基于Moran’s I与泊松回归的智利圣地亚哥2024年8月极端天气事件下配电网故障空间统计与气候影响分析

《Results in Engineering》：Geospatial and statistical analysis of the impacts of climate variables on Chilean distribution networks during August 2024 outage events

　　

本研究整合Moran’s I与泊松（Poisson）模型，评估气候相关天气因素对电力故障的影响。研究采用智利圣地亚哥1 km2分辨率的时空数据，绘制网络脆弱性热点图，识别非线性风效应与降雨为故障发生的关键驱动因素，并表明架空及混合网络对风致故障更为敏感。研究进一步评估基于模型脆弱性得分的内部空间一致性，受试者工作特征曲线下面积（AUC）达0.75。

一、研究背景与问题提出

气候变化正改变全球极端天气事件的频率、强度与持续时间，对电力系统尤其是配电网构成日益严峻的威胁。与输电网络相比，配电网冗余度低、结构暴露面大、鲁棒性差，且与城市植被、街道设施、排水系统及微地形直接交互，因而对局地极端天气尤为敏感。2024年8月，智利十个大区遭受锋面系统侵袭，超过65万用户断电，Biobío大区阵风风速约180 km/h，首都大区约120 km/h，为研究提供了罕见的实证背景。

已有研究虽广泛探讨了天气事件与配电网故障的关系，但多集中于故障预测或影响评估，缺乏高分辨率时空数据下的空间结构分析与基础设施属性交互研究。既有计数回归模型（如泊松回归、负二项回归）往往未充分利用小时级、公里级数据，也未系统检验空间自相关结构及网络类型、馈线密度等基础设施特征与气象暴露的交互效应。因此，亟需在精细化时空尺度上，结合空间诊断与统计建模，揭示极端天气下配电网故障的空间集聚规律及其气象—基础设施关联机制。

二、研究内容与主要结论

本研究以智利圣地亚哥首都大区2024年8月极端天气事件为实证对象，整合3,691,905条用户级停电记录、馈线基础设施数据及三座气象站的小时级气象观测，构建1 km²网格的时空分析数据集。研究采用Moran’s I空间自相关分析识别故障率显著集聚的热点区域，并构建面板泊松回归模型，估计小时故障次数与风速、累积降水、温度及网络类型、馈线密度及其交互项的关联。研究得出以下主要结论：风速对故障发生存在非线性效应，降雨是故障发生的重要驱动因素；架空网络与混合网络对风致故障的敏感性显著高于地下网络；模型脆弱性得分的内部空间一致性评估显示受试者工作特征曲线下面积（AUC）为0.75，表明模型能较好再现观测到的空间故障模式。

三、关键技术方法

研究人员采用两项互补的分析技术。其一，空间热点识别：基于一阶queen邻接准则构建空间权重矩阵，计算各网格单元每用户故障率，运用局部Moran’s I统计量识别故障率显著集聚的热点区域，并评估模型脆弱性得分对观测空间格局的再现能力。其二，面板泊松回归：以网格单元—小时为观测单位，以不同停电事件数为因变量，气象变量、网络类型、馈线密度及其交互项为自变量，采用网格单元层面聚类稳健标准误估计参数，并以网格单元固定效应泊松模型作为稳健性检验，控制未观测的单元间时不变异质性。数据来源为智利圣地亚哥首都大区2024年8月公开的馈线地理信息、用户级停电记录及区域气象站小时观测数据。

四、研究结果

4.1 空间热点识别结果

基于每用户故障率的局部Moran’s I分析，研究识别出多个统计显著的故障高发热点区域。这些热点并非随机分布，而是呈现明显的空间集聚特征，表明配电网故障存在非随机的空间结构。模型脆弱性得分与观测热点格局的对比显示，模型能够再现主要的空间故障模式，AUC达0.75，验证了模型脆弱性评分的空间有效性。

4.2 气象变量与故障次数的关联

泊松回归结果显示，风速对故障发生存在非线性效应，即风速超过一定阈值后故障风险显著上升；累积降水与故障发生呈正相关，降雨是故障的重要驱动因素。温度变量在模型中亦被纳入，用以表征事件期间的热力条件。

4.3 基础设施特征与交互效应

网络类型对故障敏感性具有显著调节作用。架空网络与混合网络在相同气象暴露下表现出更高的故障发生风险，而地下网络的敏感性相对较低。馈线密度与气象变量的交互项进一步表明，基础设施密度与气象暴露的联合作用影响故障发生，高密度馈线区域在强风或强降水条件下故障风险更为突出。

4.4 模型诊断与稳健性检验

模型选择基于理论驱动的候选模型比较，采用信息准则、拟合优度、离散度诊断及稳健性检验综合评估。网格单元固定效应泊松模型的估计结果与主模型一致，表明未观测的单元间异质性未显著改变核心结论。残差空间自相关分析显示，主模型估计后仍存在不可忽略的空间结构，提示未来可采用空间泊松、条件自回归（CAR）或空间滞后模型直接建模残余空间依赖。

五、讨论与结论

研究讨论指出，架空及混合网络对风致故障的敏感性源于其结构暴露度高、安全裕度窄，而地下网络受气象直接影响较小。植被邻近度、资产年龄、维护历史及局部地形等变量因数据缺失未纳入分析，基础设施系数应理解为网络配置与观测故障间的关联而非纯粹因果效应。研究框架具有可迁移性，可适用于热浪、洪水、野火、冰暴及强风等其他气候灾害背景，但参数需根据当地网络拓扑、植被覆盖、城市形态及维护实践重新校准。

研究结论表明，Moran’s I与泊松回归的互补应用能够在高分辨率城市数据中识别空间脆弱性模式，为配电网维护与韧性规划提供可操作证据。未来研究可引入空间显式计数模型、植被与资产状态数据，并扩展至多事件、多区域比较分析，以增强模型的外部效度与预测能力。