应急移动电源动态调度：配电网韧性恢复的MIP建模与Yalmip复现-平芜编程栈

简介：针对《Routing and Scheduling of Mobile Power Sources for Distribution System Resilience Enhancement》一文，这份资源提供了第二阶段MPS动态调度的MATLAB+YALMIP完整复现，面向从事配电网韧性提升、应急移动电源预配置与动态调度研究的科研人员和研究生。代码基于混合整数规划模型，解决了MPS派遣与配电网运行在不同时间尺度上的耦合，以及道路-电力网络耦合等问题；模型同时协调MPS的移动路径、到达时间与配电网络重构，可复现IEEE 33节点和123节点测试系统上的案例验证。压缩包共5个文件，包含3个MATLAB脚本、1个P文件和1个Visio拓扑示意图，整体大小仅49KB，结构清晰；脚本涵盖主程序、结果展示与拓扑说明，可直接对照文献逐步理解。其中P文件用于保护核心代码，不影响主流程运行，适用于快速复现顶刊算法并验证MPS动态调度效果。目前已有322人浏览学习，尤其适合需要掌握韧性配电网MPS调度建模细节并迁移到自身算例的研究者。

1. 应急移动电源动态调度：一个值得亲手跑通的韧性恢复算例

配电网韧性研究这两年最大的痛点不是模型，而是算例。很多人卡在同一个地方：读了文献里应急移动电源（MPS）的调度策略，觉得思路清楚，但自己用Matlab+Yalmip建模时，道路网络和配电网怎么耦合、两个时间尺度怎么统一成混合整数规划，一动手就散架。这份资源正好补上这一环——它是顶刊论文的第二阶段完整复现，即事件发生后MPS在配电网中如何动态调度，配合传统恢复手段把失电负荷一点点捞回来。适合正在做韧性评估、黑启动恢复、孤岛划分研究的学生和工程师。跑通它，你得到的不是一张图，而是一套可以直接改母线数量、改故障位置、改MPS数量的恢复调度框架。

2. 两阶段框架与MPS动态调度模型：时间尺度耦合与网络耦合的MIP表达

2.1 第一阶段预配置到第二阶段调度：输入接口与变量传递

应急移动电源的完整策略被拆成两个阶段。第一阶段是事件发生前的预配置，主要回答“MPS应该提前放在哪里、放几台、容量配多少”。这一阶段使用预测信息，在不确定性还没兑现时先做部署决策，属于预防性措施。第二阶段才是这份资源的核心：事件已经发生，故障位置已知，配电网拓扑被切断，MPS从预配置位置出发，沿着道路网络移动到接入点，然后以适当的时序向外供电。

阶段之间不是独立的。第一阶段给出的MPS初始位置、数量和容量，在第二阶段里作为固定的输入参数出现。第二阶段变量包括MPS每个时段的路径位置、接入母线、充放电功率和投运状态。顶刊论文里两阶段通过场景概率和预算约束衔接，而这份复现资源把重点压在第二阶段，所以你会发现主程序里预配置结果被简化成一组静态参数，比如初始位置向量和容量数组，直接写在数据文件或主脚本的初始化部分。

建模时一个容易忽略的细节是时间尺度的统一。MPS移动是慢过程，从一个接入点转移到另一个接入点可能需要一两个调度时段；配电网络运行却是快过程，潮流、电压、功率平衡每个时段都要满足。两套时间尺度如果直接混在一个模型里，求解器会把每分钟的潮流变化和每小时的移动决策强行绑定，问题规模和求解难度都会爆炸。原文献的做法是把调度周期离散成统一时隙（通常取1小时或30分钟），道路通行时间按时隙取整，MPS在同一时隙内要么在接入点供电，要么在路上行驶，不允许同时发生。这个简化是工程可接受的，也是复现时必须保留的。

2.2 道路网与配电网的映射：路径时间怎么进入潮流优化

MPS调度最特殊的地方在于它同时受两张网约束。一张是配电网，决定MPS在哪些母线接入、能供多少功率；另一张是道路网络，决定MPS移动要花多长时间。很多第一次复现的人只建了电网模型，把MPS当成可以瞬移到任何位置的抽象电源，结果恢复效果虚高，评审一问路径合理性就穿帮。

正确的做法是先建立道路网络与配电网节点之间的映射关系。道路网用图表示，节点是两个可能的位置（停车场、变电站门口、MPS存放点），边上有行驶时间。配电网母线是MPS的候选接入点。两者通过一个关联表绑定：道路节点集合等于“所有母线候选接入点+车场位置”，行驶时间矩阵则由道路距离除以平均速度得到。复现资源里，这个矩阵通常以二维数组形式放在数据准备阶段，维度是候选位置数量乘候选位置数量，对角元素为零，非对角元素是两地点之间的移动时耗。

