極端自然災害下新型電力系統彈性提升措施研究及關鍵技術綜述

景 祥，秦文萍，姚宏民，朱志龍，黃 倩，張信哲

(太原理工大學 電氣與動力工程學院，太原 030024)

隨著人類社會發展對化石能源的開采和利用，全球平均氣溫逐步上升[1-2]。二氧化碳等溫室氣體的過量排放，提升了諸如臺風、暴雪等極端自然災害的出現頻次，進而破壞了能源系統的穩定與安全[3]。2015年12月巴黎氣候變化大會通過《巴黎協定》，目標是實現對21世紀全球平均氣溫上升的有效遏制。為了從根源上建設彈性電力系統，應對氣候變化的同時緩解對化石能源的依賴，近年來世界各國紛紛提出可持續發展戰略，意圖打造綠色化、低碳化的新型電力系統，我國能源結構低碳化改革要求迫切[4]。2020年9月，習近平總書記在第七十五屆聯合國大會指出“我國二氧化碳排放量力爭于2030年前達到峰值，努力爭取2060年前實現碳中和”，旨在進一步推進能源產輸消產業鏈改革，布局可持續發展建設，構建環境友好、穩定高效的能源生態。2021年5月，國家電網公司召開構建以新能源為主體的新型電力系統研討會，為實現雙碳目標貢獻力量[5]。

新型電力系統以最大化消納新能源為主要目標，呈現出廣泛互聯、多能互補、穩定可靠、靈活智能的特征[6-8]。風電、光伏等非化石能源將從原來電力消費的增量補充，轉變為電力生產主體，從電源側提高了電力系統的環境友好性。此外，新型電力系統引導負荷參與需求響應，推動負荷分類可控管理。伴隨海量智能電力設備的接入實現了系統數據的實時交互，源荷能量動態匹配進一步提升了系統能量利用效率[9]。值得注意的是，盡管極端自然災害發生屬于罕見事件，但是仍對新型電力系統造成了巨大損失，如2019年“利奇馬”臺風造成我國600萬用戶停電，累計經濟損失高達500億元[10]；同年，“法茜”臺風導致日本輸電線路和桿塔受到嚴重破壞，近100萬用戶停電[11]；2021年極寒天氣導致美國得克薩斯州發生大面積停電事故，最終累計切除負荷20 000 MW[12]。由此說明，保證新型電力系統安全關乎國家穩定、經濟發展命脈，新型電力系統應對極端自然災害的能力也亟待提升[13-15]。

因此，本文歸納新型電力系統彈性的概念，揭示新型電力系統彈性在極端自然災害下的演化過程，基于新型電力系統理論與技術，明晰新型電力系統對彈性的影響，綜述規劃設計與運行調度方面提升新型電力系統彈性措施的研究成果，并理清提升新型電力系統彈性提升的關鍵技術，給出相應研究重點，旨在為我國能源清潔低碳轉型的安全提供指導性建議。

1 新型電力系統彈性的內涵

1.1 新型電力系統彈性的概念

彈性的概念最早于1973年由HOLLING C S在生態學研究中提出，用來衡量生態系統承受、吸收擾動量，并保持系統穩定的能力[16]。雖然目前世界各國對彈性進行了大量研究，但尚未形成統一的概念[13-14，17-19]，普遍強調其面對極端自然災害這類高影響-低概率事件時應具有的抵抗能力和恢復能力，其涵蓋了電網魯棒性、冗余性、快速性、智能性、靈活性等多個維度。在此基礎上，本文將新型電力系統的彈性定義為：依據系統操作運行的時序過程，應對極端自然災害時充分預防、有效抵御和快速恢復的能力[13，19]。

1.2 新型電力系統彈性的演化過程

在新型電力系統應對極端自然災害全時段，系統運行狀態將發生一系列變化，依據新型電力系統彈性在時間尺度上的演變，系統彈性曲線[13，19-20]可分為3個階段，如圖1所示。其中，Q為系統功能，表示新型電力系統在某一極端自然災害下的彈性水平；tE表示系統出現降額的時刻；tD表示系統開始恢復的時刻；tR表示系統恢復完成的時刻。

