含混合移动储能的灾后配电网电冷负荷保障策略.pdf

第 43 卷 第 8 期2023 年 8 月电 力 自 动 化 设 备Electric Power Automation EquipmentVol.43 No.8Aug.2023含混合移动储能的灾后配电网电冷负荷保障策略徐晓春，随权，黄涛，谢华，赵青春（南京南瑞继保电气有限公司，江苏 南京 211102）摘要：现有的灾后配电网夏季应急调度策略普遍从最大化保电角度降低经济损失，未直接度量供冷价值，导致负荷保障成本过高。为此，提出了一种含混合移动储能的灾后配电网电冷负荷保障策略。构建了新型的负荷保障架构，旨在利用移动电储能异地充放电和移动冰储能转移冰蓄冷空调间的储冰，协同保障负荷用能。量化分析了移动电储能和移动冰储能的时空转移、能量变化特性，构建了简化的混合移动储能协同运行模型。在此基础上，以电负荷、冷负荷切除惩罚成本之和为目标，提出了计及潮流约束的配电网负荷保障模型。将优化模型转化为经典的混合整数二阶锥规划问题进行高效求解。算例仿真结果验证了所提策略的合理性与可行性。关键词：配电网；移动电储能；移动冰储能；负荷保障；混合整数二阶锥规划中图分类号：TM73 文献标志码：ADOI：10.16081/j.epae.2023020150 引言近年来，电网受极端天气侵袭的影响，停电事故时有出现，因此电网韧性受到了学界和工程界的广泛关注。虽然风电、光伏等新能源发电为负荷保电提供了资源基础，但其随机性和波动性也给电网的韧性提升带来了巨大的挑战1。因此，在新型电力系统的背景下，如何在电网大停电后保障负荷用电、降低负荷损失具有重要的现实意义。移动储能具有灵活的时空转移和功率支撑能力，参与灾后应急调度的潜在效益引起了广泛关注。文献 2 提出了台风多发区配电网恢复力与常态经济性的均衡策略，建立了基于纳什谈判理论的移动储能配置模型。为了提升台风侵袭下配电网的韧性，文献 3 制定了含电动公交车、电池等发电资源的时空配置模型，并将其转化为混合整数随机非线性规划问题。文献 4 构建了移动储能出行和充放电调度模型，提出了一种计及孤岛划分约束的不对称配电网负荷恢复策略。文献 5 考虑行驶时间和负荷分级对停电损失的影响，建立了基于模糊机会约束的移动储能优化调度模型。文献 6 提出了一种极端天气下含移动储能的海岛微电网应急能量管理方法，在微电网发生故障时加入移动储能进行负荷支撑，同时进行微电网优化重构。文献 7 根据网络重构后配电网的结构和负荷恢复情况，基于动态交通网络模型的最短路径算法进行移动储能路径规划和充放电功率优化。文献 8 以最小化切负荷成本为目标，建立了计及移动储能空间转移、功率支撑和网络重构约束的配电网灾后恢复模型。文献 9提出了一种移动储能和抢修人员灾后协同优化模型，并基于生成森林理论刻画配电网的拓扑约束。文献 10 设计了一个移动储能两阶段调度框架，第一阶段在灾前规划移动储能的位置以提高关键负荷的生存能力，第二阶段在灾后灵活调度移动储能以加快负荷恢复速度。然而，已有的移动储能调度模型含有众多的布尔型变量，导致模型求解压力较大。此外，目前基于移动储能的电网应急调度方案主要围绕移动电储能进行研究，不能直接满足非电能源（如冷能）的需求，在一定程度上限制了负荷用能保障的效果。为了进一步降低停电损失，许多学者开始研究多能系统的协同应急调度，在电-气11、电-气-热12等应急调度领域已经取得了许多卓有成效的研究成果。然而，部分地区并无天然气和热能供应系统。与之不同的是，我国大部分地区安装了空调系统，夏季空调负荷能耗逐年攀升，华东地区的夏季空调负荷占负荷高峰的比值已经超过30%，上海等城市甚至接近50%13。若夏季发生大停电事故，则炎热天气会严重影响正常的生产、生活，甚至威胁生命安全。因此，保障冷能供应在夏季大停电时具有重要的现实意义。虽然通过电制冷可以实现冷能供应，但是一方面，大停电后重要负荷的保电压力本就巨大，利用有限的发电资源制冷势必会挤压其他重要负荷的用电份额；另一方面，冰蓄冷空调等电制冷设备存在多个运行模式，电制冷效率并非唯一，从保电的角度很难精确度量供冷价值。若灵活搬运和调配不同地点冰蓄冷空调内的冰块，则有望开辟一条新型的能量传输通道，促进网内能源资源的灵活转换和均衡分配，从而降低停电损失。文献 1415 已经研究了利用卡车运输冰块以供给用户消暑纳凉。上述案例表明，利用车辆搬运冰蓄冷空调间的冰块具有可行性。