配电网无功优化：IEEE33节点二阶锥规划建模与Matlab实现

配电网无功优化，是每个做配电网方向的人迟早会遇到的问题。IEEE33节点系统搭配二阶锥规划（SOCP），现在几乎成了配电网优化领域最经典的一套组合。我最初接触这个课题时，翻了十几篇文献，试了粒子群、遗传、内点法各种路子，最后还是老老实实回到了SOCP——不是因为别的，而是它能稳定给出全局最优解，建模过程也足够直观。这篇文章就把这套方案的原理、建模、Matlab实现和调试经验完整谈一遍，适合正在做配电网优化、写毕业论文，或是想从启发式算法转向凸优化做潮流/调度的同学参考。

1. 项目要解决什么问题：配电网无功优化的痛点

1.1 为什么配电网特别需要无功优化

配电网和输电网的运行特性差别很大。输电网线路的R/X比很小，无功主要通过线路电抗自然流动，电压水平相对平稳；配电网则不一样，线路电阻占比明显偏高，有功和无功在馈线上的耦合很强，一旦无功补偿不到位，末端电压就会像一个漏水的管子一样，越到后面越压不住。

我随便举一个实际现象：在IEEE33节点标准算例里，正常负荷下末端节点电压已经接近0.95 pu；如果负荷再往上乘1.2倍，18号、33号节点的电压能直接跌破0.93 pu。这种电压水平放在配电网里是不可接受的，轻则设备运行效率降低，重则导致末端用户设备欠压停机。而配电网里又不可能像输电网那样靠调整发电厂励磁来调压，可用的手段无非是无功补偿装置、变压器分接头、分布式电源无功支撑这几类。

所以“无功优化”的核心任务，就是在一个给定的配电网拓扑和负荷水平下，决定哪些节点投入多少无功功率，让系统电压回到合理区间，同时尽可能降低网络损耗。这个问题听起来简单，真正做起来却不轻松，因为节点电压、支路潮流、无功补偿量之间是强耦合的非线性关系。

1.2 为什么选二阶锥规划而不是别的算法

这个问题我在论坛上见过很多人问，接触这个方向之前我也有同样的疑惑。既然无功优化本质上是一个最优潮流问题，为什么主流论文都在用SOCP，而不是继续用传统内点法或者粒子群？

原因可以分三层说。第一，配电网无功优化模型本身是非凸的，传统内点法直接求解非凸非线性规划，只能用迭代逼近，理论上只能保证找到局部最优解，初始点选得不好甚至会振荡不收敛。第二，粒子群、遗传这类启发式算法虽然实现简单，但每一次适应度评估都要跑一次完整潮流，计算量很大，而且算法参数对结果影响极其敏感，同一个模型换一组参数结果就变了，说服力不足。第三，二阶锥规划通过一个巧妙的凸松弛技巧，把原本非凸的潮流约束转换成凸约束，于是整个问题变成凸优化问题。

凸优化意味着什么？意味着求出来的解就是全局最优解，有严格的数学理论兜底，不需要担心陷入局部极小值。而且SOCP的求解效率非常高，33节点的算例在普通笔记本上基本是秒级出结果。这一点在做多时段、多场景扩展时特别重要，因为规模一旦上来，算法速度就直接决定你能不能做下去。

我自己的体会是：如果你想快速验证一个配电网优化思路，或者论文需要严谨的最优性支撑，SOCP是当前性价比最高的选择。相比之下，启发式算法更适合做离散变量特别多、且对最优性要求不高的场合。

1.3 整套方案的执行路线

这个项目的完整实现路线大致分成五步：

1. 把配电网参数整理成标幺值，包括支路阻抗、节点负荷、网络拓扑。
2. 基于DistFlow支路潮流模型，建立节点功率平衡和电压降落方程。
3. 对潮流方程中非凸的电流平方项做二阶锥松弛，得到凸可行域。
4. 设置目标函数和运行约束，在Matlab中用YALMIP建模，交给SOCP求解器求解。
5. 提取结果，对比优化前后的电压分布和网损，验证松弛的紧性。

后面的内容基本上就是按照这条路线逐步展开。我建议读者在动手敲代码之前，先花一点时间把第2部分的潮流模型看懂，否则后面代码里变量之间的关系会很容易搞混。

2. 潮流模型与二阶锥松弛原理

2.1 DistFlow支路潮流模型怎么建

配电网通常是辐射状结构，单电源从变电站母线往下供，没有环网。对这种拓扑，用DistFlow支路潮流模型最合适。它不像牛拉法那样需要维护完整的节点导纳矩阵雅可比，而是直接沿着馈线把功率和电压的关系写出来，物理意义一目了然。

考虑一条从节点i流向节点j的支路，其电阻为r_ij、电抗为x_ij，流过支路的有功功率为P_ij、无功功率为Q_ij。定义两个辅助变量：

• U_i = V_i²，表示节点电压幅值的平方；
• l_ij = I_ij²，表示支路电流幅值的平方。

DistFlow方程的基本形式是：

节点j的有功功率平衡：
[
\sum_{i \in parent(j)} (P_{ij} - r_{ij} l_{ij}) - \sum_{k \in child(j)} P_{jk} = P_{L,j}
]

节点j的无功功率平衡：
[
\sum_{i \in parent(j)} (Q_{ij} - x_{ij} l_{ij}) - \sum_{k \in child(j)} Q_{jk} = Q_{L,j} - q_{c,j}
]

电压降落方程：
[
U_j = U_i - 2(r_{i