王月漢，劉文霞，姚 齊，萬(wàn)海洋，何 劍，熊雪君

（1. 華北電力大學(xué)電氣與電子工程學(xué)院,北京市 102206；2. 中國(guó)電力科學(xué)研究院有限公司,北京市 100192；3. 國(guó)網(wǎng)上海市電力公司,上海市 200122）

0 引言

近年來(lái)極端災(zāi)害導(dǎo)致電網(wǎng)大停電事故頻繁發(fā)生［1］,配電網(wǎng)韌性反映配電系統(tǒng)對(duì)災(zāi)害的抵御、適應(yīng)與恢復(fù)供電的能力［2］,受到了廣泛關(guān)注。此外,為應(yīng)對(duì)能源枯竭和環(huán)境污染的雙重危機(jī),大量分布式電源（DG）、電能替代負(fù)荷接入配電網(wǎng),為負(fù)荷恢復(fù)提供了解決方案［3］。因此,在災(zāi)害前后有效利用各類分布式資源以減少停電損失,對(duì)提升配電網(wǎng)韌性具有重要意義。

目前,國(guó)內(nèi)外學(xué)者對(duì)利用分布式資源進(jìn)行災(zāi)后恢復(fù)進(jìn)行了廣泛研究,主要包括孤島微電網(wǎng)、應(yīng)急發(fā)電機(jī)與移動(dòng)資源等方面［4］。在孤島微電網(wǎng)方面,文獻(xiàn)［5］提出一種利用DG 和遠(yuǎn)程控制開關(guān)恢復(fù)重要負(fù)荷的微電網(wǎng)形成機(jī)制。文獻(xiàn)［6］在主網(wǎng)與配電線路故障時(shí),利用柴油發(fā)電機(jī)（DEG）、固定式儲(chǔ)能與光伏（PV）機(jī)組恢復(fù)負(fù)荷。文獻(xiàn)［7］提出一種基于計(jì)劃微電網(wǎng)的負(fù)荷恢復(fù)方法,在主網(wǎng)供電中斷時(shí)使負(fù)荷削減成本最小。文獻(xiàn)［8］提出了考慮負(fù)荷分布與燃料型DG 選址定容的恢復(fù)策略,減少了應(yīng)急電源儲(chǔ)備量。上述研究均需要預(yù)先配置微電網(wǎng)或大量燃料型電源,投資成本較高且不利于碳減排。

