最近在做一个园区配电网的改造项目时我被一件事反复折腾了很久分布式光伏越装越多储能柜也开始成片部署但继续沿用过去“单点校核、单点接入”的老路子配电网馈线末端的电压越限、台区重载等问题根本堵不住。业内都在说要做集群划分——把电气上强耦合、地域上又相互靠近的节点绑定成一个虚拟集群再在这个集群内部统一做光伏承载能力评估、储能配置和运行协调。想法确实没错但真正落地的时候我才发现一个很关键的问题划分集群不能光看电气指标还得把楼宇的空间布局考虑进去。这里说的楼宇空间布局不是简单指“这几栋楼挨得近不近”而是指楼宇的朝向、间距、屋顶可用面积、阴影遮挡关系以及周边道路阻隔等一整套空间属性。它们直接影响光伏的实际出力上限、负荷的空间分布形态、储能站址的选择以及电缆走廊的可行走向。不考虑这些信息做出来的集群划分往往在图纸上很漂亮一到现场踏勘就崩。这篇文章就把我这一段摸索期总结下来的思路和代码实现写清楚包括空间特征怎么量化、如何和电气特征融合进聚类模型、Matlab里怎么实现带空间约束的谱聚类算法以及做出来的集群方案到底该怎么解读。适合正在做配电网规划、分布式能源接入评估或者研究主动配电网集群控制的同行参考。1. 大规模配电网的集群划分困局为什么电气距离优先的思路不够用1.1 传统聚类方法在配电网场景里的先天局限一般的聚类思路是把每个节点当成一个样本取它的负荷、光伏出力、历史电压等特征然后跑K-means或者层次聚类。这种方法在数据挖掘里没有问题但用到配电网规划上会立刻露怯。配电网本质上是图结构节点之间通过馈线、变压器、开关相连电气上的“接近”不完全等价于地理位置上的“接近”更不等于物理可实施意义上的“接近”。比如有两个负荷节点电气距离很近——中间就隔了一台柱上变——但实际空间上可能横跨一条城市主干道。若按照电气特征聚类软件完全可能把它们划进同一个集群。等到做集群内储能选址或者光伏并网方案的时候才发现必须跨越道路重新拉一条电缆工程成本直接翻倍。另一个问题在于传统聚类方法只关注“属性相似”。K-means本质上最小化样本到簇中心的欧氏距离它对特征空间的假设是球形的遇到明显的非凸簇或条带状的沿馈线分布的节点聚类结果很容易出现“东一块西一块”的状况。越是靠近馈线末端的节点这种错位越严重。聚类结果的稳定性也差稍微改动几个样本的负荷值簇的边界就大变样。1.2 楼宇空间布局到底携带了什么关键信息把“楼宇”引入集群规划是因为中低压配电网的绝大多数节点最终都落在具体的建筑群中。建筑本身不是抽象的载荷点它携带了大量与规划直接相关的空间信息我梳理下来至少有四类第一类是屋顶光伏潜力差异信息。不同楼宇的屋顶可用面积、平面形状、朝向、周边建筑的遮挡情况完全不同。两栋相邻办公楼一栋正南朝向、屋顶无遮挡一栋被高层塔楼压在阴影里它们在光伏出力曲线上的差异可以达到30%以上。集群划分如果忽视这种差异把光伏潜力天差地别的节点绑定在一起后续算集群总装机上限时误差会非常大。第二类是负荷形态的空间分布信息。同一片园区里住宅楼、商业综合体、办公楼、学校建筑的负荷曲线相位不同峰值出现时刻不同。空间位置上相邻的楼宇往往功能属性相似这意味着它们的负荷曲线之间天然存在较强的相关性。聚类的时候把这个信息编码进相似度矩阵划出来的集群在协调控制阶段会有更好的互补性。第三类是物理连通的约束信息。楼宇之间如果有城市道路、河道、不可穿越的工业地块电缆通道就需要绕行拓扑上的连接代价会增加。不考虑这些硬约束的簇边界在工程实施阶段往往是无法落地的。把空间障碍信息纳入距离计算本质上是在给聚类模型添加一组“成本先验”。第四类是集群运行管理的单元信息。实际运维时一个集群最好对应一个较完整的供电分区便于设置统一的保护定值、调度界面和运维班组。楼宇街区的天然边界——比如道路、绿带、河道——通常是运维分区习惯性采用的边界和电网调度的片区划分有极强的对应关系。