分布式电源选址定容/Matlab编程 综合考虑投资成本、电压偏移量和线路网损，构建分布式电源定容选址的数学模型，通过启发式算法求解出分布式电源配置及最优选址。 注:对分布式电源不做区分!
先搞个30节点的配电网模型练手。网络参数直接塞进矩阵里，电压基准取10kV：
bus_data = [... 1 0 0 0 0 0 1.0; 2 100 60 0 0 0 1.0; ... % 其他节点数据 30 80 40 0 0 0 1.0];目标函数得把投资成本、网损、电压偏差揉在一起。这里用加权求和法处理多目标：
function [f] = objective(x) % x = [安装位置, 容量, ...] cost_inv = sum(x(:,2) * 5000); % 假设5千元/kW loss = calc_power_loss(x); % 网损计算函数 voltage_dev = max(abs(1 - bus_voltage(x))); f = 0.5*cost_inv + 0.3*loss + 0.2*voltage_dev*10000; end注意这里的权重系数要结合实际项目调整，网损单位是kW，电压偏差得放大系数才能和成本量级匹配。
分布式电源选址定容/Matlab编程 综合考虑投资成本、电压偏移量和线路网损，构建分布式电源定容选址的数学模型，通过启发式算法求解出分布式电源配置及最优选址。 注:对分布式电源不做区分!
网损计算用前推回代法最靠谱，不过赶时间的话可以用近似公式：
function [Ploss] = fast_loss_calc(P,Q,V,R,X) I = (P - 1j*Q)./V; Ploss = real(sum(3 * (I).^2 .* (R + 1j*X))); end重点来了——启发式算法选型。经过实测，改进的遗传算法在收敛速度和精度上比较平衡：
options = optimoptions('ga',... 'PopulationSize',50,... 'CrossoverFraction',0.8,... 'MutationFcn',@mutationadaptfeasible,... 'MaxGenerations',100); [x_opt,fval] = ga(@objective,... 2*num_dg,... [],[],[],[],... zeros(1,2*num_dg),... [ones(1,num_dg)*30, ones(1,num_dg)*2000],... [],... options);这里有个坑：直接把安装位置用连续变量处理，取整的时候可能跑偏。后来改成整数编码，效果立竿见影：
IntCon = 1:num_dg; % 前num_dg个变量为安装位置 [x_opt,fval] = ga(@objective,... 2*num_dg,... [],[],[],[],... [ones(1,num_dg),zeros(1,num_dg)],... [ones(1,num_dg)*30, ones(1,num_dg)*2000],... [],IntCon,options);最后来个结果可视化，电压分布对比图最能说明问题：
figure; plot(1:30, V_base, 'r--', 1:30, V_opt, 'b-'); title('节点电压对比'); legend('原始网络','优化后'); grid on;跑完发现个有趣现象：最优位置往往出现在馈线中段而不是末端，这和教科书案例不太一样。后来排查发现是负荷分布不均导致的，说明实际项目中的数据清洗比算法本身更重要。
参数调优方面，几个经验值：
- 种群数量不要超过节点数的1/3
- 变异率初始设0.2，后期逐步降低
- 网损权重超过0.4时会出现过度投资
最后提醒：别迷信全局最优，多跑几次取Pareto解集才是王道。下次试试混合粒子群算法，说不定有惊喜呢？
