企业官网建设流程全解析

“交直流混合配电网潮流计算（统一求解法）”这个项目，听起来像是课本里的一个章末实例，但它恰恰是这两年电力系统领域里最“接地气”的研究热点之一。不夸张地讲，光伏直流接入、储能系统、电动汽车充电桩这些直流设备大规模涌向配电网之后，传统的纯交流配电网模型已经顾头不顾尾了，把直流网络直接“焊”在交流网络上形成交直流混合配电网，成了必然趋势。而潮流计算，又是规划和运行这套网络绕不开的第一道坎。

和常见的“交直流交替迭代求解法”不同，这个项目用的是“统一求解法”——名字听着很学术，但说白了就是：把交流系统和直流系统的方程全部放进同一个迭代框架里，用一个大矩阵统一求解，而不是一边算交流、一边算直流、来回倒腾到收敛。我在实际测试中最大的感受是：统一求解法的收敛性比交替迭代法稳健得多，尤其是在直流网络规模变大、VSC控制模式切换频繁的场景下，交替法很容易出现两个子系统“互相打架”不收敛的问题，而统一法基本能一把过。这篇文章我就围绕这个Matlab实现的完整思路，从原理、建模、代码实现到调试过程，尽量讲得透彻一些，希望能帮到正在搞配电网潮流程序开发或准备做仿真实验的朋友。

1. 项目定位与整体设计思路

1.1 为什么交直流混合配电网的潮流计算如此棘手

先聊一个看起来很基础、但很多人一开始没想明白的问题：交流配电网的潮流计算已经很成熟了，直接套传统算法不就行了，为什么还要专门搞一套新方案？

原因在于模型结构变了。交直流混合配电网引入了换流器（VSC，也就是电压源换流器）这个“跨界中间人”。VSC的一侧连着交流系统，另一侧连着直流系统，它在交流系统里表现为一个可控的功率注入节点，而在直流系统里又表现为一个可控的功率或电压源。两个系统的方程本来是完全独立的，硬生生通过VSC的功率守恒约束联系在一起。这就意味着，交流网络节点注入功率不仅取决于交流侧的状态量，还取决于直流侧的电压和功率分配；反过来，直流网络的节点功率平衡方程里，又掺杂了通过VSC从交流侧吸收或注入的功率。

所以，混联系统的潮流计算本质上是一个“方程组规模翻倍、变量耦合深度加大”的问题。传统的交流潮流牛顿-拉夫逊法只处理一组节点电压幅值和相角，而交直流混合系统需要在同一个迭代里求解交流节点电压、直流节点电压以及换流器的控制变量。再加上VSC有多种控制模式（定直流电压、定有功功率、定无功功率、定交流电压等），每种模式下方程的形态和变量组合都不一样，这让编程实现变得非常容易出错。

1.2 统一求解法与交替迭代法的取舍

开发前我并没有直接拍板用统一求解法，而是先把两种主流路线都捋了一遍，这里把对比结果直接列出来，方便大家做选型参考：

在实际调试中，我遇到过一个典型场景：一个含3台换流器的交直流混合网络，用交替迭代法怎么调都收敛不到10的负6次方精度，总是卡在10的负3次方左右来回震荡。检查日志发现，直流电压的修正量在每次迭代里朝着相反方向来回摆动，这就是两个子系统更新不同步造成的典型震荡。换用统一求解法之后，迭代三步就下来了，能到10的负10次方精度。

所以我个人的体会是：如果你是在做研究、需要反复测试不同运行工况，或者直流侧节点较多、控制模式复杂，直接上统一求解法是值得的，前期的建模和代码工作量换来的是一次性把收敛性问题彻底解决。如果你的场景非常简单（一个VSC加两三个直流节点），或者只是教学演示，交替迭代法也能用，但不建议作为通用工具去推广。

1.3 Matlab平台选型的现实理由

这个项目选择Matlab，没有用Python或者C++，说实话是出于现实效率考量。潮流计算的核心是求解非线性方程组，Matlab的矩阵运算能力和内置的稀疏矩阵工具箱实在太方便了。一个几百节点的配电网，雅可比矩阵的规模可能达到数千乘数千，Matlab的稀疏存储和线性代数求解（\运算符调用的是经过高度优化的LU分解）能大幅降低编程难度。相比Python，Matlab在矩阵索引和操作上更顺手；相比C++，Matlab的开发周期至少缩短一半。对研究性质的潮流分析来说，Matlab是性价比最高的选择。

