中國電力消費多尺度時空格局分析
——基于DMSP-OLS夜間燈光數(shù)據(jù)

王 濤， 馮志暢， 羅 健， 孟慶濤

1.中電普瑞電力工程有限公司，北京102200

2.北京市工貿(mào)技師學院 機電分院，北京100097

電力消費是中國主要的能源消費，是經(jīng)濟運行狀況的重要指向標，與經(jīng)濟增長情況密切相關(guān)[1]，因此電力消費的變化在一定程度上反映了中國宏觀經(jīng)濟走向。當前中國經(jīng)濟發(fā)展已進入新常態(tài)，電力消費同樣也進入了結(jié)構(gòu)優(yōu)化、區(qū)域分化階段[2-3]。電力消費量是衡量地區(qū)電力消費狀況的基本指標，但是目前缺乏更精細化尺度如市級、縣級甚至柵格尺度電力消費量的空間分布特征，致使統(tǒng)計數(shù)據(jù)不能更準確地模擬電力消費量。因此，電力消費統(tǒng)計數(shù)據(jù)不能充分反映電力消費的空間分布狀況，那么如何快速、有效、精準化地模擬區(qū)域電力消費量是亟需解決的現(xiàn)實問題。

隨著衛(wèi)星遙感技術(shù)的快速發(fā)展和廣泛應用[4]，利用美國國防氣象衛(wèi)星計劃(defense meteorological satellite program, DMSP) 上的操作線性掃描系統(tǒng)(operational linescan system,OLS）所獲取的夜間燈光數(shù)據(jù)構(gòu)成了人類經(jīng)濟活動[5]、電力消費情況[6-7]的有效指標，也逐漸成為監(jiān)測人類社會經(jīng)濟生活的理想客觀數(shù)據(jù)源之一。從20 世紀80年代以來，眾多學者對DMSP-OLS 數(shù)據(jù)在電力消費領(lǐng)域的研究展開了大量工作[8-10]。文獻[11] 對全球主要國家的電力消費和燈光之間的關(guān)系進行了分析，表明燈光與電力消費具有很強的線性相關(guān)性。文獻[12] 對印度1993—2002年的電力消費時空特征進行分析，表明印度夜間燈光與電力消費的相關(guān)系數(shù)為0.56，所提模型的模擬效果良好。文獻[13] 基于DMSP-OLS 夜間燈光數(shù)據(jù)重構(gòu)了1995—2008年中國縣級尺度電力消費量，并對其進行時空特征分析。文獻[14] 對日本10個供電地區(qū)的電力消費和由此產(chǎn)生的碳排放進行了區(qū)域模擬，結(jié)果表明DMSP-OLS 的輻射校準產(chǎn)品相比穩(wěn)定燈光產(chǎn)品可以更好地模擬電力消費量。文獻[15] 基于夜間燈光數(shù)據(jù)對中國1994—2009年市級尺度電力消費進行空間分析，指出估算模型有助于體現(xiàn)電力消費的地區(qū)差異性。文獻[16] 基于DMSP-OLS 夜間穩(wěn)定燈光對全球電力消費情況進行探測，建立全球尺度的電力消費量模擬模型，表明全球高電力消費地區(qū)集中在歐洲、北美和亞洲?？梢钥闯?，多數(shù)研究均從國家、區(qū)域等單一尺度展開，而對多尺度分析電力消費時空演變格局的研究卻較少。本文基于前人的研究成果，從省級尺度構(gòu)建基于DMSP-OLS 數(shù)據(jù)的電力消費模擬模型，進而反演出柵格、市級和縣級尺度電力消費量，最后分析了多尺度電力消費時空格局，為政府電力調(diào)配和經(jīng)濟發(fā)展提供借鑒和參考。

1 數(shù)據(jù)來源與研究方法

DMSP-OLS 遙感數(shù)據(jù)來源于美國國家海洋和大氣管理局，包含了6 代衛(wèi)星傳感器獲

1.1 數(shù)據(jù)來源

取的F10-F18 數(shù)據(jù)；省級電力消費統(tǒng)計數(shù)據(jù)則來源于《中國統(tǒng)計年鑒》（2001—2017）。

1.2 DMSP-OLS 數(shù)據(jù)校正

1.3 研究方法

1.3.1 模擬模型的構(gòu)建

基于DMSP-OLS 數(shù)據(jù)與電力消費數(shù)據(jù)存在顯著的線性相關(guān)性，本文建立電力消費估算模型，其計算公式為

式中：Ei為估算的i像元電力消費；DNi為i像元的DN 值；a和b為回歸系數(shù)。結(jié)合式(1)建立省級電力消費和DN 值之間的線性回歸關(guān)系，如圖1 所示。

