CN104424510A - 基于多智能体和火电机组集群仿真的输电网架恢复方法 - Google Patents

Abstract

本发明涉及一种基于多智能体和火电机组集群仿真的输电网架恢复方法。该方法包括调度智能体、以火电机组仿真集群为内核的电厂智能体和变电站智能体。首先，该方法通过电厂智能体、变电站智能体与调度智能体之间的双向信息交互，模拟输电网架恢复过程中调度对发电和变电环节实时可用恢复信息的辨识和获取。进而，基于调度智能体实现对机组恢复顺序和网架构建的集中决策优化。最终，通过调度智能体对电厂智能体和变电站智能体的单向控制，完成恢复过程的模拟操作。本方法充分模拟火电机组恢复的响应过程和不同的变电和送电操作复杂度，得到的恢复时间、恢复发电量等参数能够充分反映恢复策略执行后的实际效果，对输电网架恢复过程更具现实指导意义。

Description

基于多智能体和火电机组集群仿真的输电网架恢复方法

技术领域

本发明属于电力系统安全防御与恢复控制领域，尤其涉及一种基于多智能体和火电机组集群仿真的输电网架恢复方法。

背景技术

近年来发生在世界范围内的多起大面积停电事故充分表明：在电力系统结构日益加强，监视控制水平逐步提高的大背景下，大停电依然是现代电力系统必须面对的严重威胁。作为电力系统安全防御的重要措施之一，研究大停电后局部孤立系统的快速恢复，对减少事故带来的经济损失和社会动荡具有极其重要的意义。

大停电后输电网架恢复的目标是：快速、安全地恢复系统中骨干机组的发电能力，建立关键送电通道并为个别重要负荷恢复供电。目前的大停电后输电网架恢复方法主要以最大化系统发电能力和供电路径关键度为目标，在满足相关系统运行安全约束的前提下，寻找最优的网架恢复目标及达成目标的最优恢复路径。由于现有方法仅侧重研究输电网架恢复的优化策略，并未与实际恢复过程相结合，尤其未涉及在电力系统中占比较高的火电机组恢复的响应过程和变电站的倒闸操作过程，因此得到的恢复时间、恢复发电量等参数无法反映策略执行后的实际效果，难以依据优化策略实现对网架恢复具体过程的有效指导。鉴于此，应在真实模拟实际输电网架恢复过程的基础上，研究更具现实指导意义的输电网架恢复方法，以减轻电网灾变带来的经济与社会损失。

发明内容

为解决上述不足和缺陷，本发明通过将多智能体方法和火电机组集群仿真技术相结合，在充分模拟输电网架恢复所涉及的调度、发电和变电各环节的基础上，提出了一种基于多智能体和火电机组集群仿真的输电网架恢复方法。

为达到上述目的，该输电网架恢复方法包括调度智能体、电厂智能体、变电站智能体和构成电厂智能体核心的火电机组仿真集群。

所述调度智能体负责模拟在恢复过程中调度中心的主要职能。首先，调度智能体通过判别停电发生后系统的带电状态，明确黑启动电源或可用的带电初始系统。其次，调度智能体监控待恢复电厂或变电站的可受电信息，根据可用的启动功率对待恢复机组的受电顺序进行优化，并通过潮流校核选出最优预恢复系统。最后，按照最优预恢复系统进行发电厂、变电站的模拟操作，汇总机组出力和投运完成时间等系统全局恢复信息。

所述电厂智能体负责模拟恢复过程中发电厂的主要生产及运行过程。对以水电厂为代表的黑启动电厂，电厂智能体以特征升负荷速率反映其启动和恢复过程。对于不具备黑启动能力的火电厂，电厂智能体通过火电机组集群仿真反映其启动和恢复过程。首先，电厂智能体根据恢复过程中机组所处状态向调度智能体分别发出准备中、受电、启动和并网等请求。其次，电厂智能体将不同恢复阶段的机组出力速率反馈给调度智能体，满足其优化待恢复机组受电顺序的需要。最后，在调度智能体按照最优预恢复系统进行模拟操作时，电厂智能体将以对象机组1：1的动态过程模拟其开机、带负荷及后续恢复过程。

