1. 先想明白分布式电源定容到底是在求什么1.1 “定容”不是拍脑袋而是一个有严格数学定义的决策问题我当年第一次拿到类似题目的时候第一反应是“这不就是找个负荷最大的点使劲装吗”。结果被导师一句话问住了“那你先算算装完之后节点电压会变成多少”我当场说不出话来——因为确实没算过。分布式电源DG定容简单说是回答“在某处接入多大容量DG”的问题但工程上它不是一个参数设置而是一个完整的优化决策问题。给定配电网拓扑结构、各节点负荷水平、若干个DG候选接入点求解一组容量配置方案使得某个评价指标最优同时保证系统安全稳定运行。这里的变量可能是接入点数量、每个点的光伏或风电装机规模甚至包括储能容量目标可能是网损最小、电压质量最好、年综合费用最低或者几者的加权组合。和“选址”不同定容的决策变量通常是连续的。你可以在3号节点装523kW也可以在7号节点装1.2MW——它不是“装不装”的二选一而是“装多少最划算”的连续寻优。正因为如此定容问题在数学上往往表现为非线性、多峰值、多约束的优化问题这也是为什么靠直觉、靠试算根本做不出可靠结果。1.2 定容和“选址定容”不是一回事别把范围搞混做这类项目时我见过太多人把“选址定容”四个字混在一起理解结果程序里变量定义乱成一团。严格区分一下选址确定“在哪里接入”。变量是离散的比如从30个可接入节点里选3个位置本质是一个组合搜索问题。定容在接入位置已给定的前提下确定“每个点接入多大容量”。变量是连续或准连续的。选址定容联合优化既选择位置又计算容量。这是混合整数非线性规划MINLP复杂度显著上升。很多课程设计和本科毕设的任务书通常会限定“DG位置已给定求最优容量”这时你只需要做定容部分。但哪怕只是定容也牵扯潮流计算、目标函数、约束条件、优化算法一整条链路并不是一个简单的小程序能糊弄过去的。想清楚你被要求做的范围再去设计程序结构能少走很多弯路。1.3 为什么说解析方法搞不定这个看似简单的题目有人可能想优化问题不是有现成套路吗拉格朗日乘子法、KKT条件、梯度下降听起来都挺靠谱。但DG定容问题有两个让人头疼的特征潮流方程是非线性的。节点电压和功率之间的关系不是简单线性映射DG的接入改变了潮流分布目标函数比如网损是节点电压的复杂函数。目标函数往往多峰、非凸。不同容量配置可能得出相近的网损但中间隔着“高谷”梯度类算法容易一头扎进局部最优出不来。生活化一点理解整个过程就像在一大片山谷里找最低点。梯度法只告诉你“往哪个方向走会降低”但你可能走到的只是一个局部的坑不是整片区域的最低点。而大家常用的智能优化算法比如粒子群PSO、遗传算法GA本质上是一群探路者分头在整片区域搜索不断交流各自发现的最优位置最后向真正低洼处汇聚。这也是为什么目前绝大多数DG定容相关的源程序和文献采用的都是启发式智能算法。2. 建模是程序的地基目标函数、约束条件和几个“要命”的细节2.1 目标函数网损最小还是年综合费用最小定容程序最核心的第一步是把“好”变成数学语言。我见过几十份相关的报告用的目标函数基本就三种目标函数表达式含义优点缺点网损最小所有支路有功损耗之和最小实现最简单直观体现DG对潮流分布的改善没有考虑DG建设成本结果缺乏经济意义电压偏差最小各节点电压偏离1pu的程度之和最小侧重电能质量适合电压问题突出的算例可能与降损目标冲突报告里不太好自圆其说年综合费用最小DG年投资折算费用运行维护费购电/网损费用经济性完整论文好展开需要引入费用系数参数和数据准备稍多如果你做的是本科毕设我个人推荐用“年综合费用最小”作为主目标理由很实际报告可以写出层次。先分析DG投资成本怎么折算到每年再分析降损带来的收益最后得出一个“最优容量不是越大越好也不是越小越好而是落在某个区间”的结论。这种结论本身就很有说服力。如果只是想快速跑通程序那“网损最小”是最省事的。但要注意标题里既然提到“万字报告”那目标函数最好选一个能在报告里充分展开的否则写着写着就会发现没东西可以分析了。