1.3 集群划分在规划阶段要达成的目标做规划不是发论文集群划分最终要服务几个具体的东西一是精细化的光伏可开放容量评估把楼宇屋顶可装机潜力集合到集群层级计算二是储能的集群级配置以集群为单位求解最优储能容量和落点三是配电网的分区自治能力保证集群故障时可以切分为独立运行单元或者至少具备灵活的运行重构能力。所以一个合格的集群划分方案至少要满足三个条件集群内部的电气耦合和空间耦合都足够强集群边界与可实施的供电范围一致各个集群的可开发资源总量、负荷规模比较均衡避免出现一个集群大得离谱、另一个集群小得没法独立运行的情况。这些目标相互制约纯靠人工画图定边界既主观又低效把楼宇空间布局引入聚类算法就是为了让软件自动给出满足上述硬条件的候选方案人再去调优。2. 楼宇空间信息的量化方法从楼栋坐标到空间耦合度2.1 空间数据的预处理与坐标体系选择空间信息进入聚类模型之前第一步是建立一套统一的局部坐标体系。直接从地图平台上拿到的大地经纬度在高纬度地区会产生明显的距离畸变直接拿来计算欧氏距离会引入系统性偏差。实际操作中我习惯把经纬度转换到局地切平面坐标或者干脆在CAD总图上做坐标提取。工业园区的规划CAD图一般都有完整的楼宇轮廓线和道路中线这是做空间聚类的绝佳输入。得到每个楼宇节点的平面坐标后还要登记一组楼宇属性建筑类型住宅、商业、办公、教育、工业、建筑层数、屋顶可利用系数、南向等效面积、周边遮挡系数。这组属性是为了后续计算光伏潜力系数。没有实测数据的情况下光伏潜力系数可以按经验公式估算可用屋顶面积乘以日照修正系数再根据建筑朝向乘一个方向折减系数。日照修正系数的取值可以参考周边有无高层遮挡主导风向上的灰尘沉积情况也可以适当考虑。2.2 空间距离的障碍修正与遮挡分析空间距离矩阵不能简单用欧氏距离一步到位需要做障碍修正。城市环境中最大的障碍是道路。我的做法是先把主干道、河渠、铁路线路等不可穿越区域在平面图上标注出来然后计算两栋楼宇之间的“可布缆绕行距离”而不是直线距离。具体可以借助栅格化地图做最短路径搜索把每条楼宇走廊的通行代价矩阵算出来。如果项目范围不大也可以人工定义穿越障碍的惩罚系数比如两楼宇之间需要横穿主干道就在空间距离上额外加100米的等效绕行距离。楼宇之间的阴影遮挡同样值得量化尤其在光伏比例高的园区。南北相邻的两栋楼前排楼高且间距小时后排楼的南向屋面在冬季可能出现长时间遮挡。这种遮挡关系可以通过楼高、楼距和太阳高度角的几何关系做初步估算。简化处理时可以给每栋楼定义一个“冬季日照时长系数”直接把低日照节点在空间特征上的优势权重压低。这样聚类算法在划分集群时自然会把日照优势节点和劣势节点区分开不会强行把阴影严重的楼宇和光伏潜力大的楼宇绑成一个“光伏集群”。2.3 电气特征与空间特征的融合策略空间距离矩阵算好之后面临的关键问题是如何和电气距离矩阵融合。电气距离可以使用基于阻抗矩阵的电气距离定义也可以用潮流灵敏度矩阵计算。前者侧重网络拓扑结构后者反映运行状态的变化传播关系。规划阶段的建议用阻抗矩阵定义的电气距离因为它不依赖某个特定运行工况稳定性和通用性更好。融合方式我推荐指数衰减相似度矩阵加权。空间相似度矩阵用S_spatial(i, j) exp(-d_spatial(i, j)^2 / (2 * sigma_s^2))电气相似度矩阵同理用电气距离构造。然后把两个矩阵加权合成S_total alpha * S_spatial (1 - alpha) * S_electricalalpha就是空间权重系数。这个式子虽然简单但实际效果很好。空间项保证集群的空间紧凑性和工程可实施性电气项保证集群内的电气耦合强度。权重的确定不靠拍脑袋可以做一轮alpha扫描观察集群轮廓系数或者模块度指标的变化曲线选取曲线平台期对应的alpha区间。