收稿日期：20220611；修回日期：20221209在线出版日期：20230214电 力 自 动 化 设 备第 43 卷除了用于抢险救灾，移动电储能和移动冰储能还能深入参与电网日常调度、市场经济活动中，其投运能够带来显著的经济效益。对于移动电储能而言，其可以用于配电网临时增容、重要负荷阶段性保电、节假日服务区移动充电，能在保障负荷用能需求的同时，降低基础设施的投建成本。实际上，由于移动电储能的经济优势明显，其已在福建、江苏、浙江等多地被投入运营。对于移动冰储能而言，其在日常场景中能够通过转运冰蓄冷空调的冰块，提高新能源消纳水平，有助于电网削峰填谷。此外，移动冰储能还能积极参与冷链物流运输、制冰厂冰块配送等市场活动以赚取收益。可见，移动电储能和移动冰储能的用途较为广泛。基于此，本文首先针对夏季的能源需求，提出了一种含移动电储能和移动冰储能的灾后配电网电冷负荷保障架构，其中移动电储能通过时空转移和灵活充放电对不同节点的电负荷进行供电，移动冰储能通过转运不同节点处冰蓄冷空调的储冰以实现冷能的直接交换；然后，量化分析了移动电储能和移动冰储能的时空转移、能量变化特性，提出了简化的混合移动储能协同运行模型；在此基础上，将电负荷和冷负荷的差异化切除惩罚成本直接反映到目标函数中，提出了计及潮流分布约束的配电网负荷保障模型；最后，将优化模型转化为经典的混合整数二阶锥规划（mixed-integer second order cone programming，MISOCP）问题，以实现高效求解。1 含混合移动储能的灾后配电网电冷负荷保障架构本文所提含混合移动储能的灾后配电网电冷负荷保障架构如图1所示。移动电储能通过在电网不同节点充电和放电，实现电能的异地传输；移动冰储能通过调配冰蓄冷空调内的储冰，实现冷能的空间转移。考虑到夏季存在旺盛的电能和冷能需求，引入移动电储能和移动冰储能等同于增加能量传输通道，能有效降低综合供能压力。且冰蓄冷空调消耗电能制冷，使得供电系统和供冷系统之间具有紧密的关联性，而开辟混合能量传输渠道可以提高能量转化的灵活性，丰富负荷的具体用能方案。通过移动电储能和移动冰储能灵活供能，优先保障经济价值明显的负荷能量需求，有望降低负荷综合中断成本，进而降低大停电的经济损失。可见，移动电储能和移动冰储能联合供能具有互补优势和协同效益。2 混合移动储能协同运行模型2.1移动电储能的运行约束1）时空转移约束。移动电储能空间转移示意图如附录A图A1所示。由图可知，移动电储能在站点i和站点 j、站点i和站点k之间的空间转移时长为，在站点 j 和站点k之间的空间转移时长为2。为了方便建模，引入虚拟站点l，使得其与任意站点之间的空间转移时长均为。移动电储能的时空位置通常用布尔型变量表示。然而，当站内驻留和站间转移行为被全部表征时，会引入较多的布尔型变量，导致求解压力较大。考虑到车辆只有在站点时才能与电网交换功率，本文不再区分车辆在站间的具体转移路线。定义布尔型变量Zeit表示t时段移动电储能处于节点i的位置变量，Zet表示t时段移动电储能在任意站间的位置变量。若移动电储能处于节点i，则Zeit=1，Zet=0；若移动电储能不处于节点i，则Zeit=0，Zet=1。移动电储能的时空转移约束如下：iZeit+Zet=1 t（1）j iZejt+1+Zeit+1 Zeit t，i（2）=tt+-1Ze(Zeit-1-Zeit)t，i（3）式（1）表示t时段移动电储能有且只有一个确切位置，式（2）表示处于节点i的移动电储能要行驶时长 才能抵达节点 j，式（3）表示移动电储能在道路上行驶的时长不能小于。可见，本节利用布尔型变量Zet取代所有的在途变量Zeijt（ij），最大限度地减少了布尔型变量的数量。2）运行功率约束。移动电储能通过充电和放电参与电网的功率调节，其运行功率约束如式（4）（8）所示。0 Pecit ZeitSem t，i（4）0 Pedit ZeitSem t，i（5）Peit=Pecit-Pedit t，i（6）图1含混合移动储能的灾后配电网电冷负荷保障架构Fig.1Electric-cold load guarantee architecture ofpost-disaster distribution network withhybrid mobile energy storages第 8 期徐晓春，等：含混合移动储能的灾后配电网电冷负荷保障策略sesoc，t=sesoc，t-1+i(Pecite-Pedit/e)Eem t（7）sesoc，minsesoc，tsesoc，max t（8）式中：Sem为移动电储能的额定充放电功率；Pecit、Pedit分别为t时段移动电储能在节点i的充、放电功率；Peit为t时段节点i处移动电储能的运行功率；e为移动电储能的充放电效率；Eem为移动电储能的额定容量；sesoc，t为t时段移动电储能的荷电状态（state of charge，SOC）；sesoc，min、sesoc，max分别为移动电储能SOC的最小、最大允许值。