除考慮靜態(tài)資源外,計(jì)及移動(dòng)資源的負(fù)荷恢復(fù)也得到關(guān)注［9］。文獻(xiàn)［10］在配電網(wǎng)失去主網(wǎng)供電時(shí),以切負(fù)荷最小為目標(biāo)優(yōu)化移動(dòng)儲(chǔ)能（MESS）的接入位置。文獻(xiàn)［11］在多個(gè)計(jì)劃微電網(wǎng)的基礎(chǔ)上,通過(guò)移動(dòng)儲(chǔ)能的多階段調(diào)度使負(fù)荷削減成本最小。針對(duì)災(zāi)后用戶滿意度問(wèn)題,文獻(xiàn)［12］提出了考慮應(yīng)急電源車調(diào)度的配電網(wǎng)動(dòng)態(tài)孤島均衡恢復(fù)策略。文獻(xiàn)［13］提出一種協(xié)調(diào)網(wǎng)絡(luò)重構(gòu)和移動(dòng)儲(chǔ)能調(diào)度的聯(lián)合恢復(fù)方案,建立了基于時(shí)空網(wǎng)絡(luò)的移動(dòng)儲(chǔ)能調(diào)度模型。文獻(xiàn)［14］通過(guò)協(xié)調(diào)調(diào)度移動(dòng)儲(chǔ)能與線路維修隊(duì)實(shí)現(xiàn)關(guān)鍵負(fù)荷快速恢復(fù)。上述研究?jī)H關(guān)注災(zāi)后恢復(fù)階段,未考慮移動(dòng)資源在災(zāi)前預(yù)防階段的作用。目前,考慮移動(dòng)儲(chǔ)能災(zāi)前預(yù)布局的研究較少。文獻(xiàn)［15］考慮臺(tái)風(fēng)災(zāi)害對(duì)配電線路的影響,采用三層魯棒優(yōu)化模型給出移動(dòng)儲(chǔ)能的災(zāi)前規(guī)劃方案。文獻(xiàn)［16］提出一種災(zāi)前兩階段隨機(jī)規(guī)劃方法,利用逐步對(duì)沖算法求解移動(dòng)儲(chǔ)能的配置數(shù)量與位置。文獻(xiàn)［17］在災(zāi)前基于負(fù)荷需求與優(yōu)先級(jí)進(jìn)行移動(dòng)應(yīng)急車預(yù)定位,在配電網(wǎng)故障后通過(guò)調(diào)度應(yīng)急車恢復(fù)負(fù)荷,但未考慮應(yīng)急車數(shù)量的預(yù)配置,且在配電網(wǎng)輻射拓?fù)浼s束中孤島數(shù)被設(shè)定為常數(shù)。上述研究利用移動(dòng)電源獨(dú)立或與固定資源配合開展負(fù)荷恢復(fù),較少考慮電源出力不確定性以及多源協(xié)同運(yùn)行,且忽略了災(zāi)害場(chǎng)景下交通網(wǎng)絡(luò)狀態(tài)對(duì)移動(dòng)儲(chǔ)能調(diào)度的影響。

針對(duì)上述不足,本文提出一種多源協(xié)同的兩階段配電網(wǎng)韌性提升策略。在災(zāi)前考慮光伏出力不確定性與網(wǎng)絡(luò)重構(gòu),以移動(dòng)儲(chǔ)能配置成本與負(fù)荷削減風(fēng)險(xiǎn)成本最小為目標(biāo)對(duì)儲(chǔ)能的配置數(shù)量與位置進(jìn)行預(yù)布局；在災(zāi)后通過(guò)多源協(xié)同運(yùn)行與移動(dòng)儲(chǔ)能的動(dòng)態(tài)調(diào)度最小化負(fù)荷削減成本,以提升配電網(wǎng)韌性。本文的主要貢獻(xiàn)為:1）考慮電網(wǎng)與交通網(wǎng)耦合提出基于移動(dòng)儲(chǔ)能預(yù)布局與動(dòng)態(tài)調(diào)度的配電網(wǎng)韌性提升策略,在災(zāi)前與災(zāi)后兩階段保障供電；2）針對(duì)光伏出力不確定性,建立災(zāi)前預(yù)布局魯棒優(yōu)化模型,利用列約束生成算法迭代求解預(yù)布局方案；3）考慮極端災(zāi)害對(duì)交通網(wǎng)通行時(shí)間的影響,建立災(zāi)后恢復(fù)的混合整數(shù)二階錐規(guī)劃模型,通過(guò)多源協(xié)同實(shí)現(xiàn)電能量在時(shí)空維度上的最優(yōu)分配。

1 面向配電網(wǎng)韌性提升的兩階段優(yōu)化策略

1.1 電網(wǎng)-交通網(wǎng)融合系統(tǒng)結(jié)構(gòu)

考慮配電網(wǎng)內(nèi)接入了光伏、移動(dòng)儲(chǔ)能、電動(dòng)汽車充電樁（EVS）與柴油發(fā)電機(jī)等分布式資源,電網(wǎng)-交通網(wǎng)融合系統(tǒng)示意結(jié)構(gòu)如圖1 所示。在災(zāi)害發(fā)生前配電網(wǎng)內(nèi)負(fù)荷由上級(jí)主網(wǎng)供電,災(zāi)害發(fā)生后配電網(wǎng)失去主網(wǎng)供電且出現(xiàn)若干條線路故障,交通網(wǎng)絡(luò)在災(zāi)害負(fù)荷恢復(fù)期間的實(shí)時(shí)通行能力受到災(zāi)害影響。

