含微网的配电网优化调度：基于YALMIP和IEEE33节点的实践指南

收到一个特别典型的求助：“含微网的配电网优化调度，用YALMIP在IEEE33节点上做，能不能给我讲讲怎么入门？”说实话，这几年我带过不少研究生和刚转行做配电侧优化的工程师，问到最后卡住的地方高度一致：不是看不懂文献里的数学模型，而是不知道怎么把一个优化问题干净利落地落成YALMIP代码，也不知道求解器返回的结果到底靠不靠谱。

这篇东西我打算按自己实际搭模型的顺序来写，从“为什么要建这个模型”一路讲到“结果出来了怎么验算”，中间把我踩过、也帮人排过的问题都摊开说。内容不追求论文式的高深推导，重点是你拿到一个IEEE33算例之后，能沿着这条链路把代码写出来、跑起来、结果讲得通。适合正在做毕业设计、课题组项目复现，或者想快速验证某个调度策略的工程师参考。

1. 为什么“含微网的配电网优化调度”成了绕不开的题目

先说个背景判断。传统配电网的规划运行思路是“无源网络”：电源在上游，负荷在下游，功率单向流动，调度就是调主变、调无功补偿。光伏、风电、储能大规模进配网之后，这个前提被打破了。台区里出现了分布式电源，功率可能倒送，电压可能越限，一条10kV馈线的运行方式不再只由变电站出口决定。微网的出现又让问题多了一层：它既能并网运行，也能离网孤岛，内部有自己的分布式电源、储能和负荷，对外表现为一个“可协调的功率接口”。

调度问题的本质，就是在一个满足潮流约束、设备运行约束和安全约束的条件下，决定各个可控资源怎么出力。含微网之后，决策变量里多了微网与主网的交换功率、储能充放电、分布式电源出力，目标通常是综合运行成本最小，或者网损最小，也可以把电压偏差、弃光弃风量加权进去。

IEEE33节点系统在这个领域里属于“标准练习场地”。它规模适中：33个节点、37条支路，包含联络开关，既不会像单馈线算例那样简单到没有说服力，又不像上万节点的真实馈线那样难以调试。用YALMIP做，是因为它能让你把优化模型和求解器解耦——你只需要用Matlab的语法描述变量、目标、约束，求解器选Gurobi、Cplex还是ECOS，换一行配置就行。这套组合拳已经是该方向的事实标准，从硕士论文到期刊复现，再到工程预研，基本都是这条路。

不过我得先说个容易误解的地方：很多初学者以为“YALMIP是个求解器”，其实不对。YALMIP是建模层，它负责把你的数学模型编译成求解器认识的标准形式。真正干活的是底层求解器。这个区别后面讲到求解器选型时还会反复提到。

2. 写代码之前，先把三个建模决策定下来

2.1 潮流方程选型：DistFlow与二阶锥松弛

配电网优化调度不是简单的经济调度，潮流约束不能省。很多人一开始想用牛顿拉夫逊算出来的潮流结果作为“约束”，这是概念搞混了：调度是在优化变量的同时隐式满足潮流方程，而不是事先给定一个潮流断面。

配电网是辐射状网络，最常用的潮流方程是DistFlow。它的物理含义特别直白：每条支路首端的有功/无功，等于末端节点负荷加上往下游所有支路的功率，再扣除该节点注入的分布式电源；同时电压降落和支路功率、电阻电抗直接相关。

但DistFlow原始形式里有电压平方和电流平方的乘积项，是非凸约束。直接扔给YALMIP，它会报“非凸问题”，或者求解器根本处理不了。工程界的标准解法是二阶锥松弛（SOCP）：把电压平方设为一个新变量，电流平方设为新变量，原非线性约束变成一组线性等式加一个旋转锥约束。松弛之后，只要目标函数是凸的且网络呈现辐射状，最优解往往能精确回到原问题。这也是整个模型能高效求解的核心原因。

