A-653_考虑长时间尺度效应的北美大停电风险分析

考虑长时间尺度效应的北美大停电风险分析
苏盛，段献忠，石东源
强电磁工程与新技术国家重点实验室（华中科技大学），湖北省武汉市 430074
Email: eessheng@
摘要：大停电风险源是随电网结构、调度管理方式和所处环境的变化而不断演化的，从风险分析的角度进行风险源识别，并定性估计风险大小，可以为认识和防御大停电事故提供一种新的视角。

本文利用1984至2007年间北美大停电数据，首先识别了具有超大规模的极值大停电并分析其肇因；继而又从长时间尺度上，分析了各种风险源的演化趋势，最后结合各风险源的研究程度和防治措施进行了风险估计。

关键词：大停电; 风险源; 风险分析.
Blackout risk analysis considering long term evolution
Su Sheng, DUAN Xianzhong, Shi Dongyuan
State Key Laboratory of Advanced Electromagnetic Engineering and Technology (Huazhong University of Science and Technology),
Wuhan 430074
Abstract:Risk of blackout evolved with variation of power grid structure, its environment, and the way and philosophy of monitoring and controlling. Blackout risk analysis could provide a novel approach to analyze and prevent blackout by risk source identification and risk estimation. The blackout data of NERC during 1984 to 2007 is utilized to identify the extreme blackout and associated causes. Thereafter, the evolution of risk sources over long term and the way to mitigate blackout is analyzed to estimate blackout risk of each risk sources.
Keywords: Blackout; risk sources; risk analysis.
1 引言
近年来，科研人员发现世界各国的大停电规模多有幂律特性[1,2]。

研究表明，电力系统作为复杂系统具有的自组织临界性是大停电幂律分布的根本原因，而连锁故障则是其直接原因。

基于该机理解释，研究人员构建了考虑电网物理特性和各种约束的仿真模型[3-6]，可以用来进行连锁故障大停电的风险评估。

实际系统中，大停电风险源是随电网结构、调度管理方式和所处环境的变化而不断演化的，大停电风险评估难以反映此一特性[7]。

考虑到大停电机理及其风险源的演化特性，从风险分析的角度进行风险源识别，并定性估计风险大小，可以为认识和防御大停电事故提供一种新的视角。

本文利用北美大停电数据，识别风险源，并估计各种风险源引发大停电概率的变化趋势。

2 大停电风险源识别
为了分析长时间尺度上大停电风险的演化历程，并从中提炼出需要予以特别关注的的风险源，针对1984年至2007年北美大停电数据[8]展开了调研分析。

数据集共包含有1039条大停电记录。

因连锁故障和飓风等极端事件在相邻多个电网引发的大停电可能记录为多条数据，将同一天内具有明显相关性的大停电合并为一条。

经合并处理后，总共有954条大停电记录。

逐一分析事故原因，最终将大停电原因归结为过负荷与连锁故障、极端天气、地磁暴、地震、人为误操作、保护误动、设备故障及人为破坏等八类，并将由多个风险源共同引发的大停电，共同归因于这些风险源。

因过负荷与连锁故障有显著的关联性，很难分清其中的界限，在此将过负荷和连锁故障归为一类。

此外，尽管热浪与寒潮也可算作极端天气，但因其与设备故障及过负荷的分际很难界定，本文在此未将与热浪及寒潮相关的大停电事件列入极端天气相关大停电[8]。

为了评估这些风险源对电力系统的风险，将大停电次数、负荷损失和用户损失累加，并按大停电次数由高到低顺序列出，如表1所示。

由表可见，连锁故障和过负荷、极端天气、设备故障、保护误动和人为误操作在引发大停电的次数和损失上均居于前列。

大停电事故中，规模最大的那部分极值大停电动辄损失几百亿，和一般规模大停电造成的损失不成比例，是风险分析的关键。

根据文献[1]的分析，理想情况下大停电规模呈指数分布，而实际呈幂律分布。

本文将导致大停电偏离指数分布趋向幂律分布的大停
国家重点基础研究(973)项目(批准号: 2009CB219701)、国家自然科学基金项目(批准号: 50907005，50907024)
电称为极值大停电。

