CN116090677B - 考虑电力-通信-交通网络耦合的空地应急资源规划方法 - Google Patents

考虑电力-通信-交通网络耦合的空地应急资源规划方法 Download PDF

Info

Publication number
CN116090677B
CN116090677B CN202310374511.9A CN202310374511A CN116090677B CN 116090677 B CN116090677 B CN 116090677B CN 202310374511 A CN202310374511 A CN 202310374511A CN 116090677 B CN116090677 B CN 116090677B
Authority
CN
China
Prior art keywords
emergency
cost
communication
vehicle
resources
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310374511.9A
Other languages
English (en)
Other versions
CN116090677A (zh
Inventor
周斌
王宇轩
帅智康
张聪
花志浩
赵程欣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan University
Original Assignee
Hunan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan University filed Critical Hunan University
Priority to CN202310374511.9A priority Critical patent/CN116090677B/zh
Publication of CN116090677A publication Critical patent/CN116090677A/zh
Application granted granted Critical
Publication of CN116090677B publication Critical patent/CN116090677B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供的考虑电力‑通信‑交通网络耦合的空地应急资源规划方法，包括构建强降雨下表征地表径流和排水管网内水力状态的一维‑二维耦合水动力模型，获得交通网道路淹没深度时空分布；推导交通网洪涝状态下道路淹没水深与车辆通行时间的关系式；构建电力‑通信‑交通耦合网络空地应急资源灾前预部署的两阶段鲁棒优化模型；构建极端降雨灾害下空地应急资源的多层规划模型，该多层规划模型上层主问题为空地应急资源容量及数量配置决策，中、下层子问题分别为两阶段鲁棒模型中一、二阶段子问题；将多层规划模型线性化后进行求解，最终得到极端降雨下不同类型空地应急资源的容量与数量。

