考慮電-氣-熱-交通相互依存的城市能源系統(tǒng)韌性評估與提升方法

陶 然 趙冬梅 徐辰宇 林楚杰 夏 軒

考慮電-氣-熱-交通相互依存的城市能源系統(tǒng)韌性評估與提升方法

陶 然1趙冬梅1徐辰宇1林楚杰1夏 軒2

（1. 華北電力大學(xué)電氣與電子工程學(xué)院 北京 102206 2. 國網(wǎng)紹興供電公司 紹興 312000）

能源轉(zhuǎn)型背景下，城市能源系統(tǒng)得到了快速發(fā)展。當(dāng)高影響、低概率的極端事件發(fā)生時(shí)，城市能源系統(tǒng)可能因?yàn)楦髯酉到y(tǒng)間的相互依存關(guān)系而承受更大風(fēng)險(xiǎn)。針對此問題，該文提出考慮電-氣-熱-交通相互依存的城市能源系統(tǒng)韌性評估與提升方法。首先，針對極端事件的發(fā)生全過程，提出包含整體性和針對性兩個(gè)角度的多維韌性評估指標(biāo)；然后，建立電、氣、熱、交通各子系統(tǒng)及耦合元件的模型；進(jìn)而，為實(shí)現(xiàn)系統(tǒng)韌性的提升，提出采用發(fā)電車緊急供電、維修人員調(diào)度、拓?fù)渲貥?gòu)等措施，以及考慮建筑物熱慣性的協(xié)同優(yōu)化模型；最后，在一個(gè)92節(jié)點(diǎn)的電-氣-熱-交通融合系統(tǒng)中進(jìn)行算例分析。結(jié)果表明，所提的韌性評估指標(biāo)能全面地反映系統(tǒng)在各個(gè)階段的性能；所提的韌性提升方法可以協(xié)調(diào)各子系統(tǒng)間的措施與設(shè)備，實(shí)現(xiàn)系統(tǒng)性能的維持與恢復(fù)。

城市能源系統(tǒng) 韌性 評估 提升 相互依存

0 引言

在“碳達(dá)峰，碳中和”目標(biāo)的能源轉(zhuǎn)型大環(huán)境下，城市能源系統(tǒng)（Urban Energy System, UES）成為未來城市能源網(wǎng)的重要發(fā)展方向[1]。UES是指以柔性可控的城市各級配電網(wǎng)為核心，通過能源耦合設(shè)備與城市多種形式能源網(wǎng)絡(luò)靈活互聯(lián)而形成的城市綜合能源供給系統(tǒng)[2]。

隨著全球環(huán)境的急劇變化，以自然災(zāi)害為代表的高影響、低概率（High-Impact and Low-Probability, HILP）極端事件引起了人們的廣泛關(guān)注[3]。在面對HILP事件時(shí)，UES因各能源子系統(tǒng)間復(fù)雜的相互依存關(guān)系，可能將承受更大的損失。進(jìn)而，可能會導(dǎo)致終端用戶在多個(gè)維度對系統(tǒng)性能的損失感知明顯增加。為了研究與應(yīng)對HILP事件帶來的不利影響，“UES韌性”的概念應(yīng)運(yùn)而生。UES的韌性是指在遭受HILP事件時(shí)，維持系統(tǒng)供能并快速恢復(fù)到正常狀態(tài)的能力[2]。

在過去，韌性評估與提升的研究主要針對配電網(wǎng)。在配電網(wǎng)韌性評估方面，文獻(xiàn)[4]基于韌性梯形的概念，提出以系統(tǒng)性能缺失面積為指標(biāo)的配電網(wǎng)韌性評估方法。文獻(xiàn)[5]提出用于配電網(wǎng)長期規(guī)劃設(shè)計(jì)的預(yù)期中斷概率指標(biāo)，以及用于短期運(yùn)行規(guī)劃的預(yù)期負(fù)荷損失指標(biāo)和預(yù)期停電時(shí)間指標(biāo)。文獻(xiàn)[6]針對極端冰雪天氣，建立了反映配電網(wǎng)恢復(fù)力的三類評價(jià)指標(biāo)。在配電網(wǎng)韌性提升方面，根據(jù)極端事件的發(fā)生過程，韌性提升的研究可以分為事前預(yù)防、事中響應(yīng)和事后恢復(fù)三個(gè)階段[7]。文獻(xiàn)[8]提出一種利用線路加固和備用分布式機(jī)組最優(yōu)配置的配電網(wǎng)韌性提升方法。文獻(xiàn)[9]提出一種通過線路加固和儲能配置的配電網(wǎng)韌性提升規(guī)劃模型。文獻(xiàn)[10]針對極端冰暴災(zāi)害，提出一種通過調(diào)度融冰車的兩階段魯棒優(yōu)化韌性提升策略。文獻(xiàn)[11]通過可移動電源和維修人員調(diào)度，提出一種配電網(wǎng)恢復(fù)策略。