映射进入优化模型后，MPS的移动决策被表达为一个配送路径问题。变量是二进制的位置状态，某个时段MPS是否停靠在某个候选点。约束保证每台MPS同一时段只能在一个位置，移动时间约束确保从上一时段的停靠点移动到下一时段的接入点所需时间不超过两者时隙差乘以一个调度时段长度。这组约束把道路网络的旅行时间嵌入到优化里，MPS就不能再“瞬移”了——从10号位置到27号位置如果路上要两小时，那它在中间那个时段的供电状态必须为零。

2.3 混合整数规划表达：决策变量、目标函数与约束骨架

第二阶段的优化模型是一个典型的混合整数规划，我拆给你看。

决策变量分三层。第一层是MPS位置与投运状态：二进制变量 x_mps(p, t) 表示第p台MPS在时段t是否停靠在候选点；二进制变量 u_mps(p, t) 表示该时段是否处于供电状态。第二层是功率变量：连续变量 P_dch(p, t) 和 P_ch(p, t) 分别表示放电和充电功率，约束同一时段只能有一个方向非零。第三层是电网运行变量：各时段母线电压幅值 V(b, t)、线路潮流 P_flow(l, t)、Q_flow(l, t)，以及负荷切除量 P_shed(b, t)。

目标函数在复现资源里采用加权失负荷最小化。标准的写法是：

%% 目标函数：失负荷惩罚 + MPS调度成本，权重系数可调 Objective = sum(sum(LoadShedWeight * P_shed)) + sum(sum(MoveCost * x_move));

逻辑说明：第一项是所有母线在所有时段被切除的负荷功率乘以单位失负荷惩罚，第二项是MPS移动次数乘以单次移动成本。惩罚权重在IEEE 33节点系统里通常取每兆瓦数百到上千单位，目的是让模型优先恢复负荷而不是省钱；移动成本是相对值，保证模型不会为了微小的负荷收益频繁移动MPS，否则恢复曲线会出现锯齿状抖动。

约束骨架我建议按四组记忆：潮流约束用DistFlow线性化方程，父节点注入功率等于子节点流出功率加损耗项；电压约束限制在0.95到1.05标幺值之间，MPS接入馈线末端时注意这里最容易越限；MPS容量约束是动态积分，每个时段的剩余电量等于上一时段减去放电加上充电，最终电量不小于最低保护阈值；道路时间约束我们已经说过，保证移动需要时间。原文献的贡献正好是在这里把DistFlow和车辆路由统一进一个MIP框架，所以复现时不要轻易把潮流换成牛顿法迭代，一旦引入非线性，Yalmip就退化成求解局部解，不再是文献里的全局最优框架。

3. 主程序拆解：main_mps_Scheduling.m 的建模与求解流程

3.1 IEEE33.m 数据文件与场景初始化

拿到资源包后，第一个打开的文件应该是IEEE33.m。它不是主程序，而是数据准备脚本。里面定义了三类内容：配电网拓扑数据、负荷时序数据、MPS参数。

拓扑数据包括：母线编号（1到33）、线路首末端节点数组、线路电阻和电抗（标幺值或有名值）、每条线路的容量上限、以及变电站根节点位置。IEEE 33节点系统本身是经典算例，一条33kV馈线从根节点分出三条主干，总负荷约3.7MW、2.3Mvar。原文献把它用作韧性测试平台时，通常会修改几个元件参数，制造出一段存在供电孤岛风险的拓扑，比如把某条联络开关线路断开，模拟故障隔离后的失电区域。你打开文件后会看到某个数组里有一行注释标注故障线路编号，这就是场景设定的关键。

%% 数据准备环节（IEEE33.m 核心内容结构示意） bus_data = [bus_id, P_load, Q_load, V_base]; % 母线负荷数据，单位MW/Mvar line_data = [from_bus, to_bus, R_pu, X_pu, cap]; % 线路阻抗与容量限值，标幺值 mps_data = struct('num',3,'cap',[500,500,500],... % 三台MPS，每台500kWh 'init_pos',[25,18,8],... % 初始停靠点 'speed',25,'charge_rate',80); % 移动速度与充电功率上限 TimeStepNum = 24; % 调度周期时隙数

逻辑说明：前三行定义电网静态数据，后三行定义MPS动态数据。init_pos对应第一阶段预配置的结果，正常复现时不需要改，如果你要研究预配置的影响，直接把这三个数值改成别的候选点位置，观察恢复率变化。

参数说明：speed的单位是km/h，charge_rate是MPS接入电网后自身补电的最大功率。这三个MPS参数直接影响道路时间矩阵和容量动态约束。如果你把速度改小，路径约束会收紧，部分远距离接入点会变得不可达；把容量改大，恢复持续时间变长，但MIP的可行域变大，求解时间也上升。