多种分布式资源协同的弹性配电网两阶段恢复方法及系统

技术领域

本发明属于技术领域，具体涉及一种多种分布式资源协同的弹性配电网两阶段恢复方法及系统。

背景技术

传统配电网多以可靠性作为建设运维标准，难以应对自然灾害给系统网架、运行状态造成的冲击。如何提高城市配电网弹性、增强系统灾前预部署和灾后快速恢复的能力已成为当务之急。

随着电动汽车(electric vehicle，EV)群体迅猛发展以及系统中移动储能(mobile energy storage system，MESS)、应急抢修等技术的落地应用，分布式资源对配电网安全稳定运行的影响日益显著。利用EV、MESS和抢修队等分布式资源可加强电网应对自然灾害等极端事件，有效提高系统快速恢复水平。

针对分布式资源提升系统弹性问题，现有研究对象通常是单一种类的分布式资源，然而，单种分布式资源供电恢复作用有限，无法保障大规模缺电情况下配网恢复效果。同时，也有一些研究聚焦多种分布式资源协同优化参与供电恢复，但现在研究较少根据不同分布式资源特点考虑各种资源在恢复中的互补作用，并且针对性设计包括灾前预部署和灾后快速恢复的两阶段配网弹性提升方案。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种多种分布式资源协同的弹性配电网两阶段恢复方法及系统，用于解决多种分布式资源无法有效协同以提升配电网弹性的技术问题。

本发明采用以下技术方案：

多种分布式资源协同的弹性配电网两阶段恢复方法，包括以下步骤：

S1、建立配电网线路故障概率模型；

S2、基于步骤S1得到的配电网线路故障概率模型建立应急仓库选址模型；

S3、建立灾前EV调度模型；

S4、基于步骤S2得到的应急仓库选址模型和步骤S3得到的灾前EV调度模型，建立灾前阶段分布式资源预部署模型，实现灾前配电网恢复；

S5、基于步骤S4得到的灾前阶段分布式资源预部署模型确定配置结果，以最小化恢复周期内系统加权切负荷量数值构建灾后阶段分布式资源协同恢复模型；

S6、基于步骤S5得到的灾后阶段分布式资源协同恢复模型获取配电网网络数据和极端灾害下配电网故障场景信息，实现灾后配电网恢复。

具体的，步骤S1中，配电网线路故障概率模型为：

其中，P

具体的，步骤S2中，基于配网线路故障概率和不同灾害场景下仿真所得系统拓扑结构和失负荷量建立台风灾害下应急仓库选址模型，以选出灾后应急仓库最佳部署位置。

进一步的，应急仓库选址模型具体为：

其中，N

具体的，步骤S3中，灾前EV调度模型具体为：

G＝(V,E)

其中，V为简化图中路网节点的集合；E为图中各节点间连接关系的集合。

进一步的，灾前EV调度模型的约束条件包括路网约束、考虑出行需求的出行链约束、EV实时状态约束、EV出行意愿约束和路网电网耦合约束。

进一步的，出行链模型为：

Chain＝{B

其中，Chain是出行链集合；集合中的元素有出行链起点B

EV实时状态模型：

EVstatus＝{Cap

其中，EVstatus为在某时刻每辆EV实时状态信息的集合，包含该时刻的每辆车的剩余电量、行驶状态和离所在位置最近的V2G站编号；

EV出行意愿模型：

N

其中，N

路网与电网耦合模型：

其中，ψ是路网与电网对应节点相连边的集合；L

具体的，步骤S5中，灾后阶段分布式资源协同恢复模型包括超短期应急响应模型和负荷供电快速恢复模型，约束条件包括网络重构的辐射状拓扑约束、V2G反充出力约束、柔性负荷约束、MESS调度约束、抢修队调度约束、维修物资约束和系统运行约束，灾后阶段分布式资源协同恢复模型的目标函数为：

