基于Matlab的分布式微发电机无功注入配电网电压调节实现

真正上手做过配电网电压调节的人应该都体会过这种感觉分布式电源出力一波动末端电压先是往下掉然后某个时段又突然往上顶传统无功补偿设备根本反应不过来。我最近在Matlab环境里做的这个课题——控制分布式微发电机的无功功率注入来调节配电网络电压就是在IEEE56节点网络上跑通了一套完整的调节机制。写这篇笔记权当给同样被电压越限折磨的同学留一份操作参考。这套方案说简单也简单核心就是把分布式微发电机当作可以连续调节的无功源通过改变它们的无功功率注入值把全网电压拉回合格范围。但真做起来里面涉及潮流计算、电压无功灵敏度、逆变器容量约束、迭代收敛判断这一整串问题每一步都有细节。IEEE56节点规模适中不会大到跑一次仿真等半天又能体现出多点接入、多馈线耦合的复杂性很适合用来验证这类控制策略。我下面会从问题背景、技术原理、Matlab实现、常见坑位四个层面展开尽量把能复现的东西都写出来。1. 项目到底在解决什么问题1.1 分布式电源接入后的电压越限不是凭空出现的传统配电网是单电源系统潮流从变电站母线往负荷方向单向流动电压沿着馈线从高到低逐渐下降。这种场景下调节手段很简单有载调压变压器调整整体电压水平线路并联电容器补偿无功容量一旦满足运行方式基本就够用了。分布式电源接入后事情变了。发电功率就地注入负荷附近有了额外的有功来源部分节点电压被抬高当分布式电源出力大于本地负荷多余的有功还会倒送使整条馈线的电压分布不再单调递减。更麻烦的是分布式电源出力是时变的比如光伏在中午猛出力傍晚急剧下降电压曲线跟着剧烈波动。我曾经用IEEE56节点系统做过一组典型场景测试如果分布式电源在20个节点同时接入并满出力晚间轻负荷时段约有三成节点电压会越过上限而大负荷且电源低出力时末端节点电压又会接近下限。这个结果并不夸张实际工程中甚至更严重。这类电压问题靠传统的变压器抽头和电容器组很难解决因为传统设备调节速度慢、调节级差大而且通常只装在变电站或馈线首端对远端节点电压鞭长莫及。分布式微发电机恰恰分布在全网的各个位置如果能利用它们的无功功率注入能力就相当于在系统里布置了大量分散的、响应速度快的连续可调无功源。1.2 为什么把无功功率注入当成调节手段电压与无功的强耦合关系在电力系统分析中是个常识但配电网里这个关系更微妙。简单理解线路电抗上的电压降落和流过的无功功率强相关增大无功注入会提升线路近端电压吸收无功则会拉低电压。输电网里线路电抗远大于电阻这个关系非常显著配电网虽然电阻占比高无功和电压的耦合依然存在只是调节效率没有输电网那么高。分布式微发电机大多通过逆变器并网逆变器的无功输出可以连续调节这给了我们一个很灵活的调节手段。只要逆变器剩余容量足够就可以在一定范围内发出或吸收无功相当于在每个电源节点附近装了一个可控的动态无功源。这个思路比单纯切电容器组平滑得多也比变压器调档快得多。正是因为无功和电压之间的这种耦合关系研究才聚焦在控制无功注入来调节电压配置而不是直接控制有功。有功调节当然也能影响电压但分布式电源的有功出力首先受一次能源约束不可能为了电压而随意丢弃发电调节空间和代价都不合适。无功不同它不消耗一次能源逆变器容量余量就是调节边界天然适合作为电压调节手段。1.3 为什么选IEEE56节点系统做验证有的同学会问做配电网电压研究为什么不用更常见的33节点或123节点我个人的体会是IEEE56节点是一个很特殊的测试系统。它的规模比33节点大不少包含多个电压等级、多条馈线分支和若干变压器支路结构复杂度更接近实际配电网同时又比某些数百节点系统小很多在Matlab里做潮流迭代和灵敏度计算单次仿真的耗时完全在可接受范围内。更重要的是56个节点提供了足够多的接入位置选择。分布式微发电机应该接在哪、接入多少这类问题在这个规模下可以充分展开。比如可以让10台、15台或者20台微发电机接入不同位置观察它们之间的无功耦合和相互影响。节点太少容易看不出协调控制的价值节点太多又容易把问题淹没在计算细节里。IEEE56节点正好处在一个能说明问题又不至于把人绕晕的平衡点上。