極端災害下基于智能樓宇分布式電源的配電系統負荷恢復力評估分析

方偉，曾博，徐富強，張建華

極端災害下基于智能樓宇分布式電源的配電系統負荷恢復力評估分析

方偉，曾博，徐富強，張建華

（新能源電力系統國家重點實驗室(華北電力大學)，北京市 昌平區 102206）

作為一類重要的負荷側資源，智能樓宇中廣泛存在的各類分布式電源為極端災害后電力系統的供電快速恢復及負荷轉帶提供了新的可能性。為此，提出一種針對智能樓宇負荷恢復力的綜合評估框架，用于定量分析和計算極端災害后智能樓宇末端存活分布式電源對配電系統中重要負荷的轉帶能力。在對智能樓宇內不同類型物理設備進行建模的基礎上，重點考慮多能互補及能量耦合特性，首先，提出了電能轉移量、熱能轉移量、冷能轉移量3項定量評價指標，用于精確量化極端災害后智能樓宇電源對系統負荷恢復的貢獻。其次，在此基礎上，通過綜合利用隨機混合整數規劃方法，進一步提出了針對上述評價指標的具體計算方法。最后，以某一工業園區負荷為例，對所提評估框架進行有效性驗證。仿真結果表明，所提方法在保證智能樓宇正常運行前提下可充分發掘智能樓宇的能源供應潛力，有效提升配電系統在極端災害下的供能可靠性。

智能樓宇；分布式電源；冗余度支撐；電網彈性；供能可靠性

0 引言

隨著人類社會進步及工業化進程的加快，國民經濟發展對電能的依賴性日益增強。但是，近些年全球范圍內一些特殊事件與極端天氣發生日趨頻繁，如烏克蘭電網通信系統入侵[1]、日本福島大地震及海嘯[2]、中國南方冰災[3]、美國颶風等，給電力系統安全穩定運行帶來了前所未有的挑戰。由于極端天氣通常會導致電力系統基礎設施大面積受損，因此其所造成的停電后果比傳統事故更嚴重，甚至會影響社會秩序的穩定。

在這一背景下，“彈性電力系統”這一概念越來越多地被提及，彈性(resilience)也稱韌性，這一特性的首要標準是電力系統應對大小擾動時能夠快速靈活響應的能力，其中恢復力最為重要。構建堅強的彈性電網可以使電網設施在極端災害的情況下，靈活感知并適應外部環境變化，快速恢復電力系統的供電能力，從而盡可能將破壞造成的后果嚴重度最小化。

鑒于“彈性電網”較傳統電力系統所具有的巨大優勢，發展建設“彈性電網”近年來已成為很多國家的共識，并陸續產生了很多研究成果。如：高海翔等[4]從4個維度評估了配電系統的韌性，包括技術(technical)、組織(organization)、社會(social)和經濟(economical)，簡稱為TOSE，并以此提出了對配電網韌性的評估矩陣，制定了提升配電系統韌性的調度措施和規劃方案；別朝紅等[5]從彈性電網需應對的擾動事件、評估理論、韌性提升策略等方面入手，詳細地分析了配電系統彈性及其恢復力的主要研究方向和重點；Lin等[6]研究了電力系統在面臨自然災害時的影響過程和綜合能源系統及其子系統的相互依賴性對恢復力的提升作用；Panteli等[7]研究了在強度等級不同的臺風下，采用加固線路、提高故障修復速度和裝設雙回線等措施對電網彈性及其恢復力的提升效果；Ma等[8]采用建立三階段優化模型的方法，研究了最有利于提高電力系統彈性的元件加固位置和最優的加固策略。

然而現有研究多數是通過額外配置傳統供應側發電資源等手段來達到災后恢復負荷和提升電網彈性的目的，并未充分考慮利用終端用戶所具有的各類需求側資源，如智能樓宇中的分布式電源(distributed generation，DG)。智能樓宇中的DG由于有樓宇作為天然屏蔽，在極端天氣情況下具有更高的存活率，因此可以為故障后的重要負荷恢復提供重要技術手段。此外，與傳統供給側設備(如分布式儲能等)相比，使用智能樓宇內固有發電資源，無需額外設備安裝費用，可以節省投資成本；且智能樓宇內DG受樓宇墻壁保護，抗災能力強于戶外設備，在臺風、暴雨、冰災中具有更高的可靠性。因此，智能樓宇中的DG對提升電力系統彈性具有天然優勢和更好的實用性。

