1. 项目概述从电工杯A题看数学建模的实战化转型又到了一年一度的电工杯数学建模竞赛季后台和社群里不少同学开始找往年赛题练手其中2021年的A题被问到的频率尤其高。我翻看了一下当年的题目发现这套题确实很有代表性它不像一些纯理论推导题那样飘在空中而是扎扎实实地扣住了“电工”这个专业背景把数学工具用到了电力系统、信号处理这些非常具体的工程场景里。第一题研究高铁牵引供电第二题分析风电并网的电能质量第四题则聚焦于配电网的故障定位。如果你是一名电气工程、自动化或者相关专业的学生做完这套题的感觉会很不一样——它让你清楚地意识到课本上的微积分、矩阵论、概率统计原来真的是能解决变电站里、风机旁、调度中心中那些实际问题的“扳手”和“螺丝刀”。我之所以想专门聊聊这套题是因为我发现很多同学在准备建模竞赛时容易陷入两个误区要么过于沉迷于算法本身的炫技追求最新最复杂的模型却忽略了问题本身的物理意义和工程约束要么就是被庞大的题目背景吓住不知道如何从一段复杂的工程描述中提炼出清晰的数学问题。2021年电工杯A题恰好是治疗这两种“病症”的良药。它要求你既要有扎实的数学功底能把连续微分、离散采样、非线性优化这些工具玩转又要求你具备基本的工程素养理解“功率平衡”、“谐波畸变”、“故障行波”这些专业术语背后对应的物理量和数学关系。接下来我就以一名多次参与竞赛评审和指导的“老电工”视角带大家拆解一下这三道题的解题核心、常见陷阱以及如何将一份优秀的数模论文从“正确”做到“出色”。2. 第一题拆解高铁牵引供电系统运行优化第一题的场景非常具体研究高铁牵引供电系统的运行优化。题目给出了牵引变电所的接线图、列车功率曲线、再生制动能量等条件要求我们建立数学模型分析不同运行策略下的电能质量、能耗与经济性。这本质上是一个动态系统优化问题但披上了电力牵引的工程外衣。2.1 核心需求与问题转化很多同学一看到牵引变电所、AT供电方式、再生制动这些名词就发怵。其实没必要数学建模竞赛提供的背景知识通常是自包含的我们首要任务是把工程问题“翻译”成数学语言。题目的核心需求可以归纳为三点能量流动的精确刻画需要建立一个能够描述牵引网中电能“从哪里来到哪里去”的模型。这包括牵引变电所从上级电网获取的电能、列车运行消耗的牵引电能、以及列车刹车时产生的再生制动电能。系统状态的动态模拟高铁列车不是静止的它的位置、速度、牵引/制动状态都在随时间变化因此其从电网取用或向电网回馈的功率也是时变的。模型必须能处理这种动态性。多目标权衡与优化题目隐含了多个优化目标希望总能耗低经济性好希望电网侧的电压波动、谐波含量小电能质量高还希望再生制动能量能被充分利用节能。这就需要我们建立一个多目标优化框架或者将某些目标转化为约束条件。基于此我们可以将问题转化为一个时变功率平衡方程与非线性优化问题的结合。设时间为t牵引变电所输出功率为P_sub(t)第i列列车的牵引功率为P_traction_i(t)正值表示消耗制动功率为P_brake_i(t)负值表示回馈。在不考虑储能装置的最简单场景下瞬时的功率平衡方程为P_sub(t) Σ P_traction_i(t) Σ P_brake_i(t) P_loss(t)其中P_loss(t)是网络损耗通常与电流的平方成正比。而我们的优化变量可能就是列车的运行曲线何时加速、何时巡航、何时制动或者变电所的控制策略目标是最小化一个周期内的总电能消耗∫ P_sub(t) dt。2.2 模型构建的关键细节与实操要点构建这个模型有以下几个关键细节需要特别注意这也是新手最容易栽跟头的地方1. 列车运动学模型的嵌入你不能直接把题目给的“功率曲线”当作已知输入。