企业官网建设流程全解析

简介：本资源是一套面向电力系统优化研究者与高校研究生的MATLAB实战代码，聚焦主动配电网多源协同最优潮流问题，采用混合整数二阶锥规划（MISOCP）建模方法，有效解决分布式电源消纳、峰谷差调控及‘源–荷–储’协同运行等核心挑战。压缩包共3个文件（2个MATLAB主程序脚本+1张IEEE 33节点配电网结构图），总大小仅139KB，轻量紧凑，便于快速复现与二次开发；其中.m文件封装了YALMIP建模框架、MISOCP求解器调用逻辑及典型设备（分布式电源、储能、EV、无功补偿装置）的数学模型与约束条件。已有448人学习下载，代码结构清晰、注释完整，直接支持在标准IEEE 33节点系统上开展多时间尺度经济调度仿真，可作为课程设计、科研入门及算法对比实验的可靠基准实现。 搞配电网优化这些年，最绕不开的就是最优潮流（OPF）这道坎。以前做输电网OPF，连续变量、凸问题，随便丢给求解器就跑得很舒服。可一旦进入主动配电网的领域，光伏、储能、可投切电容器、有载调压变压器（OLTC）、甚至网络重构开关全都掺和进来，模型立刻变成离散与连续变量混杂的混合整数非凸问题，传统方法基本歇菜。这也是我整理这套基于混合整数二阶锥规划（MISOCP）的主动配电网最优潮流Matlab代码的初衷：用二阶锥松弛把非凸潮流方程变成可求解的凸约束，用整数变量描述离散设备，最后交给商用求解器拿到全局最优解。今天把这套开源代码的建模思路、代码结构、实操步骤和踩坑记录完整写出来，做主动配电网规划、调度或学术研究的朋友可以直接拿去改。

这套代码到底解决什么问题，我先说人话版本。传统OPF只算“给定网络下发电机怎么出力最便宜”，而主动配电网里你要同时决定OLTC抽头放几档、电容器组投几组、储能是充电还是放电、分布式光伏能不能削减出力，还要保证电压不越限、潮流不反送。这些决策里既有连续量（有功无功）又有整数量（档位、组数、状态），强行用连续优化做必然失真，用启发式算法又拿不到最优解。MISOCP就是目前工程和学术上公认的“能保全局最优、又能在合理时间内跑完”的折中方案。我也在代码里把潮流模型、整数设备建模、目标函数、求解器配置都拆开了，方便你按需改。

1. 这套代码到底解决什么问题

1.1 传统最优潮流为什么不够用

配电网在传统模式下是被动网络，拓扑固定、电源单一，潮流方向基本从变电站向负荷单向流动，调度员能做的主要是调节变压器分接头和无功补偿。这种情况下用经典OPF模型就够了，变量连续、约束连续，内点法一类的连续优化算法就能解决。但现在电网里分布式电源渗透率越来越高，潮流方向开始变得双向化，电压问题也从“越下限为主”变成“上下限都可能越”，控制手段也从单一的分接头调节变成了多类型设备协调。

主动配电网的核心特征就是“主动管理”，你需要主动调节OLTC、主动投切电容器、主动控制储能充放电、甚至主动改变网络拓扑。这些动作有一个共同点：都是离散的。OLTC的分接头只能是一档一档地动，电容器组的投切也是整组整组地切，储能虽然在功率上连续，但充放电状态不是一个连续可微的状态，充放电切换本质是二元决策。把这些离散变量塞进传统OPF里，问题就变成了混合整数非线性规划（MINLP），这类问题在数学上极难处理，全局最优解很难找到。

这也是我在代码里选择MISOCP而不是直接硬刚MINLP的原因。MISOCP把非凸潮流方程通过二阶锥松弛转化为凸约束，剩下的非凸性只保留在整数变量上。整数变量带来的分支定界难度，远比非凸连续变量带来的多局部最优问题可控。只要二阶锥松弛在目标函数诱导下是紧的，解出来的结果就是原问题的全局最优解，这一点在配电网辐射状拓扑下已经有大量理论证明。

