简介面向电力系统分析学习者的IEEE 118节点潮流计算MATLAB程序及配套节点数据包适用于高校电力专业学生、科研人员及工程师开展潮流计算、电压稳定性和系统优化研究可帮助读者从数据准备到计算实现完整掌握潮流分析流程。压缩包内共3个文件包括两个Excel数据文件分别存储118节点电阻参数与电压初始状态和一个MATLAB脚本用于执行潮流计算整体大小仅42KB轻量易用。目前已有4538人学习/下载。资源提供完整的IEEE 118节点系统真实数据并实现基于牛顿-拉弗森等迭代法的潮流求解程序用户可直接运行脚本得到各节点功率注入、电压幅值相角及线路电流等关键结果为理解电力网络运行状态、预测过载与电压越限提供实践支撑也是继电保护、安全分析和系统规划的重要基础是学习电力系统潮流计算的优质素材。 从第一次拿到IEEE 118节点系统的数据文件开始我就意识到这东西跟想象中完全不一样。很多人以为潮流计算嘛套个公式写个循环就结束了结果真把118节点的数据读进去不是迭代发散就是结果跟标准数据对不上最后发现是原始数据的格式、单位、节点编号里藏着各种细节。这篇文章我想把“ieee118节点潮流计算程序”这件事从头到尾捋一遍包含节点数据的来源与预处理、牛顿-拉夫逊法程序的模块拆解、核心代码逻辑以及我调试过程中踩过的那些坑。适合正在做电力系统课程设计、毕业设计或者想拿标准算例验证自己算法的同学参考。1. 一个118节点的“标准考卷”它到底解决了什么问题1.1 为什么电力系统仿真离不开IEEE 118节点IEEE 118节点系统是电力系统领域最常用的标准测试算例之一最早来自上世纪60年代美国中西部电网的简化模型后来被整理成公开的标准测试数据。它包含118个母线节点、186条支路含变压器支路、54台发电机、91个负荷节点系统总有功负荷大约4242MW无功负荷约1438Mvar。跟14节点、30节点这些小系统相比118节点的规模正好跨过了“玩具模型”的阶段可以真实暴露算法在规模增大后的收敛性、稀疏性、计算效率问题又不至于像1354节点、2383节点那样对硬件和调试成本要求太高。在实际工作中118节点系统的价值主要体现在三个场景。第一做潮流算法验证比如对比牛顿-拉夫逊法、PQ分解法、高斯-赛德尔法在不同初值和不同负载率下的收敛表现118节点的拓扑复杂度足够区分算法的优劣。第二做最优潮流、经济调度、电压稳定分析的基准平台很多论文的算例部分直接拿118节点跑结果。第三做课程设计和毕业设计因为它的数据是公开的、可复现的不用自己搭电网模型省去了大量建模时间。1.2 118节点系统的结构特点这个系统的拓扑有一个非常典型的特点环网和辐射支路并存电压等级包含138kV、230kV、345kV等不同层级变压器支路还带分接头调节有载调压变压器。节点类型也覆盖全面有平衡节点、PV节点发电机节点、PQ节点负荷节点其中发电机的无功上下限约束在后续做无功优化时非常重要。我自己算过一遍之后最大感受是118节点的数据虽然比小系统复杂一个量级但它并没有夸张到需要分布式计算的程度。用Python的NumPy纯数组实现牛顿-拉夫逊法在普通笔记本上迭代10次以内就能收敛到1e-9的精度耗时基本是毫秒级。这说明它的规模属于“中等偏难”对初学编程或刚接触电力系统计算的人来说不会产生挫败感又能让你真正练到如何处理真实电网数据。2. 节点数据拿到手先别急着跑程序很多人的第一个问题不是“怎么写程序”而是“数据从哪来”。IEEE 118节点的数据其实并不难找但不同渠道的数据格式差异很大。最常见的是从Matpower的case118.m文件里获取它是MATLAB的m文件格式用结构体数组存储母线数据、支路数据、发电机数据另外也有不少人在各类开源Github仓库里找到CSV或TXT格式版本。这里我强烈建议如果你打算自己写程序优先把数据整理成统一的CSV或文本格式而不是直接去解析Matpower的m文件否则前置处理会让你烦到怀疑人生。