企业官网建设流程全解析

简介：pandapower 1.2.0 是面向电力系统科研与工程应用的官方 Python 库压缩包，可帮助用户高效完成电网建模、潮流计算、故障分析与最优潮流等任务，适合具备 Python 基础、需要离线使用完整工具链的研究人员、工程师和高年级学生。包内共 163 个文件，127 个 py 模块构成核心实现，22 个 pickle 格式算例数据可直接用于测试与复现，另有配置、说明文档和许可证文件，压缩后约 1.93MB，部署非常轻量。内容包含典型 IEEE 节点测试系统以及大规模输电网络模型，覆盖从教学算例到接近真实电网的多种规模，读者可借助自带数据快速验证算法，或基于开放接口构建自定义拓扑与运行场景。目前已有 573 人浏览学习，作为官方发布版本，可满足课程实验、论文复现和工程预研等需求，同时减少自行整理数据与处理依赖的时间成本，是入门及进阶电力系统仿真的实用资料。

1. pandapower 装好不一定会用，先搞懂它解决什么问题

如果你只是pip install pandapower然后用net = pp.create_empty_network()建了一条线，跑完runpp()就以为会了，那这篇值得往下看。pandapower 是基于 pandas、NumPy 的电力系统分析工具，它把电网建模变成填表，把潮流计算、最优潮流、短路计算变成一行函数调用。它的价值不在“能算潮流”，而在于“数据和结果都是 pandas DataFrame”，你可以像处理普通表格一样处理电网数据，批量改参数、批量跑场景、对照结果做差异分析。对于配电网规划、微电网调度、教学科研和新能源并网分析，这是目前开源库里综合体验最顺的一条路。这篇会从安装 zip 包讲起，一路到潮流计算参数调整、不收敛排查和批量仿真，中间每个步骤的代码都能直接拷走改改就跑。

2. 从 pandapower-1.2.0.zip 到可复现的安装流程

2.1 为什么 1.2.0 需要明确 Python 版本

pandapower 1.2.0 是 2025 年 4 月发布的版本，引入了 generator 的功率因子定义、load/static_generator 的 scaling 简化标记，以及针对有功-频率控制的扩展。它不是最新版，但在不少生产环境和教材里仍然被引用，原因是它的 API 行为相对固定，对新用户来说社区资料更好找。安装前先确认 Python 版本：pandapower 1.2.0 官方支持 Python 3.9 到 3.12，低于 3.9 会遇到语法兼容问题，高于 3.12 则可能因为依赖包没有对应 wheel 而失败。我一般会先检查当前环境的 Python 版本再装，避免把基础环境搞乱。

2.2 离线 zip 包安装的两种方式

有时候机器不能直接访问公共包索引，只能拿着 pandapower-1.2.0.zip 手动安装。常见做法是用 pip 直接指向本地文件，但在那之前必须先装好它的依赖。pandapower 1.2.0 的核心依赖包括 pandas（要求 >=1.4，不建议用 2.2 以下版本）、numpy、scipy、networkx、deepdiff。可以先建一个干净的虚拟环境，避免污染全局解释器。下面是我惯用的方式，Windows 和 Linux 通用。

python -m venv pp_env # Windows pp_env\Scripts\activate # Linux / macOS source pp_env/bin/activate # 先装依赖 pip install "numpy>=1.23" "scipy>=1.8" "pandas>=1.4" "networkx>=2.6" "deepdiff>=6.0" # 再装本地 zip 包 pip install ./pandapower-1.2.0.zip

这段命令的逻辑是先创建独立虚拟环境，然后把 pandapower 的五个核心依赖装好，最后用pip install ./pandapower-1.2.0.zip安装本地包。./前缀是为了明确告诉 pip 这是一个本地路径，而不是 PyPI 上的包名。有人会直接把 zip 包解压后运行python setup.py install，这个做法在新版 Python 里容易踩坑，因为 setuptools 对 project metadata 的处理方式变了，推荐优先用 pip。

另一种方式是先解压 zip，再把pandapower文件夹直接复制到site-packages下。这种方式不推荐，因为依赖关系不会自动解析，卸载时也容易残留文件。非要这么做的话，至少先记录下当前环境的pip freeze结果，方便回滚。

