在考虑双向级联效应的耦合交通-电力系统中，通过数据分析识别异构组件的关键性

电力-交通耦合系统（CTPS）的双向级联效应导致组件关键性异质性，现有研究多基于静态分析或单一网络视角。本文提出基于协同仿真的动态数据生成框架，结合SALSA算法量化组件在级联传播中的脆弱性与影响力，通过多场景模拟揭示异质性关键组件的识别方法，有效支持系统风险防控。

　　
随着电动汽车（EV）及充电基础设施的快速发展，电力系统与交通网络之间的耦合效应日益显著。中国至2024年底已拥有2210万辆电动汽车和1300万个充电桩，这种规模化应用使得两系统在运营层面的互动复杂性呈指数级增长。在极端天气或突发故障场景下，交通网络中的流量失衡可能引发电动汽车充电站负荷激增，进而导致局部电网过载；而电网故障又会直接或间接影响电动汽车的充放电行为，这种双向扰动机制使得传统单系统分析框架难以应对。2018年深圳出现的典型级联事故——电网限电导致充电站瘫痪，进而造成2700辆电动出租车停运，重新分配的充电负荷又对电网造成二次冲击——充分暴露了现有研究方法的局限性。

当前研究主要存在两大技术瓶颈：其一，静态安全评估（N-1/N-k）和复杂网络理论在处理双向动态耦合效应时存在显著局限性。传统方法通过预设单一系统故障来评估另一个系统的脆弱性，忽视了系统间双向扰动的时间同步性和影响传递的非线性特征。其二，现有临界组件识别方法难以量化异质性组件在级联过程中的双重作用，既包括组件对系统稳定性的主动影响，又涵盖其在被动受损状态下的传导效应。这种单向度的评估容易导致防御策略的偏差，例如过度强化电网侧基础设施而忽视交通网络的关键节点保护。

针对上述问题，该研究创新性地构建了双向级联效应下的组件临界性量化框架。其技术路线包含三个核心创新点：

1. **动态耦合共仿真体系**
研究团队开发了电力系统与交通网络的双向动态重调度模型。在电网侧，创新性地将配电网重构技术与动态负荷预测相结合，建立考虑充电站状态变化的实时功率流计算模型。交通网络侧则改进了Motter-Lai流量演化算法，通过引入电动汽车充电优先级系数，准确模拟不同故障场景下的交通流量再分布过程。这种协同仿真方法能够生成包含故障链、系统状态转移矩阵和损失指标的百万级级联效应数据集，为后续数据分析提供可靠基础。

2. **异质性临界性评价模型**
基于SALSA算法构建了组件双重角色评价体系。该算法通过改进的PageRank模型，将组件分为"枢纽型"（主动引发级联）和"权威型"（被动传导风险）两类。创新性地引入时间衰减因子，量化不同时段组件影响的持续性。例如在电力系统侧，不仅考虑输电线路的枢纽地位，更关注其作为充电负荷接口的权威性——当某线路连接的充电站数量超过系统容量的15%时，其权威指数将自动触发预警机制。这种双维度评估模型成功捕捉到深圳案例中充电站与主干道节点同时具备枢纽型和权威型的复合特征。

3. **风险传导路径量化技术**
开发了级联效应传播路径的加权评估方法。通过构建包含时间权重、系统耦合强度和损失扩散系数的三维评价矩阵，首次实现了对级联路径的动态风险评估。研究发现，在耦合系统中，具有超过3个跨系统接口的枢纽站其级联放大系数可达普通节点的47倍。该技术可精准识别具有"蝴蝶效应"的组件，如某充电站同时连接5条主干道和3个分布式电源，其故障可能引发级联效应指数增长。

研究验证表明，在浙江大学构建的混合级联仿真平台（含1.2万个交通节点和5600个电力元件）中，该方法成功识别出12个具有双重关键作用的组件。其中某主干交通节点，其枢纽指数（H-index）为8.7，权威指数（A-index）为6.2，远超系统基准值。通过针对性部署储能缓冲装置和智能交通信号系统，实验组将系统级联风险降低了63%，验证了动态评估的有效性。

该研究突破传统分析方法在动态耦合系统中的局限性，其技术贡献体现在三个维度：数据层面，构建了首个包含双向扰动时序信息的百万级级联数据集；方法层面，将网络中心性理论拓展至动态耦合系统，提出了具有物理意义的双指数评估模型；应用层面，开发了可嵌入城市能源管理平台的实时预警模块，已在杭州某智慧园区实现试点应用。

未来研究方向应重点关注：① 高维异构数据融合分析，解决交通流量、电网负荷、环境参数等多源数据的实时处理难题；② 构建具有自学习能力的动态评估模型，适应不断演化的耦合系统；③ 开发基于数字孪生的智能预警系统，实现从风险识别到主动防御的全链条闭环管理。这些技术突破将推动城市能源互联网向更高安全韧性发展，为新型电力系统与智慧交通系统的深度融合提供理论支撑和技术范式。