Description

考虑电力-通信-交通网络耦合的空地应急资源规划方法
技术领域
本发明涉及技术应急资源规划技术领域，尤其指一种考虑电力-通信-交通网络耦合的空地应急资源规划方法。
背景技术
随着全球气候变化的不断加剧，我国极端降雨事件频发，持续的强降雨易造成流域河道节点溢流形成积水，对电力、通信、交通等基础设施的安全稳定运行带来了严峻的威胁和挑战。三者之间的耦合与依赖关系严重影响了灾中快速抢修恢复效率，一方面，配电系统故障使通信基站失电，通信设备缺乏足够的电力供应维持用能需求，导致通信基站退服形成信息孤岛；另一方面，通信故障使指挥中心无法准确获取配电网故障信息，抢修队无法及时接受应急资源中心的指令，配电网的抢修恢复工作严重滞后；其次，应急电源车与应急通信车常作为灵活应急资源参与配电网恢复以及应急通信网的构建，暴雨造成的交通网洪涝显著减小道路的通行容量，应急资源车无法及时送达目的地，需要空中应急资源进行协调配合。因此，为了最大限度地降低极端降雨灾害可能导致的停电损失，合理进行空地应急资源规划至关重要。
目前大部分针对极端降雨下应急资源规划的研究仅考虑应急电源车容量与数量配置，缺乏电力-通信-交通耦合网络空地应急资源协同规划方案的相关研究。暴雨恶劣天气下电力、通信、交通空地应急资源优化规划方法仍处于技术空白，难以在保证应急需求的同时降低应急资源的规划成本，导致应急资源数量规划不合理，配电系统应急供电时滞性强，停电损失面积大。现亟需一种电力、通信、交通空地应急资源协同规划方法，以提高极端降雨下配电系统的抢修恢复效率。
发明内容
本发明所要解决的技术问题是提供一种考虑电力-通信-交通网络耦合的空地应急资源规划方法，该方法能在保证应急需求以及降低应急资源配置成本的前提下，合理规划极端降雨天气下电力-通信-交通耦合网络空地应急资源的容量和数量，提高极端降雨下配电系统的抢修恢复效率，减轻配电系统应急供电的时滞性，降低停电损失。
为了解决上述技术问题，本发明采用如下技术方法：考虑电力-通信-交通网络耦合的空地应急资源规划方法，包括：
步骤S1，构建强降雨下表征地表径流和排水管网内水力状态的一维-二维耦合水动力模型，获得交通网道路淹没深度时空分布；
步骤S2，推导交通网洪涝状态下道路淹没水深与应急资源通行时间的关系式；
步骤S3，构建电网断线和道路受淹不确定性下电力-通信-交通耦合网络空地应急资源灾前预部署的两阶段鲁棒优化模型，所述两阶段鲁棒模型中一阶段主问题为决定空地应急资源的最优预部署位置及电网预重构方案，二阶段子问题为空地应急资源的灾中应急联动调度；
步骤S4，构建极端降雨灾害下空地应急资源的多层规划模型，所述多层规划模型上层主问题为空地应急资源容量及数量配置决策，中层子问题为两阶段鲁棒模型的一阶段主问题，下层子问题为两阶段鲁棒模型的二阶段子问题；
步骤S5，将步骤S4所构建的多层优化配置模型线性化，而后进行求解，得到极端降雨下不同类型空地应急资源的容量与数量。
进一步地，步骤S1，构建强降雨下表征地表径流和排水管网内水力状态的一维-二维耦合水动力模型，获得交通网道路淹没深度时空分布时：
先建立强降雨下表征排水管网内水力状态的一维圣维南方程及表征地表径流的二维浅水方程，形成一维-二维耦合水动力模型，其方程组为：
Figure SMS_1
(1)
式中，
Figure SMS_2
为时间，
Figure SMS_3
是排水管道流量，
Figure SMS_4
为排水管道横截面积，
Figure SMS_5
为降雨强度，
Figure SMS_6
分别表示守恒向量、
Figure SMS_7
方向的通量向量、
Figure SMS_8
方向的通量向量、源项向量，如下式：
Figure SMS_9
(2)
式中，
Figure SMS_12
表示水面的水位，
Figure SMS_14
、
Figure SMS_16
分别表示水流在
Figure SMS_10
方向的流速、
Figure SMS_13
方向的流速，
Figure SMS_17
表示水深，
Figure SMS_19
为重力加速度，
Figure SMS_11
表示地面绝对高程，
Figure SMS_15
表示溢流源项，
Figure SMS_18
表示地面摩阻源项，
Figure SMS_20
表示地表坡度源项；
再采用Preissmann四点隐式格式与Godunov格式的有限体积法联合并行求解所述一维-二维耦合水动力模型，得到交通网道路淹没深度时空分布，通过判断淹没深度及范围识别出易涝道路。
进一步地，步骤S2，推导交通网洪涝状态下道路淹没水深与应急资源通行速度的关系式：
道路淹没深度H与通行速度v的关系式，如下：
Figure SMS_21
(3)
式中，
Figure SMS_22
为道路设定的通行速度，
Figure SMS_23
为造成交通中断的临界深度的中值；
Figure SMS_24
为弹性衰减系数；
再确定长度为
Figure SMS_25
的受淹的道路r的通行时间
Figure SMS_26
，表示为：
Figure SMS_27
(4)
式中，
Figure SMS_28
表示在道路
Figure SMS_29
不受涝时应急资源的自由通行时间，即
Figure SMS_30
，
Figure SMS_31
为道路
Figure SMS_32
的淹没深度。
再进一步地：
一、所述两阶段鲁棒模型一阶段空地应急资源最优预部署位置的约束包括：
1）应急资源从其应急资源中心预部署到停靠站，所需时间等于所选路径的通行时间；
2）每个应急资源只能部署在一个停靠站；
3）应急资源应在极端降雨发生前预先部署在停靠站；
4）预部署的应急资源总数不能超过停靠站的最大允许部署的数量；
5）预部署的应急资源不能超过应急资源配置的数量；
二、所述两阶段鲁棒模型一阶段电网预重构的约束包括：
1）保证重构后的电网为辐射状结构；
2）每条线路的开关状态最多可以改变一次；
3）电网功率平衡约束；
4）电网安全运行约束；
三、所述两阶段鲁棒模型二阶段灾中应急联动调度的目标为在电网断线、道路受淹不确定性的最坏场景下最小化电力负荷削减与通信带宽资源缺额量，该目标函数为：
Figure SMS_33
(5)
式中，
Figure SMS_43
为一阶段空地应急资源预部署决策变量，
Figure SMS_34
为二阶段空地应急资源调度决策变量，
Figure SMS_39
为不确定变量，
Figure SMS_45
为表示电力线路断线、道路受淹不确定性的多面体不确定集，
Figure SMS_48
为电网节点集合，
Figure SMS_47
为电网节点i负荷的权重，
Figure SMS_50
为极端降雨发生后的时刻，
Figure SMS_44
为灾后的调度时段集合，
Figure SMS_49
为电网节点
Figure SMS_36
在
Figure SMS_41
时刻的负荷削减，
Figure SMS_37
为调度时间，
Figure SMS_38
为通信用户集合，
Figure SMS_42
为受灾区域内第
Figure SMS_46
个通信用户的平均通信带宽需求，
Figure SMS_35
为
Figure SMS_40
时刻未能接入应急通信资源的用户数量，所述应急通信资源为应急通信车和带有通信基站的无人机；
四、所述两阶段鲁棒模型二阶段灾中应急联动调度的约束包括：
1）应急资源在交通网洪涝状态下的通行时间约束；
2）应急资源灾前应预先部署于停靠站，否则不能从停靠站调度到其他节点；
3）极端降雨后应调度预部署于停靠站的应急资源到其他节点进行应急抢修工作；
4）应急排水车从停靠站到达交通信节点的时间以及无人机、应急通信车从停靠站到达通信节点的时间均为调度决策时间与通行时间之和；
5）应急电源车一旦安装到电网节点，则后续时间一直为该节点供电；
6）应急通信车与无人机一旦部署到通信节点，则后续时间一直在该节点提供通信服务；
7）应急排水车一旦到达洪涝道路，则后续时间一直在该道路排涝；
8）应急电源车从停靠站到电网节点并安装到电网节点所需时间为通行时间与安装时间之和；
9）连接到每个电网节点的应急电源车容量不能超过该电网节点连接应急电源车容量的上限；
10）应急电源车有功功率和无功功率不能超出运行限制。
再进一步地，所述两阶段鲁棒模型的目标函数中
Figure SMS_51
的计算公式为：
Figure SMS_52
(6)
式中，
Figure SMS_53
为受灾区域的用户总数，
Figure SMS_54
为无人机集合，
Figure SMS_55
为应急通信车集合，
Figure SMS_56
，表示
Figure SMS_57
时刻用户
Figure SMS_58
与应急通信资源
Figure SMS_59
的连接关系，用户接入应急通信资源时取1，反之取0；当用户同时处于应急通信车和无人机的覆盖范围内，用户只能选择其一进行接入。
更进一步地：
所述多层规划模型的上层以空地应急资源的数量与容量为决策变量，以空地应急资源总配置成本最小化为目标，该目标函数为：
Figure SMS_60
(7)
式中，
Figure SMS_61
表示应急电源车配置成本；
Figure SMS_62
表示应急通信车与无人机配置成本，
Figure SMS_63
表示应急排水车配置成本；
所述多层规划模型上层的约束为应急资源配置成本上限约束和应急资源数量上限约束，其中：
1）所述应急资源配置成本上限约束为应急资源的配置应不超过配置成本上限，如下式：
Figure SMS_64
(8)
式中，
Figure SMS_65
是应急电源车配置成本上限，
Figure SMS_66
