朱琳 倪宏 戚穎 羅自強(qiáng)

DOI：10.16661/j.cnki.1672-3791.2104-5042-3102

摘? 要：大數(shù)據(jù)分析在疫情監(jiān)測(cè)分析、防控救治、資源調(diào)配等方面具有重要作用，國(guó)家電網(wǎng)四川省電力公司在新冠疫情發(fā)生后快速響應(yīng)，深度挖掘電力大數(shù)據(jù)富礦，探索電力大數(shù)據(jù)增值服務(wù)，利用電力數(shù)據(jù)分析四川省“企業(yè)復(fù)工復(fù)產(chǎn)”“農(nóng)村人員流動(dòng)”和“商景指數(shù)”，并開發(fā)相應(yīng)小程序應(yīng)用，打造數(shù)據(jù)服務(wù)、產(chǎn)品服務(wù)和咨詢服務(wù)的運(yùn)營(yíng)模式，滿足各類需求，助力疫情防控、企業(yè)復(fù)工復(fù)產(chǎn)，為政府決策提供有力支撐。

關(guān)鍵詞：電力大數(shù)據(jù)? 數(shù)據(jù)增值服務(wù)? 復(fù)工復(fù)產(chǎn)? 人員流動(dòng) 商景指數(shù)

中圖分類號(hào)：TM73? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-3791（2021）03（b）-0043-04

Exploration and Application of Electric Power Big Data Value-added Services During the Epidemic

ZHU Lin? NI Hong? QI Ying? LUO Ziqiang

（Aostar Information Technologies Co.， Ltd.， Chengdu， Sichuan Province， 610041? China）

Abstract： Big data analysis plays an important role in epidemic monitoring and analysis， prevention， control and treatment， and resource allocation. The State Grid Sichuan Electric Power Company responded quickly after the outbreak of the new crown epidemic， digging deep into the rich ore of power big data， exploring power big data value-added services， and using electricity Data analysis of Sichuan Province's "Resumption of work and production""Business prosperity index""Rural personnel flow"， and develop the corresponding mini-program applications to create an operating model for data services， product services and consulting services to meet various needs and help epidemic prevention and control， The resumption of work and production of enterprises provides strong support for government decision-making.

Key Words： Electricity big data; Data value-added services; Resumption of work and production; Resident movement; Business prosperity index

電力數(shù)據(jù)覆蓋區(qū)域大、涵蓋國(guó)民經(jīng)濟(jì)行業(yè)廣，新冠疫情發(fā)生以來，國(guó)網(wǎng)四川省電力公司充分利用電力數(shù)據(jù)，積極探索和思考電力數(shù)據(jù)的應(yīng)用價(jià)值分析。利用大數(shù)據(jù)技術(shù)手段和數(shù)據(jù)建模分析方法，在“企業(yè)復(fù)工復(fù)產(chǎn)”“鄉(xiāng)村居民流動(dòng)”“商景指數(shù)”分析方面，形成一套較為完整的理論和分析方法，并研發(fā)出一套相關(guān)小程序應(yīng)用，助力疫情防控、企業(yè)復(fù)工復(fù)產(chǎn)，為政府決策提供有力支撐。該文將從產(chǎn)品設(shè)計(jì)思路、產(chǎn)品設(shè)計(jì)原理、產(chǎn)品技術(shù)實(shí)現(xiàn)方式和產(chǎn)品應(yīng)用成效等方面簡(jiǎn)要介紹“復(fù)工復(fù)產(chǎn)”“鄉(xiāng)村居民流動(dòng)”和“商景指數(shù)”數(shù)據(jù)增值服務(wù)產(chǎn)品的成果。

1? 產(chǎn)品設(shè)計(jì)思路

1.1 復(fù)工復(fù)產(chǎn)

電力數(shù)據(jù)能準(zhǔn)確、快速地反映F企業(yè)生產(chǎn)狀況，基于企業(yè)用電量數(shù)據(jù)，評(píng)估各行業(yè)的停、復(fù)工率情況。復(fù)工復(fù)產(chǎn)小程序利用對(duì)企用電量數(shù)據(jù)動(dòng)態(tài)建模，實(shí)現(xiàn)四川全省復(fù)工復(fù)產(chǎn)指數(shù)、各行業(yè)復(fù)工復(fù)產(chǎn)指數(shù)、各地市復(fù)工復(fù)產(chǎn)指數(shù)等分析，同時(shí)結(jié)合外部電子通信數(shù)據(jù)，實(shí)現(xiàn)全川返程率、返崗率的數(shù)據(jù)分析應(yīng)用，以電力大數(shù)據(jù)分析結(jié)果為導(dǎo)向，實(shí)時(shí)展示四川省疫情期間復(fù)工復(fù)產(chǎn)情況，充分發(fā)揮電力數(shù)據(jù)輔助宏觀決策作用，實(shí)現(xiàn)數(shù)據(jù)價(jià)值有效釋放[1-3]。

