企业官网建设流程全解析

简介：面向电力系统研究与工程应用的分布式发电配电网潮流计算 MATLAB 资源，聚焦 DG 接入后对配电网网损的影响分析，适用于电气工程专业学生、配电网规划人员及对前推回代法感兴趣的开发者。包体为压缩包，内含 1 个 m 文件，总计仅 3KB，代码量精简，便于直接阅读、修改与复用。目前已有 181 人学习下载，适合作为入门理解与快速验证用工具。文件围绕前推回代潮流算法展开，前推过程从电源节点逐级推算电压与功率，回代过程从负荷节点反向修正，通过调整 DG 的位置、容量与接入方式，可计算不同场景下配电网的电压分布与网损变化，进而理解分布式电源对系统损耗、供电质量及稳定性的综合影响。对优化配电网运行、评估 DG 并网策略、实现低损耗供电具有直接参考价值。

1. 潮流计算：分布式发电机接入后，配电网网损为什么不是单调下降

做配电网规划或者写DG并网评估报告的朋友，大多有过同一个困惑：分布式发电机接入配电网之后，网损是升还是降，直觉和经验经常打架。同一套网络，DG放在馈线中段，网损可以明显压下来；挪到接近末端的地方，不仅没省，反而把线损推高。这个反直觉结论的根源就在潮流计算——DG改变了功率流动方向，常规牛顿法在辐射状配电网里收敛慢，遇到高R/X支路还会震荡。这份DGdS.m资源，就是用前推回代法把配电网潮流算稳，再根据节点电压和支路功率直接统计网损，支撑不同DG配置的对比分析。适合做配电网电压/网损分析的工程师，以及需要快速复现并网方案数据的研究生。

2. 前推回代法：为什么配电网网损分析绕不开这个算法

2.1 牛顿法在辐射状配电网里不香的三个原因

配电网虽然是power grid的末端环节，但它的拓扑和输电网差别很大。输电网通常是环网结构，节点之间电气耦合强，节点电压都在1.0 p.u.附近，牛拉法迭代非常舒服。配电网不一样，绝大多数馈线按辐射状运行，支路数多、回路少，而且R/X比值普遍偏高，线路电阻和电抗接近甚至超过1。这种网络用牛顿法求潮流，每一步都要组装雅可比矩阵，矩阵规模随节点数快速增长，遇到重负荷或者高R/X支路，初始电压稍微偏离额定值，迭代就容易震荡甚至不收敛。

前推回代法则完全绕开了矩阵组装。它利用配电网辐射状这个拓扑特点，把潮流求解拆成两个方向的遍历：一个方向求支路功率分布，另一个方向求节点电压修正。每次迭代只有两次遍历，不需要求导，不需要矩阵分解，内存占用几乎和节点数成正比。对于几百个节点的馈线模型，普通台式机跑几十次迭代就是毫秒级的事，这个效率优势在反复扫描DG容量时特别明显。

还有个工程上的实感：牛拉法在配电网里出问题时，你往往分不清是数据错了还是算法不收敛。前推回代则不同，它的每一步都有物理意义——电压算出来偏高，说明上游支路功率累加多了；电压偏低，说明负荷或阻抗输错了。调试的时候能顺着物理逻辑排查，这对工程场景很重要。

2.2 前推和回代到底谁先谁后：方向不能记反

前推回代这个名字容易让人误解。我见过不少资料把它的方向写反，这里把顺序拆开说清楚。

第一步是回代（Backward Sweep）：从末端节点开始，向首端（变电站方向）逐条支路累加功率或电流。末端节点只有负荷和DG注入，没有出线，所以功率是已知的，从最末端一路往回推，每条支路上流过的功率就能确定下来。第二步是前推（Forward Sweep）：从首端节点开始，向末端逐条支路推进，用上一步得到的支路功率和支路阻抗计算电压降落，依次更新每个节点的电压幅值和相角。一轮前推结束后，把新旧电压做差，如果最大偏差小于设定的收敛阈值，迭代结束；否则用新电压作为初值，重新做下一轮回代。

用代码来表达这个循环结构，大概是下面这个骨架：

% 前推回代核心迭代骨架（伪代码级别） V = ones(n, 1); % 节点电压幅值初值，标幺值1.0 V_old = zeros(n, 1); tol = 1e-6; % 电压差收敛阈值 max_iter = 50; % 迭代上限 iter = 0; while max(abs(V - V_old)) > tol && iter < max_iter V_old = V; % 回代：从末端往首端，按支路顺序累加支路功率 S_branch = backward_sweep(branch, net_inject); % 前推：从首端往末端，用支路功率计算电压降落并更新电压 V = forward_sweep(branch, S_branch, V_old); iter = iter + 1; end