是应急通信车与无人机的配置成本上限，
Figure SMS_67
是应急排水车配置成本上限，
Figure SMS_68
是应急资源配置总成本上限；
2）所述应急资源数量上限约束为各应急资源中心配置的应急资源数量不能超过其对应种类应急资源的最大存放数量，如下式：
Figure SMS_69
(9)
式中，
Figure SMS_70
表示第i类第k容量应急资源的数量，
Figure SMS_71
表示应急资源中心允许存放的应急资源
Figure SMS_72
的最大数量，
Figure SMS_73
表示应急资源
Figure SMS_74
不同容量的种类数，
Figure SMS_75
是应急资源集合。
更进一步地：
1）所述应急电源车配置成本
Figure SMS_76
包括发电成本
Figure SMS_77
、维护成本
Figure SMS_78
和新增成本
Figure SMS_79
；其中，所述发电成本
Figure SMS_80
为应急电源车向电网供电所需的燃料成本；维护成本
Figure SMS_81
为应急电源车日常维护产生的费用；新增成本
Figure SMS_82
为新购入应急电源车的购置成本与折旧成本；
2）所述应急通信车与无人机配置成本
Figure SMS_83
包括应急通信成本
Figure SMS_84
、维护成本
Figure SMS_85
和新增成本
Figure SMS_86
；其中，应急通信成本
Figure SMS_87
为应急通信车与无人机提供通信带宽资源的用电成本；维护成本
Figure SMS_88
为应急通信车与无人机日常维护产生的费用；新增成本
Figure SMS_89
为新购入应急通信车与无人机的购置成本和折旧成本；
3）所述应急排水车配置成本
Figure SMS_90
包括应急排水成本
Figure SMS_91
、维护成本
Figure SMS_92
和新增成本
Figure SMS_93
；其中，应急排水成本
Figure SMS_94
包括应急排水车的灾中排涝成本；维护成本
Figure SMS_95
为应急排水日常维护产生的费用；新增成本
Figure SMS_96
为新购入应急排水车的购置成本与折旧成本。
优选地，步骤S5中，通过分段线性近似与多面体近似对所述多层规划模型进行线性化。
优选地，步骤S5中，对线性化后的多层规划模型求解时：
先由多层规划模型的上层向中层添加空地应急资源数量与容量约束，再采用Nested C&CG算法对中、下层的两阶段鲁棒优化模型进行求解，得到空地应急资源灾中应急联动调度最差场景下的灾前预部署策略，接着将求解结果向上层添加Benders割，以此迭代求解得到应急资源最优配置方案，即极端降雨下不同类型空地应急资源的容量与数量。
本发明提供的电力-通信-交通网络耦合的空地应急资源协同规划方法，填补了现有极端降雨下电力-通信-交通耦合网络空地应急资源协同规划的空白，本发明能在保证应急需求以及降低应急资源配置成本的前提下，合理规划极端降雨天气下电力-通信-交通耦合网络空地应急资源的容量和数量，提高极端降雨下配电系统的抢修恢复效率，减轻配电系统应急供电的时滞性，降低停电损失。具体来说：
首先，本发明提出了基于降雨-径流-内涝全过程动态模拟的强降雨下电力-通信-交通耦合网络道路受涝风险识别方法，其利用一维-二维耦合水动力模型计算强降雨下地表径流和排水管网内的水力状态以获得道路淹没深度时空分布，通过判断淹没深度及范围识别出易涝道路，进一步推导了交通网洪涝状态下道路淹没水深与应急资源通行时间的关系式。
其次，本发明提出了空地应急资源电力-通信-交通协同恢复的应急联动调度方法，其以无人机作为空中应急资源参与灾中应急调度，弥补地面应急资源因交通网洪涝导致的灵活性不足，考虑空地应急资源的协调与互补，以电力负荷削减与通信带宽资源缺额量最小化为目标，构建了无人机、应急电源车、应急通信车、应急排水车的电力-通信-交通协同恢复的应急联动调度模型，提高了电力-通信-交通耦合网络的弹性。
最后，本发明提出了极端降雨灾害下空地应急资源的多层规划模型及其求解方法，该多层规划模型以最小化空地应急资源的总成本最小化为目标，上层主问题为空地应急资源数量及容量的配置决策，中层子问题为空地应急资源最优部署位置及电网初步网架重构，下层子问题为空地应急资源的灾中应急协同联动调度。考虑电网断线、道路受涝的不确定性，本发明将中、下层子问题构建为两阶段鲁棒模型，以灾中电力负荷削减与通信带宽资源缺额量最小化为目标，协调空地应急资源配合电力-通信-交通网络的恢复。本发明通过分段线性近似与分段线性化和多面体近似等线性化技术将原高度非线性的多层规划模型转化为可求解的混合整数线性模型，以Benders分解将上层主问题与中、下层子问题解耦，采用Nested C&CG算法求解中、下层子问题，并带入上层主问题进行迭代修正配置方案。
附图说明
图1为本发明所涉考虑电力-通信-交通网络耦合的空地应急资源规划方法的流程图；
图2为本发明实施方式中仿真案例的电网与交通网拓扑示意图；
图3为本发明实施方式中电力-通信-交通耦合网络空地应急资源协同支撑下配电网电力负荷恢复曲线图。
具体实施方式
为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。
如图1所示，一种考虑电力-通信-交通网络耦合的空地应急资源规划方法，主要包括五大步骤，具体如下。
步骤S1，构建强降雨下表征地表径流和排水管网内水力状态的一维-二维耦合水动力模型，获得交通网道路淹没深度时空分布。
为精确模拟城市内涝从积水到退水的过程，建立表征排水管网内水力状态的一维圣维南方程及表征地表径流的二维浅水方程，并形成一维-二维耦合的水动力模型，其方程组为：
Figure SMS_97
(1)
式(1)中，
Figure SMS_98
为时间，
Figure SMS_99
是排水管道流量，
Figure SMS_100
为排水管道横截面积，
Figure SMS_101
为降雨强度，
Figure SMS_102
分别表示守恒向量、x方向的通量向量、y方向的通量向量、源项向量，如下式：
Figure SMS_103
(2)
式(2)中，
Figure SMS_104
表示水面的水位，
Figure SMS_109
、
Figure SMS_112
分别表示水流在
Figure SMS_106
方向的流速、
Figure SMS_108
方向的流速，
Figure SMS_110
表示水深，
Figure SMS_113
为重力加速度，
Figure SMS_105
表示地面绝对高程，
Figure SMS_107
表示溢流源项，
Figure SMS_111
表示地面摩阻源项，
Figure SMS_114
表示地表坡度源项；
再采用Preissmann四点隐式格式与Godunov格式的有限体积法联合并行求解所述一维-二维耦合水动力模型，得到交通网道路淹没深度时空分布，通过判断淹没深度及范围识别出易涝道路。
步骤S2，推导交通网洪涝状态下道路淹没水深与应急资源通行时间的关系式。
道路淹没深度H与通行速度v的关系式，如下：
Figure SMS_115
(3)
式中，
Figure SMS_116
为道路设定的通行速度，
Figure SMS_117
为造成交通中断的临界深度的中值；
Figure SMS_118
为弹性衰减系数；
再确定长度为
Figure SMS_119
的受淹的道路r的通行时间
Figure SMS_120
，表示为：
Figure SMS_121
(4)
式中，
Figure SMS_122
表示在道路
Figure SMS_123
不受涝时应急资源的自由通行时间，即
Figure SMS_124
，
Figure SMS_125
为道路
Figure SMS_126
的淹没深度。
步骤S3，构建电网断线和道路受淹不确定性下电力-通信-交通耦合网络空地应急资源灾前预部署的两阶段鲁棒优化模型，该两阶段鲁棒模型中一阶段主问题为决定空地应急资源的最优预部署位置及电网预重构，二阶段子问题为空地应急资源的灾中应急联动调度。
一、空地应急资源的最优预部署位置
第一阶段的目标是在极端降雨灾害发生之前，将空地应急资源预先部署于交通网停靠站，以便应急电源车在极端降雨后快速连接到电力系统进行应急供电，加快灾后负荷恢复过程。
1、确定空地应急资源的最优预部署位置，其约束包括：
1）应急资源从其应急资源中心预部署到停靠站，所需时间等于所选路径的通行时间，如下式；
Figure SMS_127
(10)
2）每个应急资源只能部署在一个停靠站，如下式；
Figure SMS_128
(11)
3）应急资源应在极端降雨发生前预先部署在停靠站，如下式；
Figure SMS_129
(12)
4）预部署的应急资源总数不能超过停靠站的最大允许部署的数量，如下式；
Figure SMS_130
(13)
5）预部署的应急资源不能超过应急资源配置的数量，如下式；
Figure SMS_131
(14)
式(10)-(14)中，
Figure SMS_140
是调度时间集合；
Figure SMS_135
是停靠站集合；
Figure SMS_137
是应急资源集合，包括应急电源车、应急通信车、带有通信基站的无人机（以下简称“无人机”）、应急排水车；
Figure SMS_145
为应急资源
Figure SMS_148
所停靠的应急资源中心，
Figure SMS_147
是应急资源
Figure SMS_149
从应急资源中心
Figure SMS_142
到停靠站
Figure SMS_146
的行驶时间，能从网络地图APP中获取；
