做韧性电网研究这几年我常被人问城市路网配电网和应急电源优化配置到底该从哪一头抓起我的回答是先把“抵抗力”和“恢复力”分清楚。刚过去的极端天气里不少城市不是输在变电站而是输在配网线路和交通同时中断应急电源被堵在路上。我们这套预置模型研究就是灾前先想好应急电源放哪、放多少、灾后怎么调把路网约束和配电网约束放进同一个优化框架让抵抗力和恢复力一起被“计划”出来。无论你是做电网规划、应急管理还是韧性方向的研究生这篇内容都可以当成一个可直接拆解的案例模板。1. 项目背景极端场景下“预置”为什么比“抢救”更值钱1.1 一次复盘会上的典型场景前阵子参加防灾复盘调度员提到一个典型情况220千伏变电站安然无恙10千伏配网却倒了好几基杆塔。更麻烦的是连接仓库和灾区的两条主干道一条积水严重另一条因桥梁检测临时管制。移动发电车从仓库出发绕了很久才找到可通行路线等到电源接入重要用户已经停了快半天。这种场景不是孤例极端事件里电力系统和交通系统往往同时受损而应急电源的价值恰恰体现在“能否及时到位”。所以后来我做模型时就给自己定了一条规矩不要只在配电网里算账。路网通不通直接决定了应急电源能不能发挥价值。这个项目最初就瞄准这个痛点把路网配电网和应急电源的预置位置打包优化而不是等故障发生后再临时调车。1.2 抵抗力与恢复力不是同一个指标抵抗力和恢复力经常被混着说但在模型里它们是可以分开度量的。抵抗力指系统在遭受扰动时保持供电的能力比如杆塔加固、线路抗风设计、变电站防洪。恢复力指系统故障后回到正常状态的速度比如抢修力量、应急电源、网络重构。用一条简单曲线来看横轴是时间纵轴是供电负荷率故障发生瞬间曲线掉下去掉得越少抵抗力越强故障后曲线爬回来爬得越快恢复力越强。韧性研究里常用曲线下面积衡量总损失面积越小系统整体韧性越好。你可以拿人应对感冒来类比有人很少感冒是免疫力强有人感冒后三天就好是恢复力强。两个都重要但要花不同方向的钱。应急电源预置并不会让线路更抗风却能显著缩短故障后的恢复时间反过来加固线路能减少故障发生概率却不能替代应急供电。所以这个项目没有贪心到把所有手段都装进去而是聚焦在“用预置移动电源提升恢复力”这件事上同时尽量不影响系统本身的抵抗力。1.3 模型定位从“被动应急”到“主动预置”传统应急管理思路是“灾中调度”先看哪里停了电再派车去现场。这套思路在多数小故障里可行但在极端事件里可能失效道路断了、通信乱了、信息还有时间差。预置模型的核心思想是“灾前主动部署”在灾害预警阶段就把应急电源放到最可能被需要、且灾后最容易到达的位置。这就像消防器材不是等火灾发生后才去买而是定点放在走廊和楼梯口。模型的定位不是替代抢修调度而是在灾前给出一份决策方案哪里设预置点、放几台多大容量的电源、灾后优先派给哪些负荷。实际应用时它还可以跟气象预警联动在台风登陆前提前启动优化计算。后面几章我会把模型骨架、关键约束、算例设计和真实工程中踩过的坑逐一展开。2. 预置模型的整体设计思路2.1 两阶段随机优化的骨架这类问题最常见的数学框架是两阶段随机优化。第一阶段做“灾前决策”也就是应急电源预置的位置和容量这个决策必须在灾害场景揭示之前确定。第二阶段做“灾后决策”在某个具体场景下移动电源沿路网移动、接入节点、配电网形成孤岛、削减负荷。核心目标是让第一阶段的预置方案在所有可能场景下的期望损失最小。目标函数写成文字就是最小化所有场景概率加权后的负荷损失再加上预置成本。需要注意这里的负荷损失不是简单统计电量而是通常会对停电时间加权早期停电的代价要高于后期。为什么因为医院、通信基站、供水泵站这些关键负荷停电时间越久衍生风险越大。目标函数里因此会有一个时间权重系数恢复力就体现在这个权重结构里。