一种面向台风灾害影响的电力应急抢修站规划方法及系统

1.本发明涉及电网应急抢修站的选址和配置技术领域，具体的是一种面向台风灾害影响的电力应急抢修站规划方法及系统。


背景技术：

2.电力系统作为关系到国家安全和社会稳定的重要基础设施，对于地区乃至国家层面的影响均需得到高度重视。回顾以往，世界范围内极端灾害导致的电网大停电事故频发，给当地的居民生活与安全、社会繁荣与稳定产生巨大的影响。电力应急资源的规划是保障事件发生过程中应急资源紧急响应、事件发生后快速恢复供电的前提，合理规划电力系统应急抢修中心对于保证极端灾害事件发生后应急资源及时运送，缩短系统停电时间，进而减小社会、经济影响具有重要意义。
3.当前对于电力应急抢修中心的规划存在诸多不足：(1)当前应急抢修规划大多负荷恢复阶段的停电损失最小作为应急抢修中心的选址标准，未考虑系统全黑情况，不是以恢复全过程作为优化目标，不利于降低全过程的停电损失；(2)当前应急抢修规划将故障输电线路修理完毕的时间视为负荷恢复供电的时间，忽略了输电线路充电时间及实际运行结果，未协调灾后的系统恢复与应急抢修过程，所得规划结果不够准确；(3)当前应急抢修规划未考虑灾后道路损坏情况，使得模型不够准确，导致电力应急抢修中心的规划结果不够合理。上述问题最终导致电力应急中心规划不够合理，不利于灾后系统供电的快速恢复。


技术实现要素：

4.为解决上述背景技术中提到的不足，本发明的目的在于提供一种面向台风灾害影响的电力应急抢修站规划方法及系统，以期能够合理地进行电力应急抢修中心的选址及配置，有利于减少灾后负荷停电损失，缩短灾害导致的停电时间，保障居民生活与安全、社会繁荣与稳定。
5.本发明的目的可以通过以下技术方案实现：一种面向台风灾害影响的电力应急抢修站规划方法，方法包括以下步骤：
6.接收台风灾害相关数据，将台风灾害相关数据输入至预先建立的台风在地表的风速模型内，得到地表风速，将地表风速进行标准海拔转换得到输电线路承受的风速；
7.将输电线路承受的风速输入至预先建立的输电线路故障概率模型内，得到输电线路故障概率；
8.将灾后道路路段按长度划分为地理分析单元，将地理分析单元进行分层，根据分层后的地理分析单元计算地理分析单元的危险性指标和地理分析单元的抗力指标；
9.将地理分析单元的危险性指标和地理分析单元的抗力指标计算得出地理分析单元的失效指标，将地理分析单元损坏情况进行分级，并与地理分析单元的失效指标进行抽样判定地理分析单元的受损状况；
10.根据地理分析单元的受损状况确定道路通行能力折减系数和车速折减系数；
11.将输电线路故障概率、道路通行能力折减系数和车速折减系数进行模拟得到故障场景，对故障场景进行聚类，得到场景发生概率；
12.将场景发生概率输入至预先建立的面向台风灾害的电力应急抢修中心双层规划模型内，得到电力应急抢修站的最优位置及配置，从而起到对电力应急抢修站规划的最优规划作用。
13.优选地，所述台风灾害相关数据包括：距台风中心处的风速、台风的最大风速半径、风速分布参数和台风的最大风速。
14.优选地，所述输电线路故障概率计算如下：
[0015][0016]
式中，p
fw
代表台风灾害作用下输电线路故障概率；v
10
代表输电线路承受的风速；v代表输电线路设计最大抗风风速。
[0017]
优选地，所述地理分析单元的危险性指标包括灾害危险性期望值和荷载指标的方差，计算过程如下：
[0018]
设定致险因素，将致险因素数据离散化，并求取致险因素对灾害事件的贡献度，在求得所有致险因素对灾害事件的贡献度后，计算致险因素的归一化权重及频率比；
[0019]
在求得所有致险因素的归一化权重及频率比后，根据致险因素的归一化权重及频率比计算得出地理分析单元的危险性指标。
[0020]
优选地，所述地理分析单元的抗力指标包括地理分析单元的抗力的期望值和地理分析单元的抗力的方差，计算过程如下：
[0021]
接收道路的工程防治措施、灾害监测预警、巡检频率、公路等级、结构类型五个属性，利用改进贝叶斯网络，得到各因素对地理分析单元抗力的单独影响效应和地理分析单元抗力的最大值、最小值和最有可能的值；
[0022]
根据各因素对地理分析单元抗力的单独影响效应和地理分析单元抗力的最大值、最小值和最有可能的值计算地理分析单元的抗力的期望值，通过理分析单元的抗力的期望值计算地理分析单元的抗力的方差。
[0023]
优选地，所述地理分析单元的失效指标gi计算如下：
[0024][0025][0026]
式中，gi符合正态分布，即i为地理分析单元标号，μ
r,i
为地理分析单元的抗力的期望值，μ
s,i
为灾害危险性期望值，地理分析单元的抗力的方差，为荷载指标的方差。
[0027]
优选地，所述判定地理分析单元的受损状况的过程如下：
[0028]
确定道路的受损状态
[0029]
按照由轻至重的顺序，将道路损坏情况分为无损ds1、轻微受损ds2、中等受损ds3、
严重受损ds4、彻底毁坏ds5五种状态；
[0030]
对第i个地理分析单元，根据失效概率指标gi的分布，生成随机数randi，确定地理分析单元的损坏情况，randi的大小表征地理分析单元失效风险的严重程度，randi与地理分析单元损坏情况ds的对应关系如下所示：
[0031][0032]
根据各路段中各地理分析单元损坏情况，确定第x个路段第d个地理分析单元灾后通行能力折减系数f
x,dc
和车速折减系数f
x,dv
。
[0033]
优选地，所述场景发生概率的计算过程包括以下步骤：
[0034]
设置仿真时段长度t、蒙特卡洛模拟次数b；
[0035]
运用网络栅格法将系统所在区域分割为合适面积大小的栅格，将每个栅格内的所受台风灾害影响视为一致；
[0036]
运用蒙特卡洛方法，对输电线路运行状态及路段损坏状况进行判定，对每次台风灾害模拟b次得到故障场景；
[0037]
其中，输电线路运行状态模拟方法如下：
[0038]
在第b次模拟中针对第l条输电线路产生服从均匀分布u(0,1)的随机数rand
lb