此外该系统的数据是公开标准化格式不同文献之间容易对照这对验证自己实现代码的正确性非常有用。1.4 项目要做的事用大白话概括如果剥掉学术包装这个项目要做的事情其实可以归纳成三句话在IEEE56节点系统里搭建一个配电网模型接入若干分布式微发电机计算当前运行状态下全网电压分布判断哪些节点电压越限改变各分布式微发电机的无功功率注入让所有节点电压回到合格范围同时尽量少浪费无功调节资源。流程跑通后可以从几个维度扩展负荷变化场景下电压是否始终合格、多台微发电机之间如何分配无功最合理、逆变器容量有限时优先调节哪台机器诸如此类。2. 核心技术思路与方案选型2.1 配电网电压调节的物理基础电压无功灵敏度要把无功注入和电压偏差建立定量关系就要引入电压无功灵敏度。这个概念可以理解成某节点无功功率改变一个单位各节点电压相应变化多少。它不是一个固定常数而是由当前运行点处的网络状态决定的来源是潮流方程在运行点处的偏导关系。用牛顿-拉夫逊潮流里现成的雅可比矩阵能很方便地提取这个关系。潮流方程中有功偏差对相角和电压幅值有偏导无功偏差对相角和电压幅值也有偏导。我们要用的是无功对电压幅值的那一部分即dQ/dV。线性化处理后电压变化和无功变化之间的关系近似为[ \Delta V S_{qv} \cdot \Delta Q ]其中S_qv就是电压无功灵敏度矩阵。有了这个矩阵给定一个目标电压修正量就可以反推需要多少无功注入。在辐射状馈线场景下这个问题有一个更直观的近似表达。简单两节点线路中忽略对地导纳并假设电压接近额定值无功功率变化与电压降落的关系可以写为[ \Delta V \approx \frac{X}{V} \cdot \Delta Q ]也就是说单位无功功率引起的电压变化比例大约等于线路电抗除以当前电压。这个式子虽然是简化版但用来估算某台微发电机的无功能抬升多少电压非常实用。实际代码中我用雅可比矩阵求精确灵敏度再用这个简化公式做合理性检查两者对照能发现不少建模错误。2.2 分布式微发电机的无功可调边界在实际系统中分布式微发电机并非想要多少无功就有多少。逆变器有容量上限而且有功出力会挤占无功调节空间。设逆变器视在容量为S当前有功出力为P那么无功的可调范围是[ Q \in \left[- \sqrt{S^2 - P^2},; \sqrt{S^2 - P^2}\right] ]这个边界是代码里必须处理好的。仿真中如果不加约束算法很可能算出一个超出逆变器能力的无功指令导致实际无法执行。更隐蔽的问题是不同节点的微发电机有功出力不同剩余无功容量差异很大。有功出力高的机器无功调节空间小有功出力低的机器调节空间大。如果分配策略不区分这些差异很容易出现部分逆变器越限、另一部分却还有大量余量的失衡状态。我在做约束处理时采用了检查-钳位-校验三步先按照灵敏度计算结果给出无功修正量逐一检查是否超出逆变器容量超出的值就地钳位到边界不超出再参与下一步迭代更新后重新计算潮流校验电压。这样既保证了计算结果的物理可实现性也避免了把不可行方案拿去反复迭代浪费计算资源。2.3 就地控制与集中式控制的取舍分布式无功控制大致分两类思路就地控制和集中式控制。就地控制的核心是各分布式微发电机根据本地电压偏差按照预设的斜率自动增加或减少无功输出类似发电机励磁系统的调差特性。它不依赖通信网络响应快、实现简单适合分布式电源分散接入、通信条件有限的场景。缺点也很明显本地电压正常不等于全网最优并且多台机器可能对同一电压问题产生过度响应造成无功振荡。集中式控制则是由中间层采集全网电压信息统一计算出各台微发电机的无功指令后下发。它考虑的是全局信息能够更好地协调各节点的调节量避免过度调节和调节打架。缺点是对通信和计算速度要求较高一旦通信延时或中断控制效果会显著下降。在这个项目里我采用的是集中式计算加迭代校核的框架原因很简单IEEE56节点规模不大全网信息采集在仿真中不是瓶颈而集中式协调能更直观地展示无功注入和电压配置之间的全局关系。实际工程落地时往往需要在两种思路之间取折中比如分层分区控制这一点我在后面扩展方向里还会提到。