配电网最优潮流如何求解？二阶锥松弛建模与Matlab实现全解析

配电网最优潮流（OPF）这几年算是配电自动化、分布式电源接入评估领域绕不开的一个坎。以前做变电站侧或输电网的潮流优化，大家习惯用线性化或者智能算法去凑一个可行解，但换到配电网这种高R/X比、辐射状结构、带大量分布式光伏的网络上，传统手段的误差经常让人心里没底。二阶锥松弛（SOCP）属于一类比较新的凸优化思路——它不靠启发式碰运气，而是把一个非凸难题改写成凸问题，让求解器能在可证明的精度内达到全局最优。这篇文章我会完整拆解二阶锥松弛在配电网最优潮流里的建模过程、Matlab实现细节、松弛紧性检验和常见坑点，适合正在做配电网调度算法研究、或者刚接触凸优化在电力系统应用的开发者参考。

1. 为什么配电网最优潮流这么难——先从本质说起

1.1 最优潮流到底在算什么

最优潮流的本质一句话就能说清：在满足潮流方程、电压约束、支路容量约束、电源出力能力约束的前提下，找到一组控制变量（发电机出力、无功补偿量、储能充放电等），让某个目标函数达到最优，常见的目标包括网损最小、运行成本最低或电压偏差最小。数学上这是一个带约束的非线性规划，变量之间的耦合关系非常强。

输电网OPF通常会用到直流潮流近似，因为输电网电抗远大于电阻、相角差小，有功和无功可以近似解耦。但配电网恰恰反过来——线路电阻和电抗差不多甚至R比X还大，直接用直流潮流假设会造成不可忽略的电压误差，这是配电网OPF区别于输电网OPF的一个关键特点。

1.2 牛顿法、智能算法、半定规划——各有各的苦

传统OPF先想到的是基于梯度的牛顿法内点法。这类方法在处理中小规模网络时其实相当高效，但是有两个致命问题：一是初始点选不好容易收敛到局部最优；二是配电网存在大量分布式电源后，潮流可行域变得高度非凸，算法迭代中经常碰壁，出现数值震荡甚至不收敛。

智能算法在配电网优化里也很常见，粒子群、遗传算法都用得不少。这类方法对模型本身不做太多要求，但有个天然硬伤——它只能给一个“能看的可行解”，永远无法证明这个解是全局最优还是差得多。做学术研究时审稿人问一句“你解的下界是多少”，智能算法就答不上来。

半定规划（SDP）松弛在理论上非常漂亮，它能把OPF问题松弛成一个凸锥规划，理论上能给出严谨的全局最优下界。SDP的问题在于实际求解时对内存和计算时间的需求都比较高，遇到几百个节点的配电网，常规求解器会显得相当吃力。于是就有了折衷方案——SOCP，精度接近SDP松弛，但求解效率高一个量级，更适合工程场景。

1.3 二阶锥松弛的核心思想：把难题“放松一档”

二阶锥松弛的思路并不玄乎：原问题非凸的本质，来自潮流方程中电压和功率之间的非线性等号约束。既然等号非凸，那就把它放宽成不等号，让原本必须落在一条曲线上的解，允许落在一个“锥形”区域内。这个放宽后的约束集合是凸的，整个问题就变成了一个可以高效求解的二阶锥规划。

当然，放宽是有代价的。等号变成不等式之后，求出来的解理论上不一定对应真实物理潮流，这时候就得做“紧性检验”——检查最优解处是否恰好落在锥的边界上，如果是，这个解就是原问题的最优解；如果松弛不紧，则需要用割平面或者迭代修正手段把它收紧。这部分后面会专门讲。

2. SOCP建模全解析——从潮流方程到凸锥约束的每一步

2.1 DistFlow方程：辐射状配电网的潮流表达利器

配电网一般是辐射状或弱环结构，处理这类网络最经典的支路潮流表示法是DistFlow方程。它把每条支路的有功、无功、电压幅值平方作为状态变量，沿着支路逐条递推，形式比较规整。对一条连接节点i和节点j的支路，参数包括电阻r、电抗x，流过支路的有功P、无功Q，节点i的电压幅值平方记为u_i，支路电流幅值平方记为l_ij，那么功率平衡和电压递推关系可以写成：

