配电网故障恢复中孤岛与重构联合建模的复现与求解

配电网故障恢复这个方向，论文复现看起来都是同一个套路：给定一个 IEEE 33 节点系统，设置几条支路故障，然后跑一个优化算法，输出开关开合方案和恢复容量。但真到自己动手复现"同时考虑孤岛与重构"的策略时，才发现坑远比比想象的多。孤岛和重构单独做是一回事，两者耦合在一起求解是另一回事。这篇就把我完整复现的过程、建模思路、代码关键点和踩过的坑一次说清楚。

这篇内容适合正在做配电网故障恢复、主动配电网运行优化方向的研究生，也适合想了解 YALMIP 配混合整数二阶锥规划怎么落地到实际电力系统问题里的工程师。我会从问题建模开始，一路讲到最终的 Matlab 实现框架和调参心得，尽量把"为什么这样做"讲透。

1. 故障恢复问题的本质：为什么孤岛和重构必须同时考虑

1.1 传统重构方案的局限

配电网故障恢复的传统思路是"重构"：故障发生后，通过改变联络开关和分段开关的开合状态，把失电区域的负荷转移到其他健全馈线上。这个思路在配电网结构比较简单、分布式电源渗透率不高的时候完全够用。

但现在的配电网早就不是单电源辐射状供电子。大量分布式光伏、风机、储能接入之后，故障恢复面临一个新的局面：失电区域里本身就有电源。如果放着这些分布式电源不用，单纯依赖重构从变电站侧转移功率，可能面临几个问题：

第一，联络线的容量限制。相邻馈线自己也有负荷，能通过联络开关转移的功率有上限。如果失电区域太大，单靠重构根本恢复不过来。

第二，电压支撑不足。长线路末端电压偏低是常态，故障时如果全靠一端馈入，末端电压大概率越限。

第三，分布式电源的利用效率。故障期间分布式电源如果直接脱网，白白的发电能力就浪费了。

这时候，"孤岛"的概念就出来了：允许失电区域内的分布式电源带一部分本地负荷独立运行，形成一个个微电网。在上级电网故障期间，孤岛可持续运行一段时间，等到故障修复后再同期并网。

1.2 孤岛与重构耦合时的数学难点

为什么说"同时考虑"这两个策略比单独做任何一个都难？看问题的数学本质就明白了。

重构的实质是在满足辐射状拓扑约束的前提下，通过改变开关状态形成的网络拓扑，使得失电负荷能被重新供上电。孤岛运行则要求失电区域被"有意地"从主网上切分出去，形成独立供电的子系统。

如果把这两个策略解耦处理——比如先做重构，剩余无法恢复的负荷再做孤岛——会得到一个"看起来合理但实际上很糟糕"的方案。因为重构天然倾向于把尽可能多的负荷并入主网，而孤岛方案又倾向于把某个区域完全切出去，两者叠加时可能会遗漏一些处于边界状态的更好方案。举个简单的例子：某个失电区域同时具备两个条件——通过某个联络开关可以并入相邻馈线，而区域内的一个分布式电源也刚好能带起一部分关键负荷。如果先做重构，可能将所有负荷并入邻馈线，但邻馈线电压越限了。而先做孤岛呢？又可能不必要地放弃了通过重构恢复更大范围负荷的机会。

数学上，这两个策略同时考虑意味着优化模型中需要同时决策：

• 哪些节点属于主网恢复区域；
• 哪些节点构成孤岛，孤岛的边界在哪里；
• 孤岛之间、孤岛与主网之间不存在电气连接；
• 整个系统（重构后的主网 + 各个孤岛）满足运行约束。

这几层耦合关系，直接导致问题模型的复杂度和求解难度都上了一个台阶。

2. 数学模型的完整推导：目标函数与约束条件的每一处细节

2.1 目标函数：恢复负荷量最大化为核心

配电网故障恢复最核心的目标，就是让失电的负荷尽可能多地恢复供电。但直接写"最大化恢复负荷量"会碰到一个问题：什么样的负荷值得优先恢复？

实际工程中，不同节点的负荷重要程度不一样。医院、通信基站、应急指挥中心属于一级负荷，故障期间应优先保障。因此在目标函数里，我会给每个节点负荷设置一个权重系数 w_i，反映其重要程度。

