一种台风灾害下应急抢修方法

1.本发明涉及台风灾害抢修技术领域，具体涉及一种台风灾害下应急抢修方法。


背景技术：

2.台风灾害对配网设备会造成极大的破坏，极大的风速使得电网倒杆(塔)、断线，进而可能造成用户大面积停电。为了提升电网防灾减灾的能力，进行台风灾害下配网应急抢修恢复优化策略研究具有重要现实意义。对台风灾害下配网应急抢修恢复策略进行优化研究，可有效提升电网公司灾害下的应灾能力，在灾后能够第一时间按照应急抢修恢复策略执行配网故障恢复任务，减少配网在受灾过程中因等待复电造成的失负荷损失，减小配网停电对社会造成的影响。
3.本技术发明人在实施本发明的过程中，发现现有技术的方法，至少存在如下技术问题：
4.极端自然灾害条件下应急抢修恢复优化策略考虑片面、未充分针对具体灾害如台风灾害场景下配网故障的不确定性、较少考虑在台风场景下利用移动分布式电源通过孤岛供电的方式与抢修队伍联合抢修复电等技术问题。
5.因此，如何避免现有极端自然灾害条件下应急抢修恢复优化策略技术中的考虑片面、未充分针对具体灾害如台风灾害场景下配网故障的不确定性、较少考虑在台风场景下利用移动分布式电源通过孤岛供电的方式与抢修队伍联合抢修复电造成的抢修不准确及时，仍然是本领域技术人员亟待解决的问题。


技术实现要素：

6.本发明的目的在于克服上述技术不足，提供一种台风灾害下应急抢修方法，解决现有技术中考虑片面、未充分针对具体灾害如台风灾害场景下配网故障的不确定性、较少考虑在台风场景下利用移动分布式电源通过孤岛供电的方式与抢修队伍联合抢修复电造成的抢修不准确及时的技术问题。
7.为达到上述技术目的，本发明的技术方案提供一种台风灾害下应急抢修方法，包括：
8.采集目标台风的监测信息，确定目标电网的受灾区域；
9.采集所述受灾区域的综合数据，基于所述综合数据采用台风灾害下配网线路故障概率模型对所述目标网络的配网线路进行计算，获得所述配网线路的故障概率和位置；
10.基于所述故障概率和所述位置，构建临时调拨中心选址的第一优化模型，求解所述第一优化模型得到临时调拨中心的目标位置，确定所述目标位置为灾后应急抢修恢复优化任务的出发点；
11.缩减根据所述故障概率利用蒙特卡洛模拟生成的台风灾后故障场景，得到多个典型灾后故障场景；
12.选择场景故障概率最大的典型灾后故障场景作为灾后抢修恢复优化的场景；
13.基于所述出发点和所述灾后抢修恢复优化的场景构建灾后配网应急抢修恢复的第二优化模型，求解所述第二优化模型，得到受灾区域配网应急抢修的目标恢复优化方案。
14.根据本发明提供的一种台风灾害下应急抢修方法，所述采集目标台风的监测信息，确定目标电网的受灾区域，具体包括：
15.持续监测目标台风，响应于监测结果中所述目标台风的预报，采集所述目标台风的监测信息；
16.基于所述监测信息，确定目标电网的受灾区域。
17.根据本发明提供的一种台风灾害下应急抢修方法，所述监测信息，具体包括：
18.台风发展路径，台风风速，台风风圈，台风中心位置，以及台风中心气压。
19.根据本发明提供的一种台风灾害下应急抢修方法，所述确定目标电网的受灾区域，具体包括：
20.基于配网设备的地理拓扑信息数据，与台风的p级风圈进行叠加分析，确定受灾区域，p为正整数。
21.根据本发明提供的一种台风灾害下应急抢修方法，所述综合数据包括气象数据、配网数据和地理数据；所述气象数据包括受灾区域的最大阵风风速；所述配网数据包括受灾区域的杆塔总数、杆塔位置、线路长度、线路位置、线路拓扑和线路负荷信息；所述地理数据包括经度和纬度。
22.根据本发明提供的一种台风灾害下应急抢修方法，所述缩减根据所述故障概率利用蒙特卡洛模拟生成的台风灾后故障场景，具体包括：
23.利用同步回代场景缩减算法将根据所述故障概率利用蒙特卡洛模拟生成的台风灾后故障场景进行缩减。
24.根据本发明提供的一种台风灾害下应急抢修方法，根据所述故障概率利用蒙特卡洛模拟生成台风灾后故障场景，具体包括：
25.假设线路m的故障概率为pm，初始化各配网线路的计数状态为0、仿真次数为i＝1、以及配网线路遍历次数为m＝1；
