一种极端灾害下配电网两阶段抢修恢复滚动优化方法
1.本发明属于电网技术领域，特别涉及一种极端灾害下配电网两阶段抢修恢复滚动优化方法。
背景技术：
2.配电网作为输电系统和用户之间的重要枢纽，用于保障社会经济和人民生活正常运行。但是由于配电网的设计标准较低，且随着极端灾害的频发，会导致配电网大规模故障带来大面积停电。因此为了降低配网故障带来的负荷损失，需要制定合理的配电网抢修恢复策略优化方法。
3.在目前的配电网抢修恢复策略研究中，传统方法通常将故障抢修和负荷恢复耦合在一起。但是在实际配网抢修过程中，抢修资源车辆调度和电网运行调整的响应时间存在较大差异，传统方法难以有效协调优化不同时间尺度下的故障抢修和负荷恢复问题。此外，考虑到极端天气对配网设备的持续影响导致的后续故障，现有抢修恢复方法难以动态调整配网恢复方案，导致负荷损失增加、抢修效率降低等问题。
4.因此，需要发明一种协同长短时间尺度下的配电网两阶段抢修恢复滚动优化方法，用以提高配网抢修效率、减少电网停电时间。
技术实现要素：
5.针对上述问题，本发明的目的在于在配电网灾后恢复过程中，提供一种极端灾害下配电网两阶段抢修恢复滚动优化方法。
6.实现本发明目的的具体技术方案为：
7.一种极端灾害下配电网两阶段抢修恢复滚动优化方法，包括以下步骤：
8.步骤1、采集交通网和配电网信息，将交通网中的道路网络、施工队和移动电源位置、不同道路节点移动路径及时间和配电网中的灾损元件、移动电源接入节点等相互映射，构建交通网-配电网耦合网；
9.步骤2、构建长时间尺度下考虑可再生能源出力和负荷需求不确定性的施工队、移动储能调度优化模型；
10.步骤3、根据电网初始故障信息，构建可再生能源出力和负荷需求的不确定性集合，基于步骤2的调度优化模型，根据设定的长时间尺度周期
△
t，利用列与约束生成算法进行求解，得到长时间尺度周期
△
t内的施工队、移动储能调度策略；
11.步骤4、构建短时间尺度下的电源出力、开关动作优化模型，构建短时间尺度下的配网负荷恢复的确定性模型，并基于短时间尺度周期
△
t求解该优化模型，得到短时间尺度周期
△
t内的电源出力、开关动作策略；
12.步骤5、基于步骤3和步骤4的优化模型对配电网进行滚动优化，直至配电网恢复至正常运行状态。
13.本发明与现有技术相比，其显著优点在于：
14.(1)本发明的技术方案与传统的灾后配网抢修方法相比，充分考虑了配电网抢修恢复过程中施工队和移动电源车等应急资源调度和电网运行调整的响应时间差异性，建立协调长短时间尺度的配电网抢修恢复决策优化模型；
15.(2)本发明的技术方案在长时间尺度下充分考虑了可再生能源出力和负荷需求的预测误差，生成不确定性集合区间，构建施工队和移动储能车的两阶段鲁棒优化模型，并利用ccg算法求解得到调度方案；
16.(3)本发明的技术方案在短时间尺度下采用可再生能源出力和负荷需求的预测值作为确定值，构建确定性的电网负荷恢复优化模型，基于已知的施工队和移动储能调度方案，决策最优的电源出力和开关动作等方案用于最大化恢复停电负荷；
17.(4)本发明的技术方案充分考虑了极端天气对配网设备持续影响导致的后续故障，基于实时更新的电网故障信息，建立协调长短时间尺度的配电网抢修恢复滚动优化模型，得到动态调整的配网抢修决策方案。
18.下面结合附图对本发明作进一步详细描述。
附图说明
19.图1为本发明的方法步骤流程图。
20.图2为本发明的实施例中的采用的ieee 69节点系统拓扑示意图。
21.图3为本发明的实施例中的交通网与配电网的耦合网示意图。
22.图4为本发明的实施例中的施工队和移动储能的滚动优化路径示意图。
23.图5为本发明的实施例中的本方法与其他方法恢复对比示意图。
具体实施方式
24.结合图1，一种极端灾害下配电网两阶段抢修恢复滚动优化方法，包括以下步骤：