1.2 鄉(xiāng)村居民流動(dòng)

鄉(xiāng)村居民流動(dòng)小程序通過電力大數(shù)據(jù)對(duì)鄉(xiāng)村居民用電量、鄉(xiāng)村居民流動(dòng)進(jìn)行大數(shù)據(jù)分析，實(shí)現(xiàn)鄉(xiāng)村居民流入與流出情況、鄉(xiāng)村居民返鄉(xiāng)率等分析應(yīng)用場(chǎng)景，充分體現(xiàn)電力數(shù)據(jù)輔助宏觀決策的作用，助推數(shù)字產(chǎn)品高效應(yīng)用[4-5]。

1.3 商景指數(shù)

商景指數(shù)小程序利用電量數(shù)據(jù)，結(jié)合全省經(jīng)濟(jì)數(shù)據(jù)，對(duì)商業(yè)進(jìn)行商業(yè)景氣指數(shù)、商業(yè)電量恢復(fù)比例、商戶開工比例大數(shù)據(jù)分析，以科學(xué)數(shù)據(jù)解析疫情商業(yè)狀況，有效助力政府疫情期間經(jīng)濟(jì)調(diào)控決策。

2? 產(chǎn)品設(shè)計(jì)原理

2.1 復(fù)工復(fù)產(chǎn)分析

2.1.1 數(shù)據(jù)來源及數(shù)據(jù)項(xiàng)

數(shù)據(jù)來源：營(yíng)銷業(yè)務(wù)應(yīng)用系統(tǒng)、用電采集信息系統(tǒng)、外部通信單位。

數(shù)據(jù)項(xiàng)：復(fù)工率、復(fù)產(chǎn)率、復(fù)工用戶數(shù)、返程率、返崗率。

2.1.2 應(yīng)用模型

復(fù)工率=復(fù)工用戶數(shù)/用戶總數(shù)。

復(fù)產(chǎn)率=當(dāng)日用電量/2019年日均用電量。

2.2 鄉(xiāng)村居民流動(dòng)分析

2.2.1 數(shù)據(jù)來源及數(shù)據(jù)項(xiàng)

數(shù)據(jù)來源：營(yíng)銷業(yè)務(wù)應(yīng)用系統(tǒng)、用電采集信息系統(tǒng)。

數(shù)據(jù)項(xiàng)：離家率、返鄉(xiāng)率、流動(dòng)率、數(shù)據(jù)準(zhǔn)備完成、鄉(xiāng)村居民戶數(shù)。

2.2.2 應(yīng)用模型

返鄉(xiāng)率=返鄉(xiāng)戶數(shù)/總戶數(shù)×100%

離家率=離家戶數(shù)/總戶數(shù)×100%

流動(dòng)率=（返鄉(xiāng)戶數(shù)+離家戶數(shù)）/總戶數(shù)×100%

2.3 商景指數(shù)分析

2.3.1 數(shù)據(jù)來源及數(shù)據(jù)項(xiàng)

數(shù)據(jù)來源：營(yíng)銷業(yè)務(wù)應(yīng)用系統(tǒng)、用電采集信息系統(tǒng)。

數(shù)據(jù)項(xiàng)：大中型商景指數(shù)、電量恢復(fù)比例、區(qū)縣數(shù)、商戶開工比例、商景指數(shù)、商業(yè)用戶總數(shù)、小微型商景指數(shù)。

2.3.2 應(yīng)用模型

商業(yè)景氣指數(shù)=0.5×（電量恢復(fù)比例+商戶開工比例）×100%

3? 產(chǎn)品技術(shù)實(shí)現(xiàn)方式

“復(fù)工復(fù)產(chǎn)”“鄉(xiāng)村居民流動(dòng)”和“商景指數(shù)”3個(gè)數(shù)字產(chǎn)品都集成在“電眼KSC”中，此應(yīng)用前端采用微信小程序，后端采用SpringCloud微服務(wù)架構(gòu)，SpringCloud是關(guān)注全局的微服務(wù)協(xié)調(diào)整理治理框架，其將SpringBoot開發(fā)的一個(gè)個(gè)單體微服務(wù)整合并管理起來，為各個(gè)微服務(wù)之間提供配置管理、服務(wù)發(fā)現(xiàn)、斷路器、路由、微代理、事件總線、全局鎖、分布式會(huì)話等集成服務(wù)。技術(shù)架構(gòu)見圖1[6]。