與配電網(wǎng)中豐富的韌性研究相比，對UES中的韌性評估與提升的研究還較少。文獻(xiàn)[12]針對電-氣綜合能源系統(tǒng)，提出一種反映網(wǎng)絡(luò)脆弱性和系統(tǒng)恢復(fù)力的綜合韌性評估指標(biāo)。文獻(xiàn)[13]針對臺風(fēng)災(zāi)害，提出了評估電-氣相互依存系統(tǒng)韌性的負(fù)荷損失指標(biāo)、元件損壞成本指標(biāo)。文獻(xiàn)[14]利用配電線路加固、燃?xì)鈾C(jī)組最優(yōu)運(yùn)行，研究了電-氣綜合能源系統(tǒng)對極端事件的預(yù)防策略。文獻(xiàn)[15]考慮電-氣-熱的能源互補(bǔ)特性，提出一種配電網(wǎng)主動解列的恢復(fù)策略。文獻(xiàn)[16]考慮電-水-氣的相互依存關(guān)系，提出一種配電網(wǎng)最優(yōu)恢復(fù)策略。

上述文獻(xiàn)涉及的韌性評估方法，部分基于韌性梯形面積計(jì)算的擴(kuò)展，部分沿用了可靠性評估指標(biāo)，或針對系統(tǒng)響應(yīng)、恢復(fù)能力進(jìn)行評估，缺乏適配不同階段、不同系統(tǒng)、不同側(cè)重的更具針對性的評估指標(biāo)。而對于韌性提升，多數(shù)文獻(xiàn)主要集中于對特定階段韌性提升策略的研究，缺乏對各措施在系統(tǒng)層面的綜合利用。特別是在UES及其各子系統(tǒng)中，缺乏對不同階段下韌性提升策略的協(xié)調(diào)以及對各策略間相互作用的考慮。此外，上述文獻(xiàn)大多將韌性評估與提升分別進(jìn)行研究，忽略了不同階段韌性評估指標(biāo)與提升策略間的關(guān)聯(lián)性。

綜上所述，本文在現(xiàn)有研究成果的基礎(chǔ)上，提出考慮電-氣-熱-交通相互依存關(guān)系的城市能源系統(tǒng)韌性評估與提升方法。在韌性評估方面，計(jì)及極端事件的發(fā)生全過程，提出整體性和針對性兩類，共七個(gè)指標(biāo)，實(shí)現(xiàn)對UES全局性能和特別值得關(guān)注的系統(tǒng)性能的評估。在韌性提升方面，以最小化加權(quán)電、氣、熱負(fù)荷損失之和為目標(biāo)，建立系統(tǒng)層面的協(xié)同優(yōu)化模型。利用發(fā)電車調(diào)度、維修人員調(diào)度、拓?fù)渲貥?gòu)、建筑物熱慣性等，實(shí)現(xiàn)UES的韌性提升。由于采取的韌性提升措施中存在對交通網(wǎng)絡(luò)的依賴，本文考慮交通網(wǎng)絡(luò)子系統(tǒng)，建立發(fā)電車的路徑規(guī)劃和維修人員對線路的最優(yōu)修復(fù)模型。算例分析驗(yàn)證了本文所提韌性評估與提升方法的有效性。

1 韌性評估指標(biāo)及提升方法

1.1 電-氣-熱-交通系統(tǒng)的相互依存關(guān)系

城市配電網(wǎng)作為UES的核心，與其他能源系統(tǒng)耦合緊密，為能源供應(yīng)提供重要支撐。各系統(tǒng)間的相互依存關(guān)系如圖1所示。

由于耦合元件接入節(jié)點(diǎn)的地理位置不同，極端事件對各子系統(tǒng)的影響可能不是同時(shí)或同等程度嚴(yán)重的。因此，極端事件產(chǎn)生的影響在各子系統(tǒng)間可能存在“時(shí)間差”和“空間差”。在此特性下，UES中各子系統(tǒng)間的相互依存關(guān)系會對系統(tǒng)性能產(chǎn)生“正反”兩方面的影響。一方面，供電不足產(chǎn)生的影響會通過耦合元件傳播到其他子系統(tǒng)，導(dǎo)致其性能下降，而各子系統(tǒng)的性能下降又會通過耦合元件進(jìn)一步導(dǎo)致城市配電網(wǎng)的供電不足，加劇UES性能的劣化；另一方面，當(dāng)某種形式的能源供給遭受損失時(shí)，其他形式的能源又可通過能量設(shè)備實(shí)現(xiàn)能源的替代與互補(bǔ)，對UES的性能產(chǎn)生支撐作用。

圖1 電-氣-熱-交通系統(tǒng)的相互依存關(guān)系

1.2 韌性評估與提升框架

本文所提的韌性評估與提升框架，主要包括三個(gè)部分：

1）極端事件：根據(jù)極端事件下配電線路的損壞概率，通過隨機(jī)采樣獲取極端事件場景，生成線路損壞狀態(tài)集。

2）韌性評估：韌性評估從兩個(gè)方面、七個(gè)維度對UES的韌性進(jìn)行評估。既包含對UES韌性的整體把握（性能維持、抵抗性、響應(yīng)性、恢復(fù)性），又包括對特別值得關(guān)注的系統(tǒng)性能的針對性評估（孤島連通度、孤島供電覆蓋數(shù)量、關(guān)鍵負(fù)荷維持時(shí)間）。

其中

1.3 韌性評估指標(biāo)

圖2 極端事件下系統(tǒng)性能處于的不同階段

圖2中列出了所提整體性指標(biāo)中的性能維持、響應(yīng)性、抵抗性和恢復(fù)性指標(biāo)與各階段的對應(yīng)關(guān)系。

1.3.1 性能維持指標(biāo)

性能維持指標(biāo)描述了系統(tǒng)受極端事件影響下各個(gè)階段的系統(tǒng)性能的維持情況，相當(dāng)于圖2中陰影部分的面積?？紤]電-氣-熱-交通相互依存的UES包括三個(gè)子系統(tǒng)性能的維持，即電負(fù)荷維持、氣負(fù)荷維持、熱負(fù)荷維持。