Figure SMS_134
，如果应急资源
Figure SMS_139
在
Figure SMS_132
时刻从应急资源中心
Figure SMS_138
移动到
Figure SMS_141
为1，否则为0；
Figure SMS_144
为极端降雨来临时刻，
Figure SMS_133
是停靠站
Figure SMS_136
允许停靠应急电源车、应急排水车、应急通信车、无人机的最大数量；
Figure SMS_143
是应急资源i配置的数量。
2、构建无人机空-地信道模型
无人机与用户的信道分为视距链路与非视距链路，无人机i与用户j的平均路径损耗
Figure SMS_150
表示为：
Figure SMS_151
(15)
Figure SMS_152
(16)
式(15)-(16)中，
Figure SMS_155
为无人机集合；
Figure SMS_159
为通信用户集合，无人机不同的高度、覆盖半径和水平位置决定了不同的无人机服务用户集；
Figure SMS_161
表示载波频率；
Figure SMS_154
表示光速；
Figure SMS_157
表示无人机的高度；
Figure SMS_162
代表无人机i与用户j地面投影点之间的水平距离；
Figure SMS_164
是视距链路的概率；
Figure SMS_153
是视距链路的额外损耗；
Figure SMS_158
是非视距链路的额外损耗；
Figure SMS_163
是取决于环境的变量。信噪比SNR可以衡量通信信号的质量，为满足用户通信质量的要求，当SNR大于阈值
Figure SMS_165
时，无人机
Figure SMS_156
可为用户
Figure SMS_160
提供有效通信，SNR计算公式如下：
Figure SMS_166
(17)
Figure SMS_167
(18)
式(17)-(18)中，
Figure SMS_168
表示信噪比SNR，
Figure SMS_169
是无人机
Figure SMS_170
对用户
Figure SMS_171
的发射功率，
Figure SMS_172
是高斯白噪声功率。
3、构建应急通信车与无人机协同通信模型
为满足通信车与通信车、通信车与无人机之间组成信息网，应满足式(19）-式(21)的距离约束，
Figure SMS_173
(19)
Figure SMS_174
(20)
Figure SMS_175
(21)
式(19)-(21)中，
Figure SMS_176
为极端降雨发生后的时刻，
Figure SMS_183
为灾后的调度时段集合，
Figure SMS_187
表示应急通信车集合，应急通信车
Figure SMS_179
在
Figure SMS_182
时刻的笛卡尔二维坐标系为
Figure SMS_186
；无人机
Figure SMS_189
在
Figure SMS_178
时刻的在水平面投影的坐标系为
Figure SMS_181
；
Figure SMS_185
为无人机通信有效通信半径，
Figure SMS_188
为覆盖范围；
Figure SMS_177
为应急通信车的有效通信半径，
Figure SMS_180
为覆盖范围，一般情况下
Figure SMS_184
。
当用户同时处于应急通信车和无人机的覆盖范围内，用户只能选择其一进行接入，如下式：
Figure SMS_190
(22)
式(22)中，
Figure SMS_191
，表示
Figure SMS_192
时刻用户
Figure SMS_193
与应急通信资源
Figure SMS_194
的连接关系，应急通信资源
Figure SMS_195
包括无人机和应急通信车，用户接入应急通信资源时取1，反之取0。
由于应急通信资源有限，或应急资源由于通行时间较长，未能及时达到调度地点，灾中仍可能存在部分用户无法接入应急通信资源，N为受灾区域的用户总数，t’时刻未能接入应急通信资源的用户数量为
Figure SMS_196
，表示为：
Figure SMS_197
(6)
式(6)中，
Figure SMS_198
为受灾区域的用户总数。
应急通信资源
Figure SMS_199
接入的最大用户量应不超过其最大设备容量
Figure SMS_200
，如下式：
Figure SMS_201
(23)
应急通信资源
Figure SMS_202
提供接入通信设备的宽带需求总和应不超过其最大带宽容量
Figure SMS_203
，如下式：
Figure SMS_204
(24)
式(23)-(24)中，
Figure SMS_205
为
Figure SMS_206
时刻用户
Figure SMS_207
针对应急通信资源
Figure SMS_208
的带宽需求，
Figure SMS_209
为
Figure SMS_210
、
Figure SMS_211
的集合。
为满足用户的通信质量需求，应急通信车服务资源占用率
Figure SMS_212
需满足上限约束，如下式：
Figure SMS_213
(25)
式(25)中，
Figure SMS_214
表示服务资源占用率最大门限，
Figure SMS_215
为t’时刻应急通信车j服务资源占用率，计算方法如下：
Figure SMS_216
(26)
式(26)中，
Figure SMS_217
表示带宽占用系数，
Figure SMS_218
表示负载率系数，
Figure SMS_219
，
Figure SMS_220
和
Figure SMS_221
分别表示接入的通信设备占用带宽量和通信设备量，表示如下：
Figure SMS_222
(27)
Figure SMS_223
(28)
假设受灾区域内第
Figure SMS_224
个通信用户的平均通信带宽需求为
Figure SMS_225
，调度时间为
Figure SMS_226
，则灾中的总通信损失
Figure SMS_227
为：
Figure SMS_228
(29)
4、配电网网架预重构方法
除了对空地移动应急资源灾前预部署外，配电网网架还应预重构为一个受灾影响较小的状态，为灾后网架重构做准备。
电网预重构的约束为：
1）保证电网为辐射结构，如下式(30)-(33)：
Figure SMS_229
(30)
Figure SMS_230
(31)
Figure SMS_231
(32)
Figure SMS_232
(33)
式(30)-(33)中，
Figure SMS_242
，表示电力线路
Figure SMS_235
的开关在
Figure SMS_238
时刻闭合为1，断开为0；
Figure SMS_246
，表示节点
Figure SMS_250
在
Figure SMS_249
时刻是节点
Figure SMS_251
的父节点等于1，反之等于0；
Figure SMS_243
为电力线路集合；
Figure SMS_247
，表示节点
Figure SMS_233
在t时刻是节点
Figure SMS_239
的父节点等于1，反之等于0；
Figure SMS_236
为与
Figure SMS_240
节点相连接的节点集合；
Figure SMS_244
为电网首端节点；
Figure SMS_248
为电网首端的父节点；
Figure SMS_234
，表示母线
Figure SMS_237
的状态是如果电力线路
Figure SMS_241
的开关状态在
Figure SMS_245
时刻发生变化时为1，反之为0。
2）每条线路的开关状态最多可以改变一次，如下式(34)-(35)：
Figure SMS_252
(34)
Figure SMS_253
(35)
式(34)-(35)中，
Figure SMS_254
为
Figure SMS_255
时刻线路的开/断状态。
3）电网功率平衡约束和电网安全运行约束，如下式(36)-(40)：
Figure SMS_256
(36)
Figure SMS_257
(37)
Figure SMS_258
(38)
Figure SMS_259
(39)
Figure SMS_260
(40)
式(36)-(40)中，
Figure SMS_277
为节点
Figure SMS_281
在
Figure SMS_286
时刻注入的有功功率；
Figure SMS_262
为线路
Figure SMS_266
在
Figure SMS_269
时刻的有功潮流；
Figure SMS_273
为线路
Figure SMS_291
在
Figure SMS_294
时刻的有功潮流；
Figure SMS_296
为节点
Figure SMS_299
在
Figure SMS_293
时刻注入的无功功率；
Figure SMS_297
为线路
Figure SMS_300
在
Figure SMS_301
时刻的无功潮流；
Figure SMS_278
为线路
Figure SMS_283
在
Figure SMS_285
时刻的无功潮流；
Figure SMS_289
为线路
Figure SMS_261
的等值电阻；
Figure SMS_267
为电力线路
Figure SMS_270
在
Figure SMS_275
时刻的有功功率；
Figure SMS_263
为线路
Figure SMS_268
的等值电抗；
Figure SMS_271
为电力线路
Figure SMS_274
在
Figure SMS_279
时刻的无功功率；
Figure SMS_282
