简介面向光储充微网系统容量配置与优化的MATLAB/Simulink仿真源码包聚焦光伏、储能与充电设施三者间的规模匹配问题。通过仿真与容量优化脚本可在给定负荷和日照条件下求解光伏容量、储能容量与充电功率的最佳组合兼顾供电可靠性与经济性适合新能源微电网研究者、电气专业高年级学生及相关工程人员学习参考。压缩包共7个文件4个m脚本、2个mat数据文件与1个slx模型大小仅56KBm脚本覆盖总成本计算、敏感性分析和开路电压计算等关键环节Simulink模型用于光伏阵列输出特性仿真mat文件提供24小时充电功率与光伏发电功率实测数据便于直接复现和验证。已有1360人学习浏览。由此可快速掌握光储微网建模与容量优化思路利用已有数据开展参数分析评估不同配置下的运行成本并基于开源代码进行二次改造为实际工程容量规划提供参考。1. 光储充微网容量配置仿真是做什么的先搞懂它解决什么问题做光储充微网方案时最头疼的不是画拓扑图而是回答“装多少”这个问题光伏铺多大面积储能配多少容量多少功率充电桩留几个快充位变压器要不要扩容。配小了午间光伏被弃、高峰要限流配大了初投资被压在闲置容量上回收期遥遥无期。这份model_光储充微网系统配置仿真资源就是把这个“拍脑袋”过程变成一次可复现的容量配置与容量优化实验——它覆盖了光储充微网系统配置仿真从负荷建模、发电建模到智能优化、结果校验的一整套 Matlab/Simulink 实现思路核心目标是给出“在满足供电可靠性的前提下光伏、储能、充电桩各配多大最经济”的可量化结论。适合研究生课程设计、设计院方案比选和微电网规划参考。接下来我会拆出模型结构、参数设置、运行策略和五个典型踩坑点让你拿到资源后能照着跑出结果。2. 从物理模型到优化变量容量配置问题的数学模型与求解思路2.1 决策变量、目标函数与约束条件容量配置的本质是在“任意时刻功率都平衡、全年能量不亏空”的前提下找一组让年综合成本最低的装机组合。这里的决策变量通常取四个光伏额定容量P_pv单位 kW、储能额定容量E_bat单位 kWh、储能变流器功率P_bat单位 kW以及充电桩总装配功率P_ev单位 kW。部分情境下还会把变压器容量作为第五个变量但初版模型里先固定它减少优化维度。目标函数我一般做成年综合成本最小化。它包含四部分初投资的等年值C_inv、年运行维护费C_om、从电网购电的年费用C_pur再减掉光伏富余电量上网的收益C_sell。如果后续要引入环保约束还可以在目标函数里加入碳排放费用C_ems。从工程可读性上讲我更愿意在代码里把成本写成分项函数而不是合成一个很长的数学公式这样方便后面对账。% 优化变量 x [P_pv, E_bat, P_bat, P_ev] % scenario 结构体 典型日时序、电价、初投资单价 function total_cost objective_fun(x, scenario) P_pv_nom x(1); E_bat_nom x(2); P_bat_nom x(3); P_ev_nom x(4); C_inv investment_cost(P_pv_nom, E_bat_nom, P_bat_nom, P_ev_nom, scenario); C_om opex_cost(C_inv, scenario.om_rate); [C_pur, C_sell] annual_power_exchange_cost(scenario, x); total_cost C_inv C_om C_pur - C_sell; end这段代码里的investment_cost需要根据单位造价计算资源包里默认光伏按 3.5 元/W、储能电池按 1.2 元/Wh、PCS 按 0.5 元/W、充电桩按 0.8 元/W 计这些参数都集中在scenario.cost结构里拿到后可以直接改。annual_power_exchange_cost是全年时序仿真里的购售电统计函数它内部需要逐小时判断“光伏够不够供负荷、要不要从电网买电、储能何时充放”。约束条件必须覆盖功率平衡和能量边界。最基本的功率平衡式是任意时刻光伏出力 P_pv(t) 储能放电 P_bat_dch(t) 网购电 P_grid(t) 基础负荷 P_load(t) 充电桩负荷 P_ev(t) 储能充电 P_bat_ch(t)。注意充电桩在这套模型中是刚性负荷微网满足不了时就只能购电这在早期项目里是合理简化。另外还要有储能 SOC 上下限约束、充放电功率限值和年弃光率上限。资源里的模型默认 SOC 范围 20% 到 90%如果你做的是梯次电池建议再缩窄到 30% 到 80%避免寿命衰减过快。2.2 为什么这类问题适合用智能算法而不是穷举很多刚接触容量配置的同学会问直接枚举几组容量不就行了吗在候选方案只有 3 个变量、每档 5 个取值时穷举是可行的但一旦引入全年 8760 小时时序和更细的决策变量穷举就会陷入组合爆炸。假设光伏取 10 档、储能容量取 15 档、储能功率取 10 档、充电桩取 5 档组合数是 7500 组每组都要跑一整年时序仿真单机串行跑完基本要一天而且你根本不知道最优解是不是正好落在档位上。智能优化算法把“档位组合”改成连续空间的变量搜索虽然不能严格保证全局最优但在工程精度要求 5% 以内时效果远比人工枚举好。资源里默认提供的是自写的粒子群优化器迭代 60 次、种群规模 30一般来说 10~20 次迭代就能收敛到稳定解。粒子群的核心更新式是速度更新和位置更新我用下面的代码骨架给你看实际资源包里的pso_optimize.m就长这样。