更专业的做法是建立列车单质点的运动学方程F_traction(t) - F_resistance(v, x) M * dv/dt其中牵引力F_traction由电机特性决定阻力F_resistance包括基本阻力、坡道阻力、曲线阻力等。牵引功率P_traction(t) F_traction(t) * v(t) / ηη是传动效率。这样建模的好处是你可以将列车运行时分Schedule作为优化变量通过调整牵引/制动力曲线来直接影响能耗。在实操中可以采用离散时间步进法进行仿真将连续的微分方程转化为差分方程进行迭代计算。2. 再生制动能量的处理这是本题的一大亮点和难点。列车制动时电机变为发电机产生的电能可以回馈至牵引网。如果此时同一供电臂内有其他列车正处于牵引状态则再生能量可以被即时利用否则可能造成网压过高需要被制动电阻消耗掉能量浪费。因此模型必须包含一个实时匹配逻辑在每一个仿真步长Δt内计算总再生功率P_reg_total(t)和总牵引功率P_trac_total(t)。若P_reg_total(t) 0则优先用于抵消牵引需求剩余部分记为P_waste(t) max(0, P_reg_total(t) - P_trac_total(t))这部分就是被浪费的能量。优化目标之一就是最小化∫ P_waste(t) dt。3. 电网侧电能质量指标的量化题目要求关注电能质量主要指电压波动和谐波。对于电压波动可以通过计算牵引负荷引起的供电母线电压降来评估ΔU ≈ (P * R Q * X) / U_n其中P, Q是负荷的有功和无功功率R, X是系统阻抗。你需要根据题目给出的系统参数来估算这个值。对于谐波高铁牵引负荷尤其是交-直-交型机车是典型的谐波源。一个简化但常用的方法是根据机车整流器的类型如四象限脉冲整流器确定其特征谐波次数如5、7、11、13次并假设一个总谐波畸变率THD的典型范围如10%-15%将其作为约束条件THD sqrt(Σ (I_h)^2) / I_1 THD_max。注意在论文中描述这部分时切忌直接堆砌公式。一定要先讲清楚物理概念比如“为什么再生制动能量可能被浪费”再引出数学表达式并说明每个参数的物理意义和取值依据。评委更看重你对问题本质的理解而非公式的堆砌复杂度。2.3 求解策略与算法选择模型建立后求解策略决定了论文的“天花板”。这里提供两种思路思路一分层优化这是一种工程上很实用的方法。第一层列车级优化针对单列列车在固定运行时分的前提下以能耗最小为目标利用庞特里亚金极小值原理PMP或动态规划DP求解最优的牵引-巡航-制动序列。这能得到一条理论上的最节能运行曲线。第二层系统级协调在多列车场景下以第一层得到的最优曲线为基础通过微调各列车的发车时间间隔或站间运行时间来最大化再生制动能量的即时利用率减少浪费。这可以转化为一个整数规划或启发式调度问题。思路二一体化仿真优化借助仿真软件如MATLAB/Simulink、PythonPyTorch/TensorFlow的自动微分构建完整的系统动态模型将列车控制参数如加速率、巡航速度阈值、制动起始点直接作为优化变量。然后采用智能优化算法如遗传算法GA、粒子群算法PSO以系统总能耗或总成本为目标函数进行搜索。这种方法的优点是能考虑更复杂的耦合关系但计算量大且需要精心设计算法参数以避免陷入局部最优。实操心得对于竞赛而言我更推荐思路一。因为它逻辑清晰层次分明易于在论文中阐述并且每一层都有成熟的数学工具支撑。你可以在论文中详细推导PMP的应用过程展示你的数学功底在系统层则可以设计一个简单的贪心匹配算法并分析其效果。这比用一个“黑箱”式的智能算法跑出一个结果更能体现你的建模能力和思考深度。3. 