做分布式电源接入配电网影响评估这个课题时我以为就是改一下潮流计算、加个DG节点而已真正跑完一遍才发现这里面的牵扯维度相当多——电压抬升、短路电流、谐波、孤岛检测每个方向都能单独撑起一篇论文。前前后后折腾了一个多月用Matlab从零搭了一套仿真框架把不同渗透率、不同接入位置下的影响全部量化了一遍。这篇文章把整个项目的完整复盘整理出来从影响机理到建模思路从核心代码到调试经验一锅端供做配电网规划研究的同行、搞新能源并网评估的工程师以及正在憋毕业论文的电气专业同学参考。1. 项目到底在研究什么配电网从“无源”变“有源”后的连锁反应1.1 分布式电源的核心特征分布式电源Distributed GenerationDG指直接接入配电网、装机规模通常不大的发电单元最常见的就是屋顶光伏、小型风力发电机、燃气轮机和储能系统。它和传统集中式发电厂最大的区别有三点一是容量小、数量多可能一条馈线上挂几十个接入点二是出力跟随天气波动光伏晚上出力为零中午可能满发这种随机性让配电网的运行方式每天都在变化三是绝大多数DG通过电力电子逆变器并网不像同步发电机那样具有天然的转动惯量和电压支撑能力。这三个特征决定了不能简单把DG当成“缩小版发电厂”来处理。传统配电网原来是单电源辐射状结构功率从变电站母线单向流向用户DG接入后系统变成多电源结构功率流向不再固定短路电流分布、保护配合逻辑、电压调节策略全部要重新审视。这就是本研究的出发点。1.2 为什么要专门做“影响评估”配电网规划设计规范是按照无源网络假设制定的比如馈线电压降公式、保护定值计算、无功补偿配置都没有考虑用户侧发电的因素。DG大规模接入以后最直接的问题就暴露出来了临近光伏接入点的用户电压被抬高中午发电高峰时甚至越上限线路保护因为DG注入的故障电流而出现误动或拒动逆变器产生的高频谐波叠加在工频波形上。这些问题不是某个设备的问题而是系统层面的连锁反应。本项目要做的事情就是把这些影响定量化——用Matlab搭建一个典型的10kV配电网模型在不同位置接入不同容量的DG然后通过仿真计算得到电压分布曲线、短路电流水平、网络损耗、谐波畸变率等关键指标的变化规律为配电网规划、保护整定、DG准入容量评估提供数据支撑。1.3 研究边界与仿真环境这项研究聚焦在四个维度稳态电压分布、短路电流与保护配合、谐波电能质量、孤岛运行风险。暂态稳定性、小扰动稳定性这类问题不在本次仿真范围内那些需要更精细的电磁暂态模型不是一篇影响评估文章能覆盖的。仿真在Matlab环境中完成纯M文件实现没有用Simulink。选择纯脚本的原因后面详细说简单讲就是批量扫描DG渗透率时脚本循环比Simulink模型灵活得多。Matlab R2020b及以上版本都可以直接运行我实测用的是R2023b。2. 四大影响维度每个都是可以深挖的坑2.1 电压分布变化最直观也最容易出问题的维度配电网电压降落公式是 ΔU ≈ (PR QX)/U其中P和Q是线路传输的有功和无功功率R和X是线路阻抗。传统馈线上功率从变电站流向负荷末端所以越靠近末端电压越低。DG接入后情况完全不同——DG所在节点向上游输送功率相当于抵消了部分负荷电流馈线上传输功率减小电压降落变小如果DG出力大于本地负荷功率反向流动还会出现电压抬升。我跑完不同渗透率场景后发现一个规律当DG总装机容量占馈线最大负荷的比例低于30%时电压曲线整体抬升但还算平缓超过50%之后DG接入点附近电压可能超过1.07 p.u.触碰到运行上限。更麻烦的是这种抬升集中在馈线中后段即便变电站母线电压调低末端电压还是压不下来因为电压调节手段在变电站侧控制不到线路中间位置。实际处理中要么给DG配无功吸收能力要么加装线路调压器要么直接限制该馈线的DG装机容量。Matlab实现这部分的思路很直接在不同节点接入DG后重新跑潮流计算提取所有节点电压幅值画出电压分布曲线对比图。为了量化“越限风险”我定义了一个指标——电压偏移率用max(U_i - U_N)/U_N计算U_N为额定电压。这个指标可以作为后续DG容量规划的目标函数之一。2.2 短路电流与保护配合涉及人身和设备安全的硬指标传统配电网短路时故障电流只由系统侧电源提供方向从变电站流向故障点方向性明确。这就是三段式电流保护能可靠配合的基础离电源越近短路电流越大通过电流定值和延时配合实现选择性。DG接入后故障点除了接受系统侧电流还接受DG侧注入的故障电流。虽然逆变器型DG的故障电流受限一般只有1.21.5倍额定电流但因为DG数量多合计值照样不可忽视。