2.3 验证安装：导入与版本检测

装完后不要急着建网络，先跑一组最基础的验证代码，确认核心模块能导入、版本正确、依赖没有缺失。

import pandapower as pp print(pp.__version__) # 创建最小测试网络 net = pp.create_empty_network() bus1 = pp.create_bus(net, vn_kv=20.0, name="bus1") bus2 = pp.create_bus(net, vn_kv=0.4, name="bus2") pp.create_transformer(net, hv_bus=bus1, lv_bus=bus2, std_type="0.4 MVA 20/0.4 kV") pp.create_line(net, from_bus=bus2, to_bus=bus2, length_km=0.1, std_type="NAYY 4x50 SE") pp.create_load(net, bus=bus2, p_mw=0.1, q_mvar=0.05) pp.runpp(net) print(net.res_bus)

这段代码的意思是：用create_empty_network建空网络，依次创建高压母线、低压母线、变压器、线路和负荷，然后调用runpp做潮流计算，最后打印结果表。如果看到版本号、没有报错，并且res_bus表里有 vm_pu 数据，说明安装成功。如果这里就报了ModuleNotFoundError: No module named 'pandapower'，八成是当前解释器和安装神器 misalign 了。此时在 VSCode 里检查右下角解释器路径，确认它指向pp_env下的 python，而不是全局解释器。

pip show pandapower

这条命令会显示 pandapower 的安装路径，可以用来和which python的输出做交叉验证。如果两个路径不在同一个 site-packages 目录下，解释器选错了，直接切换解释器重新跑。

出现AttributeError: module 'pandapower' has no attribute 'runpp'这类错误时，原因是安装的版本不对或者安装文件损坏。重新下载 zip 包，检查文件 hash 是否和官方 release 一致，再来一遍安装流程。

3. 用 pandapower 搭建电网模型：bus、line、load 的参数该填什么

3.1 数据模型：从 pandas 表格到电力网络

pandapower 的核心概念是“表格即模型”。net.bus、net.line、net.load、net.trafo 这些都是 DataFrame，每一行对应电网里的一个设备，每一列对应设备的参数。这种设计的直接好处是：你想批量修改同类型设备参数时，不用写循环，直接对 DataFrame 做列计算就行。

理解这个模型对后续使用很重要。pandapower 本身不保存一个独立的“图结构”，网架拓扑是从这些 DataFrame 的 from_bus / to_bus 列中推导出来的。所以哪怕只填错一个 bus 索引，拓扑就会错，潮流结果自然不对。下面这个图可以帮你建立基本印象：

母线是拓扑锚点，线路和变压器两端必须挂在已存在的 bus 索引上。负荷和发电机也必须挂在某个 bus 上。所有设备的索引都是自动生成的，插入顺序从 0 开始递增。这意味着如果你删除了某个 bus，它后面的索引不会自动紧凑，新建设备时要注意避免索引冲突。

3.2 最小放射状配电网实例

下面以一个 20kV 馈线带两个 0.4kV 台区为例，搭一个最小但完整的配电网模型。放射状配电网是最常见的结构，也是学习 pandapower 最好的起点。

import pandapower as pp net = pp.create_empty_network() # 上级变电站母线 for vn_kv in [20.0, 0.4]: pp.create_bus(net, vn_kv=vn_kv) # 20kV 馈线 pp.create_line(net, from_bus=0, to_bus=1, length_km=1.2, std_type="NA2XS2Y 1x240 RM/25 12/20 kV", name="Feeder") pp.create_load(net, bus=1, p_mw=1.5, q_mvar=0.3, name="load_1") # 变压器 20/0.4 kV，容量 630 kVA pp.create_transformer_from_parameters( net, hv_bus=1, lv_bus=2, sn_mva=0.63, vn_hv_kv=20.0, vn_lv_kv=0.4, vkr_percent=0.4, vk_percent=4.0, pfe_kw=1.2, i0_percent=0.2 ) # 0.4 kV 低压线路 pp.create_line_from_parameters( net, from_bus=2, to_bus=3, length_km=0.05, r_ohm_per_km=0.642, x_ohm_per_km=0.083, c_nf_per_km=210.0, max_i_ka=0.142, name="LV_Line" ) pp.create_load(net, bus=3, p_mw=0.08, q_mvar=0.02, name="load_2") pp.runpp(net) print(net.res_line[["from_bus", "to_bus", "loading_percent", "i_ka"]]) print(net.res_load[["bus", "p_mw", "q_mvar", "vm_pu"]])