因指数分布在单对数坐标下呈直线状，剔除1%、2%、3%、4%和5%的最多用户和负荷损失的大停电数据，可将剩余数据的统计分布绘制如图6和图7。

表1 大停电原因及损失数据统计表
风险源大停电次数损失负荷 (GW) 用户损失(百万)极端天气 353 176.12 75.99
过负荷&连锁故障 243 128.32 75.37
设备故障 183 60.16 8.16
人为误操作 86 40.73 7.02
保护误动 74 35.14 7.56 山火 25 18.76 4.31 人为破坏 19 5.85 1.83 地震 7 9.86 2.89
地磁暴 3 19.40 5.83
由图可见，随着剔除大停电数据比例的增加，大停电统计分布在单对数坐标下渐呈直线状，如同传统理论分析的一样具有指数分布。

仅去除2%的最大规模大停电数据时，大停电的统计分布在尾部仍具有偏离直线后翘的厚尾现象，去除3%的最大规模大停电数据时，厚尾现象基本消除。

计算各组数据与拟合直线的相关系数列如表2。

由表可见，去掉3%极值大停电时相关系数接近最高，此时大停电统计分布基本呈直线状、具有指数分布。

笔者据此认为，最大规模的3%（29次）极值大停电对幂尾现象起主导作用。

分析整理后，将该部分大停电简要原因列如表3和表4。

图1 半对数坐标下失负荷数统计分布
图2 半对数坐标下用户停电数统计分布
表2去掉极值大停电与拟合直线相关性
大停电比例损失负荷相关系数损失用户相关系数100%0.4374 0.2140 99%0.8987 0.8707 98%0.9737 0.9261 97%0.9883 0.9722 96%0.9843 0.9815 95%0.9792 0.9790
表3 3%最多负荷损失大停电表4
3%最多用户损失大停电日期损失负荷(MW) 原因日期损失用户原因
2003-08-14 61,800连锁故障2003-08-1450,000,000连锁故障
1996-08-10 33,390连锁故障1996-08-107,500,000连锁故障
1989-03-13 19,400地磁暴 & 连锁故障1989-03-135,828,000地磁暴& 连锁故障1988-04-18 18,500暴雪& 连锁故障2005-10-233,200,000飓风威尔玛
1996-07-02 11,860连锁故障1984-02-293,159,559保护误动& 人为失误2003-09-18 10,467飓风伊莎贝拉1985-09-272,991,139飓风格洛丽亚
2005-10-23 10,000飓风威尔玛1988-04-182,800,000暴雪
2005-08-29 9,652飓风卡特里娜2003-09-182,635,000飓风伊莎贝拉
1998-01-06 8,500暴雪1988-08-032,300,000过负荷（热浪）1984-02-29 7,901保护误动& 人为失误1988-08-042,300,000过负荷（热浪）1994-01-17 7,500地震1988-06-132,250,000过负荷（热浪）2002-12-04 7,200暴雪& 冻雨1988-06-142,250,000过负荷（热浪）1994-12-14 6,877连锁故障& 保护误动1988-06-152,250,000过负荷（热浪）2004-09-25 6,000飓风珍妮1996-07-022,242,715连锁故障
2007-09-18 4,700风暴2002-12-142,100,000暴风骤雨
1995-02-28 4,500连锁故障1991-08-192,085,000飓风鲍勃
1991-08-19 4,400飓风鲍勃2004-09-041,807,881飓风弗兰西斯
1985-05-17 4,300山火1994-12-141,700,000连锁故障&保护误动1988-11-16 4,200设备故障2004-09-251,700,000飓风珍妮
1990-09-19 4,000人为破坏2005-12-311,667,316暴风骤雨
1984-10-02 3,868保护误动1999-09-141,660,000飓风弗洛伊德
1990-08-07 3,728山火2005-09-231,624,774飓风丽塔
1997-08-05 3,525连锁故障1999-10-151,600,000飓风艾琳
1996-03-12 3,440连锁故障2004-09-151,536,433飓风伊万
2005-12-15 3,275暴雪1985-05-171,500,000山火
1989-12-23 3,100连锁故障1992-08-241,500,000飓风安德鲁
2004-09-06 3,000飓风弗兰西斯1998-01-061,400,000暴雪
1989-08-20 2,970设备故障1989-10-171,400,000地震
1994-01-19 2,800过负荷（寒潮）2006-07-221,271,893过负荷由表可见，极值大停电的主要肇因是连锁故障和
极端天气。

其它山火、设备故障、地震和地磁暴等均
只偶尔出现。

3 长时间尺度上的大停电风险分析
过去几十年间，电力系统经历了市场化改革、微
机保护与通信技术的广泛应用等几次重大变革，这些
因素和气候变化一起，深刻地改变了电力系统本身及
其运行环境。