鑒于此，提出了一種針對極端自然災害情況下基于智能樓宇DG的負荷恢復力計算評估方法。首先，在充分考慮智能樓宇自身能流耦合及產能耗能的基礎上，提出了基于用戶側DG進行負荷恢復力評估的研究框架。其次，根據智能樓宇所具有的潛在多能互補供能特性，結合不同相關參與主體的利益需求，考慮不同能流權重系數，設計并提出了多能耦合條件下終端用戶供能可靠性的評價計算指標。在此基礎上，通過構建隨機混合整數規劃模型，計算在保證樓宇自身用戶供能可靠前提下，電、熱、冷能流的優化分配及對受災負荷電能傳輸的最優調度方案，從而實現對上述供能可靠性指標的定量計算。最后，通過算例分析驗證了評估方法的有效性。相關計算結果表明，通過在極端災害條件下合理利用智能樓宇DG的靈活運行能力，可在保證樓宇自身用能需求的同時，提高配電系統對外部風險的適應性及災后負荷恢復能力。

1 影響性分析

1.1 智能樓宇供能的可行性分析

極端自然災害造成的停電具有其獨特性，它與自然災害的特征高度相關。如一場颶風可能會在幾個地點使樹木折斷、桿塔倒塌，導致多個故障，發生大面積停電，這些位置取決于颶風的路徑，與典型的停電不同。除此之外，自然災害還可能破壞與電網相互依賴的其他基礎設施(如交通、通信、供水)，使恢復工作面臨更大的困難。

智能樓宇作為信息時代的產物，隨著科學技術的持續高速發展，越來越多的跨行業、跨學科技術應用于其中，使其內容與形式得到相應提升。不同于普通樓宇建筑，智能樓宇通常含有熱電聯產(combined heat and power，CHP)、冷熱電三聯供系統(Combined Cooling，Heating and Power，CCHP)、儲熱罐、分布式光伏、熱泵、鍋爐、空調等多種用能儲能設備，使得樓宇內電、氣、熱、冷等多種能源形式實現深度耦合，如圖1所示。智能樓宇管理系統通過采集、傳輸、分析及處理信息資源，將多個子系統的信息資源匯聚到一個統一的平臺中，并對樓宇各設備進行整體的調控與優化決策，從而使智能樓宇整體實現經濟、高效、低碳的運行狀態。智能樓宇具備高度集成、節約成本、安全舒適、低碳節能等主要特征。

圖1 智能樓宇及其內部構成示意圖

在發生極端災害(如颶風、暴雪、冰災等)后，與智能樓宇中室內設備相比，電網中存在的大量戶外設備更易受到極端災害的影響，可能導致電網變壓器被破壞或輸電線路故障，造成電能傳輸受損，從而影響重要負荷的正常運行，此時亟需對受災負荷進行供電。傳統方式使用熱電機組再啟動供電，在災害中停機所需開機時間較長，與之相比，智能樓宇中末端存活分布式電源的低時間尺度能量傳輸特性具有迅速恢復供電的優勢。因此如何改變智能樓宇原有能量供給消耗平衡結構，在保證樓宇內供能可靠性的前提下，以智能樓宇自身冗余度支撐負荷耗電量，使其盡快恢復額定功率運行，成了一個亟待解決的問題。

1.2 智能樓宇中DG模型

從智能樓宇中DG的產能特性和配電網設備分布特性出發，對光伏發電設備、熱泵、壓縮式制冷機、CHP設備等進行整體建模。

樓宇中的能量形式主要為電能、熱能、冷能。其中產能設備主要為光伏發電設備、熱泵、電熱鍋爐、CHP等；用能設備主要為智能樓宇中的電氣設備、日常照明、用戶供暖需求以及機房恒溫供冷等；儲能設備主要是蓄電池以及儲熱罐。具體能流變換形式如圖2所示。

