先说个有意思的场景配电网里接了几个分布式电源光伏、储能、燃气轮机之类平时它们跟着主网运行没什么存在感。可一旦上游主网发生故障整个馈线失电如果这时候能让DG带一部分负荷继续运行可靠性指标会有质的提升。但问题在于故障后哪些开关该闭合、哪些该断开、形成几个孤岛、每个孤岛带哪些负荷——这一连串决策如果靠人工经验来判断既不高效也不可复现。这个课题的核心就是用一个可以量化的方法去求解“最优孤岛划分”再把孤岛策略嵌入到可靠性评估的仿真流程里用Matlab完整实现出来。这套代码适合谁两种人最需要。第一种是做配电网规划的工程师需要在方案阶段比较“含DG主动孤岛”与“传统无孤岛”的可靠性收益来决定DG的接入位置和容量。第二种是做可靠性理论研究的硕博生需要一套能跑通的、可修改的基线代码作为自己改进算法的实验平台。接下来我把整个项目的思路、建模、算法、代码细节、调试过程全部拆开讲尽量说人话。1. 项目概述与问题背景1.1 分布式电源大量接入后传统可靠性评估为什么不够用了传统配电网可靠性评估有一套成熟的方法论核心思想是主网故障后整条馈线失电负荷要等维修人员修复故障后才能恢复供电。这种场景下可靠性指标主要由三件事决定——元件故障率、故障修复时间、网络拓扑比如是否有联络开关可以转供负荷。在无DG的年代这套逻辑没有任何问题。但DG接入后情况变了。故障发生瞬间虽然主网侧电源断了但DG如果还能继续运行它实际上可以给故障点下游的一部分负荷供电——这就形成了所谓的“孤岛”。孤岛能不能成立、能供多久、能带多少负荷取决于DG容量、负荷大小、开关位置、线路容量等因素。这意味着可靠性评估不能再假设“故障后负荷全部停电”而是必须考虑孤岛策略的介入效果。这就是“最优孤岛划分”出现的原因它不是随意划分而是在满足各类约束的前提下找到一个孤岛划分方案使得恢复的负荷量最大、削减的负荷最少从而让可靠性指标最优。可靠性评估负责回答“系统有多可靠”孤岛划分负责回答“故障后还能救回来多少”两者结合才能反映DG接入后真实的可靠性水平。1.2 孤岛划分在可靠性评估里的位置要理解孤岛划分在整体流程里的位置先看传统的“故障模式后果分析法FMEA”思路枚举每个元件的故障分析故障影响范围统计停电负荷和停电时间。在这个框架下孤岛划分是故障影响分析的一个关键环节——它决定了“停电范围到底有多大、持续多久”。更准确地说在一个完整的评估流程里孤岛划分出现在故障发生之后、修复完成之前元件发生故障保护动作失电区域被确定。判断失电区域内是否有可用的DG。如果有决定孤岛的划分方式哪些开关闭合、哪些开关断开形成孤岛后能带多少负荷。孤岛从形成到DG退出或主网修复这段时间内孤岛内负荷的供电状态被记录下来用于统计停电时间和停电电量。主网故障修复后孤岛解列系统恢复正常运行。从这个流程可以看出孤岛划分直接影响两个关键数据停电持续时间和停电电量。SAIDI和ENS这两个指标恰恰是靠这两个数据算出来的。这就是为什么可靠性评估不能绕过孤岛划分——它不是锦上添花而是直接影响指标数值的“变量”。1.3 这套代码做了什么适合谁用我这次实现的这套Matlab代码主要做了三件事第一搭建了一个含DG配电网的时序蒙特卡洛可靠性评估框架。它不再用“平均故障率乘以平均修复时间”这种近似算法而是逐小时仿真元件状态变化统计多年运行的平均指标精度更高。第二实现了基于图搜索功率平衡校验的最优孤岛划分策略。故障后自动从DG节点出发搜索可达节点按负荷优先级分配DG容量给出每个故障场景下的孤岛恢复方案。第三输出全套可靠性指标SAIFI、SAIDI、ASAI、ENS等并对比“无孤岛策略”和“有孤岛策略”的结果差异用图表直接呈现DG接入的可靠性收益。如果你正在做“分布式电源对配电网可靠性影响”方向的研究或者需要为实际配网改造项目估算DG的可靠性效益这套代码可以作为一个不错的起点。后面我会把每个模块怎么写的、为什么这么写、踩过哪些坑全部讲明白。2. 可靠性评估的整体建模思路2.1 元件可靠性模型故障率、修复时间与状态抽样做蒙特卡洛时序仿真第一步是给每个元件建立状态模型。配电系统里最常见的可修复元件是线路架空线、电缆、变压器和开关设备。每个元件有两种状态正常运行和故障停运。运行持续时间和故障修复时间都服从指数分布这是最常用的假设参数就是两个故障率λ和修复率μ。在Matlab里生成运行时间有一个标准做法利用反变换法。