25.步骤1、采集交通网和配电网信息，将交通网中的道路网络、施工队和移动电源位置、不同道路节点移动路径及时间和配电网中的灾损元件、移动电源接入节点等相互映射，构建交通网-配电网耦合网；
26.步骤2、构建长时间尺度下考虑可再生能源出力和负荷需求不确定性的施工队、移动储能调度优化模型，具体为：
27.由于长时间尺度下可再生能源出力和负荷需求预测存在误差，因此考虑可再生能源出力和负荷需求不确定性，建立两阶段鲁棒决策模型目标函数：
[0028][0029][0030][0031]
其中，x表示第一阶段施工队和移动储能调度方案，u表示可再生能源出力和负荷需求不确定性集合，y表示第二阶段电源出力和线路开关动作方案，c
l
表示负荷损失成本，为负荷损失代价，ρi为负荷权重，表示负荷i在时步t时的波动值，为负荷i在时步t
时的恢复值，δt为每个时步的单位时间，cm为机组发电成本，为机组单位发电成本，表示机组i在时步t时的出力值；
[0032]
其中，长时间尺度下配电网抢修决策模型的施工队抢修约束、移动储能约束、配网运行约束，具体为：
[0033]
(1)移动储能约束：
[0034]
移动储能的接入状态：
[0035][0036]
其中，表示移动储能调度状态，等于1表示移动储能m在时刻t接入节点i，表示移动储能的接入状态，如果移动储能m在时刻t是投运状态，则等于1；
[0037]
每个移动储能同时最多只能接入到一个节点中：
[0038][0039]
移动储能从仓库点到达第一个接入点的车辆运动时间限制：
[0040][0041]
其中，表示移动储能从仓库点到各个接入点之间的运动时间；
[0042]
移动储能从接入点i到接入点j之间的车辆运动时间限制：
[0043][0044]
其中，tr
i,j
表示移动储能从接入点i到接入点j之间的运动时间；
[0045]
移动储能的充放电功率限制及荷电状态约束：
[0046][0047][0048][0049][0050][0051]
其中，和为二进制变量，表示移动储能放电和充电状态，且只有移动储能接入到节点时才能进行充放电操作；为移动储能调度出力，和为移动储能的放电和充电最大功率；soc
m,t
为移动储能荷电状态，esm为移动储能容量，和为储能荷电状态上下界；
[0052]
(2)施工队调度约束条件：
[0053]
每个施工队同时最多只能修复到一个故障点：
[0054][0055]
其中，表示施工队调度状态，等于1表示施工队c在时刻t修复故障点i；施工队从仓库点到达第一个故障点的车辆运动时间限制：
[0056][0057]
施工队从故障点i到故障点j的运动时间约束：
[0058][0059]
其中，tr
i,j
表示施工队从故障点i到故障点j之间的运动时间，t为施工队调度时长时间尺度下的时步，t为长时间尺度时步总数；
[0060]
施工队修复故障点所需修复时间的限制：
[0061][0062]
其中，r
i,c
表示施工队c修复故障点i所需要的修复时间，表示故障点的修复完成状态；例如，当故障需要两个时步完成修复时，使得x＝＝[0,0,1,1,0]，可以得到z＝[0,0,0,1,1]。
[0063]
施工队修复故障点后的状态约束：
[0064][0065]
故障点最多只能被一个施工队修复的约束：
[0066][0067]
故障点修复的状态约束：
[0068][0069]
其中，s
i,t
表示故障点i在时刻t时的修复状态，如果完成则值为1；
[0070]
(3)电网调度约束条件为：
[0071]
线路恢复路径约束：
[0072][0073][0074][0075][0076][0077]
其中，z
i,j,t
表示恢复路径在时间t从节点i到节点j，表示故障线路ij在时刻t的可用状态，表示联络线ij在时刻t的可用状态；分别表示了正常线路、故障线路、联络
线的恢复路径方向约束和开环运行约束。
[0078]
线路潮流容量约束：
[0079][0080]
式中，p
i,j,t
