戴晨

摘要：“中国力争于2030年前二氧化碳排放达到峰值，到2060年前实现碳中和”的目标已经确定，制造业是工业的重要组成部分，是国民经济的命脉。电力大数据是企业能源使用的“晴雨表”和“风向标”，能够及时反映行业发展情况和政策运行效果。文章收集整理历年制造业和用电量数据，通过SPSS数据统计分析软件对工业生产增加值和工业生产用电量、纺织生产增加值和纺织工业用电量进行线性回归分析。分别进行线性拟合分析、二次线性拟合分析和三次线性拟合分析，从而挖掘电力大数据的价值，促进大数据与经济的融合，助力绿色经济的发展，助力“双碳”目标的实现。

关键词：电力消费大数据；“双碳”目标；新疆制造业：SPSS

一、引言

“双碳”目标是党中央作出的重大战略决策，密切关系着中华民族的可持续发展。电力行业的碳排放占中国碳排放总量的比重最大，近十年来中国的用电量持续增长。制造业是工业的重要组成部分，是国民经济的生命线。立足新发展阶段，贯彻新发展理念，构建新发展格局，肩负着重要使命。电力大数据作为能源领域和宏观经济的“晴雨表”，可以及时看出行业发展情况和政策运行效果。通过对用电量大数据的监测，进一步挖掘用电量大数据的价值，可以多维度、全方位、立体化地评价新疆制造业发展状况，为政府提供量化决策支持，指导区域制造业发展。

二、国内外研究现状

（一）电力大数据国外应用模式

近年来，大数据快速发展，引起了政府部门、科技、学术及社会各界的广泛关注。国外针对大数据技术的研究起步早于国内，许多国外大型企业已经部署了大数据的实际应用项目。

1. 法国电力公司（EDF）。基于客户行为，分析客户消费特征及消费规律，客户与新产品关联等方向，对内部数据进行清洗，整合外部源数据，从存储的大量用户用电负荷曲线切入，依托大数据技术构建复杂稳定的系统，能够支持在有限的延迟内进行并行处理。通过优化需求侧管理，完善设备维护及投资管理，电网日负荷率约提高至85%，等同于发电容量可减少1900万千瓦左右。

2. 南加州爱迪生电力公司（SCE）。基本应用模式是进行数据挖掘，一是基于机器学习的配电网故障评估系统。与MIT、哥伦比亚大学联合开发，在纽约供电公司首次进行了试点，可切实提高设施停电维修效率和配电网的可靠性。二是短期负荷的准确预测。与C3 energy公司合作，将现有数据源定位于用户级负荷层面，采用聚类分析、决策树等大数据技术对负荷数据进行预处理，以灰色关联度分析等方法探索各用户负荷与天气、日型等影响因素之间的密切关系。

（二）电力大数据国内应用模式

不同于其他基于移动端和PC端的应用数据，电力数据贯穿于电力生产、输电、配电、调度和使用的全过程和环节，覆盖的地理范围更大，对象更多，实时性强，准确性高，规模达到PB级。海量电力大数据催生了丰富的应用场景。

1. 经济运行与政府干预。根据企业用电量数据，国家电网开展的信贷反欺诈、信贷援助、贷后预警等相关数据分析与应用，帮助金融机构更加清晰地判断企业经营状况，从而大大缓解中小企业的融资约束。此外，产业-区域经济发展指数的进一步构建将有助于政府掌握产业结构的现状和潜在变化趋势，为下一步准确制定产业发展规划和区域经济政策提供决策依据。

2. 环境保护、污染控制和碳中和。政府将通过在重点企业的污水和污染控制设备上安装电能监测装置，协助对污染企业进行监督和处罚。当前，人类社会正处于新一轮能源革命的重要阶段，各国都在大力推动环境友好、清洁的新能源取代传统化石能源，实现碳中和。结合电力大数据，准确掌握全国能源消费分布，可为政府前期规划工作提供重要数据支持，有助于实现碳峰值和碳中和。

3. 空巢老人的安全。中国社会人口老龄化趋势日益加剧，大量孤寡老人面临着独自在家生活的问题。这个群体的安全问题已经引起了社会的广泛关注。电力大数据的应用为解决这一问题提供了新的思路。结合电力数据构建的“獨居指数”，可以重点监控这部分老年人群体，实时判断其生活状况。该应用程序为民政部门和社区服务中心提供了“关爱之眼”，可以远程监控独居的老人。

