假日期間摸排人員流動情況，研究分析春節假期人口流動因素對全省用電影響，對于更好地保障春節期間電力供應具有重要意義，特別是針對城市社區人口，其人員過于集中密集給工作人員的社區排查工作帶來的挑戰較大，出現人員摸排周期長、摸排不準確等問題[3]?；凇办o態屬性”的海量用電數據和“動態屬性”的通信運營商數據，通過兩類數據的交叉驗證可更快捷、方便、準確地辨別居民人口流動情況，同時利用電力數據屬性將返鄉對電力保供的影響量化，為提供更優質供電服務提供支撐[4]。

文章分別從返鄉人口、電量突增戶、臺區負荷變化和用電訴求工單維度進行分析，其中運營商數據是聯合安徽移動對省內16個地市、75個區縣（含市轄區）2024年的春節期間人員流動情況開展監測分析，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，以安徽移動全網數據按照市場占有率擴樣分析得到全省人口數據[5]。全省低壓居民用戶春節前連續3天日用電量小于0.8 kWh，春節期間連續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年春節返鄉人口總體趨勢分析

通過運營商構建常駐人口、流入人口、流出人口等多個數據模型，識別返鄉人口規模，通過電力數據構建電量突增戶數據模型[7]，從電力使用的穩定性角度識別電量突增戶，融合運營商和電力的雙維度數據全方位反映全省16個地市、75個區縣（含市轄區）的人員流動特征。

基于運營商數據，2024年除夕當天（2024年2月9日）安徽省返鄉人數達到峰值2 142.85萬人，較去年同期（2 312.03萬人）下降7.32%。春節期間人口返鄉呈現三段式特征[8]，第一階段至臘月十五，日均返鄉11.28萬人，第二階段至臘月二十五，日均返鄉56.46萬人，第三階段至除夕，日均返鄉119.28萬人。此后返鄉人數逐步下降，在正月十五（2024年2月24日）返鄉人數有小幅上漲至1 048.81萬人?；陔娏祿刂?024年除夕（2024年2月9日），全省電量突增用戶數為242.62萬戶，與去年同期241.64萬戶基本持平。如圖1所示。

從地市返鄉人口來看，截至正月十五（2024年2月24日），2024年春節共計返鄉1 048.81萬人。2024年返鄉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，占全省返鄉人數比例為43.46%，如圖2所示。從區縣返鄉人口來看，截至正月十五（2024年2月24日），2024年春節返鄉Top10區縣共計393萬人返鄉。2024年春節返鄉Top10區縣中皖北地市1下轄區縣占4席，返鄉排名前三的區縣分別是皖江地市1的區縣1、皖北地市1的區縣2和區縣3，其中皖江地市1的區縣1返鄉人口達到81.83萬人。如圖3所示。

2" 2024年春節各地市返鄉人口特征分析

2.1" 2024年春節各地市返鄉人口特征分析

從地市返鄉人口峰值情況來看，返鄉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，占全省返鄉人數比例為38.93%。返鄉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）。從地市返鄉峰值出現時間來看，皖北地市1、皖北地市2等9個地市返鄉峰值均在除夕和正月初一，與春節返鄉過年時間吻合。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人口流入高峰，與春節假期旅游高峰時間吻合。皖江地市1在臘月十六出現人口流入高峰，達到220.87萬人。如圖4所示。

2.2" 省內典型地市返鄉特征分析

選取省內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年均在春節假期首日出現人口流入高峰，屬于返鄉探親類城市。皖江地市1， 2023、2024年春節期間返鄉人口逐步減少，均在春節假期前一日發生人口流出，至假期第三日流出人口達到頂峰，屬于復工返崗類城市。皖南地市6，2023、2024年均在正月初四出現人口流入高峰，與春節假期旅游高峰時間吻合，屬于景區旅游類城市[9]。

2024年除夕當天返鄉人口Top5區縣（表1），前五區縣主要是皖北地市1和皖北地市2等皖北城市下轄區縣，與2023年除夕區縣分布一致，其中區縣3返鄉人口最多達到100.05萬人，較去年同期下降8.73%。2024年除夕當天人口流出區縣（表2），存在人口流出的區縣共計2個，較2023年流出區縣減少2個。2024年除夕流出區縣主要集中在皖江地市1、皖北地市5等經濟較為發達的城市市區，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年春節返鄉人口對臺區負荷、工單訴求的影響分析