其中

1.3.2 抵抗性指標(biāo)

極端事件發(fā)生后，DS、GS、HS中負(fù)荷的保有量反映了各子系統(tǒng)對極端事件的抵御能力，即

其中

1.3.3 響應(yīng)性指標(biāo)

響應(yīng)性指標(biāo)反映受極端事件影響后，各系統(tǒng)需要經(jīng)歷多長時(shí)間才可進(jìn)入恢復(fù)階段，即

其中

1.3.4 恢復(fù)性指標(biāo)

UES恢復(fù)性評估需同時(shí)兼顧負(fù)荷恢復(fù)量和恢復(fù)速度。如圖2所示，盡管三條恢復(fù)曲線代表的最終負(fù)荷恢復(fù)量相同，但顯然恢復(fù)曲線1的恢復(fù)效果更好。系統(tǒng)的恢復(fù)性指標(biāo)為

其中

1.3.5 孤島連通度指標(biāo)

孤島數(shù)量反映了DS的撕裂程度，既可表征極端事件后的受破壞程度，又可表征其恢復(fù)難度。本節(jié)設(shè)所有節(jié)點(diǎn)均連通情況的孤島數(shù)量為1，并將一個(gè)孤立節(jié)點(diǎn)視為一個(gè)孤島。孤島連通度指標(biāo)為

1.3.6 孤島供電覆蓋數(shù)量指標(biāo)

其中

1.3.7 關(guān)鍵負(fù)荷維持時(shí)間指標(biāo)

關(guān)鍵負(fù)荷在各系統(tǒng)中具有重要地位。為了針對性的評估極端事件下關(guān)鍵負(fù)荷的性能，建立關(guān)鍵負(fù)荷維持時(shí)間指標(biāo)，即

其中

2 天然氣管網(wǎng)子系統(tǒng)

2.1 天然氣管網(wǎng)方程組

管道天然氣通過壓力驅(qū)動，并在節(jié)點(diǎn)處滿足節(jié)點(diǎn)流量平衡方程[18]，有

2.2 儲氣裝置、氣體壓縮機(jī)、燃?xì)廨啓C(jī)和電轉(zhuǎn)氣

儲氣裝置可在氣體壓縮機(jī)停運(yùn)而導(dǎo)致下級氣網(wǎng)供氣不足時(shí)提供一定量的天然氣供應(yīng)。氣體壓縮機(jī)（Gas Compressor, GC）、GT和PtG可視為耦合天然氣管網(wǎng)子系統(tǒng)與城市配電網(wǎng)的元件。

2.2.1 儲氣裝置

儲氣裝置需要滿足的約束條件為

2.2.2 氣體壓縮機(jī)

小學(xué)生處于低齡時(shí)期，卻具有一定的好勝心。將競賽元素融入合作學(xué)習(xí)過程中，可以讓學(xué)生在團(tuán)結(jié)與競爭的雙重作用下參與到教學(xué)活動之中。而語文學(xué)科的競賽活動有許多種，教師可以結(jié)合實(shí)際的教學(xué)內(nèi)容來選定競賽內(nèi)容和競賽形式，讓學(xué)生在小組競賽過程中充分展現(xiàn)自己的能力，激發(fā)自身的潛能，并且體驗(yàn)合作學(xué)習(xí)的快樂，增加對語文學(xué)習(xí)與知識探索的興趣。比如在《精彩的馬戲》的教學(xué)中，教師就可以引導(dǎo)學(xué)生分成幾個(gè)小組，然后各自選擇一種動物進(jìn)行馬戲的表演，比一比誰的更精彩。學(xué)生在親自表演的過程中，可以更好地理解課文內(nèi)容，并領(lǐng)悟馬戲這一表演的精粹，與文本真正深入地進(jìn)行交流，從而高效地理解與掌握文本內(nèi)容。

天然氣管道中的氣體壓縮機(jī)通過消耗電力來抵抗管道上的氣壓降落，以維持天然氣的流動，其模型為

2.2.3 燃?xì)廨啓C(jī)

燃?xì)廨啓C(jī)通過消耗天然氣來發(fā)電，視為城市配電網(wǎng)中的電源、天然氣管網(wǎng)子系統(tǒng)中的氣負(fù)荷，其模型為

2.2.4 電轉(zhuǎn)氣

與燃?xì)廨啓C(jī)相反，電轉(zhuǎn)氣則通過消耗電力來生產(chǎn)天然氣，視為城市配電網(wǎng)中的電負(fù)荷、天然氣管網(wǎng)子系統(tǒng)中的氣源，其模型為

3 供回?zé)峁芫W(wǎng)子系統(tǒng)

城市供回?zé)峋W(wǎng)絡(luò)的運(yùn)行通常采用質(zhì)量調(diào)節(jié)模式，即通過調(diào)節(jié)熱媒（本節(jié)以熱水為例）的溫度來改變供熱功率的大小，而質(zhì)量流率的數(shù)量保持為設(shè)計(jì)值[20]。

3.1 熱媒平衡

供、回?zé)峁艿乐袩崦降牧鲃有枰獫M足

3.2 溫度的混合

供/回?zé)峁芫W(wǎng)中存在普通、分支和交匯三類節(jié)點(diǎn)，各節(jié)點(diǎn)溫度的混合關(guān)系如下。

1）普通節(jié)點(diǎn)