表示节点i至节点j在时间t的潮流大小，为线路的潮流容量大小，当线路ij存在恢复路径时，当前线路才能存在潮流，否则为0；
[0081]
电源出力及负荷恢复约束：
[0082][0083][0084][0085][0086][0087][0088]
式中，表示节点i在时步t的移动电源功率大小，和为t时步分布式电源i的有功和无功出力，和为分布式电源有功和无功出力的最大值，rui和rdi分别为电源有功出力爬坡限度；
[0089]
功率平衡及电压安全约束：
[0090][0091][0092][0093][0094][0095]
式中，u
i,t
表示节点i在时步t的电压大小，r
i,j
和x
i,j
为线路ij的阻抗值，ui和为节点电压的上下限。
[0096]
步骤3、根据电网初始故障信息，构建可再生能源出力和负荷需求的不确定性集合，基于步骤2的调度优化模型，根据设定的长时间尺度周期
△
t，利用列与约束生成算法(ccg)进行求解，得到长时间尺度周期
△
t内的施工队、移动储能调度策略，具体为：
[0097]
步骤3-1、构建可再生能源出力和负荷需求不确定性集合：
[0098][0099]
其中，u表示不确定性的可再生能源出力和负荷需求值，ue表示不确定性量的预测值，和表示不确定性量预测误差的上下界；
[0100]
步骤3-2、基于构建的可再生能源出力和负荷需求不确定性集合求解长时间尺度
下的施工队、移动储能调度优化模型，具体为：
[0101]
长时间尺度下的两阶段鲁棒决策模型通式可以表示为：
[0102][0103]
s.t.ax≥g
[0104]
gy+ex+ku≥s
[0105]
hy+ix+nu＝d
[0106][0107]
式中，x表示第一阶段施工队和移动储能调度变量，u表示可再生能源出力和负荷需求不确定性集合，y表示第二阶段电源出力和线路开关动作变量。
[0108]
使用ccg算法求解长时间尺度下的施工队、移动储能调度优化模型，将所述优化模型分解为主问题和子问题，并进行求解；
[0109]
其中，主问题是生成施工队和移动储能的最优调度策略：
[0110][0111][0112]
ax≥g
[0113][0114][0115]
其中，可再生能源出力和负荷需求的不确定性以u*表示的已知条件给出。
[0116]
子问题为在给定的施工队和移动储能调度策略下，搜索使总成本最大化的最坏波动场景：
[0117][0118]
s.t.gy+ex
*
+ku≥s
[0119]
hy+ix
*
+nu＝d
[0120][0121]
式中，第一阶段施工队和移动储能调度变量以x
＊
表示的已知条件给出。
[0122]
通过强对偶理论，双层子问题可以转化为单层的最大问题，对偶问题可以表示为：
[0123]
obj fs＝max[-kλ1u+nλ2u-λ1(ex
*-s)+λ2(ix
*-d)]
[0124]
s.t.b
t-λ1g+λ2h≥0
[0125][0126]
λ1≥0，λ2：free
[0127]
然而，对偶问题存在双线性项λ1u和λ2u，需要做线性化处理。由于最坏情况都存在于不确定性集的极值点，不确定性变量可以描述为：
[0128][0129]
式中，u
min
代表不确定性量的最小值，δu表示不确定量的波动范围，二进制量α用于表示不确定性量位于极大值或极小值。
[0130]
将不确定性变量集合带入对偶问题可以得到：
[0131]
obj.fs＝max[-k(λ1u
min
+λ1αδu)+n(λ2u
min
+λ2αδu)-λ1(ex
*-s)+λ2(ix
*-d)]
[0132]
利用大m法线性化双线性项λ1α和λ2α，取ω1＝λ1α、ω2＝λ2α，可以得到：
[0133][0134]
最终，子问题可以表述为：
[0135]
obj fs＝max[-kλ1u
min
+nλ2u
min-kω1δu+nω2δu+λ1(ex
*-s)+λ2(ix
*-d)]
[0136]
s.t.b
t-λ1g+λ2h≥0
