每年夏秋两季沿海城市的配电网运维部门最怕看到的不是暴雨而是台风预警地图上那条不断北抬的路径线。2023年一次台风过境某地级市配电网遭遇大面积停电移动发电车从市级仓库出发遇到道路积水绕行最晚一台在故障发生9小时后才接入而事实上如果那台发电车提前24小时预置到目标变电站这个时间可以被压缩到1小时以内。这是我持续关注“路网配电网与应急电源优化配置”这个方向的最直接原因。电网调度行业有个共识真正的考验从来不是平稳运行日而是台风、冰灾、暴雨这类极端事件过境后的那72小时。我这两年一直在研究一个题目——路网配电网与应急电源优化配置提升电力系统抵抗力和恢复力的预置模型。说白了就是在灾害来临之前把发电车、移动储能这些应急电源提前放到最可能被需要的位置让配电网在遭受破坏后既能守住更多负荷又能以最快速度恢复供电。很多朋友可能觉得应急不就是灾后拉上设备去修吗但实际抢修过的人都知道灾后的每一分钟都在烧钱道路中断、交通拥堵、通信失联、设备调动混乱。等你从几十公里外的仓库出发花几个小时绕路到达现场再把设备接入配电网损失已经造成了。如果把决策点前移到预警发布那一刻用模型算出“该在哪放几台车、放什么容量”整个恢复时间可以有量级上的缩短。这篇文章就把这套模型从头到尾拆开讲。1. 预置决策的逻辑起点为什么灾前部署比灾后调配更优先1.1 从“应急响应”到“预置恢复”的思维转变传统观念中应急电源是“救火队”。灾后根据停电信息逐点调度哪里断了去哪里。这种模式有几个天然缺陷。第一灾后信息高度不确定。台风刚过境时调度员手头的故障信息是零散的、滞后的。你无法在供给侧优化调配因为还不知道需求侧到底缺什么。第二移动应急电源的转移时间被严重低估。城市道路在极端天气下非常脆弱积水、倒树、塌方都会造成绕行。应急电源如果不能及时到达关键负荷点对降低停电损失毫无帮助。第三灾后抢修是竞争性的。多个抢修队伍、多台发电车同时出动往往造成局部扎堆、全局短缺。预置模型的思路恰恰相反在灾害预警发布之后、灾害实际到达之前的窗口期利用相对正常的路网状态把应急电源、抢修资源提前调度到预测的故障高发区或关键节点附近。这时候交通还畅通、通信还可用、时间还充裕。这是把“应急响应”转成“预置恢复”的核心。打个比方抗台风前先把沙袋码到低洼口永远比水漫了再去找沙袋有效。1.2 抵抗力与恢复力两个指标、两种逻辑抵抗力resistance指系统承受灾害、维持供电功能的能力。在数学上常表示为灾害冲击后配电网仍能维持的负荷比例、未受影响节点数量等指标。它本质上由两个因素决定一是基础设施本身的物理稳固性杆塔强度、绝缘水平决定了受损概率二是可调度的应急资源在灾害过程中能够托底的备用容量。发电车提前就位相当于给系统加了一层“灾害中的备用呼吸机”。恢复力recovery描述的是系统从灾害后果中恢复的速度和质量常用恢复时间、累计失负荷电量、缺供电量等指标表达。恢复力由抢修队伍调度、应急电源接入速度、网络重构能力共同决定。两者不是一回事一个在“灾害中挺住”一个在“灾害后爬起来”。但预置模型对两者都有贡献——预置的应急电源在灾害中可以作为孤岛电源支撑关键负荷这是提升抵抗力在灾后可以快速投入恢复关键用户供电这是提升恢复力。我个人在实际研究里常用两个指标一起看灾时最小剩余负荷率作为抵抗力指标恢复完成的期望时间或者累计缺供电量作为恢复力指标。这两个指标不能简化成一个否则模型会偏向某一边。比如只优化恢复时间就可能在灾害中放任低优先级负荷不管只优化剩余负荷率又可能导致恢复过程拖得很长。预置决策必须让两者平衡这也是标题里把“抵抗力”和“恢复力”并列的原因。1.3 路网为什么是“朋友”也是“敌人”老实说早期配电网韧性研究中最容易简化的就是交通网络。常见做法是假设发电车“总是可以到达”或者给每个配电节点一个常数运输时间。这在路网条件好的时候还行但极端灾害下道路是时变的、拥堵的、可能断通的。忽略交通网络会造成两个后果。一是高估了预置方案的有效性。模型说某节点需要一台发电车理论上2小时到达但实际道路积水绕行后4小时才到关键负荷早就失电了。