配电网辐射状拓扑约束建模：断线解环与割平面迭代法详解

上周处理一个配电网网络重构模型的复现时，我遇到了一个非常典型的瓶颈：潮流方程、DG出力约束都顺利写完了，最后却被"辐射状"三个字卡住，整整两天没跑出一个合法解。不是不懂"树"的定义，而是怎么把一个纯图论性质翻译成MILP能直接吃的线性约束，这个转换过程才是真正的门槛。查了一圈文献和开源代码后发现，基于断线解环思想来构建配电网辐射状拓扑约束，是最贴近工程直觉、也最适合用Matlab落地的一条路。这篇文章我会把这个思想掰开揉碎地讲清楚：它从哪来、数学上怎么写、代码怎么组织、以及最后怎么验证模型没写错。适合正在做配电网重构、故障恢复、分布式电源规划的研究生，也适合刚接触配电网优化建模的工程师。

1. 辐射状拓扑约束的问题本质：不是"让网络无环"这么简单

1.1 为什么配电网优化模型绕不开辐射状约束

配电网和输电网一个最大的区别在于运行方式：输电网通常闭环运行，潮流可以全网流动；而配电网受继电保护配置、短路电流水平和故障隔离难度的限制，正常运行时必须保持辐射状结构——也就是常说的"闭环设计、开环运行"。

这个特性表现在优化模型里，就是一个避不开的硬约束。我之前复现的论文做的是故障恢复，场景很简单：馈线某处故障后，通过操作分段开关和联络开关，把非故障失电区域转移到相邻馈线供电。优化目标是最小化开关动作次数、最大化恢复负荷，但无论目标怎么变，最终给出的方案必须是辐射状，否则保护装置会误动，合环瞬间的冲击电流也可能直接触发线路跳闸。

但在MILP模型里，每条支路的开关状态就是一个0-1变量，要在这个离散空间里约束"任何闭合支路构成的子图必须是一棵树"，并不是一件直白的事。

1.2 "连通 + N-1条边"听起来够用，实际远不够

图论里判断一棵树的经典条件有两个：

• 图是连通的，所有节点都能通过闭合支路互相到达；
• 闭合支路的数量恰好是 N-1（N为节点数）。

如果这两个条件同时满足，那么该图必然无环，也就是一棵树。问题在于第二个条件是线性的，非常容易写进MILP：

text复制sum(s_e) == N - 1

但第一个条件——连通性——是一个全局性质。你不能用"某几条支路闭合"这种局部变量直接表达"所有节点连成一片"。如果只写边数约束而忽略连通性，模型很容易给出一个看似合理、实际完全不可行的解：闭合支路数确实是32条，但网络被分成好几个孤岛，每个孤岛内部无环，整体却不导通。这种解在拓扑校验里一查一个准，但在求解器眼里它却是"合法"的。

这就是辐射状拓扑约束建模的核心矛盾：要表达一个全局性质，必须引入辅助数学结构，把"所有节点通过闭合支路连到一个公共根节点"翻译成一组线性不等式。

1.3 三类主流建模思路的一次快速对比

我在复现前把常见方法梳理了一遍，大体可以分成三类，各有各的适用场景：

断线解环思想本质上属于第三类，它的名字非常直白：既然网络形成了环，那就找出来，断掉其中一条支路，反复操作直到无环。接下来我从图论的内核开始讲。

2. 断线解环的数学内核：从破圈法到可求解的约束表达

2.1 破圈法：最朴素的生成树构造方式

"断线解环"不是论文作者凭空发明的。图论里构造生成树有两类经典算法：一类是加边法，典型代表是Kruskal算法，把边按权重从小到大依次并入，只要不构成环就保留；另一类是破圈法，也就是让原图所有边先全部闭合，然后从环里不断删边，直到整个图无环且连通。

配电网运行中说的"断线解环"，和破圈法是同一个逻辑。把配电网里所有分段开关和联络开关全部闭合，网络会自然形成若干个环；辐射状约束要求我们从中选择足够多的支路断开，直到剩余闭合支路构成一棵生成树。

这里面有一个非常关键的字眼："足够多且恰当"。不是随便断开几条就行——首先断开的总数要保证闭合支路数等于 N-1；其次断开的支路必须精准落在每一个环上，包括那些由多个小环组合出来的"组合环"。

2.2 基环、基本回路矩阵与固定基环约束的局限性

在连通图中，选定任意一棵生成树后，每条非树边都会和树上的一条唯一路径构成一个环。这种环被称为"基环"或"基本回路"，它们的数量是固定的：M - N + 1。在IEEE 33节点标准算例中，候选支路有37条，节点33个，所以所有联络开关闭合后，基环数量正好是 37 - 33 + 1 = 5。

