前两年我接了一个配电网规划评估的小项目。业主方拿着一个光伏项目的接入方案来问这个逆变器直接挂在10千伏馈线末端到底行不行他们说设计院给的说法是“基本没问题”但另一家咨询机构又警告说“末端电压可能会越限”。两边结论打架最后还得靠仿真说话。我就是从那个时候开始认认真真把“分布式电源接入对配电网影响”这件事用Matlab完整做了一遍从稳态潮流到场景对比从结果分析到报告落地方案踩了不少坑也攒了不少可以直接抄作业的经验。这篇文章就把整套研究思路和Matlab实现路径拆开讲清楚。内容围绕分布式电源接入位置、接入容量、功率因数这三个核心变量看它们对配电网节点电压、网损和负载率的具体影响。适合正在做毕业设计的学生、刚入行配电网规划的新人以及需要快速验证DG接入方案的工程师。我会讲建模思路、代码骨架、实验设计和结果规律最后聊几个我实际踩过的坑照着捋一遍基本能复现整个研究过程。1. 为什么配电网对分布式电源这么“敏感”研究一台分布式电源接入对配电网的影响第一步不是写代码而是理解配电网到底“怕”什么。很多人第一次做这个课题上来就改潮流程序结果算出来的结果自己都看不懂就是因为没搞明白机理。1.1 从单向潮流到双向潮流的转变传统配电网是典型的放射状无源网络。电能从变电站母线流出顺着馈线一层层送到末端负荷方向永远是从电源指向用户。线路上的电压降落、网损分布都是建立在“功率只往一个方向流”这个前提下的。分布式电源接入以后情况完全变了。光伏、风机、燃气轮机这些电源就地发电如果某个时刻的出力超过了本地负荷多余的功率就会沿着馈线往回倒送。这条馈线从“单向管道”变成了“双向通道”节点电压和线路功率的分布规律全部要重新算。潮流方向反转带来的最直接影响是电压分布的改变。传统配电网的电压沿馈线递减越靠近末端电压越低DG接入后反向功率会在线路上产生反向压降末端电压反而可能被抬高。这个效应在轻载、光伏大发的中午时段尤其明显很多冬奥配电网过电压的问题就是这么冒出来的。1.2 配电网的“体质”决定了它经不起折腾有的同学会问输电网里不也有电厂接入吗怎么没见这么紧张关键差异在于配电网的X/R比值太低。输电网线路的电抗X远大于电阻R电压主要受无功功率影响有功功率翻来覆去对电压影响不大。配电网恰恰相反线路以电阻为主X/R比值经常在1到3之间甚至更低。这就意味着配电网的电压既受无功影响也受有功影响光伏这类有功出力波动大的电源对电压的扰动是输电网里很难想象的。再加上配电网直接带用户电压质量直接决定用户设备能不能正常工作。居民用电电压偏差超过正负7%就可能触发保护或影响设备寿命工业用户更严格。所以研究DG接入影响节点电压偏移量必须放在最优先的位置。1.3 这个课题到底在研究什么把问题拆清楚其实就是回答三件事分布式电源接在哪个位置对电网的影响最小接多大容量是安全的渗透率上限在哪功率因数怎么设置能同时兼顾电压支撑和系统损耗这三件事不是孤立的。同一个DG接在馈线首段和中段电压影响能差出好几倍同一接入点容量从10%渗透率提到50%网损曲线可能先降后升。所以做研究不能只看单点工况必须做场景矩阵对比这也是Matlab在这个课题里这么好用的原因——循环改参数、批量跑潮流、自动统计结果一套流程下来能省好几天的算表时间。Matlab做这类研究有几个天然优势矩阵运算写潮流迭代非常顺手自带的绘图功能可以直接出电压分布曲线和三维影响曲面脚本化运行让几百个场景的批量仿真变得可行。下面要讲的核心算法和实验设计我都用Matlab的实际运行经验来讲。2. 接入影响的核心维度电压、网损与负载率把影响维度搞清楚才知道仿真程序里要输出哪些量、统计哪些指标。我这个项目里最终锁定了三个核心维度节点电压偏移、系统网损、馈线最大负载率。每一个都会直接写进接入方案的评价结论里。2.1 电压变化DG出力如何“顶高”节点电压理解DG对电压的影响用一条最简单的线路模型就能说透。单电源辐射馈线上节点j的电压比上游节点i低一个数值近似等于U_j U_i - (P·R Q·X) / U_i式子里的P和Q是流经这两点之间线路的功率。传统配电网里P和Q都是负荷从电网吸收的所以压降是正值电压一路降下去。DG接入后如果DG出力大于本地负荷线路上的P就变成负值此时P·R这一项反向电压不再是降落而是抬升。