1) 災前預防階段([t0，tE]).該階段新型電力系統從長期和短期兩個時間尺度令彈性保持在正常水平。在長期時間尺度，運營商結合歷史數據與地理因素分析電網可能受到的災害類型與強度并進行風險評估，加固輸電通道，明確可用于支撐彈性水平的恢復資源，在此基礎上協調配置恢復資源，指導系統投資建設。在短期時間尺度，運營商結合極端自然災害預測信息與系統狀態臨時調配恢復，在災前提升系統的抗災能力。

2) 災中防御階段([tE，tD]).該階段新型電力系統彈性水平顯著下降，發電設備、傳輸線路等系統元件受到破壞，出現潮流不平衡情況，伴隨著能量傳輸過程中的短期頻率、電壓波動，導致大規模保護裝置動作，彈性水平可能因連鎖故障進一步降額。相較于傳統電網，新型電力系統的裝備種類更為豐富，通過智能控制設備的快速響應，可有效遏制故障蔓延。

圖1 新型電力系統彈性曲線Fig.1 Resilience curves of novel power systems

3) 災后恢復階段([tD，tR]).該階段系統彈性水平逐步恢復，運營商通過故障定位、預測算法和負荷側報告進行損傷評估，從空間層面上有序安排搶修隊伍對故障元件進行修復。與此同時，運營商喚醒分布式電源、儲能設備等恢復資源，從時間上保障高優先級負荷供應，有效恢復系統彈性水平，但受能源儲備影響，系統彈性水平恢復的速率可能出現波動。

2 新型電力系統對彈性的影響

新型電力系統以智能電網為樞紐，以最大化新能源消納為目標，最終形成發電主體轉變、網絡結構靈活、負荷形式多樣的新一代能源網絡[8]。極端自然災害下，新型電力系統可調控豐富的恢復資源支撐系統運行，但也將面臨擾動形式更加繁雜的挑戰，對彈性的影響具有兩面性。

2.1 新型電力系統對彈性的優化潛力

新型電力系統對彈性的優化潛力源于廣泛分布在系統生產、輸送和消費環節的恢復資源，為系統彈性的提升提供時間或空間上的靈活性，詳細見表1.

在電源側，依據電網周邊的水和燃料的使用需求、氣候和地理條件來分配多種可再生能源的組合有助于平滑其固有的變異性，同時能保證在大停電事件中的安全性[6，21]。例如，在易受洪水干擾的水電站發電地區設置具有低用水量需求的風電、光伏系統，可以提高當地極端自然災害下的電力供應。在電網側，伴隨著智能電網技術的發展，高級測量體系(advanced metering infrastructure，AMI)、同步相量測量單元(phasor measurement unit，PMU)等新型裝備大量接入系統，為電網公司提供了詳細的測量數據，以便實時感知電網的健康狀況[22]。這些數據還包括極端自然災害、停電時間、瞬時狀態和其它歷史數據，蘊含著豐富的信息，分析海量數據并揭示其中隱藏的價值將有效提升新型電力系統抵御干擾的能力。與此同時，部署于線路的智能軟開關(soft open point，SOP)等動態控制系統提供了靈活、便捷的潮流優化調控能力，避免了系統故障的傳播與擴大[23]。在負荷側，新型負荷和多元化儲能設備等靈活性資源的出現，不僅在正常運行條件下為系統提供了較高的可靠性和經濟性，還為系統功率平衡提供了新的恢復資源[24-25]，可實現故障狀態下緊缺發電資源的有效分配，保障負荷持續用電，提升電源黑啟動能力。