一个非常自然的建模思路是：把每一个基环都找出来，然后给每个基环加一条约束：这个环上至少有一条支路被断开。

写成数学形式就是：

text复制sum(s_e) <= len(L_k) - 1  对每个基环L_k

其中 s_e 是支路e的0-1状态（1表示闭合），len(L_k) 是基环L_k包含的支路数。

这套约束看起来天衣无缝，但实际上藏着一个大坑：它只能保证"每一个预先找好的基环被破坏"，但无法保证"网络中不存在其他由多个基环组合而成的新环"。

我举个例子。假设有一个四边形网络，四条边分别是1-2、2-3、3-4、4-1，再加一条对角线1-3：

text复制        2 --- 3
        |  \  |
        |   \ |
        1 --- 4

这个图里有两个基环：

• 环A：1-2、2-3、1-3
• 环B：1-3、3-4、4-1

如果按固定基环约束来写，模型完全可以给出一个解：环A和环B都选择断开公共支路1-3。这时每个基环都满足"至少断开一条支路"的约束，但注意看，四条外圈支路1-2、2-3、3-4、4-1全部处于闭合状态，它们构成了一个新的大环1-2-3-4-1！这个大环不属于任何一个预先枚举的基环，但它确实是一个真实的闭合环路。

这就是固定基环约束的致命弱点。所以在实际工程代码中，我强烈不建议只加预计算的基环约束就完事，否则模型给出的"辐射状解"很有可能是伪辐射状。

2.3 把"断线解环"推广为割平面迭代算法

既然固定基环约束不充分，那我们就换一个更直接的思路：不预设环的集合，而是每轮求解后，检查当前解里是否还有环；如果有，就把这些环找出来，逐个施加"至少断开一条"的约束；然后重新求解；重复直到解中无环。

这个流程就是经典的割平面方法，也是断线解环思想在数学优化里的标准形态：

text复制初始化：设置基础约束（如 sum(s_e) == N-1）
重复：
  1. 求解当前MILP
  2. 提取当前解s*中闭合支路构成的子图G_sub
  3. 校验G_sub是否有环、是否连通
  4. 若G_sub无环且连通：输出结果，终止
  5. 若G_sub有环：找到G_sub中的环集合L
     对每个环L_k，添加割约束：sum(s_e for e in L_k) <= len(L_k)-1
  6. 回到步骤1

有人会问：这个迭代过程会不会不收敛？答案是不会。每个被添加的环割都排除了当前解，而支路状态组合是有限个（2^M 种），所以迭代必然在有限步内终止。实际测试中，配电网重构问题通常两三轮就能收敛，因为每轮加的环割不止一条，一次就把当前解中所有找得到的环全都"剪"掉。

用这个思路做出来的模型，比一次性加上所有可能环约束要精巧得多：它不需要枚举指数级数量的环，而是让求解器自己"探路"，探出一个环就切一个环。下一节我就给出这个算法在Matlab里的完整实现。

3. Matlab实现：从IEEE 33节点数据到可求解的MILP模型

3.1 算例数据结构准备

我选用IEEE 33节点标准算例来做演示。这个算例有33个节点、32条分段支路、5条联络支路，候选支路总数 M=37，节点数 N=33。所有联络开关闭合后基环数正好是5，规模适中，非常适合验证拓扑约束。

在Matlab里，我习惯用一张 branch 表来表示所有候选支路，每一行是一条支路的物理参数：

matlab复制% branch表结构：
% 列1：首端节点编号
% 列2：末端节点编号
% 列3：支路电阻(Ohm)
% 列4：支路电抗(Ohm)
% 列5：初始状态（1闭合，0断开）

branch = [
    1  2   0.0922  0.0470  1;
    2  3   0.4930  0.2511  1;
    3  4   0.3660  0.1864  1;
    4  5   0.3811  0.1941  1;
    5  6   0.8190  0.7070  1;
    % ... 完整33节点数据网上很容易找到，格式完全一致
];

注意这里支路的首端节点和末端节点顺序是任意的，无向图模型不需要刻意统一方向。但如果后面要用虚拟潮流约束，首末端的顺序会影响流量平衡方程的正负号，这个细节我在5.2节会专门讲。

3.2 主循环：断线解环割平面法的核心代码

主程序的大致逻辑是：先初始化开关变量和基础约束，然后进入迭代循环，每次求解后检查闭合子图是否有环，有环就添加割约束。

matlab复制%% 主程序：断线解环迭代求解辐射状拓扑
clc; clear;

