简介：这份资源面向电力系统分析与MATLAB编程的学习者，聚焦IEEE33节点辐射状配电网，用前推回代法完成潮流计算。前推回代法利用配电网节点导纳矩阵高度稀疏的特点，通过前向替换与后向回代两步迭代求解各节点电压与功率分布，相比常规方法在存储与计算量上更具效率，适合教学演示与小型课题研究。压缩包为rar格式，共3个文件，包含2个txt数据文件与1个m脚本文件，分别用于存放支路参数、节点信息以及前推回代算法的实现代码，整体约2KB，结构精简。已有730人学习下载。读者可据此解析网络拓扑与节点数据，在MATLAB中运行脚本，观察节点电压、线路潮流与发电机出力等结果，进而理解辐射网潮流计算的完整流程与收敛特性，为电力系统分析实践提供可复用的代码与数据基础。

1. 配电网潮流计算里，为什么 IEEE33 节点成了前推回代法的试金石

如果你做过配电网自动化、分布式光伏接入分析或者台区线损治理，大概率绕不开一个组合：IEEE33 节点系统 + 前推回代法。这个标题说的就是——拿标准 IEEE33 节点配电网算例，用前推回代（Backward/Forward Sweep，也叫前推回代法潮流计算）跑一遍潮流，求出每个节点的电压幅值和相角、每条支路的功率损耗。它解决的是辐射状配电网潮流收敛问题，适合刚接触配电网分析的新手拿来练手，也适合需要快速验证接入方案的老手做基准测试。

为什么偏偏是 IEEE33？因为它是一个 33 节点、32 条支路的辐射状配电网标准算例，总负荷约 3.715 MW + 2.3 MVar，基准电压 12.66 kV，结构足够真实又不至于大到让人望而生畏。而前推回代法之所以成为配电网潮流的经典解法，核心原因是配电网的 R/X 比值大、节点多呈辐射状，牛顿-拉夫逊法在这种场景下容易因为雅可比矩阵病态而翻车，前推回代法却天然适配辐射结构，不需要求逆矩阵，收敛稳定。下面从原理到代码，把这条路走通。

2. 前推回代法的数学骨架与 IEEE33 数据准备

2.1 前推回代的两步迭代逻辑

前推回代法的核心思想非常朴素：利用配电网的辐射状拓扑，把潮流计算拆成两个交替执行的过程。

回代（Backward Sweep）：从末端节点向根节点推进，假设所有节点电压已知（第一次迭代用额定电压），逐条支路计算电流和功率损耗。对于支路 ( l )，从末端节点 ( j ) 流向首端节点 ( i ) 的电流为：

[ I_{ij} = \left(\frac{S_j}{V_j}\right)^* + \sum_{k \in \text{子节点}} I_{jk} ]

其中 ( S_j ) 是节点 ( j ) 的负荷功率，( V_j ) 是节点 ( j ) 的电压，求和项是该节点所有下游支路电流之和。

前推（Forward Sweep）：从根节点向末端节点推进，利用回代得到的支路电流，逐段更新节点电压：

[ V_j = V_i - Z_{ij} \cdot I_{ij} ]

其中 ( Z_{ij} ) 是支路 ( ij ) 的阻抗。

两步交替执行，直到相邻两次迭代所有节点电压幅值的最大偏差小于收敛阈值（通常取 ( 10^{-4} ) 到 ( 10^{-6} ) p.u.）。这个方法的收敛性依赖于辐射状拓扑和合理的初始电压假设，一般 5 到 15 次迭代就能收敛。

2.2 IEEE33 节点系统的数据结构

IEEE33 节点系统的原始数据通常以支路表形式给出，每条支路包含首端节点、末端节点、电阻、电抗和末端节点负荷。标准数据如下（部分展示）：

基准值：基准电压 ( V_{base} = 12.66 ) kV，基准功率 ( S_{base} = 10 ) MVA。所有阻抗和功率都需要转换为标幺值后再参与计算。

