简介这份资源面向电力系统分析与MATLAB编程的学习者聚焦IEEE33节点辐射网的潮流计算问题采用前推回代法实现求解。辐射状网络结构简单却典型适合教学演示与算法验证读者可借此理解节点电压、功率分布等电气参数的求解流程。压缩包共3个文件包含1个m脚本与2个txt数据文件分别承担算法实现、支路参数与节点信息存储的职责整体约2KB体量轻便易于上手。目前已有738人学习下载说明该案例在相关课程与自学场景中具有一定参考价值。通过解析支路与节点数据、运行前推回代程序并分析计算结果读者能够掌握稀疏矩阵求解思路、节点导纳矩阵构建方法以及潮流收敛性验证技巧为后续处理更大规模配电网络打下基础。1. 前推回代法在 IEEE33 节点算例上的真实定位配电网潮流计算里IEEE33 节点算例几乎是绕不开的基准。它结构简单、参数公开、辐射状拓扑清晰但真正让一线工程师头疼的不是算例本身而是选什么方法能稳定收敛。前推回代法就是在这个场景下被反复验证过的方案——它不依赖雅可比矩阵不需要求解大规模线性方程组迭代逻辑直观对辐射状配电网的收敛性极好。如果你正在做分布式电源接入分析、配网重构、无功优化或者线损计算前推回代法配合 IEEE33 节点算例基本是入门和验证算法的第一站。这篇文章不讲空泛概念直接从前推回代的数学逻辑拆到代码实现把参数设置、收敛判据、常见翻车点全部摊开让你能照着跑通并理解每一步在干什么。2. 前推回代法的数学逻辑与 IEEE33 节点数据准备2.1 为什么辐射状配电网适合前推回代而不是牛顿拉夫逊配电网和输电网最大的区别在于拓扑输电网是环网配电网是辐射状树形结构。牛顿拉夫逊法在输电网里收敛快、精度高但它的雅可比矩阵在配电网里容易因为支路阻抗比R/X偏大而条件数变差导致迭代震荡甚至不收敛。前推回代法恰恰利用了辐射状拓扑的层次关系把潮流计算拆成两个交替进行的步骤回代过程从末端节点向根节点推算支路电流前推过程从根节点向末端节点更新节点电压。这个交替过程不需要矩阵求逆每次迭代的计算量是 O(n) 级别对 IEEE33 节点这种规模几乎瞬间完成。IEEE33 节点算例的基准参数需要先明确基准电压 12.66 kV基准功率 10 MVA总负荷 3715 kW 2300 kvar。系统有 33 个节点、32 条支路根节点是节点 1也就是变电站出口母线。支路参数和负荷数据通常以表格形式给出包含首节点、末节点、电阻、电抗、有功负荷、无功负荷。这些数据在代码里一般用数组或矩阵存储索引从 1 开始更符合工程习惯但 Python 里从 0 开始需要做一次映射。2.2 IEEE33 节点支路与负荷数据的结构化存储先把原始数据整理成代码可用的格式。常见做法是用三个矩阵分别存储支路参数、负荷参数和拓扑关系。支路参数矩阵每行包含首节点、末节点、电阻、电抗负荷矩阵每行包含节点编号、有功、无功。拓扑关系可以用一个父节点数组表示每个节点记录它的上游节点是谁这样回代时可以直接从末端往上遍历。import numpy as np # IEEE33节点支路参数首节点、末节点、电阻(Ω)、电抗(Ω) branch_data np.array([ [1, 2, 0.0922, 0.0470], [2, 3, 0.4930, 0.2511], [3, 4, 0.3660, 0.1864], [4, 5, 0.3811, 0.1941], [5, 6, 0.8190, 0.7070], [6, 7, 0.1872, 0.6188], [7, 8, 0.7114, 0.2351], [8, 9, 1.0300, 0.7400], [9, 10, 1.0440, 0.7400], [10, 11, 0.1966, 0.0650], [11, 12, 0.3744, 0.1238], [12, 13, 1.4680, 1.1550], [13, 14, 0.5416, 0.7129], [14, 15, 0.5910, 0.5260], [15, 16, 0.7463, 0.5450], [16, 17, 1.2890, 1.7210], [17, 18, 0.7320, 0.5740], [2, 19, 0.1640, 0.1565], [19, 20, 1.5042, 1.3554], [20, 21, 0.4095, 0.4784], [21, 22, 0.7089, 0.9373], [3, 23, 0.4512, 0.3083], [23, 24, 0.8980, 0.7091], [24, 25, 0.8960, 0.7011], [6, 26, 0.2030, 0.1034], [26, 27, 0.2842, 0.1447], [27, 28, 1.0590, 0.9337], [28, 29, 0.8042, 0.7006], [29, 30, 0.5075, 0.2585], [30, 31, 0.9744, 0.9630], [31, 32, 0.3105, 0.3619], [32, 33, 0.3410, 0.5302] ]) # 负荷数据节点编号、有功(kW)、无功(kvar) load_data np.array([ [2, 100, 60], [3, 90, 40], [4, 120, 80], [5, 60, 30], [6, 60, 20], [7, 200, 100], [8, 200, 100], [9, 60, 20], [10, 60, 20], [11, 45, 30], [12, 60, 35], [13, 60, 35], [14, 120, 80], [15, 60, 10], [16, 60, 20], [17, 60, 20], [18, 90, 40], [19, 90, 40], [20, 90, 40], [21, 90, 40], [22, 90, 40], [23, 90, 50], [24, 420, 200], [25, 420, 200], [26, 60, 25], [27, 60, 25], [28, 60, 20], [29, 120, 70], [30, 200, 600], [31, 150, 70], [32, 210, 100], [33, 60, 40] ])这段代码把支路和负荷数据硬编码成 NumPy 数组方便后续索引。注意负荷数据里节点 30 的无功是 600 kvar这是 IEEE33 算例里比较特殊的一个点很多简化版本会把它改小但标准算例就是 600改了之后线损和电压分布会对不上。支路数据里节点 2 分出了两条支路一条去节点 3一条去节点 19这种分支结构在回代时需要特别处理不能简单按节点编号顺序遍历。2.3 拓扑排序把辐射状网络变成可遍历的父子关系前推回代的核心是遍历顺序。回代必须从最末端节点开始前推必须从根节点开始。辐射状网络天然是一棵树只要确定每个节点的父节点和子节点列表就能用深度优先或广度优先生成遍历序列。