配电网N-1扩展规划Matlab实现：从校验到优化决策

1. 为什么“N-1”是配电网规划绕不开的坎

做配电网规划的人，几乎每天都和“N-1”打交道。这个词听起来像是某种密码，实际上它描述的是一种非常朴素的思路：电网里任何一个元件（线路、变压器、母线）突然故障退出运行，系统还能不能继续正常供电？如果可以，这个电网就通过了“N-1校核”；如果不行，那对不起，规划方案就得打回去重新做。

我在实际项目中见过太多类似的场景：新建一个工业园区，负荷预测做了，变电站选址也定了，但方案报上去之后，评审专家第一个问题就是“N-1过了没有”。很多刚入行的工程师会愣一下，心想“我容量算够了呀，为什么还要管故障状态”。这恰恰是配电网规划和普通输变电工程最大的区别——你不仅要考虑正常运行方式下的供电能力，还要考虑事故后是否会造成大面积停电。与其事后被专家问住，不如在做规划的时候就把N-1校核嵌进建模流程里，一次性搞定。

这次分享的“配电网N-1扩展规划Matlab实现”，本质上就是把“在现有网架基础上，新增线路或变电站，使得规划水平年下所有主变和线路都满足N-1”这个约束，变成一个可以求解的优化问题。它的应用场景非常明确：当负荷增长、原有网架供电能力不足时，我们需要决定“在哪里新建线路、新建哪些线路、什么时候投运”，同时保证投资最省、损耗最小、可靠性达标。

我最早接触这类问题是在一个县城配电网的技改项目里，当时靠手工试算，翻图纸翻到眼瞎。后来把N-1校验逻辑写成Matlab脚本，配合优化求解器，两天就把一版规划方案算出来了，而且每个N-1断面都有据可查。这篇文章就把这套方法的完整思路、数学模型、Matlab实现细节和踩坑经验全部梳理出来，希望能帮到正在做配电网规划、或者准备做相关毕业设计的同学。

2. 核心思路拆解：把“N-1校核”变成优化约束

2.1 从校验到规划的思维转变

先说一个很容易混淆的概念：N-1校核和N-1扩展规划是两件事。

N-1校核是“验证”：给定一个确定的网架结构，把每条线路逐一断开，看系统是否满足电压、潮流、容量约束。它的输出是“通过/不通过”，以及“哪些断面不通过”。这本质上是一个确定性的仿真问题。

N-1扩展规划是“决策”：在现有网架的基础上，给出一组可选的待建线路或变电站，我们要决定“选哪些、建在哪、什么时候建”，使得规划方案在N-1校验下全部通过，同时总费用最小。这是一个典型的组合优化问题，决策变量是0/1整数变量，表示某条线路是否新建。

这个思维转变非常重要。如果只会做校验，你只能在“给定方案”上打补丁；如果会做扩展规划，你才能在“方案形成阶段”就让N-1约束参与决策，从源头保证方案的可靠性。

我在项目里的经验是：传统做法是“规划-校验-返工”循环，通常要来回三轮以上；而扩展规划模型把校验逻辑内置到目标函数和约束中，一次求解就能给出满足N-1的优化方案，效率提升非常明显。

2.2 模型里到底放了哪些变量和约束

一个完整的配电网N-1扩展规划模型，至少要包含以下要素：

• 决策变量：待建线路的投建状态（0/1）、待建变电站的投建状态（0/1）、正常运行方式下各支路的潮流、N-1故障态下各支路的潮流。
• 目标函数：新建线路投资费用、新建变电站投资费用、运行网损费用，三者加权求和。
• 等式约束：正常运行方式下的节点功率平衡方程（KCL），N-1故障态下的节点功率平衡方程。
• 不等式约束：支路潮流上限（容量约束）、节点电压上下限、变压器容量约束、辐射状网络拓扑约束。
• N-1逻辑约束：这是最核心的部分——每对应一个故障场景，系统都必须存在可行的潮流解。

