含分布式电源的配电网日前两阶段优化调度：Matlab+YALMIP实现解析

接到一个总结需求也拿到过不少问有没有含分布式电源的配电网日前优化调度Matlab代码的私信。今天抽时间把最近一次做相关项目时整理的思路完整写下来——从两阶段到底指什么的建模逻辑到DistFlow潮流约束为什么用二阶锥松弛再到MatlabYALMIP代码落地的工程细节和调试阶段踩过的坑。这篇主要适合电力系统方向的研究生、做配网调度或分布式能源规划的工程师以及想快速复现一个可运行Day-ahead调度Demo的同学。先说结论这个项目让我最意外的是两阶段这三个字在文献里有好几种用法。有人把双目标叫两阶段有人把双层优化叫两阶段还有人干脆用遗传算法迭代两次就叫两阶段。真正的日前两阶段优化调度指的是时间尺度上的递进决策第一阶段做经济预调度第二阶段做潮流安全校核与再调整。这篇博文会把这个逻辑拆干净再给出可以直接照着写的Matlab工程框架。1. 先厘清调度逻辑为什么配电网需要两阶段而不是一个模型打天下1.1 分布式电源接入后配电网调度变了味传统配电网的调度思路非常简单粗暴负荷是最高优先级电网侧按最大负荷规划馈线上装一堆保护基本不太需要优化这件事。但分布式光伏、分散式风电、储能、微型燃气轮机接进来之后情况完全变了。最典型的是午间光伏大发时段台区负荷反而处于低谷有功潮流可能倒送向上级电网节点电压被抬高到越限边缘傍晚负荷高峰时光伏出力又跌到接近零整个馈线需要完全依赖主网供电。这种双侧波动让固定计划根本没法用必须让调度模型具备主动调整分布式电源出力的能力。我也见过一些工程方案直接用单阶段模型把所有目标塞进一个优化问题目标函数里同时加权经济性和电压偏差结果调权重调到头秃——经济性好的解电压越限电压合格的解购电成本高得离谱。单阶段模型不是不能做而是当预测存在误差、约束横跨计划和安全两个层级时把两种不同性质的决策搅在一起很容易出现理论上最优、工程上没法用的结果。1.2 两阶段到底指哪两阶段这不是双目标也不是双层优化先把概念掰清楚。很多人一看到两阶段就往多目标上猜以为是把运行成本和电压质量做成两个目标函数用加权法或者帕累托前沿去求解。这是理解偏差最大的地方。本文说的日前两阶段优化调度是决策顺序上的两阶段不是目标数量上的两阶段。具体来说第一阶段预调度阶段基于日前负荷预测曲线、光伏出力预测曲线、分时电价等已知信息求解一个以运行成本最小为目标的计划问题输出各分布式电源的有功出力基准值、储能充放电功率计划、与上级电网的交换功率计划。第二阶段再调度/校核阶段把第一阶段的计划结果作为已知基准代入配电网潮流约束求解一个以调整量最小或电压偏差最小为目标的校正问题对第一阶段计划进行安全修正确保最终的调度方案在任意典型断面下都满足节点电压和支路容量的边界。打个生活化的比方第一阶段像公司年初做年度预算规模、方向、资源分配定下来第二阶段像每个季度根据实际业务情况做预算调整调完还得重新过一遍现金流和合规审查。预算阶段盯着成本要低调整阶段盯着别出事。如果只是想学习单一经济调度不需要两阶段如果已经从文献里见到两阶段鲁棒优化那是另一个语境——它的第一阶段是预决策第二阶段是在最坏场景下的检验与再调整本质是min-max-min结构。本文先讲确定性框架下的两阶段鲁棒扩展放到最后部分说明。1.3 阶段之间怎么接力基准出力与反馈校正的工作流程两个阶段不是各算各的传递关系要理清楚。我实际项目里的工作流程是这样的读取网络参数和日前预测数据先跑第一阶段模型得到全天96点或24点的DG有功出力计划、储能SOC轨迹、联络线交换功率计划。把第一阶段结果特别是储能充放电功率和各DG的有功出力作为第二阶段模型的基准值传入。第二阶段建立完整的DistFlow潮流约束节点电压上下限、支路电流限值全部收紧以调整量最小为目标做一次安全校正得到修正后的最终调度计划。对比第一阶段和第二阶段的出力差异如果调整量占比超过预设阈值比如3%说明第一阶段的经济调度结果过于激进可以回到第一阶段补充安全约束后重新求解一般迭代一到两次就收敛。在实际代码里第一阶段和第二阶段可以分别建模、分别求解也可以合并成一个顺序求解的框架。我推荐分模块建模这样调试起来能快速定位问题是出在经济计划层还是安全校核层。2. 数学建模第一阶段做经济预调度第二阶段守安全底线2.1 第一阶段目标函数与约束的完整表达先定义基础参数。