技术领域
[0001] 本发明涉及电力系统技术领域，尤其涉及一种台风灾害下重点区域恢复供电优化方法、系统及设备。
相关背景技术
[0002] 随着经济的发展和人民生活水平的提高，对供电可靠性的要求也在不断提升，配电网作为直接向用户供电的网络，其可靠性直接影响到用户的正常生活和生产活动，然而，配电网结构复杂且设备众多，自然灾害和电力元件故障等因素都可能导致停电事故的发生，特别是台风等极端天气事件，由于其突发性和破坏性，对配电网的影响尤为严重，据统计，配电网故障引起的停电时间占总停电时间的80％，这表明在灾害情况下，配电网的恢复供电能力亟需加强。
[0003] 在配电网运行中，由于其闭环设计、开环运行的特点，当某一条支路发生故障时，其下游将全部停电，这极大地扩大了停电范围，供电恢复就是在故障检测与隔离后，对非故障区域进行供电恢复问题，在传统配电网中，供电恢复方法多依赖于人工操作和经验判断，但这种方法在失电负荷过多时存在过载风险，可能导致保护动作，进一步扩大停电范围。
[0004] 在台风等自然灾害导致的供电恢复中，配电网的可靠性面临极大挑战，特别是在分布式电源(DG)广泛接入的情况下，虽然分布式电源能够对本地负荷进行供电，但同时也可能掩盖部分实际负荷功率，使得对实际负荷功率的估计变得困难，现有的配电网切负荷控制方法在面对配电侧分布式电源并网比例持续增长时，往往难以适应，而且传统的输配电网在制定紧急切负荷策略时，主要关注系统的稳定性，并通常以满足稳定约束下控制代价最小为目标，然而，由于配电系统海量数据量测与传输的困难，通常只考虑输配电网自身的运行状态变化，而将配电网作为可切除的控制对象，这种做法忽略了配电网自身源荷占比及源荷功率的实时变化情况，导致在台风灾害中重点区域供电恢复中，传统的复电方法已难以满足快速有效地恢复台风灾害中重点区域供电的需求，因此，为了应对台风等极端天气条件下的供电恢复问题，亟需提供一种台风灾害下重点区域恢复供电优化方法，以有效处理台风灾害下配电网的复杂性和不确定性，为重点区域的快速恢复供电提供决策支持。
具体实施方式
[0085] 下面结合附图具体阐明本发明的实施方式，实施例的给出仅仅是为了说明目的，并不能理解为对本发明的限定，包括附图仅供参考和说明使用，不构成对本发明专利保护范围的限制，因为在不脱离本发明精神和范围基础上，可以对本发明进行许多改变。
[0086] 参考图1，本发明实施例提供了一种台风灾害下重点区域恢复供电优化方法，如图1所示，该方法包括以下步骤：
[0087] S1.根据台风关键参数计算台风影响区域内重点供电区电力联络线发生故障事件的风险，得到台风影响下的重点供电区专线故障概率。
[0088] 本实施例根据台风灾害影响的范围和严重程度，确定受影响的重点供电区域，针对这些区域，收集历史台风灾害下的电力恢复数据，包括恢复供电的时间、恢复的负荷量、电力设备的损坏情况等，假设台风受灾重点供电区与主电网有NL条专线(电力联络线)联接，考虑台风风力和暴雨等影响而造成线路元件损坏、水浸、断线、倒杆、短路、接地，受灾重点供电区专线发生停电故障概率，即重点供电区专线故障概率可以按照下式计算：
[0089]
[0090] 其中，
[0091]
[0092] 式中，pL为台风影响下的重点供电区专线故障概率；NC为台风受灾重点供电区中电力元件的数量；NL为台风受灾重点供电区与主电网之间连接的电力联络线数量； 为在考虑台风风力影响下，t时刻第i条电力联络线第k个电力元件发生故障的概率； 为在考虑台风暴雨影响下，t时刻第i条电力联络线第k个电力元件发生故障的概率； 为在考虑台风风力影响下，t时刻第i条电力联络线发生断线而造成停电故障的概率； 为在考虑台风风力影响下，t时刻第i条电力联络线发生倒杆而造成停电故障的概率； 为t时刻第i条电力联络线第k个电力元件受台风风力影响的故障停电系数，其值为经验系数，可通过实验进行取值；VLi,t,k为t时刻第i条电力联络线第k个电力元件在台风灾害区(台风影响区域)内所处位置点的风速； 