一种考虑故障恢复时间不确定性的配电网故障恢复方法与流程

本发明涉及配电网运行技术领域，具体涉及一种考虑故障恢复时间不确定性的配电网故障恢复方法。

背景技术：

配电网故障恢复是指配电网故障发生后，通过确定最优的开关组合方案，实现恢复失电负荷最多、开关操作次数最少、网损最小等目标，同时满足恢复后配电网连通性、辐射状等条件。

近年来含分布式电源的配电网故障恢复也是研究热点之一，当配电网出现故障并进行隔离后，失电区内的分布式电源对该区域内的重要负荷独立供电，形成孤岛运行模式，可以提高供电可靠性。然而风力、光伏等不可控DG的出力具有不确定性，且配电网的故障恢复时间同样存在不确定性，导致故障恢复方案不同，在配电网发生故障后，对电网的供电恢复效果有所差异，因此，不能利用传统故障恢复方法对失电区域达到最好的供电恢复效果。

技术实现要素：

本发明提供一种考虑故障恢复时间不确定性的配电网故障恢复方法，其目的是采用Wasserstein距离的方法确定故障恢复的时间，利用该故障恢复时间对故障恢复方案进行合理调整，实现对失电区域最好的供电恢复效果，并提高配电网运行的经济性和安全性。

本发明的目的是采用下述技术方案实现的：

一种考虑故障恢复时间不确定性的配电网故障恢复方法，其改进之处在于，包括：

根据配电网故障恢复时间的概率密度函数，分别获取所述概率密度函数的两个最优配电网故障恢复时间及所述两个最优配电网故障恢复时间的概率，即第一配电网故障恢复时间及其概率和第二配电网故障恢复时间及其概率，其中，所述第一配电网故障恢复时间的概率大于所述第二配电网故障恢复时间的概率；

利用所述第一配电网故障恢复时间建立配电网故障恢复模型，并将所述配电网故障恢复模型的最优解作为配电网故障恢复方案；

利用所述第二配电网故障恢复时间优化所述配电网故障恢复方案。

优选的，利用Wasserstein距离确定所述第一配电网故障恢复时间及其概率和第二配电网故障恢复时间及其概率。

进一步的，令所述配电网故障恢复时间的概率密度函数的分位点数S＝2，求解下式(1)分别获取所述第一配电网故障恢复时间z₁和第二配电网故障恢复时间z₂：

式(1)中，g(t)为配电网故障恢复时间的概率密度函数，s∈[1,S]，r为阶数。

按下式(2)分别获取所述第一配电网故障恢复时间z₁的概率p₁和所述第二配电网故障恢复时间z₂的概率p₂：

优选的，所述利用所述第一配电网故障恢复时间建立配电网故障恢复模型，包括：

以恢复配电网恢复重要负荷总电量最大为目标函数，公式为：

式(3)中，F_main为主网在故障时段对非故障失电区域恢复的重要负荷总电量，z₁为故障修复时间，n为系统节点总数，λ_i为节点i上负荷的重要程度，L_i,t为节点i在时段t的负荷大小，y_i,t为状态变化参数，y_i,t＝1表示节点i在时段t恢复供电，y_i,t＝0表示节点i在时段t未恢复供电；

约束条件包括：

节点电压约束，公式为：

U_min≤U_i.t≤U_max (4)

式(4)中，U_i,t为节点i在时段t的电压值，U_min为节点i的电压下限、U_max为节点i的电压上限；

功率平衡约束，公式为：

式(5)中，P_i,t为节点i在时段t注入的有功功率，Q_i,t为节点i在时段t注入的无功功率，G_ij为节点i、j之间的电导、B_ij为节点i、j之间的电纳、δ_ij,t为节点i、j在时段t电压相角差，n为系统节点总数，U_i,t为节点i在时段t的电压幅值，U_j,t为节点j在时段t的电压幅值；

支路功率约束，公式为：

P_ij.t≤P_ijmax (6)

