1. 项目思路与需求解构：为什么要把孤岛放进可靠性评估

1.1 标题里藏的三个关键词，缺一不可

先拆一下标题：“最优孤岛划分下含分布式电源配电网可靠性评估（Matlab代码实现）”。这句话看起来很长，实际压缩成了三个问题：分布式电源怎么建模、孤岛范围怎么划分、可靠性指标怎么算。

很多人拿到这类课题会先急着写代码，这是误区。我接手这类项目时第一步永远是先把物理过程捋清楚：一条馈线上某个位置发生故障后，开关怎么动作、哪些负荷能通过联络开关转供、哪些负荷只能等修复，而DG接入后又多了第三种可能——断开故障区后，部分区域带着DG脱离主网独立运行，也就是形成孤岛。

这个“第三种可能”正是标题里“孤岛”的价值所在。传统配电网可靠性评估只考虑“故障隔离+转供+等修复”，DG接进来之后，如果单纯把DG当普通电源并网运行，故障时直接退出，那DG对可靠性几乎没有贡献。只有允许孤岛运行，DG才能在系统故障时继续带负荷。所以评估模型里必须有孤岛划分环节，否则DG接入的可靠性收益根本体现不出来。

1.2 为什么用解析法而不是蒙特卡洛

可靠性评估主流有两条路：解析法和蒙特卡洛模拟法。蒙特卡洛胜在能处理复杂时序、随机波动，但代价是计算量大，尤其当你要对十几年运行周期做大量抽样时，单次评估跑几分钟很正常，调参调得人崩溃。

这个项目我选了基于故障枚举的解析法。核心逻辑是：遍历每个可能故障的原件（馈线段、变压器、分支线），对每次故障分析开关动作和恢复策略，把影响累加起来。这种方式逻辑透明，能直观看到“哪条线故障导致哪些负荷受什么程度影响”，也方便把孤岛划分策略嵌进去。对于教学验证、方案对比这种场景，解析法完全够用，而且结果可复现。

蒙特卡洛不是不能用，只是对“最优孤岛划分”这种需要多次场景尝试的目标来说，解析法的确定性更强。我的做法是：先用枚举法把故障事件过一遍，孤岛策略作为一个可插拔模块嵌在故障影响分析里，代码结构清晰，后面想接时序负荷曲线也方便扩展。

1.3 “最优”到底优化什么

“最优孤岛划分”这个词被很多论文用滥了，落地前一定要先立项——你优化的是哪个目标。不同目标会导致完全不同的孤岛搜索结果：

• 目标A：孤岛内恢复负荷量最大，综合停电损失最小；
• 目标B：孤岛内重要负荷优先恢复，普通负荷放后面；
• 目标C：孤岛运行时的网损最小、电压最稳。

实际工程里A和B最常见，而且可以结合：先按负荷重要度排序，在满足DG出力约束的前提下，尽量把更多负荷圈进孤岛。如果DG出力不足以带起整片区域，就优先保一级负荷，必要时切除部分三级负荷。这就是我理解的“最优”——不是数学上严格全局最优解，而是在工程约束下收益最优的可行方案。

2. 核心原理梳理：DG建模、可靠性指标与故障影响分析的融合

2.1 DG出力怎么定，直接影响孤岛能否成立

分布式电源建模的粗细程度，决定了可靠性评估结果的可信度。

最简单的做法是把DG当成恒功率电源，比如光伏给一个典型出力值、风机给一个典型出力值。这样做项目速度快，物理概念也清晰，适合第一版评估。但有个隐患：孤岛形成以后，如果孤岛内负荷超过DG容量，按理论会频率崩溃，评估时必须判定“孤岛失败”，这时候该区域负荷仍然算停电。所以DG出力给多少，直接决定很多负荷“复电还是不复电”。

更精确的做法是用典型日时序曲线，24小时8760点分段。光伏白天出力大晚上为零，风电随风变化。时序模型会把可靠性评估的计算量抬上去，但结果更贴近实际。我一般建议分两步走：先用恒功率模型把整个评估框架调通，再换时序出力做敏感性分析。这样能快速定位算法问题，不至于一开始就被数据拖住。

