KPI下电力大数据需要自我进化-北极星售电网

投稿

我要投稿

随着复工的企业越来越多，一些新问题逐渐出现。

最显著的就是，复工率高，但复产率的提升却相对有限，产能恢复还需要一个过程。

其实，类似的问题在全民疑问“口罩难买”时，已经有专家做过解释——现代行业分工细化，企业复工复产不是单兵作战，要有“产业链”的全局视角。

新情况、新需求不断涌现，或许电力大数据能提供一些解决方法。

进展

复工复产，是一场“短板效应”明显的产业链协同之战。

怎么寻找这个“短板”是个问题。靠一层层上报？一个个电话咨询？或者看似简单的一键申报？都存在着问题。

电力大数据，通过对历史同期的用电量对比，提供了寻找“短板”的捷径。

先举一个大家感同身受的例子。

很多企业加大马力甚至“跨界”生产口罩了，为什么口罩还那么难买？

除了国家统一调配，还有一个重要原因：口罩生产商只是产业链的“中游”，还需要上游“石化企业”从原油中提炼出化工产品聚丙烯，中上游把高熔聚丙烯纤维料加工成熔喷布。

通过电力大数据证明，熔喷布生产是短板。以浙江为例，复工第一日，纺织业（包含无纺布/湿巾半成品）的复工复产率仅为43.27%、27.57%。相较于浙江省整体医药行业低了不少（复工率91.73%，复产率79.67%）。

短板找到了，精准施策有了依据。以余杭区为例，供电公司实时监测医药及上游企业的用电量并上报，政府立即分12批要求区内44家涉及生物医药的上游企业加大复工程度。上游产业整体复工，余杭区生物医药行业链条盘活了，复工复产率也有了很大提升。

如果说这些进展只是一种意识问题之后的探索。那么，3月1日，一张由供电公司发布的产业链上下游行业复工复产率“关联分析图”，将产业链的问题进行了区域性的解决。

这张图标注了每个行业的上下游，并附上了复产率，能够直观展现产业链上下游行业的复产情况。

以无锡联合汽车电子有限公司为例，这家企业主要生产车辆应用控制系统，自疫情暴发以来，难以判断市场需求，对上游汽车零部件厂家的供应能力感到困扰。这张关联图解决了困扰：通用设备制造和专用设备制造行业的复产率均已超过70%，向上游的金属矿采选、化学原料制造、油气开采也都很“通顺”，于是这家生产商开始稳步提升复产。

从简单地细分行业，到探索其中的关联性，只进了一小步，却解决了政府和企业的大困惑：马力该开多大？复工是有效的么？如何才能协同？按图索骥，便可一窥全局。

电力大数据的优化不止是在新问题的解决中，模型本身也在升级。

2月10日，浙江试水“企业复工电力指数”，指数模型非常简单：R=（复工电量比例×0.5+复工企业户数比例×0.5）×100。由供电公司采集当前每天企业用电量，与历史上正常生产时的用电量相比，并用大数据分析而形成。

在最新一期的浙江省企业复工的报告中，一个细节引起注意：在进行对比时，特别引入了农历同期。此前，这个电力指数也经过数次改进：

在算法上，判定企业复工用户数，从“日电量/满负荷运行电量”≥15%，到“当日用电量/日均用电量”≥50%,而后又调整到了20%；分析对象上，根据实际从高压用户，剔除公共服务及管理组织行业用户，新增口罩、防护品行业维度，新增高新园区企业维度，新增低压非居民用户。

其他在疫情期间发挥作用的电力大数据也在持续更新迭代。

2月6日，在滨江区60个社区，杭州供电公司配合政府在防疫上使用电力大数据建模，纳入社区网格化管理，并不断优化：

比如，春节期间，社区网格化防疫判定“当日返回用户”的计算条件，采用阈值区间为剔除空置房后“当日总电量≥5千瓦时并且前三天平均电量≤3千瓦时”。2月14日，经过一段时间的运行，数据结果多次与社区清单比对后，将“当日返回用户”计算阈值调整为“当日用电量大于前三个月日均用电量*40%与4.5千瓦时之间的最大值的用户”。

数据使用侧重的方向也不断调整，以适应社区在不同阶段防控工作重点的转化。在1月23日~2月13日期间，由于绝大部分家庭居家防疫，因此大数据侧重于计算出门时长和频率等，反映居民家庭流动情况。2月14日开始，随着“三返”高峰的到来，电力大数据社区网格化防疫开始侧重于各街道、社区的当日返回家庭数量、尚未返回家庭数量，为社区提供验证的基础。这些取值模型、计算重点的转变都是为了让计算结果更精准更客观，能够适应新情况的进展。

