面向供电保供服务的安徽省春节人口流动大数据分析

摘" 要：为做好春节电力保供和优质服务工作，辅助企业科学研判、精准调度、靶向发力，保障居民安全可靠用电，该文融合电力和通信数据，提前预测人口流动时空分布对配网运行和供电服务影响，一是通过“动态属性”的通信数据和“静态属性”的电力用户电量来构建人口数据分析模型，全方位反映人员流动趋势特征；二是通过区域人口峰值时间、流入流出等挖掘返乡探亲、景区旅游、复工返岗等人口流动典型特征；三是通过典型台区负荷与人口流动大数据关联发现返乡人口对负荷增长时延、负荷增量、工单诉求等影响规律，更好支撑电网设备运检、充电设施运维和开展优质供电服务。

关键词：供电保供；人口流动；通信；电量突增户；台区负荷；工单诉求

中图分类号：TM73" " " 文献标志码：A" " " " " "文章编号：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

根据第六次全国人口普查统计数据，我国流动人口已达到约2.6亿，说明人口的流动性已成为重要的社会现象[1]。安徽省属于人口和劳动力输出型省份，放假停工、省外务工人员返乡等多重因素在春节假期会尤为明显，同时省内不同城市间的用电特性存在较大差异[2]。在重要节假日期间摸排人员流动情况，研究分析春节假期人口流动因素对全省用电影响，对于更好地保障春节期间电力供应具有重要意义，特别是针对城市社区人口，其人员过于集中密集给工作人员的社区排查工作带来的挑战较大，出现人员摸排周期长、摸排不准确等问题[3]。基于“静态属性”的海量用电数据和“动态属性”的通信运营商数据，通过两类数据的交叉验证可更快捷、方便、准确地辨别居民人口流动情况，同时利用电力数据属性将返乡对电力保供的影响量化，为提供更优质供电服务提供支撑[4]。

文章分别从返乡人口、电量突增户、台区负荷变化和用电诉求工单维度进行分析，其中运营商数据是联合安徽移动对省内16个地市、75个区县（含市辖区）2024年的春节期间人员流动情况开展监测分析，通过移动通信用户在基站之间的信息交换来确定用户的空间位置，记录人员流动时空轨迹，以安徽移动全网数据按照市场占有率扩样分析得到全省人口数据[5]。全省低压居民用户春节前连续3天日用电量小于0.8 kWh，春节期间连续2天日用电量大于等于1.6 kWh定义为电量突增户[6]。本文将安徽省内16个地市划分为皖北、皖南和皖江，其中皖北7个城市，包括淮北市、亳州市、宿州市、蚌埠市、阜阳市、淮南市和滁州市；皖南7个城市，包括黄山市、池州市、宣城市、马鞍山市、芜湖市、铜陵市和安庆市；皖江2个城市，包括合肥市和六安市。

1" 2024年春节返乡人口总体趋势分析

通过运营商构建常驻人口、流入人口、流出人口等多个数据模型，识别返乡人口规模，通过电力数据构建电量突增户数据模型[7]，从电力使用的稳定性角度识别电量突增户，融合运营商和电力的双维度数据全方位反映全省16个地市、75个区县（含市辖区）的人员流动特征。

基于运营商数据，2024年除夕当天（2024年2月9日）安徽省返乡人数达到峰值2 142.85万人，较去年同期（2 312.03万人）下降7.32%。春节期间人口返乡呈现三段式特征[8]，第一阶段至腊月十五，日均返乡11.28万人，第二阶段至腊月二十五，日均返乡56.46万人，第三阶段至除夕，日均返乡119.28万人。此后返乡人数逐步下降，在正月十五（2024年2月24日）返乡人数有小幅上涨至1 048.81万人。基于电力数据，截至2024年除夕（2024年2月9日），全省电量突增用户数为242.62万户，与去年同期241.64万户基本持平。如图1所示。

从地市返乡人口来看，截至正月十五（2024年2月24日），2024年春节共计返乡1 048.81万人。2024年返乡排名前三的地市分别是皖北地市1（203.62万人）、皖江地市1（153.32万人）、皖北地市2（98.92万人），合计达到455.86万人，占全省返乡人数比例为43.46%，如图2所示。从区县返乡人口来看，截至正月十五（2024年2月24日），2024年春节返乡Top10区县共计393万人返乡。2024年春节返乡Top10区县中皖北地市1下辖区县占4席，返乡排名前三的区县分别是皖江地市1的区县1、皖北地市1的区县2和区县3，其中皖江地市1的区县1返乡人口达到81.83万人。如图3所示。