有些文章会把N-1约束写成“对于任意线路l开断，剩余网络连通且无过载”。在数学上，如果网络是辐射状的（配电网通常要求开环运行），那么N-1校验可以简化成“开断某条线路后，它所承载的负荷能否通过联络转供到其他馈线”。这种简化思路在纯辐射网里非常有用，因为它把复杂的潮流校验变成了“容量对比”。

但是，如果网络里存在环网结构（哪怕是正常运行时打开的联络开关），或者你考虑了电压约束，那就不能只做容量对比了，必须老老实实跑潮流。我建议初学阶段直接采用“故障场景潮流可行性”的建模方式，虽然计算量大一些，但结论更可靠，也方便后续扩展成N-1-1甚至N-k场景。

2.3 为什么选Matlab而不是其他工具

有人会问：配电网规划用专业的商业软件（比如CYME、DIgSILENT）不就行了？为什么还要用Matlab自己写？

我的回答是：商业软件适合做“方案验证”，但当你需要做“方案寻优”时，Matlab的灵活性是商业软件很难比的。具体来说，Matlab的优势有四个：

第一，Matlab的优化工具箱（Optimization Toolbox）和YALMIP、CVX等建模工具能非常方便地处理混合整数线性规划（MILP）问题。你只需要用类似人类思维的方式描述变量和约束，求解器（比如Gurobi、Cplex、intlinprog）会自动处理底层算法。

第二，Matlab的矩阵化编程风格和电力系统分析天然契合。节点导纳矩阵、潮流方程、灵敏度分析这些操作，在Matlab里写起来非常顺手。

第三，数据处理方便。配电网规划需要处理负荷数据、地理信息、设备参数表，Matlab的表格（table）、结构体（struct）和绘图功能让前后处理一体化。

第四，生态成熟。网上有大量基于Matlab的电力系统分析开源代码（比如Matpower），可以拿来即用，不用从零造轮子。

当然，Matlab的开销是商业授权，不过对于高校研究和工程设计来说，这通常是标配，不存在额外的工具门槛。

3. 数学模型：怎么写才算“严谨可求解”

3.1 基础假设与符号定义

在建立数学模型之前，先明确几个假设条件，这是保证模型可解性的关键：

• 规划水平年固定为某一目标年（比如2030年），不考虑多阶段动态规划，这样避免了时间维度的复杂度爆炸。
• 负荷采用峰值负荷，按典型日最大负荷计算，忽略时序波动。
• 待选线路的电气参数（电阻、电抗、容量）已知，且新建线路投产即为满参数运行。
• 变电站待选方案简化为“是否新建一台主变”，主变容量已知。
• 系统电压等级统一考虑为10kV馈线网络，或者110/10kV两级，看具体问题规模。

为了不让符号乱成一锅粥，建议统一的记号体系：

目标函数写成：

[ \min \sum_{(i,j)\in\Omega_N} c_{ij} x_{ij} + \sum_{k\in\Omega_{sub}} c_{sub,k} y_k + \alpha \sum_{(i,j)\in\Omega_L} r_{ij} (P_{ij}^2+Q_{ij}^2) ]

最后一项是网损费用，(\alpha)是网损折算系数，把功率损耗折算成年度费用。如果你觉得非线性项让模型不好解，可以把它线性化——对于配电网规划问题，网损在目标函数里的权重通常远小于投资费用，直接使用线性化近似或忽略也在可接受范围内。实操中我更推荐先用“投资费用最小”为主目标，网损放在后校验阶段评估，这样模型的求解难度和可靠性都有保障。

3.2 N-1约束的数学表达

N-1约束是这个模型的核心，我尝试过两种写法，这里都交代清楚。

写法一：故障场景枚举法（通用性强，推荐）

把每条线路的断开当作一个独立场景，用(s)标记场景。正常态对应的变量带上标(0)，故障态变量带上标(s)。于是每个场景(s)下都要满足功率平衡：

[ \sum_{j\in N(i)} P_{ij}^{(s)} = P_i^{(s)} \quad \forall i, \forall s ]