2.2 约束条件电压、渗透率、DG容量上限一个都不能少定容程序里最容易被“顺手忽略”的往往是约束条件。我见过很多同学把程序跑出结果就开始写报告结果被老师一问“节点电压多少”就愣住了——压根没检查过。标准定容问题至少要包含以下几类约束等式约束潮流方程。无论DG怎么接入系统必须满足有功和无功功率平衡这部分由潮流计算本身保证。节点电压约束通常要求各节点电压在0.95pu到1.05pu之间。DG接入后电压会抬升装多了就可能越上限装少了则可能改善不足尾部节点仍然低电压。支路容量约束线路电流或视在功率不超过允许值这直接关系到线路是否过载。DG容量上下限约束每个候选点安装容量不超过该点允许的最大值也不能小于零。渗透率约束全系统DG总容量不超过系统总负荷的某个比例常见取20%~30%。这个约束的目的是防止DG出力过高导致大量功率倒送工程上很关键毕设报告里也常考。处理约束时主流做法是“罚函数法”如果某个解越过了约束就在适应度函数上加大惩罚值让优化算法自动避开它。罚函数系数怎么取是个经验活我后面专门写一段。2.3 单位统一标幺值是新手第一道坎这个坑我当年踩得很惨也提醒过好几个学弟程序内部一定要统一用标幺值。配电网常用的基准是基准电压取系统标称电压比如IEEE 33节点系统是12.66kV基准功率取10MVA或100MVA。负荷和DG容量的有名值除以基准功率阻抗有名值除以基准阻抗全部换算成pu参与计算。为什么这么强调因为如果不统一你很可能出现这样的情况DG容量写成200kW但潮流计算里节点功率用的是MW结果200kW进去等于0.2或者0.02导致节点电压偏低程序“正确”地算出网损增大你却找不出原因。我的习惯是程序入口处统一读入有名值数据下一步立刻转成标幺值所有内部计算都在标幺值下进行输出结果时再转回有名值。这样既不容易出错出问题时也好排查。2.4 潮流计算辐射状配电网用前推回代就够了定容程序能不能稳定跑起来很大程度上取决于潮流计算写得好不好。配电网绝大多数是辐射状结构对这种网络牛顿-拉夫逊法反而有点“杀鸡用牛刀”的感觉——它需要形成雅可比矩阵初值给不好还可能不收敛。更贴合配电网特征的做法是前推回代法backward/forward sweep原理非常直观回代过程从末端节点开始根据当前节点电压和负荷功率逐条支路从末端向根节点累加功率。前推过程从根节点开始用已知的根节点电压和已算出的支路功率逐条支路向末端修正各节点电压。判断收敛看相邻两次迭代的最大电压差值是否小于某个阈值我常用1e-6。这个方法不需要求导、不需要逆矩阵对辐射状配电网非常稳定代码量也小。核心框架大概是这样的function [V, Ploss, iter] loadflow_fb(branch, loadP, loadQ, dgP, dgQ) nBus size(loadP, 1); V ones(nBus, 1); % 电压初始化为1pu isConverged false; for iter 1:100 % 回代从末端向根节点逐支路累加功率 branchS zeros(size(branch, 1), 1); for k size(branch, 1):-1:1 % 末端节点功率 负荷 - DG注入 nodeS (loadP(branch(k,2)) - dgP(branch(k,2))) ... 1j * (loadQ(branch(k,2)) - dgQ(branch(k,2))); branchS(k) nodeS 累积的下游支路功率; end % 前推从根节点向末端修正电压 V_old V; for k 1:size(branch, 1) % V(末) V(首) - 支路电流 * 支路阻抗 branchI conj(branchS(k) / V(branch(k,1))); V(branch(k,2)) V(branch(k,1)) - branchI * branch(k,3:4); end if max(abs(V - V_old)) 1e-6 isConverged true; break; end end % 计算网损 Ploss sum(abs(branchI).