这里用create_line配合 std_type 引用标准型号，用create_transformer_from_parameters和create_line_from_parameters直接填写电气参数。两者的区别是：std_type 是 pandapower 内置的标准类型库，填了型号会自动带出电阻电抗参数，适合快速搭建；from_parameters 则完全手填，适合找不到标准型号的场景。这里的 bus 索引是从 0 开始的，母线 0 是 20kV 上级母线，母线 1 是中压馈线末端，母线 2 是 0.4kV 低压侧，母线 3 是低压负荷节点。

3.3 参数陷阱：电压单位、容量、线路参数

新手最常犯的错误是把潮流计算用的单位搞混。pandapower 里电压用 kV，功率用 MW / MVAr，容量用 MVA，长度用 km。但很多人习惯用 W、V、A 去填参数，导致结果数量级完全不对。另一种常见错误是把阻抗的单位写成欧姆而不是欧姆每公里，create_line_from_parameters里 r_ohm_per_km 和 x_ohm_per_km 都是每公里的值，如果直接填了总阻抗，长线路后会明显偏高。

检查网络完整性有现成方法：

pp.check_net(net)

这个方法会检查孤立节点、未连接的设备、缺失的参数值等常见问题。如果检查通过但结果仍然不像话，可以用net.bus和net.line的 DataFrame 看索引和参数是否和预期一致。另一个容易忽略的地方是 net.load 的 scaling 列，这个列默认是 1.0，如果你之前批量改过，可能会造成实际负载和填的 p_mw 不一致。

4. 潮流计算 runpp 的参数调优与不收敛处理

4.1 算法选型：NR、IW、FDBX 的适用边界

runpp默认使用全牛顿-拉夫逊算法（NR），这是最通用、收敛性最好的选择。但对于某些病态网络，NR 可能迭代多次仍然不收敛，这时可以切换到其他算法。pandapower 提供的算法主要有：

• NR（Newton-Raphson）：默认，精度高，适用于大多数电网
• IW（Implicit Z-bus Gauss）：对配电网络收敛较慢，但对恒功率负载较多的低压网络可能更稳
• FDBX（Fast Decoupled）：速度最快，适合辐射状网络，但对重负载线路精度稍差

实际使用中，我会先跑一次 NR，不收敛时再看结果调整。选算法不是一个“哪个更好用”的问题，而是要匹配你的网络结构。下面的代码展示了如何在 runpp 时切换算法，并开启详细输出：

# 默认算法 pp.runpp(net, algorithm="nr", tol_v=1e-6, tol_i=1e-6, max_iteration=20) # 切换到 IW pp.runpp(net, algorithm="iw", tol_v=1e-6, max_iteration=50) # 切换到 FDBX pp.runpp(net, algorithm="fdbx", tol_v=1e-6, max_iteration=30)

tol_v是电压收敛容差，tol_i是电流收敛容差，max_iteration是最大迭代次数。容差设置得太严（如 1e-9）会导致不必要的迭代次数增加，设置得太松（如 1e-3）则结果误差偏大。我一般取 1e-6 作为初始设置，跑不收敛时再放宽到 1e-5。max_iteration也不是越大越好，NR 超过 20 次还不收敛基本说明网络有问题。

4.2 容差、分布式负载、电压限制怎么设置

runpp还有几个不太起眼但实际很常用的参数。distributed_slack在微网或孤岛电网中特别重要，默认 False 表示只有参考节点承担不平衡功率，设置为 True 后，所有带 gen 的母线都会按比例分摊功率缺额。init参数控制初值选择，支持 "auto"、 "flat" 和 "dc" 三种，默认 "auto" 会先用直流潮流做初始化，交流潮流迭代次数会减少。trafo_model控制变压器模型，t 是 T 型等效电路，pi 是 π 型等效电路，后者在配电网仿真中更常见。

pp.runpp( net, algorithm="nr", tol_v=1e-6, tol_i=1e-6, max_iteration=20, distributed_slack=True, init="dc", trafo_model="t", trafo_loading="current", enforce_v_decimal=True, )

enforce_v_decimal会强制把电压运行点作为离散变量处理，适合做电压调节器仿真。trafo_loading控制变压器负载率按电流还是按功率计算，配电网里建议用 "current"，因为低压侧功率因数和电压偏差会影响视在功率，而电流负载率更能反映真实热稳定裕度。