我在案例里取alpha 0.6空间信息的主导地位是够的但电气特征仍然能有效修正单纯空间聚类的偏差。3. Matlab代码实现带空间约束的谱聚类完整流程3.1 输入数据组织与相似度矩阵构造Matlab代码的第一步是把节点数据整理成表格。对于中小规模园区几十到几百个节点是常见范围直接用矩阵运算效率完全够。我的输入表结构一般是这样楼宇ID、横坐标x、纵坐标y、建筑类型编码、最大光伏可装容量、负荷峰值、阻抗电气距离矩阵。电气距离矩阵如果拿不到现成数据可以用节点间馈线阻抗等信息构造。关键代码片段如下% 载入楼宇数据表 buildingData readtable(building_data.xlsx); n height(buildingData); x buildingData.x; y buildingData.y; pvCap buildingData.pv_potential; loadPeak buildingData.peak_load; typeCode buildingData.type_code; % 空间距离矩阵带障碍修正的等效距离这里用欧氏距离示意 d_spatial zeros(n, n); for i 1:n for j 1:n d_spatial(i, j) sqrt((x(i)-x(j))^2 (y(i)-y(j))^2); end end % 如果楼宇之间有道路阻隔需手动叠加绕行代价矩阵 d_detour % d_spatial d_spatial d_detour; % 电气距离矩阵可由阻抗矩阵计算得到 % d_electrical computeElectricalDistance(impedanceMatrix); % 空间相似度矩阵 sigma_s 150; % 空间尺度参数单位米需要根据园区尺度调节 S_spatial exp(-d_spatial.^2 / (2 * sigma_s^2)); S_spatial S_spatial - diag(diag(S_spatial)); % 电气相似度矩阵 sigma_e 0.1; % 电气距离尺度参数 S_electrical exp(-d_electrical.^2 / (2 * sigma_e^2)); S_electrical S_electrical - diag(diag(S_electrical)); % 融合 alpha 0.6; S_total alpha * S_spatial (1 - alpha) * S_electrical;这组代码看着简单但有一处容易翻车sigma_s的取值对聚类结果影响极大。如果园区尺度只有几百米sigma_s取150米可能偏大如果园区有几条馈线跨越两公里150米又太小。我的经验是先统计所有节点对空间距离的中位数再取中位数的30%到50%作为sigma_s的基准值然后观察聚类轮廓系数做微调。sigma_e则要看电气距离的数值量级通常是先归一化处理再取0.05到0.3之间的值。3.2 谱聚类核心代码与边界处理谱聚类天然适合配电网这种图结构数据。它的思路是把节点看成图的顶点相似度看成边的权重然后对图的拉普拉斯矩阵做特征分解取前K个特征向量做K-means聚类。背后的直觉是拉普拉斯矩阵的低维特征向量保留了图最重要的划分信息在低维空间聚类相当于在“图的平滑趋势”上做分割这是普通K-means做不到的。Matlab实现谱聚类的核心代码% 构建归一化拉普拉斯矩阵 D diag(sum(S_total, 2)); D_inv_sqrt diag(1 ./ sqrt(diag(D) 1e-10)); L_sym eye(n) - D_inv_sqrt * S_total * D_inv_sqrt; % 求前 K 个最小特征值对应的特征向量 [V, ~] eigs(L_sym, K, smallestabs); % 对特征向量逐行做归一化 V_norm V ./ sqrt(sum(V.