把路网纳入模型后路径会随场景变化决策结果更保守、更贴近真实。二是低估了应急资源配置的互相制约。移动电源是稀缺资源且都在同一个车队里它们在路网上的时空路径会产生耦合。如果不考虑路网就很难回答“从A节点调往B节点的途中C节点需要支援时怎么办”这类动态问题。所以我的结论很明确路网和配电网不是“两个独立子问题”而是一个耦合系统。移动应急电源的核心特征是“会跑”而它会跑的前提是路网可用。路网既是资源投放的通道也是约束资源投放的瓶颈这也是这个题目把“路网配电网”放在一起的根本原因。2. 预置模型要回答的三个核心决策问题2.1 放在哪里选址逻辑预置位置不能简单等于“故障概率最高的节点”因为应急电源数量有限且一个点的预置资源只能覆盖周边一定范围的负荷。选址逻辑要同时考虑四件事。第一是负荷重要性。医院、通信基站、供水设施、交通枢纽这些一级负荷失电代价极大应当优先覆盖。第二是故障概率。可以通过历史数据和线路脆弱性模型估计每条线路的断线概率故障高发区域应当优先安排资源。第三是可行接入点。发电车只能接入某些具备并网点条件的配电节点或变电站母线不是所有杆塔都能接这决定了预置点的候选集合。第四是路网拓扑。预置点本身必须在路网上可达且最好在多个可能故障点的“交通重心”上保证从预置点出发到各个潜在故障点都有相对均衡的行程时间。选址优化在数学上是一个0-1整数变量问题某个候选位置是否部署应急电源。候选位置通常是变电站站址、公交枢纽、政府或电力公司固定营地等具备停靠条件的地点。这里我在实际评估中吃过亏有些候选点虽然是变电站但站前道路窄发电车掉头困难灾害时容易被后车堵住。所以候选点的筛选一定要结合现场勘察结果而不是只在地图上画点。2.2 放多少容量配置容量配置考虑的是每个预置点放置多少台、多少千瓦的移动电源。这个决策受限于应急电源总可用量同时要考虑目标负荷的峰值、预计配电网因灾损毁导致的孤岛范围。这里有个必须强调的细节应急电源的容量不宜等于“该节点全部负荷的峰值”而应当是一个削峰后的关键负荷容量。灾后恢复通常是有序的——先恢复最重要负荷再逐步恢复普通负荷。因此在模型里可以把负荷分成不同优先级应急电源容量对应优先级最高的那一部分。否则按全部峰值配置应急电源数量根本不够用模型也会出现无解或极端浪费。容量配置的另一个隐含约束是燃油或储能电量限制。一台发电车连续运行8小时和连续运行24小时需要的油料储备完全不同。在预置模型中我建议把“持续供电时长”纳入容量决策而不是只考虑功率。实际抢修里发电车到位后却因为燃油耗尽而停机的情况并不少见预置阶段就要把油料补给路线一并规划进去。2.3 什么时候放时间窗口决策预置时间窗口是实际工程里最容易出问题的点。太早预置资源长时间占用、维护成本增加、路网状态可能与最终灾害路径不匹配太晚预置灾害已经影响路网预置变成普通调配失去意义。模型里我通常不把时间设为连续变量而是把应急管理阶段划分成几个离散节点预警发布时刻、预计灾害到达前24小时、12小时、6小时。预置决策发生在最晚可行时间点之前即可具体在哪个时间点由约束条件自动选择核心约束是“该时间点之后至少有一条从预置点到目标节点的有效路径”。这段窗口期里道路的可用性是判断能否完成预置的关键。还要注意这里的“预置”不只是电源本身还包括配套的燃油补给、操作人员、通信保障。我在实际评估中遇到过发电车到位了却没有操作员的情况这种细节在模型里容易被漏掉建议至少加一个布尔变量表示“人员和设备是否同时就位”。否则模型算出的“优点”在现实中根本没法执行。3. 两阶段随机规划预置模型的主干数学框架3.1 阶段一灾害前的预置决策第一阶段是“现在”的决策发生在灾害事件不确定之前。决策变量包括三个层次每个候选预置点是否部署移动应急电源这个0-1变量的组合就是选址方案每个预置点配置的电源数量和容量预置完成后各电源所处的位置状态。这一阶段的目标函数通常是“最小化应急电源调用成本加灾后损失的期望值”。成本项包括预置运输成本、设备部署维护成本期望损失项需要连接第二阶段。