零基础用PyPSA搞定电力系统分析：从搭电网模型到容量优化的3步实战路线

零基础用PyPSA搞定电力系统分析：从搭电网模型到容量优化的3步实战路线

【免费下载链接】PyPSAPyPSA: Python for Power System Analysis项目地址: https://gitcode.com/gh_mirrors/py/PyPSA

提到电力系统分析，很多人的第一反应是厚重的教材、看不懂的数学公式，以及动辄数万元的商业仿真软件授权。而 PyPSA（Python for Power System Analysis）这款开源框架，把电网建模、潮流计算与优化规划全部收进一套简洁的 Python 接口里——从单条母线的小算例，到覆盖欧洲的高压输电网，都能用同一套代码跑通。这篇文章不堆概念，我们从"电网扩容该在哪里建线"这个真实问题出发，3 步带你完成从建模到优化的完整实战。

痛点先行：为什么过去建电网模型总卡在"改不动、算不快"

如果你用过表格软件或闭源仿真工具搭电网，大概率经历过这些折磨：改一个机组参数要重新点半天界面；想对比三套方案，得复制三个文件手工维护；更麻烦的是，潮流计算和容量优化是两套系统，数据倒来倒去极易出错。

PyPSA 的对症下药思路很直接：把电网当成数据，而不是图画。母线、发电机、线路、储能都是一个个"组件对象"，你用network.add(...)一行行声明即可；组件行为由 CSV 属性表（见pypsa/data/component_attrs/）驱动，改参数就是改数据，重算就是一秒的事。再加上 Linopy 作为统一优化后端，线性规划、混合整数规划都能直接调用，仿真与优化不再分家。

图1：PyPSA 构建的 AC-DC 混合输电网拓扑，红绿两色分别对应交流与直流线路

⚡ 5分钟跑通第一个电力网络模型的完整步骤

上手最快的方式是动手。下面这段代码就是一个最小可用的电网：两段母线、一台发电机、一个负荷、一条线路，跑一次交流潮流看电压。

import pypsa # 1. 创建空的电力网络对象 network = pypsa.Network() # 2. 添加两段 380kV 母线，作为电网的"节点" network.add("Bus", "bus1", v_nom=380) network.add("Bus", "bus2", v_nom=380) # 3. 在 bus1 装一台额定 100MW、边际成本 50 元/MWh 的发电机 network.add("Generator", "gen1", bus="bus1", p_nom=100, marginal_cost=50) # 4. 在 bus2 挂一个 80MW 的负荷 network.add("Load", "load1", bus="bus2", p_set=80) # 5. 用 10km 输电线路把两段母线连起来 network.add("Line", "line1", bus0="bus1", bus1="bus2", length=10, r=0.1, x=0.1) # 6. 求解交流潮流，并查看各母线电压幅值 network.pf() print(network.buses_t.v_mag_pu)

看到电压结果的那一刻，你的第一个电网模型就跑通了。组件不止这四种：变压器、直流线路（Link）、储能、库（Store）、抽水蓄能机组等都能用同样的add方式创建，每种组件的字段说明集中在docs/user-guide/components.md，查表即可。

潮流结果怎么"读"？看懂线路负载与节点电价两个指标

潮流算完，一堆数字摆在眼前，重点看什么？两个最常用的指标：线路负载率和节点边际电价（LMP）。前者告诉你哪条线在"过载边缘"、该不该扩容；后者反映每个节点的真实电力价值——输电瓶颈会把电价差拉大，这正是规划新线路的经济信号。

# 线路负载率 = 实际潮流 / 额定容量（pf 或 optimize 后均可读取） line_loading = network.lines_t.p0.abs().max() / network.lines.s_nom # 节点边际电价：来自优化求解的影子价格（LOPF 结果） lmps = network.buses_t.marginal_price

图2：同一电网的线路负载率（左）与节点边际电价分布（右），一眼定位瓶颈线路与高价节点

这份图例来自真实电网数据，完整求解流程可参考docs/api/networks/power-flow.md；若想进一步理解电压与无功功率的分布规律，docs/user-guide/power-flow.md里配有不少现成图例。

从"算现状"到"定方案"：容量扩展优化的3个核心参数

仿真回答"电网现在怎么跑"，优化回答"电网以后怎么建"。PyPSA 的n.optimize()一键完成经济调度与容量扩展联合求解，只需把握三个参数：

• p_nom_extendable：设为 True 表示该机组/线路允许扩容，优化器会给出最优新增容量；
• capital_cost：单位新增容量的投资成本，规划的核心权衡依据；
• marginal_cost：发电边际成本，决定运行时的经济调度顺序。

import pypsa # 直接加载项目内置的 AC-DC 混合电网示例 n = pypsa.examples.ac_dc_meshed() # 让部分机组容量可扩展并设置投资成本 n.generators["p_nom_extendable"] = True n.generators["capital_cost"] = 100 # 求解：经济调度 + 容量扩展联合优化 n.optimize() # 读取结果：优化后的装机容量与节点电价 print(n.generators.p_nom_opt) print(n.buses_t.marginal_price)

图3：优化后一天内的发电结构堆叠图，核电平抑、风光波动一目了然

加装储能、设定碳排放上限、引入随机场景（对应examples/networks/stochastic-network.nc）都只需往模型里加组件和约束，优化问题的数学表达详见docs/user-guide/optimization/overview.md。

不想从零搭？内置示例网络和文档入口帮你快速进阶

从零建模有难度时，最聪明的做法是站在现成网络上改。项目examples/networks/里躺着五个现成算例：AC-DC 混合电网（ac-dc-meshed）、德国输电网（scigrid-de）、带储能与抽蓄的高压网（storage-hvdc）、随机场景网（stochastic-network）以及模型能源网（model-energy）。加载只需一行：

n = pypsa.examples.ac_dc_meshed() # 或 scigrid_de()、storage_hvdc()

图4：抽水蓄能的调度功率与荷电状态曲线，储能策略的典型输出

配合文档按图索骥：建模概念看docs/user-guide/design.md，统计与绘图看docs/user-guide/statistics.md，API 细节查docs/api/，可视化还能直接输出地图、堆叠图、小提琴图等十几种图表，分析结果秒变报告素材。

🎯 下一步行动：现在就克隆仓库跑一个算例

读完这篇，你和 PyPSA 之间只差一次运行。立刻克隆仓库，在虚拟环境中安装依赖，然后跑通ac_dc_meshed示例：

git clone https://gitcode.com/gh_mirrors/py/PyPSA cd PyPSA pip install -e . # 或按 docs 指引安装开发依赖 python -c "import pypsa; print(pypsa.__version__)"

跑通之后，试着把示例里的负荷翻一倍、删掉一条线路，看看系统怎么"应对"——参数改得越多，你对电力系统分析的掌控感就越强。遇到问题可以在社区提问，或者直接读源码、提 Pull Request。下一个被你"算明白"的电网，可能就在这个仓库里等你。

【免费下载链接】PyPSAPyPSA: Python for Power System Analysis项目地址: https://gitcode.com/gh_mirrors/py/PyPSA