% 载入IEEE 33节点数据（自行准备branch表）
% load_ieee33.m 中定义branch变量和N节点数
load_ieee33;

M = size(branch, 1);   % 候选支路数37
N = max(max(branch(:,1:2)));  % 节点数33

% 定义0-1开关状态变量
s = binvar(M, 1);

% 基础约束：闭合支路数必须等于N-1
Constraints = [sum(s) == N - 1];

% 简单的线性目标函数，用于测试：最小化总阻抗
% 这其实就是最小生成树(MST)问题，后面可以用Kruskal交叉验证
r = branch(:, 3);
objective = r' * s;

% 求解器设置
ops = sdpsettings('solver', 'gurobi', 'verbose', 1, ...
                  'gurobi.MIPGap', 1e-4);

for iter = 1:100
    % 求解MILP
    Diagnostics = optimize(Constraints, objective, ops);
    if Diagnostics.problem ~= 0
        error('MILP求解失败');
    end

    % 取当前解
    s_opt = round(value(s));

    % 提取闭合支路构成的子图
    edge_list = branch(s_opt == 1, 1:2);
    G_sub = graph(edge_list(:,1), edge_list(:,2));

    % 校验连通性与无环
    [bins, ncomp] = conncomp(G_sub);
    nEdge = numedges(G_sub);
    nNode = numnodes(G_sub);

    has_loop = (nEdge > nNode - ncomp);

    fprintf('迭代 %d：闭合支路 %d 条，连通分量 %d 个，有环：%d\n', ...
            iter, nEdge, ncomp, has_loop);

    % 如果无环且只有一个连通分量，就是合法辐射状网络
    if ~has_loop && ncomp == 1
        fprintf('得到合法辐射状解，迭代结束。\n');
        break;
    end

    % 找到当前闭合子图中的一组基环
    loops = get_basic_loops(G_sub, branch);

    % 对每个基环施加"至少断一条支路"的割约束
    for k = 1:length(loops)
        L = loops{k};
        Constraints = [Constraints, sum(s(L)) <= length(L) - 1];
    end

    fprintf('迭代 %d：添加 %d 条环路割约束\n', iter, length(loops));
end

这段代码的逻辑非常直观。conncomp 是Matlab图对象自带的连通分量计算函数，nEdge > nNode - ncomp 是标准的"有环判定"公式。

3.3 找基环的函数实现

get_basic_loops 的核心思路是：对当前闭合子图取一棵生成树，然后每一条非树边都会和树路径构成一个基环。

matlab复制function loops = get_basic_loops(G_sub, branch)
    % 对闭合子图取一棵生成树（用minspantree即可，权重随意）
    T = minspantree(G_sub);

    % 获取生成树边集和全图边集
    treeEdges = T.Edges.EndNodes;
    allEdges = G_sub.Edges.EndNodes;

    % 找出所有非树边
    treeEdgesSorted = sort(treeEdges, 2);
    allEdgesSorted = sort(allEdges, 2);
    [~, idx] = ismember(allEdgesSorted, treeEdgesSorted, 'rows');
    nonTreeEdges = allEdges(idx == 0, :);

    loops = {};
    for k = 1:size(nonTreeEdges, 1)
        u = nonTreeEdges(k, 1);
        v = nonTreeEdges(k, 2);

        % 在生成树上找到u到v的唯一路径
        path = shortestpath(T, u, v);

        % 路径上的边 + 非树边 (u,v) 组成一个基环
        loopEdges = [];
        for p = 1:length(path)-1
            eid = find_edge_id(branch, path(p), path(p+1));
            loopEdges(end+1) = eid;
        end
        eid = find_edge_id(branch, u, v);
        loopEdges(end+1) = eid;

        loops{end+1} = loopEdges;
    end
end

辅助函数 find_edge_id 用于从节点对反查支路在 branch 表中的行号：

matlab复制function eid = find_edge_id(branch, u, v)
    idx1 = find(branch(:,1) == u & branch(:,2) == v);
    idx2 = find(branch(:,1) == v & branch(:,2) == u);
    if ~isempty(idx1)
        eid = idx1(1);
    elseif ~isempty(idx2)
        eid = idx2(1);
    else
        error('找不到支路 (%d, %d)\n', u, v);
    end
end

这里有一个细节：minspantree 在闭合子图不连通时不会报错，它会对每个连通分量分别生成生成树，整体是一个森林。这种情况下，非树边连接的两个节点必然在同一个连通分量内，所以 shortestpath 一定能找到路径，代码不会挂。