为极大值；
Figure SMS_287
为节点
Figure SMS_290
在
Figure SMS_272
时刻的电压；
Figure SMS_276
为节点
Figure SMS_280
在
Figure SMS_284
时刻的电压；
Figure SMS_288
为线路
Figure SMS_292
的功率上限；
Figure SMS_295
为节点
Figure SMS_298
的电压上限，
Figure SMS_264
为节点
Figure SMS_265
的电压下限。
二、空地应急资源的灾中应急联动调度
极端降雨袭击后，需要从停靠站派遣应急电源车进行紧急供电，派遣应急通信车与无人机构架临时通信网络，移动应急资源有多条路线可以选择，所选路径通行时间过长会导致应急电源车无法及时连接到电网节点，延迟负荷的供电恢复速度，通过优化交通系统运行改善交通流量分配有助于减少移动应急资源的通行时间。此外，降雨期间的道路洪水会大大降低道路通行能力，甚至导致交通中断，应及时派遣应急排水车清理道路积水。
灾中应急联动调度的目标是在电网断线、道路受淹不确定性的最坏场景下最小化电力负荷削减与通信带宽资源缺额量，该目标函数如下式(5)：
Figure SMS_302
(5)
式(5)中，y为一阶段空地应急资源预部署决策变量，z为二阶段空地应急资源调度决策变量，
Figure SMS_304
为电网节点集合，
Figure SMS_306
为电网节点i负荷的权重，
Figure SMS_308
为电网节点
Figure SMS_305
在
Figure SMS_307
时刻的负荷削减，
Figure SMS_309
为不确定变量，
Figure SMS_310
为表示电力线路断线、道路受淹不确定性的多面体不确定集，
Figure SMS_303
的表达式如下：
Figure SMS_311
(41)
式(41)中，
Figure SMS_314
为辅助变量，如果电力线路
Figure SMS_318
在降雨期间被损坏，则取1，反取0；
Figure SMS_321
，如果电力线路
Figure SMS_315
在
Figure SMS_317
时刻断线取0，如果线路
Figure SMS_320
时刻处于正常工作状态取1，并且假设所有电力线路在极端降雨灾害发生前都处于正常状态；
Figure SMS_322
，如果道路
Figure SMS_313
在降雨期间被发生洪涝取1，反之取0；
Figure SMS_316
表示道路发生洪涝的不确定性保守度，用于两阶段鲁棒优化模型在鲁棒性和保守性之间的权衡；
Figure SMS_319
为抢修队修复电力线路
Figure SMS_323
的时间，
Figure SMS_312
表示电力线路断线的不确定性保守度。
应急电源车、应急通信车、应急排水车、无人机路径规划与调度的约束包括：
1）移动应急资源在交通网洪涝状态下的通行时间，如下式；
Figure SMS_324
(42)
Figure SMS_325
(43)
Figure SMS_326
(44)
2）表示应急资源灾前应预先部署于停靠站，否则不能从停靠站调度到其他节点，如下式；
Figure SMS_327
(45)
3）极端降雨后应调度预部署于停靠站的应急资源到其他节点进行应急抢修工作，如下式；
Figure SMS_328
(46)
4）应急排水车从停靠站到达交通节点的时间以及无人机、应急通信车从停靠站到达通信节点的时间均为调度决策时间与通行时间之和，如下式：
Figure SMS_329
(47)
5）应急电源车一旦安装到电网节点，则后续时间一直为该节点供电，如下式：
Figure SMS_330
(48)
6）应急通信车与无人机一旦部署到通信节点，则后续时间一直在该节点提供通信服务，如下式：
Figure SMS_331
(49)
7）应急排水车一旦到达洪涝道路，则后续时间一直在该道路排涝，如下式：
Figure SMS_332
(50)
8）应急电源车从停靠站到电网节点并安装到电网节点所需时间为通行时间与安装时间之和，如下式：
Figure SMS_333
(51)
9）应急电源车容量到电网节点不能超过电网的容量上限，如下式：
Figure SMS_334
(52)
10）应急电源车有功、无功功率不能超出运行限制，如下式：
Figure SMS_335
(53)
式(42)-(53)中，
Figure SMS_367
为道路
Figure SMS_371
在
Figure SMS_375
时刻的通行时间，
Figure SMS_378
为道路集合；
Figure SMS_383
为虚拟道路，
Figure SMS_387
易涝道路，
Figure SMS_391
为道路
Figure SMS_338
在
Figure SMS_340
时刻的淹没深度，
Figure SMS_345
为
Figure SMS_348
或
Figure SMS_352
或
Figure SMS_354
或
Figure SMS_359
，
Figure SMS_363
为应急电源车集合，
Figure SMS_365
为应急排水车集合；
Figure SMS_370
为
Figure SMS_374
或
Figure SMS_377
，
Figure SMS_380
为应急电源车能够连接的电网节点集合，
Figure SMS_385
为交通网易受涝道路，
Figure SMS_388
为交通网的所有节点集合；
Figure SMS_393
为连接节点
Figure SMS_395
与节点
Figure SMS_398
的路径集合；
Figure SMS_401
，如果应急资源在
Figure SMS_402
时刻从节点
Figure SMS_403
通过路径
Figure SMS_404
到节点
Figure SMS_405
为1，反之为0；
Figure SMS_406
是应急资源
Figure SMS_373
从停靠站
Figure SMS_376
通过路径
Figure SMS_381
到节点j的行驶时间；
Figure SMS_384
是位于
Figure SMS_389
中可连接应急电源车的节点，
Figure SMS_394
，当应急电源车
Figure SMS_397
在
Figure SMS_400
时刻到达节点
Figure SMS_337
时取1，反之取0；
Figure SMS_342
为
Figure SMS_347
或
Figure SMS_350
或
Figure SMS_357
；
Figure SMS_362
，如果应急电源车
Figure SMS_366
在
Figure SMS_369
时刻连接到节点
Figure SMS_339
时取1，反之取0；
Figure SMS_343
是节点
Figure SMS_346
能够连接应急电源车的最大容量；
Figure SMS_351
为灾后的时间，
Figure SMS_356
，当应急资源
Figure SMS_360
在
Figure SMS_364
时刻到达节点
Figure SMS_368
时取1，反之取0；
Figure SMS_372
，当应急排水车
Figure SMS_379
时刻位于节点
Figure SMS_382
处为1，反之为0；
Figure SMS_386
表示将应急电源车连接到电网所需的时间；
Figure SMS_390
是应急电源车
Figure SMS_392
的最大输出有功功率，
Figure SMS_396
为应急电源车
Figure SMS_399
的最大输出无功功率，
Figure SMS_336
为连接到电网节点
Figure SMS_341
的应急电源车
Figure SMS_344
在
Figure SMS_349
时刻的有功功率，
Figure SMS_353
为连接到电网节点
Figure SMS_355
的应急电源车
Figure SMS_358
在
Figure SMS_361
时刻的无功功率。
步骤S4，构建极端降雨灾害下空地应急资源的多层规划模型，该多层规划模型上层主问题为空地应急资源容量及数量配置决策，中层子问题为两阶段鲁棒模型的一阶段主问题，下层子问题为两阶段鲁棒模型的二阶段子问题。
1、空地应急资源的多层规划模型的目标函数
多层规划模型的上层以空地应急资源的数量与容量为决策变量，在保障电网供电需求、用户通信需求、交通网排涝需求的前提下，使应急资源全寿命周期内成本最小，建立空地应急资源的多层规划模型目标函数，如下：
Figure SMS_407
(7)
式(16)中，
Figure SMS_408
表示应急电源车配置成本；
Figure SMS_409
表示应急通信车与无人机配置成本，
Figure SMS_410
表示应急排水车配置成本。
1）应急电源车配置成本
应急电源车配置成本
Figure SMS_411
由发电成本
Figure SMS_412
、维护成本
Figure SMS_413
和新增应急电源车成本
Figure SMS_414
构成，表示如下：
Figure SMS_415
(54)
发电成本
Figure SMS_416
为应急电源车向电网供电所需的燃料成本，表示如下：
Figure SMS_417
(55)
式(54)-(55)中，
Figure SMS_418
表示平均每年发生极端降雨灾害导致停电的次数；
Figure SMS_419
表示应急电源车的寿命年限，
Figure SMS_420
表示应急电源车容量的种类数，
Figure SMS_421
表示应急电源车单位发电量的平均燃料成本，
