综述：面向现代配电网高效分析的幂流计算方法综述

《Energies》：Power Flow Methods for Efficient Analysis of Modern Distribution Networks—Review

　　

幂流（Power Flow, PF）分析是配电网的基础工具，可在给定输入条件下确定系统稳态运行点。现代配电网面临高比例分布式能源资源（Distributed Energy Resource, DER）接入与运行工况多变的挑战，在时序与场景化研究中需反复开展幂流计算。其三相不平衡运行特性及高R/X比值会对传统幂流求解器造成挑战，因此亟需具备高精度、强鲁棒性与高可扩展性的计算方法。现有研究已针对非线性配电网幂流求解器及不确定性建模方法展开探讨，但综述类文献多局限于特定方法类别，缺乏对线性化模型、数值鲁棒性及加速技术的系统性整合讨论。为此，研究人员对2000年至2026年发表的205项相关研究进行了前沿综述，系统梳理了现代配电网幂流方法的研究进展。综述首先总结了传统非线性幂流建模方法，继而评述了各类线性化模型的假设条件与适用范围，并归纳了提升收敛性能的数值鲁棒性策略。研究人员基于辐射状、弱环状及不平衡网络的适用性，结合精度、收敛可靠性与计算需求等维度对各方法进行了对比，并给出了实用化选型准则。此外，综述还涵盖了可再生能源与负荷不确定性下的概率、区间及模糊幂流方法，并重点讨论了面向重复幂流计算的加速策略，包括稀疏数值实现、拓扑驱动方案及物理信息代理模型。

1. 1.
   引言
   幂流分析是电力系统规划与运行的核心工具，可在给定注入功率与控制策略下确定网络稳态运行状态，支撑电压分布、线路与变压器负载率、网络损耗及运行限值合规性评估，在辐射状或环状拓扑、高R/X比值及三相不平衡特征显著的配电网研究中具有基础性作用。随着配电网向有源化转型，分布式能源、储能及柔性负荷的高比例接入使得幂流计算需在远超传统被动馈线范围的运行工况下保持精度与可靠性，因此面向配电网的幂流方法在现代配电网规划与运行分析中具有决定性作用。
   既有研究多聚焦于确定性幂流建模，将负荷与电源视为固定输入以计算单一工况下的网络状态。牛顿-拉夫逊（Newton-Raphson, NR）与高斯-赛德尔（Gauss-Seidel, GS）等经典迭代求解器在输电网研究中应用广泛，但在配电网中受高R/X比值、电压支撑较弱及有功/无功与电压幅值强耦合影响，收敛可靠性下降，尤其在重负载或初始点远离可行解时易出现病态行为。此外，三相不平衡建模与逆变器控制模式切换会进一步加剧收敛难度，因此后向-前向扫频技术凭借效率与可靠性优势，在辐射状与弱环状配电网中仍被广泛采用。实际配电网研究不仅要求计算效率，更需鲁棒收敛性能，尤其在系统运行接近限值或包含详细三相模型与控制功能时。
   随着可变可再生能源渗透率提升与负荷特性演变，净注入功率的不确定性已成为现代配电网研究的核心议题。概率与不确定性潮流方法可刻画光伏出力、分布式资源及新兴负荷模式的波动性，提供电压、潮流及约束越限的统计特征而非单一确定性结果。此类方法通常需在大量样本、场景或时间步长下反复计算，当采用三相配电网模型时计算负担尤为突出，因此近年研究聚焦于面向大规模场景集的可扩展方法，以维持可接受的数值性能与精度，推动了时序与场景驱动应用中的加速策略发展。
   配电网稳态运行点通过特定工况下的幂流计算获得，而最优幂流（Optimal Power Flow, OPF）在交流方程基础上引入目标函数与运行约束，通过优化可控变量获取最优运行点，其增加的优化层提升了建模与计算复杂度，且迭代求解过程通常需反复调用幂流计算。尽管近年OPF综述对优化策略、松弛方法及学习辅助建模进行了深入探讨，但对配电网定向幂流求解方法及实际收敛行为的覆盖仍较为有限。本综述聚焦现代配电网的幂流建模与求解方法，涵盖传统非线性与线性化方法、数值鲁棒性、不确定性建模及加速策略，高阶应用如OPF、市场运营、网络重构及实时控制仅在必要时提及以阐释幂流模型的作用。