26.随机产生一个0到1之间的数随机数s，将s与每条线路的故障概率pm比较，若s《pm则线路的断线状态为1，否则为0；
27.比较此时的m是否小于n，若否，则继续遍历系统剩余支路得到系统所有线路的断线状态，若是，则判断此时的断线场景sum(l)是否等于10，若是，则证明此次仿真有效，仿真次数i加1，继续下一次仿真，若否，此次仿真不计数，重新生成随机数s；
28.重复上述步骤，直到产生mm个n-10的灾后断线场景，mm为正整数。
29.根据本发明提供的一种台风灾害下应急抢修方法，利用同步回代场景缩减算法将根据所述故障概率利用蒙特卡洛模拟生成的mm个台风灾后故障场景进行缩减，得到nn个典型灾后故障场景，具体包括：
30.计算mm个场景中任意两个场景之间的距离d(ζi,ζj)；
31.确定与场景ζi距离最小的场景ζn，将场景ζi的概率p(ζi)与场景ζi、ζn的距离d(ζi,ζn)相乘，得到p(ζi)
·
d(ζi,ζn)，重复以上步骤，直到完成所有遍历；
32.找出使得p(ζi)
·
d(ζi,ζn)值最小的两个场景，即场景对(ζi,ζn)；
33.更新p(ζn)＝p(ζn) p(ζi)，同时缩减场景ζi；
34.更新总场景数mm-1；
35.返回上述步骤中的第一步，重复上述步骤直到剩余的场景数为nn，nn为正整数且nn《mm。
36.根据本发明提供的一种台风灾害下应急抢修方法，所述构建临时调拨中心选址的第一优化模型，具体包括：
37.基于第一优化公式构建待优化模型，其中所述第一优化公式为：
[0038][0039]
式中，pi为线路i的预测故障概率；m
l
为故障线路总数；nb(i)为预测故障线路i造成的失负荷节点总数；w
ij
为故障线路i故障造成停电的负荷j的等级权重；t
ij
在临时调拨中心选址阶段以临时调拨中心到故障线路i的路程时间表示。
[0040]
根据本发明提供的一种台风灾害下应急抢修方法，所述基于所述出发点和所述灾后抢修恢复优化的场景构建灾后配网应急抢修恢复的第二优化模型，具体包括：
[0041]
基于第二优化公式构建待优化模型，其中所述第二优化公式为：
[0042][0043]
其中，m是配网系统中的故障点总数，n是故障点i处的失负荷总数，w
ij
代表故障点i处失负荷节点j的负荷等级权重，p
ij
代表故障点i处失负荷节点j的有功功率，ti代表故障点i处的停电时间；
[0044]
停电时间的计算公式为：
[0045][0046]
其中，t
i-1》i
代表从上一个故障点i-1到故障点i所耗费的路程时间；代表从开始到前一个故障点i-1完成复电所耗费的时间总和；t
re,i
代表故障点i的抢修耗费时间；t
tc》i
代表从临时调拨中心tc到故障点i的路程时间；xi为0，1二元变量，当xi＝1时，代表该处故障有移动分布式电源通过孤岛的方式为故障点内的负荷集群供电，因此该处故障点的停电时间只有移动分布式电源从出发点到该故障点的路程所耗费的时间，即ti＝xi·
t
tc》i
；当xi＝0时，代表该处故障没有移动分布式电源为其供电，只能通过后续抢修队伍来为其抢修复电，因此xi·
t
tc》i
＝0，
[0047]
灾后应急抢修恢复优化模型还需要满足预设约束条件。
[0048]
与现有技术相比，本发明的有益效果包括：实现台风灾害下配网故障的快速应急抢修恢复。
附图说明
[0049]
图1为本发明提供的一种台风灾害下应急抢修方法的流程示意图；
[0050]
图2为本发明提供的一种台风灾害下配网应急抢修恢复优化策略的流程示意图；
[0051]
图3是本发明提供的ieee-33节点系统地理拓扑图；
[0052]
图4为本发明提供的距离台风中心距离与故障概率变化关系的示意图；
[0053]
图5为本发明提供的配网杆塔失效概率与风速的关系的示意图；
[0054]
图6为本发明提供的台风灾害下33节点系统各线路故障概率的示意图；
[0055]
图7为本发明提供的临时调拨中心选址优化后的节点系统的结构图；
[0056]
图8为本发明提供的利用蒙特卡洛模拟生成1000个台风灾后故障场景的流程图；