P_j = P_i - r * l_ij - sum(下游支路有功)

Q_j = Q_i - x * l_ij - sum(下游支路无功)

u_j = u_i - 2*(rP_i + xQ_i) + (r^2 + x^2) * l_ij

这几个式子完全等价于交流潮流方程，但没有直接用相角和复数运算，工程上处理起来方便很多。我第一次看这个模型时觉得它太长了，后来发现这是配电网SOCP建模的一个标准起点，几乎所有文献里的SOCP-OPF都是从这里展开的。

2.2 决定成败的变量替换

DistFlow方程里有个非线性根源：u_i * l_ij = P_i^2 + Q_i^2，这是支路视在功率的定义式。这个等式本身就是非凸的，直接扔给求解器没有任何优势。SOCP做法是做一次变量替换，然后把这个等号约束成不等式：

l_ij >= (P_i^2 + Q_i^2) / u_i

两边乘以u_i，再整理成适合求解器的二阶锥格式：

|| [2P_ij; 2Q_ij; u_i - l_ij] || <= u_i + l_ij

看到这个二阶锥形式，就知道为什么叫二阶锥松弛。这个不等式的意思是，原本必须严格满足的等式现在允许变量落在锥内,问题的可行域变大，整个问题就变成了凸的。后面的目标函数里怎么引导它往紧的方向走，是建模时的一个重要技术细节。

2.3 完整OPF模型的数学构成

一个标准的配电网SOCP-OPF模型，一般包含以下几组约束：

• 节点功率平衡：发电机注入加分布式电源出力，扣除负荷后，等于流出支路功率加上对地支路损耗。
• 支路电压递推方程：按DistFlow方程逐支路写。
• 安全运行约束：节点电压幅值平方u_i必须落在[u_min^2, u_max^2]内，支路电流平方l_ij不超过上限。
• 电源出力约束：分布式电源的有功、无功出力在其允许范围内，功率因数也要对得上。
• 二阶锥松弛约束：上面那个锥约束。

目标函数常见的有三种选择。网损最小是最典型的目标，表达式是sum(r_ij * l_ij)，这个目标天然鼓励l_ij取小，对松弛紧性的恢复很有帮助。第二种是运行成本最小，需要考虑发电机出力成本曲线。第三种是电压偏差最小，这种目标下松弛可能不太紧，需要额外加惩罚项。

以网损最小为例，完整的SOCP-OPF在Matlab里的核心建模块，代码框架大致是：

% 定义一个最小化网损的目标 objective = sum(r_branch .* l_branch); % 二阶锥约束 for k = 1:nbranch P = P_branch(k); Q = Q_branch(k); u = u_from(k); l = l_branch(k); % ||[2P; 2Q; u-l]|| <= u + l [P, Q, (u - l)/2, (u + l)/2] = ... % 实际实现时可以用YALMIP的cone命令 end

用YALMIP建模时，锥约束写cone([2*P_branch(k); 2*Q_branch(k); u_from(k)-l_branch(k)], u_from(k)+l_branch(k))即可，求解器能直接识别这种标准形式。

3. Matlab代码实现——从数据准备到求解完成的完整流程

3.1 基础数据准备：节点、支路、负荷，一个都不能少

写代码之前先要把网络数据准备到位。典型输入包括：节点编号、支路首末端节点、支路电阻电抗、节点有功无功负荷、根节点电压、分布式电源接入位置与出力限值。

以33节点配电网测试系统为例，数据组织成一个结构体数组或者表格，字段分别对应支路参数和节点参数。这个环节容易踩的坑是支路数据方向不统一——有些数据文件里支路是“首端在前末端在后”，有些是反的，计算前最好统一成同一个方向，否则DistFlow递推会直接混乱。还有就是单位问题，标幺值和有名值混用会带来隐蔽的量级错误，建议代码里固定使用标幺值体系。