1.1 贡献

现有综述已对辐射状与环状馈线的传统配电网幂流方法及建模假设进行了梳理，部分研究探讨了可再生能源与负荷波动下的概率与不确定性潮流方法，但既有综述多聚焦于单一方法类别，对现代配电网分析背景下线性化幂流家族的系统性讨论仍显不足。本综述填补了这一空白，将传统与线性化幂流方法同数值鲁棒性、不确定性表征及加速策略进行整合分析，并结合各方法的假设与数值特征，关联网络拓扑、收敛行为、近似精度及计算需求等实用选型准则，以评估其在不同配电网研究中的适用性。本综述的核心贡献包括：提出配电网定向幂流方法的统一分类体系，涵盖传统非线性方法与线性化近似方法，对比其核心假设、适用性、优势与局限；系统分析鲁棒幂流方法，重点阐述其在受迫与病态工况下提升数值性能与收敛一致性的机制；综述不确定性幂流建模方法，包括采用数值、解析与近似技术的概率幂流，以及面向有界与模糊不确定性表征的区间与模糊幂流模型；梳理面向重复幂流计算的加速策略，涵盖稀疏数值技术、拓扑驱动更新及代理模型方法，重点强调其在大规模时序与场景集下的物理一致性与可扩展性；提供实用方法选型指南，关联网络特征与运行工况与各幂流模型的精度、收敛性及计算需求，并识别现代配电网在模型有效性、不确定性处理及计算可扩展性方面的研究缺口。

1.2 综述方法与基于PRISMA的研究筛选

本综述遵循PRISMA指南开展文献识别、筛选与遴选工作，采用系统性检索策略、预定义的纳入与排除标准及结构化文献筛选流程，对配电网定向幂流方法进行定性技术综合。

1.2.1 系统性检索策略

研究在IEEE Xplore、Scopus、Web of Science及ScienceDirect数据库中开展系统性文献检索，核心检索周期为2000年至2026年，同时保留早期奠基性研究以阐述幂流方法的历史发展与经典建模。检索采用“幂流”与“潮流”结合“配电网”及“配电系统”的组合检索词，并补充“线性化幂流”“概率幂流”“收敛性提升”“计算加速”等关键词以覆盖核心方法领域。数据库筛选限定于选定周期与电力系统相关学科，优先纳入同行评审期刊论文，同时保留提出重要建模或计算进展的会议论文。

1.2.2 纳入与排除标准

纳入标准包括：提出、评估或综述与配电网分析相关的幂流建模与求解方法的同行评审研究；涵盖传统与线性化幂流方法，以及面向数值鲁棒性、不确定性与计算效率的方法；提供足够细节以理解建模假设、评估条件及核心结论的研究。排除标准包括：仅面向输电网应用且无配电网相关性的研究；以OPF、电力市场、保护或控制为核心主题但未贡献幂流建模方法的研究；重复记录与非同行评审材料；技术信息不足的研究。

1.2.3 文献筛选流程

合并多数据库检索记录后去除重复条目，通过标题与摘要筛选确定符合综述范围的文献，再依据预设标准对全文进行 eligibility 评估。覆盖多方法领域的研究按其核心贡献归类，次要贡献在相关对比讨论中予以考量。从入选研究中提取幂流建模基础、核心假设、应用域、数值行为、计算需求及局限性等信息，支撑方法对比与研究缺口识别。最终纳入205篇文献进行定性综合，文献按核心方法主题分类，涵盖传统与线性化建模、数值鲁棒性、不确定性表征及计算加速。

