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

能源轉型背景下，城市能源系統(tǒng)得到了快速發(fā)展。當高影響、低概率的極端事件發(fā)生時，城市能源系統(tǒng)可能因為各子系統(tǒng)間的相互依存關系而承受更大風險。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角度的多維韌性評估指標；然后，建立電、氣、熱、交通各子系統(tǒng)及耦合元件的模型；進而，為實現(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、拓撲重構等措施，以及考慮建筑物熱慣性的協(xié)同優(yōu)化模型；最后，在一個92節(jié)點的電-氣-熱-交通融合系統(tǒng)中進行算例分析。結果表明，所提的韌性評估指標能全面地反映系統(tǒng)在各個階段的性能；所提的韌性提升方法可以協(xié)調(diào)各子系統(tǒng)間的措施與設備，實現(xiàn)系統(tǒng)性能的維持與恢復。

城市能源系統(tǒng) 韌性 評估 提升 相互依存

0 引言

在“碳達峰，碳中和”目標的能源轉型大環(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，通過能源耦合設備與城市多種形式能源網(wǎng)絡靈活互聯(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注[3]。在面對HILP事件時，UES因各能源子系統(tǒng)間復雜的相互依存關系，可能將承受更大的損失。進而，可能會導致終端用戶在多個維度對系統(tǒng)性能的損失感知明顯增加。為了研究與應對HILP事件帶來的不利影響，“UES韌性”的概念應運而生。UES的韌性是指在遭受HILP事件時，維持系統(tǒng)供能并快速恢復到正常狀態(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[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的配電網(wǎng)韌性評估方法。文獻[5]提出用于配電網(wǎng)長期規(guī)劃設計的預期中斷概率指標，以及用于短期運行規(guī)劃的預期負荷損失指標和預期停電時間指標。文獻[6]針對極端冰雪天氣，建立了反映配電網(wǎng)恢復力的三類評價指標。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防、事中響應和事后恢復三個階段[7]。文獻[8]提出一種利用線路加固和備用分布式機組最優(yōu)配置的配電網(wǎng)韌性提升方法。文獻[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[10]針對極端冰暴災害，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[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[12]針對電-氣綜合能源系統(tǒng)，提出一種反映網(wǎng)絡脆弱性和系統(tǒng)恢復力的綜合韌性評估指標。文獻[13]針對臺風災害，提出了評估電-氣相互依存系統(tǒng)韌性的負荷損失指標、元件損壞成本指標。文獻[14]利用配電線路加固、燃氣機組最優(yōu)運行，研究了電-氣綜合能源系統(tǒng)對極端事件的預防策略。文獻[15]考慮電-氣-熱的能源互補特性，提出一種配電網(wǎng)主動解列的恢復策略。文獻[16]考慮電-水-氣的相互依存關系，提出一種配電網(wǎng)最優(yōu)恢復策略。

上述文獻涉及的韌性評估方法，部分基于韌性梯形面積計算的擴展，部分沿用了可靠性評估指標，或針對系統(tǒng)響應、恢復能力進行評估，缺乏適配不同階段、不同系統(tǒng)、不同側重的更具針對性的評估指標。而對于韌性提升，多數(shù)文獻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，上述文獻大多將韌性評估與提升分別進行研究，忽略了不同階段韌性評估指標與提升策略間的關聯(lián)性。

綜上所述，本文在現(xiàn)有研究成果的基礎上，提出考慮電-氣-熱-交通相互依存關系的城市能源系統(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，共七個指標，實現(xiàn)對UES全局性能和特別值得關注的系統(tǒng)性能的評估。在韌性提升方面，以最小化加權電、氣、熱負荷損失之和為目標，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、拓撲重構、建筑物熱慣性等，實現(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)絡的依賴，本文考慮交通網(wǎng)絡子系統(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)修復模型。算例分析驗證了本文所提韌性評估與提升方法的有效性。

