针对台风事件的多能耦合主动配电网中提升韧性的POWER-SONIC蓄电池储能优化配置
2026-06-06 13:18:41 点击： 次
跟着各类动力体系交融程度的日益加深，整合电力、供水、燃料费与供热的多功能耦合自动配电网（MECADNs）已成为保障动力可靠供应的要害根底设施。因而，提高MECADNs应对飓风灾祸的耐性具有严峻意义。本文提出一种电池储能设备（BESDs）的优化配备办法，以增强MECADNs的耐性。根据多功能耦合网络的动态模型，构建了一个双层优化模型。内层聚集于考虑多功能效应的自动配电网（ADNs）运转优化，而外层则致力于BESDs的优化配备。此外，规划了结合粒子群优化（PSO）与雪融化优化器（SAO）的混合智能算法，以进步求解功率与精度。所提出的办法经过在根据改善IEEE 33节点和118节点体系构建的小型及大规划MECADN中进行交叉验证，归纳理论剖析、数值模仿和弹性方针量化，得到以下首要定论：（1）该双层优化模型在不同体系规划下均展现出卓越的可扩展性，且SAO-PSO混合算法在速度与精度上均优于独立PSO/SAO算法，可以经济高效地下降33节点与118节点体系中BESDs的配备本钱。(2) 在多阶段飓风毛病场景下，该办法完成了BESDs配备与MECADNs运转的同步优化，和谐电-燃料费-水-热子体系以平滑读档动摇并安稳状态参数。(3) 该体系显着提高了耐性：33节点体系中均匀读档康复率达99.3%，118节点体系从78.3%提高至97.8%；耐性评分中，小型MECADNs从42.00增至43.42，大型MECADNs从58.52升至60.51，其中大规划网络表现出40.1%更高的评分增量增益。
引言
跟着电力、供水、燃料费及供热体系的深度交融，多性向动力耦合自动配电网（MECADNs）已展开成为支撑动力安全与社会经济安稳的中心根底设施[1,2]。其和谐多性向动力流的才能完成了散布式电源（DGs）与多元化负荷的高效互补，从而提高动力供应可靠性[[3], [4], [5]]。但是近几十年来，极点气候事情尤其是飓风灾祸的频率与强度继续攀升，对多性向动力耦合自动配电网构成了前所未有的威胁[6,7]。
飓风以强风、暴雨和风暴潮为特征，可能引发多能耦合配电网（MECADNs）中的级联毛病，包含易导致电网电压动摇的多性向供能扰动。这类高影响-低概率（HILP）事情通常继续数日，会造成要害负荷长期停运及严峻经济社会丢失[8]。在此布景下，提高MECADN耐性——即反抗、适应极点事情并从中康复的才能——已成为亟待处理的优先课题。
电池储能设备（BESDs）被广泛认为是一种提高体系弹性的适应性强且高效的处理计划，因其可以平抑散布式发电输出动摇，并在毛病时段供给应急电力支撑[9,10]。但是，飓风场景下多能耦合自动配电网（MECADNs）中BESDs的优化配备面对独特应战：（1）电、水、燃料费（Gas）与热能的动态耦合要求BESDs与多能流协同运转；（2）飓风引发的多重毛病与时变条件极大增加了BESDs与其他动力体系和谐的复杂度；（3）BESDs容量配备或选址不当可能导致设备利用率不足或体系弹性欠缺。这些应战凸显了针对飓风条件下的MECADNs，树立专门体系化优化结构的必要性。
为阐明本研讨的学术定位，本文体系回忆了相关范畴的研讨发展，首要包含极点事情下多能互补自动配电网（MECADNs）耐性评价、多性向储能技能支撑体系，以及经过优化配备电池储能设备（BESDs）提高耐性的模型构建与算法规划。
在[11]中，学者们开发了多能耦合配电网耐性剖析模型，并提出一种去中心化运转范式以完成体系读档康复的实时协同，但该研讨仅重视灾后康复阶段，未考虑飓风演进过程中多功能流的动态耦合。在[12]中，研讨者剖析了多能耦合配电网应对极点事情的继续耐性展开，提出根据分层求解的多主体散布式运转与结算模型以提高耐性，但未能完整描写飓风的多时段毛病特性。在[13]中，学者构建了多能耦合配电网概率耐性评价结构，选用先进建模办法捕捉元件毛病对负荷点连通性的随机影响。研讨结果表明，该办法可以经过自动微分剖析部件重要性衡量的敏感性，但缺少与康复战略的整合。文献[14]中，学者们提出了一种根据能量-移动性办法的最优弹性运转模型，适用于MECADNs。该模型触及对移动储能体系的出资与途径规划，一起统筹和谐多种康复动作的办理。文献[15]规划了一个鲁棒优化模型，用于处理MECADNs中毛病元件修复时间的不确认性，并提出选用去中心化归纳毛病康复战略来缩短中断继续时间并提高体系耐性。