^2 .* branch(:,3)); end注意这只是示意框架实际工程代码要处理节点编号映射、支路顺序、DG注入功率正负号约定等问题。但核心思想就是这两步来回迭代理解了它整个程序的主干逻辑就通了。3. 程序架构与主流程拿到源文件后从哪里看起3.1 一套像样的定容程序文件结构应该这样分拿到别人的源文件时最怕的就是一个大文件从头写到尾变量满天飞找人帮忙调试都无从下手。我整理资料时习惯把程序拆成这样几个模块文件名职责关键内容main.m主程序入口调用各模块组织整体流程init_case.m算例数据初始化读取或定义支路参数、负荷、DG候选节点loadflow_fb.m前推回代潮流计算输入DG容量输出节点电压和网损objective.m适应度函数根据目标函数和罚函数计算粒子适应度pso_solver.mPSO优化主体粒子群初始化、迭代更新、结果记录plot_result.m结果可视化输出电压分布图、迭代曲线、结果表这样的模块划分最大的好处是改算例时只需要动init_case.m改目标函数时只需要动objective.m而优化算法框架可以原样复用。很多同学拿到一套程序后觉得难改其实是因为所有代码揉在一起牵一发动全身。3.2 主程序“一行一行”的逻辑到底在干什么主程序的流程其实很固定我来描述一遍你对照代码就不迷路初始化数据调用init_case读入支路表、负荷表、DG候选节点编号和容量上下限。定义优化变量范围每个候选点的DG容量是一个维度下限为0上限是该点允许的最大接入容量。调用PSO优化器优化器内部反复调用objective最终返回最优容量向量、最优适应度值和每代收敛历史。用最优结果跑一次潮流得到最终的节点电压、网损、DG出力等详细结果。画图并输出表格对比优化前后结果。核心代码框架大致长这样clear; clc; [line, bus, dgCand] init_case(); % 优化变量定义每个候选节点一个DG容量变量 nDim length(dgCand); lb zeros(nDim, 1); % 容量下限 ub dgCand.maxCap * ones(nDim, 1); % 容量上限 % 调用PSO options.nPop 30; options.maxIter 200; [bestX, bestFit, history] pso_solver(objective, lb, ub, options); % 最优结果再跑一次潮流输出详细信息 [V, Ploss] loadflow_fb(line, bus, bestX); % 结果展示 plot_result(V, Ploss, history, bestX);你会发现整个主流程并不复杂难点全在子模块内部。这也是我为什么强调看别人程序时不要从第一行开始读先看主程序怎么组织模块再沿着调用链去读具体函数。3.3 数据文件怎么组织最不容易错IEEE 33节点系统是配电网定容文献里的“标配算例”几乎每个源程序都会用到。这类数据表有两种常见组织方式支路表每一行包含首节点、末节点、支路电阻、支路电抗、该支路末端节点的有功负荷、无功负荷。有时负荷单独用一张表支路表只放拓扑和阻抗。典型的前几行数据大概长这样不同文献版本略有差异以你拿到的资料为准首节点末节点R(Ω)X(Ω)P(kW)Q(kvar)010.09220.047010060120.49300.25119040230.36600.186412080340.38110.19416030有一个特别容易踩的细节IEEE 33节点的根节点是0号而MATLAB的数组索引从1开始。