Multicentrality Analysis for Vulnerability Assessment in Network Topology Archetypes

Abstract

A medida que las redes de distribución eléctrica se vuelven más complejas, debido a factores como la electrificación de la demanda o la integración de generación distribuida, garantizar su resiliencia y fiabilidad representa un desafío creciente para los operadores de redes de distribución. Este proyecto evaluó la eficacia del análisis de centralidad múltiple (MCA) para la detección de vulnerabilidades en redes de distribución eléctrica, considerando tanto métricas de centralidad puramente topológicas como métricas híbridas que incorporan algunas propiedades eléctricas. Se han estudiado cuatro redes de distribución reales de Scottish Power Energy Networks (SPEN), de distintos tamaños y niveles de mallado, realizando simulaciones bajo condiciones de demanda máxima. El análisis de contingencias, realizado con OpenDSS, proporcionó el punto de referencia, mientras que las métricas de centralidad se calcularon principalmente con NetworkX.

El estudio muestra que la centralidad de intermediación, pese a basarse únicamente en datos topológicos, ofrece un rendimiento sólido como herramienta de cribado rápido, aunque presenta una ligera tendencia a sobreestimar la criticidad de algunos nodos. Las métricas híbridas, en particular la centralidad de intermediación por flujo de corriente en líneas, superan generalmente a las métricas puramente topológicas en la identificación precisa de nodos vulnerables. Ambas métricas de intermediación destacan en la detección de los nodos más críticos, mientras que la discriminación en nodos menos críticos resulta menos precisa, aunque de menor relevancia práctica. La metodología propuesta logra ahorros computacionales significativos respecto a métodos tradicionales como el análisis de contingencias, permitiendo una identificación de vulnerabilidades más rápida, escalable y aplicable en la operación de redes de distribución.

As electricity distribution networks become increasingly complex due to factors such as the electrification of the demand or the integration of distributed generation, ensuring their resilience and reliability is a growing challenge for DNOs. In this project, the effectiveness of Multiple Centrality Analysis (MCA) in assessing vulnerabilities in electrical distribution networks was evaluated. It focuses on both purely topological centrality metrics and hybrid ones, that incorporate electrical properties. Using four real SPEN distribution networks of varying sizes and meshing levels, simulations were conducted under peak demand conditions. Contingency analysis was performed with OpenDSS to provide a benchmark, while NetworkX was used to calculate most centrality metrics.

The study reveals that betweenness centrality, despite relying only on topological data, performs robustly as a rapid screening tool but tends to overestimate the criticality of some nodes. Hybrid metrics, particularly current-flow line betweenness centrality, usually outperformed purely topological metrics in identifying vulnerable nodes with improved accuracy. Both betweenness metrics effectively identify the most critical nodes, whereas discrimination among less critical nodes is less precise but less relevant practically. The methodology achieved significant computational savings compared to full contingency analysis, enabling efficient and scalable vulnerability screening for DNOs.