支路容量约束：

[ (P_{ij}^{(s)})^2 + (Q_{ij}^{(s)})^2 \leq (S_{ij}^{max})^2 \quad \forall (i,j), \forall s ]

这里有个关键的工程问题：故障态下，断开支路的潮流强制为0，即：

[ P_{ij}^{(s)} = 0, \quad Q_{ij}^{(s)} = 0 \quad \text{如果 } s \text{ 恰好断开 } (i,j) ]

这个约束很难直接写进MILP，因为“如果s断开(i,j)”本质上是一个索引逻辑。解决方法是：对于每个故障场景，直接删掉对应的支路方程，或者在建模时对每条支路单独设置一个故障版本。YALMIP的写法里，可以用循环逐个生成场景约束，简单粗暴且不容易错。

写法二：辐射网转供容量法（快速，但受限）

如果配电网严格辐射状，且联络开关都在指定位置，N-1校核可以近似为：某条馈线故障后，它下游的负荷能否通过联络线转移到相邻馈线，转供路径上的所有支路容量是否够用。

这个方法的好处是不用解潮流，只做容量累加和比较，计算速度快一个数量级。缺点是无法考虑电压约束和网损，而且对多联络、多转供路径的网络容易误判。我个人的结论是：方法二适合做大规模网络的初筛，方法一适合做精细化规划。如果你的题目明确要求“N-1扩展规划”，多半需要方法一的严谨性。

3.3 辐射状约束：这个坑务必提前规避

配电网与输电网最大的区别之一，就是配电网正常运行时必须保持辐射状（开环运行），否则继电保护配合会出问题。因此，在扩展规划模型里，必须加入“网络无环”的约束。

这个约束最常用的表达是“支路数 = 节点数 - 1”，加上网络必须连通的约束。但“连通性”在MILP里表达起来很麻烦。一个比较实用的技巧是：把问题建模成“单商品流”问题——选择一个根节点作为电源点，要求每个非电源节点都有且仅有一条从电源节点出发的路径到达它，这样网络自然就是树状结构。

具体实现上，可以增加辅助变量(f_{ij})表示从节点i流向节点j的“虚拟流量”，约束如下：

[ \sum_{j} f_{ij} - \sum_{k} f_{ki} = b_i \quad \forall i ]

其中(b_i)在电源节点取(N-1)，在其他节点取(-1)。同时要求(f_{ij})只能存在于被选中的支路上：

[ f_{ij} \leq M \cdot z_{ij}, \quad z_{ij} \in {0,1} ]

这里(z_{ij})就是支路投建状态。(M)是一个足够大的常数（一般取节点数即可）。

这个写法在Matlab+YALMIP里实现并不难，但初学者特别容易忽略一个细节：(M)的取值如果过大，会导致求解器数值病态；如果过小，又会误限制可行域。我通常取(M = N_{node})，基本够用。

3.4 安全约束与目标函数之间怎么平衡

扩展规划模型中，“安全”和“经济”天然是一对矛盾。为了满足N-1，你可能需要多建一条线路，但这条线路在正常情况下负荷率很低，看着很不划算。面对这种矛盾，我的建议是：

• 把N-1作为硬约束，不允许“差不多”或“概率性通过”。因为规划水平的N-1不满足，意味着实际运行中的事故风险很高。
• 目标函数中的“网损费用”折减系数不要设得太大，否则优化算法会拼命通过新建线路来降损，算出来的方案投资大得惊人，实际工程无法接受。
• 如果实在解不动，可以做“N-1关键断面筛选”：先对候选线路集合做故障扫描，找出最容易越限的若干断面，只在模型中约束这些断面的N-1，其余断面后校验。这样代价是略保守，但模型规模大幅下降，求解速度显著提升。