为了分析在变化的电网和环境中大停电
风险源的演化规律，将每年由各种风险源引发的大停
电次数、损失负荷和损失的用户数及其变化趋势绘制
如图3-图5。

由图可见，比较明确的趋势是极端天气相关大停电的次数、损失负荷数和损失用户数均有显著上升。

以下就各种风险源进行详细分析。

3.1 过负荷与连锁故障
近年来，世界范围内连续发生的多起大停电事故造成了重大的影响。

研究表明，电力系统作为一个复杂系统具有自组织临界性，在负荷达到临界状态时,会在初始故障扰动后以潮流转移所致连锁过负荷和继电保护隐性故障的形式扩大事故区域，造成大停电的幂律特性[1]。

基于该机理解释，研究人员构建了考虑电网物理特性和各种约束的仿真模型[3-6]并就预防连锁故障大停电展开了大量研究工作。

针对连锁故障大停电发展蔓延过程中规律和共性，科研人员还提出了从控制电网负荷率[9]、识别潮流转移[10]与关键线路[11]、控制事故链风险[6]、调整距离保护三段定值[12]到有序解列与重构[13]等一系列方法来规避大停电风险、降低事故损失。

利用这些方法，能有效降低大停电风险。

3.2 极端天气
极端天气条件下电网故障率显著增加，易因群发共模故障/共因故障诱发大停电事故[14]。

其还可能借助连锁故障进一步扩大故障范围，因而是极值大停电的重要肇因。

自1980年代以来，随着地球表面温度的升高，极端天气的频率和强度明显增强[15]。

极端天气引发大停电的次数也有所增加，并成为电力行业关注的焦点[16,17]。

由极端天气引发的大停电次数、损失负荷以及
图3 各类大停电年度次数变化趋势图
图4 各类大停电年度损失负荷变化趋势图
图5 各类大停电年度损失用户数变化趋势图
损失用户持续增长，在所有大停电中的比例分别从80年代的27.6923％，28.7591％，27.2311％增加到90年代的31.8007％，31.4174％和51.5795％，而2000年以来（2000年至2007年）已达到43.3749％，46.0775％和44.2075％[7]。

NERC的数据显示，2009年由极端天气引发大停电的次数及所造成的功率和用户损失占所有大停电的比例分别上升至47.9167％，64.9957％和94.0051％[7,8]。

从长时间尺度上看，极端天气所致大停电风险可能显著上升。

这种趋势性的增长是大
停电风险分析中需要给予重点关注的对象。

3.3 山火
输配电网的故障统计数据表明，山火是输电线路故障跳闸的重要原因。

山火的规模具有幂律分布，由其引发的输电线路跳闸故障常表现为多起共因故障同时爆发的特性，在各种外界扰动因素中是比较容易借助连锁故障引起极值大停电的。

由图可见，过去几十年中因山火引发的大停电的规模一直保持稳定。

但也有研究表明，在美国西部、阿拉斯加和加拿大地区，山火的频度和规模对气候变化相当敏感。

气候变化导致的地表平均温度上升和降水分布不均将会使得山火的频率和规模明显增加，这表明未来由山火造成的大停电可能象极端天气一样会造成趋势性的增长。

3.4 设备故障
电力系统包含大量一次、二次设备，因设备故障是引发供电中断的常见原因，但通常认为设备故障是独立事件，一般损失有限，不会引发大停电事故；除非系重要元件如大型主变或母线故障，或借助连锁故障引发更大的停电事故，才有可能引发1989年8月20日那样的极值大停电。

随着通信和信息技术的普及，现代电力系统已经演变成一个依赖于通信网络、计算存储中心等配套设施的互联系统。

从计算机与网络技术在电力调度控制所占的核心地位来看，二次或通信设备的问题（网络攻击）有可能造成比一次设备故障更严重的后果。

不少研究人员从DoS（Deny of Service）的角度分析网络遭遇蠕虫攻击，失去对电网的监视和控制能力时可能发生的大停电。

但从北美大停电数据上看，SCADA 电源异常、计算机故障或通信故障之类的异常不少，但均未造成实质性的停电损失。

主要原因在于，计算机和通信系统故障时一般只会暂时失去对电网的监视能力，如此时没有外界扰动配合，并不会直接造成大停电事故，即便此时发生小规模外界扰动，继电保护系统亦可动作清除故障，维护电网稳定。