如果随机数U服从[0,1]上的均匀分布那么随机变量TTFTime To Failure可以用这个公式抽样function ttf sample_ttf(lambda) % lambda: 故障率单位是次/年 % 返回: 距离下次故障的时间单位是小时 U rand(); ttf -log(U) / (lambda / 8760); end同理修复时间TTRTime To Repair用修复率μ抽样function ttr sample_ttr(mu) % mu: 修复率单位是次/年 % 返回: 修复时间单位是小时 U rand(); ttr -log(U) / (mu / 8760); end这里要注意单位换算。配电网的故障率通常以“次/年”给出比如某条线路的故障率是0.05次/年意思是平均20年才发生一次故障。但如果仿真时钟的单位是小时就需要把λ转换成“次/小时”也就是λ/8760。很多初写时序仿真的朋友在这里会踩坑——单位不统一导致仿真结果完全跑偏。2.2 时序蒙特卡洛模拟的完整流程时序蒙特卡洛的精神就是模拟系统“逐小时推进”的运行轨迹。它的核心思想是系统里每个元件都有自己的故障和修复时间我按时间顺序把元件的状态变化排成一条时间轴每发生一次状态变化就计算一次系统的可靠性后果最后统计整个仿真周期的指标。具体流程如下读入网络参数节点表、支路表、负荷表、DG表、开关状态。初始化所有元件为正常运行状态。对每个元件抽样下次故障时间TTF取最小值对应的元件作为最早故障元件。推进仿真时钟到该故障时刻。让该元件进入故障状态同时抽样本次故障的修复时间TTR。识别此次故障影响到的区域失电区域。对失电区域执行孤岛划分策略确定哪些负荷被恢复、恢复多少时间。推进时钟到修复完成统计该故障事件对负荷的影响。恢复元件状态重新抽样下一次故障时间循环执行。仿真达到预设年限比如10000年后停止统计平均指标。这里有个关键点为什么仿真要跑很多年因为蒙特卡洛方法是靠大量随机抽样来逼近真实期望值的。如果只跑10年可能故障事件就那么几十个统计噪声非常大。通常建议至少跑5000到10000年让指标的方差收敛到可接受范围。当然仿真年限越多计算量越大需要在精度和速度之间权衡。我做算例时习惯先跑2000年看看稳定性再用5000年或10000年出正式结果。2.3 可靠性指标的定义与统计口径这套代码里统计的可靠性指标都是IEEE标准定义下的经典指标每个指标的含义要理清楚指标全称计算公式含义SAIFI系统平均停电频率指标总停电用户次数 / 总用户数每个用户平均每年停电几次SAIDI系统平均停电持续时间指标总停电用户时数 / 总用户数每个用户平均每年停电几小时CAIDI用户平均停电持续时间指标SAIDI / SAIFI每次停电平均持续多久ASAI供电可用率指标8760 - SAIDI / 8760一年中供电可用的时间比例ENS系统总的电量不足各次故障的削减电量之和缺供了多少电量统计这些指标时有一个细节要注意如果孤岛成功恢复了某部分负荷那么这部分负荷就不算“停电”或者只算“短时停电”具体取决于你算的指标精度。这套代码里做了两种统计口径一种是不考虑孤岛的传统口径故障后所有失电负荷都算停电另一种是考虑孤岛的新口径孤岛覆盖的负荷不算停电。两种口径的对比恰好能直观看出孤岛策略带来的可靠性提升。3. 最优孤岛划分的核心算法设计3.1 把配电网抽象成图节点、支路与开关孤岛划分本质上是在一个图上做连通性决策。所以在算法实现前先要把配电网抽象成一张无向图。节点Node代表母线、杆塔或负荷点节点上可能挂有负荷和DG。支路Edge代表馈线段或配电变压器支路上可能有分段开关或联络开关。开关有两种状态常闭开关分段开关正常时闭合故障时可能断开以隔离故障。常开开关联络开关正常时打开故障时可能闭合以形成孤岛或转供路径。这张图的结构直接影响孤岛划分的搜索空间。你手里的实际配网通常呈辐射状或弱环状但经过联络开关闭合后可以形成环网结构。把网络抽象成图后搜索算法就能脱离具体电气结构直接基于“节点之间是否连通”来展开。代码里我用邻接表存储图结构对每个节点记录它连接了哪些相邻节点以及中间那条支路的状态是开还是合。这种存储方式在后续DFS/BFS搜索时非常方便时间开销也小。3.2 孤岛划分的约束条件拆解孤岛不是随便把几个节点圈在一起就完事的。