一个可靠的数据读取和整理片段如下：

% 读取节点和支路数据 bus_data = readtable('bus33.xlsx'); branch_data = readtable('branch33.xlsx'); % 提取参数 nb = height(bus_data); nl = height(branch_data); R = branch_data.R; X = branch_data.X; P_load = bus_data.Pload; Q_load = bus_data.Qload;

3.2 YALMIP建模——变量定义与约束写入

变量定义是建模中最需要细心的地方。节点电压幅值平方u、支路有功P、支路无功Q、支路电流幅值平方l，四个变量全部用sdpvar定义，然后逐个写入约束。这里有几个工程上的细节值得注意：

• 电压基准值设置好后，u的上下限直接对应实际电压标幺值的平方。比如允许0.95~1.05，那u的限值就是0.9025和1.1025。
• DistFlow方程是线性等式约束，直接写等式就行。
• 二阶锥约束用cone写入，一行一个支路，简洁又不容易错。

完整的YALMIP建模代码如下：

% 定义决策变量 u = sdpvar(nb, 1); % 节点电压幅值平方 l = sdpvar(nl, 1); % 支路电流幅值平方 P = sdpvar(nl, 1); % 支路有功 Q = sdpvar(nl, 1); % 支路无功 Pg = sdpvar(nb, 1); % 分布式电源有功 Qg = sdpvar(nb, 1); % 分布式电源无功 % 约束集合 constraints = []; % 根节点电压固定 constraints = [constraints, u(1) == 1.0]; % 支路潮流方程与电压递推约束 for k = 1:nl i = from_node(k); j = to_node(k); % DistFlow 方程线性部分 constraints = [constraints, P(j) == P(i) - R(k)*l(k) - P_load(j) + Pg(j)]; constraints = [constraints, Q(j) == Q(i) - X(k)*l(k) - Q_load(j) + Qg(j)]; constraints = [constraints, u(j) == u(i) - 2*(R(k)*P(k) + X(k)*Q(k)) + (R(k)^2 + X(k)^2)*l(k)]; end % 二阶锥约束 for k = 1:nl i = from_node(k); constraints = [constraints, cone([2*P(k); 2*Q(k); u(i)-l(k)], u(i)+l(k))]; end % 电压幅值与电流幅值限制 constraints = [constraints, 0.9025 <= u <= 1.1025]; constraints = [constraints, 0 <= l <= l_max]; % DG出力限制 constraints = [constraints, 0 <= Pg <= Pg_max]; constraints = [constraints, 0 <= Qg <= Qg_max]; % 目标函数：网损最小 objective = sum(R .* l); % 求解 ops = sdpsettings('solver', 'mosek', 'verbose', 1); optimize(constraints, objective, ops); % 结果提取 u_opt = value(u); l_opt = value(l); P_opt = value(P); Q_opt = value(Q);

这段代码覆盖了一个SOCP-OPF求解的完整闭环，运行之后可以直接得到最优网损和各节点电压。

3.3 求解器选择与备用方案

YALMIP本身不自带优化算法，它只是个建模翻译层，实际求解靠后端的数值求解器。常见的搭配是Mosek或者Gurobi，两者对锥规划的支持都相当成熟。如果没有商业求解器，也可以用开源的SCS或ECOS，宿舍学生拿来做仿真验证完全够用。但要注意SCS是内点法配合非精确求解，数值精度一般，对锥约束的严格可行性不如Mosek稳，如果做研究建议尽力争取Mosek的学术许可。

求解器设置里有一个细节：sdpsettings的debug选项建议设为1，方便约束写错时报错时快速定位。另外solver要指定为mosek或gurobi，否则YALMIP可能选到一个不支持二阶锥的求解器，直接报“模型不支持”的错误。

