基于Matlab的分布式光伏配电网集群划分与电压协调控制实现

中午十二点，光伏满发，配电网末端电压冲到1.08 pu，逆变器一片一片地跳闸保护——这是我去年帮朋友调一套分布式光伏并网仿真时遇到的截图场景，也是很多配电网工程师见过无数次的现实。要解决这类电压越限，单纯靠变电站变压器挡位调整是转不过来的，更有效的思路是把网络划分成多个集群，再配合集群内部的自治和集群间的协同控制。这篇文章想把“分布式光伏、配电网、集群划分、集群电压协调控制”这条链路的Matlab实现讲清楚，从原理到代码细节都有。适合正在做配电网研究、光伏并网课题的研究生，以及想快速搭一套仿真框架的工程师参考。

1. 为什么配电网集群划分越来越绕不开

1.1 分布式光伏接入后，电压问题到底是怎么来的

传统配电网是“树状辐射结构”，潮流永远从变电站往负荷末端单向流动，电压沿馈线一路往下掉，这也是为什么调度员习惯用“沿馈线电压递减”来判断网络是否正常。分布式光伏一接入，这条假设就被打破了。

光伏出力本质上是向节点注入有功功率。当某节点的光伏出力大于本地负荷时，多余的功率会沿馈线向上游倒送，这就产生了所谓的“逆潮流”。逆潮流最直接的影响就是电压抬升。工程上常用的电压降落估算公式是：

ΔU ≈ (PR + QX) / U

注意这里的P是沿该段馈线输送的有功，当功率方向反了，P就变成负值，ΔU符号翻转，末端电压不仅不掉，反而会被顶上去。如果此时刚好是大晴天中午、负荷又很轻，光伏满发而本地吃不下，电压越限几乎必然发生。我的仿真里就是在午间轻载场景下看到电压冲到1.08 pu，逆变器为了保护自身直流侧和交流侧设备开始连锁跳闸，越跳电压越不受控，最后整个馈线的电能质量都很差。

这种电压问题还有几个明显特点：一是局部性强，往往集中在离光伏接入点越近的节点越严重；二是波动性强，云飘过来遮住太阳，出力几分钟内可能掉一半，电压跟着剧烈波动；三是双向性，光伏不出力时电压有可能会偏低，尤其夜间重负荷场景。单纯靠变电站里的有载调压变压器（OLTC）去扛，动作速度慢、寿命有限，而且它只能整体抬升或降低馈线电压，无法解决局部电压过高的问题。这个时候就需要更细粒度的电压管理手段。

1.2 集群划分到底解决什么问题

如果把电压控制做到每个节点独立自治，理论上很完美，但实际不可行。配电网节点数量动辄成百上千，每个节点都装控制器、每个控制器都要和全局通信，通信成本和协调复杂度都爆表了；而且配电网拓扑经常变化，某条馈线检修，全网协调策略就要重算一遍，鲁棒性也很差。

“集群划分”的思路完全不一样。它把配电网按电气耦合强弱切成若干个集群，每个集群内部的节点在电气上“绑得比较紧”，集群与集群之间的耦合相对较弱。切完之后做一套分层控制：集群内部优先自治，内部资源用不完了再找邻居集群协调。这就像一个城市的网格化管理，每个网格的事情网格员先处理，处理不了再上报协调，而不是全市所有问题都由市政府直接管到每一条小巷。

集群划分在分布式光伏配电网里尤其重要，核心原因在于无功电压控制是强局部性的。对某个节点电压影响最大的，往往就是它附近那几个节点的无功调节。如果能把联系紧密的节点划到同一个集群，集群内基于灵敏度优先序做无功协调，效果会比“全网一把抓”的方案好得多，计算量小一个量级，控制速度也能满足配电网秒级响应的需求。

