1. 先分清抵抗力和恢复力凭什么说“只有后备电源还不够”1.1 韧性曲线上的“抵抗力”和“恢复力”分别对应什么早年做配电网防灾规划时大家习惯只讲“系统容载比”“N-1通过率”这类静态指标仿佛设备当初选型足够可靠灾害来了就一定能扛住。直到我接触了几次真实的台风和洪涝抢修才意识到问题没那么简单。适合描述这事的工具不是N-1校验而是韧性曲线横轴是时间纵轴是系统可承担的负荷比例。灾害发生后这条曲线会有一段快速下降落到一个低谷然后再随着抢修、转供电、应急电源接入慢慢爬回正常水平。曲线下凹的面积就是损失低谷停留的时间就是停电持续。下降斜率反映“抵抗力”回升斜率反映“恢复力”。很多规划方案的问题在于把两者混在一起谈。一说提升韧性就买几台大功率发电车一说加强网架就拼命提高线路绝缘水平和抗风标准。但实际灾害过程是连续的如果线路走廊在台风里全被打断发电车再充足也送不到负荷侧反过来如果只加固骨干线路忽略了应急电源的预置位置恢复阶段就只能靠人工一基杆一基杆去修停电时间照样很长。所以我现在做研究时默认把韧性拆成两个维度一是“灾害发生时还能剩下多少供电能力”二是“灾后能以多快速度恢复到多少供电能力”。本文讲的“预置模型”本质上就是同时优化这两件事。1.2 只强化电源容量解决不了“进得去”的问题我用一个早年踩过的坑说明这个道理。某沿海城市在做保底电网规划配了一批应急发电车和移动储能装置最大问题是“车不少但路不对”。台风过境后通往某座110千伏变电站的唯一道路因为倒树和积水封闭发电车绕行后需要多花近两个小时到了变电站门口还要排队等抢修队伍把内部故障隔离完。等真正接入恢复送电时保底负荷已经停电四个多小时了。因此我们发现应急电源优化配置如果只看配电网本身忽略“从预置点到接入点”的路网可行性和通行时间结论很容易失真。这也是为什么标题里强调“路网配电网”。配电网的节点和设备在地理空间上分布道路网络决定了两类资源的移动效率一是应急电源车辆二是抢修队伍。更关键的是电网故障和道路损毁往往具有耦合性架空线路沿道路走廊架设同一场暴风既可能吹断导线也可能吹倒路树暴雨后的内涝既可能造成电缆受潮或变电站进水也可能让隧道和低洼路段完全不可通行。如果把两者分开独立建模就相当于默认救援车辆可以无视路况准时到达这在极端灾害场景下明显偏乐观。2. 两阶段随机规划预置和应急调度如何在同一个模型里协同2.1 第一阶段灾前预置与加固决策预置模型的核心工具是两阶段随机规划。第一阶段发生在灾害信息明确之前也就是我们通常说的“平时阶段”。这一阶段的决策变量有两类第一类是对候选线路或关键联络点进行加固改造例如更换加强型绝缘子、提高杆塔设防标准、增设自动化开关第二类是应急电源的预置方案包括在哪些位置布置移动储能车、应急发电车容量规格选多大以及是否需要签订外部移动电源的调用协议。这些决策的共同特点是一旦确定短期内很难调整。所以模型里必须把它们设为“第一阶段变量”。对每个候选预置点还要考虑物理空间约束比如场地上能停几辆车、消防通道是否满足、接入开关在哪个位置、是否有通信接口。不是每个变电站都能随便塞一辆移动储能车这也是实际工程和教科书模型之间差异最大的地方。2.2 第二阶段灾害场景下的电源调度和切负荷第二阶段对应灾害已发生、故障状态已经明确的阶段。此时第一阶段决策已固定需要在每个随机场景里求解最有利的运行方案哪些负荷点由应急电源优先恢复每台移动储能装置从预置点出发后沿哪条路径移动以及在哪里接入配电网。同时还要协调站内分布式电源、固定储能和备用变压器的出力。