1. 2.
   幂流分析的意义与应用
   幂流评估是配电网工程的核心环节，准确的电压与支路潮流计算是规划与运行研究的基础。幂流结果常规用于评估电压分布与电压调节性能、量化网络损耗及分析线路与变压器负载率，而配电网的高R/X比值与不平衡运行特性使得幂流解的质量直接影响系统性能解读与约束合规性判断。现代配电网面临高DER渗透率、负荷与可再生能源出力的波动性、预测误差、受迫工况下的数值挑战及日益增长的时序研究需求，这些挑战推动了具备鲁棒收敛、快速计算、可扩展实现及有效不确定性分析能力的先进幂流方法发展。
   2.1 幂流分析的关键应用
   包括运行点评估与网络可行性验证：计算给定负荷与发电工况下的母线电压与支路潮流，验证电压限值及设备热限值合规性；时序运行研究：在多个时间步长上反复求解幂流，评估负荷与DER变化下的馈线运行特性，包括净注入功率变化与潮流方向反转；电压调节与基于逆变器的DER影响研究：为电压调节需求评估及逆变器无功限值与控制行为对电压分布与馈线运行裕度的影响提供稳态基础；电压分布与损耗评估：基于幂流输出分析电压偏差模式并估算网络损耗，支撑不同工况下的效率评估与馈线性能监测；不确定性与场景化评估：通过多样本或场景下的反复计算，量化不确定注入对电压与潮流的影响，包括可再生能源并网研究中的蒙特卡洛类评估。
   2.2 电网应用中的幂流方法
   幂流模型直接嵌入优化与控制应用。非线性PF方程作为网络约束集成于OPF中，表征节点功率平衡、母线电压及支路潮流，目标函数则确定最优运行点；松弛或简化PF建模可提升配电网优化的可求解性；线性支路潮流方程在保留核心网络约束的同时降低了辐射状网络优化的计算复杂度。在电压与无功控制中，基于灵敏度的PF模型可估算逆变器出力、电容投切及变压器分接头调整对母线电压的影响，支撑分散式电压控制、不平衡辐射状网络解析关系构建及基于同步相量测量单元（Phasor Measurement Unit, PMU）数据的测量驱动估计。
   实时运行与数字孪生需具备网络工况动态更新能力的PF模型。基于测量的方法可利用同步测量数据更新PF雅可比矩阵，在线反馈机制可优化时变不平衡网络中的线性化PF模型。CPU与GPU加速技术支持大规模PF计算的批量处理，支撑时序、连锁故障及概率研究。数字孪生应用中，PF模型与网络数据及现场测量数据结合以复现物理系统运行状态，基于OpenDSS的PF可与状态估计及灵活性评估集成实现实时分析，不平衡非线性与线性PF模型则支撑网络状态评估与电压控制研究。
   工程实践中，幂流研究通过开源与商业软件平台实现。OpenDSS与GridLAB-D广泛用于详细不平衡配电网与时序分析，MATPOWER与pandapower提供脚本化环境支持交流与直流幂流、优化、自动化及科研应用。DIgSILENT PowerFactory、PSS?E、ETAP及CYME等商业平台提供详细的网络与设备模型，支撑输配电网规划、运行分析、保护研究及DER集成。平台选型取决于所需的网络表征能力、支持的分析功能、自动化能力及建模需求。
2. 3.
   幂流方法分类
   幂流方法可大致分为确定性与不确定性建模两大类。确定性方法在已知工况下求解网络状态，包括传统非线性方法与线性化近似方法。传统非线性方法涵盖后向/前向扫频、牛顿-拉夫逊、高斯-赛德尔及快速解耦方法；线性化近似方法包括直流幂流、线性支路潮流（LinDistFlow）、灵敏度/雅可比线性化及定点/割线类近似。不确定性幂流方法通过考虑负荷、可再生能源出力及其他不确定参数的波动扩展分析维度，可进一步分为概率、区间及模糊建模。
   3.1 传统幂流方法
   传统幂流分析通常表述为确定性稳态问题，网络参数与运行工况视为已知固定值，目标是求解满足基尔霍夫定律与网络方程的母线电压与支路潮流。配电网的辐射状或弱环状拓扑及较高R/X比值对数值行为影响显著，使得输电网定向求解器需经适配才能保证可靠性。传统配电网PF方法通常分为后向/前向扫频法、牛顿-拉夫逊法、高斯-赛德尔法及快速解耦法，其中后向/前向扫频法因直接利用配电网拓扑特征，被视为辐射状配电网PF的决定性方法。
   3.1.1 后向/前向扫频法
