电力能源公开数据采集实操：用 OpenClaw 合规抓取电网电价与发电量数据，生成区域能源供需分析报告

**摘要：**本文面向能源数据分析师、电力行业从业者和数据工程初学者，系统梳理电力能源公开数据的获取路径，并以 OpenClaw 数据采集框架为核心，完整演示如何合规抓取电网分时电价、月度发电量、装机容量与用电负荷等公开数据，再经过清洗、标准化和指标计算，最终生成一份可复用的区域能源供需分析报告。全文涵盖数据源盘点、合规边界、采集架构、核心代码、分析模型与报告输出等环节，并提供可直接运行的 Python 示例代码。

一、为什么用公开数据做区域能源供需分析

电力系统是经济社会运行的基础支撑，电价水平和发电结构直接影响工业生产成本、居民生活负担以及区域招商引资的竞争力。对于企业能源采购部门、售电公司、园区管理方和研究机构而言，及时掌握某一区域内电价的波动趋势、发电量的结构变化以及供需松紧程度，是制定购电策略、评估用能成本和判断投资机会的重要前提。

过去，这类数据往往分散在电网企业、电力交易中心、能源主管部门和统计机构的不同栏目中，获取门槛较高，更新节奏不一。近年来，随着电力市场化改革持续推进和政务数据开放水平提升，大量与电力能源相关的数据已经以公开网页、定期报表、API 接口或文件下载的形式对外提供。这为研究人员使用程序化手段批量采集、整合和分析数据创造了条件。

与商业数据终端相比，公开数据具有成本低、来源可追溯、口径相对透明等优势。但公开数据也存在结构不统一、字段命名混乱、历史版本缺失、部分页面需要动态渲染等现实问题。因此，一个稳定、可维护、可复用的数据采集流程就变得非常重要。本文将围绕这一目标，介绍如何使用 OpenClaw 框架搭建一套从采集、清洗到分析报告的完整链路。

需要特别强调的是，任何数据采集行为都应当遵守来源网站的访问规则、服务条款以及相关法律法规。本文所讨论的全部数据均为公开可查的统计信息，采集方式以低频、少量、非侵入式为主，不涉及绕过登录、破解验证码、暴力请求等不当手段。合规是开展能源数据工作的底线，也是本文所有技术方案的前提。

二、电力能源公开数据源全景梳理

要把区域能源供需分析做扎实，第一步不是急着写代码，而是先把数据源摸清楚。电力能源数据大致可以分成供给侧、需求侧、价格侧和宏观统计四个维度，每一类数据都有对应的权威公开渠道。

2.1 供给侧数据：发电量与装机容量

供给侧数据主要反映某一区域有多少电、用什么方式发出来的。核心指标包括全口径发电量、分类别发电量、发电设备利用小时数、新增装机容量和累计装机容量。这些数据的权威来源包括：

• 国家能源局：按月发布全国电力工业统计数据，包含各省级行政区的发电量、装机容量等指标，部分数据以 PDF 或 Excel 形式提供。
• 中国电力企业联合会：发布全国电力供需形势分析预测报告、月度电力统计快报，涵盖火电、水电、风电、太阳能发电和核电的详细数据。
• 各省发展和改革委员会、能源局：发布本省电力运行情况，通常包含更细粒度的地市或行业数据。
• 电网企业公开信息：国家电网和南方电网会定期发布经营区域内的电力运行情况，部分省份还会公布新能源消纳情况。

2.2 需求侧数据：用电量与最高负荷

需求侧数据反映区域的电力消费规模和时间分布。核心指标包括全社会用电量、分产业用电量、居民生活用电量、电网最高负荷、负荷率和最大峰谷差。这些数据主要来自：

• 国家能源局：按月发布全社会用电量数据，并按产业和居民生活进行分类。
• 省市级电力公司：在迎峰度夏、度冬等关键时期公布最高负荷数据。
• 统计部门：在国民经济和社会发展统计公报、能源统计年鉴中提供年度用电数据。
• 电力交易中心：发布电力中长期交易和现货市场的成交电量、成交价格，是判断供需松紧的重要市场信号。

2.3 价格侧数据：电价与交易价格

电价是最受关注的数据之一。在电力市场化改革背景下，电价已经形成「计划与市场并存」的复杂体系：

• 目录销售电价：已经陆续退出历史舞台，但在部分省份的官方文件中仍可查询到历史基准。
• 燃煤发电基准价：各省发改委公布，是理解区域内电源上网电价的重要参考。
• 分时电价与峰谷电价：各省发布分时电价政策，明确尖峰、高峰、平段、低谷时段的划分及相应价格水平，部分省份还推出深谷电价。
• 电力市场化交易价格：由各省电力交易中心按月、按季度公布，包括中长期交易均价、现货市场日前和实时电价等。
• 电网代理购电价格：电网企业按月发布代理购电价格表，对工商业用户有直接参考价值。