在YALMIP里，二阶锥约束写起来非常顺手，核心就一句代码。我习惯用cone()写法，它比直接用norm()更不容易踩坑，因为cone()让YALMIP明确知道这是在构造二阶锥，而norm()有时会被识别成一般非线性的范数约束，导致求解器报错。代码片段长这样：

matlab复制% 支路k连接节点i、j
% Pij, Qij为流过支路的有功/无功, Ui是节点i电压平方
% cone([2*Pij; 2*Qij; Ui - Uj], Ui + Uj)
Constraints = [Constraints, cone([2*Pij(k,t); 2*Qij(k,t); ...  
    Ui(branch(k,1),t) - Ui(branch(k,2),t)], ...
    Ui(branch(k,1),t) + Ui(branch(k,2),t))];

这条约束的物理意义我用一句话概括：它保证了给定支路功率和两端电压平方时，电流平方不小于其最低理论值，从而把非线性潮流方程“松弛”成了一个凸可行域。

2.2 时间尺度：24小时全时序，还是单断面优化

配电网调度分很多种：日前计划按小时粒度做24小时优化，日内滚动可能细化到15分钟，实时控制则要秒级响应。IEEE33算例里最常见的版本是日前经济调度，时间粒度1小时、优化周期24小时。

选择24小时时序，最大的麻烦是储能SOC跨时段耦合。SOC(t+1) = SOC(t) - P_ch / 容量 + P_dis / 容量，这条递推关系把24个时段串成一个链条。如果你想做“独立24个单断面优化”，储能永远只会执行“低充高放”的局部策略，不会考虑跨夜的充放电安排。所以必须把整个24小时作为一个整体优化，这意味着决策变量是24倍的节点数，约束矩阵规模瞬间上来。

我建议第一次实现时不要贪多。先把一个典型日的24小时优化跑通，负荷和光伏出力曲线用公开的典型日数据就行。后续想升级，再考虑多典型日加权、场景法处理不确定性——那是后话。

2.3 微网建模粒度：聚合模型还是全设备模型

含微网的配电网调度，微网内部怎么处理是个关键分岔口。

• 聚合模型：把微网看成一个可控的“等效电源/负荷”接在某个节点上，内部只建模与主网交换的功率限制，可能外加一个储能等效SOC。优点是变量少、求解快，适合研究配电网层级的协调问题。
• 详细内部模型：把微网里的光伏、风机、柴油发电机、储能、负荷各自建模，甚至考虑微网内部的网络约束。优点是能同时回答“微网内怎么调度”的问题，但变量数爆炸，调试难度陡增。

对于入门和多数论文验证场景，我建议先用聚合模型。在IEEE33的某个节点挂一个“微网接口”，设置联络线交换功率上限、储能容量和充放电功率限制，已经能说明微网对配电网运行的影响了。先把这个跑明白，再往里面塞微网内部细节。一上来就全设备建模的，大多在调约束的时候会被烦到怀疑人生。

3. YALMIP建模实操：从变量定义到约束组装的完整逻辑

3.1 变量定义：sdpvar、binvar的取舍与维度陷阱

YALMIP里的优化变量分三类：sdpvar是连续变量，binvar是0/1整数变量，intvar是一般整数变量。调度模型里，微网联络线购售电状态、机组启停状态会用到二进制变量，其余全部用sdpvar。

变量维度规划是我见过踩坑最多的地方。一个典型定义方式：

matlab复制T = 24;                    % 调度时段数
n = 33;                    % IEEE33节点数
m = 37;                    % 支路数

Pij  = sdpvar(m, T);       % 支路有功，37条支路×24时段
Qij  = sdpvar(m, T);       % 支路无功
Ui   = sdpvar(n, T);       % 节点电压平方，33节点×24时段
Pg   = sdpvar(n, T);       % 节点注入有功（含微网和新能源）
Qg   = sdpvar(n, T);       % 节点注入无功
Pdis = sdpvar(1, T);       % 储能放电功率
Pch  = sdpvar(1, T);       % 储能充电功率
SOC  = sdpvar(1, T+1);     % 储能SOC，注意是T+1，因为要表达初末状态

这里有两个非常容易出错的点：

第一，支路矩阵的索引是“支路编号”，不是“节点编号”。IEEE33有33个节点但37条支路，支路数和节点数不相等。如果你把支路矩阵也定义成33×24，后面组装约束时索引会错位，而且很难查出来。