   后向/前向扫频幂流是一种支路定向迭代方法，通过交替执行上游电流求和与下游电压更新步骤适配馈线结构，早期基于补偿法的建模已应用于辐射状与弱环状输配电网。该方法无需形成与分解完整雅可比矩阵，计算以沿馈线的简单支路量更新为主，支持向不平衡网络与分布式资源的扩展。典型电流型实现将各负荷母线的指定复功率通过前序电压迭代值转换为等效电流注入，后向扫频基于基尔霍夫电流定律向上游聚合电流，前向扫频基于支路压降更新母线电压，两步骤循环执行直至电压或功率偏差满足容差要求。该方法在辐射状网络中最为简便，弱环状馈线需额外处理以满足环路约束并维持扫频效率。PV母线建模需调整无功或等效注入以满足电压设定值，高DER渗透率下PV约束在迭代中的强制实施可能导致收敛性能下降，尤其在高R/X比值工况下。现有研究通过引入PV专用修正或改进扫频更新步骤满足电压约束，同时保留扫频基本流程；自适应补偿、收敛校验及改进扫频更新进一步提升了数值可靠性。孤岛微电网中缺乏刚性松弛参考，需通过改进扫频公式获取可行稳态解，直接扫频算法可集成下垂调节特性以表征微电网控制行为。后向/前向扫频法在辐射状馈线中因结构简单与计算负担低而适用性突出，但弱环网、PV母线强制实施及孤岛运行需额外修正，增加了建模复杂度。
   3.1.2 牛顿-拉夫逊法
   牛顿-拉夫逊幂流是一种基于雅可比矩阵的迭代方法，通过最新迭代点的有功与无功偏差线性化更新母线电压相角与幅值。方程与变量缩放可平衡偏差与状态变量量级，降低雅可比矩阵数值差异；正则化通过引入微小稳定项改善矩阵条件数，限制近奇异运行点的不稳定修正；阻尼或最优乘子在全步长修正导致偏差增大或偏离收敛域时缩减步长；同伦方法通过逐步将简单PF问题转化为原问题，为最终NR求解提供合适初值。配电网中NR常作为基准方法，但其性能在高R/X比值、辐射状/弱环状结构、重负载及病态工况下可能下降，推动了适配配电网的建模发展。针对辐射状配电网的馈线定向雅可比计算可降低计算量并保留NR更新结构；针对不平衡三相网络的分解拟牛顿-拉夫逊、复数形式NR及增广电流注入建模分别提升了计算效率、相位表征能力与数值条件性。NR还可集成详细设备方程，例如将静态同步补偿器（STATCOM）模型直接嵌入NR-PF迭代过程。牛顿类方法也应用于直流电网，针对直流微电网的收敛条件与可行运行范围研究明确了不同运行模式与负载水平下的迭代可靠性；混合Z-bus高斯与牛顿更新方案改善了病态工况下的收敛性，压缩NR建模降低了直流牵引网络的计算负担。对比研究还分析了NR求解器的实现级差异，支撑大规模或病态PF问题的鲁棒数值参数选型。
   3.1.3 高斯-赛德尔法
   高斯-赛德尔幂流是一种序列定点方法，逐次更新母线电压并利用最新可用值，同时将松弛母线电压固定为参考。该方法实现简单且无需形成与分解雅可比矩阵，适用于小型网络与初步研究，但仅在存在可行运行点且初始电压猜测合理时收敛可靠，对初始化与数值条件性敏感。主要局限在于大型系统或受迫工况下收敛缓慢，病态情况下可靠性不足，因此常作为基准参考而非大型配电网研究的默认方法。数学上基于节点电流关系与序列电压更新，结合复功率-电流恒等式推导更新公式。现有研究改进了三相不平衡配电网的序列电压更新公式，对比表明GS通常比NR需要更多迭代次数，尤其在网络规模增大时，其低单步成本的优势被收敛速度抵消，限制了在大型或受迫配电网中的适用性。
   3.1.4 快速解耦潮流法
   快速解耦潮流源自牛顿-拉夫逊建模，通过解耦与常数矩阵近似实现，将有功与无功更新分离，降低全NR更新的计算量。与GS逐次更新不同，该方法每迭代步求解两个解耦线性系统，系数矩阵通常仅形成一次并重复使用，在解耦假设成立时收敛速度快于GS。建模基于解耦偏差形式，假设有功主要与电压相角耦合，无功主要与电压幅值耦合。在配电网中，线路电阻不可忽略且P-V与Q-θ耦合更强，上述假设可靠性下降，因此高R/X比值配电网需采用改进快速解耦建模。现有扩展包括针对高比例配电网的改进方程与复数标幺化方法，提升正常与切换工况下的收敛性；三相建模采用复数标幺化表征不平衡与相间耦合，保留解耦迭代的计算优势；直角坐标法避免标幺化调整，性能取决于建模选择与常数矩阵近似；针对环状网络强耦合特性，快速非解耦方法改善了求解行为，但牺牲了部分标准快速解耦建模的简洁性。研究表明，当解耦假设足够精确时快速解耦方法可降低计算量，但高R/X比值、不平衡及环网运行需额外修正，增加了建模复杂度。

