分布式光伏在配电网里装到一定比例后电压越限就成了绕不开的坎。白天光照一强馈线末端电压直接往上窜传统的调压手段要么响应慢要么没有远方通信根本不顶用。当前业内一个比较实用的思路就是先把配电网划分成若干集群再做集群电压协调控制把全网的问题拆成“局部自治 全局协调”。这篇文章就把这套方案的 Matlab 实现过程完整捋一遍从电气距离计算、谱聚类划分到基于 MPC 的集群电压协调控制再到前推回代潮流校验每一步怎么做、哪些参数容易出坑我都会结合自己跑代码时的实际经验讲清楚。适合做主动配电网、配电物联网方向研究的研究生以及做分布式光伏接入评估的工程师参考。1. 为什么“集群划分”是电压协调控制的前提1.1 分布式光伏并网后电压越限的物理机制先把这个问题的物理本质讲透。配电网里一条馈线的电压降落简化后可以写成 ΔU ≈ (PR QX) / U其中 P、Q 是流经线路的有功和无功功率R、X 是线路阻抗。传统配电网里功率从变电站单向流向负荷所以电压沿馈线一路走低只要变电站侧电压定得合适末端基本不会越限。分布式光伏接入后情况就变了。光伏大发时节点从“负荷”变成“电源”功率反向流动末端电压不仅不掉反而被抬高。更麻烦的是配电网线路的 R/X 比值普遍较高有时候甚至接近 1这意味着光伏注入的有功对电压升高的贡献比无功还明显。你可以把配电网想象成一根水管光伏相当于在管道中段甚至末端往里加压注水末端的水压自然被顶起来。我在实际算例里见过很典型的情况一个 IEEE 33 节点系统只在 3 个节点各接入 500 kW 光伏无控制状态下中午最大光照时刻末端节点电压直接飙到 1.08 pu 以上完全超出允许范围。这就是高比例分布式光伏给配电网带来的最直接的电压问题。1.2 全网统一调度的工程困境既然电压问题本质是功率分布问题那理论上可以搞一个全网优化调度把所有光伏逆变器的无功出力、有功削减量作为决策变量统一求解。但真这么做工程上会有三个硬伤计算维度爆炸。一个几百上千节点的配电网如果每个光伏节点都作为独立决策变量优化问题的规模会非常大分钟级滚动优化的计算时间根本压不下来。通信压力过大。全网调度需要每个光伏节点实时上报状态同时下发控制指令。实际台区里很多逆变器根本不具备这样的通信条件。多主体协调难。分布式光伏通常属于不同业主全网统一调度相当于让所有业主把控制权交给调度中心这在商业和隐私层面都不现实。所以“集群划分”的价值在于先把强电气耦合的节点归到同一个集群让每个集群内部自治集群之间只交换少量边界信息。原本上千维的决策空间被压成“集群数 × 每集群关键节点数”通信量也降了一个数量级。1.3 集群划分的质量怎么量化划分这件事不能凭感觉得有一个可以计算的指标。电网里最常用的就是模块度 Q它在社区发现领域很成熟用在配电网集群划分时只需要把“边权”对应成节点间的电气耦合强度即可Q (1 / 2M) * Σ_{i,j} [A_ij - (k_i * k_j) / (2M)] * δ(c_i, c_j)其中 A_ij 是边权矩阵k_i 是节点 i 的边权和M 是所有边权总和δ(c_i, c_j) 在节点 i、j 属于同一集群时取 1、否则取 0。Q 的取值范围大致在 -1 到 1 之间Q 越大说明集群内部连接越紧密、集群间连接越稀疏。不过要提醒一句集群数不是越大越好也不是越小越好。集群数太小等于没划分集群数太大每个集群内部可控资源不足自治能力很弱。具体怎么选我在第 2 章里会给出一种比较笨但实用的方法——扫描模块度曲线。2. 集群划分的 Matlab 实现从电气距离到谱聚类2.1 第一步电气距离怎么算集群划分的核心输入是“节点之间到底有多近”。这里不能看地理距离要看电气距离。两个节点即使物理上相邻如果中间没有线路直接或间接联系它们在电网里也谈不上“近”。比较常用的电气距离定义基于节点阻抗矩阵 Z。定义节点 i 和节点 j 之间的电气距离为d_ij z_ii z_jj - 2 * z_ij这里的 z_ii、z_jj、z_ij 都来自节点阻抗矩阵。