基于情景要素的电网大面积停电事件情景序列构建方法研究*

王学军，门永生，邓　创

(1.国家电网公司，北京 100031；2.全球能源互联网研究院，北京 102209；3.国网四川省电力公司，四川 成都 610023)

0　引言

电力是国家经济发展的命脉，也是基础性能源产业，在国民经济、人民生活和抗灾救灾中具有举足轻重的作用。现代经济社会发展对电力的需求持续增加，一旦发生电力供应中断事件，将给社会稳定及人民生活带来巨大影响。近年来，各类自然灾害频发，2008年以来发生的南方雨雪冰冻、汶川地震、玉树地震、舟曲泥石流灾害及每年登陆沿海地区的台风等自然灾害，都对电网设施造成严重破坏，同时，电网遭受外力破坏情况时有发生，严重影响到了电网的安全稳定运行。鉴于电网大面积停电事件影响的严重性，国内外有关学者在“情景构建”、“应急演练”以及借助于物联网、大数据平台开展的“数据挖掘”等相关理论、方法和技术方面开展了较为深入的研究。Fahey[1]认为1个情景应该包括：结束状态(End-state)、策略(Plot or story)、驱动力(Driving force)和逻辑(Logics)4个要素，每个要素都可以多个方式发展；Gilber[2]将情景分析法分为:提出规划的前提假设、定义时间轴和决策空间、回顾历史等10个步骤；刘铁民[3]从突发事件应急预案的视野，将非常规突发事件情景设计为三维结构：情景概要、灾害后果、应急任务；姜卉等[4]通过对突发事件的研究,提出了突发事件情景演变中的原素概念，包括情景、处置目标、事件自身的演变以及处置措施4个要素；王颜新、李向阳[5]从灾害动力学的角度认识情景，分为构成要素与驱动要素，具有较强的结构性；袁晓芳等[6]运用PSR模型(压力-状态-响应)的思想，构建非常规突发事件情景的新的表达框架；张辉等[7]基于相关研究成果的集成升华，对突发事件应急场景下数据集成、组织与存储、数据共享方法进行了研究，综合集成“情景-应对”型应急决策理论和方法；李群[12]提出在现有应急预案指导、事故模拟仿真、事故案例经验总结等方法基础上，引入基于大数据分析与预测的突发事件应急情景推演方法，将突发事件情景构建的结果与相关大数据预测模型相结合。

总结以上现有研究发现，国内外学者在情景构建的理论与技术方面进行了多方面的研究，但是在情景构建的一些关键技术方面仍需进一步深入，特别是针对电网大面积停电事件的情景构建研究几乎是空白。因此，本文拟在 “情景构建”理论方法的指导下，梳理电网大面积停电事件的情景要素，并在历史事故案例数据以及大量应急演练数据的基础上，综合运用数据挖掘方法，建立相关事件情景的逻辑与时间序列。

1　情景构建整体思路

近些年，基于“情景构建”开展相关应急预案的编制、应急演练的组织实施等工作已经逐渐成为各级应急管理部门的共同选择，如：2012年12月～2013年11月，北京市应急委以“某重要地铁枢纽遭受沙林恐怖袭击”为原型，在国内率先开展了巨灾情景构建的实践研究工作。随后，由相关委办局牵头，开展了破坏性地震、特大洪涝灾害、大范围暴雪天气交通中断事件、水源严重污染事件、大面积停电事件、燃气多门站停气事件、大规模网络信息安全事件、不明原因重大传染病疫情、大规模群体性事件、民航空难事故等10个领域的情景构建工作。而在这些应急管理实践的基础上，可以逐渐梳理出具有通用指导性的情景构建思路与方法，如图1所示。从图1可知，从整体上来说，开展一次突发事件情景构建工作，一般分为以下3个阶段。

1)安全与应急基础数据收集

无论是上到国家一级的情景构建，还是下到具体企业一级的情景构建，相关工作都无法脱离开情景构建主体的安全与应急管理现状，故首先需要从根本上收集本层面的安全与应急基础数据，收集的主要范围包括：历史事故案例、应急预案、应急演练、同类应急情景构建数据等，而由于这些数据来源的不同以及存储形式的差异，所采用的数据收集方式也各有不同，譬如：对事故案例来说，往往除了最终的事故调查报告以外，还需尽可能的收集到事故应急过程中的真实数据，包括文字以及各种影像数据，对于一些复杂的突发事件，还需涉及当时的各种气象、地理、水文等数据。

