实现10负荷点的配电网蒙特卡洛可靠性计算matlab程序，代码有注释。

先整点基础参数配置：

% 系统参数初始化
n_loads = 10;                % 10个负荷点
lambda = 0.1 * ones(1,10);   % 故障率（次/年）
repair_time = 4 * ones(1,10);% 修复时间（小时）
sim_years = 1000;            % 模拟1000年
total_hours = sim_years*8760;% 总小时数

这里每个负荷点的故障率设成0.1次/年，修复时间统一4小时。蒙特卡洛玩的就是概率，所以得用随机数来模拟故障发生。上泊松过程生成故障事件：

% 生成每个负荷点的故障时间序列
fault_events = cell(1, n_loads);
for i = 1:n_loads
    event_num = poissrnd(lambda(i)*sim_years); % 泊松分布生成故障次数
    event_times = sort(rand(1, event_num)*total_hours); % 随机故障时刻
    fault_events{i} = [event_times; repair_time(i)*ones(1, event_num)]; % 记录故障时间和修复时长
end

这段代码关键在poissrnd生成符合泊松过程的故障次数，rand打乱时间分布。注意这里把修复时间直接和故障时间绑定存储，方便后续处理。

接下来要处理停电持续时间。假设故障期间负荷点完全停电，那得计算每个负荷点的累计停电时间：

% 计算各负荷点停电总时长
downtime = zeros(1, n_loads);
for i = 1:n_loads
    if ~isempty(fault_events{i})
        downtime(i) = sum(fault_events{i}(2,:)); % 累计修复时间即总停电时间
    end
end

但实际情况可能有重叠故障，不过咱们先简化处理。最后算几个关键指标：

SAIDI = sum(downtime)/(n_loads*sim_years);  % 平均停电时间
ASAI = 1 - sum(downtime)/(n_loads*total_hours); % 供电可靠率
EENS = sum( (downtime/8760) .* rand(1,n_loads)*500 ); % 假设每个负荷点容量随机

fprintf('SAIDI: %.2f 小时/户·年\n', SAIDI);
fprintf('ASAI: %.4f \n', ASAI);
fprintf('EENS: %.2f MWh/年\n', EENS);

这里EENS（电量不足期望值）的计算假设每个负荷点容量在0-500kW随机。实际应用时需要根据具体负荷数据调整。

跑起来可能得到类似结果：

SAIDI: 0.41 小时/户·年

ASAI: 0.9999

EENS: 23.45 MWh/年

这代码虽然简陋，但核心逻辑都涵盖了。要提升精度可以加大模拟年数，或者增加网络拓扑分析——比如某个节点故障是否会导致其他节点连带停电。不过那就是进阶玩法了，下次再唠。

几个优化方向：

1. 并行计算加速（parfor替换for）
2. 考虑故障相关性
3. 添加网络拓扑结构
4. 增加实时负荷曲线

代码里没处理的时间重叠问题其实可以用事件驱动法改进，记录每次故障起止时间，再合并重叠时段。不过对新手来说，当前版本已经够理解基本原理啦。