配网里常见的DG类型包括微型燃气轮机（可控出力）、光伏（间歇性）、风电（间歇性）、储能（双向功率）。做可靠性评估时，可控型DG的孤岛成功率明显高于间歇型。如果DG配置里有储能，建模时还要考虑充放电状态和持续时间约束，这属于后话，第一版可以先忽略。

2.2 可靠性指标别只盯着SAIFI

可靠性评估最终要输出一堆指标，行业里常用的有这么几个：

• SAIFI（系统平均停电频率）：单位用户年平均停电次数，次/户·年；
• SAIDI（系统平均停电持续时间）：单位用户年平均停电小时数，h/户·年；
• CAIDI（用户平均停电持续时间）：等于SAIDI/SAIFI，表示每次停电平均持续多久；
• ENS（年缺供电量）：所有用户年损失电量之和，kWh/年；
• ASAI（供电可用率）：用户得到供电的时间比例。

很多初做可靠性的人只报SAIFI和SAIDI，这不够。孤岛策略主要影响的是故障后的恢复时间——原本要等几小时修复的负荷，现在可能几分钟内通过孤岛恢复，所以SAIDI改善幅度往往比SAIFI更显著。ENS则直接反映经济损失，如果DG容量大、孤岛成功率高，ENS下降会非常明显。这组指标放在一起，才能完整说明DG和孤岛策略的价值。

指标计算里还有个容易忽略的点：用户数怎么和负荷挂接。一般每个负荷点会给定用户数，故障影响分析时统计“受影响的用户次数”和“受影响用户时长”，最后统一归算到全系统总用户数上。如果负荷点用户数给得不准，SAIFI/SAIDI就会失真，宁可把用户数当成相对权重，也要保证一致口径。

2.3 把孤岛集成进故障模式后果分析

传统FMEA（故障模式与后果分析）流程是：对每个元件假设故障，隔离故障段，非故障段尝试联络转供，不能转供的等修复。孤岛策略加入后，逻辑变成三步：

1. 故障发生后，跳开故障段两侧开关，隔离故障；
2. 未故障的失电区域，先看是否有联络开关能转供到其他馈线，能转则转供；
3. 转供不了的部分，检查是否有DG节点在失电区域内，如果有，从DG节点出发搜索可划入孤岛的节点集合，形成孤岛。

这里的关键是，孤岛只在“上游转供不成功”的前提下搜索，因为转供恢复通常比孤岛更快更可靠。但如果联络线容量不足或转供路径过长，孤岛就是更好的选择。实际算的时候，我会先判转供再判孤岛，顺序不能反。

3. Matlab实现全流程：数据组织、故障枚举、孤岛搜索与指标累加

3.1 配电网拓扑怎么存，决定代码好不好写

配电网本质是一个树状（辐射状）图，但通过联络开关会形成闭环。存储方式我强烈建议用“支路表”而不是邻接矩阵。支路表每一行代表一条支路，包涵起点节点编号、终点节点编号、支路长度、单位故障率、修复时间、所带负荷和用户数。节点负荷可以单独用一个数组存。

这种数据结构的优势有两点：一是和CIM模型、Excel原始数据的转换直接对应；二是故障枚举时只需要遍历支路表，操作哪条支路就改哪条的状态，逻辑清晰。邻接矩阵浪费内存且稀疏度太高，33节点的系统还好，碰到上百节点的系统就开始痛苦了。

代码第一步永远是做数据检查。最常见的坑是节点编号不连续或者支路方向不一致。我遇到过原始数据里支路有些是从父节点到子节点，有些反过来，导致后续遍历找错上下游。建议读入数据后先统一方向，统一格式再往下走。这块花20分钟，后面省两小时。

3.2 故障枚举主循环的设计逻辑

故障枚举的伪代码如下：

for k = 1:size(branch, 1) % 遍历每条支路 % 1. 根据拓扑找故障段的上下游开关，断开 % 2. 识别失电区域集合 % 3. 对失电区域尝试转供 % 4. 转供失败的区域，查找DG节点，尝试孤岛划分 % 5. 基于恢复结果计算该支路故障导致的停电用户数、停电时长 % 6. 累加SAIFI、SAIDI、ENS end