[0057]
图9为本发明提供的根据场景1得到的断线场景示意图；
[0058]
图10为本发明提供的简化后的断线场景示意图；
[0059]
图11为本发明提供的配网应急抢修恢复优化模型的收敛曲线图；
[0060]
图12为本发明提供的故障的抢修优化顺序示意图；
[0061]
图13为本发明提供的系统恢复程度随时间变化情况示意图。
具体实施方式
[0062]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图图1-图13，及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0063]
图1为本发明提供的一种台风灾害下应急抢修方法的流程示意图，如图1所示，该方法包括：
[0064]
步骤110，采集目标台风的监测信息，确定目标电网的受灾区域；
[0065]
步骤120，采集所述受灾区域的综合数据，基于所述综合数据采用台风灾害下配网线路故障概率模型对所述目标网络的配网线路进行计算，获得所述配网线路的故障概率和位置；
[0066]
步骤130，基于所述故障概率和所述位置，构建临时调拨中心选址的第一优化模型，求解所述第一优化模型得到临时调拨中心的目标位置，确定所述目标位置为灾后应急抢修恢复优化任务的出发点；
[0067]
步骤140，缩减根据所述故障概率利用蒙特卡洛模拟生成的台风灾后故障场景，得到多个典型灾后故障场景；
[0068]
步骤150，选择场景故障概率最大的典型灾后故障场景作为灾后抢修恢复优化的场景；
[0069]
步骤160，基于所述出发点和所述灾后抢修恢复优化的场景构建灾后配网应急抢修恢复的第二优化模型，求解所述第二优化模型，得到受灾区域配网应急抢修的目标恢复优化方案。
[0070]
具体地，s1：对台风进行监测，在收到台风预报后收集台风的监测信息；s2：根据监测的台风信息，确定电网受灾区域；s3：对受灾区域的气象数据、配网数据、地理数据等数据进行收集；s4：基于收集的数据利用台风灾害下配网线路故障概率模型计算线路对配网线路的故障概率进行计算；s5：根据配网线路故障概率与位置，建立临时调拨中心选址优化模型，求解模型得到临时调拨中心的位置，作为灾后应急抢修恢复优化任务的出发点；s6：根据线路故障概率利用蒙特卡洛模拟生成mm个台风灾后故障场景；s7：利用同步回代场景缩减的方法将s7生成的场景进行缩减，得到nn个典型灾后故障场景，选择场景故障概率最大的场景作为灾后抢修恢复优化的场景；s8：建立灾后配网应急抢修恢复优化模型，对模型进
行求解，得到受灾区域配网应急抢修恢复优化策略。
[0071]
本发明提供的台风灾害下应急抢修方法，通过灾前灾后两阶段联合，灾前阶段确定灾后应急抢修恢复所需资源及临时调拨中心的位置，灾后利用场景生成与场景缩减的方法处理灾后配网故障场景的不确定性，同时获得灾后应急抢修恢复优化场景，利用移动分布式电源孤岛供电与抢修队伍协同抢修作为配网应急抢修恢复优化的策略，实现台风灾害下配网故障的快速应急抢修恢复。
[0072]
基于上述实施例，该方法中，
[0073]
所述采集目标台风的监测信息，确定目标电网的受灾区域，具体包括：
[0074]
持续监测目标台风，响应于监测结果中所述目标台风的预报，采集所述目标台风的监测信息；
[0075]
基于所述监测信息，确定目标电网的受灾区域。本实施例中通过对监测信息的采集过程进行具体的说明，实现了对目标台风监测信息的采集进一步说明，对其进行了精确限定。
[0076]
基于上述实施例，该方法中，所述监测信息，具体包括：
[0077]
台风发展路径，台风风速，台风风圈，台风中心位置，以及台风中心气压。
[0078]
本实施例中通过对监测信息的种类进行具体的说明，实现了对监测信息的进一步说明，对其进行了精确限定。
[0079]
基于上述实施例，该方法中，所述确定目标电网的受灾区域，具体包括：
[0080]
基于配网设备的地理拓扑信息数据，与台风的p级风圈进行叠加分析，确定受灾区域，p为正整数。
