Simulink光储系统多目标优化控制仿真搭建指南

第一次把优化调度算法接到Simulink的光储模型上，我最大的感受是：Simulink本身不难，难在“你以为你建的是物理系统，优化算法面对的却是数字决策变量”这两者之间的对接。很多人包括我自己，一开始容易陷入一个误区——想用一个巨无霸模型把PWM开关、MPPT、电池、并网逆变器和24小时调度全部塞进去，结果仿真慢得像放幻灯片，还三天两头不收敛。

这篇文章就以一个基础光伏储能场景为主线，把“光储系统多目标优化控制仿真”这件事拆开讲清楚。内容适合两类人：一是刚入门Simulink、想拿真实场景练手的同学；二是已经会搭电气模型，但一直没想明白“优化算法怎么和Simulink模型联动”的工程师。我会把光伏、储能、变流器、优化调度、调试排错这几块分别讲透，并给出实际可复现的搭建思路。

1. 光储仿真到底在仿什么

1.1 先看清物理对象：光伏板、电池、变流器、电网，一个都不能漏

我们要仿真的对象是一个典型的光储并网系统：光伏阵列发出直流电，经过DC/DC变换器送到直流母线；储能电池通过双向DC/DC也挂在直流母线上；直流母线再接一台DC/AC逆变器，最终与电网相连，同时也直接给本地负荷供电。再往上一层，还有一个能量管理系统EMS，它负责计算出“什么时候充、什么时候放、从电网买多少电”这些指令。

在你动手搭模型之前，我强烈建议先用一张表把对象和模型粒度梳理清楚，否则建模过程中很容易画着画着就乱套。

1.2 两种仿真粒度不能混在一起用

这是新手最容易栽跟头的地方。光伏储能系统的仿真，其实有两种完全不同的时间粒度。

第一种是“电磁暂态级”，要看IGBT的开通关断、电流纹波、谐波，步长通常在微秒到毫秒级，仿真几秒钟可能就要跑很久。第二种是“能量管理级”，要看一天24小时里光伏出力、负荷、电价、SOC怎么变化，步长通常是分钟甚至小时级。

“多目标优化控制”关心的是后者，它的决策变量是“这个15分钟光伏发多少、电池放多少、电网买多少”，而不是“下一个微秒IGBT怎么开关”。所以你应该把底层变换器的细节做粗，把能量调度的逻辑做细。我自己的习惯是：变换器一律用平均化模型，电池用SOC积分模型，逆变器用功率平衡模型，仿真主体时间尺度放在秒到分钟级。这样既能保住优化控制的真实性，又不会让仿真时间失控。

1.3 仿真要先回答“这个模型给谁用”

同样是光储模型，给电气设计人员看，和给运营调度人员看，完全不是一回事。面向设计人员，需要波形、纹波、损耗、效率曲线；面向运营调度，需要的是全天功率曲线、SOC轨迹、购电成本。你这次既然做的是“多目标优化控制”，重点就一定放在功率分配和能量轨迹上，所以模型可以更偏向能量管理。

这一步想清楚，后面做多少细节全都有了判断标准。如果发现自己在为某个PI参数调了整整一天，但它在能量管理层面根本无足轻重，那就说明你又走回“巨无霸模型”的老路了。

2. 多目标优化控制的目标拆解与数学表达

2.1 三个核心目标：经济性、平滑性、电池寿命

多目标优化里的“多目标”，在不同文章里说法不一样，但落到光储场景，无非就是三个方向：省钱、稳、耐用。

经济性目标最直接，就是系统一天的运行成本最低。假设电网电价分时计价，光伏发电优先自用，多余的电可以卖给电网，那么目标函数可以写成：

[
J_1 = \sum_{t=1}^{T} \left[ c_{\text{buy}}(t)\cdot P_{\text{grid,buy}}(t) - c_{\text{sell}}(t)\cdot P_{\text{grid,sell}}(t) \right] \Delta t
]

简单地理解就是“从电网买的电费减去卖给电网的收入”，整个值越小越好。这个目标决定了储能系统能不能通过谷时充电、峰时放电赚到价差。

平滑性目标针对的是并网功率的波动。光伏出力受云层遮挡影响会突然大幅下降或回升，储能的一个重要作用就是补偿这个波动。常见的写法是让并网功率的相邻时段变化量尽量小：

[
J_2 = \sum_{t=2}^{T} \left| P_{\text{grid}}(t) - P_{\text{grid}}(t-1) \right|
]

如果你更关注电压稳定性，也可以改成并网功率的方差，作用和这个类似。

电池寿命目标是最容易被忽略的。很多优化算法为了让经济性好看，会让电池频繁深度充放电，但现实里锂电池循环寿命和放电深度直接相关，把SOC从100%放到0%的次数越多，电池老化越快。为简化建模，常用电池的全天能量吞吐量来近似：

[
J_3 = \sum_{t=1}^{T} \left| P_{\text{bat}}(t) \right| \Delta t
]

同样的收益下，