这里有个细节：支路可以是线路段，也可以是配电变压器。变压器故障率和线路不一样，修复时间也不同，处理方式相同但参数分开给。

故障枚举里最容易出问题的环节是“失电区域识别”。我的实现是：故障后把故障支路从邻接表里删掉，从根节点（变电站母线）出发做深度优先搜索，凡是能连通到的节点不失电，没连通到的节点就是失电节点。这一步要小心孤岛和DG的耦合关系——失电区域里如果本身包含分布式电源节点，理论上可能自己撑起孤岛，但孤岛是否成立要满足功率约束，所以先不急着认为它恢复。

3.3 最优孤岛搜索的Matlab实现思路

孤岛搜索我采用的是广度优先的“DG为中心蔓延”策略。基本过程如下：

1. 确定失电区域内的所有DG节点；
2. 从每个DG节点出发，逐层向外搜索相邻且属于失电区域的节点；
3. 每加入一个节点，就累加该节点负荷，对比DG总可用出力；
4. 如果负荷超过出力，则按负荷优先级别从低到高依次剔除可切负荷，直到满足约束；
5. 如果剔除后仍不满足，则缩减孤岛范围，回退到上一可行状态。

这个策略假定孤岛边界是尽量包含更多负荷的“最大可行连通子图”，并按负荷重要度做切除。工程上容易实现，也比纯随机划分稳妥得多。代码核心片段如下：

% 从DG节点开始BFS搜索可行孤岛 queue = dgNode; % 初始队列为DG节点 visited(dgNode) = true; islandLoad = loadDG(dgNode); while ~isempty(queue) cur = queue(1); queue(1) = []; neighbors = find(adjTable(:, cur) & candidateSet); % 失电区域内邻居 for nb = neighbors' visited(nb) = true; % 预加入该节点，判断功率约束 newLoad = islandLoad + loadNode(nb); if newLoad <= dgCapacity islandLoad = newLoad; queue(end+1) = nb; else % 该节点超容量，按优先级评估是否可切部分负荷 % 实际代码里在这里做负荷切除判断 % 无法满足则回退，不把nb加入孤岛 end end end

实际实现里“负载切除判断”是关键。我建议给每个负荷点定义一个可切比例。一级负荷不可切，二级负荷最大可切50%，三级负荷可全切。这样孤岛划分既保了重要负荷，也留了弹性。

3.4 可靠性指标累加，口径要统一

每次故障事件处理完后，要把结果累加到总指标里。我用一个数组记录每个负荷点的年停电次数和年停电时长，最后统一归算：

% 某一故障事件的影响 failedNodes = ...; % 本次故障导致的失电节点 restoreTime = ...; % 每个节点的恢复时间 for i = 1:length(failedNodes) n = failedNodes(i); count(n) = count(n) + 1; % 停电次数+1 duration(n) = duration(n) + restoreTime(i); % 停电时长累加 end % 全部故障扫描完后： SAIFI = sum(count .* userNum) / sum(userNum); SAIDI = sum(duration .* userNum) / sum(userNum); ENS = sum(duration .* loadLevel); % loadLevel为节点平均负荷

恢复时间的确定规则要预先定清楚：转供恢复的情况，停电时间为开关操作时间；孤岛恢复的情况，停电时间为孤岛形成时间；既不能转供又不能孤岛的，停电时间为修复时间。这三个时间参数直接影响SAIDI和ENS的数值，所以不能拍脑袋。

我做项目时习惯把时间参数做成全局变量，方便批量跑敏感性分析。

4. 完整案例实操：33节点系统接入DG的可靠性对比

4.1 测试系统参数配置——数据怎么给才合理

为了验证算法，我搭建了一个33节点辐射状配电网测试系统，系统标称电压12.66kV，总负荷约3715kW加2300kvar，33个节点32条支路，经过两处联络开关与另一条馈线互联。

基础参数我按常见典型值设定：

• 馈线故障率：0.08次/年·km，平均修复时间：4小时；
• 故障隔离时间：0.2小时；
• 联络转供时间：0.5小时；
• 孤岛形成时间：0.1小时（假定DG具备快速离网切换能力）。