不确定性怎么刻画如果对灾害概率有把握可以用随机规划如果数据太少就用鲁棒优化或者分布鲁棒优化。我个人的体会是极端事件历史样本永远不够直接套随机分布很容易过度自信。后面讲数据噪声处理时我会专门说这个问题。2.2 路网与配电网的耦合关系联合建模的关键是找到两个网络的接口。配电网由变电站、馈线、负荷节点组成路网由道路节点、路段和路口组成。应急电源从某个预置点出发经过一系列道路到达某个配电网节点然后把电力注入系统这就是耦合关系。模型里常见的做法是定义“接入时间变量”它同时受路网路径和车辆参数影响。举一个简单例子假设一台500千瓦发电车预置在节点A灾后配电网需要它到节点B形成孤岛。模型会先在路网上求A到B的最短可行路径得到通行时间再把通行时间输入配电网恢复模型决定B节点在何时接入电源、能支撑哪些负荷。如果不考虑路网模型可能会默认电源只需要10分钟就能到任意位置这显然脱离实际。所以“路网配电网”不是两个模块简单拼接而是相互约束。道路损毁场景决定了哪些路径可用配电网的电气约束决定了电源接入后能不能带得动负荷。任何一个环节被忽略优化结果都可能“看起来最优、现场用不了”。2.3 目标函数与决策变量的取舍第一阶段的决策变量包括候选点是否启用、每个候选点配置几台移动电源、配置什么类型。第二阶段的变量包括每台移动电源往哪个节点移动、接入时间、配电网开关状态、负荷削减量。变量多了模型规模会爆炸所以要做取舍。目标函数除了负荷损失和成本还可以加一个惩罚项比如未满足重要负荷的权重。实际项目里我们更关注“边界解”权重设得太大模型会不计成本把所有电源堆到医院附近设得太小又可能完全忽略关键用户。这个系数需要和供电局实际考核指标对齐不是拍脑袋定的。求解上这类混合整数线性规划在中等规模网络下可以直接用商业求解器解。IEEE 33节点配电网配上30个路网节点大约几万个变量十几分钟就能出结果。如果到实际城市规模就需要场景缩减、Benders分解或拉格朗日松弛这部分我会在算例里展开。3. 关键约束路径可通行、潮流可运行、电源可接入3.1 路网约束的实用拆解先看路网。把路网建模成一张有向图节点可以代表仓库、停车场、路口、配电站点边代表道路。每条边有条件正常通行时间、灾害场景下是否可用、是否存在限高限重、是否单向。移动应急电源一般是重型车辆城市下穿隧道、低垂线缆、承重不足的小桥都可能把它卡住。路径选择本质是寻找预置点到配电网接入点的最短可行路径。由于道路场景随机变化每个场景下的最短路径不同所以模型会把“通行时间”作为场景相关参数。实际操作时我们可以用Floyd或Dijkstra预计算所有节点对的最短通行时间再代入优化模型避免在混合整数规划里直接算路由求解难度会大幅下降。有一个细节特别容易忽略很多道路在灾害后实行单向放行或只允许救援车辆通行。模型如果默认双向畅通算出来的方案可能根本执行不了。我建议把路网参数至少分三个等级畅通、管制、中断而不是简单二分。3.2 配电网辐射状与潮流约束配电网侧不能只考虑“有电源就行”还要满足电气约束。常见配电网是辐射状运行故障后的孤岛也得保持辐射状不能环网。移动电源接入某个节点后节点电压和线路潮流必须在安全范围内。工程简化中常用DistFlow潮流模型再通过二阶锥松弛变成可求解的凸问题如果网络不大直接线性化潮流也能接受。这部分和预置模型的关系在于一个预置点放再多电源如果配电网内部线路容量不够电也送不出去。所以候选接入点要提前做校核结合历史负荷数据避免把全部电源放到同一个变电站出口造成堵塞。我踩过的坑是光看有功功率忽略了无功和电压。移动发电车能发有功但无功支撑能力通常有限。如果孤岛内线路很长电压会掉得很快。