2）分支節(jié)點(diǎn)

3）交匯節(jié)點(diǎn)

同時(shí)，供/回?zé)峁艿乐袩崦降臏囟刃枰拗圃诤侠淼姆秶鷥?nèi)，即

3.3 管道熱損失與傳輸延遲

供/回?zé)峁艿乐袩崦綌y帶的熱功率與管道質(zhì)量流率、溫度成正比，有

供/回?zé)峁艿赖臒峁β蕮p失及延遲為

3.4 熱交換

熱源發(fā)出的熱功率通過熱交換將熱能送入供/回?zé)峋W(wǎng)絡(luò)中，有

熱用戶（建筑物）通過熱交換從供/回?zé)峋W(wǎng)絡(luò)中獲得熱量，有

3.5 建筑物熱慣性

建筑物中房間的室內(nèi)溫度與室外溫度、獲得的熱量等有關(guān)，即

3.6 水泵與暖通空調(diào)

水泵（Water Pump, WP）和暖通空調(diào)（Heating, Ventilating and Air Conditioning, HVAC）可視為耦合供回?zé)峁芫W(wǎng)子系統(tǒng)與城市配電網(wǎng)的元件。

3.6.1 水泵

向建筑物供熱時(shí)，需要依靠水泵實(shí)現(xiàn)熱水的循環(huán)。水泵消耗的電功率為

3.6.2 暖通空調(diào)

暖通空調(diào)是建筑物中應(yīng)用廣泛的空氣調(diào)節(jié)設(shè)備?？稍诩泄嵯到y(tǒng)供熱不足或供熱過剩時(shí)，作為溫度調(diào)節(jié)的補(bǔ)充手段。暖通空調(diào)的模型為

4 交通網(wǎng)絡(luò)子系統(tǒng)

4.1 交通網(wǎng)絡(luò)模型

由于道路阻塞，道路的通行時(shí)間隨其通行流量的增加而增加。道路的通行時(shí)間可由Bureau of Public Roads（BPR）函數(shù)建模[21]，即

其中

4.2 發(fā)電車的路徑規(guī)劃

本節(jié)將發(fā)電車選擇某一路徑從某一起點(diǎn)移動至其對應(yīng)的終點(diǎn)稱為“發(fā)電車的路徑規(guī)劃”。發(fā)電車在交通網(wǎng)絡(luò)中通行時(shí)，具有兩類狀態(tài)：①位于節(jié)點(diǎn)上；②位于路徑上。其通行狀態(tài)和路徑規(guī)劃約束為

4.3 維修人員調(diào)度

本節(jié)將維修人員在各損壞的元件間通行，選擇某一損壞元件進(jìn)行修復(fù)作業(yè)，并使其恢復(fù)運(yùn)行的過程稱為“維修人員調(diào)度”。在初始時(shí)刻，維修人員位于倉庫中。維修人員在各個(gè)損壞元件間通行，并執(zhí)行修復(fù)作業(yè)，需要滿足

5 城市配電網(wǎng)

5.1 熱電聯(lián)產(chǎn)機(jī)組

假設(shè)城市配電網(wǎng)和供回?zé)峁芫W(wǎng)子系統(tǒng)通過抽汽凝汽式熱電聯(lián)產(chǎn)機(jī)組供能，來考慮供電與供熱之間的關(guān)系。抽汽凝汽式熱電聯(lián)產(chǎn)機(jī)組的電-熱特性為

5.2 發(fā)電車供電

發(fā)電車在交通網(wǎng)絡(luò)子系統(tǒng)的各節(jié)點(diǎn)之間通行，接入某一對應(yīng)的城市配電網(wǎng)節(jié)點(diǎn)，可為配電網(wǎng)提供電力，需滿足

5.3 功率平衡與線路潮流

本節(jié)采用在配電網(wǎng)中運(yùn)用廣泛的LinDistFlow模型對配電網(wǎng)潮流進(jìn)行建模，有

5.4 輻射狀拓?fù)?/h3>

城市配電網(wǎng)按閉環(huán)設(shè)計(jì)，但通常以輻射狀運(yùn)行，以便于保護(hù)裝置的配置和其他措施的實(shí)施[24]。本節(jié)采用單商品流模型[11]來保證在優(yōu)化過程中配電線路通斷操作的輻射狀特性，有

5.5 線路連接狀態(tài)

6 算例分析

6.1 算例設(shè)置

本節(jié)以如圖3所示的電-氣-熱-交通相互依存的92節(jié)點(diǎn)融合系統(tǒng)（以下簡稱“融合系統(tǒng)”）為例，驗(yàn)證本文所提模型的正確性與有效性。

6.2 韌性評估

假設(shè)受某極端事件的影響，DS每隔50 m架設(shè)一座桿塔，其中的導(dǎo)線、桿塔分別有0.007 5，0.005 5的概率發(fā)生損壞。假設(shè)各桿塔和導(dǎo)線的損壞是獨(dú)立事件，并將線路等效為導(dǎo)線與桿塔的串聯(lián)模型[25]。

為評估采取不同措施對各韌性指標(biāo)的影響，本節(jié)算例設(shè)置六種情形：①情形A1：本文模型；②情形A2：降低維修人員的支援速度；③情形A3：降低發(fā)電車的支援速度；④情形A4：不考慮暖通空調(diào)的溫度調(diào)節(jié)；⑤情形A5：不考慮儲氣裝置的存/放氣；⑥情形A6：情形A1+A2+A3+A4+A5。