2.4 宏观与交叉数据

除了直接的电力指标，区域能源供需分析往往还需要引入宏观变量，例如工业增加值、气温变化、主要行业产品产量等，用以解释用电量波动的原因。这些数据可以从国家统计局、地方统计部门以及中国气象局公开的气象数据中获取。

下面用一张表对主要数据源进行汇总，方便后续设计采集方案时快速对照。

数据类别	核心指标	主要公开来源	常见格式
发电量	全口径发电量、分类别发电量	国家能源局、中电联、省能源局	Excel、PDF、网页表格
装机容量	火电、水电、风电、光伏、核电装机	国家能源局、中电联	Excel、PDF
用电量	全社会用电量、分产业用电量	国家能源局、省电力公司	网页表格、新闻稿
最高负荷	电网最高负荷、峰谷差	省电力公司、发改委	新闻稿、通知
价格	基准价、分时电价、交易均价、现货电价	省发改委、电力交易中心、电网企业	通知文件、网页表格、API
宏观变量	工业增加值、气温、行业产量	统计局、气象局	Excel、API

在开始采集之前，建议先把目标区域对应的数据源逐一访问一遍，记录下每个来源的更新频率、字段口径和文件格式。这一步看似繁琐，却决定了后续清洗和建模的复杂度。数据源盘点做得越扎实，后面的自动化和报告生成就越顺畅。

三、OpenClaw 环境准备与项目初始化

OpenClaw 是一个面向开放数据采集与处理场景的轻量级数据工程框架，它以 Python 包的形式提供，核心能力包括：声明式采集任务定义、统一的数据抓取接口、内置的清洗与转换工具、任务调度支持，以及对接常见存储后端的能力。对于电力能源公开数据采集中常见的「网页表格、JSON 接口、Excel 文件」三类来源，OpenClaw 都提供了对应的处理器，可以在一个项目里统一管理。

3.1 安装与依赖

建议使用 Python 3.10 及以上版本，并在独立的虚拟环境中安装。打开终端，执行以下命令：

python -m venv energy_env
source energy_env/bin/activate
pip install openclaw pandas requests sqlalchemy openpyxl lxml schedule

这里除了 OpenClaw 本身，还安装了 pandas 用于数据清洗和指标计算，requests 用于基础 HTTP 请求，sqlalchemy 用于把采集结果写入数据库，openpyxl 用于读取和导出 Excel 文件，lxml 提供高性能的 HTML 解析能力，schedule 用于后续的定时任务。

安装完成后，可以先验证环境是否正常：

import openclaw
import pandas as pd

print("OpenClaw version:", openclaw.__version__)
print("Pandas version:", pd.__version__)

如果控制台正常输出两个版本号，说明环境已经就绪。

3.2 初始化采集项目

OpenClaw 提供了项目脚手架命令，可以快速生成标准目录结构。在终端中执行：

openclaw init energy-report
cd energy-report

生成的项目目录结构大致如下：

energy-report/
├── config.yaml
├── collectors/
│   ├── __init__.py
│   ├── price_collector.py
│   ├── generation_collector.py
│   └── demand_collector.py
├── processors/
│   ├── __init__.py
│   ├── cleaner.py
│   └── analyzer.py
├── storage/
│   └── energy.db
├── reports/
│   └── templates/
└── main.py

其中 config.yaml 是全局配置文件，collectors 目录存放各类采集器，processors 目录负责清洗和分析，storage 目录用于存放采集结果，reports 目录用于输出分析报告。这个结构可以随着项目推进不断扩展，但保持「采集、处理、分析、输出」四个环节分离，是长期维护的关键。

3.3 配置文件说明

在 config.yaml 中，可以集中管理数据源地址、请求头、限速策略和存储配置。一个基础配置示例：

project:
  name: energy-report
  region: east-china

http:
  timeout: 30
  retry: 3
  min_interval: 5
  headers:
    User-Agent: "Mozilla/5.0 (X11; Linux x86_64) EnergyDataCollector/1.0"

storage:
  type: sqlite
  path: storage/energy.db

schedule:
  hourly: "0 9 * * *"
  monthly: "0 9 3 * *"

这里的 min_interval 设置为 5 秒，表示同一个数据源相邻两次请求之间至少间隔 5 秒。这个限速策略非常重要，既是对数据源服务器的尊重，也是避免被识别为异常流量的自我保护措施。在实际生产环境中，建议把限速做得更保守一些。

四、合规采集的原则与边界

在开始编写采集代码之前，必须先明确合规红线。很多数据分析师容易陷入一个误区：认为「只要数据是公开的，就可以随意抓取」。实际上，数据公开不等于抓取行为不受约束。合规采集至少要关注以下几个方面。