式(6)中，P_ij,t为节点i与节点j间支路在时段t的有功功率值，P_ij^max为节点i与节点j间支路的有功功率允许最大值；

配电网辐射运行约束，公式为：

g∈G (7)

式(7)中，g为重构后的网络拓扑结构，G为网络辐射状拓扑结构的集合。

优选的，采用蚁群算法获取所述配电网故障恢复模型的最优解，并将所述配电网故障恢复模型的最优解作为配电网故障恢复方案。

优选的，所述利用所述第二配电网故障恢复时间优化所述配电网故障恢复方案，包括：

若第一配电网故障恢复时间z₁和第二配电网故障恢复时间z₂满足：z₁＞z₂，则不调整所述配电网故障恢复方案；

若第一配电网故障恢复时间z₁和第二配电网故障恢复时间z₂满足：z₁＜z₂，则以所述第二配电网故障恢复时间z₂为配电网故障恢复时间，对所述第二配电网故障恢复时间z₂的每个时段进行配电网故障恢复模型的约束条件验证，若所述第二配电网故障恢复时间z₂的每个时段均满足配电网故障恢复模型的约束条件，则将所述配电网故障恢复方案的电网故障恢复时间调整为所述第二配电网故障恢复时间z₂，若所述第二配电网故障恢复时间z₂存在不满足配电网故障恢复模型的约束条件的时间段，则对所述配电网故障恢复方案的电网结构进行切负荷，直至所述第二配电网故障恢复时间z₂的每个时段均满足配电网故障恢复模型的约束条件并将所述配电网故障恢复方案的电网故障恢复时间调整为所述第二配电网故障恢复时间z₂。

一种考虑故障恢复时间不确定性的配电网故障恢复装置，其改进之处在于，所述装置包括：

获取模块，用于根据配电网故障恢复时间的概率密度函数，分别获取所述概率密度函数的两个最优配电网故障恢复时间及所述两个最优配电网故障恢复时间的概率，即第一配电网故障恢复时间及其概率和第二配电网故障恢复时间及其概率，其中，所述第一配电网故障恢复时间的概率大于所述第二配电网故障恢复时间的概率；

创建模块，用于利用所述第一配电网故障恢复时间建立配电网故障恢复模型，并将所述配电网故障恢复模型的最优解作为配电网故障恢复方案；

优化模块，用于利用所述第二配电网故障恢复时间优化所述配电网故障恢复方案。

优选的，利用Wasserstein距离确定所述第一配电网故障恢复时间及其概率和第二配电网故障恢复时间及其概率。

进一步的，所述获取模块中包括：

第一获取单元，用于令所述配电网故障恢复时间的概率密度函数的分位点数S＝2，求解下式(1)分别获取所述第一配电网故障恢复时间z₁和第二配电网故障恢复时间z₂：

式(1)中，g(t)为配电网故障恢复时间的概率密度函数，s∈[1,S]，r为阶数。

第二获取单元，用于按下式(2)分别获取所述第一配电网故障恢复时间z₁的概率p₁和所述第二配电网故障恢复时间z₂的概率p₂：

优选的，所述创建模块中，包括：

创建单元，用于以恢复配电网恢复重要负荷总电量最大为目标函数，公式为：

式(3)中，F_main为主网在故障时段对非故障失电区域恢复的重要负荷总电量，z₁为故障修复时间，n为系统节点总数，λ_i为节点i上负荷的重要程度，L_i,t为节点i在时段t的负荷大小，y_i,t为状态变化参数，y_i,t＝1表示节点i在时段t恢复供电，y_i,t＝0表示节点i在时段t未恢复供电；

约束条件包括：

节点电压约束，公式为：

U_min≤U_i.t≤U_max (4)

式(4)中，U_i,t为节点i在时段t的电压值，U_min为节点i的电压下限、U_max为节点i的电压上限；

功率平衡约束，公式为：

式(5)中，P_i,t为节点i在时段t注入的有功功率，Q_i,t为节点i在时段t注入的无功功率，G_ij为节点i、j之间的电导、B_ij为节点i、j之间的电纳、δ_ij,t为节点i、j在时段t电压相角差，n为系统节点总数，U_i,t为节点i在时段t的电压幅值，U_j,t为节点j在时段t的电压幅值；

