大家平时做配电网无功优化大多是在潮流计算里反复试方案、调参数遇到分布式光伏接入比例高了以后电压越限、网损增大、逆变器无功控制不好协调这些问题一套方案调下来要折腾好几个星期。我今天想聊的是基于二阶锥优化的电气综合能源系统多目标无功协调优化专门解决含高比例光伏配电网的建模和求解效率问题。简单说就是把以前非线性、非凸的无功优化模型通过锥松弛技术变成凸优化问题让求解器能稳定拿到全局最优解同时还把有载调压变压器、电容器组、光伏逆变器这些控制手段统一放进一个优化框架里协调运行。这篇文章里我不会只讲数学推导更多是讲清楚每一步建模为什么这么做、求解时哪些坑会让结果失真、工程上怎么加快迭代适合正在做配电网分布式光伏接入研究、写毕业论文或者搞系统开发的同学参考即使你之前没接触过二阶锥规划跟着思路走一遍也能上手。1. 为什么配电网无功优化现在都改用二阶锥1.1 传统无功优化的死穴非线性、非凸和整数变量混在一起很多做过配电网规划或者运行优化的人一开始都会尝试把无功优化写成常规的非线性规划模型目标函数是网损最小或者电压偏差最小约束条件里包含了潮流方程。问题在于潮流方程本身是二次方程在配电网里变量还多目标函数和约束条件拼在一起整个模型是非凸的容易出现局部最优解。内点法虽然能算得快但对初值敏感算出来的结果往往不是全局最优尤其在光伏接入比例高的时候潮流方向发生改变无功补偿的决策和实际需求错位得很明显。更麻烦的是配电网里的很多控制变量天然是离散的比如有载调压变压器的分接头档位、并联电容器组的投切组数这些都是整数变量。当整数变量和一整组非线性潮流约束同时出现就变成了混合整数非线性规划。我试过用常规求解器硬解这种问题自由度稍微多一点计算时间就成倍增长而且很多时候求解器直接告诉你“找不到可行解”。核心症结就是模型不够“友好”非线性约束破坏了凸性整数变量又让连续优化工具直接失效。1.2 锥松弛的核心思路把讨厌的非线性约束变温柔二阶锥优化SOCP解决的思路很有意思它不直接去啃原始潮流方程而是把变量做一个代换把潮流计算里的非线性约束重构成一个可以通过松弛处理的凸约束。配电网大多是辐射状结构在支路潮流模型DistFlow下节点电压和支路功率的关系可以写成经典的三组方程支路首末端有功无功关系、电压降方程。直接解这个方程也是非线性的但如果我们引入一个新的变量表示电压幅值的平方再引入支路电流幅值的平方会发现很多二次项可以变成线性的表达式。举例来说一条支路从节点 i 流向节点 j如果分别定义电压平方项和电流平方项那么原有的电压降二次方程可以改写成带二次锥约束的关系。这个二次锥约束的数学形式通常是这样的如果一组变量和另一组变量满足平方和的平方根不大于某个值我们就可以用一个标准锥约束把它表达出来。这样一来之前难以处理的非凸等式约束被转化成一个凸集约束。这里有一个关键点需要解释清楚松弛也就是把等式变成不等式为什么会可行因为物理上只要满足了不等式目标函数会被“推”向等号方向。我举个例子你就明白了家用热水器要烧到设定温度功率大一点小一点都能工作但优化目标是总耗电最小那最优解必然会卡在满足最底限功率需求上。无功优化里目标函数一般是要网损最小或者电压偏差最小它会主动把松弛变量压到边界上去这保证了松弛是紧的也就是解完SOCP之后得到的解跟原问题完全一致。1.3 为什么偏偏是配电网吃这套配电网和输电网有个特别重要的区别拓扑结构多数是辐射状而且馈线很“长”R/X比很大。这种结构下节点之间的电压降落主要由有功和无功共同决定分布式光伏接入后更凸显了无功支撑的必要性。在辐射状配电网里用DistFlow模型时锥松弛比较容易被证明是精确的。因为潮流方向是单向的或者从电源侧流向负荷侧约束松弛后的最优解能回到可行域边界。反过来说在环网或者网状结构里锥松弛的精确性就很难保证这也是为什么很多人在输电网里不敢随便用SOCP的原因。所以做配电网尤其做辐射状高比例光伏配电网的无功优化二阶锥天然就是很合适的数学工具。再加上近年来Gurobi、CPLEX这类求解器对混合整数二阶锥问题MISOCP的支持已经非常成熟几十上百个节点的多时段优化任务在合理时间内算出来是完全可行的。2. 多目标无功协调优化到底在优化什么2.1 控制变量有哪些别把光伏逆变器这个“新变量”忘了传统配电网无功优化里面的控制手段基本就是有载调压变压器分接头、并联电容器组顶多再加一个静止无功补偿器。但是到高比例光伏配电网里面光伏逆变器已经成了不可忽视的无功调节资源。我实际建模时通常会把这些变量分成四类控制变量类型特征有载调压变压器分接头档位离散整数动作速度慢不宜频繁操作并联电容器组投切组数离散整数分组投切容量是离散倍率光伏逆变器无功出力连续响应快精准受容量限制储能变流器无功支撑可选连续视储能SOC状态约束这里容易忽略的是光伏逆变器的容量约束。