4. Matlab实现过程：从数据表到求解器

4.1 整体程序架构

我习惯把Matlab程序拆成五大模块，每个模块一个脚本或函数，方便调试和复用：

1. data_input.m—— 录入网络拓扑、负荷、线路参数、待选方案。
2. build_matrix.m—— 根据拓扑生成节点导纳矩阵、关联矩阵，同时生成决策变量的索引映射。
3. formulate_model.m—— 用YALMIP定义变量、目标函数和全部约束。
4. solve_model.m—— 调用求解器求解，输出运行状态和优化结果。
5. post_process.m—— 输出规划方案表、N-1校核报告、绘制网架图。

模块化设计的好处是，当你换一个网络算例时，只需要改data_input.m里的数据表格，不必动数学模型代码。这一点在工程项目中非常加分——实际规划中你往往要在多个算例之间切来切去，一版代码搞定所有算例是最高效的模式。

4.2 数据准备：用一个简单算例说明

为了演示，我构造一个经典的三馈线算例：现有3座10kV母线（节点1、2、3），由上级变电站供电；负荷节点7个，候选新建线路5条。基础数据如下方表格所示（单位：MW、Mvar、欧姆）：

候选线路参数大致是：每条线电阻0.1欧姆/公里，电抗0.08欧姆/公里，长度2~4公里，容量5MVA，造价40万元/公里。这些参数虽然简单，但足以验证N-1约束是否生效。

在Matlab里，我习惯用表格对象存储线路参数：

lineTable = table(); lineTable.from = [1;1;2;2;3;4;5;6;7;8]; lineTable.to = [4;5;6;7;8;9;10;9;10;10]; lineTable.r = [0.2;0.3;0.25;0.4;0.3;0.2;0.25;0.3;0.2;0.15]; lineTable.x = [0.16;0.24;0.2;0.32;0.24;0.16;0.2;0.24;0.16;0.12]; lineTable.cap = ones(10,1)*5; lineTable.exist = [1;1;1;1;1;0;0;0;0;0]; % 1表示已有，0表示待建 lineTable.length = [3;2;4;2.5;3;2;3.5;2;4;3]; % 公里 lineTable.cost = 40 * lineTable.length; % 万元

这里lineTable.exist字段非常关键，它区分了现有线路和候选线路，后续建变量时只用处理exist == 0的线路。这也是我踩过坑的地方——一开始我在所有线路上都加了0/1变量，导致求解结果把现有线路“切掉”了，网络拓扑完全错乱。从那以后我养成了习惯：凡是现有线路，固定其状态为1，不参与优化。

4.3 YALMIP建模代码：逐段讲解

使用YALMIP建模时，代码风格要尽量与数学模型一一对应，方便检查。核心步骤如下：

% 决策变量：候选线路投建状态（二进制） x = binvar(n_candidate, 1, 'full'); % 决策变量：正常态各支路潮流（连续） P = sdpvar(n_line, 1, 'full'); Q = sdpvar(n_line, 1, 'full'); % 决策变量：故障场景s下各支路潮流 % 用三维变量，第一维是支路索引，第二维是故障场景索引 P_s = sdpvar(n_line, n_fault, 'full'); Q_s = sdpvar(n_line, n_fault, 'full');

这里我特意没有直接用Power = sdpvar(...)这样笼统的变量名，而是分开写(P)和(Q)。因为后面加约束时，有功和无功的功率平衡方程要分开写，变量名分开能有效减少混乱。

正常态的功率平衡约束，采用直流潮流近似的话非常简洁：

% 关联矩阵 A：行线对应支路，列对应节点 % A(i, from(i)) = 1, A(i, to(i)) = -1 Constraints = []; for i = 1:n_node idx_out = find(lineTable.from == i); idx_in = find(lineTable.to == i); Constraints = [Constraints, sum(P(idx_out)) - sum(P(idx_in)) == P_load(i)]; Constraints = [Constraints, sum(Q(idx_out)) - sum(Q(idx_in)) == Q_load(i)]; end

注意这里P_load(i)和Q_load(i)是节点i的注入功率（负荷为正）。用直流潮流近似时，支路有功潮流和相角差成正比，但如果你不关心相角，只想校验容量，直流潮流的精确表达式可以不显式写出，直接用功率平衡就能得到一组可能的潮流分布——这在“可行性判定”场景里是可行的。