三、电力数据的特点与分析方法

（一）电力消费大数据特点

1. 数据量大。电力行业的数据信息涵盖生产、管理、营销等，形式多样，除了数字、符号等结构化数据外，和视频、图像等非结构化数据一起共同构成了电力大数据库。

2. 速率高。为满足社会对电力资源的需求，电力企业有必要大力普及现代智能装备，快速完成电力数据的分析及处理，提高电力大数据分析计算的及时性和精确性。

（二）电力消费大数据分析方法与步骤

1. 统计方法。

（1）线性回归。在统计学中，线性回归方法是通过自变量之间的最优线性关系拟合结果来预测目标变量，确保每个点的形状与实际观测值之间的所有距离之和尽可能小。

（2）分类。分类是一种数据挖掘技术，它为数据集合分配类别，以帮助进行更准确的预测和分析。两种分类技术脱颖而出：逻辑回归和判别分析。因变量为二元（binary）时，Logistic回归分析是合适的回归分析方法。逻辑回归用于描述数据，并在名义、顺序、区间或比例水平上解释相关双变量与一个或多个自变量之间的关系。

（3）重采样法。重采样是从原始数据样本中提取重复样本的一种方法。这是一种非参数的统计推断方法，即重抽样方法不涉及使用一般分布表来计算大约p个概率值，而是根据实际数据生成唯一的抽样分布。

（4）特征约简技术。该方法适用于包含所有p个预测因子的模型，并且估计系数相对于最小二乘估计收缩到零。这种收缩，也称为归一化，具有减少方差的作用。根据所执行的收缩类型，可以估计某些系数正好为零。

（5）降维。降维将估计p+1个系数的问题简化为M+1个系数的简单问题，其中M

2. 电力消费大数据分析步骤。大数据处理过程分为采集、导入与预处理、统计与分析、挖掘四个步骤。

（1）集合。使用n个数据库接收客户机的数据来进行数据采集，用户可借助数据库进行简单的查询和处理操作，主要挑战是高并发性。

（2）进口/预处理。采集端本身会有很多数据库，将这些数据从前端导入到集中的大规模分布式数据库或分布式存储集群中，并在导入过程中使用Twitter的Storm对数据进行流化处理，以满足部分业务的实时计算需求。

（3）统计分析。软件的核心功能，如假设测试，可以帮助用户分析某个数据现象的具体原因，从而在未来的时间和区域上做出更合理的布局。通常基于MySQL的列存储Infobright，或是使用Hadoop基于半结构化挖掘数据需求，利用分布式数据库、分布式计算集群对其中存储的大量数据信息进行分类汇总分析。

（4）挖掘。它主要是利用各种算法对已有数据进行计算，从而满足高层次数据分析的要求，达到预测的效果。

（三）电力大数据分析SPSS软件

SPSS是“统计产品和服务解决方案”软件，是一套统计分析系统软件包。它是在1968年由Norman H.Nie和他的团队开发的。它具有统计分析、数据处理、数据和图形显示打印等多种功能，具有易学、应用方便等优点。全面覆盖了数据分析和处理的全过程，是世界上应用统计学中应用最广泛的统计软件之一，适用于销售分析、市场营销、市场调研、统计分析报告、科学研究、质量控制、企业管理、社会调查、教学和行政管理等领域。

四、影响新疆制造业电力需求的主要因素分析

（一）经济增长

据国家统计局统计，2023年上半年，全区国内生产总值同比增长5.1%，规模以上工业增加值同比增长5.2%，增速高于全国1.4个百分点。自治区政府《新疆维吾尔自治区国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出，“十四五”期间，新疆维吾尔自治区生产总值年均增长6%以上，加快国家“三基地一通道”建设，推动化工、纺织、有色、钢铁和建筑材料。制定了单位生产总值能耗、单位生产总值二氧化碳排放量、地表水达到或优于三类水体比例等国家目标范围内的经济社会发展主要指标，提出坚定不移实施创新驱动发展战略。逐步加快发展数字经济、新能源汽车、氢能、节能环保、生物医药等战略性新兴产业。

（二）节能减排

天山网-新疆日报数据显示，2023年，国家发展改革委下发中央预算内投资4900万元，支持新疆6个节能减碳项目建设。该项目涉及二氧化碳捕集与利用、散装固体废物和废物回收利用。根据《新疆重点地区企业节能减排工作规划（2022-2025年）》，新疆将以工业园区碳调峰、碳中和、绿色制造、节能节水、资源综合利用、清洁生产为重点，加强重点地区节能减排，支持企业应用绿色技术，提高能效。作为新疆用电量的主体产业，全区域节能减排的实施将在一定程度上对有色金属冶炼和压延加工业、石油、煤炭等燃料加工业、非金属矿产品等行业的用电量产生一定影响，促进工业电气化水平的提高，并在一定程度上提高全社会的用电量。

