当配电网规划遇上数学魔法：二阶锥松弛与Distflow的实战探秘

基于二阶锥松弛和Distflow的主动配电网规划模型 摘要：代码主要做的是主动配电网的运行规划模型，为了解决规划模型中的非线性和非凸性，分别采用了二阶锥松弛和线性扰动两种方法对其进行处理，规划模型的目标函数是降低线路的投资成本以及运营成本，降低损失负荷价值（voll），算例中的Distflow潮流以及松弛模型均有参考文档！ 代码非常精品，注释几乎一行一注释；

电力工程师最怕什么？不是半夜抢修电话，而是面对配电网规划模型里那些张牙舞爪的非线性约束。就像试图用毛线团捆住章鱼，传统方法总是搞得满头大汗。今天咱们要拆解的这套代码，祭出了两把数学妖刀——二阶锥松弛和线性扰动，硬生生把规划难题切成了能下锅的食材。

先看这个目标函数，活脱脱的会计科班出身：

def objective_function(self): # 线路投资成本计算（看见没，铜板要掰两半花） investment_cost = sum(self.c_j[i] * self.x[i] for i in self.branches) # 运营成本里藏着发电机组的脾气（调峰调频都是钱） operation_cost = sum(self.c_g[t] * self.pg[t] for t in self.time_periods) # 损失负荷价值计算（停电的代价可比电费贵多了） voll_cost = self.voll * sum(self.curtailment[t] for t in self.time_periods) return investment_cost + operation_cost + voll_cost

这成本三连击把规划模型的抠门本质暴露无遗。但真正精彩的还在后头——处理潮流方程这个老大难问题时，代码作者祭出了二阶锥松弛的变形术：

# Distflow潮流约束（注意这个平方操作，魔鬼在细节里） for t in self.time_periods: for (i, j) in self.branches: self.model.addConstr(self.Pij[t,i,j]**2 + self.Qij[t,i,j]**2 <= (self.Smax[i,j]**2) * (self.x[i,j]**2), name=f'soc_{t}_{i}_{j}') # 节点电压约束（二阶锥在这里显形） for n in self.nodes: self.model.addConstr(self.V[t,n] >= self.Vmin**2, name=f'volt_min_{t}_{n}') self.model.addConstr(self.V[t,n] <= self.Vmax**2, name=f'volt_max_{t}_{n}')

看到没？原本该是电压相角纠缠不清的非凸约束，被巧妙的平方操作转化成了锥体的形状。就像把一团乱麻的耳机线绕成整齐的线圈，这种处理既保留了物理本质，又让求解器能大快朵颐。

但总有那么些线性化死硬派不肯就范，这时候线性扰动就该上场了。看这段处理分布式电源接入的代码：

def linear_perturbation(self, base_case): # 基础潮流案例（相当于数学里的泰勒展开点） P0 = base_case['active_power'] Q0 = base_case['reactive_power'] # 灵敏度矩阵计算（电网的蝴蝶效应在这里量化） sensitivity = self.calculate_sensitivity_matrix(P0, Q0) # 线性化约束搭建（在稳定与变化间走钢丝） for dg in self.distributed_generators: delta_P = self.P_dg[dg] - P0[dg] delta_Q = self.Q_dg[dg] - Q0[dg] self.model.addConstr( delta_P * sensitivity['voltage'][dg] + delta_Q * sensitivity['angle'][dg] <= self.voltage_deviation_limit, name=f'lin_pert_{dg}')

这手操作像极了老中医把脉——先找准基准工况这个脉象，再用灵敏度矩阵当针灸，把非线性的扰动控制在安全范围。既避免了全模型线性化的失真，又绕开了直接处理非线性的计算灾难。

运行这个规划模型时，最带劲的是看求解日志里对偶间隙的变化：

Iteration Objective Primal Inf. Dual Inf. Time 0 1.2345e+06 1.56e+03 2.34e+02 0s 15 6.7890e+05 3.21e+01 8.76e+00 3s 32 5.4321e+05 1.23e-04 6.54e-05 7s

前几轮迭代就像过山车俯冲，对偶间隙断崖式下跌，到后来变成小碎步收敛。这种收敛曲线暴露了二阶锥松弛的狡猾——它给求解器画了个足够紧的可行域，既不让解跑偏，又留足了计算余地。

这份代码最让人感动的是注释的诚意，几乎每行都有小剧场：

# 此处谨慎处理相角差，电压不是橡皮筋不能随便拉（某次debug的血泪教训） angle_diff = self.theta[i] - self.theta[j] self.model.addConstr(angle_diff <= self.phase_limit, name='angle_diff_guard')

这种注释风格，像极了实验室师兄留下的秘籍。而真正的工程智慧，往往就藏在这些看似吐槽的注释里。

从数学炼金术到电力工程实践，这套代码示范了如何用现代优化技术驯服电网规划这头猛兽。当二阶锥在松弛中保持优雅，当线性扰动在近似中守住底线，我们终于能对着规划结果会心一笑——原来最漂亮的数学模型，永远生长在工程需求的土壤里。