其中，m是当前时段；T是恢复全周期所包含的总时段数；B是配网节点集合；ω

进一步到，网络重构的辐射状拓扑约束：

其中，E是配网支路集合；E

V2G反充出力约束：

其中，

柔性负荷约束：

其中，

MESS调度约束包括：

MESS数量约束：

其中，NB为系统节点数量；N

时空约束：

其中，M是可调度的移动式储能系统集合；

不可再调度约束：

其中，T

功率约束：

其中，

路程约束：

抢修队调度约束：

其中，x

抢修队起始进出约束：

不可重复修复约束：

修复完成约束：

其中，y

维修物资约束：

其中，Mat

时间约束：

其中，

系统运行约束包括：

功率平衡约束：

其中，p

节点电压上下限约束：

其中，

支路电流上下限约束：

其中，

支路首末端电压约束：

其中，M是一大数；

二阶锥约束：

第二方面，本发明实施例提供了一种多种分布式资源协同的弹性配电网两阶段恢复系统，包括：

概率模块，建立配电网线路故障概率模型；

选址模块，基于概率模块得到的配电网线路故障概率模型建立应急仓库选址模型；

调度模块，建立灾前EV调度模型；

灾前模块，基于选址模块得到的应急仓库选址模型和调度模块得到的灾前EV调度模型，建立灾前阶段分布式资源预部署模型，实现灾前配电网恢复；

灾后模块，基于灾前模块得到的灾前阶段分布式资源预部署模型确定配置结果，以最小化恢复周期内系统加权切负荷量数值构建灾后阶段分布式资源协同恢复模型；

恢复模块，基于灾后模块得到的灾后阶段分布式资源协同恢复模型获取配电网网络数据和极端灾害下配电网故障场景信息，实现灾后配电网恢复。

与现有技术相比，本发明至少具有以下有益效果：

多种分布式资源协同的弹性配电网两阶段恢复方法，设计灾前阶段和灾后阶段调度配置方案，可以有效提配电网整体弹性。由于不同分布式资源在一个配网区域中的群体数量、展现出的行为特征和功能差异，考虑各种资源在恢复中的作用，可以充分发挥分布式资源的各自优势，并起到互补效果。同时，现在鲜有研究考虑集群电动汽车、MESS和抢修队协同优化，配合联络线重构和柔性负荷管理，参与供电恢复；在灾前阶段建立了分布式资源预部署模型，通过搭建应急中心和完成EV调度，为灾后系统应急支撑和快速恢复做准备；在灾后阶段建立了一个考虑电动汽车V2G、MESS、抢修队、联络线重构和柔性负荷管理时空协同优化的配电网多时段供电恢复模型，为分布式资源、网架和负荷提供响应方案。该方法可以有效提升配电网恢复能力，最大限度减少恢复周期系统加权失负荷量。

进一步的，首先生成台风灾害作用后的配网断线场景，台风对配电网线路的影响机理比较复杂，台风灾害与配网线路故障率的关系化简为导线和杆塔两个部件承受应力和与配网线路故障率的关系；然后根据塔-线串联理论，可以得到台风作用后配网线路故障概率，得到配电网线路故障概率，并用于建立步骤S2中的应急仓库选址模型。

进一步的，基于配网线路故障概率和不同灾害场景下仿真所得系统拓扑结构和失负荷量等信息，建立台风灾害下应急仓库选址模型，以选出灾后应急仓库最佳部署位置，使得应急和抢修资源能够以最快时间到达故障点，最大限度减少停电损失；通过确定灾后应急仓库最佳部署位置，并用于建立步骤S4中的灾前阶段分布式资源预部署模型。

进一步的，约束条件包括路网约束、考虑出行需求的出行链约束、EV实时状态约束、EV出行意愿约束和路网电网耦合约束；通过刻画参与响应EV用户占比，并用于建立步骤S4中的灾前阶段分布式资源预部署模型。

进一步的，通过这些约束条件来确保EV调度结果的合理性、客观性。

进一步的，出行链模型用于刻画EV时间-空间信息；EV实时状态模型用于刻画EV电量状态信息；EV出行意愿模型用于刻画EV用户愿意参与响应占比；路网与电网耦合模型用于描述两网耦合关系。

