Small disturbances can trigger cascading failures in power grids
随着电力需求的急剧增长,世界范围内电网大面积停电事故频繁发生。级联故障是网络中断的主要原因。因此,揭示电网中复杂的级联机制,有助于设计有效的策略抑制故障,进一步保证用户的稳定供电。基于网络动力学的最新进展,提出了一种基于李雅普诺夫稳定性的复杂网络级联故障分析框架。我们抛弃了传统静态故障模型中网络稳定的假设,发现小扰动实际上可以触发不稳定网络的级联故障。更严重的是,这种故障往往伴随着平衡转换过程中的线路过载故障。通过对西班牙电网的仿真分析,总结出这种新的失效模式具有发生率低、破坏性大、传播速度快等特点。它通常倾向于首先发生在边缘节点,然后传播到中心节点。这些特征与实践中对停机的经验观察是一致的。
2019-07-30 cs.SY eess.SY
The Risk of Hidden Failures to the United States Electrical Grid and Potential for Mitigation
隐藏故障对美国电网的可靠性产生了明显的影响。这些危险是保护装置误操作的原因,并可能导致附近组件的多元素意外事件,大大增加了级联事件的可能性。本文深入概述了隐藏故障的原因和风险,并讨论了确定隐藏故障可能造成连锁故障风险的关键位置的方法,最终目标是确定有效的缓解方法,可以防止其发生在保护继电器中。
2021-12-31 cs.SY eess.SY
Comparision of Traditional and Fuzzy Failure Mode and Effects Analysis for Smart Grid Electrical Distribution Systems
可靠性评估是识别、解释和减少安全关键系统(如智能电网)中潜在故障的不可或缺的技术。故障模式与影响分析(FMEA)是风险分析的一种有据可查的技术,用于研究故障模式对安全关键系统(如智能电网)的影响。在传统的FMEA中,故障模式的优先级是基于称为风险优先数的数字评估。风险优先数(RPN)定义为三个风险因素(即严重度(S)、发生率(O)和可检测性(D))的乘积。这些风险因素通常是通过广泛的团队努力和判断来实现的,这可能导致错误和不一致。针对传统FMEA方法的不足,提出了一种基于模糊的FMEA方法来生成可靠的风险优先级排序。在这项研究中,传统的和基于模糊的FMEA风险优先级排序的智能电网配电系统进行了比较,并提出了建议的基础上分析。结果证明了模糊FMEA方法的有效性。
2022-05-10 cs.SY eess.SY
Interface Networks for Failure Localization in Power Systems
输电电力系统通常由相对独立运行的互联子电网组成。当故障发生时,期望将其影响定位在故障发生的子网格内。本文介绍了三个接口网络连接子网格,实现更好的故障定位,同时保持强大的网络连通性。所提出的接口网络进行了验证与数值实验的IEEE 118节点测试网络下的直流和交流潮流模型。
2022-05-12 cs.SY eess.SY
The Impact of the Topology on Cascading Failures in Electric Power Grids
Delft University of Technology(代尔夫特理工大学);TNO (Netherlands Organisation for Applied Scientific Research)(荷兰应用科学研究组织)
本文研究电网拓扑对级联故障鲁棒性的影响,提出有效图电阻指标,结合电力流特性优化电网拓扑以提高鲁棒性。
2013-11-29 cs.SY eess.SY physics.soc-ph
Identification and Analysis of Cascading Failures in Power Grids with Protective Actions
Nanyang Technological University(南洋理工大学)
本文研究了电力系统中导致最坏级联故障的初始扰动识别与分析,提出了一种最优控制方法来确定电力传输系统支路上最破坏性的扰动,并在凸优化框架中考虑保护动作如负荷削减和发电调度,以防止级联停电。通过求解代数方程组获得识别最破坏性扰动的必要条件,并通过IEEE RTS 24节点系统进行数值模拟验证。
2019-03-29 cs.SY eess.SY
EXPOSE the Line Failures following a Cyber-Physical Attack on the Power Grid
Princeton University(普林斯顿大学);Columbia University(哥伦比亚大学)
本文研究了网络-物理攻击对电力网络的影响,提出EXPOSE算法用于检测和恢复攻击区域内的线路故障和电压,算法在可扩展性和准确性上优于现有方法。
2017-09-21 cs.SY eess.SY
Most probable failure scenario in a model power grid with random power demand
University of Arizona(亚利桑那大学)
研究电力网络中随机功率需求下系统故障最可能场景,提出两种数值方法确定最优故障演化路径,基于此可估算单位时间故障概率。
2013-09-28 cs.SY eess.SY math.OC