常见做法是构建一个父节点数组parent其中parent[i]表示节点 i 的上游节点编号根节点的父节点设为 0 或 -1。def build_topology(branch_data, num_nodes33): 构建父节点数组和子节点列表 parent np.zeros(num_nodes 1, dtypeint) children [[] for _ in range(num_nodes 1)] for br in branch_data: f, t int(br[0]), int(br[1]) parent[t] f children[f].append(t) # 生成回代顺序从末端到根节点 back_order [] visited set() stack [1] while stack: node stack.pop() if node not in visited: visited.add(node) back_order.append(node) for ch in children[node]: stack.append(ch) back_order.reverse() # 反转后末端在前 # 前推顺序就是回代顺序的反转 forward_order list(reversed(back_order)) return parent, children, back_order, forward_orderbuild_topology函数做了三件事记录每个节点的父节点、记录每个节点的子节点列表、生成回代和前推的遍历顺序。回代顺序通过深度优先搜索得到从根到末端的顺序然后反转这样末端节点排在最前面。前推顺序直接反转回代顺序即可。这里用栈实现深度优先避免递归在节点数多时爆栈。参数num_nodes33是 IEEE33 的固定节点数如果换成其他算例只需要改这个值。3. 前推回代迭代实现从支路电流到节点电压的完整闭环3.1 回代过程用负荷功率反推支路电流回代的目标是计算每条支路的电流。对于末端节点它的注入电流只由自身负荷决定对于中间节点它的注入电流等于自身负荷电流加上所有下游支路电流之和。用公式表示就是节点 i 的注入电流 I_inj(i) conj(S_load(i) / V(i))支路电流 I_branch(i) I_inj(i) sum(I_branch(下游支路))。def backward_sweep(V, parent, children, back_order, load_data, branch_data, S_base10e6, V_base12.66e3): 回代过程计算各支路电流 num_nodes len(V) - 1 I_branch np.zeros(num_nodes 1, dtypecomplex) # 支路电流索引为末节点 I_inj np.zeros(num_nodes 1, dtypecomplex) # 节点注入电流 # 先把负荷功率转成标幺值 S_load_pu np.zeros(num_nodes 1, dtypecomplex) for row in load_data: node int(row[0]) P row[1] * 1e3 / S_base Q row[2] * 1e3 / S_base S_load_pu[node] complex(P, Q) # 按回代顺序从末端向根节点遍历 for node in back_order: if node 1: continue # 根节点不参与回代 # 节点注入电流 负荷电流 下游支路电流之和 if abs(V[node]) 1e-10: V[node] 1.0 # 防止除零首次迭代电压初值设为1 I_inj[node] np.conj(S_load_pu[node] / V[node]) # 加上所有子节点的支路电流 for ch in children[node]: I_inj[node] I_branch[ch] # 该节点到父节点的支路电流等于注入电流 I_branch[node] I_inj[node] return I_branch这段代码的关键在于遍历顺序。back_order保证末端节点先被处理这样当处理中间节点时它所有子节点的支路电流已经算好了。I_inj[node]初始为负荷电流然后累加子节点支路电流。注意np.conj是共轭因为功率是视在功率电流等于功率除以电压的共轭。电压初值设为 1.0 标幺值这是平启动的常见做法。如果电压接近零会导致除零错误所以加了一个保护判断。3.2 前推过程从根节点电压推算全网电压分布前推的目标是更新所有节点电压。根节点电压由变电站给定通常是 1.0 标幺值。对于每条支路末节点电压等于首节点电压减去支路阻抗乘以支路电流。由于支路电流已经在回代中算出前推就是简单的电压降计算。def forward_sweep(V, I_branch, parent, forward_order, branch_data, Z_base): 前推过程更新节点电压 num_nodes len(V) - 1 V_new V.copy() # 构建支路阻抗字典键为末节点 Z_branch {} for br in branch_data: f, t int(br[0]), int(br[1]) R br[2] X br[3] Z_branch[t] complex(R, X) / Z_base # 按前推顺序从根节点向末端遍历 for node in forward_order: if node 1: V_new[node] 1.0 # 根节点电压固定 continue p parent[node] V_new[node] V_new[p] - Z_branch[node] * I_branch[node] return V_newforward_order保证父节点先于子节点被处理这样计算子节点电压时父节点电压已经更新。Z_base是基准阻抗等于V_base**2 / S_baseIEEE33 算例下约为 16.03 Ω。支路阻抗除以基准阻抗得到标幺值。根节点电压固定为 1.0这是平衡节点的约束。每次前推结束后节点电压被更新下一轮回代用新电压重新计算电流如此交替直到收敛。3.3 收敛判据与迭代控制什么时候停、怎么停收敛判据通常看相邻两次迭代的节点电压最大差值。如果最大差值小于设定容差比如 1e-6 标幺值就认为收敛。也可以看功率不平衡量但电压差值更直观。迭代次数上限一般设 100 次防止不收敛时死循环。