第二阶段本质上是一个角色短暂的“孤岛或弱联系”运行优化。由于配电网结构可能在故障中断裂成多个区块部分区块只能靠移动电源和分布式电源支撑。模型需要保证每个时间节点的功率平衡还要考虑移动电源的剩余电量、充放电功率上限、接入点容量、安全约束等。切负荷是最后的兜底手段在目标函数里对应一个很大的惩罚成本让优化器尽量优先用可调资源去减少停电而不是简单地把负荷切掉。2.3 目标函数怎么把韧性量化进去在建模时我比较喜欢用“最小化投资成本 各场景期望运行成本与切负荷惩罚”的形式不额外设置复杂的韧性指标原因是切负荷惩罚本身就是韧性的面积度量。如果每个被切除的负荷乘以对应停电时长和经济损失系数累加起来就等于韧性曲线下凹面积的加权版本。有些人会问为什么不直接把“恢复时间最小值”放进目标主要问题在于“恢复时间”只有一个标量无法区分“停电前两小时的深度”和“最后几个用户恢复得很慢”的区别。比如方案A是低谷期只失去30%负荷但恢复要十个小时方案B是失去70%负荷却只要两个小时两者恢复时间接近但用户体验差异巨大。所以我在文章和项目中用的目标函数是最小化第一阶段的加固与预置投资成本加上所有灾害场景下的移动电源调度成本、抢修配合成本加上场景概率加权的切负荷成本。这样韧性曲线下的总面积被最小化最终呈现出的预置方案往往不是“买最多、最贵”的设备而是刚好卡在“抵抗力和恢复力边际效益最平衡”的位置上。这也是预置模型的真正价值所在。3. 路网建模的门道通行时间、时变拓扑和移动电源到达时刻3.1 为什么邻接矩阵还不够用路网在模型里最“省事”的表达方式是建一个邻接矩阵用“通”“断”两个状态表示道路是否通行。很多论文也是这样写的但它有两个明显缺陷。第一道路状态不是静态的。暴风雨中的积水深度可能在几小时内变化抢险车辆通过时间取决于拥堵程度、清障进度和道路等级。如果只把道路分成0和1应急电源车辆到达时刻的误差会非常大。第二应急电源调度关心的是“到达某个接入点需要多长时间”不是“是否存在一条路径”。同样的道路拓扑在凌晨三点和早高峰时段的通行时间完全不同。因此我在项目里把路网建模成时间依赖网络并且把每个预置点到每个可接入点的时间窗作为约束条件加进优化模型。3.2 时间扩展网络与通行弧约束时间扩展网络的做法是把道路网的每个节点复制到多个时间层。假设调度周期是24小时按15分钟一个时间步长道路节点就被复制成96层。车辆从一个道路节点移动到相邻节点需要消耗一定的通行时间对应的“时空弧”在两个时间层之间建立连接。这样处理以后移动应急电源的调度问题就变成一个带时间窗的路径选择问题能够在数学规划里被严格表达。实际操作中不需要对整个大城市路网做全尺寸时间扩展那样模型会爆炸。通常只保留三类道路节点应急电源预置点、配电网的关键变电站/环网柜、道路损毁高发点。路段的通行时间不固定而是随灾害场景变化完好路段按历史平均车速折算受损路段乘以拥堵系数完全中断的路段直接删除。这样既能保持模型规模可控又比单纯“0/1连通”精确得多。3.3 多类型应急电源的路径与接入耦合移动应急电源有几种常见类型建模时要区分开。一种是传统的柴油发电车单位容量成本低但噪声和排放大到达后只能定点发电另一种是移动储能车容量有限但可以灵活充电放电能够在多个接入点之间切换还有一种是租赁的移动变压器用于临时恢复变电站容量。它们的时间尺度和接线时间不同混在一类变量里会让结果偏差很大。我的经验是在第二阶段模型里把每台移动电源定义为独立的“agent”而不是按总容量统一调度。每个agent的状态包括当前位置、剩余电量、接入节点、输出功率、当前时间步。