4.1 尊重 robots 协议与服务条款

访问任何网站之前，应先查看其 robots.txt 文件，确认目标路径是否允许自动化抓取。虽然 robots.txt 在法律上通常不被视为具有强制约束力的合同，但在实践层面，遵守它既是行业通行礼貌，也能降低法律风险。同时，要仔细阅读数据来源网站的服务条款，如果条款中明确禁止自动化采集，则应放弃程序化抓取，改用官方提供的 API 或人工下载。

4.2 坚持低频、少量、非侵入式原则

电力能源公开数据大多是月度或日度更新的统计信息，并不需要高频刷新。一个设计合理的采集流程，每天执行一次甚至每周执行一次就足够了。切忌设置过高频率的轮询，更不要并发打满数据源服务器。采集的数据范围应严格限定在分析所需字段，不要为了「先存下来再说」而过度抓取。

4.3 优先使用官方 API 和公开文件

如果数据源提供了官方 API 接口，应优先使用 API 而不是解析 HTML 页面。API 响应结构清晰、字段稳定，对数据源服务器的压力也更小。同样，如果能直接下载 Excel 或 CSV 文件，就不要去爬取网页表格。本文后续示例会优先采用公开文件下载和 JSON 接口两种方式。

4.4 数据使用的边界

采集到的公开数据主要用于内部研究、分析和决策支持。如果要将数据对外发布、商用或二次分发，需要进一步确认数据的授权范围。部分统计数据的转载和引用需要注明来源，个别数据可能附有额外的使用限制。在分析报告的末尾统一注明数据来源和采集时间，既是对数据提供方的尊重，也是专业素养的体现。

4.5 异常情况处理

如果采集过程中遇到数据格式变化、访问受限或返回异常，应先暂停任务，通过人工核对数据源页面确认原因，再决定是否调整采集策略。不要把「绕过限制」当作技术能力的体现。真正有价值的工作，是在合规前提下把数据工程做扎实。

五、采集架构设计

明确了数据源和合规边界之后，就可以开始设计采集架构。本文的目标是生成一份区域能源供需分析报告，因此采集架构需要覆盖电价、发电量、用电量和少量宏观变量四类数据，整体设计遵循「配置驱动、模块分离、失败重试、结果可追溯」的原则。

5.1 总体流程

整个数据链路可以拆分为五个阶段：

1. 任务调度：按照配置好的时间触发采集任务。
2. 数据采集：各采集器依次执行，从公开渠道获取原始数据。
3. 数据清洗：对原始数据进行字段重命名、类型转换、单位统一和异常值处理。
4. 指标计算：基于清洗后的数据计算供需平衡指标和趋势指标。
5. 报告生成：把分析结果渲染为图文报告并输出。

5.2 采集器设计

每个数据源对应一个独立的采集器类，统一继承自 OpenClaw 的 Collector 基类。采集器的核心方法包括 fetch、parse 和 save 三个步骤：fetch 负责获取原始内容，parse 负责把内容解析成规范化数据，save 负责把数据写入存储。这种三段式设计便于单独测试和复用。

from openclaw import Collector, RequestContext
from openclaw.storage import SqliteStorage
import pandas as pd


class BaseEnergyCollector(Collector):
    """电力能源数据采集器基类"""

    source_name = "base"
    data_type = "raw"

    def __init__(self, config, storage):
        super().__init__(config)
        self.storage = storage

    def fetch(self):
        raise NotImplementedError

    def parse(self, raw_data):
        raise NotImplementedError

    def save(self, df: pd.DataFrame):
        self.storage.write_dataframe(self.source_name, df, if_exists="append")

这个基类把存储逻辑统一封装起来，子类只需要实现 fetch 和 parse 即可。用 pandas 的 DataFrame 作为中间数据结构，可以很方便地和清洗模块衔接。

5.3 存储设计

对于中小规模的项目，SQLite 数据库足够满足需求。可以按照数据类别建立独立的表，例如 electricity_price、power_generation、power_consumption、installed_capacity 等。每张表统一保留 source、region、period、collected_at 四个元数据字段，用于追溯每条数据的来源和采集时间。

CREATE TABLE electricity_price (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    region TEXT NOT NULL,
    period TEXT NOT NULL,
    price_type TEXT,
    peak_price REAL,
    flat_price REAL,
    valley_price REAL,
    source TEXT,
    collected_at TEXT
);

这种设计虽然简单，但足以支撑区域尺度的分析需求。如果后续数据量增长到百万行以上，再把存储切换为 PostgreSQL 等数据库，OpenClaw 的存储层支持通过配置切换后端，业务代码无需大幅改动。

5.4 容错与限速

采集任务在执行过程中可能遇到网络超时、页面结构变化、文件不存在等各类异常。合理的做法是：为每个采集器配置独立的异常处理逻辑；对网络类异常进行有限次数的重试；重试仍失败时记录错误日志并跳过，不影响其他采集器运行。同时，通过配置中的 min_interval 控制请求频率，在批量采集时加入随机抖动，避免固定间隔带来的周期性峰值。

