面向可靠性的南极微电网信息物理协同规划：一种拓扑-容量双层优化方法

《Energy Conversion and Management-X》：Reliability-oriented cyber-physical Co-planning for antarctic microgrids: A topology-capacity Bi-level optimization approach

　　

随着信息与通信技术（ICT）的深度融合，现代电力系统已演变为高度耦合的信息物理系统（CPS）。尽管这种紧密的信息物理耦合增强了运行的灵活性，但它同时引入了严重的脆弱性——网络侧的干扰很容易跨层传播到物理系统，降低协调控制能力，并可能导致底层能源系统的可靠性恶化，最终演变为严重的系统故障。这凸显了信息物理协同设计与规划的迫切需求。针对考虑运行可靠性的南极微电网信息物理协同规划问题，研究人员提出了一种包含显式可靠性约束的双层规划框架，用于拓扑和容量的协同优化。上层是一个物理层容量规划模型，在严格的供电可靠性约束下，通过优化风力发电机、光伏阵列、储能系统和柴油发电机的容量配置来实现经济成本最小化。下层是一个网络层拓扑规划模型，以网络连通性、节点容错和结构冗余为核心设计标准，优化通信网络拓扑，从而从根本上提高信息物理系统的耦合支撑能力。为了高效解决这一集成的双层优化问题，开发了一种定制的混合粒子群优化结合鲸鱼优化算法（POW）。基于中国南极秦岭站的实际能源系统进行了综合仿真验证。仿真结果表明，所提出的双层协同规划方法不仅确保了系统的经济可行性，而且显著增强了南极微电网在极端环境下抵御信息物理级联故障的运行弹性。

现代电力系统随着信息与通信技术（ICT，Information and Communication Technologies）的深度融合已演变为高度耦合的信息物理系统（CPS，Cyber-Physical Systems）。这种紧密的信息物理耦合虽然提升了运行灵活性，但也引入了严重的脆弱性。网络侧的扰动极易跨层传播至物理系统，引发设备级联故障。南极微电网作为极端的CPS应用场景，其能源安全是科考作业的核心基石。在极低温与地磁扰动等极端恶劣环境下，其网络层严重依赖有线光纤链路，而这些通信链路极易发生物理光纤断裂、动态瞬态丢包以及将数据误导至非目标节点的逻辑路由寻址错误等多维通信故障。这些异常会直接导致储能系统充放电控制失效，严重破坏微电网的实时功率平衡。现有极地微电网规划研究多局限于孤立的物理层优化，或将微电网视为纯电气与热力系统，普遍忽视了信息系统故障带来的耦合风险。此外，现有的微电网拓扑优化与弹性增强方法多局限于系统运行阶段，其核心机制为实时调度策略或故障后被动缓解措施，难以在规划阶段转化为具有前瞻性的主动防御能力。为了克服现有研究的局限性，研究人员开展了针对南极微电网CPS的可靠性导向信息物理协同规划研究，提出了一种包含显式可靠性约束的拓扑-容量双层规划框架。得出结论：该方法不仅确保了系统的经济可行性，还显著增强了南极微电网在极端环境下抵御信息物理级联故障的运行弹性。该研究为极端环境下高弹性CPS的规划与设计提供了重要的理论支撑与工程工具。该论文发表在《Energy Conversion and Management-X》。

研究人员为开展研究构建了跨层交互耦合模型与多维网络故障模型，以量化网络故障至物理层的级联传播机制。在物理层构建了涵盖风机、光伏、柴油机与储能的容量规划模型，在网络层利用拉普拉斯矩阵（Laplacian matrix）的第二小特征值λ₂(L)等代数图论指标优化拓扑。采用基于模拟驱动采样与多元多项式回归的方法，将期望缺供电量（EENS，Expected Energy Not Supplied）隐式评估转化为显式解析约束，其中拟合优度R²用于量化精度。在求解上开发了混合粒子群优化结合鲸鱼优化算法（POW，Particle Swarm Optimization combined with Whale Optimization Algorithm），通过上下层交替优化物理容量配置与网络拓扑。仿真样本队列来源于中国南极秦岭站的实际能源与通信基础设施系统数据。

The necessity of cyber-physical collaborative planning
研究人员通过对比三种规划场景（包含所提双层协同规划方法、理想通信假设的纯物理规划以及解耦规划假设）得出结论：忽略网络层协同优化的解耦方案会导致物理与网络层规划脱节，在网络故障发生后于极夜和过渡期出现大规模切负荷现象；而所提协同规划方法能够将冗余通信路由精准锚定于关键物理支撑节点，并在上层配置合理的物理容量裕度，确保在动态故障下仍能依靠物理缓冲填补功率缺口，证明了信息物理协同规划的必要性。

The necessity of explicit reliability constraints
研究人员通过对比有无可靠性约束的规划结果（Case A与Case B）并进行连续运行测试得出结论：缺乏可靠性硬约束的方案降低了柴油发电机（DG）和蓄电池（BT）的容量配置，在极夜高负荷时期备用容量迅速耗尽导致切负荷；而显式可靠性约束驱动的配置预留了充分的物理裕度，保障了总发电量完美跟踪实际负荷需求，证明了在极地微电网规划中纳入显式可靠性约束的必要性。

The superiority of the hybrid POW algorithm
研究人员通过将POW算法与标准粒子群优化（PSO）和鲸鱼优化算法（WOA）进行收敛性与优化能力对比得出结论：POW算法有效融合了PSO的全局搜索与WOA的局部微调及随机搜索优势，克服了标准PSO在二进制拓扑优化中易陷局部最优及WOA计算效率低的问题，在全生命周期总成本上实现了高质量的近最优平衡。

Optimal planning considering local autonomous control and reliability constraints
研究人员通过对比在本地自治下垂控制下有无可靠性约束的配置得出结论：下垂控制虽能避免瞬时停电，但在长期通信隔离下会因无法跟踪实时气象与负荷动态而引发供需失配；引入显式可靠性约束能增加系统冗余，显著降低切负荷量，证明单纯依赖物理层自治不足以应对极端场景，验证了信息物理协同规划框架的不可或缺性。

在讨论部分，研究人员探讨了所提框架的可扩展性。对于大规模复杂电网，采用拉丁超立方抽样（LHS，Latin Hypercube Sampling）训练的多项式代理模型能有效规避可靠性评估的嵌套仿真计算瓶颈。随着系统规模扩大，未来可通过引入主动学习自适应采样策略和分布式分解算法来缓解维度灾难。此外，研究承认在极高复杂度的极地环境下，故障评估模型可进一步扩展。研究采用独立遍历假设作为基线条件，但极端气候可能诱发时空相关的同模态故障，准确量化此类强耦合故障的级联风险需先进的多灾害随机建模与气象数据支撑。结论部分指出，为最小化信息系统故障的运行影响并平衡可靠性与经济性，研究人员构建了双层迭代协同规划模型。该研究精确数学化了极地特有的多维通信故障，并通过多项式回归将隐式动态评估转化为显式解析约束，利用混合POW算法实现了上下层优化的完美集成。基于中国南极秦岭站实际数据的仿真表明，与忽略网络故障的方案相比，该方法在总成本仅增加14.99%的情况下将可靠性提升了66.85%；与物理与网络解耦规划方案相比，实现了10.91%的成本降低和47.09%的可靠性提升。未来研究将聚焦基于数字孪生技术的CPS故障检测与实时动态响应策略，并探讨气候驱动的同模态信息物理故障以进一步增强极地微电网弹性。