Cascading Failures in Power Grids
本文研究了人为攻击对国家电力系统造成的后果。我们考虑两种类型的攻击:($i$)攻击对手使用战术武器,并摧毁了大部分的网格,物理上针对一个大的地理区域;($ii$)有针对性的攻击对手,采取了少量的关键组件在网络中的同时。我们的分析使用($i$)的基础电网,包括拓扑结构,控制和保护组件的现实表示,($ii$)的有针对性的攻击场景的现实表示,和($iii$)的动态稳定性分析,这超出了传统的工作,包括结构和线性流分析。这种现实的分析是昂贵的,但至关重要的,因为它可以捕捉级联故障,由于攻击引起的瞬态不稳定性的结果。我们的模型承认在保护系统中存在隐藏的故障,导致继电器误操作。我们分析了不同级别的隐藏故障的连锁停电的程度。我们的研究结果表明:($i$)战术攻击具有显著的社会、经济和健康损害,但不一定导致区域级联;相反,有针对性的攻击可导致显著级联并导致大区域上的断电。我们的工作表明,有必要加强电网,不仅要防止网络攻击,还要防止物理攻击。此外,我们表明,现实的表示和分析可以导致从根本上新的见解,简化模型是不可能捕捉。最后,这些方法和结果帮助我们识别网格中的关键元素;然后可以以更精确的方式加固系统以减少漏洞。
2022-09-26 cs.SY eess.SY
Deep Reinforcement Learning for Power Grid Multi-Stage Cascading Failure Mitigation
School of System Science and Engineering(系统科学与工程学院)
针对现有单阶段策略难以处理电网多级连锁故障的问题,本文构建仿真环境,并采用确定性策略梯度强化学习实现连续控制,在 IEEE 14-bus 与 IEEE 118-bus 系统中验证了缓解效果。
2025-05-13 cs.AI cs.SY eess.SY
Network-aware EV charging and discharging in unbalanced distribution grids: A distributed, robust approach against communication failures
本文提出一种基于ADMM的分布式电动汽车充放电算法,在不平衡配电网中考虑用户经济性与网络约束,并通过有限信息交换实现协同,同时具备对通信故障的鲁棒性,仿真验证了其有效性。
2023-10-17 cs.SY eess.SY
Cascading Failures in Power Grids - Analysis and Algorithms
Columbia University(哥伦比亚大学);Laboratoire d’Informatique Fondamentale de Marseille(马赛基础信息学实验室)
本文分析电力网络中级联线路故障的影响,提出基于伪逆矩阵的高效算法,探讨了电阻距离和伪逆矩阵在故障预测中的作用,证明了相关问题的计算复杂性。
2014-02-07 cs.SY eess.SY
Cascading Failures in AC Electricity Grids
Jacobs University(雅各布斯大学);Carl von Ossietzky Universität Oldenburg(卡尔·冯·奥西茨基老enburg大学);Pohang University of Science and Technology(浦项科技大学)
研究了交流电网中单个传输元件突发故障引发的级联故障现象,发现其概率遵循幂律衰减,且系统规模与阈值影响显著,实证分析显示大规模发电机和用户集群更易受级联故障影响。
2016-08-12 cs.SY eess.SY nlin.AO
Topology-Aware Spatio-Temporal Graph Transformer for Predicting Smart Grid Failures
North Dakota State University(北达科他州立大学);North Carolina A&T State University(北卡罗来纳农业与州立大学);University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校);University of South Florida(南佛罗里达大学)
本研究提出拓扑感知的时空图Transformer模型,通过整合物理网络拓扑与时间序列数据,提升智能电网故障预测的准确性与可靠性。
2026-01-06 cs.SY eess.SY
Line failure probability bounds for power grids
CWI(荷兰数学与计算机科学研究学会);Eindhoven University of Technology(埃因霍温理工大学)
本文基于直流近似和高斯噪声假设,推导了电力网络中线路故障概率的上界,得到凸多面体安全运行容量区域,适用于现有规划方法。
2016-11-07 cs.SY eess.SY math.OC
Towards a Universal Approach for Identifying Cascading Failures of Power Grids
