⚡ electrical engineering

Probabilistic Frequency Hazard Analysis: Adapting the Seismic Hazard Framework to Power System Frequency Exceedance Risk

本文提出了一种名为概率频率风险分析（PFHA）的新框架，通过将地震工程中的概率地震危险性分析（PSHA）数学架构应用于电力系统，利用包含不确定性量化的积分方法，实现了对大电网频率越限风险的首次显式量化与源级分解。

原作者： Sewedo Todowede

发布于 2026-04-09

📖 1 分钟阅读☕ 轻松阅读

原作者： Sewedo Todowede

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一种名为**“概率性频率风险分析”（PFHA）**的新方法，用来评估英国电网在能源转型过程中面临的“频率崩溃”风险。

为了让你轻松理解，我们可以把整个电网想象成一个巨大的、正在高速旋转的陀螺，而这篇论文就是给这个陀螺设计的一套**“地震预警系统”**。

以下是用通俗语言和比喻对这篇论文核心内容的解读：

1. 背景：为什么我们需要担心？

旧世界（传统电网）： 以前的电网主要由巨大的燃煤或燃气发电机组成。这些机器像沉重的飞轮，惯性很大。如果突然掉了一块砖（比如一台发电机坏了），这个沉重的飞轮能靠惯性缓冲一下，频率（转速）不会马上掉下来，系统很稳。
新世界（新能源电网）： 现在，我们越来越多地使用风能和太阳能。这些能源通过电子设备（逆变器）接入电网，它们没有那个沉重的“飞轮”。
后果： 现在的电网变得很“轻”。一旦有个大风机或海底电缆突然断开（就像抽走了飞轮的一块），转速（频率）会像没有减震器的汽车过坑一样，瞬间剧烈下坠。如果下得太快，就会触发自动断电，导致大面积停电（就像 2019 年英国发生的大停电）。

2. 核心创新：把“地震学”搬到了“电网”

以前，工程师评估电网风险，通常是**“数数”：把过去几年的每一半小时的数据都跑一遍模拟，看看有多少次频率掉了。这就像“数脚印”**，虽然有用，但不够灵活，也看不出“如果明天发生更坏的情况怎么办”。

这篇论文的作者做了一个大胆的想法：既然地震学家能预测地震风险，我们能不能用同样的数学方法预测电网频率风险？

地震学家（PSHA）： 他们计算“某地发生 7 级地震的概率”。他们考虑：有多少个断层？断层可能震多大？距离多远？
电网工程师（PFHA）： 作者把这套逻辑搬过来了：
- 断层 $\rightarrow$ 发电机或电缆（谁可能会坏？）。
- 震级 $\rightarrow$ 断电的大小（坏了多少兆瓦？）。
- 距离 $\rightarrow$ 电网当前的状态（现在惯性大不大？负荷高不高？）。
- 地震波 $\rightarrow$ 频率下降的幅度。

3. 这个新系统是怎么工作的？（三个关键步骤）

第一步：建立“故障清单”（源目录）

作者列出了英国电网里51 个主要的“捣蛋鬼”（比如 19 个大型燃气电厂、10 条海底电缆、2 个核电站等）。

比喻： 就像地震学家列出所有可能的断层一样。
亮点： 他们不仅看过去坏过多少次，还用了一种**“贝叶斯统计”**（一种聪明的数学猜测法）。即使某个大电厂过去 4 年没坏过，系统也不会认为它“永远安全”，而是根据同类电厂的平均表现，给它一个“潜在的坏掉概率”，避免漏算风险。

第二步：预测“跌倒有多惨”（频率响应预测）

当一个大电厂坏了，频率会掉多少？

方法 A（简单公式）： 像用物理课本公式快速估算，虽然快，但有点粗糙，需要打个“修正分”。
方法 B（超级模拟器）： 像用赛车模拟器，详细模拟了每一个控制系统的反应（比如自动调节、快速响应服务）。
策略： 作者把这两种方法结合起来，给“超级模拟器”更高的权重（60%），给“简单公式”40% 的权重，就像**“专家会诊”**，取两者的长处。

第三步：考虑“运气”和“不确定性”（逻辑树）

现实世界充满了不确定性。

比喻： 就像预测明天会不会下雨，你不能只说“会”或“不会”，而是要考虑：云层厚度、风向、湿度等各种可能。
操作： 作者构建了一棵**“逻辑树”**，有 324 条不同的路径。每一条路径代表一种可能的情况（比如：如果惯性特别低怎么办？如果自动响应服务没生效怎么办？）。
结果： 最终给出的不只是一个数字，而是一个风险范围。比如：“频率降到 49.2 赫兹的风险，每年可能是 0.02 次到 1.2 次之间”。这比只给一个数字要科学得多。