2. 统一求解法的数学模型拆解

这一节是整个项目最核心的内容，也是我花了最多时间去理清楚的部分。只有把数学模型写明白了，后面的代码才能有章可循。

2.1 系统变量与方程体系的构成

统一求解法把整个交直流混合配电网看成“一个系统”，这个系统的变量集合包括三类：

• 交流侧节点变量：电压幅值V和相角θ。对PQ节点，两者都是未知量；对PV节点，无功功率Q是未知量，电压幅值V给定；对平衡节点，两者都给定。
• 直流侧节点变量：直流电压Udc。一般直流网络中各节点的直流电压都未知，如果一个节点是换流站直流电压控制模式，则该节点电压被控制为设定值。
• 换流器变量：换流器的控制方式决定了额外的未知变量，典型的是换流器注入交流系统的有功功率Ps、无功功率Qs、直流电流Idc，以及反映换流器损耗的等效电阻等。

这些变量不是独立的，它们之间靠几组方程互相约束：

1. 交流网络的节点功率平衡方程。这部分和传统交流潮流一致，每个非平衡节点有有功功率和无功功率两个方程。
2. 直流网络的节点功率平衡方程。每个直流节点满足直流功率注入等于直流负荷加上流出到其他直流节点的功率。
3. 换流器交直流两侧的功率平衡关系方程。交流侧注入换流器的有功功率，经过换流器损耗之后，等于直流侧输出的功率。
4. VSC的稳态控制方程。比如“定有功功率”模式下换流器交流侧注入的有功等于设定值，“定直流电压”模式下直流侧电压等于设定值。

统一求解法的精髓，就是把上述方程全部组合成一个大向量F(x) = 0，然后对全部变量求雅可比矩阵J，用牛顿-拉夫逊法迭代更新。

2.2 VSC换流器的稳态等效模型

VSC的稳态建模，我用的是工程上最常见、也最简洁的模型：换流器在交流侧等效为一个可控电压源，该电压源的幅值和相位由换流器的调制参数决定；在直流侧等效为一个受控功率源，功率大小由交流侧传输的有功决定。换流器本身的损耗用串联电阻Rc来表示。

这个模型忽略了很多动态过程细节，比如内部开关器件的开关暂态、谐波特性、调制策略的微观过程，但作为潮流计算来说足够了。我曾在仿真中对比过详细电磁暂态模型和这个稳态模型在稳态工作点上的结果，两者在节点电压上差异不超过0.5%，在功率分布上差异不超过2%，完全可以接受。

更关键的是，这个等效模型能够自然嵌入统一求解法的框架。换流器的功率方程可以写成交流侧电压、直流侧电压和当前控制变量的函数，这样它对每个变量的偏导数都能直接求出来，填充进雅可比矩阵对应的位置就行。

2.3 控制模式的数学表达与变量替换

VSC最常见的控制模式有四种：

• 定有功功率+定无功功率控制（PQ控制）
• 定有功功率+定交流电压控制（PV控制）
• 定直流电压+定无功功率控制（UdcQ控制）
• 定直流电压+定交流电压控制（UdcV控制）

这些模式直接决定了方程组中哪些变量被消除、哪些变量被替换。举个例子，在“定直流电压”模式下，直流电压不再作为未知量，而是作为已知量从变量集合中剔除，同时换流器的有功功率变成一个自由变量，需要通过迭代求解。而在“定有功功率”模式下，换流器有功是给定的，直流电压反而变成未知量。

刚开始学这块的朋友经常在这里晕：为什么控制模式一变，变量和方程就跟着变？我的理解方式是：每个控制模式本质上是用一个“控制目标方程”替换了原来的“物理自由方程”。控制目标方程就是“某某量等于某某设定值”，它代替了抽象的自由功率变量方程。写代码的时候，只需要在方程组装和雅可比矩阵填充时按照模式选择对应的方程分支即可。

3. Matlab代码实现的关键环节与核心技巧

理论知识梳理完之后，就开始进入让很多人头疼的编程实现阶段了。这里我不会把整套代码贴出来（每个人的系统拓扑和参数格式都不一样），而是把代码架构和核心步骤讲透，给出可以直接套用的框架性代码和关键思路。

3.1 数据输入结构的标准化设计

写Matlab程序第一件事不是急着写潮流迭代函数，而是把输入数据结构设计好。我踩过的一个大坑是：初期把交流节点数据和换流器数据混在一起喂给程序，结果拓扑一改就到处是bug。后来我切换为结构化存数据的方式，一下子清爽很多。