3.2 线性化幂流方法

传统非线性幂流方法可提供精确稳态解，但反复执行在大规模多时段研究中计算负担沉重，且在受迫、病态工况下可能出现收敛困难。这推动了线性化或近似幂流模型的发展，以降低计算量并简化数值求解流程，适用于时序分析与规划研究。

3.2.1 直流幂流线性化

直流幂流（DCPF）是有功功率与电压相角的线性近似，适用于需快速评估有功传输且无需显式建模电压与无功效应的场景。标准近似假设电压幅值接近额定1 p.u.并视为常数、相角差较小、忽略传输损耗及忽略无功与电压约束，在电抗主导且电压调控严格的输电网中通常可接受。但在大相角差、电阻不可忽略及重负载工况下精度下降，配电网的高R/X比值及强电压与无功效应进一步限制了无损耗建模的适用性。误差边界方法可量化特定运行域内AC与DC解的偏差，有损DC建模引入损耗感知修正以提升电阻网络精度，无基态运行点的改进线性建模可纳入无功负荷对相角的影响，同时保留线性结构。这些发展拓展了DCPF的适用性，但仍无法完全表征非线性AC幂流涵盖的电压与无功效应。

3.2.2 LinDistFlow/线性支路潮流模型

LinDistFlow源自辐射状配电网的DistFlow支路潮流建模，保留馈线支路结构，通过忽略二次项将平方电压幅值近似为功率潮流的仿射函数，具有快速、支路结构化与低计算成本特点，适用于辐射状与弱环状馈线，便于将幂流约束嵌入多时段优化问题。该线性化通常假设辐射状或弱环状馈线、电压降方程中损耗相关二次项较小或被忽略、电压幅值接近额定值以支撑一阶近似精度、设备非线性通过简化线性或分段关系表征而非完整AC方程。早期研究将其应用于辐射状电容器选址与定容，后续发展包括广义模型提供宽泛配电网表征的闭式电压映射、考虑线路并联导纳的支路建模提升并联效应显著时的电压估计精度、通过调优模型系数或基于典型运行点估算系统参数提升宽负载范围的电压估计精度。密切相关的支路潮流建模引入平方电流幅值变量，显式表征损耗项，支撑径向网络广泛使用的锥松弛方法，线性变体通过忽略电流相关损耗项或线性化耦合关系获得。有损感知建模引入参数化损耗近似并扩展至多相径向馈线，提升电阻损耗显著时的精度；线性模型还可纳入电压控制设备以评估设备驱动的电压变化。但受迫负载、强不平衡或环状运行下精度仍会下降，除非对损耗、环路及相间耦合进行额外处理。

3.2.3 灵敏度/雅可比线性化模型

灵敏度与雅可比线性化是一阶幂流近似方法，通过线性化AC幂流方程将电压变化与有功、无功注入变化关联。灵敏度线性化利用电压灵敏度因子关联注入微变与对应电压变量响应，灵敏度矩阵通常取自基态雅可比矩阵的逆。该类模型提供从注入变化到电压响应的显式线性映射，便于快速筛选与控制导向优化，在迭代或实时场景中可通过基态更新灵敏度，无需反复求解完整非线性幂流。其适用条件包括基态附近偏差较小、线性化窗口内网络参数与拓扑不变、设备运行模式无强非线性切换。现有研究利用电压灵敏度因子分散更新分布式电源（DG）设定值以实现电压调节，解析灵敏度建模覆盖不平衡径向网络中的节点电压、线路电流及变压器分接头效应，ABCD参数法提供配电网电压控制的快速灵敏度计算。当详细网络模型不可用时，基于测量的方法利用局部灵敏度结构或PMU数据估计电压灵敏度以支撑控制应用，降低了对重复非线性PF求解的依赖，但精度仍局限于运行域，拓扑、控制模式或系统不平衡显著变化时性能下降。雅可比线性化与灵敏度建模密切相关，但保留功率偏差与状态变量更新的完整一阶关系。统一建模与误差分析表明，不同变量选择下的多种线性幂流模型可源自一阶近似，具有不同近似误差。现有发展包括状态无关模型避免各运行点重构雅可比矩阵、基于测量的方法利用同步相量数据适配雅可比矩阵以跟踪运行点与拓扑变化、面向配电网的扩展纳入辐射状支路、完整R/X线路模型、ZIP负荷及DER控制模式、泰勒级数建模支撑含简化DG模型的快速分析、双极直流配电网建模纳入ZIP负荷与柔性设备以降低迭代计算量、在线反馈更新线性化参数以维持时变不平衡网络中的精度。这些发展提升了计算效率与模型适应性，但固定线性化在运行点远离基态或非线性效应主导时仍会损失精度。