韌性評估的流程為：①根據(jù)各線路的損壞概率隨機(jī)生成并采樣1 500個(gè)場景，作為情形A1～A6的線路損壞狀態(tài)集；②在各情形中，對本文所提的韌性提升模型進(jìn)行求解；③根據(jù)求解結(jié)果對四個(gè)整體性指標(biāo)和三個(gè)針對性指標(biāo)進(jìn)行計(jì)算與分析。

表1 各情形中融合系統(tǒng)韌性指標(biāo)的評估結(jié)果

表2 各情形中電、氣、熱子系統(tǒng)性能維持和抵抗性指標(biāo)

如表2左三列所示，通過降低維修人員和發(fā)電車的支援效率的情形A2、A3會同時(shí)劣化DS、GS、HS的性能維持指標(biāo)，其中情形A2的劣化效果更明顯；不考慮暖通空調(diào)的情形A4主要劣化HS的性能維持指標(biāo)；不考慮儲氣裝置的情形A5則主要劣化GS的性能維持指標(biāo)。如表2右三列所示，各情形中，DS的抵抗性指標(biāo)基本一致，這是由于極端事件直接對DS產(chǎn)生損毀作用，若要提高融合系統(tǒng)整體的抵抗性指標(biāo)，則只能通過提升其他子系統(tǒng)對極端事件的抵御能力；情形A2、A3中的GS和HS的抵抗性指標(biāo)也受極端事件影響而下降；情形A4、A5的抵抗性指標(biāo)的劣化則分別表現(xiàn)在HS、GS中。

表3 各情形中電、氣、熱子系統(tǒng)響應(yīng)性和恢復(fù)性指標(biāo)

如表3的左三列所示，在降低維修人員效率的情形A2中，GS的響應(yīng)性指標(biāo)要大于情形A1。這是由于在極端事件發(fā)生后，DS的拓?fù)浣Y(jié)構(gòu)還未得到完全恢復(fù)，能源替代效應(yīng)還未完全發(fā)揮出來。因此，在協(xié)同優(yōu)化中，氣網(wǎng)負(fù)荷首先開始恢復(fù)，以提高系統(tǒng)整體的恢復(fù)性指標(biāo)。在不考慮暖通空調(diào)的情形A4、A6中，HS的響應(yīng)性指標(biāo)均為100，即在HS的性能受損后，立即開始恢復(fù)。關(guān)于此現(xiàn)象的分析如下。

圖4 情形A1、A4的熱負(fù)荷恢復(fù)率

如表3的右三列所示。各子系統(tǒng)的恢復(fù)性指標(biāo)隨著不采取韌性提升措施或采取措施效率的下降而下降。其中，情形A2、A3中各子系統(tǒng)的恢復(fù)性指標(biāo)均低于情形A1，以情形A2尤為明顯。情形A4、A5則分別在HS、GS中的恢復(fù)性指標(biāo)劣化更明顯。

如表4所示，情形A4、A6中，HS的關(guān)鍵負(fù)荷維持時(shí)間指標(biāo)顯著低于其他情形。可見，在水泵停運(yùn)期間，暖通空調(diào)對關(guān)鍵熱負(fù)荷的恢復(fù)，提高用戶舒適度，具有重要作用。

6.3 韌性提升

各情形中電、氣、熱負(fù)荷的損失值見表5，各情形中電+氣+熱負(fù)荷的恢復(fù)率如圖5所示。

表5 各情形中電、氣、熱負(fù)荷損失值

圖5 各情形中電+氣+熱負(fù)荷恢復(fù)率

各情形中，發(fā)電車的出力情況如圖6所示。

圖6 各情形中發(fā)電車有功功率

受極端事件影響，DS被分割成多個(gè)孤島，由于發(fā)電車不可移動，網(wǎng)絡(luò)的撕裂限制了其出力。如圖6所示，情形E3相比情形E2，在負(fù)荷恢復(fù)階段發(fā)電車的輸出更小。在情形E6中，由于維修人員不對線路進(jìn)行修復(fù)，兩臺不可移動的發(fā)電車在調(diào)度周期內(nèi)幾乎無法發(fā)揮作用。可見，發(fā)電車的可移動特性，以及發(fā)電車與維修人員的有效配合，為系統(tǒng)維持、恢復(fù)性能提供了有效支撐。

如表5所示，與情形E1相比，情形E2、E3、E6氣負(fù)荷損失的增加更加顯著，這主要是由于氣體壓縮機(jī)缺電停運(yùn)導(dǎo)致的。各情形中氣體壓縮機(jī)的運(yùn)行狀態(tài)如圖7所示。

圖7 各情形中氣體壓縮機(jī)運(yùn)行狀態(tài)

如表5和圖7所示，各情形中，氣負(fù)荷的損失值與氣體壓縮機(jī)的運(yùn)行狀態(tài)具有較強(qiáng)相關(guān)性。情形E2與情形E3相比，氣體壓縮機(jī)的運(yùn)行時(shí)間更短，情形E2中氣負(fù)荷的損失值要比情形E3更大。情形E1和E4的氣體壓縮機(jī)運(yùn)行狀態(tài)相同，因此，兩者中氣負(fù)荷的損失差別不大。盡管情形E5中氣體壓縮機(jī)的運(yùn)行狀態(tài)與情形E1、E4相同，但與情形E1相比，氣負(fù)荷損失值的增加十分顯著，為10 390.30 kW（243.00%），這是由于情形E5沒有考慮儲氣裝置的作用，無法在氣體壓縮機(jī)停運(yùn)期間為下級氣網(wǎng)供氣?？梢?，保證氣體壓縮機(jī)的可靠運(yùn)行，對減小氣負(fù)荷的損失具有重要意義。

