含分布式电源（DG）的配电网可靠性评估，这几年几乎成了配电网规划、运行和科研课题里的"必答题"。但真正动起手来你会发现，难题不在可靠性计算本身，而在于系统孤岛怎么划、划完之后怎么算、算出来的结果怎么解释。最近我把这套完整流程用Matlab实现了一遍，从IEEE标准测试系统的数据处理，到孤岛划分建模，再到可靠性指标计算，整体跑通之后收获很大。这篇内容就把整个项目的设计思路、核心算法、代码架构和调试心得一次讲清楚，适合正在做配电网可靠性方向研究、或者需要把DG接入评估落地的同行参考。
先说清楚一个重要前提：配电网里接入DG之后，故障处理从"单一电源、被动隔离"变成了"多电源、主动孤岛运行"。传统配电网可靠性评估默认负荷只能从变电站侧取电，一旦上游故障，下游全部失电。但有了DG，故障后可以把部分负荷连同DG一起划成独立运行的孤岛，继续供电。这时可靠性评估的特性参数——故障率、停运时间、停电范围——全部变了，评估模型也必须跟着重构。
1. 含分布式电源的配电网，可靠性评估为什么必须重新建模
1.1 传统评估方法的基本逻辑和它的隐含假设
传统配电网可靠性评估，核心是建立在"辐射状结构、单电源供电"这个前提下。常用的方法有两种，一种叫解析法，一种叫模拟法。解析法里用得最多的是故障模式后果分析法（FMEA），基本思路是：对系统中每个元件逐一设置故障，追踪该故障对所有负荷点的影响，累加各负荷点的停电频次和停电时间，最后汇总成系统级指标。
这里有一个很关键的隐含假设：系统只有一个电源点，所以故障隔离后，非故障区段能否恢复供电，完全取决于它跟电源之间的通路是否完好。对于故障点下游的区段，一律判定为失电，因为它不可能再有其他电源给它供电。孤岛运行在这个前提下不存在，或者说，传统方法根本没考虑负荷还能靠本地DG继续供电。
1.2 DG接入后，评估对象从"单一电源链"变成"可重构孤岛集合"
接入DG之后，上述假设直接失效。举个例子，一个10kV馈线上挂了3个分布式电源，平时并网运行；某天馈线首端断路器跳闸，变电站电源送不出来。这时候如果直接按传统方法算，整条馈线全部失电。但实际上，DG所在的区段在满足孤岛运行条件时，是可以继续带负荷运行的，失电范围会明显缩小。
更复杂的情况是：故障点位置不同，可行的孤岛范围也不同；DG容量大小不同，孤岛能带的负荷也不同；负荷的优先级差异，又决定了孤岛内哪些负荷应该优先恢复。所以可靠性评估从"按拓扑直接判定停电范围"，变成了"先求解最优孤岛划分方案，再基于方案评估可靠性"。这也是标题里"最优孤岛划分"为什么是关键——它是整个评估流程的上游，直接决定了后续指标的输入。
1.3 可靠性评估的真正难点：故障事件与孤岛策略的组合爆炸
稍微深入一点你就会发现，含DG配电网的可靠性评估在计算复杂度上比传统方法高了一个量级。每一个故障事件，理论上都对应一个最优孤岛划分子问题；而馈线、分支、联络开关、DG位置的不同组合，会让可行解空间急剧膨胀。尤其是在考虑多故障、检修状态、天气因素时，"故障场景×孤岛策略"的组合爆炸问题，是工程实际中最头疼的地方。
所以，一套可落地的Matlab实现，必须有清晰的分层结构：底层是配电网拓扑与参数建模，中间层是最优孤岛划分求解器，顶层是可靠性指标统计。三个层次解耦，才能既保证评估精度，又能在不同规模系统间灵活迁移。
2. 孤岛划分问题的数学建模：目标、约束与边界条件
2.1 建模前必须明确的三个前提
在我动手写代码之前，先把孤岛划分问题的边界条件理清楚。这三件事不定下来，后面模型就是空中楼阁。
第一，孤岛划分的触发场景。通常假定非故障失电后，DG所在区域具备形成孤岛的条件，孤岛与主网解列。这个前提需要明确：孤岛是在故障隔离之后形成的，而不是故障过程中形成的，因为故障过程中的暂态冲击和孤岛检测需要时间。
第二，孤岛的运行约束。DG容量、负荷大小、线路传输极限、电压偏差都必须满足要求。如果孤岛内有多个DG，还要考虑DG之间的协调控制和功率分配方式。孤岛不是把"能带的负荷"都塞进去就完了，还要保证孤岛在稳态下能安全运行。
第三，负荷的重要性分级。可靠性评估里负荷点通常分三类：一类负荷（医院、重要用户等）、二类负荷（一般工商业）、三类负荷（居民为主）。孤岛容量有限时，优先恢复一类负荷是最基本的边界条件，这直接进入优化模型的目标函数。
2.2 目标函数：可靠性视角下的最小失负荷模型