直观理解就是如果 i、j 之间联系紧密z_ij 会接近 z_ii 和 z_jj距离就会很小如果联系弱距离就会大。在 Matlab 中从导纳矩阵 Y 求 Z 矩阵很简单直接求逆% 计算节点阻抗矩阵 Ybus makeYbus(branch); % 根据支路数据生成导纳矩阵可自己写或借用MATPOWER Zbus inv(full(Ybus)); n size(Zbus, 1); % 计算电气距离矩阵 D_e zeros(n, n); for i 1:n for j 1:n D_e(i, j) Zbus(i, i) Zbus(j, j) - 2 * Zbus(i, j); end end对于 33 节点这种规模直接 full 求逆完全没问题。我试过用这个方法处理 123 节点的系统速度也很快。但如果你要跑到几百上千节点就不要直接 inv 了可以用稀疏 LU 分解来提取关键位置的阻抗信息否则内存和耗时都会很难看。2.2 第二步把距离变成相似度拿到电气距离矩阵后还不能直接聚类。谱聚类要求输入是“相似度矩阵”距离越小相似度越大所以需要用高斯核函数转换一下w_ij exp(-d_ij² / (2σ²))其中 σ 是核宽度参数。σ 的选择直接影响聚类结果我踩过几次坑后总结出一个经验优先取电气距离矩阵所有非对角元素的均值或者取中位数。太小的 σ 会让相似度几乎全部趋近 0矩阵太稀疏聚类结果基本随机太大的 σ 会让所有相似度趋近 1网络结构完全被磨平划分不出来有效集群。代码上这样写% 电气距离转相似度矩阵 sigma median(D_e(D_e 1e-6)); W exp(-D_e.^2 / (2 * sigma^2)); W(1:n1:end) 0; % 对角线置零避免自环影响2.3 第三步拉普拉斯矩阵与特征分解先算度矩阵 D再构造拉普拉斯矩阵 L D - W。谱聚类的核心是用拉普拉斯矩阵的特征向量来代表节点的“社区属性”。实际操作中一般用归一化拉普拉斯矩阵L_sym D^(-1/2) * L * D^(-1/2)然后取 L_sym 最小的 K 个特征值对应的特征向量构造一个 n × K 的矩阵每行归一化后做 k-means 聚类。% 归一化拉普拉斯矩阵 Dvec sum(W, 2); D diag(Dvec); L D - W; D_inv_sqrt diag(1 ./ sqrt(Dvec 1e-10)); L_sym D_inv_sqrt * L * D_inv_sqrt; % 取最小K个特征向量 [U, ~] eigs(L_sym, K, smallestreal); U_norm U ./ sqrt(sum(U.^2, 2) 1e-10); % k-means聚类 idx kmeans(U_norm, K, Replicates, 20);这里有个细节eigs 求的是最大幅值特征值用 smallestreal 参数才能求最小特征值。另外由于浮点误差L_sym 有时会微微不对称如果 eigs 报错先执行一句 L_sym (L_sym L_sym) / 2 强制对称。k-means 建议把 Replicates 设大一点20 次起步。谱聚类在特征向量空间的 k-means 结果受初值影响较大多跑几次取最优能有效避免随机性。2.4 聚类数 K 怎么定K 是谱聚类里最难定的参数。我推荐一种实用方法对 K 从 2 到 10 分别做一次划分计算每次的模块度 Q选择 Q 曲线出现明显拐点、或者 Q 最大且后续增长趋缓的那个 K。% 模块度扫描示意 Q_list zeros(1, 9); K_list 2:10; for k K_list % 重复上述谱聚类流程得到 idx_k Q_list(k-1) compute_modularity(W, idx_k); end [~, best_idx] max(Q_list); K_opt K_list(best_idx);这个方法逻辑很简单模块度本身已经量化了“集群划分质量”直接拿它当目标函数扫描比单纯看特征值 gap 稳定得多。