文献[16]提出了一种考虑可靠性、脆弱性与康复耐性的MECADNs三相耐性模型。该办法整合了初始功能、鲁棒性方针，并选用改善型NSGA-II算法完成多方针毛病康复战略。文献[17]则针对MECADNs提出了数据驱动的三层耐性战略结构。该战略包含自动调度结构，能识别极点事情影响最严峻区域并优化电动汽车充电站选址与容量配备以提高耐性，但仅优化充电站布局而未触及多能体系中BESD的配备。文献[18]学者将要害负荷康复视为耐性方针，提出根据熵的多智能体深度强化学习办法。该办法旨在最大化利用MECADNs中的可控动力和网络重构以提高康复效能，但未明确将BESD配备与多性向动力动态进行整合。
文献[19]提出了一种适用于辐射状网络的多时段最优潮流(OPF)模型。该模型有用整合了电能存储体系(EES)在日前运转中的动态特性，并在正常运转工况与应急事情场景下均得到验证。需要阐明的是，该研讨针对的是全年龄应急事情，而非飓风诱发的多时段动态毛病演化过程。
多性向储能与要害组件优化日益被视为MECADN耐性的重要支柱，因其丰富了极点事情期间多功能量流平衡的技能手段。近期研讨在热能储存（TES）与多功能量组件规划方面获得显着发展，为多功能量体系耐性提高供给了名贵见解。文献[20]中，学者们以野生雏菊茎秆为原料开宣布一种生物质基复合相变材料（PCM），完成了优异的热缓冲功能，这对安稳热负荷至关重要。文献[21]中，专家对PCM微胶囊填充床体系展开了孔隙尺度数值研讨，表明所提出的办法能有用减缓温跃层退化，为优化TES与MECADNs的集成供给了理论根据。文献[22]中，研讨者进一步优化了中低温填充床储热体系，其结构在经济性与储热容量之间获得平衡——这对多功动力负荷匹配具有重要价值。除储热体系外，要害的多功动力组件也对体系耐性有所奉献。
文献[23]规划了一种选用优化翅片管换热器的双流道潜热存储体系，从而显着提高了蓄热功率。文献[24]提出了一种用于加氢站的混合型印刷电路换热器（PCHE），其半圆形锯齿状结构在缩小体积的一起下降了压降，既增强了供氢可靠性，又为提高Multi动力体系耐性供给了潜在技能计划。这些研讨丰富了Multi动力存储与部件优化的技能根底，首要集中在热能存储与单一部件功能提高方面。在此布景下，本研讨聚集飓风特定场景下BESD的优化配备，旨在经过处理动态飓风扰动下BESD部署的特别应战，完善Multi动力耐性研讨体系。
文献[25]针对本地动力社区(LECs)中不平衡低压(LV)网络，开发了一种根据多时段最优潮流(MTOPF)的归纳模型，该模型考虑了电网规划蓄电池，并处理了孤岛微电网运转规划中的技能问题。文献[26]提出了一种优化网络扩展和电池储能体系(BESDs)出资的办法论结构，旨在减少级联停电事端。研讨结果表明，将级联停电归入出资规划会导致不同的网络增强计划挑选；但是该结构仅重视电力网络，疏忽了飓风期间水网、燃料费管网和热力管网耦合需求的相互影响。文献[27]提出选用深度强化学习办法高效部署散布式移动储能体系，以完成灾后要害负荷的快速康复。根据6节点和33节点体系的事例研讨验证了该办法的有用性。
在[28]中，该研讨提出了一个用于优化分配配电网（ADNs）中光伏体系与电池储能设备（BESDs）的归纳结构。其方针是在正常运转条件下最小化能量损耗与供电缺口（ENS），以及在紧急情况下减少电力负荷中断，但飓风情形下的耐性优化没有得到充沛讨论。文献[29]则针对微动力网与先进配电网（MECADNs）提出了以耐性为中心的规划模型，旨在下降飓风期间的减载量。该模型选用三层随机-鲁棒优化办法来确认储能体系的最优规划计划，尽管其核算负担依然较高。