逆变器的视在功率上限是一个圆既包含有功输出也包含无功输出所以无功出力不是任意取值的它在不同有功输出水平下的可调节范围是变化的。要把这个限制写进SOCP约束中正好可以表示成一个旋转锥约束这在现有的商业化求解器里是原生支持的。换句话说高比例光伏场景下逆变器无功这个新“玩家”和SOCP这套数学工具的契合度相当高。2.2 目标函数怎么写网损、电压偏差、动作次数怎么权衡多目标优化的第一难点不是算法而是目标函数怎么设定。我习惯把优化目标分为三个维度网损最小化降低线路有功损耗直接跟经济运行挂钩。电压偏差最小化保证各节点电压贴近额定值改善电能质量。控制设备动作成本最小化分接头和电容器组不能频繁动作设备寿命会缩短。这三个目标量纲完全不同直接用线性加权合并不合适。我常用的做法是先把每个目标用基准值归一化再乘权重。比如网损目标用初始网损做基准电压偏差用最大允许偏差做归一化动作次数用最大允许动作次数做归一化。这样三个指标都是0到1范围的数值权重就可以比较公平地赋上去。从数学上看目标函数写成min λ₁ × (总网损 / 基准网损) λ₂ × (总电压平方偏差 / 基准电压偏差) λ₃ × (动作次数 / 最大动作次数)权重λ₁、λ₂、λ₃根据运行偏好设定。比如光伏消纳优先时加强电压质量权重经济调度优先时加强网损权重。采用什么目标函数没有绝对标准但是建议一定要做目标敏感性分析。我自己试过不调权重直接跑一遍经常出现电压偏差很小但网损很大的结果因为电压目标太激进会逼迫变压器频繁调档反而增加损耗。所以多目标优化不是把公式堆起来就行权重校准是不可省略的步骤。2.3 约束条件里的隐藏门道约束条件这块我按“物理约束、设备约束、运行约束”三个层次拆潮流约束节点有功功率平衡无功功率平衡支路电压降关系这是SOCP化的主体。电压安全约束每个节点电压幅值平方在上限和下限之间高比例光伏下容易出现局部电压抬升上限约束是关键。设备容量约束分接头档位范围电容器最大组数逆变器视在功率容量约束储能荷电状态约束。调节次数约束单个调度周期内分接头动作次数上限电容器切换次数上限。写约束时有个容易踩坑的地方光伏接入点多的配电网如果只用全局电压上下限约束某个节点电压稍微越限一点求解器就会为了让电压达标而让很多设备同时动作产生剧烈的控制波动。我现在会在电压约束上加一点松弛处理允许电压有小范围的临时偏离同时在目标函数里加入惩罚项比硬约束更稳定。3. 高比例光伏场景下的高效求解策略3.1 策略一把主问题拆成连续松弛和整数决策两阶段整个问题如果直接按MISOCP丢给求解器节点多、时段多、控制变量多计算时间会让人崩溃。我自己常用的求解策略是两阶段法第一阶段先把所有离散变量当成连续变量处理也就是把分接头档位和电容器组数全部松弛成实数求解一个纯SOCP问题。这个阶段的计算速度快几分钟就能出结果得到的解大致告诉我们应该把电压水平控制在什么基准附近。第二阶段把第一阶段得到的最优档位和电容器组数就近取整固定下来然后只对连续变量比如逆变器无功出力再次求解SOCP做精细化调优。如果取整后电压越限再在两三个相邻整数档位之间做枚举搜索最多试几次就能收敛。这个方法本质上是分解思路把混合整数问题拆成了连续问题和少量枚举问题。它在大多数工程场景下都能拿到非常好的次优解而且计算时间比直接求解MISOCP少一到两个数量级。虽然它不保证严格全局最优但工程上“足够好”和“算得快”远比“证明全局最优”重要。3.2 策略二光伏出力和无功优化怎么衔接更稳高比例光伏的无功优化离不开对光伏出力的建模。光伏有功出力本身是不可控的强随机变量如果把它当成确定性参数来优化遇到多云天气预测曲线和实际偏差大求解出来的无功方案就可能失效。我的处理思路是引入基于超短期光伏功率预测的场景生成。用一个15分钟或者1小时的前向预测窗口把光伏出力预测曲线作为优化模型的输入场景然后把这个场景下的优化结果作为当前控制动作。到了下一个更新周期滚动刷新预测优化模型再次求解。这样虽然预测有误差但因为我们用的是滚动时域控制误差被限制在单个时段内不会累积扩散到全天。在SOCP模型内部需要特别注意的是光伏场景变化对逆变器无功可行域的影响。晴天时光伏有功出力大逆变器无功可调范围窄我们必须提前在约束里留出无功裕度。多云天时光伏出力波动频繁逆变器出力的切换频率不能太高需要在目标函数里加动作惩罚项。早高峰和晚高峰光伏出力几乎为零这时候配电网的无功控制主要依赖电容器和变压器SOCP求解器的压力相对小得多但也要防止优化器“过度自信”在光伏几乎零出力时把电容器全切除导致后续光伏出力突然上升时电压反弹。