圖1 2000—2013年省級電力消費與省級DN 值回歸關(guān)系Figure 1 Regression relationship between provincial electric power consumption and provincial DN value from 2000 to 2013

數(shù)據(jù)校正步驟如下：

步驟1將DMSP-OLS 數(shù)據(jù)轉(zhuǎn)換為Lambert 等角圓錐投影，并裁剪得出中國DMSPOLS 數(shù)據(jù)。

步驟2對裁剪出的數(shù)據(jù)進行相互校正。

步驟2-1選取影像數(shù)字量化值(digital number, DN)年際變化較小的區(qū)域作為穩(wěn)定的目標區(qū)域與其他年份進行比較，并利用回歸模型進行校正。

步驟2-2需要對同一年不同衛(wèi)星獲取的數(shù)據(jù)進行比較校正，以獲得穩(wěn)定值。

步驟3采用后一期DN 值始終大于前一期DN 值的方法，對DMSP-OLS 數(shù)據(jù)進行時間序列連續(xù)校正。

通過以上步驟可以得到中國1992—2013年校正后的DMSP-OLS 數(shù)據(jù)。

計算得出省級電力消費與DN 值之間的線性回歸關(guān)系式為

估算模型的擬合優(yōu)度R2為0.714 9，表明擬合優(yōu)度良好；回歸系數(shù)為正值，表明兩者之間存在著顯著的正線性相關(guān)性。估算模型可以進行多尺度電力消費時空演變格局分析。鑒于省級尺度模擬的電力消費量與統(tǒng)計消費量存在一定的數(shù)據(jù)差異性，可利用省級電力消費數(shù)據(jù)作為線性調(diào)整來糾正初步估算的柵格尺度電力消費量，進而生成省級電力消費柵格圖（1 km×1 km 空間分辨率），其計算公式為

式中：Ki為i省的調(diào)整系數(shù)；Ei和E0分別為i省電力消費的統(tǒng)計值和模擬值；Egridi和Egrid0分別為i省調(diào)整后的電力消費柵格統(tǒng)計值和模擬值。

1.3.2 全局空間相關(guān)性

全局空間相關(guān)性的有效指數(shù)[17]Global Moran’sI可以檢驗電力消費的空間分布特征，其計算公式為

式中

式中：xk為k地區(qū)電力消費量；xp為p地區(qū)電力消費量；S為區(qū)域數(shù)；W為空間權(quán)重矩陣；dkp為兩地區(qū)之間的距離。I的取值范圍為[?1,1]。I值越接近1，表明空間屬性值存在正相關(guān)；越接近?1，表明空間屬性值存在負相關(guān)。進一步對Global Moran’sI結(jié)果進行統(tǒng)計檢驗，計算公式為

式中：Var(I) 表示指數(shù)Global Moran’sI的方差，當Z(I) 大于臨界值1.96 時，該空間具有顯著相關(guān)性。

1.3.3 局部相關(guān)性

全局空間相關(guān)性指數(shù)Moran’sI是總體統(tǒng)計指標，反映了區(qū)域整體的空間聚集和分散程度，而進一步識別不同區(qū)域的空間屬性[18]則需要局部空間自相關(guān)性指標。揭示不同空間區(qū)域的空間聚集程度和變化趨勢，能夠反映全局自相關(guān)的局部分布不穩(wěn)定性，即空間異質(zhì)性。本文主要使用局部Moran’sIc指數(shù)度量和檢驗不同尺度碳排放的局部空間特征，公式為

式中：Ic表示局部Moran’sI指數(shù)，Zk和Zp分別為區(qū)域k和p標準化后的電力消費量，Wkp為行標準化后的空間權(quán)重，且∑Wkp=1。進一步通過局部Moran’sIc指數(shù)來區(qū)分局部集聚模式，具體的集聚模式包括：H-H 集聚是指若Ic顯著為正且Zk >0，則電力消費量高的地區(qū)被電力消費量高的地區(qū)包圍；L-L 集聚是指若Ic顯著為正且Zk <0，則電力消費量低的地區(qū)被電力消費量低的地區(qū)包圍；L-H 集聚是指若Ic顯著為負且Zk <0，則電力消費量低的地區(qū)被電力消費量高的地區(qū)包圍；H-L 集聚是指若Ic顯著為負且Zk >0，則電力消費量高的地區(qū)被電力消費量低的地區(qū)包圍。