注意：IEEE33 节点系统存在多个版本，主要区别在于是否包含联络开关支路。做纯辐射状潮流时，只取前 32 条支路，联络开关断开。

2.3 用 Python 构建节点支路关联矩阵

前推回代法需要知道每个节点的父节点和子节点列表，才能正确执行回代和前推。下面这段代码把支路表转换成邻接关系：

import numpy as np # IEEE33 支路数据: [首端, 末端, R(Ω), X(Ω), P(kW), Q(kVar)] branch_data = np.array([ [1, 2, 0.0922, 0.0470, 100, 60], [2, 3, 0.4930, 0.2511, 90, 40], [3, 4, 0.3660, 0.1864, 120, 80], # ... 此处省略中间支路，实际使用时补全 32 条 [32, 33, 0.3410, 0.5302, 60, 20] ]) V_base = 12.66 # kV S_base = 10.0 # MVA Z_base = V_base**2 / S_base # Ω # 转换为标幺值 R_pu = branch_data[:, 2] / Z_base X_pu = branch_data[:, 3] / Z_base P_pu = branch_data[:, 4] / 1000 / S_base Q_pu = branch_data[:, 5] / 1000 / S_base # 构建父子关系 n_branch = len(branch_data) n_node = 33 parent = np.zeros(n_node + 1, dtype=int) # parent[i] = 节点 i 的父节点 children = [[] for _ in range(n_node + 1)] for i in range(n_branch): frm = int(branch_data[i, 0]) to = int(branch_data[i, 1]) parent[to] = frm children[frm].append(to) # 确定节点计算顺序（从末端到根节点的拓扑排序） order = [] stack = [1] while stack: node = stack.pop() order.append(node) for c in children[node]: stack.append(c) # 回代顺序: 从末端到根节点 backward_order = order[::-1]

这段代码做了三件事：把物理量转成标幺值、建立父子节点映射、生成回代所需的逆拓扑顺序。parent数组用于前推时找父节点，children列表用于回代时累加下游电流，backward_order保证回代时先算末端再算首端。参数方面，Z_base由基准电压和基准功率决定，如果换用不同的基准功率，所有标幺值都要重新计算。

3. 从零实现前推回代：核心迭代代码与参数设置

3.1 回代过程：逐支路累加电流

回代的关键是从末端节点开始，把每个节点的负荷电流和下游支路电流累加起来。下面是对应实现：

def backward_sweep(V, R_pu, X_pu, P_pu, Q_pu, parent, children, backward_order): """回代过程：计算各支路电流""" n_node = len(V) - 1 I_branch = np.zeros(n_node, dtype=complex) # 支路电流，索引为末端节点编号 for node in backward_order: if node == 1: # 根节点无负荷 continue # 节点负荷电流 S_load = P_pu[node-1] + 1j * Q_pu[node-1] I_load = np.conj(S_load / V[node]) # 累加子节点电流 I_sum = I_load for c in children[node]: I_sum += I_branch[c] I_branch[node] = I_sum return I_branch

回代的核心逻辑是：对每个非根节点，先算自身负荷电流，再把所有子节点传上来的电流加进去，得到流经该节点父支路的电流。I_branch用末端节点编号索引，因为每条支路唯一对应一个末端节点。这里用np.conj取共轭是因为功率定义 ( S = V \cdot I^* )。

3.2 前推过程：逐段更新电压

前推从根节点出发，沿着拓扑顺序往下走，用回代得到的电流更新每个节点电压：

def forward_sweep(V_slack, I_branch, R_pu, X_pu, parent, order): """前推过程：更新节点电压""" n_node = len(parent) - 1 V = np.zeros(n_node + 1, dtype=complex) V[1] = V_slack # 根节点电压 for node in order: if node == 1: continue p = parent[node] Z = R_pu[node-1] + 1j * X_pu[node-1] V[node] = V[p] - Z * I_branch[node] return V

前推的逻辑更直接：每个节点的电压等于父节点电压减去支路阻抗压降。order是从根节点开始的拓扑顺序，保证算到某个节点时其父节点电压已经更新完毕。V_slack通常设为 1.0 p.u.，也可以根据实际变电站出口电压调整。

