HILP事件下考虑多元分布式灵活资源的城市配电网韧性恢复策略研究.pdf

摘要

极端气候频发，高影响力、低概率事件下城市配电网状态变得错综复杂，实现

连续可靠的负荷供应面临严峻挑战。在“双碳”目标指引下，电力系统正迈向清洁

化、智能化方向转变，可再生能源、电动汽车、移动电源系统（mobilepowersystem,

MPS）等多元分布式资源不断与电网整合，挖掘其调节潜力提升电网韧性受到了广

泛关注。如何有效优化与调度电网源、网、荷端资源，实现各要素间的相互感知与

高效协同，是提升配电网韧性的关键所在。

本文基于城市配电网中的多元分布式灵活资源，以优化算法与数据驱动技术

为支点，探索实现源、荷最优匹配的电网韧性提升策略。本文的主要研究内容如下：

(1)研究基于系统性能损失的韧性评估框架，构建电网韧性评估指标。首先，

对电力-交通时空耦合、电动汽车用户需求与分布式资源特性进行分析与建模，并

基于负荷响应特性构建韧性优化调度模型。其次，基于强化学习涵盖的不同决策类

型，进一步分析韧性导向的数据驱动型优化决策框架。最后，利用条件生成对抗网

络挖掘风机、光伏出力隐含特征，为恢复策略的构建奠定基础。

(2)针对城市配电网中包含的多种分布式资源，提出一种城市风机、光伏、MPS、

电动汽车充电站与维修人员协同的多目标韧性恢复策略。建立考虑恢复经济性与

可靠性目标下的调度决策方案，充分发挥移动储能资源灵活性与多种分布式资源

互补性优势。进一步建立基于风险规避型信息间隙决策理论的韧性恢复策略，调整

鲁棒偏差因子以寻求含最优不确定性度的策略集，为无法获得准确场景信息的决

策者提供极端保守型决策。仿真算例表明，所提出的策略能够适应不同规模的配电

网，有效调度不同资源避免关键负荷的减载，同时极端保守型决策为运营商的调度

引入更高的不确定性裕度。

(3)针对城市配电网中线路参数与拓扑结构难以获取的问题，提出基于代理模

型-多智能体的数据驱动型韧性恢复策略。首先，基于最小二乘支持向量机回归算

法训练多级负荷减载代理模型。其次，将多MPS参与的协同优化问题转化为部分

可观测马尔可夫过程，将代理模型嵌入其中，以精确估计智能体在训练过程中的奖

励值。最后，在集中式训练-分布式执行框架下，采用多智能体柔性动作-评价算法

进行求解实现协同控制策略的寻优。仿真算例表明，所提出策略在保证配电网隐私

性的同时，实现MPS实时协同优化与电网拓扑变换决策，有效提升电网韧性。

关键词：电网韧性，多资源协同，移动电源系统，代理模型，多智能体强化学习

ABSTRACT

Withthefrequentoccurrenceofextremeweather,thestateofurbandistribution

networksunderhigh-impactandlow-probabilityeventshasbecomeintricateand

complex,achievingcontinuousandreliableloadsupplyfacesseverechallenges.Under

theguidanceof“carbonpeakingandcarbonneutrality”goals,thepowersystemis

shiftingtowardscleanlinessandintelligence,renewableenergy,electricvehicles,mobile

powersystem,andothermulti-distributedresourcescontinuetobeintegratedwiththe

powergrid,tappingitsregulatorypotentialtoenhancetheresilienceofthepowergrid

hasreceivedwidespreadattention.Howtoeffectivelyoptimizeanddispatchgridsource,

network,andload-sideresources,andrealizemu