我采用的建模思路是：以故障场景失负荷最小为目标，约束条件涵盖DG容量、线路容量和辐射状拓扑约束。这个方向在工程上最直观，也好和可靠性指标衔接，因为失负荷量可以直接映射到系统平均停电指标。
这里有一点和许多论文做法不同的地方想特别说明。不少文献在目标函数里加入"开关操作代价""网络重构代价"等项，形成多目标模型。但我个人倾向于第一轮只做失负荷最小化。原因很简单：孤岛划分与配电网重构不同，孤岛是在紧急状态下的快速响应动作，开关操作本身必须尽量便捷，操作代价本质上应该体现为约束条件上的限制（例如限制参与动作的开关数量），而不是跟失负荷量放在同一个目标函数里用权重平衡。权重怎么设都有人为因素，可靠性评估结果的可解释性会打折扣。
公式化的目标函数如下：
[ \min F = \sum_{i \in L} w_i \cdot P_{L,i} \cdot x_i ]
其中 ( x_i \in {0,1} ) 表示负荷点 ( i ) 是否失电，( P_{L,i} ) 是该负荷点的有功负荷，( w_i ) 是负荷权重（一类负荷权重远大于三类负荷）。这个模型的目标很直白：让加权失负荷量最小。
2.3 约束条件：容量、拓扑与功率平衡的三重约束
模型里我用了三类约束，代码里逐条实现时每一项都有坑：
- DG出力约束：孤岛内所有DG的有功出力之和必须满足孤岛负荷需求，无功则对应节点电压约束。注意这里有个隐性条件：DG的出力上限受其一次能源限制（光伏看辐照、风电看风速），所以评估一般按典型工况设定DG出力系数，而不是按额定容量。
- 线路容量约束：孤岛内部线路的传输功率不能越限。辐射状配电网在孤岛内仍然保持辐射状结构，但某些关键联络线或分支线可能成为"咽喉"，必须在约束里体现。
- 辐射状拓扑约束：孤岛内不能出现环网（除非系统本身具备合环运行能力，配电网一般没有），所以生成的孤岛必须是一棵树。这个约束在数学上要防止子环形拓扑的出现，我用了生成树约束的经典处理方式，同时保证连通性。
2.4 边界条件处理中的一个容易忽视的细节
有一个细节很容易被忽略：孤岛划分必须以"故障隔离区域"作为可连通范围边界。也就是说，故障元件本身必须被隔离，孤岛不能跨过故障元件合环。这个约束如果没写死，优化算法在搜索时很容易给出一个"跨越故障点供电"的不可行方案。所以我在建模时把"故障支路强制开断"作为硬约束之一，并且在后续DFS搜索连通分量时也把故障支路直接剔除。
这样做还有一个额外的好处：收敛速度更快。因为搜索空间里排除了大量无意义的拓扑组合。
3. 求解策略与Matlab代码实现架构
3.1 为什么选择"DFS搜索+启发式修正"而不是纯优化求解器
孤岛划分问题从数学本质上看是一个混合整数规划（MIP）问题，理论上可以直接调用优化求解器求解。但我在这个项目里没有这么干，原因有二：一是Matlab自带的优化工具箱对大规模配电网MIP问题的求解效率不够稳定；二是可靠性评估场景下会反复调用孤岛划分求解器，故障场景成千上万，每次都调MIP求解器，仿真时间会失控。
所以我采用了两阶段求解思路：
- 第一阶段：深度优先搜索（DFS）遍历所有可能的孤岛组合，以故障点为边界，找到所有满足连通性要求的基本孤岛。
- 第二阶段：在搜索到的候选孤岛集合上，用启发式优先级修正，加入容量约束和目标函数筛选，得到当前故障场景下的最优孤岛方案。
这里要说明的是，我的目标不是证明"我找到了数学意义上的最优解"，而是工程意义下的"最优可行方案"。在可靠性评估这种需要大量场景扫描的应用里，比"最优"更重要的是"稳定且可预期的次优"。
3.2 Matlab代码的整体架构划分
整个项目的Matlab代码按功能划分为五个模块，每个模块之间用函数接口解耦：
| 模块 | 文件名（示例） | 核心功能 |
|---|---|---|
| 数据录入 | case_data.m | 定义配电网拓扑、线路参数、DG参数、负荷参数 |
| 拓扑分析 | topology_analysis.m | 计算关联矩阵、连通性检查、故障支路剔除 |
| 孤岛求解 | islanding_solver.m | DFS搜索候选孤岛 + 启发式筛选最优孤岛 |
| 可靠性计算 | reliability_compute.m | 汇总各故障场景停电信息，计算指标 |
| 结果输出 | output_results.m | 生成负荷点明细和系统级指标报表 |
