配电网N-1扩展规划这件事我在实际项目里翻过不少车也沉淀了不少可复用的流程。很多刚接触这方向的同学上来就四处找代码结果要么是跑不通的旧版本要么是和自己场景完全对不上号的通用脚本。其实N-1扩展规划的核心并不在于某一套代码而是要把“N-1校验”“扩展决策”“潮流计算”“优化算法”这四块东西像齿轮一样咬合起来。今天我就把这套基于Matlab的实现思路完整拆开讲从数学模型到代码骨架再到我踩过的坑一次性说透。这篇内容适合正在做配电网规划课程设计、研究生课题或者刚入职供电公司想做规划工具初版的工程师参考。1. 问题解剖N-1扩展规划到底在优化什么1.1 N-1准则不是一句口号而是一条条代价约束很多人对N-1准则的理解停留在“任意一条线路或一台变压器退出运行后系统仍能稳定供电”这个定义上。但这个定义落到实际规划里马上会触发一连串问题退出的时间是多久允许的负荷损失是多少电压越限能不能超过这些细节直接决定了规划模型的复杂度。在实际工程中N-1校验通常关注两个层面的指标第一是连通性也就是断开某条支路后负荷节点是否仍然有供电路径不能出现孤岛第二是运行约束也就是剩余支路的潮流不能超过热稳定极限各节点电压保持在允许范围。扩展规划要做的事情就是在现有网络基础上给出“新建哪些线路、改造哪些线路、是否需要新增变电站或储能”的决策使得规划期结束后系统在所有预想N-1故障场景下都满足上述两个层面的要求同时总费用最小。这里有个关键认知N-1准则不是让系统在所有工况下都保持完全相同的供电能力而是允许在故障后采取转供、切负荷等措施但切负荷量需要控制在可接受范围。如果模型里完全不允许切负荷规划结果通常会非常昂贵甚至无解。所以我在建模时会把负荷损失作为惩罚项放进目标函数而不是硬性约束这样既贴近工程实际又能让优化算法更容易找到可行解。1.2 扩展规划与普通网架规划的本质区别常规的网架规划也叫静态规划通常是给定额定负荷和网络拓扑找一组开关状态或线路建设方案来满足潮流约束。而扩展规划是面向未来的需要同时处理三个维度的时间问题负荷增长的时间序列、投资决策的时序性、以及设备投运后的长期运行效益。换句话说扩展规划模型的决策变量不仅包含“在哪里建”还包含“什么时候建”——是规划期第一年就全部建完还是按负荷增长分阶段实施分阶段实施可以延迟投资、节省资金的时间价值但会让N-1校验的场景成倍增加因为每个阶段都要重新校验。我在实际做Matlab实现时通常把规划期分成3到5个水平年每个水平年对应一个负荷水平。决策变量设计成一个三维或四维的0-1矩阵分别表示候选线路、待建时段、是否建设。这个维度爆炸的问题在后文会讲到怎么用矩阵化和稀疏数据结构来缓解。扩展规划最容易被初学者忽略的地方是它必须同时回答“在哪建”和“建在哪一年”而这两者之间还有强烈的耦合——一条线路如果建早了初期利用率低投资回收慢建晚了可能在某些N-1场景下导致过载影响可靠性。2. 数学模型把规划语言翻译成计算机能解的式子2.1 目标函数钱的问题要精打细算配电网扩展规划的目标函数几乎都是经济性的常见形式是总费用现值最小。总费用由三块构成一是新建线路和变电站的投资费用二是规划期内网络的运行维护费用三是故障停电损失费用或者叫可靠性费用。在Matlab里我习惯把目标函数写成向量化形式。假设候选线路集合为L每条线路的建设费用为CI(l)决策变量为x(l)则投资费用可以用矩阵乘法一行搞定Cost_inv CI * x。运行维护费用通常按投资费用的比例折算比如每年运维费占投资额的3%到5%再乘以运行年限的折现因子。停电损失费用的建模稍微复杂一些需要对每个N-1故障场景模拟切负荷量乘以单位停电损失成本再乘以故障概率。很多论文里喜欢用“全生命周期成本”这个词但具体到代码实现我建议把目标函数拆成三个子函数calc_investment_cost、calc_operation_cost、calc_outage_cost。