配电网韧性提升：移动电源两阶段鲁棒优化方案

老铁爱金衫

1. 项目概述

在电力系统领域，配电网作为电力传输的"最后一公里"，其韧性直接关系到极端天气、设备故障等突发事件下关键负载的供电可靠性。近年来，应急移动电源（Mobile Power Sources, MPS）因其灵活部署特性，成为提升配电网韧性的重要手段。本文聚焦于SCI一区论文《Routing and Scheduling of Mobile Power Sources for Distribution System Resilience Enhancement》的部分复现工作，重点研究基于两阶段鲁棒优化的MPS预配置方案。

移动电源（MPS）主要包括三类设备：

电动汽车（EV）车队
车载移动储能系统（MESS）
移动应急发电机（MEG）

这些设备在提升配电网韧性方面具有独特优势：

部署灵活：可根据需要快速调配至故障区域
资源复用：日常可作为普通电力设备使用
响应迅速：相比固定设备能更快到达故障现场

2. 核心问题与技术挑战

2.1 关键科学问题

在MPS预配置与调度过程中，主要面临以下核心挑战：

时空耦合性：MPS的运输时间与电力调度需要协同优化，避免因路径延误导致恢复失效
不确定性处理：极端天气下故障位置、恢复时间及道路通行状态高度不确定
多目标平衡：需同时考虑预配置成本、负荷恢复优先级及系统恢复速度

2.2 传统方法的局限性

传统配电网恢复方法主要存在以下不足：

依赖固定备用电源，灵活性不足
未充分考虑交通网络与电力网络的耦合关系
对极端事件下的不确定性考虑不足

3. 两阶段鲁棒优化框架

3.1 整体架构设计

本文提出的解决方案采用两阶段鲁棒优化框架：

code复制第一阶段（预事件阶段）：
MPS预配置 + 配电网拓扑重构 → 提升系统生存能力

第二阶段（事件后阶段）：
MPS动态调度 + 常规恢复协同 → 加速系统恢复

3.2 第一阶段：MPS预配置模型

3.2.1 目标函数

第一阶段目标是最大化系统在极端事件后的生存能力（Survivability），数学表达式为：

max Σ_{i∈N} w_i · R_

其中：

N：所有节点集合
w_i：节点i的权重（反映负荷优先级）
R_{pp,i}：预恢复阶段节点i的韧性水平

3.2.2 主要约束条件

MPS容量约束：
Σ_{k∈K} x_{i,k} ≤ C_i, ∀i∈N
（每个节点预置的MPS数量不超过其容量上限）
配电网拓扑约束：
通过虚拟流模型确保网络呈辐射状，避免环路形成
道路-电力网络耦合约束：
x_{i,k} ≤ A_{i,k}, ∀i∈N, k∈K
（MPS只能预置在道路可达的节点）

3.3 第二阶段：动态调度模型

3.3.1 目标函数

第二阶段目标是最小化恢复时间并最大化负荷恢复量：

min Σ_{t∈T} Σ_{i∈N} c_i·d_{i,t} + Σ_{k∈K} (c_k^{trans} + c_k^{deg})

其中：

d_{i,t}：节点i在时刻t的负荷削减量
c_k^{trans}：MPS k的运输成本
c_k^{deg}：电池寿命衰减成本

3.3.2 关键约束

功率平衡约束：
P_{i,t}^{inj} = P_{i,t}^{load} - P_{i,t}^{MPS}, ∀i∈N, t∈T
（节点注入功率=负荷需求-MPS供电）
MPS状态约束：
SoC_{k,t+1} = SoC_{k,t} - (P_{k,t}^{dis}/η_{dis} - P_{k,t}^{ch}·η_{ch})·Δt
（电量状态更新方程）
运输时间耦合：
y_{i,j,k,t} ≤ y_{i,k,t-τ_{i,j}}, ∀(i,j)∈E, k∈K, t∈T
（MPS从i到j需要τ_{i,j}个时间步）

4. 求解算法实现

4.1 列约束生成算法(C&CG)

本文采用C&CG算法求解两阶段鲁棒优化问题，具体流程如下：

初始化：设定收敛阈值ε，迭代计数器ν=0
主问题求解：
求解确定性MPS预配置问题，得到第一阶段决策x^ν
子问题求解：
针对x^ν，寻找最恶劣故障场景u^ν
收敛判断：
若|obj^ν - obj^{ν-1}| ≤ ε，停止；否则ν=ν+1，返回步骤2

4.2 MATLAB实现要点

在MATLAB实现中，需要特别注意以下技术细节：

模型线性化处理：
将非线性约束通过大M法等方法转化为线性约束
稀疏矩阵优化：
利用MATLAB的稀疏矩阵存储方式减少内存占用
并行计算：
对场景生成等可并行部分使用parfor加速

关键代码结构示例：

matlab复制% 主问题求解
options = optimoptions('intlinprog','Display','iter');
[x, fval] = intlinprog(f, intcon, A, b, Aeq, beq, lb, ub, options);

% 子问题对偶变换
dual.A = A_sub';
dual.f = f_sub;
dual.lb = lb_sub;
dual.ub = ub_sub;
[dual_sol, dual_val] = linprog(dual.f, [], [], dual.A, dual.f, dual.lb, dual.ub);