只有这样做才能真实反映“一台500千瓦的发电车在完成一个站的供电后是否能赶在负荷低谷前移动到另一个站”这类实际操作问题。由于agent数量通常只有个位数到十几台计算量增加并不明显但模型表达力提升是显著的。4. 求解可行性场景削减与Benders分解的实践逻辑4.1 故障场景生成从台风风速到电网/路网联合失效灾害场景是预置模型的重要输入。电网部分我通常用设备级故障率模型根据台风风速或暴雨强度结合线路的设计风速和积水深度抽样生成线路、变压器、开关站的故障状态。路网部分则参考道路等级和两侧树木密度生成路段关闭或通行能力下降的状态。由于电网故障和路网失效之间存在空间相关性需要把它们放在同一个空间格网里抽样不能各自独立生成。抽样一万个场景不难但一万个场景直接扔进混合整数规划里求解计算量过大。所以后续必须做场景削减。常见做法是聚合距离近似的故障场景用后向削减算法挑出几十个代表性场景再计算削减前后的目标函数损失。我在项目中通常把场景数控制在50个以内并保留少量小概率但后果极端严重的“尾风险场景”否则优化结果会偏向太平稳的中大概率场景忽略真正值得预置的极端事件。4.2 MILP规模膨胀与预生成路径替代引入时间扩展网络后第二阶段模型的二进制变量会快速增长尤其是移动电源的时空路径变量。直接求解完整模型可能连一个场景都要算几个小时。为了落地我用了“预生成路径集”的做法对每个预置点和每个接入点预先生成该路网损伤场景下的K条最短路径比如K等于3或5。优化模型只需要在这两三条候选路径里选一条而不是在所有时空弧上自由搜索。这样砍掉了大量路由二进制变量代价是路径方案可能不是全局最优但考虑到实际抢修时司机也不会在路网上反复尝试所有可能的走法这种简化是合理的工程近似。4.3 Benders分解主问题与场景子问题的迭代当场景数量与决策变量都上来以后我会采用Benders分解算法。第一阶段主问题决定加固和预置方案第二阶段按场景求解移动电源调度与切负荷子问题。子问题的对偶信息会产生“最优性割”反哺给主问题不断逼着主问题调整投资方案直到收敛。对做工程的同行来说不必亲手重写一个通用分解求解器用现成的Python框架结合Gurobi或CPLEX就能实现。但有一点要提醒第二阶段子问题必须是线性规划至少不能让包含时-空路径选择的混合整数变量直接进入子问题。否则Benders割的推导会很麻烦。我的处理办法是在预生成路径集基础上把路径选择变量作为二进制主问题相关变量子问题只解决给定路径下的功率调度这样就能保持子问题为线性规划。5. 算例验证联合优化比分开配置多换回多少“韧性收益”5.1 测试系统构造把IEEE 123馈线搬进真实道路坐标为了验证预置模型我搭建了一个不算复杂但足够说明问题的算例。配电网采用修改过的IEEE 123节点馈线模型把原本抽象的网络节点映射到规划坐标上并在同一地理范围内叠加一个由38条道路弧段组成的交通路网。负荷点中有三个设为一类负荷医院、通信枢纽和临时避难所。预置点选了5个每个地点可以放置最多2台移动储能装置或柴油发电车。灾害场景设定为一次典型台风登陆持续时间24小时。线路故障概率按风速和走廊树木密度给定道路故障概率按低洼积水和倒树范围给定。对比方案有三种只做线路加固、只做应急电源预置、两者联合优化。