2.4 目标函数怎么设才合理电压调节不是把电压拉回合格范围就完事还要考虑调节代价。如果所有微发电机都不计后果地猛发无功电压固然能稳定但无功在线路上来回流动会造成不必要的网损还可能让部分逆变器长期满载影响寿命。因此需要设定一个目标函数把调节代价考虑进去。我用的目标函数是电压偏差和调节量的加权最小化[ \min \quad \sum_{i \in N} w_v (V_i - V_{ref})^2 \sum_{j \in DG} w_q (Q_j - Q_{j,0})^2 ]其中w_v和w_q分别是电压偏差权重和无功调节权重。电压权重越大系统越倾向于把电压拉回到参考值附近无功权重越大系统越倾向于少调节。两者的平衡决定了最终控制行为。仿真里我先把电压权重设大保证电压合格是第一目标再逐步增大无功权重找到在保证合格前提下的最小调节量。这种两阶段调试法比一开始就设定某个复杂权重要直观得多。目标函数设好之后求解可以采用迭代灵敏度法也可以调用优化工具箱。项目里两种方式我都试过结论是对56节点这类规模迭代灵敏度法已经足够而且每一步的物理含义非常清楚优化工具箱适合后续加更多约束的场景比如支路过载、变压器容量等但可解释性稍差。3. Matlab仿真建模完整流程3.1 准备工作明确需要哪些数据开始写代码前先列一份数据清单能少走很多弯路。节点参数节点编号、节点类型平衡节点、PQ节点、PV节点、有功负荷、无功负荷、电压基准值支路参数首末端节点编号、电阻、电抗、对地电导、变压器分接头变比微发电机参数接入节点、有功出力、逆变器容量、无功初始值及上下限系统基准容量和基准电压。IEEE56节点系统的数据获取和处理是最容易出问题的一环。公开数据包里的单位往往不统一——有功功率可能是兆瓦也可能是千瓦阻抗可能是标幺值也可能是欧姆变压器变比有的按标幺值给出有的按实际电压比给出。我处理数据时的原则是不管原始数据长什么样一律先转成统一的标幺值系统。基准容量取100MVA各电压等级分别取对应的基准电压所有支路阻抗、节点功率都换算到这一套基准下。转换完成后用功率平衡检查一下全网注入功率之和应该等于全网负荷之和加上网损偏差超过千分之一就说明数据有误。3.2 IEEE56节点数据的建模与校验拿到节点和支路数据后第一步是根据支路参数构建节点导纳矩阵Ybus。这是所有潮流计算的基础也是后续灵敏度分析的起点。Matlab里构建Ybus有固定套路先初始化为稀疏矩阵遍历每条支路在首相端节点累加支路导纳和充电导纳在末端节点做同样处理首末之间填入负的互导纳。涉及变压器支路时要把变比考虑进去非标准变比会改变自导纳和互导纳的数值这个细节很容易漏。构建完Ybus之后我习惯先做一个静态检查Ybus对角线元素是否和非对角线元素符合物理关系所有节点是否都有支路连接有没有孤立节点功率基准转换后全网有功无功是否大致平衡变压器支路的变比方向是否和支路方向一致。这几项检查能过滤掉绝大多数数据错误。实际项目中我试过直接拿未经校验的数据去跑潮流结果怎么调都不收敛最后发现是一条支路的首末节点编号反了导致导纳矩阵完全错误。数据校验这一步虽然枯燥但价值极大值得在正式潮流计算前认真做一遍。3.3 牛顿-拉夫逊潮流计算的核心实现配电网潮流计算有专门的算法比如前推回代法但对IEEE56节点这种含环网和变压器的系统牛顿-拉夫逊法更通用收敛性也更好。我直接在Matlab里实现了标准牛顿-拉夫逊潮流整个流程分为以下几步确定节点分类平衡节点、PQ节点、PV节点初始化电压幅值为1.0相角为0根据当前电压相角计算有功和无功偏差构建雅可比矩阵求解修正方程更新电压幅值和相角检查偏差是否小于收敛阈值不满足则回到第3步。核心迭代代码的骨架大致是for iter 1:max_iter [P_calc, Q_calc] power_balance(Vm, Va, Ybus); mismatch [P_spec - P_calc; Q_spec - Q_calc]; if max(abs(mismatch)) tol break; end J build_jacobian(Vm, Va, Ybus); dx J \ mismatch; Va Va dx(1:n_bus); Vm Vm dx(n_bus1:2*n_bus); end需要强调的是雅可比矩阵必须用稀疏矩阵存储和求解。