圖1 電網(wǎng)-交通網(wǎng)融合系統(tǒng)示意結(jié)構(gòu)Fig.1 Schematic structure of integration system of power grid and traffic network

1.2 兩階段配電網(wǎng)韌性提升策略

本文所提出的兩階段韌性提升策略分別對(duì)應(yīng)配電網(wǎng)功能曲線（見附錄A 圖A1）中的災(zāi)前預(yù)防與災(zāi)害恢復(fù)階段,如圖A1 所示的t0～t1與t3～t4時(shí)段。

在災(zāi)前預(yù)防階段,考慮光伏極端出力場(chǎng)景與網(wǎng)絡(luò)重構(gòu),在災(zāi)害發(fā)生時(shí)刻與持續(xù)時(shí)間未知的前提下,對(duì)移動(dòng)儲(chǔ)能的配置數(shù)量與位置進(jìn)行預(yù)布局,確保移動(dòng)儲(chǔ)能在災(zāi)害發(fā)生后快速響應(yīng)并參與負(fù)荷恢復(fù)；在災(zāi)后恢復(fù)階段建立多源協(xié)同的災(zāi)后恢復(fù)優(yōu)化模型,通過(guò)調(diào)度移動(dòng)儲(chǔ)能、電動(dòng)汽車等資源實(shí)現(xiàn)電能在時(shí)空上的優(yōu)化分配,以最大限度恢復(fù)重要負(fù)荷供電,提升配電網(wǎng)韌性,如附錄A 圖A1 中陰影區(qū)域所示。最后,可通過(guò)搶修故障設(shè)備將系統(tǒng)恢復(fù)至正常運(yùn)行,本文不考慮線路搶修等設(shè)施重建措施。

2 災(zāi)前預(yù)布局魯棒優(yōu)化模型

2.1 目標(biāo)函數(shù)

本文以最惡劣光伏出力場(chǎng)景下的移動(dòng)儲(chǔ)能配置成本與負(fù)荷削減成本最小為目標(biāo),建立兩階段魯棒優(yōu)化模型來(lái)確定移動(dòng)儲(chǔ)能的配置數(shù)量與位置。第一階段的決策變量為移動(dòng)儲(chǔ)能與節(jié)點(diǎn)的連接狀態(tài)以及線路開關(guān)狀態(tài),第二階段的決策變量為負(fù)荷削減功率、分布式電源出力、節(jié)點(diǎn)電壓、支路功率與電流,光伏出力為不確定變量,目標(biāo)函數(shù)如下:

2.2 約束條件

2.2.1 第一階段約束

1）移動(dòng)儲(chǔ)能資源約束。在災(zāi)害發(fā)生前儲(chǔ)備的移動(dòng)儲(chǔ)能資源有限,并且每臺(tái)移動(dòng)儲(chǔ)能設(shè)備參數(shù)相同,每個(gè)節(jié)點(diǎn)最多預(yù)先配置一臺(tái)設(shè)備,即

2）分布式電源出力約束。各個(gè)節(jié)點(diǎn)的分布式電源出力不應(yīng)超過(guò)其出力上限,假設(shè)在災(zāi)害發(fā)生前,移動(dòng)儲(chǔ)能、接入充電樁的電動(dòng)汽車均處于滿電狀態(tài),取充放電功率上限作為其出力上限。此外,分布式電源的有功功率、無(wú)功功率與功率因數(shù)之間存在約束,其中光伏采用定功率因數(shù)運(yùn)行。分布式電源出力約束可表示如下:

通過(guò)求解該兩階段優(yōu)化模型,可以得到在最惡劣光伏出力場(chǎng)景下的移動(dòng)儲(chǔ)能配置數(shù)量、位置與網(wǎng)絡(luò)拓?fù)浞桨?確保災(zāi)后移動(dòng)儲(chǔ)能迅速參與到負(fù)荷恢復(fù)過(guò)程中。

