王承山 黃 靖 董笑佟 吳艷敏

（海軍工程大學(xué)電氣工程學(xué)院 武漢 430033）

1 引言

近年來(lái)，極端天氣導(dǎo)致電力系統(tǒng)大規(guī)模停電的事件時(shí)有發(fā)生，給遭遇極端天氣事故地區(qū)的居民生活、市場(chǎng)經(jīng)濟(jì)和社會(huì)穩(wěn)定都造成了嚴(yán)重威脅。為了提高電力系統(tǒng)應(yīng)對(duì)極端天氣事件的能力，分布式電源、移動(dòng)應(yīng)急電源等多種資源接入電力系統(tǒng)［1］，為重要負(fù)荷的連續(xù)供電提供保障。因此，制定合理的移動(dòng)應(yīng)急電源調(diào)度策略，可以充分發(fā)揮移動(dòng)應(yīng)急電源的發(fā)電能力，最大化恢復(fù)負(fù)荷供電的同時(shí)減少停電損失，對(duì)提高電力系統(tǒng)的自愈能力、抗損傷能力和供電可靠性具有重要意義。

國(guó)內(nèi)外學(xué)者在移動(dòng)應(yīng)急電源的優(yōu)化選址、優(yōu)化配置、優(yōu)化調(diào)度等方面開(kāi)展了大量研究。文獻(xiàn)［2］建立了以各負(fù)荷點(diǎn)停電風(fēng)險(xiǎn)之和最小為目標(biāo)的移動(dòng)應(yīng)急電源最優(yōu)選址模型。文獻(xiàn)［3～4］綜合考慮移動(dòng)應(yīng)急電源調(diào)度時(shí)間、負(fù)荷停電損失、負(fù)荷自備電源持續(xù)時(shí)間等條件，提出了一種移動(dòng)應(yīng)急電源的優(yōu)化配置模型。文獻(xiàn)［5］以負(fù)荷停電總損失最小為主目標(biāo)，以移動(dòng)應(yīng)急電源的富余容量最小為次目標(biāo)，構(gòu)建了移動(dòng)應(yīng)急電源的雙目標(biāo)優(yōu)化調(diào)度模型。文獻(xiàn)［6］采用精確遞歸算法搜索最優(yōu)應(yīng)急孤島，以系統(tǒng)網(wǎng)損最小選取移動(dòng)應(yīng)急電源的接入點(diǎn)。文獻(xiàn)［7～9］采用區(qū)間數(shù)消除移動(dòng)應(yīng)急電源調(diào)度時(shí)間的不確定性，以用戶(hù)滿(mǎn)意度最大為目標(biāo)設(shè)計(jì)了移動(dòng)應(yīng)急電源的優(yōu)化調(diào)度策略。文獻(xiàn)［10］考慮了移動(dòng)應(yīng)急電源的運(yùn)行成本，以用戶(hù)停電損失和運(yùn)行成本最小為目標(biāo)求解調(diào)度策略。文獻(xiàn)［11］采用列約束生成算法求解移動(dòng)應(yīng)急電源的最優(yōu)選址，并提出了一種混合整數(shù)規(guī)劃模型求解移動(dòng)應(yīng)急電源的優(yōu)化調(diào)度策略。文獻(xiàn)［12～13］介紹了微電網(wǎng)通過(guò)網(wǎng)絡(luò)重構(gòu)和調(diào)度移動(dòng)應(yīng)急電源兩種方式提高微電網(wǎng)的自愈能力。