def power_flow_ieee33(branch_data, load_data, tol1e-6, max_iter100): 前推回代法主流程 num_nodes 33 S_base 10e6 V_base 12.66e3 Z_base V_base**2 / S_base parent, children, back_order, forward_order build_topology(branch_data, num_nodes) V np.ones(num_nodes 1, dtypecomplex) # 平启动 V[1] 1.0 # 根节点 for iteration in range(max_iter): I_branch backward_sweep(V, parent, children, back_order, load_data, branch_data, S_base, V_base) V_new forward_sweep(V, I_branch, parent, forward_order, branch_data, Z_base) max_diff np.max(np.abs(V_new[2:] - V[2:])) # 排除根节点 V V_new if max_diff tol: print(f收敛于第 {iteration 1} 次迭代最大电压差 {max_diff:.2e}) break else: print(达到最大迭代次数仍未收敛) return V, I_branch主流程把回代和前推串起来每次迭代后检查电压差。max_diff只比较非根节点因为根节点电压固定不变。收敛后返回节点电压和支路电流。如果达到最大迭代次数还没收敛说明参数或拓扑有问题需要排查。IEEE33 算例在平启动下通常 5 到 8 次迭代就能收敛到 1e-6速度非常快。4. 结果验证与线损计算怎么确认你的前推回代没算错4.1 节点电压分布与标准结果的对比方法跑完潮流后第一件事是看节点电压分布。IEEE33 算例的标准结果里最低电压通常出现在节点 18 或节点 33 附近标幺值大约在 0.91 左右。如果算出来最低电压低于 0.85 或者高于 0.95大概率是数据或拓扑错了。常见错误包括支路首末节点写反、负荷单位没换算、基准功率搞错。V, I_branch power_flow_ieee33(branch_data, load_data) # 打印各节点电压标幺值和幅值 print(节点电压分布) for i in range(1, 34): print(f节点 {i:2d}: {abs(V[i]):.4f} pu, 相角 {np.angle(V[i])*180/np.pi:.2f}°) # 找最低电压节点 min_v min(abs(V[2:])) min_node np.argmin(abs(V[2:])) 2 print(f\n最低电压节点{min_node}电压 {min_v:.4f} pu)这段代码输出所有节点电压并找最低点。标准 IEEE33 算例在额定负荷下节点 18 的电压约为 0.9131 pu节点 33 约为 0.9167 pu。如果你的结果和这个差太多先检查支路数据里节点 2 到节点 19 那条支路是否漏了这条支路经常被简化掉。另外节点 30 的无功 600 kvar 如果改成 200最低电压会偏高。4.2 线损计算从支路电流反推有功损耗线损是配电网分析的核心指标之一。IEEE33 算例的总有功线损标准值约为 202.7 kW占总负荷的 5.46%。线损计算很简单每条支路的有功损耗等于支路电流幅值的平方乘以支路电阻。def calculate_losses(I_branch, branch_data, S_base10e6, V_base12.66e3): 计算线路有功损耗和无功损耗 Z_base V_base**2 / S_base total_P_loss 0.0 total_Q_loss 0.0 for br in branch_data: t int(br[1]) R_pu br[2] / Z_base X_pu br[3] / Z_base I_mag abs(I_branch[t]) P_loss I_mag**2 * R_pu * S_base / 1e3 # kW Q_loss I_mag**2 * X_pu * S_base / 1e3 # kvar total_P_loss P_loss total_Q_loss Q_loss return total_P_loss, total_Q_loss P_loss, Q_loss calculate_losses(I_branch, branch_data) print(f总有功线损{P_loss:.2f} kW) print(f总无功线损{Q_loss:.2f} kvar) print(f线损率{P_loss / 3715 * 100:.2f}%)calculate_losses遍历所有支路用标幺电流和标幺电阻算损耗再乘回基准功率。注意I_branch[t]里的索引是末节点因为支路电流存在末节点位置。算出来总有功线损应该在 200 kW 附近如果偏差超过 10%回去检查负荷数据是否完整。常见坑是节点 30 的无功负荷被忽略或者节点 24、25 的大负荷 420 kW 写成了 42 kW。4.3 迭代收敛曲线判断算法是否健康的直观手段收敛曲线能看出算法是否健康。正常的前推回代收敛曲线是指数下降的每次迭代电压差缩小一个数量级左右。如果曲线震荡或者下降很慢说明网络参数有问题比如存在环网或者阻抗比过大。def power_flow_with_history(branch_data, load_data, tol1e-6, max_iter100): 带收敛历史的前推回代 num_nodes 33 S_base 10e6 V_base 12.66e3 Z_base V_base**2 / S_base parent, children, back_order, forward_order build_topology(branch_data, num_nodes) V np.ones(num_nodes 1, dtypecomplex) V[1] 1.0 history [] for iteration in range(max_iter): I_branch backward_sweep(V, parent, children, back_order, load_data, branch_data, S_base, V_base) V_new forward_sweep(V, I_branch, parent, forward_order, branch_data, Z_base) max_diff np.max(np.abs(V_new[2:] - V[2:])) history.append(max_diff) V V_new if max_diff tol: break return V, I_branch, history V, I_branch, history power_flow_with_history(branch_data, load_data) print(收敛历史) for i, h in enumerate(history): print(f第 {i1} 次迭代{h:.2e})把每次迭代的最大电压差存进history列表打印出来就能看到收敛过程。