2 實證分析

2.1 多尺度電力消費時空變化

2.1.1 柵格尺度

基于1.3.1 節(jié)建立的模型可得出中國柵格尺度電力消費量如圖2 所示?？梢钥闯觯?000—2013年中國電力消費呈現(xiàn)顯著增長趨勢，電力消費總量由2000年的13 606.29 億kWh 增加為2013年的53 423.39 億kWh。電力消費空間分布由星點狀分布演變?yōu)榫W(wǎng)狀分布特征，其中京津冀地區(qū)、長三角地區(qū)和珠三角地區(qū)是高電力消費聚集區(qū)域，而廣大的西部地區(qū)則呈現(xiàn)低電力消費集聚態(tài)勢。進一步研究可以發(fā)現(xiàn)，高電力消費區(qū)域主要集中在胡煥庸線的東南側(cè)，而低電力消費區(qū)域則聚集在胡煥庸線的西北側(cè)，呈現(xiàn)出與經(jīng)濟發(fā)展、人口密度相一致的“東密西疏”分布特征，表明電力消費具有胡煥庸線現(xiàn)象。

圖2 2000—2013年間中國柵格尺度電力消費分布特征Figure 2 Distribution characteristics of China’s electric power consumption at grid scale from 2000 to 2013

2.1.2 省級尺度

采用自然斷點法將中國2000—2013年間省級電力消費總量分為5 類，其空間特征如圖3所示。

從圖3 中可以看出：2000—2013年中國省份電力消費總量呈現(xiàn)擴大趨勢，由2000年的38.37 億kWh 增長為2013年的4 956.62 億kWh。2000年高電力消費省份為廣東、山東和江蘇，低電力消費省份為新疆、寧夏、青海、海南和西藏；2005年高電力消費省份為廣東、江蘇和山東，低電力消費省份在新疆、青海、寧夏、海南、西藏的基礎(chǔ)上增加了重慶市；2010年高電力消費省份在山東、江蘇和廣東的基礎(chǔ)上增加了河北和浙江，低電力消費省份減少為海南和西藏；2013年高電力消費省份仍為山東、江蘇和廣東，低電力消費省份仍為海南和西藏?？傮w來說，高電力消費省份為廣東、山東和江蘇，低電力消費省份分布在西藏，可以看出：省級電力消費的分布特征呈現(xiàn)出由東部地區(qū)向西部地區(qū)階梯式減少的趨勢。

圖3 2000—2013年間中國省級尺度電力消費分布特征Figure 3 Distribution characteristics of China’s electric power consumption at provincial scale from 2000 to 2013

2.1.3 市級尺度

采用自然斷點法將中國2000—2013年間市級電力消費總量分為5 類，其空間特征如圖4所示。

從圖4 中可以看出：2000—2013年城市電力消費總量呈現(xiàn)擴大趨勢，電力消費最高值由2000年的23.78 億kWh 增加為2013年的1 407.16 億kWh。2000年高電力消費城市主要分布在珠三角、長三角、京津冀三大城市群；東北的沈陽、哈爾濱等老工業(yè)基地；西南地區(qū)的成都和重慶；中部工業(yè)城市武漢，以及東部沿海的青島和泉州。2013年高電力消費城市主要分布在長三角、京津冀、珠三角三大城市群；西南地區(qū)的成都和重慶；山東的濰坊和青島；福建泉州；內(nèi)蒙古鄂爾多斯；中部的武漢和鄭州；東北的沈陽。低電力消費城市廣泛分布于中國的西部地區(qū)，呈現(xiàn)東多西少的層級分布趨勢。這與柵格尺度和省級尺度電力消費呈現(xiàn)出一致的分布趨勢，表明省份電力消費分布存在著城市之間的差異性。

圖4 2000—2013年間中國市級尺度電力消費分布特征Figure 4 Distribution characteristics of China’s electric power consumption at prefectural scale from 2000 to 2013