六、实操一：电网分时电价数据采集

电价数据是区域能源供需分析中敏感性最高、也最受关注的一类数据。本节的采集目标有三类：省级电网代理购电价格表、工商业分时电价政策参数、电力市场月度交易均价。其中，分时电价政策参数往往是理解区域电价结构的基础，下面以此为例进行完整演示。

6.1 数据来源与结构分析

以某省发改委发布的分时电价政策文件为例，公开页面上通常会包含一张分时段电价表，字段包括：时段类型（尖峰、高峰、平段、低谷、深谷）、时段范围、电度电价、基本电价等。采集前先用浏览器开发者工具查看页面结构，确认表格所在的 HTML 标签，以及是否提供了 Excel 附件下载。

如果页面提供 Excel 附件，优先下载附件。假设附件地址可以稳定访问，采集代码如下：

import requests
import pandas as pd
from pathlib import Path


class TimeOfUsePriceCollector:
    """分时电价采集器：从公开 Excel 文件下载并解析"""

    def __init__(self, file_url, save_dir="raw_data"):
        self.file_url = file_url
        self.save_dir = Path(save_dir)
        self.save_dir.mkdir(exist_ok=True)

    def fetch(self):
        headers = {
            "User-Agent": "Mozilla/5.0 (compatible; EnergyDataCollector/1.0)"
        }
        resp = requests.get(self.file_url, headers=headers, timeout=30)
        resp.raise_for_status()
        local_file = self.save_dir / "time_of_use_price.xlsx"
        local_file.write_bytes(resp.content)
        return local_file

    def parse(self, local_file):
        df = pd.read_excel(local_file, sheet_name=0, header=1)
        df = df.rename(columns={
            "时段类型": "time_type",
            "时段范围": "time_range",
            "电度电价": "energy_price",
            "基本电价": "base_price",
        })
        df["currency"] = "CNY"
        df["price_unit"] = "yuan_per_kwh"
        return df

这段代码的核心思路很简单：下载文件到本地，再用 pandas 读取指定工作表，并对列名进行标准化。header 参数需要根据实际文件的表头位置调整，通常第一次采集时可以先打印出前几行，确认表头在第几行。

6.2 对网页表格的备用方案

如果数据源没有提供 Excel 附件，只能解析 HTML 表格，可以使用 pandas 的 read_html 配合 OpenClaw 的页面抓取能力。但需要注意，read_html 对表格结构比较敏感，合并单元格和嵌套表格容易导致解析错乱，因此解析后必须进行人工校验。

from openclaw.http import fetch_page
import pandas as pd


def parse_price_table_from_html(page_url: str):
    """从公开网页解析分时电价表"""
    html = fetch_page(page_url, timeout=30)
    tables = pd.read_html(html)
    if not tables:
        raise ValueError("未在页面中找到表格")
    df = tables[0]
    df.columns = [str(c).strip() for c in df.columns]
    return df

解析完成后，建议先把结果导出为 CSV 并人工抽查几行，确认时段划分和价格数值没有错位，再进行后续入库操作。

6.3 数据验证与入库

采到的电价数据在入库前应当通过基础校验，例如：价格必须为大于零的数值；尖峰价格理论上应大于或等于高峰价格，高峰价格大于或等于平段价格，平段价格大于或等于低谷价格。如果校验不通过，说明存在解析错误或数据源异常，需要重新检查。

def validate_price_data(df: pd.DataFrame):
    """校验分时电价数据的合理性"""
    required_cols = {"time_type", "energy_price"}
    missing = required_cols - set(df.columns)
    if missing:
        raise ValueError(f"缺少必要字段: {missing}")

    if (df["energy_price"] <= 0).any():
        raise ValueError("存在非正数电价，请检查原始数据")

    order = {"尖峰": 4, "高峰": 3, "平段": 2, "低谷": 1, "深谷": 0}
    if "time_type" in df.columns:
        levels = df["time_type"].map(order).dropna()
        if levels.is_monotonic_decreasing is False and len(levels) > 1:
            pass
    return True

对电网代理购电价格，同样的思路也适用。代理购电价格表通常按月发布，字段包括各类用户对应的电度电价和基本电价。建议按月份建表保存，形成时间序列，便于后续观察价格月度变化。

七、实操二：发电量与发电结构数据采集

发电量数据是判断区域电力供给能力的基础。本节的采集目标是分类别发电量月度数据，包括火电、水电、风电、太阳能发电和核电五个主要类别，同时采集累计装机容量，用于计算发电设备利用小时数。

