★ 天地電研（北京）科技有限公司杭州分公司 王宇玲，黃佳晨

★ 應急管理大學 王子嫣

★ 天地電研（北京）科技有限公司杭州分公司 陶飛宇

關鍵詞：配電網韌性；故障自愈；深度強化學習；網絡重構；負荷波動抑制

智能樓宇內部配電網融合了光伏、儲能、柔性負荷及電動汽車充電樁等多元組件，拓撲結構日趨復雜。極端天氣頻發、設備老化以及網絡攻擊等不確定因素，使得配電網故障風險顯著攀升。  一旦發生故障導致供電中斷，不僅會造成巨大經濟損失，還可能危及人員用電安全與社會公共秩序。因此，如何在故障發生后實現快速感知、自動隔離與網絡重構，成為提升樓宇供電韌性的核心命題。

當前， 配電網故障重構方法已從單一的拓撲優化逐步向智能化、協同化方向深入。陳思晴等[1]在上層以最小化負荷削減為目標，下層則以網絡潮流約束為基礎，通過預判可能發生的故障集合提前生成備選重構方案。但由于上層優化對故障預測精度高度敏感，算法穩定性難以得到保證。為克服傳統優化算法易陷入局部最優的缺陷，研究者將視角轉向元啟發式算法的改進與應用。丁立順等[2]將開關狀態編碼為二進制序列，利用灰狼的等級狩獵機制在解空間中進行全局搜索。但是在配電網拓撲頻繁變化或負荷劇烈波動時，算法收斂軌跡不穩定，導致重構穩定性也受到一定影響。隨著柔性電力電子設備的廣泛接入，劉潛等[3]將柔性軟開關的多檔位調節能力引入重構模型，使其不僅承擔通斷功能，還能通過調節阻抗實現潮流的柔性轉移。但是軟開關的多狀態特性大幅增加了決策變量的維度，模型求解的復雜度呈指數級增長，導致算法穩定性波動較大。為了將重構能力下沉至配電網末端，劉音等[4]在臺區側部署霧計算節點，利用輕量化神經網絡對短期負荷進行實時預測，并據此動態調整重構目標函數中的權重分配。但該方法對霧節點的算力與通信質量要求極高，在通信延遲或節點故障時，負荷預測誤差將直接傳導至重構決策環節，算法在強干擾環境下的穩定性仍然有待驗證。

本文提出了一種面向韌性提升的智能樓宇配電網故障自動自愈與快速重構方法，通過對配電網故障狀態進行感知，并結合深度強化算法，實現了故障后的快速自愈與最優拓撲重構。

1   智能樓宇配電網故障自動自愈與快速重構方法設計

1.1   樓宇配電網故障狀態量化感知

本文首先依托配電線路與節點實時運行電氣數據，核算單條線路電流偏離額定值的差值，然后統計全域節點電壓畸變程度得到損傷系數，最后引入權重系數融合兩類指標，生成表征整體故障程度的綜合狀態量。

采集樓宇配電網電壓、電流、線路阻抗、負荷功率等實時運行數據，假設k  t代表t時刻線路實際運行電流，則首先可以對線路故障電流偏差量進行量化。具體表達式如式（1）所示。

其中， Ik代表第k條配電線路故障電流偏差值， Ik  0代表線路額定標準電流。通過對節點電壓畸變損傷程度進行量化，構建全局故障狀態融合特征，計算公式如式（2）～（3）所示：

其中，F代表配電網全局故障綜合狀態量，α和p分別代表電流、電壓故障權重系數， K代表樓宇配電網內配電線路總條數，S,代表樓宇配電節點電壓故障損傷系數， "代表配電網絡總節點數量， ui,o代表節點額定電壓，ui  t代表故障時刻節點實測電壓。

1.2   配電網故障韌性承載力評估

本文結合故障綜合狀態量以及電流電壓故障參數，測算樓宇配電網剩余供電承載力、故障擴散概率與系統韌性閾值，界定自愈重構啟動邊界，輸出韌性評估結果作為強化學習環境輸入狀態。

假設ptotal代表電網最大額定供電功率， ploss代表單位故障狀態對應的功率損耗值，則可以結合全局故障狀態量對剩余供電承載能力進行量化，具體如式（4）所示：

其中， 代表故障后電網剩余可承載負荷功率。在此基礎上，對故障區域擴散概率進行計算，如式（5）所示：          

其中，λ代表故障向周邊線路擴散蔓延概率， Y代表線路絕緣抗故障系數， 代表線路等效阻抗參數。結合計算得到的故障區域擴散概率，對系統韌性安全進行判定[5]。具體表達式如式（6）所示：

其中， 代表樓宇配電網實時韌性水平數值。該數值將作為深度強化學習模型的環境初始狀態參數。

圖1呈現了不同工況下的樓宇配電網韌性水平。

圖1 樓宇配電網韌性水平計算實驗結果

1.3   配電網故障自動自愈與快速重構

本文將韌性水平以及故障狀態參數導入深度強化學習模型， 迭代求解最優開關動作策略， 完成故障線路隔離與供電路徑切換， 實現配電網自愈與網絡重構，恢復穩定供電。

首先對強化學習狀態空間s = [F, R, plod , Ltt進行定義，其中， 代表模型輸入全局狀態矩陣， ploud代表樓宇實時用電負荷， Lstate代表線路通斷開關狀態集合； 然后對重構動作獎勵收益函數進行構建，具體表達式如式（7）所示：