（三）电能替代

挖掘工业领域电力替代潜力，推进终端能源消费侧电气化，全区电气化水平不断提高。新疆依托清洁能源相关技术，推进薰衣草蒸馏、棉花干燥等示范工程。坚持“以电为中心”的发展方向，进一步完善新疆棉花“电烘干”。“十三五”期间，国网新疆电力累计实施电能替代项目4.69万个，实现替代电量280亿千瓦时。新疆发布《工业领域碳调峰实施方案》，推动工业能源绿色转型，有序推进煤炭减排替代。推进煤改气、煤改电工程，提高工业能源电气化水平，拓展电力替代领域，稳步推进电改煤。二是开展增加绿色低碳产品供给行动。在城乡建设中推广照明电器、太阳能热水器等节能设备，逐步增加高效热泵、分布式光伏等绿色清洁能源设备的应用，支持城乡建设低碳发展。

五、基于SPSS对新疆制造业电力消费大数据分析

（一）对历史年份的电力消费大数据与制造业经济状况统计数据进行分析

根据新疆历年统计年鉴、自治区统计局和电力公司生产统计简报，第二产业主要包括采矿、制造业和电、热、气、水等多种能源的生产和供应。新疆四大耗能产业主要包括化工原料及化工制品制造业、非金属矿产品制造业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业。每年的情况如图1、2所示。

从图1、2可以看出：过去10年，新疆的生产总值呈逐年上升趋势，新疆四大高耗能行业的用电量占制造业的80%以上，是制造业中最重要的用电量行业，增长了2.78倍。在“双碳”目标下，受节能减排的影响，以及供给保护的压力，未来对高耗能行业的影响将更大。2023年，工业生产继续快速增长，新疆“推动高质量发展”研讨会公布数据显示，一季度规模以上工业增加值增长9.1%，居全国第四。制造业增加值增长5.9%，比上年提高1.0个百分点；其中，电、热、气、水生产和供应增加值增长10.9%，同比增长4.4个百分点。分行业看，煤炭、电力、石油加工等能源行业增加值分别增长29.5%、11.1%和9.6%。能源產品稳定增长，原煤产量1130.33亿吨，增长22.2%；原油发电量1217.42亿千瓦时，增长5.1%。

（二）历史年份中各制造业耗电量

根据制造业20个行业的统计，近十年来，有色金属冶炼和压轧加工业（主要包括铝冶炼等）和化学原料和化工产品制造业（主要包括氯碱、电石、化肥制造等）的用电量显著增加，成为制造业中耗电量最大的两个行业。约占整个行业耗电量的72.72%。2022年，乌鲁木齐市统计局官方数据显示，从工业用电量来看，第一产业用电量1.23亿千瓦时，占全社会用电量的0.3%，增长8.6%。第二产业用电量356.54亿千瓦时，占比78.6%，增长3.2%，拉动全社会用电量0.4个百分点；其中，工业用电量351.48亿千瓦时，占比77.5%，增长3.2%。第三产业用电量67.29亿千瓦时，占比14.8%，增长8.7%，拉动全社会用电量增长2.4个百分点。

（三）对历史年份的电力消费大数据与制造业经济状况进行拟合分析

利用SPSS数据统计分析软件，对工业生产增加值和工业用电量、纺织生产增加值和纺织用电量进行线性回归分析，并分别进行线性拟合分析、二次线性拟合分析和三次线性拟合分析。

从图3、4、5及表1可以看出：线性拟合中，R2为回归直线对观测值的拟合程度，其越接近1，说明回归直线对观测值的拟合程度越好，二次和三次线性拟合比一次线性拟合要好。工业产值和工业耗电量拟合成正相关，工业产值越大，其耗电量越大，随着工业产值增加，其增长率逐渐放缓，单位产值耗电量逐渐降低。2020年受到疫情影响，工业产值有所下降，耗电量增速变缓。

由图4可以得出：在线性拟合中，R2为回归线对观测值的拟合程度。越接近1，回归线对观测值的拟合程度越好，二次和三次线性拟合优于一次线性拟合。工业产值与工业用电量呈正相关关系，工业产值越大，其用电量越大，随着工业产值的增加，其增长速度逐渐放缓，单位产值用电量逐渐下降。2020年，行业受疫情影响，工业产值下降，耗电量增速放缓。