Matlab里Ybus本来就该用sparse构建雅可比相关计算也尽量利用稀疏性质。56节点系统还谈不上计算压力但后续如果扩展到数百节点稀疏化能显著加快计算速度。收敛阈值我取1e-8实测在多数场景下迭代5到8次就能收敛效率完全够用。3.4 无功调节仿真流程的整体搭建潮流传好了接下来就是无功调节的闭环流程。整套仿真我把它组装成主循环核心逻辑是潮流-灵敏度-计算无功修正-更新无功-重新潮流校验% 初始潮流得到基态电压 [V_base, P_base, Q_base] run_powerflow(system_data, dg_data); for step 1:max_steps % 判断电压是否全部合格 if all(V_base v_min) all(V_base v_max) break; end % 提取电压无功灵敏度矩阵 S_qv compute_sensitivity(Jacobian, dg_nodes); % 根据电压偏差计算所需的无功修正量 dQ calculate_q_injection(V_base, V_ref, S_qv); % 叠加到当前无功指令上并钳位到逆变器容量范围 dg_data.Q max(Q_min, min(Q_max, dg_data.Q dq_update)); % 重新做潮流计算 [V_new, ~, ~] run_powerflow(system_data, dg_data); V_base V_new; end这个循环里面的关键点是第二行的电压合格判断。不能只判断当前时刻因为无功调节可能让某些原本合格的节点越限。最稳妥的做法是每次更新后都重新潮流再重新判断全网电压分布。有些资料为了省计算量只判断目标节点的电压这种简化在小系统上没问题但可能漏掉非目标节点的新越限扩展场景时会出问题。4. 无功调节实现步骤与核心代码4.1 电压无功灵敏度矩阵的精确求取灵敏度矩阵是整套控制逻辑的数学核心。在牛顿-拉夫逊潮流过程中雅可比矩阵已经包含电压和无功的偏导关系。具体地说雅可比矩阵的分块形式是[ ΔP ] [ J1 J2 ] [ Δθ ] [ ΔQ ] [ J3 J4 ] [ ΔV ]我们需要的电压无功灵敏度对应J4分块即dQ/dV。但有两点要注意。第一J4的维度和节点类型有关。PV节点的无功方程不参加迭代平衡节点的电压幅值和相角固定所以在构建灵敏度矩阵时必须剔除这些节点对应的行列。如果分布式微发电机在模型中作为PV节点处理它对应的行自然也被剔除了这会导致无法直接得到这台发电机对电压的灵敏度。因此我在控制模型中的通用做法是先把这个微发电机节点当作PQ节点处理让它有一个明确的无功变量参与计算得到灵敏度后再通过迭代调节这个无功变量。换句话说控制模型和模型初值有时不是一回事需要在代码里区分清楚。第二直接对J4求逆在很多情况下不是最优解。56节点规模还行但为了代码能顺利迁移到更大系统我建议用mldivide也就是\来解线性方程而不是显式求逆。比如要求解某台微发电机单位无功注入对全网电压的影响就解一个形如dQ J4 * dV的方程组直接让每台微发电机所在位置作为右端项返回对应的电压增量即可。4.2 调节量计算与迭代更新的原则有了灵敏度矩阵S_qv理论上的调节量可以直接由电压偏差反推[ \Delta Q S_{qv}^{-1} \cdot (V_{ref} - V_{meas}) ]但在实际工程中直接一次算出最终调节量是非常危险的做法。原因在于灵敏度矩阵只是当前运行点处的一阶近似当无功变化量较大时运行点偏移后灵敏度本身也会变化一阶近似会失真。如果一次调节过大轻则超调重则把系统推到另一个不可行的运行状态。稳妥的做法是小步走、多迭代。