3.3 主迭代循环与收敛判据

把回代和前推串起来，加上收敛判断：

def forward_backward_sweep(branch_data, V_base=12.66, S_base=10.0, tol=1e-6, max_iter=100): """前推回代法主程序""" # 数据预处理 Z_base = V_base**2 / S_base R_pu = branch_data[:, 2] / Z_base X_pu = branch_data[:, 3] / Z_base P_pu = branch_data[:, 4] / 1000 / S_base Q_pu = branch_data[:, 5] / 1000 / S_base n_node = 33 parent = np.zeros(n_node + 1, dtype=int) children = [[] for _ in range(n_node + 1)] for i in range(len(branch_data)): frm, to = int(branch_data[i, 0]), int(branch_data[i, 1]) parent[to] = frm children[frm].append(to) # 拓扑排序 order = [] stack = [1] while stack: node = stack.pop() order.append(node) for c in children[node]: stack.append(c) backward_order = order[::-1] # 初始化 V = np.ones(n_node + 1, dtype=complex) V[1] = 1.0 + 0j # 迭代 for iteration in range(max_iter): V_old = V.copy() I_branch = backward_sweep(V, R_pu, X_pu, P_pu, Q_pu, parent, children, backward_order) V = forward_sweep(V[1], I_branch, R_pu, X_pu, parent, order) # 收敛判据：最大电压幅值偏差 max_diff = np.max(np.abs(np.abs(V) - np.abs(V_old))) if max_diff < tol: print(f"收敛于第 {iteration+1} 次迭代，最大偏差 {max_diff:.2e}") break else: print("警告：达到最大迭代次数仍未收敛") return V, I_branch, iteration + 1

主循环的逻辑是：每次迭代先保存旧电压，执行回代得到支路电流，再执行前推更新电压，然后比较新旧电压幅值的最大差值。收敛阈值tol一般取 ( 10^{-4} ) 到 ( 10^{-6} )，IEEE33 系统通常 6 到 10 次迭代收敛。max_iter设为 100 是保险值，正常不会用到。

3.4 结果验证：电压分布与网损计算

跑完之后需要验证结果是否合理。IEEE33 系统的一个典型特征是末端节点电压明显偏低，最低点通常出现在节点 18 附近，约 0.913 p.u. 左右。网损约 202 kW，占总投资荷的 5.4% 左右。

# 运行潮流 V, I_branch, n_iter = forward_backward_sweep(branch_data) # 电压幅值 V_mag = np.abs(V[1:]) print(f"最低电压节点: {np.argmin(V_mag)+1}, 电压: {V_mag.min():.4f} p.u.") # 网损计算 loss = 0 for i in range(len(branch_data)): to = int(branch_data[i, 1]) Z = (branch_data[i, 2] + 1j * branch_data[i, 3]) / Z_base loss += abs(I_branch[to])**2 * Z.real loss_kw = loss * S_base * 1000 print(f"总网损: {loss_kw:.2f} kW")

如果算出来的最低电压在 0.90 到 0.92 p.u. 之间、网损在 200 kW 上下，说明实现基本正确。偏差超过 5% 就要检查数据单位、基准值或者拓扑关系。

4. 前推回代法在 IEEE33 上的避坑与排查

4.1 迭代发散或振荡不收敛

现象：迭代 50 次以上电压偏差仍在 ( 10^{-2} ) 量级波动，或者电压越算越小直接崩掉。

原因：最常见的是回代顺序搞反了。如果从根节点开始回代，子节点电流还没算出来就累加，结果必然错误。另一个原因是负荷功率没有转成标幺值，直接拿 kW 和 kVar 当 p.u. 用，导致电流大了一个数量级。

解决：打印backward_order确认末端节点排在最前面。检查P_pu和Q_pu是否除以了S_base。如果拓扑中有环（比如把联络开关也加进来了），前推回代法直接失效，需要先做拓扑处理断开环路。

4.2 电压结果整体偏高或偏低

现象：所有节点电压都在 0.99 p.u. 以上，或者最低点低于 0.85 p.u.。

原因：基准电压设错了。IEEE33 的基准电压是 12.66 kV，如果误用 10 kV 或 13.8 kV，阻抗标幺值会偏大或偏小，直接影响压降。另一个可能是负荷数据版本不同，有些版本负荷翻倍。