值得注意的是，在实际情况下，无论是充电还是放电，均会损耗电池的寿命，同时也会折损储电量。由于下文调度模型的目标函数和储能容量约束中计入了电池寿命损耗成本和电量损失，为了获得最优解，规定移动电储能的充电和放电行为不会同时发生，否则会引发额外损耗。因此，本文不再引入布尔型变量表征移动电储能的充放电状态。除此之外，移动电储能还可参与电网的无功调节，约束如式（9）和式（10）所示。-ZeitSemQeitZeitSem t，i（9）(Peit)2+(Qeit)2(Sem)2 t，i（10）式中：Qeit为t时段节点i处移动电储能的无功功率。2.2移动冰储能的运行约束1）时空转移约束。移动冰储能存在空间转移和装卸冰块约束。定义布尔型变量Zwit为t时段移动冰储能的空间位置变量，其空间转移约束与式（1）（3）类似。2）运行功率约束。移动冰储能通过转运冰块参与冰蓄冷空调的功率调节，其单位时段的装载、卸载冰量约束分别如式（11）和式（12）所示，车载冰量与装载或卸载冰量之间的关系式如式（13）所示，t时段的车载冰量约束如式（14）所示。0HwcitZwitHwcm t，i（11）0HwditZwitHwdm t，i（12）swsoc，t=swsoc，t-1a+i(Hwcitw-Hwdit/w)Ewm t（13）swsoc，minswsoc，tswsoc，max t（14）式中：Hwcm、Hwdm分别为移动冰储能的额定装载、卸载冰量；Hwcit、Hwdit分别为t时段节点i处移动冰储能的装载、卸载冰量；w为移动冰储能装卸过程中的冰块损失率；a为扣除环境损耗后的冰块留存率；Ewm为移动冰储能的额定车载冰量；swsoc，t为t时段移动冰储能的等效SOC；swsoc，max、swsoc，min分别为移动冰储能等效SOC的最大、最小允许值。冰蓄冷空调的运行示意图如附录A图A2所示。由图可知，冰蓄冷空调主要包括制冷机、制冰机、融冰机、储冰桶等核心部件，通过控制开关切换运行状态，可以选择直接制冷、融冰制冷、制冰工作模式。冰蓄冷空调的运行功率约束如式（15）（20）所示。0Prg，itSrg，im t，i（15）0Pmk，itSmk，im t，i（16）0Pml，itSml，im t，i（17）PAC，it=Prg，it+Pmk，it+Pml，it t，i（18）sAC，isoc，t=sAC，isoc，t-1a+Pmk，itmk-Pml，itml-(Pwcit-Pwdit)/EAC，im t，i（19）sAC，isoc，min sAC，isoc，t sAC，isoc，max t，i（20）式中：Prg，it、Srg，im分别为节点i处冰蓄冷空调在t时段的制冷功率及其额定制冷功率；Pmk，it、Smk，im分别为节点i处冰蓄冷空调在t时段的制冰功率及其额定制冰功率；Pml，it、Sml，im分别为节点i处冰蓄冷空调在t时段的融冰功率及其额定融冰功率；PAC，it为节点i处冰蓄冷空调在t时段的用电功率；mk、ml分别为冰蓄冷空调的制冰、融冰效率；EAC，im为节点i处冰蓄冷空调的额定储冰量；sAC，isoc，t为节点i处冰蓄冷空调在t时段的等效SOC；sAC，isoc，max、sAC，isoc，min分别为节点i处冰蓄冷空调等效SOC的最大、最小允许值。除此之外，冰蓄冷空调还具有无功调节能力，相应的约束为：(PAC，it)2+(QAC，it)2(SAC，im)2 t，i（21）式中：QAC，it为节点i处冰蓄冷空调在t时段的无功出力；SAC，im为节点i处冰蓄冷空调的变流器容量。3 负荷保障策略与求解算法3.1负荷保障策略已有研究主要评估了电负荷切除成本，虽然根据能量转化关系可以在一定程度上表征冷能损失成本，但是很难精确刻画冷负荷切除代价。例如：冰蓄冷空调的3种工作模式对应3种运行效率，使用单一惩罚因子很难表征电、冷负荷之间的替代关系。