圖2 智能樓宇中能流變換形式

1）光伏發電系統模型。

光伏發電系統容量通常以系統所在地區的太陽能日均輻射強度和居民的日耗電量等因素為依據進行計算[9-12]，光伏發電系統的容量表示為：

由于光伏出力具有不確定性，受當日光照強度和天氣所影響，波動頻繁，因此本文以日平均光照強度代替具有不確定性的實時光照強度計算，求得光伏發電日平均出力。

2）電熱鍋爐模型。

電熱鍋爐是典型的電–熱耦合設備單元。分布式電源聯合電熱鍋爐物理模型[13-16]為：

3）熱泵模型。

熱泵的物理模型[17-18]可表示為：

4）熱電聯產機組模型。

熱電聯產機組由燃氣輪機和余熱鍋爐構成，天然氣燃燒產生的熱能驅動燃氣輪機發電，排出的高溫煙氣由余熱鍋爐回收并轉化成可直接供給熱負荷的熱能[19-20]。其對應的數學模型如下：

微型燃氣輪機(micro-gas turbine，MT)運行時，排出的高溫余熱煙氣經過余熱鍋爐回收后，通過余熱鍋爐與吸收式制冷機(absorption refrigerator，AR)制熱、制冷。不考慮環境和燃燒效率因素影響，MT與AR的特性模型[21-22]為：

實際運行時，MT要滿足上下限約束和爬坡率約束，即

智能樓宇的運行需滿足電、熱功率平衡約束：

經測算，機組90%THA、75%THA和50%THA負荷工況鍋爐給水溫度分別提高6 ℃、12.1 ℃和18.1 ℃；汽輪機熱耗下降5、13和44 kJ/kWh；鍋爐排煙溫度升高1.5、3和5 ℃，鍋爐效率下降0.05%、0.15%和0.25%。汽輪機回熱系統優化后，各負荷工況鍋爐脫硝裝置入口煙氣溫度提升至310 ℃以上，有利于部分負荷工況脫硝系統的安全運行[16]，確保SCR脫硝裝置在全負荷范圍內處于催化劑的高效區運行。

2 基于智能樓宇的負荷恢復力評價指標

2.1 指標設計原則

智能樓宇中的綜合能源系統對配電網恢復力的支撐受多種因素影響，如光照、溫度、天氣、網架結構、設備運行狀況等內部或外部條件。此類問題屬于多目標、非線性的復雜優化問題，需要從多種維度構建優化指標框架。因此，需要依靠以下原則來構建：1）完整性，應全面準確反映智能樓宇中各類分布式電源間耦合特性及其相關制約因素；2）相關性，框架之間的設置有一定的邏輯及功能遞進；3）可操作性，以目標為導向設置指標及評估模式，且此模式易于在工程中落地實踐；4）泛用性，框架針對多種情形構建，可廣泛應用于不同情景及場合之中。

評估極端天氣條件下智能樓宇對負荷的恢復力，必須滿足以下3個主體的不同需求：

1）用戶。用戶是智能樓宇中終端電、熱、冷能流的消費者及智能樓宇可靠性的直接承擔者。用戶的預期效益主要包括經濟性和冗余性2個方面。經濟性要求智能樓宇提供的能源價格保持相對固定且不浮動；冗余性要求樓宇中的能源供給足量且不出現暫時性缺額，不影響用戶的日常生產、生活用能，具體表現為停電時間增加、供熱溫度下降、冰庫制冷性能不足以及樓宇內彈性負荷削減等。

2）供能商。在智能樓宇中，供能商主要負責樓宇內各種分布式能源項目的運行和維護，并通過向用戶出售各類能流獲得收益。對供能商而言，主要需求是樓宇內設備正常穩定運行且不出現劇烈的波動，以及對各類能流產出進行優化配比。

3）負荷所有者。在本文研究情境中，受極端災害影響，負荷與電網的聯系被切斷，形成孤島，產生功率缺額，需要智能樓宇輸送電能以維持負荷正常運行，如工廠、車間等電能依賴性場所。對負荷所有者而言，主要需求即為足量的電能補充，以使負荷恢復至受災前的運行狀態。