为t时刻第i条电力联络线第k个电力元件设计的最大抵御风速； 为t时刻第i条电力联络线第k个电力元件受台风风力影响的系数； 为t时刻第i条电力联络线第k个电力元件受台风暴雨影响的故障停电系数，其值为经验系数，可通过实验进行取值；RLi,t,k为t时刻第i条电力联络线第k个电力元件在台风灾害区内所处位置点的暴雨量； 为t时刻第i条电力联络线第k个电力元件设计的最大抵御暴雨量；为t时刻第i条电力联络线第k个电力元件与台风暴雨影响的系数； 为t时刻第i条电力联络线发生断线而造成停电故障与台风风力影响的系数；σLi,t为t时刻第i条电力联络线在台风灾害区内所处位置点受到的最大应力值； 为t时刻第i条电力联络线受台风风力影响的故障停电系数，其数值为与专线设计参数和台风风力等因素相关的系数，为经验系数，可通过实验进行取值； 为t时刻第i条电力联络线发生倒杆而造成停电故障受台风风力影响的系数；WLi,t为t时刻第i条电力联络线在台风灾害区内所处位置点的风荷量； 为t时刻第i条电力联络线受台风风力影响的倒杆故障停电系数，其数值为与专线设计参数和台风风力等因素相关的系数，为经验系数，可通过实验进行取值。
[0093] S2.根据重点供电区专线故障概率，获取重点供电区发生级联停电故障概率。
[0094] 本实施例假设有NV个台风受灾重点供电区，考虑台风风力和暴雨影响，在台风灾害区内重点供电区发生级联停电故障概率(即重点供电区发生级联停电故障概率)可通过下式计算得到：
[0095]
[0096] 式中， 为在台风灾害区内，J个重点供电区发生级联停电故障概率；pL为台风影响下的重点供电区专线故障概率；NV为发生级联停电故障的重点供电区总数，即级联停电故障区总数，其中， 分别为2个、3个、...、NV个台风受灾重点供电区发生级联停电故障概率系数，其数值为经验系数，可通过实验进行取值，本发明不作限制。
[0097] S3.根据重点供电区发生级联停电故障概率和级联停电故障区负荷功率，计算得到台风影响下的重点供电区级联停电故障失负荷功率。
[0098] 台风灾害区内多个重点供电区级联停电故障时就会失去该区的部分或全部负荷，台风灾害区内多个重点供电区级联停电故障时的失负荷功率计算公式为：
[0099]
[0100] 式中， 为在台风灾害区内，多个重点供电区级联停电故障失负荷功率；P1V为台风灾害区内重点供电区中第1个级联停电故障区的负荷功率；pL为台风影响下的重点供电区专线故障概率；PjV为台风灾害区内重点供电区中第j个级联停电故障区的负荷功率；分别为在台风灾害区中，2个、3个、...、NV个重点供电区发生级
联停电故障时失负荷功率的百分比，其数值为经验系数，可通过实验进行取值。
[0101] S4.根据重点供电区级联停电故障失负荷功率确立重点供电区失负荷恢复供电功率约束条件，并以最大化重点供电区失负荷恢复供电功率为优化目标，构建重点供电区级联停电事件复电优化模型。
[0102] 由于重点供电区发生级联停电故障时快速恢复重点供电区的供电是急迫的工作，因此，当重点供电区发生级联停电故障时，复电的目标是实现重点供电区失负荷恢复供电功率最大化，所述重点供电区级联停电事件复电优化模型的目标函数为：
[0103]
[0104] 式中， 为重点供电区失负荷恢复供电功率。
[0105] 本实施例考虑重点供电区发生级联停电故障时失网负荷复电功率等输入量、决策变量和控制变量构建重点供电区级联停电事件复电优化模型的约束条件，输入量包括重点供电区发生级联停电故障时失网负荷复电功率，决策变量包含重点供电区发生级联停电故障时失网负荷复电功率等，控制变量包含复电时在网二级和三级负荷的有功功率、电网注入区域的有功功率和无功功率、光伏发电站输出的有功功率和无功功率、风力发电站输出的有功功率和无功功率、可向电网提供服务的电动汽车输出的有功功率和无功功率、移动柴油发电车输出的有功功率和无功功率、固定储能站输出的有功功率和无功功率、移动储能车输出的有功功率和无功功率等，这些需要满足一定有功功率和无功功率平衡的约束，因此，在本实施例中，所述重点供电区级联停电事件复电优化模型的约束条件包括功率平衡约束、重点供电区失负荷恢复供电功率约束条件、重点供电区之间交换功率约束条件、节点电压约束条件、支路电流约束条件、线路传输限额约束条件以及重点供电区分布式能源输出功率约束条件，具体为：
