1.应对暴雨灾害的多能源网络多尺度渐进式紧急协同控制方法，其特征在于，包括以下步骤：S1.构建水利网动态模型，并建立配电网交流潮流线性化模型，基于水利网动态模型和配电网交流潮流线性化模型以电力负荷损失与河道越限水位之和的期望最小化为目标，构建随机水动力偏微分约束的电力‑水利网络最优控制模型，采用变时间尺度的Preissmann四点隐式有限差分法将水利网动态模型时空离散为一组非线性代数方程，采用多场景降雨强度时间序列表征降雨源项的不确定性，从而将所提电力‑水利网络最优控制模型转化为基于场景的混合整数非线性规划模型 ；

S1中构建水利网动态模型的具体内容包括：将水利网表示为图 ，其中 为节点集合，为河道集合， ； 表示两端节点为 和 的河道， ，采用一维圣维南水动力偏微分方程组表征河道水流动态特性：（1)

(2)

(3)

式中， 表示沿河道的距离，其中 ， 表示河道的长度；表示时间，其中，是有限的时间范围； 表示水位； 表示降雨源项，表征单位宽度的降雨强度；

表示单位宽度的河道截面水流量； 表示河道摩阻； 表示河床坡度； 表示曼宁系数；

表示河道宽度；表示重力加速度；

为防止河道溢流导致洪涝事故发生，时刻 距离处的水位 的约束条件为：(4)

其中， 为警戒水位；

令 表示泵站集合， 表示与水利网节点 相连接的泵站集合；定义 和 分别为流入和流出水利网节点 的河道集合，其中 ， ；水利网节点的连续性和能量约束为：(5)

(6)

式中， 为参数，若 中的泵站 在时刻 从其他区域抽水至节点 ，参数 取值为1，否则取值为‑1； 表示泵站 在时刻 的流量；

S1中建立配电网交流潮流线性化模型的具体内容包括：将配电网用图 表示，其中 表示母线及环网柜集合， 表示线路集合，其中； 表示时间范围 内的离散时间段集合，其中 ， 表示与分布式发电机组相连接的母线集合， 表示可与应急电源车相连接的母线集合， 表示泵站集合，表示与母线 相连接的泵站集合， 表示应急电源车集合， 表示调度时间步长；线路容量约束由一组线性约束近似表示，该线性约束定义了一个凸的可行域 ；

配电网约束条件具体如下：

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

式中， 表示 时刻母线 处分布式发电机组输出的有功/无功功率； 表示时刻母线 处应急电源车 输出的有功/无功功率； 表示 时刻母线 处的负荷服务率；

表示 时刻母线 处的有功/无功负荷，不包括泵站负荷； 表示时刻母线 处泵站 消耗的有功/无功功率； 表示时刻线路 上流过的有/无功功率； 为二进制变量，若线路 在时刻断开，则 取值为0，否则取值为1； 表示 时刻母线电压幅值的平方， 分别表示 的上/下限； 为二进制参数，若应急电源车 与母线 相连接，则为1，否则为0；、 和 分别表示线路 的电阻、电抗和容量； ； 为二进制参数，若母线 处环网柜在时刻无法持续运行，则 取值为0，否则取值为1； 表示线路 的初始状态； 和 分别表示母线 处分布式发电机组输出有功功率和无功功率的上/下限； 分别表示母线 处分布式发电机组向上/下爬坡率限制； 表示应急电源车 输出的最大有功/无功功率；

建立泵站运行控制模型用于获取泵站 在时刻消耗的有功功率 和无功功率 ，具体内容包括：当泵站配有自动切换开关时，通过自动切换开关将泵站连接到不同的配电网母线，每次泵站最多仅连接一个母线；

设 为可与泵站 连接的配电网母线集合，泵站运行控制模型为：(15)

(16)

式中， 表示水的密度； 表示泵站 的静态压头； 表示泵站 的泵送效率； 表示泵站 的恒定功率因数； 为二进制参数，若泵站 在 时刻与母线 相连接， 取值为1，否则取值为0； 分别表示泵站 消耗的有功功率和无功功率上限；

S2.在基于场景的混合整数非线性规划模型的基础上，形成基于上中下三层分别为预防控制、推演反馈和决策校正的多时间尺度渐进式紧急协同控制策略：S21.上层用于获取分布式发电机组和泵站的预防控制计划与应急电源车预布点方案作为预防控制策略发送至下层；若当前时段为暴雨灾害中的首个控制时段，则直接进行S23，若不是，则进行S22‑S23；

S22.中层接收下层传递的当前时段决策校正方案以及未来时间范围 的决策校正方案，将方案作为输入参数，推演时间范围 内河道洪水演进与地面受淹过程，预测具有受淹风险的环网柜，并将对应的环网柜信息和时间信息发送至下层；

S23.在首个控制时段，下层根据上层所发送预防控制策略进行初步决策校正从而调整分布式发电机组出力和泵站抽排流量，并将初步决策校正后的决策校正方案发送至中层，在其他控制时段，下层根据中层所发送的环网柜信息和时间信息对上层的预防控制策略进行滚动式决策校正迭代，得到决策校正方案并发送至中层，并根据决策校正方案调整分布式发电机组出力和泵站抽排流量，并控制线路开关进行网络动态重构；