對智能樓宇的供能可靠性進行評判，必須依據上述3個主體的不同需求，并考慮其中不同類型需求的重要程度，運用模糊綜合評判法與重心法相組合的算法[23]對不同指標的權重等級進行評估，確定其合理取值區間，并結合層次分析法和反熵權法計算指標權重，對指標進行賦權[24]。評價指標設計流程如圖3所示。

圖3 評價指標設計流程

2.2 指標體系設計

基于以上流程，用優化調度前后智能樓宇中電、熱、冷負荷的比值來表征供能可靠性，在熱、冷負荷進行最優分配的前提下，優先保障電能的供給。依據用戶、供能商、負荷所有者的不同需求，設計并提出了電能轉移量(power transfer amount，PTA)、熱能轉移量(heat transfer amount，HTA)、冷能轉移量(cooling transfer amount，CTA)3項定量評價指標，將其分別定義為優化調度前后樓宇負荷中電能、熱能、冷能供給功率變化量與原始狀態供給功率之比。綜合考慮樓宇運行特性與不同等級用戶需求，對PTA、HTA、CTA分別賦以一定權重，加權求和，即可得到供能可靠性(energy supply reliability，ESR)，其表征此次優化過程對用戶負荷能流構成類型的影響程度。

各指標具體定義如下：

3 算法流程

3.1 智能樓宇中DG最大可供容量計算

在極端災害后，配電網戶外設備受到損害，出現了電力缺口。由于臺風、線路覆冰、雷擊等自然災害對電網設備有一定的破壞性，以空間地理的形式呈現，故可以將網絡系統連接柵格化，當某些地理柵格所處位置發生自然災害時，即對應著該處的輸配電設備因線路桿塔倒塌或線路覆冰量過大而無法正常供電。使用網絡柵格法來表征自然災害對電網的破壞程度，并使用蒙特卡羅法進行多次模擬[25]，消除隨機性產生的誤差，從而模擬各種不同的自然災害的破壞情況。利用網絡柵格法分析電網中受損戶外設備的位置，對災害嚴重程度進行分級，結合歷史數據對不同等級的災害程度計算桿塔倒塌和設備損壞的概率，可以判斷電網在極端災害下的受災情況，求解出電網功率缺口lack。

本文使用0-1混合整數線性規劃的方法求解動態經濟調度模型，求解模型的標準形式[21]為：

式中：T為目標函數中的系數向量；為約束方程中的系數矩陣；為對應的約束方程列向量；優化變量包括電源類設備的出力、轉換設備的輸入、能流的輸入和輸出；x和x為優化變量的2種不同類型變量，其中x表示連續變量，x表示0-1變量；為優化變量的可取值范圍。

本文提出的智能樓宇基于災前優化能量調度模型的目標函數是使智能樓宇分布式能源對電網重要負荷的供能量最大化，其數學表達式如下：

約束條件為式(1)—(13)、(15)。其中：式(1)—(5)、(7)—(9)為樓宇中電、熱、冷能流的能量產出及耦合模型；式(6)、(10)、(11)—(13)、(15)為功率極限、設備啟停、能量平衡、ESR等級等多種約束。由于約束條件中包含耦合變量，如電熱耦合及含有啟停狀態標記等，因此在模型中引入0-1變量，優化變量為樓宇中電、熱、冷3種能流的輸出功率、、及負荷功率、、。

上述模型屬于一類典型的隨機混合整數規劃問題。此類問題可在基于YALMIP求解平臺的MATLAB環境中，采用目前發展成熟的CPLEX商業求解器，通過編程求解得到全局最優解。

3.2 總體評估流程

基于上述運行調度策略，智能樓宇恢復力評價指標算法流程如圖4所示，具體計算步驟如下：

1）輸入智能樓宇中光伏發電、電熱鍋爐、熱泵、壓縮式制冷機、CHP等產能設備初始數據，依據式(1)—(9)得到樓宇電、熱、冷能量產出。

2）基于樓宇中用戶及耗能設備功率的歷史數據，并考慮彈性負荷及非彈性負荷，建立智能樓宇能源消耗模型，求得智能樓宇在正常狀態下滿足基本供電、供熱、供冷需求下的能流分配狀況。