Nanyang Technological University(南洋理工大学);Institute of Catastrophe Risk Management, Nanyang Technological University(南洋理工大学灾难风险管理研究所);Future Resilient Systems, Singapore-ETH Centre(新加坡-苏黎世联邦理工学院中心未来弹性系统);School of Electrical and Electronic Engineering, Nanyang Technological University(南洋理工大学电气与电子工程学院)
本文提出一种通用方法,用于识别可能引发电力系统最坏情况连锁故障的初始破坏性故障,通过统一数学框架和Jacobian-Free Newton-Krylov方法解决故障识别问题。
2019-04-13 cs.SY eess.SY
Towards Statistical Methods for Minimizing Effects of Failure Cascades
本文讨论了在电力电力系统中采取发电和负荷调度等纠正措施以减小输电线路故障影响的可能性。三个损失函数(以网格为中心,以消费者为中心,影响本地化)被用来统计评估初始偶发故障的临界性。AC和DC电网模型的学习计划结合了Monte Carlo方法与凸动态规划公式,并引入了自适应选择过程,说明了IEEE-30总线系统。
2022-11-02 cs.SY eess.SY
Interaction Graphs for Cascading Failure Analysis in Power Grids: A Survey
了解和分析电网中的连锁故障一直是许多研究者关注的焦点。然而,这些系统中大量组件之间的复杂相互作用及其对级联故障的贡献尚未完全了解。因此,各种技术已经被开发出来,并用于建模和分析的电力网的组件之间的级联故障的基础相互作用。这些方法对于揭示电力系统物理模型和拓扑结构中可能不容易获得的基本信息非常重要。一般而言,系统的组件之间的影响和相互作用可能由于控制功率流动态的电的物理特性以及系统的组件之间的其他功能和网络依赖性而在本地和远处发生。为了推断和捕获这样的交互,基于电的物理学的数据驱动的方法或技术已经被用于开发电网的组件之间的交互的基于图形的模型。在这篇综述中,我们回顾了开发交互图的各种方法以及使用这些图进行电网可靠性和连锁故障分析的研究。
2020-05-14 cs.SY eess.SY physics.data-an
Physics-Informed Graph Neural Jump ODEs for Cascading Failure Prediction in Power Grids
University of Michigan–Dearborn(密歇根大学迪尔伯恩分校)
本文提出PI-GN-JODE模型,结合图神经网络、连续电力再分配ODE和跳跃过程处理,实现电力网络级联故障的实时预测,通过物理正则化提升预测精度,实验表明在IEEE 24-bus和118-bus系统中表现优异。
2026-03-21 cs.SY eess.SY
Multilayer control of synchronization and cascading failures in power grids
本文提出一种多层网络控制方案,结合比例与积分控制律,并考虑过载条件,以应对电网大扰动导致的失同步和级联故障,并在意大利高压电网上验证。
2023-12-27 cs.SY eess.SY math.DS
Emergent failures and cascades in power grids: a statistical physics perspective
CWI, Amsterdam(阿姆斯特丹数学与计算机科学中心);California Institute of Technology, Pasadena, California(加州理工学院)
研究电力网格中因间歇性可再生能源输入噪声导致的故障传播机制,结合统计物理与电力流物理,通过德国输电网数据验证小噪声极限下的数学严谨性。
2018-04-20 cond-mat.dis-nn cs.SY eess.SY
Nodal Braess's Paradox and Inertia Destabilization with Dynamic Node and Line Failures in Power Grids
Potsdam Institute for Climate Impact Research (PIK)(波茨坦气候影响研究所);Reiner Lemoine Institut gGmbH(莱纳·莱莫因研究所);Technische Universität Berlin(柏林工业大学);Humboldt-Universität zu Berlin(柏林洪堡大学);Fraunhofer Research Institution for Energy Infrastructures and Geotechnologies IEG(弗劳恩霍夫能源基础设施和岩土技术研究院)
提出集成节点/线路故障与同步振荡器动力学的新模型,发现高惯性和节点鲁棒性增强可能反常地扩大级联规模,揭示新型Braess悖论。
2026-06-19 cs.SY eess.SY nlin.AO
Cascade Failures from Distributed Generation in Power Grids
