企业官网建设流程全解析

配电网最优潮流（OPF）这些年被分布式光伏、风机和储能大量接入推到了风口浪尖。真正上手做计算的人都有一个体会：潮流约束和目标函数一凑到一起，就是一个大规模非线性非凸优化问题，传统方法要么算到怀疑人生，要么卡在局部最优里出不来。二阶锥松弛（SOCP）就是专门来解决这个问题的：通过变量替换和约束松弛，把原本非凸的模型改写成凸优化问题，交给成熟求解器一次性拿到全局最优解。这个思路在辐射状配电网里尤其好用，实测下来求解速度快、数值稳定，精度也完全够工程用。这篇文章不绕弯子，直接从原理讲到Matlab代码落地，我把每一步为什么这么做、有哪些坑都摊开说，适合正在做配电网优化、分布式电源接入分析的硕博研究生和一线工程师。

1. 为什么配电网最优潮流要让“非凸变凸”——SOCP方案的整体设计思路

1.1 分布式电源接入后的两大痛点：双向潮流与电压越限

以前的配电网是纯粹的“被动网络”，功率从变电站单向流动到末端负荷，运行方式相对固定。那时候做潮流计算、可靠性分析，用经典的前推回代法就够用了。但现在光伏、风电大规模接入中低压配电网，情况完全变了：分布式电源出力一高，馈线末端的电压可能被顶到越限，潮流方向也不再是从上到下单向流动，而是可能出现局部反向。更麻烦的是，配电网的R/X比远高于输电网，有功和无功对电压的影响相互耦合，输电网那套“PV节点调无功”的玩法在配电网里经常失灵。

因此，配电网的运行不能只靠固定的调控策略，需要在考虑分布式电源出力的前提下，对每个时段、每个节点的功率分配做优化计算，这就是配电网最优潮流要解决的问题。它要回答的核心问题是：在满足潮流方程、电压限值、支路容量和电源出力约束的前提下，如何安排各节点注入功率，才能让网损最小、电压质量最好，或者分布式电源消纳最多。

1.2 传统求解器的天花板：局部最优与效率瓶颈

最优潮流的传统建模方式，是把潮流方程直接写进去，得到一个非线性规划（NLP）问题，然后用内点法或序列二次规划去求解。这类方法在小规模输电网里表现不错，但放到配电网里就尴尬了。

首先是非凸问题。潮流方程里的电压平方项、电流平方项、功率乘积项搅在一起，可行域不是凸集。非线性求解器本质上是沿着梯度方向在局部搜索，从不同初值出发可能收敛到完全不同的解。你无法确定算出来的结果是不是全局最优。对运行调度来说，这很致命：你说这个方案是“最优”的，但实际可能只找到一个局部较优解，损耗高个百分之几，电压分布也更差。

其次是效率问题。一旦系统规模变大，或者要做多时段、多场景的联合优化，非线性规划每次迭代都要重新计算海森矩阵和雅可比矩阵，计算量成倍增长，经常出现计算时间不可接受的情况。也有人尝试用粒子群、遗传算法这类启发式算法来绕开非线性，但这类方法本质上靠随机搜索，不保证最优性，且每次适应度评估都要算一次完整潮流，大规模场景下慢得离谱。

1.3 二阶锥松弛的核心思想：先替换变量，再把等式“放松”成锥约束

二阶锥松弛的思路很聪明，它的核心可以拆成两步。

第一步，变量替换。把电压幅值的平方记作 (u_i)，电流幅值的平方记作 (l_{ij})。这么一换，潮流方程里最头疼的平方项大部分都变成线性的了，只剩下电流平方和电压平方之间还拖着一个二次等式。

第二步，把那个二次等式“放松”成一个不等式。原来必须严格满足等式，现在允许解落在更大的集合里。这个更大的集合恰好是一个凸锥，数学上叫二阶锥。于是整个问题变成二阶锥规划，这类问题有极其成熟的求解算法——内点法，全局最优性有理论保证，求解速度快，对大规模问题也能稳定处理。

你可以这样理解：原问题就像在凹凸不平的山地上找最低点，每一步只能靠脚底的感觉摸索；凸松弛之后相当于把整个地形磨成一个光滑的碗状，你从任何位置出发，顺着坡度往下走，最后一定会滚到碗底。

这里还要说清楚一点：这种“放松”并不是无原则的放水。在辐射状配电网的典型条件下，最优解会被约束条件“推”到锥的边界上，也就是说松弛后的最优解恰恰满足原来的等式。这在数学上叫精确松弛（exact relaxation）。所以放心用，得到的解就是原问题的最优解。