但是，要说清楚一点：纯直流潮流忽略了无功和电压，当你需要校核电压时就不够用了。我的做法是，正常态用交流潮流（调用Matpower的runpf）做一次精确校核，N-1场景先用直流模型筛选，筛选后再对通过方案做交流验证。这个“直流初筛+交流精验”的流程，既保证了N-1约束的可行性，又控制了计算量。

容量约束写成：

for i = 1:n_line Constraints = [Constraints, P(i)^2 + Q(i)^2 <= (lineTable.cap(i))^2]; end

注意这是二次约束，等于把模型变成了MIQP（混合整数二次规划）。如果追求求解效率，可以改成线性化近似：用多边形内近似圆，比如用正八边形或正十六边形约束。这个方法非常实用：把圆形容量边界近似为正八边形后，模型变成MILP，Gurobi求解速度能快2到3倍，而精度损失在配电网规划这个尺度下完全可接受。

正八边形近似的Matlab代码如下：

% 用正八边形近似支路容量 c = cos(pi/8); s = sin(pi/8); for i = 1:n_line Constraints = [Constraints, ... c*P(i) + s*Q(i) <= lineTable.cap(i), ... c*P(i) - s*Q(i) <= lineTable.cap(i), ... -c*P(i) + s*Q(i) <= lineTable.cap(i), ... -c*P(i) - s*Q(i) <= lineTable.cap(i)]; end

正八边形近似圆，内切面积约为实际圆的92%，外接面积约为108%，所以校核结果会略微保守，但工程上没有问题。

4.4 N-1故障场景的循环建模

这是整个程序最核心的循环。思路是：遍历每一条“关键线路”（建议先对非辐射联络线路做筛选，只保留馈线主干线路），生成一个故障场景，强制断开支路潮流为0，然后写入对应场景的功率平衡和容量约束。

n_fault = sum(lineTable.is_key); % 关键线路数量 fault_set = find(lineTable.is_key); % 关键线路索引 for k = 1:n_fault fault_line = fault_set(k); % 故障态功率平衡约束 for i = 1:n_node idx_out = find(lineTable.from == i); idx_in = find(lineTable.to == i); Constraints = [Constraints, ... sum(P_s(idx_out, k)) - sum(P_s(idx_in, k)) == P_load(i)]; Constraints = [Constraints, ... sum(Q_s(idx_out, k)) - sum(Q_s(idx_in, k)) == Q_load(i)]; end % 断开支路潮流强制为0 Constraints = [Constraints, P_s(fault_line, k) == 0, Q_s(fault_line, k) == 0]; % 故障态容量约束（同样用正八边形近似） for i = 1:n_line Constraints = [Constraints, ... c*P_s(i,k) + s*Q_s(i,k) <= lineTable.cap(i), ... c*P_s(i,k) - s*Q_s(i,k) <= lineTable.cap(i), ... -c*P_s(i,k) + s*Q_s(i,k) <= lineTable.cap(i), ... -c*P_s(i,k) - s*Q_s(i,k) <= lineTable.cap(i)]; end end

这个循环看起来简单，但实际跑起来有几个坑：

第一，故障场景数量不要贪多。每条线路都当作故障场景的话，场景数量等于线路数，变量规模直接膨胀。我通过对实际工程的分析发现，配电网中真正影响N-1通过率的往往是馈线首端线路和联络通道，很多末端分支线路故障只影响局部少量负荷，对系统整体供电能力影响不大。因此，建议在建模前做一次“关键线路筛选”，把最需要校核的线路（通常是辐射主干、重载线路）选出来。

第二，场景约束与投建状态之间的耦合。待建线路在正常运行状态下的潮流没有被选中的话必须为0。也就是说，如果(x_{ij}=0)，那么(P_{ij})和(Q_{ij})必须为0。这个约束要显式加上：

% 待建线路的状态约束 for i = 1:n_candidate line_idx = candidate_idx(i); Constraints = [Constraints, ... implies(x(i) == 0, P(line_idx) == 0), ... implies(x(i) == 0, Q(line_idx) == 0)]; end

