做过配电网仿真的朋友应该都有体会分布式光伏一多原来从上往下流的功率曲线就开始叛逆中午光照最猛的时候潮流甚至反向节点电压被顶得越限。这时候再靠变电站里的有载调压变压器统一调压往往按下葫芦浮起瓢。我今年用Matlab完整跑了一遍含分布式光伏的配电网集群划分和集群电压协调控制的仿真把从集群划分到分层控制的整个链条都落地了。这篇文章就围绕这个项目讲清楚集群划分怎么分、电压协调怎么控、Matlab代码怎么组织以及我实际调试时踩过的坑。适合正在做配电网方向研究、或者需要用仿真验证分布式光伏控制策略的同行参考。1. 从电压越限说起为什么分布式光伏会让配电网变得难管1.1 传统配电网电压控制思路传统配电网的设计逻辑是单向潮流电源在上端负荷在下端。电压控制主要靠变电站母线电压调节、馈线上的电压降自然分布、以及少数并联电容器组的投切。控制手段不多但胜在负荷曲线相对可预测电压问题集中在重负荷时段的末端电压偏低用调压器和电容器基本能压住。但是分布式光伏接入后情况完全变了。光伏出力跟着太阳走晴天中午出力最大而恰恰这时配电网负荷通常不是峰值多余功率只能向上级电网倒送。潮流一反转电压分布也跟着反转原来沿馈线逐渐下降的电压曲线变成了中间或末端出现局部抬升甚至越上限。1.2 分布式光伏给电压曲线带来的反转效应我用一个实际案例来说明。IEEE 33节点配电网在8个节点分别接入分布式光伏总装机容量接近该馈线峰值负荷的40%。中午光伏满发时如果没有任何控制末端节点电压最高能到1.07 p.u.超出GB/T 12325规定的7%上限。更麻烦的是光伏出力的波动性很强。一片云飘过来出力在几十秒内可以下降30%以上电压跟着剧烈波动。传统的无功补偿设备响应慢、动作频繁会被损寿命集中式优化调度又很难在秒级时间内收集全网信息并下发指令。所以配电网需要更精细、更本地的控制框架这就是集群化思路的出发点。1.3 集群化把大问题拆成可协调的小问题集群划分的核心想法是整条馈线几十个节点如果每个光伏逆变器都自顾自地调压很容易出现相邻逆变器互相抵消、过度调节的问题。但如果把电气联系紧密、光伏出力特性相似的节点聚成一个集群在集群内部做协调再在集群之间做少量交互就能把大规模全局优化问题拆解为若干小规模局部问题响应速度和可靠性都会好很多。这个概念在输电网已经用得很成熟但配电网的网络结构、负荷密度、光伏渗透率差异大不能直接照搬输电网的分区方法。配电网集群划分要更关注电气距离的度量、光伏与负荷的空间匹配、以及集群内部电压调节能力的均衡性。2. 集群划分不是拍脑袋指标选择与聚类算法落地2.1 划分指标怎么定电气距离、光伏功率平衡与模块度集群划分第一步要回答按什么来分。常见的做法是构造节点间的相似度或耦合强度矩阵然后用社区发现或聚类算法划分。我在项目中使用了三个层面的指标电气距离不是地理距离而是节点间电压灵敏度关系的反映。我用的是节点阻抗矩阵的归一化距离计算公式为D_ij (Z_ii Z_jj - 2Z_ij) / (Z_ii Z_jj)。这个距离越小说明两个节点的电压受同一功率注入的影响越接近把它们分在一个集群协调调压时不会互相打架。光伏功率平衡度一个集群内的光伏总出力与本地负荷总需求的匹配程度。如果某个集群光伏出力远大于负荷调压压力会很大应该把一部分光伏和相邻负荷较重的节点划到一起。量化指标可以定义为B |P_pv - P_load| / P_pv越小代表集群自平衡能力越强。模块度这是一个社区划分质量的经典指标用于评价集群内部连接紧密、集群之间连接稀疏的程度。配电网拓扑经过阻抗加权后同样可以计算加权模块度用来筛选最优划分方案。这三个指标不是孤立的。我实际的做法是先基于电气距离矩阵做聚类得到若干候选划分然后分别计算功率平衡度和模块度最后用加权评分的方式选出一组综合性能最好的划分方案。2.2 聚类算法选型从K-means到谱聚类最直观的想法是直接用K-means对节点坐标或电气距离做聚类但我在实践中发现效果并不稳定。K-means对初始聚类中心敏感容易陷入局部最优而且它倾向于按形状聚集对配电网这种辐射状结构适应得不够好。