风光热电储能的 Matlab 系统建模

 

一、引言

 

在当今能源转型的大背景下，风光热电储能综合能源系统备受瞩目。该系统整合了风能、太阳能、热能与电能的生产、存储和分配，能提升能源利用效率与稳定性。Matlab 作为强大的科学计算与工程仿真软件，为构建此类复杂系统的模型提供了理想平台，助力研究人员和工程师深入探究系统特性、优化控制策略并评估系统性能。

 

二、系统组成与原理

 

（一）风力发电

 

风力发电机是将风能转化为电能的关键设备。其输出功率受风速显著影响，风速越大，理论上可捕获的风能越多，输出功率也就越高。不过，实际的风力发电机并非在所有风速下都能满负荷运行，通常有切入风速、额定风速和切出风速等关键指标。在切入风速以下，风机因风能不足无法启动；达到切入风速后，风机开始发电，随着风速增加，输出功率逐渐上升；当风速达到额定风速时，风机输出额定功率；若风速继续增大，超过切出风速，为确保安全，风机将停止运行以避免损坏。

 

（二）光伏发电

 

光伏发电依靠光伏电池把太阳能转换为电能。光伏电池的发电效率与光照强度紧密相连，光照越强，产生的电能越多。同时，温度对其性能也有不可忽视的作用，较高的温度可能导致电池效率下降。而且，光伏电池的输出还会受到遮挡、电池老化等因素的影响。为提高发电效率和稳定性，大规模光伏电站常采用光伏阵列的形式，并配备最大功率跟踪（MPPT）技术，使光伏电池始终在最佳工作状态下运行。

 

（三）热电联产

 

热电联产机组可同时产出电能与热能，实现了能源的梯级利用，大大提高了能源综合利用效率。它以燃料（如天然气、煤炭等）为能源输入，通过燃烧产生高温高压的蒸汽或燃气，驱动发电装置产生电能。在此过程中，余热并未被浪费，而是被回收利用，通过热交换器等设备将热量传递给热用户，满足供暖、工业用热等热负荷需求。

 

（四）储能

 

储能环节在风光热电储能系统中起着“调节缓冲”的关键作用。对于电能存储，蓄电池是常用设备，其能在电能过剩时储存电能，在电能不足时释放电能，从而平衡电力供需。而蓄热装置（像水蓄热罐、相变蓄热材料等）则用于存储热能，在热需求低谷时储存多余热量，在热需求高峰时释放热量，保障热供应的稳定性。

 

三、Matlab 建模步骤

 

（一）数据准备

 

1. 气象数据收集：从当地气象部门或专业气象数据平台获取长时间序列（如一年）的风速、光照强度、环境温度等气象数据。这些数据将作为风力发电和光伏发电模块的动态输入，以模拟不同气象条件下系统的运行情况。

2. 设备参数确定：详细收集风力发电机、光伏电池、热电联产机组以及储能装置的技术参数。例如，风力发电机的额定功率、叶片直径、切入切出风速；光伏电池的光电转换效率、面积；热电联产机组的发电效率、供热效率、燃料消耗率；蓄电池的容量、充放电效率；蓄热装置的蓄热容量、导热系数等。

 

（二）模型搭建

 

1. 创建新模型：在 Matlab/Simulink 软件环境中开启一个新的建模项目。

2. 风力发电模块构建：利用 Simulink 中的基础模块（如乘法器、函数模块等）或从专业的电力系统模型库中选取合适的风力发电机模型组件，依据收集到的风速数据和风力发电机的特性参数，构建风力发电功率计算子模块，以模拟风力发电机的输出功率变化。

3. 光伏发电模块搭建：类似地，使用光照强度和温度数据作为输入，结合光伏电池的性能参数，通过构建数学关系或调用现有的光伏模型模块，搭建光伏发电功率计算子模块，模拟光伏阵列的发电功率输出。

4. 热电联产模块设计：根据热电联产机组的燃料输入量、发电效率曲线和供热效率曲线等参数，在模型中构建相应的计算模块，计算不同燃料输入情况下的电能和热能产出。

5. 储能模块组建：针对蓄电池和蓄热装置，分别创建荷电状态（SOC）计算模块和蓄热状态计算模块。通过积分器、逻辑判断模块等，依据储能装置的充放电规则和能量平衡原理，模拟储能装置的能量存储与释放过程。例如，蓄电池的 SOC 计算需考虑充电电流、放电电流以及充放电效率等因素；蓄热装置的蓄热状态计算则要考虑热量流入、流出以及蓄热介质的热容量等。

 

（三）控制策略设计

 

1. 功率平衡控制：设计一种智能的功率平衡控制策略，确保在任何时刻，风光发电、热电联产和储能装置的总输出功率能够精准匹配系统的电力和热力需求。比如，在风光发电功率充沛时，优先安排多余电力对储能装置充电，并将多余热能存储于蓄热装置；而当电力或热力供应不足时，优先调度储能装置放电或释放蓄热，若仍无法满足需求，则调整热电联产机组的运行状态以增加输出。