^2, 2) 1e-10); % 对特征空间做 K-means 聚类 clusterLabels kmeans(V_norm, K, Replicates, 20, MaxIter, 500);这里有两个细节。第一eigs的smallestabs选项在矩阵接近奇异时可能收敛慢我一般先给D的对角线加一个很小的正则项1e-10稳定矩阵求逆。第二K-means对初始质心敏感Replicates设到20以上虽然计算量上升但结果稳定性大幅提高。对于小于500个节点的场景这点计算开销完全可以接受。3.3 聚类有效性与结果可视化聚类完成后不能直接进入规划计算要先做有效性评估。最常用的指标是轮廓系数反映集群内紧密度和集群间分离度的综合水平。取值范围-1到1越大越好。在配电网集群划分场景轮廓系数不低于0.3可以认为方案可接受低于0.2就需要怀疑K值或特征融合是否合理。% 轮廓系数 sil silhouette(V_norm, clusterLabels); meanSil mean(sil); fprintf(平均轮廓系数: %.4f\n, meanSil); % 统计每个集群的资源量 for k 1:K idxK (clusterLabels k); fprintf(集群%d: 节点数%d, 光伏总量%.2f MW, 负荷峰值%.2f MW\n, ... k, sum(idxK), sum(pvCap(idxK)), sum(loadPeak(idxK))); end可视化这一步千万别省。我见过很多项目停留在打印标签的阶段但集群划分是空间决策必须画图。Matlab里做一个散点图按集群着色同时把楼宇编号和空间位置画出来一眼就能看出边界是否合理。figure; gscatter(x, y, clusterLabels); xlabel(x坐标 (m)); ylabel(y坐标 (m)); title(考虑楼宇空间布局的集群划分结果); legend; grid on; % 保存高清图 exportgraphics(gcf, cluster_result.png, Resolution, 300);4. 典型园区案例48栋楼宇集群划分方案对比4.1 案例参数设定为了验证整套思路我构造了一个典型的园区算例。园区面积约800米乘600米内部有48栋主要楼宇类型涵盖办公楼、研发楼、厂房、宿舍和商业配套楼高4至12层不等。各楼宇的屋顶可利用系数取0.4到0.7南向等效面积根据朝向做了修正光伏可装容量分布在0.1兆瓦到0.8兆瓦之间。配电网拓扑按双放射式供电设计电气距离矩阵由节点间馈线阻抗计算得到。目标是把这48个节点划分成5个集群每个集群的负荷规模控制在3到8兆瓦之间。数据组织好后分别跑了两种方案方案A是纯粹的电气特征K-means只输入负荷峰值和光伏可装容量方案B是用上文说的空间约束谱聚类融合空间距离和电气距离alpha取0.6目标K同为5。两组方案的输出都做了资源统计和空间边界检查。4.2 两组聚类结果的直观对比先看方案A的问题。纯电气特征K-means划分出的集群空间上呈现出明显的碎片化特征。有几个楼宇在电气距离上很近物理上却隔了一条园区主干道被硬划在一起另有一个集群横跨园区东侧和西侧呈长条状伸展实际运行时根本无法作为一个独立单元管理。再细看集群内部的光伏潜力少数集群内同时包含了屋顶日照条件极好的低层建筑和长期被遮挡的高层裙房后续计算集群级光伏可开放容量时平均值被拉低最保守的做法是整个集群的可开放容量要向劣势节点看齐造成浪费。