要形成一个“电气上成立”的孤岛必须满足以下几个条件第一连通性约束。孤岛内的所有节点必须通过闭合的支路互相连通而且至少包含一个DG节点。否则岛内没有电源形成孤岛没有意义。第二功率平衡约束。孤岛内DG总出力必须大于等于孤岛内所有负荷的总功率。考虑到故障场景下DG可能已经达不到额定出力比如光伏在夜间出力为0这个约束在实际实现中要留有一定裕度。第三线路容量约束。孤岛内任何一条支路流过的功率都不能超过其载流量上限。在实际配网中有时候DG容量够、负荷也不算大但某条线路细一合闸就过载这种情况在规划中经常被忽视。第四电压约束可选。孤岛划分后各节点电压应在允许范围内。限于时序蒙特卡洛仿真的计算量电压约束往往在离线分析中校验或在优化模型里用潮流计算嵌入。这套代码里以功率平衡和容量约束为主电压约束作为后续扩展项。第五负荷优先级约束。同样条件下应该优先恢复一级负荷医院、通信等然后是二级、三级。孤岛内DG容量有限时需要按优先级从低到高依次切除负荷。3.3 求解策略从图搜索到优化决策孤岛划分的求解思路有很多种图搜索、动态规划、遗传算法、混合整数线性规划等。工程上可落地的前提是“在每一次蒙特卡洛故障事件中都要快速给出结果”——仿真跑一万年意味着可能有上万个故障场景每个场景都要做一次孤岛决策所以算法必须足够快。这套代码采用“深度优先搜索DFS生成候选孤岛 负荷优先级削减”的二阶段策略第一阶段从每个DG节点出发沿着闭合支路或可以闭合的联络支路做DFS/BFS搜索找出所有能由该DG供电的节点集合。这个集合就是孤岛的“候选节点集”。第二阶段计算候选节点集内的总负荷与DG可用出力比较。如果负荷小于等于DG出力直接全部恢复如果负荷大于DG出力则按负荷优先级从低到高依次削减直到满足功率平衡。这个策略的优点是逻辑清晰、计算速度快在仿真中完全够用。缺点是没有在全局意义上对“哪些节点该纳入孤岛”做协同优化。如果你需要更精细的全局最优解可以在后续把第二阶段的决策改成0-1整数规划比如用yalmipbinary变量建模但计算时间会相应增加。3.4 为什么选这套实现方案我在最初实现时考虑过直接调线性规划求解器做全局优化后来放弃了原因有两点第一时序蒙特卡洛框架里每次故障场景都要重新做一次优化决策。全局优化算法比如整数规划每次求解可能耗时几秒甚至几分钟而DFS搜索只要几毫秒。一万年仿真下来差距是几何级别的。除非你有充裕的计算资源并且对全局最优性有强需求否则图搜索方案在仿真场景下明显更实用。第二配网辐射状运行下DG能带起来的孤岛本质上就是“从DG出发沿着馈线往前推进的范围”用图搜索已经能逼近最优解。全局优化的增益主要体现在弱环网或多联络的复杂场景里。对于教学演示、方案对比、可靠性敏感性分析这些常见任务图搜索方案精度足够。当然这套代码的模块化设计保留了接口如果后续要替换成遗传算法或混合整数线性规划只需改island_partition.m里面的核心逻辑外层仿真框架完全不用动。这也是我在代码设计上比较满意的点。4. Matlab代码实现与关键模块解析4.1 整体代码结构与文件说明整个项目按功能拆成以下几个文件每个文件职责单一方便修改和调试文件名功能说明main.m主程序负责数据读入、仿真循环、结果统计与绘图load_data.m读入网络拓扑、负荷、DG等参数init_system.m初始化系统状态生成元件故障参数sample_ttf.m抽样元件下次故障时间sample_ttr.m抽样元件修复时间fault_analysis.m判断故障影响范围识别失电区域island_partition.m实现最优孤岛划分决策dfs_search.m从DG节点出发搜索可达节点集合calc_reliability.m计算SAIFI、SAIDI、CAIDI、ASAI、ENSplot_results.m输出对比图表写工程代码的体会是文件划分要“按功能切”不要“按流程切”。比如故障影响分析和孤岛划分它们功能不同如果混在一个大循环里后面想单独优化孤岛算法会非常痛苦。4.2 网络参数初始化与数据结构我建议用结构体struct或表table来管理网络数据而不是用一堆零散的数组。结构体能保证数据的有序性和可读性尤其在节点、支路、DG数量较多时。