这里的两个函数backward_sweep和forward_sweep，在DGdS.m里是以子函数或者内联循环形式存在的。关键是理解它们的输入输出：回代函数吃节点注入功率和支路拓扑，产出一条支路功率向量；前推函数吃支路功率和当前电压，产出一组新节点电压。两者配合一轮，才算完成一次完整的潮流迭代。

2.3 收敛判据和迭代上限怎么定：别把误差放得太宽

前推回代在配电网场景下收敛性通常很好，但收敛判据的选取直接决定网损结果的精度。我一般用节点电压幅值差作为判据，即相邻两次迭代中所有节点电压幅值变化的最大绝对值。阈值tol取1e-6，也就是0.0001%的电压偏差。这个精度下算出来的网损，小数后两三位是稳定的，足够支撑网损对比分析。

迭代上限一般取50次。配电网前推回代正常情况20次以内收敛，如果跑到50次还在迭代，基本不是初值问题，而是拓扑数据有问题——比如某个负荷节点没有连到馈线上，或者支路方向反了。这时候不要无脑把阈值调大、把上限调高，那只会让错误结果“看起来收敛了”。先检查拓扑连通性和支路编号顺序，比调参数有效得多。

收敛判据还有一个常见误区：用功率失配量做判据。输电网潮流用功率失配很自然，但配电网里PV节点少、大部分是PQ节点，功率失配的残差曲线在迭代过程中容易震荡，反而不如电压差判据平稳。这里我的习惯是：电压差做收敛判据，功率失配只作为结果合理性检查的参考。

3. 把DGdS.m跑起来：节点数据、支路参数与收敛控制

3.1 输入数据怎么组织：支路矩阵和节点功率矩阵

拿到DGdS.m之后，第一步不是点运行，而是把数据捋清楚。最常见的配电网潮流程序数据组织方式是两组矩阵：支路矩阵和节点注入功率矩阵。

支路矩阵描述网络拓扑和阻抗，每行对应一条支路，典型列顺序是[首端节点编号, 末端节点编号, 电阻R, 电抗X]。电阻和电抗的单位必须和功率单位配套，比如功率用kW和kvar，电压用kV，那么阻抗就应该是欧姆，不要混用。以一条三节点馈线为例：

节点注入功率矩阵则记录每个节点的负荷和DG出力。配电网潮流里通常把DG当作注入功率处理：负荷取正值，DG出力取负值，两者代数和就是该节点的净注入功率。注意DGDdS.m里对符号的约定有可能和别的程序不同，运行前先在文档或代码注释里确认正负号约定，否则后面所有结果都会反着。

负荷数据一般是[节点编号, 有功P(kW), 无功Q(kvar)]的形式，DG数据单独一组[节点编号, 有功Pdg(kW), 无功Qdg(kvar)]。节点1通常是变电站出口的平衡节点，电压固定，不需要写负荷和DG。

3.2 主循环代码：回代、前推和网损累计是怎么串起来的

DGdS.m里的核心计算逻辑，拆开看就是三件事：回代求支路功率、前推求节点电压、终端统计网损。下面这段代码是一个可读性较好的结构示例，主干逻辑和DGdS.m的做法一致：

% DGdS_m 主计算流程结构示意 % 输入：branch（支路矩阵）、load（负荷矩阵）、dg（DG出力矩阵） % 输出：V（节点电压标幺值）、total_loss（全网有功网损，kW） % 节点净注入功率：负荷 - DG，实部为有功，虚部为无功 net_inject = complex(load(:,2) - dg(:,2), load(:,3) - dg(:,3)); V = ones(size(net_inject,1), 1); % 电压标幺值初值1.0 V_old = zeros(size(net_inject,1), 1); tol = 1e-6; % 收敛阈值 max_iter = 50; for iter = 1:max_iter % 回代：从末端向首端累加支路功率 % 按拓扑从远到近遍历，current为各支路末端节点编号 S_branch = complex(zeros(size(branch,1),1)); for k = size(branch,1):-1:1 end_node = branch(k,2); start_node = branch(k,1); % 支路功率 = 末端节点净注入 + 该节点下游所有支路功率之和 S_branch(k) = net_inject(end_node) + sum(S_branch(branch(:,1)==end_node)); end % 前推：从首端向末端更新电压 V_new = V_old; for k = 1:size(branch,1) start_node = branch(k,1); end_node = branch(k,2); % 电压降落 = 支路功率 * 支路阻抗 / 首端电压共轭 dV = S_branch(k) * complex(branch(k,3), branch(k,4)) / conj(V_old(start_node)); V_new(end_node) = V_old(start_node) - dV; end % 收敛检查 if max(abs(V_new - V_old)) < tol V = V_new; break; end V_old = V_new; end % 网损统计：各支路有功损耗累加 % 损耗 = |S_branch|^2 * R / |V|^2，逐支路累加得到全网有功网损 total_loss = 0; for k = 1:size(branch,1) end_node = branch(k,2); total_loss = total_loss + abs(S_branch(k))^2 * branch(k,3) / abs(V(end_node))^2; end