支路功率约束，公式为：

P_ij.t≤P_ijmax (6)

式(6)中，P_ij,t为节点i与节点j间支路在时段t的有功功率值，P_ij^max为节点i与节点j间支路的有功功率允许最大值；

配电网辐射运行约束，公式为：

g∈G (7)

式(7)中，g为重构后的网络拓扑结构，G为网络辐射状拓扑结构的集合。

优选的，采用蚁群算法获取所述配电网故障恢复模型的最优解，并将所述配电网故障恢复模型的最优解作为配电网故障恢复方案。

优选的，所述优化模块，包括：

第一优化单元，用于若第一配电网故障恢复时间z₁和第二配电网故障恢复时间z₂满足：z₁＞z₂，则不调整所述配电网故障恢复方案；

第二优化单元，用于若第一配电网故障恢复时间z₁和第二配电网故障恢复时间z₂满足：z₁＜z₂，则以所述第二配电网故障恢复时间z₂为配电网故障恢复时间，对所述第二配电网故障恢复时间z₂的每个时段进行配电网故障恢复模型的约束条件验证，若所述第二配电网故障恢复时间z₂的每个时段均满足配电网故障恢复模型的约束条件，则将所述配电网故障恢复方案的电网故障恢复时间调整为所述第二配电网故障恢复时间z₂，若所述第二配电网故障恢复时间z₂存在不满足配电网故障恢复模型的约束条件的时间段，则对所述配电网故障恢复方案的电网结构进行切负荷，直至所述第二配电网故障恢复时间z₂的每个时段均满足配电网故障恢复模型的约束条件并将所述配电网故障恢复方案的电网故障恢复时间调整为所述第二配电网故障恢复时间z₂。

本发明的有益效果：

现有技术中，配电网的故障恢复时间存在不确定性，本发明提供的一种考虑故障恢复时间不确定性的配电网故障恢复方法，在已知故障修复时间概率密度函数的情况下，将概率函数进行精确化离散，可以得到两种最大概率的故障恢复时间，便于根据配电网的实际故障情况，制定故障恢复方案，同时，根据两种不同概率的故障恢复时间，分别制定优化方案和修正方案，在配电网发生故障后，首先执行优化方案，通过对故障信息进行追踪，判断故障恢复时间的长短，并及时调整故障恢复方案，可以减少开关的动作次数，延长开关寿命，并实现最大程度的故障恢复，提高配电网运行的经济性和可靠性。

附图说明

图1是本发明一种考虑故障恢复时间不确定性的配电网故障恢复方法的流程图；

图2是本发明实施例中一种考虑故障恢复时间不确定性的配电网故障恢复方法应用场景示意图；

图3是本发明一种考虑故障恢复时间不确定性的配电网故障恢复装置的结构示意图。

具体实施方式

下面结合附图对本发明的具体实施方式作详细说明。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明提供的一种考虑故障恢复时间不确定性的配电网故障恢复方法，如图1所示，包括：

101.根据配电网故障恢复时间的概率密度函数，分别获取所述概率密度函数的两个最优配电网故障恢复时间及所述两个最优配电网故障恢复时间的概率，即第一配电网故障恢复时间及其概率和第二配电网故障恢复时间及其概率，其中，所述第一配电网故障恢复时间的概率大于所述第二配电网故障恢复时间的概率；