1.3 为什么选Matlab来做这套实现

我做这套东西之前也纠结过用Simulink还是纯M脚本，后来还是选了纯脚本。原因很直接：集群划分本质上是一个图论和矩阵运算问题，Matlab在矩阵运算上天然顺手；灵敏度矩阵、拉普拉斯矩阵、特征分解这些核心计算，Matlab都有内置函数。Simulink适合做电磁暂态和详细控制器建模，但集群划分这种算法研究，用M代码更透明、更容易调试，也更容易和论文里的公式一一对应。

版本方面，很多同学纠结R2023b还是R2025b，实测下来跑这套代码2020b以上都够了。核心工具箱就是MATLAB自带的矩阵运算、统计工具箱的kmeans函数，以及图处理的一些基础函数。真正关键的从来不是版本，而是代码里算法逻辑的清晰程度。

2. 从潮流计算到电压灵敏度矩阵，把基础打扎实

2.1 配电网潮流计算：用牛拉法还是前推回代法

做集群划分和电压控制，第一步是潮流计算，这一步选型很关键，因为它直接影响后续灵敏度分析和控制策略的实现。

配电网领域最经典的是前推回代法，原理简单、迭代速度快，特别适合纯辐射状网络。但它的缺点也很明显：处理多电源接入、环网结构以及PV节点时比较麻烦，每次迭代都要反复做前推和后代，不太容易直接提取雅可比矩阵和灵敏度信息。而集群划分和控制恰恰需要这些信息，所以我选择用牛顿-拉夫逊法。

牛拉法在输电网用得最多，在配电网用需要稍微注意收敛性问题，但好处是矩阵结构完整，一次计算就能得到雅可比矩阵的各分块，后面推导电压-无功灵敏度矩阵非常自然。两种方法的取舍，我给一个直观对比：

实际算例我用的是IEEE 33节点配电系统，基准电压12.66 kV，总负荷约3.7 MW + 2.3 Mvar，节点1是变电站出口的平衡节点。这套系统规模不大不小，既能体现集群划分的效果，又不会让调试时矩阵爆炸。

2.2 电压-无功灵敏度矩阵的推导与作用

集群电压协调控制的核心不是调节本身，而是“知道往哪个方向调、调多少最有效”，这全靠电压-无功灵敏度矩阵。

极坐标牛拉法的修正方程写出来是这样的：

[ ΔP ] [ J1 J2 ] [ Δθ ] [ ΔQ ] = [ J3 J4 ] [ ΔV ]

其中J1 = ∂P/∂θ、J2 = ∂P/∂V、J3 = ∂Q/∂θ、J4 = ∂Q/∂V。这里ΔV用的是电压幅值变化量而非标幺化的ΔV/V，是为了后面灵敏度矩阵直接对应每单位无功变化带来的电压变化，物理意义更直观。

分析电压-无功关系时，一般认为有功和无功的耦合是次要的。近似的做法是令ΔP = 0，把Δθ消掉：

Δθ = -J1⁻¹ J2 ΔV

然后代入无功方程：

ΔQ = (J4 - J3 J1⁻¹ J2) ΔV

所以电压-无功灵敏度矩阵就是：

S_VQ = (J4 - J3 J1⁻¹ J2)⁻¹

这个S_VQ的第i行第j列元素，物理含义是“节点j注入单位无功功率后，节点i电压的变化量”。正数表示无功增加电压升高，负数表示无功增加电压降低。对配电网来说，S_VQ一般在0.01到0.1的范围内，意思是注入1 Mvar无功能让附近节点电压提升1%到10%。

有了S_VQ，后面很多事情都顺了：哪里电压越限，找对应行，看哪个节点调节无功对它影响最大；集群划分也能用S_VQ构造电气距离；控制策略里还可以直接按灵敏度大小给逆变器排序。所以这一步是整个代码的“地基”。