调度时段集合记为T分布式电源集合为G储能单元集合为S。第一阶段的目标函数我写成下面的形式购电成本 DG燃料与运维成本 弃光弃风惩罚成本 储能运行成本公式表达如下以24时段为例min Σ_{t∈T} λ_t · P_buy,t · Δt Σ_{t∈T} Σ_{g∈G} (a_g · P_g,t² b_g · P_g,t c_g) Σ_{t∈T} ρ_curtail · P_curtail,t · Δt Σ_{t∈T} c_ess · (P_ch,t P_dis,t)其中λ_t是分时电价P_buy,t是时段t向主网购电的功率a_g、b_g、c_g是第g个分布式电源的燃料成本二次系数P_curtail,t是弃光/弃风功率ρ_curtail是惩罚单价P_ch,t、P_dis,t是储能充放电功率c_ess是单位充放电的运行损耗成本。第一阶段约束主要包括有功功率平衡约束Σ P_g,t P_buy,t P_dis,t P_load,t P_ch,t这里把储能放电视为电源、充电视为负荷DG出力也计入电源侧。DG出力限值P_g,min ≤ P_g,t ≤ P_g,max并考虑爬坡约束|P_g,t - P_g,t-1| ≤ ΔP_g。储能SOC递推约束SOC_t SOC_{t-1} η_ch · P_ch,t · Δt / E_cap - P_dis,t · Δt / (η_dis · E_cap)。联络线交换功率限值0 ≤ P_buy,t ≤ P_buy,max。弃光弃风约束0 ≤ P_curtail,t ≤ P_avail,t其中P_avail,t是该时段光伏/风电可用最大出力。需要提醒的是第一阶段里不需要严格建立全网潮流方程——它服务的对象是经济计划节点电压和支路潮流在这里先不展开否则模型规模会迅速膨胀。DGs出力只做有功层面的平衡无功和电压问题留给第二阶段。这样拆分才能体现两阶段的价值第一阶段解决量级的资源分配第二阶段解决空间分布的安全校验。2.2 第二阶段目标函数与安全约束的完整表达第二阶段建立在潮流约束之上目标函数是调整量最小min Σ_{t∈T} ( |P_g,t - P_g,t*| |P_ch,t - P_ch,t*| |P_dis,t - P_dis,t*| )其中带*的是第一阶段传来的基准值带的是第二阶段修正后的最终值。用L1范数而不是L2范数是为了让修正尽量集中于少数几个设备上也便于解释哪个DG调整了多少。第二阶段的核心约束是辐射状配电网的DistFlow潮流方程。对任意支路(i,j)记R_ij和X_ij为支路电阻和电抗P_ij,t和Q_ij,t为支路首端有功和无功功率l_ij,t为支路电流幅值的平方v_i,t为节点电压幅值的平方。DistFlow方程如下P_ij,t - R_ij · l_ij,t Σ_{k∈N(j)} P_jk,t P_load_j,t - P_dg_j,t Q_ij,t - X_ij · l_ij,t Σ_{k∈N(j)} Q_jk,t Q_load_j,t - Q_dg_j,t v_j,t v_i,t - 2(R_ij·P_ij,t X_ij·Q_ij,t) (R_ij² X_ij²)·l_ij,t l_ij,t (P_ij,t² Q_ij,t²) / v_i,t最后一个方程是非凸的二次等式直接求解会让整个模型变成非凸非线性规划求解极慢且容易陷入局部最优。所以需要做二阶锥松弛这一点下一章专门展开。除了潮流方程第二阶段还加入节点电压约束(v_min)² ≤ v_i,t ≤ (v_max)²以及支路电流约束 l_ij,t ≤ (I_ij,max)²。第二阶段里的DG无功功率也应当纳入模型。分布式光伏逆变器和储能变流器都有无功调节能力我通常把Q_dg作为连续决策变量加上功率因数约束如|Q_dg| ≤ tanφ_max · P_dg这样电压校正的手段比单纯调有功丰富得多。2.3 两阶段的衔接变量哪些量传递、哪些量独立两阶段模型容易犯的错误是把所有变量在两个阶段里重复定义。以我自己的实现为例衔接关系这样设计需要传递的第一阶段计算出的P_dg,t*、P_ch,t*、P_dis,t*、P_buy,t*作为第二阶段的基准值。可以独立的第二阶段里新引入的节点电压v_i,t、支路功率P_ij,t/Q_ij,t、支路电流l_ij,t、DG无功Q_dg,t这些变量只存在于第二阶段。