2.1 数据格式与字段含义无论从哪个渠道拿到数据核心都逃不开三张表母线表bus、支路表branch、发电机表gen。母线表至少有这几列母线编号、母线类型1表示PQ节点、2表示PV节点、3表示平衡节点、有功负荷、无功负荷、电压幅值初值、电压相角初值。支路表需要包含首端母线编号、末端母线编号、电阻、电抗、对地电纳、变压器变比。发电机表包含所在母线编号、有功出力、无功出力、无功出力上下限。这里有个非常容易出错的点不同来源的数据列顺序可能不一样Matpower的bus表每一列有固定的含义但CSV版本为了省空间可能只保留了计算用得到的几列。我建议拿到数据后先写一个小函数把每一列对应什么字段打印出来核对一遍再进入后续流程。宁可多花十分钟确认格式也不要等算出来不对再返工。2.2 单位与基准值换算IEEE 118节点原始数据里有功功率单位是MW无功功率单位是Mvar电阻电抗的标幺值是基于100MVA基准容量给出的。这就涉及潮流计算里最常见的单位逻辑程序内部统一使用标幺值所有功率要除以基准容量。假设你在程序里设定基准容量baseMVA 100.0那么某个母线负荷有功35MW标幺值就是0.35。电压单位也一样。初始电压幅值可以给1.0标幺值也可以给实际电压用母线基准电压归一化。考虑到118节点数据里不同电压等级的母线混在一起最省心的方式是直接用标幺值程序内部只处理标幺值输出结果的时候再把功率乘回baseMVA变成MW/Mvar。这个细节看着简单但我见过不少人在负荷转换成标幺值时忘记除以100导致潮流结果偏离标准值一大截。2.3 数据完整性检查拿到数据后建议先做一个简单体检统计节点数量、支路数量、发电机数量是否和标准一致检查每条支路是否都有完整的R、X参数检查变压器支路的变比是否为1.0非变压器支路变比默认为0或1不同格式有差异检查发电机节点是否都对应到了母线表中的PV或平衡节点类型。特别是118节点原始数据有一些节点编号是跳过的比如某些编号没有实际节点程序处理时应该用“索引位置”而不是“节点编号”来构建矩阵否则构建导纳矩阵时会留下空白行导致矩阵奇异、迭代发散。我记得第一次整理数据时就吃过这个亏数据里节点编号从1到118不是连续的中间跳了几个我直接用编号当下标去建矩阵导纳矩阵里有几行全是零牛顿法一迭代就报错“Singular matrix”。后来改成用枚举索引问题立刻消失。这个坑几乎每个人都会踩一遍提前留意能省很多时间。3. 潮流计算的数学骨架与程序模块划分3.1 从功率平衡方程说起潮流计算的本质是求解一组非线性功率平衡方程。对每个节点i注入有功功率和无功功率必须满足Pi Vi * Σ(Vj * (Gij * cos(θij) Bij * sin(θij))) Qi Vi * Σ(Vj * (Gij * sin(θij) - Bij * cos(θij)))其中Gij、Bij是导纳矩阵的实部和虚部θij是节点i和节点j的相角差Vi是节点i的电压幅值。已知的量是负荷功率PQ节点、发电机有功PV节点、平衡节点电压未知量是PQ节点的电压幅值和相角、PV节点的相角和注入无功、平衡节点的有功和无功。牛顿-拉夫逊法的核心思路就是把这个非线性方程组用泰勒展开线性化然后反复迭代修正电压幅值和相角。每次迭代都要求解一个线性方程组J * Δx -ΔS其中J是雅可比矩阵Δx是电压修正量ΔS是功率不平衡量。雅可比矩阵的维度大概是2N - N_PV - 2N是总节点数N_PV是PV节点数因为平衡节点的两个变量和PV节点的电压幅值都是已知的。3.2 为什么选牛顿-拉夫逊而不是其他方法IEEE 118节点这种规模的系统常见算法里我最推荐牛顿-拉夫逊法原因是它二次收敛迭代次数对系统规模不敏感。