4? 產(chǎn)品應(yīng)用成效

4.1 復(fù)工復(fù)產(chǎn)

根據(jù)復(fù)工復(fù)產(chǎn)分析大數(shù)據(jù)增值服務(wù)產(chǎn)品監(jiān)測(cè)分析顯示，截至2020年4月11日，達(dá)到企業(yè)復(fù)工判斷條件的復(fù)工用戶為9.88萬戶，以用電量恢復(fù)比例看企業(yè)產(chǎn)能恢復(fù)情況，企業(yè)復(fù)產(chǎn)率為99.63%，較節(jié)后復(fù)工初期提升46個(gè)百分點(diǎn)，基本恢復(fù)到正常水平。

四川省企業(yè)復(fù)工復(fù)產(chǎn)率總體良好，且省內(nèi)各地復(fù)工復(fù)產(chǎn)情況差異相對(duì)較小，但各行業(yè)復(fù)工復(fù)產(chǎn)態(tài)勢(shì)差異較大。

一是因行業(yè)生產(chǎn)特性，大工業(yè)用戶初期生產(chǎn)狀況差異較大。大工業(yè)用戶節(jié)后復(fù)工初期，復(fù)工率為46.10%，復(fù)產(chǎn)率為59.48%。因行業(yè)特性和生產(chǎn)情況較為持續(xù)，電解鋁、氯堿和電子行業(yè)受疫情沖擊較小。水泥、鋼鐵及食品行業(yè)因春節(jié)假日停產(chǎn)。

二是大工業(yè)用戶因少部分高能耗行業(yè)拉動(dòng)，在未完全復(fù)工情況下，當(dāng)前，大工業(yè)用戶的復(fù)工率恢復(fù)至85.23%;較期初上升39個(gè)百分點(diǎn)，復(fù)產(chǎn)率101.61%，上升42個(gè)百分點(diǎn)。

三是一般工商業(yè)主要是負(fù)荷水平的恢復(fù)。2月中旬，一般工商業(yè)用戶的復(fù)工率為70.36%，復(fù)產(chǎn)率35.81%;當(dāng)前，一般工商業(yè)的復(fù)工率已恢復(fù)至87.60%，較期初上升17個(gè)百分點(diǎn)，復(fù)產(chǎn)率恢復(fù)至90.86%，上升55個(gè)百分點(diǎn)。

場(chǎng)景展示如圖2所示。

4.2 鄉(xiāng)村居民流動(dòng)

對(duì)全川1 980.41萬個(gè)鄉(xiāng)村居民住戶2020年1月1日至今的人員流動(dòng)情況進(jìn)行分析。1月1日至4月11日，整體流動(dòng)率呈現(xiàn)先升后降趨勢(shì)，在正月初二達(dá)到峰值，約為18.73%。分析時(shí)段內(nèi)，全川流動(dòng)率與返鄉(xiāng)率強(qiáng)相關(guān)，在春節(jié)前一周內(nèi)，返鄉(xiāng)率從6.24%增加到正月初二當(dāng)天的12.12%。在春節(jié)期間，全川返鄉(xiāng)率高于離家率。截至4月10日，全川仍有3.64%的鄉(xiāng)村居民住戶存在返鄉(xiāng)未離開人員，8.44%的住戶存在離家未返回的情況，省內(nèi)流動(dòng)情況基本平穩(wěn)，人員大規(guī)模流動(dòng)基本已經(jīng)結(jié)束。返鄉(xiāng)率和離家率反應(yīng)省內(nèi)各個(gè)地市人口流動(dòng)差異。

場(chǎng)景展示見圖3。

4.3 商景指數(shù)

經(jīng)大數(shù)據(jù)分析可知，全省商景指數(shù)3整體急跌緩升。新冠疫情發(fā)生以來，對(duì)全川98.87萬家商業(yè)用戶開展持續(xù)跟蹤監(jiān)測(cè)。2020年元旦期間，全川商景指數(shù)約為100%，但在春節(jié)期間急劇下跌至65.65%，并在隨后的3周內(nèi)持續(xù)下降，跌至48.65%;隨后，全川商景指數(shù)持續(xù)恢復(fù)，目前已達(dá)到77.93%。其中，電量恢復(fù)比例、商戶開工比例與商景指數(shù)保持相同變化趨勢(shì)，當(dāng)前分別恢復(fù)至72.37%和83.48%，電量恢復(fù)比例偏低仍舊是制約商景指數(shù)不高的主要因素。