ISC-CNR Physics Dept., Univ. ”La Sapienza”(意大利罗马大学 ISC-CNR 物理系);IMT Alti Studi Lucca(卢卡高等研究所);London Institute of Mathematical Sciences(伦敦数学科学研究所);Department of Electrical and Computer Engineering, College of Engineering Kansas State University(堪萨斯州立大学工程学院电气与计算机工程系)
通过引入随机分布式发电的简化模型,研究可再生能源渗透率增加如何导致电网在临界点发生级联故障。
2013-05-15 cs.SY eess.SY physics.soc-ph
MATCASC: A tool to analyse cascading line outages in power grids
Faculty of Technology, Policy and Management, Delft University of Technology(代尔夫特理工大学技术、政策与管理学院);Computational Physics for Engineering Materials, ETH Zurich(苏黎世联邦理工学院工程材料计算物理)
本文提出MATCASC工具,用于分析电力网络中的连锁故障,通过评估IEEE测试系统和实际电网的鲁棒性,验证其有效性。
2013-08-01 cs.SY eess.SY physics.soc-ph
Vulnerability Assessment of Power Grids Based on Both Topological and Electrical Properties
在现代电网中,局部故障或攻击可能引发灾难性的连锁故障,这使得评估电网的攻击脆弱性具有挑战性。本文定义了$K$ -链路攻击问题,研究了电网在连锁故障下的攻击脆弱性。特别地,我们提出了一个基于拓扑和电力网络的电气特性的链路中心性度量。根据这种中心性,我们提出了一种贪婪攻击算法和一种最优攻击算法。在标准IEEE节点测试数据上的仿真结果表明,优化攻击在破坏电网方面优于贪婪攻击和传统的基于PSO的攻击。此外,贪婪攻击具有较小的计算复杂度比最优攻击和基于PSO的攻击具有足够的攻击效率。我们的工作有助于了解电网的脆弱性,并为确保电网安全提供了一些线索。
2019-09-03 cs.SY eess.SP eess.SY
Cost Restrained Hybrid Attacks in Power Grids
近年来,电网连锁故障的频繁发生一直受到人们的关注。了解电网在各种攻击下的连锁故障脆弱性是我们面临的一项紧迫任务。考虑了电网中的一个代价受限的混合攻击问题,其中节点和链路都以有限的总攻击代价为目标。我们提出了一个组件(节点或链路)的攻击中心性度量的基础上的后果和成本的组件的删除。根据所考虑的级联故障的宽度,攻击中心可以是局部或全局攻击中心。利用攻击中心性,我们进一步提出了一种贪婪混合攻击,以及一种基于粒子群优化(PSO)框架的最优混合攻击。对IEEE总线测试数据的仿真结果表明,最优混合攻击比贪婪混合攻击更有效。此外,我们发现反直观的局部中心性的算法优于全局中心性的攻击问题时,考虑成本约束。
2020-06-22 cs.SY eess.SY
High Tension Lines: Predicting robustness of high-voltage power-grids to cascading failure using network embedding
本文探讨了图嵌入方法是否可以作为一种工具来分析网络科学框架内的电网的鲁棒性。本文重点介绍了应变提升拉伸弹簧嵌入(SETSe)算法,并将其与node2vec和Deep Graph Infomax进行了比较,并测量了平均边缘容量和线负载。测试了这五种方法在随机攻击下预测网络巨型组件崩溃点的能力。该分析使用了七个电网网络,从14到2000个节点不等。总的来说,通过加载网络的边缘以具有一定范围的容差并将网络容量集中到较少的边缘中,为每个网络创建了3456个负载简档。为每个负载配置文件生成100个随机攻击序列,并记录每个配置文件的巨型组件崩溃所需的平均攻击次数。然后比较所有五种方法中每个载荷曲线的嵌入值与平均崩溃点之间的关系。据发现,只有SETSe和线路负载表现良好的代理与$R^2 = 0.89$的两个措施的鲁棒性。当在时间序列正常操作条件下进行测试时,线路负载表现非常好($R=0.99$)。然而,SETSe算法通过利用其方法局部平滑和节点特征的全局加权来提供可解释的地理嵌入,从而提供对电网状态的有价值的定性洞察。本文表明,图表示算法可以用来分析网络特性,如级联故障攻击的鲁棒性,即使当网络嵌入在节点级。
2021-05-27 cs.SY eess.SY
Don't go chasing artificial waterfalls: Simulating cascading failures in the power grid and the impact of artificial line-limit methods on results
University College London(伦敦大学学院)