2.3 Matlab里牛拉法的核心代码骨架

这部分代码我贴的是最基本、但绝对能跑的骨架。核心就是三件事：算不平衡量、组装雅可比矩阵、解修正方程更新状态量。

function [Vmag, theta, iter] = NRLF(Ybus, Sbus, V0, tol, maxiter) % NRLF 牛顿-拉夫逊法潮流 % Ybus: 节点导纳矩阵 % Sbus: 节点净注入复功率(发电机-负荷) % V0: 电压初值(相量列向量) n = length(V0); V = V0; theta = angle(V0); Vmag = abs(V0); for iter = 1:maxiter Vphasor = Vmag .* exp(1i*theta); S_calc = Vphasor .* conj(Ybus * Vphasor); dP = real(Sbus - S_calc); dQ = imag(Sbus - S_calc); % 这里把第一个节点设为平衡节点，应满足PV % 不同系统需要根据节点类型调整dP、dQ的维度 [J1, J2, J3, J4] = Jacobian(Ybus, Vmag, theta, S_calc); J = [J1, J2; J3, J4]; dU = -J \ [dP; dQ]; dtheta = dU(1:n-1); dV = dU(n:end); theta(2:end) = theta(2:end) + dtheta; Vmag(2:end) = Vmag(2:end) + dV; if max(abs(dU)) < tol break; end end end

雅可比矩阵的组装公式比较长，我直接给解析式，方便你照着写循环。对i≠j：

J1(i,j) = Vi·Vj·(Gij·sin(θi-θj) - Bij·cos(θi-θj)) J2(i,j) = Vi·(Gij·cos(θi-θj) + Bij·sin(θi-θj)) J3(i,j) = -Vi·Vj·(Gij·cos(θi-θj) + Bij·sin(θi-θj)) J4(i,j) = Vi·(Gij·sin(θi-θj) - Bij·cos(θi-θj))

对角元稍微复杂一点，可以根据“P、Q从S_calc里取出来”直接构造：

J1(i,i) = -Qi - Bii·Vi² J2(i,i) = Pi/Vi + Gii·Vi J3(i,i) = Pi - Gii·Vi² J4(i,i) = Qi/Vi - Bii·Vi

注意公式里Pi、Qi是节点i的计算注入功率（从S_calc取），不是给定功率。写代码时建议把对角元和非对角元分两个循环，先算非对角，再补对角，这样不容易出错。我早期有几次就是对角元符号搞反，导致潮流振荡不收敛，排查了半天。

3. 基于电气距离的集群划分，让电网切得准

3.1 电气距离矩阵的计算：为什么不用地理距离

集群划分的第一个关键问题是：用什么衡量节点之间的“远近”。最直观的想法是地理距离，两条馈线挨得近就算一个集群，但这是错的。电气上两个节点即使地理位置隔了很远，如果中间有强联络线、阻抗很小，它们的电压和无功也会紧密耦合；反过来，地理上近但分属不同馈线、中间隔了变压器或长线路，电气耦合反而很弱。

所以工程上普遍用“电气距离”来度量。我采用的是基于阻抗矩阵的定义：

Dij = Zii + Zjj - 2Zij

其中Z是节点阻抗矩阵，也就是导纳矩阵求逆得到的Zbus。这个公式本质上计算的是两个节点之间的“有效电阻”——在纯电阻网络中它就是等效电阻，在配电网这种以阻抗为参数的网络中，它能很好地反映两点间电气耦合强弱：Dij越小，两节点电气上越近，无功调节越容易互相影响。

Matlab里算这个特别简单，就是两步：

Zbus = inv(Ybus); % 实际建议用 Ybus \ eye(n) n = size(Zbus, 1); ED = zeros(n, n); for i = 1:n for j = 1:n ED(i,j) = Zbus(i,i) + Zbus(j,j) - 2*Zbus(i,j); end end

有了电气距离矩阵ED，就可以构造聚类算法需要的相似度矩阵。这里我习惯用负指数变换：

W_ij = exp(-ED(i,j)² / (2σ²))

