电力系统是现代社会中一个国家关键基础设施的重要组成部分[1]。它通过一个庞大且相互连接的网络为家庭、工业、企业和交通提供电力，支持着日常生活的几乎所有方面[2]、[3]。由于电力部门与其他关键基础设施系统（如供水、交通、医疗保健、通信、应急服务和金融网络[4]、[5]）之间存在密切的相互依赖性，而这些系统对经济增长和社区福祉至关重要[6]，电力供应的中断可能对可持续发展、社会经济福祉[7]、[8]、国家安全[9]、公共卫生[10]和环境稳定性[11]、[12]、[13]构成重大风险。因此，确保电力基础设施的可靠性和韧性至关重要，因为现代社会在有效运作时强烈依赖于稳定和充足的电力供应[14]、[15]、[16]。
虽然停电可能是由于设备故障、植被和其他因素引起的，但在美国，极端天气仍然是停电的主要原因之一[17]、[18]、[19]。与天气相关的停电会导致广泛的服务中断，影响大量电力消费者，并对受影响地区的经济和公共安全构成严重威胁[20]、[21]、[22]。例如，飓风和热带风暴每次都会导致数百到数百万客户停电[23]。近年来，与天气相关的停电事件呈上升趋势，据估计美国每年的经济损失在200亿至550亿美元之间[18]。随着极端天气事件的频率和严重程度的增加，以及日益老化的美国电网难以应对这些挑战，这一上升趋势预计会持续下去[20]、[24]、[25]、[26]。根据Climate Central（2014年）的数据，天气因素导致了近80%的停电事件，而这些事件的频率和强度在过去几十年里有所增加，随着气候变化模式的改变，停电风险和经济损失的风险预计会进一步加剧[2]。
极端天气事件，包括飓风、热带风暴和其他由降雨和风引起的风暴，已经多次证明了对美国东北部电力基础设施的破坏性影响[27]、[28]。飓风艾琳和飓风桑迪在该地区造成了大规模的停电，艾琳影响了约669万客户，而桑迪随后引发的一场东北风暴影响了从北卡罗来纳州到缅因州以及中西部部分地区共计866万客户[29]。仅在康涅狄格州，飓风桑迪就导致了超过50万次停电，一些居民停电时间长达九天；主要是由于强风和倒下的树木损坏了架空线路[30]。鉴于这种日益增加的影响，提高电力系统的韧性已成为基础设施规划中的关键优先事项。了解极端天气如何影响电力网格的脆弱性对于识别与天气相关的停电趋势和支持维护或增强韧性的决策至关重要[31]。
提前识别特定地区对风暴影响的脆弱性对于公用事业公司战略性地提高电力分配系统的可靠性至关重要[32]、[33]。许多研究已经考察了极端天气对电力系统的影响，使用了从统计和模拟模型到机器学习方法的各种方法。一些基于工程的研究专注于使用级联故障模拟和优化模型来识别关键基础设施的脆弱性[34]。Garip、?zdemir和Alt?n[35]提供了电力系统可靠性评估技术的全面回顾，强调了分析方法、基于模拟的方法和混合方法，以及与建模和计算复杂性相关的常见指标和挑战。其他一些研究则专注于恢复建模，应用统计方法来估计极端天气事件后的故障率和恢复时间[36]、[37]、[38]。最近，机器学习方法越来越多地被用于不同空间和时间尺度的停电预测，结合了天气、植被和基础设施数据。Wang等人[39]提出了一个使用天气和基础设施数据的条件MLP模型，而Wedagedara等人[40]使用与树木相关的数据在精细的空间分辨率下预测停电风险。Aroora和Ceferino[41]的一项非常新的研究评估了多个飓风和地区的现有停电预测模型，指出了它们在预测范围、对高风速的泛化能力以及不确定性表示方面的局限性。