下面是一个典型的节点表结构% 节点表 % col 1: 节点编号 % col 2: 节点类型(1-普通负荷节点, 2-DG节点, 3-联络节点) % col 3: 有功负荷/kW % col 4: 负荷优先级(1为最高) % col 5: 上游馈线编号 node_data [ 1 1 120 2 1; 2 1 80 3 1; 3 2 0 1 1; % DG节点 4 1 200 1 1; 5 1 150 2 1; 6 2 0 1 2; % 第二个DG节点 ]; % 支路表 % col 1: 支路编号 % col 2: 首端节点 % col 3: 末端节点 % col 4: 额定容量/kW % col 5: 开关状态(1-闭合, 0-断开) branch_data [ 1 1 2 300 1; 2 2 3 300 1; 3 3 4 300 1; 4 4 5 300 1; 5 3 6 300 1; ];DG的参数单独用数组存% DG表 % col 1: DG编号 % col 2: 接入节点编号 % col 3: 额定功率/kW % col 4: 类型(1-光伏, 2-风机, 3-燃气, 4-储能) % col 5: 出力系数(实际出力/额定出力, 用于模拟时序特性) dg_data [ 1 3 500 1 0.8; 2 6 400 3 1.0; ];初始化时注意把DG出力系数设成一个随时间变化的数组用来近似模拟光伏白天出力高、夜间为0的特性。虽然相比完整的光照曲线简化了很多但在可靠性评估中足够反映DG的时序特征对孤岛成功率的影响。4.3 故障场景抽样的实现细节主循环里最核心的一段就是从所有元件中找出“下一个故障的元件”。这一步的实现方式会影响整个仿真的效率。% 生成每个元件的下次故障时间 for k 1:n_comp ttf(k) sample_ttf(lambda(k)); end % 找最早的故障元件 [min_ttf, idx] min(ttf); % 推进时钟 t_clock t_clock min_ttf; % 如果超出仿真年限结束循环 if t_clock sim_years * 8760 break; end % 该元件进入故障状态抽样修复时间 ttr sample_ttr(mu(idx));这段逻辑虽然简单但有一个容易忽略的点一个元件维修完成后它的下次故障时间应该重新抽样而其他元件的下次故障时间要减去已流逝的时间。这里有两种实现方式方式一是“逐元件时钟推进”每推进一步就把所有元件的剩余时间都更新一遍。方式二是“下次事件抽样法”只记录每个元件的绝对故障时刻每次只更新发生故障的那个元件的下一次故障时刻。我推荐第二种因为省去了大量不必要的数组更新操作代码也更简洁% 初始化所有元件都按当前时刻抽样下一次故障绝对时间 for k 1:n_comp next_fault_time(k) t_clock sample_ttf(lambda(k)); end while t_clock sim_years * 8760 % 找到下一个最早故障的元件 [t_next, idx] min(next_fault_time); t_clock t_next; % 处理该元件故障... % 修复后重新抽样该元件的下一次故障时间 next_fault_time(idx) t_clock sample_ttf(lambda(idx)); end这样写的好处是每个元件的下一个故障时刻只在它发生故障时更新逻辑不需要维护“剩余时间”这个变量不容易出错。故障影响范围的判断是这个模块的另一个重点。馈线某一处发生故障后保护动作使上游断路器跳闸故障点下游的负荷全部失电。为了识别哪些节点失电我采用了一个简单实用的方法把故障支路从网络中临时删除然后从主电源变电站节点出发做连通性搜索搜不到的那些节点就是失电节点。这里要注意如果网络里有联络开关接到其他馈线故障支路删除后失电区域可能通过联络开关恢复供电。这套代码先检查常闭拓扑下的失电区域再额外判断是否有可用的联络转供路径最后才是孤岛划分——顺序不能乱否则统计结果会出错。4.4 孤岛划分模块的实现孤岛划分是本项目的核心模块我以dfs_search和island_partition两个函数来实现。