其中，可以根据配电系统的平均修复时间获取所述配电网故障恢复时间的概率密度函数；

102.利用所述第一配电网故障恢复时间建立配电网故障恢复模型，并将所述配电网故障恢复模型的最优解作为配电网故障恢复方案；

103.利用所述第二配电网故障恢复时间优化所述配电网故障恢复方案。

具体的，所述步骤101中，利用Wasserstein距离确定所述第一配电网故障恢复时间及其概率和第二配电网故障恢复时间及其概率。

具体包括：令所述配电网故障恢复时间的概率密度函数的分位点数S＝2，求解下式(1)分别获取所述第一配电网故障恢复时间z₁和第二配电网故障恢复时间z₂：

式(1)中，g(t)为配电网故障恢复时间的概率密度函数，s∈[1,S]，r为阶数。

按下式(2)分别获取所述第一配电网故障恢复时间z₁的概率p₁和所述第二配电网故障恢复时间z₂的概率p₂：

所述步骤102中，所述利用所述第一配电网故障恢复时间建立配电网故障恢复模型，包括：

以恢复配电网恢复重要负荷总电量最大为目标函数，公式为：

式(3)中，F_main为主网在故障时段对非故障失电区域恢复的重要负荷总电量，z₁为故障修复时间，n为系统节点总数，λ_i为节点i上负荷的重要程度，L_i,t为节点i在时段t的负荷大小，y_i,t为状态变化参数，y_i,t＝1表示节点i在时段t恢复供电，y_i,t＝0表示节点i在时段t未恢复供电；

约束条件包括：

节点电压约束，公式为：

U_min≤U_i.t≤U_max (4)

式(4)中，U_i,t为节点i在时段t的电压值，U_min为节点i的电压下限、U_max为节点i的电压上限；

功率平衡约束，公式为：

式(5)中，P_i,t为节点i在时段t注入的有功功率，Q_i,t为节点i在时段t注入的无功功率，G_ij为节点i、j之间的电导、B_ij为节点i、j之间的电纳、δ_ij,t为节点i、j在时段t电压相角差，n为系统节点总数，U_i,t为节点i在时段t的电压幅值，U_j,t为节点j在时段t的电压幅值；

支路功率约束，公式为：

P_ij.t≤P_ijmax (6)

式(6)中，P_ij,t为节点i与节点j间支路在时段t的有功功率值，P_ij^max为节点i与节点j间支路的有功功率允许最大值；

配电网辐射运行约束，公式为：

g∈G (7)

式(7)中，g为重构后的网络拓扑结构，G为网络辐射状拓扑结构的集合。

进一步的，所述步骤102中，采用蚁群算法获取所述配电网故障恢复模型的最优解，并将所述配电网故障恢复模型的最优解作为配电网故障恢复方案。

目前，采用蚁群算法制定配电网故障恢复方案的技术已较为成熟，本发明为有效解决配电网故障后恢复供电的网络重构优化问题，避免搜索过程中出现大量不可行解，采用基于生成树的蚁群算法完成主网的故障恢复，并根据供电恢复能力对非故障区的开关状态组合进行寻优。

蚁群算法是一种类似于种群进化的优化搜索方法，其本质是蚂蚁会在经过的路径上释放信息素来标识路径、交换信息，相同时间内路径较短的通路上存留的信息素浓度越高，蚂蚁再根据路径上信息素浓度寻找较短的通路，通过运用这样一种正反馈机制，蚁群可以很快地搜索最优的路径，该路径的信息素浓度也会最高。

例如：本发明提供一种采用蚁群算法获取所述配电网故障恢复模型的最优解，并将所述配电网故障恢复模型的最优解作为配电网故障恢复方案的具体实施过程，包括：

蚂蚁利用生成树策略,生成一种可行的辐射状网络；

对当前网络进行潮流计算；

如果计算结果不满足配电网故障恢复模型的约束条件,则进行切负荷操作；

重复迭代,直至满足终止条件。

具体的，针对配电网的辐射性特点，在使用蚁群算法来解决配电网网络故障后重构问题时，采用生成树策略使蚂蚁完成的每一次“游程”所对应的故障后网络拓扑都是辐射型的，避免了辐射型检查及修复过程，保证每代均为可行解，提高算法的搜索效率，并对蚁群算法的选路规则及信息素更新策略加以改进，加快收敛速度。

