2025年，随着电力系统行业不断发展，用电数据蕴含着丰富的信息，不仅反映了电力用户负荷需求，还与现代社会生产生活紧密相连。从宏观、中观到微观层面，用电数据在负荷预测、经济分析、电网运行等方面都具有重要意义。然而，中观层面的行业用电数据所蕴含的区域主导产业、产业链上下游结构等信息尚未得到充分挖掘。为了更准确地描述行业用电量间的关联关系，挖掘其中的有效信息价值，有必要提出一种针对中观行业用电数据分析的电力系统多元时间序列因果性定量分析方法。

  一、电力系统多元时间序列因果分析的必要性

  《2025-2030年中国电力系统行业重点企业发展分析及投资前景可行性评估报告》电能作为现代社会主要能源形式，其消费数据与人类生产生活紧密相连。在工业领域，电能以生产资料形式直接参与生产活动各个环节，沿着产业链条流入市场。分析用电量与其他因素间的关联关系，有助于认识人类活动其他要素的变化规律，为经济社会发展提供指导。电力系统领域存在大量关于用电量数据分析的研究，可分为宏观分析、个体分析、中观分析三大类。宏观分析关注宏观层面所有电力用户用电总量的变化趋势，个体分析聚焦单个电力用户的用电数据，而中观分析层面的行业用电量数据同样蕴藏着丰富的信息价值，但目前尚未得到充分挖掘。与相关性相比，因果性能够明确关联关系的方向，具有更强的物理意义，能够辨识出不由因果关系产生的“伪相关性”，对关联关系的描述更加准确，在行业用电数据分析问题上具有更好的应用价值。

  二、电力系统因果性定量分析方法的构建

  电力系统行业数据分析提到为了更准确地描述行业用电量间的关联关系，提出一种基于条件信息熵的电力系统多元时间序列数据因果性定量分析方法。因果性本质上是一种描述事物间关联关系的统计学概念，定义为某一随机变量对另一随机变量变化过程的贡献程度。与相关性相比，因果性具有明确的方向性，关系结构更为多样。时间序列因果分析存在两条公认假设——时序优先性假设与时序一致性假设。多元时间序列变量间的因果关系可用因果图进行表示，不同变量在因果图中对应不同节点，因果图中三种因果结构类型可通过节点拓扑关系直观反映。基于约束的因果分析方法通过马尔可夫性质将因果图与概率分布联系在一起，并基于统计学上的条件独立性定义了变量间的因果性。检验条件独立性本质上是检验随机变量所含信息与其他变量的重合度，从而确定信息的流动路径。在不满足“因果充分性”的前提下，基于约束的因果分析方法中提出了基于最大祖先图的 FCI 类算法，适用于问题不满足“因果充分性”的情况。

  三、电力系统数据成本 - 效用模型的建立

  为了在具体应用场景中检验因果分析方法的正确性，同时更全面地对分行业用电量数据因果性所蕴含的信息进行分析，提出一种适用于电力系统多元时序数据信息价值分析的成本 - 效用模型。该模型从信息成本角度与应用效益角度考虑电力系统多元时序数据的信息价值。在预测问题中，信息成本主要体现为历史数据的存储成本，而应用效益则体现在预测精度的提升上。通过预测模型所输入的关键关联因素数量与模型预测精度两个指标，建立面向预测问题的电力系统多元时序数据成本 - 效用模型。该模型能够从成本、效益角度综合评价数据的信息价值，方便、直观地基于不同原则选取综合价值最高的关联因素进行预测。

  四、基于条件信息熵的电力系统行业用电数据因果性定量分析方法的应用

  提出一种基于条件信息熵的电力系统多元时序数据因果性定量分析方法，并将其用于多行业用电量因果关系分析问题中。信息熵是信息论的核心概念，用以量化随机变量的不确定性。在多元变量情况下，信息熵概念可扩充为联合信息熵、条件信息熵。条件信息熵之差与条件独立性检验的结果存在一致性，可作为因果性的一种定量描述。结合基于约束的因果发现方法的思路，提出一种适用于基于约束的因果发现方法的因果性定量描述快速计算方法。通过算例分析，基于某地 2017 年 1 月至 2023 年 7 月实际行业用电数据，对比了所提方法与相关性方法在月度用电量预测中的应用效果，并基于数据成本 - 效用模型验证了其有效性。

  五、算例分析验证方法有效性

  以中国某地区的实际数据开展算例分析，数据时间跨度为 2017 年 1 月至 2023 年 7 月，共 79 个月，数据颗粒度为 1 月。数据集包括全社会、一 / 二 / 三产业、居民生活及各子行业的月度用电量。在开展因果分析前，对数据进行标准化处理，并对非平稳序列采用差分方法处理为平稳序列。基于工业领域内各行业用电量指标，对工业产业的上下游发展逻辑开展算例分析，采用改进后的 tsFCI 算法对变量间的瞬时与非瞬时因果关系进行辨识，得到摘要因果图与窗口因果图。通过对比“工业”、“化学”、“煤炭”、“油气”四者的时序曲线，验证了定性分析结果的合理性。进一步采用基于条件信息熵的因果性定量描述方法对不同行业用电量间的因果关系进行定量分析，计算了“油气”对“煤炭”、“化学”对“工业”的因果贡献度指标，结果表明因果分析能够更精准地辨识变量关联关系所提供的具有信息价值的关联信息，在数据成本 - 效用模型中的综合表现更优。

  综上所述，本文提出了一种基于条件信息熵的电力系统多元时序数据因果性定量分析方法，通过理论推导建立了时序变量互因果性与自因果性的定量表达形式，并在此基础上通过基于约束的因果发现思路实现条件互信息的快速计算，最终分析得到行业用电量数据间的因果关系网络与因果贡献度指标。基于实际数据的算例分析表明，该方法能够准确地反映出变量间因果关系的强弱，并在实际应用中以数据效益的形式体现，为深入开发电网数据资产，支撑政府、国家宏观决策，辅助行业、企业制定发展战略提供了有力支持。