目标函数可以写成：

code复制max  Σ w_i · x_i · P_load,i

其中 x_i 是 0-1 变量，表示节点 i 是否恢复供电，P_load,i 是节点 i 的负荷大小。

如果你想进一步考虑经济性，可以在目标函数中加入网损项，或者最小化开关操作次数。但要注意，多个目标叠加时权重取值直接影响方案走向——我做测试时发现，网损权重稍微加大一点，优化算法就倾向于把更多负荷并入主网，哪怕要绕很远的路。

为了避免目标打架，最稳妥的做法是：主目标用恢复负荷量（带权重），次要目标作为惩罚项加到约束里，或者给一个很小的权重。

2.2 拓扑约束：辐射状结构的数学表达

无论是重构后的主网还是各个孤岛，都必须满足辐射状结构。这是配电网的天然要求：环网结构会导致保护配合困难、故障电流方向不确定等一系列问题。

辐射状约束的标准数学表达是"生成树约束"。设 0-1 变量 z_ij 表示线路 i-j 上的开关是否闭合，则满足辐射状结构的充分必要条件包括：

1. 节点数量与闭合支路数量的关系：闭合支路数 = 供电节点数 - 供电区域数，这个约束在考虑多孤岛时必须特别小心。如果一共有 K 个独立供电区域（含主网和孤岛），那么闭合支路总数 = 恢复节点总数 - K。

2. 连通性约束：主网内的所有节点必须通过闭合支路连接到变电站根节点，孤岛内的节点必须连接到对应的分布式电源节点。

这两条约束在数学上处理起来不太一样。第一条是线性约束，实现容易。第二条本质上是连通性约束，经典的做法是用"单商品流"或"多商品流"约束来线性化，也可以用深度优先搜索的最短路约束来近似。

用 YALMIP 或者直接用 Cplex，我推荐用"虚拟潮流"法：给每个根节点注入单位虚拟流量，每个负荷节点抽取单位虚拟流量，然后限制每条线路的虚拟潮流流向只能从根往负荷走。只要存在从根到每个负荷的"虚拟路径"，连通性就能保证。

2.3 潮流约束：DistFlow 方程的线性化与二阶锥松弛

配电网潮流计算通常用 DistFlow 方程。对于节点 j 及其父节点 i，DistFlow 可以写成：

code复制P_j = P_ij - r_ij · I_ij²
Q_j = Q_ij - x_ij · I_ij²
V_j² = V_i² - 2(r_ij·P_ij + x_ij·Q_ij) + (r_ij² + x_ij²)·I_ij²

其中 I_ij² = (P_ij² + Q_ij²) / V_i²。

这个方程本身是非线性的，直接扔给求解器很难收敛。常用的处理方法是二阶锥松弛：

• 用变量 l_ij 替代 I_ij²，用变量 u_i 替代 V_i²；
• 将潮流方程线性化为：

code复制P_j = P_ij - r_ij · l_ij
Q_j = Q_ij - x_ij · l_ij
u_j = u_i - 2(r_ij·P_ij + x_ij·Q_ij) + (r_ij² + x_ij²)·l_ij

• 把等号约束 P_ij² + Q_ij² = u_i · l_ij 松弛为不等式：

code复制P_ij² + Q_ij² ≤ u_i · l_ij

这个不等式正好是二阶锥约束，能被 Cplex、Gurobi、Mosek 这类求解器直接处理。二阶锥松弛的精确性在绝大多数配电网场景下都能满足，但要注意：如果网络里存在"环"或者约束太紧，松弛后可能会出现非物理的可解——这就是我后面要讲的调试坑。

