考虑供电容量退化的变电站抗震韧性评估与强化学习引导的恢复优化

《Soil Dynamics and Earthquake Engineering》:Seismic resilience assessment and RL-guided restoration optimization of substations considering supply-capacity degradation

【字体: 大 中 小 】 时间:2026年10月22日 来源:Soil Dynamics and Earthquake Engineering 5.1

编辑推荐:

   • 开发了一种双参数模型来表征变电站的地震后功能退化。 • 提出了一种强化学习引导的适应性遗传算法。 • 建立了一种具有跨场景泛化能力的分层强化学习策略模型。 • 揭示了关键设计参数的韧性相关效应,并提供了定量优化见解。 引言 作为电力系统的关键枢纽,变电站负责电力转换和分

  

• 开发了一种双参数模型来表征变电站的地震后功能退化。
• 提出了一种强化学习引导的适应性遗传算法。
• 建立了一种具有跨场景泛化能力的分层强化学习策略模型。
• 揭示了关键设计参数的韧性相关效应,并提供了定量优化见解。

引言
作为电力系统的关键枢纽,变电站负责电力转换和分配,是维持城市生命线系统稳定运行的关键组成部分 [1]。地震后,变电站的持续运行对于医院、紧急避难所、通信中心和供水系统等关键基础设施的正常运作至关重要,其失效直接制约了震后救援效率和社会功能的恢复 [2]。然而,历史地震事件表明变电站极易受到严重地震影响,往往导致大面积停电 [3]。例如,1999 年台湾集集地震、2008 年中国汶川地震和 2011 年日本大地震均造成了大规模变电站失效,众多设备因母线位移、套管倾覆和构架断裂而断电,从而严重破坏了区域电力可靠性和应急响应能力 [4]。与常规土木结构不同,变电站的失效机制不仅涉及结构损伤,还包括供电能力退化、通信链路中断和系统级连锁故障 [5]。例如,单个设备故障可触发电力路径中断,导致网络连通性下降。这种多层级耦合非线性失效特征使得主要关注结构承载力的传统抗震分析方法不足以准确捕捉系统真实的震后功能退化 [6]。因此,仅关注单个设备的安全性无法满足地震后系统级的恢复和功能保障要求。

在此背景下,“韧性”概念被引入作为评估系统承受、吸收和从突发灾难中恢复能力的核心指标 [7]。与传统风险分析方法相比,韧性强调系统的动态恢复能力和功能随时间的演变 [8]。基于韧性框架的研究不仅考虑单个设备的性能,还强调灾害前、中、后阶段系统级功能保持的变化,为震后资源分配和恢复优先级决策提供科学依据 [9]。然而,电力系统的恢复过程不仅仅是工程修复问题;它是一个受资源限制、任务冲突和多目标协调影响的复杂动态过程 [10]。震后恢复通常面临多种不确定性,包括有限的维修团队、中断的物资供应和动态变化的任务优先级,这显著增加了恢复调度的复杂性 [11]。这些挑战对韧性评估方法、资源分配策略和智能决策算法提出了更高要求,需要在建模准确性和响应效率之间取得平衡 [12]、[13]。

因此,有必要从系统级和智能优化视角开发一种新的变电站震后恢复评估框架和决策机制。通过整合韧性理论与强化学习,可以构建一个通用、高度自适应和多参数驱动的智能恢复模型,为地震灾害下城市电力基础设施的快速恢复和韧性增强提供理论支持和技术途径。

Bruneau 等人 [7] 提出的四维韧性框架确立了稳健性、冗余性、快速性和资源能力作为其核心支柱,此后被广泛应用于基础设施韧性研究。随后的发展,包括电力恢复模型 (EPRM),进一步强调了震后性能演变和时间动态在韧性评估中的重要性 [14]。这些进展共同将韧性分析从纯粹的结构考虑扩展到了包括功能、资源分配、系统相互依赖和恢复效率在内的更广泛视角 [15]。随着复杂网络理论和性能退化建模的整合,最近的研究越来越转向功能、拓扑和恢复过程的耦合分析,纳入了组件退化、空间相关性和多场景地震特征 [16]、[17]、[18]、[19]。

