Community-Centered Resilience Enhancement of Urban Power and Gas Networks via Microgrid Partitioning, Mobile Energy Storage, and Data-Driven Risk Assessment

📄 arXiv: 2602.09673v1 📥 PDF

作者: Arya Abdollahi

分类: eess.SY

发布日期: 2026-02-10

💡 一句话要点

提出一种社区中心城市能源网络韧性增强框架，通过微网划分、移动储能和数据驱动风险评估实现。

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 城市能源网络 微网划分 移动储能 数据驱动风险评估 韧性增强 可调区间优化 实时风险评估

📋 核心要点

  1. 城市能源系统面临可再生能源高渗透、极端天气事件等挑战，现有方法在应对高冲击、低概率扰动时存在不足。
  2. 该框架通过微网划分、移动储能和数据驱动风险评估，将被动配电网络转变为主动自愈微网，提升能源网络的韧性。
  3. 提出的可调区间优化方法和实时风险评估工具，以及韧性指标，旨在提高系统在各种运行条件下的性能。

📝 摘要（中文）

本项目提出了一种以社区为中心、开放访问的框架，旨在通过整合微网划分、移动储能部署和数据驱动的风险评估，来增强城市电力和天然气网络的韧性和可靠性。该方法包括利用分布式能源和远程控制开关将被动配电网络转换为主动、自愈的微网，从而在正常和紧急运行期间实现灵活的重构。为了解决间歇性可再生能源发电和可变负荷带来的不确定性，开发了一种可调区间优化方法，并结合列和约束生成算法，提供无需概率信息的鲁棒规划方案。此外，还提出了一种实时在线风险评估工具，利用包括负荷、电网状态、弹性资源、应急响应和气象因素在内的25个多维指标，以支持极端事件期间的运营决策。该框架还优化了移动储能单元的长期规模和分配，同时结合城市交通数据，以便在紧急情况下进行有效路径规划。最后，引入了一种新颖的随时间变化的韧性和可靠性指标，以量化系统在不同运行条件下的性能。该方法旨在实现具有韧性、高效和适应性强的城市能源网络，使其能够承受高影响的扰动，同时最大限度地提高运营和经济效益。

🔬 方法详解

问题定义：城市能源系统面临日益严峻的挑战，包括可再生能源的高渗透、极端天气事件以及其他高影响、低概率的扰动。现有的能源网络在应对这些挑战时，缺乏足够的灵活性和自愈能力，难以保证供电的可靠性和韧性。传统的风险评估方法也难以实时、准确地评估系统面临的风险，从而影响应急响应的效率。

核心思路：本论文的核心思路是将城市能源网络划分为多个微网，通过分布式能源和远程控制开关实现微网的自愈能力。同时，利用移动储能单元来应对可再生能源的间歇性和负荷变化带来的不确定性。此外，通过数据驱动的风险评估工具，实时监测系统状态，为运营决策提供支持。这种以社区为中心的框架旨在提高能源网络的韧性、效率和适应性。

技术框架：该框架主要包含以下几个模块：1) 微网划分模块，将城市能源网络划分为多个可独立运行的微网；2) 移动储能优化模块，确定移动储能单元的长期规模和分配，并优化紧急情况下的路径规划；3) 数据驱动的风险评估模块，利用多维指标实时评估系统风险；4) 可调区间优化模块，解决可再生能源发电和负荷变化带来的不确定性；5) 韧性和可靠性评估模块，量化系统在不同运行条件下的性能。

关键创新：该论文的关键创新点包括：1) 提出了一种以社区为中心的能源网络韧性增强框架；2) 开发了一种可调区间优化方法，无需概率信息即可提供鲁棒的规划方案；3) 提出了一种实时在线风险评估工具，利用多维指标支持运营决策；4) 引入了一种新颖的随时间变化的韧性和可靠性指标。

关键设计：可调区间优化方法结合了列和约束生成算法，以解决不确定性问题。风险评估工具使用了25个多维指标，包括负荷、电网状态、弹性资源、应急响应和气象因素。移动储能的路径规划考虑了城市交通数据。韧性和可靠性指标是时间相关的，可以反映系统在不同时间段的性能。

📊 实验亮点

论文提出了一个综合框架，通过微网划分、移动储能和数据驱动风险评估来增强城市能源网络的韧性。特别地，可调区间优化方法在无需概率信息的情况下提供了鲁棒的规划方案，而实时在线风险评估工具则利用25个多维指标支持运营决策，这些都显著提升了能源系统应对突发事件的能力。

🎯 应用场景

该研究成果可应用于城市能源网络的规划、运行和维护，提高能源系统的韧性和可靠性，降低极端事件对城市的影响。该框架还可用于指导移动储能的部署和调度，提高可再生能源的利用率，促进能源转型。此外，该研究提出的风险评估方法可用于其他关键基础设施的风险管理。

📄 摘要（原文）

Urban energy systems face increasing challenges due to high penetration of renewable energy sources, extreme weather events, and other high-impact, low-probability disruptions. This project proposes a community-centered, open-access framework to enhance the resilience and reliability of urban power and gas networks by integrating microgrid partitioning, mobile energy storage deployment, and data-driven risk assessment. The approach involves converting passive distribution networks into active, self-healing microgrids using distributed energy resources and remotely controlled switches to enable flexible reconfiguration during normal and emergency operations. To address uncertainties from intermittent renewable generation and variable load, an adjustable interval optimization method combined with a column and constraint generation algorithm is developed, providing robust planning solutions without requiring probabilistic information. Additionally, a real-time online risk assessment tool is proposed, leveraging 25 multi-dimensional indices including load, grid status, resilient resources, emergency response, and meteorological factors to support operational decision-making during extreme events. The framework also optimizes the long-term sizing and allocation of mobile energy storage units while incorporating urban traffic data for effective routing during emergencies. Finally, a novel time-dependent resilience and reliability index is introduced to quantify system performance under diverse operating conditions. The proposed methodology aims to enable resilient, efficient, and adaptable urban energy networks capable of withstanding high-impact disruptions while maximizing operational and economic benefits.