2" 2024年春节各地市返乡人口特征分析

2.1" 2024年春节各地市返乡人口特征分析

从地市返乡人口峰值情况来看，返乡排名前三的地市分别是皖北地市1（442.96万人）、皖北地市2（268.20万人）和皖南地市1（236.87万人），合计达到948.03万人，占全省返乡人数比例为38.93%。返乡排名后三的地市分别是皖南地市3（52.03万人）、皖南地市7（59.65万人）、皖南地市5（60.70万人）。从地市返乡峰值出现时间来看，皖北地市1、皖北地市2等9个地市返乡峰值均在除夕和正月初一，与春节返乡过年时间吻合。皖南地市6和皖南地市7作为旅游城市，在正月初三和初四出现人口流入高峰，与春节假期旅游高峰时间吻合。皖江地市1在腊月十六出现人口流入高峰，达到220.87万人。如图4所示。

2.2" 省内典型地市返乡特征分析

选取省内3个典型代表城市皖北地市1、皖江地市1、皖南地市6，分析春节期间人口流动特点，如图5所示。皖北地市1，2023、2024年均在春节假期首日出现人口流入高峰，属于返乡探亲类城市。皖江地市1， 2023、2024年春节期间返乡人口逐步减少，均在春节假期前一日发生人口流出，至假期第三日流出人口达到顶峰，属于复工返岗类城市。皖南地市6，2023、2024年均在正月初四出现人口流入高峰，与春节假期旅游高峰时间吻合，属于景区旅游类城市[9]。

2024年除夕当天返乡人口Top5区县（表1），前五区县主要是皖北地市1和皖北地市2等皖北城市下辖区县，与2023年除夕区县分布一致，其中区县3返乡人口最多达到100.05万人，较去年同期下降8.73%。2024年除夕当天人口流出区县（表2），存在人口流出的区县共计2个，较2023年流出区县减少2个。2024年除夕流出区县主要集中在皖江地市1、皖北地市5等经济较为发达的城市市区，分别流出150.22万人、0.27万人，较去年同期分别下降16.21%、93.77%。

3" 2024年春节返乡人口对台区负荷、工单诉求的影响分析

根据全省电量突增户计算结果，每个地市选择电量突增户较多的10个台区合计160个，将这些台区作为典型台区，获取台区96点负荷曲线数据[10]。将每个台区GIS地图经纬度信息与移动公司500 m×500 m正方形网格人口流动数据关联，分析返乡人口对台区负荷影响[11]。同时关联95598历史致电记录，关注高风险用户的工单诉求分布情况。

3.1" 典型台区返乡人口与台区负荷关联分析

从台区负荷曲线来看，计算典型台区96点负荷曲线平均值，低压居民台区生活用电负荷呈现较为明显的晚峰特征[12]，同时在8时—12时和17时—21时时段有明显的增幅，0时—6时负荷较低，如图6所示。从返乡人口分布时段来看，计算典型台区所关联网格人员1月26日的返乡人数的24小时曲线，如图7所示，返乡时间段主要集中在白天，从14时开始快速攀升，19点达到峰值[13]。从台区负荷差值曲线来看，计算典型台区1月26日平均负荷与基础负荷的差值，如图7所示，返乡人员增加使得台区负荷增加。台区负荷差值曲线滞后于返乡人口曲线2～3 h，两者具备明显平移关联性，即人员返回台区后2～3 h会引起负荷的增长，并引起负荷增长时延。

冬季电网负荷易受温度影响[14]，故选择天气状况和平均温度接近的典型日，计算典型台区返乡人数和台区平均负荷增长值、最大负荷增长值的关系[15]，见表3。从返乡人口对台区平均负荷影响来看，每返乡1人，日平均负荷增长值为0.48 kW，即每返乡1人日用电量增加11.52 kWh。从返乡人口对台区最大负荷影响来看，每返乡1人，日最大负荷增长值为0.81 kW。

3.2" 电量突增户用电诉求工单分析

通过关联2023年和2024年腊月初一至除夕期间95598历史致电记录，若电量突增户在该时间出现过致电95598并在供电服务系统形成工单[16]，则将该用户列为发生用电诉求的高风险客户。

