【天津大学（吴昊）】2024台风灾害下的弹性配电网故障抢修决策方法研究报告_28页_7mb

报告摘要

台风灾害下的弹性配电网故障抢修决策方法研究

核心内容

本研究聚焦于台风灾害对我国电力系统的影响，提出多种考虑多重不确定性和多阶段协同的故障抢修与恢复调度方法，旨在提升配电网在台风灾害下的弹性与恢复能力。研究结合了可再生能源（尤其是海上风电）和数字技术在灾后恢复中的应用，构建了多阶段、多资源协同的优化模型，以应对台风引发的不确定性与复杂性问题。

主要观点

台风灾害的挑战：台风灾害导致配电网大量线路故障，用户供电中断，造成经济损失。由于台风影响周期长且覆盖范围广，现有研究多关注灾后恢复，缺乏多阶段协同考虑。
风电出力不确定性：台风风速波动导致风电出力不稳定，可能引发电压失稳和二次停电。因此，研究提出考虑风电出力不确定性的鲁棒优化模型，利用C&CG算法和强对偶理论确保恢复方案的鲁棒性。
风机切机问题：极端风速下风机切机会加剧功率短缺，导致更多负荷停电。研究构建了风机切机模型，并将其线性化为混合整数线性规划问题。
多时间尺度协同调度：为应对移动电源和施工队调度的延迟性，提出长短时间尺度协同优化模型，结合CVaR目标函数和PHA算法，降低计算负担并提升恢复效率。
三阶段协同恢复方法：基于台风影响周期长、路径可预测的特点，提出灾前、灾中、灾后三阶段协同恢复策略，包括主动孤岛、故障隔离、网架重构、微网划分等。
主配网协同恢复：考虑到台风导致主网与配网同时故障，提出主配网协同恢复调度模型，包括动态分区、机组启动、路径恢复和负荷恢复四个阶段，提升恢复效率。
分布式协同优化模型：为解决主配网间信息交互有限的问题，基于ADMM算法构建分布式协同恢复模型，利用AOP方法线性化二进制变量，确保模型收敛性与解的最优性。

关键信息

1. 风电出力不确定性模型

不确定性影响：台风风速波动导致风电出力不确定性，可能引发电压越限、频率越限和负荷损失。
不确定性集合：采用矩形不确定性集和C&CG算法进行求解，确保恢复方案在最坏情况下仍具鲁棒性。
优化模型：
- 主问题：最大化恢复的负荷比例，考虑风电出力不确定性。
- 子问题：通过C&CG算法生成不确定性场景，优化电源出力与负荷恢复。

2. 多类型恢复资源协同优化模型

恢复资源：包括施工队、移动电源、故障隔离（远动开关与手动开关）、网架重构、微网划分等。
调度模型：构建施工队与移动电源调度模型，考虑其移动时间与修复时间，提升恢复效率。
耦合约束：通过通电状态、故障状态、停电状态等变量，建立恢复资源与配网运行状态之间的关系。

3. 三阶段随机优化模型

三阶段调度：灾前、灾中、灾后三阶段协同调度，以CVaR为目标函数，降低极端场景下的负荷损失风险。
求解方法：应用PHA算法求解随机优化模型，提升计算效率。
优化结果：
- CVaR-随机优化：平均负荷损失为2.5961（10^4），最大负荷损失为2.3592（10^4），最小负荷损失为1.9051（10^4）。
- 期望值随机优化：平均负荷损失为2.3951（10^4），最大负荷损失为2.2951（10^4），最小负荷损失为1.7569（10^4）。
- 鲁棒优化：平均负荷损失为3.2681（10^4），最大负荷损失为2.8681（10^4），最小负荷损失为2.5718（10^4）。