将配电网的分段开关及联络开关作为图的无向边e_i(i＝1,2…m)，线路上的负荷构成图的节点v_j(j＝1,2…n)，电源点作为根节点v₀，则配电网可以描述成一个无向图G，无向图G节点的编号表示为v_j(j＝1,2…n)。采用一个n行n列的网基结构矩阵Abranch描述该无向图G，其中n为系统节点的数目，即

其中，若节点i和j之间有开关相连，则a_ij＝a_ji＝1，且其余元素为0。

再例如，如图2所示，以图2所示的网络为例，实线表示闭合的分段开关，虚线表示断开的联络开关，则：

得到配电网的网基结构矩阵后，根据生成树的原理，以蚂蚁k为例，对配电网等效成的无向图G定义以下三个集合和两个序列：

(1)各支路对应邻接节点集合Anode＝{b_v}，每行元素为与该行节点编号相邻的节点号，以图2所示网络为例其中邻接节点矩阵为：

(2)蚂蚁k已选节点集合Endnode＝{b_i}，记录到目前为止已经选入的节点编号，其中v_i∈G；

(3)蚂蚁k可选节点集合Choosenode＝{b_w}，在当前状态下，未选节点中可以被选为下一条路径的节点集合。

(4)支路选择序列L_ij(i，j＝1，2，…，n)，记录已选支路0。

(5)节点标记序列M_i(i＝1，2，…，n)，标记节点是否已经作为某一条支路的末节点，是则记1，否则记0。

采用随机生成树的搜索策略，以图2所示配电网为例，结合上述三个集合和两个序列，指导蚂蚁生成满足拓扑约束的可行解，步骤如下：

(1)初始网络拓扑描述：对所有节点和开关进行编号，生成编号后的无向图G，得到Abranch矩阵。

(2)初始化：设置算法用到的集合Anode、Endnode、Choosenode和序列M_i，将蚂蚁置于首端电源节点，则Endnode＝{1}，Choosenode＝{2}，M_k元素为(1，0，0，0，0)。

(3)路径选择：每只蚂蚁依据一定规则从Choosenode集合中选择一个节点y。

(4)记录支路选择序列L_ij：记录当前步骤下的支路的首末节点i为Endnode中与y相关联的点，末节点j为从Choosenode选出的点y。

(5)集合及序列修正：(a).Endnode：新增所选节点y；(b).Choosenode：新集合元素为Anode矩阵中y行所对应的元素，并删除已选节点。对生成的网络修正：对支路的首末节点校对，已选节点数目加1，将M_i中此次选中的节点对应位置标记1，将初始网络中该支路末节点对应的负荷加在该支路末节点上。若此时Choosenode＝Φ且M_i中已标记为1的节点总数小于网络节点数，则此时找到M_i中为0的节点编号X作为所选节点，并在Endnode中选择与X相关联的点作为支路的首节点。

(6)循环步骤(3)-(5)直至已选支路数达到节点数数目为止，至此就生成了一个可行解。然后将负荷加入相应节点，得到新的网络结构，即上述步骤中一种可行的辐射状网络。当前蚂蚁的路径搜索结束。

其中，上述步骤中初始时刻，蚂蚁k(k＝1,2,...,Nant，Nant为每代蚂蚁个数)在运动过程中根据各条路径上的信息素浓度决定走向，因此采用信息素浓度决定可选路径的概率，某一路径上信息素积累越多选择该路径的概率也就越大。蚂蚁k由支路i转移到支路j的概率为：

式中：allow^k表示蚂蚁下一步可选路径的集合；τ_ij为蚂蚁由支路i转移到支路j的信息素浓度，η_ij表示转移到路径(i，j)的能见度(η_ij＝1/z_ij)，z_ij表示该线路的阻抗大小；α和β为信息素重要程度因子和能见度重要程度因子，α反映蚂蚁在运动过程中积累的信息素在蚂蚁运动中所起到的作用；β表示能见度的相对重要性。