每次只取目标电压偏差的一部分进行校正比如取20%到30%然后重新潮流计算观察电压变化。这样做的代价是迭代次数增加但每一轮都在更新灵敏度矩阵结果的可靠性和收敛性都好得多。我把这个比例叫做校正步长系数它和两个因素相关系统越重载步长应该越小无功调节空间越宽裕步长可以适当加大。实际调试中我从0.2开始试逐步增大直到电压曲线开始出现震荡然后退回震荡前的那个值。这里还有一个优化分配的问题。多台微发电机同时参与调节时同样的电压偏差可以由不同组合的无功注入来消除。我的处理策略是先计算各台微发电机对越限最严重节点的灵敏度优先使用灵敏度高的机器也就是距离电气位置更近、影响更大的那些机器。超过容量后剩余偏差再由灵敏度次高的机器承接。这种贪心策略虽然不是全局最优但物理意义清楚、计算量小而且在实际运行中符合就近补偿的直觉。4.3 典型仿真场景的结果观察我用设计场景的方式验证了整套代码的有效性。场景设置如下IEEE56节点系统负荷取基准负荷的80%在预先选定的10个节点接入分布式微发电机每台逆变器容量取2MVA有功出力按额定容量的60%考虑。基态潮流结果显示变电站母线附近节点电压偏高部分远端节点电压偏低最大电压偏差约为额定值的7%。投入无功调节后每轮迭代记录全网最大电压偏差、最小电压偏差以及总无功注入量。迭代到第3轮时全网电压已全部回到合格范围到第5轮电压分布趋于平稳。从结果曲线上看越限最严重的末端节点电压被抬升了约5%而原本偏高的近端节点电压几乎没有恶化这正体现了多节点无功协调的价值——它不只是提升局部电压而是在全局范围内重新塑造电压断面。为了验证调节结果的合理性我还做了一个反向检查把调节后的无功注入量清零重新跑基态潮流确认电压恢复到调节前的状态。这个检查确保整个仿真过程没有积累数值错误灵敏度矩阵的计算和迭代更新逻辑是自洽的。4.4 整段代码的模块划分我习惯把整段仿真拆成几个独立模块每个模块对应一个功能方便单独调试load_case_data.m读取IEEE56节点数据统一转换为标幺值生成bus、branch、gen结构体build_ybus.m根据支路参数构建节点导纳矩阵nr_powerflow.m实现牛顿-拉夫逊潮流返回电压、功率等运行状态compute_sensitivity.m在潮流收敛的运行点处计算电压无功灵敏度矩阵calculate_q_update.m根据电压偏差和灵敏度计算各微发电机的无功修正量apply_q_limit.m将无功指令钳位到逆变器容量边界plot_voltage_profile.m画电压分布曲线辅助结果分析。这种模块化设计的好处是调换控制策略时不需要动潮流计算部分只需要替换calculate_q_update.m和apply_q_limit.m两个文件的内容。我在后续做不同控制策略对比时切换成本几乎为零。5. 实操中那些容易踩的坑5.1 数据问题导致潮流不收敛这个坑出现的频率最高而且表现形式非常迷惑。明明程序逻辑没毛病潮流就是不收敛或者收敛到离谱的电压值。排查顺序我建议按这个来第一检查功率单位。原始数据里节点负荷如果混用兆瓦和千瓦转换后功率不平衡潮流收敛不了。统一用标幺值后全网功率偏差应该在很小的范围。第二检查支路参数的方向。特别是变压器支路变比的正反方向错了等效阻抗就完全不一样。IEEE56节点数据里变压器支路比较多首末端方向不统一是常见问题。第三检查初值。电压初值不能设成0否则雅可比矩阵奇异直接求解失败。标准做法是把所有PQ节点电压设为1.0相角设为0。第四检查负荷功率的符号约定。有些数据把负荷记为正有些记为负符号错会导致负负荷建模系统出现莫名其妙的功率源。调潮流不收敛时我还有个笨办法把负荷缩小十倍再跑如果能收敛说明系统的数值条件没有问题问题多半出在数据本身如果缩小负荷还不收敛再往Ybus构建逻辑上找原因。5.2 无功调节过调导致电压反转这是个非常典型的问题。调节迭代次数多了以后某些节点电压不但没往合格范围走反而越过目标值往相反方向跑了。出现这种情况绝大多数原因是校正步长太大。灵敏度线性化的适用范围是有限度的。当某台微发电机无功注入变化量很大时运行点已经明显偏移用原来的灵敏度去计算新的调节量必然不准。