各地區(qū)商景指數(shù)與全川整體變化趨勢(shì)基本一致，恢復(fù)進(jìn)度存在差異。各地商景指數(shù)均在疫情管控升級(jí)期間大幅下滑，在2月13日左右探底，并在隨后持續(xù)上漲。截至目前，攀枝花恢復(fù)速度相對(duì)較快，達(dá)到95.4%;甘孜地區(qū)商景指數(shù)整體偏低，當(dāng)前僅為67.8%;其余地市商景指數(shù)集中在70%～83%區(qū)間。

互聯(lián)網(wǎng)軟件類商業(yè)用戶受影響情況較小，住宿旅館、娛樂、餐飲等行業(yè)商業(yè)用戶受影響情況突出。除互聯(lián)網(wǎng)軟件類商業(yè)用戶在疫情期間仍舊維持相對(duì)較高活動(dòng)水平外，住宿旅館、娛樂、金融、餐飲、零售、批發(fā)等行業(yè)商業(yè)用戶在春節(jié)期間商景指數(shù)急劇下跌。隨后，金融類商業(yè)用戶商景指數(shù)維持在70%～80%左右水平，其余行業(yè)商景指數(shù)持續(xù)下降，并在2月13日左右探底后逐漸恢復(fù)。當(dāng)前，互聯(lián)網(wǎng)軟件類商業(yè)用戶商景指數(shù)最高，為97.26%;住宿旅館、娛樂行業(yè)仍舊低于70%;零售、住宿、批發(fā)、金融類行業(yè)集中在70%～80%之間。

商景指數(shù)場(chǎng)景展示見圖4。

5? 結(jié)語(yǔ)

國(guó)網(wǎng)四川省電力公司充分挖掘電力數(shù)據(jù)價(jià)值，推進(jìn)“電力大數(shù)據(jù)的社會(huì)透視與商業(yè)洞見”國(guó)家工信部大數(shù)據(jù)試點(diǎn)示范項(xiàng)目順利落地，助力國(guó)家治理現(xiàn)代化和社會(huì)經(jīng)濟(jì)發(fā)展，實(shí)現(xiàn)面向政府、企業(yè)、居民領(lǐng)域提供電力特色的數(shù)據(jù)運(yùn)營(yíng)服務(wù)，支撐政府科學(xué)監(jiān)管、提高社會(huì)治理能力，服務(wù)智慧城市建設(shè)，助力“治蜀興川”再上新臺(tái)階。其在疫情期間快速響應(yīng)，積極探索電力大數(shù)據(jù)應(yīng)用價(jià)值。其推出“復(fù)工復(fù)產(chǎn)”“商景指數(shù)”及“農(nóng)村居民流動(dòng)”等電力大數(shù)據(jù)增值服務(wù)產(chǎn)品，用科學(xué)的數(shù)據(jù)分析助力政府組織企業(yè)復(fù)工，恢復(fù)經(jīng)濟(jì)和社會(huì)管理，在疫情監(jiān)測(cè)分析、防控救治、資源調(diào)配等方面起到重要的作用。

參考文獻(xiàn)

[1] 嚴(yán)碧華，陳雪楓，唐長(zhǎng)春.四川電力：智慧大數(shù)據(jù)助復(fù)工復(fù)產(chǎn)[J].民生周刊，2020，301（4）：38-39.

[2] 朱怡，張溥.大數(shù)據(jù)精準(zhǔn)服務(wù)防疫復(fù)工[N].中國(guó)電力報(bào)，2020-03-19.

[3] 賀麗瓊.“電力大數(shù)據(jù)”應(yīng)用有望進(jìn)入主流趨勢(shì)[J].中國(guó)電業(yè)，2020，957（4）：6.

[4] 狄建宏.電力大數(shù)據(jù)為企業(yè)復(fù)工復(fù)產(chǎn)“把脈”[J].國(guó)際人才交流，2020（8）：15.

[5] 孔智.大數(shù)據(jù)在城市流動(dòng)人口管理中的應(yīng)用及對(duì)策研究[D].東華大學(xué)，2018.

[6] 羅鑫.基于區(qū)塊鏈的可信存儲(chǔ)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].黑龍江大學(xué)，2019.