第二，SOC变量必须是T+1个时间点。如果你只定义T个，那么SOC(t+1)在t=T时就越界了。这个错误YALMIP不会报，Matlab会直接数组索引越界，但如果你用了循环拼接，有时候会被setdiff或find这些函数悄悄吞掉，最后求解出来SOC全是NaN，非常坑。

3.2 约束组装：理解YALMIP的“约束即表达式”

YALMIP的核心使用逻辑是：把等式和不等式约束用[]拼成集合，约束之间的连接用逗号或分号都行。这个灵活性有时害了人——有人会在循环里重复初始化Constraints = []，导致只保留最后一组约束。

我的固定写法是：

matlab复制Constraints = [];

% 节点注入功率 = 常规负荷 - 新能源出力 - 微网交换功率，按节点叠加
for t = 1:T
    for i = 1:n
        % Pg是节点i在时段t的总注入有功
        % 实际使用中，这一项由负荷、光伏、微网、储能等聚合得到
        Constraints = [Constraints, ...
            P_inj(i,t) == P_load(i,t) - P_pv(i,t) - P_wt(i,t) - P_mg(i,t)];
    end
end

注意这里我没有把分布式电源的变量揉进矩阵下标——实际代码里，P_pv、P_wt、P_mg如果为0或未接入，直接该元素置0即可。这种“全节点统一建模+零注入清零”的方式，比“只给接入节点单独建变量”更不容易漏约束，代价是多了一些冗余变量，但求解器处理这些没有实际作用的结构非常高效，不值得为了省这点变量牺牲可读性。

把所有支路二阶锥约束组装进来，推荐用预先提取首末端节点索引的方式，避免在循环里反复find：

matlab复制fbus = branch(:,1);   % 首端节点编号向量
tbus = branch(:,2);   % 末端节点编号向量

for k = 1:m
    for t = 1:T
        Constraints = [Constraints, ...
            cone([2*Pij(k,t); 2*Qij(k,t); Ui(fbus(k),t)-Ui(tbus(k),t)], ...
                 Ui(fbus(k),t)+Ui(tbus(k),t))];
    end
end

如果第一次写，可以先不写完整程序，只跑这个二阶锥约束加上电压上下限约束，用几个随机目标试一下能不能解。这样排查“约束本身写错了”和“目标函数写错了”能分开处理。

3.3 储能与微网联络线约束：要特别小心的非线性陷阱

储能约束是经典的非线性来源。最简单的充放电模型，如果只定义一个变量Pess，那么Pess >= 0和Pess <= 0就同时决定了它只能为0，显然不对。所以模型里必须把充电和放电拆成两个非负变量Pch和Pdis，再加一个互斥约束（充电时放电为0，反之亦然）。

这两个变量都是连续变量，它们之间的约束是乘积关系，不是线性关系。标准处理有两种：

1. 引入二进制状态变量u_ch和u_dis，用big-M约束描述互斥，适合Gurobi/Cplex这种支持MIP的求解器。
2. 干脆不管互斥，靠目标函数自动规避——储能充电和放电同时发生时必然造成能量浪费，优化器不会主动这么做。前提是目标函数里必须显式包含储能充放电的成本或惩罚项。

我在第一个版本通常用方案2，把复杂度压到最低。SOC递推写成：

matlab复制% SOC(t+1) = SOC(t) - Pdis(t)/(eta_dis*Cap) + Pch(t)*eta_ch/Cap
for t = 1:T
    Constraints = [Constraints, ...
        SOC(t+1) == SOC(t) - Pdis(t)/(eta_dis*Cap) + Pch(t)*eta_ch/Cap];
end
% 初末SOC一致（可选）
Constraints = [Constraints, SOC(1) == 0.5, SOC(T+1) == 0.5];

微网联络线约束类似，只限制交换功率的范围：-P_tie_max <= P_mg(t) <= P_tie_max。如果区分购电和售电电价，需要加入二进制状态，否则就做一个简单范围约束。