7.1 数据来源与字段说明

国家能源局和中电联的公开月报是发电量数据最权威的来源。这些数据通常以「全国电力工业统计数据」表单形式发布，字段包括：指标名称、单位、本月、本月增速、累计、累计增速等。对于区域分析，需要重点提取目标省份对应的行。

import pandas as pd
from openclaw.http import fetch_page


class GenerationCollector:
    """发电量数据采集器：解析公开统计页表格"""

    base_url = "https://example-gov-site.example/energy"

    def fetch(self, month: str):
        url = f"{self.base_url}/power_industry_{month}.html"
        html = fetch_page(url, timeout=30)
        tables = pd.read_html(html)
        if not tables:
            raise ValueError("页面未找到数据表格")
        return tables

    def parse(self, tables):
        df = None
        for table in tables:
            flat_cols = [str(c).strip() for c in table.columns]
            if any("发电量" in c for c in flat_cols):
                df = table.copy()
                break
        if df is None:
            raise ValueError("未找到发电量相关表格")

        df.columns = ["metric", "unit", "current_value",
                      "current_yoy", "cumulative_value", "cumulative_yoy"]
        return df

这段代码先抓取页面并提取全部表格，然后根据表头是否包含「发电量」来筛选目标表格。实际项目中，数据源页面的表格结构和列数可能随月份调整，因此解析逻辑要预留一定的容错空间，例如对列名做模糊匹配、对缺失列进行补空。

7.2 结构提取与长表转换

很多官方统计表采用「宽表」结构，一行对应一个指标，多个月份或地区的数据分散在不同列中。这种结构适合浏览，但不适合入库分析。建议在解析后把宽表转换为标准的「长表」结构，即每行只包含一个地区、一个月份、一个指标和一个数值。

def wide_to_long(df: pd.DataFrame, region: str, period: str):
    """把宽表转换为标准长表"""
    records = []
    for _, row in df.iterrows():
        metric = row.get("metric")
        value = row.get("current_value")
        yoy = row.get("current_yoy")
        if metric and value is not None:
            records.append({
                "region": region,
                "period": period,
                "metric": metric,
                "value": float(value),
                "yoy": yoy,
            })
    return pd.DataFrame(records)

长表结构的好处是，后续无论是按地区横向对比，还是按时间纵向观察，都可以直接使用 pandas 的透视和分组操作，不需要再反复处理列名。

7.3 装机容量数据的采集

装机容量用于衡量区域发电能力规模。统计口径通常包括累计装机容量和新增装机容量两个指标，按火电、水电、风电、太阳能发电、核电分类。采集方式与发电量类似，唯一需要注意的是单位可能为万千瓦，分析时需要统一换算为千瓦或兆瓦，避免不同数据源单位不一致导致计算错误。

UNIT_MAP = {
    "万千瓦": 10_000,
    "兆瓦": 1_000,
    "千瓦": 1,
}


def normalize_capacity(value: float, unit: str):
    """把装机容量统一换算为千瓦"""
    factor = UNIT_MAP.get(unit)
    if factor is None:
        raise ValueError(f"未知单位: {unit}")
    return value * factor

在数据入库时，建议同时保留原始数值和标准化后的数值，既可以追溯原始口径，又方便后续计算。

八、数据清洗与标准化

采集回来的原始数据往往存在各种问题：字段名不一致、单位混用、缺失值、明显异常值、文本和数值混杂。清洗环节的目标是形成一套干净、一致、可直接用于计算的规范化数据。

8.1 字段与单位标准化

首先制定一套统一的字段命名规范和单位规范。例如：region 统一使用省级行政区标准名称；period 统一为 YYYY-MM 格式；发电量单位统一为亿千瓦时；用电量单位统一为亿千瓦时；装机容量单位统一为万千瓦；电价单位统一为元每千瓦时。所有采集器在入库前都按照这套规范转换，可以在源头减少后续混乱。

import re
import pandas as pd


def normalize_period(value):
    """把各种时间表达统一为 YYYY-MM"""
    text = str(value).strip()
    m = re.match(r"(\d{4})年(\d{1,2})月", text)
    if m:
        return f"{int(m.group(1)):04d}-{int(m.group(2)):02d}"
    m = re.match(r"(\d{4})-(\d{1,2})", text)
    if m:
        return f"{int(m.group(1)):04d}-{int(m.group(2)):02d}"
    return text


def safe_float(value):
    """容忍逗号、百分号等常见噪声的数值转换"""
    if value is None:
        return None
    if isinstance(value, (int, float)):
        return float(value)
    text = str(value).replace(",", "").replace("，", "").strip()
    text = text.replace("%", "")
    try:
        return float(text)
    except ValueError:
        return None

8.2 去重与冲突处理

由于同一指标可能从多个渠道采集，去重必不可少。可以用 region、period、metric 三个字段组成唯一键，对重复记录进行合并。当不同来源的数据存在冲突时，建议按照来源优先级取数，例如官方直接发布的文件优先于第三方转载，并在日志中记录冲突情况，便于后续审计。

def deduplicate(df: pd.DataFrame, key_cols):
    """去重并保留优先级最高的来源"""
    df = df.sort_values("source_priority", ascending=True)
    df = df.drop_duplicates(subset=key_cols, keep="first")
    return df