表1 新型電力系統的恢復資源Table 1 Restoration resources for novel power systems

2.2 新型電力系統對彈性的多重挑戰

新型電力系統給彈性帶來的威脅來自于源-網-荷不確定性強和抗擾動能力弱等方面，需從多個維度實現技術突破。結合新型電力系統形態特征，其彈性提升研究應考慮以下挑戰：

1) 源-網-荷不確定性波動加劇。在風機、光伏等可再生能源、元件易損性與用戶消費行為的作用下，不確定性將廣泛存在于新型電力系統各個階段[26]。此外，考慮到災害對電網智能監測設備的破壞，導致系統實時態勢感知能力下降，進一步增加了精細化預測的難度。如何明晰源-網-荷不確定因素，在彈性研究中準確地構建表征不確定性差異的模型，是新型電力系統彈性提升的關鍵。

2) 受災系統時-空特性不均衡。對新型電力系統而言，自然災害的發生時間變得更加關鍵。如果在某一發電資源出力占比高時受干擾，則系統可能面臨嚴重的發電不足，進而出現源荷不匹配現象。與此同時，系統發電組合中每類發電資源受災害的影響程度不同，導致系統抵御極端自然災害的能力具有差異。如何有效辨識新型電力系統在多時空極端自然災害中的故障時間和故障位置，分析特定災害-新型電力系統交互機理，是新型電力系統彈性提升的基礎。

3) 動態控制系統可行性不足。由于新能源占比提升，新型電力系統的轉動慣量急劇下降，加之新型電力系統調峰、調頻、高/低壓穿越能力較弱，從而降低了系統的抗擾動能力。伴隨系統無功支撐能力差，潮流倒送頻繁，暫態過電壓問題突出，加劇了系統運行過程中開關動作頻繁帶來的瞬時沖擊導致大規模電網解列的可能[27]。如何在新型電力系統由N-1到N-k故障再到正常運行轉變下，保證面向穩態的彈性提升措施在極端狀態下的可行性，是新型電力系統彈性提升的底線。

3 新型電力系統彈性的提升措施

保障新型電力系統應對極端自然災害的持續供電能力是彈性提升的首要任務[26]。目前彈性提升措施主要圍繞對各類恢復資源的規劃設計和運行調度，結合新型電力系統彈性的演化過程，將彈性提升措施分為三類，包括：災前規劃配置、災中管理控制和災后恢復響應。其中，災中管理控制和災后恢復響應屬于運行層面，具體如圖2所示。

圖2 新型電力系統的彈性提升措施Fig.2 Resilience improvement measures for novel power systems

3.1 災前規劃配置

新型電力系統通過多種發電組合實現能源結構的調整優化，導致電網結構不斷復雜，伴隨多種分布式能源的高比例接入，亟需在規劃層面對網架和各類資源的接入位置、容量進行配置，以充分挖掘各類資源對彈性提升的潛在價值，指導新型電力系統投資建設[28-29]。然而，極端自然災害往往不易預測、無規律可循、出現頻率低，盡管部分災害可以通過預警而感知，但難以實現基礎設施與不可移動資源的有效配置。因此，本節將從彈性長期規劃和彈性短期配置進行綜述。

彈性長期規劃主要是基于歷史數據對基礎設施和不可移動資源進行規劃。文獻[30]研究了地震災害下桿塔選型與檔距選擇的規劃，基于數據采集與監視控制分析了上述元件在不同地震烈度下的易損性。文獻[31]通過建立附加線路、斷路器和變壓器來保障線路傳輸能力，避免潮流阻塞。文獻[32]通過對輸電線路附近的植被進行修剪與砍伐來達到植被管理的目的，以降低線路故障概率。然而，圍繞基礎設施的加固與冗余導致了系統規劃的投資成本較高。在不可移動資源規劃方面，文獻[33]對自動開關的安裝位置進行規劃，目的是最大化系統供能。文獻[34-37]構建了“防御者-攻擊者-防御者(DAD)”的三層優化策略。在第一層，系統計劃層(充當防御者)在指定的預算限制下確定分布式電源或儲能最佳安裝位置。在第二層，自然災害(攻擊者)在指定的線路故障數量下最大化系統失負荷量，即在N-k個故障場景下選擇最嚴重的一個。在第三層，系統操作層通過恢復策略將系統失負荷量降至最低。文獻[38]建立臺風下電動汽車充放電站的彈性規劃模型，基于歷史數據研究了桿塔的故障狀態，并建立了計及相關性的桿塔失效概率模型。