[0106] 功率平衡约束条件为：
[0107]
[0108] 其中，
[0109]
[0110] 式中，PGj、QGj分别为第j个级联停电故障区内电网注入的有功功率和无功功率；PD、QD分别为分布式能源输出的有功功率和无功功率； 为第j个级联停电故障区内发生级联停电故障使重点供电区失负荷的有功功率和无功功率； 分别为第j个级联停电故障区内第mPV个光伏发电站输出的有功功率和无功功率，NPV,j为第j个级联停电故障区内的光伏发电站数量； 分别为在第j个级联停电故障区内，第mW个风力发电站输出的有功功率和无功功率，NW,j为第j个级联停电故障区内的风力发电站数量；分别为在第j个级联停电故障区内，第mEV个接入电网的电动汽车输出的有功功率和无功功率，即第j个级联停电故障区内，第mEV个可向电网提供服务的电动汽车输出的有功功率和无功功率；NEV,j为第j个级联停电故障区内接入电网的电动汽车的数量，在本实施例中，接入电网的电动汽车数量为级联停电故障区可向电网提供服务的电动汽车的数量； 分别为第j个级联停电故障区内第mSV个移动柴油发电车输出的有功功率和无功功率；NSV,j为第j个级联停电故障区内的移动柴油发电车数量； 分别为第j个级联停电故障区内第mFSE个固定储能站输出的有功功率和无功功率；NFSE,j为第j个级联停电故障区内的固定储能站数量； 分别为第j个级联停电故障区内第
mSSE个移动储能车输出的有功功率和无功功率，NSSE,j为第j个级联停电故障区内的移动储能车数量。
[0111] 由于发生停电故障使重点供电区失负荷的有功功率和无功功率需要快速恢复供电，而且保证由本地光伏、风电、移动柴油车和储能车首先供电，因此，重点供电区失负荷的供电，要满足重点供电区失负荷恢复供电功率约束条件：
[0112]
[0113] 重点供电区之间交换功率约束条件为：
[0114]
[0115] 式中，PQjr和QQjr分别为重点供电区j与r之间交换的有功功率和无功功率；其中，j≠r。
[0116] 配电网重构后节点电压需位于允许范围之内，即节点电压不越上下限，因此，节点电压约束条件为：
[0117] Ui,min≤Ui≤Ui,max
[0118] 式中，Ui,min、Ui,max分别为第i条电力联络线的节点电压下限值、节点电压上限值；Ui为第i条电力联络线的实际节点电压幅值。
[0119] 配电网重构后支路电流均需位于允许范围之内，即支路电流不越上限，因此，支路电流约束条件为：
[0120] 0≤ILi≤ILi,max
[0121] 式中，ILi为第i条电力联络线的实际电流值；ILi,max为第i条电力联络线的最大允许电流值；
[0122] 配电网线路需要满足一定的传输容量约束，即每条线路的传输功率必须处于线路允许传输容量的范围之内，线路传输限额约束条件为：
[0123]
[0124] 式中，PLi,min、PLi,max分别为第i条电力联络线的最小有功功率和最大有功功率；QLi,min、QLi,max分别为第i条电力联络线的最小无功功率和最大无功功率； 为配电网线路集合。
[0125] 在本实施例中，所述重点供电区分布式能源输出功率约束条件包括光伏发电系统功率约束条件、风电机组功率约束条件、电动汽车电网接入功率约束条件、移动柴油发电车功率约束条件、固定储能站功率约束条件以及移动储能车功率约束条件，具体为：
[0126] 光伏发电系统的输出功率值必须位于其允许出力的上下值之间，因此，光伏发电系统功率约束条件为：
[0127]
[0128] 式中， 分别为在级联停电故障区j内，第mPV个光伏发电站输出有功功率的最大、最小允许值； 分别为在级联停电故障区j内，第mPV个光伏发电站输出无功功率的最大、最小允许值。