，与所求各输电线路故障概率p
l
对比，确定输电线路的运行状态，如下式所示：
[0039][0040]
式中，s
lib
表示在第b次模拟中输电线路l的运行状况，当在第b次模拟中产生的随机数rand
lb
大于输电线路l的故障概率p
l
时，s
lb
取值为1，表示输电线路l正常运行，否则，s
lb
取值为0，表示输电线路l故障；
[0041]
路段损坏状况模拟方法如下：
[0042]
在第b次模拟中针对第x个路段，确定灾后路段通行能力折减系数和车速折减系数；
[0043]
对得到的场景进行聚类，得到e个典型故障场景及场景发生概率pre。
[0044]
优选地，所述面向台风灾害的电力应急抢修中心双层规划模型包括上层随机规划模型和下层配置模型；
[0045]
所述上层随机规划模型利用得到的场景发生概率，以年负荷停电损失及年物资运输费用最小为优化目标，约束条件包括功率约束、输电线路恢复时限约束、非黑启动机组启动时间约束、负荷恢复时间约束和故障抢修约束；
[0046]
所述下层配置模型以年度人员配置成本、物资配置成本、建设成本及运维成本最小为优化目标，约束条件包括：抢修人员配备约束和应急物资配置约束；
[0047]
通过对上层随机规划模型和下层配置模型进行求解得出电力应急抢修站的最优位置及配置。
[0048]
第二方面，为了达到上述目的，本发明公开了一种面向台风灾害影响的电力应急抢修站规划系统，包括：
[0049]
风速计算模块：用于接收台风灾害相关数据，将台风灾害相关数据输入至预先建立的台风在地表的风速模型内，得到地表风速，将地表风速进行标准海拔转换得到输电线路承受的风速；
[0050]
概率计算模块：用于将输电线路承受的风速输入至预先建立的输电线路故障概率模型内，得到输电线路故障概率；
[0051]
指标计算模块：用于将灾后道路路段按长度划分为地理分析单元，将地理分析单元进行分层，根据分层后的地理分析单元计算地理分析单元的危险性指标和地理分析单元的抗力指标；
[0052]
受损分析模块：用于将地理分析单元的危险性指标和地理分析单元的抗力指标计算得出地理分析单元的失效指标，将地理分析单元损坏情况进行分级，并与地理分析单元的失效指标进行抽样判定地理分析单元的受损状况；
[0053]
系数计算模块：用于根据地理分析单元的受损状况确定道路通行能力折减系数和车速折减系数；
[0054]
模拟概率模块：用于将输电线路故障概率、道路通行能力折减系数和车速折减系数进行模拟得到故障场景，对故障场景进行聚类，得到场景发生概率；
[0055]
最优规划模块：用于将场景发生概率输入至预先建立的面向台风灾害的电力应急抢修中心双层规划模型内，得到电力应急抢修站的最优位置及配置，从而起到对电力应急抢修站规划的最优规划作用。
[0056]
本发明的有益效果：
[0057]
1、本发明面向灾后的全过程优化，以整个抢修恢复期间系统的运行停电损失最小作为目标，不仅仅以某一阶段的停电损失最小作为目标，并且考虑灾后实际运行过程，实现了规划与系统恢复的耦合、系统恢复与应急抢修的协调统一，有利于减少系统停电损失。
[0058]
2、本发明考虑了灾后道路通行状况，根据路段损坏情况，引入道路通行能力折减系数和车速折减系数，更准确地衡量灾后通行所花费的时间，有利于进行电力应急抢修中心的选址规划，进而避免选址不合理的问题。
[0059]
3、本发明提出双层规划模型，上层模型用于选址，下层模型用于资源配置。由于台风灾害发生的不确定性，无法以单一的灾后故障场景作为选址标准，因此，本发明引入随机规划的思想，基于聚类得到的典型故障场景及其相应的概率，建立上层随机规划模型，求取电力应急抢修中心在系统中的布局方案；下层模型中考虑资源配置成本进行应急资源配置。上下层之间博弈得到最优解，能有效地平衡两者之间的关系，得到经济、合理的电力应急抢修中心的选址及配置结果。
附图说明
[0060]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图；
[0061]
图1是本发明方法流程示意图；
[0062]
图2是本发明系统结构示意图；
[0063]
图3是本发明本发明失效指标g的概率示意图；
[0064]
图4是本发明台风灾害场景模拟及聚类流程示意图；
[0065]
图5是本发明电力应急抢修中心双层规划方法流程示意图；
[0066]
图6是本发明本发明改进贝叶斯结构示意图；
[0067]
图7是本发明网格划分及台风路径图；
[0068]
图8是本发明电力—交通拓扑图；
[0069]
图9是本发明各场景下机组启动时刻图；
[0070]
图10是本发明各场景下负荷恢复时刻图；
[0071]
图11是本发明不同应急抢修方案下负荷恢复完毕时间图；
[0072]
图12是本发明各场景下负荷恢复完毕时间图。
具体实施方式
[0073]
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，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0074]
如图1所示，一种面向台风灾害影响的电力应急抢修站规划方法，方法包括以下步骤：
[0075]
接收台风灾害相关数据，将台风灾害相关数据输入至预先建立的台风在地表的风速模型内，得到地表风速，将地表风速进行标准海拔转换得到输电线路承受的风速；
[0076]
需要说明的是，在本实施例中的具体过程如下：
[0077]
步骤1.1建立台风在地表的风速模型
[0078][0079]
式中，vr代表距台风中心r处的风速；r代表当前位置与台风中心的距离；r
max
代表台风的最大风速半径；t代表风速分布参数，通常取0.5；v
max
代表台风的最大风速。
[0080]
步骤1.2将地表风速转化为标准海拔10米高的风速v
10
并求取灾害持续作用时间tw：
[0081]v10
＝kv·vr
[0082][0083]
式中，kv为校正系数，通常取0.8；dw代表台风中心走过的总路程；vw代表台风中心的移动速度。