Figure SMS_422
表示第k种功率应急电源车的数量，
Figure SMS_423
表示第k种应急电源车的发电功率，
Figure SMS_424
表示平均停电时间。
维护成本
Figure SMS_425
为应急电源车日常维护产生的费用，表示如下：
Figure SMS_426
(56)
式(56)中，
Figure SMS_427
表示第
Figure SMS_428
种容量电源车的年平均维护费用。
新增成本
Figure SMS_429
为新购入应急电源车的购置成本与折旧成本，表示如下：
Figure SMS_430
(57)
式(57)中，
Figure SMS_431
和
Figure SMS_432
分别为第
Figure SMS_433
种应急电源车的购置费用和折旧成本。
2）应急通信车与无人机配置成本
无人机配置成本
Figure SMS_434
由应急通信成本
Figure SMS_435
、维护成本
Figure SMS_436
和新增成本
Figure SMS_437
构成，表示如下：
Figure SMS_438
(58)
应急通信成本
Figure SMS_439
为无人机提供通信带宽资源的用电成本，表示如下：
Figure SMS_440
(59)
式(58)-(59)中，
Figure SMS_441
表示无人机的寿命年限，
Figure SMS_442
表示无人机提供带宽资源容量的种类数，
Figure SMS_443
表示无人机提供单位带宽资源的用电成本，
Figure SMS_444
表示第
Figure SMS_445
种无人机的数量，
Figure SMS_446
表示第
Figure SMS_447
种无人机提供的带宽资源。
维护成本
Figure SMS_448
为无人机日常维护产生的费用，表示如下：
Figure SMS_449
(60)
式(60)中，
Figure SMS_450
表示第
Figure SMS_451
种无人机的年平均维护费用。
新增成本
Figure SMS_452
为新购入无人机的购置成本与折旧成本，表示如下：
Figure SMS_453
(61)
式(61)中，
Figure SMS_454
和
Figure SMS_455
分别为第
Figure SMS_456
种无人机的购置费用和折旧成本。同理可推导应急通信车配置成本，不再赘述。
3）应急排水车配置成本
应急排水车成本
Figure SMS_457
由应急排水成本
Figure SMS_458
、维护成本
Figure SMS_459
和新增成本
Figure SMS_460
构成，表示如下：
Figure SMS_461
(62)
应急排水成本
Figure SMS_462
包括应急排水车的灾中排涝成本，表示如下：
Figure SMS_463
(63)
式(63)中，
Figure SMS_464
表示应急排水车的寿命年限，
Figure SMS_465
表示应急排水车的种类数，
Figure SMS_466
表示应急排水车单位排水量所需的燃料成本，
Figure SMS_467
表示第
Figure SMS_468
种排水功率应急排水车的数量，
Figure SMS_469
表示第
Figure SMS_470
种应急排水车单位时间的排水量。
维护成本
Figure SMS_471
为应急排水日常维护产生的费用，表示如下：
Figure SMS_472
(64)
式(64)中，
Figure SMS_473
表示第
Figure SMS_474
种容量应急排水车的年平均维护费用。
新增成本
Figure SMS_475
为新购入应急排水车的购置成本与折旧成本，表示如下：
Figure SMS_476
(65)
式(65)中，
Figure SMS_477
和
Figure SMS_478
分别为第
Figure SMS_479
种应急排水车的购置费用和折旧成本。
2、空地应急资源的多层规划模型的约束条件
多层规划模型上层的约束为应急资源配置成本上、下限约束和应急资源数量上限约束，其中：
1）应急资源配置成本上、下限约束：应急资源的配置应不超过配置成本上、下限，如下式：
Figure SMS_480
(8)
式(8)中，
Figure SMS_481
是应急电源车配置成本上限，
Figure SMS_482
是应急通信车与无人机的配置成本上限，
Figure SMS_483
是应急排水车配置成本上限，
Figure SMS_484
是应急资源配置总成本上限。
2）应急资源数量上限约束：应急资源中心配置的应急资源数量不能超过其对应种类应急资源的最大存放数量，如下式：
Figure SMS_485
(9)
式(9)中，
Figure SMS_488
表示第
Figure SMS_490
类第
Figure SMS_491
容量应急资源的数量，
Figure SMS_487
表示应急资源中心允许存放的应急资源
Figure SMS_489
的最大数量，
Figure SMS_492
表示应急资源
Figure SMS_493
不同容量的种类数，
Figure SMS_486
是应急资源集合。
步骤S5，通过分段线性近似与多面体近似对多层规划模型进行线性化，以Benders分解与Nested C&CG结合的算法进行多层规划模型求解，得到极端降雨下不同类型空地应急资源的容量与数量。
1、多层规划模型线性化
在本领域中，分段线性近似方法较常见，例如：假设非线性约束为
Figure SMS_494
，边界
Figure SMS_495
均匀划分成N等份，如
Figure SMS_496
，非线性曲线在每个区间内近似地用一条直线代替。通过引入辅助变量
Figure SMS_497
赋值给
Figure SMS_498
赋值给分段
Figure SMS_499
，约束
Figure SMS_500
可转化为：
Figure SMS_501
（66）
式（4）中
Figure SMS_502
是
Figure SMS_503
的单变量非线性变量，本发明即参照该分段线性近似方法对式（4）进行线性化，得到：
Figure SMS_504
（67）
式（39）为多层规划模型的二次约束，本发明对二次约束采用多面体近似进行线性化，二次约束的可行域可用圆形区域表示，在圆上内多边形对圆形可行域进行线性化，假设多线性区域以线段
Figure SMS_505
为界，
Figure SMS_506
与
Figure SMS_507
为线段
Figure SMS_508
的斜率和截距，将具有y轴正截距的线段集合定义为A+，将具有y轴负截距的集合定义为A−，则本发明中式（39）被线性化为：
Figure SMS_509
（68）
式(68)中，
Figure SMS_510
为电力线路
Figure SMS_511
的容量。
空地应急资源的多层优化规划模型通过上述的线性化方法转化为易求解的混合整数线性规划模型，如下式：
Figure SMS_512
（69）
式(69)中，
Figure SMS_513
为上层决策变量；
Figure SMS_520
为中下层两阶段鲁棒模型第一阶段的决策变量；
Figure SMS_521
为中下层两阶段鲁棒模型第二阶段的决策变量；
Figure SMS_516
为上层目标函数关于决策变量
Figure SMS_519
的系数矩阵；
Figure SMS_522
为下层目标函数关于决策变量w的系数矩阵；
Figure SMS_524
为上层决策变量
Figure SMS_514
的等式约束的系数矩阵；
Figure SMS_518
为上层决策变量
Figure SMS_523
的不等式约束的系数矩阵；
Figure SMS_525
为决策变量
Figure SMS_515
独立约束的系数矩阵；
Figure SMS_517
中下层决策变量耦合约束的系数矩阵。
2、多层规划模型求解
多层规划模型的上层（优化配置决策层）向中层（应急资源灾前预部署层）添加应急资源数量和容量约束，中下层采用Nested C&CG算法求解得到应急资源灾中应急联动调度最差场景下的灾前预部署策略，求解结果向上层添加Benders割，以此迭代求解得到应急资源最优配置方案，即极端降雨下不同类型空地应急资源的容量与数量。
将本发明所涉考虑电力-通信-交通网络耦合的空地应急资源规划方法用于某地区的电力、通信、交通网络空地应急资源规划中，按照图1所示流程在Python中编程实现，其中仿真算例的电网与交通网拓扑如图2所示。
使用本发明所涉方法得到的极端降雨下不同类型空地应急资源配置结果如表1所示。
Figure SMS_526
另外，使用本发明所涉方法得到的极端降雨下不同类型空地应急资源灾前预部署结果如表2所示。
Figure SMS_527
最后，得到暴雨下电力-通信-交通耦合网络空地应急资源协同支撑下配电网电力负荷恢复情况如图3所示。从图3中可以看出，暴雨降临后，在空地应急资源协同支撑下配电网负荷削减快速减小，负荷恢复比例大幅度上升，第10个调度时刻配电网负荷基本完全恢复。因此，提前进行空地应急资源预部署有利于加快配电网恢复速度，减少配电网负荷削减。
上述实施例为本发明较佳的实现方案，除此之外，本发明还可以其它方式实现，在不脱离本技术方案构思的前提下任何显而易见的替换均在本发明的保护范围之内。
为了让本领域普通技术人员更方便地理解本发明相对于现有技术的改进之处，本发明的一些附图和描述已经被简化，并且为了清楚起见，本申请文件还省略了一些其他元素，本领域普通技术人员应该意识到这些省略的元素也可构成本发明的内容。