需要约束的关联第二阶段修正后的P_dg,t与基准值P_dg,t*之间通过目标函数的偏差项建立联系不额外加硬性上下限否则第一阶段完全失去意义。在Matlab代码里我习惯把这两阶段放在两个函数文件里model_phase1.m和model_phase2.m中间用一个struct传数据。别把两套约束写进同一个YALMIP模型里去同时求解——那样变量规模巨大而且经济目标和安全目标混在一起松弛效果和求解速度都会很糟糕。3. 潮流约束怎么处理才合理DistFlow方程与二阶锥松弛的选择逻辑3.1 为什么配电网潮流不能继续用直流模型很多从输电网建模入门的朋友习惯性想到直流潮流——把电压幅值当作恒定1.0只列有功方程。这在110kV以上输电网基本够用因为输电网R/X比很小无功和电压解耦程度高。配电网完全是另一回事。架空线路和电缆线路的电阻和电抗相当甚至R/X比大于1有功潮流会导致明显的电压降落无功也会显著影响节点电压。无视电压约束直接把第一阶段的有功计划拿出来用最常见的后果就是午间光伏大发时末端节点电压超过1.05p.u.出现逆变器脱网风险。所以含分布式电源的配电网调度潮流约束必须包含有功-无功-电压三者耦合的完整表达。DistFlow就是为辐射状配电网设计的精确潮流递推模型它不引入传输电压近似能如实反映每个节点的电压水平。3.2 DistFlow递推方程与二阶锥松弛DistFlow的公式上一章已经写出这里重点说松弛。问题出在最后那个非凸等式l_ij,t (P_ij,t² Q_ij,t²) / v_i,t把它改写成二阶锥条件|| 2·P_ij,t ; 2·Q_ij,t ; v_i,t - l_ij,t ||₂ ≤ v_i,t l_ij,t这个变换的原理是原等式描述的是一个抛物线关系松弛后允许l_ij取不小于抛物线的值于是把非凸曲面放宽成了凸锥。只要目标函数中存在一个促使l_ij尽量小的因素比如购电成本里隐含了网损成本最优解就会落在锥的边界上此时松弛是严格的等价于原潮流方程。大部分情况下目标函数里加上全网网损项支路电阻乘以电流平方就能让松弛自然收紧。我在项目里验证过使用Gurobi求解时要监控最优解是否真的满足等式精度常见的判定方式是计算每个时段每条支路的松弛间隙gap_ij,t || 2P ; 2Q ; v_i - l ||₂ - (v_i l)只要最大gap小于1e-4就认为松弛是有效的如果gap过大说明目标函数缺少强制收紧机制需要向目标函数里补网损惩罚项而不是盲目增大求解精度。3.3 模型定级与求解器选型从SOCP到MISOCP做了二阶锥松弛之后模型变成二阶锥规划SOCP。如果再引入储能充放电状态二元变量、电容器投切档位整数变量或变压器分接头位置模型升级为混合整数二阶锥规划MISOCP。模型定级直接决定求解方式纯SOCP可以用现成的内点法求解器如Mosek、Gurobi、Cplex直接解速度快、稳定性好。MISOCP则需要分支定界法在整数空间搜索每一节点上做SOCP子问题求解计算量随整数变量数量指数级上升。我在实际项目里的建议是第一阶段如果只把储能放电功率写成连续变量模型是凸的SOCP但如果不加限制SOCP解出来的储能行为常常是既充电又放电的奇异值充电和放电同时为正只要系数允许就互相抵消。工程上必须引入二元变量强制充电、放电互斥。这种设定一加入就是MISOCP。算例规模通常用经典的33节点辐射状配电网测试系统DG配置几台光伏、一台储能。24时段少量二元变量Gurobi大概在几十秒到几分钟内收敛如果加到96时段变量规模扩大4倍求解时间可能膨胀到几十分钟。这一点在第四章会给出实际的操作建议。4. Matlab代码落地工具链、工程结构与关键代码片段4.1 工具链与版本组合Matlab YALMIP 求解器先交代我的工作环境Matlab R2021a YALMIPGitHub上持续更新的版本 Gurobi求解器。选这套组合的理由很直接YALMIP的建模语法简洁sdpvar定义变量、Constraints拼接约束、optimize调用求解器调试效率远高于手写内点法或调用求解器的底层API。Gurobi求解SOCP和MISOCP都很成熟特别是对二阶锥约束的处理数值稳定性明显比某些老牌求解器好。