后面我改用了谱聚类。谱聚类的基本思想是把节点看作图的顶点把电气距离的相似度看作边的权重然后通过拉普拉斯矩阵的特征向量做嵌入再在低维空间用K-means。它特别擅长处理这类图上聚类问题能够很好地把馈线分支结构中的强耦合节点归到一起。Matlab实现时可以直接用graph对象和eigs函数做拉普拉斯矩阵的特征分解不需要额外装工具箱。关键部分我写在4.2节。聚类数的确定用的是肘部法则观察特征值差距和模块度曲线一般配电网的馈线分3到5个集群是比较合理的。2.3 Matlab中的实现流程与关键参数我实现的集群划分主流程是这样的输入配电网拓扑参数生成节点导纳矩阵Y和阻抗矩阵Z。计算节点间电气距离矩阵D。用高斯核函数exp(-D^2 / (2*sigma^2))将距离转换为相似度矩阵S。构造归一化拉普拉斯矩阵L用eigs取前k个特征向量。把特征向量按行拼接成矩阵对每一行做K-means聚类。计算划分后的模块度和功率平衡指标调整k和sigma。这里有两个参数非常关键高斯核的带宽sigma和聚类数k。sigma太大会让所有节点相似度都很高聚类失去区分度太小则会把一个完整的馈线分支拆得七零八落。我的经验是先看电气距离矩阵的数值范围取中位数附近的值然后再微调。3. 集群电压协调控制分层框架与前后配合3.1 分层控制框架就地层、集群层与全局层集群划分只是手段最终目标是让电压控制变得可协调、可落地。我把控制架构设计成三层就地层每个光伏逆变器根据本地电压和功率信息做快速响应比如设定电压死区超出死区后按Q(U)曲线调节无功。这一层响应最快但信息有限。集群层每个集群内部设一个协调控制器收集集群内所有节点的电压和光伏运行状态基于灵敏度模型计算各逆变器的最优无功输出调整量。这一层是核心负责消除就地控制解决不了的电压偏差和环流问题。全局层由配电网调度系统负责各集群之间的协调设定集群间交换功率或关口电压的参考值。全局层不需要秒级响应可以走较慢的通信周期。这样的分层好处是即便全局通信中断集群层和就地层仍然可以维持电压不越限全局层只是做边界优化。我在Matlab仿真中把三层控制放在同一个时间循环里用不同刷新周期模拟真实通信时延。3.2 基于灵敏度的无功电压协调策略集群层控制的核心是电压对无功注入的灵敏度关系。在配电网中节点电压幅值的变化量和节点无功注入变化量近似满足线性关系可以写成delta_U S_qu * delta_Q其中S_qu是电压-无功灵敏度矩阵。我在Matlab中通过潮流计算得到稳态运行点后用雅可比矩阵的逆直接提取灵敏度信息。具体做法是计算一次基态潮流再对每个候选光伏节点注入一个小扰动重新潮流用电压差除以无功差来数值逼近。虽然理论上可以用解析法但数值法在配电网这种阻抗比R/X较大的场景下更稳健。得到灵敏度矩阵后集群层控制问题就变成了一个带约束的二次规划目标函数取所有受控节点电压偏差平方和最小同时兼顾逆变器无功裕量的均衡使用。约束条件包括逆变器无功出力上下限、节点电压上下限、集群无功调节量不超过边界。我用Matlab的quadprog求解这个优化问题求解周期设为5秒。对于单个集群内几十个节点的规模求解时间在毫秒级完全够用。3.3 有功/无功协调的必要性与边界条件无功补偿只能解决一部分电压问题。当光伏渗透率特别高、馈线末端电压越限严重时如果继续靠无功把电压拉回来会产生两个副作用一是线路电流增大网损上升甚至过载二是逆变器无功输出过大会压缩有功输出空间影响光伏发电效率。所以我的控制策略里加了一个判断逻辑当某个节点的无功调节量已经接近上限但电压偏差仍然超过阈值就启动有功协调也就是适当限制该集群内部分光伏的有功出力也就是常说的弃光。这个逻辑在Matlab里表现为一个优先级切换先尝试无功如果判断无功裕量不足再按灵敏度最大的机组按比例削减有功。这个先无功后有功策略的边界条件是光伏有功削减量的总成本要小于电压越限带来的设备损害和弃电风险。实际操作中我会设一个电压死区比如电压低于1.05 p.u.时不启用有功削减只有超过限制才按比例降出力。