为此，本文直接考虑电负荷切除成本和冷负荷切除成本，并充分计及燃气轮机发电成本、移动电储能和移动冰储能的行驶成本，构建电网负荷保障策略的目标函数，如式（22）所示。mint=1Ti=1I pD(PDmit-PDit)+pCD(PCDmit-PCDit)+t=1Ti=1I pGPGit+t=1T pe()1-j=1J1Zejt+pw()1-j=1J2Zwjt（22）式中：T、I分别为负荷保障周期的时段数量、配电网的节点数量；pD、pCD分别为单位电负荷、冷负荷切除惩罚成本；PDmit、PDit分别为节点i处常规电负荷在t时段的实际用电需求和供电额；PCDmit、PCDit分别为节点i处常规冷负荷在t时段的实际用冷需求和供冷额；pG为燃气轮机单位发电功率的燃料成本；PGit为节点i电 力 自 动 化 设 备第 43 卷处的燃气轮机在t时段的实际发电功率；pe、pw分别为移动电储能、移动冰储能单位时段空间转移燃料成本；J1、J2分别为移动电储能、移动冰储能站点数量。需满足的约束条件包括燃气轮机运行约束（见附录 B 式（B1）和式（B2）和潮流约束（见附录 B 式（B3）（B17）。3.2求解算法在本文的调度模型中，式（10）和式（21）为非线性约束，会导致优化问题难以求解。为此，引入锥松弛技术对其进行处理，具体过程见附录B式（B18）和式（B19）。经过上述处理，调度模型可以被改写为封装形式，如式（23）所示。min CTys.t.A1x b1 B1y b2 B2y2 b3y A2x+B3y b4（23）式中：A1、A2、B1、B2、B3、C为常数矩阵；b1、b2、b3、b4为常数向量；x为布尔型变量向量；y为连续型变量向量。约束A1x b1对应式（1）（3），B1y b2对应式（6）（8）、（13）（20）、（B1）（B4）、（B10）（B17），B2y2b3y对应式（23）和式（24），A2x+B3yb4对应式（4）、（5）、（9）、（11）、（12）、（B5）（B9）。可以看出，处理后的调度模型被转化为经典的MISOCP问题，可以调用商业求解器进行求解。4 算例分析4.1基础数据基于IEEE 33节点配电网对本文所提策略进行验证，拓扑结构见附录 C 图 C1。额定运行电压为12.66 kV，节点电压允许工作范围为额定运行电压的0.951.05。电负荷、冷负荷和风电功率曲线1617被合理缩放，如附录C图C2所示。燃气轮机并入节点24，额定发电功率为1 MW。假设节点16、20、30存在工商业区，配置了3台冰蓄冷空调用于集中供冷。该区域同步建设了移动电储能站点，以保障工商业负荷的供电可靠性。移动电储能的额定充放电功率为 3 MW，额定储能容量为 6 MW h。3台冰蓄冷空调分别位于节点16、20、30，其制冷、制冰、融冰额定功率均为 1 MW，制冷、制冰、融冰效率分别为4.2、2.8、42.514。结合冷负荷需求和货车载运能力，冰蓄冷空调的储冰容量为15 MW h，运冰车的额定运载容量为10 MW h。假设节点16、20、30的空间转移时长为1 h，转移油耗成本为100元，移动电储能的充放电成本为0.6元（kW h）16。故障发生时移动电储能、冰蓄冷空调的SOC均设为0.5，移动电储能、移动冰储能的初始位置为节点20。调度周期为24 h，调度步长为1 h。需要指出的是，与电负荷类似，冷负荷也存在重要性差异，如普通家庭的冷负荷等级较低，而药品恒温箱的冷负荷等级较高。同时，与冷负荷具有“弹性”能力类似，非制冷电负荷（如电动汽车的充、放电负荷）的用能需求也可被灵活调整。为了简便起见，本文不区分电负荷和冷负荷的重要性。根据文献4，设单位电负荷切除惩罚成本为8元（kW h），同时根据电制冷效率14，将单位冷负荷切除惩罚成本设定为2元（kW h）。4.2负荷保障效果分析为了验证本文所提负荷保障策略的优越性，设置以下4种方案进行对比分析：方案1，基于本文所提负荷保障策略，引入1台移动电储能和1台移动冰储能进行协同应急调度；方案2，1台移动电储能保障负荷用能，1台移动冰储能驻留在站点储冰（充当同等容量的固定储冰装置）；方案3，1台移动冰储能进行负荷保电，2台移动电储能驻留在站点参与配电网的功率调节（充当同等容量的固定电储能）；方案4，1台移动电储能和1台移动冰储能驻留在站点参与配电网的功率调节。方案1下混合移动储能的时空转移序列如附录C图C3所示。由图可知，移动电储能空间转移序列为节点20节点16节点30节点16节点30节点16节点30，移动冰储能的空间转移序列为节点20节点16节点20节点16节点20节点16节点30节点16节点20。