2.4 孤岛约束：功率平衡与频率电压支撑条件

孤岛运行和主网运行最大的区别是：孤岛没有大电网的电压和频率支撑。因此孤岛约束里除了常规的潮流方程外，还要增加：

1. 有功功率平衡约束：孤岛内分布式电源的总有功出力 ≥ 孤岛内总负荷 + 网损。

2. 无功功率平衡约束：孤岛内分布式电源、无功补偿设备的总无功出力 ≥ 孤岛内总无功负荷 + 无功网损。

3. 电压约束：孤岛内的节点电压必须在允许范围内（比如 0.95 p.u. ~ 1.05 p.u.），因为缺乏主网支撑，孤岛电压更容易越限。

4. 频率约束：孤岛内的频率变化率与有功缺额直接相关。在稳态优化模型中，通常用功率平衡约束来隐式保证频率稳定，但在实际工程中还要考虑分布式电源的调频能力。

从建模角度看，孤岛约束最关键的是要表达"哪些节点属于同一个孤岛"。这个信息是由拓扑决策变量 z_ij 和分布式电源的接入位置共同决定的。具体的做法是：为每个分布式电源引入一个孤岛标记变量 y_g，表示节点 i 内的负荷是否由分布式电源 g 所在的孤岛供电。然后通过连通性约束把孤岛边界和 y_g 关联起来。

3. 求解框架与工具选型：YALMIP 配 Cplex 是最稳妥的组合

3.1 为什么不用智能算法

配电网故障恢复问题，很多人一上来就想到遗传算法、粒子群算法。这类智能算法确实能处理非线性目标和非凸约束，但致命问题是：每次迭代都要做潮流计算，而故障恢复问题里开关状态一变，网络拓扑就变了，潮流计算可能不收敛，导致适应度评估失败。

此外，智能算法本质上是不保证全局最优的启发式方法。论文审稿人如果问一句"你的方案是否全局最优"，你很难回答。用混合整数二阶锥规划（MISOCP）或者混合整数线性规划（MILP），求解器会给你一个最优性间隙的证明，这是学术论文里非常有说服力的东西。

3.2 求解器对比

我用过几种方案，直接说结论：

我最终选用的是 YALMIP + Cplex。YALMIP 的建模语言离数学公式比较近，容易检查模型是否正确；Cplex 对混合整数二阶锥的支持已经非常成熟，求解速度和稳定性都在线。

3.3 环境配置要点

Matlab 版本建议在 R2020a 以上。YALMIP 的安装没什么坑，直接去 GitHub 下载最新版本，把整个文件夹加到 Matlab 路径里即可。Cplex 需要注意版本匹配问题——我试过 Cplex 12.9 配 Matlab R2020a 完全没问题，但换成 Cplex 12.10 时出现了 MEX 文件不兼容的情况。解决办法是：在 Matlab 里重新编译 Cplex 的 MEX 接口，或者在安装 Cplex 时直接用跟 Matlab 版本匹配的安装包。

验证环境是否配好的最简单方式：

matlab复制yalmiptest

如果输出结果里 cplex 对应的行显示 "Successfully solved"，就说明配置没问题。

4. 核心代码实现：从变量定义到约束生成的全过程

4.1 数据准备：以 IEEE 33 节点系统为例

复现最常用的测试系统是 IEEE 33 节点配电网。这个系统的特点是：1 个变电站根节点（节点1），32 个负荷节点，33 条支路（其中 5 条是联络开关）。标准参数里，系统总有功负荷 3.715 MW，总无功负荷 2.3 Mvar。

代码中首先要定义系统的拓扑结构矩阵 branch，每一行代表一条支路，列分别表示起点、终点、电阻、电抗、是否联络开关。这些数据在论文附录或者开源数据集里都能找到，注意单位是欧姆和千瓦、千乏。

分布式电源的位置我选择接在节点 12、25、30，容量分别设为 500 kW、400 kW、600 kW。这个设置比较接近实际论文里的场景。需要留意的是，分布式电源接入位置对孤岛划分结果影响很大——电源接在重负荷区域，孤岛能带的负荷就多；接在轻负荷区域，孤岛就必须划得更大才能平衡功率。

4.2 YALMIP 变量定义

matlab复制% 决策变量
z = binvar(n_branch, 1);        % 支路开关状态，1表示闭合
x = binvar(n_node, 1);          % 节点恢复状态，1表示恢复供电
P = sdpvar(n_branch, 1);        % 支路有功
Q = sdpvar(n_branch, 1);        % 支路无功
l = sdpvar(n_branch, 1);        % 支路电流平方
u = sdpvar(n_node, 1);          % 节点电压平方
P_gen = sdpvar(n_dg, 1);        % 分布式电源有功出力
Q_gen = sdpvar(n_dg, 1);        % 分布式电源无功出力