解决手段无非两种调小校正步长系数或者增加迭代次数。我调试时的经验是如果发现某轮迭代的最大电压偏差不降反升首先把校正步长系数减半重新跑一轮看趋势。连续两轮都振荡说明步长至少应该减到当前值的四分之一。另一个导致过调的原因是目标电压设置得不合理。如果把所有节点都往同一个参考电压上拉远端和近端节点会同时争抢无功资源造成调节量互相作用、难以收敛。更符合实际的做法是设定一个电压合格区间只把越限节点修正到区间内而不是设定一个精确的参考点让所有节点都去靠拢。这样调节压力小收敛性也更好。5.3 逆变器容量约束处理不对无功调节计算出来的是一个带符号的数值正值表示发出无功负值表示吸收无功。在做容量钳位时必须分别考虑正负两个方向的上限。很多初学者的代码里只检查了绝对值大小忽略了这个细节。举个例子某台逆变器额定容量1MVA有功出力0.8MVA剩余无功容量是正负0.6Mvar。如果计算出的无功指令是负0.7Mvar也就是要吸收0.7Mvar无功这时不能简单钳位到负0.7而应该钳位到负0.6。符号和方向搞混会导致代码里看起来已经限制了容量实际却依然发出超限指令最终电压结果完全失真。钳位后的另一个关键步骤是更新功率平衡。无功指令变了微发电机在PQ节点模型里的注入功率就要同步更新再重新跑潮流否则潮流计算里用的还是旧的无功值电压结果自然不对。5.4 PV节点与PQ节点的身份切换困扰对很多入门者来说这个坑比较隐蔽。分布式微发电机如果被建模成普通负负荷也就是PQ节点那它天然带一个固定的无功值无功注入可以直接控制。但如果把它建模成PV节点潮流计算里它会自动维持节点电压恒定也就是电压由系统决定无功变量不再受你的指令控制。这两种模型在物理上对应不同控制模式代码里不能混着用。做无功调节研究时我建议建模阶段就把微发电机当作PQ节点处理或者预留一个切换开关。实际算例中有些研究生把电源建模成PV节点然后试图命令它输出指定无功结果发现代码一动不动就是这个原因。如果希望模拟某台微发电机的电压控制模式可以用外部电压调节环来更新无功指令而不是直接把它设成PV节点让潮流去算。5.5 仿真结果可信度的自检仿真跑出漂亮曲线不等于结果是可信的。我每次做完一组算例都会做三个自检第一基态潮流结果和公开文献对照。IEEE56节点的标准基态电压分布在文献里有过多次报道量级和趋势必须一致。如果偏差很大先不要急着做无功调节回头查数据。第二灵敏度符号检查。增加某节点无功注入应该提升该节点和附近节点的电压幅值也就是灵敏度矩阵对角线元素应为正值。如果出现负值说明雅可比矩阵构建有问题或者模型里有异常支路。第三把最终调节结果里的全网无功功率总和手动核算一遍看是否满足功率平衡方程。很多代码在迭代过程中慢慢积累了数值误差这个检查能兜住最后的底线。6. 调参之外的几点体会做这个项目的过程中我最大的体会是电压调节看起来是一个控制问题根子上却是一个建模和数值计算问题。控制策略再好建立在错误的潮流结果或错误的灵敏度矩阵上出来的一定是错误结论。所以我一直强调数据校核和结果自检这不是浪费时间而是保证后续所有分析可信的前提。第二个体会是不要迷信复杂的优化算法。在很多情况下灵敏度迭代加合理的步长控制已经能解决绝大多数配电网电压问题智能优化算法确实能找到更全局的解但在实际系统中通信和控制执行的代价往往比那一点优化收益更值得关注。项目把这个课题命名为控制分布式微发电机无功注入调节电压配置重点在控制和调节而不在优化说明研究方向本质上还是一个工程控制问题而不是纯数学问题。如果后续继续扩展这个项目我会考虑三个方向。一是加入变压器分接头联合调节把有载调压和无功注入的配合策略做进去更接近实际调度场景。二是改成分布式迭代控制架构让各台微发电机只交换相邻节点的信息就能完成协调降低对中央控制器的依赖。三是把三相不平衡因素加进模型因为实际配电网三相负荷并不平衡电压调节也要按相别分别考虑。到那时候Matlab代码的框架还能复用主要是雅可比矩阵和灵敏度矩阵需要改造成三相序分量形式。希望这套经验对正在做类似课题的你有帮助。