1.2 代码适用范围与边界

这套代码不是万金油，它有明确的使用场景。它针对的是辐射状（辐射形）主动配电网，常见的IEEE 33节点、IEEE 69节点、以及实际馈线改造后的算例都可以用。模型里支持分布式光伏、储能系统、OLTC、可投切电容器组、以及联络开关重构（不过重构开关一多，整数变量会爆炸，求解时间会明显拉长，这点后面会详细说）。

适用方向大概有三类：一是配电网日前优化调度，目标可以是网损最小、电压偏差最小或运行成本最小；二是分布式电源规划后的运行校核，固定DG位置和容量后看主动管理手段能不能解决电压越限；三是做算法对比研究，用MISOCP结果作为“最优解基准”，去评估启发式算法、强化学习方法的误差。我自己在多个项目里都是用这套代码作为基准线来用的，效果一直比较稳定。

边界也要说清楚：代码针对的是三相平衡模型，也就是正序单相模型。三相不平衡场景需要扩展为三相DistFlow，模型复杂度会明显上升；网络拓扑如果不是辐射状而是弱环网，二阶锥松弛的精确性需要额外验证；另外如果DG是逆变器型且需要考虑详细过流约束，这里的恒定功率因数模型也需要扩展。这些都是代码的已知边界，使用时要有预期。

2. 数学模型与松弛思路拆解

2.1 DistFlow潮流方程

配电网最优潮流建模，现阶段公认最友好的是DistFlow方程。它的核心思想是把每条支路的有功潮流P、无功潮流Q、节点电压幅值V、支路电流幅值I之间的关系写成递归形式。对于辐射状网络，DistFlow可以精确描述潮流分布，而且是“支路导向”的，每个约束只涉及局部变量，这在优化求解器里非常加分。

先说连续变量部分。对于节点i流向节点j的支路，记支路电阻为r、电抗为x，支路有功为P_ij、无功为Q_ij，支路电流平方为l_ij，节点i和j的电压平方分别为v_i和v_j，则DistFlow方程可以写成：

P_ij - r_ij * l_ij - sum(P_jk) + P_gen,j - P_load,j = 0

Q_ij - x_ij * l_ij - sum(Q_jk) + Q_gen,j - Q_load,j = 0

v_j = v_i - 2 * (r_ij * P_ij + x_ij * Q_ij) + (r_ij^2 + x_ij^2) * l_ij

这套方程没有近似，是精确的交流潮流在辐射状网络下的等价描述。真正麻烦的是最后那个电流平方约束：

l_ij * v_i = P_ij^2 + Q_ij^2

这个约束是非凸的，而且它把电压和电流、有功和无功耦合在一起，是问题变难的核心。传统做法是直接把它线性化，比如忽略网损，但那样精度不够；或者保留非线性，做成MINLP，那样求解效率极低。MISOCP的思路则完全不同：不直接处理这个等式，而是把它松弛成一个凸锥约束。

2.2 二阶锥松弛的原理

要理解二阶锥松弛，你可以把上面那个非凸等式看成“要求电流平方和电压平方的乘积必须精确等于视在功率平方”。这个等式像一个卷曲的曲面，是非凸的。但如果我们把它放宽成“电流平方和电压平方的乘积必须大于等于视在功率平方”，就得到：

l_ij * v_i >= P_ij^2 + Q_ij^2

这还没有直接变成锥形式。标准做法是引入一个辅助变量，把这个不等式改写为：

|| [2 * P_ij; 2 * Q_ij; v_i - z_ij^2 * l_ij] ||_2 <= v_i + z_ij^2 * l_ij

其中 z_ij^2 = r_ij^2 + x_ij^2。这个约束就是一个标准的二阶锥约束（SOC），它描述的是一个旋转锥。通俗地理解，原问题要求一个点在一条非凸曲线“精确”运动，松弛后允许它在曲线外侧的锥形区域内运动，而凸优化算法在这个区域里能保证收敛到全局最优。