DG配置方面，在节点18接入一台600kW的微型燃气轮机，在节点25接入一台400kW光伏电站，节点33接入一台300kW储能系统。DG总容量1300kW，约占系统总负荷的35%。这个配置比例是故意选的——容量太小孤岛撑不起多少负荷，容量太大又不符合实际配电网渗透率。

案例里我做了三组对比：无DG（基准）、有DG但不允许孤岛运行、有DG且允许最优孤岛划分。这样能分开观察DG接入本身和孤岛策略各自带来的可靠性收益。

4.2 Matlab主程序关键节点讲解

主程序我按模块化方式来写，核心模块包括：

• 数据读入与预处理；
• 配电网拓扑分析（邻接表构建）；
• 故障枚举与影响分析；
• 孤岛搜索与功率校验；
• 指标统计与输出。

读入数据部分建议直接读Excel，列名固定，这样换系统不用改代码。预处理里最关键的步骤是把支路表的节点连接关系转换成邻接表，因为后面BFS和DFS都依赖它。

故障影响分析函数大概是这样的格式：

function [count, duration] = analyzeFault(branchIdx, data) % 1. 在邻接表中移除故障支路 % 2. 从源节点DFS判断失电区域 % 3. 遍历失电区域，先尝试转供 % 4. 转供失败区域尝试孤岛搜索 % 5. 返回受影响节点编号及各自的恢复时间 end

这个函数是整个评估程序的心脏。写好之后，主程序就是一个循环叠加指标累加，逻辑非常简单。我个人经验是尽量让函数单一职责，别把故障分析、孤岛搜索、指标累加全写在一个大循环里，不然调参的时候寸步难行。

4.3 实测结果解读：孤岛带来多少“弹性”

三组场景运行结果如下（数值为33节点测试系统下的仿真结果）：

结果有几个值得关注的点：

一是“有DG但不允许孤岛”相比基准几乎没有改善。这验证了我前面说的：DG如果故障时直接退出，等于白装，甚至因为DG接入带来的保护配合变化，极端情况下可靠性还可能下降。

二是“允许孤岛”后SAIDI的降幅（35.3%）比SAIFI的降幅（30.8%）更明显。原因不难理解：孤岛策略主要缩短的是故障后的恢复时间，而SAIFI反映的是“发生了几次停电”，后者更多取决于故障隔离的范围控制。

三是ENS下降了37.9%，幅度最大。原因是孤岛成功率高时，原本要停数小时的大量负荷，最短可能只需要0.1小时就能复电，损失电量自然大幅减少。

如果从负荷点来看，DG附近的负荷节点受益最明显。比如节点19到22这一带，因为靠近燃气轮机，几乎所有上游故障导致的失电都能通过孤岛恢复，停电时间几乎可以忽略。而末端节点离DG远又没有联络线，改善幅度就小得多。这个分布规律对规划很有参考价值：DG落点如果靠近重要负荷且孤岛范围覆盖得好，可靠性收益最显著。

4.4 结果可视化：画图让人一眼看懂改善

Matlab里我习惯用三种图来呈现结果：

第一是柱状图，对比三组方案的SAIFI/SAIDI/ENS，最直观。用bar函数加误差条，颜色区分清晰。

第二是节点停电年时长分布图，用bar画每个节点在“有孤岛”和“无孤岛”下的停电时长，能看到DG近端改善大、远端改善小的空间差异。

第三是ENS累积曲线，按节点从高到低排序画累积停电损失电量，能快速定位“改善收益最大的前几个节点”，对后续DG扩容和联络开关规划都有指导意义。

画图代码不复杂，但我建议一定把坐标标签和单位写清楚，否则过两周自己回来看图都得猜数据是什么。

5. 常见问题与排查技巧实录

5.1 故障后DFS判断失电区域时无限递归

Matlab默认递归深度有限，如果配电网节点上百级，DFS递归写法很容易直接崩掉。我在节点超过80的网格系统上踩过这个坑。

解决方式是改用栈模拟递归，或者直接用图遍历函数。Matlab里可以自己写栈：

stack = rootNode; while ~isempty(stack) cur = stack(end); stack(end) = []; visited(cur) = true; % 找邻居，未访问则压栈 end