注意 u 是电压平方，初始值要设好，否则求解器可能因为初始点太差而收敛缓慢。可以用 assign(u, ones(n_node,1)) 预置一组合理的初始值。

4.3 约束生成的坑与技巧

约束的生成是整个建模中最容易出错的部分。我踩过的具体坑包括：

第一个坑：单商品流约束里根节点的设置。重构后的主网根节点是变电站母线（节点1），每个孤岛根节点是各自分布式电源接入节点。实现时我引入一个二元变量 root(k, i) 表示节点 i 是否为第 k 个供电区域的根节点，然后用虚拟潮流约束保证每个区域内的节点都连到该区域的根节点。如果不引入这个变量，直接把所有 DG 节点都设为主网根节点，孤岛和主网就会通过虚拟潮流"连通"，产生错误的辐射状结构。

第二个坑：Isolated 节点的虚拟潮流约束。配电网故障恢复中会有一些节点既没被主网恢复，也没被任何孤岛恢复，处于完全失电状态。这些节点上 x_i = 0，不产生虚拟负荷，因此在虚拟潮流约束中不能用"每个 x_i = 1 的节点必须消耗单位虚拟潮流"这个写法，否则失电节点也会被强制连到某个根上。

第三个坑：DistFlow 方程中支路状态与潮流的耦合。当支路开关 z_ij = 0 时，这条支路上不能有潮流。实现上需要引入大 M 法：

matlab复制% 支路断开时，P、Q、l 都必须为 0
for k = 1:n_branch
    [P(k), Q(k), l(k)] = implies(z(k) == 0, ...);
end

YALMIP 里的 implies 方法会自动把逻辑约束线性化，但注意大 M 的取值别太小。配电网里支路有功几百千瓦到几兆瓦，M 取 1e6 比较稳妥。

4.4 求解调用与结果提取

模型建好之后，求解只需一行：

matlab复制ops = sdpsettings('solver', 'cplex', 'verbose', 2, 'showprogress', 1);
sol = optimize(Constraints, Objective, ops);

sol.problem 为 0 表示求解成功。注意检查 sol.solveroutput.info 里的最优性间隙（MIP gap），通常控制在 1e-4 以下。

求解完成后，提取结果的逻辑：

matlab复制z_opt = round(value(z));
x_opt = round(value(x));
P_opt = value(P);

因为求解器输出的是浮点数，而 0-1 变量理论上是整数，直接使用前用 round 处理一下。如果 value(z) 出现明显偏离 0 或 1 的值（比如 0.4789），说明模型约束写错了，或者二阶锥松弛不精确。

5. 复现过程中的典型问题与完整排查链路

5.1 问题一：求解器返回"不可行"

这是最让人崩溃的情况。模型搭好，约束写完，求解器直接告诉你 infeasible。我排查这个问题的链路是这样的：

第一步，检查孤岛功率平衡约束。分布式电源容量和孤岛负荷能不能匹配上，是孤岛可行性的前提。如果源容量 500 kW，负荷 800 kW，孤岛不可能成立。这时候需要允许部分负荷不恢复（x_i = 0），或者在约束里允许切负荷。不要天真地把孤岛内的负荷全部设为必须恢复变量。

第二步，检查虚拟潮流约束中的系数设置。这个问题我遇到过：虚拟潮流的节点注入量被我设成了实际负荷大小，而不是单位 1。结果导致大负荷节点附近"虚拟潮流容量"爆表，约束无解。虚拟潮流应该用纯拓扑参数，不应当跟物理潮流混在一起。

第三步，检查电压下限是否过严。配电网故障恢复场景下，末端节点电压本来就低，如果约束设置 0.95~1.05，二阶锥松弛可能找不到可行解。我通常先放宽到 0.90~1.10 跑一版，看方案长什么样，再逐步收紧到0.95。如果收紧后不可行，说明确实存在电压越限问题，需要调整重构方案或者增加无功补偿。