电力系统是现代社会正常运转的基石，属于网络攻击的高价值目标。

从当前世界各国对网络攻防重视的程度来看，如有力对手采用和蠕虫病毒（stuxnet worm）类同的方式绕过现有防护机制发起攻击，确实可能引发损失巨大的极值大停电。

当前电力系统信息安全防护研究需要跳出基于通用防护手段的范畴，从可能的攻击和引发损失模式入手，考虑攻防措施。

3.5 人为破坏
在北美电力公司的记录中，人为破坏曾经是个很突出问题。

2000年之前，人为破坏主要表现为偷盗杆塔的配件、装设爆炸物和恐怖袭击等形式，但由于这些均是孤立事件，最多仅导致线路停运，没有直接威胁到电网安全。

911事件后，美国加强了国土安全防卫，类似针对电网进行物理破坏的行为已销声匿迹。

另一种人为破坏的模式是通过网络对电力系统发起恶意攻击，类似案例虽然规模甚小，损失不大，其风险却不可小觑。

因为通过网络比较容易组织协同攻击，引发多重共因故障，并借助连锁故障的形式导致大停电，造成重大损失。

近年来出现的以震网病毒病毒为代表的新的网络攻击模式，可以绕过包括物理隔离方式等多重屏障，对包括SCADA在内的各种工业控制系统发起恶意攻击，如何评估其可能造成的损失，如何防御类似攻击，是风险管理中需要考虑的焦点问题。

3.6 人为误操作
电力公司的人因失误也会造成大停电事故。

此类事故往往是由于接线错误或者继电器的不正确设置引起的，往往发生在变电站的检修、测试和开关操作过程中。

事故记录中，曾多次发生同一变电站于1个月内连续发生2起误操作引发大停电的案例，这也体现了北美电力从业人员素质不高，培训不足的缺陷。

3.7 继电保护误动
微机继电保护可以实现复杂的保护功能和自我检查，它的广泛使用大大地提高了保护的可靠性和安全性。

从数据上看，因继电保护误动作造成的停电次数和损失一直保持稳定。

随着对隐性故障认识程度的深化，继电保护误动还会得到进一步改善。

3.8 地磁暴与地震
由地磁暴或地震引发的大停电可能性极其微小，影响却很大。

地磁暴是指由于太阳活动或地震、火山爆发引起地球磁场的剧烈变化，其中以太阳活动引起的地磁暴最常见且危害最大。

太阳磁暴时抛射出的日冕物质掠过地球时，与大气层激烈碰撞并使地球磁场发生显著波动，引发地磁暴，并在地面感应出地电势。

输电线路两端的地电位差将通过变压器或并联电抗器接地中性点在输电线路中产生地磁电流。

地磁电流是频率在0.001～0.1Hz之间的准直流电流[18,19]，它的流入使得变压器工作在直流偏磁状态下，引起铁芯饱和，不但向电网注入大量谐波，引起并联电容器和SVC 等无功补偿装置饱和退出，还会使变压器吸收大量激磁无功，降低系统运行电压，威胁电网安全。

此外，注入电网的谐波还可能引发继电保护误动，扩大事故范围。

1984年以来，北美电网共观测到3起电磁暴引发的大停电事故，其中1989年3月13日的地磁暴先是引起并联电容器和SVC等无功补偿装置大量跳闸，然后使得魁北克水电局5条735千伏线路在电网失去同步的情况下同时跳闸，损失582.8万用户和19400MW的负荷。

根据文献[20]对事故过程的描述，笔者认为该次大停电是由地磁暴和连锁故障共同引发。

从时间上看，地磁暴一般与太阳磁暴一样具有明显的周期性。

从地理位置上看，地磁暴主要影响处于高纬度地区电网和沿海地区。

因地磁电流不能突变，当地磁电流从电阻率较低的海洋流至电阻率较高的大陆时，往往会在沿海地区产生较高的地电势。

地磁的海岸效应使得它对低纬度沿海地区电网也有相当威胁[18,19]。

在地磁的海岸效应作用下，我国处于低纬度带的江苏上河变电站、惠州、岭奥核电站均发现过地磁电流导致的变压器直流偏磁现象，尽管未曾引起实质性的电网故障，但由于超高压远距离输电可能使得输电线路两端的电势差增加，引入更大的地磁电流，其风险不容小觑。