这里有个细节值得说明：回代过程中，求某条支路的功率时，要把它下游所有支路功率加进来，这就是sum(S_branch(branch(:,1)==end_node))这一行的作用。它把“末端节点净注入功率”和“这个节点下面挂着的所有支路功率”合并成一条支路上实际流过的总功率。如果漏掉下游支路功率，结果会明显偏小，电压算出来也会偏高。

前推部分的核心是每段支路的电压降落公式：末端电压等于首端电压减去支路电流在阻抗上产生的压降。用功率除以首端电压共轭得到电流，再乘以阻抗得到压降，这是配电网前推的标准做法。注意这里用的是标幺值计算，电压初值取1.0 p.u.，在配电网电压水平下可以直接用，不需要额外换算。

网损统计放在潮流收敛之后。每个支路的有功损耗等于该支路电流模值的平方乘以电阻，最后把所有支路累加。DGdS.m里大概率也是这种做法，区别可能在于单位换算——有的实现里直接算标幺值损耗，再乘以基准容量变成kW，这需要你把基准容量确认清楚，否则网损数字会差一个量级。

3.3 把DG折算到节点注入功率：符号别搞反

分布式发电机接入配电网，从潮流计算角度看，本质上是改变了对应节点的净注入功率。假设某个节点原来负荷是200kW、100kvar，DG出力是150kW、50kvar，那么该节点净注入就是-50kW、-50kvar。负号代表这个节点整体上是在向电网馈入功率，和纯负荷节点的方向相反：

% 节点净注入功率计算：负荷为正，DG出力为负 net_inject(end_node) = (load_p - dg_p) + 1j * (load_q - dg_q);

这个符号约定是全网统一的基础。如果符号搞反，回代阶段累加出来的支路功率方向就错了，前推阶段的电压降落也会跟着错，最后算出来的网损可能比实际值大好几倍。调试的时候如果发现某几个节点的电压异常偏高，先看这个节点的净注入功率符号对不对。

3.4 输出网损和电压分布：怎么把结果变成可对比的表格

潮流算完，除了总网损，节点电压分布也是判断DG接入影响的重要输出。我一般把结果整理成两个向量：一个是各节点电压幅值，一个是各支路有功损耗。前者直接看电压质量，后者看损耗集中在哪条支路。

% 输出整理：节点电压和支路损耗 result_table = table((1:n)', abs(V), ... 'VariableNames', {'Node', 'Voltage_pu'}); % 支路损耗明细，方便定位损耗最大的支路 branch_loss = zeros(size(branch,1),1); for k = 1:size(branch,1) branch_loss(k) = abs(S_branch(k))^2 * branch(k,3) / abs(V(branch(k,2)))^2; end

这份表格是后续分析DG接入位置和容量影响的基础数据。保留原始结果而不是只记总网损，后面做对比曲线时能省很多回头重算的时间。

4. 分布式发电机接入位置与容量：网损曲线的非线性特征

4.1 同一个DG，不同接入位置为什么网损变化方向相反

配电网网损的本质是电流流过线路电阻产生的热损耗，和支路电流的平方成正比。DG接入后，它对网损的影响完全取决于它改变了哪些支路的电流分布。如果DG靠近负荷密集区，负荷电流从变电站出口到DG这一段就短了，上游支路电流明显减小，网损下降；如果DG放在馈线末端，情况就变了——末端节点电压被抬高，馈线中后段的电流反而可能增加，更麻烦的是，当DG出力大于末端负荷时，多余功率会沿着馈线往变电站方向倒送，线路里出现双向潮流，网损不降反升。

