《Advances in Applied Energy》：Physics-informed data-driven evaluation for the operational reliability of interdependent gas and power systems
编辑推荐：
鉴于近年来广泛发生的停电事件（例如2021年德克萨斯州停电），互依气电系统（IGPS）的运行可靠性引起了广泛关注。与电力系统的即时平衡相反，天然气流动表现出瞬态特征。考虑这一点，在不同突发事件（例如元件故障）下，管道中的气体速度可能远低于初始速度，这被定义为事
鉴于近年来广泛发生的停电事件（例如2021年德克萨斯州停电），互依气电系统（IGPS）的运行可靠性引起了广泛关注。与电力系统的即时平衡相反，天然气流动表现出瞬态特征。考虑这一点，在不同突发事件（例如元件故障）下，管道中的气体速度可能远低于初始速度，这被定义为事件触发非平稳气速（ENGV）。其变化能显著改变管道存气量，从而影响运行可靠性。因此，可靠性评估中应纳入由动态天然气流动方程描述的上述特征。然而，由于这些方程的高度非线性，传统物理分析方法的计算复杂度较高。纯数据驱动方法的准确性和可解释性因忽略固有物理特征而受到质疑。鉴于上述局限性，研究人员创新性地提出了一种考虑ENGV的物理信息数据驱动方法。首先，引入基于迭代的最优能量流（OEF）模型以生成包含不同突发事件下气体速度和负荷削减的数据。然后，开发双路径网络（DPN），利用生成的数据挖掘气体速度与突发事件之间的映射关系。基于预测的速度，非线性气体流动动量方程可被有效简化。在此基础上，提出一种物理-数据混合模型以实施状态分析，用于运行可靠性评估。基于中国西北地区的实际系统，所提方法的有效性已得到证实。
**论文解读：基于物理信息的数据驱动方法评估互依气电系统运行可靠性**
**研究背景与问题**
随着燃气发电机组在全球能源消费中的比例持续增长（例如，2024年美国燃气发电占比约40%，中国燃气发电用气量年增9.5%），电力系统与天然气系统之间的相互依赖日益加深，形成了互依气电系统（IGPS）。然而，天然气系统的随机故障可通过耦合元件（如燃气轮机）严重影响电力系统运行，进而威胁整个IGPS的可靠性，2021年德克萨斯州停电事件即为典型例证。准确评估IGPS的运行可靠性，核心在于分析不同突发事件下天然气和电力潮流的运行状态变化。与电力系统瞬时平衡不同，天然气网络中的气流呈现显著的瞬态过程（即气体速度随时间变化）。在不同突发事件（如气源或管道中断）下，气体速度可能偏离初始基线值，称为事件触发非平稳气速（ENGV）。ENGV通过改变管道存气量（即管道内储存的气体质量）影响系统的可靠性。现有研究多采用稳态气体模型（如Weymouth方程）假设气体速度恒定，忽略瞬态变化，导致可靠性低估。为提升精度，部分研究引入时空离散方法或迭代方法描述动态气流，但前者引入大量差分方程使模型复杂，后者需反复迭代计算，均导致计算复杂度高，难以满足大规模IGPS运行可靠性评估的效率要求。传统数据驱动方法（如最小二乘支持向量机、极端梯度提升模型）虽可加速评估，但往往忽略IGPS的物理特征（尤其是ENGV），可解释性和准确性不足。因此，需发展一种兼顾精度、效率与可解释性的物理信息数据驱动方法。
**研究内容与结论**
本研究提出一种创新的物理信息数据驱动框架，用于评估考虑ENGV的IGPS运行可靠性。核心思想是利用数据驱动方法预测关键变量（即平均气体速度），从而简化物理模型中的非线性动量方程，实现快速精准的状态分析。具体而言，首先构建基于迭代的最优能量流（OEF）模型生成不同突发事件下的气体速度与负荷削减数据；在此基础上，开发双路径网络（DPN）挖掘突发事件与气体速度间的映射关系；然后，将预测的气体速度嵌入线性化OEF模型，构建物理-数据混合模型，用于状态分析并计算可靠性指标（如期望供电不足量EENS、期望供气不足量EGNS等）。通过中国西北地区实际系统（197节点电力系统与171节点天然气系统）及30节点-20节点测试系统的算例验证，所提方法在可靠性评估精度上显著优于传统稳态模型（线性OEF）和纯数据驱动方法（DPN、MLP），其平均绝对百分比误差（MAPE）低于2.21%，且计算时间满足日前调度需求。该方法保留了物理状态分析模型，增强了可解释性，具有实际应用价值。论文发表在《Advances in Applied Energy》。
