IT小霸王写在前面：这是一篇我整理了很久的实战笔记。做配网故障定位的人都知道，分布式电源（DG）大规模接入之后，传统“看故障电流方向”那套逻辑经常会翻车。这篇文章会用最直白的方式讲清楚DG到底是怎么干扰故障定位的，同时给出一套基于Python的仿真分析代码，帮你量化观察这种干扰。里面用到的场景是IEEE 33节点配电网，代码不依赖商业仿真软件，装好numpy、pandas、matplotlib就能跑，适合配网运维工程师、继电保护整定人员、以及正在做故障定位算法的同学参考。
1. 分布式电源到底“动”了故障定位的哪块蛋糕
1.1 传统故障定位的逻辑基础
在DG大规模接入之前，配电网绝大多数是单电源、辐射状结构。电网侧的主变电站是唯一的电源，所有故障电流都从变电站母线流向负荷和故障点。这个特点给故障定位提供了两个非常稳定的判断依据：
第一，故障电流方向是唯一且可预测的——始终从母线指向线路末端；第二，故障电流幅值从母线到末端逐级衰减，越靠近变电站的位置，故障电流越大。有了这两个依据，故障定位最简单的做法就是在线路分段开关处安装故障指示器，检测该分支是否有故障电流流过，然后根据“有故障电流的最末级分支”判断出故障区段。这也是现在很多配网自动化系统还在用的矩阵定位法、比幅比相法的数学前提。
传统方法的本质是“假设只有一个电源，电流只会一个方向流”，然后把这个假设转化成一组极性判断条件。
1.2 DG接入后故障特征的三个根本性变化
DG接入后，配电网从单电源变成了多电源。以最常见的分布式光伏、分散式风电、小型燃气轮机为例，它们在故障期间并不会像并网变流器那样立即断开，而是会向故障点贡献短路电流。这时候传统逻辑就出现了三个问题。
第一个问题：潮流方向不再是单调的。正常运行状态下，线路上的潮流方向是母线到负荷；但某个区段内部接入DG后，如果本地负荷小、DG出力大，潮流会反向流出，整个网络的潮流分布变成“多源多汇”。故障状态下尤其明显，因为电网侧和DG侧同时向故障点供电，用单电源假设去判断方向，必然出错。
第二个问题：故障指示器误动作增多。传统整定值是按照“变电站单电源提供的故障电流”来设定启动门槛的。DG并网后，同一故障点处流过某个分段开关的短路电流幅值可能明显增大（DG附加供给）或者明显减小（DG分流效应），导致原本不该动作的指示器动作了，或者该动作的指示器拒动。
第三个问题：故障点两侧都有电源馈入，导致基于“上游有流、下游无流”的区段判断逻辑失效。举个例子，一个故障发生在DG接入点下游，那么不仅变电站方向会供给故障电流，DG方向也会供给故障电流，于是故障点两侧的开关都可能检测到故障电流，矩阵法就会把这个故障判定到更长的区段内，定位精度直接下降。
1.3 一张表看懂有DG和无DG时的判断差异
我把这些影响整理成了一张对比表，看起来更直观：
| 判断维度 | 无DG传统配网 | 接入DG后的配网 |
|---|---|---|
| 故障电流方向 | 始终母线→线路 | 母线→故障点 + DG→故障点 |
| 故障指示器极性 | 方向一致 | 可能反向，极性矛盾 |
| 上游开关电流特征 | 电流增量为正 | DG弱馈时增量变小甚至为负 |
| 故障点下游特征 | 基本无电流 | 下游DG可能继续供电 |
| 矩阵定位法结果 | 准确 | 出现多解或偏移 |
换句话说，DG不是“稍微影响”了传统定位精度，而是从根源上改变了故障电流的分布规律。所以现在做配网故障定位，必须把DG的接入位置、出力水平、短路电流贡献量都纳入算法输入，否则只能说是在“盲人摸象”。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 仿真场景怎么搭：基于IEEE 33节点的DG影响实验台
2.1 为什么选择IEEE 33节点系统
做配网研究的人对IEEE 33节点系统应该都不陌生。它是一个经典的辐射状配电网模型，包含32条支路、1个根节点（通常是变电站母线）、5条联络开关支路，系统电压等级多为12.66kV，总负荷约3715kW+2300kvar。这个网络结构紧凑、数据公开，非常适合用来做DG接入影响分析的初始实验平台。
选择33节点系统的另一个原因是它的拓扑足够复杂，既有主干线，又有几条较长的分支线，能模拟出多种DG接入位置对故障定位算法的差异化影响。比单纯用3节点、5节点的教科书模型更接近工程实际，又不至于像IEEE 123节点那样数据准备和计算量都偏大。
2.2 网络参数准备与DG配置
在Python里搭这套仿真，我建议先把网络数据用DataFrame管理起来，方便后续修改支路阻抗参数、负荷参数。下面是我构建仿真时的参数设定：
线路参数（部分示例）
| 支路号 | 首端节点 | 末端节点 | 电阻(Ω) | 电抗(Ω) |
|---|---|---|---|---|
| 1 | 0 | 1 | 0.0922 | 0.0470 |
| 2 | 1 | 2 | 0.4930 | 0.2511 |
| 3 | 2 | 3 | 0.3660 | 0.1864 |
| 4 | 3 | 4 | 0.3811 | 0.1941 |
| 5 | 4 | 5 | 0.8190 | 0.7070 |
| 6 | 5 | 6 | 0.1872 | 0.6188 |
这些参数是IEEE 33节点系统的公开标准数据，网上很容易找到完整版。实际复现时我建议直接全量导入，不要自己猜数值。
DG配置：
- 接入位置1：节点8（主干线末端），模拟分布式光伏接入。
- 接入位置2：节点22（远端分支），模拟小型分散式风电。
- 单台DG容量：300kW，两处总渗透率约16%左右，不算极端场景，但已经足以触发定位偏差。
接入容量我没有选得太大，因为工程上绝大多数地区对DG渗透率有并网限制，超过30%的场景在现阶段还比较少见。选16%左右的好处是，既能看出算法崩溃的趋势，又不会因为容量过大让人觉得“这只是随便堆了个过分场景”