陆拾贰號1. 项目概述
这篇博客将详细解析一篇发表在SCI一区的论文《基于配电网韧性提升的应急移动电源预配置和动态调度》的下半部分内容，重点介绍MPS（Mobile Power Sources，移动电源）动态调度的Matlab实现方法。作为电力系统韧性研究领域的重要课题，MPS调度在应对极端天气事件导致的配电网故障中发挥着关键作用。
移动电源包括电动汽车车队（EVs）、车载移动储能系统（MESSs）和移动应急发电机（MEGs），它们具有灵活部署、快速响应等特点。在灾害发生后，如何高效调度这些资源，协调传统恢复手段，是提升配电网韧性的核心问题。本文将带你深入理解论文中的数学模型，并展示如何用Matlab实现这一复杂调度系统。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心问题与建模思路
2.1 问题背景与挑战
配电网作为电力传输的末端环节，在台风、暴雨等极端天气下极易受损。传统恢复手段如人工巡检、固定式备用电源等存在响应慢、覆盖有限等问题。MPS因其机动性成为理想解决方案，但其调度面临三大挑战：
- 时空耦合性：MPS需要在正确的时间到达正确的位置，同时考虑运输时间与电力恢复需求的匹配
- 多资源协调：不同类型MPS（EV、MESS、MEG）特性各异，需协同优化
- 系统复杂性：需同时考虑道路网络状态和电力网络拓扑的相互影响
2.2 两阶段优化框架
论文提出了灾前预置和灾后动态调度的两阶段框架：
- 灾前预置阶段：基于预测的灾害情景，预先部署MPS到关键位置，采用鲁棒优化方法应对不确定性
- 灾后动态调度阶段：根据实际故障信息，滚动优化MPS的移动路径和供电策略
本文将重点解析第二阶段——动态调度的实现细节。
3. 数学模型构建
3.1 目标函数
动态调度的核心是最小化加权负荷损失、运输成本和电池衰减成本：
code复制min Σ(wi*Pl_it) + dm*Σ(ymt) + Zm*CBm*Σ(Pm_t)
其中：
- wi：节点i的负荷权重（关键负荷权重更高）
- Pl_it：节点i在时段t的负荷损失
- dm：MPS运输成本系数
- ymt：MPS在时段t是否移动的二元变量
- Zm：电池老化速度系数
- CBm：单位充放电成本
- Pm_t：MPS在时段t的充放电功率