前阵子一个分布式光伏并网项目的验收测试把大家难住了光伏大发时段接入点附近的电压一路冲到1.08 p.u.末端用户电压又偏低两条曲线像是被人从中间掰开了一样。后来我们用Matlab搭了一套分布式电源接入配电网的仿真模型把不同接入位置、不同容量的场景全部跑了一遍才算把问题彻底看明白。这篇博文就是把整套仿真方法、核心代码实现和结果分析过程整理出来供搞配电网规划、新能源并网评估的同行参考也适合正在做相关课题的研究生直接当模板用。1. 分布式电源并网后配电网到底会发生什么1.1 单向变双向配电网潮流形态的根本性变化传统配电网的设计前提是电厂→输电网→配电网→负荷的单向潮流结构。配电网本身没有电源所有有功都由上级电网提供保护、调压、无功补偿等设备全部围绕这个前提设计。分布式电源Distributed GenerationDG接入后系统里出现了第二个甚至多个电源点某个时间段内DG出力甚至可能超过局部负荷潮流方向就会反转——从原来的从变电站流向负荷变成从DG接入点流向变电站。这个改变牵一发动全身电压分布不再是沿馈线单调递减而是被DG接入点顶出一个局部高点线路上两层保护之间流过的短路电流大小和方向都变了传统的三段式电流保护有可能误动或拒动自动重合闸与DG之间的配合也出现盲区非同期合闸问题随之冒出来。1.2 电压越限最常见的并网纠纷导火索我在实际项目里遇到最多的并网问题就是电压越限。原因并不复杂DG注入有功抬升了接入点附近的节点电压。对于一条比较长的10 kV馈线末端本身就因为负荷压降而电压偏低DG接入后局部电压被抬高整条馈线的电压曲线不再单调中间出现一个鼓包如果DG容量再大一点接入点电压可能超过1.07 p.u.的标准上限。与此同时线路末端可能仍然是电压低谷。这种中间高、两头低的电压分布靠传统的调压手段调变压器分接头、投切电容器很难完美解决因为手段都是全局性的而现在的问题是局部性的。1.3 网损和短路电流两个容易被忽视的影响面网损方面DG接入对线损的影响是双面的在合适的位置接入合适的容量DG就地平衡部分负荷电流线路上的传输功率减小网损下降但如果接入位置在馈线末端而容量又远大于本地负荷多余功率会沿线路反送反而让线路电流增加网损上升。短路电流方面DG相当于在配电网里额外注入了一路故障电流这会抬高馈线出口和DG接入点附近的短路电流水平。如果原来的开关设备遮断容量余量不足就得更换设备。很多实际项目在可研阶段没做短路电流校核到了施工图阶段才发现开关柜遮断容量不够非常被动。影响维度传统配电网含DG配电网常见后果潮流方向单向由变电站流向负荷双向可能出现反向潮流保护配合失效电压分布沿馈线单调递减非单调出现局部抬升接入点电压越限网络损耗随距离增加位置合理则降低否则升高线损异常短路电流由上级电网决定DG额外注入故障电流设备遮断容量不足孤岛运行不存在外部断电后DG可能带孤立负荷安全风险这些影响互相耦合孤立地看任何一个指标都可能得出片面结论。这就是为什么要建一套完整的仿真模型把所有影响放在同一个平台上做量化评估。下面重点说建模思路和Matlab实现路径。2. 为什么选择Matlab搭33节点系统仿真方案选型分析2.1 IEEE 33节点系统配电网研究的标准小白鼠搞配电网仿真的人对IEEE 33节点系统应该不陌生。它是1990年代提出的一个典型辐射状配电网测试系统基准电压12.66 kV总负荷约3715 kW 2300 kvar33个节点、32条支路负荷和线路参数都是公开的标准数据。研究配电网问题尤其是DG接入问题用这个系统做载体有几个明显优势第一结构简单但有代表性不是那种十几条馈线的大网格方便讲清楚机理第二标准参数公开论文之间可以横向对比别人用33节点得出什么结论你也可以在同一个系统上复现验证第三计算量小普通笔记本跑几百个场景也就几分钟适合做批量化参数扫描。2.2 为什么用Matlab而不是PSCAD或纯PythonPSCAD/EMTDC是电磁暂态仿真工具适合研究微秒级的暂态过程比如逆变器开关动作、故障暂态波形。但要跑潮流计算、做几百个场景的容量位置扫描PSCAD的建模效率和批量处理能力都远不如Matlab。Python生态也有不少潮流计算库比如pandapower上手也很快但考虑到配电网研究里大量经典代码、学术论文的对比基准都是Matlab写的加上Simulink里有大量现成的电力系统模块变压器、光伏逆变器、励磁系统等Matlab仍然是配电网仿真最省事的方案。我的选择是用Matlab脚本写潮流计算核心逻辑对DG建模仿真做参数化控制再用Matlab的绘图功能输出电压分布曲线、网损曲线、P-V曲线一个项目从头到尾不用换工具。2.3 潮流算法选型为什么锁定前推回代法配电网潮流计算有两类主流方法牛顿-拉夫逊法和前推回代法。