[0084]
将输电线路承受的风速输入至预先建立的输电线路故障概率模型内，得到输电线路故障概率；
[0085]
需要说明的是，输电线路故障概率计算：
[0086][0087]
式中，p
fw
代表台风灾害作用下输电线路的故障概率；v
10
代表输电线路承受的风速；v代表输电线路设计最大抗风风速。
[0088]
将灾后道路路段按长度划分为地理分析单元，将地理分析单元进行分层，根据分层后的地理分析单元计算地理分析单元的危险性指标和地理分析单元的抗力指标；
[0089]
需要进一步进行说明的是，在本实施例中的过程如下：
[0090]
步骤1.4.1.1.1将各路段按长度划分为地理分析单元，若共有x个路段，第x个路段被划分为n
x
个地理分析单元，则所有地理分析单元的数目为：
[0091][0092]
步骤1.4.1.1.2将第i个地理分析单元每年平均发生灾害事件的规模等级之和作为其地质灾害危险性yi，依次求取所有地理分析单元的地质灾害危险性yi…yn
；
[0093]
步骤1.4.1.2地理单元分层
[0094]
步骤1.4.1.2.1致险因素数据离散化
[0095]
利用下式将第u个致险因素的取值离散化为分类变量，即划分第u个致险因素的取值区间为h个层级：
[0096][0097]
步骤1.4.1.2.2根据各地理分析单元中xu的取值对其进行分层，每个分层中包含nh个地理分析单元；
[0098]
步骤1.4.1.3求取第u个致险因素对灾害事件的贡献度
[0099]
(1)按下式求取第u个致险因素的层内方差和ssw(xu)及整体方差和sst(xu)：
[0100][0101][0102]
式中，h代表地理分析单元所处的层级，h＝1,2,
…
h；nh代表属于第h层的地理分析单元的数目；y
hi
代表第h层中第i个地理分析单元的地质灾害危险性；代表第h层中各地理分析单元的地质灾害危险性的均值；nx为地理分析单元总数目；yn代表第i个地理分析单元的地质灾害危险性；代表所有地理分析单元的地质灾害危险性的均值。
[0103]
(2)求取第u个致险因素的贡献度指标
[0104][0105]
式中，qc(xu)代表致险因素xu对灾害事件的贡献度。qc(xu)的取值范围为[0,1]，当qc(xu)＝0时，代表目标变量xu对灾害事件缺乏贡献度，灾害事件的发生与参数xu并无关联；当qc(xu)＝1时，代表目标变量xu对灾害事件具有较高的贡献度，灾害事件的发生与参数xu紧密相关。
[0106]
步骤1.4.1.3判断是否求得所有致险因素的贡献度，若是，执行步骤1.4.1.4；否则，令u＝u+1，返回步骤1.4.1.2；
[0107]
步骤1.4.1.4计算致险因素的归一化权重及频率比
[0108]
(1)按下式对第u个致险因素贡献度归一化：
[0109][0110]
式中，wu代表致险因素xu的归一化权重。
[0111]
(2)按下式计算第u个致险因素的频率比，利用频率比为第u个致险因素的不同取值赋予权重系数：
[0112][0113]
式中，ar
u,a
代表致险因素xu中某个取值a的面积比；c
u,a
代表研究区域中致险因素xu取定a值的地理分析单元数量；nx代表研究区域地理分析单元的总数量；lr
u,a
代表地质灾害的面积比；l
u,a
代表发生地质灾害的区域中，致险因素xu取定a值的地理分析单元数量；l
t
代表发生地质灾害的地理分析单元的总数量；x
′
u,i
代表频率比。
[0114]
步骤1.4.1.5判断是否求得所有致险因素的归一化权重及频率比，若是，执行步骤1.4.1.6；否则，令u＝u+1，返回步骤1.4.1.4；
[0115]
步骤1.4.1.6求取灾害危险性指标
[0116]
(1)按下式计算第i个地理分析单元的灾害危险性：
[0117][0118]
(2)求取第i个地理分析单元的灾害危险性期望值μ
s,i
及荷载指标s的方差如下式所示：
[0119][0120]
步骤1.4.1.7判断是否求得所有地理分析单元的危险性指标，若是，执行步骤1.4.2；否则，令i＝i+1，返回步骤1.4.1.6；
[0121]
步骤1.4.2路网抗力评估
[0122]
步骤1.4.2.1建立概率模型
[0123]
步骤1.4.2.1.1采集道路的工程防治措施、灾害监测预警、巡检频率、公路等级、结构类型等属性，且认为各属性之间相互独立，利用改进贝叶斯网络，由专家知识得到各因素对第i个地理分析单元抗力的单独影响效应p(y|om)和第i个地理分析单元抗力p(y)的最大值、最小值和最有可能的值，分别记为：p
i,max
(y|om)、p
i,min
(y|om)、p
i,most
(y|om)、p
i,max
(y)、p
i,min
(y)、p
i,most
(y)；
[0124]
步骤1.4.2.2建立确定性模型
[0125]
计及所有可能因素的组合影响效应，基于贝叶斯网络推理，按下式计算第i个地理分析单元的抗力的期望值μr：
[0126][0127]
利用专家给定的各个条件概率的最大值、最小值分别组合代入下式求得多个抗力{r
1,i
,r
2,i
,
…
,r
q,i
}：
[0128][0129]
按下式计算第i个地理分析单元的抗力的方差
[0130][0131]
步骤1.4.2.3判断是否求得所有地理分析单元的抗力指标，若是，执行步骤1.4.3；否则，令i＝i+1，返回步骤1.4.2；
[0132]
将地理分析单元的危险性指标和地理分析单元的抗力指标计算得出地理分析单元的失效指标，
[0133]
步骤1.4.3道路失效指标计算
[0134]
步骤1.4.3.1基于第i个地理分析单元的危险性和抗力的期望值(μ
s,i
,μ
r,i
)及方差计算其失效指标gi的分布，如下所示：
[0135][0136]
[0137]
式中，gi符合正态分布，即
[0138]
步骤1.4.3.2判断是否求得所有地理分析单元的失效指标，若是，执行步骤1.5；否则，令i＝i+1，返回步骤1.4.3；