这个写法对上千节点的系统也毫无压力，而且代码可读性不差。另外一个容易搞混的点是：遍历完失电区域之后，记得恢复被删除的故障支路，否则下一轮故障模拟会从错误的拓扑开始。

5.2 孤岛功率校验用错负荷单位

这是我最常看到的问题之一。配电网里负荷既接近有功功率又有无功功率，孤岛功率平衡必须同时校验有功和无功。不少初版代码只校验了有功，导致算出来的孤岛成功率虚高。实际上DG无功容量不够时，孤岛电压可能根本撑不住。

我的建议是给每个DG设置无功上限，孤岛校验时同时检查：

if (activePowerLoad <= activePowerDG) && (reactivePowerLoad <= reactivePowerDG) % 孤岛可成立 else % 孤岛无法成立 end

如果DG本身无功容量不足，而孤岛区域又有无功补偿装置，可以把补偿容量也加进来一起算。这部分逻辑虽然简单，但对结果影响很大。

5.3 开关操作时间千万不能随手填

SAIDI对恢复时间的敏感性极高，因为恢复时间直接进时长累加。我在做敏感性分析时发现：孤岛形成时间从0.1小时改成0.5小时，SAIDI就可能从5.52涨到6.4，整个“孤岛改善效果”的结论会被削弱很多。

实际操作中，孤岛形成时间取决于DG控制方式和开关自动化水平。具备自动同期功能的DG，黑启动并网速度快；手动操作联络开关就可能需要0.5到1小时。这些参数必须结合工程实际来填，否则评估结果偏乐观或偏悲观都会误导决策。

建议做一次敏感性分析，输出“恢复时间参数 vs SAIDI/ENS”的表格，看结果对参数依赖有多大。敏感性分析结果本身也是项目交付的一部分，能体现评估工作的严谨性。

5.4 拓扑有环时孤岛搜索被干扰

配电网正常运行是辐射状，但联络开关闭合后就有环。故障状态下，如果联络开关参与转供，暂态拓扑里会形成环网。DFS/BFS搜索时如果访问标记处理不当，环会引发重复遍历，甚至死循环。

我的处理办法是：每次搜索都建立全新的访问标记数组，并把联络开关当作可选的边，转供路径搜索和孤岛搜索分别使用不同的规则集。孤岛搜索有一条隐含约束：孤岛内部必须保持辐射状，这样保护逻辑才成立，否则孤岛内部出现环，保护配合会大乱。在代码上，孤岛搜索的“扩展边”仅限制在原来配电网的辐射状拓扑范围内。

5.5 指标累加四舍五入导致结果异常

Matlab里浮点数累加通常没问题，但如果把节点停电次数定义成整型，再跟故障率这种小数相乘，会损失精度。我统一用double，在最后输出时才格式化。

此外，支路故障率很小、负荷年停电时长很大的组合，乘出来是典型的“大数×小数”，累加过程中浮点误差会累积。建议最后输出时统一保留4位小数，别在中间过程里做round操作，不然SAIFI算出2.4302和2.4307这样差一个数量级的噪声，谁也看不出来问题在哪。

5.6 问题速查表

6. 扩展方向的一点建议

这个项目做完，如果想继续往深走，我个人最推荐三个扩展方向：一是把负荷从定点值换成时序变化曲线，在8760小时负荷场景下重新评估，这样能更准确捕捉DG出力和负荷的时序匹配度，尤其对光伏这种白天发电的DG，效果差异很大。二是把目标函数改成经济性优化，把停电损失、DG发电成本、开关操作成本统一折算成综合年费用，这样孤岛划分的“最优”就从技术最优升级到了经济最优。三是接入多目标优化算法，比如用粒子群或非支配排序遗传算法，同时优化孤岛范围、开关状态和DG出力，产出的结果更有研究价值。

如果只是想把现有项目包装得更完整，还可以加一份完整的报告模板，包括输入数据说明、评估流程、灵敏度分析和结论，这在做课程设计或者项目交付时很加分。个人体会是：可靠性评估项目最花时间的永远不是算法主程序，而是数据准备和结果合理性校验。Matlab代码本身几百行就能跑通，但要把结果解释得让听的人信服，功夫通常都在代码之外。