2. 储能管理策略：制定针对储能装置的充放电管理策略，综合考虑储能装置的寿命、系统运行成本以及能源市场价格波动等因素。例如，可采用基于 SOC 的阈值控制策略，当蓄电池 SOC 低于某个设定的下限值时，限制放电功率或停止放电以防止过度放电损害电池；当 SOC 高于上限值时，停止充电以避免过充。对于蓄热装置，也可根据热负荷预测和蓄热状态制定合理的蓄热与放热计划。

 

（四）仿真与分析

 

1. 仿真参数设置：设定仿真的时间步长（如 1 小时）和总时长（如一年），以覆盖系统在不同季节、不同时段的运行情况。

2. 运行仿真：启动构建好的系统仿真模型，让其在设定的时间范围内按照预定的控制策略运行，模拟风光热电储能系统的实际运行过程。

3. 结果分析：仿真结束后，对输出结果进行深入分析。查看各发电单元（风力发电、光伏发电、热电联产）在不同时间的输出功率曲线，了解其发电特性和相互之间的互补性；分析储能装置（蓄电池 SOC 变化曲线、蓄热装置的蓄热量变化曲线）的能量存储与释放情况，评估储能装置对系统稳定性的贡献；研究系统整体的能量供需平衡状况，判断系统是否能够在各种工况下稳定可靠地运行。例如，通过分析冬季和夏季的仿真结果，可以发现系统在不同季节对能源的需求和供应特点存在显著差异，进而为优化系统配置和控制策略提供依据。

4. 优化调整：根据分析结果，对系统的参数（如各发电设备的容量配置、储能装置的容量和充放电效率等）或控制策略（如功率分配策略、储能管理策略等）进行有针对性的优化调整，然后再次运行仿真模型，反复迭代直至系统性能达到预期目标，如提高能源利用效率、降低运行成本、增强系统可靠性等。

 

四、案例分析

 

（一）案例设置

 

考虑一个位于特定区域的小型风光热电储能综合能源系统示例。该区域具有一定的风能和太阳能资源，其年平均风速约为 4.5 米/秒，年平均光照强度约为 1100 瓦/平方米。系统配置如下：风力发电机额定功率设定为 20 千瓦，光伏阵列额定功率为 15 千瓦，热电联产机组额定发电功率为 30 千瓦且额定供热功率为 50 千瓦。储能方面，蓄电池额定容量为 80 千瓦时，充放电效率分别为 0.92 和 0.94；水蓄热罐容量为 40 立方米，初始水温设定为 18 摄氏度，水的比热容为 4.2 千焦/（千克·摄氏度），密度为 1000 千克/立方米。

 

（二）仿真结果与分析

 

1. 季节特性分析：在春季和秋季，风速和光照强度相对较为均衡，风光发电能够提供一定比例的电力需求。白天，光伏阵列发电功率较高，风力发电机也能稳定输出部分电力，此时热电联产机组可根据热负荷需求灵活调整发电功率，多余电能用于对蓄电池充电，热能存储于蓄热罐。夜间或阴天时，风光发电功率下降，蓄电池放电补充电力，蓄热罐放热满足热需求。从仿真结果来看，系统在这两个季节基本能够实现能源的自给自足和稳定供应，但也存在部分时段储能装置容量略显不足的情况，如连续多日阴天时蓄电池 SOC 会降至较低水平。

2. 极端天气影响：在夏季高温且光照强烈时段，光伏发电功率大幅提升，但由于温度对光伏电池效率的负面影响，其实际发电功率增长幅度低于预期。同时，高温天气下热负荷需求相对较低，热电联产机组主要以发电为主，部分余热存储。而在冬季寒冷且风速较大时，风力发电成为主要电力来源之一，但极低温度可能对设备性能和储能装置产生一定影响。例如，蓄电池在低温环境下容量和充放电效率会有所下降，蓄热罐的散热损失也会增加。通过对极端天气条件下的仿真分析，可以发现系统在应对恶劣环境时需要进一步优化设备选型和控制策略，如增加低温保护措施、优化光伏电池散热设计等，以提高系统的可靠性和适应性。

3. 系统性能评估：综合全年的仿真结果，对系统的能源利用效率、可靠性和经济性进行评估。能源利用效率方面，通过计算系统总输入能量（风能、太阳能、燃料能）与总输出能量（电能、热能）的比值，可以发现该系统的综合能源利用效率较传统单一能源供应系统有显著提高，但仍有优化空间，例如可进一步优化热电联产机组的运行参数和能量分配策略。可靠性方面，通过统计系统在不同工况下满足电力和热负荷需求的比例，可以看出系统在大部分时间能够稳定运行，但在极端天气或设备故障等特殊情况下存在一定风险，需要考虑增加冗余设备或备用能源。经济性方面，分析系统的建设成本、运行维护成本以及能源产出价值，可以为系统的投资决策和运营管理提供参考，例如根据当地能源价格波动情况，合理调整热电联产机组的燃料采购计划和储能装置的充放电时机，以降低运行成本并提高经济效益。

 

综上所述，借助 Matlab 对风光热电储能系统进行建模与仿真分析，能全面深入地了解系统在不同工况下的运行特性和性能表现，为系统的规划设计、设备选型、控制策略优化以及经济评估等提供有力的技术支持和决策依据，有力推动风光热电储能综合能源系统在实际工程中的广泛应用和可持续发展。