所以要么把所有节点编号整体加1再存进数组要么在读取数据时单独维护一个索引映射表。否则你一定会遇到“明明数据没问题程序却报出下标越界或算出来电压为负数”的诡异情况。我还遇到过更隐蔽的错误支路表里首末节点顺序颠倒了。前推回代法对支路方向敏感如果数据里有的支路写反了潮流计算看起来在“迭代收敛”实际上电压分布完全错误。排查办法是写一个小的数据校验函数检查所有支路是否形成从根节点出发的连通辐射状结构。3.4 结果输出哪些图表必须生成程序只输出一个网损数字是远远不够的尤其写报告时你会发现自己缺一堆图。我的建议是至少让程序自动生成这几样东西优化前后节点电压对比曲线横轴是节点编号纵轴是电压标幺值。一条是原始电压曲线一条是接入DG后的电压曲线一眼就能看出DG对电压的改善效果。迭代收敛曲线横轴是迭代代数纵轴是最优适应度值。这条曲线既能证明算法在正常收敛也是报告里的标配图。结果对比表无DG网损、有DG网损、降损比例、各DG接入点容量、最低节点电压。写成表格放进报告比口头描述有说服力得多。这些图表最好用代码自动生成并保存不要手动截图做表否则改一次参数就要重做一遍非常浪费时间。4. PSO求解定容的完整实现与调参经验4.1 为什么选粒子群算法而不是遗传算法DG定容的主流算法很多遗传算法GA、粒子群PSO、灰狼优化GWO、教与学算法TLBO都能做。但我自己最常用也最推荐初学者用的是PSO原因很实在编码天然匹配。定容问题的解是一组连续容量值PSO的粒子位置本身就是浮点向量直接映射到“每个候选点的DG容量”连编码解码都省了。参数少实现快。GA要考虑编码方式、交叉算子、变异算子、选择策略写起来啰嗦PSO只需要定惯性权重w、学习因子c1/c2和种群规模调参空间小得多。罚函数兼容性好。把约束以罚函数形式甩进适应度函数PSO的搜索行为不怎么受惩罚惩罚的影响很容易跑通。当然如果你想在报告里做“算法对比”那再补一个GA或GWO对比即可。但第一版程序用PSO把流程跑通是最稳妥的路线。4.2 粒子编码、位置更新与边界处理的实现细节在定容问题里一个粒子就是一组DG容量配置。假设有3个候选接入点某个粒子的位置是[0.5, 1.2, 0.8]含义就是1号点接0.5MW、2号点接1.2MW、3号点接0.8MW。PSO的核心更新公式是v_new w * v_old c1 * rand * (pBest - x) c2 * rand * (gBest - x); x_new x v_new;其中pBest是该粒子历史上找到的最好位置gBest是整个种群历史上的最好位置。w是惯性权重控制了粒子沿原方向飞行的意愿c1、c2分别控制向自身最优和全局最优学习的强度。更新后有两个地方非常容易出错一是速度限幅。如果学习因子和惯性权重偏高粒子速度可能过大导致位置在解空间内疯狂振荡收敛过程很难看。我会把速度限制在位置边界宽度的10%~20%之间Vmax 0.15 * (ub - lb); v max(min(v, Vmax), -Vmax);二是位置越界处理。粒子飞出上界或下界必须处理。常见做法有三种处理方法方式特点吸收边界越界位置直接置为边界值实现最简单收敛稳定推荐反射边界越界后按镜像反弹回界内能保留一部分搜索趋势但代码稍绕随机重置越界位置在可行域内重新随机生成增加多样性但收敛可能变慢我通常用吸收边界省心且不容易出幺蛾子。4.3 参数推荐表与调参心得一套能用的PSO参数配置我实测在IEEE 33节点系统上表现稳定推荐如下参数常用值说明种群规模 nPop30候选点多时可加到50最大迭代次数 maxIter200广搜索与速度的折中惯性权重 w0.9 - 0.4线性递减前期广搜后期精细搜索学习因子 c1, c21.5, 1.5兼顾个体经验和种群经验速度限幅 Vmax0.15 * (ub - lb)防止粒子“飞过头”罚函数系数使约束罚项比目标函数大1个数量级具体值需要先试算关于罚函数系数我分享一个经验先不加惩罚跑一次看看正常目标函数值大概在什么量级。