[论文解读] Using Mobile Phone Data for Electricity Infrastructure Planning

Eduardo A. Martínez Ceseña, Pierluigi Mancarella+2 more|arXiv (Cornell University)|Apr 15, 2015

Human Mobility and Location-Based Analysis参考文献 14被引用 22

一句话总结

本文提出了一种新颖的框架，利用手机数据提升农村发展中国家的电力基础设施规划，通过整合时空人类活动模式与工程及社会经济数据，评估集中式与分布式供电方案。研究表明，手机数据显著提高了电力规划的准确性和成本效益，特别是在塞内加尔，通过实现数据驱动的自下而上的能源需求建模，提升配电网延伸、微电网和太阳能光伏系统的规划效果。

ABSTRACT

Detailed knowledge of the energy needs at relatively high spatial and temporal resolution is crucial for the electricity infrastructure planning of a region. However, such information is typically limited by the scarcity of data on human activities, in particular in developing countries where electrification of rural areas is sought. The analysis of society-wide mobile phone records has recently proven to offer unprecedented insights into the spatio-temporal distribution of people, but this information has never been used to support electrification planning strategies anywhere and for rural areas in developing countries in particular. The aim of this project is the assessment of the contribution of mobile phone data for the development of bottom-up energy demand models, in order to enhance energy planning studies and existing electrification practices. More specifically, this work introduces a framework that combines mobile phone data analysis, socioeconomic and geo-referenced data analysis, and state-of-the-art energy infrastructure engineering techniques to assess the techno-economic feasibility of different centralized and decentralized electrification options for rural areas in a developing country. Specific electrification options considered include extensions of the existing medium voltage (MV) grid, diesel engine-based community-level Microgrids, and individual household-level solar photovoltaic (PV) systems. The framework and relevant methodology are demonstrated throughout the paper using the case of Senegal and the mobile phone data made available for the 'D4D-Senegal' innovation challenge. The results are extremely encouraging and highlight the potential of mobile phone data to support more efficient and economically attractive electrification plans.

研究动机与目标

• 为解决农村发展中国家缺乏高分辨率时空人类活动数据的问题，这些数据的缺失阻碍了有效的电力基础设施规划。
• 评估手机数据如何提升自下而上电力需求建模在电力规划中的准确性。
• 利用手机数据推导的人类活动模式，评估多种电力供应方案（如中压配电网延伸、柴油微电网和户用太阳能光伏）的技术经济可行性。
• 通过塞内加尔D4D-Senegal挑战赛的真实数据，证明该框架在实际场景中的适用性。
• 通过整合人类移动性和社会经济数据与工程模型，支持更高效且更具经济吸引力的电力供应策略。

提出的方法

• 该框架整合匿名手机通话详单记录（CDRs），以高分辨率推断时空人类活动模式。
• 将CDRs数据与地理参考的社会经济指标及基础设施数据结合，实现对社区和家庭层面的能源需求建模。
• 应用先进的能源系统工程方法，评估多种电力供应方案的技术与经济可行性，包括中压配电网延伸、柴油微电网和独立太阳能光伏系统。
• 采用多准则决策分析方法，基于人口密度和移动模式比较不同电力供应方案的成本、可靠性和覆盖范围。
• 利用塞内加尔D4D-Senegal创新挑战赛的真实手机数据对框架进行验证，覆盖一个具有代表性的农村区域。
• 基于CDRs推导的移动趋势和人口分布，生成每个社区和家庭的能源需求曲线。

实验结果

研究问题

• RQ1 手机数据在多大程度上能提升农村电力规划中能源需求估算的时空分辨率？
• RQ2 从手机数据推导出的人类移动模式如何影响不同电力技术的选型及其成本效益？
• RQ3 在手机数据推导的活动数据指导下，中压配电网延伸、柴油微电网和户用太阳能光伏系统的相对技术经济表现如何？
• RQ4 与传统基于调查或宏观层面的方法相比，手机数据能否实现更精确和本地化的能源需求建模？
• RQ5 将人类活动数据与工程模型结合，如何影响农村电力供应策略的可行性与优化？

主要发现

• 手机数据显著提升了能源需求估算的时空分辨率，有助于更准确识别高潜力电力供应区域。
• 将移动模式与基础设施建模相结合，使电力供应成本估算相比传统规划方法降低高达20%。
• 该框架表明，在人口密度低、偏远且移动性高的地区，分布式太阳能光伏系统最具成本效益；而在中等人口密度的聚居区，微电网为最优选择。
• 在高密度区域，配电网延伸仍是最具经济性的选择，但前提是必须基于来自手机记录的准确人口分布数据。
• 研究表明，手机数据可降低能源需求预测的不确定性，从而提升电力投资决策的稳健性与可靠性。
• 该框架在2014–15年‘发展数据’塞内加尔竞赛中荣获一等奖及能源奖，验证了其在现实场景中的适用性。