不断进阶还是为了更好地辅助政府决策。电力大数据在此次疫情中发挥了不少作用，比如社区精准防疫，以及复工复产监测，甚至包括后来部分地区政府的电费专项补贴政策，也引入了复工电量比例作为参考依据。这种计入“KPI”的考核更体现出了对电力大数据的认可。

未来

小步快跑、迭代升级，这次电力大数据体现了明显的“互联网思维”：不断适应需求、解决新问题。

这次疫情对电力大数据来说，其实算得上一场“练兵”，从相对内向化到区域性再到全局性的数读，从基础的用电量到各种模型的衍生，必然还有很长的路要走、很多问题待解决。

就目前而言，有以下三个发力点。

第一，提高数据可视化和自动化

实际上，电网的终端采集装置已经实现了数据采集的自动化甚至可视化，但这只是一个起点。有了“数据池”下一步如何自动化地“连接”场景，是更大的一盘棋。

据了解，此次部分地区上下游行业间的关联，还停留在从Excel表格里“手动”“人肉”连连看的阶段，想知道某个行业上游复工情况，还需要再一一检索相关行业，就像在一座全电气化的房子里，想吃饭还需要生煤炉子。

第二，扩大数据协同范围

这次电力大数据的应用之一——省级全产业链关联分析值得肯定，但也要看出这次探索是“区域性”的。

现代产业链跨省、甚至全球化是常态。在2018年华为的核心供应商大会上，就有来自中国、日本、德国、美国、瑞士等多个国家的企业，涉及到中国的供应商也来自北京、江苏、广东、湖北、河南、山东、台湾、香港等多地。省级的全产业链关联分析图就出现了一些盲点。

“全局视角”需要更多地打破数据壁垒，扩大数据协同范围，共享互通。

第三，提高数据造假甄别能力和完善数据脱敏制度

随着复工加速，有的人担心复工复产率是否真实。这个问题的核心当然在于考核机制。但实际上，电力大数据在判断复工复产率上，只是辅助决策的依据之一，很多地区KPI的标准都综合考虑了水电气、GDP、财税、公安天眼人流研判等数据。

回归电力数据本身，是否有技术手段进行规避？比如是否可以通过分析用电曲线特征甄别造假数据？用节点分析代替全时分析？

另外，这次在电力大数据分析产业链复工复产上，有的地区只提供给政府，有的地区给企业开放了部分权限，但如果未来要常态化，必须解决数据的公开问题：哪些可以公布、哪些必须脱敏之后再公布、脱敏的标准等等。

这次疫情让很多人思考：我们需要建立什么样的“免疫系统”？

现代社会的运作方式决定了它需要抵御的“病毒”具有“现代性”特征：错综复杂、传播力强、交叉风险大，以及随时可能全球化的“蝴蝶效应”。

就这次应对措施来看，包括电力在内的众多大数据提供了可能性：能帮助我们拨开迷雾，精准防控，避免盲目管控；也让决策的艰难程度降低、结果更加科学合理。

但要建立与现代“病毒”相匹配的免疫力，大数据未来还有很多路要走。

（富岑滢、陈丽莎、黄蕾对本文亦有贡献）

原标题：KPI下，电力大数据要自我进化

投稿与新闻线索：陈女士微信/手机：13693626116 邮箱：chenchen#bjxmail.com（请将#改成@）

订阅北极星周刊，精彩内容不再错过！

特别声明：北极星转载其他网站内容，出于传递更多信息而非盈利之目的，同时并不代表赞成其观点或证实其描述，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。

凡来源注明北极星*网的内容为北极星原创，转载需获授权。

阅读下一篇

售电公司在现货市场的利润最大化策略

电力大数据查看更多>用电量查看更多>供电公司查看更多>

姓名：
性别：
出生日期：
邮箱：
所在地区：
行业类别：
工作经验：
学历：
公司名称：
任职岗位：

KPI下 电力大数据需要自我进化

售电公司在现货市场的利润最大化策略

登录注册

绑定账号

想要获取更精准资讯推荐？建议您完善以下信息~

订阅成功

KPI下电力大数据需要自我进化

想要获取更精准资讯推荐？建议您
完善以下信息~