3.2.4 定点/割线类近似

定点与割线类近似为幂流量构建显式线性或仿射代理映射，无需反复求解完整非线性幂流方程。定点线性化方法将AC幂流方程表述为等效定点映射，用于建立存在唯一性条件或推导显式近似。配电网中常见PQ母线与固定松弛母线的建模形式为电压向量等于空载电压剖面减去阻抗矩阵与复功率注入的乘积，提供结构化表征以支撑收敛性与可解性分析，闭式线性电压映射支持规划或控制回路中的高效评估。其适用条件包括松弛参考固定、负荷采用PQ或ZIP类模型、系统在良态收敛域内运行、分析窗口内网络拓扑与参数恒定。现有研究建立了配电网的可解性充分条件与显式误差界，将存在唯一性分析扩展至有源配电网与不平衡三相系统，证明了含星形与三角形ZIP负荷的不平衡三相网络Z-bus迭代的压缩性，统一了多相建模的收敛分析与关联线性潮流模型，实用化建模提供了不平衡多相配电网与三相馈线的线性电压映射以支撑典型工况下的快速电压估计，高阶与混合定点/泰勒建模在一级近似不足时提升电压精度。这些方法支撑快速馈线分析及聚合灵活性评估等应用，但精度与鲁棒性仍依赖于运行范围、电压偏差及不平衡程度。定点与割线类近似的核心差异在于构建方式与有效域：定点模型源自PF方程的定点表征，关联参考或空载状态，收敛性与可解性通过压缩或存在条件表征；割线类模型则基于指定运行域内多组PF样本拟合仿射系数，面向全域而非单参考点的精度或保守边界。割线类模型适用于指定运行范围、拓扑参数固定、具备代表性运行样本的场景，样本驱动代理可预设边界行为以降低优化中不可行决策风险，分段线性与偏差控制建模提升选定域内的精度或保守性，直接优化代理或利用二阶灵敏度信息可降低最坏情况误差并指导样本选取。相比单点线性化，该类方法在更宽运行范围内精度更优，但依赖代表性样本覆盖，可能增加模型规模或保守性，性能仍受选定运行域与样本质量限制，强可行性保证与分段线性建模可能进一步提升模型规模与计算负担，运行域外精度下降。

3.3 配电网 illustrative 幂流分析

基于CIGRE 15母线中压配电网开展 illustrative 幂流分析，对比辐射状与环状配置下的三类代表性方法：牛顿-拉夫逊法、支路潮流线性化及定点线性近似。以NR解为非线性参考，对比电压幅值、电压相角、有功支路潮流及无功支路潮流的最大误差。结果表明，在所选运行工况下三类方法提供的电压与支路潮流估计具有可比性：定点近似在两种网络配置下的最低电压、电压相角及支路潮流方面均与NR解接近；支路潮流建模的有功潮流估计精度相当，但电压相角与无功潮流误差较大。对比同时表明，线性化建模的数值行为在辐射状与环状配置间存在差异，凸显了针对网络拓扑与运行工况验证所选幂流模型的必要性。