4. 这个新工具发现了什么？（主要成果）

风险在哪里？
- 研究发现，最危险的时候不是“所有东西都坏”，而是**“大电厂坏了” + “正好赶上电网很轻（惯性低）”**的时候。
- 比喻： 就像在冰面上（低惯性）推一辆重车（大电厂故障），最容易摔倒。
控制措施有多有效？
- 英国电网有两种“救命稻草”：
  - 动态 containment (DC)： 像**“快速反应部队”**，能在几毫秒内注入能量，稳住频率。
  - 低频切负荷 (LFDD)： 像**“紧急刹车”**，如果频率掉得太低，就强制切断一部分用户的电，保住大电网不崩溃。
- 结论： 论文量化了它们的效果。比如，有了这两招，频率掉到危险深度的风险降低了77% 到 92%。这给决策者提供了明确的证据：多买一点“快速反应部队”的服务是值得的。
验证结果：
- 作者把这个新方法和英国官方现有的方法（FRCR）做了对比。结果发现，两者在关键指标上非常接近（误差在 1.5 倍以内），证明了新方法是靠谱的。

5. 总结：这有什么意义？

这篇论文就像是给电网工程师发了一本**“新的天气预报手册”**。

以前： 我们只知道“过去几年没出大事”，或者“如果发生 A 情况会怎样”。
现在（PFHA）： 我们可以说“在未来一年里，发生频率崩溃的概率是 X，其中 60% 的风险来自低惯性时段，如果我们增加 Y 量的快速响应服务，风险能降低 Z%"。

它把地震学那种严谨的、处理不确定性的数学框架，成功应用到了电力领域。这不仅让风险评估更透明、更科学，还能帮助我们在能源转型的“风暴”中，更精准地部署安全措施，防止大停电的发生。

一句话总结：
这就好比给脆弱的现代电网装上了一套**“地震级”的精密雷达**，不仅能告诉我们哪里可能“地震”（频率崩溃），还能算出如果“地震”来了，我们需要多少“抗震加固”（控制措施）才能安然无恙。

论文技术总结：概率频率危害分析 (PFHA)

论文标题：Probabilistic Frequency Hazard Analysis: Adapting the Seismic Hazard Framework to Power System Frequency Exceedance Risk
作者：Sewedo Todowede (英国国家能源系统运营商 NESO)
核心主题：将地震工程中的概率地震危害分析 (PSHA) 框架应用于电力系统频率越限风险评估，提出了一种名为概率频率危害分析 (PFHA) 的新方法。

1. 研究背景与问题 (Problem)

随着能源转型的推进，同步发电机被电力电子接口的可再生能源取代，导致电力系统的同步惯性 (Synchronous Inertia) 显著下降。

挑战：低惯性使得系统频率对发电和互联线路的扰动更加敏感，频率变化率 (RoCoF) 和频率最低点 (Nadir) 的波动加剧。
现有方法的局限性：
- 现有的频率风险评估方法（如英国 NESO 发布的《频率风险与控制报告》FRCR）主要基于确定性结算周期的枚举模拟。
- 缺乏形式化的不确定性量化（区分认知不确定性和随机不确定性）。
- 缺乏连续的危害曲线（即越限率与频率阈值的函数关系）。
- 缺乏源级分解（无法明确指出哪些电源或互联线路在特定严重程度下主导了风险）。
- 难以量化单一控制措施（如动态包容 DC）带来的风险降低效果。

2. 方法论 (Methodology)

PFHA 框架直接借用了 PSHA 的数学架构，将地震工程中的概念映射到电力系统频率领域：

A. 核心数学模型：危害积分 (Hazard Integral)

PFHA 计算频率偏差超过阈值 $\delta$ 的年发生率 $\lambda$ ，公式如下：
$\lambda(\Delta f > \delta) = \sum_{i=1}^{N_{src}} \nu_i \int \int P(\Delta f > \delta | \Delta P, s) \cdot f_i(\Delta P) \cdot g(s) \, d\Delta P \, ds$
其中：

$\nu_i$ ：源 $i$ 的年跳闸率（通过贝叶斯更新估计）。
$f_i(\Delta P)$ ：源 $i$ 的功率损失大小概率质量函数 (PMF)，基于历史结算数据构建。
$g(s)$ ：系统状态向量 $s=(H, D, R)$ 的联合概率密度（惯性、需求、频率响应持有量）。
$P(\Delta f > \delta | \Delta P, s)$ ：条件越限概率，由频率响应预测方程 (FRPE) 提供，假设遵循对数正态分布。