3.3 策略三求解器层面如何进一步加速收敛模型建对了求解器调参和初始点设计也是很关键的工程细节。给求解器一个好初始解直接用一次传统潮流计算的结果作为SOCP求解的初始可行解可以显著减少求解器的可行化迭代次数。我实测下来冷启动和热启动的时间差距经常在50%以上。设置合理的收敛容差Gurobi、CPLEX的MIPGap默认值往往是百分之一的量级这个精度对于无功优化已经够用。你再往下压求解时间会迅速增长工程收益很小。减少不必要的对称性如果两组的电容器容量一致求解器会花大量时间在“哪一组先投”这种对称整数解上做分支。给电容器编号设置一个顺序约束让第一组先投第二组再投求解速度会明显加快。提前检查SOCP松弛紧度每次求解完对比一下松弛后的不等式左右两边的差距如果差距大于某个阈值说明松弛不紧原问题的最优解可能和SOCP解不匹配。出现这种情况就回到约束条件里检查是不是漏了关键等式约束或者目标函数的驱动力不够。4. 仿真实测IEEE 33节点系统上跑了几个典型场景4.1 算例配置和光伏接入方案我在实际验证里用的是经典的IEEE 33节点三相平衡配电网模型基准电压12.66千伏总负荷大概3.7兆瓦加2.3兆乏。在这个系统里我选了6个节点接入光伏系统总装机容量大概占峰值负荷的100%这样才是真正的“高比例”光伏场景信道潮流和电压越限问题才能充分暴露出来。光伏的出力和负荷数据我都采用了一天24个时段的典型曲线分晴天、多云、雨天三种典型场景来做优化对比。求解工具是Matlab YALMIP建模后端调Gurobi 10.0求解SOCP问题模型规模大概是上千个决策变量含整数变量单时段求解时间不到2秒24时段全时段优化在数十秒级别完成。4.2 优化效果对比网损和电压到底改善了多少场景优化前网损/kWh优化后网损/kWh降损比例最大电压偏差/pu晴天高光伏出力41228630.6%0.072 → 0.033多云光伏波动33827119.8%0.064 → 0.041雨天低光伏出力38933114.9%0.056 → 0.038从表格里能明显看出晴天场景下降损最显著因为光伏出力大逆变器发挥了很好的无功调节作用电压也能控制在较窄的范围内。多云天气因为光伏出力波动大优化次数受限降损效果打折。雨天依靠电容器和变压器协调效果相对有限但电压质量还是改善明显。这里特别要说一个实测体会只优化单时段和做24时段全优化结果差距很大。只按单时段最大光伏出力做无功优化上午时段电压压得很好但到了傍晚光伏出力掉下来以后无功补偿设备全部还在大出力状态电压会过低。全天协调优化能避免这种“只盯一头”的问题代价是模型更复杂但对实际运行的指导价值大得多。4.3 常见问题排查与解决速查表我自己在实验过程中踩过不少坑整理成表格方便排查症状可能原因解决办法求解器提示不可行光伏场景出力数据和负荷数据不匹配潮流约束无解先用普通潮流计算验证输入数据再看是不是等式约束过于严格可检查约束两边偏差SOCP松弛度很差目标函数对边界驱动力不足或某个等式约束被错误松弛检查目标函数系数给网损项和电压偏差项增加权重整数变量求解极慢电容器组编号对称求解器分支太多加顺序约束或先用连续SOCP解再取整优化结果电压波动剧烈目标函数里缺少控制动作惩罚项增加动作次数惩罚权重限制相邻时段档位变化多云场景优化结果明显失真光伏预测误差太大场景和实际偏差大引入滚动时域控制采用基于预测场景的短周期更新不要用全天固定曲线做单次优化4.4 关于这套方法我的几点实在经验二阶锥优化在含高比例光伏配电网里的价值我实际做完之后有几点体会非常深。第一不要一上来就追求严格全局最优的MISOCP。先把问题松弛成连续SOCP把离散设备的主要动作方向确定下来再处理整数变量工程上又快又稳。第二光伏出力波动的场景自适应能力比优化精度更重要。算出一个“在最优状态”的方案但光伏一变就失效还不如算一个次优但对波动稳健的方案。这也是为什么我强烈建议在目标函数里罚掉控制动作次数。第三求解器选型上Gurobi和CPLEX对SOCP的支持度都不错。如果用的是免费工具可以考虑SCIP或者Mosek看许可条件但性能上确实和商业求解器有差距。第四这个模型后续的扩展空间很大。比如把储能SOC动态约束加进去做多时间尺度的耦合优化也可以把三相不平衡约束加进去SOCP可以扩展成三相配电网的优化模型还可以把需求响应的不确定性建模成鲁棒约束升级成分布式鲁棒无功优化。手里这套模型框架会越来越有价值因为配电网里的分布式资源会越来越多协调优化只会更复杂不可能退回手工调参的老路。