我模拟了一条10kV馈线末端三相短路时的电流分布发现DG渗透率50%时变电站侧提供的短路电流下降约20%原因是DG分担了负荷相当于系统侧电源到故障点的等效阻抗变大。这个变化对保护整定是致命的——原本按最大运行方式整定的过流II段保护可能因为短路电流变小而灵敏度不足原本按最小运行方式校核的保护范围也可能发生改变。更麻烦的是如果DG在保护安装处和故障点之间DG会向故障点注入电流造成该线路的保护无法通过电流定值识别故障方向。这一维度我在仿真里用的是对称分量法用序网络计算短路电流。实际工程中还要考虑逆变器控制策略对故障电流的影响——快速电流限制控制会让DG在故障期间表现得像一个恒流源这和同步发电机完全不一样也是现在很多保护研究课题的切入点。2.3 谐波与电能质量电力电子接口的“工业副作用”光伏逆变器和风机变流器都是开关器件PWM调制产生的谐波分量叠加到配电网里会让节点电压波形畸变。波形畸变程度用总谐波畸变率THD衡量THD sqrt(sum(U_h^2)) / U_1U_h是第h次谐波电压有效值U_1是基波有效值。IEEE 519标准要求低压系统THD一般不超过5%10kV系统要求更严格。仿真中我建了一个带LCL滤波器的三相逆变器模型用PWM调制模拟谐波注入在公共连接点测量电压波形并做FFT分析。实测结果比较典型单台逆变器接入时THD在2%左右问题不大但同一馈线上密集接入多台逆变器后谐波发生叠加效应部分频次谐波在某些线路长度下产生并联谐振放大THD直接升到7%以上。并联谐振的机理可以这么理解变压器的感抗和线路的分布电容构成LC回路如果谐波频率落在谐振点附近微小注入也会被放大成显著振荡。这也是分布式电源选址时要避开特定线路长度的原因。2.4 孤岛效应与安全风险看不见的“带电区”孤岛是配电网上游因故障或检修断开后DG仍然向本地负荷供电形成的独立运行区域。非计划孤岛非常危险检修人员以为线路已停电开始作业实际上线路末端还是带电的孤岛系统中的电压和频率失去主网支撑可能漂移出允许范围损坏用户设备重合闸动作时如果孤岛系统与主网不同步会产生巨大的合闸冲击电流直接烧毁设备。仿真中我实现了两种被动式孤岛检测方法——欠压/欠频检测和频率变化率检测。前者实现简单设置电压和频率阈值越限即判定孤岛后者检测频率变化率df/dt对功率不平衡的孤岛识别更灵敏。但被动检测有天然盲区当DG出力与本地负荷恰好平衡时孤岛后电压和频率基本不变检测不到。这也是单纯被动式方案在实际工程中不满足孤岛检测标准要求的原因需要配合主动式方法或通信手段。我代码里预留了主动扰动法的接口后续可以扩展。3. Matlab仿真建模从标准算例到工程修正3.1 配电网模型选择为什么用IEEE 33节点系统配电网影响研究的“标准试验田”是IEEE 33节点系统。这是一个典型的10kV辐射状配电网模型包含1个平衡节点变电站出口、32个负荷节点、32条支路总负荷约3715kW加2300kvar。这个系统的知名度相当于电路设计里的“hello world”好处是所有参数公开可查文献比对方便不同研究者的结果能直接横向对照。我用它做基础网络还有个实际考虑33条支路的规模适中既能体现配电网的辐射状结构和线路长度差异又不至于像几百节点的系统那样计算负担过重。在做渗透率扫描时内层循环要反复修改接入位置和容量如果网络规模太大整体耗时会很难受。当然如果实际项目需要模拟真实馈线这个方法也可以直接迁移——只需要把节点导纳矩阵和支路参数替换成实际数据就行核心算法不用动。3.2 分布式电源的Matlab模型选型DG在潮流计算中的建模取决于控制方式这一步选择直接决定计算结果的可信度常用的有三类。PQ模型是最常见的把DG看作恒定的功率注入P和Q由控制目标决定。并网逆变器采用最大功率追踪控制时有功出力由光照决定无功按单位功率因数设为0就适合用PQ模型。光伏和储能大部分场景下都可以简化为PQ节点处理。PV模型需要DG维持接入点电压恒定类似于传统发电机。采用恒压控制如虚拟同步机控制的储能或燃气轮机可以用这种模型。注意PV节点有两个关键参数——无功出力上限和下限仿真中DG的Q超出限值时必须自动转为PQ节点否则结果失真。恒阻抗模型将DG等效为一个负的阻抗适用于故障计算中逆变器恒流控制的简化表达。这个模型精度差一些但胜在数值稳定性好。本项目以光伏为主所以电流源型PQ模型是主力。