可见，移动电储能以及移动冰储能均积极投入配电网的负荷保电工作中。方案1下配电网的电负荷、冷负荷功率如图2所示，其中图2（a）中功率为正值表示用电需求，为负值表示发电功率，后同。由图2（a）可知，风电、燃气轮机、移动电储能联合对冰蓄冷空调和常规电负荷进行供电，其中移动电储能在时间轴上“扎堆”充电或放电，间歇性地参与配电网不同节点处电负荷的保电工作，冰蓄冷空调灵活调节运行功率以维持电功率平衡。由图2（b）可知，冰蓄冷空调通过直接制冷和融冰，满足了冷负荷能量需求。方案1下混合移动储能和冰蓄冷空调的SOC曲线如图3所示。由图可知，调度周期内移动电储能、移动冰储能、冰蓄冷空调的SOC均在01之间灵活变化，表明储电、储冷容量得到了充分利用。在调度周期内，移动电储能释放13.2 MW h电能，冰蓄冷空调消纳39.1 MW h电能（直接制冷量达到113.4 MW h，融冰制冷量为52.3 MW h），电负荷和冷负荷的总供能量分别为65.9、165.7 MW h。第 8 期徐晓春，等：含混合移动储能的灾后配电网电冷负荷保障策略方案2下移动电储能的时空转移序列如图4所示。图中，内数字为配电网节点编号，内数字为车辆空间转移次序编号，后同。由图可知，移动电储能的空间转移序列为节点20节点16节点30节点16节点30节点16节点30，表明其参与了配电网不同节点处负荷的保电工作。方案2下配电网电负荷和冷负荷功率如图5所示。由图可知，在移动电储能、冰蓄冷空调等的支撑下，配电网达到了一个新的能量供需平衡状态。虽然移动电储能的充放电功率略有增大，但是由于缺乏移动冰储能的支撑，冰蓄冷空调的储冰、融冰量显著降低，进而导致冷负荷和电负荷的保障额有所下降。可见，方案2仅发挥了单一的储电优势，负荷保障效果不尽理想。在调度周期内，方案 2 下的移动电储能供给15.6 MW h 电能，冰蓄冷空调消纳 35.3 MW h 电能（直接制冷量、融冰制冷量分别为114.5、42.2 MW h），保障了 64.6 MW h的电负荷和 156.7 MW h的冷负荷用能。方案3下移动冰储能的时空转移序列如图6所示。由图可知，移动冰储能的的空间转移序列为节点20节点16节点20节点16节点20节点30节点 20节点 16节点 20节点 16节点20，可见其积极参与了冰蓄冷空调之间的储冰转移。图6方案3下移动冰储能的时空转移序列Fig.6Space-time transfer sequence of mobileice energy storage under Scheme 3图2方案1下的电负荷和冷负荷功率Fig.2Electric load and cooling load powerunder Scheme 1图3方案1下混合移动储能和冰蓄冷空调的SOC曲线Fig.3SOC curves of hybrid mobile energy storages andice storage air conditioning under Scheme 1图5方案2下的电负荷和冷负荷功率Fig.5Electric load and cooling load powerunder Scheme 2图4方案2下移动电储能的时空转移序列Fig.4Space-time transfer sequence of mobileelectric energy storage under Scheme 2电 力 自 动 化 设 备第 43 卷方案3下配电网的电负荷和冷负荷功率如图7所示。由图可知，电负荷和冷负荷达到了一个新的用能状态，然而相较于方案1，方案3的用能规模显著下降。这是因为：方案3中移动电储能只能在原地参与配电网的能量管理，其调节能力被明显削弱；虽然充分调度移动冰储能能够提高冰蓄冷空调的运行灵活性，但是采用单一储冷模式时保障负荷用能的优势有限。方案3下移动电储能释放3.0 MW h电能，冰蓄冷空调消耗33.6 MW h电能（直接制冷量、融冰制冷量分别为80.8、58.0 MW h），满足了64.8 MW h电负荷和138.8 MW h冷负荷的用能需求。方案4下配电网的电负荷、冷负荷功率如图8所示。由图可知，由于缺乏移动电储能和移动冰储能的支撑，调度周期内电负荷降低至55.9 MW h，冷负荷降低至138.8 MW h。综上可知，在4种方案中，方案1保障负荷用能的效果最好，方案2、3在保电和保冷方面的效果各有优势，方案4保障负荷用能的效果最差。