[0137]
ω1≤mα，ω1≤λ
[0138]
ω2≤mα，ω2≤λ2[0139]
ω1≥λ
1-m(1-α)
[0140]
ω2≥λ
2-m(1-α)
[0141]
ω1≥0，ω2≥0，λ1≥0，α∈{0，1}
[0142]
通过ccg算法，迭代求解主问题和转换的子问题模型，直到两个问题的最优结果偏差小于预定义的收敛容差，得到长时间尺度下的施工队、移动储能调度的最优策略。
[0143]
步骤4、构建短时间尺度下的电源出力、开关动作优化模型，构建短时间尺度下的配网负荷恢复的确定性模型，并基于短时间尺度周期
△
t求解该优化模型，得到短时间尺度周期
△
t内的电源出力、开关动作策略，具体为：
[0144]
由于短时间尺度下可再生能源出力和负荷需求预测接近真实值，因此不考虑可再生能源出力和负荷需求的不确定性，建立确定性的负荷恢复决策模型目标函数：
[0145][0146][0147][0148]
其中，x*表示由长时间尺度决策模型得到的施工队抢修方案和移动储能调度路线，y表示短时间尺度下需要决策的电源出力和线路开关动作方案，c
l
表示负荷损失成本，为负荷损失代价，ρi为负荷权重，表示负荷i在短时间尺度时步t时的波动值，为负荷i在短时间尺度时步t时的恢复值，δt为每个短时间尺度时步的单位时间，cm为机组发电成本，为机组单位发电成本，表示机组i在时步t时的出力值。
[0149]
所述优化模型的约束条件：
[0150]
(1)移动储能出力约束：
[0151]
由于移动储能的调度路径在长时间尺度决策模型中优化，短时间尺度下移动储能的接入状态由已知的表示。当短时间尺度下不确定性变量已知后，移动储能的出力开始调节用于修正长时间尺度的决策方案。短时间尺度下移动储能的充放电功率限制及荷电状态约束：
[0152][0153][0154][0155][0156][0157]
其中，和为二进制变量，表示移动储能放电和充电状态，且只有移动储能接入到节点时才能进行充放电操作；为移动储能调度出力，和为移动储能的放电和充电最大功率；soc
m,t
为移动储能荷电状态，esm为移动储能容量，和为储能荷电状态上下界，移动储能的荷电状态需要保持在限定区间内。
[0158]
(2)配网运行约束：
[0159]
短时间尺度下的其他配网运行约束与长时间尺度配网运行约束保持一致：
[0160][0161][0162][0163][0164][0165][0166][0167][0168][0169][0170][0171][0172][0173][0174][0175]
[0176][0177]
其中，z
i,j,t
表示恢复路径在时间t从节点i到节点j，表示故障线路ij在时刻t的可用状态，表示联络线ij在时刻t的可用状态，p
i,j,t
表示节点i至节点j在时间t的潮流大小，为线路的潮流容量大小，当线路ij存在恢复路径时，当前线路才能存在潮流，否则为0，表示节点i在时步t的移动电源功率大小，和为t时步分布式电源i的有功和无功出力，和为分布式电源有功和无功出力的最大值，rui和rdi分别为电源有功出力爬坡限度，u
i,t
表示节点i在时步t的电压大小，r
i,j
和x
i,j
为线路ij的阻抗值，ui和为节点电压的上下限。
[0178]
由于短时间尺度电网负荷恢复决策模型不考虑不确定性，同时由于模型不存在非线性项，可以构建为混合整数线性规划模型，直接利用cplex商业求解软件求解得到短时间尺度下的负荷恢复决策方案。
[0179]
步骤5、基于步骤3和步骤4的优化模型对配电网进行滚动优化，直至配电网恢复至正常运行状态，具体为：
[0180]
实时更新电网故障信息，当每个长时间尺度周期
△
t结束时，判断配电网是否恢复正常运行状态，若未恢复，则更新更新电网故障信息、施工队位置及可用状态、移动储能位置及荷电水平、可再生能源出力和负荷需求预测值及误差范围，返回步骤3，重新进行下一个长时间尺度周期