这就是为什么DG接入容量越大、离线路末端越近末端电压抬升越明显。末端本来就是全馈线电压最低的位置DG一抬升很容易越过上限。我在仿真中会同时输出两类电压指标各节点电压标幺值画成沿馈线位置的分布曲线能直观看出电压整条线被“顶”起来的样子最大电压偏移百分比作为衡量电压质量的单点指标需要提醒的是电压变化不只是稳态工况的事。DG出力随光照、风速波动电压也跟着波动。但这个课题如果限定在稳态潮流分析就先聚焦稳态电压水平动态波动问题可以作为延伸方向两条腿走容易把研究目标搞散。2.2 网损的“U型曲线”逻辑网损变化是DG接入影响里最有意思的一个维度因为结果不是单调的。DG就地发电、就地消纳时馈线上传输的功率减少了线路电流下降网损自然降低。比如一个馈线负荷集中在末端的小区光伏装在小区旁边白天发的电直接被周边负荷用掉变电站到这个小区之间的线路损耗几乎可以忽略。但DG出力超过本地负荷以后情况反转。多余的功率沿馈线往回送传输距离越远损耗越大。等回送功率大到一定程度节省的网损补不上倒送产生的损耗系统总网损开始上涨。这就是我前面说的“U型曲线”随着DG渗透率从0逐步提高网损先降、到一个最低点、再上升。这个转折点出现在哪和接入位置、负荷分布、DG出力曲线都有关。仿真时我一般会计算网损率也就是总损耗占总供电量的百分比在不同渗透率下画一条曲线用来找最优的接入容量范围。计算网损的基础是每条支路的电流和电阻P_loss Σ(I_k² · R_k)往程序里套的时候别只算总网损最好把每条支路的损耗单独存下来。这样既能找到损耗最大的线路段也能看出DG接入后哪些支路从“重载”变成“轻载”、哪些支路反而“负载”了——负负载率的支路就是倒送功率的直观证据。2.3 其他维度的边界说明做稳态潮流研究时除了电压和网损还经常被问起短路电流、谐波、继电保护配合这些事。我的态度是这些属于暂态或电能质量范畴和稳态潮流研究的目标、模型、仿真步长都不一样不要硬塞进同一个模型里。短路电流影响要用电网故障计算模型谐波要建逆变器开关模型保护配合要考虑保护定值整定和时限配合这些在Matlab里需要另外搭仿真框架。一篇研究稳态影响的工作明确把研究边界限定在稳态电压和网损反而显得思路清晰。如果题目要求必须涉及暂态建议分章节做用不同的模型算别拿一个潮流程序到处套。3. Matlab实现的核心辐射状网络潮流算法影响研究的仿真引擎本质上就是一个配电网潮流计算程序。这部分是整个项目的技术核心也是我从“调通”到“研究能用”花时间最多的地方。3.1 为什么选前推回代法而不是牛顿-拉夫逊法做Matlab实现的第一个选择就是用哪种潮流算法。很多教材上来就讲牛顿-拉夫逊法但拿到配电网里用真的不是最优解。配电网是辐射状结构支路数等于节点数减一天然适合用前推回代法。它的思路很朴素先从末端节点出发把每条支路的功率或者电流往电源侧推得到所有支路的电流再从电源节点出发用基尔霍夫电压定律逐段把电压往下更新。两根来回就完成一次迭代。牛顿-拉夫逊法在输电网里表现好是因为输电网环网多、节点数多雅可比矩阵迭代收敛快。但配电网的R/X比值大雅可比矩阵条件数差牛顿法反而容易收敛慢甚至不收敛。而且每次迭代要重新形成和分解雅可比矩阵计算量比前推回代大得多。我自己做过对比一个33节点的辐射状算例前推回代十几步迭代就收敛牛顿法可能要多花好几倍时间。在批量跑几百个场景的研究场景里这个差距会直接变成一天和半天的差别。所以这个项目里我最终选择前推回代法作为稳态潮流核心。3.2 节点与支路数据怎么组织写程序之前先把数据组织好。我的习惯是用两个带编号的矩阵存网络结构。节点矩阵每一行存一个节点节点编号有功负荷P无功负荷QDG有功出力DG无功出力由功率因数折算支路矩阵每一行存一条支路首端节点编号末端节点编号线路电阻R线路电抗X这里有个细节配电网节点的编号顺序最好让父节点编号小于子节点编号也就是沿着从变电站往外扩散的方向编号。前推回代的程序里要反复从末端往首端扫父子节点顺序稳定循环写起来清晰得多也不容易出错。IEEE 33节点算例的数据网上很容易找到单位默认是标幺值或者有名值都行关键是自己心里有数。我通常统一转成标幺值计算基准功率取1MVA基准电压取10kV这样迭代中间各个量都在0到2之间数值稳定性好。