比如目标函数值大约是100kW网损那罚函数系数取到1e3或1e4这样一旦电压越限0.01pu罚项就会达到10以上压倒性地引导粒子回到可行域。如果罚系数取得太小结果会“合理”地越限——程序跑得很顺结果却是错的。4.4 三个我实际踩过的高频“翻车”现场第一个翻车场景是早熟收敛。有一次我把惯性权重固定成0.5种群规模只取了15跑了50代结果显示所有粒子在迭代初期就挤到了一起后续几十代几乎没有任何改进。后来把w改成线性递减、种群加到30结果才明显变好。早期收敛非常隐蔽因为迭代曲线看起来也在下降只是停在了一个较差的值上。第二个翻车场景是罚函数失效。那一版我把罚函数系数写成100目标函数量级也是100左右结果跑完发现最优解的节点电压已经到1.08pu明显越界但算法认为这个解“很好”。我加大罚系数到1e4重新跑结果变了电压约束全部满足。这个例子让我养成了习惯任何最优解都要用潮流模块再校验一遍确认电压和网损物理上合理再写入报告。第三个翻车场景是迭代曲线长时间“平着走”。新手很容易以为这是程序挂了。其实可能只是收敛了也可能是局部最优。怎么区分我通常把每次迭代的gBest和种群平均适应度差值打出来如果两者趋于0说明种群聚集大概率是正常收敛如果差值一直很大说明粒子还很分散曲线平说明改进很小可以考虑加大迭代次数或重新初始化。5. 程序跑通之后四项验证一个都不能少5.1 验证一无DG潮流的基准结果对得上吗这是整个程序正确性的“锚点”。在接入任何DG之前先跑一次潮流计算不出DG时系统的网损和最低电压必须和文献对得上。以IEEE 33节点系统为例标准的基准结果大概是总有功负荷3715kW总无功负荷2300kvar无DG时网损约202kW不同数据版本会在180~210kW之间浮动取决于支路参数版本和迭代精度最低电压出现在18号节点附近大约0.913pu。如果你的程序算出来无DG网损是20kW或者2000kW那不用继续往下做先回去检查数据。最常见的原因是支路阻抗单位没统一欧姆和标幺值混用了、负荷数据看错列、或者节点编号映射出错。5.2 验证二接入DG后的功率平衡与电压校验接入DG后系统的功率平衡要满足变电站注入功率 DG总出力 系统总负荷 系统网损在定容问题里DG通常作为“负负荷”建模。如果程序算出来的变电站注入功率是负数而且渗透率约束又没起作用那很可能意味着DG出力过大、功率大量倒送这在工程上一般是不允许的。电压校验也很关键所有节点电压应该落在0.95~1.05pu之间。特别要注意DG接入点附近的电压——如果某点的DG容量偏大局部电压会被抬到1.05以上。程序输出结果后我习惯把所有节点的最低电压、最高电压、对应节点编号打出来一眼就能看出约束有没有生效。5.3 验证三多轮独立运行看统计稳定性PSO算法有随机性每次运行结果不会完全一样。这不代表程序有问题但你要知道算法到底稳定到什么程度。我的做法是同一种配置连续运行20次记录每次的最优网损、优化后的DG总容量、最低电压。然后统计20次最优值的平均值和标准差。如果标准差占平均值比例在1%~3%以内说明算法稳定。最低电压是否每次都满足约束。如果哪一次越限了说明罚函数设计存在漏洞某个粒子“漏网”了。最优值和最差值的差距。差距过大表示算法对初值敏感可能要增大种群或调整初始化方式。这个验证结果放进报告里可以作为“算法稳定性分析”一节的数据支撑非常实用。5.4 验证四做两组敏感性分析让结论更有说服力如果时间允许我强烈建议做两组敏感性测试一是改变渗透率约束上限。比如把总DG容量上限从20%提高到40%看最优配置怎么变化。正常情况下约束越宽松DG总容量会越大网损可能进一步下降但电压越限风险也随之上升。这个趋势写进报告能展示你对问题本质的理解。二是改变目标函数权重。如果你用的是年综合费用目标可以把网损费用权重调大看DG容量配置如何变化。