[0139]
如图3所示，若g＜0，则表示地理分析单元的抗力小于扰动荷载强度，地理分析单元发生失效；否则，地理分析单元保持正常运行。
[0140]
地理分析单元的失效概率可表示为：
[0141][0142]
式中，φ(*)代表累计标准正态分布函数。
[0143]
将地理分析单元损坏情况进行分级，并与地理分析单元的失效指标进行抽样判定地理分析单元的受损状况；根据地理分析单元的受损状况确定道路通行能力折减系数和车速折减系数；
[0144]
步骤1.5建立灾后道路通行模型
[0145]
步骤1.5.1确定道路的受损状态
[0146]
步骤1.5.1.1按照由轻至重的顺序，将道路损坏情况分为无损(ds1)、轻微受损(ds2)、中等受损(ds3)、严重受损(ds4)、彻底毁坏(ds5)五种状态。
[0147]
对第i个地理分析单元，根据失效概率指标gi的分布，生成随机数randi，确定地理分析单元的损坏情况，randi的大小表征地理分析单元失效风险的严重程度，randi与地理分析单元损坏情况ds的对应关系如下所示：
[0148][0149]
步骤1.5.1.2判断是否确定好所有的地理分析单元的受损状况，若是，执行步骤1.5.2；否则，令i＝i+1，返回步骤1.5.1；
[0150]
步骤1.5.2计算灾后路段通行时间
[0151]
步骤1.5.2.1确定路段通行折减系数
[0152]
根据各路段中各地理分析单元损坏情况，确定第x个路段第d个地理分析单元灾后通行能力折减系数f
x,dc
和车速折减系数f
x,dv
。
[0153]
表1-1灾后道路通行能力折减系数和车速折减系数
[0154][0155]
[0156]
步骤1.5.2.2考虑通行能力折减系数和车速折减系数后，按下式计算台风灾后第x个路段的通行时间：
[0157][0158]
式中，代表第x个路段的灾后自由流行驶时间；t
x,d0
代表第x个路段第d个地理分析单元的灾前自由流行驶时间；f
x,dv
为第x个路段第d个地理分析单元的车速折减系数；c
x*
代表第x个路段的灾后通行能力；c
x,d
代表第x个路段第d个地理分析单元的灾前通行能力；f
x,dc
为第x个路段第d个地理分析单元的通行能力折减系数；t
x*
代表在第x个路段上通行所花费时间；q
x,d
为第x个路段第d个地理分析单元上的车流量；α、β为待标定参数，一般取α为0.15，取β为0.4。
[0159]
步骤1.5.2.3判断是否求得灾后所有路段的通行时间，若是，执行步骤1.6；否则，令x＝x+1，返回步骤1.5.2；
[0160]
将输电线路故障概率、道路通行能力折减系数和车速折减系数进行模拟得到故障场景，对故障场景进行聚类，得到场景发生概率；
[0161]
步骤1.6场景模拟与聚类
[0162]
台风灾害场景模拟与聚类流程图如图4所示，具体步骤如下：
[0163]
步骤1.6.1初始化
[0164]
设置仿真时段长度t、蒙特卡洛模拟次数b。
[0165]
步骤1.6.2网格划分
[0166]
运用网络栅格法将系统所在区域分割为合适面积大小的栅格，将每个栅格内的所受台风灾害影响视为是一致的。
[0167]
步骤1.6.3灾害持续作用时间求取
[0168]
选取近年来发生的台风灾害，根据台风灾害的最大影响半径、路径及台风中心移动速度，求取每次灾害作用于各输电线路的时间。
[0169]
步骤1.6.4输电线路故障概率及道路失效概率指标求取
[0170]
对于每次台风灾害，基于所设定的仿真时段长度，由步骤1.4所提模型求取各输电线路在受灾害影响期间各时段的故障概率；根据荷载——抗力模型求取各地理分析单元失效概率指标。
[0171]
步骤1.6.5蒙特卡洛模拟
[0172]
运用蒙特卡洛方法，对输电线路运行状态及路段损坏状况进行判定，对每次台风灾害模拟b次得到故障场景。
[0173]
输电线路运行状态模拟具体方法如下所述：
[0174]
在第b次模拟中针对第l条输电线路产生服从均匀分布u(0,1)的随机数rand
lb
，与(3)中所求各输电线路故障概率p
l
对比，确定输电线路的运行状态，如下式所示：
[0175][0176]
式中，s
lib
表示在第b次模拟中输电线路l的运行状况，当在第b次模拟中产生的随机数rand
lb
大于输电线路l的故障概率p
l
时，s
lb
取值为1，表示输电线路l正常运行，否则，s
lb
取值为0，表示输电线路l故障。
[0177]
路段损坏状况模拟具体方法如下所述：
[0178]
在第b次模拟中针对第x个路段，按步骤1.5各路段中各地理分析单元损坏情况进而确定灾后路段通行能力折减系数和车速折减系数。
[0179]
步骤1.6.6故障场景聚类
[0180]
对步骤1.6.5中得到的场景进行聚类，得到e个典型故障场景及场景发生概率pre。
[0181]
将场景发生概率输入至预先建立的面向台风灾害的电力应急抢修中心双层规划模型内，得到电力应急抢修站的最优位置及配置，从而起到对电力应急抢修站规划的最优规划作用。
[0182]
建立面向台风灾害的电力应急抢修中心双层规划模型
[0183]
需要进一步进行说明的是，在本实施例中：
[0184]
步骤2.1建立上层模型
[0185]
步骤2.1.1目标函数
[0186]
上层随机规划模型以年负荷停电损失及年物资运输费用最小为优化目标，其表达式为：
[0187]
min f＝f1+f2ꢀꢀꢀ
(21)
[0188]
式中，f1为年负荷停电损失费用，f2为年物资运输费用。各项费用具体表达式如下：
[0189][0190][0191]
式(26)中，e代表场景总数；j代表负荷节点总数；k代表点中心总数；pre代表第e个场景发生的概率；wj代表第j个负荷节点的重要度；lo代表单位重要度负荷节点的单位电量停电损失费用；pj代表第j个负荷节点的有功负荷量；t
ej
代表第e个场景下，第j个负荷节点的启动时刻。
[0192]