在变电站系统的背景下,早期研究通常采用二元状态向量、故障树分析和逻辑图模型来表示功能状态和组件依赖关系 [20]、[21]、[22]。然而,随着电力网络的规模和复杂度的增长,仅基于拓扑或二元模型已被证明不足以捕捉设备退化、电气性能降低、线路容量限制和冗余配置之间的相互作用。为了提高建模保真度,后续研究引入了冗余建模、状态转换表示以及最大允许传输能力 (MATC) 等指标,以模拟各种恢复策略下的功能演化 [23]、[24]。额外的研究进一步开发了耦合结构 - 电气网络模型,将负载转移能力与组件重要性因素相结合,揭示了结构损伤与电气功能退化之间的联系,从而支持工程优先级排序和加固规划 [25]。从关键基础设施系统的角度来看,恢复分析也通过基于阈值的韧性指标和纳入连锁效应得到了增强 [26]。

由于存在多任务交互、资源限制和高维组合搜索空间,电力系统震后维修调度被广泛认为是 NP 难优化问题。现有研究提出了各种计算方法——包括多智能体系统、两阶段优化模型、改进遗传算法、基于贝叶斯网络的推理框架和混合整数线性规划——以得出可行且有效的恢复序列 [27]、[28]、[29]、[30]、[31]、[32]。这些工作显著提高了恢复规划的可计算性和系统性,并支持了变电站研究从“结构安全”向“功能韧性”的转变。然而,与多场景地震损伤和波动维修资源相关的强烈不确定性继续挑战着恢复策略的鲁棒性和适应性。

近年来,强化学习 (RL) 因其支持灾后恢复中动态和自适应决策的潜力而备受关注。通过利用“状态 - 动作 - 奖励”机制,RL 能够在复杂和不确定环境中自主学习,并已成功应用于拓扑扰动下的电网稳健性增强、交通网络抗震恢复调度、配电系统运行和可再生能源协调等场景 [33]、[34]、[35]、[36]、[37]。几项研究进一步将 RL 与模拟退火和粒子群优化等技术耦合,以提高收敛稳定性和搜索性能 [38]、[39]、[40]。总的来说,这些进展突出了基于 RL 的方法在加速恢复决策方面的潜力。与此同时,大多数现有的 RL 应用仍在固定或有限的灾害场景下训练,它们在不同地震强度和损伤模式下的泛化能力仍然受限。因此,开发集成细粒度功能建模、高计算效率和强跨场景适应性的智能恢复框架已成为提高变电站系统抗震韧性的必要方向。抗震韧性评估和灾后恢复研究的最新进展进一步背景化了本研究的位置 [41]、[42]、[43]。

与表 1 总结的密切相关研究相比,本框架在三个基本方面有所不同。首先,尽管文献 [25] 和 [30] 建立了变电站的结构 - 电气双功能网络模型,其中设备状态是二元逻辑状态,但本文开发的双参数功能函数(公式 (2))将设备可用性与连续电气容量退化和显式冗余项耦合,从而捕捉了二元模型无法表示的电气性能部分损失。其次,与文献 [29]-[31] 使用固定算子遗传算法确定维修序列不同,本研究引入了一种 Q-learning 元优化器,根据种群演化状态自适应选择交叉 - 变异算子组合,从而提高了搜索效率并缓解了早熟收敛。第三,与文献 [37] 应用单级 DQN 智能体进行组件级维修调度不同,本文提出的 RL-PM 模型从多场景蒙特卡洛样本中学习分层两级策略(功能单元级和设备级),在一个统一框架内支持震后快速维修决策和震前维护与加固优先级排序。采用和扩展元素的来源在第 5.1 节中进一步详细说明。