IEEE33 算例通常第 1 次迭代差在 0.1 左右第 2 次降到 0.01第 3 次 0.001第 5 到 6 次就到 1e-6 以下。如果第 10 次还在 0.01 以上基本可以确定数据有问题。5. 前推回代法在 IEEE33 节点上的避坑与排查5.1 支路首末节点写反导致潮流方向错乱现象迭代不收敛或者收敛后节点电压普遍偏高线损为负值。原因支路数据里首节点和末节点写反了导致拓扑关系错乱回代时电流方向反了。解决检查branch_data每一行的前两个数字确保首节点是靠近根节点的那个。IEEE33 算例里节点 1 是根所有支路的方向都应该从低编号指向高编号但节点 2 到 19 这条支路是例外19 比 2 大方向正确。如果发现某条支路首节点编号大于末节点大概率写反了。5.2 负荷单位混淆kW 当成 W 或者 MW现象线损计算出来只有几 kW或者大到几千 kW。原因负荷数据单位没统一。IEEE33 标准算例里负荷是 kW 和 kvar但代码里标幺化时要除以S_baseS_base是 10 MVA 即 10000 kW。如果直接把 kW 除以 10e6结果会小 1000 倍。解决在backward_sweep里把负荷功率乘以 1e3 转成 W再除以S_base。或者统一用 kW 和 kVA 做基准但要注意阻抗基准也要对应改。5.3 根节点电压初值设成非 1.0 导致收敛异常现象迭代次数明显增多或者收敛后电压分布整体偏移。原因平衡节点电压被设成了其他值比如 0.95 或 1.05。前推回代法里根节点是电压源它的电压由变电站决定标准算例就是 1.0 标幺值。解决在forward_sweep里强制V_new[1] 1.0并且在收敛判据里排除根节点。如果确实要算变压器分接头调整后的情况应该改的是根节点电压设定值而不是让它参与迭代。5.4 拓扑排序遗漏分支导致部分节点电压不更新现象某些节点电压始终是初始值 1.0或者线损偏小。原因build_topology生成的遍历顺序漏掉了某些分支。IEEE33 算例里节点 2 有三个子节点3、19还有一条去节点 19 的支路。如果深度优先搜索时栈操作写错可能只遍历了主链漏掉分支。解决在build_topology里打印back_order和forward_order的长度确保等于 33。如果小于 33说明有节点没被访问到检查children列表构建是否正确。5.5 收敛容差设得太松导致结果精度不够现象迭代很快结束但电压和标准值差在小数点后第三位。原因tol设成了 1e-3 或 1e-4精度不够。前推回代法收敛速度快完全可以设到 1e-6 甚至 1e-8。解决把tol改成 1e-6迭代次数只会增加一两次但结果精度足够用于线损分析和电压评估。如果做灵敏度分析或者优化建议设到 1e-8。6. 进阶技巧用前推回代法做分布式电源接入的快速评估前推回代法最大的优势是迭代逻辑简单改造成本低。当你需要在 IEEE33 算例上评估分布式电源接入影响时不需要重写整个潮流算法只需要在回代过程里修改节点注入电流。分布式电源通常按恒功率因数控制注入电流等于conj(S_dg / V)方向和负荷电流相反。把S_load_pu[node]改成S_load_pu[node] - S_dg_pu[node]就行负号表示注入。def backward_sweep_with_dg(V, parent, children, back_order, load_data, dg_data, branch_data, S_base10e6, V_base12.66e3): 含分布式电源的回代过程 num_nodes len(V) - 1 I_branch np.zeros(num_nodes 1, dtypecomplex) I_inj np.zeros(num_nodes 1, dtypecomplex) S_load_pu np.zeros(num_nodes 1, dtypecomplex) for row in load_data: node int(row[0]) S_load_pu[node] complex(row[1] * 1e3 / S_base, row[2] * 1e3 / S_base) # 减去分布式电源注入 for row in dg_data: node int(row[0]) P_dg row[1] * 1e3 / S_base pf row[2] # 功率因数 Q_dg P_dg * np.tan(np.arccos(pf)) S_load_pu[node] - complex(P_dg, Q_dg) for node in back_order: if node 1: continue if abs(V[node]) 1e-10: V[node] 1.0 I_inj[node] np.conj(S_load_pu[node] / V[node]) for ch in children[node]: I_inj[node] I_branch[ch] I_branch[node] I_inj[node] return I_branch这段代码在原有回代基础上增加了dg_data参数每行包含节点编号、有功容量、功率因数。分布式电源的注入功率从负荷里减去等效于负负荷。注意功率因数转换Q_dg P_dg * tan(arccos(pf))如果 pf 是 0.9Q 约为 0.484 倍 P。接入分布式电源后节点电压会抬升线损可能降低也可能升高取决于电源位置和容量。用这个改造版跑几组不同接入方案能快速看出电压改善效果和线损变化趋势。一个实用技巧是把power_flow_with_history里的backward_sweep替换成backward_sweep_with_dg其他不变就能直接算含分布式电源的潮流。我一般会先跑无 DG 的基准再跑 DG 接入后的对比最低电压节点和总线损。如果最低电压从 0.91 升到 0.95 以上说明 DG 容量偏大可能需要限制接入。如果线损反而增加说明 DG 位置不合理离根节点太近或者容量太小电流倒送导致损耗增加。最后说个血泪经验前推回代法虽然简单但拓扑处理是最容易翻车的地方。我见过太多人因为支路顺序没排对迭代了 100 次还不收敛最后发现是节点 2 到 19 那条支路被漏掉了。建议每次改完数据先打印back_order和forward_order确认长度等于节点数再跑潮流。另外收敛容差别设太松1e-6 是底线做优化的时候直接上 1e-8多迭代两次换来的精度绝对值得。希望帮到你。本文还有配套的精品资源点击获取 前推回代法在IEEE33节点配电网潮流计算中的实现与避坑指南