圖4 智能樓宇恢復力評價指標算法流程

3）模擬所給定的重要負荷受災情況，建立在特定災害下受損情況模型及電網功率缺口lack。

6）結束迭代，輸出結果。

4 算例分析

以經典智能樓宇模型為例，評估其對提高重要負荷恢復力的有效性。智能樓宇中的各項能量輸入、輸出參數分別如表1、2所示。

表1 智能樓宇中的各項能量輸入參數

表2 智能樓宇中的各項能量輸出參數

本文以某一特定地區的工業負荷為例，分析其在遭受極端災害(如颶風、雷擊、覆冰災害）后與電網的聯系被切斷，轉由智能樓宇中的分布式電源進行供電的情形。在極端災害來臨后，工業園區與配電網之間的聯絡線路被切斷，形成孤島并產生大量電力缺口。但智能樓宇末端分布式電源仍然存活，可以供給工業園區部分能源，提升再啟動效率及運行可靠性。通過對智能樓宇中電、熱能流的優化分配，削減樓宇內的彈性負荷供給，將樓宇中部分電能供應負荷以熱源代替，在保證樓宇負荷正常供應的前提下，最大程度地供給重要負荷缺失功率，填補孤島功率缺額。

圖5 優化調度前后智能樓宇中能流功率對比

5 結論

針對極端天氣情況下智能樓宇末端存活分布式電源對工業園區恢復力展開研究，提出了供能可靠性指標和分析框架，通過對智能樓宇供能及負荷的優化分配，供給電網功率缺口。通過算例分析，得到以下結論：

1）在極端天氣下智能樓宇末端存活分布式電源可在一定程度上對電網彈性進行支撐，作為電網的備用電源使用，提升電網彈性。

2）可通過調整智能樓宇內能量供給結構及負荷能量供應形式，提高電能外送能力，提升重要工業負荷黑啟動能力。

需要指出的是，本文的局限性在于未模擬智能樓宇的小范圍受災情況，僅對工業園區孤島狀態進行了模擬，下一步將圍繞智能樓宇中分布式電源的受災情況展開研究。

[1] 郭慶來，辛蜀駿，王劍輝，等．由烏克蘭停電事件看信息能源系統綜合安全評估[J]．電力系統自動化，2016，40(5)：145-147．

[2] 薛禹勝，肖世杰．綜合防御高風險的小概率事件：對日本相繼天災引發大停電及核泄漏事件的思考[J]．電力系統自動化，2011，35(8)：1-11．

[3] 晏鳴宇，周志宇，文勁宇，等．基于短期覆冰預測的電網覆冰災害風險評估方法[J]．電力系統自動化，2016，40(21)：168-175．

[4] 高海翔，陳穎，黃少偉，等．配電網韌性及其相關研究進展[J]．電力系統自動化，2015，39(23)：1-8．

[5] 別朝紅，林雁翎，邱愛慈．彈性電網及其恢復力的基本概念與研究展望[J]．電力系統自動化，2015，39(22)：1-9．

[6] Lin Y L，Bie Z H．Study on the resilience of the integrated energy system energy procedia[J]．2016，103：171-176．

[7] Panteli M，Mancarella P．Modeling and evaluating the resilience of critical electrical power infrastructure to extreme weather events[J]．IEEE Systems Journal，2015：1-10．

[8] Ma S S，Chen B K，Wang Z Y．Resilience enhancement strategy for distribution systems under extreme weather events[J]．IEEE Transactions on Smart Grid，2018，9(2)：1442-1451．

[9] 靳小龍，穆云飛，賈宏杰，等．融合需求側虛擬儲能系統的冷熱電聯供樓宇微網優化調度方法[J]．中國電機工程學報，2017，37(2)：581-590．

[10] 于秩彬，王春芳，周釗正，等．青島地區四季天氣對光伏發電量的影響[J]．廣東電力，2019，32(6)：48-54．

[11] 李沐珂，張靠社．計及分布式光伏發電的分時電價模型研究[J]．電網與清潔能源，2018，34(4)：74-78．

[12] 劉金裕，趙磊，朱道立．基于LASSO的光伏發電功率短期時間序列預測[J]．電力科學與工程，2019，35(7)：13-22．

[13] 鄧得政，劉暢，李庚銀．直流配電網經濟調度方法研究[J]．分布式能源，2018，3(2)：39-46．

[14] 杜炬虎，劉靜．園區燃氣分布式能源站微電網結構解析[J]．華電技術，2019，41(3)：23-25，28．

[15] Wang Y，Chen C，Wang J，et al．Research on resilience of power systems under natural disasters：a review [J]．IEEE Transactions on Power Systems，2016，31(2)：1604-1613．