主体文件我用了函数形式，方便批量调用。项目入口脚本则负责加载数据、定义故障枚举集合、循环调用孤岛求解和可靠性计算。
这种分层的好处一眼就能看出来：如果想换一种孤岛算法，只需要重写islanding_solver.m一个文件，其他模块完全不用动。事实上我也真的试过两种不同策略来做对比验证，切换非常干净。
3.3 数据结构设计：用关联矩阵和节点结构体承载拓扑信息
Matlab里做配电网分析，数据结构设计直接影响代码可读性。我的做法是：
- 用节点结构体数组存储每个节点的类型（变电站节点/DG节点/负荷节点/联络节点）、有功无功负荷、DG容量和出力系数；
- 用线路关联表（一个N行3列的矩阵：首端节点、末端节点、支路编号）表示拓扑连接关系；
- 用一个标志向量标记每条支路的故障状态。
这样做的原因是，Matlab的矩阵运算天然适合这种扁平化数据结构，而且DFS搜索时用邻接表转化也很快。有个小技巧：把关联表排序成"首端节点号小于末端节点号"的规范形式，后续做连通性分析时能避免很多重复计算。
3.4 核心求解流程的伪代码逻辑
直接看核心求解逻辑的实现思路，用伪代码表达如下：
function island_scheme = solve_islanding(system_data, fault_branch) % 第一步：剔除故障支路，更新邻接关系 active_network = remove_branch(system_data, fault_branch); % 第二步：用DFS找出失电区域中所有DG可达的负荷总集 dg_nodes = find_dg_nodes(system_data); reachable_regions = dfs_partition(active_network, dg_nodes); % 第三步：对每个可达区域，按负荷权重降序，依次尝试加入 % 孤岛，并校验容量约束和辐射状约束 island_scheme = []; for each region in reachable_regions candidate = sort_loads_by_priority(region); for each load in candidate if check_capacity(load, island_scheme) island_scheme = add_load(island_scheme, load); else % 容量不足，标记该负荷失电 end end end % 第四步：返回孤岛方案和失电负荷集合 return island_scheme; end实际代码里，这个函数是被放在故障场景循环里的，所以被调用的频率极高。为了性能，我用了一个简单的技巧：提前把所有节点的邻接表构建好，故障场景中只做"临时断开标记"而不用真正重建邻接表。这个小小的优化对整个仿真速度影响很大，后面会详细说。
4. 可靠性指标体系：量化孤岛方案带来的真实价值
4.1 从负荷点可靠性参数到系统级指标的完整链路
孤岛划分方案算出来之后，接下去的工作就是把每个故障场景下的停电范围、停电时间汇总成可靠性指标。整个过程分成两层：
- 负荷点层：每个负荷点因为各类故障导致的年平均停电次数 ( \lambda_i ) 和年停电时间 ( U_i )。
- 系统层：基于负荷点数据聚合出系统级指标。
负荷点的数据来源是这样的：对配电网中的每个可维修元件（线路段、变压器、断路器），设置一个故障事件，然后调用孤岛求解器判断该故障下哪些负荷失电。如果负荷可以通过孤岛继续供电，那么这个负荷点对该故障事件的停电时间为0；如果完全失电，则停电时间为该故障的修复时间（或切换时间）。
这个逻辑是整篇项目实现里最核心的思维转变：传统评估里"故障导致负荷失电"是确定性事件，而在含DG的评估里，它变成了"故障+孤岛策略+容量校验"三个条件共同决定的随机事件。
4.2 常用可靠性指标的定义和适用场景
我在项目中计算了以下指标，并输出了对应的Matlab计算结果：
| 指标 | 全称 | 定义 | 适用场景 |
|---|---|---|---|
| SAIFI | 系统平均停电频率 | 用户停电总次数 / 用户总数 | 衡量停电频繁度 |
| SAIDI | 系统平均停电持续时间 | 用户停电总时间 / 用户总数 | 衡量停电总时长 |