第二题剖析风电场并网的电能质量综合评估第二题将我们带入了新能源领域要求对风电场接入电网后的电能质量进行综合评估。题目会给出风电机组的出力特性、电网连接点的背景谐波数据等要求建立评估模型并提出治理方案。这道题的核心是随机过程分析与多属性决策的结合。3.1 评估指标体系构建电能质量不是一个单一指标而是一系列指标的集合。国标《电能质量 公用电网谐波》GB/T 14549-93等标准中明确了多项指标。我们必须构建一个科学、全面的评估体系。一个完整的体系通常包括指标类别具体指标数学描述/计算方法说明电压质量电压偏差ΔU% (U - U_N) / U_N * 100%衡量电压幅值偏离额定值的程度电压波动与闪变P_st, P_lt(短时、长时闪变值)衡量电压幅值快速变化对人眼视觉的影响需用IEC标准算法电压暂降暂降深度、持续时间、频次随机事件需用统计方法SARFI指标波形质量谐波畸变率THD_U% sqrt(Σ_{h2}^{40} U_h^2) / U_1 * 100%总谐波畸变率及各次谐波含有率间谐波非整数次谐波分量风机变流器可能产生三相不平衡度ε_u U_neg / U_pos * 100%负序电压与正序电压之比频率质量频率偏差Δf f - f_N通常电网主导风电场影响较小在建模时切忌面面俱到。应根据题目给出的具体条件例如重点提到了背景谐波选择2-3个最相关、最有计算依据的指标进行深入分析。例如可以聚焦谐波和电压波动。3.2 风电机组谐波发射模型的建立这是本题的技术核心。双馈感应发电机DFIG和全功率变流器风机是主流机型它们通过电力电子变流器并网是主要的谐波源。其谐波发射特性非常复杂具有时变性和随机性。一个较为精确的建模方法是频域耦合阻抗模型。将变流器及其控制系统的在特定频率下的行为用一个诺顿等效电路来表示一个谐波电流源I_h并联一个输出阻抗Z_out(h)。其中谐波电流源I_h的幅值和相位与风机的工作点风速、输出功率、电网电压的谐波背景、以及变流器本身的调制策略如SPWM、SVPWM有关。在竞赛有限的时间内我们可以采用一种实用的简化统计模型确定特征谐波次数对于采用三相两电平PWM变流器的风机其特征谐波主要集中在开关频率f_sw的整数倍附近即h k * (f_sw / f_1) ± 1其中f_1是基波频率50Hzk为正整数。建立谐波电流与功率的关系大量实测数据表明谐波电流的幅值I_h与风机输出的基波有功功率P存在近似线性的关系。我们可以假设I_h k_h * P b_h。系数k_h和b_h可以通过查阅相关技术文献或标准如IEEE Std 519获得一个典型范围。引入随机性风速是随机的因此风机功率P也是随机的通常服从威布尔分布。我们可以通过蒙特卡洛模拟生成大量不同功率水平下的场景对每个场景计算谐波电流从而得到谐波电流I_h的概率分布如均值、标准差、95%概率大值。3.3 并网点电能质量评估与治理方案有了单个风机的模型我们需要评估整个风电场在公共连接点PCC处的综合影响。这里的关键是相量叠加。不同风机发出的同次谐波电流在汇集到PCC时需要考虑相位角的叠加。由于风机之间距离较远且运行状态独立它们的谐波相位角通常是随机的。因此更合理的做法是采用平方和根RSS法进行统计叠加I_{h, PCC} sqrt( I_{h1}^2 I_{h2}^2 ... I_{hn}^2 )其中I_{hi}是第i台风机发出的第h次谐波电流。这种方法比直接算术相加更符合工程实际。评估完成后需要提出治理方案。常见的方案包括无源滤波器针对特定的特征谐波如5、7、11、13次设计LC调谐滤波器。在模型中这相当于在PCC处并联一个对特定频率呈现低阻抗的支路。有源电力滤波器APF可以动态补偿谐波。