进一步的，在灾后恢复阶段，提出一种包括超短期紧急功率支撑和供电服务快速恢复在内的配电网供电恢复服务框架，为配电网弹性提升提供了新思路。多种分布式资源协同可以有效提升配电网恢复能力，同时配电网运行控制技术可按照恢复需求和网架连通性及时调整网架拓扑，然而，现有研究较少根据不同分布式资源特点考虑各种资源在恢复中的互补作用，并且针对性设计灾后阶段的供电恢复服务框架。本方法所提供电恢复服务框架从供电恢复流程、两网调控技术以及分布式资源行为与功能三个维度展开，供电恢复流程分为超短期紧急功率支撑和供电服务快速恢复两个阶段，从恢复决策层面满足系统需求；两网调控包含网架重构、柔性负荷管理和电力-交通协同，从技术理论层面保证灾后系统自适应调整和分布式资源响应；不同分布式资源灾后行为特征存在差异，实现的功能也不同，从物理层面确保恢复策略的可行性。该方法可针对不同场景提出切实有效的供电恢复方案，指导实际系统快速有序恢复。

可以理解的是，上述第二方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

综上所述，本发明根据分布式资源特点，设计灾前阶段和灾后阶段调度配置方案，可以有效提配电网整体弹性，在灾后恢复阶段，提出一种包括超短期紧急功率支撑和供电服务快速恢复在内的配电网供电恢复服务框架，为配电网弹性提升提供了新思路。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为三网融合系统示意图；

图2为配电网多时段供电恢复服务框架示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本发明中字符“/”，一般表示前后关联对象是一种“或”的关系。

应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述预设范围等，但这些预设范围不应限于这些术语。这些术语仅用来将预设范围彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一预设范围也可以被称为第二预设范围，类似地，第二预设范围也可以被称为第一预设范围。

取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。

本发明提供了一种多种分布式资源协同的弹性配电网两阶段恢复方法，充分考虑各种分布式资源行为特征的差异及在恢复中的作用，发挥不同分布式资源的各自优势，并起到互补效果，进而设计灾前阶段和灾后阶段调度配置方案，以应对灾后配电网部分线路损坏、电力供应不足等挑战。

灾害发生前后进行针对性部署和调度，可提高配电网应对自然灾害的能力。当自然灾害导致系统故障断线、主网对配电网电能供给不足时，如何充分利用配电网中的分布式资源，实现配电网灾后恢复是亟需解决的问题。本发明考虑从灾前预部署和灾后快速恢复两阶段对分布式资源进行配置，可以充分发挥不同种分布式资源自身特点，利用灾时配电网中有限资源助力提高配电网弹性水平。

请参阅图1，从电网-交通网-数据网三网融合的视角研究配电网供电恢复问题，分布式资源包括集群电动汽车、MESS和抢修队，相关设施包括V2G站和应急仓库。灾前在预知自然灾害即将到来，在相对应的路网节点提前设置临时应急仓库，MESS和抢修队预部署在仓库，等待灾后调度指令；同时引导路网上正在行驶的EV进入就近的V2G站进行避难，并通过价格激励等方式鼓励各站内的EV灾后参与V2G反向输电，统计各V2G站可反送的最大功率。灾后，调度平台根据配电网线路故障断线情况，考虑V2G站反充、柔性负荷管理和网络重构，进行超短期紧急功率支撑，保证重要负荷不断电，尽量降低系统中失电量；同时，根据灾后配网情况，优化得到MESS和抢修队的调度位置需求，并派遣MESS填补配网功率缺口、抢修队清除线路故障，实现配电网负荷供电服务快速恢复和网架完全修复。

本发明一种多种分布式资源协同的弹性配电网两阶段恢复方法，建立了灾前阶段分布式资源预部署模型，灾前阶段完成应急仓库的搭建和EV的调度行为，为灾后系统应急支撑和快速恢复做准备。其中应急仓库提前配置MESS和抢修队，保证灾后第一时间前往重要节点和故障位置，通过线路故障概率和Dijkstra算法确定仓库位置。EV运行特性由出行链和实时状态模型刻画，并引入出行意愿系数描述参与响应用户占比，具体步骤如下：

S1、建立配电网线路故障概率模型；

首先生成台风灾害作用后的配网断线场景，台风对配电网线路的影响机理比较复杂，台风灾害与配网线路故障率的关系化简为导线和杆塔两个部件承受应力和与配网线路故障率的关系；然后根据塔-线串联理论，可以得到台风作用后配网线路故障概率。