彈性短期配置通過災害預警實現可移動資源的最優配置，相較于不可移動資源在時間維度對彈性的提升，可移動資源還具備空間維度上的提升。文獻[39]依據系統電壓等級，結合可能故障場景的預測對應急電源車聚集點進行選址，以最小化系統失負荷量。文獻[40]部署線路維修隊伍，為電網提供了一定的拓撲靈活性，通過保障關鍵負荷的供電提高了系統的彈性。

3.2 災中管理控制

保證系統極限生存和負荷供能是控制管理環節最關鍵的兩個目標，保證系統安全可靠運行優先于最小化失負荷量[41]。相較于傳統電網，大規模電力電子設備與智能控制系統涌入新型電力系統，提供了豐富的彈性響應措施[27]。作為運行層面措施的第一步，該階段抑制強擾動在系統內的傳播，及時切斷事故鏈，防止故障蔓延，提升系統彈性。此階段彈性響應依據災害發生的時間分為正常管理與緊急控制。

正常管理是已預知即將到來的極端自然災害時電力系統提前一天的調度措施[42]。多數方案集中于網架拓撲控制(如：防御性孤島、線路切換)和增加系統備用措施，設定不同時段的負荷優先級，以提升系統在災害事件下的表現。在正常管理之后，依據實時的系統災情進行緊急控制。緊急控制包括風險評估和管理、保護整定和配合、故障定位和隔離、拓撲優化和重構、能量調度和分配[43]。下面將討論一些常用的緊急控制。

3.2.1基于彈性的機組組合

基于彈性的機組組合策略是提高電力系統運行彈性的主要途徑之一，目前已有文獻建立了基于彈性的發電資源調度模型。文獻[44]建立了緊急發電資源和儲能系統的調度模型，通過平抑極端自然災害給系統帶來的時-空不均衡性和潮流的動態變化來提升系統彈性。文獻[45]提出基于彈性提升的機組組合策略，適用于多個發電設備同時停機的情況。

3.2.2遠程開關控制

遠程開關控制是常被應用于輻射狀拓撲直流輸電系統的彈性提升措施。遠程開關分為線路常開開關與線路常閉開關，根據發電資源狀態和網架結構情況控制其動作，優化電網拓撲結構，改變能量流向，從而最大化其持續供電能力。文獻[6，46-47]建立了最小化線路潮流阻塞和失負荷量的開關控制模型，以具有遠程開關線路的動作狀態為模型的決策變量，目的是最大程度地改善電力系統的彈性，其最大開關動作的次數由運營商確定。進一步地，文獻[48-49]建立了防御性孤島的自適應控制方法，通過求解一個割平面問題來隔離電力系統中易受損元件，可減輕系統故障的級聯效應。

3.2.3微電網生成

在極端自然災害中應急生成微電網是保證關鍵負荷用能，提升輸/配電網彈性的有效措施[50-51]，是遠程開關控制的進一步拓展。微電網可以被視為三種形式的恢復資源，包括本地資源、社區資源和系統資源[49，51-52]。現有研究基于滲透理論，利用層次分析法通過微電網提升系統的彈性。文獻[53]將配電網分成多個微電網，并提出雙層分級停電管理模型，在拓撲因素上，進一步考慮了微電網調度對系統彈性的提升。在模型第一階段對微電網的分布式電源進行調度，通過分時停電整合微電網的空閑資源，在第二階段保障上一階段未供電的關鍵負荷的用能。文獻[54]提出多微網的動態控制策略，將固定邊界的微網擴展到動態邊界的虛擬微網，通過降低負荷削減提高系統彈性，其中兩個微電網可以在確定條件下相互連接，形成一個更大的微電網，反之亦然。