在模型中可以将其视为一个可控的谐波电流源I_{comp}其控制目标是使PCC处的谐波总畸变率最小。在论文中你可以设计一个简单的治理方案例如计算发现5次和7次谐波超标据此设计一组单调谐滤波器并重新计算治理后的THD展示效果。同时要简要讨论方案的优缺点如无源滤波器可能引发谐振有源滤波器成本高。注意事项这道题很容易陷入“唯算法论”比如用模糊综合评价或TOPSIS法对一堆指标打个分就结束了。这流于表面。评委希望看到的是你对谐波产生机理、传播叠加原理的深入理解。你的模型核心应该是那个谐波发射与叠加的物理过程模型综合评价只是最后水到渠成的一步。务必把大部分篇幅和公式用在“如何计算谐波电流”和“如何叠加”上。4. 第四题攻坚配电网故障定位的智能算法实现第四题是关于配电网故障定位这是一个经典的、但永不过时的课题。题目通常给出一个配电网拓扑结构、分段开关和监测点的信息以及发生故障后各监测点上传的故障信息如过电流标志、故障方向、零序电流等要求建立模型快速定位故障区段。这本质上是一个基于逻辑推理或优化搜索的模式识别问题。4.1 问题抽象与数学模型选择配电网一般是辐射状或弱环网结构。我们可以将其抽象为一个图GraphG(V, E)其中顶点V代表母线或节点边E代表线路区段。每个区段上有一个状态变量x_ii1,2,...,mx_i 1表示该区段故障x_i 0表示正常。在馈线出口和关键分段开关处安装有监测点FTU每个监测点j会得到一个实际的故障信息I_j如“有流/无流”、“正向/反向”。故障定位的目标是根据所有监测点的实际信息I [I_1, I_2, ..., I_n]反推出最有可能的故障区段状态组合X [x_1, x_2, ..., x_m]。主流的数学模型有两种1. 逻辑判断矩阵法适用于简单辐射网这是最直观的方法。首先根据网络拓扑和电源位置预先推导出“理想情况”下的故障信息矩阵也称判定矩阵D。矩阵的行对应监测点j列对应区段i。元素D_{ji}表示“如果第i个区段发生故障理论上第j个监测点应该上报的信息是什么”。然后将实际上报的信息向量I与矩阵D的每一列进行比较。匹配度最高的那一列即海明距离最小的列所对应的区段就被判定为故障区段。这种方法简单快速但缺点也很明显无法处理多重故障且对信息畸变如某个监测点信号错误的容错能力极差。2. 优化模型法主流且强大将故障定位转化为一个0-1整数规划问题。其核心思想是寻找一个故障区段状态组合X使得由该组合推导出的“理论上报信息”I(X)与实际收到的信息I之间的差异最小。我们可以构建如下优化模型Minimize: F(X) Σ_{j1}^{n} w_j * | I_j - I_j(X) | Subject to: X [x_1, x_2, ..., x_m], x_i ∈ {0, 1}其中I_j(X)是根据网络拓扑和故障电流分布理论通常是基尔霍夫定律和叠加原理由假设的故障状态X计算出来的监测点j的理论信息。w_j是权重系数可以用于表示不同监测点信息的可靠度。|·|表示差异的度量对于二值信息如有/无故障电流这就是异或运算对于多值信息可能需要定义更复杂的距离函数。这个模型完美地描述了故障定位的本质在众多可能的故障场景中找出与观测事实最吻合的那一个。它天然地能够处理多重故障和信息畸变。4.2 关键难点理论信息I(X)的获取与“伪故障”处理优化模型看似完美但最大的难点在于函数I(X)的构造。如何从一个抽象的故障状态向量X计算出每个具体监测点应该看到什么对于基于过电流信息的定位一个经典而有效的方法是采用网络描述矩阵。定义节点-支路关联矩阵A和监测点-支路关联矩阵B。