2. 电力系统潮流计算基础回顾

N-1开断潮流计算并不是一套独立的算法，它建立在常规潮流计算之上：先求解基态潮流，再对开断后的网络重新求解。因此，要理解N-1校核的收敛性、计算量和结果含义，必须先回到潮流计算的数学基础——节点功率方程、雅可比矩阵、牛顿-拉夫逊法以及PQ分解法。本节把这些内容按“方程怎么来、怎么解、为什么快”这条线索串起来，为后续开断分析建立统一的数学参照。

一、节点功率方程：潮流问题的原始形式

电力网络用节点导纳矩阵 Y 描述，节点电压用相量表示。对任意节点 i，注入电流与电压的关系为 I = YU，节点复功率为 S_i = U_i I_i*。展开后得到极坐标形式的节点功率方程：

P_i = U_i · Σ_j U_j (G_ij cosθ_ij + B_ij sinθ_ij)
Q_i = U_i · Σ_j U_j (G_ij sinθ_ij − B_ij cosθ_ij)
其中 θ_ij = θ_i − θ_j，G_ij、B_ij 为导纳矩阵元素

这组方程是非线性代数方程组：未知量是各节点的电压幅值 U 和相角 θ，方程本身含三角函数与乘积项。潮流计算的任务，就是找到一组 (U, θ) 使所有节点的功率偏差为零。

节点按已知量分为三类：PQ节点已知 P、Q，待求 U、θ，数量最多；PV节点已知 P、U，待求 Q、θ，通常对应有调压能力的发电机；平衡节点已知 U、θ，待求 P、Q，承担全网功率不平衡量。设系统共 n 个节点，其中 PQ 节点 m 个、PV 节点 r 个，则待求变量数为 2m + r，方程数与之相等，方程组可解。

二、雅可比矩阵：非线性方程的局部线性化

牛顿-拉夫逊法的核心是把非线性方程在当前点附近线性化。将功率方程写成偏差形式 ΔP、ΔQ，对 θ、U 求偏导，得到修正方程：

[ ΔP ]   [ H  N ] [ Δθ ]
[ ΔQ ] = [ J  L ] [ ΔU/U ]

其中 H = ∂P/∂θ、N = ∂P/∂(U/U)、J = ∂Q/∂θ、L = ∂Q/∂(U/U)，合称雅可比矩阵。它有三个关键性质：

• 稀疏性：H、N、J、L 的非零结构与导纳矩阵一致，只有存在支路连接的节点对才有非零元素，大规模系统中非零元占比通常很低。
• 非对称性：H 与 J、N 与 L 一般不相等，因此不能像对称矩阵那样只存一半。
• 随迭代变化：雅可比元素依赖当前 U、θ，每次迭代都要重新计算并重新因子分解，这是牛顿法单次迭代昂贵的原因。

雅可比矩阵的稀疏结构直接决定了N-1开断后的计算特征：一条支路开断，只改变与该支路两端节点相关的少数雅可比元素，其余大部分元素不变。这一“局部变化”特性，正是后续补偿法、部分因子分解等快速开断算法的立足点。

三、牛顿-拉夫逊法：迭代求解的标准框架

牛顿-拉夫逊法（NR法）的迭代过程可以概括为：给定初值 U(0)、θ(0)（通常取平启动，即 U=1.0、θ=0），计算功率偏差 ΔP、ΔQ；若最大偏差小于收敛门槛（如 1e-5 p.u.），停止；否则形成雅可比矩阵，解修正方程得到 Δθ、ΔU，更新电压后进入下一轮。

NR法的优点是二阶收敛，在初值合理时通常 3～5 次迭代即可收敛，且对重负荷、病态网络适应性较好。代价是每次迭代都要重新形成并分解雅可比矩阵，单次迭代计算量大。对N-1校核而言，若对每条开断线路都完整执行NR迭代，计算量会随开断数目线性增长，这在在线安全分析中往往难以接受。

四、PQ分解法：利用网络特性的快速算法

PQ分解法（又称快速解耦法）针对高压输电网的物理特性做了两点近似：一是线路电抗远大于电阻，节点电压相角主要受有功影响、幅值主要受无功影响，即 ∂P/∂U ≈ 0、∂Q/∂θ ≈ 0；二是电压幅值接近 1.0 p.u.，可近似 U ≈ 1。由此把修正方程解耦为两个低阶方程：

ΔP/U = B' · Δθ
ΔQ/U = B'' · ΔU

其中 B'、B'' 是常数矩阵，只与网络参数有关，迭代过程中保持不变，只需分解一次。这带来两个直接好处：每次迭代的计算量大幅下降；有功与无功可以交替求解，内存占用更小。代价是收敛速度降为线性（或近似几何收敛），迭代次数通常增加到 8～15 次，且对 R/X 比较大的配电网适应性较差。

下表对比两种方法在N-1校核场景下的典型特征，便于选择：

五、从基态潮流到开断潮流：数学上的衔接

N-1开断后，网络拓扑改变，导纳矩阵由 Y 变为 Y' = Y + ΔY，其中 ΔY 只在与开断支路两端节点相关的四个位置非零。节点功率方程形式不变，但雅可比矩阵和 B'、B'' 中对应元素发生变化。若把基态解作为开断潮流的初值，由于开断引起的状态变化通常不大，迭代次数会明显少于平启动，这也是N-1校核普遍采用“基态解热启动”的原因。

下面的信号链图概括了从网络参数到N-1校核结果的完整数学路径，重点标出雅可比矩阵与两种求解方法在其中的位置：