如果没条件用商业求解器可以退而求其次用SCIP求解MISOCP或Mosek求解连续SOCP。SCIP支持二阶锥但我实测求解25节点以上算例会比较慢建议以Gurobi为主力。安装顺序极易踩坑先装Gurobi保证gurobi命令在Matlab里能调用再装YALMIP最后设置solve参数。千万别反过来否则会报找不到求解器或者求解器版本过旧。4.2 工程结构数据表设计、模型脚本、结果输出写Matlab代码别把全部内容塞进一个脚本我一般按下面的结构组织case33/ ├─ data/ % 网络参数、负荷曲线、光伏曲线、电价数据 │ ├─ load_curve_24.m │ ├─ pv_curve_24.m │ └─ price_24.m ├─ lib/ │ ├─ model_phase1.m % 第一阶段模型 │ ├─ model_phase2.m % 第二阶段模型 │ └─ plot_results.m % 可视化 └─ run_schedule.m % 主程序数据表的设计是最容易被忽略但影响全局的环节。我习惯用结构体struct存储三类数据节点数据node_id、P_load、Q_load、v_max、v_min。支路数据from、to、R、X、I_max。DG数据type光伏/燃机/储能、P_max、成本系数、爬坡率、逆变器容量。这样写出来的model_phase1和model_phase2只需要接收一个data结构体内部用字段名引用数据和变量后续换算例、改参数非常方便。换一个33节点算例只需要替换data文件夹的数据模型脚本一个字符都不用动。4.3 核心代码片段约束、目标与求解调用这里写一个经过精简但足以说明问题的代码骨架。先看第二阶段的核心建模逻辑function [result, sol] model_phase2(data, plan_base) T data.T; % 调度时段数 N data.node_count; % 节点数 B size(data.branch, 1); % 支路数 % 决策变量 P_dg sdpvar(data.dg_count, T, full); Q_dg sdpvar(data.dg_count, T, full); P_ch sdpvar(data.ess_count, T, full); P_dis sdpvar(data.ess_count, T, full); P_buy sdpvar(1, T); V sdpvar(N, T, full); branch_P sdpvar(B, T, full); branch_Q sdpvar(B, T, full); branch_I sdpvar(B, T, full); % 目标调整量最小 Objective 0; for g 1:data.dg_count Objective Objective sum(abs(P_dg(g,:) - plan_base.P_dg_base(g,:))); end % 约束集合 Constraints []; % DistFlow约束以辐射状网络的parent-child遍历方式书写 % 这里示意其中一条支路的写法实际代码需按网络拓扑逐支路展开 for t 1:T for k 1:B i data.branch(k, 1); j data.branch(k, 2); % 二阶锥松弛 % || [2*P; 2*Q; Vi - l] ||_2 Vi l Constraints [Constraints, ... V(i,t) - V(j,t) - 2*(data.R(k)*branch_P(k,t) data.X(k)*branch_Q(k,t)) ... (data.R(k)^2 data.X(k)^2)*branch_I(k,t) 0]; Constraints [Constraints, ... norm([2*branch_P(k,t); 2*branch_Q(k,t); V(i,t) - branch_I(k,t)], 2) ... V(i,t) branch_I(k,t)]; end % 电压与支路电流限值 Constraints [Constraints, data.v_min^2 V(:,t) data.v_max^2]; Constraints [Constraints, 0 branch_I(:,t) data.I_max.