4. 松弛紧性检验——拿到SOCP解之后的第一件正事

4.1 为什么松弛解可能“不真实”

二阶锥松弛把等号改成了不等号，这意味着求解器偷懒的话，完全可以给出一个满足所有约束但不满足原始潮流等式的解。用这个解去算网损、电压，结果会和真实值对不上。所以SOCP-OPF的最后一公里不是求解出数值，而是验证松弛是否紧。

直观的理解是这样：原本变量必须精确落在某个曲面上，现在放宽到曲面上方所有区域都允许。如果最优解恰好落在边界（即等号恢复成立），说明放宽并没有引入额外的空间；如果最优解落在锥的内部，说明求解器找到了一个原问题里并不存在的“捷径”。

4.2 紧性指标怎么算

判断紧不紧，每个支路都需要算一个指标gap：

gap_ij = | u_i * l_ij - (P_ij^2 + Q_ij^2) |

如果所有支路的gap都小于一个很小的阈值（比如1e-5标幺值），就可以认为松弛是紧的，当前解就是原OPF问题的全局最优解。阈值的选择不宜太严，太严会误判，一般取1e-3到1e-5之间比较合理。

实际计算gap的代码可以这样写：

% 计算松弛间隙 gap = zeros(nl, 1); for k = 1:nl i = from_node(k); gap(k) = abs(u_opt(i) * l_opt(k) - (P_opt(k)^2 + Q_opt(k)^2)); end % 判断是否紧 if max(gap) < 1e-4 disp('松弛是紧的，解为全局最优'); else disp('松弛不紧，需要处理'); end

4.3 松弛不紧怎么办——三种工程处理手段

如果gap超限，说明这个SOCP模型直接求解的结果不能直接当物理解用。从我实践看，处理手段大概有三类。

第一类是加罚项。在目标函数里给l_ij加一个极小的线性惩罚系数，比如objective = sum(R .* l) + lambda * sum(l)，这个惩罚项会“引导”求解器尽量压低l，从而把解往锥边界上推。lambda不能太大，否则解会被带偏；一般取网损量级的1/1000左右，通过多次试验确定。

第二类是固定某些关键支路的PHY解，通过迭代修正。先解一轮SOCP，找那些gap大的支路，把它们的有功、无功值固定成上一轮解，再重新求解剩余部分。本质上属于割平面思想，工程上收敛速度还行。

第三类是改用SDP松弛作为校验。对同一个问题求解一次SDP，如果SDP结果和SOCP结果的目标值基本一致，那说明SOCP这个解“大概率是可信的”，即使个别支路gap稍大，整体调度方案仍然可参考。这种做法在科研论文里比较常见，算是一种验证手段。

5. 求解器选型与参数调优——让计算稳稳当当又飞快

5.1 主流求解器在SOCP上的性能对比

以我实际测试过的33节点、118节点配电网系统来看，各求解器的表现差异比较明显。Mosek在锥规划上的数值稳定性最好，求解速度和迭代鲁棒性都排在第一梯队，学术许可免费申请也方便，是我最常用的选择。Gurobi同样支持二阶锥，对于混合整数凸问题的支持比Mosek还要灵活，如果你在SOCP基础上加了0-1变量做网架重构或储能选址，Gurobi会更好用。CVX自带的SDPT3和SeDuMi也可以解SOCP，但速度慢不少，胜在安装简单。SCS作为开源求解器适合快速原型验证，精度上要留个心眼。

5.2 实用调参建议

实际运行代码时有些参数设置会直接影响成败。容差方面，sdpsettings里的mosek.param可以设置MSK_DPAR_INTPNT_TOL_REL_GAP为1e-6，比默认更严格一些能提升解的精度。不过注意别太严格，否则内点法迭代次数暴涨，耗时成倍增加。

再一个是变量初值。SOCP是凸问题，初值不影响最优解的全局性，但会影响求解器迭代步数。给u设置0.95左右的初值、l设置0.01左右的初值，通常能够减少一两轮迭代，速度和稳定性都有改善。

