电动汽车(EV)的日益普及和快速充电站(FCSs)的部署使得电气化路网(ERN)和电网(PN)越来越多地结合在一起。这种相互依赖可能给耦合系统带来新的压力和风险。由于两个独立系统的物理限制，这也给他们的操作带来了挑战。在此背景下，本论文旨在建立系统模型，描述ERN和PN的关键物理特征和约束，以评估相互依赖的系统在破坏性事件发生时的韧性。
本书首先提出了一个基于元胞传输模型(CTM)和交流潮流模型的仿真框架来描述交通流和潮流的演变。为了避免外源性地输入参数来确定车辆的转弯率和合并道路行驶的优先级，提出了一种基于CTM的线性优化模型:1)考虑电动汽车和快速充电站的关键特征，如电动汽车的不同续驶里程和快速充电站的不同容量；2)明确建立电动汽车充电过程模型；3)求解考虑电动汽车与汽油车混合的系统最优动态交通分配(SO-DTA)问题。在此基础上，进一步提出了基于链路传输模型(LTM)的优化模型，以提高计算效率。

第 1 章 引言 1
1.1 韧性评估 2
1.2 研究问题 4
1.2.1 ERN 建模 5
1.2.2 考虑交通拥堵影响的 PN 风险评估 9
1.2.3 考虑充电基础设施故障影响的 ERN 韧性评估 9
1.2.4 不同决策环境 11
1.2.5 灾后最优重构 13
1.3 研究目标和贡献 15
第 2 章 系统模型 18
2.1 模拟交通与电力系统 18
2.1.1 元胞传输模型 19
2.1.2 电动汽车充电模型 22
2.1.3 交流潮流模型 23
2.2 基于元胞传输模型的电气化路网优化模型 23
2.3 基于链路传输模型的电气化路网优化模型 31
2.3.1 基于链路传输模型的系统最优动态交通分配问题 31
2.3.2 基于电力链路传输模型的系统最优动态交通分配问题 34
第 3 章 考虑交通拥堵影响的电网风险分析 39
3.1 风险分析 39
3.1.1 道路交通事故建模 39
3.1.2 严重程度量化 42
3.1.3 风险场景模拟流程 44
3.2 应用 45
3.2.1 数据描述 45
3.2.2 性能测试 49
3.2.3 结果与分析 50
3.3 结论 56
第 4 章 考虑快充站故障的电气化路网韧性评估 58
4.1 充电站故障过程的两阶段模型 59
4.2 韧性评估指标 61
4.3 数值示例 63
4.3.1 数据描述 64
4.3.2 结果与分析 68
4.4 结论 73
第 5 章 不同决策环境下的动态交通-电力系统协同 75
5.1 最优潮流模型 75
5.2 不同决策环境建模 77
5.2.1 分散式决策环境 77
5.2.2 集中式决策环境 78
5.2.3 信息共享决策环境 79
5.3 数值实验与结果 80
5.3.1 案例研究与系统配置 80
5.3.2 实验说明与结果 80
5.4 结论 83
第 6 章 交通-电力系统的最优灾后重构 84
6.1 基础设施模型与重新配置问题构建 84
6.1.1 ERN 重构 85
6.1.2 PN 重构 87
6.1.3 耦合交通-电力网络重构 88
6.2 案例研究 90
6.2.1 不同响应资源水平的影响 92
6.2.2 不同 EV 渗透率和决策环境下的解决方案 94
6.3 结论 96
第 7 章 总结与未来工作展望 97
7.1 总结 97
7.2 未来工作展望 99
参考文献 100
附录 A 考虑快充站故障的电动汽车充电网络韧性评估补充信息 115
A.1 示例数据 115
A.2 系统最优（SO）条件 118
A.3 先进先出 119
A.4 说明性示例 119
A.4.1 场景 1 120
A.4.2 场景 2 121
A.4.3 场景 3 123
A.4.4 场景 4 124
A.5 计算时间 125
附录 B “不同决策环境下的动态交通-电力系统协同”使用数据说明 128
附录 C “交通-电力系统的最优灾后重构”使用数据说明 131