从我自己的测试数据看118节点一般在4到7次迭代就能收敛到1e-8而高斯-赛德尔法要几百甚至上千次迭代PQ分解法虽然每步更快但需要处理B和B矩阵的分解写起来也没比牛拉简单多少。如果你只是需要“快速拿到一个正确的潮流结果”牛拉是最稳妥的选择。不过牛拉法也有一个众所周知的短板对初值敏感。如果初始电压选得不好雅可比矩阵可能奇异或者在迭代过程中振荡。实际处理时一般用“平启动”即所有PQ节点电压幅值设为1.0、相角设为0PV节点电压幅值设为给定值。这种初值在大多数负载情况下都能让牛拉法稳定收敛118节点也不例外。3.3 程序的模块划分一个完整的潮流计算程序我建议按下面几个模块拆分方便独立测试数据读取模块把节点、支路、发电机数据从CSV文件读进内存统一单位完成标幺值转换导纳矩阵构建模块根据支路参数生成节点导纳矩阵Ybus初值初始化模块设置电压幅值和相角初值生成节点类型数组、功率给定值数组功率不平衡量计算模块根据当前电压计算各节点的注入有功和无功与给定值做差雅可比矩阵构建模块计算四个分块矩阵J1、J2、J3、J4线性方程组求解与状态更新模块求解修正方程更新电压幅值和相角结果输出模块把标幺值结果转换回有名值输出到表格或文件模块化最大的好处是程序出问题时可以单独验证某一部分。比如导纳矩阵构建错了潮流结果肯定会错如果不拆模块你会在这两个错误之间来回猜调试成本直接翻倍。4. Python版118节点潮流程序核心代码拆解4.1 数据读取与预处理我习惯把节点数据整理成bus.csv和branch.csv两个文件用pandas读取。下面这段代码演示了读取和初步处理的过程import pandas as pd import numpy as np baseMVA 100.0 bus pd.read_csv(bus.csv) branch pd.read_csv(branch.csv) gen pd.read_csv(gen.csv) n len(bus) # 节点类型: 1PQ, 2PV, 3平衡 bus_type bus[type].values # 负荷标幺值 Pd bus[Pd].values / baseMVA Qd bus[Qd].values / baseMVA # 电压初值 V0 bus[Vm].values theta0 np.radians(bus[Va].values)这里有一个小的设计决策节点编号是离散的不能直接当数组索引用。我在读取数据后会重新给节点分配从0开始的连续索引后续所有数组操作都用这个索引。支路表里的首末端节点也相应地映射到新索引。node_index {old_id: i for i, old_id in enumerate(bus[bus_i].values)} f np.array([node_index[i] for i in branch[fbus].values]) t np.array([node_index[i] for i in branch[tbus].values])4.2 构建导纳矩阵YbusYbus是潮流计算的核心数据结构。对于每一条支路如果它是普通线路有串联阻抗z r jx和对地电纳b/2如果它是变压器支路还要考虑变比tap。构建Ybus的代码如下def build_ybus(branch, n): Y np.zeros((n, n), dtypecomplex) r branch[r].values x branch[x].values b branch[b].values tap branch[tap].values for k in range(len(r)): z r[k] 1j * x[k] y 1.0 / z if z ! 0 else 1e-12 fr, to f[k], t[k] # 非变压器支路 tap1变压器支路 tap为实际变比 Y[fr, fr] y 1j * b[k] / 2 Y[to, to] y 1j * b[k] / 2 Y[fr, to] - y / tap[k] Y[to, fr] - y / tap[k] return Y变压器支路这里要注意变比的方向。