S3.基于动态可行域分段的快速求解算法，通过引入辅助变量将约束条件进行分段线性松弛近似，从而将混合整数非线性规划模型转化为混合整数分段线性松弛近似模型，求解混合整数分段线性松弛近似模型直至收敛到原非线性模型的全局最优解。

2.根据权利要求1所述的应对暴雨灾害的多能源网络多尺度渐进式紧急协同控制方法，其特征在于，S1中随机水动力偏微分约束的电力‑水利网络最优控制模型的具体内容包括：引入一个松弛变量 松弛 约束条件：

(17)

配电网和水利网在时间范围 内的目标函数分别用 和 表示：(18)

(19)

式中，表示定义母线 上负荷优先级权重；

在水利网动态模型中，式（1）为随机水动力偏微分约束，随机水动力偏微分约束的电力‑水利网络最优控制模型 为：(20)

采用Preissmann四点隐式格式对一维圣维南水动力偏微分方程组进行数值时空离散化，具体内容包括：将每个河道 的连续时空域 被划分为离散点网格，时间步长为 ，空间步长为 ，每个点在 方向和 方向的坐标分别用 和 表示；

设 ， ；对于河道 ，点 处的变量和参数均标注下标和 以及上标 ； 的大小取决于 时段内所有河道的最大降雨强度；利用Preissmann四点隐式有限差分法对一维圣维南水动力偏微分方程组进行时空离散化，得：(21)

(22)

其中，非线性非凸约束 、和 分别为：(23)

(24)

(25)

其中， ；

则一维圣维南水动力偏微分方程组被转化为非线性代数约束（21）‑（25）；式(5)、(6)和(17)的约束同样离散化为：(26)

(27)

(28)

目标函数 和 转化为：

(29)

(30)

通过多个降雨强度时间序列构建一个潜在降雨场景集以表征降雨时空分布的不确定性：设 表示降雨场景集合， 表示场景 的发生概率；场景 对应的降雨强度时间序列表示为 ：(31)

(32)

根据 计算出场景 的降雨强度 ；令 ；与场景 对应的目标函数、变量和参数均标注下标 ；则模型 被转换为基于场景的混合整数非线性规划模型 ：(33)

式中， 对应场景 下的目标函数 。

3.根据权利要求2所述的应对暴雨灾害的多能源网络多尺度渐进式紧急协同控制方法，其特征在于，在S2中：将上层风险规避的预防控制建模为一个两阶段优化模型：一阶段模型实施应急电源车预布点并优化分布式发电机组和泵站的控制计划，二阶段模型进行分布式发电机组和泵站出力再控制以应对可能的降雨场景，并引入条件风险价值CVaR控制降雨分布不确定性带来的风险；

定义 为具有最大发生概率的预期降雨场景，定义 ，将 表示降雨场景集合中去除具有最大发生概率的预期降雨场景 后的集合；

应急电源车预布点约束为：

(34)

式中， 为二进制变量，如果应急电源车 被连接到母线 ，则 ，否则为0；表示连接到母线 的MEGs的允许总容量；

分布式发电机组的上/下备用容量约束为：(35)

式中， 表示场景 下 时刻母线 处分布式发电机组输出的有功功率， 表示场景 下 时刻母线 处分布式发电机组的上/下备用容量， 表示是母线 处分布式发电机组上/下备用容量上限；

分布式发电机组和泵站的出力调整约束为：(36)

(37)

式中， 表示场景 下 时刻母线 处分布式发电机组输出的有功功率/无功功率，表示场景 下 时刻泵站 的流量， 是泵站 的流量调整上限；

风险规避的预防控制两阶段优化模型为：(38)

式中， 为取值范在[0,1]间的加权系数，为在险价值；

通过一维‑二维耦合水动力模型来推演河道洪水演进与地面受淹过程，采用Preissmann四点隐式格式的有限差分法的与Godunov格式的有限体积法求解一维‑二维耦合水动力模型，获得未来设定时间范围内配电网环网柜的淹没深度时空分布，通过判断淹没深度识别出具有受淹风险的环网柜；若在设定时间范围内，某环网柜的淹没深度超过规定安全阈值，则该环网柜存在受淹风险，记录下该环网柜编号以及淹没深度超过规定安全阈值的时间；

下层决策校正通过决策校正模型来完成，在每个时间段，根据降雨强度分布短临预报信息，在选定的时间范围 内求解决策校正模型，根据决策模型校正上层决策，具体内容包括：设 表示根母线集合，表示与母线 相连接的母线集合；网络重构、分布式发电机组再控制和泵站流量调整的约束条件具体如下：(39)

(40)

(41)

（42）

(43)

(44）

式中， 为二进制变量，若 时刻母线 是母线 的父节点， 取值为1，否则取值为0；

决策校正模型如下：

(45)