所述变电站智能体负责模拟恢复过程中变电站的主要恢复操作及运行过程。首先，变电站智能体将根据恢复过程中其操作准备情况向调度智能体发出准备中或待恢复请求。其次，变电站智能体将其所带负荷的重要性等级和变电站操作复杂度等信息反馈给调度智能体，满足其优化待恢复机组受电顺序的需要。最后，在调度智能体按照最优预恢复系统进行模拟操作时，变电站智能体将线路、变压器和母线等元件投运操作后的状态及完成时间等信息返回调度智能体。

所述火电机组仿真集群是构成电厂智能体的核心，能够逼真模拟当前在系统中占比较高、不具备黑启动能力的典型火电机组的启动恢复过程。火电机组仿真集群由亚临界／超临界／超超临界、中贮式／直吹式等不同容量及类型火电机组的过程仿真模型构成，可以模拟机组随停机时间不同而呈现的不同启动状态及由此产生的差异化的启动、并网和负荷调整等动态恢复过程。同时，火电机组仿真集群还可根据机组当前恢复状态对机组预期出力、出力速率等信息进行预测，满足调度智能体优化待恢复机组受电顺序的需要。

所述基于多智能体和火电机组集群仿真的输电网架恢复方法的具体步骤如下：

步骤一，调度智能体、电厂智能体和变电站智能体同时启动并进行信息交互，调度智能体开始恢复计时。

进一步地，调度智能体、电厂智能体和变电站智能体启动后的信息交互过程如下：

(1)电厂智能体启动其所包含的火电机组仿真集群，模拟不同类型火电机组的启动前准备过程，向调度智能体反馈电厂中各机组是否准备好并可以启动的信息，即：受电请求；

(2)变电站智能体根据所代表的电气主接线类型，统计为建立恢复路径而解开直供负荷、断开终端变电站和调整并网方式等环节所需的开关操作数，模拟操作所需时间，向调度智能体反馈变电站是否准备好并可以恢复的信息，即：受电请求；

(3)调度智能体监视并接收电厂智能体和变电站智能体的带电状态，确定系统恢复的黑启动电源或带电的初始系统。

步骤二，调度智能体接收电厂智能体发出的受电请求，根据待恢复机组的受电优先指标确定其受电顺序。

进一步地，待恢复机组受电顺序的优化步骤如下：

(1)调度智能体根据当前恢复时刻收到的受电请求初步确定待恢复机组集合并将设定的机组出力预期时间下发至待恢复机组所在的电厂智能体；

(2)电厂智能体根据待恢复机组类型调用火电机组仿真集群中的相应机组模型，在设定机组出力预期时间的前提下仿真其功率预测值，即：机组预期功率。由机组预期功率与出力预期时间的比值求取当前工况下的机组出力速率并将其反馈至调度智能体。

(3)调度智能体接收电厂智能体反馈的机组出力速率，计算待恢复机组的受电优先指标并对其排序。

更进一步地，受电优先指标的计算步骤如(1)式所示。

$W=\frac{\mathrm{\η}{S}_{\mathrm{gen}*}}{\mathrm{\μ}{L}_{\mathrm{path}*}}---\left(1\right)$

其中，S_gen*为以待恢复机组的出力速率最大值为基准的归一化的待恢复机组出力速率，LP_ath*为以待恢复机组的受电距离最大值为基准的归一化的待恢复机组受电距离，η和μ是权重调整因子，用来体现在网架恢复的不同阶段，待恢复机组出力速率和受电距离的相对重要性的。L_path*根据迪杰斯特拉算法确定的黑启动电源或带电系统与待恢复机组间的最短路径长度决定，其路径权值如(2)式所示。

$\left\{\begin{array}{c}{L}_{\mathrm{path}*}={\mathrm{\σl}}_{x*}+\mathrm{\ω}{C}_{\mathrm{sub}*}\\ C_{\mathrm{sub}*}=\mathrm{\α}{N}_{\mathrm{trans}}+\mathrm{\β}{N}_{\mathrm{bus}}+\mathrm{\γ}{N}_{\mathrm{break}}\end{array}\right.---\left(2\right)$