每返乡1人平均负荷增长=平均负荷差值/平均返乡人数差值。

每返乡1人最大负荷增长=平均最大负荷差值/平均返乡人数差值。

从各地市电量突增户产生工单数来看，如图8所示，2024年省内电量突增户共产生工单1 869件，较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为工单发生集中区域，2024年分别产生317件、280 件、269件工单，合计866件，占全省工单的46.33%。从每万户电量突增户产生工单比例来看，如图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）为产生比例最高地市，均超过10？酃。从产生的工单类型来看，工单主要集中在故障报修和业务申请两大类上[17]，2024年两类工单分别1 103条和586条，合计占全部工单的90.37%，较去年同比分别下降25.77%、31.46%。

4" 结束语

通过构建的人口分析模型[18]，发现2024年安徽全省返乡在除夕当日达到返乡峰值，同时返乡时序呈现三段式特征，腊月初一至腊月十五返乡人口缓慢增长，腊月十五至腊月二十五返乡人口逐步增多，腊月二十五至除夕达到返乡人口增长高峰期。挖掘返乡探亲、景区旅游和务工返岗三类典型城市，皖北地市1、皖江地市1、皖北地市2为返乡大市，皖南地市返乡人口较少；皖北地市1、皖北地市2等返乡探亲型的9个地市均在除夕和正月初一达到返乡峰值，景点旅游型城市在正月初三和初四达到人口流入高峰[19]，皖江城市1等复工返岗型城市在腊月十六出现人口流入高峰。关联返乡人口与台区负荷的分析，人口返乡引起台区负荷增长时延和负荷增量，皖北城市1、皖北城市2、皖江城市1为高风险客户工单集中发生区域。建议通过加装智能配变终端等措施提升用电台区智能化监测水平[20]，从而实现对配电设备运行异常的就地判断与预警，同时针对外出务工占比较大地区做好裕度管理、容量校核和规划增容等工作。

参考文献：

[1] 郑真真，杨舸.中国人口流动现状及未来趋势[J].人民论坛，2013（11）：6-9.

[2] 黄庆祥， 邹芹， 邓晨成， 等． 春节前后居民及重点行业用电情况分析[J].电力大数据，２０２１，２４（１）：６２－69.

[3] 刘畅，腾予非，唐伟，等.基于电力数据的居民人口流动情况评估[J].四川电力技术，2020，43（3）：33-37.

[4] 申利娜，杨战营.让群众春节用电更舒心[J].河南电力，2021（2）：60-61.

[5] 张振，董梅香，葛骏一，等.移动通信用户时空行为分析算法研究及系统实现[J].通信技术，2023，56（2）：183-187.

[6] 杨剑，倪琳.农村用户电量突增的分析[J].大众用电，2017，32（2）：34.

[7] 孙璐，徐璇，陈大成.客户用电量突增原因分析[J].通讯世界，2017（3）：187-188.

[8] 2024年春节假期移动数据流量快速增长[J].通信企业管理，2024（3）：28.

[9] 陆林.皖南旅游区布局研究[J].地理科学，1995（1）：88-95，100.

[10] 殷子皓，何宁.气温变化对用电负荷影响的分析[J].贵州电力技术，2014，17（2）：27-29.

[11] 龚强.基于GIS实现空间智能及应用研究[J].测绘与空间地理信息，2024，47（7）：1-2，6.

[12] 卢德龙，缪继东，吕培强，等.弱约束关联下考虑社会属性的低压居民台区负荷预测[J].电力大数据，2020，23（10）：9-16.

[13] 杨宏，邓晨成，邹芹，等.居民用电行为分析及潜力研究[J].电力大数据，2020，23（12）：80-88.

[14] 权轶.电网负荷与温度关系研究[D].武汉：华中科技大学，2006.

[15] 邱敏，周颖，赵伟博，等.基于特征构建的区域电力负荷增长归因及量化分析方法[J].中国电力，2024，57（8）：190-205.

[16] 郑亚会.浅析95598热点工单及重点举措[J].农电管理，2024（5）：63-64.

[17] 方勇，曹刚，王炳文，等.基于降低95598万户故障报修工单数量的电网企业主动服务模式实践研究[J].企业改革与管理，2023（23）：15-17.

[18] 卢梦霞，卢艳琴.人口变动的动态分析模型——以周口地区为例[J].周口师范学院学报，2023，40（5）：19-22.

[19] 林欣芸，查瑞波，黄悦.全域旅游背景下安徽省市域旅游经济影响因素组态研究[J].福建师范大学学报（自然科学版），2023，39（6）：119-130.

[20] 陈业伟.电力配网自动化系统的配变终端设计分析[J].现代工业经济和信息化，2024，14（5）：113-115.