3.4 目标函数与optimize调用

目标函数根据版本走。我建议新手先做“网损最小化”，因为网损是潮流变量的二次函数，和SOCP天然兼容，结果也好验证。一个直接可用的写法：

matlab复制% 网损 = 所有支路上电流平方乘以电阻，折合到标幺值
% 电流平方 = (Pij^2 + Qij^2) / Ui，这里用二阶锥变量近似，简化写法如下
cost_netloss = sum(sum( R .* (Pij.^2 + Qij.^2) ));
Objective = cost_netloss;

严格说，(Pij^2+Qij^2)/Ui是一个非凸表达式，直接把Pij.^2扔进目标函数会让YALMIP把它当二次规划处理，可能丢掉SOCP结构。更稳妥的做法是在模型里显式引入支路电流平方变量Lij，并在二阶锥约束里绑定Lij与Pij,Qij,Ui的关系。不过cone()形式已经隐式包含了这个关系，实际求解时直接计算损耗可以用辅助变量的方式，我一会儿在结果验证部分再细说。

求解指令非常短：

matlab复制ops = sdpsettings('solver', 'gurobi', 'verbose', 2);
% 对于MIP问题，设置以下参数很关键
ops.gurobi.MIPGap = 1e-4;
ops.gurobi.TimeLimit = 300;

sol = optimize(Constraints, Objective, ops);

sol.problem是0表示求解成功，其他非0值代表不同错误类型。这个返回值是调试的第一入口，拿到非零值先用yalmiperror(sol.problem)看具体信息，比瞎改模型效率高得多。

4. IEEE33节点算例的处理与微网接入设计

4.1 标准数据与标幺化处理

IEEE33系统的标准数据包含33个节点、37条支路，节点1是变电站出口（上级电源点）。系统基准电压12.66kV，基准功率常用10MVA，总有功负荷约3.715MW，总无功负荷约2.3Mvar。很多刚接触的人直接把欧姆单位的阻抗和千瓦单位的负荷混着放进去，这是必然出问题的——调度模型里的潮流约束必须在统一的标幺制下工作。

标幺化换算很简单：

Z_base = U_base^2 / S_base = 12.66^2 / 10 ≈ 16.02 Ω

R_pu = R_ohm / Z_base，X_pu = X_ohm / Z_base

P_pu = P_kW / 10000，Q_pu = Q_kvar / 10000

实际环境中，开源数据一般能直接拿到带单位的标准参数表。我习惯在代码最开始放一个独立的“数据预处理”区块，负责单位换算和数据结构整理，这样后面所有约束都不需要再关心单位问题。下面这种表格是标准格式：

这里只列了前5条，完整37条可以在很多公开资源里找到，网上搜IEEE33 bus data能拿到一堆版本，但要注意各版本在联络开关支路的处理上略有差异。选一个来源后，务必和原文标准值核对一遍再接进去。

一个容易忽略的点：IEEE33的37条支路里有5条联络开关，标准潮流计算里联络开关默认是断开的，优化调度里要注意保持网络辐射状约束。很多简化模型直接忽略联络开关，把支路数当32条甚至直接引用错误数据，这个细节评审老师一眼就能看出来。

4.2 微网接入位置：怎么选才能体现效果

微网接在哪个节点不是随便选的。从调度效果看，接在电气薄弱点（长线路末端、电压偏低节点）效果最明显，典型候选是节点18、节点22、节点33附近。这些节点离变电站远，线路压降大，微网注入功率能起到支撑电压、降低网损的作用。

如果接在变电站出口（节点1附近），配电网调度完全感觉不到微网的影响，因为功率直接从主网补充了。这就像在家里水管源头装了个增压泵，对楼上水压没帮助。

4.3 公平对比方案的设计

为了说明微网的价值，必须做“有微网”和“无微网”两个工况的对比，而且其他条件要完全一致：

• 基态：IEEE33原始数据不做任何改动，纯从主网购电。
• 含微网：在选定节点接入微网联络线，设置交换功率上限，微网内部的光伏、储能按典型日出力曲线注入。负荷数据两个场景完全一致。