4. Matlab代码实现从潮流数据到仿真曲线的关键模块4.1 数据准备与潮流计算接口不管集群划分还是电压控制都需要一个可靠的潮流计算核心。Matlab环境下最省事的方式是用Matpower工具箱但如果你不想装额外依赖也可以自己写前推回代法。我在项目中用的是自写的前推回代因为配电网辐射状网络用这个方法收敛快、内存占用小。数据准备阶段需要准备这些数组branch支路编号、首端节点、末端节点、电阻、电抗、电纳。bus节点编号、节点类型、有功负荷、无功负荷、电压初值。pv光伏接入节点编号、额定有功、额定无功、逆变器容量。我习惯把这些数据统一放到一个结构体mpc里然后写一个函数[V, converged] pf_forward_backward(mpc)。这个函数内部先根据支路数据生成节点关联矩阵再逐个支路做前推电流、回代电压迭代到电压误差小于1e-6 p.u.为止。这里有一个关键点前推回代法处理分布式光伏时光伏节点要看作恒定有功功率、电压可控的PV节点但配电网里很多光伏控制是PQ模式所以可以在潮流前先判断每个光伏节点是运行在PQ模式还是PV模式。我通常先把所有光伏设为PQ模式无功按控制策略给定然后迭代更新这样更符合逆变器实际控制逻辑。4.2 集群划分核心代码结构拆解谱聚类的核心代码我用了一个独立函数[cluster_idx, modularity] spectral_clustering(D, k, sigma)。第一步构造邻接矩阵% D是电气距离矩阵 S exp(-D.^2 / (2 * sigma^2)); S(1:size(S,1)1:end) 0; % 对角线置零第二步构造归一化拉普拉斯矩阵并分解L diag(sum(S,2)) - S; L_norm diag(1 ./ sqrt(sum(S,2) 1e-10)) * L * diag(1 ./ sqrt(sum(S,2) 1e-10)); [U, ~] eigs(L_norm, k, smallestreal); % 对特征向量矩阵按行归一化 U_norm U ./ vecnorm(U, 2, 2);第三步对归一化后的特征向量做K-means聚类cluster_idx kmeans(U_norm, k, Replicates, 50);这里有个细节eigs求最小的几个特征向量时如果用默认的largestreal方向会得到完全没用的结果。第一次跑的时候我就犯了这个错误出来的划分全是乱的。后来改成smallestreal才正常。另一个容易踩坑的地方是kmeans的初始中心我加了Replicates参数做多次随机重启稳得多。模块度计算我单独写了一个函数针对配电网的阻抗加权图计算划分后的模块度Q值Q sum(M_ij - A_ij / (2*m)) * delta(cluster_i, cluster_j) / (2*m);实际调试时不需要手动写循环可以直接用矩阵运算我简化以后一秒钟就能算完。4.3 电压控制闭环仿真流程电压控制仿真主循环我用的是离散时间步进的方式时间步长设为1秒总共仿真一天也就是86400步。但全仿真太慢我通常截取光照最剧烈的中午时段两个小时来分析这样可以把步长缩短到0.1秒效果更细。每个控制周期的流程是根据光照和温度数据计算当前时刻各光伏的有功出力。运行潮流计算得到节点电压。判断是否有节点电压越限如果没有所有光伏继续按MPPT模式运行。如果有越限先让集群层对越限集群内的所有逆变器计算无功调节量。执行无功调节后再次潮流若仍越限再启有功削减逻辑。记录所有节点的电压、光伏出力、无功出力曲线。主循环中调用quadprog之前需要先把灵敏度矩阵更新到当前运行点。如果你不更新直接用初始点算出来的灵敏度在重载或光伏满发时会产生较大误差控制效果会打折扣。我在前期仿真中就没实时更新导致末端节点电压始终比目标值高一点后来把灵敏度矩阵的更新周期缩短到每30秒一次效果就明显改善了。5. 算例结果怎么读IEEE 33节点下的效果对比5.1 场景设置与光伏接入方案算例采用标准的IEEE 33节点配电网基准电压12.66 kV总负荷约为3.7 MW 2.3 Mvar。