1. 4.
   现代幂流演进
   现代幂流发展超越经典确定性计算范畴，涵盖提升确定性求解器在受迫运行点与控制切换下数值鲁棒性与收敛性的技术、表征负荷与可再生能源注入波动的不确定性建模，以及支撑大规模重复计算的可扩展加速策略。
   4.1 鲁棒幂流
   鲁棒幂流指旨在传统牛顿类求解器收敛缓慢或失效时可靠计算幂流解的建模增强与求解方法。高R/X比值与相不平衡进一步放大了病态条件、电压失稳邻近及设备限值与控制动作（如PV-PQ切换）带来的挑战，使得标准牛顿迭代对初始化与雅可比条件性高度敏感。鲁棒PF技术用于提升数值稳定性，支撑受迫工况下的电压稳定性分析，主要包括阻尼步长牛顿法、分阶段初始化法、连续法/同伦法及扫频类鲁棒后向/前向或多相配电潮流建模。
   4.2 鲁棒求解方法
   幂流计算的鲁棒性可通过改进确定性迭代的数值方法提升，以维持受迫工况下的稳定收敛。阻尼牛顿幂流通过迭代相关步长缩放牛顿修正量，确保功率偏差充分降低，避免局部线性化不佳时的不稳定更新，拓展了受迫与近限值工况下的收敛域，但步长选择可能增加计算量，阻尼可能降低良态工况下的收敛速度。步长优化与最优乘子法通过选取合适的修正缩放提升收敛性，非发散快速幂流变体保留低计算结构，通过最优乘子降低发散风险。分阶段初始化首先求解稳定近似解作为全AC幂流的热启动，降低大型重负载系统对初始化的敏感性，但近电压失稳条件下的精细求解仍具挑战。基于步长控制与外推的方法通过自适应步长选择与外推支撑收敛，Bulirsch-Stoer法结合重复外推与可调步长维持病态条件下的收敛性，但重复外推增加了计算量。面向高DER馈线的鲁棒性通过连续法/同伦法实现，通过追踪逐步变换的问题序列维持受迫工况与控制模式切换下的收敛性，等效电路表征与同伦技术（如Tx-stepping与动态功率步进）可在大型不平衡网络中获取稳定解，但增加了计算与建模复杂度。连续幂流通过追踪负荷水平变化下的解识别崩溃点与稳定裕度，三相连续建模将其扩展至含DER的不平衡配电网，纳入PV-PQ切换与沿负荷路径的电压稳定性评估；序分量法进一步扩展至输配一体化系统；针对辐射状网络的建模追踪P-V曲线并确定最大负载点，纳入保护事件、变压器调节与分布式发电的负荷路径分析；基于环路分析的建模通过考虑网络环路扩展至辐射状与弱环状网络。这些发展将连续幂流的适用性从传统辐射状加载研究拓展至不平衡、一体化及事件驱动网络分析，但建模复杂度提升可能增加计算负担与切换点附近的数值敏感性。鲁棒PF还通过后向/前向扫频变体与多相扩展实现，在辐射状馈线与高R/X工况下表现有效，三相建模保留扫频结构并表征详细相位行为，多相方法引入负荷步进提升变压器环路与重负载下的收敛性，适用于辐射状与弱环状配电网，但网络环化加剧时会提升建模与灵敏度矩阵需求。上述鲁棒技术主要提升指定工况下的收敛性与数值稳定性，而实际配电网运行还受跨时间尺度的负荷与可再生能源注入不确定性影响，推动了不确定性幂流建模的发展。
2. 5.
   不确定性幂流
   现代配电网因可再生能源出力波动、广泛分布的分布式资源及持续变化的负荷与产消者行为面临显著不确定性，运行工况随时间大幅变化，确定性幂流解可能无法覆盖全部实际运行结果。不确定性幂流方法纳入输入数据的不确定性，评估其对电压、支路潮流及损耗的影响，主要包括概率幂流、区间幂流与模糊幂流三类。
   5.1 概率幂流
   确定性幂流采用固定的负荷与电源值评估假设工况下的网络状态，而现代配电网净注入功率受负荷变化与可再生能源出力影响而波动。概率幂流利用输入的概率分布与输出的统计描述（如均值、方差及相关系统响应指标）表征不确定性下的系统状态，主要通过数值、解析或近似方法实现。数值方法通过生成不确定输入值并对每组输入求解确定性潮流，利用输出样本表征统计行为，精度高且鲁棒性强，常作为评估新方法的基准，但计算耗时长，尤其当不确定输入变量增多时需大量仿真。蒙特卡洛采样通过从概率分布生成随机输入样本，逐次求解确定性潮流并基于解集估计输出统计量与分布，灵活性高，但捕捉低概率事件需大量仿真，计算成本高。准蒙特卡洛采样以确定性序列（如Sobol、Halton序列）替代随机抽样，提升输入空间采样均匀性，通常减少达到同等精度所需的确定性潮流仿真次数，但高维问题中优势下降，且需谨慎处理序列生成与分布映射。拉丁超立方采样通过分层抽样使各不确定输入在其概率分布上更均匀采样，通常降低达到可比精度所需的仿真次数，独立输入下实现简便，但输入相关时需额外步骤保留相关性，性能受样本量、相关性建模及系统非线性影响。