这样当你想调整权重或者增加碳成本等新项时只需要修改对应子函数不用动整个优化框架。目标函数的最终形式大致如下最小化综合费用 投资年值 年运行费用 期望停电损失费用。其中投资年值用等年值法或者现值折现法都可以关键是统一基准年避免不同时段费用直接相加造成偏差。2.2 约束条件等式约束、不等式约束与N-1校验的耦合约束条件大致可以分为五类潮流等式约束、节点电压上下限约束、支路潮流上限约束、N-1场景下的转供能力约束、以及建设决策的逻辑约束比如同一线路不能建两次、已建线路才能被改造等。其中前四类都和潮流计算耦合所以在代码实现时通常会把“N-1校验”封装成一个独立的函数输入一个拓扑状态输出该状态下是否满足所有运行约束。这里有一个很多教材不会详细讲但实际特别重要的细节N-1校验不能对每个场景独立校核因为故障后的转供路径可能依赖其他非故障线路的负载率。比如某个场景下为了给故障线路的负荷找到替代路径某条健康线路的潮流量会突然飙升如果只单独看每条支路的最大潮流很可能漏掉这种连锁过载。因此在实现时必须对每个故障场景重新求解整个网络的潮流而不是只做拓扑连通性判断。我自己的做法是在N-1校验函数中对输入的网络结构矩阵逐条支路模拟断开每断开一条支路就调用一次潮流求解器。如果所有断开场景都通过电压和潮流约束则认为该网络拓扑满足N-1准则。如果某条支路断开后解不出潮流或越限就记录下是哪些约束被违反、违反了多少这些信息在优化算法里可以作为惩罚反馈引导算法向满足N-1的方向搜索。2.3 直流潮流还是交流潮流速度与精度的权衡配电网通常是中压或低压网络线路电阻R和电抗X的比值比较高不像输电网那样R远小于X所以严格来说直流潮流假设忽略电阻、只考虑有功在配电网里误差较大。但N-1扩展规划涉及大量候选方案的评估如果用完整的交流潮流做内层计算计算量会非常恐怖。我在实际项目里做过对比IEEE 33节点系统上跑一次完整N-1校验32条支路逐一断开用交流牛顿法大概需要0.2到0.5秒用直流潮流只需要不到0.02秒差了十倍以上随着网络规模增加差距会更大。对于规划层面的初步筛选我通常用“网损近似直流潮流”或者“线性化潮流”方法——也就是在传统直流潮流的基础上把配电线路的电阻分量通过等效变换纳入考虑得到一种简化但有功损耗可估算的模型。这种模型计算的潮流值虽然不能精确到每条支路的实际功率但用来判断N-1场景下是否严重过载已经足够。等到算法找到了最优或接近最优的规划方案我再用交流潮流对最终方案做精确验证这样既保证了搜索效率又不会让结果偏离工程实际。3. Matlab实现从零搭建规划框架3.1 数据结构和输入参数设计写Matlab代码最忌讳一上来就把所有数据和逻辑堆在一个脚本里。我的习惯是先设计清晰的数据结构用结构体或表table来管理网络参数。下面给出一个典型的输入数据结构示例% 节点参数 bus struct(); bus.id (1:33); % 节点编号 bus.type ones(33,1); % 1-PQ节点, 2-平衡节点 bus.p_load [0; zeros(32,1)]; % 有功负荷单位MW示例数据稍后填 bus.q_load zeros(33,1); % 无功负荷 % 线路参数 line struct(); line.from [1;2;3;...]; % 起始节点 line.to [2;3;4;...]; % 终止节点 line.r [0.1;0.2;...]; % 电阻标幺值 line.x [0.05;0.08;...];% 电抗标幺值 line.cap [6;5;...]; % 热极限容量单位MVA line.exist ones(32,1); % 1-已有线路0-候选线路 % 候选线路另外定义 cand_line line; % 结构体类似exist全为0 cand_line.cost [...]; % 每条候选线路的建设费用这样设计的好处是后续写潮流计算函数时只需要传递这个结构体不需要关心内部字段的排列。