实际配置时一定要把电压约束写进去否则算出来方案在仿真里能跑一到现场就跳低压保护。3.3 接入时间与操作窗口电源车到了现场不等于立刻来电。要做安全措施、放电缆、接线、核相、和现有系统隔离然后才能带负荷。一套流程下来快则半小时慢则两三个小时。模型里的“接入时间”不能只包含车辆行驶时间还得加上操作时间。更复杂的是同期问题。如果移动电源车不支持并网运行那它只能作为独立孤岛电源接入前要把和主网的联络开关断开期间用户会经历一次短暂停电。这个停电窗口要在优化里显式建模否则算出来的恢复时间偏乐观。我建议建模时把时间轴切成以小时为单位的离散时段接入操作时间至少给1小时。倒不是每台车都那么慢而是要给现场人员留出安全裕度。夜间、雨天操作时间翻倍都很正常。3.4 应急电源类型与参数类型典型容量响应速度运输要求成本水平适用场景移动发电车200-1000千瓦到达后0.5-2小时接入需要重型车辆路宽和承重受限中高大容量孤岛供电、较长时间保电移动储能车100-500千瓦分钟级接入、可短时支撑比发电车轻便高重要用户快速复电、配合新能源固定储能装置50-500千瓦秒级响应无需运输需前期建设较高重要节点常备、提升节点抗力小型发电机5-50千瓦到达后30分钟以内皮卡即可灵活低单点小负荷、通信基站供电表格里的参数是我做算例时常用的初始值实际项目要根据设备台账和现场试验修正。注意移动储能车响应快但容量有限不适合长时间大负荷移动发电车容量大却要烧油灾后燃料供应也得考虑。预置模型里要分别定义每类电源的数量、容量和可用时段。4. 算例设计与结果解读4.1 复现所需的网络与数据算例我推荐从IEEE 33节点配电网开始这是业内最常用的测试系统。路网不用太复杂可以搭30个节点、40条左右的道路边把配电网的变电站节点、关键负荷节点和几个候选应急电源仓库映射到路网节点上。映射关系很重要配电网节点A和路网节点A是同一个物理位置移动电源才能实现“从路到电”。场景方面按台风影响范围内不同区域设置线路故障概率和道路中断概率蒙特卡洛采样500个场景再用k-means聚成20个典型场景。场景太多求解慢太少又覆盖不了极端组合20到30个是我测试下来精度和速度比较平衡的范围。数据准备好以后用Pyomo或YALMIP建模Gurobi或COPT求解一般十几分钟能出结果。如果想快速复现可以先不放所有场景只跑一个“最恶劣场景”验证模型逻辑是否跑通再扩充到随机场景。我写论文时习惯先小后大别一上来就上500个场景不然调试周期会让人崩溃。4.2 预置模型 vs 灾后再调度对比实验的对照组是“灾后再调度”应急电源平时都停在中心仓库故障发生后根据路况再派车。实验组使用预置模型提前把部分电源布置到候选点。两个方案用同一组随机场景做测试结果很有参考性。在我们的一组典型参数下灾后再调度的平均负荷损失是1680千瓦时预置模型是1245千瓦时降幅约26%平均恢复时间从9.5小时缩短到5.5小时。背后的原因很直观出事区域道路中断后中心仓库的车过不去而预置点已经在“靠前”的位置绕行距离大大缩短。还有一个结果值得注意预置模型并不会增加很多动用车辆数甚至相同车辆数条件下因为布置得更聪明整体供电能力反而更强。这说明优化不是靠堆设备而是靠选点。实际应用里这能直接转化为预算的节省。4.3 参数敏感性权重系数、道路损毁概率、电源车速模型最敏感的参数有三个负荷权重系数、道路中断概率、移动电源平均车速。我在算例里逐一做了扫描结果可以当一张实用的调参表。参数变化方案响应说明重要负荷权重提高预置点向医院和水厂附近集中优先保核心负荷道路中断概率提高预置点数量增多、位置更分散规避单一路径依赖电源平均车速降低预置点进一步向负荷点靠拢时间约束变紧权重系数的设定要和供电企业实际考核指标对齐。