[0129] 风电机组的输出功率值必须位于其允许出力的上下值之间，因此，风电机组功率约束条件为：
[0130]
[0131] 式中， 分别为在级联停电故障区j内，第mW个风电机组输出有功功率的最大、最小允许值； 分别为在级联停电故障区j内，第mW个风电机组输出无功功率的最大、最小允许值。
[0132] 可向电网提供服务的电动汽车的输出功率值必须位于其允许出力的上下值之间，其约束条件可以表示为：
[0133]
[0134] 式中， 分别为在级联停电故障区j内，第mEV个接入电网的电动汽车输出有功功率的最大、最小允许值，即在级联停电故障区j内，第mEV个可向电网提供服务的电动汽车输出有功功率的最大、最小允许值； 分别为在级联停电故障区j内，第mEV个接入电网的电动汽车输出无功功率的最大、最小允许值，即在级联停电故障区j内，第mEV个可向电网提供服务的电动汽车输出无功功率的最大、最小允许值。
[0135] 移动柴油发电车的输出功率值必须位于其允许出力的上下值之间，移动柴油发电车功率约束条件为：
[0136]
[0137] 式中， 分别为在级联停电故障区j内，第mSV个移动柴油发电车输出有功功率的最大、最小允许值； 分别为在级联停电故障区j内，第mSV个移动柴油发电车输出无功功率的最大、最小允许值。
[0138] 固定储能站的输出功率值必须位于其允许出力的上下值之间，固定储能站功率约束条件为：
[0139]
[0140] 式中， 分别为在级联停电故障区j内，第mFSE个固定储能站输出有功功率的最大、最小允许值； 分别为在级联停电故障区j内，第mFSE个固定储能站输出无功功率的最大、最小允许值。
[0141] 移动储能车的输出功率值必须位于其允许出力的上下值之间，移动储能车功率约束条件为：
[0142]
[0143] 式中， 分别为在级联停电故障区j内，第mSSE个移动储能车输出有功功率的最大、最小允许值； 分别为在级联停电故障区j内，第mSSE个移动储能车输出无功功率的最大、最小允许值。
[0144] S5.利用基于免疫粒子群优化正则极限学习机优化算法求解重点供电区级联停电事件复电优化模型，获取重点供电区级联停电事件失网负荷复电功率。
[0145] 在本实施例中，所述利用基于免疫粒子群优化正则极限学习机优化算法求解重点供电区级联停电事件复电优化模型，获取重点供电区级联停电事件失网负荷复电功率的步骤包括：
[0146] 随机初始化基于免疫粒子群优化正则极限学习机优化算法的粒子种群和迭代次数；
[0147] 根据最大化重点供电区失负荷恢复供电功率优化目标，计算每个粒子的适应度；
[0148] 对优化目标进行迭代计算，在每次迭代中，计算粒子的浓度和亲和度，并根据每个粒子的适应度、浓度和亲和度，将种群分为高适应度低浓度子群和低适应度高浓度子群；
[0149] 对高适应度低浓度子群进行位置更新，并计算更新后粒子的适应度，根据更新后粒子的适应度更新高适应度低浓度子群中的个体最优解；
[0150] 利用疫苗选择机制对低适应度高浓度子群进行疫苗接种操作，并计算接种疫苗后低适应度高浓度子群的适应度，根据接种疫苗后低适应度高浓度子群的适应度更新低适应度高浓度子群中的个体最优解；
[0151] 将高适应度低浓度子群和低适应度高浓度子群合并为最新合并种群，对最新合并种群进行位置更新，并计算更新后粒子的适应度；
[0152] 根据适应度竞争机制，更新最新合并种群的个体最优解，并比较所有粒子的适应度，更新全局最优解；
[0153] 判断迭代次数是否达到预设的最大迭代次数，若否，则继续下一次迭代；若是，则退出迭代循环并输出重点供电区级联停电事件失网负荷复电功率的最优解。
[0154] 具体地，本实施例针对受灾区域恢复供电的特点，考虑台风灾害影响的范围和严重程度、重点区域的电力需求及优先级等，构建训练样本并进行预处理，以便用于后续模型的训练，以下为基于免疫粒子群优化正则极限学习机优化算法的具体实现过程：
