企业官网建设流程全解析

光伏一多，有源配电网的规划就绕不开一个新问题：智能软开关（SOP）到底该装在哪、装多大。SOP不是传统意义的开关，而是两个背靠背换流器组成的柔性设备，装到IEEE33节点这种经典配网算例上，配合改进灵敏度分析，能在Matlab里做一整套选址定容优化。这篇文章就围绕这个主题，把我从灵敏度筛选到配置求值的完整过程整理出来，包括建模、代码结构和几个特别容易踩的坑。如果你是做配电网规划的研究生，或者刚开始接触SOP优化的工程师，这份东西应该能帮你少走很多弯路。

传统配电网里的联络开关只有开和合两个状态，合上之后环流、短路容量、保护配合都很麻烦。SOP等于把一个只能“选边站”的开关，变成了可以连续调节有功潮流和无功电压的柔性接口，两条馈线之间的功率可以双向平滑流动，两端还能各自补偿无功。听起来很理想，但这类电力电子设备价格不低，装多了浪费，装少了效果不够，所以必须认真做优化配置。我选择IEEE33节点系统作为测试床，一方面这个系统参数公开、规模适中，另一方面它自带5条联络开关支路，和SOP的应用场景天然契合。下面进入正题。

1. 为什么传统灵敏度不够用：“改进”要从这里说起

1.1 灵敏度分析在配电网规划里的常规用法

配电网规划里，灵敏度分析是很经典的一种启发式选址手段。思路很简单：把网损或者电压偏差看成节点注入功率的函数，算出某个节点注入单位有功或无功时目标变化了多少，然后认为变化率最大的地方就是最值得安装设备的候选位置。比如传统无功补偿规划，经常用无功-电压灵敏度，也就是dV/dQ，在哪一点对电压影响最大，就把电容器装在哪。计算时一般以基准潮流为运行点，用潮流雅可比矩阵的逆矩阵得到灵敏度矩阵，速度快、物理含义明确。

这种思路在单点、静态、输电网思维下是很好用的。很多电力系统分析教材里都有标准程序，用来做无功补偿点选择、电容选址、在线电压控制等。但是，把它直接搬到有源配电网的SOP配置问题上，问题就来了。我自己的体会是，按单点灵敏度排序选出来的位置，经常和完整优化算出来的最优位置对不上，尤其是当分布式电源接入比例提高之后，偏差会更大。所以才需要“改进”。

1.2 有源配电网让单点线性灵敏度失效

为什么传统灵敏度在有源配电网里不好使？这个问题要从配电网本身的电气特性说起。

第一，配电网是强非线性系统，R/X比输电网高很多，电压和有功强耦合，不能简单套用输电网里“P-Q解耦”的思路。基准运行点附近的线性化只在小的扰动范围内成立，而DG出力波动和SOP调节都会让运行点大幅偏移。你用0.01MW的小扰动算出的灵敏度，可能根本代表不了实际容量变化时的响应。

第二，DG接入后不同馈线之间的负载率差异会很大。有些节点在轻载时看起来“不敏感”，但到了重载时段或者DG大发时段，它反而成了系统最薄弱的点。只用一个静态断面算灵敏度，相当于用一张照片判断一个人健不健康，漏掉太多动态信息。IEEE33节点里不同联络支路连接的两侧馈线，负载特性差异明显，单断面的灵敏度排序在不同运行方式下可能完全反过来。

第三，传统灵敏度通常是单一指标，要么只看电压，要么只看网损。但SOP引入后会同时改变有功潮流分布和无功分布，对系统的作用是综合性的。如果只看电压灵敏度，可能会选到调节电压效果好但对降网损没什么帮助的位置；如果只看网损灵敏度，又可能忽略掉电压瓶颈。单指标在这种多目标设备选址问题里，天然存在盲区。

1.3 本文采用的多场景加权综合灵敏度

所以“改进”可以从三个方向入手：一是把单断面扩展成多场景，用不同DG出力、不同负荷水平下的灵敏度均值来代替单点；二是把电压灵敏度和网损灵敏度融合成一个综合指标，避免单指标偏科；三是根据SOP的调节能力做归一化和加权，让灵敏度排序真正对应SOP配置的效益。

具体实现上，我先把典型的运行场景列出来，比如DG出力为0%、50%、100%，负荷为峰、平、谷，排列组合成若干场景；然后对每个场景做基准潮流，用节点注入功率的小扰动重算潮流，得到节点电压灵敏度矩阵和系统网损灵敏度向量；最后做无纲量化，用加权系数合成每个节点的综合灵敏度。公式层面并不复杂，核心代码也不长，但实际计算里有很多细节需要注意，后面专门讲。