当假设某个区段故障时故障电流会从电源点流向故障点所有位于电源到故障点路径上的区段都会流过故障电流。因此I(X)可以通过矩阵运算B * X或考虑方向后的类似运算的某种形式来近似表示。具体推导需要结合图论和电路理论这是论文中可以展示理论深度的部分。另一个不可避免的难题是“伪故障”。由于配电网结构复杂、负荷多变以及监测设备误差实际上报的信息I中可能存在错误如该报警的没报警不该报警的误报警。这会导致基于严格匹配的优化模型无解。为了解决这个问题我们需要在优化目标中引入对信息畸变的容忍度。一种高级的做法是不仅把区段状态x_i作为优化变量也把每个监测点的信息是否可信作为一个新的0-1变量y_j引入模型。y_j1表示该点信息可信y_j0表示该点信息可能错误在计算差异时将其忽略或赋予极低的权重w_j。这样模型就变成了同时寻找最可能的故障区段和最可能的信息错误模式。当然这大大增加了搜索空间和求解难度。4.3 算法实现与求解技巧面对这个0-1整数规划问题直接调用商业求解器如MATLAB的intlinprog对于小规模网络是可行的。但对于竞赛自己实现算法更能体现能力。1. 遗传算法GA的实现要点GA非常适合求解这类组合优化问题。设计的关键在于编码直接用二进制串表示故障状态向量X。例如一个10个区段的网络一个染色体就是10位的二进制串。适应度函数就是优化目标F(X)的倒数或相反数。F(X)越小适应度越高。约束处理配电网故障通常具有稀疏性即同时故障的区段很少。可以在适应度函数中加入惩罚项F_total(X) F(X) λ * Σ x_i其中λ是惩罚系数Σ x_i是故障区段总数。这引导算法寻找满足观测信息且故障区段最少的解。2. 模拟退火SA算法的快速实现SA实现起来更简单。其核心是邻域搜索和概率突跳。对于本问题可以定义这样的邻域操作随机翻转一个区段的状态0变1或1变0。在迭代过程中以概率接受恶化解从而避免陷入局部最优。实操心得在论文中不要只展示代码和结果图。一定要详细阐述你如何将物理的配电网拓扑和故障信息转化为数学上的矩阵和优化目标。画出网络拓扑图标注节点和支路编号给出你定义的矩阵A和B的具体示例。然后用流程图说明你的GA或SA算法是如何运作的。最后设计测试案例包括单点故障、多点故障、以及带有1-2个信息畸变的情况展示你模型的定位准确性和容错能力。这样的论文才是有血有肉、令人信服的。5. 竞赛论文写作与常见问题实录解决了模型和算法只成功了60%。剩下的40%在于如何通过论文清晰、有力、美观地呈现你的工作。结合多年评审和指导经验我总结出以下几个最关键的要点和常见“坑”。5.1 论文结构把控与亮点突出一篇标准的数模论文包含摘要、问题重述、模型假设、符号说明、模型建立与求解、结果分析、模型评价与推广、参考文献、附录。这里重点讲几个容易出彩也容易出错的部分摘要重中之重摘要决定了评委的第一印象。必须用300-500字概括全部精华。一个优秀的摘要结构是用一两句话说明解决了什么问题针对赛题每一问。分点简述针对每个问题建立的模型名称、核心方法和主要结果例如“针对问题一建立了基于动态功率平衡与非线性规划的牵引供电优化模型采用分层优化策略求解得到在给定时刻表下可降低总能耗约15%”。总结模型的优点、特色或关键结论。 切忌在摘要中出现公式、图表引用和细节推导。模型假设假设不是随便写的它体现了你对问题边界的把握。好的假设应该合理基于工程常识或题目暗示如“忽略线路电容效应”、“假设风速在短时间内平稳”。必要为了简化模型、突出主要矛盾如“假设所有风机型号相同”。明确避免模糊词汇如“较好”、“较大”。 在每一条假设后面最好用括号简要说明为什么这样假设以及它可能带来的影响。模型建立部分这是论文的主体也是展示你数学功底的舞台。