这样算出来的网损差异、电压改善才有说服力。如果微网加入时偷偷把负荷曲线改了，或者给主网购电价格设了不同条件，对比结果就不成立，这也是很多复现论文被质疑的点。

5. 求解器选型与求解参数调试

5.1 YALMIP后端求解器怎么选

YALMIP只是一个建模层，真正求解要靠底层solver。下表是我实际测过的组合：

我的个人习惯是：Gurobi装好之后就不用再看别的了。如果对面环境只装了Matlab自带工具包，ECOS是保底方案，但需要把二进制变量全部去掉，意味着储能互斥、购售电状态这些逻辑必须用罚函数替代。无论用哪个求解器，ops里verbose一定调到2，这样能实时看到每次迭代的gap变化，有助于判断是求解器在收敛还是已经卡死。

5.2 求解失败时的排查顺序

遇到solve返回非0或者结果NaN，我建议按下面顺序排查，每一条都是我实际遇到过的情况：

1. 把所有整数变量暂时去掉，只保留连续变量和SOCP约束，看问题是否变成可解。如果去掉整数变量后能解，问题出在big-M约束或整数变量的界；如果去掉了还解不了，问题出在连续约束本身。
2. 检查约束集合是否为空。有时候约束写得太强（比如电压上界设成0.9 p.u.），导致可行域为空。YALMIP会提示infeasible，用check(Constraints)找出违例约束。
3. 检查基准值是否一致。节点负荷用标幺值，但微网容量用有名值，或者联络线功率上限忘记除以S_base，这类错误不会导致提示报错，但结果会荒谬到一个节点上出现几十万千瓦的功率。
4. 检查目标函数是否数值过小。当目标函数量级在1e-6以下，Gurobi的默认容忍度可能会把它当零目标处理，导致优化器随便返回一个可行解。此时把目标函数乘以1000或改用kW单位，数值层面立刻改善。

5.3 收敛性判断不能只看problem = 0

sol.problem == 0只代表求解器找到了满足终止条件的解，不代表解正确。SOCP加整数变量的组合，MIPGap从默认的1e-4改成1e-6，最优解可能变化很大。特别是网损这种接近最优平面的目标函数，Gap过大时优化器可能在很远的地方提前宣布收敛。

我建议对关键结果做一次“目标值随Gap变化”的敏感性测试：把MIPGap设置成1e-2、1e-4、1e-6各跑一遍，如果目标值和决策变量变化很小，说明结果稳定，后面再用1e-4出图就够用了。如果差异明显，说明模型数值条件有问题，优先去查约束的量级。

6. 结果输出与验证：怎么判断模型真的算对了

6.1 从优化结果还原物理量

求解完成后，优化变量是标幺值，必须还原成物理单位再分析和画图。我的习惯是写一个后处理脚本，集中做三件事：

matlab复制% 取变量的当前解
U_sol = value(Ui);
Pij_sol = value(Pij);
Qij_sol = value(Qij);
SOC_sol = value(SOC);

% 还原为有名值
U_actual = sqrt(U_sol) * 12.66;   % 电压幅值，kV
Pij_actual = Pij_sol * 10;        % 支路有功，MW
Qij_actual = Qij_sol * 10;        % 支路无功，Mvar

标幺值平方再开方得到电压幅值，很多人会在这里犯晕。Ui是电压平方的标幺值，直接sqrt(value(Ui))就得到电压幅值标幺值，乘以基准电压就得到kV。

6.2 三道验证关卡

拿到结果后我基本会做三个物理验证，全过了才敢说这个模型大概率是对的：

第一道：功率平衡。 所有节点的注入功率之和，必须等于全网网损。用主网注入功率减去全网负荷，差值应该等于网损。这里如果对不上，要么是潮流约束写错，要么是微网交换功率漏了。

第二道：电压剖面。 画出24小时节点电压曲线，检查是否都在0.95~1.05 p.u.范围内。如果出现电压接近1.1或低于0.9，就算模型“解出来”了，结果也没有实际意义。特别关注末端节点（18、22、33），这些节点基态下电压通常偏低，加入微网后电压抬升应能观察到明显差异。

第三道：储能SOC逻辑。 检查SOC曲线是否在合理范围（通常0.1~0.9），充放电功率是否同时非零。用find(Pch_sol > 0 & Pdis_sol > 0)查一下有没有同充同放的时段。如果SOC曲线跳变剧烈，大概率是多时段耦合约束写错了。