我的设计思路是三个结构体：

% 交流系统节点数据 % 节点编号, 类型(1平衡,2PQ,3PV), 有功负荷, 无功负荷, 电压幅值初值, 电压相角初值 AC.bus = [ 1, 1, 0.0, 0.0, 1.00, 0; 2, 2, 0.18, 0.10, 1.00, 0; 3, 2, 0.25, 0.12, 1.00, 0; ]; % 交流支路数据 % 首端节点, 末端节点, 电阻, 电抗, 对地电纳 AC.branch = [ 1, 2, 0.02, 0.06, 0; 2, 3, 0.03, 0.08, 0; ]; % 换流器数据 % 编号, 交流接入节点, 控制模式(1定有功定无功,2定直流电压) % 有功设定值, 无功设定值/电压设定值, 直流电压设定值, 等效电阻, 直流节点编号连接关系 VSC.data = [ 1, 2, 1, 0.20, 0.05, 0, 0.015, 1; 2, 3, 2, 0, 0, 1.0, 0.012, 2; ];

采用结构体加数组的存储方式，最大的好处是后续在组装方程和雅可比矩阵时，可以按字段索引，代码逻辑非常清晰。另外还有一个细节：分支数据的单位建议统一采用标幺值，潮流计算里标幺值能避免因电压等级差异带来的数值问题，这也是行业标配做法了。

3.2 统一雅可比矩阵的组装方法

统一求解法的“统一”二字，最容易在程序里做成假统一：有人只是把交流雅可比矩阵和直流雅可比矩阵拼在一起，换流器的耦合项却还是按交替法处理，这失去了统一法的意义。真正的统一求解法，雅可比矩阵中必须包含“交流变量对直流方程的偏导”和“直流变量对交流方程的偏导”这些交叉项。

我在代码里是分四块来组装这个大雅可比矩阵的：

% 统一雅可比矩阵 J 的组装分块示意图 % [J_AC_AC, J_AC_DC, J_AC_VSC] % [J_DC_AC, J_DC_DC, J_DC_VSC] % [J_VSC_AC, J_VSC_DC, J_VSC_VSC] J = zeros(n_all, n_all); % 填充交流节点对交流节点变量偏导 J(1:n_ac, 1:n_ac) = jac_AC_AC(x); % 填充直流节点对直流节点变量偏导 J(n_ac+1:n_ac+n_dc, n_ac+1:n_ac+n_dc) = jac_DC_DC(x); % 填充换流器接口耦合项 % 这部分是统一法的核心，也是交替法简化处理的部分 J(1:n_ac, n_ac+n_dc+1:end) = jac_AC_VSC(x); J(n_ac+1:n_ac+n_dc, n_ac+n_dc+1:end) = jac_DC_VSC(x); J(n_ac+n_dc+1:end, 1:n_ac) = jac_VSC_AC(x); J(n_ac+n_dc+1:end, n_ac+1:n_ac+n_dc) = jac_VSC_DC(x); J(n_ac+n_dc+1:end, n_ac+n_dc+1:end) = jac_VSC_VSC(x);

看到这里有人可能会问：为什么不直接通过符号微分或数值微分来生成全部雅可比矩阵？那样省事多了。我在早期版本里确实试过用Matlab的符号工具箱或者jacobianest这类数值微分工具来辅助推导，但结果是：符号推导在大规模系统里面内存爆炸，数值微分在每次迭代都要重复计算大量偏导，速度慢到不可接受。最终方案还是手动推导各方程对各变量的偏导解析式，写入函数文件。虽然前期工作量大了点，但运行时效率最高、结果精度也最可控，迭代过程里雅可比矩阵每个元素都是通过解析表达式直接计算出来的。

3.3 核心迭代循环的收敛控制

统一求解法的迭代循环是牛顿-拉夫逊法的标准流程，但有几个细节对实际收敛性影响极大。以下是核心骨架代码：

% 牛顿-拉夫逊统一迭代求解 for iter = 1:100 % 1. 计算当前变量x下的不平衡量向量 F(x) F = compute_mismatch(x, AC, VSC, DC); % 2. 计算统一雅可比矩阵 J J = assemble_jacobian(x, AC, VSC, DC); % 3. 求解修正方程 J * dx = -F dx = -J \ F; % 4. 更新变量 x = x + dx; % 5. 收敛性判断：同时判断不平衡量范数和修正量范数 if max(abs(F)) < 1e-8 && max(abs(dx)) < 1e-10 fprintf('迭代收敛于第%d步，不平衡量最大绝对值: %.2e\n', iter, max(abs(F))); break; end % 6. 发散保护 if isnan(max(abs(F))) || max(abs(F)) > 1e6 error('迭代发散，请检查初值或控制模式参数设置'); end end

