数据驱动的气候灾害风险表征与联合电力-通信网络韧性分析
应用统计
2026-05-19 v1
摘要
气候驱动的电力停电日益威胁美国电网可靠性，但实证停电研究与互依存性韧性分析极少有机集成。本文提出一种数据驱动框架，将实证停电表征与联合电力-通信网络级联失效仿真集成。利用EAGLE-I全国停电数据集（2015-2023年，超过525,000条记录），我们通过描述性分析和假设检验刻画气候-停电格局，发现气候相关停电年增约9,100事件，并对沿海州施加显著更大的严重性负担。随后构建的可解释逻辑回归模型识别严重停电风险的主要预测因子，发现严重天气成为最主要的影响因素。基于上述发现，我们构建四个地理上具有代表性的失效情景，并在IEEE 118-bus系统上配备通信网络覆盖层，采用MIIM-based级联仿真进行评估。沿海情景在韧性差距上显著大于内陆情形，极端沿海严重天气情景将事后级联可操作性降至17.6%。结果表明，单纯的聚合停电统计会低估沿海风险，跨层级联传播以一种只有通过互依存性仿真才能揭示的形式放大地理性损伤。
关键词
引用
@article{arxiv.2605.16332,
title = {Data-Driven Climate Outage Risk Characterization and Resilience Analysis in Joint Power-Communication Networks},
author = {Yoneke Graham and Gelila Webster and Tina Tran and Sohini Roy},
journal= {arXiv preprint arXiv:2605.16332},
year = {2026}
}