研究输电网络中的连锁故障需要关于单个输电线路容量的详细数据。然而,研究人员往往无法获得这些数据。因此,线路限制通常通过假设它们与某个平均负载成比例来建模。然而,很少有研究支持这一假设是现实的。在本文中,我们分析了比例加载(PL)的方法,并比较它的两个线性模型,使用电压和初始潮流作为变量。在进行这种建模,我们测试的能力,人工线的限制,真正的线的限制模型,在攻击过程中所造成的损害和边缘丢失的顺序。我们还测试了这些方法对不同攻击策略的相对性能进行排名的准确性。我们发现线性模型是所有测试中表现最好或接近最好的方法。相比之下,产生最佳PL限值的公差值根据测试而变化。PL方法是一个特别差的拟合时,线公差小于2,这是最常用的值范围内的故障研究。我们还发现的迹象表明,建模线限制的准确性并不表明如何以及模型将代表网格崩溃。此外,我们发现的证据表明,网络的拓扑结构可以用来估计系统的真实平均负载。本文的研究结果提供了一个了解的PL方法的弱点,并提供了一种替代方法的线限制建模。
2019-08-07 cs.SY eess.SY
Power Grid Vulnerability to Geographically Correlated Failures - Analysis and Control Implications
Columbia University(哥伦比亚大学);Technion(以色列理工学院);Hebrew University(希伯来大学)
本文针对自然灾害或大规模物理攻击引发的输电线路地理相关故障,提出分析模型研究级联故障,识别最脆弱位置,并通过真实电网数据实验揭示参数关系,为电网设计及升级中的防护、加固和监测提供指导。
2012-06-06 cs.PF cs.SY eess.SY
REACT to Cyber Attacks on Power Grids
Princeton University(普林斯顿大学);Columbia University(哥伦比亚大学)
本文研究了影响电力网络物理基础设施和控制中心数据的网络攻击,提出REACT算法以有效检测攻击区域和线路故障。
2017-09-20 cs.SY eess.SY
A Spectral Representation of Power Systems with Applications to Adaptive Grid Partitioning and Cascading Failure Localization
电力系统中的输电线路故障会非局部地传播和级联。这一众所周知但又违反直觉的特性使得优化和可靠地运行这些复杂网络变得更具挑战性。在这项工作中,我们提出了一个全面的框架,频谱图论的基础上,充分和严格地捕捉多个同时发生的线路故障传播,区分非割集和割集停电。使用这种电力系统的谱表示,我们确定了关键的图形子结构,确保线路故障定位-网络桥块分解。利用这一理论,我们提出了一个自适应网络拓扑结构重构的范例,使用两个阶段的算法,第一阶段的目的是确定最佳集群使用的概念,网络模块化和第二阶段细化集群通过最佳线路切换动作。我们所提出的方法说明了使用广泛的数值例子标准IEEE网络,我们讨论了几个扩展和所提出的算法的变种。
2021-05-11 cs.SY eess.SY math.OC
Topology Estimation Following Islanding and its Impact on Preventive Control of Cascading Failure
在级联故障期间的电网的拓扑结构的知识是集中式停电预防控制的基本要素,鉴于多个岛屿通常形成,作为级联的进展。此外,关于电网的网络层和物理层之间的相互依赖性的学术研究表明,级联期间的电力故障可能导致通信网络的中断,这逐渐减少了可观察的区域。这些挑战目前的文献线路停电检测,假设电网仍然是一个单一的连接组件。我们提出了一种新的方法来消除这种假设。在孤岛事件之后,首先识别形成所连接的组件的总线,然后检测各个岛内的进一步线路中断。除了电力系统的测量,可观察的断路器状态被集成为我们的拓扑识别算法的约束。误差传播对估计过程的影响,因为依赖于以前的估计不断增长的级联过程中也进行了研究。最后,估计的导纳矩阵用于预防控制的连锁故障,创建一个闭环系统。首次研究了这种相互关联的估计和控制对总负荷的影响。IEEE-118节点系统和2,383节点波兰网络的仿真结果表明了该方法的有效性。
2021-04-13 cs.SY eess.SY
Protecting the Grid against IoT Botnets of High-Wattage Devices
Princeton University(普林斯顿大学)
本文提出两种算法,用于在经济调度中找到发电机的稳健运行点,以防止MAD攻击导致的线路过载。定义了αD鲁棒性概念,并展示了如何高效确定电网的αD鲁棒性界限。
2018-08-11 cs.SY eess.SY
Deep Reinforcement Learning for Smart Grid Protection Against Coordinated Multistage Transmission Line Attacks
随着电网连通性的提高,输电线路故障可能引发连锁故障,造成巨大的经济损失和严重的社会影响。因此,识别可能引发级联故障的各种类型攻击下的关键线路并部署防御资源来保护它们是非常重要的。与单阶段攻击或无协调的多阶段攻击相比,多阶段线路协同攻击可能导致更大的负面影响,因此本文旨在识别多阶段协同攻击下可能引发级联故障的关键线路,并优化部署有限的防御资源。为此,我们首先制定了一个总发电损失最大化的问题,考虑多个攻击者和多个阶段。由于解空间的大小,这是非常具有挑战性的解决制定的问题。为了克服这一挑战,我们将问题重新表述为马尔可夫博弈,并设计其组件,例如,状态、动作和奖励。接下来,我们提出了一种基于多智能体深度强化学习和优先经验重放的可扩展算法来解决马尔可夫博弈,该算法可以确定最佳攻击线序列。然后,我们设计了一个防御策略,以确定最佳的防线集。大量的仿真结果表明了所提出的算法和设计的防御策略的有效性。