其中，l_x*为恢复路径所涉及支路归算到同一电压等级下的电抗标幺值之和；C_sub*为变电站操作复杂度，由赋以不同权重α、β和γ的变压器操作次数、母线操作次数和断路器操作次数之和表示。σ和ω是反映恢复路径的电气距离和所经变电站的操作复杂度对恢复路径选择影响大小的可调整权重。

受电优先指标计算完成后，将其由大到小排序，即：待恢复机组的受电顺序。

步骤三，由黑启动电源或已恢复机组所在的电厂智能体计算其在当前恢复时步的可用启动功率，并将相关信息发送至调度智能体。调度智能体根据可用启动功率和待恢复机组的受电顺序，根据(3)式初步确定能够最大限度利用当前恢复时步启动功率的候选受电机组组合。(3)式中，G_on，i为第i时步所选择的待恢复机组集合，P_house，j为待恢复机组集合中第j台机组的厂用电负荷，P_start，i为第i时步的可用启动功率。

$\underset{j\∈G_{\mathrm{on},i}}{\mathrm{\Σ}}{P}_{\mathrm{house},j}\≤P_{\mathrm{start},i}---\left(3\right)$

步骤四，针对候选受电机组组合，依次模拟其接入系统后的网络拓扑、机组出力和负荷接入量，形成候选预恢复系统。对模拟的候选预恢复系统进行潮流校核，根据(4)式所定义的电压安全满意度U_ideal确定最优预恢复系统。(4)式中，V_i为构成候选预恢复系统的节点集合，U_n为进行潮流校核后的系统中节点n的电压，U_N为系统额定电压。

$U_{\mathrm{ideal}}=\underset{n\∈V_i}{\mathrm{\Σ}}{(U_n-U_N)}^2---\left(4\right)$

步骤五，调度智能体根据最优预恢复系统依次向相关电厂智能体和变电站智能体下发模拟投运指令，电厂智能体和变电站智能体进行当前恢复时步的机组投运模拟操作和变电站投运模拟操作，并将机组出力、操作时间等完成信息返回调度智能体。调度智能体综合电厂智能体和变电站智能体的反馈信息更新系统带电状态，设置系统恢复时间。

步骤六，调度智能体判断所有机组是否均恢复?若未全部恢复，转至步骤二；否则结束。

附图说明

图1为本发明的以IEEE9节点系统为例，嵌入火电机组仿真集群的输电网架恢复多智能体体系结构示意图。

具体实施方式

下面结合附图对本发明做进一步详细的说明。

图1所示为以IEEE9节点系统为例，嵌入火电机组仿真集群的输电网架恢复多智能体体系结构示意图。在输电网架恢复的多智能体体系结构中，电厂智能体和变电站智能体分别与IEEE9节点系统中的发电机节点和变电站(负荷)节点相对应，其数目对应相等。调度智能体与系统中承担恢复决策任务的调度中心相对应。对于不具备自启动能力的发电机节点，均在相应的电厂智能体中嵌入火电机组仿真集群。调度智能体与电厂智能体之间、调度智能体与变电站智能体之间、电厂智能体与火电机组仿真集群之间均可进行双向信息交互以完成网架恢复过程的决策优化。调度智能体通过对电厂智能体和变电站智能体的单向控制完成对最优恢复策略的模拟操作。

调度智能体负责模拟在恢复过程中调度中心的主要职能。首先，调度智能体通过汇总由电厂智能体和变电站智能体发出的失电信息，判别停电发生后系统的带电状态。在系统全停电的极端情况下，明确黑启动电源；在系统局部停电的情况下，明确可用的带电初始系统。其次，调度智能体监视并接收由电厂智能体和变电站智能体发出的受电请求。根据当前恢复时步的可用启动功率、待恢复机组的出力速率和受电距离，进行待恢复机组的受电顺序优化、候选受电机组组合优化和候选预恢复系统潮流校核。最后，按照最优预恢复系统的拓扑关系和投运次序，对电厂智能体和变电站智能体依次下发投运模拟指令，监视接收机组出力、投运完成时间等信息，综合系统整体恢复信息。