2. 从潮流方程到二阶锥：核心数学细节逐层拆解

2.1 三行方程吃透DistFlow支路潮流模型

配电网最优潮流里，我们很少用传统的节点导纳矩阵形式，而是用支路潮流模型（Branch Flow Model），也叫DistFlow方程。原因很简单：配电网是辐射状结构，用“支路—节点”的父子关系来描述功率流动，物理含义清晰，也方便做凸松弛。

对任意一条支路 (i \to j)，定义：

• (P_{ij})、(Q_{ij})：支路首端从 (i) 流向 (j) 的有功、无功功率；
• (U_i)、(U_j)：节点 (i)、(j) 的电压幅值平方；
• (I_{ij})：支路电流幅值平方；
• (r_{ij})、(x_{ij})：支路电阻和电抗。

DistFlow方程写成这样：

1. 节点功率平衡。对任意节点 (j)： [ \sum_{i \in \pi(j)} \left( P_{ij} - r_{ij} I_{ij} \right) + P_j^{g} = \sum_{k \in \delta(j)} P_{jk} + P_j^{d} ] 其中 (\pi(j)) 是 (j) 的父节点集合，(\delta(j)) 是子节点集合。这个式子的物理含义是：从父支路流入本节点的功率，减去支路本身消耗的功率，等于流向所有子支路的功率之和加上本地负荷，再减去本地分布式电源的注入。无功同理。

2. 电压降落方程： [ U_j = U_i - 2(r_{ij} P_{ij} + x_{ij} Q_{ij}) + (r_{ij}^2 + x_{ij}^2) I_{ij} ] 这本质上是欧姆定律和功率定义的结合，描述了线路两端的电压幅值平方差。

3. 电流—功率—电压的耦合方程： [ I_{ij} U_i = P_{ij}^2 + Q_{ij}^2 ]

前两条方程已经相当线性了，真正让整个模型变成非凸的，就是第三条这个二次等式。

2.2 变量替换 (u_i) 和 (l_{ij})：把二次项降到一等式

为了把模型整得更好看，我们直接引入新变量：

[ u_i = U_i, \quad l_{ij} = I_{ij} ]

注意这里的 (u_i)、(l_{ij}) 本身就是“平方值”，不是幅值。然后重写DistFlow方程：

1. 节点功率平衡变成： [ \sum_{i \in \pi(j)} \left( P_{ij} - r_{ij} l_{ij} \right) + P_j^{g} = \sum_{k \in \delta(j)} P_{jk} + P_j^{d} ] 全部是线性约束。

2. 电压降落方程变成： [ u_j = u_i - 2(r_{ij} P_{ij} + x_{ij} Q_{ij}) + (r_{ij}^2 + x_{ij}^2) l_{ij} ] 也全部是线性约束。

3. 唯一剩下的非线性约束： [ l_{ij} u_i = P_{ij}^2 + Q_{ij}^2 ] 这是一个二次等式，就是它让整个问题非凸。

所以，现在所有“麻烦”都集中在最后一个等式的处理上。只要把这个等式搞定，问题就彻底简化了。

2.3 从不等式到标准二阶锥：Schur补与cone函数推导

二阶锥松弛的做法，是把等式 (l_{ij} u_i = P_{ij}^2 + Q_{ij}^2) 直接放松成不等式：

[ l_{ij} u_i \ge P_{ij}^2 + Q_{ij}^2 ]

为什么能这么放松？从物理上看，(l_{ij} u_i) 比 (P_{ij}^2 + Q_{ij}^2) 大，意味着电压平方和电流平方的乘积大于功率平方和，这在数学上是允许的，只是把“精确相等”变成“至少这么大”。

但光有这个不等式还不行，求解器需要的是标准形式的二阶锥。我们把上式两边乘4，并做一点代数变形：

[ (2P_{ij})^2 + (2Q_{ij})^2 + (l_{ij} - u_i)^2 \le (l_{ij} + u_i)^2 ]

验证一下：右边展开是 (l_{ij}^2 + 2l_{ij}u_i + u_i^2)，左边展开是 (4P^2 + 4Q^2 + l^2 -2l u_i + u_i^2)，两边同时消掉 (l^2+u_i^2)，就得到 (4P^2+4Q^2 \le 4l u_i)，也就是 (P^2+Q^2 \le l u_i)。

写成二阶锥的标准形式：

[ \left| \begin{bmatrix} 2P_{ij} \ 2Q_{ij} \ l_{ij} - u_i \end{bmatrix} \right|2 \le l{ij} + u_i ]

这就是一个标准的二阶锥约束。在YALMIP里，直接调用cone函数就能表达：

cone([2*P(k); 2*Q(k); l(k)-u(i)], l(k)+u(i))