σ取所有电气距离的标准差，这样距离近的节点相似度接近1，距离远的相似度迅速衰减到0附近。这个W就是后面谱聚类的输入。

3.2 谱聚类划分：完整流程和Matlab实现

集群划分的方法不少，模块度最大化、遗传算法、层次聚类都有人用。我用的是谱聚类，原因很实际：它天然处理图划分问题，不像k-means那样对数据形状敏感，而且配电网拓扑就是一张图，谱聚类对“集群内部紧密、集群之间稀疏”的目标拟合得非常好。

谱聚类流程可以拆成五步：

1. 根据相似度矩阵W构建度矩阵D，D是对角阵，Dii = Σj W_ij
2. 计算拉普拉斯矩阵L = D - W
3. 对L做特征值分解，取最小的k个特征值对应的特征向量（一般从第二个开始，排除全1向量）
4. 把这k个特征向量按行拼成一个n×k的矩阵，每一行就是原节点在新特征空间的坐标
5. 对这个n×k矩阵跑k-means聚类，聚出的k个簇就是最终的集群划分

Matlab核心代码长这样：

k = 4; % 集群数，后续用模块度确定 [V_eig, D_eig] = eig(L); % L是拉普拉斯矩阵 [eigvals, idx] = sort(diag(D_eig)); selected = V_eig(:, idx(2:k+1)); % 取k个非零最小特征值对应特征向量 clusterLabel = kmeans(selected, k, 'Replicates', 20);

这里有个细节必须提醒：kmeans用的是欧氏距离，而特征向量每一列的尺度可能差很多，严格做法是先把特征向量按行归一化，再跑kmeans。我在代码里加了’Replicates’, 20，因为kmeans结果受初始中心影响，多重复几次取最优能降低随机性，后面还会细说这个坑。

3.3 集群数怎么定，划分结果怎么评价

谱聚类需要提前告诉它“要切几块”，也就是k值。k定得好不好，直接影响后面的电压控制效果。我的做法是画一条“k-模块度”曲线，选模块度最高且下降不明显的拐点。

模块度Q的定义是：

Q = (1/2m) Σ_ij [W_ij - (k_i·k_j)/(2m)] · δ(i,j同集群)

其中k_i是节点i的加权度，m是整个网络的总边权一半。Q值越大，说明集群内部连接越紧密、集群之间连接越稀疏，划分效果越好。实际运行中并不是k越大Q越高，通常会出现一个峰值，我那个33节点算例里，k=4时Q值大约是0.62，k=5掉到0.55，所以最终选了4个集群。

除了模块度，还会看几个辅助指标：一是集群规模是否均匀，别出现一个集群20个节点、另一个集群2个节点的情况，否则控制策略很难做；二是越限节点的分布，好的划分应该让电压越限节点相对集中在少数集群里，这样控制资源才能集中投放；三是集群内有效无功容量是否足够，如果某个集群内部几乎没有可调光伏，那这个集群注定是“空架子”，控制效果不会好。

4. 集群电压协调控制策略的设计与实现

4.1 控制框架：集群内自治优先、集群间协调兜底

集群划分完成之后，电压协调控制就有了一张“作战地图”。我用的控制框架是典型的三层结构，只不过在完全分布式和完全集中式之间取了平衡。

最底层是逆变器本地的无功电压下垂控制，光伏逆变器实时检测并网点电压，电压偏高就多吸收一点无功，电压偏低就多发出一点无功。这一层不依赖通信，响应最快，处理的是秒级以内的快速波动。

第二层是集群内部的自治控制，时间尺度在几十秒到几分钟。当集群内某个节点电压越限，先由该集群内部的无功资源去处理。处理依据就是前面算的S_VQ灵敏度矩阵，哪个逆变器对越限节点电压影响大，谁先动、多动。集群内部的通信压力小，因为只涉及本集群的几个节点。