1 韌性評估指標及提升方法

1.1 電-氣-熱-交通系統(tǒng)的相互依存關系

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

由于耦合元件接入節(jié)點的地理位置不同，極端事件對各子系統(tǒng)的影響可能不是同時或同等程度嚴重的。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一步導致城市配電網(wǎng)的供電不足，加劇UES性能的劣化；另一方面，當某種形式的能源供給遭受損失時，其他形式的能源又可通過能量設備實現(xiàn)能源的替代與互補，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：韌性評估從兩個方面、七個維度對UES的韌性進行評估。既包含對UES韌性的整體把握（性能維持、抵抗性、響應性、恢復性），又包括對特別值得關注的系統(tǒng)性能的針對性評估（孤島連通度、孤島供電覆蓋數(shù)量、關鍵負荷維持時間）。

其中

1.3 韌性評估指標

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中的性能維持、響應性、抵抗性和恢復性指標與各階段的對應關系。

1.3.1 性能維持指標

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

其中

1.3.2 抵抗性指標

極端事件發(fā)生后，DS、GS、HS中負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 響應性指標

響應性指標反映受極端事件影響后，各系統(tǒng)需要經(jīng)歷多長時間才可進入恢復階段，即

其中

1.3.4 恢復性指標

UES恢復性評估需同時兼顧負荷恢復量和恢復速度。如圖2所示，盡管三條恢復曲線代表的最終負荷恢復量相同，但顯然恢復曲線1的恢復效果更好。系統(tǒng)的恢復性指標為

其中

1.3.5 孤島連通度指標

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，又可表征其恢復難度。本節(jié)設所有節(jié)點均連通情況的孤島數(shù)量為1，并將一個孤立節(jié)點視為一個孤島。孤島連通度指標為

1.3.6 孤島供電覆蓋數(shù)量指標

其中

1.3.7 關鍵負荷維持時間指標

關鍵負荷在各系統(tǒng)中具有重要地位。為了針對性的評估極端事件下關鍵負荷的性能，建立關鍵負荷維持時間指標，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動，并在節(jié)點處滿足節(jié)點流量平衡方程[18]，有

2.2 儲氣裝置、氣體壓縮機、燃氣輪機和電轉氣

儲氣裝置可在氣體壓縮機停運而導致下級氣網(wǎng)供氣不足時提供一定量的天然氣供應。氣體壓縮機（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

小學生處于低齡時期，卻具有一定的好勝心。將競賽元素融入合作學習過程中，可以讓學生在團結與競爭的雙重作用下參與到教學活動之中。而語文學科的競賽活動有許多種，教師可以結合實際的教學內(nèi)容來選定競賽內(nèi)容和競賽形式，讓學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，并且體驗合作學習的快樂，增加對語文學習與知識探索的興趣。比如在《精彩的馬戲》的教學中，教師就可以引導學生分成幾個小組，然后各自選擇一種動物進行馬戲的表演，比一比誰的更精彩。學生在親自表演的過程中，可以更好地理解課文內(nèi)容，并領悟馬戲這一表演的精粹，與文本真正深入地進行交流，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 燃氣輪機

燃氣輪機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)中的氣負荷，其模型為

2.2.4 電轉氣

與燃氣輪機相反，電轉氣則通過消耗電力來生產(chǎn)天然氣，視為城市配電網(wǎng)中的電負荷、天然氣管網(wǎng)子系統(tǒng)中的氣源，其模型為

3 供回熱管網(wǎng)子系統(tǒng)

城市供回熱網(wǎng)絡的運行通常采用質(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)量保持為設計值[20]。