式(27)中，k代表候选点总数；e代表场景总数；ne代表应急需求点总量；yk为0-1变量，标志候选点的状态，若yk＝1，代表将第k个候选点作为应急抢修中心选址，若yk＝0，代表未将第k个候选点作为应急抢修中心选址；pre代表第e个场景发生的概率；tr代表单位数量资源单位距离运输成本；m
e,ne
代表第e个场景下，运至第ne个应急需求点的资源数量；l
e,ne
代表第e个场景下，从应急抢修中心至第ne个应急需求点的运输总距离。
[0193]
步骤2.1.2约束条件
[0194]
考虑到台风灾害会导致输电线路发生断线故障，本文提出应急抢修与系统恢复协调统一的恢复策略，并以此指导电力应急抢修中心的规划，对于运行层面各场景下的系统恢复而言，均需满足如下约束：
[0195]
步骤2.1.2.1利用下式建立功率约束
[0196]
本发明在运行恢复层面考虑从黑启动到负荷恢复的整个恢复过程，只有当前系统中所有机组所发出的功率大于等于非黑启动机组和负荷启动所需的功率时，非黑启动机组和负荷才可启动，即：
[0197][0198]
式中，g代表系统中黑启动机组和非黑启动机组的总数；p
out
(g,t)代表机组g在t时刻向系统输出的有功功率；n代表系统中非黑启动机组的总数；p
start
(n,t)代表非黑启动机组n，在t时刻从系统吸收的有功功率；j代表系统中负荷节点总数；p
load
(j,t)代表负荷节点j，在t时刻从系统吸收的有功功率。
[0199]
步骤2.1.2.2利用下式建立输电线路恢复时限约束
[0200]
与黑启动机组相连的输电线路作为系统中第一批被恢复的输电线路，其恢复时刻不早于黑启动机组开始向系统输出功率的时刻，即：
[0201][0202]
式中，ltl代表输电线路恢复时间间隔；tl代表输电线路的恢复总时段数；w
l,t
为输电线路恢复0-1变量，标志输电线路l在t时刻的恢复状态，若w
l,t
＝1，代表输电线路l在t时刻已恢复，若w
l,t
＝0，代表输电线路l在t时刻未恢复；t
_start
(n)代表非黑启动机组n的启动时刻；t
in
(g)代表机组g从获取启动功率至开始向系统输出有功功率的时间间隔；gb代表黑启动机组集合，lb代表与黑启动机组相连的输电线路集合。
[0203]
步骤2.1.2.3利用下式建立非黑启动机组启动时间约束
[0204]
非黑机组启动的时间不早于该机组所在节点的恢复时间，即：
[0205][0206]
式中，v
n,t
为0-1变量，标志非黑启动机组n所在节点的恢复状态，若v
n,t
＝1，代表该节点在t时刻已恢复，若v
n,t
＝0，代表该节点在t时刻未恢复。
[0207]
步骤2.1.2.4利用下式建立负荷恢复时间约束
[0208]
与负荷所在节点相连的任一输电线路恢复，则该节点可恢复，即：
[0209][0210]
式中，load代表负荷集合；l
load
代表与负荷j相连的输电线路集合。
[0211]
负荷恢复的时间不早于该负荷所在节点的恢复时间，即：
[0212][0213]
式中，vl
j,t
为0-1变量，标志负荷j所在节点的恢复状态，若vl
j,t
＝1，代表该负荷在t时刻已恢复，若vl
j,t
＝0，代表该负荷在t时刻未恢复。
[0214]
步骤2.1.2.5利用下式建立故障抢修约束
[0215]
对于由台风灾害导致发生断线故障的输电线路，提出如下约束：
[0216]
具有相邻抢修顺序的两条故障输电线路，要求二者修复完成时间的间隔不小于从前一故障点到后一故障点的路途通行时间与后一故障输电线路的修理所需时间之和，即：
[0217][0218]
式中，l
order
为按抢修顺序排序的故障输电线路集合；u
l,t
为故障输电线路修复0-1变量，标志故障输电线路l在t时刻的修复状态，若u
l,t
＝1，代表故障输电线路l在t时刻已被修复，若u
l,t
＝0，代表故障输电线路l在t时刻未被修复；st(l)代表从前一故障点到该故障点的路途通行时间；ret(l)代表修理故障输电线路l所需时间，该时间与抢修人员配备数目有关，如下式所示：
[0219][0220]
式中，r
t
代表单位抢修人员修理该输电线路所需时间；num代表抢修人员配备数目。上式表示输电线路l修理所需时间是单位人员完成抢修所需时间与抢修人员数目的比值。
[0221]
步骤2.2建立下层模型
[0222]
步骤2.2.1目标函数
[0223]
下层配置模型以年度人员配置成本、物资配置成本、建设成本及运维成本最小为优化目标，其表达式为：
[0224]
min f＝f1+f2+f3+f4ꢀꢀꢀ
(31)
[0225]
式中，f1为年度人员配置成本，f2为年度物资配置成本，f3为年度建设成本，f4为年度运维成本。各项成本具体表达式如下：
[0226][0227][0228][0229]
f4＝c0ꢀꢀꢀ
(34)
[0230]
式中，k为候选点总数；yk为选址0-1变量；wk代表第k个候选点处的人均工资；numk代表第k个候选点处的抢修人员配备数目；qrk代表第k个候选点处的单位物资配置成本；qsk代表第k个候选点处的物资配置总量；ck代表第k个候选点处的建设成本；c0代表应急服务平台的运维成本。
[0231]
步骤2.2.2约束条件
[0232]
步骤2.2.2.1利用下式建立抢修人员配备约束
[0233]
应急抢修中心所能配备的人员数目是有限的，不得超过该应急抢修中心所能容纳的最大限额，即：
[0234]
numk≤dkꢀꢀꢀ
(36)
[0235]
式中，numk代表第k个候选点作为应急抢修中心时，抢修人员配备数目；dk代表第k个候选点作为应急抢修中心时，所能配备抢修人员的最大限额。
[0236]
步骤2.2.2.2利用下式建立应急物资配置约束
[0237]
应急物资的配置要留有一定余量，以满足各种不确定灾害后应急抢修的需求，即：
[0238]
γ
l
max[m
ne
]≤qsk≤γ
h max[m
ne
]
ꢀꢀꢀ
(37)
[0239]
式中，qsk代表第k个候选点作为应急抢修中心时，应急物资配置数目；max[m
ne
]代表所有灾害场景对物资需求的最大值；γ