2)数据转换加工与集成提取

由于应急情景构建涉及多种数据来源与格式，故在进一步开展情景分析、情景挖掘前，需要对收集到的数据进行“清洗”，从逻辑层面与技术层面实现数据的融合与集成，并在此基础上，从情景构建的业务需求角度，提取出关键数据，例如：事故案例、应急预案等数据的结构化(方便数据查询与统计)。

3)事故应急情景确定

从应急情景构建的全过程来看，事故应急情景的确定是“情景构建”工作的重要产出，而在情景确定的过程中，需要用到“专家知识”、“实验检测”、“仿真模拟”、“数据挖掘”等方法、技术与工具，而最终从逻辑层面上进行的情景分类与定义、情景演化规则的确定以及从技术层面上的情景表达与描述，均是最终应用情景构建成果的重要条件。

在图1所示构建思路与方法的指导下，具体开展应急情景构建工作，还需在各个层面进一步细化，本文主要从情景要素表达和情景要素序列的构建2方面展开讨论。

图1　应急情景构建思路与方法说明Fig.1　The mind and method of emergency scenarios construction

2　情景要素的表达方法

情景要素是指事件情景序列上的一个具体组成环节，而情景要素的表达作为情景构建的基础科学问题之一，是情景构建工作能够真正落地的重要条件之一，主要包括：逻辑上的情景要素构成、技术上的情景要素信息的存储与显示。

2.1　情景要素构成

在情景要素构成方面，可以从刘铁民[11]提出的基于三个维度的情景结构与内容上入手，即从狭义的角度上，将情景要素构成简化为：概要描述、地理要素、气象要素、周边环境要素、可能的关联情景要素等内容，以某省电力公司开展的大面积停电事件情景构建为例，表1描述的即是1个具体的情景要素。

表1　情景要素构成说明

2.2　情景要素信息的存储与显示

在情景要素构成的基础上，根据组成情景要素信息的各类数据特点，采用具有针对性的信息存储与显示方式，譬如：“情景概要描述”往往采用文本文字的形式存在，故可用关系型数据库的文本字段类型进行存储；“地理信息”往往具有明确的位置信息，可采用关系型数据库的数字字段类型存储其经纬度坐标，同时也可在关系型数据库基础上，扩展至相关GIS平台对应的空间数据库上，如图2所示；“气象信息”往往来自于具体的气象预报，故可从专业的角度定义相关数据库字段进行存储，如：风速、风向、温度、湿度、地震震级等；“周边环境”数据往往较为复杂，可采用多媒体文件进行描述和存储。

图2　表征地理信息的GIS地图Fig.2　Geography information map

3　基于情景要素的序列构建方法

在逐渐分析、细化各种情景要素的基础上，以一定的逻辑关系和时间关系存在的情景要素序列是突发事件情景构建的重要产出之一，也是情景构建成果应用于应急响应和应急指挥的重要内容。本文提到的情景序列，可以理解为一套具有时间属性和逻辑属性的情景要素集合，体现了不同突发事件情景下的事件演化规律。而由于突发事件自身的复杂性与难以预测性，相关情景要素序列的构建，更多的是站在专家经验以及以往同类事故案例类别的角度上提出。而电网大面积停电事件往往具有高度复杂性，由此产生的次生衍生灾害类型多样、相关关系复杂，故在传统的专家知识和事故案例类比的基础上，引入基于历史数据挖据的方法，对现有情景要素进行分类，并在此基础上进行关联分析，以便构建复杂突发事件情景下的情景序列，具体的构建步骤参见图3所示，由图3可知，基于历史数据的情景构建大体上包括数据清理和数据挖掘2个阶段。

图3　电网大面积停电事件情景规则挖掘说明Fig.3　Large scale blackouts emergency scenarios rule data mining

3.1　数据清理阶段

步骤一：收集、理解电力行业相关的应急规则数据，包括：相关法律法规、应急体系、应急预案、规章制度、应急标准、基本原理、经典案例等，为下一步分析现有历史电力应急数据的质量提供业务支撑。

步骤二：在步骤一确立的业务规则上，根据现有历史电力应急数据的来源、格式以及用途的不同，抽取部分具有代表性的数据，并在此基础上制定相应的数据质量标准规范(涵盖数据采集、录入、传输与处理全过程)。

步骤三：在步骤二制定的数据质量标准规范的基础上，对现有历史电力应急数据按照不同的质量问题类型(单数据源定义层问题、单数据源实例层问题、多数据源定义层问题、多数据源实例层问题)进行分类。

