台风灾害下柔性资源集结中心两阶段协同选址与调度方法
本发明涉及电力系统防灾减灾与应急资源优化配置,具体涉及一种台风灾害下柔性资源集结中心两阶段协同选址与调度方法。
背景技术:
1、沿海配电网在台风灾害过程中可能同时发生节点故障、线路受损、道路通行能力降低以及抢修资源短缺等情况。灾后故障通常具有空间相关性和阶段性,若应急物资和抢修车辆在灾前布置不合理,易出现服务半径过大、物资覆盖不足或车辆并行能力不足等问题。
2、现有技术多将应急仓储设施选址、库存配置和灾后车辆调度分开优化,或者采用单一资源类型和固定故障场景,难以反映台风路径、风场强度、节点抗风能力、节点重要度与网络距离之间的耦合关系。部分方法仅以建设成本或恢复负荷为目标,也难以兼顾物资覆盖、响应时间和高重要度节点保障。
3、因此,有必要提供一种将灾害场景建模、节点分级、灾前资源配置、灾后应急调度和双目标决策统一起来的技术方案,该技术方案能够同时面向随机台风扰动和典型历史台风路径场景,联合确定柔性资源集结中心的位置、等级、物资配置量和车辆配置数,并在灾后按照节点重要度和最短可达路径实施调度。
技术实现思路
1、本发明的目的在于,提供一种台风灾害下柔性资源集结中心两阶段协同选址与调度方法,以解决现有应急资源配置方案难以协同考虑台风灾害下节点故障不确定性、柔性资源集结中心的启用位置和等级、物资配置量和车辆配置数以及灾后调度顺序的问题。
2、本发明通过以下技术方案来实现上述目的:
3、第一方面,本发明提供一种台风灾害下柔性资源集结中心两阶段协同选址与调度方法,该方法包括:
4、获取配电网、候选柔性资源集结中心、应急物资、抢修车辆以及台风参数数据,并根据节点负荷和拓扑特征确定节点重要度;
5、基于台风风场模型和节点脆弱性曲线生成多个节点故障场景,并确定各节点故障场景的场景权重;
6、建立灾前配置模型,确定柔性资源集结中心的启用位置和等级,以及各柔性资源集结中心的物资配置量和车辆配置数;
7、针对各节点故障场景,按照节点重要度确定故障节点的服务顺序,并根据最短可达路径,将已启用柔性资源集结中心的应急物资和抢修车辆调度至故障节点;
8、计算灾前投资成本、灾后运行成本、物资覆盖率和综合满意度,以最小化期望总成本和最大化期望综合满意度为优化目标进行多目标求解;
9、根据多目标求解结果输出柔性资源集结中心配置方案和各节点故障场景对应的调度方案。
10、进一步地,所述获取配电网、候选柔性资源集结中心、应急物资、抢修车辆以及台风参数数据,并根据节点负荷和拓扑特征确定节点重要度,包括:
11、获取配电网的节点集合、线路集合、节点间拓扑连接关系以及各节点的负荷数据,并获取候选柔性资源集结中心的位置数据、应急物资需求数据、抢修车辆数据和台风参数数据;
12、根据所述节点间拓扑连接关系,确定各节点的拓扑度,并分别对各节点的负荷数据和拓扑度进行归一化处理;
13、按照预设权重对归一化后的节点负荷和归一化后的拓扑度进行加权计算,得到各节点的节点重要度,并根据所述节点重要度将各节点划分为多个服务优先等级;
14、公式如下:
15、;
16、;
17、;
18、;
19、式中,为节点负荷,为归一化后的节点负荷;为节点拓扑度,为正则化参数,为归一化后的拓扑度;为节点重要度;为节点服务优先等级分值。
20、进一步地,所述基于台风风场模型生成多个节点故障场景,包括:
21、针对随机台风场景,获取随机采样的台风中心位置、最大风速和最大风速半径,并采用batts径向风场模型计算各配电网节点的10m高度风速;
22、或,针对典型历史台风场景,获取历史台风路径的经纬度、中心气压、外围气压和最大风速半径,将所述经纬度转换为配电网所在区域的局部平面坐标,并采用holland风场模型计算各配电网节点的模拟风速。
23、进一步地,所述基于节点脆弱性曲线生成多个节点故障场景,包括:
24、根据节点重要度等级,为不同节点设置对应的中值失效风速和脆弱性曲线离散参数;根据场景下各节点的风速确定各节点的故障概率;对各节点的故障概率进行蒙特卡洛采样,确定各节点的故障状态,并形成对应场景的故障节点集合;
25、其中,节点故障概率按照下式确定:
26、;
27、;
28、;
29、或;
30、式中,为节点
i至场景
s台风中心的距离;和分别为最大风速半径和对应风速;
x为径向衰减参数;为场景s的中心气压差,为环境气压(远场气压),为场景
s的台风中心气压;为holland参数;
ρ为空气密度;为场景
s下节点
i处的holland模型模拟风速;为采用batts径向风场模型计算的场景
s下节点
i处10m高度风速;为节点
i对应设施的中值失效风速;为离散参数;为标准正态累积分布函数,为场景
s下节点
i的故障概率。
31、进一步地,所述确定各节点故障场景的场景权重,包括:针对每一节点故障场景,获取故障节点数、节点平均风速和节点最大风速中的至少两项作为场景严重度指标;对各场景严重度指标进行归一化处理;根据归一化后的场景严重度指标计算各指标的指标熵值,根据指标熵值计算各指标的客观权重;根据各指标的客观权重计算场景严重度得分,并对所述场景严重度得分进行归一化,获得各节点故障场景的场景权重;