[0155] 1)初始化模型参数和种群，模型参数包括正则极限学习机(ELM)的正则系数、隐含层节点数等，以及免疫粒子群优化(IPSO)算法的种群大小和迭代次数等；同时根据目标函数(重点供电区失负荷恢复供电功率最大化)，计算初始种群粒子适应度，本实施例将目标函数值作为粒子的适应度，由于优化目标为最大化失负荷恢复供电功率，因此，目标函数值越大，粒子的适应度就越高；需要说明的是，本实施例利用训练好的ELM模型，对测试样本(或验证样本)进行预测，得到每个重点供电区的失负荷恢复供电功率预测值，将预测得到的失负荷恢复供电功率代入目标函数F中，计算得到目标函数值；
[0156] 2)从迭代计数t＝1开始，进行迭代计算；
[0157] 3)在每次迭代中，计算粒子浓度和粒子亲和度，以评估粒子的多样性和与最优解的接近程度；
[0158] 4)根据多样性调节机制和记忆存储机制原理，将种群分为存储至高适应度低浓度子群和低适应度高浓度子群，使得高适应度低浓度的粒子被保存在高适应度低浓度子群，低适应度高浓度的粒子存储于低适应度高浓度子群；
[0159] 5)对高适应度低浓度子群进行位置更新，并计算更新后的粒子适应度，根据粒子群适应度竞争机制更新高适应度低浓度子群的个体最优解；
[0160] 6)根据疫苗选择方式提取疫苗信息(即优秀粒子的参数信息)，对劣势的低适应度高浓度子群进行疫苗接种操作，以提高低适应度高浓度子群中粒子的质量；
[0161] 7)计算接种疫苗后低适应度高浓度子群的适应度，并根据适应度竞争机制更新低适应度高浓度子群的个体最优解；
[0162] 8)将高适应度低浓度子群和低适应度高浓度子群合成最新合并种群，对最新合并种群进行位置更新，计算更新后粒子适应度，根据适应度竞争机制对最新合并种群的个体最优解和全局最优解进行更新；
[0163] 9)迭代条件判断：当满足目标要求或迭代次数大于最大迭代次数时，计算退出循环并输出结果，否则迭代计数t加1，并返回步骤3)。
[0164] 10)取步骤9)输出结果作为最优ELM模型建模参数，利用该组参数计算模型训练预测残差平方和，选择最小预测误差对应的正则系数作为最优正则系数；根据最优参数和正则系数，计算ELM模型的隐含层与输出层之间的权值；
[0165] 11)输入测试样本计算并统计测试正确率，通过模型预测，获取重点供电区级联停电事件失网负荷的复电功率，为实际恢复供电提供决策支持。
[0166] 本实施例通过上述步骤，利用基于免疫粒子群优化正则极限学习机的优化方法，求解重点供电区级联停电事件的复电优化模型，并获取失网负荷的复电功率，为台风灾害下重点区域的恢复供电提供有效的优化策略。
[0167] 本发明实施例提供了一种台风灾害下重点区域恢复供电优化方法，所述方法通过分析台风影响区域内重点供电区电力联络线发生故障事件的风险，获取重点供电区发生级联停电故障概率；根据重点供电区发生级联停电故障概率和级联停电故障区负荷功率，计算得到台风影响下的重点供电区级联停电故障失负荷功率；根据重点供电区级联停电故障失负荷功率确立重点供电区失负荷恢复供电功率约束条件，并以最大化重点供电区失负荷恢复供电功率为优化目标，构建重点供电区级联停电事件复电优化模型；利用基于免疫粒子群优化正则极限学习机优化算法求解重点供电区级联停电事件复电优化模型，获取重点供电区级联停电事件失网负荷复电功率。与现有技术相比，本发明实施例提出的优化方法利用免疫粒子群优化算法的全局搜索能力和自适应性，并结合正则极限学习机的快速学习能力能够快速且准确地找到重点供电区失负荷恢复供电功率的最大值，提高了优化效率，为台风灾害中重点供电区的恢复供电提供了科学、高效、可靠的技术支持，提高了电网的韧性。
[0168] 需要说明的是，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
[0169] 在一个实施例中，如图2所示，本发明实施例提供了一种台风灾害下重点区域恢复供电优化系统，所述系统包括：
[0170] 专线故障分析模块101，用于根据台风关键参数计算台风影响区域内重点供电区电力联络线发生故障事件的风险，得到台风影响下的重点供电区专线故障概率；