2020-11-30 cs.SY eess.SY
Recovery Time Metric Demonstrated on Real-world Electric Grid for Hurricane Impacted Outages
这项工作提出了一种方法来估计恢复时间的输电线路和变电站,并证明了在现实世界中的1269总线电力系统模型波多黎各20飓风的情况下,或随机实现的资产故障的气象条件下的飓风玛丽亚。该方法定义了系统组件的基本恢复时间,并通过乘数识别影响这些基本值的因素。虽然该方法是测试由于飓风的输电线路和变电站故障,它是基于一个通用的过程,可以应用于任何系统组件或事件作为一个通用的恢复时间估计框架。结果表明,考虑到两种故障模式下的研究(输电塔和变电站),输电塔似乎有更大的影响恢复时间的估计,尽管变电站被给予较长的基本停电时间。此外,20种情景下模拟飓风的平均恢复时间约为28,000个工作人员日。
2022-03-09 cs.SY eess.SY
The Risk of Cascading Failures in Electrical Grids Triggered by Extreme Weather Events
与气候变化有关的严重威胁之一是极端天气事件的数量和严重程度增加。一个突出的例子是飓风,它是由沿海温度上升造成的。这种极端天气事件可能对基础设施系统造成广泛的破坏,并可能破坏电力传输网络中的组件,这反过来又可能导致大停电。在我们最近的工作中,我们使用历史风场数据集研究了美国东海岸电力系统中飓风引起的级联故障的风险。为了这个目的,我们模拟飓风期间架空输电线路的破坏,其中每条故障线路会导致系统中的电力流重新路由。新的电力流可能会使额外的线路过载,这些线路随后会自动停用,从而导致电力流的另一次改道,等等。最终,一连串的故障可能会发生,从而导致电力系统的大部分停电。
2021-07-01 cs.SY eess.SY nlin.AO
Analysis of Cascading Failures Due to Dynamic Load-Altering Attacks
针对负载改变攻击(LAAs)可引发电网级联故障但关键攻击场景难采样的问题,采用skipping sampler算法高效采样,基于IEEE-39节点系统仿真揭示了协同LAAs对现代电网的特殊风险。
2023-06-10 cs.CR cs.SY eess.SY
Analysis of Load-Altering Attacks Against Power Grids: A Rare-Event Sampling Approach
通过操纵成千上万的物联网(IoT)使能的高瓦数电器(例如,WiFi控制的空调),大规模的负载改变攻击(LAA)可能会导致电网运营严重中断。在这项工作中,我们提出了一种罕见事件采样的方法来识别LAAs,导致关键的网络故障事件(定义为激活电网应急响应(ER))。所提出的采样器被设计为“跳过”不太感兴趣的LAA实例(即,不触发网络故障的那些),从而显著降低了识别有影响的LAA的计算复杂度。我们进行广泛的模拟LAAs使用昆都尔两区域系统(KTAS)的电力网络,同时采用稀有事件采样器。这些结果有助于我们识别攻击者可以发起最具影响力的攻击的受害者节点,并深入了解LAA的空间分布如何触发ER的激活。
2022-05-06 cs.SY eess.SY
Reinforcement Learning with Probabilistic Boolean Network Models of Smart Grid Devices
Centro de Ciencias de la Complejidad (C3), Universidad Nacional Autónoma de México(墨西哥国立自治大学复杂性科学中心);Centre de Recerca en Enginyeria Biomèdica, Universitat Politècnica de Catalunya(加泰罗尼亚理工大学生物医学工程研究中心);Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas, Universidad Nacional Autónoma de México(墨西哥国立自治大学应用数学与系统研究所);Lakeside Labs GmbH(Lakeside Labs 有限公司);Institut de Recerca Sant Joan de Déu(圣琼德乌研究所)
智能电网领域需要不断提高其效率和弹性,以提供高质量的电力,在耐电网中,管理故障并避免故障。实现这一点需要高的组件可靠性,充分的维护,并研究故障发生。正确的系统操作涉及这些活动,以及检测、分类和隔离故障和故障的新方法,以及使用预测算法和分析(使用数据分析和资产状况来计划和执行活动)对流程进行建模和模拟。我们展示了一个复杂的自适应,自组织建模方法,概率布尔网络(PBN)的应用,作为一种方式对智能电网设备的动态的理解,并建模和表征其行为。这项工作表明,PBN是等价于标准的强化学习循环,其中代理/模型与其环境相互作用,并以奖励信号的形式接收反馈。不同的奖励结构是为了描述偏好的行为。该信息可用于指导PBN避免故障状况和故障。
2021-02-02 cs.LG cs.SY eess.SY
Modeling the Impact of Communication Loss on the Power Grid under Emergency Control