2.1.4 縣級尺度

采用自然斷點法將中國2000—2013年縣級電力消費總量分為5 類，其空間特征如圖5 所示，可以看出：2000—2013年縣域電力消費總量呈現(xiàn)擴大趨勢，電力消費最高值由2000年的3.28 億kWh 增加為2013年的393.24 億kWh。2000年高電力消費縣域主要分布在珠三角、上海、北京、浙江的蕭山區(qū)、遼寧的海城市。2013年高電力消費縣域主要分布在珠三角、長三角、內(nèi)蒙古的烏審旗和北京市，而低電力消費縣域主要分布在中國的西北、西南、內(nèi)蒙古和東北大部分地區(qū)，呈現(xiàn)出由東部發(fā)達地區(qū)向西部經(jīng)濟較為落后地區(qū)層級降低趨勢，這與柵格、省級和市級尺度電力消費呈現(xiàn)出一致的分布趨勢，表明電力消費分布同樣存在著縣域之間的差異性。

圖5 2000—2013年間中國縣級尺度電力消費分布特征Figure 5 Distribution characteristics of China’s electric power consumption at county scale from 2000 to 2013

2.2 多尺度電力消費全局空間相關(guān)性

多尺度電力消費全局空間相關(guān)性分析結(jié)果如表1 所示，其中Z為檢驗統(tǒng)計量，P值為拒絕域概率，可以看出：省級尺度Z值小于1.96，P值均大于10%，表明在省級尺度上電力消費并不存在全局空間相關(guān)性；市級和縣級尺度Z值均大于2.58，P值均小于0.01，在1% 水平上顯著，表明中國市級和縣級電力消費量具有顯著的空間相關(guān)性，電力消費在市級和縣級尺度上呈現(xiàn)聚集分布態(tài)勢?？傮w來看，市級尺度電力消費的Moran’sI指數(shù)要大于縣級尺度電力消費的I指數(shù)，表明較小的空間尺度更具有空間集聚特征，其中市級尺度是模擬電力消費的有效行政單元。

表1 多尺度電力消費全局空間相關(guān)性分析Table 1 Global spatial correlation analysis of multi-scale electric power consumption

2.3 多尺度電力消費局部空間相關(guān)性

2.3.1 省級尺度

計算2013年中國省級電力消費的局部Moran’sIc指數(shù)，得到省級尺度電力消費的LISA集聚格局，如圖6 所示。

圖6 2013年省級電力消費LISA 分布圖Figure 6 LISA distribution map of provincial electric power consumption in 2013

2013年12.9% 的省份電力消費呈現(xiàn)出局域空間相關(guān)性。顯著性空間類型主要表現(xiàn)為HH類型和HL 類型。其中HH 類型主要為東部地區(qū)的山東、江蘇和浙江，這3 個省份與相鄰省份呈現(xiàn)出高電力消費的趨同效應。如河北、河南、安徽等與這3 個省份均為人口大省、重工業(yè)大省和經(jīng)濟發(fā)達省份，經(jīng)濟發(fā)展、人民生活水平的提高直接導致電力消費量的增加。HL 類型為廣東，表明廣東為高電力消費區(qū)域，而周邊的廣西、湖南和江西等電力消費量遠低于廣東省，表明廣東省電力消費對周圍區(qū)域具有顯著溢出效應。由此可見高電力消費區(qū)域集中在中國的東南沿海地區(qū)，這與現(xiàn)實相符。

2.3.2 市級尺度

計算2013年市級電力消費的局部Moran’sIc指數(shù)，得到市級尺度電力消費的LISA 集聚格局，如圖7 所示。

圖7 2013年市級電力消費LISA 分布圖Figure 7 LISA distribution map of prefectural electric power consumption in 2013

2013年16.56% 的城市電力消費呈現(xiàn)出局域空間相關(guān)性。顯著性空間類型主要表現(xiàn)為正相關(guān)HH 型和LL 型，負相關(guān)HL 型和LH 型。其中HH 型城市有42 個，主要分布如下：1）環(huán)渤海灣地區(qū)的北京、天津，河北的邢臺、石家莊、滄州、保定、廊坊、唐山；2）山東的臨沂、濟寧、濟南、青島、濰坊、濱州、煙臺；3）長三角的上海、蘇州、南京、無錫、常州、鎮(zhèn)江、泰州、南通、揚州、淮安、鹽城、連云港、臺州、金華、寧波、杭州、紹興、嘉興、湖州、溫州、徐州；4）珠三角的深圳、佛山、廣州、東莞和惠州?？梢园l(fā)現(xiàn)HH 型城市主要分布在中國的東部沿海等經(jīng)濟發(fā)達、城鎮(zhèn)化水平較高地區(qū)，與周圍的高電力消費城市呈現(xiàn)出趨同性。LL型城市則主要分布如下：1）青海的黃南藏族自治州和果洛藏族自治州；2）甘肅的甘南藏族自治州；3）西藏的昌都地區(qū)和林芝地區(qū)；4）云南的迪慶藏族自治州。可以發(fā)現(xiàn)LL 型城市主要聚集在中國西北經(jīng)濟較為落后地區(qū)，這些城市與周邊低電力消費城市呈現(xiàn)出趨同性。HL 型城市則分別為武漢、長沙、重慶和成都，可以發(fā)現(xiàn)均分布在中國的中部和西南省會城市，表明這4 個城市本身為高電力消費城市，而被低電力消費城市包圍，呈現(xiàn)出電力消費的溢出效應，存在省內(nèi)電力消費分布的差異性。LH 型城市則分布在浙江舟山、安徽馬鞍山、山東萊蕪和山西陽泉，呈現(xiàn)點狀部分特征，表明這4 個城市雖然為低電力消費城市，但被高電力消費城市包圍，同樣存在省內(nèi)電力消費分布的差異性。

2.3.3 縣級尺度

計算2013年縣級電力消費的局部Moran’sIc指數(shù)，得到縣級尺度電力消費的LISA 集聚格局，如圖8 所示。

圖8 2013年縣級電力消費LISA 圖Figure 8 LISA distribution map of county electric power consumption in 2013

2013年40.95% 的縣域電力消費呈現(xiàn)出局域空間相關(guān)性。顯著性空間類型主要表現(xiàn)為正相關(guān)HH 型和LL 型，負相關(guān)HL 型和LH 型。HH 類型縣域有382 個，主要分布如下：1）環(huán)渤海灣地區(qū)的北京、天津、河北、遼寧和山東；2）長三角地區(qū)、珠三角地區(qū)；3）東南沿海的福建；4）中部地區(qū)河南的永城市、中牟縣、濮陽縣、梁園區(qū)和安徽；5）西北地區(qū)的內(nèi)蒙古、陜西的神木縣、寧夏的利通區(qū)、青銅峽市、靈武市、永年縣、西夏區(qū)、大武口區(qū)、興慶區(qū)。可以發(fā)現(xiàn)HH 類型區(qū)域主要集中在中國的東部沿海地區(qū)，呈現(xiàn)條帶狀分布趨勢。LL 類型縣域有636個，主要集中在中國的中西部廣大地區(qū)，呈現(xiàn)連片狀分布，包括：1）內(nèi)蒙古的科爾沁右翼前旗；2）吉林、黑龍江、江西的永新縣、蓮花縣；3）河南的盧氏縣；4）湖北、湖南、廣西、重慶、四川、貴州、云南、西藏等西部省份。HL 類型縣域有56 個，呈現(xiàn)點狀分布，主要包括：1）內(nèi)蒙古的科爾沁區(qū)、牙克石市、鄂倫春自治旗；2）遼寧的昌圖縣；3）河南的靈寶市；4）湖北的潛江市和樊城區(qū)；5）湖南、廣西的興賓區(qū)和興寧區(qū)；6）重慶、四川、貴州、云南、陜西的長安區(qū)和志丹縣、青海的格爾木市和湟中縣；7）寧夏的原州區(qū)。LH 類型有102 個，同樣呈現(xiàn)點狀分布，主要包括：1）北京、河北、遼寧的長?？h、中山區(qū)；2）長三角圍繞高碳地區(qū)的縣域、中部的安徽、江西的婺源縣、河南的臺前縣；3）圍繞珠三角的部分縣域；4）東部沿海的福建和山東。