移動(dòng)應(yīng)急電源的類(lèi)型不同，其優(yōu)化調(diào)度策略也存在差別。在電動(dòng)汽車(chē)的優(yōu)化調(diào)度策略方面，文獻(xiàn)［14］考慮了電動(dòng)汽車(chē)的移動(dòng)時(shí)間和綜合成本，建立了電動(dòng)汽車(chē)路徑優(yōu)化模型。文獻(xiàn)［15］以最小化電網(wǎng)負(fù)荷波動(dòng)為目標(biāo)求解電動(dòng)汽車(chē)的充放電調(diào)度策略。文獻(xiàn)［16］提出了一種基于電動(dòng)汽車(chē)定時(shí)充電的應(yīng)急供電策略，解決了僅使用電動(dòng)汽車(chē)的電力系統(tǒng)能夠以及在多大程度上存活下來(lái)的問(wèn)題。文獻(xiàn)［17］開(kāi)發(fā)了一套基于IEC61820 標(biāo)準(zhǔn)的應(yīng)急能量管理系統(tǒng)。在移動(dòng)儲(chǔ)能車(chē)的優(yōu)化調(diào)度策略方面，文獻(xiàn)［18～19］提出了一種最小化負(fù)荷損失的移動(dòng)儲(chǔ)能優(yōu)化調(diào)度模型。文獻(xiàn)［20］提出了一種以經(jīng)濟(jì)效益最大化為目標(biāo)的移動(dòng)儲(chǔ)能車(chē)優(yōu)化調(diào)度方案。

上述文獻(xiàn)在進(jìn)行移動(dòng)應(yīng)急電源調(diào)度策略研究時(shí)，主要考慮移動(dòng)應(yīng)急電源和負(fù)荷區(qū)域一對(duì)一的供電模式。但是一對(duì)一的供電模式?jīng)]有充分發(fā)揮移動(dòng)應(yīng)急電源靈活調(diào)度的優(yōu)勢(shì)，一定程度上造成了資源浪費(fèi)。重要負(fù)荷一般都會(huì)配置有儲(chǔ)能裝置作為備用電源。通過(guò)對(duì)儲(chǔ)能裝置充放電策略的合理調(diào)度，可以實(shí)現(xiàn)移動(dòng)應(yīng)急電源和負(fù)荷區(qū)域一對(duì)多的供電模式。本文提出了一種移動(dòng)應(yīng)急電源車(chē)的動(dòng)態(tài)優(yōu)化調(diào)度策略，以最大化負(fù)荷恢復(fù)量以及最小化停電損失為目標(biāo)建立了移動(dòng)應(yīng)急電源車(chē)優(yōu)化調(diào)度的數(shù)學(xué)模型，并采用改進(jìn)的自適應(yīng)搜索和聲算法進(jìn)行求解。最后，通過(guò)算例仿真分析驗(yàn)證了算法的有效性和優(yōu)越性。

2 移動(dòng)應(yīng)急電源動(dòng)態(tài)優(yōu)化調(diào)度模型

2.1 問(wèn)題描述

極端天氣導(dǎo)致電力系統(tǒng)大規(guī)模停電的情況，系統(tǒng)中可能出現(xiàn)多個(gè)與主網(wǎng)斷連的孤島區(qū)域。由于風(fēng)光能源的發(fā)電能力受極端天氣的影響較大，儲(chǔ)能裝置的電量有限，因此現(xiàn)有電力設(shè)備不能保證重要負(fù)荷的持續(xù)供電，需要調(diào)度移動(dòng)應(yīng)急電源為重要負(fù)荷供電。

本文中的移動(dòng)應(yīng)急電源以移動(dòng)應(yīng)急發(fā)電車(chē)為例，移動(dòng)應(yīng)急發(fā)電車(chē)的優(yōu)化調(diào)度問(wèn)題可以描述為有一定數(shù)量的孤島區(qū)域需要移動(dòng)應(yīng)急發(fā)電車(chē)供電，每個(gè)孤島區(qū)域有數(shù)量不等、重要程度不等的負(fù)載集合，儲(chǔ)能裝置的容量、充放電功率限制和SOC 狀態(tài)皆不相同。移動(dòng)應(yīng)急發(fā)電車(chē)需要根據(jù)不同孤島區(qū)域的供電需求、儲(chǔ)能裝置的臨時(shí)供電時(shí)間和到達(dá)目標(biāo)區(qū)域的估計(jì)路徑來(lái)規(guī)劃移動(dòng)應(yīng)急發(fā)電車(chē)的供電路線(xiàn)，決策在不同區(qū)域儲(chǔ)能裝置的充電時(shí)間以及孤島區(qū)域的負(fù)荷供電策略。