光伏接入位置选择了8、13、18、22、25、31六个节点单机容量从0.3 MW到0.6 MW不等总装机2.8 MW渗透率约76%。这个渗透率在实际中算比较高的能明显暴露出电压问题。光照数据我直接用了一个实测的晴天曲线中午12:00到13:00光伏出力达到峰值并假定所有逆变器采用恒功率因数1.0运行作为对照组。5.2 集群划分结果分析用谱聚类把33个节点分成4个集群后划分结果非常符合网络拓扑的物理直觉集群1涵盖主干线前段和部分小分支集群2覆盖中段主要负荷集中区集群3集中了东部一条长分支集群4则是靠近馈线末端的光伏高渗透分支。划分后的模块度Q值为0.52对比随机划分的Q值几乎为负说明划分质量很好。功率平衡度上集群4由于光伏装机相对负荷偏高平衡度最差需要从其他集群输入功率。这个集群在后续电压控制中成为重点关注对象。集群层控制器的优先级设置中集群4被赋予了更高的无功调节权重。5.3 控制前后电压曲线对比中午光伏满发时对照组无控制的电压最恶劣节点出现在馈线末端最高达到1.072 p.u.超过上限7%。投入集群电压协调控制后末端最高电压降到1.047 p.u.满足运行要求。再看集群之间的协调效果。控制前集群4和集群1之间会出现明显电压差光伏出力波动时相邻集群的电压波动幅度接近5%。控制后集群间电压差被限制在2%以内。各逆变器的无功出力没有出现个别逆变器严重过载的现象而是按灵敏度比例分担这点从无功出力曲线可以看得很清楚。从网损角度看控制后的网损相比无控制状态还下降了约6%。这是因为无功补偿减少了重载线路的无功流动线路电流随之下降。这个结果让我对无功协调不会导致网损恶化的判断更有信心了。6. 调试过程踩过的坑与解决办法6.1 潮流不收敛问题多半在PQ节点和PV节点设置前推回代法在配电网中一般很稳但我第一次把光伏节点直接设成PV节点后出现了严重的振荡。原因是PV节点需要电压参考值和无功限幅如果初始电压设得太高前推回代会不断调整无功直至越限最后不收敛。解决办法是把初始电压设为1.0 p.u.并且先按PQ模式跑一遍基态潮流用这个结果作为PV节点的初值。如果你用Matpower也要注意PV节点的Qmin、Qmax要设得合理否则牛顿法照样会卡。这个问题排查了很久才发现其实只是初值和限幅的问题不是算法本身的问题。6.2 聚类结果对初始中心敏感K-means部分尽管加了Replicates但谱聚类的特征向量矩阵在节点数较多时kmeans依然有概率陷入不同局部最优。我处理的办法是做一个简单的稳定性检验对同一组参数跑20次统计两两划分结果的归一化互信息NMI。如果NMI平均值低于0.9说明聚类不稳定需要重新调整sigma或者增大Replicates。另外节点编号顺序也会影响特征向量符号。谱聚类特征向量里的符号并不是固定的有时候会出现同一集群被分裂成两块的情况。我的经验是在K-means之前对特征向量做一次符号对齐比如把所有行中最大绝对值的那个元素调整为正值可以减少这类问题。6.3 灵敏度矩阵维度错误与迭代振荡电压灵敏度矩阵一个是(节点数×光伏数)维的矩阵但我一开始为了省内存只保存了受控节点与光伏节点的数据结果在带电控制时发现有些不参与控制的节点电压反而因为光伏无功调节升高了。后来我把灵敏度矩阵扩展到了所有节点才看清了调节一个节点电压会牵动相邻节点电压的全局关系。迭代振荡的问题主要出在控制步长上。如果直接把二次规划算出来的无功调整量全部分发下去光伏出力波动时电压会出现高频振荡。我加了限制器每次调整量不超过逆变器无功额定值的5%并且对调整后的电压做一次潮流校验如果越限仍然存在下一周期再继续调整而不是一步到位。这样虽然收敛慢了但稳定性好很多。最后再分享一个小技巧调试这种Matlab仿真一定不要把整个系统按单步跑完再看结果。我会把集群划分结果、控制器的中间变量、每一步潮流结果都存成结构体用save定时保存工作区。一旦出现振荡或越限可以直接加载中间状态检查是哪个环节出了问题比从头重跑省太多时间。