l
、γh为裕度系数。
[0240]
步骤3求取电力应急抢修中心最优位置及配置
[0241]
步骤3.1在matlab中采用yalmip建模并调用gurobi求解器对面向台风灾害的电力应急抢修中心双层规划模型进行求解，得到电力应急抢修站的最优位置及配置。
[0242]
在另一方面，如图2所示，本发明公开了一种面向台风灾害影响的电力应急抢修站规划系统，包括：
[0243]
风速计算模块：用于接收台风灾害相关数据，将台风灾害相关数据输入至预先建立的台风在地表的风速模型内，得到地表风速，将地表风速进行标准海拔转换得到输电线路承受的风速；
[0244]
概率计算模块：用于将输电线路承受的风速输入至预先建立的输电线路故障概率模型内，得到输电线路故障概率；
[0245]
指标计算模块：用于将灾后道路路段按长度划分为地理分析单元，将地理分析单元进行分层，根据分层后的地理分析单元计算地理分析单元的危险性指标和地理分析单元的抗力指标；
[0246]
受损分析模块：用于将地理分析单元的危险性指标和地理分析单元的抗力指标计算得出地理分析单元的失效指标，将地理分析单元损坏情况进行分级，并与地理分析单元的失效指标进行抽样判定地理分析单元的受损状况；
[0247]
系数计算模块：用于根据地理分析单元的受损状况确定道路通行能力折减系数和车速折减系数；
[0248]
模拟概率模块：用于将输电线路故障概率、道路通行能力折减系数和车速折减系数进行模拟得到故障场景，对故障场景进行聚类，得到场景发生概率；
[0249]
最优规划模块：用于将场景发生概率输入至预先建立的面向台风灾害的电力应急抢修中心双层规划模型内，得到电力应急抢修站的最优位置及配置，从而起到对电力应急抢修站规划的最优规划作用。
[0250]
基于同一种发明构思，本发明还提供一种计算机设备，该计算机设备包括：一个或多个处理器，以及存储器，用于存储一个或多个计算机程序；程序包括程序指令，处理器用于执行存储器存储的程序指令。处理器可能是中央处理单元(central processing unit，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 specificintegrated circuit，asic)、现场可编程门阵列(field-programmable gatearray，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，其用于实现一条或一条以上指令，具体用于加载并执行计算机存储介质内一条或一条以上指令从而实现上述方法。
[0251]
需要进一步进行说明的是，基于同一种发明构思，本发明还提供一种计算机存储
介质，该存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述方法。该存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电、磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0252]
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0253]
以上显示和描述了本公开的基本原理、主要特征和本公开的优点。本行业的技术人员应该了解，本公开不受上述实施例的限制，上述实施例和说明书中描述的只是说明本公开的原理，在不脱离本公开精神和范围的前提下，本公开还会有各种变化和改进，这些变化和改进都落入要求保护的本公开范围内容。
[0254]
4.算例分析
[0255]
4.1算例设置
[0256]
为验证本发明所提双层规划模型的有效性，以i eee 39节点系统为例进行算例分析。对i eee 39节点系统各线路进行编号，进行网格划分并选取三条台风路径，如图7所示。电力—交通拓扑图按照道路稠密程度被分为四个区域，分别为s1、s2、s3、s4，如图8所示。机组参数如表1所示，将系统负荷分为3个重要度等级，分别为ⅰ级、ⅱ级和ⅲ级，且对应的权重系数分别为1，0.6，0.3，各负荷参数及重要度如表2所示。离散化的机组启动时间间隔、线路恢复时间间隔、负荷恢复时间间隔均设置为5min。设置4个应急抢修中心候选点如图8中的a、b、c、d所示，假设需要建设的应急抢修中心为1个，应急抢修中心的基础数据如表3所示。
[0257]
4.2典型灾害场景的生成
[0258]
对i eee 39节点系统进行网格划分后，认为各网格内所受台风的影响一致，以网格中心与台风中心的距离作为网格内各线路距台风中心的距离，由故障概率模型求取各网格的故障概率并进行场景模拟。基于所得场景，进行聚类，结果如表4所示。
[0259]
由表4可知，聚类后的故障场景分为3类，其中场景1发生的概率最高，对应的故障线路数目最少，且道路无故障；场景2对应的故障线路数目及道路损坏区域范围均适中，发生的概率也介于场景1与场景3之间；场景3对应的故障线路数目最多，道路损坏区域范围也最广，但其发生的概率相对较低。
[0260]
4.3优化结果
[0261]
求解所提出的规划模型，可得最优的应急抢修中心规划方案是将应急抢修中心设置在c点，具体规划结果如表5所示。
[0262]
由表5可知：年负荷损失费用为5267.0084万元/年，运输费用为0.5399万元/年，人
员配备数目为6，资源配置数目为36，上下层的总费用为5441.5483万元/年。由4.2节典型场景的聚类结果可知，场景1发生的概率最大，因此，场景1下的负荷损失费用最高，又因其故障规模最小，所需应急抢修线路数目最少，所以，运输成本最低；场景3故障规模最大，所需应急抢修线路最多，因此，运输费用最高。
[0263]
各场景下机组恢复时刻如图9所示，负荷恢复时刻如图10所示。
[0264]
由图可知，场景1下，70min完成所有机组的启动，250min恢复所有负荷供电，场景2下，115min完成所有机组的启动，295min恢复所有负荷供电，场景3下，135min完成所有机组的启动，315min恢复所有负荷供电。