2.2 目標(biāo)函數(shù)

本文以最大化考慮權(quán)重值的負(fù)荷恢復(fù)量和最小化負(fù)荷停電損失為目標(biāo)構(gòu)建移動(dòng)應(yīng)急發(fā)電車(chē)的動(dòng)態(tài)優(yōu)化調(diào)度模型，其目標(biāo)函數(shù)可以表示為

式中：n為移動(dòng)應(yīng)急發(fā)電車(chē)接收到調(diào)度申請(qǐng)的孤島區(qū)域集合；ki為孤島區(qū)域i的負(fù)載個(gè)數(shù)；xij為區(qū)域i的負(fù)載j的供電策略，1 代表該負(fù)載供電，0 代表切除該負(fù)載；qij為孤島區(qū)域i的負(fù)載j的負(fù)荷量；ωij為對(duì)應(yīng)的負(fù)載權(quán)重值；tij為區(qū)域i的負(fù)載j在調(diào)度過(guò)程中的停電時(shí)間。

2.3 約束條件

1）移動(dòng)應(yīng)急發(fā)電車(chē)的輸出功率約束

式中：Pcar為移動(dòng)應(yīng)急發(fā)電車(chē)的輸出功率；Pcar,max為移動(dòng)應(yīng)急發(fā)電車(chē)的最大輸出功率。

2）儲(chǔ)能裝置的SOC約束和充放電功率約束

式中：SOCi、SOCi,L、SOCi,H為儲(chǔ)能裝置i的當(dāng)前SOC狀態(tài)以及SOC的下限和上限；Pch,i、Pdisch,i為儲(chǔ)能裝置i的充電功率和放電功率；為儲(chǔ)能裝置i的最大充電功率和最大放電功率。

2.4 數(shù)學(xué)模型求解方法

為求解本文提出的數(shù)學(xué)模型，采用解決環(huán)形動(dòng)態(tài)規(guī)劃問(wèn)題中的破壞成鏈思想將該動(dòng)態(tài)調(diào)度問(wèn)題分成兩個(gè)階段，第一階段是移動(dòng)應(yīng)急電源第一次到達(dá)各孤島區(qū)域的階段，第二階段是后續(xù)在多個(gè)孤島區(qū)域間循環(huán)移動(dòng)的階段。由對(duì)比分析可知，第一階段和第二階段的主要區(qū)別在于第一階段儲(chǔ)能裝置的SOCi為已知量，為使負(fù)載恢復(fù)量最大的同時(shí)停電損失最小，需要對(duì)儲(chǔ)能裝置已有的SOCi充分利用，因此假設(shè)第二階段的循環(huán)移動(dòng)階段儲(chǔ)能裝置的可用電量全部來(lái)自于移動(dòng)應(yīng)急發(fā)電車(chē)的充電電量。在第二階段，儲(chǔ)能裝置的充電時(shí)間由下次到達(dá)目標(biāo)孤島區(qū)域所需的移動(dòng)時(shí)間以及移動(dòng)應(yīng)急發(fā)電車(chē)環(huán)繞目標(biāo)孤島區(qū)域一圈的充電時(shí)間之和決定。因此可建立如線(xiàn)性方程組（4）求解出第二階段的儲(chǔ)能裝置充電時(shí)間tch,i解集。

式中：I為移動(dòng)應(yīng)急發(fā)電車(chē)前往各個(gè)孤島區(qū)域供電的順序；Ii為移動(dòng)應(yīng)急發(fā)電車(chē)第i個(gè)供電的孤島區(qū)域編號(hào)；dsum為移動(dòng)應(yīng)急發(fā)電車(chē)環(huán)繞目標(biāo)孤島區(qū)域一圈所需的移動(dòng)距離；v為移動(dòng)應(yīng)急發(fā)電車(chē)的平均速度。