3.3 災后恢復響應

恢復響應環節作為系統彈性提升的最后一個環節，目的是盡可能快地統籌全部恢復資源恢復盡可能多的負荷。在極端自然災害后，運營商需要盡快調度維修隊伍，從“硬件層”對故障元件進行搶修，伴隨著對本地分布式電源、應急發電車和需求側管理等恢復資源的“軟件層”調度，對電網彈性的提升具有十分重要的現實意義。

目前就系統硬件的維修主要集中于配電網范疇。維修隊伍分布于系統關鍵設施附近，各小隊包括配電桿、線路和變壓器等設備的修理資源和幾名維修人員。在故障定位后，維修隊伍依據經驗或預先確定的元件重要度進行修復工作，一般認為元件重要度是傳輸線路、變電站、關鍵線路(醫院，交通)[55]。但是，故障線路的數量通常多于維修隊伍的數量，依靠經驗或指南難以對有限的修復資源和行徑路線進行最優分配[56]。文獻[57]建立了多中心維修隊伍調度模型，考慮網絡拓撲約束、隊伍行徑約束、時間窗約束，采用“先分配再調度”的方法降低了求解難度，實現了配電網受損元件的快速恢復。文獻[40]考慮元件修復時間的不確定性，建立了維修隊伍的在線派遣模型。

在系統供用能恢復過程中，文獻[50]通過調度微型燃氣輪機為系統復電，以快速地恢復本地負荷，提升系統彈性。文獻[58-59]將系統恢復和直接負荷控制、需求響應相結合，通過負荷提供的靈活性提升系統彈性。文獻[60]利用車載儲能電池的能量雙向交互能力，在適當的時間和位置接入系統，保障關鍵負荷用能。為了應對不可移動資源受災情影響不可用的故障場景，文獻[61]建立了電動公交車的調度模型，并基于路網圖引導其至充放電站有序放電。在多恢復資源聯合調度方面，文獻[62]通過屋頂光伏與分布式儲能的協同調度，減少了功率波動，為微電網集群提供了穩定的功率輸出。文獻[63]建立了計及拓撲重構和需求響應的兩階段優化模型，結合節點電價機制為配電網恢復提供了支撐。

4 提升新型電力系統彈性的關鍵技術與展望

綜合目前彈性提升措施，其對彈性全時段不確定性因素考慮不充分、災害-電力系統交互行為預測不精確、控制系統瞬時電壓頻率波動分析不周全，尚無法全面指導新型電力系統彈性提升。筆者認為彈性全時段不確定性表征、物聯網與人工智能是支撐新型電力系統彈性研究的兩個關鍵技術。

4.1 彈性全時段不確定性表征

4.1.1彈性提升措施中的不確定性

新型電力系統彈性提升研究主要是通過規劃與運行兩個層面，這一系列問題在數學本質上均可歸納為最優化問題。隨著新型電力系統的發展，電力系統的不確定性加劇。加之低概率的極端自然災害的干擾，系統在原有出力預測和用戶行為分析誤差等導致的新能源功率的不確定性、需求側管理的不確定性的基礎上，進一步增加了故障時空分布的不確定性。彈性研究中的不確定性主要分為節點注入功率的不確定性、輸電網絡狀態的不確定性和恢復資源運行的不確定性，各維度的不確定性既相對獨立又有機關聯，如圖3所示。

圖3 彈性全時段不確定性因素Fig.3 Uncertainty factors of resilience

4.1.2彈性提升措施中的不確定性建模

彈性提升措施的不確定性建模方法包括隨機優化(stochastic optimization，SO)和魯棒優化(robust optimization，RO)兩種。