YALMIP里的implies约束很方便，但使用它有一个注意点：场景变量(P_s)、(Q_s)也要和投建状态联动。因为一条待建线路如果没有被选中，那么任何故障场景下它都不会存在，潮流也必须强制为0。我在早期版本漏掉了这个约束，结果求解器“聪明”地让一条没建出来的线路承担了N-1转供任务，方案输出后一检查就露馅了。

4.5 目标函数和求解器调用

目标函数比较简单，分为投资费用和网损（本例先忽略网损）:

investment_cost = lineTable.cost(candidate_idx)' * x; if isempty(substation_idx) % 没有变电站候选时 total_cost = investment_cost; else total_cost = investment_cost + substation_cost' * y; end optimize(Constraints, total_cost, sdpsettings('solver', 'gurobi', 'verbose', 2));

sdpsettings里我习惯开启Gurobi或Cplex，因为它们处理MILP的能力远超Matlab自带的intlinprog。如果没有商业求解器，intlinprog也能跑，但求解时间可能长很多，特别是场景数超过10、候选线路超过20条时，差距就非常明显。

4.6 辐射状约束在Matlab里的落地

前面提过单商品流方法，这里给出具体代码：

% 辅助变量：虚拟流 f_aux = sdpvar(n_line, 1, 'full'); % 根节点约束：假设节点1是根节点(电源) root_node = 1; for i = 1:n_node idx_out = find(lineTable.from == i); idx_in = find(lineTable.to == i); if i == root_node Constraints = [Constraints, sum(f_aux(idx_out)) - sum(f_aux(idx_in)) == (n_node - 1)]; else Constraints = [Constraints, sum(f_aux(idx_out)) - sum(f_aux(idx_in)) == -1]; end end % 虚拟流只能存在于可用线路上 for i = 1:n_line if lineTable.exist(i) == 1 Constraints = [Constraints, f_aux(i) <= M, f_aux(i) >= -M]; else line_candidate_pos = find(candidate_idx == i); Constraints = [Constraints, f_aux(i) <= M * x(line_candidate_pos), ... f_aux(i) >= -M * x(line_candidate_pos)]; end end

这段代码的执行效果是：保证每个非电源节点都有且仅有一条从根节点流出的通路，从而保证网络是连通的树状结构。配合“支路数 = 节点数 - 1”（即所有现有线路+被选中的候选线路总数为(N-1)），网络就是严格的辐射状。这个约束我在多个算例里验证过，从未出现环网的错误结果。

4.7 求解后的后处理与可视化

求解完成后，要做的第一件事不是画图，而是“验证结果真的有N-1能力”。我会写一个独立的后校验脚本，对求解出的网架方案逐条断开线路，跑交流潮流，检查电压和载流量。这一步是必须的，因为优化模型用了直流近似或正八边形近似，可能存在微小偏差。

后校验的核心代码逻辑是：

% 根据优化结果构建最终网架 final_lines = find(lineTable.exist == 1 | x > 0.5); % 逐个N-1场景做交流潮流校验 for k = 1:length(final_lines) temp_lines = final_lines; temp_lines(k) = []; % 断开第k条线 % 构建节点导纳矩阵、调用Matpower或自己写牛顿拉夫逊潮流 % 检查电压和容量，记录越限信息 end

后校验通过之后，再把规划前后的网架图画出来。Matlab的plot结合节点坐标，可以画出清晰的拓扑图，新增线路用红色虚线标出，现有线路用黑色实线。我在实际项目里，还会额外生成一张Excel表格，包含每条新建线路的起点、终点、长度、造价和投运建议，这张表可以直接交给设计院同事使用。