求解决策校正模型，得到暴雨灾害中分布式发电机组和泵站的出力控制量，以及线路开关的状态控制量；根据约束(43)和(44)调整上层预防控制策略中暴雨中分布式发电机组和泵站的出力控制量。

4.根据权利要求3所述的应对暴雨灾害的多能源网络多尺度渐进式紧急协同控制方法，其特征在于，S23中滚动式决策校正迭代步骤具体为：

1）在 时间段内，更新时间范围 内降雨强度分布短临预报信息，获得中层配电网环网柜受淹风险识别结果，用于确定需要主动关闭的环网柜，关闭时间为该环网柜淹没深度超过规定安全阈值的时间；

2）设置时间步长为 ，在时间区间 内对决策校正模型进行求解，若决策校正模型不可行，则松弛约束(43)和(44)，再次求解决策校正模型，得到分布式发电机组和泵站出力的调控结果以及线路开关的控制结果；

3）仅实施针对当前时间段 对分布式发电机和泵站出力以及线路开关的控制结果；

4）时间范围前移 ，重复步骤2）‑4），若当前调度时段为最后的调度时段，则算法终止。

5.根据权利要求1所述的应对暴雨灾害的多能源网络多尺度渐进式紧急协同控制方法，其特征在于，在S21中，采用长时间尺度的方式设置时间步长；若当前时段为暴雨灾害中的首个控制时段，则直接进行S23，若不是，则进行S22‑S23；

在S22中，中层接收下层传递的当前时段决策校正方案以及未来时间范围 的决策校正方案，将决策校正方案作为输入参数，推演时间范围 内河道洪水演进与地面受淹过程，确定存在受淹风险的配电网环网柜编号以及淹没深度超过规定安全阈值的时间，并将编号与时间信息发送至下层；

在S23中，首个控制时段时下层根据上层所发送预防控制策略进行初步决策校正从而调整分布式发电机组出力和泵站抽排流量，并将初步决策校正后的决策校正方案发送至中层，在其他控制时段，下层根据中层所发送的配电网环网柜编号以及淹没深度超过规定安全阈值的时间信息，建立滚动式决策校正模型，对上层的预防控制策略进行滚动式决策校正迭代，采用短时间尺度的方式设置时间步长，实施单次滚动式决策校正迭代，并将所得决策校正方案发送至中层，并根据决策校正方案调整分布式发电机组出力和泵站抽排流量，并控制线路开关进行网络动态重构。

6.根据权利要求3所述的应对暴雨灾害的多能源网络多尺度渐进式紧急协同控制方法，其特征在于，S3的具体内容包括：基于动态可行域分段的迭代求解算法求解 得到全局最优解，具体方法包括：首先，引入辅助变量 和 ，定义为：

(46）

（47）

（48）

将约束(24)和(25)改写为：

（49）

令 为 的下限， ， 和 为 的下限和上限， ； ， 和 是关于 在区间 内的单调函数， 是关于 在区间 内的单调函数；

考虑区间 内的单调函数 ，其可行域 被划分为 个分段，分段集为，其中 为一对实数，表示 在分段 中的下限和上限；引入连续变量 并将其分配给 ，引入二进制变量 并将其分配给分段 ； 的分段线性松弛近似为：（50）

因此，约束(23)、(46)和(47)被近似替换为：(51)

约束条件(48)中包含双线性项 和 ，考虑定义在 和 上的双线性函数 ，将 的可行域 分成 个分段，分段集为 ，其中 是一对实数，表示 在分段 中的下限和上限；引入二进制变量 和两个连续变量 和 ，并将其分配给分段 ； 的分段线性松弛近似为：(52)

因此，约束条件(48)被近似替换为：(53)

从而，将 转化为混合整数分段线性松弛近似模型 ，如下：(54)

采用动态可行域分段方案来迭代缩紧约束(51)和(53)中的分段线性松弛近似：(1)在每次迭代时，当前 最优解所在的分段被划分为四个非均匀稀疏分段，对于情景 ，令 ， 表示 的分段集合， ， 表示的最优解， 表示 的最优解， ，令 表示模型 二进制变量的集合， 表示 的最优解， 表示 的最优解， ， ，利用 构建 的 ，求解 ；

(2)通过调整参数 控制非均匀稀疏分段的大小；引用约束（55）至 ：(55)

约束(55)将 内所有二进制变量固定为恒定值，从而将 中的整数变量固定，转化为一个不含整数变量的非线性规划模型，求解该非线性规划模型以获得其局部最优解；

该非线性规划模型的局部最优解为原 的最优目标值提供了一个上限估计，用表示；

的最优解为 的最优目标值提供了一个下限估计，记为 ；

当 和 的差值低于允许偏差 时，便认为收敛到 的全局最优解；

步骤（1）的具体内容包括：

初始化参数，其中， ；允许偏差 ；调优参数 ；初始 ， ；

；

当 并且 时，利用 构建 的 ；求解 ，获得 和 ， ；计算目标值 ，用 更新 ；

针对每一个 ，将 所在分段用 表示；

若 ，则将 来更新 ，将 来

更新 ，并将 更新为：

；

否则，将 更新为：

；

其中， 表示原 中长度最大的分段， 。