[0081]
具体地，确定电网受灾区域的方法为，利用从电网公司获取的配网设备地理拓扑信息等数据，与台风的10级风圈、12级风圈进行叠加分析，从而确定受灾区域。
[0082]
本实施例中通过对受灾区域确定的方法进行进一步说明，限定了受灾区域便捷且准确的确定方法。
[0083]
基于上述实施例，该方法中，所述综合数据包括气象数据、配网数据和地理数据；所述气象数据包括受灾区域的最大阵风风速；所述配网数据包括受灾区域的杆塔总数、杆塔位置、线路长度、线路位置、线路拓扑和线路负荷信息；所述地理数据包括经度和纬度。
[0084]
具体地，气象数据由气象部门提供，主要包括受灾区域的最大阵风风速；配网数据主要包括受灾区域的杆塔总数、杆塔位置、线路长度、线路位置、线路拓扑、线路负荷信息等；地理数据主要包括经度、纬度等。
[0085]
本实施例中通过对气象数据、配网数据和地理数据的种类进行具体的说明，实现了对气象数据、配网数据和地理数据的进一步说明，对其进行了精确限定。
[0086]
基于上述实施例，该方法中，基于所述综合数据采用台风灾害下配网线路故障概率模型对所述目标网络的配网线路进行计算，获得所述配网线路的故障概率和位置，具体包括：
[0087]
根据batts风场模型，已知a点距离台风中心的距离为r，则a点的风速v为：
[0088][0089]
其中，r
max
是最大风速半径，τ是台风强度衰减相关参数；
[0090]
在已知a点的风速v的情况下，只考虑电杆倒杆故障的配网风险，则台风灾害下风速为v时导线受到的风荷载wc为：
[0091][0092]
其中，α为配网线路的风压不均匀系数；μz为配网线路的风压高度变化系数；μ
sc
为配网线路的体形系数；d为配电线路的外径；lh为配网线路的水平档距；β为配网线路受到的直吹风风向与配网线路之间的夹角；
[0093]
配网杆塔受到的风荷载w
p
计算公式：
[0094][0095]
式中，λ为配网杆塔的风振系数；μs为配网杆塔的风荷载体形系数；a为配网杆塔结构构件在迎风面的实际投影面积；
[0096]
绝缘子受到的风荷载w
in
计算公式：
[0097][0098]
式中，c1为单相导线所拥有的绝缘子串数；c2为每一串绝缘子包含的片数；a
in
为单片绝缘子在台风下的受风面积；
[0099]
台风灾害下配网电杆杆身主体任意截面y-y处的弯矩为：
[0100][0101]wcom
＝wc w
in
[0102][0103][0104]
式中，w
com
代表绝缘子和导线的合计风荷载，w
sz
代表杆身风荷载，代表截面y-y到杆身风压合力作用点的高度；h1为电杆顶部到截面y-y的距离；h2代表电杆横担到截面y-y的距离；d0为电杆稍径；dy为截面y-y处的电杆直径；my为因扰度而产生的附加弯矩系数；
[0105]
配网杆塔的设计风荷载服从正态分布，它的概率密度函数为：
[0106][0107]
其中，σd为配电杆设计风荷载的标准差，μd为配电杆设计风荷载的均值；
[0108]
根据应力强度干涉模型可知，当配电杆在台风灾害下受到的风荷载强度为m
x
时，电杆发生故障的概率可表示为：
[0109][0110]
根据塔线串联理论，当目标配网线路l有np根配网杆塔时，任何一根配网杆塔发生故障，整条配网线路都会发生故障，因此目标配网线路l在台风灾害下的故障概率p
l
可表示为：
[0111][0112]
式中，pi是配网线路l上第i根配网杆塔的故障概率，该故障概率对应的位置为配网线路l上第i根配网杆塔。
[0113]
具体地，根据应力强度干涉模型可知，配电杆在台风灾害下发生倒断主要是因为配电杆在台风灾害下受到的实际风荷载超过配网的设计风荷载，因此根据应力强度干涉模型，当配电杆在台风灾害下受到的风荷载强度为xi时，电杆发生故障的概率可表示为：
[0114][0115]
一般一条配网线路包含多个配网杆塔，因此根据塔-线串联理论，当某条配网线路l有np根配网杆塔时，任何一根配网杆塔发生故障，整条配网线路都会发生故障，因此配网线路l在台风灾害下的故障概率p
l
可表示为：