用前推回代算完几个典型位置后，这个规律会很直观。比如同一个33节点配电网模型，DG放在馈线中段，网损可能下降30%以上；放在末端，可能回升10%~20%。这个非线性特征决定了“DG接入一定降低网损”的说法是错误的，必须基于潮流计算结果来判断。

4.2 容量扫描脚本设计：渗透率从0开始逐点扫

要找到某个接入位置下的最佳DG容量，最直接的做法是做一个容量扫描：保持DG接入位置不变，从0开始逐点增大DG出力，每点跑一次前推回代，记录总网损，最后画出网损随DG渗透率变化的曲线。

% 容量扫描：渗透率从0%~100%，共11个点 cap_list = linspace(0, 1.0, 11); loss_record = zeros(size(cap_list)); for k = 1:length(cap_list) % 按当前渗透率设置DG出力，基准出力乘以比例系数 dg_p(:, 2) = base_dg_p * cap_list(k); % 跑一次前推回代，返回总网损 [V, total_loss] = run_forward_backward(branch, load, dg_p); loss_record(k) = total_loss; end % 绘制网损-渗透率曲线 plot(cap_list * 100, loss_record, '-o'); xlabel('DG渗透率 (%)'); ylabel('全网有功网损 (kW)'); grid on;

base_dg_p是设定的DG容量基准值，扫描过程中按比例缩放。run_forward_backward是前面第3章封装好的潮流计算函数。跑完这11个点，曲线形态基本就能说明问题：常见结果是先降后升，呈现U型。最低点对应的渗透率就是该接入位置下网损最小的DG配置。

容量扫描的间隔可以按需调整，初扫用10%~20%的步长，找到谷底附近再用2%~5%的步长细化。整体耗时取决于节点数和扫描点数，几百个节点的网络跑一趟只要几十秒，比手工改参数反复试高效得多。

4.3 多方案对比：位置×容量的典型规律

同一套网络里，不同接入位置和不同渗透率组合，网损变化的量级和方向差异很大。用DGdS.m扫完几组典型配置后，得到的一般规律可以汇总成下面这张对比表：

这里要强调一下：表中的趋势是辐射状配电网下的典型结果，具体数值会随网络结构、负荷分布和线路参数变化。你手里的模型跑出来的谷底位置可能不同，但“中段受益、末端风险”这个方向性结论，在绝大多数配电网模型里都成立。

这张表的价值在于做并网方案初筛时能少走弯路。新项目拿到手，先按表中规律判断哪些位置有分析价值，再用容量扫描精确定位最优渗透率，不需要所有节点都试一遍。

5. 避坑指南：DGdS调试中常见的五个翻车点

5.1 节点编号混乱导致回代功率对不上

现象：迭代次数明显增多，甚至50次上限仍不收敛，电压结果忽高忽低没规律。

原因：前推回代依赖严格的拓扑父子关系。回代时从末端往首端累加支路功率，要求程序能判断“哪个节点在最末端、哪条支路是下游支路”。如果节点编号没有按拓扑顺序编排，或者支路矩阵里首端、末端写反了，回代阶段累加的功率就不是这条支路实际流过的功率，全盘皆错。

解决：运行前做一次拓扑校验，确认每个节点有且只有一个父节点，不存在孤立节点和环网支路。常见做法是用BFS从平衡节点出发遍历一遍网络，未访问到的节点就是孤立节点，逐个排查。另外，支路矩阵中每条支路的首端节点应当是更靠近变电站那一侧，末端的下游方向要一致。

5.2 单位混用导致网损差三个数量级

现象：潮流能正常收敛，节点电压也正常，但网损数值大得离谱或者小到可以忽略，和手算结果完全对不上。

原因：功率用了MW，阻抗用了欧姆，电压用了kV，三个单位混搭。配电网里单条馈线功率往往是几十kW到几MW，R和X单位是欧姆，电压等级10kV或0.4kV，任何一个单位不配套，网损都会差10^3量级。

解决：全部统一到同一套单位再计算。我的习惯是功率用kW和kvar，电压用kV，阻抗用Ω，这样电压标幺值以额定电压为基准，计算结果直接就是工程单位。如果你坚持用标幺值，就要把基准功率、基准电压、基准阻抗三者成套定义，谁也别单独换。

5.3 收敛判据只盯功率差，电压差还在抖

现象：程序报告“已收敛”，但把前后两次迭代的电压打印出来一看，各节点电压还有明显波动，网损结果也不稳定。

原因：部分潮流程序默认用功率失配量做收敛判据。配电网PQ节点占绝大多数，功率失配残差的迭代曲线容易出现锯齿状震荡，某个瞬间刚好小于阈值就误判收敛，实际上电压还没稳定下来。