4.3 不收敛第一动作：别急着调参数，先查网络

遇到loadflow not converged报错时，我的排查顺序是固定的：

第一步看 bus 索引是否连续。用net.bus.index和net.line[["from_bus","to_bus"]]做差集，找出引用了不存在的 bus 编号的设备。

第二步看孤岛。使用pp.topology.simple_calc_graph(net)检查网络是否被分割成多个不相连的子图。如果 feeder 断开，潮流根本不可能收敛，因为公式矩阵奇异。

第三步检查负荷量级。把net.load[["bus","p_mw","q_mvar"]]按 bus 分组求和，和变压器容量对比。如果某个变压器满载超过 150%，大概率是潮流发散的原因。

load_group = net.load.groupby("bus")[["p_mw", "q_mvar"]].sum() print(load_group) trafo_sn = net.trafo["sn_mva"].sum() print("总负荷 vs 总变压器容量:", load_group["p_mw"].sum(), trafo_sn)

如果以上都正常，再回到 runpp 的参数上来。把容差放宽到 1e-4，把 init 改成 "flat"，把算法换成 IW，逐项排除因素。遇到配电网线路过长导致的低压问题，不要只靠调参数，要看电压结果。

5. 不止于潮流：优化、故障与批量仿真的扩展路径

5.1 最优潮流 runopp 的边界约束参数

在传统配电网分析中，潮流计算只是“已知负载求状态”。做规划或调度时，还需要求解“在满足电压和线路容量约束下，如何调整发电机出力让运行成本最小”，这就要用到最优潮流（OPF）。pandapower 的runopp提供了这个能力，但它依赖pandapower.opf模块，需要额外安装pandapower自带的 OPF 引擎，或者对接pypower。这里直接看代码：

import pandapower as pp from pandapower.control import ContinuousTapControl net = pp.create_empty_network() b0 = pp.create_bus(net, vn_kv=110.0) b1 = pp.create_bus(net, vn_kv=110.0) b2 = pp.create_bus(net, vn_kv=110.0) pp.create_ext_grid(net, bus=b0, vm_pu=1.0) pp.create_line(net, b0, b1, length_km=10.0, std_type="149-AL1/24-ST1A 110.0") pp.create_line(net, b1, b2, length_km=10.0, std_type="149-AL1/24-ST1A 110.0") # 在 b1 和 b2 上挂发电机，带成本 g1 = pp.create_gen(net, b1, p_mw=20.0, vm_pu=1.0, min_p_mw=0.0, max_p_mw=50.0) g2 = pp.create_gen(net, b2, p_mw=30.0, vm_pu=1.0, min_p_mw=0.0, max_p_mw=50.0) pp.create_poly_cost(net, g1, "gen", cp1_eur_per_mw2=0.02, cp0_eur=0.0) pp.create_poly_cost(net, g2, "gen", cp1_eur_per_mw2=0.05, cp0_eur=0.0) pp.create_load(net, b2, p_mw=40.0, q_mvar=5.0) pp.runopp(net, delta=1e-12) print(net.res_cost) print(net.res_gen[["p_mw", "q_mvar", "va_degree", "vm_pu"]])

create_poly_cost指定发电机的成本函数，cp1_eur_per_mw2是二次项系数，cp0_eur是固定成本。runopp会求解一个以总发电成本最小为目标、满足潮流方程和电压/线路容量约束的最优问题。结果res_gen里的 p_mw 不是初始值，而是优化后的出力。如果两处发电机成本不同，优化结果一定是让成本低的发电机多出力。