简介这份资源面向电力系统分析与MATLAB编程的学习者聚焦IEEE33节点辐射网的潮流计算问题采用前推回代法实现求解。辐射状网络结构简单却典型适合教学演示与算法验证读者可借此理解节点电压、功率分布等电气参数的求解流程。压缩包共3个文件包含1个m脚本与2个txt数据文件分别承担算法实现、支路参数与节点信息存储的职责整体约2KB体量轻便易于上手。目前已有738人学习下载说明该案例在相关课程与自学场景中具有一定参考价值。通过解析支路与节点数据、运行前推回代程序并分析计算结果读者能够掌握稀疏矩阵求解思路、节点导纳矩阵构建方法以及潮流收敛性验证技巧为后续处理更大规模配电网络打下基础。1. 前推回代法在 IEEE33 节点算例上的真实定位配电网潮流计算里IEEE33 节点算例几乎是绕不开的基准。它结构简单、参数公开、辐射状拓扑清晰但真正让一线工程师头疼的不是算例本身而是选什么方法能稳定收敛。前推回代法就是在这个场景下被反复验证过的方案——它不依赖雅可比矩阵不需要求解大规模线性方程组迭代逻辑直观对辐射状配电网的收敛性极好。如果你正在做分布式电源接入分析、配网重构、无功优化或者线损计算前推回代法配合 IEEE33 节点算例基本是入门和验证算法的第一站。这篇文章不讲空泛概念直接从前推回代的数学逻辑拆到代码实现把参数设置、收敛判据、常见翻车点全部摊开让你能照着跑通并理解每一步在干什么。2. 前推回代法的数学逻辑与 IEEE33 节点数据准备2.1 为什么辐射状配电网适合前推回代而不是牛顿拉夫逊配电网和输电网最大的区别在于拓扑输电网是环网配电网是辐射状树形结构。牛顿拉夫逊法在输电网里收敛快、精度高但它的雅可比矩阵在配电网里容易因为支路阻抗比R/X偏大而条件数变差导致迭代震荡甚至不收敛。前推回代法恰恰利用了辐射状拓扑的层次关系把潮流计算拆成两个交替进行的步骤回代过程从末端节点向根节点推算支路电流前推过程从根节点向末端节点更新节点电压。这个交替过程不需要矩阵求逆每次迭代的计算量是 O(n) 级别对 IEEE33 节点这种规模几乎瞬间完成。IEEE33 节点算例的基准参数需要先明确基准电压 12.66 kV基准功率 10 MVA总负荷 3715 kW 2300 kvar。系统有 33 个节点、32 条支路根节点是节点 1也就是变电站出口母线。支路参数和负荷数据通常以表格形式给出包含首节点、末节点、电阻、电抗、有功负荷、无功负荷。这些数据在代码里一般用数组或矩阵存储索引从 1 开始更符合工程习惯但 Python 里从 0 开始需要做一次映射。2.2 IEEE33 节点支路与负荷数据的结构化存储先把原始数据整理成代码可用的格式。常见做法是用三个矩阵分别存储支路参数、负荷参数和拓扑关系。支路参数矩阵每行包含首节点、末节点、电阻、电抗负荷矩阵每行包含节点编号、有功、无功。拓扑关系可以用一个父节点数组表示每个节点记录它的上游节点是谁这样回代时可以直接从末端往上遍历。import numpy as np # IEEE33节点支路参数首节点、末节点、电阻(Ω)、电抗(Ω) branch_data np.array([ [1, 2, 0.0922, 0.0470], [2, 3, 0.4930, 0.2511], [3, 4, 0.3660, 0.1864], [4, 5, 0.3811, 0.1941], [5, 6, 0.8190, 0.7070], [6, 7, 0.1872, 0.6188], [7, 8, 0.7114, 0.2351], [8, 9, 1.0300, 0.7400], [9, 10, 1.0440, 0.7400], [10, 11, 0.1966, 0.0650], [11, 12, 0.3744, 0.1238], [12, 13, 1.4680, 1.1550], [13, 14, 0.5416, 0.7129], [14, 15, 0.5910, 0.5260], [15, 16, 0.7463, 0.5450], [16, 17, 1.2890, 1.7210], [17, 18, 0.7320, 0.5740], [2, 19, 0.1640, 0.1565], [19, 20, 1.5042, 1.3554], [20, 21, 0.4095, 0.4784], [21, 22, 0.7089, 0.9373], [3, 23, 0.4512, 0.3083], [23, 24, 0.8980, 0.7091], [24, 25, 0.8960, 0.7011], [6, 26, 0.2030, 0.1034], [26, 27, 0.2842, 0.1447], [27, 28, 1.0590, 0.9337], [28, 29, 0.8042, 0.7006], [29, 30, 0.5075, 0.2585], [30, 31, 0.9744, 0.9630], [31, 32, 0.3105, 0.3619], [32, 33, 0.3410, 0.5302] ]) # 负荷数据节点编号、有功(kW)、无功(kvar) load_data np.array([ [2, 100, 60], [3, 90, 40], [4, 120, 80], [5, 60, 30], [6, 60, 20], [7, 200, 100], [8, 200, 100], [9, 60, 20], [10, 60, 20], [11, 45, 30], [12, 60, 35], [13, 60, 35], [14, 120, 80], [15, 60, 10], [16, 60, 20], [17, 60, 20], [18, 90, 40], [19, 90, 40], [20, 90, 40], [21, 90, 40], [22, 90, 40], [23, 90, 50], [24, 420, 200], [25, 420, 200], [26, 60, 25], [27, 60, 25], [28, 60, 20], [29, 120, 70], [30, 200, 600], [31, 150, 70], [32, 210, 100], [33, 60, 40] ])这段代码把支路和负荷数据硬编码成 NumPy 数组方便后续索引。注意负荷数据里节点 30 的无功是 600 kvar这是 IEEE33 算例里比较特殊的一个点很多简化版本会把它改小但标准算例就是 600改了之后线损和电压分布会对不上。支路数据里节点 2 分出了两条支路一条去节点 3一条去节点 19这种分支结构在回代时需要特别处理不能简单按节点编号顺序遍历。2.3 拓扑排序把辐射状网络变成可遍历的父子关系前推回代的核心是遍历顺序。回代必须从最末端节点开始前推必须从根节点开始。辐射状网络天然是一棵树只要确定每个节点的父节点和子节点列表就能用深度优先或广度优先生成遍历序列。