由于移動(dòng)應(yīng)急發(fā)電車(chē)第一次到達(dá)孤島區(qū)域i時(shí)，區(qū)域內(nèi)的儲(chǔ)能裝置的剩余容量SOCi不同，儲(chǔ)能裝置的充電時(shí)間由SOCi、下次到達(dá)孤島區(qū)域i所需的移動(dòng)時(shí)間以及移動(dòng)應(yīng)急發(fā)電車(chē)環(huán)繞目標(biāo)點(diǎn)一圈的充電時(shí)間之和決定。由此可建立如線(xiàn)性方程組（5）求解出第一階段到達(dá)孤島區(qū)域i時(shí)儲(chǔ)能裝置的充電時(shí)間tch0,i解集。

3 改進(jìn)自適應(yīng)搜索和聲算法

和聲搜索算法是由Geem.Z.W［21］等于2001 年提出的一種群智能優(yōu)化算法，該算法通過(guò)模擬音樂(lè)演奏時(shí)產(chǎn)生和聲的過(guò)程搜索最優(yōu)解。算法將搜索過(guò)程中產(chǎn)生的優(yōu)秀和聲向量存入和聲記憶庫(kù)（HM），根據(jù)和聲保留概率（HMCR）從記憶庫(kù)中產(chǎn)生新和聲向量，根據(jù)音調(diào)微調(diào)概率（PAR）對(duì)產(chǎn)生的新和聲向量進(jìn)行微調(diào)。

為求解上一節(jié)提出的移動(dòng)應(yīng)急電源動(dòng)態(tài)優(yōu)化調(diào)度模型，本文對(duì)和聲搜索算法做出三點(diǎn)改進(jìn)，分別是二維編碼的構(gòu)建、基于啟發(fā)式規(guī)則的和聲記憶庫(kù)初始化、HMCR，PSAR，PAR 概率的自適應(yīng)調(diào)整策略。

3.1 二維編碼

采用二維編碼的方式描述動(dòng)態(tài)優(yōu)化調(diào)度策略的決策變量，第一維編碼oi代表目標(biāo)區(qū)域編號(hào)，第二維編碼yi代表區(qū)域oi的負(fù)載供電策略。根據(jù)線(xiàn)性方程組（4）和（5）可以求解出第三種決策變量tch,i和tch0,i。

3.2 和聲記憶庫(kù)初始化

在移動(dòng)應(yīng)急發(fā)電車(chē)的動(dòng)態(tài)優(yōu)化調(diào)度模型中，移動(dòng)應(yīng)急發(fā)電車(chē)前往各個(gè)孤島區(qū)域供電的順序是動(dòng)態(tài)優(yōu)化調(diào)度模型的第一組決策變量。本文以孤島區(qū)域考慮權(quán)重值的負(fù)載恢復(fù)量、預(yù)估移動(dòng)應(yīng)急電源移動(dòng)時(shí)間、儲(chǔ)能裝置臨時(shí)供電時(shí)間三個(gè)指標(biāo)構(gòu)建了評(píng)估目標(biāo)孤島區(qū)域調(diào)度優(yōu)先級(jí)的啟發(fā)式函數(shù)，其具體設(shè)計(jì)如下：

式中：λ(i)的前半部分為目標(biāo)孤島區(qū)域i的帶權(quán)重值的負(fù)載恢復(fù)量，以該區(qū)域i儲(chǔ)能裝置的最大充放電功率Pi,max為基準(zhǔn)值；后半部分為目標(biāo)孤島區(qū)域?qū)σ苿?dòng)應(yīng)急電源調(diào)度需求的緊急程度，以1 h 為基準(zhǔn)值，由預(yù)估移動(dòng)應(yīng)急發(fā)電車(chē)移動(dòng)時(shí)間t0i和儲(chǔ)能裝置臨時(shí)供電時(shí)間ti,0兩部分組成。