**关键方法技术**
本研究主要采用以下关键技术方法：1）基于迭代的最优能量流（OEF）模型：通过迭代修正平均气体速度以逼近实际值，生成高精度训练数据（样本来自中国西北地区实际IGPS，含197节点电力系统与171节点天然气系统，以及30节点-20节点测试系统）。2）双路径网络（DPN）：结合残差路径与密集连接路径，建立突发事件与多管道平均气体速度之间的映射关系，支持多输出回归。3）均值近似线性化方法：利用预测的平均气体速度线性化非线性动量方程，构建物理-数据混合OEF模型，实现高效状态分析。
**研究结果**
**5.2 基于所提方法的气体速度推断与优化变量结果**
通过DPN推断平均气体速度，所有管道的气体速度与迭代OEF基准结果高度吻合，均方根误差（RMSE）均低于0.03（归一化后）。优化变量（气压、支路潮流、负荷削减）的RMSE分别为0.0584、0.0118、0.0023、0.0016，表明状态分析精度满足可靠性评估需求。
**5.3 不同方法运行可靠性评估结果对比**
与线性OEF、纯DPN、MLP相比，所提DPN-OEF方法在电力系统可靠性指标（EENS、LOELP）和天然气系统指标（EGNS、LOGLP）上均表现最优，MAPE仅为2.21%（EENS）、1.51%（EGNS）、0.76%（LOELP）、1.23%（LOGLP）。线性OEF因近似误差导致EGNS的MAPE高达47.09%，而纯数据驱动方法在某些指标上表现不佳。
**5.4 大规模实际系统验证**
在中国西北地区197节点-171节点系统中，所提方法的MAPE值（EENS: 0.40%, EGNS: 3.75%）远低于线性OEF（10.67%, 36.09%），且速度预测结果与基准一致，验证了方法在大规模系统中的有效性。
**5.5 双向互联系统验证**
引入电转气（P2G）设施后，所提方法仍能准确评估可靠性，EENS和EGNS的RMSE分别为0.0009 MWh和5.6596 m3/h，适应性强。
**5.6 交流潮流约束下的可靠性评估**
与交流OEF（AC-OEF）基准对比，线性OEF模型因直流潮流假设导致可靠性高估，EENS的MAPE为18.59%，而所提方法在动态气流建模上更准确。
**讨论与结论**
本研究提出了一种新颖的物理信息数据驱动方法，用于评估考虑天然气瞬态过程的IGPS运行可靠性。以事件触发非平稳气速（ENGV）为核心，通过数据驱动模型预测平均气体速度，简化物理状态分析模型中的非线性动量方程，从而在保证精度的同时提升效率。基于DPN的速度预测模型能快速逼近实际值，并与线性化OEF模型结合，实现高精度状态分析。在中国西北地区实际系统及测试系统上的算例表明，所提方法优于传统方法，结果与实际高度一致，且保留了物理模型的可解释性。目前方法的泛化能力仍有限，仅适用于与训练集特征相似的系统。未来研究将结合迁移学习，以应对更复杂的IGPS变化。
**结论部分翻译**：本文提出了一种新颖的物理信息数据驱动方法，用于评估互依气电系统（IGPS）的运行可靠性，其中考虑了天然气流的瞬态过程。特别地，事件触发非平稳气速（即整个评估过程中平均速度可能远低于或接近先验基线速度）被视为所提方法的核心。其基本思想是利用数据驱动方法预测物理状态分析模型的关键变量（即平均气体速度），从而提高效率。首先，基于双路径网络（DPN）构建了平均气体速度预测模型，与传统方法相比能快速逼近实际值。然后，将预测的平均气体速度嵌入线性化最优能量流（OEF）模型，分析IGPS的状态。最终，利用所提方法可准确评估IGPS的运行可靠性。在30节点-20节点系统以及源于实际世界的197节点-171节点系统上进行的算例表明，所提物理信息数据驱动方法的性能优于传统方法，结果与实际条件高度一致。特别是，保留物理状态分析模型增强了数据驱动方法的可解释性。所提方法在实际系统中的表现证明了其在支撑IGPS运行方面的实用价值和应用相关性。目前，所提方法的泛化能力仍不足，仅适用于与训练集特征相似的系统。因此，未来研究将进一步探索所提方法与迁移学习的结合，以应对IGPS更复杂的变化。