步骤四：根据不同的数据质量问题类型，研究相应的数据清理方法与技术，并对现有历史电力应急数据进行全面数据清理。

3.2　数据挖掘阶段

步骤一：在现有历史电力应急数据中，抽取相关的实际事故案例应急以及模拟演练过程数据。

步骤二：根据“情景构建”理论，设计相应的事件情景列表结构。

步骤三：根据相应的事件情景序列表的结构要求，对现有历史电力数据进行数据集成、数据变换及规约，构建电网大面积停电事件前后的情景要素列表。

步骤四 ：结合大量的实际事故案例应急数据，构建相应突发事件生前后的事件情景演化过程数据集。

步骤五：在步骤四的事件情景演化过程数据集基础上，生成相应挖掘所需训练与测试集。

步骤六：在相应训练集上开展监督学习下的分类与预测模型构建。

步骤七 ：用训练集、测试对模型进行评估。

步骤八 ：对通过评估的模型进行业务逻辑解析，而形成情景规则库和报告。

实现了应急预案的辅助编制功能，能够结构化地编制专项预案，基于事件的性质特点、对事件的综合预测以及相关案例经验知识等，编制针对某类事件应急处置的工作组配置、成员、流程、资源配置等方案。预案动态图如图3所示。

4　实际应用

在以上情景构建思路、方法和技术的指导下，结合国家电网在各类突发事件应急预警、响应与处置方面的实际情况，针对“强对流天气”、“地震”、“雨雪冰冻”、“台风”、“洪涝”等多种自然灾害，开展针对性的情景梳理、分析与构建工作，主要包括：情景要素、情景演化规律、情景任务、应急能力等内容，下面以国家电网开展的“国家电网公司总部处置大面积停电事件应急演练”中应用的具体情景(预警阶段)为例进行简要说明。

4.1　情景概要描述信息

11月10日(周四)凌晨起，超强冷空气来袭，华北东北部地区气温骤降，并伴有6～7级大风，由于冷暖空气交汇，燕山东部山区发生大范围冻雨、暴雪天气。10日14时，燕山东部山区部分输电线路中度覆冰(10～15 mm),平原及风口地区线路轻度覆冰(5～10 mm)；预计冻雨、暴雪将持续加重，山区输电线路将发生重度覆冰(20～30 mm)，平原及风口地区将发生中度覆冰(10～15 mm)，变电站设备覆冰。安全应急办收到华北分部、冀北公司、运检部、国调中心报告，冀北电网已有1条500千伏、2条220千伏输电线路发生舞动跳闸，重合成功，输电线路舞动呈增多趋势；500千伏承德变电站因母线电压互感器出现危急缺陷，现单母线运行，电网停电风险加大。

4.2　地理信息

华北东北部、燕山东部山区。

4.3　气象信息

XXXX年11月8日(周二)9时，中央气象台发布冻雨、暴雪橙色预警，受西伯利亚强冷空气和暖湿气流影响，预计11月10日至11日，华北东北部、燕山东部山区将出现冻雨、暴雪天气，并伴有6～7级大风，降水量30～40 mm，最低气温降至-6℃。

4.4　预警阶段的主要关联情景与任务

1)公司发布冻雨、暴雪橙色预警。

2)公司总部各部门、华北分部和冀北等相关省市公司按照气象灾害处置应急预案和部门职责、流程开展预警行动，加强设备覆冰监测和电网运行监测，做好应急准备。

3)公司发布大面积停电橙色预警，并向河北省政府提出大面积停电预警建议。

4)应急处组织安质、运检、营销、信通、外联部、国调中心开展应急值班，通知华北分部及冀北、北京、天津公司分管领导在各自应急指挥中心值班。

5)应急处向国家能源局汇报公司预警发布及预警行动情况。

6)应急处召集相关专家对本次冻雨、暴雪天气可能产生的影响和发展趋势进行研判分析。

7)调度处加强电网运行风险预想预控，合理安排电网运行方式，及时掌握华北、冀北电网运行情况。

8)检修处组织冀北、北京、天津公司等做好设备特巡以及抢修队伍、车辆、物资装备等准备工作，做好防寒、防冻、防滑措施，重要变电站恢复有人值守。

9)客户处组织冀北、北京、天津公司将预警信息逐户告知，针对可能受本次灾害天气影响的政府机关、钢厂等重要客户，指导客户检查自备应急电源，做好停电应急准备，通知国网客服中心增加95598备班力量，做好客户应答服务准备；密切关注事态发展，收集信息，做好专业信息报告。

