考虑交通-电力耦合网络不确定性的多智能体电网恢复

在龙卷风等极端事件后恢复配电系统面临着巨大的后勤和计算挑战。其复杂性源于需要在不确定性下协调多个维修队伍、管理相互依赖的基础设施故障，并遵守严格的排序和路径约束。现有方法通常依赖于确定性启发式算法或简化模型，这些模型未能捕捉电力与交通网络之间的相互依赖性，未能充分建模不确定性，并且缺乏对不同类型维修队伍之间相互关联的动态和依赖关系的表示——导致恢复效果欠佳。为解决这些局限性，我们开发了一个随机两阶段混合整数规划框架，用于电网恢复中的主动式队伍分配、指派和路径规划。我们框架的主要目标是通过在不确定性下有效协调维修操作，最小化服务停机时间并增强电力恢复。多个维修队伍被建模为不同的智能体，从而实现去中心化协调和跨网络的高效任务分配。为验证我们的方法，我们使用集成达拉斯-沃斯堡（DFW）地区真实交通网络的IEEE 8500节点测试馈线进行了案例研究。此外，我们利用DFW地区的龙卷风事件数据构建了涉及受损电网组件和交通链路的现实故障场景。案例研究结果表明，所提出的方法能够实现更协调、更高效的恢复策略。该模型通过支持及时且实用的电网恢复，并强调互操作性和队伍调度协调，促进了实时灾害响应。