Claims (7)

1.考虑电力-通信-交通网络耦合的空地应急资源规划方法，其特征在于，包括：
步骤S1
先建立强降雨下表征排水管网内水力状态的一维圣维南方程及表征地表径流的二维浅水方程，形成一维-二维耦合水动力模型，其方程组为：
Figure QLYQS_1
(1)
式中，
Figure QLYQS_2
为时间，
Figure QLYQS_3
是排水管道流量，
Figure QLYQS_4
为排水管道横截面积，
Figure QLYQS_5
为降雨强度，
Figure QLYQS_6
分别表示守恒向量、
Figure QLYQS_7
方向的通量向量、
Figure QLYQS_8
方向的通量向量、源项向量，如下式：
Figure QLYQS_9
(2)
式中，
Figure QLYQS_12
表示水面的水位，
Figure QLYQS_13
分别表示水流在x方向的流速、
Figure QLYQS_16
方向的流速，
Figure QLYQS_11
表示水深，
Figure QLYQS_14
为重力加速度，
Figure QLYQS_17
表示地面绝对高程，
Figure QLYQS_18
表示溢流源项，
Figure QLYQS_10
表示地面摩阻源项，
Figure QLYQS_15
表示地表坡度源项；
再采用Preissmann四点隐式格式与Godunov格式的有限体积法联合并行求解所述一维-二维耦合水动力模型，得到交通网道路淹没深度时空分布，通过判断淹没深度及范围识别出易涝道路；
步骤S2，推导交通网洪涝状态下道路淹没水深与应急资源通行时间的关系式；
道路淹没深度
Figure QLYQS_19
与通行速度
Figure QLYQS_20
的关系式，如下：
Figure QLYQS_21
(3)
式中，
Figure QLYQS_22
为道路设定的通行速度，
Figure QLYQS_23
为造成交通中断的临界深度的中值；
Figure QLYQS_24
为弹性衰减系数；
再确定长度为
Figure QLYQS_25
的受淹的道路
Figure QLYQS_26
的通行时间
Figure QLYQS_27
，表示为：
Figure QLYQS_28
(4)
式中，
Figure QLYQS_29
表示在道路
Figure QLYQS_30
不受涝时应急资源的自由通行时间，即
Figure QLYQS_31
，
Figure QLYQS_32
为道路
Figure QLYQS_33
的淹没深度；
步骤S3，构建电网断线和道路受淹不确定性下电力-通信-交通耦合网络空地应急资源灾前预部署的两阶段鲁棒优化模型，所述两阶段鲁棒模型中一阶段主问题为决定空地应急资源的最优预部署位置及电网预重构方案，二阶段子问题为空地应急资源的灾中应急联动调度；
步骤S4，构建极端降雨灾害下空地应急资源的多层规划模型，所述多层规划模型上层主问题为空地应急资源容量及数量配置决策，中层子问题为两阶段鲁棒模型的一阶段主问题，下层子问题为两阶段鲁棒模型的二阶段子问题；
步骤S5，将步骤S4所构建的多层优化配置模型线性化，而后进行求解，得到极端降雨下不同类型空地应急资源的容量与数量。
2.根据权利要求1所述的考虑电力-通信-交通网络耦合的空地应急资源规划方法，其特征在于：
一、所述两阶段鲁棒模型一阶段空地应急资源最优预部署位置的约束包括：
1）应急资源从其应急资源中心预部署到停靠站，所需时间等于所选路径的通行时间；
2）每个应急资源只能部署在一个停靠站；
3）应急资源应在极端降雨发生前预先部署在停靠站；
4）预部署的应急资源总数不能超过停靠站的最大允许部署的数量；
5）预部署的应急资源不能超过应急资源配置的数量；
二、所述两阶段鲁棒模型一阶段电网预重构的约束包括：
1）保证重构后的电网为辐射状结构；
2）每条线路的开关状态最多可以改变一次；
3）电网功率平衡约束；
4）电网安全运行约束；
三、所述两阶段鲁棒模型二阶段灾中应急联动调度的目标为在电网断线、道路受淹不确定性的最坏场景下最小化电力负荷削减与通信带宽资源缺额量，该目标函数为：
Figure QLYQS_34
(5)
式中，
Figure QLYQS_43
为一阶段空地应急资源预部署决策变量，
Figure QLYQS_36
为二阶段空地应急资源调度决策变量，
Figure QLYQS_39
为不确定变量，
Figure QLYQS_46
为表示电力线路断线、道路受淹不确定性的多面体不确定集，
Figure QLYQS_51
为电网节点集合，
Figure QLYQS_47
为电网节点
Figure QLYQS_50
负荷的权重，
Figure QLYQS_45
为极端降雨发生后的时刻，
Figure QLYQS_48
为灾后的调度时段集合，
Figure QLYQS_38
为电网节点
Figure QLYQS_41
在
Figure QLYQS_37
时刻的负荷削减，
Figure QLYQS_42
为调度时间，
Figure QLYQS_44
为通信用户集合，
Figure QLYQS_49
为受灾区域内第j个通信用户的平均通信带宽需求，
Figure QLYQS_35
为
Figure QLYQS_40
时刻未能接入应急通信资源的用户数量，所述应急通信资源为应急通信车和带有通信基站的无人机；
四、所述两阶段鲁棒模型二阶段灾中应急联动调度的约束包括：
1）应急资源在交通网洪涝状态下的通行时间约束；
2）应急资源灾前应预先部署于停靠站，否则不能从停靠站调度到其他节点；
3）极端降雨后应调度预部署于停靠站的应急资源到其他节点进行应急抢修工作；
4）应急排水车从停靠站到达交通节点的时间以及无人机、应急通信车从停靠站到达通信节点的时间均为调度决策时间与通行时间之和；
5）应急电源车一旦安装到电网节点，则后续时间一直为该节点供电；
6）应急通信车与无人机一旦部署到通信节点，则后续时间一直在该节点提供通信服务；
7）应急排水车一旦到达洪涝道路，则后续时间一直在该道路排涝；
8）应急电源车从停靠站到电网节点并安装到电网节点所需时间为通行时间与安装时间之和；
9）连接到每个电网节点的应急电源车容量不能超过该电网节点连接应急电源车容量的上限；
10）应急电源车有功功率和无功功率不能超出运行限制。
3.根据权利要求2所述的考虑电力-通信-交通网络耦合的空地应急资源规划方法，其特征在于：所述两阶段鲁棒模型的目标函数中
Figure QLYQS_52
的计算公式为：
Figure QLYQS_53
(6)
式中，
Figure QLYQS_54
为受灾区域的用户总数，
Figure QLYQS_55
为无人机集合，
Figure QLYQS_56
为应急通信车集合，
Figure QLYQS_57
，表示
Figure QLYQS_58
时刻用户
Figure QLYQS_59
与应急通信资源
Figure QLYQS_60
的连接关系，用户接入应急通信资源时取1，反之取0；当用户同时处于应急通信车和无人机的覆盖范围内，用户只能选择其一进行接入。
4.根据权利要求3所述的考虑电力-通信-交通网络耦合的空地应急资源规划方法，其特征在于：
所述多层规划模型的上层以空地应急资源的数量与容量为决策变量，以空地应急资源总配置成本最小化为目标，该目标函数为：
Figure QLYQS_61
(7)
式中，
Figure QLYQS_62
表示应急电源车配置成本；
Figure QLYQS_63
表示应急通信车与无人机配置成本，
Figure QLYQS_64
表示应急排水车配置成本；
所述多层规划模型上层的约束为应急资源配置成本上限约束和应急资源数量上限约束，其中：
1）所述应急资源配置成本上限约束为应急资源的配置应不超过配置成本上限，如下式：
Figure QLYQS_65
(8)
式中，
Figure QLYQS_66
是应急电源车配置成本上限，
Figure QLYQS_67
是应急通信车与无人机的配置成本上限，
Figure QLYQS_68
是应急排水车配置成本上限，
Figure QLYQS_69
是应急资源配置总成本上限；
2）所述应急资源数量上限约束为各应急资源中心配置的应急资源数量不能超过其对应种类应急资源的最大存放数量，如下式：
Figure QLYQS_70
(9)
式中，
Figure QLYQS_72
表示第
Figure QLYQS_74
类第
Figure QLYQS_76
容量应急资源的数量，
Figure QLYQS_71
表示应急资源中心允许存放的应急资源
Figure QLYQS_75
的最大数量，
Figure QLYQS_77
表示应急资源
Figure QLYQS_78
不同容量的种类数，
Figure QLYQS_73
是应急资源集合。
5.根据权利要求4所述的考虑电力-通信-交通网络耦合的空地应急资源规划方法，其特征在于：
1）所述应急电源车配置成本
Figure QLYQS_79
包括发电成本
Figure QLYQS_80
、维护成本
Figure QLYQS_81
和新增成本
Figure QLYQS_82
；其中，所述发电成本
Figure QLYQS_83
为应急电源车向电网供电所需的燃料成本；维护成本
Figure QLYQS_84
为应急电源车日常维护产生的费用；新增成本
Figure QLYQS_85
为新购入应急电源车的购置成本与折旧成本；
2）所述应急通信车与无人机配置成本
Figure QLYQS_86
包括应急通信成本
Figure QLYQS_87
、维护成本
Figure QLYQS_88
和新增成本
Figure QLYQS_89
；其中，应急通信成本
Figure QLYQS_90
为应急通信车与无人机提供通信带宽资源的用电成本；维护成本
Figure QLYQS_91
为应急通信车与无人机日常维护产生的费用；新增成本
Figure QLYQS_92
为新购入应急通信车与无人机的购置成本和折旧成本；
3）所述应急排水车配置成本
Figure QLYQS_93
包括应急排水成本
Figure QLYQS_94
、维护成本
Figure QLYQS_95
和新增成本
Figure QLYQS_96
；其中，应急排水成本
Figure QLYQS_97
包括应急排水车的灾中排涝成本；维护成本
Figure QLYQS_98
为应急排水日常维护产生的费用；新增成本
Figure QLYQS_99
为新购入应急排水车的购置成本与折旧成本。
6.根据权利要求5所述的考虑电力-通信-交通网络耦合的空地应急资源规划方法，其特征在于：步骤S5中，通过分段线性近似与多面体近似对所述多层规划模型进行线性化。
7.根据权利要求6所述的考虑电力-通信-交通网络耦合的空地应急资源规划方法，其特征在于：步骤S5中，对线性化后的多层规划模型求解时：
先由多层规划模型的上层向中层添加空地应急资源数量与容量约束，再采用NestedC&CG算法对中、下层的两阶段鲁棒优化模型进行求解，得到空地应急资源灾中应急联动调度最差场景下的灾前预部署策略，接着将求解结果向上层添加Benders割，以此迭代求解得到应急资源最优配置方案，即极端降雨下不同类型空地应急资源的容量与数量。
CN202310374511.9A 2023-04-10 2023-04-10 考虑电力-通信-交通网络耦合的空地应急资源规划方法 Active CN116090677B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310374511.9A CN116090677B (zh) 2023-04-10 2023-04-10 考虑电力-通信-交通网络耦合的空地应急资源规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310374511.9A CN116090677B (zh) 2023-04-10 2023-04-10 考虑电力-通信-交通网络耦合的空地应急资源规划方法