写作时要像讲故事一样层层递进从物理问题出发先讲清楚这个工程现象是什么如“再生制动能量如何产生与传递”。引出关键变量和关系用文字定义清楚每个符号的物理意义如“令P_brk,i(t)表示第i列列车在t时刻的制动功率当列车减速时此值为负”。建立数学表达式将物理关系翻译成数学公式。对于核心公式可以单独成行并编号。解释公式含义不要摆完公式就结束要用一两句话解释这个公式说明了什么各个项代表什么。说明求解思路在给出完整模型后概述你将用什么方法求解它以及为什么这个方法合适。5.2 结果可视化与对比分析“一图胜千言”在数模论文中尤其如此。结果分析部分不能只有干巴巴的数据表格。绘图建议时序对比图对于第一题绘制优化前后牵引变电所功率曲线、网压波动曲线的对比。使用双y轴清晰展示变化。概率分布图对于第二题用概率密度函数PDF图展示风电场并网点谐波电流的统计分布用箱线图展示不同风速场景下的THD变化。拓扑标注图对于第四题在配电网拓扑图上用高亮红色线条标出真实故障区段用闪烁或不同颜色的标记标出你的模型定位结果一目了然。算法收敛图展示GA或SA算法迭代过程中最优适应度值的变化曲线证明算法有效收敛。对比分析 不要只说“我们的模型很好”。要设计对比实验来证明它好。纵向对比将自己的模型在不同参数或场景下的结果进行对比如不同列车密度下的节能率。横向对比与题目可能提供的简单方法、或文献中的基准方法进行对比如第四题将你的优化模型与简单的矩阵判断法在容错能力上进行对比。灵敏度分析改变模型中的某个关键参数如惩罚系数λ、风机功率-谐波关系系数k_h观察结果的变化程度。这能体现模型的鲁棒性是高级的加分项。5.3 典型问题排查与应对策略在竞赛过程中团队一定会遇到各种问题。以下是一些实录问题1模型求解速度太慢程序跑不完。排查检查算法复杂度。是否在循环中进行了不必要的重复计算蒙特卡洛模拟的采样次数是否过多应对①向量化编程在MATLAB或Python中尽量用矩阵运算代替多层循环。②减少模拟规模在保证统计意义的前提下减少蒙特卡洛的采样次数或先用大时间步长粗算再用小步长精算关键区域。③改进算法检查智能算法的种群大小、迭代次数是否设置过大。④并行计算如果问题允许尝试将独立重复实验任务并行化。问题2得到的结果与物理常识或直觉不符如能耗为负。排查这是最危险的信号通常意味着模型或代码存在根本性错误。首先检查单位制是否统一kW, MW, J, kWh。其次检查公式中的正负号如制动功率是负值但代入某个公式时是否忘了负号。最后检查边界条件和初始值设置是否正确。应对构建最小可复现案例。用一个极其简单的、你手工能算出结果的例子如只有一列列车、一个时间点来测试你的核心函数。通过对比手工计算结果和程序输出定位错误源头。问题3论文各部分写完后感觉逻辑不连贯像拼凑的。排查这是因为在建模初期缺乏统一的“故事线”。每个队员可能只负责自己那部分最后拼接时缺少呼应。应对在建模开始前团队应共同确定一条清晰的技术主线。例如第一题的主线可以是“功率流分析 - 单列车节能优化 - 多列车协同调度”。论文的每一章节都要紧扣这条主线在章节开头和结尾用承上启下的句子进行连接。摘要和问题重述部分就要把这根主线埋下伏笔。问题4最后时刻发现一个重大错误来不及推倒重做。应对这是终极考验。首先保持冷静评估剩余时间。如果错误在次要部分果断修正或删除该部分强化其他正确部分。如果错误在核心模型但已无时间重构那么在论文中坦诚说明。可以增加一个“模型局限性分析与改进”章节明确指出当前模型的这个缺陷并详细阐述正确的思路应该是怎样的以及如果时间允许将如何修正。这种坦诚和批判性思维有时比一个存在缺陷但试图隐瞒的“完美”模型更能获得评委的认可。