牛顿法通用性强适合任意拓扑的输电网但每次迭代需要计算雅可比矩阵编程复杂对辐射状配电网来说属于杀鸡用牛刀。前推回代法是专门为辐射状配电网设计的算法利用树状网络的结构特点不需要建立导纳矩阵和雅可比矩阵程序简单、内存开销小、迭代速度快配电网里90%以上的潮流计算都用它。对于含有DG的配电网只需要在节点功率注入中把DG出力叠加上去算法主体不需要改动非常方便做多场景扫描。我最终选型就是Matlab 前推回代法 IEEE 33节点系统三个要素组合成一套轻量但完整的DG接入影响评估平台。3. 前推回代法潮流计算的核心代码实现3.1 系统参数定义与拓扑数据准备无论用什么算法第一步都是把33节点系统的拓扑和参数写进Matlab。这里最核心的是两个矩阵支路数据矩阵branch matrix和节点负荷矩阵load matrix。支路数据矩阵每行给一条支路列依次是首端节点、末端节点、支路电阻、支路电抗节点负荷矩阵给每个节点的有功和无功负荷。% 支路数据首端节点末端节点电阻R(ohm)电抗X(ohm) branch [ 1, 2, 0.0922, 0.0470; 2, 3, 0.4930, 0.2511; 3, 4, 0.3660, 0.1864; 4, 5, 0.3811, 0.1941; % ... 后续支路按标准数据补全 ]; % 节点负荷数据节点编号有功P(kW)无功Q(kvar) load_data [ 2, 100, 60; 3, 90, 40; 4, 120, 80; 5, 60, 30; % ... 后续节点按标准数据补全 ];这里有一个从实际代码编写中总结出的关键经验节点编号和支路数据的对应关系必须反复核对。IEEE 33节点系统的原始数据是以特定的节点编号顺序给出的不同论文里可能呈现为不同的表格式样抄错一个节点编号会导致潮流结果和标准结果差之毫厘谬以千里。我的做法是先把标准参数用表格存到Excel里在Matlab里用readtable做一次数据导入同时写一个简单的校核函数——把总负荷、节点数、支路数打印出来和标准数据比对确认无误再往下走。3.2 前推回代主程序两个Sweep循环前推回代法的核心是两个交替执行的步骤回代backward sweep和前推forward sweep。回代过程从末端节点向根节点变电站出口节点1逐段计算支路功率的累积量前推过程从根节点向末端逐段用新的支路功率计算节点电压降落更新每个节点电压。两个过程反复执行直到前后两次迭代的电压差小于阈值。function [V, iter] backwardForwardSweep(branch, load_data, DG, V0, tol, maxIter) % 输入支路数据、负荷数据、DG出力向量、初值电压、收敛精度、最大迭代次数 nNodes 33; V V0 * ones(nNodes, 1); % 初始化各节点电压为额定值 Z branch(:, 3) 1j * branch(:, 4); % 支路阻抗 % 叠加DG出力到节点功率 for i 1:length(DG.node) load_data(DG.node(i), 2) load_data(DG.node(i), 2) - DG.active(i); load_data(DG.node(i), 3) load_data(DG.node(i), 3) - DG.reactive(i); end for iter 1:maxIter V_old V; % 回代过程从末端往前累加节点注入功率 % 每个节点的注入功率 该节点负荷 - 父支路流出的功率之合 % 前推过程从根节点往后更新节点电压 % V_{child} V_{parent} - (P - jQ)/V_parent^* * Z % 具体实现需要按照网络拓扑逐支路处理 % 收敛判定 if max(abs(V - V_old)) tol break; end end end上面的代码里我用注释标出了关键位置没有把32条支路的遍历细节全部展开——因为不同人写的拓扑遍历方式不同有的用邻接矩阵有的用父节点索引数组。但核心逻辑是通用的回代就是逐条支路把负荷功率和损耗累加到父节点上前推就是逐条支路从父节点电压推算出子节点电压。值得特别提醒的是DG出力在代码里的叠加方式。如果DG接入节点有功出力是负值发出功率那么该节点的净注入功率等于负荷功率减去DG出力这个减号很容易在代码里漏掉一出错整个电压分布都乱套。3.3 DG接入模型PQ节点还是PV节点在潮流计算里DG的建模方式直接决定计算结果的物理含义。光伏并网逆变器通常运行在PQ模式即给定额定有功出力和功率因数或者无功出力节点作为PQ节点处理但当逆变器具备恒压控制能力时比如参与电压调节的大型光伏电站需要作为PV节点处理给定有功出力和电压幅值。