另外我强烈建议把所有物理量都用标幺值pu存储因为潮流计算中矩阵运算对标幺值最友好一旦采用有名值很容易在系数上出错。对于负荷数据扩展规划需要多水平年的数据我习惯用一个二维矩阵load_matrix表示行对应节点列对应规划期年份每列代表该年的峰值负荷。这样在循环模拟时可以直接按列索引取数。3.2 潮流计算的封装内部函数与调用接口潮流计算是N-1校验的核心引擎。对于配电网我推荐使用前推回代法backward/forward sweep它不需要形成完整的雅可比矩阵收敛速度快对配电网的放射状/弱环网结构非常友好。虽然扩展规划中可能会出现环网运行但大多数配电网在正常运行时都是开环放射状结构前推回代法正好适用。下面是一个简单的前推回代法Matlab函数输入网络结构、负荷和根节点电压输出节点电压和各支路潮流function [V, branch_flow] backward_forward_sweep(bus, line, V0, max_iter, tol) % 初始化 n_bus length(bus.id); V V0 * ones(n_bus, 1); branch_flow zeros(size(line.from)); for iter 1:max_iter % 前推从末端向根节点计算支路功率 S bus.p_load 1j * bus.q_load; for k length(line.from):-1:1 % 从最后一个支路往前推需要先形成节点父子关系 % 这里简化处理假设输入已按拓扑排序 branch_flow(k) S(line.to(k)); end % 回代从根节点向后更新电压 for k 1:length(line.from) % 更新子节点电压 V(line.to(k)) V(line.from(k)) - (conj(branch_flow(k))/conj(V(line.from(k)))) * (line.r(k) 1j*line.x(k)); end if max(abs(V - V_old)) tol break; end end end当然这只是示意实际实现时要处理节点顺序、支路分层等细节。我在自己的代码库里会先用graph对象构建网络拓扑然后用bfs或dfs生成遍历顺序这样即使输入支路顺序杂乱也能正确计算。对于N-1校验我只需要在调用这个函数前把要断开的支路从line结构体中暂时剔除然后重新计算拓扑顺序再调用潮流函数即可。3.3 N-1校验函数的完整逻辑这是整个规划框架中最核心的函数。它的输入是方案向量哪些候选线路被建设、当前网络状态、负荷水平、电压和潮流阈值输出是一个布尔值或惩罚量。基本流程如下将现有线路与候选方案中选中建设的线路合并形成完整的网络拓扑。对网络中的所有支路进行排序逐条模拟故障断开。对于每条断开支路如果网络因此形成孤岛则计算孤岛内的负荷损失量记录惩罚。如果网络仍然连通则用前推回代法计算潮流检查所有支路潮流是否低于上限、所有节点电压是否在允许范围内。如果存在越限记录越限量和对应的支路/节点编号作为惩罚因子返回。需要注意的是对于变电站或变压器作为N-1对象的情况方法类似只是模拟断开的是电源支路。在我的实现中我会用is_breaker标志位区分哪些支路可以断开哪些是固定连接。这个函数的效率决定了整个优化的速度所以我会做两个优化一是对于断开后直接导致网络解裂的场景不再调用潮流计算而是直接计算切负荷量二是对候选方案做快速稀疏化只用非零元素去更新网络矩阵避免每次全量复制。