《IEEE Open Journal of Systems Engineering》：Time-Shifting Methods for Estimating Microgrid Resilience
编辑推荐：
本文介绍了多种新指标和一种新颖的时间平移（time-shifting）方法，用于估计微电网在孤岛模式下、失去市电且部分运行能力因扰动而不可用时的韧性。该韧性估计旨在用于微电网规划早期的概念设计阶段。研究人员通过一系列测试案例，揭示了现有方法在不纳入扰动时机不确
本文介绍了多种新指标和一种新颖的时间平移（time-shifting）方法，用于估计微电网在孤岛模式下、失去市电且部分运行能力因扰动而不可用时的韧性。该韧性估计旨在用于微电网规划早期的概念设计阶段。研究人员通过一系列测试案例，揭示了现有方法在不纳入扰动时机不确定性情况下分析韧性时存在的缺陷。计算实验表明，若不区分低需求与高需求时段而直接使用平均值，方法会呈现乐观倾向。研究人员提出一种替代方案，以给定时间范围内电力负荷的中位数作为阈值进行有效区分，从而基于需求未被满足的关键时段给出韧性评估。研究人员已将该韧性方法发布在开源软件平台Microgrid Planner中。
研究背景与目的
关键基础设施（如医院、水处理厂、消防站、空管中心和国防设施）依赖可靠的电力供应，但公共电网容易受到自然灾害、恶意攻击等事件影响。部署微电网是提高关键负荷韧性的常用方案；微电网利用分布式能源资源（DER），包括柴油发电机（DG）、光伏系统（PV）和电池储能系统（BESS），可以在市电中断时孤岛运行。然而，微电网自身的韧性在规划阶段常被忽视。现有韧性指标大多针对已建成系统的运行阶段，或需要详细的电气模型；常用软件主要考虑成本与环境影响，并不评估韧性。已有基础性的“易损性–恢复”（invulnerability–recovery）指标对扰动发生时刻非常敏感，在负荷具有周期性和波动性时可能给出过度乐观的估计。因此，研究人员旨在提出能支撑微电网概念设计、易于在现有软件中部署的韧性估计方法，重点回答两个问题：哪些指标在扰动起始时间和持续时间变化下最稳健？如何在扰动起始时间不确定时通过系统时间平移准确估计韧性？
研究内容与总体结论
研究人员定义了固定时间窗下的性能指标，包括平均需求指标、峰值需求指标和中位数需求指标，并引入需求阈值基准作为比较标准；随后提出局部平移（local shift）和全局平移（global shift）方法，对扰动起始时间进行系统性移动，并对扰动窗口内的韧性值做时间加权平均。此外，还提出抽样策略以降低计算负担。研究人员在五个测试案例中比较了固定窗口、6小时和12小时局部平移、全局平移以及多种指标的表现。结果显示，易损性–恢复指标和平均需求指标倾向于高估韧性，峰值需求指标倾向于低估韧性，而中位数需求指标与需求阈值基准的一致性最好，且与局部或全局平移方法联用时敏感性最低。所有方法均已发布在开源软件平台Microgrid Planner中。
主要关键技术方法
研究人员采用有功功率平衡分析建立单节点孤岛微电网模型，假设理想功率变换和理想集中式控制，DER模型沿用已有工作。设计了两个微电网：其一为四台DG和负荷；其二为四台20 kW DG、50 kW PV和150 kWh BESS的混合系统。测试案例1–4使用120小时（五天工作周）周期性负荷曲线；案例5使用来自实际设施的脱敏负荷数据（14天、4分钟采样间隔），扰动持续时间为时间窗的75%。评估方法包括固定窗口指标、局部平移（h=6/12小时）、全局平移以及最大样本数k=100的均匀抽样，所有计算在Microgrid Planner中完成。
研究结果
A. 易损性–恢复指标
固定窗口、局部平移和全局平移下的结果均显示，该指标与需求阈值基准不一致，且多次高估韧性；在案例2–4中，不同扰动起始时间对应的韧性值相差约35%，案例5中相差12%。该指标对扰动时刻高度敏感，原因是扰动时刻的瞬时需求决定了“易损性”点在加权中的影响过大。
B. 平均需求指标
除案例1的固定窗口和h=6局部平移外，该指标结果稳定，但在多数案例中高估韧性，与基准一致性差。原因是夜间低需求时段容易满足，性能接近1，稀释了白天高需求时段中的功率缺额。
C. 峰值需求指标
该指标以时间窗内最大需求为分母，敏感性最低，但在案例1、4、5中与基准不一致，总体低估韧性。这种悲观估计可作为最坏情况下的参考。
D. 中位数需求指标
该指标与需求阈值基准在案例1–4的所有情景下一致，在案例5中仅出现微小差异，原因是基准阈值取为峰值负荷的一半（58 kW），而非中位数负荷（69.5 kW）。该指标能自动从负荷数据中确定高需求与低需求的区分阈值，避免人为设定。
E. 固定窗口
除峰值需求指标外，所有指标在固定窗口下都表现出敏感性。案例1说明，短时扰动发生在夜间还是白天，会直接决定是否出现功率缺额。
F. 局部平移方法
局部平移方法能改善指标的条件数，但需要足够的平移时长。h=6时，案例1中除峰值需求外的指标仍敏感；h=12时，除易损性–恢复指标外，其余指标均达到良好敏感性。h的选取应结合扰动时机的不确定性和负荷数据的周期性。
G. 全局平移方法
全局平移方法对时间窗内所有可能的扰动起始时间取加权平均，只产生一个韧性值，因此无法进行敏感性评估；它适合扰动时机完全未知且不受限制的场景。
H. 运行性能
案例5的负荷序列包含5040个时间步，所有平移指标所需的仿真仅运行几分钟。计算复杂度与时间步数线性相关，因此可处理超过一年、间隔小于1小时的数据；抽样数k也可继续增大，保持实际可求解性。
讨论与结论
在讨论中，研究人员指出，若精确扰动时间已知（如计划停电），固定窗口分析可能最合适；若扰动时间可预测到几小时以内（如恶劣天气预报），则应按不确定性设置h；若扰动时机完全未知，则建议结合负荷周期性选择扰动时间并设置h。局部平移与全局平移方法互补。局限性包括要求足够的负荷变异性、未纳入长期适应性行为，并且算法只考虑完整包含在时间窗内的扰动，可能对持续时间较长的事件引入偏差；未来可结合数字孪生建模，并扩展到水、通信、交通等基础设施领域。
研究结论是：中位数需求指标与局部或全局平移方法组合，能够提供最一致且最不敏感的微电网韧性评估，因此对决策者最有用。局部平移方法需要足够的平移小时数才能保证结果稳健；在计算实验中该最小值为12小时。若平移小时数过少，韧性值仍可能受扰动时间影响而产生不准确评估。所有开发的指标和方法已发布在开源软件平台Microgrid Planner中。