支路选择规则：每只蚂蚁在从Choosenode集合中选择转移路径时采用轮盘赌规则。首先，构造比较序列：x₁＝p(1)，x₂＝x₁+p(2)，…，x_m＝x_m-1+p(m)，p(i)即为按照公式(3-10)计算得到的支路转移概率，m为可选路径数目，对当前已选路径的所有邻接备选路径上的转移概率进行标幺化处理，以x_m为基准值，处理后保证x₁＜x₂＜…＜x_m∈(0,1)，最后产生随机数rand∈(0,1)，选择规则：

式中，Next为本次蚂蚁选中的支路。

初始时刻，认为各条路径上信息素浓度相同，以τ_ij⁽⁰⁾＝C初始化各路径信息素(C为一小常数)。τ_ij为蚂蚁由支路i转移到支路j的信息素浓度，当j＝i时，τ_ii代表由支路i起始搜索路径时(支路i必定连接电源点)，i支路上信息素浓度。

完成一次蚁群迭代后需要对支路上信息素更新。若将所有蚂蚁经过支路上留下的信息素都累加起来作为修正量，则信息素会趋于平均而陷入随机搜索，不利于群体中的最优解对信息素的积极作用。因此，经过一代Nant只蚂蚁的路径搜索，对比分析Nant种途径，得到其中最优通路(最优的网络组态结构)，完成一代循环后记录最优通路中所有路径，即最优的配电网络结构，按照其历经路径的先后顺序，依次对所对应路径上信息素进行更新，主要包含两个方面：信息素的挥发以及信息素调整。蚂蚁寻找路径、释放信息素的同时，路径上信息素会随着时间的推移慢慢“挥发”，下述公式前半部分模仿了这一过程，ρ(0＜ρ＜1)为信息素挥发程度，反映了挥发后路径上存留的信息素浓度：

τ_ij(t+1)＝(1-ρ)τ_ij(t)+Δτ_ij(t)

式中：Δτ_ij为每代中最优通路中，蚂蚁由支路i转移到支路j的信息素浓度增量，在优选路径上不断积累信息素，提高算法的收敛速度，其中：

式中，Q为一常数，反映了信息素增强程度，f_best为一代Nant只蚂蚁生成的所有网络结构中目标函数最大值，B_best为该最优网络结构中的支路集合。

完成一次蚁群迭代后采用如下的全局最优的寻优方式：将每次迭代得到的最优解保存为Best1，将其与上次得到的最优解Best0比较，将其中较优者保存为Best0。每次迭代重复，当满足收敛条件时即得到所求的最优解。在完成信息素更新和最优解保存后，进入下一次蚁群迭代，直到满足收敛条件，即得到最优的故障恢复结果。

所述步骤103中，包括：

若第一配电网故障恢复时间z₁和第二配电网故障恢复时间z₂满足：z₁＞z₂，则不调整所述配电网故障恢复方案；

若第一配电网故障恢复时间z₁和第二配电网故障恢复时间z₂满足：z₁＜z₂，则以所述第二配电网故障恢复时间z₂为配电网故障恢复时间，对所述第二配电网故障恢复时间z₂的每个时段进行配电网故障恢复模型的约束条件验证，若所述第二配电网故障恢复时间z₂的每个时段均满足配电网故障恢复模型的约束条件，则将所述配电网故障恢复方案的电网故障恢复时间调整为所述第二配电网故障恢复时间z₂，若所述第二配电网故障恢复时间z₂存在不满足配电网故障恢复模型的约束条件的时间段，则对所述配电网故障恢复方案的电网结构进行切负荷，直至所述第二配电网故障恢复时间z₂的每个时段均满足配电网故障恢复模型的约束条件并将所述配电网故障恢复方案的电网故障恢复时间调整为所述第二配电网故障恢复时间z₂。

一种考虑故障恢复时间不确定性的配电网故障恢复装置，如图3所示，所述装置包括：

获取模块，用于根据配电网故障恢复时间的概率密度函数，分别获取所述概率密度函数的两个最优配电网故障恢复时间及所述两个最优配电网故障恢复时间的概率，即第一配电网故障恢复时间及其概率和第二配电网故障恢复时间及其概率，其中，所述第一配电网故障恢复时间的概率大于所述第二配电网故障恢复时间的概率；