这里我想强调一下“启发式筛选”的定位。改进灵敏度分析的价值，不是直接给出最终配置方案，而是帮你快速压缩候选空间。如果IEEE33节点所有支路都当成候选，组合枚举量很大，但经过灵敏度排序后，只需要对排名靠前的少数位置做精细优化，整体计算效率能提高一个量级。这在实际工程里也有意义：现场需要勘察的线路位置数量会大大减少。

2. IEEE33节点算例建模：原始数据、DG接入与SOP端口处理

2.1 为什么选IEEE33节点，以及它自带的关键信息

IEEE33节点系统是配电网规划里最常用的公开算例之一，一个典型的10kV辐射状网络，33个节点、37条支路，基准电压12.66kV，总负荷大约3.715MW、2.3Mvar。最关键的是它自带5条联络支路：8-21、9-15、12-22、18-33、25-29，这些支路正常运行时处于断开状态，一旦闭合就能把不同馈线连接成环网。对于SOP配置来说，这5条联络线几乎是天然的候选位置，因为SOP要替换的正是传统联络开关。

我在设计算例时并没有直接把5个联络开关全部装上SOP，而是先把5个联络开关加上几条重要分段支路放进候选池，再通过改进灵敏度排序决定真正值得装的位置。这样能体现灵敏度筛选的作用，避免只做容量优化而位置完全靠枚举。如果你只是想验证SOP模型，直接固定5条联络开关做容量优化也能跑通，但那样体现不出“改进灵敏度分析”的价值。

2.2 数据准备与DG接入方式

在Matlab里，我习惯用两个矩阵或者两个表格存储算例：一个是节点参数矩阵，记录节点编号、节点类型、有功负荷、无功负荷；另一个是支路参数矩阵，记录支路首端、末端、电阻、电抗。IEEE33的原始数据在网上很容易找到，比较常见的格式是：

% bus: [编号 类型 有功负荷/kW 无功负荷/kvar] % 1号节点是平衡节点，负荷为0 bus = [ 1 0 0 0 2 1 100 60 3 1 90 40 4 1 120 80 ... 33 1 60 40 ]; % branch: [首端 末端 电阻/Ohm 电抗/Ohm] branch = [ 1 2 0.0922 0.0470 2 3 0.4930 0.2511 3 4 0.3660 0.1864 ... 8 21 2.0 2.0 9 15 2.0 2.0 12 22 2.0 2.0 18 33 0.5 0.5 25 29 0.5 0.5 ];

这里要注意单位。很多版本给的是有名值电阻电抗，单位是欧姆，不需要转标幺值也行，不过自编潮流时最好统一下基准功率和基准电压。我习惯用1000kW为功率基准、12.66kV为电压基准，把有名值转成标幺值再计算，避免数值量级差异影响收敛性。

DG接入方面，我在节点18、22、25分别接了一点光伏，装机容量大约在0.3到0.5MW之间，具体容量按研究场景调整。处理方式上最简单的是当成PQ节点，也就是给一个恒定的负负荷；如果想考察无功支撑能力，也可以建模成PV节点，让无功在上下限内自动调节。我的体会是，如果只是做配置研究，用PQ恒功率模型就够了，但一定要把DG出力的多个水平放进场景里，否则灵敏度排序的稳定性没法保证。

有一个细节很容易忽略：节点负荷在牛拉法潮流里的符号方向。标准的牛拉法潮流里，负荷节点的注入功率是负值，DG接入后的净功率等于DG出力减去负荷功率。我在第一次搭算例时正负号搞反过一次，结果DG容量越大网损越大，怎么都不对。排查了半天，发现是净注入功率的符号处理错了。这个坑后面专门提。

2.3 SOP模型与它在潮流中的接口

SOP的电气模型可以理解成两个电压源换流器背靠背连接：一端接节点i，另一端接节点j，直流侧共用。正常工作时，有功功率可以从i侧传到j侧，也可以反向，两端无功功率各自独立调节，但两端的视在功率都不能超过SOP容量。约束可以写成：

P_i_sop + P_j_sop + P_loss_sop = 0 Q_i_sop 在 [-Q_max, Q_max] 内 Q_j_sop 在 [-Q_max, Q_max] 内 sqrt(P_i_sop^2 + Q_i_sop^2) <= S_sop sqrt(P_j_sop^2 + Q_j_sop^2) <= S_sop