△
t的配电网抢修恢复，直至配电网恢复至正常运行状态。
[0181]
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：
[0182]
步骤1、采集交通网和配电网信息，将交通网中的道路网络、施工队和移动电源位置、不同道路节点移动路径及时间和配电网中的灾损元件、移动电源接入节点等相互映射，构建交通网-配电网耦合网；
[0183]
步骤2、构建长时间尺度下考虑可再生能源出力和负荷需求不确定性的施工队、移动储能调度优化模型；
[0184]
步骤3、根据电网初始故障信息，构建可再生能源出力和负荷需求的不确定性集合，基于步骤2的调度优化模型，根据设定的长时间尺度周期
△
t，利用列与约束生成算法进行求解，得到长时间尺度周期
△
t内的施工队、移动储能调度策略；
[0185]
步骤4、构建短时间尺度下的电源出力、开关动作优化模型，构建短时间尺度下的配网负荷恢复的确定性模型，并基于短时间尺度周期
△
t求解该优化模型，得到短时间尺度周期
△
t内的电源出力、开关动作策略；
[0186]
步骤5、基于步骤3和步骤4的优化模型对配电网进行滚动优化，直至配电网恢复至正常运行状态。
[0187]
一种计算机可存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以下步骤：
[0188]
步骤1、采集交通网和配电网信息，将交通网中的道路网络、施工队和移动电源位置、不同道路节点移动路径及时间和配电网中的灾损元件、移动电源接入节点等相互映射，构建交通网-配电网耦合网；
[0189]
步骤2、构建长时间尺度下考虑可再生能源出力和负荷需求不确定性的施工队、移动储能调度优化模型；
[0190]
步骤3、根据电网初始故障信息，构建可再生能源出力和负荷需求的不确定性集合，基于步骤2的调度优化模型，根据设定的长时间尺度周期
△
t，利用列与约束生成算法进行求解，得到长时间尺度周期
△
t内的施工队、移动储能调度策略；
[0191]
步骤4、构建短时间尺度下的电源出力、开关动作优化模型，构建短时间尺度下的配网负荷恢复的确定性模型，并基于短时间尺度周期
△
t求解该优化模型，得到短时间尺度周期
△
t内的电源出力、开关动作策略；
[0192]
步骤5、基于步骤3和步骤4的优化模型对配电网进行滚动优化，直至配电网恢复至正常运行状态。
[0193]
下面结合实施例对本发明做进一步的说明。
[0194]
实施例
[0195]
本实施例中的ieee 69节点系统的拓扑结构如图2所示，交通网与配电网的耦合网如图3所示。
[0196]
为了减少极端天气下配网的停电损失，考虑了分布式电源、移动储能和施工队用于恢复负荷。分布式电源安装在配电网的节点24、43和50上，具体出力参数如表1所示。移动电源的功率限制和容量为400kw/1200kwh，最初位于节点48，移动电源在配电网的接口在由绿节点表示。考虑到台风的移动过程，本发明考虑了配电网的初始故障和后续故障，其中f1-f7是台风初始阶段发生的线路故障，f8-f9是台风持续影响引起的后续线路故障，表2列出了后续故障发生时刻及两个施工队修复每条故障线路的时间。
[0197]
表1分布式电源系数
[0198][0199]
表2配网故障参数
[0200][0201]
考虑到长时间尺度上的预测误差，可再生能源出力和负荷需求的不确定性分别设置为
±
10％和
±
5％。通过求解长时间尺度下的两阶段鲁棒决策模型，基于不确定的最坏情况调度施工队和移动电源，用于最小化负载损失。同时考虑到配网后续故障，滚动优化用于动态更新调度策略。图4为施工队和移动储能的滚动优化路径示意图。
[0202]
施工队优先修复故障f1、f2和f4，用于恢复馈线沿线的更多负载。此外，当故障f4和f2修复时，线路开关17-65和35-56可以闭合以恢复节点60-65和30-35。当时步3发生后续故障f9后，施工队1被重新派遣去修复f9，原先调度去修复故障f1的如虚线所示；当时步8发生后续故障f8，施工队2被重新调度到f8，故障f5被延迟。