各情形中燃?xì)廨啓C(jī)、電轉(zhuǎn)氣、儲氣裝置的耗/產(chǎn)氣量如圖8所示。

圖8 各情形中燃?xì)廨啓C(jī)、電轉(zhuǎn)氣、儲氣裝置的耗/產(chǎn)氣量

類似的，熱負(fù)荷的損失值與水泵的運(yùn)行狀態(tài)具有較強(qiáng)相關(guān)性。各情形中水泵的運(yùn)行狀態(tài)如圖9所示。

圖9 各情形中水泵運(yùn)行狀態(tài)

如表5和圖9所示，除情形E4外，其他情形中，熱負(fù)荷的損失值隨水泵開啟時(shí)間的增加而減少。由于情形E4沒有考慮建筑物的熱慣性，盡管該情形水泵的開啟狀態(tài)與情形E1和E5一致，但其熱負(fù)荷的損失值顯著增加。

各情形中，暖通空調(diào)的制熱/制冷功率如圖10所示。

圖10 各情形中暖通空調(diào)制熱/制冷功率

為了更直觀地分析維修人員和發(fā)電車的調(diào)度過程，本節(jié)展示情形E1中的DS恢復(fù)與拓?fù)渲貥?gòu)結(jié)果，如圖11所示。

圖11 情形E1中系統(tǒng)恢復(fù)與拓?fù)渲貥?gòu)

Fig.11 System recovery and topology reconfiguration of case E1

7 結(jié)論

本文提出了考慮電-氣-熱-交通相互依存的城市能源系統(tǒng)的韌性評估與提升方法，研究表明：

1）對城市能源系統(tǒng)韌性評估與提升的綜合研究，可以考慮各韌性提升措施與各韌性評估指標(biāo)之間的關(guān)聯(lián)性，有利于決策者更好地規(guī)避風(fēng)險(xiǎn)并利用多能融合的優(yōu)勢實(shí)現(xiàn)系統(tǒng)韌性的提升。

2）所提的韌性評估指標(biāo)從整體性和針對性兩個(gè)角度，對系統(tǒng)性能處于的不同階段進(jìn)行了評估。多維韌性評估指標(biāo)可以從系統(tǒng)性能特性和拓?fù)涮卣魅娴恼莆障到y(tǒng)性能，由此制定更具針對性的解決方案和應(yīng)對措施。

3）所提的韌性提升方法實(shí)現(xiàn)了各子系統(tǒng)以及各措施間的有效配合與協(xié)同優(yōu)化；增強(qiáng)了UES對極端事件的抵御能力；提高了能源供應(yīng)的覆蓋程度；促進(jìn)了極端事件后UES的快速恢復(fù)。

[1] 張儒峰, 李雪, 姜濤, 等. 城市綜合能源系統(tǒng)韌性評估與提升綜述[J]. 全球能源互聯(lián)網(wǎng), 2021, 4(2): 122-132.

Zhang Rufeng, Li Xue, Jiang Tao, et al. Review on resilience assessment and enhancement of urban integrated energy system[J]. Journal of Global Energy Interconnection, 2021, 4(2): 122-132.

[2] 賈宏杰, 穆云飛, 侯愷, 等. 能源轉(zhuǎn)型視角下城市能源系統(tǒng)的形態(tài)演化及運(yùn)行調(diào)控[J]. 電力系統(tǒng)自動化, 2021, 45(16): 49-62.

Jia Hongjie, Mu Yunfei, Hou Kai, et al. Morphology evolution and operation regulation of urban energy system from perspective of energy transition[J]. Automation of Electric Power Systems, 2021, 45(16): 49-62.

[3] 阮前途, 謝偉, 許寅, 等. 韌性電網(wǎng)的概念與關(guān)鍵特征[J]. 中國電機(jī)工程學(xué)報(bào), 2020, 40(21): 6773-6784.

Ruan Qiantu, Xie Wei, Xu Yin, et al. Concept and key features of resilient power grids[J]. Proceedings of the CSEE, 2020, 40(21): 6773-6784.

[4] 周曉敏, 葛少云, 李騰, 等. 極端天氣條件下的配電網(wǎng)韌性分析方法及提升措施研究[J]. 中國電機(jī)工程學(xué)報(bào), 2018, 38(2): 505-513, 681.

Zhou Xiaomin, Ge Shaoyun, Li Teng, et al. Assessing and boosting resilience of distribution system under extreme weather[J]. Proceedings of the CSEE, 2018, 38(2): 505-513, 681.

[5] Gautam P, Piya P, Karki R. Resilience assessment of distribution systems integrated with distributed energy resources[J]. IEEE Transactions on Sustainable Energy, 2021, 12(1): 338-348.

[6] 王守相, 黃仁山, 潘志新, 等. 極端冰雪天氣下配電網(wǎng)彈性恢復(fù)力指標(biāo)的構(gòu)建及評估方法[J]. 高電壓技術(shù), 2020, 46(1): 123-132.

Wang Shouxiang, Huang Renshan, Pan Zhixin, et al. Construction and evaluation of resilience restoration capability indices for distribution network under extreme ice and snow weather[J]. High Voltage Engineering, 2020, 46(1): 123-132.