6.3 典型结果观察：什么叫“有效果”

以我的经验，在IEEE33末端节点18接入一个合理容量的微网，典型日24小时优化结果通常能观察到三类现象：

• 负荷高峰时段，微网向配电网注入功率，末端节点电压抬升，网损下降。基态下末端电压最低可能到0.93 p.u.左右，含微网后能恢复到0.97 p.u.以上。
• 光伏大发的中午时段，微网内部储能充电，对外交换功率降低甚至反向，避免倒送导致电压越上限。
• 夜间负荷低谷，储能放电或微网减少购电，让主网注入功率曲线更平缓。

如果这三种现象一个都没出现，说明微网参数设置可能过小（比如联络线功率上限设成了0.001 MW），或者光伏/储能数据没有真正参与优化。

7. 复盘与扩展：基础版跑通之后的升级路径

7.1 我实际踩过的高频坑位

把IEEE33含微网调度做顺之后，有几个坑值得单独记下来，很多人会在这些地方反复折腾：

• 二阶锥约束用了norm写法但求解器还是报非凸。 这个问题我帮人排查过很多次，原因大多是YALMIP把norm([...], 2) <= t识别成了二次锥约束，但目标函数或另一处约束里有凸二次项乘积，导致整体模型变成了非凸QCQP。改用cone()能缓解解析问题，但更根本的是去检查其他约束里有没有引入凸二次项。
• 微网接入节点和支路末端节点混淆。 分布式电源是注入到“节点”的，和支路末端节点相关但不是一个概念。如果接入位置写在支路编号上，会让功率注入位置错位，结果看似合理但节点电压曲线全乱。
• 储能初末SOC约束太硬导致可行域过紧。 有时候光伏、负荷曲线是固定的，约束SOC(1)=SOC(25)=0.5会把可行域限制得很死，甚至无解。可以改成SOC(25)>=SOC(1)或者干脆不加末状态约束，只通过目标函数里的惩罚项鼓励储能保持适当SOC，求解顺畅很多。

7.2 从确定性调度到不确定性调度

基础版跑通后，可以沿三条常见路径扩展：

• 两阶段鲁棒优化：光伏和负荷作为不确定参数，用盒式不确定集描述，第一阶决定储能和联络线计划，第二阶在最坏场景下做再调度。具体实现上，YALMIP加C&CG算法（列与约束生成）是主流方案。
• 多场景随机规划：把历史数据聚类成若干典型场景，每个场景带概率权重，目标函数变成期望成本最小化。这个扩展对YALMIP来说非常自然，只需要把变量增加一个场景维度。
• 多微网协同调度：在IEEE33的多个节点分别接入不同微网，微网之间可以有功率交换或者只通过配电网间接耦合。此时问题是分布式优化，ADMM是常用的解耦算法，但初学不建议直接上，先把集中式多微网模型写清楚再说。

7.3 一个效率习惯：把模型和求解流程分离

最后分享一个小习惯。我把YALMIP模型代码分成三个文件：data_prepare.m只管数据和基础参数，build_model.m负责构建变量、约束和目标函数，run_case.m负责调用求解器、后处理和绘图。这样切换不同算例（IEEE33换成IEEE123）、不同目标函数版本时，不需要大改核心代码，只需要在data_prepare.m里替换数据，在build_model.m里注释掉不必要的约束。

这个习惯帮我节省了大量重复调参的时间。每次拿到一个新算例，我只需要跑一遍run_case，然后盯着verbose输出判断模型有没有解。如果一开始就追求代码一体化，后面每加一个约束都要在三百行的脚本里找上下文，那才是真痛苦。

如果你正在做这个题，我的建议是不要一上来追求最复杂的模型，先把我上面的链路完整走一遍——IEEE33数据预处理、DistFlow二阶锥约束、微网聚合模型、Gurobi求解、结果三道验证关卡——每一环都跑通之后，再往上加细节。这样至少能保证，你之后做的所有“看起来高级”的扩展，都是站在一个验证过的底座上。