基于数据的配电系统韧性指标量化与可视化

为什么让灯亮着变得更难了

当强烈风暴席卷某一地区时，我们大多把停电视为一种不便。但对公共事业单位而言，每一次风暴都是对电网抵抗损害并恢复能力的压力测试。本文展示了如何将真实的停电记录与天气记录转化为简单、可视的衡量指标，以评估本地电网的实际韧性，以及哪些街区最可能在恢复供电时等待最长时间。

从零散记录到清晰图景

电力配电系统是电网的末端，将高压线路的电力输送到城镇、街道和家庭。多年来，公共事业单位在每次设备故障与修复时都会收集详细日志，并记录受影响的用户数量。与此同时，诸如 NOAA 的联邦机构追踪风、雨、雪及其他严重天气。作者将来自美国中西部某公用事业公司二十年的这些记录与 NOAA 天气数据结合起来，提出一个基本问题：当风暴袭来时，会有多少设备损坏，修复需要多长时间？

以风暴成因为原则对停电分组

研究并不将每一条断线或熔断器熔断视为孤立事件，而是将许多邻近的停电归为所谓的停电—恢复事件。某一事件从出现首个由风暴引发的故障时开始，直到该事件中所有受损组件修复完毕时结束。这一做法捕捉到了对抢修队伍和用户真正重要的东西：风暴期间累积的总维修量。对每个事件，研究者跟踪两个易于理解的数字：总共发生了多少次停电，以及从首次故障到最后修复耗时多久。

把地图按天气分成若干区

天气在公用事业服务区内很少是均匀的。为此，团队基于 NOAA 气象站的位置将服务区域划分为若干区，采用一种叫做沃罗诺伊（Voronoi）多边形的几何方法。地图上的每一点被分配到最近的观测站，从而形成不同的风区和降水区。在每个区内，作者将风暴日志（龙卷风、大风、降雪、洪水等）与同时且发生在相同位置的停电记录匹配。这使他们能够例如说明：“在第0区，35米/秒的风通常会造成大约这么多次停电。”

用简单曲线捕捉复杂行为

在划分出事件和区域后，作者构建了两类基于数据的曲线。脆弱性曲线将风暴强度与某一区域的停电数量联系起来：随着风速或降水量增加，故障数量急剧上升，常以指数方式增长。恢复曲线则将一次事件中的停电数量与全面修复所需时间联系起来。曲线显示，当仅有少数组件失效时，修复较快；但一旦停电超过某个阈值，随着抢修队伍与设备达至饱和，恢复时间会快速增长。由于这些模型基于简单的数学函数，公共事业单位可以轻松理解并在获得新数据时更新它们。

在地图上直观显示韧性

通过将一个假想风暴输入这两条曲线——先估计它会造成多少次停电，再估算修复需要多长时间——该框架可为每个天气区生成预测恢复时间。将这些预测绘制在地图上即可揭示哪些区域对风或强降水更有韧性，哪些则较脆弱。有些区显示停电较少且恢复更快；另一些则面临更多损害和更长的停电等待时间。按区划分的这些地图把原始历史数据转化为实用指导，指明在哪里加固线路、修剪树木、增加传感器或在下一场强风暴来临前部署额外抢修队伍。

这对普通用户意味着什么

简单来说，该研究为公用事业单位提供了一种利用已收集数据回答问题的方法：“若发生这种强度的风暴，这里会有多严重？需要多长时间恢复供电？”通过将大量停电与天气历史浓缩为两个直观指标——停电次数与总恢复时间——并绘制这些指标在区域内的分布，这种方法有助于在灾害发生前识别薄弱环节。进而可指导更明智的投资和规划，以便在下一次强烈风暴来袭时，更少用户断电，且断电用户的停电时长更短。

引用: Wang, D., Maharjan, S., Zheng, J. et al. Data-driven quantification and visualization of resilience metrics of power distribution systems. Sci Rep 16, 6334 (2026). https://doi.org/10.1038/s41598-026-37040-w

关键词: 电网韧性, 风暴相关停电, 电力配电, 基础设施恢复, 极端天气影响