配电网重构是指在满足配电网运行基本约束的前提下，通过改变配电网中一个或多个开关的状态对配电网中一个或多个指标进行优化。通过配电网重构，可以在不增加设备投资的情况下，充分发挥配电系统的潜力，提高系统的性能指标，具有较好的经济效益。配电网重构的算法有许多，包括数学规划方法，如分支定界法、0-1 整数规划、单纯形法等；启发式算法，如最优流算法、开关交换法等；智能优化算法，如模拟退火算法、遗传算法、蚁群算法、粒子群算法、禁忌搜索算法等。这个文件的内容是采用混合整数二阶锥(Mixed-integer second-order cone programming, MISOCP)实现配电网重构问题的求解。 提供了完整的使用MISOCP模型求解配电网重构问题的matlab代码。

MATLAB代码：含SOP配电网重构 关键词：配网重构 yalmip 二阶锥 参考文档：《二阶锥松弛在配电网最优潮流计算中的应用》 仿真平台：MATLAB 主要内容：参考文献2 高比例新能源下考虑需求侧响应和智能软开关的配电网重构 参考3：Mathematical representation of radiality constraint in distribution system reconfiguration problem

CPLEX二阶锥规划考虑Wind+CB+SVG+OLTC+ESS多时段24h，参考文献：主动配电网多源协同运行优化研究_乔珊 摘要：最优潮流研究在配 电网规划运行 中不可或缺 ， 且在大量分布式能源接入 的主动配 电网环境下尤 为重要 。传统的启发式算法 在全局最优 解和求解 速度上均 无法满足主动配电网运行要求 ， 而基于线性化的最优潮流方法在高阻抗的配 电网中适用性也较 弱。 基于此，文章建立 了基 于二阶锥规划的动态最优潮流模型框架，力图将原非线性规划模型松弛转化为SOPC进行快速求解 。 首先 ，给出了基于二阶锥松弛 的配 电网动态最优潮流基本模 型； 然后,对主动配 电网中各重要参与元素进行相应 的线性化建模处理 以便 高效求解，如主动管理设备、配 电网重构、需求响应及综合负荷等；同时，分析 了松弛模型和近似等效 的准确性。

考虑网络重构的IEEE 33节点动态最优潮流 考虑网络重构和电压电流约束 使用二阶锥松弛模型 采用yalmip+cplex求解器编写

配电网重构作为配电网优化运行的手段之一，通过改变配电网的拓扑结构，以达到降低网损、改善电压分布、提升系统的可靠性与经济性等目的。近年来，随着全球能源消耗快速增长以及环境的日趋恶化，清洁能源飞速发展，分布式电源(Distributed Generator, DG)大量接入配电网中。DG 因其随机性和波动性，大量接入给配电网带来巨大冲击，也给配电网重构带来严峻的挑战，因此有必要研究适用于高比例清洁能源接入下的配电网重构方法。本文在高比例清洁能源接入的背景下，提出计及需求响应的配电网重构模型，有效利用需求响应进一步降低配电网重构费用并减少弃风弃光率，提高配电网对清洁能源的消纳能力。在求解算法方面，本文基于混合整数二阶锥规划对配电网重构模型进行求解，针对配电网重构的非凸模型，通过引入中间变量并对配电网重构模型进行合理二阶锥松弛，获得混合整数凸规划模型并进行求解。 这个资源提供了原理介绍、结果呈现和代码获取方式。

提出一种改进的均衡器算法。该方法基于最小均方误差(minimum mean square error,MMSE)准则,使均衡器的输出与训练码的均方误差最小,并且将信道均衡的最小均方误差目标函数转化为二阶锥形式,利用内点法求最优解。与传统基于最小均方误差(least mean squares,LMS)和递归最小二乘(recursive leastsquares,RLS)自适应算法的均衡器相比,由于不需要迭代收敛过程,不存在收敛速度与精度的矛盾,克服了基于LMS和RLS的自适应均衡器参数设置的困难,而且利用更短的训练序列长度即可获得相同的均衡效果,对于改善通信效率具有参考价值。

用于配电网的重构的混合整数二阶锥规划，利用yamilp工具箱，同时利用了cplex/mosek等求解器求解，配电网示例网架结构较简单。

嵌入式二阶锥规划求解器，包含c语言和MATLAB版本。

大数据-算法-非凸二阶锥规划问题的非线性重新尺度.pdf

针对多区域电-气综合能源系统(MIEGSs)优化调度策略求解过程中面临的区域子问题非凸的难点，提出一种能快速求解的改进二阶锥(SOC)松弛方法。构建MIEGSs的数学模型，将管道方程约束松弛为线性约束，通过求解松弛模型得到管道流量初值，由初值确定管道流向；根据管道流向采用SOC松弛方法，从而避免引入整数变量，并得到区域子问题的最优解；进而采用交替方向乘子法(ADMM)迭代求解各区域子问题，实现各区域间协同。所提方法无需引入整数变量，使得所求解问题均为凸优化问题，能够保证ADMM算法的收敛性，并具有较快的求解速度。最后，通过算例仿真验证了所提方法的有效性和快速性，并分析了算例参数对所提方法性能的影响。