方案B展示出的结果逻辑明显更清晰每个集群在平面上基本都落在园区的小街坊范围内边界与主要道路基本对齐集群内的电气距离均值比方案A降低了约22%说明电气耦合也更紧集群间的光伏潜力差异相对缩小最大的集群光伏总量约2.3兆瓦最小约1.5兆瓦大体均衡。集群轮廓系数从方案A的0.21提升到方案B的0.36提升幅度足够显著。4.3 从集群统计信息里读出规划含义集群划分最终的输出不应该只是几个标签而是一套可用于后续规划的统计卡片。对每个集群我建议至少给出四类信息集群节点清单和空间范围描述光伏可开发总容量与单位面积容量负荷总量与同时率修正后的峰值集群与外部电网的连接点。有了这些卡片规划人员可以直接判断某个集群是否需要配置储能、配变容量是否足够、并网开关位置合不合理。这个案例里方案B划分出的集群2落在园区西南角楼宇以厂房为主屋顶面积大且遮挡少光伏总量最高。但这个集群的负荷峰值并不高典型的“富光少荷”下一步规划就需要考虑配置储能或者在集群内引入充电桩负荷来提升光伏就地消纳比例。集群4的情况相反研发楼和办公楼密集负荷峰值高但屋顶面积小、光伏潜力低更适合作为受端集群规划重心放在供电可靠性提升和需求侧响应能力建设上。这些针对性的规划建议都是建立在空间信息被正确编码进聚类模型的前提之上的。5. 落地过程中的常见问题与调整建议5.1 楼宇空间数据精度不足时的应对办法现实项目经常拿不到高质量的空间数据最常见的两种情况是CAD图纸上只有总平面图楼宇高度和屋顶结构信息缺失或者只有房屋轮廓坐标没有建筑功能标识。我的经验是不要因为数据不完整就放弃空间约束可以先做“降级量化”。没有楼高信息时日照遮挡系数先统一取1等现场勘测后回代没有建筑功能标识时用负荷曲线形状或者用电量水平来做聚类特征补全。空间距离的精度要求可以适当放宽因为聚类算法对距离矩阵的微小扰动并不十分敏感但楼宇坐标的坐标系统一和异常点剔除一定要做扎实否则个别错位节点会把整个集群的边界拉变形。5.2 K值选择与alpha权重的调试K值是最难定但又必须定的参数。我推荐先跑一组K值扫描从3到10每个K计算平均轮廓系数和集群规模方差。轮廓系数开始下降且集群规模方差明显变大的位置通常就是合理的最大K值。之后再结合规划需求比如运维管理单元的数量要求、开关站容量限制等确定最终K。不要指望算法自动给出唯一正确答案集群划分本质上是一个有业务约束的决策问题算法给出的是高质量候选人做最终裁决。alpha权重同样建议做敏感性分析。把alpha从0.1扫到0.9观察每个取值下的集群空间紧凑度和电气耦合度变化。通常能找到一个区间在这个区间里两类指标都比较稳定alpha就落在区间内。我测试的结果是空间距离矩阵和电气距离矩阵经过尺度调整后alpha在0.5到0.7之间时结果综合表现最好这和“空间约束做基础、电气耦合做修正”的预期一致。5.3 计算性能与大规模场景扩展超过1000个节点后稠密相似度矩阵的存储和特征分解成本会快速上升。好在配电网天然的拓扑结构允许我们利用稀疏性。我建议将相似度矩阵中小于阈值的元素直接置零再用稀疏矩阵存储。谱聚类在大规模图上可以使用兰德森-维特雷克或Nyström近似算法降低特征分解代价。对一般规划项目上千节点的园区已经算很大了多数情况下几百节点的稠密计算完全能接受。考虑扩展的同行可以先把矩阵阶段优化好再动算法模块。写在最后的一点体会这套方法在我最近的一个园区规划项目里帮了大忙。刚开始做集群划分时我也走过纯电气聚类的弯路评审会上被领导指着图上的碎片簇问“这个集群供电走廊怎么拉”场面一度很难看。后来把楼宇空间布局信息融进去方案的说服力明显上了一个台阶。规划决策者真正关心的不是算法多高级而是每个集群方案能不能说清楚“为什么这几栋楼绑在一起”。空间约束恰好为这个问题提供了最直观的解释。另外提醒一句Matlab里跑通聚类只是第一步输出图形时把道路、河道、围墙边界一起画上标明集群与外部电网的连接点这份图纸拿到任何评审会上都站得住脚。