[0171] 级联故障分析模块102，用于根据重点供电区专线故障概率，获取重点供电区发生级联停电故障概率；
[0172] 失负荷功率计算模块103，用于根据重点供电区发生级联停电故障概率和级联停电故障区负荷功率，计算得到台风影响下的重点供电区级联停电故障失负荷功率；
[0173] 复电优化模型构建模块104，用于根据重点供电区级联停电故障失负荷功率确立重点供电区失负荷恢复供电功率约束条件，并以最大化重点供电区失负荷恢复供电功率为优化目标，构建重点供电区级联停电事件复电优化模型；
[0174] 复电功率求解模块105，用于利用基于免疫粒子群优化正则极限学习机优化算法求解重点供电区级联停电事件复电优化模型，获取重点供电区级联停电事件失网负荷复电功率。
[0175] 关于一种台风灾害下重点区域恢复供电优化系统的具体限定可以参见上述对于一种台风灾害下重点区域恢复供电优化方法的限定，此处不再赘述。本领域普通技术人员可以意识到，结合本申请所公开的实施例描述的各个模块和步骤，能够以硬件、软件或者两者结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
[0176] 本发明实施例提供了一种台风灾害下重点区域恢复供电优化系统，所述系统通过专线故障分析模块和级联故障分析模块分析台风影响区域内重点供电区电力联络线发生故障事件的风险，获取重点供电区发生级联停电故障概率；失负荷功率计算模块根据重点供电区发生级联停电故障概率和级联停电故障区负荷功率，计算得到台风影响下的重点供电区级联停电故障失负荷功率；复电优化模型构建模块根据重点供电区级联停电故障失负荷功率确立重点供电区失负荷恢复供电功率约束条件，并以最大化重点供电区失负荷恢复供电功率为优化目标，构建重点供电区级联停电事件复电优化模型；复电功率求解模块利用基于免疫粒子群优化正则极限学习机优化算法求解重点供电区级联停电事件复电优化模型，获取重点供电区级联停电事件失网负荷复电功率。与现有技术相比，本发明实施例提出的优化系统利用基于免疫粒子群优化正则极限学习机优化算法，能够快速、准确地确定失网负荷的复电功率，从而能够快速响应电网的实时变化，为级联停电故障后的快速恢复供电提供了有力的技术支持。
[0177] 图3是本发明实施例提供的一种计算机设备，包括存储器、处理器和收发器，它们之间通过总线连接；存储器用于存储一组计算机程序指令和数据，并可以将存储的数据传输给处理器，处理器可以执行存储器存储的程序指令，以执行上述方法的步骤。
[0178] 其中，存储器可以包括易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者；处理器可以是中央处理器、微处理器、特定应用集成电路、可编程逻辑器件或其组合。通过示例性但不是限制性说明，上述可编程逻辑器件可以是复杂可编程逻辑器件、现场可编程逻辑门阵列、通用阵列逻辑或其任意组合。
[0179] 另外，存储器可以是物理上独立的单元，也可以与处理器集成在一起。
[0180] 本领域普通技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有相同的部件布置。
[0181] 本发明实施例提供的一种台风灾害下重点区域恢复供电优化方法、系统及设备，其一种台风灾害下重点区域恢复供电优化方法以重点供电区失负荷恢复供电功率最大化为目标函数，构建大范围台风灾害中重点区域恢复供电优化模型，并采用基于免疫粒子群优化正则极限学习机优化算法快速且准确地找到重点供电区失负荷恢复供电功率的最大值，提高了优化效率，为保障电力系统调度和运行提供理论指导，为台风灾害中重点供电区的恢复供电提供了科学、高效、可靠的技术支持。
[0182] 以上所述实施例仅表达了本申请的几种优选实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本申请的保护范围。因此，本申请专利的保护范围应以所述权利要求的保护范围为准。