[0203]
为了表现本发明提出的两阶段优化方法的优势，将两阶段鲁棒方法与其他常规方法进行了比较，包括一阶段鲁棒方法、两阶段随机方法和两阶段确定性方法。在一阶段鲁棒模型中，基于长时间尺度上的不确定性集对协调调度方案进行鲁棒优化。在两阶段确定性模型中，未考虑风速和负荷需求的不确定性。在两阶段随机模型中，使用随机规划方法处理长时间尺度上的不确定性。两阶段确定性和随机模型的短时间尺度运算与所提出的确定性方法相同。当无法满足安全约束时，恢复的负载设置为零。四种方法的结果对比如图5所示。
[0204]
就负荷恢复量而言，鲁棒方法低于随机和确定性方法，因为鲁棒策略是根据最坏情况进行优化的。就电压越限而言，与随机和确定性方法相比，鲁棒方法始终能够满足安全约束，对不确定性集都保持鲁棒性。此外，在保证系统安全稳定运行的同时，两阶段鲁棒方法的性能优于单阶段鲁棒方法，因为可以调整第二阶段决策以补偿第一阶段策略，以减少保守性。
[0205]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
[0206]
以上实施例显示和描述了本发明的基本原理、主要特征。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原
理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。
技术特征：
1.一种极端灾害下配电网两阶段抢修恢复滚动优化方法，其特征在于，包括以下步骤：步骤1、采集交通网和配电网信息，将交通网中的道路网络、施工队和移动电源位置、不同道路节点移动路径及时间和配电网中的灾损元件、移动电源接入节点等相互映射，构建交通网-配电网耦合网；步骤2、构建长时间尺度下考虑可再生能源出力和负荷需求不确定性的施工队、移动储能调度优化模型；步骤3、根据电网初始故障信息，构建可再生能源出力和负荷需求的不确定性集合，基于步骤2的调度优化模型，根据设定的长时间尺度周期
△
t，利用列与约束生成算法进行求解，得到长时间尺度周期
△
t内的施工队、移动储能调度策略；步骤4、构建短时间尺度下的电源出力、开关动作优化模型，构建短时间尺度下的配网负荷恢复的确定性模型，并基于短时间尺度周期
△
t求解该优化模型，得到短时间尺度周期
△
t内的电源出力、开关动作策略；步骤5、基于步骤3和步骤4的优化模型对配电网进行滚动优化，直至配电网恢复至正常运行状态。2.根据权利要求1所述的极端灾害下配电网两阶段抢修恢复滚动优化方法，其特征在于，所述步骤2中的构建长时间尺度下的施工队、移动储能调度优化模型，具体为：于，所述步骤2中的构建长时间尺度下的施工队、移动储能调度优化模型，具体为：于，所述步骤2中的构建长时间尺度下的施工队、移动储能调度优化模型，具体为：其中，x表示第一阶段施工队和移动储能调度方案，u表示可再生能源出力和负荷需求不确定性集合，y表示第二阶段电源出力和线路开关动作方案，c
l
表示负荷损失成本，为负荷损失代价，ρ
i
为负荷权重，表示负荷i在时步t时的波动值，为负荷i在时步t时的恢复值，δt为每个时步的单位时间，c
m
为机组发电成本，为机组单位发电成本，表示机组i在时步t时的出力值。3.根据权利要求2所述的极端灾害下配电网两阶段抢修恢复滚动优化方法，其特征在于，所述施工队、移动储能调度优化模型的约束条件为：(1)移动储能约束：移动储能的接入状态：其中，表示移动储能调度状态，等于1表示移动储能m在时刻t接入节点i，表示移动储能的接入状态，如果移动储能m在时刻t是投运状态，则等于1；每个移动储能同时最多只能接入到一个节点中：