为什么要做这个松弛？因为凸优化问题有成熟的求解算法，而且MISOCP问题可以通过分支定界框架在有限时间内找到全局最优解。松弛是否精确，取决于目标函数和约束是否“推动”松弛变量向边界收缩。在配电网网损最小化问题中，目标函数包含支路电流平方l_ij的加权和，这会把l_ij往下压，从而让松弛尽量紧；而电压幅值约束和负荷约束会限制v_i的取值范围。所以大多数辐射状配电网算例中，SOC松弛的间隙很小，结果可靠。

我在代码里采用的就是上述标准SOC松弛。运行时我会额外输出每个SOC约束的松弛间隙，也就是左边l_ij*v_i和右边P_ij^2+Q_ij^2的相对偏差，如果最大间隙超过1e-3，就需要检查模型或算例参数是否有异常。

2.3 离散变量建模

连续潮流方程解决之后，真正让模型变成“混合整数”的是下面这几种设备。我把代码里支持的离散设备逐一说明，方便你扩展时参考。

OLTC有载调压变压器：分接头档位T可以看成整数变量，电压变换比表示为1 + delta * T，其中delta为每档变比步长。模型中通常不直接引入非线性乘积，而是通过线性化或big-M方式处理。简单做法是把OLTC支路当作一个特殊的两个节点之间的连接，将电压关系改成带整数变量的约束，并用McCormick包络或分段线性化处理变比与电压的乘积项。

可投切电容器组：电容器组的无功输出等于每组的无功容量Q_step乘以投切组数n，其中n是整数变量。这个建模相对简单，因为无功输出是整数乘以常数，没有变量乘积。一个技巧是为n设置上限，避免求解器在分支定界时搜索无界空间。比如每组50kvar，最多10组，那么无功输出就是50*n，n∈[0,10]。

储能系统：储能的有功输出P_ess可以是连续变量（充电为负、放电为正），但充放电状态必须用二元变量区分。用u_ch和u_dis两个0-1变量，并约束u_ch+u_dis≤1，防止同时充放电。充放电功率上限分别乘以对应状态变量，再额外串联SOC（荷电状态）动态方程，这个动态方程是跨时段的，使得整个问题从单时段变成多时段最优潮流，复杂度会提升一个量级。

网络重构开关：每条联络开关和分段开关对应一个二进制变量，表示开关闭合（1）或打开（0）。重构的好处是可以改变潮流路径，但坏处是每多一个开关变量，分支定界搜索树就多一层。33节点系统一般只有5个联络开关，还可以接受；如果是实际馈线几十个联络开关，MISOCP求解时长会变得非常恐怖。

下表是我在代码里定义的离散设备建模方式：

2.4 目标函数与整体约束

代码里默认目标函数是“网损最小”，这也是重构和电容优化最常用的目标。网损表达式为：

min sum( r_ij * l_ij )

这个目标简单且能有效驱动SOC松弛紧化。如果你想改成功率损耗最小化、电压偏差最小化，或者多目标加权，也只要替换目标函数和对应变量即可。比如目标改成运行成本最小，那就要给分布式光伏上网功率、储能放电功率加成本系数；目标改成电压偏差最小，则需要对电压平方v_i与参考值偏差做绝对值或平方处理，并引入辅助变量。

整体约束分四类。第一类是潮流平衡约束，包括节点有功平衡、无功平衡和电压降落方程；第二类是安全运行约束，包括节点电压上下限、支路电流上限、变压器容量上限；第三类是设备运行约束，如OLTC档位范围、电容器组数、储能SOC和充放电功率；第四类是辐射状拓扑约束，如果启用重构功能，需要保证所有闭合支路构成一棵连通树，通常用生成树约束或节点-支路关联约束来建模。