需要说明的是模型选择要和仿真目标匹配稳态潮流分析用稳态模型就够了但分析孤岛暂态过程时必须在dq旋转坐标系下建立逆变器的动态模型考虑电流内环和电压外环的控制响应这是两种完全不同的仿真深度。3.3 潮流计算算法选型前推回代法为什么更合适配电网潮流计算有两个主流选择牛顿-拉夫逊法和前推回代法。教科书上都讲牛顿法它是通用算法适用于任意网络拓扑收敛速度是二阶的。但用在配电网上有两个痛点一是配电网R/X比值高线路电阻和电抗相当雅可比矩阵条件数差牛顿法容易振荡不收敛二是实现复杂度高要维护完整的节点导纳矩阵、计算雅可比子矩阵代码量是前推回代法的好几倍。前推回代法则天生适合辐射状配电网。它的原理很简单先假定各节点电压为额定值从最末端节点开始根据负荷功率和节点电压反推各支路电流这个阶段叫“回代”然后从变电站节点开始用支路电流和线路阻抗计算每个节点的电压降落逐段推送到末端“前推”。两个阶段交替迭代直到节点电压变化小于收敛阈值。辐射状网络下这个算法几乎不会发散通常几十次迭代内就能收敛到10^-6的精度。我把两种算法都实现过进行对比33节点系统牛顿法要迭代45次前推回代法要68次速度差不多但从代码维护角度来看前推回代法数据结构简单改DG接入位置或者加网络约束都非常直观。本项目最终选了前推回代法作为核心求解器。4. 关键代码实现直接能跑的Matlab框架4.1 数据初始化与网络拓扑定义Matlab代码的第一个核心工作是定义网络参数。IEEE 33节点系统的支路数据是一个33行、4列的矩阵每行代表一条支路首端节点编号、末端节点编号、支路电阻欧姆、支路电抗欧姆。负荷数据是另一个33行的矩阵每行代表一个节点的有功和无功负荷。基础数据直接写成函数内嵌数组就行不需要读外部文件保证脚本可移植。我建议把网络数据和仿真配置分开管理。网络数据节点数、支路矩阵、负荷矩阵放在一个结构体里仿真配置DG接入位置、DG容量、渗透率扫描范围放在另一个结构体里。后面做参数扫描时只修改配置结构体避免误碰网络定义导致计算结果无法横向对比。4.2 前推回代法核心函数前推回代法代码的核心是一个潮流计算函数输入网络信息和DG功率注入输出节点电压幅值和相角、支路电流、系统总网损。函数最核心的迭代过程代码如下function [V, Ploss, iter] bf_solver(branch, load, dg, tol, maxIter) % branch: 支路矩阵 [首端节点, 末端节点, R, X] % load: 节点负荷矩阵 [节点编号, P, Q] % dg: DG注入矩阵 [节点编号, P, Q] % V: 节点电压向量复数 nnode size(load, 1); V ones(nnode, 1); % 初始化电压为1.0 p.u. V(1) 1.0; % 平衡节点变电站出口电压固定 iter 0; while iter maxIter V_old V; % 阶段1回代从末端到首端求支路电流 I_branch zeros(size(branch, 1), 1); for k size(branch, 1):-1:1 n_end branch(k, 2); n_start branch(k, 1); % 末端节点净注入电流 负荷电流 - DG注入电流 S_node load(n_end, 2) 1j * load(n_end, 3) ... - dg(n_end, 2) - 1j * dg(n_end, 3); I_node conj(S_node) / conj(V(n_end)); % 累加下游支路电流 downstream find(branch(:, 1) n_end); I_branch(k) I_node sum(I_branch(downstream)); end % 阶段2前推从首端到末端更新节点电压 for k 1:size(branch, 1) n_start branch(k, 1); n_end branch(k, 2); Z branch(k, 3) 1j * branch(k, 4); V(n_end) V(n_start) - I_branch(k) * Z; end iter iter 1; if max(abs(V - V_old)) tol break; end end Ploss sum(abs(I_branch).^2 .* branch(:, 3)); end这个实现里有几个细节值得注意。