8.3 异常值检测

异常值检测可以采用简单有效的规则：数值超出合理范围即标记为异常。例如，发电量同比增速通常在 -50% 到 100% 之间，超出这个范围很可能存在单位或解析错误；分类别发电量不应高于全口径发电量；区域用电量不应为负。对于标记为异常的数据，不应直接删除，而是先暂停入库并输出到待人工审核的列表中。

def detect_outliers(df: pd.DataFrame):
    """基于规则检测异常值"""
    flags = []
    if "yoy" in df.columns:
        yoy = pd.to_numeric(df["yoy"], errors="coerce")
        flags.append((yoy < -50) | (yoy > 100))
    if "value" in df.columns:
        flags.append(df["value"] < 0)
    if flags:
        combined = flags[0]
        for flag in flags[1:]:
            combined = combined | flag
        df = df.assign(is_outlier=combined)
    return df

清洗后的数据写入数据库，并同时输出一份「数据质量报告」，记录每个来源的数据行数、缺失率、异常数量和去重情况。这份报告可以作为整个数据链路健康度的观察指标。

九、区域能源供需分析模型构建

数据准备就绪后，就可以进入分析环节。区域能源供需分析的核心思路，是从供给和需求两侧分别建立时间序列，再通过供需平衡指标观察两者之间的相互关系。

9.1 供给能力指标

供给能力可以从绝对量和结构两个维度刻画。绝对量方面，用月度分类别发电量、累计发电量、总装机容量表示；结构方面，计算各电源类型的发电量占比和装机占比，观察区域电力供给的清洁化程度。发电设备利用小时数是一个综合效率指标，计算公式为：

发电设备利用小时数 = 发电量 ÷ 平均装机容量

利用小时数越高，说明发电设备运行越充分；不同类型电源的利用小时数差异，也能反映出资源禀赋和调度方式的差异。

9.2 需求强度指标

需求侧重点观察全社会用电量的总量和增速。分产业用电量可以进一步揭示增长动力来自工业还是居民生活。如果数据可得，还可以引入最高负荷和峰谷差，描述电力需求的时间分布特征。用电量与工业增加值之间的相关性，是判断区域经济与电力消费联动关系的常用方法。

def calc_supply_demand_metrics(gen_df, con_df, cap_df):
    """计算供需分析核心指标"""
    supply = gen_df.groupby(["region", "period"])["value"].sum().reset_index()
    supply = supply.rename(columns={"value": "total_generation"})

    demand = con_df.groupby(["region", "period"])["value"].sum().reset_index()
    demand = demand.rename(columns={"value": "total_consumption"})

    merged = supply.merge(demand, on=["region", "period"], how="outer")
    merged["supply_demand_ratio"] = (
        merged["total_generation"] / merged["total_consumption"]
    )
    merged["gap"] = (
        merged["total_generation"] - merged["total_consumption"]
    )

    cap_total = cap_df.groupby(["region", "period"])["value"].sum().reset_index()
    cap_total = cap_total.rename(columns={"value": "total_capacity"})
    merged = merged.merge(cap_total, on=["region", "period"], how="left")

    merged["utilization_hours"] = (
        merged["total_generation"] / merged["total_capacity"]
    )
    return merged

9.3 供需平衡判断

供需平衡比是区域电力供需松紧程度的一个简化代理指标。电力系统的实际供需平衡还涉及跨区输电、电力进出口和需求侧响应等复杂因素，因此单一区域的发电量与用电量之差，在解读时需要格外谨慎。对于跨区送受电占比高的省份，本地发电量可能显著小于用电量，但这并不意味着供需紧张，因为外来电承担了部分供给。

更稳健的分析方式，是把供需平衡比与市场交易价格、最高负荷等指标结合起来观察。当某区域用电量增速持续高于发电量增速，同时市场交易均价走强、峰谷差扩大时，可以认为该区域电力供需趋紧；反之则趋于宽松。

9.4 趋势与结构分析

在指标计算的基础上，可以进一步做同比、环比和累计增速分析，观察各项指标的运行轨迹。以发电量为例，可以计算近十二个月的移动平均，过滤月度波动，更清晰地识别趋势变化。结构分析方面，重点是新能源发电量占比的变化，这与区域能源转型进程直接相关。

def calc_trends(df: pd.DataFrame, window: int = 3):
    """计算同比、环比和移动平均"""
    df = df.sort_values(["region", "period"])
    df["mom_change"] = df.groupby("region")["value"].pct_change()
    df["yoy_change"] = df.groupby("region")["value"].pct_change(periods=12)
    df["ma"] = (
        df.groupby("region")["value"]
        .transform(lambda x: x.rolling(window, min_periods=1).mean())
    )
    return df

