matlab2020b 时序负荷蒙特卡洛概率潮流计算（主程序main） ieee33节点，通过matpower修改 负荷通过Excel表，可以自行输入 输出结果有所有节点的电压幅值概率分布（单个电压figure2-33,全部电压figure111），负荷概率分布，网损概率分布，以及电压越限概率（Pv_offlimits_max），最大越限概率的节点 程序含有一些注释

最近在电力系统概率潮流计算方面搞了个小项目，用MATLAB 2020b折腾了个蒙特卡洛模拟的时序负荷分析工具。这玩意儿能处理IEEE33节点系统，还能直接对接Excel表格输入负荷数据，实测下来对于配电网的电压风险评估还挺靠谱。

先说数据入口这块，程序通过xlsread函数直接读取Excel里的负荷曲线。比如下面这段骚操作，把表格里的时序负荷转成节点注入功率矩阵：

% 读取Excel负荷数据（P_load和Q_load列）
[raw_data, ~] = xlsread('load_profile.xlsx','Sheet1');
node_load = raw_data(:,2:end); % 跳过时间戳列

这里有个坑要注意——Excel表格的节点顺序必须和Matpower的bus矩阵完全对齐。有次测试时把节点顺序排错了，结果电压曲线直接放飞自我，折腾半天才发现是表格列序的问题。

核心算法部分用了蒙特卡洛+时序潮流的套娃模式。外层是蒙特卡洛模拟次数，内层遍历24小时负荷曲线。主循环长这样：

for mc_iter = 1:MC_times
    % 生成随机扰动
    perturb = 1 + sigma*randn(size(node_load));
    current_load = node_load .* perturb;
    
    % 时序潮流计算
    for t = 1:24
        mpc.bus(:,PD) = current_load(t,1:33)'; % 注入有功
        mpc.bus(:,QD) = current_load(t,34:66)'; % 注入无功
        results = runpf(mpc); % 调用Matpower计算
        
        % 记录电压数据
        voltage_mc(mc_iter,t,:) = results.bus(:,VM);
    end
end

这里有个小优化点：原本打算用parfor做并行计算提速，结果发现数据写入冲突会导致电压矩阵错位，后来改成预分配三维数组才解决。

matlab2020b 时序负荷蒙特卡洛概率潮流计算（主程序main） ieee33节点，通过matpower修改 负荷通过Excel表，可以自行输入 输出结果有所有节点的电压幅值概率分布（单个电压figure2-33,全部电压figure111），负荷概率分布，网损概率分布，以及电压越限概率（Pv_offlimits_max），最大越限概率的节点 程序含有一些注释

可视化部分最有趣的是电压越限概率的计算。代码里用了分位数统计来找超标节点：

% 计算各节点电压越上界概率
voltage_quantile = quantile(voltage_mc,[0.95],3);
pv_over = squeeze(voltage_quantile > 1.05);
Pv_offlimits_max = max(mean(pv_over,2));
[max_node,~] = find(mean(pv_over,2)==Pv_offlimits_max);

这里有个反直觉的现象——有些末端节点虽然电压波动大，但最大越限概率反而出现在靠近电源点的节点。后来发现是因为馈线首端容抗效应在轻载时容易过电压，这倒是提醒了传统认知的误区。

最后说下结果展示的骚操作。单独节点电压分布图用的是核密度估计：

figure(2)
for n=1:33
    subplot(6,6,n)
    ksdensity(squeeze(voltage_mc(:,:,n)))
    title(['Node ',num2str(n)])
end

而全网电压分布热力图则用contourf函数生成伪彩色图，时间轴和电压幅值轴组成的二维平面能清晰展示全网电压的时空分布特征。实测发现每天傍晚18:00左右的电压凹陷区会从网络末端向首端蔓延，这跟负荷晚高峰的时空分布规律完全吻合。

整个项目踩过的坑比实现的功能还多：从Matpower数据格式转换到三维数组的内存优化，从蒙特卡洛收敛性检验到可视化方案的迭代。下次如果再搞类似项目，应该会把结果存储改成HDF5格式，现在用mat文件存5000次模拟的结果，加载时直接卡出痛苦面具...