Massachusetts Institute of Technology(麻省理工学院)
本文研究通信网络对电力网络控制的影响,设计集中式应急控制方案,揭示通信损失不必然导致节点失效,并通过参数分析通信损失的影响,为优化电力网络与通信网络的依赖关系提供方法。
2015-05-06 cs.SY eess.SY math.OC
Distributed Frequency Control in Power Grids Under Limited Communication
Massachusetts Institute of Technology(麻省理工学院)
研究受限通信对最优分布式频率控制性能的影响,提出利用电网动态复制通信信息的新方案,证明其在单链路故障下能实现最优解,并通过仿真提升收敛时间。
2016-05-03 cs.SY eess.SY math.OC
Fault Detection for agents on power grid topology optimization: A Comprehensive analysis
Fraunhofer IEE(弗劳恩霍夫IEE研究所);Kassel University(卡塞尔大学);Kiel University(基尔大学)
针对DRL电网拓扑优化智能体失效原因不明的问题,本研究通过聚类识别5类失效模式,提出多分类预测方法,其中LightGBM预测准确率达82%、存活/失效分类准确率达87%,还通过特征分析明确了电网关键特征与区域。
2024-09-17 cs.AI cs.LG cs.SY
RL for Mitigating Cascading Failures: Targeted Exploration via Sensitivity Factors
Rensselaer Polytechnic Institute(伦斯勒理工学院);GE Vernova Advanced Research(GE Vernova先进研究院)
本文针对电网弹性与气候变化的相互影响问题,提出物理引导强化学习(PG-RL)框架,通过利用潮流敏感度因子引导探索,确定实时补救线路切换动作,提升电网资源利用率并优化停电缓解策略,增强电网弹性。
2024-11-27 cs.AI cs.LG cs.SY
Structural Vulnerability of Power Grids to Disasters: Bounds, Adversarial Attacks and Reinforcement
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文研究电力电网在自然灾害下的结构性脆弱性,提出直观的图形指标量化损害程度,并通过仿真分析改进的图特征值界限及对抗攻击方案,以降低电网韧性。
2015-09-24 cs.SY eess.SY math.OC
Non-Stationary Random Process for Large-Scale Failure and Recovery of Power Distributions
Georgia Institute of Technology(佐治亚理工学院);Entergy Services, Inc.(安特吉服务公司);Howard University(霍华德大学)
提出非平稳随机过程描述大规模故障与恢复全生命周期,定义韧性指标并推导闭式解,应用于飓风伊克实际案例。
2012-04-05 cs.SY eess.SY
Structural Vulnerability Assessment of Electric Power Grids
Faculty of Technology, Policy and Management, Delft University of Technology(代尔夫特理工大学技术、政策与管理学院);Faculty of Electrical Engineering, Mathematics and Computer Science, Delft University of Technology(代尔夫特理工大学电气、数学与计算机科学学院);TNO (Netherlands Organisation for Applied Scientific Research)(荷兰应用科学研究组织)
本文提出有效图电阻作为电网脆弱性度量,考虑电网电气特性,用于识别关键传输线路。
2013-12-19 cs.SY eess.SY physics.soc-ph
Methods for Actors in the Electric Power System to Prevent, Detect and React to ICT Attacks and Failures
电力供应的根本变化和日益分散的权力要求更积极的电网运作,并要求所有电力系统行为者进一步整合信息和通信技术。这一趋势增加了复杂性,并日益导致主要电网运营与ICT以及不同电力系统参与者之间的互动。例如,虚拟发电厂通过信通技术控制配电网中的各种资产,以联合营销现有的灵活性。因此,信息和通信技术故障或有针对性的攻击可对供应安全和系统稳定产生严重影响。本文提出了一种整体的方法,专门为电力系统中的行为者提供方法,以预防,检测和应对ICT攻击和故障。我们措施的重点是ICT监控解决方案,检测过程网络中ICT攻击和入侵的系统,以及提供可操作的指导方针和应对潜在ICT安全事件的实践环境。
2020-03-13 cs.CR cs.NI cs.SY