第三层是集群间的协调控制。某个集群无功资源用尽仍然越限，就向相邻集群请求支援。这里“相邻”不是地理相邻，而是电气距离近、S_VQ灵敏度高的跨集群节点。这层控制在分钟级，相当于兜底方案。整套框架的好处是，大部分电压扰动在集群内部就消化了，全网协调只在极端场景下触发，通信和计算压力都小很多。

4.2 基于灵敏度优先序的逆变器无功调节算法

集群内部的控制逻辑，我实现了一个很实用且容易复现的“灵敏度优先序”算法，思路很直白：

1. 先做一次潮流，找出电压越限节点集合
2. 对每个越限节点，在它所属集群的可调光伏节点里，按S_VQ矩阵中该越限节点行对应元素从大到小排序
3. 依次取灵敏度最高的光伏节点，计算它需要发或吸收的无功量
4. 如果该光伏节点无功容量到顶，则取下一个节点，形成“接力调节”
5. 更新注入功率，重新潮流，检查所有节点是否回到0.95~1.05 pu区间

调节量的计算方法很关键。假设节点i电压实测是Ui，目标是回到Ulimit，节点j是当前要调节的逆变器，灵敏度是S_VQ(i,j)，则初步调节量为：

ΔQ_j = (U_i - U_limit) / S_VQ(i,j)

单位是Mvar。注意如果灵敏度是0.05，电压越限0.03 pu，那么理论上只需要0.6 Mvar无功就能拉回来。但实际因为无功调节本身会改变全网电压分布，一次算完可能需要两三轮迭代，所以我的代码里是循环执行的：调完一个节点，重算潮流，再看电压。

还有一个容易忽略的点：逆变器无功容量不是无穷的。工程上逆变器一般是按有功容量配的，无功能力受视在功率上限约束：

Q_max = sqrt(S_rated² - P_current²)

光伏满发时，P_current接近S_rated，Q_max就很接近0，也就是说大晴天中午越限最严重的时候，逆变器反而没什么无功余量可用了。所以算例里我特意把光伏有功设成0.8 pu而不是满发，并且在部分节点预留了无功容量，这样控制策略有发挥空间，也更符合实际中“光伏不能一直满发”的现实。

4.3 算例设计与控制效果对比

我在IEEE 33节点系统上做了改造：在节点9、17、21、24、30分别接入分布式光伏，总装机约1.8 MW，场景设置为午间轻载，光伏出力0.8 pu，负荷只有额定的一半，这是最容易出现电压越限的组合。

潮流算出来，控制前节点17的电压最高，达到1.073 pu，明显越上限；节点9、21也越限，分别是1.055和1.052 pu。越限节点基本聚集在集群3和集群4，说明集群划分很精准地把“问题聚集区”圈出来了。

控制策略启动后，按灵敏度优先序在集群内部调节。集群3中有两台光伏逆变器灵敏度最高，它们各吸收约0.25 Mvar无功，电压就从1.073降到了1.045；集群4里另一台逆变器吸收了0.18 Mvar，把节点21拉到1.038。整体调节量加起来不到0.7 Mvar，就把全网最严重的越限都消除了，而且所有节点电压都回到1.05 pu以下，最低节点也没有低于0.97 pu。

控制前后的电压分布对比如下：

这个结果说明两件事：一是集群划分把电气上强相关的节点聚在一起，集群内部灵敏度高，协调起来效率很高；二是基于灵敏度的调节策略比“所有逆变器平均出力”更省资源，调节总量小了将近一半。

5. Matlab代码实现要点与踩坑记录

5.1 工程化代码的模块划分

我强烈建议不要把所有逻辑堆在一个脚本里，否则后面改一个参数可能要翻几百行代码。我的工程结构是这样的：

• case33.m：基础数据文件，定义线路参数、负荷、光伏接入位置和容量
• BuildYbus.m：根据线路参数生成节点导纳矩阵
• NRLF.m：牛拉法潮流计算函数
• CalSensitivity.m：基于雅可比矩阵计算S_VQ灵敏度矩阵
• SpectralCluster.m：谱聚类划分主体
• VoltageCtrl.m：集群电压协调控制主函数
• run_main.m：流程总控，依次调用上面这些模块，并输出结果