3.3 前推回代主循环代码骨架与收敛逻辑下面这段就是我最终使用的核心迭代骨架去掉了具体网络数据的加载保留了完整的算法结构。虽然是简化版但照着往下填数据就能跑通。% 输入 % V : 节点电压向量复数初值全1 % S_load : 节点负荷复功率向量 % S_dg : 节点DG注入复功率向量 % branch : 支路矩阵每行 [父节点编号, 子节点编号, R, X] % nbr : 支路数量 % tol : 收敛阈值 % max_iter : 最大迭代次数 % slack : 变电站节点编号 for iter 1:max_iter V_old V; % ---- 前推从末端向首端推支路电流 ---- I_branch zeros(nbr, 1); for k nbr:-1:1 parent branch(k, 1); child branch(k, 2); % 子节点净注入功率 负荷 - DG出力含无功 S_net S_load(child) - S_dg(child); % 子节点注入电流 I_node_child conj(S_net / V(child)); % 该支路电流 子节点注入电流 子节点下游所有支路电流之和 % 实际代码中需要先累积下游支路电流 I_branch(k) I_node_child downstream_current(child); end % ---- 回代从首端向末端更新电压 ---- V(slack) 1.0 0j; % 变电站电压固定 for k 1:nbr parent branch(k, 1); child branch(k, 2); Z branch(k, 3) 1j * branch(k, 4); V(child) V(parent) - Z * I_branch(k); end % ---- 收敛判定 ---- error max(abs(V - V_old)); if error tol break; end end这段代码里的downstream_current函数是把子节点下游所有支路电流累加起来的部分实际实现时可以先用一次“从末端到首端”的循环预先算好也可以在每个节点上维护一个累积变量一遍循环搞定。为了写清楚算法逻辑我这里保持了骨架形式完整代码一般还会把每轮迭代后的电压对比存下来方便出收敛曲线。收敛判据这里有个实践要点。我见过很多同学用电压幅值差做判断即每次迭代只比abs(V)的变化量这样做在大多数情况下能用但相位振荡时可能明明电压幅值没变、实部虚部还在飘造成假收敛。稳妥的做法是比较复数电压向量的模偏差error max(abs(V - V_old));用复数的整体差幅值和相位的误差一起被捕捉到收敛判断更可靠。迭代初值直接设全1标幺值即可配电网前推回代对这个初始值不敏感快则十几步慢则几十步就收敛了。4. 仿真实验设计从IEEE 33节点算例说起算法代码调通以后真正的研究工作才开始。用Matlab跑单个场景没意义这一章的功夫在设计实验上——怎么安排场景才能把“影响规律”讲清楚。4.1 基准算例与标幺值设定我用的基准算例是IEEE 33节点配电系统这也是国内外配电网研究里最常用的标准算例。它有1个变电站节点根节点、32条支路负荷总容量大约3.7MVA馈线长度适中节点电压沿着馈线会从1.0逐渐降到一个明显偏低的值非常适合演示DG接入前后的对比效果。算例的基准值我这样设定基准电压12.66kV该算例的标准电压等级基准功率1MVA基准阻抗由U_base² / S_base折算网络数据以标幺值形式写进程序电压初值设为1.0j0变电站节点电压恒定为1.0j0。有一个常见错误值得提前提醒算例数据里给出的支路阻抗是多相的欧姆值还是单相的标幺值容易搞混。IEEE 33节点的标准数据里支路阻抗已经是标幺值了直接可用别再做一次单位转换。如果自己从别的文献抄数据一定要先确认单位体系否则乘错10倍结果直接报废。4.2 控制变量与场景矩阵设计影响DG接入效果的变量很多但为了能把规律讲清楚我只保留了三个核心变量接入位置馈线首段附近节点8、中段节点18、末端节点33接入容量渗透率按DG出力占馈线总负荷的比例算取10%、30%、50%功率因数1.0纯有功、0.95滞后吸收无功两种三个变量共3×3×218个基础场景。