以台风天气作为研究的灾害类型，生成灾害作用后的配网断线场景；台风对配电网线路的影响机理比较复杂，台风灾害与配网线路故障率的关系化简为导线和杆塔两个部件承受应力σ

其中，P

第i条线路正常运行的充要条件是该线路所含导线和杆塔均正常运行，根据塔-线串联理论，得到台风作用后配网线路故障概率为：

其中，P

S2、基于步骤S1得到的配电网线路故障概率模型建立应急仓库选址模型；

基于配网线路故障概率和不同灾害场景下仿真所得系统拓扑结构和失负荷量等信息，建立台风灾害下应急仓库选址模型，以选出灾后应急仓库最佳部署位置，使得应急和抢修资源能够以最快时间到达故障点，最大限度减少停电损失。

根据配网线路故障概率和不同灾害场景下仿真所得系统拓扑结构和失负荷量等信息，建立台风灾害下应急仓库选址模型。

其中，N

式(3)可以选出灾后应急仓库最佳部署位置，使得应急和抢修资源能够以最快时间到达故障点，最大限度减少停电损失。

S3、建立灾前EV调度模型；

约束条件包括路网约束、考虑出行需求的出行链约束、EV实时状态约束、EV出行意愿约束和路网电网耦合约束，以刻画参与响应EV用户占比。

灾前EV调度模型为：

G＝(V,E) (4)

其中，V为简化图中路网节点的集合；E为图中各节点间连接关系的集合。生成矩阵D(G)来表示各节点间的直接距离，若不是直接连接，则为无解(inf)。基于D(G)，用Floyd最短路径算法可得出任意两点间最短路径行驶方案。

S4、基于步骤S2得到的应急仓库选址模型和步骤S3得到的灾前EV调度模型，建立灾前阶段分布式资源预部署模型；

完成灾前应急仓库的搭建和EV的调度行为，为灾后系统应急支撑和快速恢复做准备，其中应急仓库提前配置MESS和抢修队。

考虑出行需求的出行链模型：

将城市道路网络分为居民区(R)、工作区(W)、商业区(C)，并分别生成对应路网节点集合R，W和C。出行链由复杂链和简单链组成，复杂链由3个节点组成，简单链由2个节点组成；出行链模型为：

Chain＝{B

其中，Chain是出行链集合；集合中的元素有出行链起点B

第n段路程的行驶时间T

T

T

其中，d

EV实时状态模型：

EVstatus＝{Cap

其中，EVstatus为在某时刻每辆EV实时状态信息的集合，包含该时刻的每辆车的剩余电量、行驶状态和离所在位置最近的V2G站编号。

EV出行意愿模型：

台风灾害会对电动汽车用户的出行意愿产生影响，进而对电动汽车的出行行为产生影响。在灾前EV调度阶段，引入出行意愿系数ρ量化灾前参与响应的EV数量。

N

其中，N

路网与电网耦合模型：

其中，ψ是路网与电网对应节点相连边的集合；L

S5、基于步骤S4得到的灾前阶段分布式资源预部署模型求得的配置结果，以最小化恢复周期内系统加权切负荷量数值构建灾后阶段分布式资源协同恢复模型；

对EV、柔性负荷、远动开关、MESS和抢修队等分布式资源实时调度，约束条件包括网络重构的辐射状拓扑约束、V2G反充出力约束、柔性负荷约束、MESS调度约束、抢修队调度约束、维修物资约束和系统运行约束，以保障关键负荷不停电的同时快速恢复其它负荷。

本发明在灾后阶段对依据分布式资源响应特性划分为负荷的应急支撑和有序恢复，在保障关键负荷不停电的同时快速恢复其它负荷。由于灾前EV已经安置在各V2G站点，具备和电网实时交互能力，可以利用V2G技术、网络重构技术和柔性负荷管理技术实现超短期内系统关键节点的供电支持，再通过对MESS和抢修队的派遣高效恢复配电网。