3.4 优化算法遗传算法在N-1规划中的实现要点扩展规划是一个大规模0-1整数规划问题精确求解很难通常用启发式算法。我在项目里最常用的是遗传算法GA因为它对离散变量的处理非常自然而且Matlab自带的gatool和全局优化工具箱可以直接调用适合快速原型验证。编码方式上我采用二进制编码每个基因位对应一条候选线路1表示建设0表示不建设。如果考虑分阶段建设则把每个候选线路在每个水平年的决策拆成多个基因位。适应度函数就是上一节的目标函数加上N-1校验的惩罚项。下面是一个简单的GA主循环框架% 遗传算法参数 pop_size 50; max_gen 100; pc 0.85; % 交叉概率 pm 0.05; % 变异概率 % 初始化种群 pop randi([0,1], pop_size, n_candidate); for gen 1:max_gen % 计算适应度 fitness zeros(pop_size,1); for i 1:pop_size fitness(i) evaluate_solution(pop(i,:)); end % 选择 parents selection(pop, fitness); % 交叉 offspring crossover(parents, pc); % 变异 offspring mutation(offspring, pm); % 精英保留 [~,best_idx] min(fitness); offspring(1,:) pop(best_idx,:); pop offspring; end其中evaluate_solution函数会调用N-1校验。这里要特别提醒遗传算法的适应度函数里不能有变量维度的不一致因此所有候选线路都要在初始时就固定好。如果某条线路已经被现有网络拥有对应基因位应当固定为1不参与交叉变异。否则算法会把已有的线路也当成决策变量导致生成了“拆除已有线路”这种荒谬方案。另外还有一个小技巧对于初始种群不要全部随机生成。可以放入一些启发式方案比如最小生成树方案、完全规划方案、现有网络不加新线路的方案等。这些初始个体的适应度往往比纯随机的更好能帮助算法在早期就进入有希望的区域加速收敛。我在多个算例里测试过只加入三五个启发式种子收敛代数能减少约三成。4. 算例测试与结果分析以IEEE 33节点系统为例4.1 算例参数与场景设置IEEE 33节点系统是配电网规划领域的标准测试算例有32条支路首端是一个平衡节点其余为PQ节点总负荷大约3.7兆瓦加2.3兆乏。我在做扩展规划测试时会在这个基础网络上预设一些薄弱环节比如某些线路容量不足或者缺失然后设定未来10年的负荷增长率比如年均增长3%到6%。候选线路通常会从若干条冗余通道中产生。比如在现有拓扑之外预置10条候选线路每条有不同的建设费用和容量。这些候选线路需要合理设计——如果都是顺着现有网络方向延伸规划算法可能只建一两条就满足N-1了但如果加入一些跨接线路算法就需要权衡投资与可靠性规划结果会更有讨论价值。我用的一个典型算例场景如下现有网络在基准年满足N-1但当负荷增长到第5年时某些线路断开后会导致其他线路过载因此需要在第3年或第4年新建线路。具体负荷数据可以参考文献中的标准值但为了代码通用我建议把负荷写成矩阵方便替换成实际区域数据。4.2 仿真流程与代码运行结果解读整个仿真流程分几步走。第一步是生成基础数据和候选方案集。第二步是直接对现有网络逐年做N-1校验找到失效年份。第三步是用遗传算法搜索扩展规划方案目标是在整个规划期内所有水平年都满足N-1且总费用最小。最后一步是对最优方案做一次全工况的交流潮流验证输出详细的电压和潮流报表。以我的测试结果为例当负荷年均增长5%时现有网络在第4年开始出现N-1失效具体表现为第8条支路断开后第14条支路过载率达到118%。