这类“参数扫描”不需要额外编程只需要在外层套一个for循环把不同参数下的最优结果汇总成一张表格。这些敏感性分析本身不复杂但它们在答辩时的价值很高——老师提问“你这个结果对参数敏感吗”时你能拿出数据回答而不是含糊其辞。6. 从程序到报告再到讲解交付全流程的经验6.1 万字报告的结构建议与篇幅分配独立跑通程序只是第一步标题里提到了“万字报告”可见报告的分量也很重。结合我自己写报告的经验建议章节结构和篇幅分配如下章节建议篇幅内容要点摘要500字研究什么、用什么方法、得到什么结论绪论与研究现状1500字DG接入对配电网的影响定容问题研究综述定容数学模型2000字目标函数、约束条件、变量定义公式推导优化算法设计2500字PSO原理、编码、参数设置、算法流程图算例分析与讨论3000字系统介绍、结果图、对比表、敏感性分析结论与建议800字主要结论、不足点、下一步方向很多人的报告败在“算例分析”只有两页纸。程序能出图的优势就在这里——把电压曲线、收敛曲线、结果对比表全部放进去配合文字解读这部分写到3000字一点不难。6.2 算例分析里“有说服力”的三张图和两张表写算例分析我建议至少准备三张图和两张表图1IEEE 33节点系统单线图标注DG接入位置和容量。这张图能让老师第一眼就明白你的方案长什么样非常加分。图2优化前后节点电压对比曲线。这是证明DG定容有效性的核心证据。图3PSO迭代收敛曲线。证明你的算法在正常收敛不是随便拍脑袋给的结果。表1优化前后系统指标对比。包含网损、最低电压、电压偏差、DG总容量等。表2不同渗透率约束下的结果对比。作为敏感性分析的呈现载体。这些图和表全部由程序自动生成报告写作时只需要填充文字分析即可。6.3 讲解和答辩时的高频问题库标题里有“讲解”两个字可见讲清楚比写清楚更考验人。我把答辩时被问过、以及我帮学弟模拟时常被问的问题整理了一下“为什么用PSO不用遗传算法”回答思路定容是连续变量优化问题PSO无需编码解码参数少、实现方便非凸问题上PSO和GA性能相当但PSO调参更简单。“结果里DG容量是1.37MW这种小数工程上怎么落地”回答思路工程上可以取整到标准机组容量或把DG容量按50kW步长离散化重新优化。程序可以先按连续量求解再讨论离散化的近似处理。“如果负荷水平增加20%你这份定容方案还成立吗”回答思路不成立需重新优化但可以说明优化结果对负荷水平的敏感性展示你做的敏感性分析数据。这些问题的核心其实都是“你理解不理解你做的事情”。程序是你自己跑通的公式是你自己写出来的用通俗语言把逻辑讲清楚基本都能答上来。6.4 参考现成程序与定制需求时怎么沟通才靠谱这个话题虽然偏现实但在做类似项目时几乎绕不开。很多人直接拿一套源文件回来改个算例名就当作自己的作业交了这是最危险的做法。我的建议是拿到一套参考程序后先别急着改数据按我前面说的流程从头跑一遍。第一步验证无DG基准结果是否合理第二步看迭代曲线是否收敛第三步检查最优解是否满足所有约束。三步都通过了再开始改你自己的参数。如果你需要定制一套程序和提供定制服务的人沟通时至少要把五个要素说清楚系统规模多少个节点、什么拓扑、DG类型光伏、风电还是储能恒定出力还是时序出力、目标函数网损最小还是年综合费用最小、优化算法PSO还是GA还是其他、交付内容仅源码、源码加报告、还是含讲解。这五个要素定了对方才能给你可靠的程序你后续改起来也更有把握。如果你现在已经有一套相关的源文件但还没吃透建议按本文第3章的模块清单把每个文件的功能、输入输出、调用关系逐一手画出来然后再逐个函数读。这个过程枯燥但非常有价值——它会把“别人的代码”真正变成“你自己的代码”。我在实际做这类项目的过程中最深的体会是分布式电源定容的核心并不在算法有多高级而在于你是否把潮流计算、约束处理、单位换算这些基础环节做得足够扎实。基础不牢再花哨的算法跑出来的结果也没有说服力。先跑通无DG基准算例再优化再验证再写报告——按这个顺序来哪怕中间踩坑也能很快定位问题所在。