(1)目标函数

两阶段综合恢复模型的目标是在恢复周期内系统加权切负荷量数值最小，目标函数如下：

其中，m是当前时段；T是恢复全周期所包含的总时段数；B是配网节点集合；ω

(2)超短期应急响应模型如下：

网络重构的辐射状拓扑约束：

其中，E是配网支路集合；E

V2G反充出力约束：

其中，

柔性负荷模型：

对于柔性负荷，灾后根据负荷重要程度和用户舒适度，可适当调整某些节点的用电负荷。

其中，

(3)负荷供电快速恢复模型

MESS数量约束：

其中，NB为系统节点数量；N

时空约束：

其中，M是可调度的移动式储能系统集合。

不可再调度约束：

MESS在整个调度时段最多只能接入一个节点。

其中，T

功率约束：

其中，

路程约束：

抢修队调度约束：

为提升灾后抢修效率，规定抢修队的抢修路线是单向的。

其中，x

抢修队起始进出约束：

对于每一个抢修队来说，只能从应急仓库出发单向前往故障设备点和终点，中途不允许折返。

不可重复修复约束：

修复完成约束：

其中，y

维修物资约束：

其中，Mat

时间约束：

其中，

(4)系统运行约束

功率平衡约束：

其中，p

节点电压上下限约束：

其中，

支路电流上下限约束：

其中，

支路首末端电压约束：

其中M是一大数。

二阶锥约束：

S6、获取配电网网络数据和极端灾害下配电网故障场景信息。

对系统预先设置电气参数、各个分布式资源参数和系统故障条件，供后续仿真优化。

本发明再一个实施例中，提供一种多种分布式资源协同的弹性配电网两阶段恢复系统，该系统能够用于实现上述多种分布式资源协同的弹性配电网两阶段恢复方法，具体的，该多种分布式资源协同的弹性配电网两阶段恢复系统包括概率模块、选址模块、调度模块、灾前模块、灾后模块以及恢复模块。

其中，概率模块，建立配电网线路故障概率模型；

选址模块，基于概率模块得到的配电网线路故障概率模型建立应急仓库选址模型；

调度模块，建立灾前EV调度模型；

灾前模块，基于选址模块得到的应急仓库选址模型和调度模块得到的灾前EV调度模型，建立灾前阶段分布式资源预部署模型，实现灾前配电网恢复；

灾后模块，基于灾前模块得到的灾前阶段分布式资源预部署模型确定配置结果，以最小化恢复周期内系统加权切负荷量数值构建灾后阶段分布式资源协同恢复模型；

恢复模块，基于灾后模块得到的灾后阶段分布式资源协同恢复模型获取配电网网络数据和极端灾害下配电网故障场景信息，实现灾后配电网恢复。

本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于多种分布式资源协同的弹性配电网两阶段恢复方法的操作，包括：

建立配电网线路故障概率模型；基于配电网线路故障概率模型建立应急仓库选址模型；建立灾前EV调度模型；基于应急仓库选址模型和灾前EV调度模型，建立灾前阶段分布式资源预部署模型，实现灾前配电网恢复；基于灾前阶段分布式资源预部署模型确定配置结果，以最小化恢复周期内系统加权切负荷量数值构建灾后阶段分布式资源协同恢复模型；基于灾后阶段分布式资源协同恢复模型获取配电网网络数据和极端灾害下配电网故障场景信息，实现灾后配电网恢复。

本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(Non-Volatile Memory)，例如至少一个磁盘存储器。

可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关多种分布式资源协同的弹性配电网两阶段恢复方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：

建立配电网线路故障概率模型；基于配电网线路故障概率模型建立应急仓库选址模型；建立灾前EV调度模型；基于应急仓库选址模型和灾前EV调度模型，建立灾前阶段分布式资源预部署模型，实现灾前配电网恢复；基于灾前阶段分布式资源预部署模型确定配置结果，以最小化恢复周期内系统加权切负荷量数值构建灾后阶段分布式资源协同恢复模型；基于灾后阶段分布式资源协同恢复模型获取配电网网络数据和极端灾害下配电网故障场景信息，实现灾后配电网恢复。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