A Comprehensive Review: Impacts of Extreme Temperatures due to Climate Change on Power Grid Infrastructure and Operation
本文综述了热穹顶、极地涡旋和结冰等极端温度对电网T&D设备的影响,通过分类评估设备脆弱性并构建故障与连锁影响图,为电网规划与运行中的偶发事故定义提供参考。
2024-12-21 cs.SY eess.SY
Heterogeneous recovery from large scale power failures
从飓风到野火,几乎所有的自然灾害都会导致大规模停电。一个根本问题是,政府政策指导下的复苏是否以及如何能够应对各种各样的破坏的挑战。由于缺乏在运行的能源电网中共享大规模粒度数据,暴露服务限制的耻辱以及与政策和客户相结合的复杂恢复,因此对这个问题的先前研究很少。因此,缺乏关于能源服务应对极端事件的能力和基本局限性的量化和第一手资料。此外,引导复苏的政府政策往往被先前的研究所忽视。这项工作研究的基本问题,通过镜头的恢复两个普遍采用的政策指导。我们从非平稳数据中开发了无监督学习的数据分析。这些数据涵盖了纽约州和马萨诸塞州两个服务区过去九年中运营配电网的中度到极端故障事件。我们发现,在优先级政策有利于大故障,恢复表现出令人惊讶的缩放属性,抵消故障缩放的基础设施的脆弱性。然而,异构恢复随着故障事件的严重性而扩大:无法优先处理的大型故障会使客户中断时间增加47倍。而且,长期的小故障主导了整个恢复的时间演变。
2020-12-31 cs.CE cs.SY eess.SY
Power Failure Cascade Prediction using Graph Neural Networks
Massachusetts Institute of Technology(麻省理工学院)
针对支路故障引发的电力连锁故障预测问题,提出基于图神经网络的无流模型,在多粒度下准确预测故障规模与状态,计算时间降低近两个数量级且优于专用影响模型。
2024-04-24 cs.LG cs.SY eess.SY
Advisory Tool for Managing Failure Cascades in Systems with Wind Power
本文关注的是风力发电系统的恢复能力,通过评估潜在的纠正措施,如发电和负荷调度,最大限度地减少输电线路故障的影响。三个功能(电网,以消费者为中心的损失,和弹性影响)用于统计评估的关键性的初始偶发故障和风力减少。我们的模型是学习蒙特卡洛,凸优化,自适应选择,说明IEEE-30和IEEE-300总线系统的AC和DC模型。我们强调减少风力的影响,并提出实际可行的解决方案。
2022-12-12 cs.SY eess.SY
PowerGraph: A power grid benchmark dataset for graph neural networks
ETHZ(苏黎世联邦理工学院);D-MAVT(机械与工程学院);D-INFK(计算机科学系)
针对电力电网领域缺乏公开GNN训练与基准测试图数据集的问题,研究提出包含潮流、最优潮流、连锁故障分析三类任务的PowerGraph基准数据集,提供真实解释并完成GNN多任务基准测试,为电力系统GNN研究提供资源。
2024-10-31 cs.LG cs.SY eess.SY
Implementation of Machine Learning-based DER Local Control Schemes on Measurement Devices for Counteracting Communication Failures
与分布式能源(DER)在有源配电网中的大规模集成相关的重大挑战之一是它带来的不确定性。电网运行变得更加艰巨,以避免电压或热违规。虽然最优潮流(OPF)算法在文献中进行了大量讨论,但很少有人注意到这种集中实施的鲁棒性,例如在通信故障期间提供冗余控制解决方案。本文旨在在每个智能电子设备(IED)上实现一种基于机器学习的算法,该算法使用IEC 61850数据模型模拟通信故障期间使用的集中式OPF。在正常情况下,IED为集中式OPF进行通信。此外,系统在所有运行条件下都进行离线训练,将实际电压与DER设定值相关联的各个查找表被发送到相应的控制器。回归模型允许DER设定点的本地重建,在通信故障的情况下仿真整体OPF。除了回归控制之外,本文还解释了用于定期重新训练回归模型的离线学习方法。使用硬件在环测试设置的实施进行了实验验证。测试表明,在通信故障期间,与传统的控制策略相比,结果令人鼓舞。当适当地训练和协调时,用于每个DER的这种直观的本地控制方法对于大容量电力系统可能是非常有益的。这种基于机器学习的方法也可以取代现有的Q(V)控制策略,以更好地支持大容量电力系统。
2022-07-18 cs.SY eess.SY
Counterfactual Action-Conditioned Graph Prediction for Cascading-Failure Mitigation in Power Systems
Nanjing Institute of Technology(南京工程学院);Nanjing University of Science and Technology ZiJin College(南京理工大学紫金学院)
该研究针对电力系统级联故障,提出动作条件图预测器(ACGP),通过反事实分支过程实现多步预测,在Grid2Op实验中大幅降低了终端故障和级联率。
2026-10-14 cs.SY eess.SY