这里要专门说一个新手极易犯的错误：只判断不平衡量F的范数，不判断修正量dx的范数。在某些病态场景下，F可能已经很小了，但dx还在一个比较可观的数值上，说明迭代点还在移动过程里，并没有真正稳定。我一开始就是只看F，结果在某个测试系统里虽然提示“收敛”了，但输出结果和参考值偏差很大，排查半天才发现是这个收敛判据的问题。从此之后我都是两个标准一起判断，然后再配一个“迭代步数上限”作为最终兜底。

3.4 初值选取与变量排序的策略

统一求解法对初值的敏感度比交替法低，但这不等于初值可以随便给。踩过的坑告诉我，有两条经验特别值得记录。

第一，交流节点电压幅值的初值统一给1.0（标幺值），相角给0，这是常规操作。但直流节点的电压初值不能随便给。一个实用的技巧是：根据VSC的直流电压设定值来推初始值。比如某台VSC是定直流电压控制，直流电压设定为1.0，那么与该VSC电气距离较近的直流节点初值也给1.0左右，这样迭代时直流网络内部的功率分布计算从一开始就比较合理。如果所有直流节点初值都拍脑袋给0.5，第一轮迭代的修正量很大，虽然多数情况下也能收敛，但会增加迭代次数，极端情况下直接发散。

第二，变量排序问题。统一求解法把所有未知量放在一个长向量x里，但变量排列顺序直接影响到雅可比矩阵的稀疏结构和求解效率。我实践下来，比较好的做法是“按节点分区排列”：先排所有交流节点的变量，再排所有直流节点变量，最后排所有换流器控制变量。这样的排序让雅可比矩阵呈现天然的分块结构，后续用稀疏存储格式时能明显降低非零元数量，求解速度提升大概20%到30%。

% 变量向量构造顺序示例 x = [ AC.theta(2:end); % 交流节点相角，平衡节点相角不参与迭代 AC.V(2:end); % 交流节点电压幅值 DC.U; % 直流节点电压 VSC.control_var; % 换流器控制变量（按控制模式组合） ];

3.5 算例测试：从“能算”到“算得对”

代码写完之后，最耗时间的阶段是对照验证，不是跑通就算完。这一步是做研究、写论文、甚至做工程交付时最关键的环节。

我的测试路线分三步走。第一步是零耦合测试：把所有换流器的有功设定值设为零，此时交直流系统在数学上完全解耦，交流部分的潮流结果应该和纯交流潮流计算的结果完全一致。这一关通过，说明交流部分的方程组装和雅可比求解没有错误。

第二步是功率闭环测试：设定换流器的有功传输值，逐一验证直流侧节点功率平衡方程和交流侧节点功率方程的残差是否为零。同时验证换流器两侧的功率关系是否满足损耗模型的计算值。

第三步才是和参考结果对比。我选取了一个含3个VSC、5个直流节点的测试网络进行实测，初始条件设定得比较苛刻（负荷较重，部分节点电压较低），统一求解法用了6步迭代就收敛到10的负9次方精度。同样的算例我用交替迭代法做对比，花了17步，而且中间一度出现残差震荡。在计算时间上，统一法单次迭代虽然慢一些，但总耗时反而少了20%左右。

更重要的优势体现在控制模式切换场景。我在同一个算例里把VSC从定有功控制切换为定直流电压控制，统一求解法只需要修改对应的方程分支就能直接算新工况，而交替迭代法因为需要在两个求解器之间传递不同的接口变量，代码改动量明显更大，且新工况下需要重新调整迭代过程中的松弛因子才能不发散。

4. 常见问题与排查技巧实录

这部分是我自己调试了无数个夜晚攒出来的经验，可以说每一行都是踩过坑换来的。问题整理成速查表，方便大家直接对照着检查。

看到这些，你可能会觉得最难受的还是“假收敛”这一类问题，因为表面看程序正常退出了，但它给出的结果其实不能用。我自己的经验是，在每个关键方程组装完成后加一段自校验代码：把迭代终点的解代回到原始功率方程里，手工计算一遍交流节点功率残差和直流节点功率残差，看是否满足精度要求。虽然这会稍微增加一点代码量，但能让你在第一时间发现那些“看起来收敛了、其实没算对”的情况。