5.2 三个方案的结果对比加固、预置、联合先把结果展示成一张很直观的对比表方案投资成本最大切负荷比例恢复时间韧性损失面积相对基准基准不投资062%10.4h100%仅线路加固较高38%7.8h61%仅应急电源预置中47%4.2h43%联合预置与加固中高26%3.6h28%可以看到单做加固抵抗力的确提升明显最大切负荷比例从62%降到38%但恢复时间仍长达7.8小时因为抢修人员不足单做预置恢复很快但灾害刚刚发生的那段时间由于线路故障导致部分区域和电源断开切负荷比例仍然很高只有联合优化才会既压低“低谷深度”又加快“回升速度”。韧性损失面积从100%降到28%这个收益不是单纯两个方案累加能解释的而是加固以后某些线路还可以带电运行使移动电源能够更快覆盖到那些“结构相对完整”的区域。5.3 算例中“道路可达性”是如何改变预置点位选择的如果模型里完全不考虑路网最自然的预置位置是靠近一类负荷的地点。但加入路网故障场景后最优预置点发生了变化有些距离一类负荷较近的预置点自身就在台风路径的低洼带上路段完全封闭的概率很高车辆根本出不去另一些预置点虽然距离稍远但连接道路等级高、不容易积水反而在多数场景中都能按时到达。这个结果让我印象很深。它说明预置模型不能机械地按照“就近原则”布点必须把道路损毁概率、燃空时段和道路通达性一起放进优化里。否则应急电源只是“名义上配置了”实际响应能力会因为路网不可达而大打折扣。6. 工程落地阶段的常见坑从坐标投影到调度权责6.1 坐标系统与基础数据治理做真实城市算例时最容易被忽略的是配网GIS和道路网GIS的坐标系统一致性。配电网数据经常基于地方坐标或用户自定义坐标系而道路数据来自公开地图和测绘平台两者如果不统一空间关联结果就是一张错位地图。我在项目中专门写了一道数据治理步骤将两者统一转换为同一地理坐标基准并校核典型站房的点位误差。这一步不做好后面所有距离和通行时间计算都会失真模型再精巧也没有意义。6.2 移动电源实际容量和接入点容量约束应急发电车和移动储能车的实际可调节空间往往比铭牌参数小。接入点的变压器容量、低压侧线路截面积、开关额定电流都可能成为限制条件。比如一台500千瓦发电车明明额定功率够大但接入点只有一台315千伏安箱变那就只能降额运行。模型里如果没有考虑接入点容量上限第二阶段调度会给出一个无法执行的“纸面方案”。我一般会在每个候选接入点后面预留一个容量上限参数并在场景约束里强制限制所有接入电源的总功率不超过该值。6.3 车队共享、通信失效与行政协调还有一类问题不在技术计算里却直接影响模型能否落地。不少单位配备的应急发电车平时也承担检修保电任务不可能一年三百六十五天全部停在预置点。模型如果假设所有车辆在灾害时都可用会高估恢复能力。比较务实的做法是给每台车设置一个“灾害期间可用概率”或者把车队分成专用和共享两类专用车严格留在预置点共享车按一定概率参与场景。另外通信瘫痪时中心调度系统可能无法远程下发指令所以在实际预案中还要预留“预置点就地启动”的规则让现场操作人员按既定方案先把移动电源接入最近的关键负荷而不是等待后方命令。行政协调上很多预置点涉及不同产权单位的场地使用权、跨区域支援时的交通管控、以及消防和安全评估最好在规划阶段就协议固化下来。最后再分享一个小经验预置模型不是越复杂越好。我开始做这个方向时总想在模型里加入天气动态变化、车队排队抢修、多阶段恢复策略结果求解效率直线下降。等到真拿去跟调度员聊他们最关心的其实就几件事车放哪、放几辆、接到哪、多久能到、能带多少负荷。把这几件事在数学优化和时间约束里表达清楚模型就成功了一大半剩下的精细度可以用“场景简化和人工预案复核”来补足。这大概也是预置模型研究最值得工程化、也最容易被人接受的落地路径。