[0116][0117]
式中，pi是配网线路l上第i根配网杆塔的故障概率。
[0118]
本实施例将采用台风灾害下配网线路故障概率模型对所述目标网络的配网线路进行计算的公式进行了介绍，给出了计算配网线路的准确方法。
[0119]
基于上述实施例，该方法中，所述缩减根据所述故障概率利用蒙特卡洛模拟生成的台风灾后故障场景，具体包括：
[0120]
利用同步回代场景缩减算法将根据所述故障概率利用蒙特卡洛模拟生成的台风灾后故障场景进行缩减。
[0121]
具体地，优选同步回代场景缩减算法用于将根据所述故障概率利用蒙特卡洛模拟生成的台风灾后故障场景进行缩减。
[0122]
本实施例提供的方法进一步限定了得到典台风灾后故障场景的优选方案是是使用同步回代场景缩减算法。
[0123]
基于上述实施例，该方法中，根据所述故障概率利用蒙特卡洛模拟生成台风灾后故障场景，具体包括：
[0124]
假设线路m的故障概率为pm，初始化各配网线路的计数状态为0、仿真次数为i＝1、以及配网线路遍历次数为m＝1；
[0125]
随机产生一个0到1之间的数随机数s，将s与每条线路的故障概率pm比较，若s《pm则线路的断线状态为1，否则为0；
[0126]
比较此时的m是否小于n，若否，则继续遍历系统剩余支路得到系统所有线路的断线状态，若是，则判断此时的断线场景sum(l)是否等于10，若是，则证明此次仿真有效，仿真次数i加1，继续下一次仿真，若否，此次仿真不计数，重新生成随机数s；
[0127]
重复上述步骤，直到产生mm个n-10的灾后断线场景，mm为正整数。
[0128]
本实施例将根据所述故障概率利用蒙特卡洛模拟生成mm个台风灾后故障场景的方案进行了介绍，给出了生成mm个台风灾后故障场景的准确方法。
[0129]
基于上述实施例，该方法中，利用同步回代场景缩减算法将所述mm个台风灾后故障场景进行缩减，得到nn个典型灾后故障场景，具体包括：
[0130]
计算mm个场景中任意两个场景之间的距离d(ζi,ζj)；
[0131]
确定与场景ζi距离最小的场景ζn，将场景ζi的概率p(ζi)与场景ζi、ζn的距离d(ζi,ζn)相乘，得到p(ζi)
·
d(ζi,ζn)，重复以上步骤，直到完成所有遍历；
[0132]
找出使得p(ζi)
·
d(ζi,ζn)值最小的两个场景，即场景对(ζi,ζn)；
[0133]
更新p(ζn)＝p(ζn) p(ζi)，同时缩减场景ζi；
[0134]
更新总场景数mm-1；
[0135]
返回上述步骤中的第一步，重复上述步骤直到剩余的场景数为nn，nn为正整数且nn《mm。
[0136]
优选地，mm的值取1000，nn的值取10。
[0137]
本实施例将利用同步回代场景缩减算法的方案进行了具体介绍，给出了所述mm个台风灾后故障场景进行缩减得到nn个典型灾后故障场景的准确方法。
[0138]
基于上述实施例，该方法中，所述构建临时调拨中心选址的第一优化模型，具体包括：
[0139]
通过第一优化公式构建待优化模型，其中所述第一优化公式为：
[0140][0141]
式中，pi为线路i的预测故障概率；m
l
为故障线路总数；nb(i)为预测故障线路i造成的失负荷节点总数；w
ij
为故障线路i故障造成停电的负荷j的等级权重；t
ij
在临时调拨中心选址阶段以临时调拨中心到故障线路i的路程时间表示。
[0142]
本实施例将构建临时调拨中心选址的第一优化模型的公式进行了介绍，给出了优化临时调拨中心选址的准确方法。
[0143]
基于上述实施例，该方法中，所述基于所述出发点和所述灾后抢修恢复优化的场景构建灾后配网应急抢修恢复的第二优化模型，具体包括：
[0144]
通过第二优化公式构建待优化模型，其中所述第二优化公式为：
[0145][0146]
其中，m是配网系统中的故障点总数，n是故障点i处的失负荷总数，w
ij
代表故障点i处失负荷节点j的负荷等级权重，p
ij
代表故障点i处失负荷节点j的有功功率，ti代表故障点i处的停电时间；
[0147]
停电时间的计算公式为：