5.2 批量场景：参数扫描与 pandas 联动

实际工作中经常要做参数扫描：比如负荷从 50% 涨到 150%，看电压如何变化。pandapower 的数据模型决定了这种扫描写起来很舒服，不需要反复建模型，改一个列就行。

import pandas as pd load_p = [0.5, 0.75, 1.0, 1.25, 1.5] rows = [] for i, scale in enumerate(load_p): # 重新设置 load scaling 列 net.load["scaling"] = scale pp.runpp(net) min_vm_pu = net.res_bus["vm_pu"].min() max_loading = pd.concat( [net.res_line["loading_percent"], net.res_trafo["loading_percent"]] ).max() rows.append({"case": i, "scaling": scale, "min_vm_pu": round(min_vm_pu, 4), "max_loading_percent": round(max_loading, 2)}) df_result = pd.DataFrame(rows) print(df_result)

这个循环里，每次只修改net.load["scaling"]的值，不用重新建网。每轮跑完runpp后，把最小电压和最大负载率记下来。这样一张表就能看出哪个负荷水平下电压越限或线路过载。跑完后用 matplotlib 画一条电压随负荷变化的曲线，能直接贴进报告。pandapower.plotting也内置了类似 simple_plot 的功能，可以直接显示网络拓扑和结果。

5.3 提取结果：res_bus 和 res_line 里的关键列

结果数据都在res_*前缀的表里，但不同版本对某些列名做了调整，建议先把表格的列检查一遍再使用：

print(net.res_bus.columns.tolist()) print(net.res_line.columns.tolist()) print(net.res_trafo.columns.tolist())

输出结果里最常用的列有：

res_load显示的 p_mw 是考虑了 scaling 之后的值，不是原始填表值。如果你填了 scaling=1.2，结果表里会显示放大的功率。反过来说，验证网络建模是否正确时，也应该用 res_load 而不是 net.load。这也解释了为什么很多人在对比结果时发现对不上账，因为他们拿原始负荷值跟结果表比，忘了 scaling 这个变量。

6. 验证结果不靠感觉：三条实用技巧

第一，检查有功功率平衡。电网运行必须满足供给等于需求加上网损。手动计算：所有 gen 出力之和减去所有 load 消耗之和，结果应该等于全网的电阻损耗。电阻损耗可以从 net.res_line 的 pl_mw 列加总得到。如果一个带负荷的台区供电的所有线路损耗接近 0 或者负数，说明网络模型有问题，多半是线型选错导致 r_ohm_per_km 为 0。

total_p_gen = net.res_gen["p_mw"].sum() + net.res_ext_grid["p_mw"].sum() total_p_load = net.res_load["p_mw"].sum() + net.res_sgen["p_mw"].sum() total_pl_loss = net.res_line["pl_mw"].sum() + net.res_trafo["pl_mw"].sum() print("发电机总出力:", total_p_gen) print("负荷总消耗:", total_p_load) print("网损:", total_pl_loss) print("差值:", total_p_gen - total_p_load - total_pl_loss)

这个差值应该在 1e-6 量级，如果差太多就回头查设备参数，不要继续做下一步。

第二，孤立节点检测。上面用的pp.topology.simple_calc_graph可以检查拓扑连通性。在较大网络中，一个不显眼的 bus 索引错误可以导致潮流结果偏离实际。把孤立节点找出来比肉眼盯 index 高效得多：

import pandapower.topology as top even = top.calc_connected_components(net, bus_pq="bus") print("组件数量:", len(even))

如果组件数量大于 1，说明有孤岛。配电网规划中除非是刻意设计的孤岛微网，否则必须把每个 island 都通过变压器或线路连接起来，否则潮流计算结果的物理意义就不成立。

第三，把结果导出到 excel 形成审计痕迹。在工程场景里，结果不只要“算得对”，还要“说得清”。pandapower 可以直接把结果写成 DataFrame，再交给 pandas 导出：

with pd.ExcelWriter("powerflow_result.xlsx") as writer: net.res_bus.to_excel(writer, sheet_name="bus") net.res_line.to_excel(writer, sheet_name="line") net.res_trafo.to_excel(writer, sheet_name="trafo") net.res_load.to_excel(writer, sheet_name="load")

导出后的文件可以直接拿去和同事核对，也能和旧版结果做 diff。如果你的计算场景需要频繁做这类对比，还可以直接保存整个 net 对象：

pp.to_json(net, "net_result.json")

把 net 保存成 json 的好处是，下次打开就能看到当时的模型和结果，不必重新搭一次网络。这也特别适合在 Jupyter 里做研究时保留中间过程。

本文还有配套的精品资源，点击获取