Scifi-gamer1. 项目概述与问题背景
1.1 这个算例到底在解决什么问题
含微网的配电网优化调度，本质上是在回答一个问题：当配电网里接入了多个微网（分布式光伏、储能、微型燃气轮机这些），怎么安排它们各自的出力，才能让整个配电网运行最经济、最安全、电压质量最好。这个项目用IEEE33节点作为测试算例，在MATLAB环境下借助yalmip工具箱完成建模和求解，是一个典型的电力系统优化调度问题。
我最早接触这类问题是做配电网无功优化的时候，当时用的还是传统解析方法，遇到非线性约束就得手工线性化，工作量非常大。后来接触了yalmip这套建模工具，才发现原来复杂的优化问题可以像搭积木一样表达，注意力可以从"怎么求解"转移到"怎么建模"上，这对我来说是一个很大的效率提升。
这个项目适合谁？电力系统方向的研究生、做分布式电源接入研究的工程师、以及刚入门yalmip建模的开发者。它的价值在于：以IEEE33节点这个经典算例为载体，完整串起了微网建模、配电网潮流约束、优化调度模型搭建、yalmip求解全流程，是一个可以"抄作业"再改改就能用在你自己的研究里的基础代码框架。
1.2 为什么选择IEEE33节点作为算例
IEEE33节点系统是配电网研究里最经典的测试算例之一，原始数据来自实际的配电馈线系统，经过标准化处理后成为国际通用的测试系统。它包含33个节点、32条支路，额定电压12.66kV，基准功率10MVA，总有功负荷约3715kW，总无功负荷约2300kvar。
这个系统的典型特征是有多个分支结构，负荷分布不均匀，允许接分布式电源的位置多，所以特别适合用来验证各种优化调度策略。相比IEEE69节点、IEEE123节点这些更大的系统，IEEE33节点规模适中，计算速度快，调试起来方便，非常适合作为算法验证的起点。
从我自己的经验来看，很多做配电网方向研究的论文，尤其是涉及分布式电源接入、微网优化调度的，第一个算例基本都是IEEE33节点。原因很简单：文献里可以找到大量现成的对比数据，你的结果合不合理，一对照就清楚。这也是这个项目选它作为承载系统的原因。
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. 含微网的配电网优化调度整体设计思路
2.1 微网接入配电网的数学模型构建
微网从配电网的角度看，本质上是一个可以控制的电源或负荷。典型微网内部包含光伏（PV）、储能系统（ESS）、微型燃气轮机（MT）和一定比例的本地负荷。在优化调度模型中，微网外特性可以随时间变化的出力区间来表示，这个出力区间由微网内部的运行状态决定。
具体建模时，我习惯把微网分为两种模式。第一种是PQ模式：微网作为一个可控的功率注入源，向配电网提供有功/无功功率，运行范围由微网内部约束折算得到。第二种是下垂控制模式：微网参与配电网的调压调频，这需要建立频率/电压与有功/无功出力的耦合关系，模型要复杂得多。
这个项目采用的是第一种简化方式。每个微网在t时段的有功出力Pg(t)受到最小技术出力Pg_min和最大可发功率Pg_max的限制，无功出力Qg(t)受到功率因数角的约束。储能部分则额外增加了荷电状态（SOC）约束，它像是一个"能量蓄水池"，在电价高的时候放、电价低的时候充，帮助降低整个系统的购电成本。
code复制% 微网出力约束
Pg_min <= Pg(t) <= Pg_max;
Qg_min <= Qg(t) <= Qg_max;
% 储能SOC动态约束
SOC(t+1) = SOC(t) + (Pch(t)*eta_ch - Pdis(t)/eta_dis) * dt / Cap;
2.2 优化目标与约束条件的完整拆解
这个算例的优化目标可以根据你的研究侧重选择，常见的有三种。第一种是经济性最优：最小化配电网向上级电网购电的费用加上微网发电的燃料成本，这也是最常用的目标。第二种是网损最小：最小化配电网总有功损耗，适合做降损研究。第三种是多目标综合：同时考虑运行成本和电压偏差，这时候需要用加权系数法或者多目标优化算法来处理。
约束条件是这个项目的核心难点所在。配电网潮流约束在yalmip中需要用DistFlow方程来表达，这是一组从辐射状配电网特点出发的简化潮流方程。它把支路潮流用有功、无功、节点电压幅值的平方来描述，从而避免了传统潮流计算中复杂的三角函数运算。
code复制% DistFlow潮流方程（Branch Flow Model）
% 对每条支路(i,j)：
Pij - Rij*Iij_sq = sum(Pjk) + Pj_load - Pj_gen;
Qij - Xij*Iij_sq = sum(Qjk) + Qj_load - Qj_gen;
Vj_sq = Vi_sq - 2*(Rij*Pij + Xij*Qij) + (Rij^2 + Xij^2)*Iij_sq;
除了潮流约束，还有节点电压约束、支路电流限制约束、微网出力约束、储能SOC约束和购电功率约束。电压约束通常是标幺值0.95到1.05之间，这个范围对应实际电压12.0kV到13.3kV左右（12.66kV基准下）。这里有一个容易忽略的细节：如果测试系统里包含了有载调压变压器（OLTC）或者电容器组，约束条件还需要增加相应的离散变量，这会显著增加求解难度。
2.3 为什么选择yalmip+MATLAB这套技术组合
yalmip是瑞典学者Johan Löfberg开发的一个MATLAB建模工具箱，它最大的价值在于把复杂的优化问题建模过程"声明式"化了。你只需要告诉它："变量是什么，目标函数是什么，约束是什么"，它会自动把这些转换成求解器需要的标准形式。
选择yalmip而不是直接在MATLAB里手写求解代码，有几个很实际的理由。第一，yalmip自带对二阶锥规划（SOCP）、半定规划（SDP）和混合整数规划（MIP）的原生支持，你不需要自己推导线性化过程。第二，它内置了超过20种主流求解器的接口，换求解器只需要改一行代码。第三，yalmip的调试功能非常强大，可以帮你定位到具体是哪条约束导致模型不可解。
配电网优化调度这个场景里，潮流约束经过二阶锥松弛之后正好是SOCP问题，yalmip处理这类问题非常顺手。变量只需要用sdpvar声明，约束用符号表达，目标函数用表达式累加，最后调用optimize函数一键求解。这个过程比起传统的"手动推导拉格朗日函数 + 编写迭代求解代码"的方式，效率和可维护性都高得多。
求解器方面，这个项目默认推荐使用gurobi或者cplex。如果机器上没有安装商业求解器，退而求其次可以用sedumi或者sdpT3，但求解速度和稳定性会有所下降。我实测过同样的模型，gurobi求解SOCP问题通常只需要几秒，sedumi可能需要几十秒甚至更久，差距主要在数值稳定性和内点法的优化效果上。