3.3 自適應(yīng)調(diào)整策略

3.3.1 HMCR自適應(yīng)調(diào)整策略

和聲搜索算法中HMCR 的取值與其尋優(yōu)性能關(guān)聯(lián)緊密，當(dāng)HMCR 取值較大時(shí)，算法的局部搜索能力更強(qiáng)，有利于算法的快速收斂，當(dāng)HMCR 取值較小時(shí)，算法的全局搜索能力更強(qiáng)，有利于跳出局部最優(yōu)［22］。因此，本文提出了一種根據(jù)和聲庫(kù)中適應(yīng)度函數(shù)值差異大小自適應(yīng)調(diào)整HMCR的方法，采用和聲庫(kù)中適應(yīng)度函數(shù)值的標(biāo)準(zhǔn)差來(lái)表示函數(shù)值的差異程度。在適應(yīng)度函數(shù)值的標(biāo)準(zhǔn)差較大時(shí)，HMCR 取較小值，通過(guò)擴(kuò)大搜索范圍增強(qiáng)和聲記憶庫(kù)的多樣性，在標(biāo)準(zhǔn)差較小時(shí)，HMCR 取較大值，HMCR自適應(yīng)調(diào)整的設(shè)計(jì)方法如下：

式中：HMCRmin、HMCRmax為HMCR 的最小值和最大值，σ為和聲記憶庫(kù)中適應(yīng)度函數(shù)值的標(biāo)準(zhǔn)差。

3.3.2 PSAR動(dòng)態(tài)調(diào)整策略

PSAR是對(duì)第一維的調(diào)度順序編碼進(jìn)行微調(diào)的概率。在算法迭代過(guò)程中，為避免陷入一種調(diào)度順序的局部最優(yōu)解，因此在算法搜索不到更優(yōu)解時(shí)需要增強(qiáng)對(duì)調(diào)度順序的全局搜索能力，需要根據(jù)算法搜索過(guò)程中沒(méi)有找到更優(yōu)解的迭代次數(shù)增加PSAR值。因此提出PSAR 概率動(dòng)態(tài)調(diào)整的設(shè)計(jì)方法如下：

式中：icount為算法搜索過(guò)程中沒(méi)有找到更優(yōu)解的迭代次數(shù)，PSARmax，PSARmin為調(diào)度順序編碼調(diào)整概率的最大值和最小值。

3.3.3 PAR動(dòng)態(tài)調(diào)整策略

PAR 是對(duì)第二維的負(fù)載供電方案編碼進(jìn)行微調(diào)的概率。在算法迭代初期，PAR取較小值以便提高算法的全局搜索速度，在迭代后期，PAR 取較大值，對(duì)和聲記憶庫(kù)中的較優(yōu)個(gè)體進(jìn)行精細(xì)搜索，加快算法收斂速度［23］。因此PAR 概率的動(dòng)態(tài)調(diào)整方案的設(shè)計(jì)方法如下：

式中：iter，itermax為算法當(dāng)前迭代次數(shù)和最大迭代次數(shù)，PARmax，PARmin為負(fù)載供電方案編碼調(diào)整概率的最大值和最小值。

3.4 改進(jìn)自適應(yīng)和聲搜索算法流程

改進(jìn)自適應(yīng)和聲搜索算法的流程圖如圖1 所示。

圖1 改進(jìn)自適應(yīng)和聲搜索算法流程圖

4 算例分析

4.1 算例設(shè)置

場(chǎng)景設(shè)置：某地區(qū)一個(gè)含有分布式電源的電力系統(tǒng)因遭遇極端天氣劃分為四個(gè)孤島區(qū)域，各個(gè)孤島區(qū)域的負(fù)載參數(shù)如表1，一級(jí)、二級(jí)、三級(jí)負(fù)載的權(quán)重系數(shù)分別設(shè)置為30、5、1。

表1 負(fù)載參數(shù)