为了更广泛地了解电网的脆弱性模式，最近的研究考察了停电风险的社会和物理维度。一些研究专注于停电的社会脆弱性[42]、[43]、[44]，强调了社会经济地位、人口统计特征和资源获取等因素。其他一些大规模评估结合了概率方法、机器学习和物理建模技术[45]。最近，Ma等人[46]使用全国范围内的停电数据开发了一个县级电力系统脆弱性指数，发现城市地区、电网相互连接的地区以及太阳能发电量高的州的脆弱性更高。Poudyal等人[47]使用2000个节点的德克萨斯州电网进行了概率飓风风力和海浪模拟，以估计停电风险和社会经济风险暴露，而Hartmann[48]使用复杂网络分析探讨了电网脆弱性的长期演变。通过全面的回顾，Panteli和Mancarella[16]强调了极端天气和气候变化对电力系统韧性的日益增长的影响，指出了系统组件的脆弱性，并提出了增强电网韧性的战略措施。
公用事业公司进行电网韧性改进，以减少社区的脆弱性并在极端天气事件期间提高电力供应的可靠性[49]。总体而言，导致电网脆弱性的因素主要有两类：内部因素（如老化的基础设施、变压器故障和电缆或开关故障）和外部因素（包括极端天气、自然灾害或蓄意破坏等）[50]。极端天气事件与新兴的分布式资源（包括电动汽车和电池储能系统）之间的相互作用已被证明会影响停电脆弱性[51]。一些最近的研究还强调，操作和控制策略（如动态线路评级和协调储能集成）在改善电网韧性和在天气驱动的压力下支持可再生能源集成方面可以发挥重要作用[52]、[53]、[54]、[55]、[56]。在这项研究中，我们关注停电脆弱性的外部驱动因素，量化环境和气象条件如何影响风暴引起的停电的可能性和严重程度。据我们所知，目前缺乏全面探讨这些因素与停电脆弱性空间分布关系的文献。虽然近年来大多数现有研究都强调了基于韧性的方法[45]、[57]、[58]、[59]，但我们关注这些内在的脆弱性组成部分，包括地理位置、地形和环境条件，这些因素在确定停电影响和恢复结果方面起着关键作用。通过明确考虑这些潜在驱动因素，本研究旨在提供更本地化和全面的脆弱性评估，提供超出基础设施聚焦策略的见解。
在分析停电脆弱性时，区分系统停电和客户停电也至关重要。系统停电通常指的是电力基础设施本身的中断，例如损坏的电线杆、线路或变电站，而客户停电则通过测量受这些中断影响的个人或家庭数量来直接量化实际影响。大多数先前的研究主要关注系统停电，主要使用公用事业公司提供的数据来评估物理损坏或故障率，只有少数例外[60]、[61]考虑了客户层面的影响。然而，近年来，客户停电数据的可获得性提高使得研究人员能够进行关注社区影响的研究[62]、[63]。在我们的案例中，系统停电和客户停电数据都可用，但我们选择关注客户停电，因为它们提供了更直接的措施来衡量人们在极端天气事件期间经历的脆弱性和影响。
鉴于选择了客户停电数据，本研究建立在Yang等人[64]之前的工作基础上，他们应用GEV拟合来预测康涅狄格州州级的风暴引起的停电回归水平。我们的研究通过估计城镇级别的GEV阈值来扩展这种方法，允许进行更本地化和详细的脆弱性评估。在这种情况下，研究重点关注康涅狄格州内更容易受到风暴引起的停电影响的城镇，提供本地化的、城镇级别的见解，并突出导致这种风险的环境和地理条件。这项研究有两个主要目标。第一个是应用广义极值（GEV）分析来估计长期停电记录的城镇级别停电影响回归期阈值。第二个是使用高分辨率天气预报、土地覆盖特征和地形特征，通过广义线性模型（GLM）解释这些阈值的空间变异性。这些回归水平估计为理解局部规模的停电风险提供了概率基础。
本文的其余部分结构如下：第2节提供了研究中使用的数据概述。第3节概述了评估停电脆弱性的方法。第4节展示了结果以及对关键发现的解释。最后，第5节总结了研究的见解和意义。