加入遗传算法搜索后算法在第5代就找到了一个“在第2年新建线路A、第4年新建线路B”的方案总费用较一次性建设方案减少了大约14%。这个结果很有代表性很多初学者会倾向于一次性把候选线路全部建完觉得这样最可靠但实际经济性很差。扩展规划的意义恰恰在这里让算法自己去权衡“建早了费钱”和“建晚了失去可靠性”之间的时间边际成本。我在输出结果时会生成一张按支路分组的表格列出每条线路的建设年份、当前负载率、N-1故障后的最大负载率这样可以很直观地看出方案是否合理。比如某条新建线路在正常运行下负载率只有30%但在某条N-1故障场景下可能达到95%这种高波动线路往往就是整个网络的瓶颈所在。4.3 方案对比不同策略下的费用与可靠性变化为了验证算法有效性我常常把遗传算法结果与两种简单策略对比一是“零扩展”策略也就是不新建任何线路靠现有网络硬扛看能撑到哪一年二是“全扩展”策略也就是所有候选线路都提前建好看费用要多高。对比结果非常有意思。在我的算例中“零扩展”策略在第3年就开始频繁违反N-1约束累计停电损失费用很高“全扩展”策略投资费用巨大但因为线路利用率低运维浪费明显而遗传算法给出的分阶段策略总费用最低。这说明扩展规划的核心价值不是简单的“建与不建”而是“何时建、建多少”的时空优化。用Matlab实现时策略对比可以用循环套用同一套评估函数只需要改变决策向量的初始值代码复用性很高。5. 常见问题与调试技巧实录5.1 N-1校验永远失败怎么定位是哪里出了错这是被问得最多的一个问题尤其是新手刚把模型跑通后发现无论怎么优化N-1校验总是失败于是误以为算法或者约束写错了。其实大多数情况下问题出在潮流计算本身的细节上。最容易犯的错是节点编号与支路连接关系不一致。比如你定义了一个line.from [1,2,3]但节点1在bus结构体里不是平衡节点而是负荷节点那么前推回代法会从错误的方向开始推结果电压发散。我的建议是先用一个简单的3节点网络验证你的潮流函数确认有功、无功、电压都正确后再套用到33节点网络。不要一上来就在大网络上调试。第二个高频问题N-1校验时没有把“断开支路”的影响传递到拓扑顺序中。前推回代法依赖拓扑顺序如果你只是把断开支路的导纳置零但依然用原来的节点顺序计算得到的潮流是完全错误的。正确的做法是每次断开后重新用graph对象构建网络再用bfs重新排序。第三个问题是容量阈值设置不合理。有些配电网支路的极限容量标幺值可能只有0.3左右如果你设成0.5可能很多方案天然就不满足N-1。我建议先对所有支路做一个正常的潮流计算看看它们在峰值负荷下的负载率分布再结合实际导线型号设定容量上限。不然优化算法会把大量时间花在寻找本就不存在可行解的空间里。5.2 遗传算法不收敛或早熟如何调参和改良遗传算法的表现受参数影响很大。种群太小容易早熟我至少在33节点系统上用过50个个体如果候选线路超过30条种群建议增大到80到120。交叉概率在0.8到0.9之间变异概率在0.01到0.05之间如果变异太小算法很容易陷在局部最优出不来。除了调参我还建议在适应度函数里加入“方案稀疏化”的惩罚或奖励。比如给每个新建线路增加一个极小的费用系数这样算法在满足同样约束时会倾向于选择更少的线路数量避免生成冗余方案。另外可以使用“精英移民”策略就是每过一定的代数把一部分随机新个体注入种群这样可以有效防止种群多样性下降过快。还有一个非常实用的技巧在适应度评估中先快速计算不包含N-1约束时的潮流如果连正常运行都不过载再进入N-1校验。因为大多数随机生成的方案连基本潮流都满足不了这种提前筛选可以减少约一半的N-1计算量加速整个优化过程。5.3 代码性能优化把几十分钟的计算压缩到几分钟扩展规划的计算瓶颈几乎都集中在N-1校验和潮流求解上。我优化时首先考虑的是矩阵化和向量化。