分析时要特别注意口径的一致性。例如，使用年度累计值和月度值计算同比时，两者口径不同会导致错误结论；发电量与用电量的单位是否统一、是否包含厂用电和线损，也需要在比较前核对清楚。

十、生成自动化分析报告

分析的价值最终要落到可读、可执行的报告上。一份区域能源供需分析报告通常包含以下板块：核心结论摘要、供给能力分析、需求变化分析、电价趋势分析、供需平衡判断、风险提示和附录数据表。

10.1 报告模板设计

报告可以采用 HTML 模板生成，便于在富文本编辑器、邮件或内部系统中直接查看，也方便后续转换为 PDF 发布。模板中定义好报告头部、各分析板块和图表插入位置，数据通过模板引擎填充。

from openclaw.report import ReportBuilder


class EnergyReportBuilder(ReportBuilder):
    """区域能源供需分析报告构建器"""

    def build(self, analysis_results, region, period):
        report = {
            "title": f"{region}区域能源供需分析报告（{period}）",
            "generated_at": analysis_results["generated_at"],
            "sections": [
                {
                    "heading": "一、核心结论",
                    "content": self.render_summary(analysis_results["summary"]),
                },
                {
                    "heading": "二、供给能力分析",
                    "content": self.render_supply(analysis_results["supply"]),
                },
                {
                    "heading": "三、需求变化分析",
                    "content": self.render_demand(analysis_results["demand"]),
                },
                {
                    "heading": "四、电价趋势分析",
                    "content": self.render_price(analysis_results["price"]),
                },
                {
                    "heading": "五、供需平衡判断",
                    "content": self.render_balance(analysis_results["balance"]),
                },
                {
                    "heading": "六、风险提示",
                    "content": self.render_risks(analysis_results["risks"]),
                },
            ],
        }
        return self.render_html(report)

10.2 可视化图表

图表是报告中最直观的部分。可以用 matplotlib 或更现代的图表库生成静态图片，再把图片嵌入 HTML 报告。常用的图表类型包括：分类别发电量堆叠柱状图、用电量趋势折线图、发电结构占比环形图、电价月度变化柱状图、供需平衡比走势图。

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt


def plot_generation_structure(df: pd.DataFrame, output_path: str):
    """绘制分类别发电量结构图"""
    pivot = df.pivot_table(
        index="period",
        columns="source_type",
        values="value",
        aggfunc="sum",
    )
    fig, ax = plt.subplots(figsize=(10, 5))
    pivot.plot(kind="bar", stacked=True, ax=ax)
    ax.set_title("分类别发电量结构")
    ax.set_xlabel("月份")
    ax.set_ylabel("发电量（亿千瓦时）")
    ax.legend(title="电源类型")
    plt.tight_layout()
    fig.savefig(output_path, dpi=150)
    plt.close(fig)

图表生成后，把图片路径写入报告模板，并在报告中注明数据口径和单位，防止读者误解。

10.3 报告中的关键结论

报告的核心结论应当简明扼要，直接回答三个问题：供给是否充足、需求是否旺盛、价格是否上涨。不要堆砌数据，而要给出可操作的判断。例如：

本期区域全口径发电量同比增长 4.2%，其中风电、光伏发电量合计同比增长 18.6%，清洁能源占比提升 2.3 个百分点；全社会用电量同比增长 5.1%，第三产业和居民生活用电是主要拉动力；代理购电均价环比持平，峰谷价差较上月收窄。综合判断，区域电力供需总体平衡，新能源出力波动对高峰时段的保供压力仍需关注。

10.4 自动化调度与发布

报告生成后，可以接入定时调度，例如每月初自动采集上月数据并生成报告，再通过邮件或内部系统推送给相关同事。调度配置可以在 config.yaml 中统一管理，也可以使用操作系统级的 cron 任务调用 main.py。

0 9 3 * * cd /path/to/energy-report && /path/to/energy_env/bin/python main.py --month $(date -d "last month" +%Y-%m)

自动化报告的价值在于降低重复劳动，但首次上线前必须经过一段时间的「影子运行」，即自动生成报告与人工核对并行，确认数据口径和结论准确后再正式替代人工流程。

十一、完整项目示例代码

为了便于读者快速落地，下面给出一个精简但完整的项目入口代码，把前文介绍的采集、清洗、分析和报告生成串联起来。需要注意的是，示例中的网址和数据源路径均为演示占位，实际使用时请替换为真实可访问的公开数据地址。

import logging
import pandas as pd
from pathlib import Path

from openclaw import Config, Project
from collectors.price_collector import TimeOfUsePriceCollector
from collectors.generation_collector import GenerationCollector
from collectors.demand_collector import DemandCollector
from processors.cleaner import clean_price, clean_generation, clean_demand
from processors.analyzer import build_analysis
from openclaw.report import ReportBuilder

logging.basicConfig(level=logging.INFO,
                    format="%(asctime)s [%(levelname)s] %(message)s")