我把这些约束封装在代码的模型构建函数中，每一类都有独立的函数模块，你可以按需注释或关闭。例如，只想算基础SOCP最优潮流，就把整数设备相关的约束全部置零；想加储能，就新增一个储能节点列表和相关动态约束。

3. Matlab代码实现与架构

3.1 文件结构

我习惯把“数据”、“模型”、“求解”三部分分开，这样改算例不用翻模型，改模型不用动数据。代码目录结构如下：

MISOCP_ADN_OPF/ ├── main.m % 主程序，设置算例和求解器 ├── data/ │ ├── case33bw.m % IEEE 33节点配电网算例 │ └── load_profile.m % 负荷和DG时序曲线 ├── model/ │ ├── build_network.m % 读取网络参数，初始化变量 │ ├── build_socp_constraints.m % 构建DistFlow和SOC约束 │ ├── build_device_constraints.m % 构建整数设备约束 │ └── build_objective.m % 构建目标函数 ├── solve/ │ └── solve_misocp.m % 调用YALMIP和求解器 ├── plot/ │ └── plot_result.m % 结果可视化 └── README.md

main.m是入口。运行时先加载算例数据，然后依次调用模型构建函数，最后调用求解函数。如果你只在33节点系统上跑，基本不用改任何代码；换算例时只需在data目录里增加一个case文件，并修改main里的算例名称。

我在文件里大量使用了结构体变量，比如mpc.bus、mpc.branch、mpc.gen，这样数据和模型之间的接口很清楚，不怕变量名冲突。有朋友问为什么不用全局变量，因为全局变量在函数调用多的时候非常容易出错，尤其是当你想把代码封装成函数库时，全局变量会拖垮可维护性。用结构体传入传出是最稳的做法。

3.2 YALMIP建模与求解器配置

所有优化模型我都是用YALMIP搭建的。YALMIP是Matlab下的建模工具箱，最大的好处是模型表达式写起来和数学公式几乎一一对应，调试起来很直观。求解核心MISOCP问题需要至少一个支持混合整数二阶锥的求解器，我用的是Cplex和Gurobi，两者都可以。如果你手头没有商业求解器，可以先用SCIP等开源求解器跑小规模算例，但工程上还是建议想办法拿个Cplex或Gurobi的学术授权。

先看一个简化版的YALMIP建模片段，以基础DistFlow约束为例：

%% 变量定义 v = sdpvar(nb, 1); % 节点电压平方 Ui l = sdpvar(nl, 1); % 支路电流平方 lij P = sdpvar(nl, 1); % 支路有功 Q = sdpvar(nl, 1); % 支路无功 Pg = sdpvar(ng, 1); % 分布式电源有功 Qg = sdpvar(ng, 1); % 分布式电源无功 %% 节点功率平衡约束 Constraints = []; for k = 1:nl i = branch_from(k); j = branch_to(k); % 节点j的有功平衡 Constraints = [Constraints, ... P(k) - r(k)*l(k) - sum(P(children{j})) + Pg(j) - Pd(j) == 0]; % 节点j的无功平衡 Constraints = [Constraints, ... Q(k) - x(k)*l(k) - sum(Q(children{j})) + Qg(j) - Qd(j) == 0]; % 电压降落方程 Constraints = [Constraints, ... v(j) == v(i) - 2*(r(k)*P(k) + x(k)*Q(k)) + (r(k)^2+x(k)^2)*l(k)]; end %% 二阶锥松弛 for k = 1:nl i = branch_from(k); z2 = r(k)^2 + x(k)^2; Constraints = [Constraints, ... [2*P(k); 2*Q(k); v(i) - z2*l(k)] ... in cone(v(i) + z2*l(k))]; end

in cone是YALMIP内置的锥约束构造函数，它直接声明一个二阶锥约束。如果你的YALMIP版本较老，也可以写成：

Constraints = [Constraints, norm([2*P(k); 2*Q(k); v(i)-z2*l(k)], 2) ... <= v(i) + z2*l(k)];