根據全省電量突增戶計算結果，每個地市選擇電量突增戶較多的10個臺區合計160個，將這些臺區作為典型臺區，獲取臺區96點負荷曲線數據[10]。將每個臺區GIS地圖經緯度信息與移動公司500 m×500 m正方形網格人口流動數據關聯，分析返鄉人口對臺區負荷影響[11]。同時關聯95598歷史致電記錄，關注高風險用戶的工單訴求分布情況。

3.1" 典型臺區返鄉人口與臺區負荷關聯分析

從臺區負荷曲線來看，計算典型臺區96點負荷曲線平均值，低壓居民臺區生活用電負荷呈現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。從返鄉人口分布時段來看，計算典型臺區所關聯網格人員1月26日的返鄉人數的24小時曲線，如圖7所示，返鄉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]。從臺區負荷差值曲線來看，計算典型臺區1月26日平均負荷與基礎負荷的差值，如圖7所示，返鄉人員增加使得臺區負荷增加。臺區負荷差值曲線滯后于返鄉人口曲線2～3 h，兩者具備明顯平移關聯性，即人員返回臺區后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，計算典型臺區返鄉人數和臺區平均負荷增長值、最大負荷增長值的關系[15]，見表3。從返鄉人口對臺區平均負荷影響來看，每返鄉1人，日平均負荷增長值為0.48 kW，即每返鄉1人日用電量增加11.52 kWh。從返鄉人口對臺區最大負荷影響來看，每返鄉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

通過關聯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過致電95598并在供電服務系統形成工單[16]，則將該用戶列為發生用電訴求的高風險客戶。

每返鄉1人平均負荷增長=平均負荷差值/平均返鄉人數差值。

每返鄉1人最大負荷增長=平均最大負荷差值/平均返鄉人數差值。

從各地市電量突增戶產生工單數來看，如圖8所示，2024年省內電量突增戶共產生工單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為工單發生集中區域，2024年分別產生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）為產生比例最高地市，均超過10？酃。從產生的工單類型來看，工單主要集中在故障報修和業務申請兩大類上[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" 結束語

通過構建的人口分析模型[18]，發現2024年安徽全省返鄉在除夕當日達到返鄉峰值，同時返鄉時序呈現三段式特征，臘月初一至臘月十五返鄉人口緩慢增長，臘月十五至臘月二十五返鄉人口逐步增多，臘月二十五至除夕達到返鄉人口增長高峰期。挖掘返鄉探親、景區旅游和務工返崗三類典型城市，皖北地市1、皖江地市1、皖北地市2為返鄉大市，皖南地市返鄉人口較少；皖北地市1、皖北地市2等返鄉探親型的9個地市均在除夕和正月初一達到返鄉峰值，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等復工返崗型城市在臘月十六出現人口流入高峰。關聯返鄉人口與臺區負荷的分析，人口返鄉引起臺區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為高風險客戶工單集中發生區域。建議通過加裝智能配變終端等措施提升用電臺區智能化監測水平[20]，從而實現對配電設備運行異常的就地判斷與預警，同時針對外出務工占比較大地區做好裕度管理、容量校核和規劃增容等工作。

參考文獻：

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

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

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

[4] 申利娜，楊戰營.讓群眾春節用電更舒心[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實現[J].通信技術，2023，56（2）：183-187.

[6] 楊劍，倪琳.農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年春節假期移動數據流量快速增長[J].通信企業管理，2024（3）：28.

[9] 陸林.皖南旅游區布局研究[J].地理科學，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，2014，17（2）：27-29.

[11] 龔強.基于GIS實現空間智能及應用研究[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.弱約束關聯下考慮社會屬性的低壓居民臺區負荷預測[J].電力大數據，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].電力大數據，2020，23（12）：80-88.

[14] 權軼.電網負荷與溫度關系研究[D].武漢：華中科技大學，2006.

[15] 邱敏，周穎，趙偉博，等.基于特征構建的區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量的電網企業主動服務模式實踐研究[J].企業改革與管理，2023（23）：15-17.

[18] 盧夢霞，盧艷琴.人口變動的動態分析模型——以周口地區為例[J].周口師范學院學報，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濟影響因素組態研究[J].福建師范大學學報（自然科學版），2023，39（6）：119-130.

[20] 陳業偉.電力配網自動化系統的配變終端設計分析[J].現代工業經濟和信息化，2024，14（5）：113-115.