本研究的主要贡献总结如下:
1. 集成电气退化和连通性约束的系统级功能建模。开发了一种功能退化模型,同时反映设备级供电能力损失和系统级路径可用性。该模型避免了基于拓扑的模型固有的乐观偏差,并为抗震韧性评估和维修决策提供了准确的定量基础。
2. 用于高效维修路径优化的自适应 RL 引导遗传算法。引入了一种强化学习驱动的元优化机制,根据种群演化状态动态调整交叉和变异策略。该方法显著提高了搜索效率,防止了早熟收敛,并支持特定地震场景下的高维、多约束维修调度。
3. 实现快速和泛化维修决策的跨场景策略生成模型。在多个地震场景样本上训练了一个基于分层 RL 的策略生成器 (RL-PM),以学习可迁移的状态 - 决策映射。它能够在 1 秒内推断近似最优的恢复策略,在一个统一策略框架内连接震后应急调度和震前维护规划。
4. 对冗余配置、设备加固和资源分配的定量见解。通过全面的敏感性分析,本研究揭示了冗余水平、关键设备加固和维修团队部署如何共同塑造韧性演化。这些发现为变电站工程中的投资优先级排序、加固策略设计和应急资源规划提供了可操作的、数据驱动的指南。

基于这些组成部分,本研究的整体技术路线如图 1 所示。该框架将地震损伤输入、功能退化建模、特定场景优化和跨场景策略推理链接为一个连贯的决策周期,形成了一种提高变电站系统抗震韧性和震后可恢复性的综合方法。

章节片段
变电站系统建模和韧性评估基础
震后恢复策略优化和韧性分析依赖于对变电站系统结构和功能机制的精确表征。本节根据后续策略优化框架的要求,从系统组成、功能逻辑和故障传播机制的角度,构建了设备级状态表示、功能单元表达和系统级性能指标。

户外变电站系统抗震韧性的定量评估
在电力系统抗震韧性研究中,开发一个既具有明确物理解释又具有工程适用性的定量指标系统至关重要。对于系统运营商而言,主要关注点在于系统在地震灾害下保持供电能力和在中断后快速恢复的能力。相应地,传统可靠性指标,如期望未供电能量 (EENS),已被广泛应用于韧性分析。

智能决策框架:自适应优化和全周期策略生成
为解决震后恢复规划的高维组合复杂性以及灾害场景的不确定性,本节开发了一个统一的智能决策框架。该框架的核心在于将复杂的工程决策问题转化为可计算和可学习的范式,整合了两个互补模型以覆盖从灾害前韧性规划到灾害后应急的全周期决策链。

典型变电站项目概述
本研究选择了一个典型的 220 千伏双母线变电站作为案例研究。该变电站为区域电网提供主要电力供应功能,服务于医院、通信中心和紧急避难所等设施。震后功能恢复率直接影响城市生命线系统的运行安全。根据其功能,变电站设施被分为六个功能单元:进线单元、出线单元、

结论
本研究解决了 220 千伏双母线变电站震后恢复的关键科学问题,并建立了一个集成物理机制建模、韧性量化、智能优化和跨场景策略生成的系统性理论框架。该研究在一个分析系统中统一了系统功能退化规律、冗余配置效应和分层强化学习策略。该框架揭示了

CRediT 作者贡献声明
Xiaohang Liu:写作 – 审阅与编辑,写作 – 初稿,数据管理。Xiaowei Zhai:调查。Chengqiang Gao:方法论。Zetian Liang:写作 – 审阅与编辑。Kaige Wang:调查。Jun Huang:调查。

写作过程中生成式人工智能和人工智能辅助技术的声明
在本工作准备期间,作者使用了 ChatGPT 来润色语言和提高可读性。在使用该工具后,作者根据需要对内容进行了审查和编辑,并对已发表文章的内容承担全部责任。

利益冲突声明
作者声明他们没有任何已知的竞争财务利益或个人关系,这些关系可能出现在影响本文报告的工作中。

致谢
本工作得到了陕西省科技厅项目 [项目编号 2025JC-YBQN 529] 和陕西省教育厅项目 [项目编号 25JK0550] 的支持。

Xiaohang Liu|Xiaowei Zhai|Chengqiang Gao|Zetian Liang|Kaige Wang|Jun Huang
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号