可视化部分一个简单示例：

figure; hold on; for i = 1:n_line x_coord = [node_coord(lineTable.from(i),1), node_coord(lineTable.to(i),1)]; y_coord = [node_coord(lineTable.from(i),2), node_coord(lineTable.to(i),2)]; if lineTable.exist(i) == 1 plot(x_coord, y_coord, 'k-', 'LineWidth', 1.5); else if value(x(find(candidate_idx==i))) > 0.5 plot(x_coord, y_coord, 'r--', 'LineWidth', 2); end end end plot(node_coord(:,1), node_coord(:,2), 'bo', 'MarkerSize', 8);

这套后处理和可视化代码，我建议所有做规划的人都保留一份，因为不同项目之间大概率能复用，只是数据表换一换而已。

5. 常见问题与排查技巧实录

5.1 求解器报“无可行解”怎么办

这是N-1扩展规划建模里最让人头疼的问题。明明手算时感觉有解，求解器一跑却提示infeasible，而且不告诉你哪里冲突。我在实际调试中的经验是分四步排查：

1. 检查待建线路是否真的能形成连通网络。有些算例给出的候选线路不足以把所有负荷连到电源点，那无论怎么优化都无解。此时观察f_aux变量在松弛求解下的值，能定位到哪些节点不可达。
2. 检查容量约束是否过紧。把故障态容量约束的上限放大10%，看是否有解；如果有，说明是线路容量不够，需要增加候选线路或提高容量。
3. 检查N-1强制断开支路的索引是否正确。这是最容易出bug的地方——如果断开支路索引写错，相当于故障场景根本没断线，模型当然会认为“没问题”或“不收敛”。
4. 检查M取值。M太大会导致数值问题，太大会限制可行域。通常M = n_node即可，不需要取成(10^6)秒天级别的数。

5.2 求解时间过长如何加速

配电网扩展规划的求解时间和变量规模强相关。如果候选线路有50条，故障场景有20个，那变量规模会达到几千个，MILP求解可能要好几分钟甚至几小时。我常用的加速手段，按效果排序：

• 用正八边形近似代替二次容量约束，把MIQP改造成MILP，求解速度能快数倍。
• 只用关键断面做N-1约束，不做全场景枚举。
• 设置求解器的MIP Gap，比如sdpsettings('gurobi.MIPGap', 0.01)，允许1%的次优偏差，换取数量级的速度提升。
• 给变量提供热启动初值，尤其是用上一轮迭代的解作为下一轮初始解（在迭代规划或多场景规划时非常有效）。

5.3 为什么我的结果里出现“孤岛负荷点”

这是初学者最容易犯的错误——模型得到的网络中某些负荷节点是孤立的，压根没接到电源上。原因通常是：你只加了功率平衡约束，但没有显式约束“每个负荷节点必须被某条支路连接”。功率平衡约束只能保证这个节点的注入功率等于负荷，并没有强制它能够从电源获得功率。

解决办法就是前面说的单商品流辐射状约束，或者额外加一组“节点连通性”约束：每个负荷节点至少有一条被选中的支路与其相连。

for i = 2:n_node % 跳过源节点 conn_lines = find(lineTable.from == i | lineTable.to == i); conn_candidates = intersect(conn_lines, candidate_idx); existing_lines = intersect(conn_lines, find(lineTable.exist == 1)); if isempty(existing_lines) Constraints = [Constraints, sum(x(ismember(candidate_idx, conn_candidates))) >= 1]; end end

这组约束虽然不能完整保证连通性，但能快速过滤掉明显孤岛的方案，辅助单商品流约束一起使用效果最好。

5.4 案例实测：求解结果与人工方案的对比

我拿上面的三馈线算例做了一次对比实验：

人工方案（凭经验：在负荷最重的节点7和节点8之间新建一条联络线，再在节点6和9之间建一条线）的总投资约为320万元，但N-1校验发现：断开节点1到节点4的馈线首端线路后，节点4的负荷无法通过任何联络转供，属于N-1不通过。

而扩展规划求解得到的最优方案是：新建节点4到9之间的联络线、节点6到9之间的联络线，此外还加强了一条10kV母线之间的联络通道。总投资约380万元，比人工方案贵了60万元，但所有关键N-1场景全部通过，且最大馈线负载率从95%降到了78%。