3.1 熱媒平衡

供、回熱管道中熱媒的流動需要滿足

3.2 溫度的混合

供/回熱管網(wǎng)中存在普通、分支和交匯三類節(jié)點，各節(jié)點溫度的混合關系如下。

1）普通節(jié)點

2）分支節(jié)點

3）交匯節(jié)點

同時，供/回熱管道中熱媒的溫度需要限制在合理的范圍內(nèi)，即

3.3 管道熱損失與傳輸延遲

供/回熱管道中熱媒攜帶的熱功率與管道質(zhì)量流率、溫度成正比，有

供/回熱管道的熱功率損失及延遲為

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/回熱網(wǎng)絡中，有

熱用戶（建筑物）通過熱交換從供/回熱網(wǎng)絡中獲得熱量，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，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）可視為耦合供回熱管網(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，需要依靠水泵實現(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)是建筑物中應用廣泛的空氣調(diào)節(jié)設備?？稍诩泄嵯到y(tǒng)供熱不足或供熱過剩時，作為溫度調(diào)節(jié)的補充手段。暖通空調(diào)的模型為

4 交通網(wǎng)絡子系統(tǒng)

4.1 交通網(wǎng)絡模型

由于道路阻塞，道路的通行時間隨其通行流量的增加而增加。道路的通行時間可由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移動至其對應的終點稱為“發(fā)電車的路徑規(guī)劃”。發(fā)電車在交通網(wǎng)絡中通行時，具有兩類狀態(tài)：①位于節(jié)點上；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行修復作業(yè)，并使其恢復運行的過程稱為“維修人員調(diào)度”。在初始時刻，維修人員位于倉庫中。維修人員在各個損壞元件間通行，并執(zhí)行修復作業(yè)，需要滿足

5 城市配電網(wǎng)

5.1 熱電聯(lián)產(chǎn)機組

假設城市配電網(wǎng)和供回熱管網(wǎng)子系統(tǒng)通過抽汽凝汽式熱電聯(lián)產(chǎn)機組供能，來考慮供電與供熱之間的關系。抽汽凝汽式熱電聯(lián)產(chǎn)機組的電-熱特性為

5.2 發(fā)電車供電

發(fā)電車在交通網(wǎng)絡子系統(tǒng)的各節(jié)點之間通行，接入某一對應的城市配電網(wǎng)節(jié)點，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)中運用廣泛的LinDistFlow模型對配電網(wǎng)潮流進行建模，有

5.4 輻射狀拓撲

城市配電網(wǎng)按閉環(huán)設計，但通常以輻射狀運行，以便于保護裝置的配置和其他措施的實施[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)點融合系統(tǒng)（以下簡稱“融合系統(tǒng)”）為例，驗證本文所提模型的正確性與有效性。

6.2 韌性評估

假設受某極端事件的影響，DS每隔50 m架設一座桿塔，其中的導線、桿塔分別有0.007 5，0.005 5的概率發(fā)生損壞。假設各桿塔和導線的損壞是獨立事件，并將線路等效為導線與桿塔的串聯(lián)模型[25]。

為評估采取不同措施對各韌性指標的影響，本節(jié)算例設置六種情形：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生成并采樣1 500個場景，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行求解；③根據(jù)求解結果對四個整體性指標和三個針對性指標進行計算與分析。

表1 各情形中融合系統(tǒng)韌性指標的評估結果

表2 各情形中電、氣、熱子系統(tǒng)性能維持和抵抗性指標

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會同時劣化DS、GS、HS的性能維持指標，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；不考慮儲氣裝置的情形A5則主要劣化GS的性能維持指標。如表2右三列所示，各情形中，DS的抵抗性指標基本一致，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，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的抵抗性指標也受極端事件影響而下降；情形A4、A5的抵抗性指標的劣化則分別表現(xiàn)在HS、GS中。

表3 各情形中電、氣、熱子系統(tǒng)響應性和恢復性指標

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

圖4 情形A1、A4的熱負荷恢復率

如表3的右三列所示。各子系統(tǒng)的恢復性指標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)的恢復性指標均低于情形A1，以情形A2尤為明顯。情形A4、A5則分別在HS、GS中的恢復性指標劣化更明顯。

如表4所示，情形A4、A6中，HS的關鍵負荷維持時間指標顯著低于其他情形?？梢姡谒猛＿\期間，暖通空調(diào)對關鍵熱負荷的恢復，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、熱負荷的損失值見表5，各情形中電+氣+熱負荷的恢復率如圖5所示。