比如断开支路前不是复制整个line结构体而是生成一个更新的邻接矩阵用矩阵索引进行电压更新。Matlab的循环如果是在多个向量上的操作尽可能改成矩阵乘法速度能提升好几倍。其次是并行计算。Matlab的parfor非常适合N-1校验这类“每个场景相互独立”的计算任务。我可以把每个故障场景的潮流计算分布到多个工作进程上在33节点系统里开启并行池后能获得约3到5倍的加速比。不过要注意并行循环里不能使用需要共享修改的变量所以branch_flow等结果要单独用切片方式收集。最后是减少不必要的重复计算。在我的实现里每个N-1场景中只有断开支路的邻接关系和边界条件发生了变化其余大部分拓扑信息是一样的。因此我为每个候选方案生成一次“基态导纳矩阵”在故障场景模拟时只修改受影响的行列这样可以省去大量重复的矩阵生成时间。经过这三步优化我实际测试过33节点系统、40条候选线路、100代遗传算法总计算时间从最初的约45分钟降到了7分钟左右基本可以满足日常研究复现的需求。6. 代码框架扩展从研究走向工程化应用N-1扩展规划的Matlab代码如果只停留在算例验证阶段价值是有限的。我在实际项目中把它扩展成了一个可配置的工具只需要修改输入Excel表就能适应不同区域和不同规划期的场景。下面介绍一下如何把核心代码封装成模块。我把代码分成四个模块数据管理模块、网络分析模块、规划优化模块、结果输出模块。数据管理模块负责读取Excel中的节点、负荷、线路、候选线路参数并转换成标准结构体。网络分析模块封装所有的潮流计算和N-1校验函数对外只提供一个函数接口[report, violation] evaluate_network(network, load, fault_set)。规划优化模块使用遗传算法或其他优化算法调用网络分析模块进行方案评估。结果输出模块把最优方案写入Excel并输出各水平年的潮流报表和N-1校核结果。这样分层的好处是如果以后想换成粒子群、模拟退火或者想加入分布式电源选址都不需要改动底层网络分析代码。这里还要提一下与最新仿真工具的结合。近两年有不少配电网专用的仿真工具支持与Matlab联合仿真比如Simulink中的Simscape Electrical、一些商用配电网分析软件提供的Matlab接口。虽然联合仿真更精确但规划研究阶段我还是更喜欢纯Matlab代码因为迭代快、可自由修改、不依赖商业License。联合仿真通常放在最终验证环节用于对少数几个最优方案做动态特性分析。如果你手头有这类工具可以把本代码生成的规划方案导出到仿真平台做详细验证算是“规划-仿真”的闭环。在我自己的项目里我还给代码加了一个简单的经济性评估模块可以计算内部收益率和动态回收期。因为规划人员不仅要看总费用最小还要知道每一笔投资预计几年能收回。这个模块用Matlab很容易实现只要把每年的现金流包括增供电量收益、损耗减少收益、停电损失减少收益减去运维费用折现累加即可。当资金约束比较紧张的情况下这个模块能辅助决策者挑选优先级最高的项目。7. 写在最后的一点个人经验谈做了这么多年的配电网规划我最大的体会是N-1扩展规划这件事理论模型再花哨最后落地看的是数据质量和场景设置。花一周时间把负荷预测做扎实比调三个月优化算法的参数管用得多。还有一点Matlab代码不代表规划方案的全部同样的代码你给不同的候选线路集结果可能天差地别。候选线路不是凭空造的要结合地形、走廊、已有通道来设计否则优化结果即使满足N-1也可能根本无法施工。建议新手先跑通标准IEEE算例再逐步替换成本地实际网架数据。你会在替换数据的过程中真切体会到“规划模型”和“实际工程”之间那道要跨很久才能迈过去的门槛。如果这篇文章里的某个函数或者某个调试技巧正好帮到了你那我觉得这经验就值了。后续我可能还会再写一篇关于分布式电源接入后N-1校验会怎样变化的文章到时候再接着聊。