常见做法是构建一个父节点数组parent其中parent[i]表示节点 i 的上游节点编号根节点的父节点设为 0 或 -1。def build_topology(branch_data, num_nodes33): 构建父节点数组和子节点列表 parent np.zeros(num_nodes 1, dtypeint) children [[] for _ in range(num_nodes 1)] for br in branch_data: f, t int(br[0]), int(br[1]) parent[t] f children[f].append(t) # 生成回代顺序从末端到根节点 back_order [] visited set() stack [1] while stack: node stack.pop() if node not in visited: visited.add(node) back_order.append(node) for ch in children[node]: stack.append(ch) back_order.reverse() # 反转后末端在前 # 前推顺序就是回代顺序的反转 forward_order list(reversed(back_order)) return parent, children, back_order, forward_orderbuild_topology函数做了三件事记录每个节点的父节点、记录每个节点的子节点列表、生成回代和前推的遍历顺序。回代顺序通过深度优先搜索得到从根到末端的顺序然后反转这样末端节点排在最前面。前推顺序直接反转回代顺序即可。这里用栈实现深度优先避免递归在节点数多时爆栈。参数num_nodes33是 IEEE33 的固定节点数如果换成其他算例只需要改这个值。3. 前推回代迭代实现从支路电流到节点电压的完整闭环3.1 回代过程用负荷功率反推支路电流回代的目标是计算每条支路的电流。对于末端节点它的注入电流只由自身负荷决定对于中间节点它的注入电流等于自身负荷电流加上所有下游支路电流之和。用公式表示就是节点 i 的注入电流 I_inj(i) conj(S_load(i) / V(i))支路电流 I_branch(i) I_inj(i) sum(I_branch(下游支路))。def backward_sweep(V, parent, children, back_order, load_data, branch_data, S_base10e6, V_base12.66e3): 回代过程计算各支路电流 num_nodes len(V) - 1 I_branch np.zeros(num_nodes 1, dtypecomplex) # 支路电流索引为末节点 I_inj np.zeros(num_nodes 1, dtypecomplex) # 节点注入电流 # 先把负荷功率转成标幺值 S_load_pu np.zeros(num_nodes 1, dtypecomplex) for row in load_data: node int(row[0]) P row[1] * 1e3 / S_base Q row[2] * 1e3 / S_base S_load_pu[node] complex(P, Q) # 按回代顺序从末端向根节点遍历 for node in back_order: if node 1: continue # 根节点不参与回代 # 节点注入电流 负荷电流 下游支路电流之和 if abs(V[node]) 1e-10: V[node] 1.0 # 防止除零首次迭代电压初值设为1 I_inj[node] np.conj(S_load_pu[node] / V[node]) # 加上所有子节点的支路电流 for ch in children[node]: I_inj[node] I_branch[ch] # 该节点到父节点的支路电流等于注入电流 I_branch[node] I_inj[node] return I_branch这段代码的关键在于遍历顺序。back_order保证末端节点先被处理这样当处理中间节点时它所有子节点的支路电流已经算好了。I_inj[node]初始为负荷电流然后累加子节点支路电流。注意np.conj是共轭因为功率是视在功率电流等于功率除以电压的共轭。电压初值设为 1.0 标幺值这是平启动的常见做法。如果电压接近零会导致除零错误所以加了一个保护判断。3.2 前推过程从根节点电压推算全网电压分布前推的目标是更新所有节点电压。根节点电压由变电站给定通常是 1.0 标幺值。对于每条支路末节点电压等于首节点电压减去支路阻抗乘以支路电流。由于支路电流已经在回代中算出前推就是简单的电压降计算。def forward_sweep(V, I_branch, parent, forward_order, branch_data, Z_base): 前推过程更新节点电压 num_nodes len(V) - 1 V_new V.copy() # 构建支路阻抗字典键为末节点 Z_branch {} for br in branch_data: f, t int(br[0]), int(br[1]) R br[2] X br[3] Z_branch[t] complex(R, X) / Z_base # 按前推顺序从根节点向末端遍历 for node in forward_order: if node 1: V_new[node] 1.0 # 根节点电压固定 continue p parent[node] V_new[node] V_new[p] - Z_branch[node] * I_branch[node] return V_newforward_order保证父节点先于子节点被处理这样计算子节点电压时父节点电压已经更新。Z_base是基准阻抗等于V_base**2 / S_baseIEEE33 算例下约为 16.03 Ω。支路阻抗除以基准阻抗得到标幺值。根节点电压固定为 1.0这是平衡节点的约束。每次前推结束后节点电压被更新下一轮回代用新电压重新计算电流如此交替直到收敛。3.3 收敛判据与迭代控制什么时候停、怎么停收敛判据通常看相邻两次迭代的节点电压最大差值。如果最大差值小于设定容差比如 1e-6 标幺值就认为收敛。也可以看功率不平衡量但电压差值更直观。迭代次数上限一般设 100 次防止不收敛时死循环。