[7] 別朝紅, 林超凡, 李更豐, 等. 能源轉(zhuǎn)型下彈性電力系統(tǒng)的發(fā)展與展望[J]. 中國電機(jī)工程學(xué)報(bào), 2020, 40(9): 2735-2745.

Bie Zhaohong, Lin Chaofan, Li Gengfeng, et al. Development and prospect of resilient power system in the context of energy transition[J]. Proceedings of the CSEE, 2020, 40(9): 2735-2745.

[8] Salimi M, Nasr M A, Hosseinian S H, et al. Information gap decision theory-based active distribution system planning for resilience enhancement[J]. IEEE Transactions on Smart Grid, 2020, 11(5): 4390-4402.

[9] 卞藝衡, 別朝紅. 面向彈性提升的智能配電網(wǎng)遠(yuǎn)動開關(guān)優(yōu)化配置模型[J]. 電力系統(tǒng)自動化, 2021, 45(3): 33-39.

Bian Yiheng, Bie Zhaohong. Resilience-enhanced optimal placement model of remote-controlled switch for smart distribution network[J]. Automation of Electric Power Systems, 2021, 45(3): 33-39.

[10] Yan Mingyu, Shahidehpour M, Paaso A, et al. Distribution system resilience in ice storms by optimal routing of mobile devices on congested roads[J]. IEEE Transactions on Smart Grid, 2021, 12(2): 1314-1328.

[11] Lei Shunbo, Chen Chen, Li Yupeng, et al. Resilient disaster recovery logistics of distribution systems: Co-optimize service restoration with repair crew and mobile power source dispatch[J]. IEEE Transactions on Smart Grid, 2019, 10(6): 6187-6202.

[12] 彭寒梅, 李才寶, 劉健鋒, 等. 基于異質(zhì)依存網(wǎng)絡(luò)的電-氣區(qū)域綜合能源系統(tǒng)彈性評估[J]. 電網(wǎng)技術(shù), 2021, 45(7): 2811-2821.

Peng Hanmei, Li Caibao, Liu Jianfeng, et al. Resilience assessment of electricity-gas regional integrated energy system based on heterogeneous interdependent network[J]. Power System Technology, 2021, 45(7): 2811-2821.

[13] Zhang Huajun, Wang Peng, Yao Shuhan, et al. Resilience assessment of interdependent energy systems under hurricanes[J]. IEEE Transactions on Power Systems, 2020, 35(5): 3682-3694.

[14] 張亞超, 易楊, 胡志鵬, 等. 基于分布魯棒優(yōu)化的電-氣綜合能源系統(tǒng)彈性提升策略[J]. 電力系統(tǒng)自動化, 2021, 45(13): 76-84.

Zhang Yachao, Yi Yang, Hu Zhipeng, et al. Resilience enhancement strategy of electricity-gas integrated energy system based on distributionally robust optimization[J]. Automation of Electric Power Systems, 2021, 45(13): 76-84.

[15] 陳厚合, 叢前, 姜濤, 等. 多能協(xié)同的配電網(wǎng)供電恢復(fù)策略[J]. 電工技術(shù)學(xué)報(bào), 2022, 37(3): 610-622, 685.

Chen Houhe, Cong Qian, Jiang Tao, et al. Distribution systems restoration with multi-energy synergy[J]. Transactions of China Electrotechnical Society, 2022, 37(3): 610-622, 685.

[16] Li Jiaxu, Xu Yin, Wang Ying, et al. Resilience-motivated distribution system restoration considering electricity-water-gas interdependency[J]. IEEE Transactions on Smart Grid, 2021, 12(6): 4799-4812.

[17] 許寅, 和敬涵, 王穎, 等. 韌性背景下的配網(wǎng)故障恢復(fù)研究綜述及展望[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(16): 3416-3429.

Xu Yin, He Jinghan, Wang Ying, et al. A review on distribution system restoration for resilience enhancement[J]. Transactions of China Electrotechnical Society, 2019, 34(16): 3416-3429.

[18] 徐玉琴, 方楠. 基于分段線性化與改進(jìn)二階錐松弛的電-氣互聯(lián)系統(tǒng)多目標(biāo)優(yōu)化調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2022, 37(11): 2800-2812.

Xu Yuqin, Fang Nan. Multi objective optimal scheduling of integrated electricity-gas system based on piecewise linearization and improved second order cone relaxation[J]. Transactions of China Electrotechnical Society, 2022, 37(11): 2800-2812.

[19] Correa-Posada C M, Sánchez-Martín P. Integrated power and natural gas model for energy adequacy in short-term operation[J]. IEEE Transactions on Power Systems, 2015, 30(6): 3347-3355.

[20] Gu Wei, Wang Jun, Lu Shuai, et al. Optimal operation for integrated energy system considering thermal inertia of district heating network and buildings[J]. Applied Energy, 2017, 199: 234-246.

[21] 張亞超, 鄭峰, 舒勝文, 等. 考慮多重不確定性的電-氣-交通網(wǎng)絡(luò)耦合系統(tǒng)數(shù)據(jù)驅(qū)動魯棒優(yōu)化調(diào)度[J]. 中國電機(jī)工程學(xué)報(bào), 2021, 41(13): 4450-4462.

Zhang Yachao, Zheng Feng, Shu Shengwen, et al. A data-driven robust optimization scheduling of coupled electricity-gas-transportation systems considering multiple uncertainties[J]. Proceedings of the CSEE, 2021, 41(13): 4450-4462.