[0148][0149]
其中，t
i-1》i
代表从上一个故障点i-1到故障点i所耗费的路程时间；代表从开
始到前一个故障点i-1完成复电所耗费的时间总和；t
re,i
代表故障点i的抢修耗费时间；t
tc》i
代表从临时调拨中心tc到故障点i的路程时间；xi为0，1二元变量，当xi＝1时，代表该处故障有移动分布式电源通过孤岛的方式为故障点内的负荷集群供电，因此该处故障点的停电时间只有移动分布式电源从出发点到该故障点的路程所耗费的时间，即ti＝xi·
t
tc》i
；当xi＝0时，代表该处故障没有移动分布式电源为其供电，只能通过后续抢修队伍来为其抢修复电，因此xi·
t
tc》i
＝0，
[0150]
灾后应急抢修恢复优化模型需要满足预设约束条件。具体地，本实施例中预设约束条件为如下约束条件：
[0151]
配网径向辐射拓扑约束：
[0152]gre
∈gm[0153]
其中，g
re
代表抢修完成恢复正常供电后的配网拓扑结构，gm代表能够保证配网辐射状拓扑的结构集合；
[0154]
配网节点电压约束
[0155]umin
≤u≤u
max
[0156]
其中，u
min
为节点电压的下限，u
max
为节点电压的上限；
[0157]
配网潮流约束
[0158]
|s
l
|≤s
l,max
[0159]
其中，s
l
为线路l的潮流，s
l,max
为线路l潮流的最大值。
[0160]
本实施例提供的方法，进一步对构建灾后配网应急抢修恢复的第二优化模型进行了具体介绍，给出了构建灾后配网应急抢修恢复的第二优化模型的准确方法，以便后续求解所述第二优化模型，得到受灾区域配网应急抢修的目标恢复优化方案。
[0161]
基于上述实施例，下面结合图2描述本发明的一种台风灾害下配网应急抢修恢复优化策略。图2为本发明提供的一种台风灾害下配网应急抢修恢复优化策略的流程示意图，如图2所示，该策略包括以下步骤：
[0162]
本发明提供了一种台风灾害下配网应急抢修恢复优化策略，具体包括以下步骤：
[0163]
s1：对台风进行监测，在收到台风预报后收集台风的监测信息；
[0164]
s2：根据监测的台风信息，确定电网受灾区域；
[0165]
s3：对受灾区域的气象数据、配网数据、地理数据进行收集；
[0166]
s4：基于收集的数据利用台风灾害下配网线路故障概率模型计算线路对配网线路的故障概率进行计算；
[0167]
s5：根据配网线路故障概率与位置，建立临时调拨中心选址优化模型，求解模型得到临时调拨中心的位置，作为灾后应急抢修恢复优化任务的出发点；
[0168]
s6：根据线路故障概率利用蒙特卡洛模拟生成1000个台风灾后故障场景；
[0169]
s7：利用同步回代场景缩减的方法将s7生成的场景进行缩减，得到10个典型灾后故障场景，选择场景故障概率最大的场景作为灾后抢修恢复优化的场景；
[0170]
s8：建立灾后配网应急抢修恢复优化模型，对模型进行求解，得到受灾区域配网应急抢修恢复优化策略。
[0171]
基于上述实施例，以ieee-33节点系统为算例进行仿真，验证了所提策略的科学性
与有效性。表1是ieee-33节点系统的数据，表2是ieee-33节点系统的负荷等级明细表。图3是本发明提供的ieee-33节点系统地理拓扑图，图4为本发明提供的距离台风中心距离与故障概率变化关系的示意图，图5为本发明提供的配网杆塔失效概率与风速的关系的示意图，图6为本发明提供的台风灾害下33节点系统各线路故障概率的示意图，图7为本发明提供的临时调拨中心选址优化后的节点系统的结构图，图8为本发明提供的利用蒙特卡洛模拟生成1000个台风灾后故障场景的流程图，图9为本发明提供的根据场景1得到的断线场景示意图，图10为本发明提供的简化后的断线场景示意图，图11为本发明提供的配网应急抢修恢复优化模型的收敛曲线图，图12为本发明提供的故障的抢修优化顺序示意图，图13为本发明提供的系统恢复程度随时间变化情况示意图。
[0172]
表1 ieee-33节点系统数据
[0173][0174]
表2 负荷等级明细表
[0175][0176]
