基于夜间灯光与气象数据的中国城市多尺度电力消费数据集构建与应用

《Scientific Data》：Multi-resolution dataset of electricity consumption in Chinese cities

本研究针对中国城市级高频电力消费数据缺失的瓶颈问题，开发了融合夜间灯光（NTL）遥感与气象变量的多分辨率估算框架，生成了2022年296个中国城市的日/月度电力消费数据集。该数据集与官方统计高度吻合（R2=0.788），突破了传统数据时空粒度限制，为城市能源转型、极端气候响应及低碳政策评估提供了重要数据支撑。

　　

当夜幕降临，从太空俯瞰地球，城市的灯火如同跳动的脉搏，勾勒出人类活动的轨迹。这些闪烁的光点不仅是文明的象征，更隐藏着能源消费的密码。在中国——这个全球最大的电力消费国，城市电力消费数据却长期被困在年度统计的笼子里，难以捕捉日新月异的能源需求变化。特别是在极端气候事件频发的今天，理解城市电力消费的精细时空模式，对于保障能源安全、推动低碳转型显得尤为重要。

传统上，中国城市级电力消费数据主要来源于国家统计局和能源局的年度统计，月度数据仅停留在国家级层面，无法满足城市尺度的高频分析需求。而电网企业掌握的详细记录又因商业机密和隐私保护难以公开获取。这种数据荒芜严重制约了城市能源效率评估、需求侧管理以及气候韧性研究。正是在这样的背景下，合肥工业大学的研究团队在《Scientific Data》上发表了突破性研究，他们巧妙利用夜间灯光遥感这一“太空之眼”，结合气象数据，构建了中国首个城市级多分辨率电力消费数据集。

研究团队采用了一种创新的多源数据融合方法。关键技术包括：基于美国国家航空航天局（NASA）Black Marble系列的VIIRS/NPP每日夜间灯光数据（VNP46A1产品）进行城市级辐射值提取；利用国家能源局和中国知网的官方电力统计数据建立省级月度分配模型；结合每日最低温度、平均温度和风速等气象变量，采用随机森林（Random Forest）机器学习算法进行日尺度电力消费估算。所有数据处理均通过Python 3.11和ArcGIS 10.8完成，确保了方法的可重复性和透明度。

数据覆盖范围

研究覆盖了中国296个地级及以上城市，包括四个直辖市（北京、天津、上海、重庆），数据集空间范围如图2所示黄色填充区域，基本涵盖了中国主要城市化区域。

方法框架

研究构建了一个四步骤的估算框架：首先从卫星影像提取城市每日NTL强度数据；其次基于国家级月度数据和省级年度数据分配城市月度电力消费；然后利用机器学习模型估算每日城市电力消费；最后进行结果验证。

数据记录

数据集包含111,591条记录，以.xlsx格式存储，按日度和月度分辨率分别存放于相应文件夹中。数据存储架构如图3所示，按省份组织，便于用户按需获取特定区域数据。

技术验证

内部一致性验证显示，估算数据与官方统计数据高度吻合。月度聚合数据与国家级月度统计的对比表明，数据集能够准确反映电力消费的季节性变化，夏季高峰和冬季低谷模式清晰可见。

COVID-19影响分析揭示了数据集对突发社会事件的敏感性。如图5所示，深圳、长春等城市在封控期间电力消费明显下降，而上海因封控阶段复杂，消费波动相对平缓。

模型性能评估证实随机森林算法在电力消费估算中的优越性。如图6所示，随机森林模型的R²值超过0.85，显著优于K近邻、线性回归和决策树等其他模型。

特征重要性分析表明，每日NTL强度是最关键的影响因子，permutation importance达到90.5%。温度变量也显示出重要影响，而风速的贡献相对较小。

空间验证通过四个典型日期的电力消费分布分析，展示了数据集的时空表征能力。冬季供暖峰值日（1月15日）北方城市消费集中，夏季空调峰值日（7月20日）南方沿海地区需求突出，国庆假日（5月1日）整体消费下降，典型工作日（3月16日）则呈现均衡分布。

聚类分析进一步验证了数据的空间合理性。城市被分为四个集群，高消费集群集中在京津冀、长三角和珠三角等经济活跃区，而低消费集群主要分布在西部和东北地区。

这项研究的意义不仅在于填补了中国城市级高频电力消费数据的空白，更重要的是提供了一个可扩展、低成本的估算框架。在全球能源转型和气候变化应对的背景下，这种基于遥感技术的创新方法为数据稀缺地区的能源研究开辟了新途径。数据集虽然主要服务于学术研究和探索性分析，但其揭示的时空模式为理解城市能源代谢、评估政策效果、优化能源规划提供了宝贵见解。

研究的局限性包括估算精度尚未达到电网管理级别，缺乏地理相关变量如采暖度日和空调度日，以及时间覆盖仅限于2022年。未来研究可整合更多变量，扩展时间序列，提升数据的应用价值。随着遥感技术的不断进步和数据处理方法的优化，这种基于多源数据融合的能源消费监测范式有望在更广领域发挥作用，为可持续城市发展提供数据支撑。

该数据集已通过Figshare平台公开共享，数据组织清晰，格式通用，便于不同学科背景的研究者使用。这种开放科学实践有助于促进能源研究领域的知识积累和方法创新，推动城市能源系统向更加智能、韧性和可持续的方向发展。