def power_flow_ieee33(branch_data, load_data, tol1e-6, max_iter100): 前推回代法主流程 num_nodes 33 S_base 10e6 V_base 12.66e3 Z_base V_base**2 / S_base parent, children, back_order, forward_order build_topology(branch_data, num_nodes) V np.ones(num_nodes 1, dtypecomplex) # 平启动 V[1] 1.0 # 根节点 for iteration in range(max_iter): I_branch backward_sweep(V, parent, children, back_order, load_data, branch_data, S_base, V_base) V_new forward_sweep(V, I_branch, parent, forward_order, branch_data, Z_base) max_diff np.max(np.abs(V_new[2:] - V[2:])) # 排除根节点 V V_new if max_diff tol: print(f收敛于第 {iteration 1} 次迭代最大电压差 {max_diff:.2e}) break else: print(达到最大迭代次数仍未收敛) return V, I_branch主流程把回代和前推串起来每次迭代后检查电压差。max_diff只比较非根节点因为根节点电压固定不变。收敛后返回节点电压和支路电流。如果达到最大迭代次数还没收敛说明参数或拓扑有问题需要排查。IEEE33 算例在平启动下通常 5 到 8 次迭代就能收敛到 1e-6速度非常快。4. 结果验证与线损计算怎么确认你的前推回代没算错4.1 节点电压分布与标准结果的对比方法跑完潮流后第一件事是看节点电压分布。IEEE33 算例的标准结果里最低电压通常出现在节点 18 或节点 33 附近标幺值大约在 0.91 左右。如果算出来最低电压低于 0.85 或者高于 0.95大概率是数据或拓扑错了。常见错误包括支路首末节点写反、负荷单位没换算、基准功率搞错。V, I_branch power_flow_ieee33(branch_data, load_data) # 打印各节点电压标幺值和幅值 print(节点电压分布) for i in range(1, 34): print(f节点 {i:2d}: {abs(V[i]):.4f} pu, 相角 {np.angle(V[i])*180/np.pi:.2f}°) # 找最低电压节点 min_v min(abs(V[2:])) min_node np.argmin(abs(V[2:])) 2 print(f\n最低电压节点{min_node}电压 {min_v:.4f} pu)这段代码输出所有节点电压并找最低点。标准 IEEE33 算例在额定负荷下节点 18 的电压约为 0.9131 pu节点 33 约为 0.9167 pu。如果你的结果和这个差太多先检查支路数据里节点 2 到节点 19 那条支路是否漏了这条支路经常被简化掉。另外节点 30 的无功 600 kvar 如果改成 200最低电压会偏高。4.2 线损计算从支路电流反推有功损耗线损是配电网分析的核心指标之一。IEEE33 算例的总有功线损标准值约为 202.7 kW占总负荷的 5.46%。线损计算很简单每条支路的有功损耗等于支路电流幅值的平方乘以支路电阻。def calculate_losses(I_branch, branch_data, S_base10e6, V_base12.66e3): 计算线路有功损耗和无功损耗 Z_base V_base**2 / S_base total_P_loss 0.0 total_Q_loss 0.0 for br in branch_data: t int(br[1]) R_pu br[2] / Z_base X_pu br[3] / Z_base I_mag abs(I_branch[t]) P_loss I_mag**2 * R_pu * S_base / 1e3 # kW Q_loss I_mag**2 * X_pu * S_base / 1e3 # kvar total_P_loss P_loss total_Q_loss Q_loss return total_P_loss, total_Q_loss P_loss, Q_loss calculate_losses(I_branch, branch_data) print(f总有功线损{P_loss:.2f} kW) print(f总无功线损{Q_loss:.2f} kvar) print(f线损率{P_loss / 3715 * 100:.2f}%)calculate_losses遍历所有支路用标幺电流和标幺电阻算损耗再乘回基准功率。注意I_branch[t]里的索引是末节点因为支路电流存在末节点位置。算出来总有功线损应该在 200 kW 附近如果偏差超过 10%回去检查负荷数据是否完整。常见坑是节点 30 的无功负荷被忽略或者节点 24、25 的大负荷 420 kW 写成了 42 kW。4.3 迭代收敛曲线判断算法是否健康的直观手段收敛曲线能看出算法是否健康。正常的前推回代收敛曲线是指数下降的每次迭代电压差缩小一个数量级左右。如果曲线震荡或者下降很慢说明网络参数有问题比如存在环网或者阻抗比过大。def power_flow_with_history(branch_data, load_data, tol1e-6, max_iter100): 带收敛历史的前推回代 num_nodes 33 S_base 10e6 V_base 12.66e3 Z_base V_base**2 / S_base parent, children, back_order, forward_order build_topology(branch_data, num_nodes) V np.ones(num_nodes 1, dtypecomplex) V[1] 1.0 history [] for iteration in range(max_iter): I_branch backward_sweep(V, parent, children, back_order, load_data, branch_data, S_base, V_base) V_new forward_sweep(V, I_branch, parent, forward_order, branch_data, Z_base) max_diff np.max(np.abs(V_new[2:] - V[2:])) history.append(max_diff) V V_new if max_diff tol: break return V, I_branch, history V, I_branch, history power_flow_with_history(branch_data, load_data) print(收敛历史) for i, h in enumerate(history): print(f第 {i1} 次迭代{h:.2e})把每次迭代的最大电压差存进history列表打印出来就能看到收敛过程。