3 多源協(xié)同的災(zāi)后恢復(fù)優(yōu)化模型

3.1 目標(biāo)函數(shù)

在災(zāi)害發(fā)生后,配電網(wǎng)失去主網(wǎng)供電,設(shè)故障的持續(xù)時(shí)間可根據(jù)災(zāi)害強(qiáng)度和搶修資源數(shù)量做出預(yù)測(cè)。以故障持續(xù)時(shí)間內(nèi)負(fù)荷削減功率加權(quán)值最小為目標(biāo),建立多源協(xié)同的災(zāi)后恢復(fù)優(yōu)化模型,通過(guò)動(dòng)態(tài)調(diào)度移動(dòng)儲(chǔ)能、電動(dòng)汽車與柴油發(fā)電機(jī),最大限度提升配電網(wǎng)韌性,目標(biāo)函數(shù)如下:

3.2 約束條件

3.2.1 移動(dòng)儲(chǔ)能的時(shí)空動(dòng)態(tài)調(diào)度約束

在電網(wǎng)-交通網(wǎng)融合系統(tǒng)中,移動(dòng)儲(chǔ)能的調(diào)度狀態(tài)由其充放電狀態(tài)和交通運(yùn)輸狀態(tài)共同決定,具有時(shí)空耦合特性?？紤]移動(dòng)儲(chǔ)能i在節(jié)點(diǎn)j與節(jié)點(diǎn)k間的交通通行時(shí)間TMEi,j,k(t)與安裝配置時(shí)間TME0,建立移動(dòng)儲(chǔ)能的時(shí)空動(dòng)態(tài)調(diào)度模型,設(shè)運(yùn)輸過(guò)程不消耗電能,其時(shí)空動(dòng)態(tài)調(diào)度如圖2 所示。

圖2 移動(dòng)儲(chǔ)能的時(shí)空動(dòng)態(tài)調(diào)度Fig.2 Spatio-temporal dynamic scheduling of mobile energy storage

式中:Dj,k,0為節(jié)點(diǎn)j與節(jié)點(diǎn)k間的道路距離；vi,0為零交通流量條件下的理想車速；c表示災(zāi)害場(chǎng)景下交通網(wǎng)絡(luò)的擁堵程度,與災(zāi)害影響程度和交通流量相關(guān),在災(zāi)后可根據(jù)交通網(wǎng)絡(luò)受災(zāi)情況預(yù)估得到。

移動(dòng)儲(chǔ)能接到調(diào)度指令后,若需要由節(jié)點(diǎn)j轉(zhuǎn)移至節(jié)點(diǎn)k進(jìn)行充放電,首先基于災(zāi)害下交通網(wǎng)絡(luò)的擁堵程度選擇最優(yōu)路徑,以實(shí)現(xiàn)在最短通行時(shí)間TMEi,j,k(t)下到達(dá)節(jié)點(diǎn)k。在移動(dòng)儲(chǔ)能未到達(dá)節(jié)點(diǎn)k之前,即時(shí)間間隔Δt

式（25）表示災(zāi)前預(yù)布局階段與災(zāi)害恢復(fù)階段的耦合關(guān)系,確保災(zāi)害發(fā)生時(shí)刻移動(dòng)儲(chǔ)能位于預(yù)布局位置；式（26）表示當(dāng)時(shí)間間隔小于通行與配置時(shí)間之和時(shí),移動(dòng)儲(chǔ)能在節(jié)點(diǎn)k的連接狀態(tài)為0；式（27）表示在同一時(shí)刻移動(dòng)儲(chǔ)能最多連接一個(gè)節(jié)點(diǎn)；式（28）表示移動(dòng)儲(chǔ)能充放電狀態(tài)與空間狀態(tài)的耦合關(guān)系,確保其在連接狀態(tài)時(shí)進(jìn)行充放電；式（29）與式（30）分別為移動(dòng)儲(chǔ)能的充電和放電有功功率的上下限約束；式（31）與式（32）為移動(dòng)儲(chǔ)能的充放電無(wú)功功率的上下限約束；式（33）與式（34）為移動(dòng)儲(chǔ)能的荷電狀態(tài)約束。由于式（28）中含雙線性項(xiàng),采用線性化方法將式（28）轉(zhuǎn)化為以下線性約束［22］:

3.2.3 其他約束

在災(zāi)后恢復(fù)階段,各時(shí)刻的負(fù)荷削減功率、分布式電源出力與配電網(wǎng)運(yùn)行仍需要滿足相應(yīng)約束,約束條件形式與災(zāi)前預(yù)布局階段相同,見式（8）—式（20）。

4 模型求解

在給定電網(wǎng)-交通網(wǎng)融合系統(tǒng)參數(shù)條件下,通過(guò)求解災(zāi)前預(yù)布局魯棒優(yōu)化模型與多源協(xié)同的災(zāi)后恢復(fù)優(yōu)化模型,獲得最優(yōu)的負(fù)荷削減與電源出力方案。其中,災(zāi)后恢復(fù)優(yōu)化模型為混合整數(shù)二階錐規(guī)劃問(wèn)題,可利用商業(yè)求解器Gurobi 求解。對(duì)于災(zāi)前預(yù)防階段的兩階段魯棒優(yōu)化模型,采用列約束生成（C&CG）算法求解［23］,原問(wèn)題的緊湊形式如下:

式中:Z為輔助變量；K為最大迭代次數(shù)；下標(biāo)l表示第l次迭代得到的變量。

子問(wèn)題求解給定移動(dòng)儲(chǔ)能預(yù)布局方案X*情況下最惡劣的光伏出力,子問(wèn)題形式為:

式中:π、φ、μm、σm為式（42）中后3 個(gè)約束的對(duì)偶變量。

由于含非凸的雙線性項(xiàng)uTφ,子問(wèn)題難以直接求解,不過(guò)變量u與φ相互獨(dú)立,當(dāng)問(wèn)題取得最優(yōu)值時(shí),u將取值為集合US的上下限［23］。因此,引入0-1變量?i作為光伏出力上下限標(biāo)志,其值取0 時(shí)表示光伏出力為下限,其值取1 時(shí)表示光伏出力為上限。uTφ可轉(zhuǎn)化為:

式中:ui和φi分別為u和φ的元素；ui,max和ui,min分別為光伏出力上下限。?iφi可以通過(guò)Big-M 法轉(zhuǎn)化為線性約束式（46）。為了避免模型過(guò)于保守,添加約束式（47）。

式中:hi為中間變量；ε為小于光伏節(jié)點(diǎn)個(gè)數(shù)的常數(shù)。經(jīng)過(guò)上述轉(zhuǎn)換后,子問(wèn)題可利用商業(yè)求解器求解。兩階段魯棒優(yōu)化模型的C&CG 算法迭代求解流程見附錄A 圖A2。

5 算例分析

5.1 算例說(shuō)明

本文采用圖3 所示的改進(jìn)IEEE 33 節(jié)點(diǎn)配電網(wǎng)進(jìn)行仿真分析。電源、負(fù)荷及系統(tǒng)運(yùn)行參數(shù)分別見附錄B 表B1、表B2 與表B3,表B2 中負(fù)荷削減成本較高的負(fù)荷屬于重要負(fù)荷,其余負(fù)荷屬于非重要負(fù)荷,兩類負(fù)荷的有功功率預(yù)測(cè)曲線見圖B1,支路參數(shù)參見文獻(xiàn)［25］,交通網(wǎng)拓?fù)渑c電網(wǎng)相同,相鄰電氣節(jié)點(diǎn)間的道路距離為2 km。災(zāi)害發(fā)生前光伏預(yù)測(cè)參數(shù)見附錄B 表B4,假設(shè)災(zāi)害發(fā)生于04:00,導(dǎo)致上級(jí)電網(wǎng)與配電線路3-4、7-8、12-22、28-29 故障,預(yù)計(jì)修復(fù)時(shí)間為10 h,災(zāi)前移動(dòng)儲(chǔ)能具有足夠時(shí)間配置于預(yù)布局節(jié)點(diǎn),各移動(dòng)儲(chǔ)能與充電樁內(nèi)的電動(dòng)汽車均處于滿電狀態(tài),災(zāi)害發(fā)生后交通網(wǎng)絡(luò)的擁堵程度見附錄B 圖B2,光伏輸出的有功功率大小為日前預(yù)測(cè)出力值,見附錄B 圖B3。