4.3经济性分析方案1 4下配电网的负荷供能成本如附录C表C1所示。由表可知，方案1 4的负荷供能成本分别为 755 501、783 463、817 101、887 581 元。相比方案2 4，方案1的负荷供能成本分别节省了27 962元（3.6%）、61 600元（7.5%）、132 080元（14.9%）。仿真结果验证了本文所提策略的优越性。4.4移动储能配置数量和站点位置的影响分析为了验证本文所提策略的优越性，探究不同移动储能配置数量和站点位置下的负荷保障成本。不同移动电储能、移动冰储能配置数量下的系统负荷保障成本如附录C表C2所示。由表可知，随着移动电储能、移动冰储能配置数量的增加，配电网的负荷保障成本逐渐降低。然而，新增同等数量的移动电储能、移动冰储能，所能降低的配电网负荷保障成本并不相等。该结果验证了移动电储能、移动冰储能的作用迥异，并可为有限条件下移动电储能、移动冰储能的配置方案提供参考。设定冰蓄冷空调站点位置不变，不同移动电储能站点位置下的配电网负荷保障成本如表1所示。由表可知，在不同的移动电储能站点位置下，方案1的配电网负荷保障成本始终最低，方案2次之，方案3再次之，方案4最高。该结果表明本文所提策略在不同的站点位置下均具有经济性优势。表1 不同移动电储能站点下的负荷保障成本Table 1 Load guarantee costs with different stationpositions of mobile electric energy storage方案1234负荷保障成本元12、16、26760 340785 510825 930909 18013、17、27760 340785 510825 930909 18014、18、28756 530783 460817 100887 58015、19、29755 600783 440817 100887 580注：表头中数据为移动电储能站点1 3的接入节点。图7方案3下的电负荷和冷负荷功率Fig.7Electric load and cooling load powerunder Scheme 3图8方案4下的电负荷和冷负荷功率Fig.8Electric load and cooling load powerunder Scheme 4第 8 期徐晓春，等：含混合移动储能的灾后配电网电冷负荷保障策略4.5影响因子分析考虑到单位冷负荷切除惩罚成本、移动电储能初始SOC、冰蓄冷空调初始SOC以及故障发生时段均可能对优化结果产生影响，下面对不同影响因素下的负荷保障成本进行分析。假设 4.1 节中的单位电负荷切除惩罚成本为1元（kW h），不同的单位冷负荷切除惩罚成本、移动电储能初始SOC、冰蓄冷空调初始SOC、故障发生时段下的配电网负荷保障成本分别如附录C图C4（a）（d）所示。由图可知，随着单位冷负荷切除惩罚成本不断降低、移动电储能和冰蓄冷空调SOC不断增加、故障发生时段缩短，方案1 4的负荷保障成本同步降低。然而，不论影响因素如何变化，方案1的负荷保障成本始终最低。上述结果表明本文所提策略在不同的切负荷惩罚价格、储能初始SOC和故障发生时段下均具有经济性优势。4.6直接保电方案对比为了凸显本文所提冷电负荷保障策略的优越性，将其与单独保电策略进行对比分析。单独保电策略下的配电网运行成本见附录C式（C1）（C3）。不同负荷用能保障策略的经济性对比见附录C图C5。由图可知，随着电制冷效率由1增大到6，保电策略的理论切负荷成本显著降低。然而，由于冰蓄冷空调的运行效率并不唯一，使用恒定效率度量制冷价值并不合理。按照4.1节中的参数进一步校核单独保电策略的电负荷和冷负荷切除成本，可得负荷切除成本在755 770825 210元间变化，始终大于本文所提策略下的切负荷惩罚成本（755 501元）。结果表明相较于单独保电策略，本文所提冷电负荷保障策略具有经济性优势。5 结论本文提出了一种含混合移动储能的灾后配电网冷电负荷保障策略，通过理论和仿真分析可得如下结论：1）移动电储能和移动冰储能协同供能能发挥互补优势和协同效益，显著降低大停电损失成本；2）在不同的单位切负荷惩罚成本条件下，本文所提负荷保障策略始终具有经济性优势；3）相较于单独保电策略，本文所提冷电负荷保障策略具有明显的经济性。需要指出的是，部分配电网具有网络重构功能，其联合混合移动储能进行负荷保障有望进一步降低大停电损失成本，相关问题有待进一步研究。