[22] 張津琿, 王旭, 蔣傳文, 等. 計(jì)及交通流量不確定性的多網(wǎng)耦合綜合能源系統(tǒng)優(yōu)化調(diào)度方法[J]. 電網(wǎng)技術(shù), 2019, 43(9): 3081-3093.

Zhang Jinhui, Wang Xu, Jiang Chuanwen, et al. Optimal scheduling method of multi-network regional integrated energy system based on traffic flow uncertainty[J]. Power System Technology, 2019, 43(9): 3081-3093.

[23] Wang Xu, Shahidehpour M, Jiang Chuanwen, et al. Resilience enhancement strategies for power distribution network coupled with urban transportation system[J]. IEEE Transactions on Smart Grid, 2019, 10(4): 4068-4079.

[24] 麻秀范, 丁寧, 李龍. 配電網(wǎng)重構(gòu)中網(wǎng)絡(luò)輻射形與連通性的判斷[J]. 電工技術(shù)學(xué)報(bào), 2014, 29(8): 289-293.

Ma Xiufan, Ding Ning, Li Long. Judging radial and connectivity of network in distribution networks reconfiguration[J]. Transactions of China Electrotechnical Society, 2014, 29(8): 289-293.

[25] Ma Shanshan, Chen Bokan, Wang Zhaoyu. Resilience enhancement strategy for distribution systems under extreme weather events[J]. IEEE Transactions on Smart Grid, 2018, 9(2): 1442-1451.

Resilience Assessment and Enhancement Methods for Urban Energy System Considering Electricity-Gas-Heat-Transport Interdependency

Tao Ran1Zhao Dongmei1Xu Chenyu1Lin Chujie1Xia Xuan2

（1. School of Electrical & Electronic Engineering North China Electric Power University Beijing 102206 China 2. State Grid Shaoxing Power Supply Company Shaoxing 312000 China）

With the rapid changes in the global environment, high-impact and low-probability （HILP） events, represented by natural disasters, have attracted widespread attention. In the face of HILP events, the urban energy system (UES) may suffer more significant losses due to the complex interdependencies between the energy subsystems. Due to the geographical location of the access nodes of the coupling elements, the effects of extreme events on the subsystems may not be simultaneous or of equal severity. As a result, there may be "time differences" and "spatial differences" in the impact of extreme events between subsystems. With this characteristic, the interdependence of the subsystems in the UES can have a “positive” and “negative” impact on system performance. On the one hand, the effects of inadequate power supply propagate through the coupling elements to the other subsystems, resulting in a degradation of their performance. The degradation of the performance of each subsystem will in turn lead to a further undersupply of the urban distribution network through the coupling elements, exacerbating the deterioration of the UES performance. On the other hand, when one form of energy supply is lost, other forms of energy can be substituted and complemented by energy conversion equipment, supporting the performance of the UES.

To address this issue, this paper proposes a resilience assessment and enhancement method for UESs that considers the interdependence of electricity-gas-heat-transport. Firstly, the multidimensional resilience assessment metrics that include both holistic and targeted perspectives are proposed for the whole process of extreme events. Then, the models of electricity, gas, heat and transport subsystems and coupling elements are established. The resilience assessment assesses the resilience of the UES in 2 areas and 7 dimensions. It includes both an overall grasp of UES resilience (performance maintenance, resistance, responsiveness, resilience) and a targeted assessment of system performance of particular concern (island connectivity, number of islands covered by power supply, critical load maintenance time). In terms of resilience enhancement, this paper aims to minimise the sum of weighted electrical, gas and thermal load losses and develop a system-level co-optimisation model. The resilience enhancement of the UES is achieved using power generator scheduling, maintenance staff scheduling, topology reconfiguration, and building thermal inertia. Due to the reliance on the traffic network in the resilience enhancement measures taken, the transport network subsystem is considered in this paper to establish a model for mobile emergency generators routing and repair crews dispatching. Finally, case studies are analysed in a 92-node integrated electricity-gas-heat-transport system.

The following conclusions can be drawn from the simulation analysis: (1) A comprehensive study of UES resilience assessment and enhancement can consider the correlation between each resilience enhancement measure and each resilience assessment metric, which is conducive to decision-makers to avoid risks better and take advantage of multi-energy integration to achieve system resilience enhancement. (2) The proposed resilience assessment index assesses the system performance at different stages from two perspectives: holistic and targeted. The multidimensional resilience assessment metrics provide a comprehensive picture of system performance in terms of its characteristics and topological features, allowing more targeted solutions and countermeasures to be developed. (3) The proposed resilience enhancement method achieves effective coordination and synergistic optimisation of various subsystems and measures; enhances the resilience of the UES to extreme events; improves the coverage of energy supply; and facilitates the rapid recovery of the UES after HILP events.

Urban energy system, resilience, assessment, enhancement, interdependency

陶 然 男，1995年生，博士研究生，研究方向?yàn)殡娏ο到y(tǒng)韌性、電力系統(tǒng)分析與控制、新能源發(fā)電與智能電網(wǎng)。E-mail:ta0ran@163.com

趙冬梅 女，1965年生，教授，博士生導(dǎo)師，研究方向?yàn)殡娏ο到y(tǒng)分析與控制、新能源發(fā)電與智能電網(wǎng)。E-mail:zhao-dm@ncepu.edu.cn（通信作者）

TM73

10.19595/j.cnki.1000-6753.tces.221353

2022-08-03

2022-10-09

（編輯 赫 蕾）