前推回代法处理PV节点比牛顿法麻烦需要在外环加一个无功修正迭代。我在实操中的建议是第一版仿真先全部按PQ节点处理把潮流计算跑通、结果验证无误后再扩展PV节点的处理逻辑。不要一上来就搞复杂版本否则代码出问题都不知道是算法逻辑错了还是PV节点处理写错了。3.4 场景化批量运行一个函数扫遍所有DG配置项目里真正耗时的是场景扫描。比如我想看DG接入不同节点节点8、17、22等时系统电压如何变化或者DG容量从0.5 MW逐步升到2.5 MW时网损如何变化如果每个场景都手动改参数、手工运行再导数据效率太低了。我的做法是写一个顶层扫描函数把DG接入位置和容量作为输入参数循环调用潮流计算子函数每次只改变DG.active和DG.node的值最后把所有结果存进一个结构化数组里一次性出全部曲线。% 批量扫描DG接入容量对网损的影响 dgCandidates [8, 17, 22]; % 待选的DG接入节点 capacityList 0:200:2500; % DG容量从0到2500 kW步长200 kW result struct(node, {}, capacity, {}, loss, {}, Vmin, {}, Vmax, {}); for n 1:length(dgCandidates) for c 1:length(capacityList) DG.node dgCandidates(n); DG.active capacityList(c); DG.reactive capacityList(c) * 0.2; % 假设功率因数0.98近似无功 [V, ~] backwardForwardSweep(branch, load_data, DG, 1.0, 1e-6, 50); loss computePowerLoss(branch, V, load_data, DG); result(end1) struct(node, dgCandidates(n), ... capacity, capacityList(c), loss, loss, ... Vmin, min(abs(V)), Vmax, max(abs(V))); end end这套批量处理逻辑跑下来32个节点、200 kW步长、3个接入位置一共也就几十个场景在普通笔记本上几秒钟就出结果了。我习惯把结果直接存成.mat文件后续做对比分析时加载一次就行。3.5 网损计算和结果校验网损计算公式不复杂每个支路电流的平方乘以支路电阻求和就是总网损。用电压和功率推算电流时要注意取共轭复数I conj(S_child) / conj(V_parent)这里的符号问题我栽过好几次跟头Matlab默认复数运算一旦共轭写错算出来的损耗全是虚数结果完全没法用。校验方面有两个常用手段一是系统总注入功率和总负荷的差值应该等于总网损二是把无DG场景的潮流结果与IEEE 33节点系统的标准潮流结果对比各节点电压误差在10^-4量级以内才算代码没问题。4. 三种DG接入场景下的仿真结果对比4.1 场景A不同接入位置的电压分布对比先跑最经典的场景DG容量固定为1.5 MW分别接到节点8馈线中段、节点17馈线末端、节点25次级分支。三条电压曲线在同一个坐标系下对比差异一目了然。DG接到节点8时从节点1到节点8的电压下降幅度明显收窄节点8之后电压回落的速度也变缓整体电压抬升在0.02 p.u.左右DG接到节点17时末端电压不再持续下跌反而比节点8接入时整体更高因为DG出力直接在末端平衡了末端负荷线路上的压降大幅减少DG接到节点25时只有分支线路上的局部电压被抬升主干线电压曲线和原始场景几乎重合。这说明一个被反复验证的规律DG接入馈线末端对末端电压支撑效果最好但末端接入带来的电压越限风险也最高。DG接入位置系统最低电压(p.u.)系统最高电压(p.u.)总网损(kW)电压改善效果无DG0.9031.000202.4基准节点80.9261.018142.8中段抬升明显节点170.9381.026117.6末端支撑最好节点250.9071.012188.5局部影响改善有限4.2 场景B不同接入容量的网损变化规律把DG容量从0逐步增加到2.5 MW画出系统总网损随容量变化的曲线会发现一个明显的U型规律初期随着DG容量增加网损快速下降因为DG出力替代了部分上级电网传输的功率线路上流过的电流减小但过了某个拐点之后继续增加DG容量网损反而回升因为DG出力超过了局部负荷需求多余功率开始反向流过线路电流反而增大。这个拐点的位置和DG接入位置强相关接入节点17末端时拐点出现在约1.4 MW附近接入节点8中段时拐点出现在约1.0 MW附近。