3.4 另一条路线：用单商品流约束一次性建模

和割平面法互补的是一次性建模路线：单商品流约束（也叫虚拟潮流约束）。它的核心思想是引入一个虚拟的"流量"变量，让它在支路上流动，并通过节点平衡方程保证所有节点都必须从根节点收到流量——这本质上就是连通性约束。

matlab复制%% 一次性建模：单商品流 + 边数约束
f = sdpvar(M, 1);           % 虚拟流量（有符号，可正可负）
bigM = N;                    % 流量上界，取N足够

% 支路断开时流量必须为0
Constraints = [Constraints, -bigM * s <= f <= bigM * s];

% 非根节点：净流入为1
for i = 2:N
    inflow_expr = 0;
    for e = 1:M
        if branch(e,2) == i
            inflow_expr = inflow_expr + f(e);
        elseif branch(e,1) == i
            inflow_expr = inflow_expr - f(e);
        end
    end
    Constraints = [Constraints, inflow_expr == 1];
end

% 根节点（节点1）：净流出为N-1
outflow_expr = 0;
for e = 1:M
    if branch(e,1) == 1
        outflow_expr = outflow_expr + f(e);
    elseif branch(e,2) == 1
        outflow_expr = outflow_expr - f(e);
    end
end
Constraints = [Constraints, outflow_expr == N - 1];

把这个约束集加上 sum(s) == N-1，模型就已经完备：流量平衡保证连通，边数保证树。它的优点是一次求解不需要迭代，缺点是变量数多一点（多了M个连续变量），而且big-M的选择会影响数值稳定性。相比之下，断线解环割平面法约束数更少，但需要迭代。

4. 数值验证：如何证明模型真的给出辐射状解

4.1 辐射状校验函数：别信求解器，信图论

在拓扑建模这件事上，我有一条原则：求解器输出的"最优解"必须经过独立的图论校验，否则永远不知道模型有没有写错。我写了一个独立的校验函数，用来验证任意一个0-1状态向量是否满足辐射状：

matlab复制function is_valid = is_radial_topology(s, branch)
    % 提取闭合支路
    edge_list = branch(s == 1, 1:2);
    G = graph(edge_list(:,1), edge_list(:,2));

    % 条件1：边数 = N-1
    N = max(max(branch(:,1:2)));
    if numedges(G) ~= N - 1
        is_valid = false;
        return;
    end

    % 条件2：连通（只有一个连通分量）
    [~, ncomp] = conncomp(G);
    if ncomp ~= 1
        is_valid = false;
        return;
    end

    % 连通且边数为N-1 => 无环 => 是树
    is_valid = true;
end

连通且边数为 N-1 就自动推出无环，这是图论的经典结论，不需要额外判断。

4.2 无约束、半约束、完整约束的对比测试

为了直观展示辐射状约束的重要性，我设计了三组实验：

• 实验1：不加任何拓扑约束，目标函数取 max sum(s_e / r_e)，也就是激励求解器尽可能多地闭合低阻抗支路；
• 实验2：只加 sum(s) == N-1，不加连通性；
• 实验3：加完整的辐射状约束（断线解环割平面法）。

三者采用同一组随机权重，测试结果如下（IEEE 33节点，Gurobi 10.0）：

实验1的结果很典型：求解器把所有正收益的边都闭合成环，网损可能很低，但工程上完全不可用。实验2则说明边数约束远远不够，模型会巧妙地构造出几个互不相连的分量来凑边数。只有完整辐射状约束能够强制输出一棵真正的树。

4.3 用最小生成树交叉验证模型正确性

辐射状约束的建模是否正确，有一个非常硬核的验证方法：把目标函数改成最小化所有闭合支路的阻抗之和。这样的话，整个优化问题在最理想情况下等价于求图的最小生成树（MST）——这个基准解可以用 minspantree 直接算出来，不需要任何MILP。

matlab复制% 基准解：Kruskal最小生成树
G_all = graph(branch(:,1), branch(:,2), branch(:,3));
T_mst = minspantree(G_all);
mst_total_weight = sum(T_mst.Edges.Weight);

然后对比MILP求解结果：

matlab复制fprintf('MST 基准总阻抗：%.6f\n', mst_total_weight);
fprintf('MILP求解总阻抗：%.6f\n', value(objective));

如果辐射状约束建模正确，这两个数字必须完全一致（或者极小容差内一致）。在我实际测试中，MILP求解出的总阻抗和 minspantree 的基准值完全吻合，而且闭合边集也一致。

这个方法我强烈建议每一个复现论文的人使用，因为它可以彻底排除"约束写错了但看起来是树"的错误。只要出现了偏差，要么连通性约束写错了，要么边数约束出了问题，可以快速定位。

