​参考文献：

[1]王月汉,刘文霞,姚齐,万海洋,何剑,熊雪君.面向配电网韧性提升的移动储能预布局与动态调度策略[J].电力系统自动化,2022,46(15):37-45.

1.基本原理

1. 1 目标函数

        本文以最恶劣光伏出力场景下的移动储能配置成本与负荷削减成本最小为目标，建立两阶段鲁棒优化模型来确定移动储能的配置数量与位置。第一阶段的决策变量为移动储能与节点的连接状态以及线路开关状态，第二阶段的决策变量为负荷削减功率、分布式电源出力、节点电压、支路功率与电流，光伏出力为不确定变量，目标函数如下：

1. 2 约束条件

1. 2. 1 第一阶段约束

        1）移动储能资源约束。在灾害发生前储备的移动储能资源有限，并且每台移动储能设备参数相同，每个节点最多预先配置一台设备，即

        2）配电网辐射拓扑约束。考虑孤岛融合与无电源孤岛的情况，采用改进单商品流法确保恢复过程中配电网满足辐射状拓扑要求[19] ，通过引入虚拟源节点标志 0-1 变量，将网络重构后的孤岛数量加入优化过程，采用 Big-M 法对虚拟功率流进行松弛，具体表示如下： 

1. 2. 2 第二阶段约束

        1）负荷削减约束。设负荷功率因数固定，负荷削减功率约束可表示如下：

        2）分布式电源出力约束。

        各个节点的分布式电源出力不应超过其出力上限，假设在灾害发生前，移动储能、接入充电桩的电动汽车均处于满电状态，取充放电功率上限作为其出力上限。此外，分布式电源的有功功率、无功功率与功率因数之间存在约束，其中光伏采用定功率因数运行。分布式电源出力约束可表示如下：

3）配电网运行约束。对于辐射状配电网络，采用 DistFlow 潮流方程［20］ ，于网络拓扑结构随线路开关状态变化，因此，采用 Big-M 法对电压方程进行松弛。系统运行约束可表示如下：

       对于电压、电流和功率之间的非线性约束式（19），通过二阶锥松弛方法将其转化为以下二阶锥约束：

        通过求解该两阶段优化模型，可以得到在最恶劣光伏出力场景下的移动储能配置数量、位置与网络拓扑方案，确保灾后移动储能迅速参与到负荷恢复过程中。

2.完整Matlab代码

        完整的matlab代码付费后可以获取。

3.运行结果分析

3.1确定性优化结果

        (1)考虑移动储能优化配置

         (2)不考虑移动储能优化配置

3.2 两阶段鲁棒优化结果

        (1)考虑移动储能优化配置

         (2)不考虑移动储能优化配置

        几种结果的对比如下表所示：

        根据结果可以看出，不考虑移动储能预配时，虽能减少移动储能位置预配置成本，但需要承担更高的负荷削减成本，而两阶段鲁棒优化与确定性优化相比，考虑了最恶劣的场景，因此制定的方案更保守，预布局成本略高于确定性优化。