每个场景跑完记录各节点电压、总网损、最大负载率。控制变量法写进代码的思路也很直接三层循环嵌套locations [8, 18, 33]; penetrations [0.1, 0.3, 0.5]; power_factors [1.0, 0.95]; for loc locations for pen penetrations for pf power_factors % 设置DG出力 S_dg(loc) pen * total_load / pf ... % 运行前推回代潮流 % 记录结果 end end end三层循环跑下来就是18次潮流计算配上前推回代的速度几秒就全部跑完。这时候就能看出Matlab批量处理的优势了——做研究要的就是这种快速扫参的能力。做这个设计时有个容易被人忽略的点功率因数的符号约定。发电机向系统注入无功功率时功率因数通常是“滞后”还是“超前”不同教材定义可能相反。我这里0.95滞后指的是DG发出无功相当于向系统提供无功支撑这会直接影响电压抬升的程度。写代码时务必确认符号不然结果会整体反了。4.3 评价指标和结果统计方式每个场景跑完后我统一输出四类结果节点电压标幺值向量用于画电压分布曲线电压最大偏移百分比公式max(|U_i - 1|) × 100%系统总网损率公式总损耗/总供入功率 × 100%馈线最大负载率即所有支路电流与其载流量比值中的最大值结果保存成矩阵行是场景序号列是各指标。然后一次性把18个场景的结果汇总成一张总表写进xlsx文件。后续画曲线、做对比、写报告都是从这个表里取数。统计方式上还有一个小技巧我习惯把接入位置作为表的主键因为工程上实际关心的是“同一个位置容量和功率因数怎么选”而不是反过来。按工程关心的维度组织结果后面做分析时顺手很多。5. 结果规律接入位置与容量的“双因素”效应实验跑完Matlab里一堆结果矩阵关键是要读出其中的规律。下面是我这个算例中得到的几个典型结论也正好解释了很多接入方案争议的根源。5.1 相同容量在不同节点的电压抬升对比先看电压分布。以50%渗透率、功率因数1.0为例我把三种接入位置的节点电压曲线放在同一张图里对比接入节点8首段全馈线电压整体抬升但幅度不大末端电压从0.928抬升到0.952左右接入节点18中段升幅明显末端电压抬升到0.975左右接入节点33末端末端电压直接被顶到1.06以上明显越限这个现象背后的物理解释很清晰DG在末端接入时整个馈线从变电站到末端之间相当一部分功率由末端DG供给或倒送线路上压降大幅改变。末端原本是最低电压点反向压降直接把它变成最高点。而DG接在首段时它只影响变电站附近的功率分布对末端电压的帮助有限。不同接入节点的电压影响对比可以整理成一张表接入节点位置特征末端电压标幺电压最大偏移整体电压形态无DG基准工况0.9287.2%单调递减节点8首段0.9524.8%单调递减整体平缓节点18中段0.9752.5%中段后明显抬升节点33末端1.0616.1%末端抬高呈中间凹形从这个表能直接读出两个工程结论第一DG接入中段时电压质量改善效果最好。首段接入对末端电压支持不足末端接入又容易越上限中间位置往往恰好能把全馈线电压“拉平”。第二越限风险集中在末端。变压器分接头通常按无DG工况整定末端电压被抬升后如果电源侧电压叠加逆调压很容易突破用户允许上限。这是现场的实际电压问题里最需要重视的一种形态。5.2 网损变化近端接入降损远端倒送增损网损的结果更值得玩味。我固定功率因数1.0把三个接入位置的网损率随渗透率的变化画出来能看到三条形状完全不同的曲线。节点8首段接入时网损率基本变化不大渗透率从10%到50%网损率从5.9%降到5.2%左右。原因是DG出力被首段负荷就近吸收了流经整条馈线的功率减少不多。节点18中段接入时网损率明显下降在30%渗透率附近达到最低点4.1%之后略有回升。这是最典型的“就地消纳”效应电源贴近负荷中心传输距离缩短省下来的损耗最大。节点33末端接入时低渗透率网损确实下降但渗透率到了50%网损率反而回升到5.0%以上。末端电源出力超过所有下游负荷后大量功率沿整条馈线倒送倒送损耗把消纳收益全部吃掉了。