5.2 问题二：二阶锥松弛不精确导致的"伪最优解"

二阶锥松弛的精确性并不是天然保证的。在配电网重构问题里，绝大多数文献假设松弛是紧的，但实际复现时你可能会遇到：松弛后的最优解，代入原始非线性潮流方程，潮流不收敛或者说误差很大。

判断松弛是否精确的标准方法：检查支路上是否满足等式 P_ij² + Q_ij² = u_i · l_ij 而非不等式。

如果发现松弛不紧，常见原因是目标函数没有给锥约束"压力"。比如目标函数只考虑恢复负荷量，网损不影响目标，那么对于某些支路，求解器可能选择低于实际需要的最小电流平方值来满足二阶锥约束，此时潮流不精确。

解决办法：在目标函数中加一个非常小的网损惩罚项：

matlab复制Objective = -sum(w .* x .* P_load) + 1e-4 * sum(r .* l);

这个惩罚项能有效促使锥约束收紧，同时不影响主目标的最优性。

5.3 问题三：求解时间过长

33 节点系统一般几秒到几十秒就能收敛，如果换到 123 节点或者 200+ 节点系统，求解时间可能暴增到十几分钟甚至更久。

缩短求解时间的几条实用方案：

1. 添加割平面约束：预先计算一些"不可行组合"，比如某些支路两两互斥（它们同时闭合会形成环路），以线性约束形式加进去，能大幅缩减搜索空间。

2. 设置求解时间上限：sdpsettings('cplex.mip.timelimit', 300) 让求解器在 300 秒内返回当前最优整数解。对于故障恢复场景，一个 99% 最优的快速方案比等半小时的最优方案更有实际意义。

3. 热启动：把上一次求解得到的 z 值作为初始点传给求解器。故障恢复场景里，故障前的拓扑往往是一个不错的初始解。

4. 减少对称性：如果多个分布式电源参数完全一致，它们形成的孤岛在拓扑上是等价的，求解器会浪费大量时间探索对称解。给每个 DG 加上位置标记变量，或者构造不对称的负荷分布，能有效规避对称性问题。

5.4 问题四：分布式电源出力的离散化处理

很多文献会假设分布式电源出力是可连续调节的，但在实际工程中，逆变器型分布式电源的出力通常有离散档位。如果在模型里直接加整数变量限制 DG 出力档位，问题就从 MISOCP 变成了更难的混合整数非线性问题。

我的做法是：先用连续变量跑一版松弛解，得到每个孤岛所需的最小 DG 出力。然后把 DG 出力固定到与此最接近的可行档位，再重新求解拓扑。两次求解的结果对比，如果恢复负荷量下降很小，说明离散化影响可以接受。

6. 仿真结果与方案合理性验证

6.1 典型故障场景下的恢复结果

以 IEEE 33 节点系统为例，我设置一个典型故障场景：支路 5-6 和支路 8-9 同时故障断开。此时节点 6 到 18、节点 8 到 9 等区域大面积失电。系统的分布式电源配置如前所述，接在节点 12、25、30。

求解得到的最优方案大致如下：

这个结果符合物理直觉：远离主网的末端节点恢复困难，分布式电源接入点附近的负荷优先组成孤岛。

6.2 孤岛与重构解耦处理的对比实验

为了验证"同时考虑"的必要性，我做了一组对比：先只做重构，把能恢复的负荷恢复掉，剩下恢复不了的再按孤岛方式处理。结果很有意思——解耦方案比联合方案的恢复负荷量少了大约 15%。原因是：重构阶段为了追求更多的恢复节点，把联络开关全部合上，形成了很长的馈线链，导致末端电压大幅跌落。而联合优化时，模型会主动选择把一部分远端负荷切给孤岛，避免"强行拉长线路"造成的电压问题。