到这里，整个模型的凸化完成。第2.1节里那个非凸NLP问题，被等价改写成三组线性约束加一组二阶锥约束的SOCP问题，可以由Mosek、Gurobi、SeDuMi等求解器在多项式时间内高效求解，并且全局最优性有保障。

2.4 目标函数与约束的“凸性红线”

松弛把可行性区域变得凸了，但如果你在目标函数或约束里自己又引入非凸项，那就前功尽弃了。这里总结一下常用的目标函数和约束，哪些是安全的，哪些会破坏凸性。

有一点特别提醒：如果你想表达“DG功率因数不小于0.95”，可以用线性约束 (Q_j^g \le \tan(\arccos 0.95) P_j^g) 近似，或者用二阶锥约束。但千万不要写 (P_j^{g2} + Q_j^{g2} = S_j^2) 这种圆等式，那会立刻把问题打回非凸原形。如果不是特殊情况，工程上宁可做保守处理，也不要为了精确而引入非凸约束。

3. Matlab实操：从空白脚本到出结果

3.1 环境准备：YALMIP、Mosek/Gurobi/SeDuMi

Matlab自带的optimoptions和fmincon可以求解非线性规划，但对SOCP这种问题没有原生支持。我的建议是装YALMIP作为建模接口，再配一个专业凸优化求解器。

• YALMIP：一个Matlab下的优化建模工具箱，语法非常简洁，SOCP、SDP、LP都支持。从GitHub下载zip包，解压后把整个文件夹加入Matlab路径：

addpath(genpath('D:\tools\yalmip-master')); savepath;

• Mosek：商业求解器，对学术用户免费授权，SOCP求解速度业界顶级，和YALMIP配合非常丝滑。
• Gurobi：同样是顶级商业求解器，学术免费，对SOCP支持也很好。
• SeDuMi、SDPT3：开源免费求解器，适合小规模算例，速度比Mosek/Gurobi慢一些，但胜在免费不需要申请授权。

安装完求解器后，在Matlab里运行一次yalmiptest，看到各个求解器状态为OK，就说明环境没问题。版本上注意：Mosek 10和Gurobi 10需要Matlab R2020a及以上版本，我自己用Matlab R2022b配Mosek 10没有遇到兼容问题。

3.2 数据准备：IEEE 33节点算例的单位与格式

IEEE 33节点系统是配电网优化研究最常用的标准算例，33个节点、32条支路、5个联络开关，基准电压12.66 kV，总负荷约3715 kW + 2300 kvar。做最优潮流时一般先把联络开关全部打开，让它保持纯辐射状结构。

数据格式上需要注意单位统一。我习惯用标幺值体系：基准功率取10 MVA，基准电压12.66 kV，则阻抗基准为：

[ z_{base} = \frac{U_{base}^2}{S_{base}} = \frac{12.66^2}{10} = 16.0276\ \Omega ]

支路1-2的电阻是0.0922 Ω，换算成标幺值就是0.0922 / 16.0276 = 0.00575。整个算例的负荷有功约0.3715 pu，网损约0.02 pu（也就是约200 kW）。用这套基准时，变量数值都在0.001到1之间，求解器数值稳定性很好。

完整数据可以从Matpower的case33bw.m中读取，也可以网上搜索“IEEE 33节点配电网数据”下载Excel版。数据格式归纳一下：

• 支路表：首端节点号，末端节点号，电阻Ω，电抗Ω
• 负荷表：节点号，有功kW，无功kvar

3.3 核心建模代码逐段拆解：变量定义、约束构建、求解与后处理

下面给出一个完整的YALMIP建模骨架。基于IEEE 33节点，以网损最小为目标，无分布式电源场景，重点展示核心逻辑。

clear; clc; % ===== 1. 基准值与数据 ===== baseMVA = 10; % 基准容量 MVA basekV = 12.66; % 基准电压 kV zbase = basekV^2 / baseMVA; % 支路数据，格式: [首端节点 末端节点 电阻Ω 电抗Ω] % 这里仅展示前8条示例，完整数据请使用case33bw branch_mat = [ 1 2 0.0922 0.0470 2 3 0.4930 0.2511 3 4 0.3660 0.1864 4 5 0.3811 0.1941 5 6 0.8190 0.7070 6 7 0.1872 0.6188 7 8 1.7114 1.2351 8 9 1.0300 0.7400 ]; % 负荷数据，格式: [节点号 有功kW 无功kvar] load_mat = [ 2 100 60 3 90 40 4 120 80 5 60 30 6 60 20