附录见本刊网络版（http：）。参考文献：1韩肖清，李廷钧，张东霞，等.双碳目标下的新型电力系统规划新问题及关键技术 J.高电压技术，2021，47（9）：3036-3046.HAN Xiaoqing，LI Tingjun，ZHANG Dongxia，et al.New issues and key technologies of new power system planning under double carbon goals J.High Voltage Engineering，2021，47（9）：3036-3046.2张璐，黄睿，王照琪，等.考虑恢复力与经济性均衡的配电网移动储能优化配置策略 J.电力系统自动化，2020，44（21）：23-31.ZHANG Lu，HUANG Rui，WANG Zhaoqi，et al.Optimal configuration strategy of mobile energy storage in distribution network considering balance between resilience and economy J.Automation of Electric Power Systems，2020，44（21）：23-31.3GAO H X，CHEN Y，MEI S W，et al.Resilience-oriented pre-hurricane resource allocation in distribution systems conside-ring electric buses J.Proceedings of the IEEE，2017，105（7）：1214-1233.4翁晓勇，谭阳红.考虑移动储能有功时空支撑的不对称配电网负荷恢复策略 J.电网技术，2021，45（4）：1463-1470.WENG Xiaoyong，TAN Yanghong.Load restoration strategy for unbalanced distribution network considering active power temporal-spatial supporting of mobile energy storageJ.Power System Technology，2021，45（4）：1463-1470.5肖凯超，邱伟强，陶以彬，等.储能应急车优化调度的模糊机会约束方法 J.高压电器，2021，57（2）：116-124.XIAO Kaichao，QIU Weiqiang，TAO Yibin，et al.Fuzzy chan-ce constrained method for optimal scheduling of mobile ener-gy storage system in emergency support of power systems J.High Voltage Apparatus，2021，57（2）：116-124.6林加阳，唐莨淳，易永利，等.极端天气下含移动储能车的海岛微电网应急能量管理方法研究 J.浙江电力，2021，40（1）：95-105.LIN Jiayang，TANG Liangchun，YI Yongli，et al.Study on emer-gency energy management method for islanded microgrid with mobile energy storage vehicle under extreme weather conditions J.Zhejiang Electric Power，2021，40（1）：95-105.7姜心怡，陈健，司凯伦，等.考虑动态交通网络的综合能源配电网灾后紧急响应策略 J.