解决：确认V_base = 12.66kV，S_base = 10MVA。对照标准结果：节点 18 电压约 0.913 p.u.，节点 33 约 0.916 p.u.，网损约 202 kW。如果偏差大，逐条核对支路阻抗和负荷数据。

4.3 网损算出来是负数

现象：网损计算结果为负值。

原因：电流方向定义反了。如果I_branch存的是从首端流向末端的电流，但计算时用了V[parent] - V[node]的共轭，符号会出错。另外，如果支路索引和节点编号没对齐，也会出现负损耗。

解决：统一约定I_branch[node]表示流入node的电流，方向从父节点到子节点。网损公式用abs(I)**2 * R，取模后平方必然是正数。检查branch_data的索引和I_branch的索引是否一致。

4.4 收敛速度异常慢

现象：需要 30 次以上迭代才收敛，或者收敛阈值降到 ( 10^{-6} ) 后迭代次数暴增。

原因：初始电压设得太离谱，比如全设 0.5 p.u.。前推回代法对初始值不敏感，但太离谱会多花几次迭代。另一个原因是收敛判据用了电压相角，相角在轻载时变化很小，容易过早误判收敛。

解决：初始电压统一设为 1.0 p.u.。收敛判据用电压幅值偏差，不要用相角。如果确实需要高精度，先把tol设 ( 10^{-4} ) 跑通，再逐步收紧到 ( 10^{-6} )。

4.5 节点编号不连续导致索引越界

现象：代码报IndexError，或者某些节点电压始终为初始值。

原因：IEEE33 节点编号是 1 到 33，但 Python 数组索引从 0 开始。如果parent数组大小设为 33 而不是 34，节点 33 就会越界。另外，如果支路数据中节点编号有跳号（比如缺少节点 14），拓扑排序会漏掉节点。

解决：parent、children、V数组大小统一设为n_node + 1，索引 0 不用。检查支路数据中所有节点编号是否连续覆盖 1 到 33。如果有跳号，建立编号映射表。

5. 进阶技巧：用向量化加速与多场景批量验证

把前推回代法跑通只是第一步。实际工程中经常需要批量计算几十上百个场景——不同光伏接入位置、不同负荷水平、不同线路参数。逐场景跑 Python 循环太慢，我一般会把核心迭代改成向量化形式。

回代过程可以按层并行：先算出所有节点的负荷电流向量，然后从最深层开始逐层向上累加。前推过程也可以按层并行，因为同一层的节点之间没有依赖关系。具体做法是预先计算每个节点的深度，然后按深度分组：

# 按深度分组 depth = np.zeros(n_node + 1, dtype=int) for node in order: if node == 1: depth[node] = 0 else: depth[node] = depth[parent[node]] + 1 max_depth = depth.max() layers = [[] for _ in range(max_depth + 1)] for node in range(1, n_node + 1): layers[depth[node]].append(node) # 向量化回代：从最深层的上一层开始 I_branch = np.zeros(n_node + 1, dtype=complex) S_load = P_pu + 1j * Q_pu for d in range(max_depth, 0, -1): nodes = layers[d] I_load = np.conj(S_load[nodes-1] / V[nodes]) for node in nodes: I_branch[node] += I_load[nodes.index(node)] I_branch[parent[node]] += I_branch[node]

这段代码把回代从逐节点循环改成按层处理，层内节点可以批量算负荷电流。对于 IEEE33 这种小系统提升不明显，但如果扩展到几百节点的实际馈线，速度能快 3 到 5 倍。

另一个实用技巧是热启动：批量计算时，把上一个场景的收敛电压作为下一个场景的初始电压，迭代次数能从 8 次降到 3 到 4 次。我做过一组 100 个光伏接入场景的测试，热启动比冷启动省了将近 60% 的计算时间。

验证方面，除了对照标准结果，还可以用 OpenDSS 做交叉验证。把 IEEE33 的线路和负荷写成 OpenDSS 脚本，跑一遍潮流，对比节点电压和网损。如果两者偏差在 0.1% 以内，说明前推回代实现没问题。我自己的习惯是每改一次代码就跑一次交叉验证，别等到接入方案算完了才发现潮流结果不对，那时候返工成本就大了。

希望帮到你。

本文还有配套的精品资源，点击获取