其中，利用Wasserstein距离确定所述第一配电网故障恢复时间及其概率和第二配电网故障恢复时间及其概率。

创建模块，用于利用所述第一配电网故障恢复时间建立配电网故障恢复模型，并将所述配电网故障恢复模型的最优解作为配电网故障恢复方案；

其中，采用蚁群算法获取所述配电网故障恢复模型的最优解，并将所述配电网故障恢复模型的最优解作为配电网故障恢复方案。

优化模块，用于利用所述第二配电网故障恢复时间优化所述配电网故障恢复方案。

进一步的，所述获取模块中包括：

第一获取单元，用于令所述配电网故障恢复时间的概率密度函数的分位点数S＝2，求解下式(1)分别获取所述第一配电网故障恢复时间z₁和第二配电网故障恢复时间z₂：

式(1)中，g(t)为配电网故障恢复时间的概率密度函数，s∈[1,S]，r为阶数。

第二获取单元，用于按下式(2)分别获取所述第一配电网故障恢复时间z₁的概率p₁和所述第二配电网故障恢复时间z₂的概率p₂：

优选的，所述创建模块中，包括：

创建单元，用于以恢复配电网恢复重要负荷总电量最大为目标函数，公式为：

式(3)中，F_main为主网在故障时段对非故障失电区域恢复的重要负荷总电量，z₁为故障修复时间，n为系统节点总数，λ_i为节点i上负荷的重要程度，L_i,t为节点i在时段t的负荷大小，y_i,t为状态变化参数，y_i,t＝1表示节点i在时段t恢复供电，y_i,t＝0表示节点i在时段t未恢复供电；

约束条件包括：

节点电压约束，公式为：

U_min≤U_i.t≤U_max (4)

式(4)中，U_i,t为节点i在时段t的电压值，U_min为节点i的电压下限、U_max为节点i的电压上限；

功率平衡约束，公式为：

式(5)中，P_i,t为节点i在时段t注入的有功功率，Q_i,t为节点i在时段t注入的无功功率，G_ij为节点i、j之间的电导、B_ij为节点i、j之间的电纳、δ_ij,t为节点i、j在时段t电压相角差，n为系统节点总数，U_i,t为节点i在时段t的电压幅值，U_j,t为节点j在时段t的电压幅值；

支路功率约束，公式为：

P_ij.t≤P_ijmax (6)

式(6)中，P_ij,t为节点i与节点j间支路在时段t的有功功率值，P_ij^max为节点i与节点j间支路的有功功率允许最大值；

配电网辐射运行约束，公式为：

g∈G (7)

式(7)中，g为重构后的网络拓扑结构，G为网络辐射状拓扑结构的集合。

所述优化模块，包括：

第一优化单元，用于若第一配电网故障恢复时间z₁和第二配电网故障恢复时间z₂满足：z₁＞z₂，则不调整所述配电网故障恢复方案；

第二优化单元，用于若第一配电网故障恢复时间z₁和第二配电网故障恢复时间z₂满足：z₁＜z₂，则以所述第二配电网故障恢复时间z₂为配电网故障恢复时间，对所述第二配电网故障恢复时间z₂的每个时段进行配电网故障恢复模型的约束条件验证，若所述第二配电网故障恢复时间z₂的每个时段均满足配电网故障恢复模型的约束条件，则将所述配电网故障恢复方案的电网故障恢复时间调整为所述第二配电网故障恢复时间z₂，若所述第二配电网故障恢复时间z₂存在不满足配电网故障恢复模型的约束条件的时间段，则对所述配电网故障恢复方案的电网结构进行切负荷，直至所述第二配电网故障恢复时间z₂的每个时段均满足配电网故障恢复模型的约束条件并将所述配电网故障恢复方案的电网故障恢复时间调整为所述第二配电网故障恢复时间z₂。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。