从图6、7、8可以看出：在线性和二次线性拟合中，纺织工业的产值与纺织工业的用电量呈正相关。纺织工业产值越大，耗电量越大。随着纺织行业产值的增加，增速将逐渐放缓。二次线性的线性拟合为y=21.77+ 0.886x-0.00278x3，一阶线性拟合与已知数据点偏差较大，三阶线性拟合呈现“峰谷”状态，三阶线性拟合偏离实际情况，在不考虑三阶线性拟合曲线的情况下，纺织工业的耗电量和工业增加值有所下降。

六、研究结论

第一，有色金属冶炼和压延加工业和化工原料及化工产品制造业成为最重要的用电行业。近十年来，有色金属冶炼及压延加工业和化学原料及化学制品制造业的用电量显著增加，逐渐成为制造业中耗电量最大的两个行业。

第二，在工业增加值与用电量的线性拟合中，二次线性拟合效果最好。从官网历史数据来看，工业产值与工业用电量的二次、三次线性拟合程度优于第一次的线性拟合程度，纺织工业产值与纺织工业用电量的三次线性拟合程度优于二次线性拟合程度，但趋势与实际情况偏差较大。

第三，“十四五”期间，工业用电强度明显下降。主要原因是新疆从生产的各个环节入手，高度重视优化产业经济结构，开发、推广应用了一批减排效果显著的绿色低碳技术工艺产品，提高了能源和资源利用效率，有效降低了工业用电强度。

第四，新疆四大高耗能产业用电量占工业用电量的比重始终在50%以上。在国家能源“双控”“双碳”目标约束下，要加快产业结构调整，大力发展新能源新材料战略性新兴产业，加快构建以“八大产业集群”为支撑的煤炭、煤电、煤化工、油气生产加工等现代产业体系。

参考文献：

[1]汪颖翔，黄河曲，陈远，等.中国电力消费碳排放驱动因素分析——基于LMDI分解方法[J].湖北经济学院学报（人文社会科学版），2023，20（06）：38-44.

[2]安晨阳.产业集聚对新疆制造业全要素生产率的影响研究[D].乌鲁木齐：新疆财经大学，2021.

[3]梅晓辉，韩建振，李国翊，等.基于元变量数据挖掘的村落电力消费潜力研究[J].农业经济，2021，416（12）：143-144.

[4]常皓亮，金碚，薛飞.大数据战略对电力消费碳排放的影响——基于国家级大数据综合试验区的准自然实验[J].经济与管理研究，2023，44（05）：93-109.

[5]王军.电力消费大数据在返贫监测中的应用[J].中国电力企业管理，2021，634（13）：76-79.

[6]郑斌，裘炜浩，侯素颖，等.基于电力大数据分析的电力消费指数研究与应用[J].电气应用，2021，40（01）：66-71.

[7]李梦婧.基于电力消费数据的T市电力公司营销策略研究[D].天津：天津大学，2020.

[8]支小军，刘晨曦.资源环境承载力视角下新疆工业经济高质量发展研究[J].新疆农垦经济，2022，357（11）：30-38.

[9]何乐天，袁晓鹏，申少辉.基于多学科优化设计方法的电力消费数据预测研究[J].自动化技术与应用，2021，40（07）：101-103+115.

[10]王涛，冯志畅，罗健，等.中国电力消费多尺度时空格局分析——基于DMSP-OLS夜间灯光数据[J].应用科学学报，2021，39（03）：508-520.

[11]郑斌，裘炜浩，侯素颖，等.基于电力大数据分析的電力消费指数研究与应用[J].电气应用，2021，40（01）：66-71.

[12]刘德.新疆工业碳排放测算及低碳化发展对策研究[D].乌鲁木齐：新疆师范大学，2022.

[13]吐尔逊古力·阿比孜.新疆输出导向型工业优势产业分析[D].兰州：西北民族大学，2022.

[14]刘淳，马超，冯永春，等.电力消费、产业结构与经济增长的关系——基于甘肃省地级市数据面板向量自回归（PVAR）模型的研究[J].系统科学与数学，2022，42（03）：599-613.

[15]朱炳钦.新疆政策资源投入对产业价值链攀升的影响研究[D].乌鲁木齐：新疆师范大学，2022.

（作者单位：中国电建湖北电力勘测设计院规划分院）