表5 各情形中電、氣、熱負荷損失值

圖5 各情形中電+氣+熱負荷恢復率

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被分割成多個孤島，由于發(fā)電車不可移動，網(wǎng)絡的撕裂限制了其出力。如圖6所示，情形E3相比情形E2，在負荷恢復階段發(fā)電車的輸出更小。在情形E6中，由于維修人員不對線路進行修復，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?？梢姡l(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氣負荷損失的增加更加顯著，這主要是由于氣體壓縮機缺電停運導致的。各情形中氣體壓縮機的運行狀態(tài)如圖7所示。

圖7 各情形中氣體壓縮機運行狀態(tài)

如表5和圖7所示，各情形中，氣負荷的損失值與氣體壓縮機的運行狀態(tài)具有較強相關性。情形E2與情形E3相比，氣體壓縮機的運行時間更短，情形E2中氣負荷的損失值要比情形E3更大。情形E1和E4的氣體壓縮機運行狀態(tài)相同，因此，兩者中氣負荷的損失差別不大。盡管情形E5中氣體壓縮機的運行狀態(tài)與情形E1、E4相同，但與情形E1相比，氣負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，無法在氣體壓縮機停運期間為下級氣網(wǎng)供氣?？梢?，保證氣體壓縮機的可靠運行，對減小氣負荷的損失具有重要意義。

各情形中燃氣輪機、電轉氣、儲氣裝置的耗/產(chǎn)氣量如圖8所示。

圖8 各情形中燃氣輪機、電轉氣、儲氣裝置的耗/產(chǎn)氣量

類似的，熱負荷的損失值與水泵的運行狀態(tài)具有較強相關性。各情形中水泵的運行狀態(tài)如圖9所示。

圖9 各情形中水泵運行狀態(tài)

如表5和圖9所示，除情形E4外，其他情形中，熱負荷的損失值隨水泵開啟時間的增加而減少。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恢復與拓撲重構結果，如圖11所示。

圖11 情形E1中系統(tǒng)恢復與拓撲重構

Fig.11 System recovery and topology reconfiguration of case E1

7 結論

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之間的關聯(lián)性，有利于決策者更好地規(guī)避風險并利用多能融合的優(yōu)勢實現(xiàn)系統(tǒng)韌性的提升。

2）所提的韌性評估指標從整體性和針對性兩個角度，對系統(tǒng)性能處于的不同階段進行了評估。多維韌性評估指標可以從系統(tǒng)性能特性和拓撲特征全面的掌握系統(tǒng)性能，由此制定更具針對性的解決方案和應對措施。

3）所提的韌性提升方法實現(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；增強了UES對極端事件的抵御能力；提高了能源供應的覆蓋程度；促進了極端事件后UES的快速恢復。

[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. 能源轉型視角下城市能源系統(tǒng)的形態(tài)演化及運行調(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)的概念與關鍵特征[J]. 中國電機工程學報, 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]. 中國電機工程學報, 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)彈性恢復力指標的構建及評估方法[J]. 高電壓技術, 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. 能源轉型下彈性電力系統(tǒng)的發(fā)展與展望[J]. 中國電機工程學報, 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)遠動開關優(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)絡的電-氣區(qū)域綜合能源系統(tǒng)彈性評估[J]. 電網(wǎng)技術, 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)供電恢復策略[J]. 電工技術學報, 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)故障恢復研究綜述及展望[J]. 電工技術學報, 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二階錐松弛的電-氣互聯(lián)系統(tǒng)多目標優(yōu)化調(diào)度[J]. 電工技術學報, 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)絡耦合系統(tǒng)數(shù)據(jù)驅動魯棒優(yōu)化調(diào)度[J]. 中國電機工程學報, 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, 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)重構中網(wǎng)絡輻射形與連通性的判斷[J]. 電工技術學報, 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，研究方向為電力系統(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，博士生導師，研究方向為電力系統(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）