这个对比实验强烈建议大家在自己的复现中也做一下，直接用数据证明联合建模的价值，写论文时也是一个很好的"亮点图表"。

6.3 权重系数敏感性分析

我在第一节提到负荷权重会影响恢复顺序。下面给出一组具体测试结果，帮助各位理解权重设置的影响：

• 当所有节点权重 w_i = 1 时，恢复方案优先恢复大负荷节点（因为目标值增量大）；
• 当权重设置为"重要负荷权重为 5，普通负荷为 1"时，方案会优先恢复重要负荷，哪怕重要负荷所在的支路要绕很远。

敏感性分析的操作方法很简单：把权重数组按不同策略生成，跑多次求解，对比恢复方案差异。这一步对审稿人或者做工程项目决策都很有说服力。

7. 把代码扩展应用到实际系统时要注意的事情

7.1 从 33 节点扩展到上百节点的算力控制

很多同学复现完 33 节点系统，想直接换成实际馈线系统，结果发现求解时间暴涨。我建议按以下顺序优化，效果最明显的是第二条：

1. 矩阵化建模，去掉 Matlab 里的 for 循环（YALMIP 可以把同类型约束向量化，显著降低建模时间）；
2. 给每条支路添加"环路约束"割平面，我实测 123 节点系统能减少 40% 以上的求解时间；
3. 用 sdpsettings('cplex.mip.strategy.search', 0)，让求解器优先用启发式搜索找可行解，而不是系统性的分支定界。

7.2 算例参数变成实际馈线参数时的模型修正

换实际系统时，有几个参数必须从"论文默认值"改成真实数据：

• 电压等级：33 节点系统标幺值的基准电压是 12.66 kV，实际馈线可能是 10 kV 或 20 kV。只要采用标幺值体系，影响不大，但注意电压上下限要按当地规程来。
• 负荷模型：论文里通常做恒功率负荷，实际系统中很多是恒阻抗负荷。如果要做动态特性分析，潮流模型要改。
• 分布式电源的限流特性：故障恢复瞬间，逆变器型 DG 的出力变化率有限，稳态优化模型只能保证"最终稳态"可行，暂态过程还需要做电磁暂态校验。

7.3 与保护定值配合的必要性

配电网的故障恢复方案从"理论上可行"到"工程上可实施"，中间还隔着一道保护配合的鸿沟。孤岛运行时，故障电流特征和并网运行时差异巨大。常规的过流保护可能无法正确识别孤岛内的故障。因此，如果你的项目要往工程化方向推，必须在方案里考虑保护装置的适应性。

此外，孤岛与主网重新并网时必须满足同期条件。这个操作涉及到相位、频率、电压的匹配，实际运行中通常依赖并网控制器自动完成，但恢复方案设计时应预留同期操作的接口和时序。

8. 我对这个复现项目的一些最终体会

回头再看这个复现过程，最大的收获不是代码本身，而是理解了"孤岛"和"重构"这两个概念在数学上如何统一到一个框架里。很多人在论文里看到"同时考虑"这几个字，觉得可能只是把两个模型拼在一起。实际上，真正难的是把拓扑约束和潮流约束通过变量耦合在一起，形成一个可求解的联合优化模型。

从实操层面说，我最后建议所有准备复现这个方向的读者，先别急着写代码，先把以下几个问题想清楚：

1. 你要考虑的几个分布式电源能不能支撑孤岛？容量、位置、出力约束都建模了吗？
2. 你的辐射状约束是否能保证每个孤岛内部也是辐射状？能证明吗？
3. 你的二阶锥松弛紧不紧？你在目标函数里做了哪些促使约束收紧的设计？
4. 你准备怎么处理节点负荷权重？这个权重是否在约束里正确传递？

这几个问题想清楚了，代码只是时间问题。如果直接上来就抄网上代码，跑通很容易，但遇到问题就完全抓瞎。我这一篇里写的排查链路，就是希望大家万一碰到求解器报错，能有一个系统的排查方向，而不是靠运气在模型里乱改。

最后再分享一个我个人调试时候的小习惯：每次求解完之后，一定画出最终的网络拓扑图，把闭合的支路、孤岛的边界、DG 的位置、恢复和未恢复的节点都标出来。眼睛看一遍，比对着成百上千个变量值去看靠谱得多。这个习惯帮我发现了至少三次建模错误，你可能也会用到。