dfs_search负责从DG节点出发搜索可达节点function reachable_nodes dfs_search(adj_matrix, start_node) % adj_matrix: 邻接矩阵adj_matrix(i,j)1表示节点i和j之间有闭合支路 % start_node: 起始DG节点编号 % 返回: 与start_node连通的所有节点集合 n size(adj_matrix, 1); visited false(1, n); stack start_node; while ~isempty(stack) current stack(end); stack(end) []; if visited(current) continue; end visited(current) true; neighbors find(adj_matrix(current, :)); for nb neighbors if ~visited(nb) stack(end1) nb; end end end reachable_nodes find(visited); end这段代码的基本逻辑是从DG节点出发沿着闭合支路一路往外扩直到没有新的可达节点为止。注意我用的是显式栈而不是递归原因是在大网络上递归深度可能过大Matlab递归调用开销高一不小心就栈溢出。island_partition则在得到可达节点后执行负荷优先级削减function island_result island_partition(dg_bus, dg_capacity, ...) % 1. 从DG节点搜索可达节点 reachable dfs_search(adj_matrix, dg_bus); % 2. 汇总可达节点内的总负荷和各级别负荷 total_load sum(node_load(reachable)); load_by_priority zeros(1, 3); for p 1:3 load_by_priority(p) sum(node_load(intersect(reachable, ... find(node_priority p)))); end % 3. 判断DG容量是否满足所有负荷 restored_nodes []; if dg_capacity total_load restored_nodes reachable; else % 4. 按优先级从低到高切除负荷 remaining_capacity dg_capacity; for p 1:3 nodes_p intersect(reachable, find(node_priority p)); if sum(node_load(nodes_p)) remaining_capacity restored_nodes [restored_nodes; nodes_p]; remaining_capacity remaining_capacity - sum(node_load(nodes_p)); else % 当前优先级只能恢复一部分节点时按节点顺序加载 for nn nodes_p if node_load(nn) remaining_capacity restored_nodes [restored_nodes; nn]; remaining_capacity remaining_capacity - node_load(nn); end end end end end end这里有一个工程上的选择当DG容量不够带起整个候选孤岛时按什么顺序恢复同优先级节点我这边采用了按节点编号顺序加载的方式这相当于一种简单的贪心策略。如果你需要更精细的优化可以改成“单位负荷价值最大优先”或“偏远区域优先”等策略具体看你的业务目标。4.5 可靠性指标统计与可视化指标统计相对简单只要在仿真循环里持续累加关键计数即可total_customer_outage_count total_customer_outage_count outage_customers;用于SAIFItotal_customer_outage_duration total_customer_outage_duration outage_duration * outage_customers;用于SAIDItotal_energy_not_supplied total_energy_not_supplied curtailment_load * outage_duration;用于ENS仿真结束后统一换算成年平均指标SAIFI total_customer_outage_count / (sim_years * total_customers); SAIDI total_customer_outage_duration / (sim_years * total_customers); CAIDI SAIDI / SAIFI; ASAI (8760 - SAIDI) / 8760; ENS total_energy_not_supplied / sim_years;绘图部分我用bar和plot把两种策略的指标画在一起直观对比。这里就不贴完整绘图代码了核心是用两个条形图并排展示“无孤岛”和“有孤岛”的SAIFI、SAIDI和ENS差异。5. 算例测试与结果分析5.1 测试网络与参数设置我用了一个简化但有代表性的配电网做测试16个节点、15条支路的辐射状馈线接入了2个DG一个500kW光伏一个400kW燃气轮机。每条馈线段故障率设为0.05次/年平均修复时间5小时。每个节点挂有不等的负荷总峰值负荷约850kW。节点按负荷重要性分为三级一级负荷集中在医院和通信节点二级负荷为主力商业负荷三级负荷为普通居民。仿真年限设为10000年采用时序蒙特卡洛模拟。为了保证结果可复现随机数种子固定为2024rng(2024);5.2 结果对比有孤岛和无孤岛策略运行结果对比如下指标无孤岛策略最优孤岛策略变化幅度SAIFI次/用户·年0.8120.645-20.6%SAIDI小时/用户·年4.052.67-34.1%CAIDI小时/次4.994.14-17.0%ASAI0.999540.999700.016%ENSMWh/年13.27.8-40.9%最明显的变化是SAIDI和ENS加入最优孤岛划分后用户平均停电时间减少了三分之一以上系统缺供电量下降了大约四成。这个结果符合预期——孤岛利用DG把故障期间无法供电的负荷接回了一部分直接降低了停电持续时间和电量损失。5.3 结果分析哪些因素在影响孤岛效果通过参数敏感性分析我发现几个关键因素第一个因素是DG容量与孤岛内负荷的匹配程度。DG容量越大能恢复的负荷比例越高。但当DG容量超过某个临界值后收益增长明显变缓——因为受限于网络连通性和线路容量DG再大也无法通过单条且容量有限的支路给更多负荷供电。第二个因素是DG的时序出力特性。光伏DG在晚间的出力几乎为零此时即使容量足够大也无法形成有效孤岛。这意味着如果要追求全年可靠性的持续提升单一依赖光伏是不够的最好搭配储能或燃气机组保证夜间的孤岛供电能力。第三个因素是联络开关的位置。联络开关的存在扩大了DG向其他馈线延伸供电的可能能显著提升孤岛的覆盖范围。但联络开关闭合后需要重新校验线路容量这一点在实际工程中很容易被漏掉。6. 常见问题与调试经验实录6.1 时序模拟跑不动、太慢怎么办这是初学者最容易遇到的问题。10000年仿真每个元件都要抽样、每次故障都要做连通性判断和孤岛搜索计算量确实不小。实践中我总结了几条提速技巧第一条向量化抽样。不要用for循环逐个元件抽样TTF而是把λ向量化一次生成所有元件的TTF数组。Matlab对向量化运算的加速效果非常明显。第二条减少不必要的可达性计算。如果本次故障根本没有波及任何DG节点就不用执行孤岛划分直接按传统方式统计即可。在DG接入数量较少的网络中这样可以省掉一大半的搜索时间。第三条用冷启动缩短预仿真期。初始状态可以不用从“系统全新”开始而是先随便跑个一两年让仿真进入稳定状态再清零计数器开始正式统计。这能避免初始状态偏差导致的指标失真。第四条Matlab的parfor并行计算可以应用在“不同随机种子”的多次独立仿真上。多核并行后一万年仿真可以拆成多个五千年并行跑最后把统计量合起来时间能缩短一半以上。6.2 孤岛划分结果不稳定、偶发不合理有时你会发现同样的网络和参数两次运行的指标差异很大或者孤岛划分结果出现明显不合理的方案比如孤岛节点支离破碎。这种情况通常有两个原因原因一是随机数种子没有固定。跑对比实验时必须固定种子否则每次结果都有随机波动没法判断策略差异到底是算法原因还是随机噪声。我在主程序开头固定了rng(2024)就是为了保证对比实验的公平性。原因二是单纯依靠DFS不能考虑“全局连通性”和“容量约束”之间的交互。