IEEE33 算例通常第 1 次迭代差在 0.1 左右第 2 次降到 0.01第 3 次 0.001第 5 到 6 次就到 1e-6 以下。如果第 10 次还在 0.01 以上基本可以确定数据有问题。5. 前推回代法在 IEEE33 节点上的避坑与排查5.1 支路首末节点写反导致潮流方向错乱现象迭代不收敛或者收敛后节点电压普遍偏高线损为负值。原因支路数据里首节点和末节点写反了导致拓扑关系错乱回代时电流方向反了。解决检查branch_data每一行的前两个数字确保首节点是靠近根节点的那个。IEEE33 算例里节点 1 是根所有支路的方向都应该从低编号指向高编号但节点 2 到 19 这条支路是例外19 比 2 大方向正确。如果发现某条支路首节点编号大于末节点大概率写反了。5.2 负荷单位混淆kW 当成 W 或者 MW现象线损计算出来只有几 kW或者大到几千 kW。原因负荷数据单位没统一。IEEE33 标准算例里负荷是 kW 和 kvar但代码里标幺化时要除以S_baseS_base是 10 MVA 即 10000 kW。如果直接把 kW 除以 10e6结果会小 1000 倍。解决在backward_sweep里把负荷功率乘以 1e3 转成 W再除以S_base。或者统一用 kW 和 kVA 做基准但要注意阻抗基准也要对应改。5.3 根节点电压初值设成非 1.0 导致收敛异常现象迭代次数明显增多或者收敛后电压分布整体偏移。原因平衡节点电压被设成了其他值比如 0.95 或 1.05。前推回代法里根节点是电压源它的电压由变电站决定标准算例就是 1.0 标幺值。解决在forward_sweep里强制V_new[1] 1.0并且在收敛判据里排除根节点。如果确实要算变压器分接头调整后的情况应该改的是根节点电压设定值而不是让它参与迭代。5.4 拓扑排序遗漏分支导致部分节点电压不更新现象某些节点电压始终是初始值 1.0或者线损偏小。原因build_topology生成的遍历顺序漏掉了某些分支。IEEE33 算例里节点 2 有三个子节点3、19还有一条去节点 19 的支路。如果深度优先搜索时栈操作写错可能只遍历了主链漏掉分支。解决在build_topology里打印back_order和forward_order的长度确保等于 33。如果小于 33说明有节点没被访问到检查children列表构建是否正确。5.5 收敛容差设得太松导致结果精度不够现象迭代很快结束但电压和标准值差在小数点后第三位。原因tol设成了 1e-3 或 1e-4精度不够。前推回代法收敛速度快完全可以设到 1e-6 甚至 1e-8。解决把tol改成 1e-6迭代次数只会增加一两次但结果精度足够用于线损分析和电压评估。如果做灵敏度分析或者优化建议设到 1e-8。6. 进阶技巧用前推回代法做分布式电源接入的快速评估前推回代法最大的优势是迭代逻辑简单改造成本低。当你需要在 IEEE33 算例上评估分布式电源接入影响时不需要重写整个潮流算法只需要在回代过程里修改节点注入电流。分布式电源通常按恒功率因数控制注入电流等于conj(S_dg / V)方向和负荷电流相反。把S_load_pu[node]改成S_load_pu[node] - S_dg_pu[node]就行负号表示注入。def backward_sweep_with_dg(V, parent, children, back_order, load_data, dg_data, branch_data, S_base10e6, V_base12.66e3): 含分布式电源的回代过程 num_nodes len(V) - 1 I_branch np.zeros(num_nodes 1, dtypecomplex) I_inj np.zeros(num_nodes 1, dtypecomplex) S_load_pu np.zeros(num_nodes 1, dtypecomplex) for row in load_data: node int(row[0]) S_load_pu[node] complex(row[1] * 1e3 / S_base, row[2] * 1e3 / S_base) # 减去分布式电源注入 for row in dg_data: node int(row[0]) P_dg row[1] * 1e3 / S_base pf row[2] # 功率因数 Q_dg P_dg * np.tan(np.arccos(pf)) S_load_pu[node] - complex(P_dg, Q_dg) for node in back_order: if node 1: continue if abs(V[node]) 1e-10: V[node] 1.0 I_inj[node] np.conj(S_load_pu[node] / V[node]) for ch in children[node]: I_inj[node] I_branch[ch] I_branch[node] I_inj[node] return I_branch这段代码在原有回代基础上增加了dg_data参数每行包含节点编号、有功容量、功率因数。分布式电源的注入功率从负荷里减去等效于负负荷。注意功率因数转换Q_dg P_dg * tan(arccos(pf))如果 pf 是 0.9Q 约为 0.484 倍 P。接入分布式电源后节点电压会抬升线损可能降低也可能升高取决于电源位置和容量。用这个改造版跑几组不同接入方案能快速看出电压改善效果和线损变化趋势。一个实用技巧是把power_flow_with_history里的backward_sweep替换成backward_sweep_with_dg其他不变就能直接算含分布式电源的潮流。我一般会先跑无 DG 的基准再跑 DG 接入后的对比最低电压节点和总线损。如果最低电压从 0.91 升到 0.95 以上说明 DG 容量偏大可能需要限制接入。如果线损反而增加说明 DG 位置不合理离根节点太近或者容量太小电流倒送导致损耗增加。最后说个血泪经验前推回代法虽然简单但拓扑处理是最容易翻车的地方。我见过太多人因为支路顺序没排对迭代了 100 次还不收敛最后发现是节点 2 到 19 那条支路被漏掉了。建议每次改完数据先打印back_order和forward_order确认长度等于节点数再跑潮流。另外收敛容差别设太松1e-6 是底线做优化的时候直接上 1e-8多迭代两次换来的精度绝对值得。希望帮到你。本文还有配套的精品资源点击获取