其中P_loss_sop是SOP自身的损耗，通常按传输功率的1%到3%估算。如果忽略损耗，两端有功直接相等，模型更简单；考虑损耗时，优化目标里会多一项运行费用，但不算复杂。实际规划研究里，损耗系数取2%是比较常见的做法。

在潮流计算里，SOP两端节点可以简化成两个PQ节点，把SOP注入的有功和无功作为节点的注入功率处理。潮流方程不需要专门扩展，只是注入功率多了一个由优化变量决定的分量。这种处理方式简单直接，我比较喜欢。但要注意，整个优化需要在潮流迭代和SOP控制量之间反复迭代。我是在目标函数里直接调用潮流函数，潮流收敛后返回网损和电压信息，再把SOP容量约束作为非线性约束交给优化器。这样做逻辑清晰，也便于排查问题。

3. 改进灵敏度计算的完整流程：从候选节点到安装位置的筛选

3.1 灵敏度计算路径选择：重复潮流还是解析法

计算灵敏度有两条路。一条是根据潮流雅可比矩阵解析求逆，速度快，但推导麻烦，而且系统里含有DG节点后，如果遇到PV节点，矩阵分块要小心处理。另一条是重复潮流法：在某个节点上加一个小扰动，重新算一次潮流，用两次潮流结果的差分近似灵敏度。

IEEE33节点规模很小，就算把几十个场景全部跑一遍重复潮流，时间也完全可以接受，所以我用了重复潮流法。这样做的好处是代码直观、不容易出错，坏处是扰动步长要选好。扰动太小会出现数值噪声，扰动太大又会让线性化误差变大。我一般取该节点基准注入有功的1%，多次试验下来，对IEEE33来说0.01MW的扰动比较稳。如果你用的是标幺值潮流，取0.01标幺值也行。

3.2 关键代码实现

下面是一段灵敏度计算的框架代码，我用的是自编的Newton-Raphson潮流函数，函数名是runNR，返回节点电压幅值V、系统网损Ploss等结果。

function [dV_dP, dPloss_dP] = calcSensitivity(bus, branch, dP, nb) % 基准潮流 res0 = runNR(bus, branch); V0 = res0.V; Ploss0 = res0.Ploss; dV_dP = zeros(nb, nb); dPloss_dP = zeros(nb, 1); for k = 1:nb bus_tmp = bus; % 注意：这里在节点k的有功负荷上增加 dP % 如果为正，表示负荷增加；DG出力增加相当于把 dP 取负值 bus_tmp(k, 3) = bus_tmp(k, 3) + dP; res1 = runNR(bus_tmp, branch); dV_dP(:, k) = (res1.V - V0) / dP; dPloss_dP(k) = (res1.Ploss - Ploss0) / dP; end end

这段代码对每个节点都重跑一次潮流，计算量是nb次潮流计算，对33节点来说完全没问题。实际场景循环中，我会在外面再套一层for t = 1:T的场景循环，把每个场景下的灵敏度矩阵按场景权重累加。需要提醒的是，如果节点是平衡节点，扰动注入功率没有意义，计算时一般跳过1号节点，或者单独处理。

3.3 综合指标合成与候选集生成

得到每个场景的电压灵敏度矩阵和网损灵敏度向量后，先取绝对值，再做无纲量化。我用的合成公式比较简单：

S_com = alpha * mean(S_V_norm) + beta * mean(S_loss_norm)

其中S_V_norm和S_loss_norm分别是所有场景下按最大值归一化后的电压灵敏度和网损灵敏度，alpha和beta分别取0.5和0.5。如果想突出电压质量，可以把alpha调高到0.7；如果想重点降网损，就把beta调大。取值不需要太精细，因为灵敏度只是启发式筛选，候选集最后还要靠完整优化验证。

排序之后，把综合灵敏度最高的6个节点或支路放进候选集。对IEEE33节点而言，如果候选池是5条联络开关支路，那排序结果会告诉你在同样的容量条件下，先改造哪一条联络线最有效。如果加了分段支路进候选池，建议候选集控制在8个以内，否则后续组合枚举会变得很吃力。

这里还有一个工程细节：两个灵敏度指标在数值上可能差好几个数量级，如果不做归一化直接加权，结果基本由数值大的指标主导，另一个指标形同虚设。我见过不少初学者在这个地方踩坑，所以还是提醒一下。另外，候选集中要排除一些明显不合理的安装位置，比如变电站出口节点、已经装有DG的节点，这类位置装了SOP要么没有意义，要么会和DG出力产生冲突。