移动储能从仓库点到达第一个接入点的车辆运动时间限制：其中，表示移动储能从仓库点到各个接入点之间的运动时间；移动储能从接入点i到接入点j之间的车辆运动时间限制：其中，tr
i,j
表示移动储能从接入点i到接入点j之间的运动时间；移动储能的充放电功率限制及荷电状态约束：移动储能的充放电功率限制及荷电状态约束：移动储能的充放电功率限制及荷电状态约束：移动储能的充放电功率限制及荷电状态约束：移动储能的充放电功率限制及荷电状态约束：其中，和为二进制变量，表示移动储能放电和充电状态，且只有移动储能接入到节点时才能进行充放电操作；为移动储能调度出力，和为移动储能的放电和充电最大功率；soc
m,t
为移动储能荷电状态，es
m
为移动储能容量，和为储能荷电状态上下界；(2)施工队调度约束条件：每个施工队同时最多只能修复到一个故障点：其中，表示施工队调度状态，等于1表示施工队c在时刻t修复故障点i；施工队从仓库点到达第一个故障点的车辆运动时间限制：施工队从故障点i到故障点j的运动时间约束：其中，tr
i,j
表示施工队从故障点i到故障点j之间的运动时间，t为施工队调度时长时间尺度下的时步，t为长时间尺度时步总数；施工队修复故障点所需修复时间的限制：
其中，r
i,c
表示施工队c修复故障点i所需要的修复时间，表示故障点的修复完成状态；施工队修复故障点后的状态约束：故障点最多只能被一个施工队修复的约束：故障点修复的状态约束：其中，s
i,t
表示故障点i在时刻t时的修复状态，如果完成则值为1；(3)电网调度约束条件为：线路恢复路径约束：线路恢复路径约束：线路恢复路径约束：线路恢复路径约束：线路恢复路径约束：其中，z
i,j,t
表示恢复路径在时间t从节点i到节点j，表示故障线路ij在时刻t的可用状态，表示联络线ij在时刻t的可用状态；线路潮流容量约束：式中，p
i,j,t
表示节点i至节点j在时间t的潮流大小，为线路的潮流容量大小，当线路ij存在恢复路径时，当前线路才能存在潮流，否则为0；电源出力及负荷恢复约束：电源出力及负荷恢复约束：电源出力及负荷恢复约束：电源出力及负荷恢复约束：电源出力及负荷恢复约束：
式中，表示节点i在时步t的移动电源功率大小，和为t时步分布式电源i的有功和无功出力，和为分布式电源有功和无功出力的最大值，ru
i
和rd
i
分别为电源有功出力爬坡限度；功率平衡及电压安全约束：功率平衡及电压安全约束：功率平衡及电压安全约束：功率平衡及电压安全约束：功率平衡及电压安全约束：式中，u
i,t
表示节点i在时步t的电压大小，r
i,j
和x
i,j
为线路ij的阻抗值，u
i
和为节点电压的上下限。4.根据权利要求2所述的极端灾害下配电网两阶段抢修恢复滚动优化方法，其特征在于，所述步骤3中的构建可再生能源出力和负荷需求不确定性集合并求解优化模型，具体为：步骤3-1、构建可再生能源出力和负荷需求不确定性集合：其中，u表示不确定性的可再生能源出力和负荷需求值，u
e
表示不确定性量的预测值，和表示不确定性量预测误差的上下界；步骤3-2、基于构建的可再生能源出力和负荷需求不确定性集合求解长时间尺度下的施工队、移动储能调度优化模型。5.根据权利要求4所述的极端灾害下配电网两阶段抢修恢复滚动优化方法，其特征在于，所述步骤3-2中的求解优化模型，具体为：使用ccg算法求解长时间尺度下的施工队、移动储能调度优化模型，将所述优化模型分解为主问题和子问题，并进行求解；其中，主问题是生成施工队和移动储能的最优调度策略：其中，主问题是生成施工队和移动储能的最优调度策略：ax≥gax≥g子问题为在给定的施工队和移动储能调度策略下，搜索使总成本最大化的最坏波动场
景：s.t.gy+ex
*
+ku≥shy+ix
*
+nu＝d通过ccg算法，迭代求解主问题和转换的子问题模型，直到两个问题的最优结果偏差小于预定义的收敛容差，得到长时间尺度下的施工队、移动储能调度的最优策略。6.根据权利要求1所述的极端灾害下配电网两阶段抢修恢复滚动优化方法，其特征在于，所述步骤4中的构建短时间尺度下的电源出力、开关动作优化模型并基于短时间尺度周期