IEEE数据里tap的值是首端对末端的变比不同来源可能定义相反。如果搞反了计算出的功率分布会和标准结果差得很远。一个比较稳妥的校验方法是构建完Ybus后检查是否有非零的孤岛子矩阵以及Y的对角线元素是否明显大于非对角线元素。如果发现某个节点自导纳为零基本就是支路数据对不上。4.3 牛顿-拉夫逊迭代主循环有了Ybus之后就进入牛拉法的迭代过程。核心代码在计算功率不平衡量和雅可比矩阵上。功率不平衡量可以用向量化的方式计算比逐节点循环快很多而且代码更简洁def calc_power_injection(V, theta, Ybus): Vc V * np.exp(1j * theta) S Vc * np.conj(Ybus Vc) return S.real, S.imag雅可比矩阵我建议用数值方法对比验证一次。第一次实现时可以手动推导四个分块矩阵然后和有限差分的结果对照确认自己没写错。等确认无误后再优化成解析表达式的稀疏形式可以大幅提升计算速度。迭代主循环的骨架如下V V0.copy() theta theta0.copy() for it in range(max_iter): P, Q calc_power_injection(V, theta, Ybus) # 功率不平衡量PV节点不计无功偏差平衡节点不计有功无功偏差 dP P_spec - P dQ Q_spec - Q # 剔除不参与迭代的节点变量 ... # 构建雅可比矩阵 J [[J1, J2], [J3, J4]] J build_jacobian(V, theta, Ybus) dx np.linalg.solve(J, -dS) # 更新相角和电压幅值 theta[PQ_index] dx[:n_PQ] V[PQ_index] dx[n_PQ:] if np.max(np.abs(dS)) tol: print(f收敛于第{it1}次迭代) break这里最需要理解的逻辑是哪些节点参与迭代、哪些不参与。PQ节点的电压幅值和相角都要更新PV节点只更新相角、不更新电压幅值电压幅值由励磁调节维持不变平衡节点两个量都不更新。所以在构建雅可比矩阵时要把平衡节点对应的行列删掉把PV节点的电压幅值对应行列删掉。用NumPy的布尔索引做这件事非常方便。4.4 结果输出与校验迭代收敛后把标幺值结果转换回有名值输出。通常需要输出每个节点的电压幅值和相角各条支路的有功无功潮流以及平衡节点的总出力。支路潮流的计算需要根据支路两端电压和Ybus对应元素公式为S_fr V_fr * conj((V_fr - V_to) * y V_fr * jb/2)。校验环节最直接的方法是看功率不平衡量是否全部低于容差以及系统总发电和总负荷之间的差值是否等于网络总损耗。我习惯用下面这句判断total_loss np.sum(P_gen) - np.sum(P_load) # 理论上 total_loss 等于所有支路有功损耗之和如果这一项对不上说明支路潮流计算里有问题或者发电机分配功率和节点负荷数据不匹配。5. 调试实录不收敛、假收敛与数据陷阱5.1 迭代发散的第一个嫌疑导纳矩阵写这段是希望帮你少走弯路。我调试118节点程序时遇到过三次“牛顿法不收敛”每一次定位到根因都不在迭代算法本身。第一次就是前面提到的节点编号不连续导致Ybus中出现全零行矩阵不可逆。这个问题的排查方法很简单检查Ybus对角线元素是否有0或者用np.linalg.matrix_rank看秩是否等于节点数。如果Ybus没问题但依然发散就要看节点功率给定值有没有被错误赋值。比如PV节点和平衡节点的有功负荷、发电机有功出力是否正确写入了P_spec数组。