| CAIDI | 用户平均停电持续时间 | 用户停电总时间 / 停电总次数 | 衡量单次停电场长 |
| ASA I | 平均供电可用率 | 1 - SAIDI / 8760 | 衡量供电可用水平 |
| ENS | 系统缺供电量 | 各负荷点停电电量累计值 | 衡量经济损失 |
这几个指标中，ENS 和孤岛划分的关联最直接，因为孤岛方案的核心目标函数就是失负荷最小化，ENS 就是失负荷量在时间维度上的积分。SAIFI、SAIDI 则更侧重"次数"和"时长"维度，能反映孤岛策略对故障恢复率的改善效果。
4.3 评估中"切换时间"和"修复时间"的区分处理
这是我在实现里特别留意的一个问题。DG接入后，孤岛的形成不是瞬时的；从故障发生到孤岛成功建立，中间有保护动作时间、孤岛检测时间、开关切换时间。所以孤岛的供电恢复时间不能简单设成0。
我的做法是把孤岛供电的停电时间分成两部分处理：
- 如果负荷可以通过孤岛恢复，则停电时间为 ( t_1 + t_2 )，其中 ( t_1 ) 是故障隔离和孤岛切换时间，( t_2 ) 是DG启动/并网准备时间；
- 如果负荷无法通过孤岛恢复，则停电时间为故障修复时间 ( T_r )。
这在工程上更接近实际情况。DSG接入配电网后，真正受益的负荷是那些"能快速切换到孤岛供电"的负荷；如果切换时间过长，孤岛优势会被明显削弱。我在代码里把这两个时间参数做成了可配置常量，方便做灵敏度分析。
4.4 可靠性提升效果的量化对比方法
为了说明孤岛策略的贡献，我在项目里同时实现了两个对照组：
- 对照组A（无孤岛策略）：故障发生后，下游负荷全部失电直到修复，这是传统评估的结果。
- 对照组B（含最优孤岛划分）：按前面描述的算法，在故障后形成最优孤岛，部分负荷通过DG恢复供电。
两个组共用一套拓扑和参数，唯一的区别是评估流程里是否启用孤岛求解模块。最终输出的指标对比非常直观，一般DG渗透率在20%以上时，SAIDI和ENS的改善幅度就能显著体现出来。这个对比方法也推荐给其他做评估的同学，干净而且可解释性强。
5. 完整评估流程的搭建与复现要点
5.1 测试系统的选择与数据准备
我选择的是经典的IEEE RBTS-Bus2馈线系统作为测试算例，它包含多条馈线、多个负荷点，结构复杂度适中，适合验证孤岛划分算法。数据准备阶段要注意几个地方：
- 线路参数要区分"主干线"和"分支线"，故障率参数在不同线路上有数量级差异；
- 各负荷点的用户数和峰值负荷要在同一数据文件里集中管理；
- DG位置和容量按渗透率场景设定，建议单独成表，方便做场景切换。
数据文件我用的是Matlab脚本方式（.m文件），而不是Excel或CSV。这样做的理由是：脚本可以直接定义特殊数据结构，同时跑场景仿真时可以直接用循环批量修改参数。缺点是每次改数据要重新解析，但对于可靠性评估这种"读一次数据跑大量场景"的模式，影响不大。
5.2 故障事件枚举与场景循环的组织方式
配电网可靠性评估的故障枚举原则是"逐元件法"。我对系统的每个线路段、变压器、断路器逐一设为故障元件，同一时间只考虑一个故障（不考虑N-2以上的多重故障）。这个假设在配电网规划评估里是主流做法，也符合可靠性统计中"单一故障事件"的基本框架。
场景循环的核心代码结构如下：
% 主循环：遍历所有可维修元件 for ib = 1:num_branches % 生成当前故障场景 fault_branch = branch_table(ib, :); % 调用孤岛求解 island_scheme = solve_islanding(system_data, fault_branch); % 记录每个负荷点的停电状态和停电时间 for il = 1:num_loads if island_scheme.is_powered(il) outage_record(ib, il) = t_switching; % 孤岛切换时间 else outage_record(ib, il) = repair_time(ib); % 修复时间 end end end这段代码看起来简单，但它把故障枚举、孤岛求解、停电记录三个环节串在了一个循环里。可靠性评估的所有指标，都来自outage_record这张表，后续计算全部以矩阵运算完成，效率很高。
5.3 批量场景下的性能优化：三个经验之谈