利用s4建立的台风灾害下线路故障概率模型在图3中的节点系统中进行仿真得到图4距离台风中心距离与故障概率变化关系、图5配网杆塔失效概率与风速的关系、图6台风灾害下33节点系统各线路故障概率，从图4、图5可以看出配网杆塔的故障率随着风速的增加而增加，原因是风速增加给配网杆塔造成的风荷载也增大，配网杆塔的失效概率也增大，从图6可以看出，在灾前预测阶段，由于该时刻配网全区域都位于风圈半径外，因此整个系统的故障概率较低，最高不超过0.5。另一方面可以看出，线路离风圈半径越远，线路的故障概率越低，如线路l22距离风圈半径以及台风中心比线路l14近，因此线路l22的故障概率较大，而线路l14的故障概率接近于0。
[0177]
s5：根据配网线路故障概率与位置，建立临时调拨中心选址优化模型，求解模型得到临时调拨中心的位置，作为灾后应急抢修恢复优化任务的出发点；
[0178]
s5中的临时调拨中心选址优化模型为：
[0179][0180]
式中，pi为线路i的预测故障概率；m
l
为故障线路总数；nb(i)为预测故障线路i造成的失负荷节点总数；w
ij
为故障线路i故障造成停电的负荷j的等级权重；t
ij
在临时调拨中心选址阶段以临时调拨中心到故障线路i的路程时间表示。
[0181]
根据临时调拨中心选址模型，利用matlab中的fminsearch函数进行临时调拨中心选址优化模型的求解，求解得到目标函数值为：8.8401
×
104kw
·
h，坐标(119.44，95.22)，具体如图7所示，从图中可以看出，优化后得到的临时调拨中心选址位置相比原始出发点depot更加靠近故障概率高的线路群。
[0182]
s6：根据线路故障概率利用蒙特卡洛模拟生成1000个台风灾后故障场景；
[0183]
s6中利用蒙特卡洛模拟生成1000个台风灾后故障场景的流程如图8所示。具体流程为：首先，在已知系统各线路故障概率的基础上，假设线路m的故障概率为pm，初始化各配网线路的计数状态为0、仿真次数为i＝1、配网线路遍历次数为m＝1；随机产生一个0到1之间的数随机数s，将s与每条线路的故障概率pm比较，若s《pm则线路的断线状态为1，否则为0；比较此时的m是否小于n，若否，则继续遍历系统剩余支路得到系统所有线路的断线状态，若是，则判断此时的断线场景sum(l)是否等于10，若是，则证明此次仿真有效，仿真次数加1，继续下一次仿真，若否，此次仿真不计数，重新生成随机数s，重复上述步骤，直到产生1000个n-10的灾后断线场景。
[0184]
s7：利用同步回代场景缩减的方法将s7生成的场景进行缩减，得到10个典型灾后故障场景，选择场景故障概率最大的场景作为灾后抢修恢复优化的场景；
[0185]
s7利用同步回代场景缩减的方法将s7生成的场景进行缩减，得到10个典型灾后故障场景的方法为：
[0186]
s7.1：计算1000个场景中任意两个场景之间的距离d(ζi,ζj)；
[0187]
s7.2：确定与场景ζi距离最小的场景ζn，将场景ζi的概率p(ζi)与场景ζi、ζn的距离d(ζi,ζn)相乘，得到p(ζi)
·
d(ζi,ζn)，重复以上步骤，直到完成所有遍历；
[0188]
s7.3：找出使得p(ζi)
·
d(ζi,ζn)值最小的两个场景，即场景对(ζi,ζn)；
[0189]
s7.4：更新p(ζn)＝p(ζn) p(ζi)，同时缩减场景ζi；
[0190]
s7.5：更新总场景数1000-1；
[0191]
s7.6：返回s7.1，重复步骤直到剩余的场景数为10。
[0192]
利用场景缩减得到的10个故障场景如表3所示。
[0193]
表3 场景缩减得到的10个场景
[0194][0195]
图9是根据场景1得到的断线场景示意图，为方便展示后续抢修恢复策略由图9化简得到图10。
[0196]
s8：建立灾后配网应急抢修恢复优化模型，对模型进行求解，得到受灾区域配网应急抢修恢复优化策略。
[0197]
s8中建立的灾后配网应急抢修恢复优化模型具体为：
[0198][0199]