道路中断概率的来源最好是历史洪涝图、地质灾害隐患点而不是均匀随机。平均车速建议按市区路况每小时30公里取不要按高速公路速度算否则恢复时间会被低估。如果目标是优先保医院可以在目标函数里把医院负荷权重设为普通负荷的5倍模型给出的预置点会明显更靠近医院侧接入路径也更短。这种可解释性正是预置模型能真正进入实际决策的关键。5. 工程落地避坑与实用建议5.1 数据噪声不要迷信精确概率做模型的人最容易犯的错是把参数当成真理。极端灾害样本少道路中断概率很难估计准负荷预测本身还有误差。与其追求一个精确概率不如用区间或模糊集做鲁棒优化。分布鲁棒优化的思路是在概率分布落在一个集合内的情况下寻找最坏情形下的最优解。代价是稍微保守一点但换来的是“大概率不出错”。实战中我会把场景生成和参数清洗放在和建模同等重要的位置。花两天整理GIS数据和历史抢修记录比花两周改进求解算法更有效。电网项目里脏数据带来的偏差往往比模型误差大一个数量级。5.2 移动电源接入安全与可实施性预置模型把电源放到一个位置但现场能不能接入还有很多工程细节。电缆长度是否够、接口型号是否匹配、接地方式是否对应、保护定值是否调整这些在优化模型里统统不会体现。我在一次实地踏勘中发现某个候选点旁边电源条件很理想但电缆要穿过一条市政管道根本无法施工最后只能把该点从候选集合里删掉。建议在建模前对所有候选接入点做一次现场勘察形成“可接入性清单”至少包含接口型号、空间尺寸、电缆敷设条件、接地条件和与主站通信方式。这个清单既是建模输入也是灾后操作手册。移动发电车位置还不要放在低洼处和树下防止次生灾害。若现场风速过大重型车辆可能倾覆预置点要避开风口和山体边坡。5.3 与调度预案衔接模型输出的不能只是一堆数学解还得变成调度员能看懂的东西。我们通常把预置点和接入方案落在一张GIS图上标注每台电源的编号、容量、建议出发时间和目标接入点同时配套生成应急调度卡片一车一卡抢修队伍照着执行。灾前演练同样重要。预置方案如果不跑两轮桌面推演你永远不知道现场会冒出什么问题。调度员临时改接线、交警封路、负荷性质变化都会让模型方案失效。所以系统里要支持“手动调整”和“重新求解”不能锁死。站在系统角度一个完整的预置决策平台至少包含四块气象预警接入、场景生成、优化求解、可视化派单。四块解耦替换任何一个模块都不影响整体。我们项目里就是这么搭的后续扩展加一个灾害模型或换一种求解器都很方便。5.4 避坑经验速查表典型问题出现原因避免方法预置点选定但现场无法接入电缆长度不够或接口不匹配先勘察候选点制作可接入性清单仿真中方案很好现场电压偏低忽略无功和电压约束模型加入DistFlow二阶锥约束或线性化潮流移动电源被限高或管制卡住路网模型只做了二分可用/不可用区分畅通、管制、中断三级状态标注限高限重场景过多求解太慢直接带入500个场景用k-means缩减到20-30个典型场景恢复时间乐观漏算接线、核相、倒闸操作时间接入操作时间至少留1小时这些坑我基本都踩过。最让我印象深刻的一次现场对接模型给出的预置点在逻辑上没有问题但现场那台发电车的电缆插头是旧型号配电网接入柜是新标准接口两边就是接不上。那次之后我把接口兼容性列进候选点筛选的硬约束再没出现过同类问题。如果让我重新做一遍这个题目我会把勘察和演练的时间再往前压。模型架构再完整也解决不了现实中“最后一米”的接口问题。说白了路网配电网和应急电源优化配置最终考验的不是算法多聪明而是对现场细节的敬畏。最后分享一个小技巧拿到预置方案后先对着地图把每台电源车的实际走向画一遍逐一核对限高、管制和接入条件这比反复调算法参数管用得多。