32、其中,场景权重按照下式确定:
33、;
34、;
35、;
36、;
37、;
38、式中,为场景
s的第
j项严重度指标;
m为场景数;为归一化后的场景严重度指标;为指标熵值;为客观权重;为场景
s的严重度得分;为场景权重。
39、进一步地,所述建立灾前配置模型,包括:
40、根据可配置物资容量、可配置车辆上限和固定建设成本,将候选柔性资源集结中心划分为多个中心等级;
41、建立候选柔性资源集结中心是否启用、启用等级、物资配置量和车辆配置数对应的灾前决策变量;
42、设置启用中心数量约束、中心等级唯一性约束、物资容量约束、车辆数量约束、未启用中心的物资量和车辆数为零的约束、灾前预算约束以及整数性约束;
43、;
44、;
45、;
46、;
47、式中,为灾前投资成本;为候选柔性资源集结中心集合;
i、c为中心和节点索引;为候选柔性资源集结中心的固定建设成本,和分别为单位物资配置成本和单车配置成本;为中心
i是否启用的0-1变量;k为计划启用的中心数量;和分别为中心
i的物资配置量和车辆配置数;和分别为中心
i允许配置的物资上限和车辆上限。
48、进一步地,所述将已启用柔性资源集结中心的应急物资和抢修车辆调度至故障节点,包括:
49、将故障节点按照节点重要度由高到低排序;
50、筛选具有剩余物资和可用车辆的已启用柔性资源集结中心;
51、计算各筛选中心至当前故障节点的最短可达路径和最短可达距离;
52、选择最短可达距离对应的柔性资源集结中心向当前故障节点配送应急物资并派遣抢修车辆;
53、更新所选柔性资源集结中心的剩余物资量和车辆状态,并继续处理下一故障节点。
54、进一步地,所述计算期望总成本和期望综合满意度,包括:
55、根据各柔性资源集结中心的固定建设成本、物资配置成本和车辆配置成本,计算灾前投资成本;
56、根据各节点故障场景中心调度距离和资源调度结果,计算灾后运行成本;
57、根据故障节点的物资需求量和实际获得的物资量,计算各节点故障场景的物资覆盖率;
58、根据故障节点的实际物资满足程度、响应时间及节点服务权重,计算各节点故障场景的综合满意度;
59、根据各节点故障场景的场景权重,对所述灾后运行成本和所述综合满意度分别进行加权求和,得到期望灾后运行成本和期望综合满意度;
60、将所述灾前投资成本与所述期望灾后运行成本之和确定为期望总成本。
61、进一步地,所述多目标求解,包括:
62、对柔性资源集结中心的启用位置、启用等级、物资配置量和车辆配置数进行编码,生成初始种群;
63、根据灾前配置模型的约束对所述初始种群和迭代种群进行可行性修复;针对每个种群个体,在各节点故障场景下执行灾后调度,计算所述期望总成本和所述期望综合满意度;
64、采用非支配排序遗传算法ii进行非支配排序、拥挤度计算、选择、交叉和变异,得到pareto解集;
65、根据所述pareto解集中各方案与理想点的归一化距离或pareto前沿拐点,确定推荐折中方案。
66、第二方面,本发明提供一种台风灾害下柔性资源集结中心两阶段协同选址与调度系统,用于执行第一方面所述的方法,该系统包括:
67、数据获取模块,用于获取配电网、候选柔性资源集结中心、应急物资、抢修车辆以及台风参数数据,并根据节点负荷和拓扑特征确定节点重要度;
68、场景生成模块,用于基于台风风场模型和节点脆弱性曲线生成多个节点故障场景,并确定各节点故障场景的场景权重;
69、灾前配置模块,用于建立灾前配置模型,确定柔性资源集结中心的启用位置和等级,以及各柔性资源集结中心的物资配置量和车辆配置数;
70、灾后调度模块,用于针对各节点故障场景,按照节点重要度确定故障节点的服务顺序,并根据最短可达路径,将已启用柔性资源集结中心的应急物资和抢修车辆调度至故障节点;
71、评价优化模块,用于计算灾前投资成本、灾后运行成本、物资覆盖率和综合满意度,以最小化期望总成本和最大化期望综合满意度为优化目标进行多目标求解;
72、方案输出模块,用于根据多目标求解结果输出柔性资源集结中心配置方案和各节点故障场景对应的调度方案。
73、总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得以下有益效果:
74、本发明提供了一种台风灾害下柔性资源集结中心两阶段协同选址与调度方法,通过基于台风风场模型、节点脆弱性曲线和蒙特卡洛采样生成节点故障场景,并结合节点重要度确定故障节点的服务优先级,使灾前资源配置能够适应台风灾害下的节点故障不确定性。
75、通过联合确定柔性资源集结中心的启用位置、启用等级、物资配置量和车辆配置数,并在灾后按照节点重要度和最短可达路径实施物资配送及抢修车辆派遣,实现中心位置与资源容量的协同匹配,有利于提高应急物资覆盖能力和高重要度节点的优先保障能力。
76、通过以期望总成本和期望综合满意度为优化目标进行多目标求解,获得pareto解集并确定推荐折中方案,能够为不同台风场景下的资源配置与调度提供兼顾成本、响应时间和保障需求的决策依据。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com