我自己的习惯是先看 Q 曲线再结合控制需求微调——比如某次扫描出来 Q 最大是 K5但可调光伏刚好分布在 3 个馈线组里那就宁可取 K3让每个集群都有足够的可调资源。2.5 把划分结果画出来做完聚类一定要可视化检查一遍。用 Matlab 的 graph 对象非常方便G graph(adjacency_matrix); figure; p plot(G, Layout, force, NodeCData, idx); colorbar; title(配电网集群划分结果);把每个节点按所属集群着色能直观看到划分结果是否合理有没有孤立节点、集群是否支离破碎、边界节点是不是恰好落在联络线上。这一步不要省我见过有人聚类出来一个集群只有 1 个节点一看就是 σ 参数没调好。3. 集群电压协调控制的建模与 quadprog 求解3.1 控制架构怎么搭集群划分完成之后控制策略是另一个重点。常见的做法是分层控制上层做集群间的协调优化下层做集群内光伏逆变器的快速就地控制。时间尺度上就地控制毫秒级响应处理暂态波动上层优化分钟级滚动处理光照变化带来的慢电压偏移。我在 Matlab 里推荐用“集群间 MPC 集群内本地下垂”的组合。理由有两点MPC 能显式处理约束比如逆变器无功容量、电压上下限还能利用预测信息提前动作而集群内部的下垂控制不需要通信即使上层通信断了本地依然能稳住电压。这套架构在实际项目里也更接近部署形态。3.2 灵敏度模型把潮流关系线性化MPC 的预测模型不直接上非线性潮流那样滚动优化就没法在分钟级完成。工程上常用的做法是用灵敏度模型近似电压和注入功率的关系ΔV ≈ S_P * ΔP S_Q * ΔQ其中 S_P、S_Q 是电压对有功、无功的灵敏度矩阵可以通过潮流雅可比矩阵求逆得到也可以在运行点附近用前推回代潮流做数值摄动来估计。我在 Matlab 里的做法是先在当前运行点跑一次前推回代潮流再对每个可调光伏节点注入一个小的无功增量重新跑潮流看各节点电压变化多少逐列构造出 S_Q。这个方法虽然笨一点但实现简单、不依赖雅可比矩阵的解析推导对辐射状配电网非常友好。代码示意S_Q zeros(n, n_pv); baseV backward_forward_sweep(branch, load, pv); For j 1:n_pv pv_temp pv; pv_temp(j).Q pv(j).Q dq; % dq 取 0.01 pu 左右 V_new backward_forward_sweep(branch, load, pv_temp); S_Q(:, j) (V_new - baseV) / dq; End数值摄动的步长不要取得太大0.01 pu 左右比较合适。步长太大线性化误差明显步长太小潮流收敛误差会淹没灵敏度信号。3.3 MPC 的二次规划形式把电压协调控制写成标准 QP 问题决策变量是各可调光伏逆变器的无功增量 ΔQ。目标函数包含两项电压偏差最小 控制动作尽量平滑。min_{ΔQ} ||V_ref - (V_now S_Q * ΔQ)||²_W ρ * ||ΔQ||²约束条件包括逆变器无功上下限Q_min ≤ Q_now ΔQ ≤ Q_max电压约束V_min ≤ V_now S_Q * ΔQ ≤ V_maxMatlab 里直接用 quadprog 求解。注意 quadprog 默认求解 0.5 * x * H * x f * x所以要把目标函数转成对应的 H 和 f% MPC 二次规划 S S_Q; V_now current_voltage; V_ref ones(n, 1); % 标幺值目标电压 1.0 W_v diag(voltage_weight); % 各节点电压权重 rho 0.1; H 2 * (S * W_v * S rho * eye(n_pv)); f -2 * (V_ref - V_now) * W_v * S; % 不等式约束A * x b A [eye(n_pv); -eye(n_pv)]; b [Q_max - Q_now; -(Q_min - Q_now)]; delta_Q quadprog(H, f, A, b, [], [], [], []);实际跑的时候要注意两个细节。