这个U型曲线是我做项目汇报时最常用的结果图因为它直接给出了这个点最多能装多少DG的量化答案而不是停留在定性分析上。4.3 场景C高渗透率下的反向潮流与电压越限当DG容量继续增大比如节点17接入2.5 MW而该节点附近负荷只有不到300 kW时反向潮流出现了——从节点17往变电站方向线路上流动的功率方向完全逆转。电压分布表现出更强烈的抬升节点17附近电压超过1.07 p.u.触碰了电能质量标准规定的电压偏差上限。这个场景在光伏大发的午后最容易出现居民负荷处于低谷而分布式光伏满发整条馈线的功率全部反送。遇到这种情况单纯靠限制DG容量也不是最优解更常见的治理手段是让逆变器参与无功调压或者配置储能系统在光伏大发时段充电吸收多余功率。4.4 从仿真结果反推DG规划的几个结论跑完这批场景有几条可以复用的规划结论。第一DG接入容量的推荐值取决于接入点的就地负荷水平接入点的负荷越重可接纳的DG容量越大。第二接入位置越靠末端电压支撑效果越好但越限风险也越大末端接入需要更严格地配合无功电压控制策略。第三支路末端接入DG对主干线电压影响甚微但可以显著改善分支电压适合解决局部低电压问题。这些结论虽然是基于33节点系统得出的但对实际馈线规划有很好的参考价值。5. 仿真过程中踩过的坑与排查思路5.1 前推回代法迭代不收敛问题出在哪里迭代不收敛是最常见的异常现象。我的经验是分三步排查第一步看电压初值给1.0 p.u.通常不会出问题但如果DG容量特别大先给一个较平滑的初值有助于收敛第二步看收敛精度把tol从1e-8放宽到1e-5常常就能收敛毕竟配电网工程上电压误差1e-4 p.u.已经完全够用了第三步也是最容易被忽略的检查负荷数据和支路数据里有没有负数或者零值IEEE 33节点系统的标准数据在某些扩散版本里会有错误个别节点负荷是0或者负值会导致回代过程计算出负数功率进而在复数域里产生奇异值迭代直接发散。每遇到不收敛我先打印所有节点注入功率肉眼看一遍哪一列有异常值基本能定位80%的问题。5.2 DG出力叠加符号出错一个减号引发的血案前面提到过DG出力在节点注入功率中是用减号叠加的。这个减号我确实在实际编码中错过一次当时节点8接入1 MW光伏算出来的电压毫不意外地全线下跌——因为我把DG当成负荷了。排查方法很简单看潮流结果里DG接入点的净注入功率如果净注入是正的说明DG没正确叠加。一个具体的检查技巧是计算所有节点净注入功率之和如果是零或者反号说明DG叠加逻辑必然有误。5.3 PV节点处理不当导致的电压失控如果需要把DG建模为PV节点例如储能变流器定电压控制前推回代法的外环无功修正写不好就会导致电压在某个接入点附近剧烈振荡。我的建议是不要把无功修正步长设得太大修正系数从0.1开始试逐步调整还要给无功出力设上下限超出逆变器容量限值的场景该节点实际上已经不能再保持恒定电压了应当自动转为PQ节点。这个PV转PQ的切换逻辑在潮流计算里属于进阶内容但提前写进去会让代码的鲁棒性大幅提升。5.4 仿真与论文结论对不上先查这两处不少同学跑完仿真发现电压曲线和论文里给出的图形对不上第一反应是以为自己程序写错了。我在实战中的排查顺序是查看给出的电压基准值是标幺值还是有名值检查IEEE 33节点系统的馈线出口电压标准数据是12.66 kV换算成标幺值等于1.0 p.u.但有些变体是12.66 kV配上1.02 p.u.的变压器抽头起点不同后面全偏。这两个细节排查完之后如果还对不上再怀疑算法本身。实际上绝大多数情况都是数据入口的问题不是算法问题。6. 把项目扩展成论文或者工程报告的思路这套Matlab代码实现的价值不只在本文的这几个场景。想继续深入研究最简单的扩展方向是加时间序列把DG出力写成24小时曲线光伏是白天出力大、晚上为零负荷也写成24小时曲线在每一个时间断面上执行一次潮流计算就能得到一天内配电网电压、网损的连续变化过程直接回答某个时刻会不会越限这类工程问题。再往上走可以在潮流外层套一层优化算法用粒子群或者遗传算法搜索DG的最优接入位置和最优容量目标函数设为综合网损最小、电压偏差最小那就是一篇不错的论文工作量了。更实用一点的做法是把Simulink模型和脚本代码组合起来Simulink里搭逆变器和负荷的详细模型脚本负责批处理场景和汇总结果仿真细节和扫描效率两者兼得。我自己的体会是做这类仿真研究最大的成本不是写代码而是理解物理本质、设置合理的场景、并且能解释清楚结果背后的机理。Matlab代码只是工具工具顺手就行不用追求多花哨。现在这套框架已经成了我评估DG并网项目的标准流程先建系统模型再做潮流计算然后扫描接入方案最后从电压、网损、短路电流三个维度出结论。遇到新项目只需要把IEEE 33节点的参数换成实际馈线的参数就能快速完成初步评估省下的时间不是一点半点。