特高压采用的是最易受地磁电流影响发生直流偏磁饱和的单相变压器，但目前修建的特高压输电线路多位于内陆中纬度地区，影响相对有限。

因地磁暴曾经造成巨大损失，国内外研究人员对于地磁暴引发大停电的风险都给予了足够重视。

IEEE 发布了工作组报告，国内也设立了863专题。

通过这些研究，对地磁暴影响电网的方式与途径有了深刻的认识。

针对地磁电流主要成分为直流的特点，提出了在长输电线路上加串补或在变压器中性点串接小电容器等隔直方法，能有效规避地磁暴引发大停电的风险。

因地磁暴的危害模式和防治措施都已有深入系统研究，因地磁暴引发大停电的风险有限可控。

统计数据表明，北美电网共有7次与地震相关大停电，损失负荷9860MW，损失用户289万。

电网抗震除了一次设备选型和线路差异化设计以外，没有特别有效的应对措施。

5 结论
本文利用1984至2007年间北美大停电数据，识别了具有超大规模的29次（3%）极值大停电，分析表明连锁故障和极端天气是极值大停电的主要肇因。

继而又从长时间尺度上，分析了各种风险源的演化趋势，最后结合各风险源的研究程度和防治措施进行了风险估计。

参考文献
[1]. B. A. Carreras, D. E. Newman, I. Dobson, A. Bruce Poole.
Evidence for self-organized criticality in a time series of
electric power system blackouts [J]. IEEE Transactions on
Circuits and Systems I. 2004 51(9): 1733-1740.
[2].于群, 郭剑波. 电网停电事故的自组织临界性及其极值分
析. 电力系统自动化, 2007 31(3): 1-3.
[3].易俊, 周孝信. 考虑系统频率特性以及保护隐藏故障的电
网连锁故障模型. 电力系统自动化, 2006 30(14): 1-5. [4].S Mei, F He, X Zhang, S Wu, G Wang. “An Improved OPA
Model and Blackout Risk Assessment”. IEEE Trans. Power
Syst, Vol.24, No.2, pp: 814-823, May. 2009.
[5].曹一家, 王光增, 曹丽华, 丁理杰. 基于潮流熵的复杂电网
自组织临界态判断模型. 电力系统自动化, 2011 35(7): 1-6. [6].王安斯, 罗毅, 涂光瑜, 刘沛. 基于事故链风险指标的输电
脆弱度在线评估方法. 中国电机工程学报, 2010 30(25):
44-50.
[7].苏盛. 考虑长时间尺度效应的大停电风险分析[R]. 华中科
技大学博士后出站报告, 武汉, 2012.
[8].available online: /page.php?cid=5|66
[9].I Dobson, B A Carreras, D E Newman. A loading-dependent
model of probabilistic cascading failure. Probability in the
Engineering and Informational Sciences, 2005 19(1): 15-32. [10].徐慧明, 毕天姝, 黄少锋, 杨奇逊. 基于WAMS 的潮流转
移识别算法. 电力系统自动化. 2006 30(14): 14-19.
[11].丁理杰,刘美君, 曹一家, 韩祯祥. 基于隐性故障模型和风
险理论的关键线路辨识. 电力系统自动化,2007,(6). [12].S. H. Horowitz, A. G. Phadke. Third zone revisit. IEEE Trans.
Power Del., 2006 21(1): 23-29.
[13].刘艳，顾雪平．基于节点重要度评价的骨架网络重构．中
国电机工程学报，2007 27(10): 20-27.
[14].薛宇胜, 费圣英, 卜凡强. 极端外部灾害中的停电防御系统
构思（一）新的挑战与反思. 电力系统自动化, 2008 32(9):
1-6.
[15].http：//www.ipcc.ch/ipccreports/ar4- syr.htm．
[16].苏盛, 陈金富, 段献忠. 全球暖化与电力系统的相互影响
综述, 电网技术, 2010 34(2):33-40.
[17].Tom Overbye, Judith Cardell, Ian Dobson, Ward Jewell,
Mladen Kezunovic, P. K. Sen, Daniel Tylavsky. The Electric
Power Industry and Climate Change: Power Systems Research
Possibilities——Final Project Report. 2007
[18].IEEE transmission and distribution committee working group
on geomagnetic disturbances and power system effects.
Geomagnetic disturbance effects on power systems. IEEE
Trans Power Delivery, 1993 8(3): 1206-1216.
[19].Working group K-1 1 of the substation protection
subcommittee of the power system relaying committee. The
effects of GIC on protective relaying. IEEE Trans Power Del.,
1996 11(2): 725-739.
[20].John G Kappenman, Albertson Vernon. Bracing for the
geomagnetic storms．IEEE Spectrum. 1990 27(3): 27-33.。