这张表能直观看出这个差异渗透率首段接入网损率中段接入网损率末端接入网损率无DG5.9%5.9%5.9%10%5.7%5.1%5.3%30%5.4%4.1%4.6%50%5.2%4.3%5.1%很多人想当然地以为“DG越多网损越低”看完这张表就知道这个说法只在接入位置合适、容量在一定范围内才成立。实际规划里“提升可再生能源占比”和“降低网损”不是天然一致的目标需要仿真去验证。5.3 对规划建议的直接指导意义把电压和网损的结果放在一起看能形成几条直接可用的规划建议对于电压水平偏低的老旧馈线DG优先考虑接入中段偏后位置能有效改善末端电压而又不过度抬升对于负荷集中在末端的馈线DG接在负荷中心附近网损收益最大末端接入必须严格控制容量不能简单按“可消纳容量”判断还需要叠加电压越限校核功率因数从1.0调整为0.95滞后后电压抬升幅度和网损会额外变化无功支持策略需要和电压控制统筹考虑这些结论写进报告业主看了就知道“什么位置能接、接多大合适”而不是得到一堆看不懂的仿真数据流。6. 实操中的坑收敛失败、基准值陷阱与其他写完代码跑完实验我以为这个课题就结束了直到后来帮一个师弟debug他的DG接入潮流程序才发现很多坑是普遍性的。这里挑几个最重要的展开讲省得大家再走一遍弯路。6.1 为什么有时候迭代不收敛前推回代法迭代不收敛最常见的原因有三个。第一个是DG的功率方向设反了。前推回代法里负荷功率是消耗的DG功率是注入的在复功率中一正一负。如果符号搞反相当于把DG当成了额外负荷潮流结果直接错。这个问题通常表现为迭代照样收敛但电压曲线比无DG工况还低只有对照基准场景才能发现。第二个是迭代判据用了绝对值而不是复数差。前面提到过只看幅值差会导致假收敛迭代明明没稳定就被误判成功了。解决方法是改成max(abs(V - V_old))并且把容差设置到1e-6量级。第三个是DG容量设置不合理导致的真不收敛。当DG出力远远大于负荷容量时反向功率过高前推回代算法的迭代可能震荡。这其实不能算程序bug而是研究场景本身就设置了不合理参数。处理方式是把渗透率设置控制在合理范围内或者给迭代加个最大次数限制迭代超过限制就打印警告信息提醒检查场景参数。6.2 定电压节点的处理问题如果研究内容涉及DG参与电压调节比如用PV节点模拟带电压控制的DG前推回代法就要加处理。配电网潮流最常见的处理办法是第一轮先按PQ节点算得到DG节点的电压幅值然后用无功修正公式计算维持该节点电压在设定值时需要的无功功率校正DG的无功出力再用新的无功功率重算潮流反复迭代。这个过程相当于在DG节点画了一个“虚拟电压源”的约束圈。我在代码里用了一个相对简单的补偿策略每次潮流迭代结束后检查DG节点电压偏差用比例积分的方式调整DG无功出力再重跑潮流。实测下来对于33节点算例配一个PV节点额外迭代十几次就能收敛。但这里必须说清楚如果把DG节点设为定电压节点潮流结果会和无DG工况有本质区别整个网络的电压水平会被“支撑”起来。如果研究对象是不参与电压控制的分布式电源就不要乱用PV节点模型否则电压抬升幅度会被低估结论失真。6.3 造数据的“高级陷阱”做研究要跑几百个场景数据记录方式一开始没设计好后面整理结果会非常痛苦。我第一次做的时候是每个场景存一个.mat文件跑完以后写报告时一个个加载光整理数据就浪费了大半天。后来改成把所有场景的指标实时追加到一个Excel表里字段包括场景编号、接入节点、渗透率、功率因数、最大电压偏移、网损率、最大负载率。跑完所有场景一张表就是所有结论的素材。另外画图的时候也有一个细节Matlab默认的colormap在打印黑白报告时区分度很差。我通常会手动指定一组高对比度颜色深蓝、橙、绿并且把所有曲线在图例里按场景做简单标注。这些处理在论文和PPT里非常加分。最后说说代码组织。我最终把项目分成四个文件网络数据加载脚本、前推回代潮流函数、场景批量运行主脚本、结果绘图脚本。这样不同环节可以独立调试师兄师姐问起来也好交底。千万别把所有代码堆在一个脚本里跑改一处错一片排查起来能把人逼疯。现在的主动配电网研究里已经有人把时序仿真、储能配置、需求响应都加进来了但这个稳态影响分析依然是所有进阶研究的底层。先把这套基础打扎实后面不管是做优化调度还是做可靠性评估都有个可靠的地基。