电厂智能体负责模拟恢复过程中发电厂的主要生产及运行过程。对以水电厂为代表的黑启动电厂，电厂智能体以特征升负荷速率反映其启动和恢复过程。对于不具备黑启动能力的火电厂，电厂智能体通过火电机组集群仿真反映其启动和恢复过程。首先，电厂智能体调用火电机组仿真集群，根据停机时间仿真不同类型机组的锅炉和汽轮机的温度、压力下降过程，并将由此得到的机组所处状态经电厂智能体反馈给调度智能体，同时还发送根据机组启动准备步骤完成情况所得出的准备中信号或受电请求。其次，电厂智能体还将调用火电机组仿真集群对当前恢复阶段的机组预期出力、出力速率等信息进行预测并反馈给调度智能体，满足其优化待恢复机组受电顺序的需要。最后，在调度智能体按照最优预恢复系统进行模拟操作时，电厂智能体将调用火电机组仿真集群，以对象机组1：1的动态过程模拟其开机、带负荷及后续恢复过程，并将受电已启动、并网增负荷后的机组用电量、机组出力及操作完成时间等信息返回给调度智能体。

变电站智能体负责模拟恢复过程中变电站的主要恢复操作及运行过程。首先，变电站智能体根据典型变电站主接线类型所涉及的停电再恢复操作准备情况及所需时间向调度智能体发出准备中信号或受电请求。其次，为满足调度智能体优化待恢复机组受电顺序的需要，变电站智能体将所带负荷的重要性等级信息返回给调度智能体。同时，变电站智能体还将依据不同的变电站主接线类型和进线、出线可能，统计变压器操作次数、母线操作次数和断路器操作次数，求取可能的变电站操作复杂度，并将结果返回给调度智能体。最后，在调度智能体按照最优预恢复系统进行模拟操作时，变电站智能体将线路、变压器和母线等元件投运操作后的状态及操作完成时间等信息返回给调度智能体。

火电机组仿真集群是构成电厂智能体的核心，能够逼真模拟当前在系统中占比较高、不具备黑启动能力的典型火电机组的动态启动恢复过程。火电机组仿真集群由亚临界／超临界／超超临界、中贮式／直吹式等不同容量及类型火电机组的过程仿真模型构成，可以模拟机组随停机时间不同而呈现的不同启动状态及由此产生的差异化的启动、并网和负荷调整等动态恢复过程。同时，火电机组仿真集群还可根据机组当前恢复状态对机组预期出力、出力速率等信息进行预测，满足调度智能体优化待恢复机组受电顺序的需要。

进一步地，火电机组的过程仿真模型由反映锅炉、汽机和发电机等主设备生产过程的机组模拟数据库组成，可以预测并模拟任意时间断面的机组工况。火电机组仿真根据机组停机时间的不同模拟锅炉和汽轮机的温度、压力下降过程；反馈的启动状态包括极热态、热态、温态和冷态。不同类型火电机组启动及恢复过程的差异化主要体现在：不同特性机组停机后的准备时间、自身厂用电损耗、点火后的启动过程和并网后的升负荷过程等方面。火电机组仿真的信息预测功能主要包括：根据机组当前工况预测其在未来某一时刻的发电负荷，即：机组预期功率；根据机组当前工况预测机组达到预期发电负荷所需的时间，即出力预期时间。

基于多智能体和火电机组集群仿真的输电网架恢复方法的具体步骤如下：

步骤一，调度智能体、电厂智能体和变电站智能体同时启动并进行信息交互，调度智能体开始恢复计时。

进一步地，调度智能体、电厂智能体和变电站智能体启动后的信息交互过程如下：

(1)电厂智能体启动其所包含的火电机组仿真集群，模拟不同类型火电机组的启动前准备过程，向调度智能体反馈电厂中各机组是否准备好并可以启动的信息，即：受电请求；

(2)变电站智能体根据所代表的电气主接线类型，统计为建立恢复路径而解开直供负荷、断开终端变电站和调整并网方式等环节所需的开关操作数，模拟操作所需时间，向调度智能体反馈变电站是否准备好并可以恢复的信息，即：受电请求；