第一H 矩阵必须是正定的如果只追求电压偏差最小、不加 ρ 项H 可能出现半正定quadprog 会直接报错。所以 ρ 不能省它既是控制代价项也是数值稳定器。第二每轮 MPC 求解完之后要把 ΔQ 叠加到当前无功设定值上再跑一次潮流验证不要直接拿线性模型的预测结果当真实结果。3.4 前推回代潮流配电网仿真验证的底层工具为了验证集群协调控制效果必须在 Matlab 里搭一个配电网潮流求解器。配电网一般是辐射状网络用前推回代法比牛顿-拉夫逊法更简单直观。前推回代分两步循环回代从线路末端开始逐段累加支路功率算出每条支路上的功率流。前推从根节点开始利用已知的变电站出口电压逐段往下算各节点电压。循环直到两次迭代的电压差小于收敛阈值比如 1e-6。这个方法不需要求导迭代 5 到 20 次一般就能收敛处理 33 节点系统在 Matlab 里几乎是瞬时的。前推回代代码骨架function V backward_forward_sweep(branch, load, pv) % 初始化节点电压 V ones(n, 1); for iter 1:100 [branch_power] backward(branch, load, pv, V); V_new forward(branch, branch_power, V0); if max(abs(V_new - V)) 1e-6 break; End V V_new; End End控制算法和潮流校验要分开写不要把 MPC 的灵敏度模型和潮流校验混在一起。我最初图省事直接拿灵敏度模型估算电压结果估算值和潮流真值差了 0.02 pu控制效果自然不对。后来改成“MPC 优化 潮流验证”两段式问题立刻解决。4. 代码实现中的高频坑与参数调优心得4.1 IEEE 33 节点算例的光伏接入设计我跑通整个流程用的是 IEEE 33 节点标准算例光伏接入方案参考了相关文献里的做法。这里给出一个可以直接用的示例配置光伏接入位置与容量设置参考节点编号 | 光伏容量/kW | 功率因数范围 | 接入类型 8 | 500 | 0.95 滞相~0.95 超相 | 恒功率控制 16 | 800 | 0.95 滞相~0.95 超相 | 恒功率控制 21 | 600 | 0.95 滞相~0.95 超相 | 恒功率控制需要说明的是这个配置只是为了验证算法流程。实际做研究时光伏接入位置和容量应该根据你的具体案例设定比如做随机场景分析时可以按容量比例随机接入多个节点但前期的调试阶段建议固定下来减少干扰变量。4.2 几个必须调的参数高斯核 σ我用中位数法效果稳定。如果聚类结果出现单点集群检查是否 σ 太小。k-means Replicates至少 20最好 50。谱聚类的 k-means 环节非常吃初值多跑几次最稳。MPC 权重矩阵 W_v想让哪些节点电压优先合格就把权重调大。一般馈线末端电压最危险末端节点权重可以给 5 到 10变电站出口附近权重给 1。ρ 控制代价从 0.1 起步。如果无功出力来回振荡、控制曲线像锯齿就增大 ρ比如调到 1。我试过在同一个算例里只改 ρ 从 0.01 到 1控制曲线从剧烈振荡变成平滑收敛电压越限节点数都消掉了。所以调参的顺序应该是先保证电压合格再逐步调平滑性。