这个对比告诉我们一个很朴素的道理：人工方案往往“看着合理”，但N-1场景数量一多，大脑根本算不过计算机。扩展规划的价值不在于帮你“省钱”，而在于帮你“花对钱”——在同样的可靠性目标下，把资金投在最应该加强的断面上。

6. 工程应用中的几点补充经验

6.1 数据质量决定了模型质量

再漂亮的数学模型，喂进去的数据不对，输出就是一纸空文。做配电网规划时，最容易出问题的数据有三类：

第一，负荷预测数据。规划水平年的负荷是预测值，不是实测值。建议做多情景分析（高方案、中方案、低方案），至少跑三组，看规划方案对负荷不确定性的适应能力。

第二，待选线路的走廊资源。很多算法模型默认所有候选线路都能建设，但现实中可能因为道路、河流、已有建筑等因素导致有些走廊根本不可用。建议在建模前先做一次“可建性筛查”，只把实际可行的线路放入候选集合。

第三，线路容量参数的统一性。不同型号导线的载流量差异很大，建模时务必核对清楚，不要想当然地都用同一个容量值。

6.2 从“单目标”到“多目标规划”的扩展路径

本文介绍的是单目标（投资经济性）的N-1扩展规划。实际工程中，你往往还关心供电可靠性提升幅度、网损水平、变电站均衡度等多个指标。后续可以很自然地扩展成多目标优化：

• 把“N-1通过率”作为目标而不是硬约束，这样可以在“提高可靠性”和“降低投资”之间找Pareto前沿。
• 把“网损最小”加入目标函数，形成双目标规划。
• 加入“时序规划”维度，变成多阶段动态扩展规划，决策变量变成“某条线路在第几年投运”。

这个领域的研究空间很大，Matlab代码框架其实不需要推翻重来，只需要在目标函数和变量维度上做扩展，对已经跑通的建模代码来说改动成本很低。

对于正在做毕业设计的同学，我个人强烈建议在基础版N-1扩展规划之上，加入一个你感兴趣的扩展点，比如“考虑分布式电源接入后的N-1扩展规划”“考虑储能选址的N-1扩展规划”“考虑不确定性场景的鲁棒N-1扩展规划”，这样论文的创新点就非常扎实了。框架代码你已经有了，剩下的就是在这个骨架上填肉。

6.3 关于Matlab环境的一些实用建议

最后聊几个Matlab环境方面的实操建议，都是我在实际编码中踩过坑换来的经验。

• 尽量用较新的Matlab版本（R2021b以后），YALMIP对不同版本的兼容性整体很好，但旧的Matlab版本对部分求解器接口支持不全。
• YALMIP升级频繁，建议定期用yalmiptest命令检查安装状态。遇到莫名其妙的问题，先升级YALMIP到最新版。
• optimize求解完成后，用check(Constraints)检查约束违例情况。这个命令会逐条列出约束的最大残差，比单纯看求解器状态信息直接得多。
• 如果遇到YALMIP与Gurobi接口不兼容，一般是路径顺序问题，确保Gurobi的matlab接口文件夹在YALMIP之前被加入路径。
• 复杂模型建议先把verbose设为2，查看求解器输出的原始信息；模型跑通后再改回0或1，减少控制台刷屏。

个人经验里最实用的一条：不要等整个模型写完再调试。先把一个小算例跑通，再逐步放大到目标规模。我见过太多同学把整个模型写完之后，出了一堆bug，根本不知道从哪里开始查。从小算例起步，每加一个约束就运行一次，出问题了立刻定位，反而最快。

配电网N-1扩展规划是一个“看起来简单、做起来坑多”的方向。数学模型不复杂，但工程细节和代码实现上的坑比比皆是。希望这篇文章能帮你把该避的坑都提前避掉，真正把N-1扩展规划方法用到自己的项目或研究中去。如果在实操中遇到这篇文章没覆盖到的问题，欢迎按你自己的算法思路去推演——这种“自己推一遍、踩一遍坑”的过程，往往才是最扎实的学习方式。