智慧电力，2020，48（8）：31-37，83.JIANG Xinyi，CHEN Jian，SI Kailun，et al.Emergency res-ponse strategy of integrated energy distribution network considering dynamic transportation network J .Smart Power，2020，48（8）：31-37，83.8YAO S H，WANG P，ZHAO T Y.Transportable energy sto-rage for more resilient distribution systems with multiple microgrids J.IEEE Transactions on Smart Grid，2019，10（3）：3331-3341.9LEI S B，CHEN C，LI Y P，et al.Resilient disaster recovery logistics of distribution systems：co-optimize service restoration with repair crew and mobile power source dispatch J.IEEE Transactions on Smart Grid，2019，10（6）：6187-6202.10LEI S B，CHEN C，ZHOU H，et al.Routing and scheduling of mobile power sources for distribution system resilience enhancement J.IEEE Transactions on Smart Grid，2019，10（5）：5650-5662.11陈玮，丁筱，施云辉，等.考虑双向耦合的电-气综合能源系统时序故障恢复方法 J.电力自动化设备，2019，39（8）：86-94.CHEN Wei，DING Xiao，SHI Yunhui，et al.Sequential fault restoration method for electricity-gas integrated energy system considering two-way couplingJ.Electric Power Automation Equipment，2019，39（8）：86-94.12张筱慧，潘永超，张璐，等.考虑综合能源聚合商与配电公司利益均衡的配电网故障恢复方法 JOL.电力自动化设备.（2022-09-06）2022-12-09.https：doi.org10.16081j.epae.电 力 自 动 化 设 备第 43 卷202209002.13刘志伟，苗世洪，杨炜晨，等.计及电气特性的空调负荷建模及集群控制策略 J.电力自动化设备，2022，42（1）：178-184，192.LIU Zhiwei，MIAO Shihong，YANG Weichen，et al.Air conditioning load modeling and cluster control strategy considering electrical characteristic J.Electric Power Automation Equipment，2022，42（1）：178-184，192.14YANG B，TANG J，LUO Z，et al.Optimal collaborative expan-sion planning of integrated cooling and power system for low-latitude distribution networks J.IEEE Access，2021，9：43736-43747.15LIANG J Y，LUO Z，YUAN X Y，et al.Optimal scheduling of cooling and power combined supply system for tropical renewable microgrids J.IEEE Access，2021，9：63500-63509.16随权，武传涛，魏繁荣，等.基于储电船舶的远洋海岛群多能流优化调度 J .中国电机工程学报，2020，40（4）：1137-1148，1406.SUI Quan，WU Chuantao，WEI Fanrong，et al.Multienergy flow optimization dispatch based on electric vessel in pelagic clustering Islands J.Proceedings of the CSEE，2020，40（4）：1137-1148，1406.17WEI F R，LI Y Z，SUI Q，et al.A novel thermal energy sto-ra