4. 优化配置模型与求解：目标函数、约束和算法选择

4.1 配置优化的数学表达

SOP优化配置本质上是一个混合整数非线性规划问题：位置变量是整数，容量变量是连续量。目标函数可以用年综合费用最小，也可以用网损和电压偏差的加权和。我在算例里用了分层目标：

第一层是年综合费用最小，包含SOP设备投资等年值和年运行网损费用。等年值系数把一次性投资分摊到每一年，公式是：

C_invest = R * C_SOP * S_sop 其中 R = i / (1 - (1+i)^(-T)) i为折现率，T为设备寿命 C_SOP为单位容量造价

第二层是电压偏差惩罚项，用来在多个费用接近的解里挑电压质量更好的解。电压偏差项可以定义成所有节点电压偏离1.0标幺值后的平方和，或者直接统计越限节点的个数。运行费用用典型日扩展系数，把几个代表场景的网损折算到全年。

如果你只是为了验证方法，用单目标“网损最小加电压越限罚函数”也完全够用，不必非得做年综合费用。年综合费用的结果更接近工程表达，但需要额外标定造价、折现率、寿命等参数，容易引入争议。既然是研究算例，可以先跑通单目标，再做多目标扩展。

约束条件包括：潮流平衡约束、节点电压上下限、支路电流上限、SOP容量上限、SOP有功功率平衡约束和无功容量约束。其中SOP有功功率平衡约束一定要写对，否则优化器很容易跑到一个物理上不可能的解。

4.2 求解思路：两阶段比单层混合整数规划更容易收敛

直接把0-1位置变量丢给fmincon是不现实的，fmincon处理整数变量时要么不可用，要么效果很差。我采用两阶段思路：第一阶段用改进灵敏度筛选出候选位置组合；第二阶段针对给定位置组合优化SOP容量。

如果候选集是8个位置，需要装2台SOP，就用nchoosek枚举36种组合，每种组合用连续优化器求解最优容量，最后比较所有组合的总目标。这个枚举量很小，完全可行。容量优化可以选择fmincon，但目标函数每次都要跑潮流，数值梯度会让内点法非常慢。实测下来patternsearch这类无梯度优化器更省心，Global Optimization Toolbox里的ga也能用，就是参数多了点。

核心框架代码如下：

posList = [5 8 9 12 18 21 22 25]; % 候选节点/支路编号，由灵敏度排序后确定 bestCost = inf; bestCap = []; for k = 2 % 配置2台SOP combos = nchoosek(posList, k); for c = 1:size(combos, 1) pos = combos(c, :); cap0 = repmat(0.3, 1, k); % 初始容量 lb = zeros(1, k); ub = repmat(0.8, 1, k); % 容量上限，单位MVA fun = @(cap) evalSOPConfig(system, pos, cap); [cap, fval] = patternsearch(fun, cap0, [], [], [], [], lb, ub, ... @(x) sopNonlcon(x), opts); if fval < bestCost bestCost = fval; bestPos = pos; bestCap = cap; end end end

有几个细节要注意。第一，容量上限0.8MVA不是拍脑袋，我是根据典型联络支路的最大传输需求估算的。33节点系统总负荷约3.7MW，单台SOP容量取总负荷的20%左右已经能有明显改善，再往上投资收益就下降了。第二，SOP的无功约束一定要写进非线性约束里。常见的错误是只约束有功，结果优化器把无功调得很大，潮流计算里已经发生了电压越限问题，目标函数还在下降，最终解根本不可用。

4.3 对比方案与结果校核

配置完SOP之后，至少要跑三组对比：原始网络、传统联络开关闭合方案、SOP优化配置方案。对比指标包括系统网损、节点电压最小值、电压偏差之和、馈线负载率等。以我自己的算例参数为例，在DG接入比例约20%的条件下，配置2台SOP能把系统网损降低25%到35%，最低节点电压从0.92附近抬升到0.97以上。这个数值不是通用结论，具体多少取决于DG位置、容量和场景权重，但它能说明SOP的作用确实是明显的。

校核时还有一个坑：如果目标函数里用了罚函数，一定要确认最终潮流结果的电压没有越限，罚函数数值是否为0。如果在最优解里罚函数仍然很大，说明这个解不满足基本电压约束，需要调整罚函数系数或者修改约束表达方式。另外，SOP容量结果最好取整到工程可采购的档位，比如0.1MW一档，这样结果更贴近实际设备选型。