分布式资源具有分布范围广、种类丰富等特点，在响应规模、行为特征、功能作用和服务价值等众多层面都存在明显差异。

表1中对比分析了本文所研究各类分布式资源参与灾后恢复过程的典型特征

通过对表1分析，可以看出：

1)电动汽车：个体数量多，总响应功率大，且响应迅速，可以为电网提供大量可靠的功率支撑，但由于其依赖固定的V2G站与电网交互，灾后供能位置受到限制；

2)移动储能：个体响应功率大，能够在灾后场景下灵活转移，可以有针对性地为关键负荷节点供电，但其个体数量较少，可提供能量的时长有限，且移动过程需要一定的时间；

3)抢修队：可以前往各个故障点，彻底修复系统故障，缺点是故障修复耗时长且数量有限；

4)柔性负荷：可响应潜力大，响应迅速，但实际可参与调整的功率大小受天气、温度等客观因素影响较为明显。

为此，本发明设计了考虑多种分布式资源协同、包括超短期紧急功率支撑和负荷供电服务快速恢复在内的配电网多时段供电恢复服务框架，如图2所示。图中三个维度分别代表供电恢复流程、两网调控技术以及分布式资源行为与功能。供电恢复流程分为超短期紧急功率支撑和供电服务快速恢复两个阶段，从恢复决策层面满足系统需求；两网调控包含网架重构、柔性负荷管理和电力-交通协同，从技术理论层面保证灾后系统自适应调整和分布式资源响应；不同分布式资源灾后行为特征存在差异，实现的功能也不同，从物理层面确保恢复方法的可行性。

在超短期紧急功率支撑阶段，EV和柔性负荷能够即时响应，为重要负荷提供快速有效的功率支撑；在供电服务快速恢复阶段，利用MESS和抢修队的移动特性实现系统和网架的快速恢复。该服务框架中所包含的分布式资源和调控操作在以下几点呈现协同互补作用及优势：

(1)交通网调控措施可以保证EV、MESS和抢修队进行有效的空间转移，进而参与电网能量响应，如图2中①②③所示；

(2)EV可弥补MESS数量少、响应时间较长、个体服务成本较高等问题。电动汽车群体数量大，分布广，利用EV借助V2G站反充参与供电恢复的模式具有恢复能力较强、经济性较好等优点；

(3)MESS可缓解EV时空特性导致的V2G反充功率分布不均的问题。MESS可按照系统需求派遣至任意节点，因此可前往V2G反充功率较小、重要负荷失电量较大的区域，接入相应节点，提高重要负荷供电比例；

(4)网架重构、柔性负荷管理等调控操作可从网侧和荷侧主动优化拓扑连通性、降低负荷功率需求，配合EV在灾后及时响应，进一步实现超短期紧急支撑，保证重要负荷不断电，如图2中④⑤所示；

(5)抢修队可实现系统拓扑连通性能提升，在恢复网架结构的同时进一步助力供电恢复服务。

由此，基于上述分布式资源和调控操作的特点及协同互补效果，设计相应的灾后供电恢复服务调度运行和派遣顺序规则：

(1)灾后结束时，调度中心收集系统线路故障、各V2G站点可反充最大功率和柔性负荷等实时信息展开优化决策，供电恢复服务进入超短期紧急功率支撑服务时段；

(2)超短期紧急功率支撑时段：按照调度中心指令，各V2G站向系统供电，各节点切相应功率的柔性负荷，系统中相应远动开关进行倒闸操作，如图2中⑤⑥⑦所示；

(3)超短期紧急功率支撑时段结束，进入负荷供电恢复服务时段；

(4)负荷供电恢复服务时段：MESS和抢修队根据调度中心指令分别前往各自目的地节点，如图2中⑧⑨所示。到达后，MESS立即接入节点进行供电，抢修队立即开始线路修复；

(5)每次修复完成后，抢修队按照调度中心指令前往下一目的地节点进行线路修复；若无需修复任务，则抢修队不再调度；

(6)当负荷供电比例达到100％，即所有负荷已恢复正常供电时，负荷供电恢复服务时段结束；当所有线路均恢复正常时，系统实现完全修复。

综上所述，本发明一种多种分布式资源协同的弹性配电网两阶段恢复方法及系统，根据集群电动汽车、MESS和抢修队的特点和功能差异，针对性设计考虑三种分布式资源协同的灾前预部署方法和灾后配电网快速恢复方法；通过建立一个考虑电动汽车V2G、MESS、抢修队、联络线重构和柔性负荷管理时空协同优化的配电网多时段供电恢复模型，为分布式资源、网架和负荷提供响应方案；在灾后恢复阶段，提出一种包括超短期紧急功率支撑和供电服务快速恢复在内的配电网供电恢复服务框架，为配电网弹性提升提供了新思路。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本发明中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等，需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。