(3)调度智能体监视并接收电厂智能体和变电站智能体的带电状态，确定系统恢复的黑启动电源或带电的初始系统。

步骤二，调度智能体接收电厂智能体发出的受电请求，根据待恢复机组的受电优先指标确定其受电顺序。

进一步地，待恢复机组受电顺序的优化步骤如下：

(1)调度智能体根据当前恢复时刻收到的受电请求初步确定待恢复机组集合并将设定的机组出力预期时间下发至待恢复机组所在的电厂智能体；

(2)电厂智能体根据待恢复机组类型调用火电机组仿真集群中的相应机组模型，在设定机组出力预期时间的前提下仿真其功率预测值，即：机组预期功率。由机组预期功率与出力预期时间的比值求取当前工况下的机组出力速率并将其反馈至调度智能体。

(3)调度智能体接收电厂智能体反馈的机组出力速率，计算待恢复机组的受电优先指标并对其排序。

更进一步地，受电优先指标的计算步骤如(5)式所示。

$W=\frac{\mathrm{\η}{S}_{\mathrm{gen}*}}{\mathrm{\μ}{L}_{\mathrm{path}*}}---\left(5\right)$

其中，S_gen*为以待恢复机组的出力速率最大值为基准的归一化的待恢复机组出力速率，L_path*为以待恢复机组的受电距离最大值为基准的归一化的待恢复机组受电距离，η和μ是权重调整因子，用来体现在网架恢复的不同阶段，待恢复机组出力速率和受电距离的相对重要性的。L_path*根据迪杰斯特拉算法确定的黑启动电源或带电系统与待恢复机组间的最短路径长度决定，其路径权值如(6)式所示。

$\left\{\begin{array}{c}{L}_{\mathrm{path}*}={\mathrm{\σl}}_{x*}+\mathrm{\ω}{C}_{\mathrm{sub}*}\\ C_{\mathrm{sub}*}=\mathrm{\α}{N}_{\mathrm{trans}}+\mathrm{\β}{N}_{\mathrm{bus}}+\mathrm{\γ}{N}_{\mathrm{break}}\end{array}\right.---\left(6\right)$

其中，l_x*为恢复路径所涉及支路归算到同一电压等级下的电抗标幺值之和；C_sub*为变电站操作复杂度，由赋以不同权重α、β和γ的变压器操作次数、母线操作次数和断路器操作次数之和表示。σ和ω是反映恢复路径的电气距离和所经变电站的操作复杂度对恢复路径选择影响大小的可调整权重。

受电优先指标计算完成后，将其由大到小排序，即：待恢复机组的受电顺序。

步骤三，由黑启动电源或已恢复机组所在的电厂智能体计算其在当前恢复时步的可用启动功率，并将相关信息发送至调度智能体。调度智能体根据可用启动功率和待恢复机组的受电顺序，根据(7)式初步确定能够最大限度利用当前恢复时步启动功率的候选受电机组组合。(7)式中，G_on，i为第i时步所选择的待恢复机组集合，P_house，j为待恢复机组集合中第j台机组的厂用电负荷，P_start，i为第i时步的可用启动功率。

$\underset{j\∈G_{\mathrm{on},i}}{\mathrm{\Σ}}{P}_{\mathrm{house},j}\≤P_{\mathrm{start},i}---\left(7\right)$

步骤四，针对候选受电机组组合，依次模拟其接入系统后的网络拓扑、机组出力和负荷接入量，形成候选预恢复系统。对模拟的候选预恢复系统进行潮流校核，根据(8)式所定义的电压安全满意度U_ideal确定最优预恢复系统。(8)式中，V_i为构成候选预恢复系统的节点集合，U_n为进行潮流校核后的系统中节点n的电压，U_N为系统额定电压。

$U_{\mathrm{ideal}}=\underset{n\∈V_i}{\mathrm{\Σ}}{(U_n-U_N)}^2---\left(8\right)$

步骤五，调度智能体根据最优预恢复系统依次向相关电厂智能体和变电站智能体下发模拟投运指令，电厂智能体和变电站智能体进行当前恢复时步的机组投运模拟操作和变电站投运模拟操作，并将机组出力、操作时间等完成信息返回调度智能体。调度智能体综合电厂智能体和变电站智能体的反馈信息更新系统带电状态，设置系统恢复时间。