两种写法等价。我个人更喜欢in cone，因为它在传给求解器时锥结构更清晰，求解器识别更准，数值稳定性也好一些。

3.3 整数设备建模代码示例

以电容器组为例。设电容器组最大组数为Nc_max，每组无功为Qc_step，节点j处安装电容器组。投切组数用整数变量nc，无功输出为Qc = Qc_step * nc。YALMIP代码如下：

nc = intvar(1, 1); % 整数变量，表示投切的组数 Qc = Qc_step * nc; Constraints = [Constraints, 0 <= nc <= Nc_max, ... Qc >= 0];

这个看起来很简单，但有一个容易被忽略的点：YALMIP在把整数变量乘常数传给求解器后，会自动生成二进制展开或交给求解器处理，但如果你把nc直接乘上另一个连续变量，就会引入双线性项，问题性质立刻变坏。所以在建模时，我要求自己始终把“整数变量与常数相乘”和“整数变量与变量相乘”区分开，后者要额外处理。

储能建模稍微复杂一点。假设储能的充放电效率分别为eta_ch和eta_dis，最大充放电功率都是Pmax，SOC上下限是[SOC_min, SOC_max]，时间间隔为dt。用u_ch和u_dis两个二元变量区分状态：

u_ch = binvar(T, 1); u_dis = binvar(T, 1); P_ch = sdpvar(T, 1); P_dis = sdpvar(T, 1); SOC = sdpvar(T, 1); % 同一时刻只能充电或放电 for t = 1:T Constraints = [Constraints, u_ch(t) + u_dis(t) <= 1, ... 0 <= P_ch(t) <= Pmax * u_ch(t), ... 0 <= P_dis(t) <= Pmax * u_dis(t)]; end % SOC递推 for t = 2:T Constraints = [Constraints, ... SOC(t) == SOC(t-1) + eta_ch * P_ch(t) * dt - P_dis(t) * dt / eta_dis]; end % SOC上下限 Constraints = [Constraints, SOC_min <= SOC <= SOC_max];

这里有几个细节要注意。充电功率和放电功率要用两个连续变量加两个二元变量来建模，而不能用单一连续变量和正负号来表示，否则无法表达“充电效率”和“放电效率”不同的实际情况。其次，SOC递推是跨时段的，这意味着求解器需要在时间维度上同时优化所有时段的决策，而不是逐个时段独立求解。如果时间步长是1小时且优化24小时，那么模型规模大约是单时段的24倍，求解时间也会大幅增加。

OLTC建模我采用固定分接头位置对应的变比作为整数档位，然后将变比统一放入支路电压方程中。具体来说，OLTC支路可以等效为一个理想变压器串联一个阻抗，理想变压器的变比n_tap是整数变量与额定变比的组合。约束中引入辅助变量处理变比与电压的乘积：

tap = intvar(1, 1); % OLTC档位 n_tap = 1 + tap_step * tap; % 变比与档位线性关系 % 在OLTC支路上，i侧电压与j侧电压的关系 % 引入辅助变量 w = n_tap * v_j，再用big-M线性化 w = sdpvar(1, 1); M = 10; % 足够大的常数 Constraints = [Constraints, ... w <= n_tap * v_j + M * (1 - z), ... % 这种离散线性化写法需要仔细处理 ...