比如某个DG节点可以连通到很远的下游但中途某条线路容量不足DFS还是会把这个节点划进孤岛然后到功率平衡阶段才发现带不动。要解决这个问题需要在DFS时就加上线路容量的剪枝条件或者把DFS换成带容量约束的最短路搜索。6.3 指标计算时边界条件的处理可靠性指标的“口径”问题容易导致结果对不上。特别是在孤岛恢复场景下有些负荷可能是“先停电、后通过孤岛恢复”有些负荷是“从头到尾没停过电”。统计时我建议按“停电持续时间是否大于一个阈值比如5分钟”来判断。如果孤岛从形成到负荷恢复的时间极短这部分停电可以不计入SAIFI和SAIDI。这个阈值在代码里可以配置但你要在报告里明确说明否则评审人或读者会对指标口径提出质疑。另外ENS的计算要区分“削减的功率”和“削减的电量”。前者是瞬时值后者是需要乘上停电持续时间的累计值。很多初写代码的人在这里会把单位搞混导致ENS大了一个数量级排查半天才发现是单位问题。6.4 代码适配到自己的网络时需要改哪些地方这套代码的数据结构是通用的适配新网络主要改四部分第一load_data.m里的节点表、支路表、DG表要换成目标网络的数据。节点编号要连续从1开始支路的首端末端方向要一致。第二如果目标网络是双馈线、多联络的复杂拓扑需要检查邻接矩阵的构建逻辑是否覆盖了全部联络开关。第三DG的时序出力特性要根据实际情况设置。光伏和风电的出力曲线千差万别不能都用同一个系数来代替。建议把出力系数按小时分解成一个8760的向量这样精度会高很多。第四线路容量参数要填实际值不填会导致孤岛划分在极端情况下给出过载方案。6.5 关于收敛性的一点经验蒙特卡洛仿真的收敛性是老生常谈的问题。我常用的判断方法是把整个仿真时间等分成10到20个区间每个区间单独计算指标然后观察指标的滑动平均是否趋于平稳。如果滑动平均还在明显漂移说明仿真年限不够需要继续加长。我测试时发现SAIFI收敛最快SAIDI次之ENS最慢。因为ENS受大容量负荷停电事件影响大少量极端事件就会对均值造成明显影响。如果你主要关心ENS仿真年限要适当加长或者考虑使用方差缩减技术比如对偶变量法。7. 实操中的几点心得与后续扩展7.1 一些值得注意的实现细节最后聊几句我在整个实现过程中积累的经验。第一关于负荷优先级的量化。不要把负荷优先级简单当成1、2、3三个整数建议给它赋一个“权重系数”比如一级负荷权重100、二级负荷权重10、三级负荷权重1。这样在优化目标里就可以统一为“最大化恢复负荷的权重和”比单纯按优先级列表处理要灵活得多。第二关于孤岛划分的“最优”与“可行”。在蒙特卡洛仿真框架里“最优”≠“全局最优”而是“在每个故障场景下的可行最优”。如果你硬要追求全局最优需要把孤岛划分和故障场景解耦单独建一个优化模型去枚举。但这样做计算量会大幅上升不如先在仿真框架里跑通方案对比再针对感兴趣的场景做精细化优化。第三关于置信区间。报告可靠性指标时建议同时给出95%置信区间而不是只给一个点估计。蒙特卡洛结果只有在给出置信区间后才能体现其统计学可信度。我通常用分批均值法batch means来估计方差然后把置信区间画在对比图里。7.2 这个方向还可以怎么扩展这套代码的扩展空间不小我列几条我认为最值得做的方向方向一把DG模型更新为更精细的时序曲线。光伏的辐照度数据、风机的风速数据如果都能按小时接入可靠性评估的精度会有明显提升。方向二加入储能系统的调度策略。储能在故障前充好电故障后在孤岛里放电能大大提升孤岛的持续供电能力。调度策略可以写成简单的“孤岛时储能满功率输出剩余容量不足时按负荷优先级放电”。方向三把孤岛划分与故障恢复的转供策略结合。除了形成孤岛还可以通过闭合联络开关从相邻馈线转供负荷两者结合能进一步提升可靠性。代码里可以加一个“优先尝试转供、转供失败再考虑孤岛”的联合决策逻辑。方向四改用解析法做可靠性评估。时序蒙特卡洛精度高但计算慢解析法比如基于最小割集法计算快但建模复杂。两种方法结合用解析法做初步筛选、蒙特卡洛做精确评估是工程上很实用的组合。我自己在实际项目中对这套代码的使用频率很高。每次接到配网规划咨询类需求先用它跑一个基准场景再针对不同DG配置、不同开关位置做批量对比结果用来支撑方案决策完全够用。如果你在调试过程中遇到代码报错或者结果不符合直觉建议先检查随机数种子是否固定、单位是否统一、连通性判断是否包含了联络开关这三个最常出问题的地方。祝调试顺利。