def run_pipeline(region: str, month: str):
    config = Config.load("config.yaml")
    project = Project(config)

    logging.info("开始采集电价数据")
    price_raw = TimeOfUsePriceCollector(config).run()

    logging.info("开始采集发电量数据")
    gen_raw = GenerationCollector(config).run(month)

    logging.info("开始采集用电量数据")
    demand_raw = DemandCollector(config).run(month)

    logging.info("清洗数据")
    price_clean = clean_price(price_raw)
    gen_clean = clean_generation(gen_raw)
    demand_clean = clean_demand(demand_raw)

    logging.info("写入存储")
    project.storage.save("price", price_clean)
    project.storage.save("generation", gen_clean)
    project.storage.save("demand", demand_clean)

    logging.info("计算分析指标")
    analysis = build_analysis(region, month, project.storage)

    logging.info("生成报告")
    report = ReportBuilder().render(analysis)
    output_file = Path("reports") / f"energy_report_{region}_{month}.html"
    output_file.parent.mkdir(exist_ok=True)
    output_file.write_text(report, encoding="utf-8")

    logging.info("报告已生成: %s", output_file)


if __name__ == "__main__":
    import argparse

    parser = argparse.ArgumentParser(description="区域能源供需分析报告生成工具")
    parser.add_argument("--region", required=True, help="目标区域名称")
    parser.add_argument("--month", required=True, help="分析月份，格式 YYYY-MM")
    args = parser.parse_args()

    run_pipeline(args.region, args.month)

这个入口代码把整个流程封装为命令行工具，便于定时任务调用。运行示例：

python main.py --region east-china --month 2026-08

项目首次运行时，建议先调试单个采集器，确认每条数据链路都打通后，再整体运行。调试阶段的日志可以设置得详细一些，便于定位问题；生产运行时则保留必要日志，避免日志文件过快膨胀。

十二、合规风险控制与持续优化

数据采集项目上线不是终点，持续的合规审查和链路维护同样重要。公开数据源的页面结构可能随时调整，政策文件可能被替换或下架，流量限制策略也可能变化。以下几条实践经验值得长期坚持。

12.1 建立数据源台账

为每一个数据源建立台账，记录 URL、字段口径、更新频率、访问规则、robots 约定、负责人和最近一次核验时间。台账不是一次性文档，而应当随数据源变化动态更新。团队新成员接手时，台账是最高效的交接材料。

12.2 定期核验数据质量

自动化脚本能发现问题，但不能替代人工判断。建议每月在自动报告生成后，由分析人员对关键数字做一次「合理性抽查」，与官方发布的新闻稿、统计快报进行交叉验证。一旦发现偏离，立即追溯到具体采集环节排查原因。

12.3 保持采集策略的克制

数据采集的频率和数量应当遵循「够用就好」的原则。对于月度分析场景，每月一次采集完全足够，不需要为了追求所谓的实时性而高频轮询。遇到数据源更新滞后时，宁可等待官方发布，也不要尝试通过非常规手段抢先获取。

12.4 版本管理与可复现性

采集代码、清洗规则和分析模型都应当纳入 Git 版本管理。数据入库时记录代码版本号，确保任何一份历史报告都能在需要时完整复现。分析口径的每次调整都要有变更说明，并在报告附录中注明所采用的口径版本。

12.5 关注政策与规则变化

电力能源领域政策密集，电价机制、统计口径和数据发布方式都可能调整。采集人员需要保持对相关政策文件和行业动态的关注，并定期检查数据源网站是否更新了服务条款或改版。数据工程与领域知识的结合，是这类项目长期有效运转的根本保障。

十三、总结与展望

本文围绕电力能源公开数据采集与分析这一主题，从数据源盘点、环境搭建、合规原则、架构设计，到电价和发电量两类数据的采集实操、清洗标准化、供需分析建模和报告自动生成，完整展示了一条可落地的技术路径。核心经验可以归纳为三点：先摸清数据源再写代码，先定好合规边界再设计架构，先保证数据质量再谈模型和自动化。

OpenClaw 作为数据采集与处理框架，在本项目中承担了任务编排、请求管理、数据存储和报告渲染等基础能力，使得开发者可以把精力集中在数据源的对接和业务指标的计算上。代码中的大部分示例都保持了解耦和可替换性，即使未来切换到其他采集框架或数据库，核心的分析思路依然适用。

从更长远的角度看，区域能源供需分析还有不少值得深入的方向：引入气象数据构建用电负荷预测模型，结合电力现货市场价格研究价差套利策略，利用碳排放因子数据评估电源结构转型的环境效益，以及将分析结果接入企业能源管理系统形成闭环决策。随着电力市场化改革和能源数字化转型的深入，公开数据与数据分析能力的结合将释放出更大的价值。希望本文的方法和示例，能为读者在能源数据领域的工作提供一份实用参考。