[16] 曾鳴，劉英新，周鵬程，等．綜合能源系統建模及效益評價體系綜述與展望[J]．電網技術，2018，42(6)：1697-1708．

[17] 郭尊，李庚銀，周明，等．計及綜合需求響應的商業園區能量樞紐優化運行[J]．電網技術，2018，42(8)：2439-2448．

[18] 陳厚合，李澤寧，靳小龍，等．集成智能樓宇的主動配電網建模及優化方法[J]．中國電機工程學報，2018，38(22)：6550-6563．

[19] 艾欣，陳政琦，孫英云，等．基于需求響應的電-熱-氣耦合系統綜合直接負荷控制協調優化研究[J]．電網技術，2019，43(4)：1160-1171．

[20] 張義志，王小君，和敬涵，等．考慮供熱系統建模的綜合能源系統最優能流計算方法[J]．電工技術學報，2019，34(3)：562-570．

[21] 顧偉，陸帥，王珺，等．多區域綜合能源系統熱網建模及系統運行優化[J]．中國電機工程學報，2017，37(5)：1305-1316．

[22] 王成山，洪博文，郭力，等．冷熱電聯供微網優化調度通用建模方法[J]．中國電機工程學報，2013，33(31)：26-33．

[23] 朱永強，王甜婧．交直流混合微電網網絡堅強度評估的指標體系及方法[J]．電網技術，2018，42(2)：455-463．

[24] 呂朋蓬，趙晉泉，李端超，等．電網運行狀態評價指標體系與綜合評價方法[J]．電網技術，2015，39(8)：2245-2252．

[25] 齊世雄，王秀麗，邵成成，等．極端事件下電-氣混聯綜合能源系統的恢復力分析[J]．電網技術，2019，43(1)：41-51．

Evaluation on Load Restoration of Distribution System Based on Distributed Generation in Smart Buildings After Extreme Disasters

FANG Wei, ZENG Bo, XU Fuqiang, ZHANG Jianhua

(State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University), Changping District, Beijing 102206, China)

As an important type of load-side resources, the distributed generation (DG) is widely used in smart buildings to provide new possibilities for rapid power supply recovery and load transfer after extreme disasters. This paper proposed a comprehensive evaluation framework for the smart building load restoration, which is used to quantitatively analyze and calculate the transfer capacity of the DG supply at the end of the smart buildings to the critical load in the distribution system after extreme disaster.On the basis of modeling different types of physical equipment in smart buildings, the multi-energy complementary and energy coupling characteristics were considered. Firstly, three quantitative evaluation indexes including electric power transfer amount, heat transfer amount and cooling transfer amount were proposed. The contribution of smart building power to system load recovery after extreme disasters was accurately quantified. On this basis, the specific calculation method for the above evaluation indicators was further proposed via using the random mixed integer programming method. Finally, taking the load of an industrial park as an example， the validity of the evaluation framework proposed was verified. The simulation results demonstrate that the proposed method can fully explore the energy supply potential of smart buildings with ensuring the normal operation of smart buildings, and effectively improve the reliability of power distribution systems under extreme disasters.

smart buildings; distributed generation; redundancy support; power grid resilience; energy supply reliability

10.12096/j.2096-4528.pgt.19081

中央高校基本科研專項資金(2017MS007)。

Project Supported by Fundamental Research Funds for the Central Universities (2017MS007).

2019-05-20。

方偉(1992)，男，碩士研究生，研究方向為綜合能源系統規劃與運行，ncepufangwei @ncepu.edu.cn；

曾博(1987)，男，博士，副教授，研究方向為綜合能源系統規劃與運行，以及需求響應建模與優化，本文通信作者，alosecity@126.com。

方偉

(責任編輯 尚彩娟)