解决：把收敛判据改为电压幅值差，即相邻两次迭代所有节点电压幅值变化的最大绝对值小于1e-6。如果程序不支持修改判据，可以在外层加一个后校验：收敛后多跑两次迭代，看电压和网损是否仍然稳定，不稳定就说明收敛判据有问题。

5.4 DG按PV节点处理，分分钟无功越限

现象：DG出力增大后，某个接入节点的电压被钳在1.0 p.u.附近，但潮流结果里该节点的无功出力已经远超逆变器额定容量，看起来DG像变成了一个巨型无功源。

原因：把DG节点的类型设置成PV节点，强行约束电压恒定。实际配电网里的光伏逆变器、风机变流器通常按恒功率因数运行，无功能力有限，不适合当PV节点；即便某些场景按PV节点处理，也需要在每轮迭代后检查无功越限，越限后把节点改回PQ节点并降低无功设定。

解决：默认把DG按PQ节点处理，功率因数设为0.95~1.0，无功按有功和功率因数换算。只有做电压支撑专题分析时再考虑PV节点模型，并且必须加无功越限修正逻辑，否则潮流算完的DG无功出力完全不符合物理实际。

5.5 前推回代方向写反，电压越修越偏

现象：程序能跑通，迭代也收敛，但节点电压沿馈线方向越来越高，末端电压比首端还高，明显违背功率传输的基本规律。

原因：实现时把方向写反了。正常的做法是回代阶段从末端向首端累加功率，前推阶段从首端向末端计算电压降落。写反之后，回代累加的功率流向错了，前推阶段电压不是降落而是升高，结果自然全反。

解决：用一条三节点链式网络手算一组数据，一端固定电压1.0 p.u.，中端和末端带负荷，手推一轮电压。中间节点和末端节点的电压应当逐级下降，且下降幅度随距离增大而增大。用这个手算结果对照程序输出，能快速定位方向是否写反。这个习惯我一直保留着，每次拿到新写的潮流程序，第一件事就是用三节点模型做方向校验，不跑通这一关不碰大网络。

6. 进阶：用最优因子法加速收敛，并把结果交叉验证

6.1 最优因子法的实现位置

前推回代在多数网络里收敛足够快，但碰到DG渗透率高、馈线末端电压接近上限的工况，迭代次数会明显增加。这时候可以引入最优因子法（也叫松弛因子法），在每次前推结束后，对电压修正量乘一个因子再叠加到旧值上：

% 最优因子法：对电压修正量做松弛处理 dV = V_new - V_old; % alpha 是松弛因子，常见取值0.85~1.1，重载场景取小 V = V_old + alpha * dV;

alpha等于1时就是标准前推回代，没有变化。alpha大于1叫超松弛，能加速收敛但可能引起震荡；alpha小于1叫欠松弛，收敛更稳但速度略慢。配电网重载场景、DG渗透率较高时，我的经验是alpha取0.9附近往往比默认值更快抵达收敛阈值。这个参数不需要精确求最优，二分试几次就能找到一个合适的值，属于性价比很高的改动。

6.2 用牛拉法结果做交叉验证

前推回代程序写完之后，一定要做一步独立的交叉验证，才不会把错误结果当成正确结果用。常见做法是拿Matpower或者自己实现的牛拉法算同一套网络，对比各节点电压幅值。两种方法在收敛精度一致的前提下，节点电压偏差应该在1e-5以内，网损偏差在千分之一以内。对不上的话，优先检查单位、正负号约定和支路方向，而不是怀疑算法本身。

我的习惯是每次改完DG配置，把前推回代的结果和牛拉法结果同时跑一遍，电压差超过1e-5就当场排查。这套流程帮我挡掉过一个隐蔽的单位错误——当时网损结果看着合理，但和牛拉法对比发现末端电压差了2%，追根溯源是某一组负荷数据里混进了MW和kW两种单位。

从那以后，我每次拿到别人写的潮流程序，第一件事不是直接跑大模型，而是先用三节点网络校验方向，再用牛拉法交叉验证精度，最后才把DG配置放进去做容量扫描。这个习惯看着多花十分钟，实际省掉的是反复返工的时间。希望这篇笔记能帮你把DGdS.m跑顺，也把这个验证流程带进你自己的项目里。

本文还有配套的精品资源，点击获取