一个很隐蔽的错误是发电机表和母线表都包含同一节点的数据但程序在统计负荷时又重复计入了发电功率导致总注入功率偏差很大。118节点数据里有些节点的“Pd”包含了本地负荷和发电的净值需要你对数据字段的含义有清晰理解或者用总的系统平衡关系倒推验证。5.2 变压器变比方向最容易被忽略的“定向”问题第二个典型坑是变压器变比方向。案例118数据里有相当一部分支路是变压器变比不是1.0比如0.985、1.025之类的值。如果代码里把变比放在错误的边上首端和末端互换对结果的影响是全局性的某些区域的电压会整体偏高或偏低支路功率误差可能到几兆瓦以上。我排查这个问题的办法是取一条已知结果的支路手工计算一次Yn矩阵中对应元素的期望值和程序导纳矩阵比对。另外注意变压器在数据文件里往往表现为tap列不为1或不为0取决于格式而普通线路的tap列固定为1。代码里要避免把普通线路的变比也当作实际变比参与计算。5.3 “假收敛”比不收敛更可怕第三种情况是程序显示收敛但计算结果不合理。最常见的原因是容差设得太粗糙。比如把收敛判据设为1e-3迭代两三次就停了结果看起来还算正常但功率不平衡量还有几十千瓦到几百千瓦的误差对后续要做灵敏度分析或最优潮流的人来说误差会被放大。个人建议容差至少设到1e-6牛拉法二次收敛多迭代那两三步代价极低。另一个“假收敛”现象是PQ节点电压低于0.85或高于1.15这在物理上其实已经不合理了但程序不会报错。这说明你的数据里可能有支路参数或者负荷输入不对或者系统本身处于电压不稳定状态。118节点原始数据在额定工况下所有节点电压都在合理范围内如果出现越限几乎可以肯定是数据预处理有问题。5.4 用标准算例结果作对照调试的时候一定要找一份“参考答案”。Matpower的runpf(case118)跑出来的结果就值得作为对照基准。对比项目不需要太细先对几个平衡节点的注入功率再对若干关键母线的电压幅值相差在1e-3以内基本可以认为程序正确。如果只对部分节点对得上其他节点偏差明显就得怀疑是某个区域的支路参数映射错了。6. 结果校验与扩展方向6.1 判据清单怎么知道程序真的跑对了综合前面内容我整理了一个简单的验证清单建议每次跑完程序都过一遍最大功率不平衡量是否小于1e-6有功、无功分别看平衡节点的有功出力是否在合理范围不要出现负数除非特殊工况所有PV节点的无功出力是否在发电机无功上下限范围内支路功率损耗是否全部为正且符合量级预期与Matpower或已知标准结果对比关键节点电压误差是否在1e-3以内如果上面五个都通过那这个程序的正确性基本可以放心了。6.2 从潮流计算出发还能做什么118节点数据跑通潮流之后我特别建议往三个方向扩展。第一个是连续潮流Continuation Power Flow在负载逐渐增加的过程中观察电压崩溃点这对理解电压稳定性非常有帮助118节点的规模正好能体现出不同区域电压下降的差异。第二个是最优潮流OPF在满足潮流方程和运行约束的前提下优化发电成本或网损程序的核心就在潮流求解器基础上加一个优化器。第三个是时域仿真用动态模型替换静态功率模型观察扰动后的系统响应但这个方向对数据和模型要求更高可以等你把静态潮流吃透了再碰。另外如果你后续想处理更大规模系统118节点的调试经验可以直接迁移。重点是把Ybus构建、雅可比矩阵求解除掉硬编码的部分节点数变成几百上千时同样能跑。我在计算时习惯把雅可比矩阵的解析表达式和稀疏存储都提前做好这样在后面跑系统时不需要推倒重来。最后分享一个小技巧写潮流程序时把中间结果每一步都输出到日志文件包括每次迭代的功率不平衡量、雅可比矩阵的条件数、电压修正量的最大绝对值。条件数如果在迭代后期突然变大说明雅可比矩阵接近奇异系统可能正处于临界状态。这个指标比单看收敛标志更能提前预判问题实测下来对排查118节点数据里的各种暗坑帮助很大。本文还有配套的精品资源点击获取