其中， 代表單次開關重構動作累積獎勵值， R '代表動作執行后更新的電網韌性值， AL代表重構產生的線路損耗增量，T代表故障恢復耗時，ri、r2、 r3代表收益懲罰權重系數。由此可以得到最優重構策略迭代表達式，如式（8）所示：

其中，T*代表故障自愈最優網絡重構策略， a代表開關分合動作集合，E[]代表強化學習期望收益運算。依據狀態矩陣與獎勵函數篩選最優供電拓撲結構，最終完成故障自愈與電網快速重構。

2   實驗與分析

2.1   實驗準備

實驗選取大型商業綜合體智能樓宇作為典型測試對象。該樓宇配備屋頂分布式光伏（總裝機容量480kW）、鋰電池儲能系統（總容量600kW·h/300kW）以及地下停車場電動汽車充電集群（可調節負荷約200kW）。配電網關鍵參數如表1所示。

表1 配電網關鍵參數

為實現對饋線故障的快速定位與就地隔離，本文采用分布式布局設計的環網柜作為驗證重構方法可行性的關鍵實驗載體。

智能環網柜實物裝置如圖2所示。

圖2 用于智能樓宇配電網饋線控制的智能環網柜實物裝置圖

智能配電終端用于實時采集饋線電氣量并執行遙控指令，斷路器模塊通過紅色接線端子與上層終端相連，共同構成閉環控制單元。

為凸顯本文算法的性能優勢，設置兩組主流常規算法作為對照組，分別為基于雙層優化策略的船舶電網預測性故障重構方法以及基于改進二進制灰狼算法的配電網故障重構策略。

2.2   智能樓宇配電網故障自動自愈與快速重構結果

本文采用深度強化學習算法進行故障自愈以及重構后，配電網的電壓越限風險值變化情況如圖3所示。

圖3 配電網的電壓越限風險值變化情況

圖3中，在故障發生后，受故障沖擊影響，節點9~17及28~33附近的風險值明顯變化。隨著快速重構策略的啟動與運行，通過閉合聯絡開關轉移負荷，風險值迅速回落。至第15min，全網風險值已降至最低。

2.3   算法穩定性對比

為對比不同重構策略的動態穩定性，實驗引入負荷波動抑制比作為評價指標。該指標代表重構過渡期內關鍵負荷電壓偏差的標準差與額定電壓比值的倒數，其數值越大表明過渡過程越平穩。具體對比結果如圖4所示。

圖4 負荷波動抑制比對比結果

由圖4實驗數據可知，本文提出的面向韌性提升的智能樓宇配電網故障自動自愈與快速重構方法性能最為優異，其抑制比始終穩定在0.45左右，且波動極小。實驗結果表明，本文方法在應對復雜故障時，能有效平抑電壓波動，算法穩定性更優。

3   結語

本文針對智能樓宇配電網在極端故障沖擊下的脆弱性問題，提出了一種面向韌性提升的故障自動自愈與快速重構方法。該方法通過深度強化學習算法，實現了從故障感知到拓撲重構的全流程智能化閉環，為提升城市關鍵基礎設施的抗風險能力提供了可靠幫助。

作者簡介：

王宇玲（1994-） ，男 ，河南方城人 ，中級工程師 ，本科 ，現就職于天地電研（北京） 科技有限公司杭州分公司 ，研究方向為電氣工程及其自動化。

黃佳晨（1994-） ，男 ，江蘇宜興人 ，中級工程師 ，本科 ，現就職于天地電研（北京） 科技有限公司杭州分公司 ，研究方向為電氣工程及其自動化。

王子嫣（2007-） ，女 ，浙 江 杭州 人 ，本科 ，現 就職 于 應 急 管 理 大 學 ，研 究 方 向 為 電 氣 工 程 及 其 自動化。

陶飛宇（1997-） ，男 ，河南鄲城人 ，初級工程師 ，本科 ，現就職于天地電研（北京） 科技有限公司杭州分公司 ，研究方向為電氣工程及其自動化。

參考文獻：

[1] 陳思晴, 姜文剛, 朱志宇, 等. 基于雙層優化策略的船舶電網預測性故障重構研究[J]. 中國艦船研究, 2026, 21 (2) : 391 - 403.

[2] 丁立順, 羅志宏, 史干東, 等. 基于改進二進制灰狼算法的配電網故障重構策略[J]. 電工技術, 2026 (3) : 58 - 60.

[3] 劉潛, 陳謙, 徐旸, 等. 結合多狀態軟開關調控與網絡重構的配電網最優故障恢復[J]. 電力建設, 2026, 47(2) : 101 - 111.

[4] 劉音, 桂媛, 劉若溪, 等. 基于霧計算負荷預測的低壓無源臺區故障自愈重構恢復策略[J]. 電力建設, 2025, 46 (11) : 35 - 46.

[5] 邱海楓, 蘇寧, 田松林. 基于改進BFGS算法的多DG電力系統故障重構研究[J]. 電測與儀表, 2025, 62 (8) : 85 - 92.

摘自《自動化博覽》2026年7月刊