一种基于时间耦合的多目标分布式鲁棒概率约束框架：利用移动应急发电机增强电网弹性

为何灾后保持供电至关重要

当一场强风暴或协调攻击使国家电网瘫痪时，整个地区可能在数小时甚至数天内断电。医院启用后备电源，交通信号失灵，企业停摆。本文探讨了一种更智能的方式来使用移动应急发电机——装在车上的发电厂——以在道路受阻且损毁不确定的情况下更快、更可靠地恢复供电。研究侧重于与印度某些易灾地区类似的情形，但对任何面临极端天气或其他大规模威胁的地区均有参考价值。

把发电厂运到需要的地方

公用事业公司除了依赖固定的备用发电机外，还可以调度安装在卡车上的移动应急发电机（MEG）。这些装置可驱车前往受损的变电站或关键建筑并并网以恢复局部供电。挑战在于 MEG 数量有限、需要燃料并且需训练有素的队伍来移动和操作。台风或洪水后，道路可能被阻断、行程时间不确定且随着局势演变可能出现新的破坏。作者认为，将 MEG 的使用简单地视为一次性放置问题会忽视这些现实，从而导致看上去完美但在现场无法实施的计划。

在深度不确定性下的前瞻性规划

本研究提出了一个规划框架，覆盖整个 12 小时恢复窗口，以半小时为步长进行决策。它决定每台 MEG 的起始位置、何时移动、应产生多少功率、何时加油以及由哪个工作队负责。与此同时，模型遵循电力在受损电网中的流动物理规律，以确保每个拟定的调度在实际中都是可行的。模型处理不确定性的关键特征是：不假定单一的损毁情景，而是基于历史数据构建一个保护性“包络”，确保计划对一整类合理的未来情形都有效，而不仅仅是对显式模拟的那些情形。

在成本与弹性之间寻找平衡，而非非此即彼

任何现实中的公用事业公司都必须在燃料、队伍时间和发电机使用成本与让用户断电所带来的社会经济代价之间权衡。因此作者把规划视为一个双目标问题：最小化运维成本和最小化“未供电能量”（即随时间未满足的电力需求量）。借助进化搜索算法，该框架生成了一条平滑的“选项菜单”——即帕累托前沿，展示例如每多花一卢比可获得多少额外的弹性。在一个有 118 个母线和 16 台 MEG 的大型测试系统中，从完全以成本为中心的方案转向更注重弹性的方案，成本大约上升 10%，但预期未供电能量约减半，从 92 兆瓦时降至 42 兆瓦时。

模拟揭示的智能机动性价值

在标准基准网络上的测试表明，显式建模 MEG 的移动、班次和加油在时间维度上的安排是值得的。与将 MEG 固定不动或忽视道路状况与攻击严重性不确定性的更僵化方法相比，新方法在相近预算下将预期未供电能量减少了 14–20%。在模拟灾害中，MEG 首先被派往孤立的断电区以恢复局部电岛，然后逐步重新调往能够帮助重连更大范围的中心变电站。每台 MEG 平均大约半小时的行程延迟被更快的整体恢复速度所弥补，因为该计划提前数小时预判了发电机最有价值的位置。

对灾备电网的启示

对于非专业人士，核心信息是：机动性加上智能的、风险感知的规划，可以在不显著提高成本的情况下使电网在重大冲击后更快恢复。与将备用发电机固定放置并抱有侥幸心理不同，公用事业公司可以使用类似工具预先计算行动手册：详细的 12 小时调度，说明把每台移动发电机送到何处、何时加油以及优先服务哪些社区。由于该方法旨在应对有关损毁和通行条件的不完全信息，它为希望在更强风暴、高温浪潮和潜在网络物理攻击时代增强电力系统韧性的国家提供了可操作的蓝图。

引用: Ashokaraju, D., Ramamoorthy, M.L., Simon, D. et al. A time-coupled multi-objective distributionally robust chance-constrained framework for grid resilience enhancement using mobile emergency generators. Sci Rep 16, 6204 (2026). https://doi.org/10.1038/s41598-026-37197-4

关键词: 电网弹性, 移动应急发电机, 灾后恢复, 电力系统规划, 优化