Page 22 - 电力与能源2022年第五期

3 8 4 李 盖, 等: 基于用电量视角的产业链因果网络

对图4的全局因果网络, 可以很容易计算主要
的复杂网路特征, 度值排序在前 10 位的行业节点
特征见表1所示。按出度排序是“ 纺织业”“ 食品制
造业”“ 采矿业” 居前, 按总度值和入度排序是“ 食品
制造业”“ 汽车制造业”“ 非金属矿采选业” 居前。
表 1 因果网络的度值特征
节点编号 行业 总度值 入度 出度
33 5. 纺织业 38 5 33
18 2. 食品制造业 60 32 28 图 7 金属制品业的子网络
68 ( 一) 采矿业 43 16 27 波动,“ 电气机械和器材制造业” 的用电波动会引
38 6. 纺织服装、 服饰业 35 9 26 发“ 仪器仪表制造业”“ 橡胶与塑料制品业” 以及
8. 木材加工和木、 竹、 藤、 棕、
42 33 8 25 “ 有色金属冶炼和压延加工业” 的用电波动。
草制品业
34 5. 非金属矿采选业 49 24 25 4 结语
12. 文 教、 工 美、 体 育 和 娱 乐
47 42 17 25
用品制造业
本文采用温州市 2019 年 1 月 1 日至 2021 年
46 11. 印刷和记录媒介复制业 34 11 23
59 24. 汽车制造业 51 28 23 6 月 30 日的行业日用电量数据和其他辅助数据,
7. 皮革、 毛皮、 羽毛及其制品 结合统计模型和复杂网络原理, 构建了带权重值
40 24 3 21
和制鞋业
的有向因果网络。该网络基于时序相似性的灰色
从全局网络中, 可以摘取局部子网络进行分
关联度, 以及多维标度的降维方法, 可以对全市用
析。是以医药制造业、 软件和信息技术服务业以及
电关联情况作可视化呈现, 对全市用电关联有全
金属制品业为中心节点的子网络分别见图5~7 。
局性的了解, 并可以捕捉随时间推移的动态变化
规律。因果网络不仅可以凸显出网络中的关键节
点( 行业), 还可以对行业之间的经济联系作预判。
用电枢纽节点的用电量发生大幅下降, 会影响到
全局网络的脆弱性。借助层次分析法, 还对行业
进行层次聚类, 可以将所有行业得到不同的行业
集群。因果网络是基于 Gran g er因果检验方法,
对最近一年以来的行业用电时序作统计上的因果

图 5 医药制造业子网络 推断, 根据因果方向以及 F 检验的强度, 得出带
权重的有向图。该有向图反映了行业用电波动的
传播途径, 即一个行业的用电波动会引发另一行
业的用电波动, 形成链条式的产业链图谱。因果
网络不同于相关网络, 相关网络反映同时性的用
电相关关系, 即用电量同时朝同一方向呈力度相
近的趋势变化, 可以用来作趋势预判。因果网络
则适用于逻辑关联, 该逻辑关联不一定会马上呈
现彼此间的驱动关系, 但存在内在逻辑联系, 在时
图 6 软件和信息技术服务业的子网络
间上通过一段时滞的传导, 能对另外的行业产生
从图 7 可以看出,“ 仪器仪表制造业”“ 计算
机、 通信及其他电子设备制造业”“ 橡胶与塑料制 影响。
参考文献:
品业”“ 金属制品业”“ 有色金属冶炼和压延加工
业” 和“ 电气机械和器材制造业” 构成了一个关联 [ 1 ] 刘涤尘,冀星沛,王 波, 等 .基于复杂网络理论的电力
通信网拓扑脆弱性分析及对策[ J ] .电网技术, 2015 , 39
紧密的产业集群,“ 计算机、 通信及其他电子设备
( 12 ): 325-331.
制造业” 的用电波动会引发“ 金属制品业” 的用电 ( 下转第 401 页)