5. 调试踩坑与代码组织：把灵敏度分析和优化配置真正跑顺

5.1 潮流不收敛：先查DG节点类型，再查初值

做这个算例时，我最常遇到的问题就是加DG之后Newton-Raphson不收敛。DG容量一旦占节点负荷比例过高，PQ节点吸收的无功过大，迭代很容易发散。解决思路有几个：

一是把DG节点改成PV节点，并设置合理的无功上下限；二是对DG节点采用功率逐步增加的方法，先不加DG收敛一次，再把DG出力分成多步逐渐加上去；三是检查节点类型定义是否出错。有些同学把平衡节点设错位置，或者把DG当成发电机节点后又没给无功出力数据，都会导致潮流发散。

实际调试时，我习惯先把DG全部设成0出力跑一遍，确认基础潮流没问题，再逐个加大DG出力。这样能很快定位到是哪台DG引发放散。IEEE33节点系统本身是很稳的算例，如果基础潮流都跑不收敛，问题几乎都出在数据格式或者符号定义上。

5.2 SOP注入的符号约定：容易让灵敏度排序反向

SOP在潮流接口里被处理成节点注入功率，符号非常容易出错。如果你把“SOP从节点流入负荷”记为正值，那么在潮流函数里还要考虑实际注入方向。我在第一次实现时，SOP两端功率平衡约束写反了，导致优化结果里SOP两端有功都在从系统取电，目标函数不断下降，但那个解实际上是荒谬的。

排查方法很简单：给每个SOP端口都打印实际功率方向和系统节点功率平衡残差。我发现残差特别大才醒悟过来。后来在模型里约定：P_i_sop大于0表示节点i向SOP注入有功，也就是SOP从该节点吸收有功；P_j_sop小于0表示SOP向节点j注入有功，两者之和等于损耗。整理好这个约定后，优化结果就正常了。这个建议很重要，写代码之前先写清楚物理符号约定，能省很多时间。

5.3 灵敏度排名和最终优化解不一致：不是代码错了

很多第一次做这类研究的同学会问：为什么改进灵敏度排名第一的位置，在完整优化里反而不是最优解？这个现象是正常的。灵敏度分析本质上是基于局部线性化的启发式筛选，它给出的是“这里值得进一步检查”的候选集，而不是最终答案。SOP的优化配置是非线性全局优化问题，DG出力、负荷水平变化和SOP之间的相互作用都可能改变最终最优解。

所以我把灵敏度筛选定位成“缩小候选空间”的工具，而不是“决定最终位置”的工具。先筛出候选集，再通过完整优化从候选集中确定组合，这样的结果更可靠。这个思路本身，就是改进灵敏度分析里最核心的一环：既要改进灵敏度指标本身，也要改进它的使用方式，让筛选和优化形成正确分工。

5.4 常见问题排查与代码组织建议

为了方便查看，我把调试中遇到的典型问题整理成一个对照表：

代码组织方面，我建议把文件按功能拆开：case33.m负责数据；runNR.m负责潮流；calcSensitivity.m负责改进灵敏度计算；evalSOPConfig.m负责评价给定配置的目标函数；optimizeSOP.m负责优化主循环。别把一切塞进一个三百行的脚本里，后面要调参、换场景、画曲线时会非常痛苦。

画结果时，可以用plot画出有无SOP两种方案的节点电压曲线，用bar画出各候选位置的灵敏度排名，这样论文里要图有图，要表有表。工具箱方面，patternsearch和ga需要Global Optimization Toolbox。如果你不想依赖额外工具箱，也可以自己写一个简单的模式搜索或者粒子群算法，配合重复潮流调用，在33节点系统上几分钟内就能出结果。

最后聊一点感受。做这个配置研究，最大的收获不是把某个算法跑通，而是理解了灵敏度这类启发式方法和完整优化之间的关系：前者帮我们快速缩小搜索范围，后者保证我们在缩小后的空间里找到真正可用的解。实际做工程方案时也一样，设备位置选得再好，还要结合投资、检修、通信条件、保护配合一起来看，IEEE33只是一个起点。我在做这个算例时最后留了一个扩展接口，把单断面场景换成全年8760小时的时序曲线，后面想看更细致的收益评估时，直接调用同一套SOP模型就行。如果你也在做相关方向，建议先把符号约定和候选集生成逻辑写清楚，再谈算法优化，会少走很多弯路。