SO依據目標函數是否含有不確定性變量分為期望值模型和機會約束模型。在目標函數中含有不確定性變量的期望值模型中，首要完成的是對不確定性變量的概率測度，然后通過場景分析將隨機優化問題轉變為等價的確定性優化問題，最后以各場景結果的加權平均值最小化(或最大化)作為優化目標[64]。文獻[65]使用概率分布模型預測臺風風速，將概率分布離散化，定量分析輸電線路在不確定場景下的過程。隨著系統規模的升級與受影響設備的擴大，導致這類彈性研究中需要生成大量場景，為了避免模型求解精度的降低，常需要通過場景削減技術或Benders分解減少場景數目[66]。文獻[67]建立了發輸電雙層隨機規劃模型，通過場景生成與削減技術對不確定量進行刻畫。但是新型電力系統不確定因素眾多，難以準確獲得響應的概率分布，進而降低了期望值模型的準確性。

機會約束模型的主要特征是相關決策變量在觀測到隨機變量前已確定，因此模型有部分可能違背約束條件，需要就違反約束的概率給定一個閾值。文獻[68]對風機和儲能進行聯合調度，將含有隨機變量的約束改寫為機會約束，從而等效為一個確定性問題。文獻[69]建立了基于機會約束的移動應急電源的優化調度模型，綜合考慮其電源容量與行駛時間，實現了重要負荷停電損失最低的目標。但是機會約束的改寫對隨機變量的概率分布有著較高的要求，服從非正態分布等典型分布的隨機變量將導致模型求解精度下降。

RO相較于SO無需得知不確定性變量的詳細概率分布，具有適用性高的特點，被廣泛應用于含不確定性因素的彈性研究中。魯棒優化按照構建所描述參數波動不確定集的類型，可以分為傳統魯棒優化與分布式魯棒優化。傳統魯棒優化多通過構建多面體不確定集，給定其波動區間的上、下界。文獻[70]考慮風機出力的不確定性，建立以切負荷量最小為目標的傳統魯棒優化模型，但其對不確定因素的刻畫較粗糙，造成結果過于保守。文獻[71]對系統負荷和孤島持續時間構造基數約束不確定集合，引入魯棒預算，用于約束不確定區間的總偏差量，較好協調了經濟性與保守性。而分布式魯棒優化將靜態魯棒優化和隨機優化結合，構建具有一定概率特征的不確定集，進一步降低了結果的保守性。文獻[72]基于風機、光伏出力的歷史數據，構建了基于散度的不確定集合。上述魯棒優化中決策變量在不確定性變量觀測前確定，是一種靜態數學模型。但是系統彈性提升行為往往受不確定因素擾動，需要在其觀測后做出決策，靜態魯棒優化模型與許多現實情況不符，導致結果仍然保守。文獻[73]研究線路多重故障下的機組組合問題，構建了兩階段傳統魯棒模型。在此基礎上，文獻[74]構造了線路故障矩信息不確定集，通過兩階段分布式魯棒模型，最小化運行成本。同時，由于其模型考慮了線路故障的概率信息，降低了結果的保守性。

上述研究雖然處理了彈性過程中的不確定性因素，但優化結果偏保守是不確定優化的固有局限，模型求解精度與不確定集精確建模是造成這一現象的主要問題。目前，線性決策規則、Benders分解和列與約束生成(column and constraints generation，C&CG)在求解魯棒優化問題已經得到了廣泛應用。然而現有彈性研究模型中常含有表征線路通斷狀態、開關動作狀態、資源可用狀態等二進制決策變量，導致上述以主問題和子問題迭代為核心的求解方法難以保障解的最優性，同時顯著增加了模型的求解時間。

在未來彈性提升措施中，應依據具體環節，統籌其不確定性因素，結合現有不確定性的數學表征方法，建立計及概率特征差異的多重不確定性優化模型，并研究高效精確的求解算法，是保證提升措施實施穩定可靠、數學模型分析精確高效的關鍵環節。

