Page 94 - 能源互联网背景下电力技术分析
P. 94
能源互联网背景下电力技术分析
Analysis of Power Technology in the Context of Energy Internet
后，如何同时考虑多种类任务复杂交互协同以及多重不确定性因素（包括多级突
发灾害、检修资源、修复时间、配网中可再生能源出力、负荷需求等）的影响，
制定基于动态恢复的综合韧性提升策略，目前尚未提出有效的建模方案。此外，
基于固定时间点和事件触发的 2 种多时间步长序贯恢复策略在模型构建和求解性
能方面各有优劣，如何汲取以上 2 种序贯恢复模型的优势提出一种联合序贯动态
恢复框架，是配电网韧性提升研究的重要技术问题。
其三，针对多维主体深度融合系统的韧性提升，现有文献研究了电力 - 天然
气、电力 - 交通、电力 - 信息及电 - 气 - 信息等耦合系统的韧性提升策略，而对于电 -
气 - 交通 - 信息多主体融合系统整体韧性提升的研究比较欠缺。在能源互联网背
景下，如何刻画不同主体蕴含的多重不确定性因素，描述不同时空特性网络的运
行状态及耦合关系，从而建立高度统一的数学模型，是当前研究面临的严峻挑战。
已有研究针对电力-天然气网络的耦合运行提出了基于统一能路理论的研究框架，
为多维主体融合系统的统一建模奠定了坚实的理论基础。另一方面，该融合系统
中任意主体内的故障可经由不同介质的路径跨域传播，而某个主体采取的应对措
施亦会对相依网络的运行状态产生影响。因此，探寻深度交互协作关系下单个主
体内运行状态变化导致的跨时空影响，是多维主体融合系统韧性提升建模的关键
技术难点。
其四，针对上述深度融合系统构建的韧性提升决策模型包含有大量的决策变
量、状态变量、高维的离散及连续不确定量、复杂非线性约束条件以及不同主体
的优化目标，如何求解该大规模复杂不确定优化问题值得深入探讨。现有研究主
要采取基于概率场景集的 SP 模型和基于不确定集的 RO 模型对不确定优化问题
进行求解。然而，低概率 - 高风险极端事件引发故障的概率统计信息不易获取且
其有效性无法保证，直接制约了 SP 模型决策的工程应用范围；RO 模型无需获
取不确定量的分布信息且易于实现，但其所得决策通常较为保守，对于含高维不
确定量的优化问题会导致决策保守性进一步加剧。大部分研究文献采用 CCG 算
法求解 RO 模型，该算法的可行性依赖于内层问题的凸性，无法求解含复杂非线
性约束条件的多层级优化问题，且其求解时间复杂度随不确定量维度增加而增大。
考虑到基于变分不等式设计的算法不依赖于优化问题的凸性，且算法具良好收敛
性能和求解效率，其对于求解含高维不确定量的优化问题具有广阔的应用前景。
86