[0265]
4.4对比分析
[0266]
为进一步验证本发明所提方法的有效性，基于目标函数、应急抢修顺序、道路损坏三个方面的考虑因素，设置如下五组对比方案，如表6所示。表6中，方案1：以负荷损失与运输成本最低为选址目标，优化抢修顺序，并且考虑道路损坏；方案2：以单位建设成本最低为选址目标，优化抢修顺序，并且考虑道路损坏；方案3：以与故障线路距离之和最小为选址目标，优化抢修顺序，并且考虑道路损坏；方案4：以负荷损失与运输成本最低为选址目标，以应急队伍移动过程中距各故障点的远近依次抢修，并且考虑道路损坏；方案5：以负荷损失与运输成本最低为选址目标，优化抢修顺序，不考虑道路损坏。其中，方案1为本发明所提方案。
[0267]
4.4.1目标函数的对比
[0268]
由表6可知，方案1、方案2与方案3的区别在于目标函数的不同，方案1是本发明所提方案，是以负荷损失与运输成本最低为选址目标，方案2是以单位建设成本最低为选址目标，方案3是以与故障线路距离之和最小为选址目标，所得规划结果如表7所示。
[0269]
由表7可知，不同的目标函数下，选址结果不同，方案1选址结果为c点，方案2选址结果为a点，方案3选址结果为b点。上层费用中，无论是负荷损失费用还是运输费用，本发明所提方案均低于方案2和方案3的结果，下层费用中，方案2以单位建设成本为目标，其单位建设成本在三个方案中最低，方案3的下层总费用最低，但方案1的上下层综合费用低于其余两方案，比方案2降低320.0893万元/年，比方案3降低124.0742万元/年，从而验证了本发明所提目标函数的合理性，有利于降低总费用。
[0270]
4.4.2应急抢修方案的对比
[0271]
由表6可知，方案4和方案1的区别在于故障线路的应急抢修方案不同，方案1是对抢修顺序进行优化以达到降低负荷损失的要求，方案4是以应急队伍移动过程中距各故障点的远近依次抢修，所得规划结果如表所示。
[0272]
由表8可知，由于方案1和方案4所采用的目标函数一致，选址结果都为c点，下层相同，上层费用中，方案1的费用低于方案4，方案1的总费用比方案4降低了465.7071万元/年。
[0273]
方案1和方案4的负荷恢复时刻如图11所示。
[0274]
由图11可知，场景1下方案1和方案4的负荷恢复完毕时间一致，但场景2和场景3中，方案1的负荷恢复速度快于方案4，验证了本发明方案优化应急抢修顺序的合理性。
[0275]
4.4.3道路因素对比
[0276]
由表6可知，方案1与方案5的区别在于是否考虑了道路损坏情况，方案1考虑道路损坏，方案5未考虑道路损坏，所得规划结果如表所示，道路因素考虑的不同导致方案1和方
案5的应急抢修方案不同，方案5以不考虑道路损坏情况下做出的应急抢修决策方案用于灾后道路损坏的情况下，负荷恢复完毕时间如图12所示。
[0277]
由表9可知，两种方案得到的选址结果及下层配置方案相同，但由图12可知，不考虑道路损坏情况和考虑道路损坏情况相比，做出的应急抢修决策在灾后的实际道路情景中非最优，不能满足灾后抢修的合理性要求，导致系统恢复完毕时间延长，因此两方案的负荷损失费用体现出较大差异，方案1比方案4总费用降低101.3608万元/年。
[0278]
综上所述，本发明所提应急抢修规划方案可以有效加快负荷恢复速度，提升系统恢复能力，降低负荷损失费用。
[0279]
表1ieee39节点系统机组参数
[0280][0281][0282]
表2ieee 39节点系统负荷参数
[0283][0284]
表3各应急抢修中心候选点成本
[0285][0286]
表4典型故障场景聚类结果
[0287][0288]
表5最优应急抢修中心规划结果
[0289][0290][0291]
表6应急抢修中心规划方法对比
[0292][0293]
注：“√”表示方法考虑与本发明方案相同，“—”表示方法考虑与本发明方案不同。
[0294]
表7方案1、方案2、方案3规划结果对比
[0295][0296]
表8方案1和方案4规划结果对比
[0297][0298][0299]
表9方案1和方案5规划结果对比
[0300]

技术特征：
1.一种面向台风灾害影响的电力应急抢修站规划方法，其特征在于，方法包括以下步骤：接收台风灾害相关数据，将台风灾害相关数据输入至预先建立的台风在地表的风速模型内，得到地表风速，将地表风速进行标准海拔转换得到输电线路承受的风速；将输电线路承受的风速输入至预先建立的输电线路故障概率模型内，得到输电线路故障概率；将灾后道路路段按长度划分为地理分析单元，将地理分析单元进行分层，根据分层后的地理分析单元计算地理分析单元的危险性指标和地理分析单元的抗力指标；将地理分析单元的危险性指标和地理分析单元的抗力指标计算得出地理分析单元的失效指标，将地理分析单元损坏情况进行分级，并与地理分析单元的失效指标进行抽样判定地理分析单元的受损状况；根据地理分析单元的受损状况确定道路通行能力折减系数和车速折减系数；将输电线路故障概率、道路通行能力折减系数和车速折减系数进行模拟得到故障场景，对故障场景进行聚类，得到场景发生概率；将场景发生概率输入至预先建立的面向台风灾害的电力应急抢修中心双层规划模型内，得到电力应急抢修站的最优位置及配置，从而起到对电力应急抢修站规划的最优规划作用。2.根据权利要求1所述的一种面向台风灾害影响的电力应急抢修站规划方法，其特征在于，所述台风灾害相关数据包括：距台风中心处的风速、台风的最大风速半径、风速分布参数和台风的最大风速。3.根据权利要求1所述的一种面向台风灾害影响的电力应急抢修站规划方法，其特征在于，所述输电线路故障概率计算如下：式中，p
fw
代表台风灾害作用下输电线路故障概率；v
10