常见报错排查速查表报错信息 | 可能原因 | 解决办法 eigs 报“Argument 2 must be a positive integer” | K 没定义或定义错误 | 先确定 K再用扫描法选值 eigs 报“Matrix is not symmetric” | 浮点误差导致 L_sym 不对称 | 强制对称化 L_sym (L_sym L_sym) / 2 kmeans 报“NaN or Inf in data” | 特征向量里有 NaN通常来自 Zbus 求逆 | 检查 Ybus 是否奇异剔除孤立节点 quadprog 报“H must be positive definite” | ρ0 或目标函数构造错误 | 给 ρ 一个正的小值并检查 S_Q 是否含 NaN 前推回代不收敛 | 网络拓扑非辐射状或 PV 出力过大 | 检查支路数据给 PV 有功适当限幅4.3 灵敏度矩阵的精度问题灵敏度矩阵是 MPC 的“眼睛”它不准后续所有优化都是白搭。我调试时发现两个常见问题数值摄动步长太大会引入非线性误差。比如步长取 0.1 pu灵敏度会偏低 20% 以上。建议取 0.01 pu。在电压越限严重的运行点做摄动潮流本身都可能不收敛。所以构建灵敏度矩阵之前先确认基础潮流收敛如果是因为光伏出力过大导致初始化失败可以先用“无控制 有功削减”把运行点拉回正常范围内再构建灵敏度。5. 仿真结果怎么组织与表达5.1 必画的图和评估指标代码跑通之后最怕的是“有结果但不知道展示什么”。我每次整理这类项目都会固定输出四类图集群划分拓扑着色图。节点按集群着色一眼看出划分是否合理。无控制与集群协调控制两种场景下的节点电压分布对比曲线。能直观展示电压越限的消除效果。各集群光伏逆变器的无功出力曲线。能看出控制动作是否平滑、有没有频繁振荡。网损对比柱状图。无控制、本地控制、集群协调控制三种方案各算一个总网损对比最清楚。量化指标方面重点关注四个数电压越限节点数越限比例全网电压标准差系统网损光伏无功调节次数评估控制动作成本5.2 三种策略的对比逻辑我在实际仿真中一般会做三组对比无控制光伏满发逆变器不参与调压呈现明显的电压越限。 本地下垂控制每个光伏逆变器只根据本地电压偏差调无功不需要通信。 集群协调 MPC集群内通过通信采集信息滚动优化无功出力。三组对比下来直接结论通常是本地下垂能缓解一部分电压问题但存在“无功争抢”现象某些节点调过了、某些节点还没到位集群协调 MPC 能利用全局信息把无功出力分配到最需要的地方在电压偏差和网损两个指标上都明显占优。这个对比逻辑一定要在报告里写清楚否则别人看完你的曲线也不知道优势到底在哪。5.3 代码结构建议最后说一下工程组织。不要把所有逻辑塞进一个 main.m我吃过大亏改一个参数要翻半天。推荐按下面的目录结构组织cluster_voltage_control/ ├── main_cluster_voltage_control.m % 主流程参数设置、调用各模块 ├── data/ │ └── ieee33_bus.m % 网络拓扑、负荷、光伏数据 ├── src/ │ ├── backward_forward_sweep.m % 前推回代潮流 │ ├── electrical_distance.m % 电气距离计算 │ ├── spectral_clustering.m % 谱聚类划分 │ ├── compute_modularity.m % 模块度计算 │ ├── sensitivity_matrix.m % 灵敏度矩阵构造 │ └── mpc_cluster_voltage.m % MPC二次规划求解 └── results/ └── fig/ % 保存仿真图模块化之后调试任何一个环节都不用牵扯其他代码。比如我想换一个潮流算法只需要替换 backward_forward_sweep.m其他控制逻辑完全不动。我个人在实际操作中最大的体会是这个课题的算法原理并不难难的是“模块之间的数据流”容易断。电气距离计算出来是什么格式、谱聚类输出的是什么索引、MPC 的决策变量又对应哪几个节点——这些变量穿梭在多个脚本之间一旦中间对接错了结果就是错的但代码又不报错。所以我的建议是每写完一个函数立刻用一个小规模测试数据验证输出形状再继续下一步。代码写完之后至少保留一张“无控制 集群协调 MPC”的电压对比图作为基准后面任何参数改动都拿这张图对比防止越改越偏信。