其中，m是配网系统中的故障点总数，n是故障点i处的失负荷总数，w
ij
代表故障点i处失负荷节点j的负荷等级权重，p
ij
代表故障点i处失负荷节点j的有功功率，ti代表故障点i处的停电时间；
[0200]
停电时间的计算公式为：
[0201][0202]
其中，t
i-1》i
代表从上一个故障点i-1到故障点i所耗费的路程时间；代表从开始到前一个故障点i-1完成复电所耗费的时间总和；t
re,i
代表故障点i的抢修耗费时间；t
tc》i
代表从临时调拨中心tc到故障点i的路程时间；xi为0，1二元变量，当xi＝1时，代表该处故障
有移动分布式电源通过孤岛的方式为故障点内的负荷集群供电，因此该处故障点的停电时间只有移动分布式电源从出发点到该故障点的路程所耗费的时间，即ti＝xi·
t
tc》i
；当xi＝0时，代表该处故障没有移动分布式电源为其供电，只能通过后续抢修队伍来为其抢修复电，因此xi·
t
tc》i
＝0，
[0203]
灾后应急抢修恢复优化模型需要满足一定的约束条件：
[0204]
配网径向辐射拓扑约束
[0205]
故障抢修后的配网应该能够保证继续维持径向辐射状拓扑运行，因此需要满足径向辐射拓扑约束条件，即：
[0206]gre
∈gm[0207]
式中，g
re
代表抢修完成恢复正常供电后的配网拓扑结构，gm代表能够保证配网辐射状拓扑的结构集合。
[0208]
配网节点电压约束
[0209]umin
≤u≤u
max
[0210]
式中，u
min
为节点电压的下限，u
max
为节点电压的上限。
[0211]
配网潮流约束
[0212]
|s
l
|≤s
l,max
[0213]
式中，s
l
为线路l的潮流，s
l,max
为线路l潮流的最大值。
[0214]
临时调拨中心到各故障点的距离以及各个故障点之间的距离如表4、5所示，另外，用matlab随机产生每处故障抢修所需时间如表6所示，考虑负荷等级权重之后得到的各个故障点的失负荷功率值如表7所示。
[0215]
表4 临时调拨中心到各故障线路的距离
[0216][0217]
表5 各故障线路之间的距离
[0218][0219][0220]
表6 各个故障点所需的抢修时间
[0221][0222]
表7 各个故障点的失负荷功率值
[0223][0224]
利用遗传算法求解灾后应急抢修恢复优化模型。经求解，得到配网应急抢修恢复优化模型的收敛曲线如图11所示，从图11可以看出，目标函数经过143次迭代之后收敛到最小值9.60
×
105kw
·
h，得到的灾后配网应急抢修恢复优化策略为：移动分布式电源接入故障线路l17和l29，故障的抢修优化顺序为：l2》l3》l8》l22》l23》l19》l27》l16》l17》l29，具体如图12所示。
[0225]
为说明本发明的有效性，设置3种对比方案如下：
[0226]
方案1：考虑临时调拨中心存在的情况下，不采用移动分布式电源进行孤岛供电；
[0227]
方案2：考虑临时调拨中心存在的情况下，采用移动分布式电源通过孤岛的方式给失负荷节点集群供电(本发明)；
[0228]
方案3：无临时调拨中心的情况下，采用移动分布式电源通过孤岛的方式给失负荷
节点集群供电。
[0229]
各方案的对比情况如表8所示。
[0230]
表8 方案对比结果
[0231][0232]
通过表8的对比可以看出，方案2即本发明是最优方案，证明该方法在台风灾害下的配网应急抢修恢复任务中，能够更加有效地减少灾后抢修过程中的失负荷量、快速恢复系统失负荷，同时也证明了临时调拨中心的设置能够减少配网在台风灾害后抢修过程中的失负荷损失，因此在台风灾害下考虑临时调拨中心是有必要的。
[0233]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0234]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；
而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。