圖3 改進(jìn)的IEEE 33 節(jié)點(diǎn)配電網(wǎng)結(jié)構(gòu)Fig.3 Structure of modified IEEE 33-bus distribution network

5.2 結(jié)果分析

5.2.1 災(zāi)前預(yù)布局結(jié)果

在光伏出力不確定度τ為0.35、參數(shù)ε為4 條件下,災(zāi)前預(yù)布局方案如表1 所示。其中方案1 考慮移動(dòng)儲(chǔ)能數(shù)量與位置預(yù)布局,方案2 不進(jìn)行移動(dòng)儲(chǔ)能位置預(yù)布局。

表1 災(zāi)前預(yù)布局方案對(duì)比Table 1 Comparison of pre-layout schemes before disaster

方案2 中移動(dòng)儲(chǔ)能設(shè)備均位于根節(jié)點(diǎn)1 處,雖能減少移動(dòng)儲(chǔ)能位置預(yù)配置成本,但需要承擔(dān)4 452 元的負(fù)荷削減成本,由于災(zāi)前預(yù)防階段故障持續(xù)時(shí)間未知,該成本屬于系統(tǒng)面臨的風(fēng)險(xiǎn)成本。相較于方案2,方案1 中移動(dòng)儲(chǔ)能分別預(yù)先配置于節(jié)點(diǎn)12 與節(jié)點(diǎn)24,降低了40.5%的預(yù)布局成本。

5.2.2 災(zāi)后恢復(fù)結(jié)果

災(zāi)害發(fā)生后,多種分布式資源協(xié)同恢復(fù)負(fù)荷用電,2 個(gè)移動(dòng)儲(chǔ)能的動(dòng)態(tài)調(diào)度結(jié)果如表2 所示,其輸出功率、荷電狀態(tài)與接入節(jié)點(diǎn)位置的關(guān)系見附錄B圖B4、圖B5,其中MESS1 與MESS2 代表預(yù)配置的2 個(gè)移動(dòng)儲(chǔ)能。各時(shí)段供電負(fù)荷功率與兩類負(fù)荷的恢復(fù)比例如圖4 所示。

表2 移動(dòng)儲(chǔ)能的動(dòng)態(tài)調(diào)度結(jié)果Table 2 Dynamic scheduling results of mobile energy storage

圖4 各時(shí)段負(fù)荷功率與恢復(fù)比例Fig.4 Load power and restoration ratios in each time period

從表2 與圖4 可以看出,在災(zāi)害發(fā)生時(shí)刻,2 個(gè)移動(dòng)儲(chǔ)能分別位于節(jié)點(diǎn)12 與節(jié)點(diǎn)24,配電網(wǎng)被劃分為3 個(gè)孤島。由于節(jié)點(diǎn)24 處具有420 kW 的重要負(fù)荷,2 個(gè)移動(dòng)儲(chǔ)能依次接入該節(jié)點(diǎn)所在孤島進(jìn)行放電。災(zāi)害恢復(fù)期間,重要負(fù)荷的恢復(fù)比例保持在85%以上,最大供電負(fù)荷為1 832 kW,各電動(dòng)汽車充電樁的充放電功率如圖5 所示,柴油發(fā)電機(jī)出力與節(jié)點(diǎn)電壓見附錄B 圖B6 和圖B7。