步骤六，调度智能体判断所有机组是否均恢复?若未全部恢复，转至步骤二；否则结束。

对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.基于多智能体和火电机组集群仿真的输电网架恢复方法，其特征在于，包括调度智能体、电厂智能体，变电站智能体和构成电厂智能体核心的火电机组仿真集群。

2.根据权利要求1所述的基于多智能体和火电机组集群仿真的输电网架恢复方法，其特征在于，调度智能体负责模拟在恢复过程中调度中心的主要职能。首先，调度智能体通过判别停电发生后系统的带电状态，明确黑启动电源或可用的带电初始系统。其次，调度智能体监控待恢复电厂或变电站的可受电信息，根据可用的启动功率对待恢复机组的受电顺序进行优化，并通过潮流校核选出最优预恢复系统。最后，按照最优预恢复系统进行发电厂、变电站的模拟操作，汇总机组出力和投运完成时间等系统全局恢复信息。

3.根据权利要求1所述的基于多智能体和火电机组集群仿真的输电网架恢复方法，其特征在于，电厂智能体负责模拟恢复过程中发电厂的主要生产及运行过程。对以水电厂为代表的黑启动电厂，电厂智能体以特征升负荷速率反映其启动和恢复过程。对于不具备黑启动能力的火电厂，电厂智能体通过火电机组集群仿真反映其启动和恢复过程。首先，电厂智能体根据恢复过程中机组所处状态向调度智能体分别发出准备中、受电、启动和并网等请求。其次，电厂智能体将不同恢复阶段的机组出力速率反馈给调度智能体，满足其优化待恢复机组受电顺序的需要。最后，在调度智能体按照最优预恢复系统进行模拟操作时，电厂智能体将以对象机组1：1的动态过程模拟其开机、带负荷及后续恢复过程。

4.根据权利要求1所述的基于多智能体和火电机组集群仿真的输电网架恢复方法，其特征在于，变电站智能体负责模拟恢复过程中变电站的主要恢复操作及运行过程。首先，变电站智能体将根据恢复过程中其操作准备情况向调度智能体发出准备中或待恢复请求。其次，变电站智能体将其所带负荷的重要性等级和变电站操作复杂度等信息反馈给调度智能体，满足其优化待恢复机组受电顺序的需要。最后，在调度智能体按照最优预恢复系统进行模拟操作时，变电站智能体将线路、变压器和母线等元件投运操作后的状态及完成时间等信息返回调度智能体。

5.根据权利要求1所述的基于多智能体和火电机组集群仿真的输电网架恢复方法，其特征在于，火电机组仿真集群是构成电厂智能体的核心，能够逼真模拟当前在系统中占比较高、不具备黑启动能力的典型火电机组的启动恢复过程。火电机组仿真集群由亚临界／超临界／超超临界、中贮式／直吹式等不同容量及类型火电机组的过程仿真模型构成，可以模拟机组随停机时间不同而呈现的不同启动状态及由此产生的差异化的启动、并网和负荷调整等动态恢复过程。同时，火电机组仿真集群还可根据机组当前恢复状态对机组预期出力、出力速率等信息进行预测，满足调度智能体优化待恢复机组受电顺序的需要。

6.一种基于多智能体和火电机组集群仿真的输电网架恢复方法，其特征在于，所述的具体步骤如下：

步骤一，调度智能体、电厂智能体和变电站智能体同时启动并进行信息交互，调度智能体开始恢复计时。

进一步地，调度智能体、电厂智能体和变电站智能体启动后的信息交互过程如下：

(1)电厂智能体启动其所包含的火电机组仿真集群，模拟不同类型火电机组的启动前准备过程，向调度智能体反馈电厂中各机组是否准备好并可以启动的信息，即：受电请求；

(2)变电站智能体根据所代表的电气主接线类型，统计为建立恢复路径而解开直供负荷、断开终端变电站和调整并网方式等环节所需的开关操作数，模拟操作所需时间，向调度智能体反馈变电站是否准备好并可以恢复的信息，即：受电请求；