实际上OLTC的线性化是整段代码里最绕的地方，容易写错。我在代码里专门写了build_oltc_constraints.m，用big-M和二进制展开把二次项线性化，并给出了详细注释。如果只是做初步优化，可以先把OLTC的档位固定，跑通之后再启动档位优化，这样能降低排查难度。

4. 实操运行与结果解读

4.1 算例配置与参数设置

我默认算例是IEEE 33节点系统，这个系统有32条支路、5条联络开关、峰荷约3.7MW，非常适合做主动配电网方法验证。在算例里，我在部分节点接入分布式光伏和储能，在变电站出口设置OLTC，在无功敏感节点设置可投切电容器组，这样主动配电网的几类典型控制手段都有了。

运行前需要检查几个参数：基准容量baseMVA，我通常取10MVA或100MVA，这会影响标幺值下的电阻电抗数量级，进而影响数值稳定性；电压上下限，一般取0.95到1.05p.u.；每个时段的负荷曲线和DG出力曲线，我放在load_profile.m里，需要根据实际数据改。如果是做单时段断面优化，可以把T设为1；多时段优化把T设为24，对应一天的调度。

求解器参数方面，Cplex和Gurobi都有大量可调参数。我最常用的是设置求解时间上限，比如600秒，防止分支定界陷入“无限跑”。同时设置相对MIP gap，比如1e-4，当目标函数值相对界差小于这个比例时就提前停止，这能显著缩短求解时间，而且工程上1e-4的误差完全可以接受。Gurobi中对应的命令是gurobi_options.MIPGap = 1e-4，Cplex中对应的参数是cplex_options.mip.tolerances.mipgap = 1e-4。

4.2 main.m中怎么一步步跑起来

首先在Matlab中把当前路径切到MISOCP_ADN_OPF目录，然后在命令行运行：

main

main函数会依次做以下几件事：加载算例数据、生成潮流模型、添加设备约束、求解模型、保存结果、画图。如果你在运行过程中遇到YALMIP提示找不到求解器，先检查yalmiptest，然后确认Cplex或Gurobi的路径已经被添加到Matlab路径中。一个常见坑是你在系统里装了求解器，但Matlab通过YALMIP调用时找不到对应mex文件，这时需要运行求解器自带的安装脚本，或手动添加路径。

跑通后的输出大致如下：

Setting up OPF model... Number of continuous variables: 289 Number of integer variables: 19 Number of constraints: 764 Solver: Gurobi 10.0 Objective: 0.1856 p.u. MIP gap: 0.0001 Elapsed time: 32.4 s

这个输出意味着模型构建正确，求解器在32秒内找到了MIP gap为0.0001的解。不同机器和不同求解器版本运行时间会有差异，但数量级可以参考。

4.3 结果怎么看

结果存储在results结构体里，包括每个节点的电压幅值、每条支路的电流和功率、每台设备的最优档位和投切状态。我写了一个plot_result.m，自动画出三种图：节点电压分布曲线、支路电流热力图、各部分设备状态时间序列。看结果时，我一般先看电压曲线是否落在0.95到1.05之间；再看设备状态是否合理，比如OLTC一整天只动作了几次，而不是频繁抖动；最后看网损对比，和基础潮流结果比一比，主动管理手段通常能降低网损5%到20%，如果结果不降反升，很大概率是模型约束或者数据出了问题。

一个重要的验证手段是：把整数设备全部固定为初始值，先跑一次纯SOCP连续优化；然后再启动整数优化，看结果是否更优。如果纯连续SOCP的网损和MISOCP的网损几乎一样，可能是整数设备约束写得太松，或者这些设备在当前负荷水平下本来就不需要动作。反之，如果MISOCP结果明显优于此，说明主动管理手段确实发挥了作用。

5. 常见问题与排查技巧实录

5.1 求解器报错与安装问题

我在各种机器上遇到过不少YALMIP调用求解器的问题，这里整理成速查表：

有一个容易忽略的细节：YALMIP识别求解器需要Matlab能找到求解器的Java或mex接口。如果同时装了Cplex和Gurobi，YALMIP默认可能选择一个不适合MISOCP的版本，建议在求解前显式指定：

ops = sdpsettings('solver', 'gurobi', 'verbose', 2);