第一回代阶段用“find(branch(:, 1) n_end)”找下游支路这个操作比较耗时但33节点规模无所谓如果换到几百节点的网络建议在函数外预先建立拓扑层级关系用稀疏矩阵存储能快一个数量级。第二DG注入通过修改节点净注入电流实现而不是修改网络结构——这样不同接入方案的切换成本极低只需更新dg参数矩阵。第三节点编号顺序和支路方向要保持一致否则回代和前推的遍历顺序就乱了。4.3 DG影响扫描模块自动批量跑场景影响评估的核心是对比研究我的做法是在一个主脚本里嵌套循环外层遍历DG接入位置从节点5到节点32内层遍历渗透率从10%到80%、步长10%。每个场景各自调用一次潮流函数记录节点电压向量、总网损和DG总出力最后集中输出。这个批量扫描结构如下penetration_rate 0.1:0.1:0.8; % 渗透率范围 dg_locations [7, 13, 18, 22, 25, 30, 32]; % 典型接入位置 results []; for loc dg_locations for pen penetration_rate dg zeros(nnode, 3); dg(loc, 2) pen * total_load_P; % 有功注入 dg(loc, 3) 0; % 无功注入为0单位功率因数 [V, Ploss, ~] bf_solver(branch, load, dg, 1e-6, 50); results [results; loc, pen, max(abs(V)), sum(abs(V).^2), Ploss]; end end结果矩阵的每一行就是一个仿真场景的综合指标。这个设计有几个好处一是所有场景结果都落在同一个数据矩阵里后续画图、生成表格、做灵敏度分析都是直接从这个矩阵提取数据不用重新跑仿真二是数据格式简单清晰方便导出到Excel或者Python里做进一步的数据分析三是代码扩展性很好——要加新的评价指标时只需在循环体里增加一行记录代码。4.4 短路电流仿真模块设计短路电流计算采用序分量法调用Matlab的短路计算函数。核心代码如下function Ifault short_circuit(Zbus, Vprefault, fault_location, dg_currents) % Zbus: 正序节点阻抗矩阵 % Vprefault: 故障前电压复数向量 % fault_location: 故障节点编号 % dg_currents: DG注入的故障电流复数向量 Zff Zbus(fault_location, fault_location); If_k Vprefault(fault_location) / Zff; % 系统侧短路电流 % DG侧贡献的故障电流按比例叠加 If_dg sum(dg_currents); Ifault abs(If_k) abs(If_dg); end这个模块放在单独的m文件里便于后续做故障类型扩展增加两相短路、单相接地短路需考虑零序网络等场景。值得注意的是DG侧的故障电流并非恒定值逆变器控制策略不同故障期间的输出特性差异很大。本项目只考虑恒流源近似这也是后续可以进一步深入研究的方向。5. 仿真结果数据反映出的规律与工程启示5.1 电压分布对比DG接入是把“双刃剑”基线工况无DG接入下33节点系统从首端到末端的电压单调下降末端节点电压约0.91 p.u.接近0.9 p.u.的下限。DG接入后节点电压曲线整体上移而且上移幅度与渗透率正相关。渗透率20%时末端电压恢复到0.95 p.u.这看起来是好事渗透率50%时DG接入点附近电压达到1.05 p.u.末端电压达到1.06 p.u.已经逼近上限。我还注意到一个有意思的细节同样的渗透率下DG接入位置对电压的影响差异很大。DG接在馈线末端节点32时电压抬升效果最明显但末端越限风险也最大DG接在馈线首端节点5时电压改善几乎可忽略。这说明DG接入的“最优位置”不是一个固定值而是要看评估目标的侧重点——如果目标是改善末端低电压末端接入效果最好如果目标是避免电压越限则应该优先接入中间位置同时配套容量的估算也不同。5.2 网损与渗透率存在一个“甜点区”网损随渗透率的增加呈U形变化。以节点25接入为例渗透率从0增加到30%时总网损从基线值的202kW下降到约130kW降幅约35%渗透率超过40%后网损开始回升渗透率到80%时网损接近250kW反而高于不接DG的基准值。