这样做的好处是每个文件都能单独测试。我调代码时习惯先把BuildYbus和NRLF单独跑通，确认潮流结果和标准数据一致后，再做集群划分，最后才接控制逻辑。分层验证能省掉大量联调时间。

5.2 这几个坑，我替你踩过了

先说一下最容易让新手崩溃的：光伏节点类型选择。很多人习惯把并网光伏当PV节点处理，但PV节点在牛拉法里需要指定无功上下限，实际逆变器无功容量又和当前有功出力密切相关，处理不好非常容易算飞。我的做法是把光伏节点全部简化为PQ节点，初始无功设为0，但在电压控制阶段把逆变器无功容量作为约束加进去，调节时动态更新。这样潮流计算稳定，控制逻辑也清晰。

第二个坑是kmeans随机性导致集群划分结果每次都不一样。谱聚类最后一步用kmeans，初始中心是随机的，不固定随机种子的话，同一套数据两次运行出来的集群边界可能不同。我用了两个手段：一是kmeans加’Replicates’, 20，让Matlab多次运行取最优；二是在主脚本最前面加rng(2024)固定随机种子。这样复现论文结果时不会出幺蛾子。

第三个坑是牛拉法初值问题。配电网线路的X/R比远低于输电网，电阻分量不能忽略，初值给得不好收敛很慢甚至振荡。我实践下来，电压初值给1.0 pu、相角给0基本没问题，但如果节点数多或者接入重负荷，建议先把负荷按比例逐步加入，做一个“连续潮流”式的渐进迭代，稳定性好很多。

第四个坑和Matlab计算习惯有关：不要用inv()显式求逆矩阵。我刚学Matlab时习惯写Zbus = inv(Ybus)，节点数少没事，节点多了速度骤降，而且精度损失累积后灵敏度矩阵都不可信了。正确做法是Zbus = Ybus \ eye(n)，解灵敏度方程时也用反斜杠运算符。

5.3 结果可视化和写报告出图技巧

做完了控制仿真，最后一步是出图。这部分做得好不好，直接决定你论文或者报告的说服力。我通常画三张图：一是控制前后的全网电压分布曲线，横轴节点编号，纵轴电压标幺值，加上0.95和1.05的上下限水平线，一眼就能看出越限和控制效果；二是集群划分结果的可视化，把配电网拓扑画成图，用不同颜色标注不同集群，这是论文里非常经典的一张图；三是各光伏节点无功调节量的柱状图，展示集群内协调的调节量分配。

画集群拓扑时，我用的方法是graph对象加plot函数，节点坐标自己定义，线宽按线路阻抗设个比例，颜色按集群标签分配。核心代码大概是这样：

G = graph(s, t, weights); p = plot(G, 'XData', xcoord, 'YData', ycoord, 'LineWidth', 1.5); p.NodeCData = clusterLabel; colorbar;

这里有个小经验：出图前设置好字体和线宽，直接用默认样式往往偏小、偏细，放论文里不清晰。建议figure创建后先set(gcf,'Color','w')，坐标轴set(gca,'FontSize',11)，线宽统一加到1.5以上。保存图片时用exportgraphics或print -dpng -r300，不要截图贴在Word里，清晰度完全不在一个量级。

最后分享一条实际调代码时对我帮助很大的经验：集群划分和电压控制是两个问题，调试时一定要分开测。先只跑集群划分，确认划分结果稳定且模块度合理，再单独调试电压控制——单独调试时甚至可以先用固定集群标签，跳过聚类环节，只测调节逻辑。等两边都各自测稳了，再拼接起来。否则两个问题叠加在一起，出了bug你根本定位不到底是划分不对还是控制算法写错了。我先在这条上浪费了两天，希望你不用再走这个弯路。