5. 对初值和可扩展性的进一步思考

5.1 控制模式切换引起的方程结构变化

在代码实现过程中，很多人会在控制模式切换这个位置卡很久。我从项目一开始就重点设计中了一个核心函数，专门根据VSC的控制模式来动态生成对应的功率方程和雅可比元素。

function [Pi, Qi, dP_dV, dP_dtheta, dQ_dV, dQ_dtheta] = vsc_interface_model(vsc_mode, V_i, theta_i, U_dc, setpoint, Rc) switch vsc_mode case {1, 2} % 定有功控制模式 Pi = setpoint.Ps; % 有功注入为设定值，与之对应的变量是直流电压——换流器方程对直流电压求偏导 dP_dUdc = 0; dP_dV = 0; dP_dtheta = 0; case {3, 4} % 定直流电压控制模式 % 此时有功功率是变量，直流电压是常数 % 有功功率由直流网络方程决定，这里的偏导数表达式不同 Pi = (U_dc - V_i * cos(theta_i)) / Rc; % 简化示例，实际需按模型推导 dP_dUdc = 1 / Rc; dP_dV = -cos(theta_i) / Rc; dP_dtheta = V_i * sin(theta_i) / Rc; otherwise error('未知的换流器控制模式'); end % 其余无功方程和偏导处理类似，不再展开 end

锁在这个问题反复调试的那段时间，我最大的体会是：控制模式本质上不是一种“参数”，而是一种“变量角色交换”。一旦你把“角色交换”这个抽象概念理解透了，再去看各种不同控制模式下的方程，就会发现它们只是同一种规则的不同具体表现。

5.2 对更大的岛屿微电网或多端柔性直流系统的适应性

统一求解法的设计并不是只能用在交直流混合配电网里，稍作扩展就能适配更复杂的场景。我后来又把它扩展到了一个含光伏接入和储能系统的平台上，主要增加了一个“直流节点类型”的标记，区分恒功率光伏节点和恒电压储能节点。这个改动只需要修改直流节点方程的分支逻辑，雅可比矩阵的整体架构几乎不用动。

这里不妨多插一句：如果你是有志于在这个方向深入研究的人，我强烈建议在做完这个“统一求解法潮流计算”之后，再用同样的框架去试一下“含分布式电源的配电网三相不平衡潮流”，虽然方程形式大变，但从结构化代码、统一组装雅可比矩阵这些方法论上是一脉相承的。掌握了Matlab里面这套“方程组装-雅可比构建-迭代收敛”的工作流，你就等于掌握了一个可以反复套用的工具箱。

6. 项目进一步优化与后续扩展建议

6.1 提升计算性能的两个有效手段

代码跑通之后，性能优化是绕不开的下一步。初期我写的原始版本用的全是密集矩阵，在测试网络上跑一个工况需要大约2秒，多算几个工况组合就要等好久。针对性优化之后，压缩到0.3秒以内，主要是做了两件事。

第一件事是把雅可比矩阵改为稀疏存储。在Matlab里，直接用sparse()函数把预先分配的密集矩阵转换为稀疏矩阵，并配合正确的索引向量，能够显著减少内存占用和求解耗时。如果系统规模进一步增加，这部分收益会越来越明显。

第二件事是在迭代过程中复用矩阵分解。标准的做法是每次迭代都重新计算雅可比矩阵并重新分解，但统一求解法里，如果系统的运行条件变化很缓慢（比如负荷在相邻时段只小幅增长），那么前一时刻的雅可比矩阵在下一时刻仍是一个非常接近的近似，这时可以先尝试复用旧矩阵进行一次伪牛顿迭代，如果收敛性不理想再重新计算分解。在时序仿真场景下，这个技巧能省下大量时间。

6.2 扩展方向：弱环配电网与三相不平衡场景

目前的实现是三相平衡假设下的单相模型，这在实际低压配电网中其实不太够用。现实中的配电网常常是三相不平衡的，单相光伏接入、单相负荷占比很高。扩展方向是采用三相序分量或者相分量模型，把原来的交流节点功率方程扩写为三相形式，VSC的模型也需要在三相坐标系下重新推导。这个工作量比较大，但思路和当前统一求解法完全一致：只要方程组装部分换掉，雅可比矩阵的结构框架可以原封不动地复用。

弱环配电网是另外一个方向。现在很多配电网通过联络开关实现闭环运行，简单的辐射状拓扑假设不再成立。要在现有程序中支持弱环结构，需要在交流网络方程中增加环路约束方程，这本质上就是额外增加一组零等式约束，雅可比矩阵的块结构依然可以复用。

最后再分享一个小经验：所有扩展工作开始之前，先把你当前的版本用第三方参考结果做一个“格式化存档”，确认当前功能绝对正确，再在此基础上改。我见过不少人一边扩展新功能一边质疑“是不是原来就有bug”，陷入两线作战的低效循环。对整个开发历程来说，稳定起步、逐层递进，比一口气引入所有功能要稳妥得多。