每個(gè)孤島區(qū)域配置有風(fēng)光能源和儲(chǔ)能裝置，風(fēng)光能源的發(fā)電功率由天氣情況決定，區(qū)域1、3 儲(chǔ)能裝置的容量為400kWh，最大充放電功率為200kW，區(qū)域2、4 儲(chǔ)能裝置的容量為100kWh，最大充放電功率為50kW。儲(chǔ)能裝置的SOCL為0.2，SOCH為0.8。移動(dòng)應(yīng)急電源車(chē)的速度為45 km/h，移動(dòng)應(yīng)急電源車(chē)的最大輸出功率為300kW。該地區(qū)的地理位置信息由15 km*15 km 的網(wǎng)狀柵格圖表示，四個(gè)供電區(qū)域在柵格圖中的地理坐標(biāo)分別為(2,6 )，(1,13)，(15,14 )，(13,7 )，移動(dòng)應(yīng)急發(fā)電車(chē)的初始位置不固定。

根據(jù)極端天氣對(duì)該地區(qū)風(fēng)光能源破壞程度不同，設(shè)置兩個(gè)不同算例進(jìn)行仿真分析：

算例1：四個(gè)孤島區(qū)域風(fēng)光能源全部無(wú)法工作，僅剩儲(chǔ)能裝置給重要負(fù)載供電。

算例2：孤島區(qū)域2 的風(fēng)力發(fā)電設(shè)備可正常工作，其輸出功率為10 kW，其余孤島區(qū)域均由儲(chǔ)能裝置給重要負(fù)載供電。

4.2 初始和聲記憶庫(kù)對(duì)比分析

在算例1 中，各個(gè)孤島區(qū)域的儲(chǔ)能裝置的SOC值分別為[0.36,0.47,0.56,0.50]，移動(dòng)應(yīng)急發(fā)電車(chē)的起始坐標(biāo)為(6,13)。為了驗(yàn)證3.2 節(jié)中提出的啟發(fā)式函數(shù)是否能生成更優(yōu)的初始和聲記憶庫(kù)，以算例1 為仿真分析對(duì)象，按照隨機(jī)生成調(diào)度順序、距離優(yōu)先、帶權(quán)重負(fù)荷恢復(fù)量?jī)?yōu)先、儲(chǔ)能臨時(shí)供電時(shí)間優(yōu)先、啟發(fā)式函數(shù)五種排序方法分別獨(dú)立生成初始和聲記憶庫(kù)100 次，獲得的初始和聲記憶庫(kù)結(jié)果如表2所示，最優(yōu)結(jié)果由黑色加粗字體標(biāo)記。

表2 初始和聲記憶庫(kù)結(jié)果

從表2 可以看出：本文提出的啟發(fā)式函數(shù)排序方法生成的和聲記憶庫(kù)的適應(yīng)度函數(shù)最優(yōu)值和平均值均高于其他幾種排序方法，并且標(biāo)準(zhǔn)差更低。因此，本文提出的啟發(fā)式函數(shù)能夠生成更優(yōu)的初始和聲記憶庫(kù)，利于加快和聲搜索算法的尋優(yōu)速度。

4.3 算法性能及結(jié)果分析

在算例2 中，各個(gè)孤島區(qū)域儲(chǔ)能裝置的SOC 值分別為[0.40,0.60,0.39,0.525]，移動(dòng)應(yīng)急發(fā)電車(chē)的起始坐標(biāo)為(6,6 )。以算例2 為仿真分析對(duì)象，將原始的和聲算法（HS），文獻(xiàn)［23］提出的改進(jìn)和聲算法（IHS）和本文提出的改進(jìn)自適應(yīng)搜索和聲算法（IAHS）進(jìn)行對(duì)比分析，以驗(yàn)證本文算法的有效性。算法的迭代次數(shù)均設(shè)置為5000 次。每種算法獨(dú)立運(yùn)行100次，獲得的優(yōu)化結(jié)果如表3。

表3 三種算法獲得的優(yōu)化結(jié)果

由表3可以看出，在100次獨(dú)立運(yùn)行結(jié)果中，幾種算法得到的最優(yōu)值相同。但是本文IAHS算法得到的平均最優(yōu)值和標(biāo)準(zhǔn)差皆?xún)?yōu)于其他兩種算法，說(shuō)明算法的尋優(yōu)能力和穩(wěn)定性更高。此外，本文IAHS 算法的平均運(yùn)行時(shí)間最短說(shuō)明本文算法的搜索速度更快。總之，本文提出的IAHS 算法整體上優(yōu)于其他算法。選擇三種算法得到最優(yōu)值的尋優(yōu)收斂曲線(xiàn)進(jìn)行比較，如圖2所示，可以看出本文IAHS算法在收斂速度方面明顯優(yōu)于其他兩種算法。