圖5 各時(shí)段電動(dòng)汽車充電樁的充放電功率Fig.5 Charging and discharging power of electric vehicle charging piles in each period

在04:00—06:00 時(shí)段,受災(zāi)后交通網(wǎng)絡(luò)擁堵影響,MESS1 尚未到達(dá)節(jié)點(diǎn)24 且光伏出力較小,最低的供電負(fù)荷功率為638 kW,由于3 個(gè)充電樁（EVS1至EVS3）內(nèi)的電動(dòng)汽車均處于放電狀態(tài),所有柴油發(fā)電機(jī)以最大有功功率輸出電能,重要負(fù)荷未被嚴(yán)重削減,其恢復(fù)比例仍達(dá)86%。07:00—12:00 時(shí)段,光伏出力逐漸增加,供電負(fù)荷功率呈現(xiàn)增長(zhǎng)趨勢(shì)。期間MESS2 轉(zhuǎn)移至節(jié)點(diǎn)29 處并以140 kW 的充電功率儲(chǔ)存電能,EVS1 充電樁內(nèi)的電動(dòng)汽車也切換為充電狀態(tài),除柴油發(fā)電機(jī)等穩(wěn)定分布式電源節(jié)點(diǎn)外,其他節(jié)點(diǎn)電壓出現(xiàn)明顯波動(dòng),但移動(dòng)儲(chǔ)能、柴油發(fā)電機(jī)等分布式電源具有一定的電壓支撐能力,各節(jié)點(diǎn)電壓仍保持在合理范圍內(nèi)。12:00—14:00時(shí)段,光伏出力降低且充電樁內(nèi)電動(dòng)汽車的儲(chǔ)能耗盡,整體供電負(fù)荷功率略有減少,由于MESS2 接入重要負(fù)荷節(jié)點(diǎn)26,此時(shí)重要負(fù)荷恢復(fù)比例達(dá)98%,系統(tǒng)韌性提升至較高水平。

5.2.3 不同恢復(fù)策略對(duì)系統(tǒng)韌性提升效果的影響

為驗(yàn)證所提兩階段配電網(wǎng)韌性提升策略的優(yōu)勢(shì),按照災(zāi)前是否采用移動(dòng)儲(chǔ)能位置預(yù)布局與災(zāi)后移動(dòng)儲(chǔ)能調(diào)度方式,設(shè)置表3 所示4 種恢復(fù)策略,并分別對(duì)表4 中3 個(gè)配電網(wǎng)故障場(chǎng)景進(jìn)行仿真。其中,策略1 中移動(dòng)儲(chǔ)能位置固定于根節(jié)點(diǎn)1 處,為了便于對(duì)比,策略1、2 在災(zāi)后恢復(fù)階段中移動(dòng)儲(chǔ)能數(shù)量與策略3、4 相同。策略3 中單次調(diào)度是指移動(dòng)儲(chǔ)能僅執(zhí)行一次預(yù)布局的位置調(diào)度,策略4 為本文所提策略。算例參數(shù)與5.1 節(jié)相同,根據(jù)各時(shí)段恢復(fù)的重要負(fù)荷功率,得出各策略中重要負(fù)荷的恢復(fù)比例曲線,如圖6 所示。不同故障場(chǎng)景下各恢復(fù)策略的負(fù)荷削減成本見表5。

表3 4 種恢復(fù)策略對(duì)比Table 3 Comparison of four restoration strategies

表4 故障場(chǎng)景對(duì)比Table 4 Comparison of fault scenarios

圖6 場(chǎng)景1 中各策略的重要負(fù)荷恢復(fù)比例曲線Fig.6 Restoration ratio curve of critical load of each strategy in scenario 1

表5 不同故障場(chǎng)景中各策略的負(fù)荷削減成本Table 5 Load shedding cost of each strategy in different fault scenarios

