[论文解读] Finding a Zipf distribution and cascading propagation metric in utility line outage data

Ian Dobson|arXiv (Cornell University)|Aug 25, 2018

Optimal Power Flow Distribution参考文献 5被引用 7

一句话总结

本文提出了一种新的度量指标——系统事件传播斜率指数（SEPSI），该指标基于北美输电线路停电数据中级联故障生成次数的齐夫分布。通过将级联故障中的生成代数拟合至齐夫分布，SEPSI量化了级联传播的严重程度——总体值为3.02，在风暴期间下降至2.2，可在约1000次观测级联故障后，以高统计置信度对小型、中型和大型级联故障进行概率评估。

ABSTRACT

Observed transmission line outage data is grouped into successive generations of events. The empirical distribution of the number of generations in the cascades follows a Zipf distribution that implies the increasing propagation as cascades progress. The slope of the Zipf distribution gives a System Event Propagation Slope Index (SEPSI). This new metric quantifies the cascade propagation, varies as expected, and determines the probabilities of small, medium, and large cascades.

研究动机与目标

• 开发一种单一标量度量指标，以量化电力系统停电中的级联传播，填补风险缓解方面的空白。
• 分析历史输电线路停电数据，识别级联故障在不同代际中的演变模式。
• 基于实证数据推导出统计稳健的度量指标，量化小型、中型和大型级联故障的发生可能性。
• 通过在不同运行条件下验证齐夫分布拟合效果，测试该方法在其他基础设施系统中的可推广性。

提出的方法

• 将14年北美电力系统数据中记录的10,942次自动线路停电事件，依据时间间隔划分为级联故障与代际：>1小时为新级联，<1分钟为同一代。
• 将每起级联故障中生成代数的实证分布拟合至齐夫（zeta）分布：P[G=k] = 1/ζ(s) * 1/k^s，其中s为斜率参数。
• 将系统事件传播斜率指数（SEPSI）定义为拟合齐夫分布斜率的相反数，整体数据SEPSI值为3.02。
• 采用最大似然估计与皮尔逊卡方（Pearson χ²）拟合优度检验，验证不同条件（如风暴、夏季、高峰负荷时段）下齐夫分布的适用性。
• 利用拟合的齐夫分布，以SEPSI为输入，计算小（≤3代）、中（4–9代）和大（≥10代）级联故障的条件概率。
• 应用自助法（bootstrapping）估计SEPSI的置信区间，结果表明约需1000次级联故障，才能以95%置信度使SEPSI估计值在±0.16范围内，且大级联概率估计值在±1.5倍范围内。

实验结果

研究问题

• RQ1 级联输电线路停电中生成代数的分布是否服从幂律（齐夫）分布？
• RQ2 该齐夫分布的斜率能否作为量化级联传播严重程度的稳健单一标量指标？
• RQ3 在不同运行压力条件下（如风暴、夏季、高峰负荷时段），SEPSI指标如何变化？
• RQ4 为以可接受的统计置信度估计SEPSI及大级联故障概率，需要多大的样本量？

主要发现

• 级联故障中生成代数的分布符合齐夫分布，斜率为-3.02，皮尔逊卡方检验p值为0.88，表明拟合效果极佳。
• 系统事件传播斜率指数（SEPSI）在全部数据中为3.02，在美国国家海洋和大气管理局（NOAA）风暴条件下下降至2.2，表明传播风险显著升高。
• 在正常条件下，大级联故障（≥10代）的发生概率为0.005，风暴期间上升至0.037，表明SEPSI能有效捕捉风险上升趋势。
• 当样本量达到1000次级联故障时，SEPSI可实现95%置信度下±0.16的估计精度，大级联概率估计值在±1.5倍范围内，所需数据量约为1.3年（年均782次级联故障）。
• 齐夫分布拟合在所有测试条件下（风暴、夏季、高峰时段）均保持有效，p值范围为0.29至0.98，支持该方法的稳健性与可推广性。
• 该方法可直接从SEPSI推导出级联故障规模类别（小型、中型、大型）的概率预测，为风险评估与缓解规划提供实用工具。