^2]; end % 求解 ops sdpsettings(solver, gurobi, verbose, 0, gurobi.MIPGap, 1e-3); sol optimize(Constraints, Objective, ops); % 提取结果 result.P_dg value(P_dg); result.P_ch value(P_ch); result.P_dis value(P_dis); result.P_buy value(P_buy); result.V value(V); end上面这段是能反映核心思路的精简版。有几个细节强调一下支路潮流必须按网络的parent-child关系遍历YALMIP不会自动帮你按拓扑展开方程必须自己写循环把每条支路的方程拼进去。二阶锥约束用YALMIP的norm函数加不等式YALMIP会自动识别为圆锥约束交给Gurobi处理不需要手动改写成矩阵形式。目标函数里我用了sum(abs(...))的形式YALMIP会把它转换成非光滑凸问题的等价线性锥约束交给Gurobi是标准操作。第一阶段模型的代码结构类似只是不需要V和branch_P这些变量目标换成购电成本加DG燃料成本约束以功率平衡和SOC递推为主。第一阶段输出的plan_base传给第二阶段时注意用value()提取数值别把YALMIP对象直接传过去。4.4 结果可视化与调度曲线校验模型跑完不算完结果可视化能帮你快速判断调度方案是否合理。我绘图时固定三张图全天各时段的功率平衡图把负荷曲线、DG出力曲线、储能充放电曲线、购电曲线画在同一张图上确认任意时刻源侧网侧荷侧储能充电。典型节点电压曲线重点看末端节点和光伏接入节点的电压确认全天都在0.95p.u.到1.05p.u.区间。储能SOC曲线确认SOC在0.1到0.9范围内平滑变化没有频繁跳变。很多模型数值最优但曲线很怪比如购电功率在电价低谷时反而为零、储能SOC在一天内反复横跳这些都是调度计划不可用的信号。可视化校验比计算目标函数值更能发现问题。5. 调试汇总从不可行解到松弛不紧密我趟过的五个坑5.1 二阶锥松弛看起来过了实际没过的隐蔽问题第一次跑通模型时Gurobi报optimal目标函数有值可电压曲线一画出来末端节点电压在某个断面越限了0.003p.u.。排查半天发现不是电压约束没写而是二阶锥松弛间隙过大——最优解落在锥内部原潮流等式并没有严格满足。解决办法是我在3.2节提到的计算每个时段每条支路的gap发现午后光伏大发时段gap明显变大。根因是目标函数里没有包含网损项导致系统没有动力去把l_ij压到边界。后来在目标函数里补了网损惩罚Σ_{t,k} R_ij · l_ij,t模型立刻恢复正常最大gap降到1e-6量级。这个坑不显眼但几乎每个刚接触DistFlow松弛的人都会撞一次。5.2 不可行解耦合变量重复定义是最常见的原因另一个高频问题是第一阶段和第二阶段的模型分别跑都可行连在一起跑却报infeasible。我最开始以为是边界电压下限太严格试了半天发现根本不是——是第二阶段里我定义了P_dg_new作为新变量却忘了把它和第一阶段传来的P_dg_base建立同源关系目标函数虽然有偏差项约束但约束条件里根本没有让P_dg_new落到合理范围内的强制条件。调试方法用YALMIP的check()命令逐个约束组检查残差哪个约束返回负值就是哪个约束导致不可行。我建议把每个阶段写成一个函数、返回约束列表主程序里分块check几秒钟就能定位问题别用二分法全代码盲试。5.3 YALMIP与求解器的版本兼容问题YALMIP版本迭代很快Gurobi也在不停升级。我遇到过一个诡异问题同样的代码在某台机器上跑通换到另一台机器就报Unable to create model或Invalid input。最后发现是Gurobi版本太新YALMIP旧版本里的接口还没适配。这个问题的标准解法是固定版本组合并在求解时显式指定求解器ops sdpsettings(solver, gurobi, verbose, 1);如果solver参数不指定YALMIP会自动探测已安装求解器但探测逻辑有时会把某个不适配的求解器排在前面导致调用失败。