圖2 三種算法的尋優(yōu)收斂曲線(xiàn)對(duì)比

算法得到的最優(yōu)移動(dòng)應(yīng)急電源車(chē)調(diào)度方案如表4。其中孤島區(qū)域2的一級(jí)負(fù)載由風(fēng)力發(fā)電設(shè)備供電，其他負(fù)載全部切除，因此移動(dòng)應(yīng)急電源車(chē)不需要前往區(qū)域2，移動(dòng)電源車(chē)的調(diào)度順序?yàn)閰^(qū)域1、區(qū)域4、區(qū)域3。

表4 移動(dòng)應(yīng)急電源車(chē)最優(yōu)調(diào)度方案

移動(dòng)應(yīng)急電源車(chē)調(diào)度期間各個(gè)區(qū)域的儲(chǔ)能裝置SOC 狀態(tài)變化如圖3，圖中ta1～ta2，tb1～tb2，tc1～tc2分別為移動(dòng)應(yīng)急發(fā)電車(chē)第一階段給對(duì)應(yīng)儲(chǔ)能裝置的充電時(shí)間；ta2～ta3，tb2～tb3，tc2～tc3分別為移動(dòng)應(yīng)急發(fā)電車(chē)下次到達(dá)區(qū)域1、區(qū)域4、區(qū)域3所需的時(shí)間總和，包括移動(dòng)應(yīng)急發(fā)電車(chē)移動(dòng)時(shí)間和在其他區(qū)域的充電時(shí)間；ta3～ta4，tb3～tb4，tc3～tc4分別為移動(dòng)應(yīng)急電源車(chē)在第二階段時(shí)給對(duì)應(yīng)的儲(chǔ)能裝置充電的時(shí)間。

圖3 儲(chǔ)能裝置SOC的動(dòng)態(tài)變化圖

從圖3 可以看出，在第一階段充電后儲(chǔ)能裝置的剩余電量正好支撐重要負(fù)載供電至下一次移動(dòng)應(yīng)急發(fā)電車(chē)到達(dá)該區(qū)域，保證在第二階段重要負(fù)載供電的連續(xù)性和可靠性。在第一階段移動(dòng)應(yīng)急發(fā)電車(chē)到達(dá)目標(biāo)區(qū)域前，重要負(fù)載的供電需要依靠?jī)?chǔ)能裝置的初始剩余電量。

5 結(jié)語(yǔ)

針對(duì)極端天氣下電力系統(tǒng)的應(yīng)急供電需求，本文提出了一種移動(dòng)應(yīng)急電源的動(dòng)態(tài)優(yōu)化調(diào)度策略。建立了以最大化負(fù)荷恢復(fù)量和最小化停電損失為目標(biāo)函數(shù)的動(dòng)態(tài)優(yōu)化調(diào)度模型，并提出一種改進(jìn)自適應(yīng)和聲搜索算法對(duì)該模型求解。與原始的和聲算法相比，本文對(duì)和聲算法進(jìn)行了基于啟發(fā)式規(guī)則的和聲記憶庫(kù)初始化和自適應(yīng)調(diào)整搜索策略的改進(jìn)。對(duì)比分析HS，IHS 和IAHS，本文提出的IAHS 算法在尋優(yōu)能力和收斂速度上均優(yōu)于其他兩種算法。算例分析驗(yàn)證了所提移動(dòng)應(yīng)急電源的動(dòng)態(tài)優(yōu)化調(diào)度策略，在極端天氣導(dǎo)致電力系統(tǒng)大規(guī)模失電場(chǎng)景下能夠?qū)崿F(xiàn)保證多個(gè)孤島區(qū)域重要負(fù)載供電連續(xù)性和可靠性的目標(biāo)。