Publications (2)

Publication Number Publication Date
CN116090677A CN116090677A (zh) 2023-05-09
CN116090677B true CN116090677B (zh) 2023-06-20

Family

ID=86199532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310374511.9A Active CN116090677B (zh) 2023-04-10 2023-04-10 考虑电力-通信-交通网络耦合的空地应急资源规划方法

Country Status (1)

Country Link
CN (1) CN116090677B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116720358B (zh) * 2023-06-09 2024-02-02 上海交通大学 面向配电-交通系统韧性多阶段提升的资源优化配置方法
CN117114428B (zh) * 2023-10-25 2024-01-30 国网山西省电力公司电力科学研究院 一种电力设备气象灾害分析预警方法
CN118396333B (zh) * 2024-06-17 2024-10-18 湖南大学 应对暴雨内涝灾害的配电网与排水网拓扑协同重构方法
CN118412869B (zh) * 2024-07-03 2024-10-22 武汉理工大学 一种考虑移动电源车和无人机协同的配网恢复方法及系统
CN118523315B (zh) * 2024-07-18 2024-10-18 湖南大学 应对暴雨灾害的多能源网络多尺度渐进式紧急协同控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114004550A (zh) * 2022-01-04 2022-02-01 山东大学 自然灾害下电网应急抢修与恢复调度协同决策方法及系统
CN114240119A (zh) * 2021-12-10 2022-03-25 浙江水利水电学院 基于数字孪生的国土空间全域全要素防洪防涝系统及预警方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103700054B (zh) * 2013-12-10 2017-08-25 中国地质大学武汉 一种突发地质灾害应急预案数字化系统
US20170161614A1 (en) * 2015-12-07 2017-06-08 Rapidsos, Inc. Systems and methods for predicting emergency situations
CA3096212A1 (en) * 2018-04-06 2019-10-10 MosSmith Industries, Inc. Emergency response system
CN115358650B (zh) * 2022-10-24 2023-01-10 珠江水利委员会珠江水利科学研究院 一种洪涝灾害应急避险与物资实时调配方法
CN115829285A (zh) * 2022-12-19 2023-03-21 郑州轻工业大学 城市配电网与交通系统灾后协同抢修调度方法
CN115879326B (zh) * 2023-02-23 2023-05-12 湖南大学 考虑暴雨时空分异的配电网与流域网应急联动决策方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114240119A (zh) * 2021-12-10 2022-03-25 浙江水利水电学院 基于数字孪生的国土空间全域全要素防洪防涝系统及预警方法
CN114004550A (zh) * 2022-01-04 2022-02-01 山东大学 自然灾害下电网应急抢修与恢复调度协同决策方法及系统

Also Published As

Publication number Publication date
CN116090677A (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
CN116090677B (zh) 考虑电力-通信-交通网络耦合的空地应急资源规划方法
CN112187518B (zh) 智能融合终端台区拓扑识别方法及系统
CN102404752B (zh) 一种gsm网络的频率规划方法
US20180262005A1 (en) Demand response in a renewable energy-based grid infrastructure
CN105282757B (zh) 一种网络结构最优的多运营商无线网协同规划系统及规划方法
CN101483567A (zh) 一种基于无线通信和光通信的高压输电线路监测方法
Mojumder et al. Prospects and challenges of renewable energy-based microgrid system in Bangladesh: a comprehensive review
CN106503839A (zh) 一种海上风电场环形集电网络分层规划方法
CN110198031A (zh) 电动汽车充电站与5g通信基站协同规划方法
CN111105170B (zh) 水资源仿真配置计算方法及水资源的配置方法
CN111582512B (zh) 一种配电网韧性恢复方法及计算机可读存储介质
CN106849055A (zh) 一种基于数据分析的配电网抢修驻点优化方法
Saarnisaari et al. Wireless terrestrial backhaul for 6G remote access: Challenges and low power solutions
CN106296466A (zh) 一种基于可靠性的馈线系统规划方法
ElMaamoun et al. Mass wind deployment in Egypt: the transformative energy hub among three continents
Peralta Planning of FiWi networks to support communications infrastructure of SG and SC
CN114697222B (zh) 一种基于空天地融合网络的可生存性虚拟网络映射算法
Velayudhan et al. Delay and Energy Efficient Offloading Strategies for an IoT Integrated Water Distribution System in Smart Cities
CN113609752A (zh) 一种面向西南涡的配电变压器损失评估系统及方法
CN103023136A (zh) 电力信息通信优化骨干传输网系统
CN118412869B (zh) 一种考虑移动电源车和无人机协同的配网恢复方法及系统
Einali et al. Prioritize Renewable Energy Resources in Main Iranian Ports Area Using AHP Method
CN118446500B (zh) 提升配网韧性的移动电源车和无人机联合配置方法及系统
Kouh Daragh A heterogeneous communications network for smart grid by using the cost functions
Souto et al. Enhancing Resilience of Active

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant