简介面向电力系统潮流计算与Matlab算法学习的Matlab工程包覆盖IEEE 9~300节点的多个标准算例集中实现直流法、牛顿拉夫逊法、快速PQ分解法、Gauss-Seidel法四类典型算法适用于本硕博教学研究及编程实践。压缩包共44个文件以41个Matlab脚本作为主体包含核心算法、数据读入与结果输出等多个功能模块另附1个操作录像、1个位图和1个文本说明整体体积约472KB轻量但结构完整。算例范围涵盖9、14、30、39、57、118、300等常用测试系统并针对各算法提供独立核心函数与统一主控入口可从数据读取、潮流求解到结果输出完整复现配套操作录像演示了Matlab环境配置与正确启动方式能帮助规避因当前文件夹路径设置不当或误运行子函数导致的报错。该资源已有1026人学习下载适合需要横向对比四类迭代方法收敛性能的本科生与研究生用于课程设计、毕业设计或科研入门。1. 别急着按F5这套IEEE9~300潮流资源到底帮你省了什么事做电力系统潮流计算的人手机里多少都存过几个“万能工具箱”可真正打开第一步就卡住的比比皆是。这套IEEE9到IEEE300的潮流计算资源包我的判断是它把学术论文里最常被一笔带过的四件事一次性补齐了——直流法、牛顿拉夫逊法、快速PQ分解法、Gauss-Seidel法每套算法都配好了从9节点到300节点的标准算例和一份能跟着点的操作录像。适合正在写课程设计、准备组会汇报或者被导师临时抓去复现某个算例的本硕博学生也适合需要快速拿到一个可信基线的仿真工程师。你不用自己从IEEE官网一份份扒数据文件也不用对着MATPOWER的手册猜参数。资源里从case9.m、case14.m一路到case300.m全齐Runme_.m一键起算。但它有个前提条件不满足就跑不出正确结果MATLAB版本建议2021a或更高当前文件夹必须切到工程路径且只能运行入口脚本而不是子函数——这个坑后面专门展开。2. 先把工程结构盘明白几十个m文件谁是核心、谁是辅助2.1 文件归属数据文件、算法文件、工具函数各司其职压缩包解压后看到一大片m文件时别慌。先按“数据 / 算法 / 工具 / 辅助”四类归类运行逻辑立刻清楚。数据文件是case9.m、case14.m、case30.m、case39.m、case57.m、case118.m、case300.m这一组命名规律非常直白case后面跟的数字就是节点数。每个文件内部定义了三张表——bus母线数据、gen发电机数据、branch支路数据这是IEEE标准算例的通用组织方式。以case9.m为例bus矩阵每行是“母线编号、母线类型、有功负荷、无功负荷、电压幅值初值、电压相角初值”等字段branch矩阵记录线路两端节点号、电阻、电抗、对地导纳和变压器变比。算法文件分四套直流法对应dcpf.m和hhu_dcpf.m牛顿拉夫逊法对应newtonpf.m和hhu_newtonpf.m快速PQ分解法对应fdpf.m和hhu_pqpf.mGauss-Seidel法对应gausspf.m和hhu_gspf.m。你我需要注意一个重要细节文件名里带hhu_前缀的版本相当于一个封装壳负责把数据从外部格式转换成算法内部需要的格式再调底层函数迭代。纯英文名的dcpf.m、newtonpf.m那些是底层求解核心正常使用阶段不建议直接单独执行。工具函数是容易被忽略却决定成败的一层ext2int.m和int2ext.m负责外部母线编号和内部连续编号的互转makeSbus.m构造节点注入功率向量makeYbus.m通过支路数据组装节点导纳矩阵makeB.m和makeBdc.m是为快速PQ分解法生成B、B矩阵。剩下idx_bus.m、idx_brch.m、idx_gen.m、idx_area.m这类文件是索引定义它们不是算法而是告诉程序“第几列代表什么”修改算例数据时千万不能动这些列的排布。2.2 程序主链路从hhu_enter.m到hhu_runpf.m再到各算法这套资源里我推荐的上手方式不是打开Runme_.m就跑而是先顺着三行关键调用把主链路串一遍。Runme_.m大概率只做一件事依次调用hhu_enter.m和hhu_runpf.m再加一个清理环境的hhu_break.m。hhu_enter.m是数据总入口它读取你选择的case文件做数据完备性检查比如检查bus矩阵里是否有重复编号、负荷列是否有NaN同时检测是否装了MATLAB并行工具箱来决定是否走并行分支。hhu_runpf.m是算法分派器根据你在参数里指定的method决定这次是调用hhu_newtonpf、hhu_pqpf、hhu_gspf还是hhu_dcpf。我建议你打开hhu_runpf.m看一个判断分支就明白了它不复杂像一个路由表。核心调用关系可以写成这样% 手动复现主链路的调用顺序与Runme_.m等价 [mpc, mpopt] hhu_enter(case30); % 读入IEEE30节点数据与默认参数 results hhu_runpf(mpc, mpopt); % 按mpopt中的算法字段调度求解 if results.success hhu_again(mpc, results); % 结果回读与输出 end这里hhu_enter.m的第一个参数是case文件名第二个参数mpopt是MATLAB风格的控制选项结构体里面可以放算法选择、最大迭代次数、收敛精度等内容。hhu_runpf.m返回的results结构体里至少包含success字段布尔值、iterations实际迭代次数、et计算耗时、bus/branch/gen三张结果表。hhu_again.m的作用是把结果重新映射回原始的IEEE编号顺序——这是全套流程里最该理解的一步因为内部计算用的是连续编号而case数据文件里节点号往往是跳着定义或者从1到n但不连续的。提示初次跑通建议不要跳过hhu_again.m这一环。直接看newtonpf.m的返回值只能看到内部编号下的电压幅值和相角如果和原始case数据的节点号对不上那才是真正让人困惑的地方。2.3 内部编号与外部编号为什么hhu_break.m是你的后悔药IEEE标准算例里的很多case文件节点编号带有工程习惯比如平衡节点不一定放在第1位。ext2int.m会把外部编号原始数据映射成内部从1开始的连续编号完成计算后再用int2ext.m把结果映射回去。这听起来简单但实际操作中容易翻车的地方在于你可能在hhu_runpf.m用错了编号版本导致后面画图时母线名对不上。我一般会在修改case数据之前先执行一次ext2int.m拿到映射关系并把映射关系保存下来% 查看外部编号到内部编号的映射关系关键步骤 mpc loadcase(case118); % 读取IEEE118标准算例 [mpc_int, mapping] ext2int(mpc); % mapping结构体保存双向映射 disp(mapping.order); % 查看重新排序后的内部节点顺序loadcase.m是从case文件或结构体载入数据的外部入口它负责解析m文件里的矩阵并补全缺失字段。ext2int.m返回的mapping.order就是内部编号的有序列表索引位置对应用新的连续编号数值对应原始文件里的母线编号。如果算完发现某条母线结果异常先查mapping而不是怀疑算法——90%的错位问题都能在这一步定位。hhu_break.m这个文件很有设计感它在计算结束后负责把临时变量、全局变量和持久变量清理干净避免下一次切换算例时把上一个case的缓存带进来。尤其是你现在如果在同一进程里连续跑case9和case300不做清理的话很可能出现“上一次的平衡节点编号还在工作区里”这类隐性问题。这个文件同时也是后悔药当你想回到一段干净状态重新来过时双击它比关掉MATLAB重新打开靠谱得多。3. 直流法和Gauss-Seidel法两种极端方法论3.1 直流法为什么快线性化背后有哪些假设条件直流法从名字就能看出端倪它是一种极度简化的潮流模型——把本来非线性的潮流方程线性化当成直流电路来解。核心假设包括三条线路电阻远小于电抗可以忽略节点电压幅值都接近1.0标幺值相角差足够小sinθ≈θ。在这些假设下有功功率和相角的关系近似为线性方程组P Bθ其中B是由支路电抗倒数构成的节点导纳矩阵虚部。解这个线性方程组不需要迭代一步到位。资源里的dcpf.m做了这样几件事从case文件中提取支路数据取每条支路电抗的倒数作为线路电纳忽略电阻组装出B矩阵再对平衡节点所在行做置零处理并把平衡节点的角度固定为0。然后用左除直接求解θ最后把角度结果放进result结构体。用代码定位它的核心逻辑是这么个意思% dcpf.m核心思路对直流潮流实现步骤的简明回溯 function [theta, bus, branch] dcpf(bus, branch, mpopt) [Ybus, Yf, Yt] makeYbus(bus, branch); % 先组装完整导纳矩阵 B imag(Ybus); % 取虚部作为B矩阵 n size(bus, 1); ref find(bus(:, 2) 3); % type3的节点是平衡节点 B(ref, :) 0; B(:, ref) 0; % 平衡节点行与列需要置零处理 B(ref, ref) 1; Pbus bus(:, 3) / 100; % 有功注入量标幺化 theta zeros(n, 1); theta(ref) 0; % 平衡节点角度固定为0 theta B \ Pbus; % 左除解线性方程组直流法一次性求解makeYbus.m是这一切的基础它把case数据里的阻抗和导纳转换成节点导纳矩阵Ybus。这里你注意dcpf唯一需要的外部输入就是Ybus的虚部所以其计算速度远快过任何迭代类方法。B矩阵奇异的原因多半出在置零逻辑上如果某个节点与平衡节点之间没有任何连通路径B对应行全零左除就会直接NaN。IEEE9到300的算例都是标准连通图理论上不会出现这个问题但如果自己改branch数据时删了某条关键线路就可能把图弄成不连通的要小心的是这个操作。直流法的适用场景定位在需要快速估计相角的场合比如电力市场出清计算、安全校核预筛选、电网规划多场景扫算。误差范围一般在3%到5%对工程决策是可接受边界。你要是用它去做精确无功分析方向就错了。3.2 Gauss-Seidel法的迭代公式为什么它对初值那么敏感Gauss-Seidel法是最古老的潮流迭代方法它的思路是把每个节点的电压方程单独拆出来不断用最新值替换旧值。对PQ节点第k1次迭代的电压值按如下公式更新$$ V_i^{(k1)} \frac{1}{Y_{ii}} \left(\frac{P_i - jQ_i}{V_i^{(k)*}} - \sum_{j \neq i} Y_{ij} V_j^{(k)}\right) $$其中Yii是节点i的自导纳V_i^{(k)}是上次迭代电压的共轭。PV节点的处理方式稍微不同每次迭代后要计算无功注入量Q_i -Im(V_i^{(k)} \sum_j Y_{ij} V_j^{(k)})并修正电压幅值到指定值。Gauss-Seidel法的收敛速度近似线性远慢于牛顿法的二阶收敛速度。gausspf.m的实现顺序也很典型它首先通过makeSbus.m计算每个节点的注入功率然后逐点扫描更新电压。松弛因子常见做法是取1.0附近的值理论上0.6到1.6之间都有收敛性保证但具体取多少需要依据系统规模做数值实验。我对这个方法的判断是它最大的学习价值在于把迭代思想讲透了其次才是用于小规模系统的校核但对IEEE300这种规模它的迭代次数会显著增加收敛速度会慢得让人失去耐心。% gausspf.m的迭代核心在hhu_gspf.m中被调用 % 用Gauss-Seidel更新PQ节点电压 for iter 1 : max_it v_old V; for i 1 : n if bus_type(i) 1 % PQ节点只给定P和Q sumYV Ybus(i, :) * V; V(i) (conj(Sbus(i)) / conj(V(i)) - sumYV Ybus(i, i) * V(i)) / Ybus(i, i); elseif bus_type(i) 2 % PV节点给定P和|V| sumYV Ybus(i, :) * V; Qcalc -imag(conj(V(i)) * sumYV); V(i) (conj(Sbus(i) 1j * Qcalc) / conj(V(i)) - sumYV Ybus(i, i) * V(i)) / Ybus(i, i); V(i) V(i) / abs(V(i)) * V_set(i); % 强制使幅值等于设定值 end end % 检查最大失配量是否小于收敛判据 if max(abs(V - v_old)) tol break; end endSbus是节点注入复功率向量由makeSbus.m根据bus和gen数据生成Ybus(i,:) * V是节点i与全网的耦合这个矩阵乘法是Gauss-Seidel法的主要耗时点。PV节点那行代码在V(i)更新后强制把幅值拉回设定值数学上等价于用无功注入来抬升电压这是Gauss-Seidel法实现PV节点最经典的方式。如果初值取得太离谱比如把某个PQ节点的电压初值设成0.5迭代器很容易发散。我自己的习惯是Gauss-Seidel法只用来算IEEE30以下的系统或者作为牛顿法的预热器——先用它粗迭代几步得到一个不太离谱的初值再切换到newtonpf完成精算。这种做法对大型系统有奇效能减少牛顿迭代在初值不良时nearly singular matrix的报错概率。4. 牛顿拉夫逊法和快速PQ分解法电力系统里最硬的两种主力算法4.1 牛顿法的核心雅可比矩阵与两个关键导数文件dSbus_dV.m、dSbr_dV.m牛顿拉夫逊法是当前商业软件和学术代码里的绝对主力原理上是用泰勒展开取一阶项把非线性潮流方程化成线性修正方程反复迭代直到有功、无功失配量落入收敛门槛。方程形式是$$ \begin{bmatrix} \Delta P \ \Delta Q \end{bmatrix} J \begin{bmatrix} \Delta \theta \ \Delta V \end{bmatrix} $$其中J是雅可比矩阵由四个分块组成∂P/∂θ、∂P/∂V、∂Q/∂θ、∂Q/∂V。newtonpf.m的计算流程分三步第一用makeSbus.m算出节点注入功率Sbus第二调用dSbus_dV.m计算节点注入功率对电压幅值和相角的稀疏偏导矩阵第三调用dSbr_dV.m得到支路潮流的偏导组装成完整的雅可比矩阵解修正方程。% newtonpf.m的简化主循环展示雅可比矩阵的更新与求解 function [V, converged, iter] newtonpf(Ybus, Sbus, V0, ref, pv, pq, mpopt) V V0; [dSbus_dVm, dSbus_dVa] dSbus_dV(Ybus, V); % 节点注入功率雅可比分块 [dSbr_dVm, dSbr_dVa] dSbr_dV(Ybus, V); % 支路功率雅可比分块 n length(V); J assemble_jacobian(dSbus_dVm, dSbus_dVa, ... dSbr_dVm, dSbr_dVa, ref, pv, pq); % 按节点类型拼接 for iter 1 : max_it S_calc V .* conj(Ybus * V); mismatch Sbus - S_calc; % 复功率失配量 [dSbus_dVm, dSbus_dVa] dSbus_dV(Ybus, V); % 每次迭代更新雅可比 J assemble_jacobian(dSbus_dVm, dSbus_dVa, ... dSbr_dVm, dSbr_dVa, ref, pv, pq); dx J \ mismatch([pq; pv]); % 解线性方程组求修正量 V(pq) V(pq) dx(1:length(pq)); % 修正电压幅值 Va(pv) Va(pv) dx(length(pq)1:end); % 修正相角 V V .* exp(1j * Va); if max(abs(mismatch)) mpopt.tol converged true; break; end end enddSbus_dV.m返回的两个稀疏矩阵分别是dS/dVm电压幅值偏导和dS/dVa相角偏导它们的组装方式严格按照bus编号顺序这也是为什么内部连续编号机制在整个流程中如此重要。你可以打开文件看一下矩阵赋值模式每一行只与和该节点相连的支路相关所以矩阵高度稀疏MATLAB里直接用sparse命令操作省内存也省时间。牛顿法最犀利的特性是二阶收敛通常5到8次迭代就能在IEEE118系统上达到1e-8的收敛精度前提是初值不能离谱。4.2 快速PQ分解法的改进点B、B矩阵与两个硬性前提快速PQ分解法也叫快速解耦法、B-X法是在牛顿法基础上做的省力改造。它利用输电网中P主要受θ影响、Q主要受V影响这个物理特性把完整的雅可比矩阵拆成两个解耦的低阶方程组$$ \Delta P / V B \Delta \theta,\quad \Delta Q / V B \Delta V $$B矩阵由支路电抗倒数组装B矩阵由支路导纳虚部组装两者在迭代开始前就固定下来整个迭代过程不需要重新组装所以单次迭代的计算量远小于牛顿法。fdpf.m和hhu_pqpf.m的关键区别在于hhu_pqpf.m会先调用makeBdc.m生成B和B而fdpf.m是在内部直接通过makeB.m一次生成。运行资源时注意makeBdc.m输出是两个矩阵% 用makeBdc.m构建P-Q分解法的常数矩阵 mpc loadcase(case39); [Bp, Bpp] makeBdc(mpc); % Bp用于P-θ方程Bpp用于Q-V方程 % 检查两矩阵是否奇异 if condest(Bp) 1e12 || condest(Bpp) 1e12 warning(B矩阵接近奇异检查是否存在孤岛或电抗过大支路); endcondest是MATLAB内置的条件数估计函数这里用来预判数值稳定性。快速PQ分解法的适用硬性前提是输电网R/X比值要足够小通常要求小于0.3如果改造的算例里有大量电缆线路或高电阻线路PQ分解法的收敛性会显著恶化。它最显著的价值在于内存占用低、单次迭代快适合在线潮流和安全分析在IEEE300也算得上非常高效。对比维度牛顿拉夫逊法快速PQ分解法Gauss-Seidel法直流法计算精度高可到1e-8较高通常1e-6量级一般1e-4量级低线性近似迭代速度快二阶收敛快常数矩阵慢线性收敛无迭代内存占用高完整雅可比低两个常数矩阵低极低收敛可靠性强依赖初值依赖R/X比值强依赖初值与松弛因子无收敛问题4.3 四种算法在IEEE9和IEEE300间的调度建议资源里hhu_runpf.m内部有一个算法选择字段常见做法是用mpoption函数设置之后runpf就会按这个选项去调对应算法文件。我常用的切换方式是% 在不同算法之间切换的标准写法 mpc loadcase(case57); mpopt mpoption(PF_DC, 0, PF_ALG, 1); % 1牛顿法 results runpf(mpc, mpopt); mpopt mpoption(PF_DC, 0, PF_ALG, 2); % 2快速PQ分解法 results2 runpf(mpc, mpopt); mpopt mpoption(PF_DC, 0, PF_ALG, 3); % 3Gauss-Seidel法 results3 runpf(mpc, mpopt); mpopt mpoption(PF_DC, 1); % 置1则走直流法 results4 runpf(mpc, mpopt);runpf.m是分派总入口它内部会根据PF_ALG字段来确定是调用newtonpf.fdpf还是gausspf。PF_DC置1时直接走hhu_dcpf或dcpf完全绕过非线性迭代。我的经验是IEEE9到30规模可以直接牛顿法IEEE39到118节点用牛顿法初值如果来自平启动偶尔会遇到半收敛状态可以先跑两步Gauss-Seidel再切牛顿IEEE300这种规模快速PQ分解法是质量和速度的平衡点直流法跑出来的相角结果也能给出一个不错的初值参考。5. 运行避坑五个频率最高的翻车现场与解决办法5.1 现象双击newtonpf.m直接运行MATLAB报错“未定义函数或变量mpopt”原因算法文件是底层求解器它默认所有输入参数已由上层函数组装好。直接执行时MATLAB工作区里根本没有mpc、mpopt这些变量。解决永远只用Runme_.m这个入口执行。如果你只是想调某个算法也得先手动建mpc和mpopt再调用runpf% 正确的最小调用方式改算例名只需替换case文件 mpc loadcase(case30); mpopt mpoption(PF_DC, 0, PF_ALG, 1, OUT_ALL, 0); results runpf(mpc, mpopt);5.2 现象在当前文件夹窗口为空的情况下运行报错“找不到case9.m”原因MATLAB的当前文件夹机制决定了脚本和数据的搜索路径。如果当前文件夹窗口指向了别的目录loadcase或case9.m这类文件名只能靠系统搜索到极易出现找不到文件或加载了重名文件。解决运行前养成习惯先cd到工程解压目录再看左下角路径确认。命令行直接执行% 切换到工程目录并验证工作区 cd(D:\your_path\IEEE_trend_calc); % 改成你自己的解压路径 pwd % 确认当前路径 ls % 查看文件是否就位5.3 现象算完显示success但bus结果表全是NaN尤其IEEE300原因大部分NaN来自数值发散根源多半是初值不良或雅可比矩阵奇异。IEEE300是大系统平衡节点编号不一定在最前面ext2int映射一旦没走对雅可比矩阵的行列排序就出问题。解决回查hhu_again.m是否参与运行同时检查case300节点编号是否有跳号。再用max(abs(results.bus(:,8)))看最大电压幅值是否远大于1.1超过1.5基本可以断定发散。5.4 现象直流法跑出来的相角数值大得离谱超过30度原因直流法本身忽略网损和无功相角绝对值本来就偏大这是模型误差而不是程序bug。IEEE300的某些线路电抗很大P Bθ中B的元素偏小导致θ变大。解决不要迷信直流法的绝对值用它做相对比较和初值定型。与牛顿法结果对比时关注相角差而不是绝对相角。5.5 现象Gauss-Seidel法在IEEE118上迭代过千次依然不收敛原因Gauss-Seidel法的收敛速度本质是线性的对系统规模敏感IEEE118对纯Gauss-Seidel来说已经偏大。加上松弛因子若取1.4以上系统一旦出现无功电压强耦合就可能振荡。解决把松弛因子调回1.0附近并把收敛判据放宽到1e-4这样至少能得到工程上可用的结果。如果还是不行改用PQ分解法或牛顿法不必为难自己% 调节Gauss-Seidel松弛因子与收敛判据的方式 mpopt mpoption(PF_ALG, 3, PF_TOL, 1e-4); % PF_ALG3为高斯赛德尔 % 如果需要修改松弛因子在gausspf.m中搜索alpha变量改为1.0或1.1提示修改任何m文件前先复制一份原文件存为.bak所有调参实验在副本上做避免把原始工程改废了。6. 四算法验证与进阶同一份数据上的对比脚本怎么搭把资源吃透之后最有价值的一件事是写一套自己的对比实验用同一份case数据把四种算法全部跑一遍输出迭代次数、计算耗时、最大失配量和相角最大偏差。这能让你直观看到直流法的近似误差有多大、PQ分解法和牛顿法在结果上有多少差别、Gauss-Seidel在小系统和大系统上的表现跨度。% 基于本资源做的四算法对比脚本可扩展到任意case文件 function compare_all_methods(casename) mpc loadcase(casename); fprintf(Running %s\n, casename); % 直流法 mpopt mpoption(PF_DC, 1, OUT_ALL, 0); r_dc runpf(mpc, mpopt); fprintf(DC: time%.4fs, maxVa%.4f\n, r_dc.et, max(abs(r_dc.bus(:,9)))); % 牛顿法 mpopt mpoption(PF_DC, 0, PF_ALG, 1, OUT_ALL, 0); r_nr runpf(mpc, mpopt); fprintf(NR: iter%d, time%.4fs, mismatch%.2e\n, ... r_nr.iterations, r_nr.et, max(abs(r_nr.bus(:,8)-1))); % 快速PQ分解法 mpopt mpoption(PF_DC, 0, PF_ALG, 2, OUT_ALL, 0); r_fd runpf(mpc, mpopt); fprintf(FD: iter%d, time%.4fs, mismatch%.2e\n, ... r_fd.iterations, r_fd.et, max(abs(r_fd.bus(:,8)-1))); % Gauss-Seidel法 mpopt mpoption(PF_DC, 0, PF_ALG, 3, PF_TOL, 1e-4, OUT_ALL, 0); r_gs runpf(mpc, mpopt); fprintf(GS: iter%d, time%.4fs, mismatch%.2e\n, ... r_gs.iterations, r_gs.et, max(abs(r_gs.bus(:,8)-1))); end这段脚本里r_dc.bus(:,9)是电压相角r_dc.bus(:,8)是电压幅值iterations字段仅对迭代类算法有效直流法没有这个字段。对比结果通常你会发现三个趋势第一直流法的相角比牛顿法整体偏大这是忽略了支路电阻和无功影响后的系统性偏差第二PQ分解法在IEEE39及以上系统的迭代次数比牛顿法多40%到60%但单次迭代耗时长时更短总耗时仍有优势第三Gauss-Seidel在IEEE57以后迭代次数明显爬坡。这个脚本建议每个case文件都跑一遍做完之后你对四种算法边界的理解会非常具体。更进阶的用法是改算例规模。很多人拿到case300就想自己造一个case400工程做法是复制case300.m另存为case400.m在bus矩阵尾部追加新节点在branch矩阵追加相应线路然后同步修改mpc.version字段和矩阵维度。改完以后不要急着跑先执行一个快速完整性检查% 修改算例后的自检步骤 mpc loadcase(case400); % 新算例 assert(size(mpc.bus, 1) 400, bus矩阵行数必须等于节点数); assert(size(mpc.branch, 1) 399, 支路数至少要保证节点连通); assert(all(mpc.bus(:, 1) (1:400)), 内部编号必须从1开始连续);这三条断言分别检查节点数、连通性和编号规则。第3条尤为重要如果节点编号有跳号ext2int还能救你一次但编号严重混乱时hhu_runpf.m有可能直接报错。每次改完算例都运行一遍这段自检脚本再进入主链路能省掉大量排查时间。从那以后我每次拿到新算例都会先核一遍编号连续性和bus类型分布再跑四种算法对比这个顺序已经成了固定习惯希望帮到你。本文还有配套的精品资源点击获取