显式指定后同时还建议把求解器的数值容差设松一点点例如gurobi.FeasibilityTol1e-6能减少很多莫名其妙的中断。5.4 96时段模型求解时间爆炸降粒度与求解器参数项目初期我把调度时段设成96点15分钟一个点配合MISOCP里的Storage二进制状态变量Gurobi求解时间直接超过40分钟完全没法做迭代调试。后来做了两个调整。一是把时间粒度改为24点每小时一个点二进制变量数降到原来的四分之一求解时间降到3分钟以内。对日前计划研究来说小时级粒度足够支撑决策15分钟精度更多是留给日内滚动优化。二是在Gurobi里设置相对MIPGap为1e-3而不是默认的1e-4整数搜索的收敛速度提升非常明显电网调度的工程精度1e-3完全够用。如果确实需要96点更合理的做法是只让储能SOC的启停互斥约束用更松弛的MIPGap例如gurobi.MIPGap0.01然后对SOC曲线做后处理平滑修正而不是硬刚求精确最优。5.5 储能结果抖振工程不可用的另一个坑还有一个常见问题是储能出力曲线出现锯齿——相邻时段一会儿大功率充电一会儿大功率放电。数学上目标函数最优物理上储能厂家听了会摇头因为频繁穿越充放电会大幅缩短电池循环寿命。根因是目标函数只考虑了单时段经济成本完全没有考虑充放电切换带来的寿命惩罚。解决办法有两类一类是给目标函数增加切换惩罚项比如对相邻时段储能功率之差的绝对值加权Σ_t |P_ess,t - P_ess,t-1| · cost_ramp另一类是加最小充放电持续时间约束用二元变量强制储能至少维持两个以上时段的同向状态。前者实现简单后者更严谨。我倾向先用切换惩罚项等模型复杂起来再考虑最小持续时间约束。6. 模型还能怎么进化鲁棒扩展、储能健康与三相配电网6.1 从确定性两阶段走向两阶段鲁棒优化前面的模型里光伏预测曲线是给定的属于确定性优化。实际项目中光伏和负荷预测必然有误差。想让模型更有工程意义方向之一是把确定性两阶段升级为分布鲁棒或两阶段鲁棒优化。两阶段鲁棒优化的标准框架是min-max-min第一阶段在预测场景下做预调度第二阶段引入不确定集光伏出力、负荷在一定区间内波动针对最坏场景寻找可行且经济的再调整方案。实现时第二阶段变成检验器不停地让求解器寻找最恶劣的场景再反馈给第一阶段调整计划通常用CCG列与约束生成或Benders分解迭代求解。这部分在Matlab里也是用YALMIP建模但主程序要写迭代循环复杂度高一个档次。6.2 储能循环寿命与最小充放电时间约束前面提到的抖振问题在工程落地上牵涉到储能寿命建模。常用做法是把循环次数折算成折旧成本放进目标函数。简化模型可用吞吐量法cost_cycle k · Σ_t (P_ch,t P_dis,t) · Δt其中k是电池每kWh吞吐量的折旧成本系数。更精细的模型会考虑放电深度DOD对循环寿命的非线性影响但配电网调度里嵌入DOD模型会让问题变成非线性得不偿失。我建议大多数场景用吞吐量法加上切换惩罚足够支撑工程决策同时保持模型在MISOCP框架内可解。6.3 三相不平衡配电网的延伸与编程调整思路配电网实际运行中单相负荷和单相分布式电源接入会导致三相不平衡。标准DistFlow模型建立在单相正序等效模型上只适合作为规划或预调度的近似。考虑三相不平衡时每个节点的状态从单相电压平方扩展到三相电压平方向量支路方程维度从1变成3二阶锥约束也要按三相分别建立。编程上最大的变化是数据结构节点表要多一列phase支路表要标注相别DG出力分为每相有功/无功。YALMIP里变量维度从(N,T)变成(N,phase,T)约束循环多套一层phase。模型规模大约变为单相版本的3倍求解时间非线性增长这也是为什么业界普遍先做单相日前调度、再做三相精确校核而不是从头到尾全用三相模型。看完这些扩展方向再回头看最初的问题含分布式电源的配电网日前两阶段优化调度真正难的不是优化两个字而是把两个阶段的职责理清、把潮流约束松对、把求解器和数据接口调稳。我在给几个不同算例配置参数时最大的体会是——模型复杂程度要把控在能解释清楚每个约束的范围里别为了追新把模型堆到所有求解器都啃不动。按照文中的工程结构和调试路径从零到跑通一个33节点算例顺利的话一到两天足够剩下的时间都该花在理解结果和扩展模型上。