跑完第一版之后，我发现仿真时间比预期长不少。逐一排查后发现三个性能瓶颈，也对应给出了优化方法：
- 瓶颈一：每轮故障都在重建邻接表。优化方法是把邻接表做成全局对象，故障场景只更新一个"支路可用矩阵"，DFS搜索直接查这个矩阵，避免重复构建。
- 瓶颈二：DFS对所有节点无差别搜索。优化方法是先找出失电区域（故障支路下游区域），只在这个区域内搜索DG可达点，把大量无关节点直接跳过。
- 瓶颈三：可靠性累积用循环实现。优化方法是改成矩阵化的负荷点状态累加，Matlab循环速度很慢，但矩阵操作是它的强项。
优化之后，典型场景的单次完整评估时间从最初的几分钟降到了几十秒，对科研验证和方案对比来说完全够用了。
5.4 结果输出的组织方式
结果输出我分成了两个文件：一个是"负荷点级明细表"，包含每个负荷点的故障率、年停电时间、失电量，便于分析局部瓶颈；另一个是"系统级指标汇总表"，包含SAIFI、SAIDI、CAIDI、ASAI、ENS等指标，方便直接写进报告。
这里有个小的实践心得：如果想跟传统方法做对比，建议把两套指标放在同一个表格里输出，用"对比列"的形式展示，既直观又不容易出错。我自己的项目里就是每行一个指标、每列一组方案，所有方案统一格式输出，后面做敏感性分析时直接用表数据生成折线图。
6. 调试过程中踩过的坑和参数调整经验
6.1 第一个坑：孤岛容量约束反复校验时，遗漏了线路损耗
第一版代码里，我校验DG容量时直接用"DG总出力大于等于孤岛负荷总和"，结果在某个故障场景里出现了孤岛电压偏低的异常。排查到最后发现：孤岛内部线路的有功损耗没有纳入容量约束。配电网线路短，损耗占比不大，但在孤岛这种"局部供电子网"里，损耗比例会被放大。修正方法是容量校验时在负荷总和上乘以一个1.03~1.05的损耗修正系数，或者更严谨一点，直接在回路计算里把损耗算出来再校验。
这个坑在论文里基本不会写，但在实际工程评估里一定会遇到。大家在复现的时候一定不要忽略。
6.2 第二个坑：DFS搜索时的"假连通"问题
DFS求连通区域时遇到过一个逻辑陷阱：某条支路被标记为"可连通"，但实际上它的两端节点已经被故障支路隔断了。原因在于我更新"支路可用矩阵"时，只标记了故障支路本身为不可用，而DFS邻接表还是原来的完整结构。这种"假连通"会导致孤岛里出现跨故障点的非法路径。
解决办法是在DFS入口处增加一个前置校验：对每个节点维护一个"可达域编号"，只有"可达域编号相同且不等于故障隔离区域编号"的节点才参与孤岛搜索。这样从结构上就把跨越故障点的情况排除掉了。
6.3 第三个坑：DG出力系数的取值过于乐观
调试时我一开始把DG出力系数设为额定容量的1.0，导致孤岛几乎总可以带满全部负荷，失负荷指标异常好看。后来仔细一看，这种取值明显脱离了实际——光伏DG在夜间出力为0，风电在无风时段出力接近0，评估必须采用保守的典型工况。
我最后采用的是"低估DG出力"原则：光伏取0.3倍额定容量，风电取0.4倍额定容量，柴发取0.8倍额定容量（需要预留备用容量）。这样评估出来的可靠性指标偏保守，但对规划决策来说反而更有参考价值。
6.4 参数敏感性分析：哪些参数最值得反复调
跑完基准场景后，我对几个关键参数做了敏感性分析，结论很有参考价值：
- DG渗透率：对SAIDI和ENS的影响最显著，而且存在明显的"边际效应递减"。
- 孤岛切换时间：从5分钟增加到30分钟时，孤岛恢复的负荷比例下降非常明显。
- 线路故障率：主干线的故障率对SAIFI影响最大，分支线影响有限。
如果你想用这套代码做研究，我建议优先做"渗透率-切换时间"的二维敏感性分析，它基本能覆盖配电网DG接入评估中最核心的工程变量。
6.5 代码验证的小技巧：无DG场景对标传统方法
最后分享一个我自用的验证方法：把DG容量全部设为0，再跑一遍评估流程，此时孤岛自动消失，代码退化成"无孤岛的传统评估"。把这个结果跟传统FMEA方法的计算结果对比，如果两者一致，说明算法框架没有逻辑漏洞；如果不一致，定位问题要比直接debug含DG的复杂流程容易得多。
这个"退化测试"我强烈建议在修改代码后每次都跑一遍，成本极低但能拦住大部分低级错误。
如果后续有精力，我打算把这个框架扩展到考虑储能参与的孤岛运行策略上，因为储能和DG在孤岛时间尺度上的配合，比单纯计及DG更能反映未来配电网的实际运行形态。到时候再把新的版本心得分享出来。