B. 关键组件实现

源目录 (Source Catalogue)：
- 包含 51 个独立源（19 台燃气轮机、10 条互联线路、2 座核电站等）。
- 多层事件模型：
  - Layer A：单源跳闸。
  - Layer B：同时发生的成对跳闸（模拟如 2019 年 8 月 9 日事件中的复合故障）。
  - Layer C：级联故障（高 RoCoF 触发分布式能源脱网）。
频率响应预测方程 (FRPE)：
- 类比地震工程中的 GMPE。
- 双架构设计：
  - 解析模型 (SFR)：基于简化摇摆方程，需进行偏差校正。
  - 物理模型 (Physics-based)：基于全物理仿真（包含动态包容、调速器特性等），无需偏差校正。
- 两者通过逻辑树 (Logic Tree) 加权组合（物理模型占 60%，解析模型占 40%）。
不确定性量化：
- 随机不确定性 (Aleatory)：通过事件回放残差校准的 $\sigma$ 参数表示。
- 认知不确定性 (Epistemic)：通过包含 6 个分支、324 条路径的逻辑树进行量化（涵盖模型选择、偏差校正、控制有效性等参数）。
控制措施建模：
- 明确量化动态包容 (Dynamic Containment, DC) 和低频减载 (LFDD) 对风险降低的贡献。

3. 主要贡献 (Key Contributions)

理论创新：首次提出了适用于电力系统频率越限风险的显式 PSHA 风格危害积分公式，填补了该领域的理论空白。
数据驱动建模：
- 构建了基于 4 年运行数据的 51 源目录。
- 利用贝叶斯方法解决零观测事件源（如部分风电场）的跳闸率估计问题，避免了最大似然估计导致的零率缺陷。
- 基于 7 万余个结算周期数据构建了非参数化的系统状态联合分布。
架构设计：
- 开发了包含 324 条路径的逻辑树，系统性地量化了认知不确定性。
- 实现了源级、损失大小级、系统状态级和 $\epsilon$ （标准差倍数）级的危害分解 (Disaggregation)，能够识别主导风险的具体场景。
风险量化能力：能够独立量化不同控制措施（DC 和 LFDD）的边际风险降低效果，这是传统确定性方法难以做到的。

4. 研究结果 (Results)

验证与一致性：
- 在英国大电网 (GB) 系统上应用，使用 4 年运行数据进行验证。
- 在 49.2 Hz 阈值处，PFHA 计算结果与独立的 FRCR 报告结果在 1.54 倍 以内，证明了方法的有效性。
- 在 48.8 Hz 处，PFHA 结果约为 FRCR 的一半，差异主要源于 PFHA 使用连续越限概率，而 FRCR 使用二元越限判断。
风险分解洞察：
- 49.2 Hz：主要由大容量源（如互联线路 IFA、核电厂）在低惯性（<140 GVA·s）工况下主导。
- 48.8 Hz：主要由 Layer B 的极端成对故障（总损失>2000 MW）主导。
- 状态敏感性：尽管低惯性时段仅占运行时间的 25%，但它们贡献了 49.2 Hz 越限风险的 60% 以上。
控制措施效果：
- 在 49.2 Hz 处，DC 和 LFDD 联合控制将越限率降低了 77%。
- 在 48.8 Hz 处，联合控制降低了 92%，其中 LFDD 在深层阈值下起主导作用。
敏感性分析：
- 随机变异性 ( $\sigma$ ) 是影响越限率的最大因素（摆动因子 2.9 倍）。
- FRPE 模型选择 次之（摆动因子 2.4 倍）。

5. 意义与价值 (Significance)

方法论桥梁：成功将成熟的地震危害分析理论迁移至电力系统可靠性领域，为频率风险评估提供了新的数学范式。
决策支持：
- 提供了连续的危害曲线，而非单一的阈值点估计，有助于更精细的风险管理。
- 能够回答“如果减少 DC 采购量，风险会增加多少”等反事实问题，直接支持采购决策。
- 通过源级分解，帮助系统运营商识别关键风险源，制定针对性缓解措施（如针对特定互联线路或低惯性时段的约束）。
可扩展性与审计性：
- 框架是模块化的，易于添加新源、新模型或更新逻辑树分支。
- 所有参数均可追溯至公开数据源，具有高度的可审计性。
未来应用：该方法不仅适用于英国，还可推广至其他同步区域（如欧洲大陆、澳大利亚 NEM），并可用于评估未来能源场景（FES）下的频率风险。

总结：这篇论文通过引入 PSHA 框架，解决了传统频率风险评估中缺乏不确定性量化和连续危害曲线的问题，为高比例可再生能源接入下的电力系统频率稳定性管理提供了一个更严谨、透明且可量化的分析工具。