4.4 断线解环迭代次数统计

在我用IEEE 33节点算例做的多组测试中，断线解环割平面法的迭代次数通常在2~3轮：

第一轮基本都是5条割，因为候选图中所有闭合支路解天然形成5个基环。第二轮开始，前一轮的5个基环全部被破坏，但可能出现组合环，一般再补1~3条割就收敛了。这个收敛速度比预想快很多，原因是每一轮加的割不止针对单个环，而是针对当前解里找得到的全部基环，剪枝力度很大。

5. 复现过程中容易被忽略的坑位与工程化建议

5.1 固定基环约束不充分的工程补救

前面2.2节讲过一个四边形加对角线的反例。在实际工程中，如果你为了省事，直接预计算所有基环并一次性写入模型，遇到复杂网络时很可能得到伪辐射状解。

我的建议是：主程序坚决采用迭代割平面法，每一轮针对"当前解"找环，而不是针对"初始候选图"的固定基环。原因很简单，迭代法找的是当前解里实际存在的环，即使这个环是多个基环的组合，也会被检测并被破坏；而固定基环法天然漏掉组合环。

如果确实想用一次性建模，那就用单商品流约束，它天然保证了连通性，不存在组合环漏检的问题。

5.2 big-M的选取：不是越大越好

单商品流里的big-M，很多初学者习惯设成10000，理由是"够大，松弛效果好"。但实际上会造成两个问题：

• LP松弛质量变差，求解器要探索的节点数大幅增加；
• 数值稳定性下降，尤其在Gurobi/Cplex默认精度下容易出现误判。

正确做法是把big-M设成虚拟流量的理论上界。这个模型里，根节点流出总量是 N-1，所以任何支路上的虚拟流量都不可能超过 N-1，取 bigM = N 就足够了。如果网络规模特别大，也可以取 bigM = N + 1 留一点容差空间，但没必要设成几千上万。

5.3 迭代求解性能优化：热启动不是hack，是刚需

断线解环法每轮都要重新求解MILP。如果每次都从零开始，求解器要重新做预求解、找初始可行解，整体耗时会被拉高。一个非常简单的优化是用上一轮的解作为当前轮的MIP start：

matlab复制% 在循环里，每次重新求解前赋值初值
assign(s, s_opt);
Diagnostics = optimize(Constraints, objective, ops);

Yalmip会把 s_opt 传递给求解器作为初始可行解。后续轮次中，由于新增割约束只是限制了某些环组合，上一轮的可行解仍然很近，热启动能显著减少分支定界的节点数。在33节点算例里，热启动后单轮求解时间基本能缩短30%~50%。

5.4 从微型网络开始调试验证

我踩过最大的坑就是"一上来就跑33节点，结果错了还不知道错在哪"。正确的调试路径是：

先造一个5节点左右的微型环网，比如四边形加一条对角线，这个网络的树总数可以手算枚举。然后跑断线解环程序，把每一轮的闭合子图用 plot(G_sub) 可视化出来，肉眼对比枚举结果。确认微型网络无误后，再换到IEEE 33节点。

matlab复制% 可视化当前闭合子图，检查环和孤岛
figure;
plot(G_sub, 'Layout', 'force');
title(['迭代轮次：', num2str(iter)]);

这种调试方式能快速定位问题：如果微型网络上模型输出正确，基本可以确定约束逻辑没问题；如果输出不对，看一眼图就能知道是漏了连通约束还是环割写反了方向。

5.5 从论文公式到代码实现的翻译心得

复现EI论文时，你看到的辐射状约束通常不会叫"断线解环"，而可能以"基环矩阵""关联矩阵""虚拟流量"等措辞出现。我的经验是：先把论文里的公式映射到图论概念上，再落代码。比如论文里写的 B * s >= 0 可能是基环约束，|E| <= |V| - C 可能是边数和分量数约束，f >= 0, B_f * f = d 一定是商品流约束。理解数学结构之后，用什么思想建模都只是风格差异。

最后说一个复现这类代码的小习惯：我会把辐射状约束单独封装成一个函数，输入是支路状态变量，输出是约束条件集合。这样做的好处是，无论你后面换单商品流、割平面还是秩约束，主程序都不用改动，只需要替换这一个函数。我在这篇文章里给出的"断线解环迭代法"，目前是我在33节点算例上用得最顺手的版本，约束规模小，迭代收敛快，也不容易出现数值问题。如果你的模型规模更大，或者求解器对LazyConstraint支持更好，可以进一步把循环里的加割逻辑改成求解器回调，效果会更上一层楼。