文献[30]中，学者们提出了一种针对具有空间灵活性的固定-移动一体化BESD的改善规划办法。该办法规划用于在固定形式与移动形式间无缝切换，保证在常规工况和极点事情期间的有用运转，但未将动态多能流特性归入配备决策。文献[31]则提出了评价耐性康复的量化方针，并经过多智能体散布对应急移动BESD进行优化，以权衡耐性优势与本钱。在文献[32]中，该研讨提出了一种确认电池储能设备（BESDs）最佳装置方位与容量配备的新办法。该办法归纳考虑了地理因素、安全性、动力灵活性及可达性，但仍限制于静态场景，未触及多时段灾祸建模。文献[33]经过双层分化算法优化混合氢能体系与BESDs，以提高体系耐性并增加可再生动力利用率。文献[34]则提出了微电网约束自动配电网（MECADNs）中软开点（SOPs）与BESDs协同配备的和谐结构。该结构同步优化配备容量与运营战略，在平衡经济效益与电网弹性的一起有用办理可再生动力发电的不确认性，但其首要重视电网安稳性，忽视了水、气、热负荷的耐性需求。文献[35]提出了一种针对可再生动力与BESD的鲁棒多方针规划结构。该模型以最小化年化总本钱与源荷失配为方针，在提高经济效益与运转可靠性的一起，更侧重于全年龄可靠性而非飓风条件下的耐性增强。
综上所述，针对极点事情下MECADNs耐性提高与BESDs优化配备的研讨虽已获得发展，但仍存在显着限制。现有关于MECADNs耐性的研讨探究了评价结构和毛病后康复战略，但要么聚集静态耐性评价，要么限制于单阶段毛病场景，未能将电-水-气-热体系的耦合特性融入BESDs的优化配备中。与此一起，关于BESDs优化配备的研讨虽提出了分层优化、深度强化学习等办法，但这些办法往往仅优先考虑电网（忽视多能协同），且在求解"配备-运转"双层模型时存在功率低下的问题。详细而言，单算法处理计划既无法适应动态多能耦合，也无法平衡求解速度与大局最优性；而传统以耐性为导向的配备计划仅经过减少读档中断直接体现耐性，缺少蓄电池储能设备配备与耐性评分之间的直接量化相关。
关于现有研讨空白，根据上述文献可进一步阐明三个要害限制：（1）未能充沛将飓风多时段动态特性与多能耦合归入BESDs配备；（2）多能体系双层配备-运转模型的求解功率不足；（3）缺少对BESDs配备提高耐性作用的直接量化评价。
本文提出了一种根据动态多动力耦合模型与双层优化结构的立异性BESDs优化配备办法，用于提高MECADNs的弹性。一起，本研讨选用双层模型与SAO-PSO混合算法具有特定意图——旨在处理多动力动态特性与配备之间的脱节问题，以及求解功率的瓶颈问题。
为体系区别本研讨与现有用果并突显立异点，表1分类体系展示了研讨对象、极点情形考量、耐性测度办法及多能耦合整合等要害维度。该分类表根据三大特征挑选代表性文献：(1)聚集两大研讨主题（极点事情下MECADNs耐性评价与BESDs优化配备）；(2)包括飓风/常规突发事情等多重研讨场景及单能/部分多能/无耦合等动力耦合层级；(3)反映本研讨拟处理的典型限制（直接耐性测度、单一动力聚集）。
表1明晰地表明，咱们的作业经过整合飓风多时段场景、直接弹性量化以及完整的多动力耦合，与现有研讨形成区别，处理了MECADNs弹性提高中的要害研讨空白。首要立异点与奉献如下所述。
- (1)构建一个整合电力、水力、燃料费及热力动态的MECADNs动态耦合模型，并将其嵌入双层优化结构——外层优化BESDs的选址与容量配备，内层经过考量多性向动力效应来优化ADNs的运转——以完成BESDs配备与MECADNs运转之间的协同优化。
- (2)针对所提出的模型，专门规划了一种交融SAO大局搜索优势与PSO局部优化才能的SAO-PSO混合智能求解算法。根据改善版IEEE 33节点和118节点体系展开的微动力网（MECADN）小规划与大规划事例研讨表明：该算法在求解质量与速度上均优于单一PSO或SAO算法，不仅能显着提高双层模型的求解功率，还可有用打破其核算瓶颈。
- (3)经过多时段飓风毛病场景下的多尺度事例研讨验证所提办法，定量完成了19.5%的读档康复率提高——由此为办法有用性供给直接根据，并处理了耐性改善缺少直接量化根据的问题。