用随机规划的写法目标函数可以写成形式min_{x} c^T x E_{\omega}[Q(x, \omega)]其中 \omega 表示灾害场景。这里第一阶段决策必须在观测到随机场景之前确定这是预置模型与普通“灾后调度模型”的本质区别。通俗地说第一阶段就是要回答“不管最终哪个场景发生我先把资源放在哪些地方损失期望值最小”。这个决策一旦做出灾害来了就不能反悔——你不可能在台风登陆瞬间把在A地的发电车瞬移到B地。3.2 阶段二灾害后的调度与恢复过程第二阶段是在给定灾害场景线路断线、路网受损下对预置好的应急电源进行最优调度使恢复效果最大化或损失最小化。第二阶段决策包括应急电源从预置点到具体接入点的路径与到达时间各配电节点的孤岛划分与负荷恢复量某一时段发电车的转场调度也就是从已完成任务节点转移到新故障节点。第二阶段的经典建模是配电网的辐射状潮流约束配合交通网络的时间最短路径约束。一个特别关键的点是第二阶段必须引入时间维度恢复过程不是瞬时完成的而是多时段的。每个时段内电源到达状态、配电网络重构状态都在变化。我常用“带时间戳的路径流”来刻画发电车的移动过程——发电车在一个时段只能从节点A到相邻节点B不能瞬移。这一步是校验模型是否符合物理实际的关键很多初学者在这里偷懒结果算出“同一台发电车同时出现在两个节点”的荒谬结果。3.3 场景构建不确定性从哪来随机规划的成败大半在场景生成上。常见做法有三种。抽样法最通用根据历史台风路径、风速数据抽样生成多个具体的故障场景。每个场景包含“哪些线路断了、哪些道路不通”这两套信息。矩信息法或者叫模糊集法适用于历史数据不足的情况用均值、方差等统计信息构建模糊场景集合做分布式鲁棒优化结果更保守但对数据要求低。分段确定性法把台风过程划分为多个阶段在每个阶段切换一组确定性故障条件适合描述灾害随时间变化的特征。场景数量直接决定计算规模。在算例中我一般先用50到100个场景做预研找到趋势后再压缩到10到20个有代表性的场景做精细求解。这里没有固定标准核心原则是场景集合必须覆盖三样东西灾害严重程度的差异、故障空间分布的差异、路网受损程度的差异。如果三个维度都挤在同一个场景里模型会对这个特定场景过度拟合预置方案换个场景就废了。4. 配电网与路网的数学建模细节4.1 配电网约束DistFlow 与辐射状拓扑配电网通常是辐射状运行有功、无功潮流可以用DistFlow方程描述。实际建模中要处理非线性的潮流方程最常用的是二阶锥松弛把节点电压幅值的平方视为变量平方电流项线性化或凸化这样模型变成混合整数二阶锥规划。这是目前配电网优化里比较成熟的做法目前主流的商业求解器都能直接处理这类模型。辐射状约束用生成树约束实现这个约束在恢复模型中格外重要——每开一个孤岛相当于在完整拓扑里切开若干个分支形成了多个生成树。一个常见的坑如果把辐射状约束漏了模型会允许环网运行这在配电网实际调度中不允许算出来的恢复方案可能无法落地。我见过不止一个学生在这里跑出漂亮的恢复结果但拿到现场一看环网操作根本不被允许。4.2 路网约束旅行时间与时空网络路网建模的核心是“走不打紧什么时候能走到”也就是旅行时间。极端天气下道路通行时间可以写成旅行时间 正常通行时间 × 破坏系数 绕行增加时间。破坏系数与道路等级、灾害强度相关绕行则通过路网图的最短路径计算自动体现。在优化模型里移动应急电源从A到B的路径不是预先指定的它应当由模型选择。一个常用技巧把路网转换成扩展图每个时段一层这样“行驶时间”被表示成“层间转移”。发电车从一个节点出发经过一个时段的行驶到达另一个节点类似于时空网络中的节点-弧段流。这个方法看着复杂实际实现起来思路很清晰就是把原本连续的路网按时间切片。需要特别注意的是道路可达性随时间变化。台风登陆前后部分道路会临时封闭。在模型里可以用时变弧段可用性来捕捉某些时段某些弧段不可用发电车必须绕行。我见过一些研究把所有时段的路网当成静态的这在台风场景下会明显高估通行能力算出来的预置方案在灾前看起来很合理灾后却根本走不通。4.3 目标函数怎么定不跑偏预置模型的最终目标有两种常见表达。一种是“最小化期望缺供电量或损失”比较直观适合算经济账。