这样就不会因为默认求解器选错导致“慢”或者“无法处理锥约束”。

5.2 SOC松弛不精确怎么处理

二阶锥松弛最怕的一件事就是解出来之后发现松弛间隙太大，也就是原问题的解并不在锥边界上。这种情况通常发生在目标函数对支路电流没有足够“吸引力”时。比如目标函数改为“电压偏差最小”时，电压越下限的惩罚可能和l_ij无关，求解器就没有动力把l_ij压到锥边界，结果可能解出一个物理上不可实现的“低估网损”的状态。

处理办法有几种。第一，在目标函数中增加一个很小的网损惩罚项，比如0.0001 * sum(r_ij * l_ij)，这能有效缩小松弛间隙而不改变主目标太多。第二，检查电压上下限约束，如果电压范围设置得过于宽松，松弛间隙容易变大，收窄到0.95-1.05通常有帮助。第三，在求解后显式计算最大松弛间隙：

gap = 0; for k = 1:nl lhs = l(k) * v(branch_from(k)); rhs = P(k)^2 + Q(k)^2; gap = max(gap, abs(lhs - rhs)); end

如果gap大于1e-3，就在约束里逐个找出对应支路并分析，是负荷过大导致电流越大，还是目标函数没压住电流，基本都能定位。

我在代码里把松弛间隙计算也放进了输出，方便你直接复制使用。

5.3 整数变量爆炸与求解性能优化

多时段模型最常见的坑是整数变量随T线性增长。如果24个时段各有5个OLTC档位、10组电容器、2组储能开关状态，那你至少有24*(5+10+2)=408个整数变量，而且还有大量连续变量。Gurobi和Cplex虽然能处理几百个整数变量，但如果不加限制，分支定界树会非常庞大。

我常用的性能优化技巧有三个。第一，先做“时段聚类”，把相似负荷曲线归并成少数典型时段，用典型时段求解，再把结果映射回全时段，工程上误差很小。第二，给整数变量设置合理的上下界和初始值，YALMIP支持assign函数给变量赋初值，有初值的MIP问题分支定界能剪掉大量无效分支。第三，固定部分设备状态，比如夜间光伏不出力时，光伏逆变器不投运，直接把对应状态变量置零，减少搜索空间。

还有一个非常实用的技巧是分段松弛整数变量，也就是先把整数变量放松为连续变量，跑一个LP或SOCP下界解，把这个解作为分支定界的初始界，可以大幅压缩求解时间。代码里我加了一个参数relax_int设为1，用于模式切换。

5.4 结果不合理时的检查顺序

如果模型跑完但结果明显不合理，比如电压全部贴着上限、网损大得离谱、OLTC整天乱动，我会按以下顺序排查。第一步检查数据单位是否统一，配电系统经常混用kW/MW和kvar/Mvar，一个数量级的错误就会导致结果异常。第二步检查功率平衡约束的方向，DistFlow中负荷项的符号非常容易写反。第三步检查YALMIP变量定义是否重复，模型函数如果被调用多次，变量没清空会累积重复约束。第四步把结果代入一个独立的潮流计算工具（OpenDSS、Matpower等）验证，MISOCP得到的设备状态应该能通过标准潮流验证。

我自己在开发这套代码时，有一次怎么调电压都越下限，后来发现是load_profile.m里的负荷曲线单位是kW，但模型里用的基准功率是MVA，导致负荷被放大了1000倍。这种低级错误在数据处理环节很难一眼发现，一定要有“独立验算”这一步。

最后再分享一个小技巧：如果你不只是想跑通代码，而是想基于它写论文或做对比实验，建议把MISOCP结果与一个常规的连续SOCP结果、以及一个MINLP直接求解结果一起列出来。很多审稿人关心的不只是最终结果多好，而是“改进是来自松弛方法，还是来自主动管理设备”。这套代码因为把两类因素解耦了，正好能回答这个问题。这也是我当初整理这个开源项目的核心原因：不是为了炫技，而是想让做配电网优化的人少走点弯路。

本文还有配套的精品资源，点击获取