4.2 物聯網與人工智能

新型電力系統日益增長的復雜性與不確定性對其彈性的建模分析、精細預測帶來了極大的挑戰。而人工智能(artificial intelligence，AI)對物理系統數學模型的依賴程度較低，具有從海量數據中自我學習的能力。運營商依托電力物聯網的建設，將廣域監測、傳感器、智能設備等裝置收集的海量環境數據與電力系統運行數據儲存在服務器，并通過電信交通與互聯網的形式上傳至云端，實現了多源異構數據的可靠分發，為人工智能技術的推廣提供了平臺，也為新型電力系統彈性提升提供了新的方法[75]。目前機器學習的算法分類為傳統神經網絡、核方法、基于樹的方法、概率建模、集成學習這五類。

由于天氣和系統等各種因素的不確定性，傳統物理分析難以分析實際準確的場景，機器學習可以通過分析天氣數據，探究典型極端自然災害的時空傳播特征，收集對應災害的歷史中斷區域、易受攻擊組件等信息，指導電力系統在災前規劃配置工作。文獻[76]提出了一種基于時間和空間信息的監督學習模型，并通過實際的停電案例進行了驗證，這項研究幫助運營商實現對實際停電區域的準確預測。

在災中管理控制階段，機器學習方法可以提高其控制的速度和精度。通常，系統實時運行數據會發送給大數據平臺，通過處理和計算，再將各設備的控制策略反饋給運營商。目前已有多種強化學習方法用于解決發電機控制問題。文獻[77]將多智能體化學習方法與多目標優化模型相結合，解決了多區域分布式電源的控制問題。為了更好地解決大規模可再生能源并網帶來的電壓波動問題，文獻[78]針對可再生能源和電動汽車普及率較高的互聯電網，建立了一種基于強化學習的時序調度模型。然而強化學習極易受標簽數據量影響，導致其在大規模電力系統的計算效率降低，難以保證措施穩定有效。現有研究將深度學習和強化學習相結合提出深度強化學習，并廣泛用于系統穩定性控制中。文獻[79]基于深度強化學習，依據暫態電壓變化制定系統的切負荷策略。

相較于管理控制階段，恢復響應階段還需要收集歷史故障修復時間與所需資源、交通道路狀態、用戶行為數據等恢復資源的數據。現有研究應用在恢復響應的人工智能技術還比較少，文獻[80]利用智能電表數據來預測冷負荷回升帶來的用戶行為變化。

但是，基于數據驅動的方法并不是一勞永逸的，物聯網的發展也給極端自然災害帶來了新的作用對象，通信設備故障、樣本數量與質量的下降可能會導致預測精度嚴重劣化。此外，極端自然災害對電力系統造成的危害極大，加之其低概率性，導致離線訓練過程難以保證正負樣本的平衡性。隨著信息物理融合技術的發展，降低數據驅動固有的過擬合、欠擬合風險，將模型驅動相互補，建立模型-數據混合驅動的彈性提升方法，實現“能量流”和“信息流”的協同，將成為未來研究的重點方向。

5 結束語

為實現低碳綠色的能源轉型目標保駕護航，新型電力系統的彈性提升勢在必行。本文總結了新型電力系統彈性的概念，明確了新型電力系統彈性在極端自然災害下的演化過程，并在新型電力系統理論與技術的基礎上，分析了新型電力系統對彈性的影響，指出了源-網-荷不確定性波動加劇、受災系統時-空特性不均衡、動態控制系統可行性不足等挑戰，從而進一步歸納了災前規劃配置、災中管理控制和災后恢復響應等彈性提升措施方面的研究，并對不確定優化理論、物聯網和人工智能技術兩個關鍵技術進行總結和展望。

然而目前國內外對于新型電力系統彈性提升的研究仍處于起步階段，仍需要進一步的深入，期望本文可以為后續相關研究提供參考，建設高彈性的“雙高”新型電力系統。