△
t求解，具体为：t求解，具体为：t求解，具体为：其中，x*表示由长时间尺度决策模型得到的施工队抢修方案和移动储能调度路线，y表示短时间尺度下需要决策的电源出力和线路开关动作方案，c
l
表示负荷损失成本，为负荷损失代价，ρ
i
为负荷权重，表示负荷i在短时间尺度时步t时的波动值，为负荷i在短时间尺度时步t时的恢复值，δt为每个短时间尺度时步的单位时间，c
m
为机组发电成本，为机组单位发电成本，表示机组i在时步t时的出力值。7.根据权利要求6所述的极端灾害下配电网两阶段抢修恢复滚动优化方法，其特征在于，所述优化模型的约束条件为：(1)移动储能出力约束：短时间尺度下移动储能的充放电功率限制及荷电状态约束：短时间尺度下移动储能的充放电功率限制及荷电状态约束：短时间尺度下移动储能的充放电功率限制及荷电状态约束：短时间尺度下移动储能的充放电功率限制及荷电状态约束：短时间尺度下移动储能的充放电功率限制及荷电状态约束：其中，和为二进制变量，表示移动储能放电和充电状态，且只有移动储能接入到节点时才能进行充放电操作；为移动储能调度出力，和为移动储能的放电和充电最大功率；soc
m,t
为移动储能荷电状态，es
m
为移动储能容量，和为
储能荷电状态上下界；(2)配网运行约束：(2)配网运行约束：(2)配网运行约束：(2)配网运行约束：(2)配网运行约束：(2)配网运行约束：(2)配网运行约束：(2)配网运行约束：(2)配网运行约束：(2)配网运行约束：(2)配网运行约束：(2)配网运行约束：(2)配网运行约束：(2)配网运行约束：(2)配网运行约束：(2)配网运行约束：(2)配网运行约束：其中，z
i,j,t
表示恢复路径在时间t从节点i到节点j，表示故障线路ij在时刻t的可用状态，表示联络线ij在时刻t的可用状态，p
i,j,t
表示节点i至节点j在时间t的潮流大小，为线路的潮流容量大小，当线路ij存在恢复路径时，当前线路才能存在潮流，否则为0，表示节点i在时步t的移动电源功率大小，和为t时步分布式电源i的有功和无功出力，和为分布式电源有功和无功出力的最大值，ru
i
和rd
i
分别为电源有功出力爬坡限度，u
i,t
表示节点i在时步t的电压大小，r
i,j
和x
i,j
为线路ij的阻抗值，u
i
和为节点电压的上下限。8.根据权利要求1所述的极端灾害下配电网两阶段抢修恢复滚动优化方法，其特征在于，所述步骤5中的滚动优化，直至配电网恢复，具体为：
当每个长时间尺度周期
△
t结束时，判断配电网是否恢复正常运行状态，若未恢复，则更新更新电网故障信息、施工队位置及可用状态、移动储能位置及荷电水平、可再生能源出力和负荷需求预测值及误差范围，返回步骤3，重新进行下一个长时间尺度周期
△
t的配电网抢修恢复，直至配电网恢复至正常运行状态。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述方法的步骤。10.一种计算机可存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7项所述的方法的步骤。
技术总结
本发明公开了一种极端灾害下配电网两阶段抢修恢复滚动优化方法，首先采集交通网和配电网信息，构建交通网-配电网耦合网，之后构建长时间尺度下考虑可再生能源出力和负荷需求不确定性的施工队、移动储能调度优化模型并求解，之后构建短时间尺度下的电源出力、开关动作优化模型并求解，基于滚动优化原理对电网恢复过程中的抢修方案进行滚动修正，直至配电网恢复至正常运行状态。本发明的技术方案能够实现不同响应时间的应急资源协同优化，同时决策方案滚动优化用于考虑抢修过程中后续故障的影响，实现了配网恢复过程中负荷恢复量最大的目标，具有一定的理论价值和工程价值。具有一定的理论价值和工程价值。具有一定的理论价值和工程价值。