   解析方法通过数学关系将输出概率分布与输入概率分布关联，通常依赖线性化潮流方程或简化相关模型以保持可解性，计算量低于数值方法，但精度与鲁棒性受假设影响。卷积法通过卷积组合输入概率分布获取输出概率分布，无需重复采样，不确定注入较少时简便，但输入增多且需保留相关性时计算量急剧增加。相关离散卷积、Copula相关建模及降维技术在保留输入相关性的同时降低计算量。累积量法通过输入随机变量的累积量，经线性化潮流关系映射获取输出量的累积量，再通过Gram-Charlier级数展开近似输出概率分布，速度通常快于卷积法，但精度依赖线性化质量与级数近似效果，已应用于含可再生能源的电压与无功控制及光伏不确定性下的序列运算对比研究。
   近似方法仅利用少量代表性输入点（如均值、方差）估计概率潮流结果，无需完整输入概率密度函数描述，仅需对选定点的确定性潮流解进行加权估计，计算高效且实现简单，但不确定输入增多、非高斯分布或强相关时精度下降。点估计法选取少量带权重的代表性输入点匹配关键统计特征，加权求解结果估计输出统计量，多点方案在大量连续与离散不确定输入下仍保持可靠性，已应用于两/三点估计方案及含相关变换的配电网不确定性量化。无迹变换法通过少量sigma点传播不确定性，保留输入的均值与协方差，相关不确定输入可通过协方差结构直接表征，仿真次数远低于蒙特卡洛法，已应用于含风电系统的电压与线路潮流统计估计及不平衡三相孤岛微电网的含下垂控制概率PF。多项式混沌展开法利用不确定输入变量的正交多项式基函数表征不确定潮流输出，构建注入功率与潮流量（电压幅值、支路潮流、损耗、变电站功率）的近似输入输出关系，广义多项式混沌根据输入不确定性概率分布选择多项式基，基自适应与稀疏多项式混沌降低展开项数量，数据驱动与任意多项式混沌从实际数据或非标准概率分布构建基函数，非侵入式建模通过确定性AC潮流评估训练多项式代理模型，以蒙特卡洛仿真为精度基准。其精度受多项式阶数、不确定变量数量及潮流响应平滑性影响，高维系统或强非线性、相关、离散控制及非平滑运行行为下基函数项数显著增加，需自适应或稀疏建模维持计算效率。
   5.2 区间幂流
   区间幂流将不确定输入表征为有界区间，计算幂流状态的对应上下界，适用于不确定性以有界范围而非概率分布描述的场景，无需场景采样与分布拟合，可在数据有限时提供假设输入边界下的保证范围，但存在保守性问题：基础区间运算随不确定输入数量与宽度增加会拓宽输出范围，且无法自动保留不确定注入间的相关性。现有研究通过相关区间算法直接纳入相关性信息，基于仿射算术的方法通过仿射形式与凸集表征追踪依赖关系，基于椭球的方法减少相关不确定注入的冗余组合以降低计算量，针对风电主导系统的方法通过相关角表征相关性并在区间幂流求解前进行仿射变换，获得比独立处理风电场不确定性更紧致的边界。
   5.3 模糊幂流
   模糊幂流适用于不确定输入更适合用不精确范围而非详细概率分布描述的场景，将负荷、电源甚至网络参数表征为模糊数，幂流解成为系统状态的可能描述，在统计数据有限时为规划与运行分析提供结构化的不确定性表征。其核心基于扩展原理与α-cut区间计算，α-cut表示隶属度大于等于选定水平α的所有值的区间，通过在不同α水平下求解序列区间型幂流并组合结果得到模糊输出。主要挑战包括模糊输入增多时计算量增长，以及非线性表达式中同一变量重复出现时区间运算导致的 overestimation，且不确定输入间的相关性需显式处理。现有发展纳入了PV母线无功限值约束，表征负荷预测、电压相关负荷模型参数及选定网络参数的不确定性，获取系统状态与输出的 breakpoint 范围；配电网扩展包括弱环状系统模糊幂流方法及集成模糊集负荷估计的辐射状配电网幂流，降低了径向网络中模糊幂流的计算负担，但精度与效率仍受模糊输入数量、α-cut水平及样本质量影响。模糊变换法结合结构化模糊算术与后向/前向扫频，验证模糊区间对抗真实区间边界与蒙特卡洛范围，避免全局优化与大量随机仿真，维持更尖锐的不确定性包络。