网损先降后升的机理在于DG就地消纳了一部分负荷电流线路传输功率减小网损降低但当DG出力超过本地负荷时多余电量需要反向输送回变电站反向潮流在线路上同样产生损耗此时DG实际上变成了一个“远距离电源”经济性逆转。这个U形曲线的转折点就是该接入方案下的“最优渗透率”。这也是为什么工程上必须做影响评估而不是简单追求“多装光伏”——超出消纳能力的装机不仅不降损还会加剧线路负担。5.3 短路电流水平与保护整定影响短路电流方面DG对变电站侧短路电流的影响是“削弱”为主。馈线首端三相短路时系统侧短路电流从基线的3.2kA降到了渗透率50%时的2.9kA左右这是DG分走了部分负荷电流、使故障前馈线上等效传播功率减少的结果。但对保护整定的影响更大的是DG注入分量。DG接入点下游发生故障时系统的故障电流从变电站和DG两个方向流向故障点流过线路保护安装处的电流不再是单一方向的短路电流。尤其当DG容量大到一定程度流过保护的电流可能小于保护定值导致保护拒动。更极端的情况是DG上游故障时保护感受到的电流方向与常规方向相反如果不配备方向元件保护极其容易误动。仿真中我把这种情况标记为“保护协调失败”统计失败次数随渗透率的变化趋势——这组数据可以直接用于保护定值校核报告。6. 排查与调试实测中踩过的几个大坑6.1 潮流计算不收敛的第一排查项单位前推回代法在33节点系统几乎不会出现收敛性问题所以一旦不收敛第一个要怀疑的就是单位混乱。IEEE 33节点系统原始数据里阻抗单位是欧姆电压单位是kV功率单位是kW和kvar。我第一版直接把原始数据塞进去算出来的结果发散到离谱后来才发现功率单位用的是MW差了三个数量级。我的建议是统一采用标幺值体系选取基准容量10MVA基准电压12.66kV阻抗的基准值为16.03欧姆。所有原始数据先换算成标幺值再参与计算潮流函数内部全部使用标幺值只在输出结果时换算回有名值。这样不仅数值稳定性好代码里的物理量含义也清晰。6.2 PV节点无功越限不处理就是“隐形错误”当DG采用PV模型时最容易忽视的问题是无功越限。仿真中PV节点初始给定一个无功出力值但迭代过程中计算出来的电压偏差要求无功出力不断增加一旦超过逆变器容量上限这个节点就维持不住电压了。如果没有在代码中加越限处理潮流计算依然会收敛但收敛结果里该节点电压已经偏离设定值数据完全是错的。正确做法每次迭代后检查Q是否超出上限超了就强制固定在限值并切换成PQ节点重新迭代。这个检测逻辑虽然简单却是PV节点DG仿真最容易踩的坑很多新手在这上面栽了跟头还查不出原因。6.3 DG容量超出网络承受能力导致的收敛抖动渗透率扫描到80%以上时部分接入位置出现几次迭代振荡的现象。原因是DG功率过大某些节点电压计算值超出合理范围回代阶段中节点注入电流的计算出现数值异常。我的处理方案是在每次迭代后对节点电压做钳制限制在0.51.5 p.u.范围超出则用边界值代替。这个方法虽然不精致但能保证扫描过程稳定不中断。对于正常渗透率范围这个钳制不会影响结果精度。6.4 MATLAB性能优化经验初版代码在渗透率扫描时用的是三重for循环跑完需要几分钟。后来做了两个层面的优化一是合理利用Matlab的向量化能力用矩阵运算替代内层for循环二是预分配内存避免矩阵在循环中逐行扩张。优化后扫描时间从原来的几分钟降到了十几秒。对于需要快速反复调整参数的场景这个速度提升非常关键。7. 后续扩展这套框架还能往哪里走这次项目用的是稳态模型和标准算例但在实际工程落地中这套代码后续还有几个可以继续深入的方向。第一加入时序仿真能力——光伏出力随光照变化影响评估不能只看单一工况要把一整年的8760小时光照数据喂进去做时序潮流计算得到电压和网损的时间分布特性。第二把单目标评估扩展成优化问题——在满足电压偏差、短路电流、谐波等约束的前提下优化DG的接入位置和容量这本质上是一个带约束的非线性规划问题可以和粒子群算法、遗传算法结合。第三用实际配电网数据替换IEEE 33节点——代码框架不变只需要把真实的线路参数和负荷曲线导入仿真就从“学术验证”变成了“工程指导”。我个人在完成这个项目后的体会是影响评估这件事仿真做出来是第一步真正有价值的是把结果翻译成工程语言——哪些节点能接入多少容量、保护需要怎么调整、无功补偿该怎么配套。这套Matlab代码的价值不在于潮流计算本身而在于它能快速批量回答这些“如果……怎么办”的问题。做配电网规划或者新能源接入评估的朋友建议直接在这套框架上改比从零开始搭要划算得多。