10)物资供应处组织国网物资调配中心、冀北公司及相关省公司落实应急处置预案要求，开展应急库集中盘库和台账梳理，联系协议供应商、常用承运商，加强信息沟通，确保应急物资需求响应迅速。

5　结论

1)在充分总结前人情景构建思想理论基础上,结合电网大面积停电事件情景构建工作实践,提出相应的应急情景构建思路与方法。

2)在地震导致电网大面积停电事件情景构建基础上，提出具有一定通用性的情景要素的表达方法。

3)提出基于历史电力数据的应急情景规则数据挖掘思路和方法，将数据挖掘中的分类模型和关联分析模型引入电网大面积停电情景序列构建方法中，并以国家电网开展的“国家电网公司总部处置大面积停电事件应急演练”中应用的具体情景(预警阶段)为例进行实际应用说明。

[1]Fahey L. Competitor scenarios: Projecting a rival's marketplace strategy[J]. Competitive Intelligence Review, 2015, 10(2):65-85.

[2]Gilbert A L. Using multiple scenario analysis to map the competitive futurescape: A practice-based perspective[J]. Competitive Intelligence Review, 2001, 11(2):12-19.

[3]刘铁民. 重大突发事件情景规划与构建研究[J]. 中国应急管理,2012(4):18-23.

[4]姜卉. 应急实时决策中的情景表达及情景间关系研究[J]. 电子科技大学学报(社科版), 2012, 14(1): 48-52.

JIANG Hui. Expression of scenarios and the relationship among scenarios in emergency real-time decision-making[J]. Journal of UESTC(Social Sciences Edition)，2012，14(1)：48-52.

[5]王颜新, 李向阳, 徐磊. 突发事件情境重构中的模糊规则推理方法[J]. 系统工程理论与实践, 2012, 32(5):954-962.

WANG Yanxin，LI Xiangyang，XU Lei.Fuzzy rules reasoning method in emergency context reconstruction[J].Systems Engineering—Theory & Practice，2012，32(5)：954-962.

[6]袁晓芳, 田水承, 王莉. 基于PSR与贝叶斯网络的非常规突发事件情景分析[J]. 中国安全生产科学学报, 2011,21(1): 169-176.

YUAN Xiaofang,TIAN Shuicheng,WANG Li. Scenario analysis of unconventional emergency based on psr model and bayesian networks[J]. China Safety Science Journal,2011,21(1):169-176.

[7]张辉,刘奕. 基于“情景-应对”的国家应急平台体系基础科学问题与集成平台[J]. 系统工程理论与实践,2012(5):947-953.

ZHANG Hui,LIU Yi.Key problems on fundamental science and technology integration in “scenario-response”based national emergency response platform system[J]. Systems Engineering—Theory & Practice,2012(5):947-953.

[8]舒其林. 非常规突发事件的情景演变及“情景-应对”决策方案生成[J]. 中国科学技术大学学报,2012(11):936-941.

SHU Qilin. Study on scenario evolvement and alternative generation of “scecario-response”decision-making in unconventional emergencies[J].Journal of University of Science and Technology of China,2012(11):936-941.

[9]王能,钱勇生,曾俊伟,等. 基于“情景—应对”模式的应急物流综合运输协同决策体系研究[J]. 物流科技,2015(3):1-4,20.

WANG Neng,QIAN Yongsheng,ZENG Junwei, et al. The synergic decision system research of transportation emergency logistics based on the "scenario-response" model[J]. Logistics Sci-Tech,2015(3):1-4,20.

[10]王旭坪,杨相英,樊双蛟,等. 非常规突发事件情景构建与推演方法体系研究[J]. 电子科技大学学报(社科版),2013(1):22-27.

WANG Xuping,YANG Xiangying,FAN Shuangjiao,et al.A methodology of scenario construction and deduction of unconventional emergency[J]. Journal of UESTC(Social Sciences Edition),2013(1):22-27.

[11]刘铁民. 应急预案重大突发事件情景构建——基于“情景-任务-能力”应急预案编制技术研究之一[J]. 中国安全生产科学技术,2012，8(4):5-12.

LIU Tiemin. Studies on scenes’construction of emergency planning—part I of emergency planning technology based on “scene-task-ability”[J]. Journal of Safety Science and Technology,2012，8(4):5-12.

[12]李群. 基于大数据的突发事件应急情景推演方法研究[J]. 化工安全与环境, 2017(18):10-13.