【南京理工大学（蔡胜）】204年自然灾害下弹性配电网顺序恢复优化方法报告_20页_5mb

自然灾害下弹性配电网顺序恢复优化方法总结

核心内容

本研究聚焦于自然灾害下弹性配电网的顺序恢复优化方法，旨在提升电网在极端天气事件下的应急响应和供电恢复能力。随着台风、暴雨、冰灾、雷暴等自然灾害频发，电网在这些事件下的安全风险显著增加。因此，构建具有弹性的配电网成为保障电力安全供应的重要任务。

主要观点

• 弹性配电网是指电网在面对自然灾害时，具备预防和适应环境变化、承受扰动并快速恢复负荷的能力。
• 顺序恢复是一种以某一节点为起点，逐步向外恢复停电系统的策略，通过形成多个并行运行的微电网实现供电恢复。
• **移动应急电源（MEG）**在恢复过程中起到关键作用，其调度和燃料供给问题需与交通网络和电力网络协同考虑。
• 燃料供给弹性是影响MEG运行的关键因素，需建立燃料消耗和剩余量模型，确保MEG在恢复过程中的持续运行。
• 优化模型需考虑多种不确定性因素，如故障场景、负荷需求、电源出力等，同时满足配电网的拓扑、潮流、电压等安全约束。
• 分布式求解算法如逐步对冲算法（PHA）和基于析取规划（DP）的C&CG算法，能够有效提高模型求解效率和精度。

关键信息

1. 顺序恢复策略

• 顺序恢复定义：从某一节点开始，逐步恢复停电区域，最终形成多个独立运行的微电网。
• 建模难点：需考虑多时步操作、电源容量、线路潮流、节点电压等安全约束。
• 模型类型：属于NP-hard的混合整数规划问题，需采用优化算法进行求解。
• 恢复路径建模：引入“虚拟供电代理”以实现微电网的区域划分和并行恢复。

2. 移动应急电源（MEG）调度

• MEG调度模型：考虑MEG在交通网中的运动时间和燃料消耗，建立其调度与恢复路径的协同优化模型。
• 燃料消耗模型：MEG的燃料消耗与出力有关，需建立燃料剩余量约束以确保其持续运行。
• 调度优化：提出灾前-灾后两阶段随机优化调度策略，结合交通网络和电力网络进行联合建模。

3. 求解算法与优化策略

• PHA算法：用于求解随机模型，能有效减少计算负担并保证较高求解精度。
• DP-C&CG算法：用于求解鲁棒优化模型，通过重构子问题减少约束数量，提高求解速度。
• FW-PH算法：基于Frank-Wolfe方法构建近似可行域凸包，实现分布式求解，具有全局收敛性和鲁棒性。

4. 恢复策略对比

• 不同恢复策略下的负荷恢复量：

  • 算例1（不考虑MEG）：平均负荷恢复量较低。
  • 算例2（灾后优化MEG配置）：恢复量显著提升。
  • 算例3（灾前考虑不确定性）：恢复量有所提高，但未进行灾后调整。

• 不同求解算法的结果对比：

  • PHA：计算时间较短，但存在一定的误差。
  • FW-PH：计算时间稍长，但具有更高的求解精度和全局收敛性。
  • 集中式求解：计算时间长，但能保证最优解。

5. 实验结果

• IEEE-14节点配网：

  • 集中式求解：目标值为4.9047×10^4，CPU时间883秒。
  • PHA：目标值为4.8673×10^4，CPU时间85秒，误差0.76%。
  • FW-PH：目标值为4.9047×10^4，CPU时间113秒，误差0%。

• IEEE-123节点配网：

  • 集中式求解：目标值为4.9047×10^4，CPU时间883秒。
  • PHA：目标值为4.8673×10^4，CPU时间85秒，误差0.76%。
  • FW-PH：目标值为4.9047×10^4，CPU时间113秒，误差0%。

6. 燃料供给弹性影响

• 忽略燃料车调度可能导致MEG无法运行，从而影响恢复效果。
• 考虑燃料供给的优化策略能显著提高恢复能力。
• FW-PH方法在处理整数变量时具有更好的收敛性能，且不受惩罚参数影响。

研究成果

• 提出了考虑分区并行的配电网顺序恢复决策模型，实现了多个微电网的分区并行恢复。
• 开发了考虑移动应急电源参与的顺序恢复优化方法，结合交通网络和电力网络进行联合调度。
• 引入了燃料供给弹性模型，确保MEG在恢复过程中的持续运行。
• 提出了基于Frank-Wolfe方法的分布式求解算法，有效提高了模型求解效率和精度。
• 通过实验验证了所提方法的有效性与可行性，在IEEE-14和IEEE-123节点配网中均取得良好效果。

研究意义

• 提高了电网在自然灾害下的应急响应和供电恢复能力。
• 为构建弹性配电网提供了理论支持和实践指导。
• 推动了智能电网与应急电源调度的融合，提升系统整体的供电可靠性。

参考文献

1. S. Cai, Y. Xie*, M. Zhang, et al. A stochastic sequential service restoration model for distribution systems considering microgrid interconnection[J]. IEEE Transactions on Smart Grid, 2024, 15(3): 2396-2409.
2. S. Cai, M. Zhang, Y. Xie*, et al. Hybrid stochastic-robust service restoration for wind power penetrated distribution systems considering subsequent random contingencies[J]. IEEE Transactions on Smart Grid, 2022, 13(4): 2859-2872.
3. S. Cai, Y. Xie*, Q. Wu, et al. Distributionally robust microgrid formation approach for service restoration under random contingency[J]. IEEE Transactions on Smart Grid, 2021, 12(6): 4926-4937.
4. M. Zhang, S. Cai*, Y. Xie, et al. Supply resilience constrained scheduling of MEGs for distribution system restoration: A stochastic model and FW-PH algorithm[J]. IEEE Transactions on Smart Grid, Early Access.
5. S. Cai, Y. Xie*, Y. Zhang, et al. A simulation-assisted proactive scheduling method for secure microgrid formation under static and transient islanding constraints[J]. IEEE Transactions on Smart Grid, 2024, 15(1): 272-285.
6. S. Cai, Y. Xie*, Q. Wu, et al. Two-stage mobile emergency generator dispatch for sequential service restoration of microgrids in extreme conditions[J]. International Journal of Electrical Power & Energy Systems, 2023, 153: 109312.
7. 蔡胜，谢云云*，张玉坪，等.考虑移动应急电源配置的微电网顺序恢复方法[J].中国电机工程学报，2023,43(7):2677-2689.