代表输电线路承受的风速；v代表输电线路设计最大抗风风速。4.根据权利要求1所述的一种面向台风灾害影响的电力应急抢修站规划方法，其特征在于，所述地理分析单元的危险性指标包括灾害危险性期望值和荷载指标的方差，计算过程如下：设定致险因素，将致险因素数据离散化，并求取致险因素对灾害事件的贡献度，在求得所有致险因素对灾害事件的贡献度后，计算致险因素的归一化权重及频率比；在求得所有致险因素的归一化权重及频率比后，根据致险因素的归一化权重及频率比计算得出地理分析单元的危险性指标。5.根据权利要求1所述的一种面向台风灾害影响的电力应急抢修站规划方法，其特征在于，所述地理分析单元的抗力指标包括地理分析单元的抗力的期望值和地理分析单元的抗力的方差，计算过程如下：接收道路的工程防治措施、灾害监测预警、巡检频率、公路等级、结构类型五个属性，利
用改进贝叶斯网络，得到各因素对地理分析单元抗力的单独影响效应和地理分析单元抗力的最大值、最小值和最有可能的值；根据各因素对地理分析单元抗力的单独影响效应和地理分析单元抗力的最大值、最小值和最有可能的值计算地理分析单元的抗力的期望值，通过理分析单元的抗力的期望值计算地理分析单元的抗力的方差。6.根据权利要求1所述的一种面向台风灾害影响的电力应急抢修站规划方法，其特征在于，所述地理分析单元的失效指标g
i
计算如下：计算如下：式中，g
i
符合正态分布，即i为地理分析单元标号，μ
r,i
为地理分析单元的抗力的期望值，μ
s,i
为灾害危险性期望值，地理分析单元的抗力的方差，为荷载指标的方差。7.根据权利要求1所述的一种面向台风灾害影响的电力应急抢修站规划方法，其特征在于，所述判定地理分析单元的受损状况的过程如下：确定道路的受损状态按照由轻至重的顺序，将道路损坏情况分为无损ds1、轻微受损ds2、中等受损ds3、严重受损ds4、彻底毁坏ds5五种状态；对第i个地理分析单元，根据失效概率指标g
i
的分布，生成随机数rand
i
，确定地理分析单元的损坏情况，rand
i
的大小表征地理分析单元失效风险的严重程度，rand
i
与地理分析单元损坏情况ds的对应关系如下所示：根据各路段中各地理分析单元损坏情况，确定第x个路段第d个地理分析单元灾后通行能力折减系数f
x,dc
和车速折减系数f
x,dv
。8.根据权利要求1所述的一种面向台风灾害影响的电力应急抢修站规划方法，其特征在于，所述场景发生概率的计算过程包括以下步骤：设置仿真时段长度t、蒙特卡洛模拟次数b；运用网络栅格法将系统所在区域分割为合适面积大小的栅格，将每个栅格内的所受台风灾害影响视为一致；运用蒙特卡洛方法，对输电线路运行状态及路段损坏状况进行判定，对每次台风灾害模拟b次得到故障场景；其中，输电线路运行状态模拟方法如下：在第b次模拟中针对第l条输电线路产生服从均匀分布u(0,1)的随机数rand
lb
，与所求
各输电线路故障概率p
l
对比，确定输电线路的运行状态，如下式所示：式中，s
lib
表示在第b次模拟中输电线路l的运行状况，当在第b次模拟中产生的随机数rand
lb
大于输电线路l的故障概率p
l
时，s
lb
取值为1，表示输电线路l正常运行，否则，s
lb
取值为0，表示输电线路l故障；路段损坏状况模拟方法如下：在第b次模拟中针对第x个路段，确定灾后路段通行能力折减系数和车速折减系数；对得到的场景进行聚类，得到e个典型故障场景及场景发生概率pr
e
。9.根据权利要求1所述的一种面向台风灾害影响的电力应急抢修站规划方法，其特征在于，所述面向台风灾害的电力应急抢修中心双层规划模型包括上层随机规划模型和下层配置模型；所述上层随机规划模型利用得到的场景发生概率，以年负荷停电损失及年物资运输费用最小为优化目标，约束条件包括功率约束、输电线路恢复时限约束、非黑启动机组启动时间约束、负荷恢复时间约束和故障抢修约束；所述下层配置模型以年度人员配置成本、物资配置成本、建设成本及运维成本最小为优化目标，约束条件包括：抢修人员配备约束和应急物资配置约束；通过对上层随机规划模型和下层配置模型进行求解得出电力应急抢修站的最优位置及配置。10.一种面向台风灾害影响的电力应急抢修站规划系统，其特征在于，包括：风速计算模块：用于接收台风灾害相关数据，将台风灾害相关数据输入至预先建立的台风在地表的风速模型内，得到地表风速，将地表风速进行标准海拔转换得到输电线路承受的风速；概率计算模块：用于将输电线路承受的风速输入至预先建立的输电线路故障概率模型内，得到输电线路故障概率；指标计算模块：用于将灾后道路路段按长度划分为地理分析单元，将地理分析单元进行分层，根据分层后的地理分析单元计算地理分析单元的危险性指标和地理分析单元的抗力指标；受损分析模块：用于将地理分析单元的危险性指标和地理分析单元的抗力指标计算得出地理分析单元的失效指标，将地理分析单元损坏情况进行分级，并与地理分析单元的失效指标进行抽样判定地理分析单元的受损状况；系数计算模块：用于根据地理分析单元的受损状况确定道路通行能力折减系数和车速折减系数；模拟概率模块：用于将输电线路故障概率、道路通行能力折减系数和车速折减系数进行模拟得到故障场景，对故障场景进行聚类，得到场景发生概率；最优规划模块：用于将场景发生概率输入至预先建立的面向台风灾害的电力应急抢修中心双层规划模型内，得到电力应急抢修站的最优位置及配置，从而起到对电力应急抢修站规划的最优规划作用。

技术总结
本发明公开了一种面向台风灾害影响的电力应急抢修站规划方法及系统，涉及电网应急抢修站的选址和配置技术领域，本发明考虑了系统运行恢复层面的要求及各典型台风灾害场景的出现概率，以恢复全过程负荷停电损失及运输费用总和最小为目标构建上层随机规划模型，求取电力应急抢修中心在系统中的布局方案；以人员配置成本、物资配置成本、建设成本及运维成本总和最小为目标构建下层模型，进行应急抢修资源的优化配置。有助于保障极端灾害发生过程中应急资源紧急响应、极端灾害发生后快速恢复供电，对降低极端灾害对社会、经济带来的负面影响具有至关重要的作用。响具有至关重要的作用。响具有至关重要的作用。


技术研发人员：张大波 欧阳菠 马英浩 杨贺钧
受保护的技术使用者：合肥工业大学
技术研发日：2023.08.03
技术公布日：2023/10/20