2.4 討論

總體來看，利用DMSP-OLS 數(shù)據(jù)對電力消費進行擬合，可以得到較好的估計效果，與文獻[10] 的估計精度（70% 左右）具有一致性。中國電力消費在持續(xù)增長的同時，也呈現(xiàn)出一定的區(qū)域差異性特征，這與文獻[18] 研究表明的區(qū)域電力發(fā)展不均衡具有一致性。文獻[10] 認為京津唐、滬寧杭、珠三角、山東半島、遼中南地區(qū)和四川盆地為電力集中區(qū)域，而本研究進一步指出高電力消費區(qū)域主要集中在京津冀、長三角和珠三角這三大城市群，實現(xiàn)了多尺度高電力消費地區(qū)的精準識別。

3 結(jié)論及政策建議

3.1 結(jié)論

1）本文采用校正后的DMSP-OLS 夜間燈光數(shù)據(jù)，經(jīng)過影像重投影、相互校正、年內(nèi)融合、時間序列校正后，得到了1992—2013年全國DMSP-OLS 數(shù)據(jù)集。在統(tǒng)計電力消費量的基礎(chǔ)上構(gòu)建多尺度電力消費模擬模型。模擬結(jié)果顯示模型的擬合優(yōu)度為0.714 9，基于校正后的DMSP-OLS 數(shù)據(jù)估算電力消費模擬精度良好，表明模型有效。

2）2000—2013年中國電力消費呈現(xiàn)顯著增長趨勢。電力消費總量由2000年的13 606.29 億kWh 增加為2013年的53 423.39 億kWh。京津冀地區(qū)、長三角地區(qū)和珠三角地區(qū)是高電力消費聚集區(qū)域，西部地區(qū)則呈現(xiàn)低電力消費集聚態(tài)勢，電力消費量分布呈現(xiàn)胡煥庸線特征。

3）多尺度電力消費總量均呈現(xiàn)擴大趨勢。高電力消費省份為廣東、山東和江蘇。高電力消費城市主要分布在珠三角、長三角、京津冀三大城市群；西南的成都和重慶、中部的武漢、東部沿海的青島和泉州。高電力消費縣域主要分布在珠三角、長三角和北京。柵格、省級、市級和縣級尺度電力消費量呈現(xiàn)出一致的分布趨勢，不同地區(qū)電力消費存在著差異性。

4）省級尺度上電力消費并不存在全局空間相關(guān)性；市級和縣級電力消費量具有顯著的空間相關(guān)性；市級尺度電力消費的Moran’s 指數(shù)要大于縣級尺度電力消費的Moran’s 指數(shù)，市級尺度是模擬電力消費的有效行政單元。

5）2013年12.9% 的省份電力消費呈現(xiàn)出局域空間相關(guān)性。其中HH 類型主要為東部地區(qū)的山東、江蘇和浙江。16.5% 的城市電力消費呈現(xiàn)出局域空間相關(guān)性。其中HH 型城市有42 個，主要為環(huán)渤海灣地區(qū)、長三角、珠三角。40.9% 的縣域電力消費呈現(xiàn)出局域空間相關(guān)性。HH 類型縣域有382 個，主要集中在環(huán)渤海灣地區(qū)、長三角地區(qū)、珠三角地區(qū)；東南沿海的福建；中部地區(qū)河南、西北地區(qū)的內(nèi)蒙古、陜西的神木縣、寧夏。

3.2 政策建議

首先，本文構(gòu)建的模擬模型可以快速、有效、精準化地利用衛(wèi)星遙感數(shù)據(jù)對中國多尺度電力消費量進行模擬和預測，為衛(wèi)星大數(shù)據(jù)時代進行區(qū)域電力消費和經(jīng)濟監(jiān)測分析提供了基礎(chǔ)保證。政府部門應建立基于DMSP-OLS 數(shù)據(jù)的“省級- 市級- 縣級”多層級電力消費聯(lián)動模擬監(jiān)測系統(tǒng)，為存在地區(qū)差異的政府電力資源調(diào)配提供客觀參考。

其次，隨著中國遙感技術(shù)的進一步發(fā)展，未來基于夜間燈光數(shù)據(jù)開展電力消費模擬和預測的重點在于時效性更好的NPP-VIIRS 數(shù)據(jù)的應用。建立月度、季度和年度衛(wèi)星遙感數(shù)據(jù)與電力消費量之間的模擬模型，對中國省級、市級和縣級以及柵格尺度進行電力消費的動態(tài)監(jiān)測，為中國經(jīng)濟未來走勢、電力資源合理配置提供科學決策和依據(jù)。

(編輯：管玉娟)