另一种是“最大化灾害后系统抵抗力与恢复力联合指标”比如最大化最小剩余负荷率同时最小化恢复时间。我建议在论文或工程方案里优先采用可解释性强的损失最小化目标把抵抗力和恢复力作为约束或评估指标输出。原因很简单目标函数的权重不好定。如果做加权多目标模型的解对权重极其敏感实际汇报时不容易说服决策者。把抵抗力、恢复力作为评价指标而不是优化目标可以在求解后给出“我的方案能让最小负荷率提高到多少、期望恢复时间缩短到多少”这种更高级别的结果。再补充一个实用技巧在目标函数里给不同等级负荷加不同的权重系数。这样模型在应急电源数量不足时会自动优先保障高等级负荷而不是单纯按容量最大化去分配。这更符合实际应急管理的优先级排序逻辑。5. 从求解到落地实战经验与常见问题5.1 求解器选择与小算例先行这个模型的规模不算小特别是场景多、配电网节点多、时段多时混合整数二阶锥规划直接扔给商业求解器可能会卡死。我的经验是套用两类方法。一是Benders分解或者广义Benders。第一阶段资源问题当主问题第二阶段子问题按场景并行求解再回传切平面。这类方法在随机规划里很成熟适合“预置决策变量少、场景多”的结构。二是渐进式分解或拉格朗日松弛。把场景间的耦合变量松弛掉每个场景变成独立子问题再用次梯度或增广拉格朗日更新乘子。这个方法实现简单但收敛速度依赖参数调整对初学者不太友好。在实际项目里我更倾向先用商业求解器比如Gurobi或CPLEX直接求解中小规模算例确认逻辑无误、结果解释合理之后再为大算例实现分解算法。一步到位写分解算法容易合不上模型bug排起查来非常痛苦属于典型的高风险低收益操作。5.2 一个可复现的典型算例配置以IEEE 33节点配电系统为例配电网有33个节点、32条线路负荷分布按原始参数。路网用一个与之耦合的简化城市路网包含约20条道路弧段。候选预置点选在配电节点附近的交通节点候选数量不超过6个应急电源总量假设为3台移动发电车。场景生成按台风路径分成5个典型场景每个场景包含5到8条断线线路和若干封闭道路。这个规模直接求解通常几十秒到几分钟能出结果。如果读者自己用Python写建议用pandas加pulp或gurobi建模或者用开源框架Pyomo。不要急着上启发式算法——先把小算例跑通、把结果可视化出来比盲目优化算法重要得多。我自己的习惯是先用热力图画出每个场景下的预置点和恢复负荷分布看着合理再往下做。5.3 常见问题排查速查表我整理一个速查表都是实际跑模型时高频遇到的问题希望对后来者有用。现象可能原因排查建议模型无可行解预置容量不足或道路可达性约束过强放宽所有道路必须可达的约束允许部分节点不可达时以损失惩罚替代恢复方案出现环网辐射状约束漏加或生成树约束松弛不对检查单父节点约束是否施加在每个时段的每个连通孤岛上发电车“瞬移”时间层间转移约束没写全检查每个时段发电车位置是否只能由上一时段相邻节点到达场景数增加求解时间爆炸场景间耦合变量多、整数变量多先试Benders分解或把场景聚合降维目标值对权重极敏感多目标加权系数不合理换损失最小化的单目标把抵抗力、恢复力作为后验评价指标写这类模型有一点我很深的体会模型细节不要一上来就追求“全”。预置模型本质上是给决策者用的决策支持工具不是对物理过程的完全仿真。像暂态过程、详细潮流分布这些对预置决策来说不是关键。把核心过程——路网通路、配电网辐射状、供电序贯恢复——的关键变量抓准比堆砌几百条约束更容易得到可信结果。最后说一点个人实践后的感受。这类预置模型的工程价值不在于“模型的解有多精确”而在于它能把经验决策变成结构化决策。过去抢修队长凭感觉判断“这地方得放台车”现在可以通过模型告诉他放几台、放在哪、从哪条路过去最稳。我参与过的几次模拟演练里用了预置方案之后模拟的恢复时间普遍比人工经验缩短了30%以上。这份差距不是模型聪明而是它把灾前那几小时的路网信息、配电网信息和负荷信息全部榨干了。项目做完那阵子我最常说的一句话是别让发电车在灾后跑远路要让它在灾前先到位。这大概就是这个预置模型最核心的意义。