由表5 可以看出,在3 個(gè)故障場(chǎng)景中,基于移動(dòng)儲(chǔ)能預(yù)布局與動(dòng)態(tài)調(diào)度恢復(fù)策略的負(fù)荷削減成本均為 最 小,在 場(chǎng) 景1 中 相 較 于 策 略1、2、3 分 別 降 低34.3%、6.1%、21.7%。在重要負(fù)荷恢復(fù)效果方面,由于災(zāi)前模型已經(jīng)考慮了負(fù)荷空間分布與分布式電源出力情況,求解出的移動(dòng)儲(chǔ)能的預(yù)布局點(diǎn)位于失負(fù)荷風(fēng)險(xiǎn)較高的關(guān)鍵節(jié)點(diǎn)附近。因此,考慮災(zāi)前預(yù)布局與災(zāi)后恢復(fù)相耦合的恢復(fù)策略3、4 中移動(dòng)儲(chǔ)能可迅速接入關(guān)鍵節(jié)點(diǎn),故障前期的重要負(fù)荷削減量能夠明顯減少,從而提升了配電網(wǎng)的韌性。因算例中根節(jié)點(diǎn)1 與重要負(fù)荷節(jié)點(diǎn)24 的交通距離較近,策略2 中移動(dòng)儲(chǔ)能也可快速到達(dá)節(jié)點(diǎn)24。因此,故障發(fā)生2 h 后其重要負(fù)荷削減量相較策略1 明顯減少。由于策略2、4 可以動(dòng)態(tài)調(diào)度移動(dòng)儲(chǔ)能,能夠?qū)崿F(xiàn)能量在時(shí)間與空間維度上的最優(yōu)分配,充分利用多種分布式資源,因此,故障后期重要負(fù)荷的恢復(fù)比例較高,整體達(dá)90%以上。

6 結(jié)語(yǔ)

針對(duì)電網(wǎng)-交通網(wǎng)融合背景下的配電網(wǎng)韌性提升問(wèn)題,本文提出一種移動(dòng)儲(chǔ)能預(yù)布局與動(dòng)態(tài)調(diào)度策略,建立了災(zāi)前預(yù)防-災(zāi)后恢復(fù)的兩階段優(yōu)化模型,算例驗(yàn)證了其對(duì)提升配電網(wǎng)韌性的有效性,所得結(jié)論如下:

1）針對(duì)光伏出力不確定性,本文建立了災(zāi)前預(yù)防階段的兩階段魯棒優(yōu)化模型,相較于不采用移動(dòng)儲(chǔ)能預(yù)布局的恢復(fù)策略,利用C&CG 算法求解得到的預(yù)布局方案能夠顯著降低系統(tǒng)災(zāi)前的運(yùn)行風(fēng)險(xiǎn),同時(shí)可使移動(dòng)儲(chǔ)能迅速參與災(zāi)后負(fù)荷恢復(fù),提高資源利用效率。

2）災(zāi)后恢復(fù)階段通過(guò)動(dòng)態(tài)調(diào)度移動(dòng)儲(chǔ)能的充放電狀態(tài)和交通運(yùn)輸狀態(tài),實(shí)現(xiàn)電能量在時(shí)空維度上的最優(yōu)分配,充分發(fā)揮了多源協(xié)同優(yōu)勢(shì),相較于僅利用移動(dòng)儲(chǔ)能預(yù)布局或單次調(diào)度的恢復(fù)策略能夠明顯減少負(fù)荷削減損失,提升重要負(fù)荷供電保障能力。

需要指出的是,本文未考慮災(zāi)害條件下配電線路故障的不確定性及故障修復(fù)措施。如何兼顧故障時(shí)空演變特性、故障修復(fù)資源與恢復(fù)策略的交互影響是下一步的研究方向。

附錄見本刊網(wǎng)絡(luò)版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網(wǎng)絡(luò)全文。