(3)调度智能体监视并接收电厂智能体和变电站智能体的带电状态，确定系统恢复的黑启动电源或带电的初始系统。

步骤二，调度智能体接收电厂智能体发出的受电请求，根据待恢复机组的受电优先指标确定其受电顺序。

进一步地，待恢复机组受电顺序的优化步骤如下：

(1)调度智能体根据当前恢复时刻收到的受电请求初步确定待恢复机组集合并将设定的机组出力预期时间下发至待恢复机组所在的电厂智能体；

(2)电厂智能体根据待恢复机组类型调用火电机组仿真集群中的相应机组模型，在设定机组出力预期时间的前提下仿真其功率预测值，即：机组预期功率。由机组预期功率与出力预期时间的比值求取当前工况下的机组出力速率并将其反馈至调度智能体。

(3)调度智能体接收电厂智能体反馈的机组出力速率，计算待恢复机组的受电优先指标并对其排序。

更进一步地，受电优先指标的计算步骤如(1)式所示。

$W=\frac{\mathrm{\η}{S}_{\mathrm{gen}*}}{\mathrm{\μ}{L}_{\mathrm{path}*}}---\left(1\right)$

其中，S_gen*为以待恢复机组的出力速率最大值为基准的归一化的待恢复机组出力速率，L_path*为以待恢复机组的受电距离最大值为基准的归一化的待恢复机组受电距离，η和μ是权重调整因子，用来体现在网架恢复的不同阶段，待恢复机组出力速率和受电距离的相对重要性的。L_path*根据迪杰斯特拉算法确定的黑启动电源或带电系统与待恢复机组间的最短路径长度决定，其路径权值如(2)式所示。

$\left\{\begin{array}{c}{L}_{\mathrm{path}*}={\mathrm{\σl}}_{x*}+\mathrm{\ω}{C}_{\mathrm{sub}*}\\ C_{\mathrm{sub}*}=\mathrm{\α}{N}_{\mathrm{trans}}+\mathrm{\β}{N}_{\mathrm{bus}}+\mathrm{\γ}{N}_{\mathrm{break}}\end{array}\right.---\left(2\right)$

其中，l_x*为恢复路径所涉及支路归算到同一电压等级下的电抗标幺值之和；C_sub*为变电站操作复杂度，由赋以不同权重α、β和γ的变压器操作次数、母线操作次数和断路器操作次数之和表示。σ和ω是反映恢复路径的电气距离和所经变电站的操作复杂度对恢复路径选择影响大小的可调整权重。

受电优先指标计算完成后，将其由大到小排序，即：待恢复机组的受电顺序。

步骤三，由黑启动电源或已恢复机组所在的电厂智能体计算其在当前恢复时步的可用启动功率，并将相关信息发送至调度智能体。调度智能体根据可用启动功率和待恢复机组的受电顺序，根据(3)式初步确定能够最大限度利用当前恢复时步启动功率的候选受电机组组合。(3)式中，G_on，i为第i时步所选择的待恢复机组集合，P_house，j为待恢复机组集合中第j台机组的厂用电负荷，P_start，i为第i时步的可用启动功率。

$\underset{j\∈G_{\mathrm{on},i}}{\mathrm{\Σ}}{P}_{\mathrm{house},j}\≤P_{\mathrm{start},i}---\left(3\right)$

步骤四，针对候选受电机组组合，依次模拟其接入系统后的网络拓扑、机组出力和负荷接入量，形成候选预恢复系统。对模拟的候选预恢复系统进行潮流校核，根据(4)式所定义的电压安全满意度U_ideal确定最优预恢复系统。(4)式中，V_i为构成候选预恢复系统的节点集合，U_n为进行潮流校核后的系统中节点n的电压，U_N为系统额定电压。

$U_{\mathrm{ideal}}=\underset{n\∈V_i}{\mathrm{\Σ}}{(U_n-U_N)}^2---\left(4\right)$

步骤五，调度智能体根据最优预恢复系统依次向相关电厂智能体和变电站智能体下发模拟投运指令，电厂智能体和变电站智能体进行当前恢复时步的机组投运模拟操作和变电站投运模拟操作，并将机组出力、操作时间等完成信息返回调度智能体。调度智能体综合电厂智能体和变电站智能体的反馈信息更新系统带电状态，设置系统恢复时间。

步骤六，调度智能体判断所有机组是否均恢复?若未全部恢复，转至步骤二；否则结束。