还有一个容易忽略的点——约束重复。YALMIP里写约束时如果无意间把同一个约束写了两遍，虽然不会报错，但会让求解器预处理多花时间。代码里尽量用循环控制，不要每行都手写。同样一个Constraint对象如果反复append，内存消耗也会增加。对于上百节点的网络这种写法问题不大；但上千节点头就会很慢。建议所有约束写完后一次性传给optimize，别用constraints = [constraints, ...]逐步扩充。

6. 踩过的坑与排查技巧实录

6.1 数据格式坑——支路方向不一致导致潮流方程全乱

第一次跑数据时最容易翻车的地方就是支路方向。测试系统里给出的支路数据可能首末端顺序不一致，DistFlow方程是严格有向的，一旦方向错了，最后的“收敛解”其实完全不合理。排查办法很简单：先不求解，单独验证潮流方程约束是否成立。把根节点电压设为1.0，其他节点通过前推回代算一组潮流解，然后用这组解代入约束，看是不是每一条都严格满足。这个方法可以在建模早期就暴露数据问题。

6.2 变量赋值错误——求解成功但结果异常

遇到最多的情况是：求解器明明显示optimal solution found，但网损是负的，或者电压超出限制一大堆。这种时候先检查目标函数里用的是不是电流平方乘以电阻，再检查约束里到底约束的是u还是电压幅值V。因为变量定义的是u = V^2，如果代码里把u直接当电压幅值使，那电压约束会被写错好几倍。运行前务必备注好每个变量的物理含义。

6.3 求解器报错“not supported”——换个建模方式

有时候YALMIP会提示模型不能被求解器识别，这大概率是约束里混入了非凸项，比如两个变量的乘积、绝对值、min/max表达式。二阶锥模型的所有约束必须是线性或者锥约束，一旦出现乘除交叉项，YALMIP直接判定为非线性模型。排查技巧：把约束集合逐条注释掉再跑，二分法定位是哪一行出了问题。

6.4 松弛不紧到底正常不正常的判断

我见过不少同学看到gap = 1e-2就慌了。其实要看具体场景：如果目标函数是网损最小化，这个目标天然会推动电流平方l减小，松弛紧性一般相当好，gap通常在1e-7量级。如果目标是电压偏差最小化，目标函数里没有直接作用在l上的项，gap就可能大一些，这时最好改成网损最小目标再检验一次。如果两次目标下的解差异不大，说明网络运行点处在比较“正常”的区域，SOCP解可以放心采用。

6.5 含分布式光伏接入时的特殊处理

配电网里接了光伏后，逆变器无功调节能力要如实建模。光伏无功出力Qg是有上下限的，且和无功功率因数相关，约束写的时候不能只写有功范围。另外光伏有功出力用MPPT输出固定值时，不能把Pg设成可调变量，否则求解器可能会靠减少光伏出力来“作弊”地降低网损。正确做法是让Pg等于预测出的最大出力，只把Qg留作决策变量。这一点在工程应用和科研仿真中都很关键。

个人这几年做配电网优化项目，体会最深的一点就是：SOCP-OPF的难点不在算法推导本身，而在于把物理问题、数学建模和代码实现三者对齐。数学推导再漂亮，代码里漏一条约束或者数据方向搞反，结果也会一塌糊涂。从实践角度说，我建议新手拿到一个配电网算例后，不要急着写优化代码，先用前推回代法把基础潮流算准，把每条支路的方向、电压分布规律摸清楚，再上SOCP模型，这样定位问题快得多。

另外一个小经验：求解完成后，把最优电压分布画出来，和负荷分布对着看，能直观发现不少建模错误。比如某条支路电压降异常大但线路上并没有多少负载，那多半是DistFlow方程里的符号或者负荷分配表出错了。配电网优化的根基始终是网络本身，模型只是工具，而SOCP松弛是一种能让工具发挥出可靠全局最优能力的好方法。