% 粒子群优化主迭代 for iter 1:max_iter w 0.9 - 0.5 * iter / max_iter; for i 1:nPop v(i,:) w * v(i,:) c1 * rand * (pbest(i,:) - x(i,:)) c2 * rand * (gbest(1,:) - x(i,:)); x(i,:) x(i,:) v(i,:); x(i,:) reflect_boundary(x(i,:), lb, ub); % 边界反射比直接截断更好 fitness(i) objective_fun(x(i,:), scenario); if fitness(i) pbest_val(i) pbest_val(i) fitness(i); pbest(i,:) x(i,:); end if fitness(i) gbest_val gbest_val fitness(i); gbest x(i,:); end end end代码里的w是惯性权重从 0.9 线性降到 0.4目的是让算法前期多探索、后期收敛c1和c2通常取 1.5控制向个体最优和全局最优学习的强度reflect_boundary是边界反射函数它比直接把越界值截断在边界上更适合这种连续容量变量原因是截断会让种群过早集中于边界反射则保留多样性。建议拿到资源后先跑一次默认参数观察收敛曲线是否在 20 代以内稳定如果振荡剧烈就把max_iter提高到 100。2.3 典型评价指标自给率、投资回收期与度电成本做容量配置优化并非只看成本这一项否则很容易得出“什么都不装最省钱”的极端结论。资源里配套的evaluate_indicator.m会计算五个核心指标电量的年自给率、光伏自消纳率、储能循环次数、项目静态投资回收期和度电成本。下表是各项的口径拿到手后可以直接对照检查。指标计算公式口径工程建议年自给率本地消纳电量 / 全年总用电量新建园区建议做到 40%~65%光伏自消纳率公共连接点反向电量 / 光伏总发电量低于 75% 说明光伏偏大储能等效循环次数年充放电总能量 / (2 × 储能容量)铅酸不超过 250锂电不超过 350静态回收期初投资 / 年平均净收益超过 12 年项目立项阻力大度电成本年综合成本 / 年消纳电量与当地目录电价对比判断经济性需要特别说明的是光伏自消纳率与自给率在微网中往往是一对矛盾光伏装得多自给率上升但午间富余电量增加自消纳率下降。优化目标如果没有惩罚弃光算法会倾向于给出一个偏大的光伏容量导致年成本最低但工程上很难并网。资源默认会在annual_power_exchange_cost里对反送电的电量按较低的上网电价结算相当于间接约束了光伏规模。你如果做的是离网型光储充那么不需要考虑上网电价反而要把弃光率作为硬约束写进罚函数。3. 光储充微网仿真模型搭建核心模块与参数设置3.1 光伏出力模型辐照度、温度到功率的转换光储充微网里的光伏模型不用做得像光伏阵列仿真软件那么细容量配置关心的是全年出力时序所以资源模型用的是机电暂态式简化模型。输出功率等于额定容量、实时辐照与温度系数的乘积这是行业里做容量配置最常见的一类做法比单纯用峰值日照小时数算要准得多。公式是P_pv(t) P_pv_nom × (G(t) / G_stc) × (1 k × (T_cell(t) - T_stc)))其中G_stc取 1000 W/m²T_stc取 25 ℃k是温度系数晶硅组件通常取 -0.45%/℃。% input_data 表: 时间, 辐照度G(W/m2), 环境温度T(℃) P_pv x(1); % 决策变量中的额定光伏容量 G_stc 1000; T_stc 25; k -0.0045; P_pv_series P_pv * (input_data.G / G_stc) .* (1 k * (input_data.T - T_stc)); P_pv_series(P_pv_series 0) 0; % 温度高于80℃时系数可能变负 P_pv_series min(P_pv_series, P_pv); % 输出不应超过额定容量这段代码里要注意的是下限保护与上限限制。部分开源气象数据里凌晨也会有几条非零辐照温度又高算出来的功率会出现负值这在工程上看是荒谬的上限钳制的意义在于逆变器限功率即使辐照达到 1200 W/m²控制器也会限制在额定输出。资源包的pv_power.m还支持从 CSV 读取多年平均气象建议你不要直接替换成单年数据否则会遇到后面避坑章节里说的“气象年代表性”问题。3.2 储能系统模型充放电效率与 SOC 管理储能模型是容量优化里最容易失控的部分。模型不用关心电化学内部特性但必须处理好两个细节一是充放电效率不对称二是 SOC 更新与功率限制要分开判断。资源里的battery_model.m采用离散时间状态转移以一个小时的时序步长为例充电时SOC(t1) SOC(t) P_ch × dt × eta_ch / E_bat放电时SOC(t1) SOC(t) - P_dch × dt / (eta_dch × E_bat)。% 储能SOC时序更新强约束模式 function SOC update_soc(SOC_prev, P_bat, dt, E_bat, eta_ch, eta_dch) if P_bat 0 % 习惯定义正为放电 P_dch P_bat; SOC_new SOC_prev - P_dch * dt / (eta_dch * E_bat); else P_ch -P_bat; SOC_new SOC_prev P_ch * dt * eta_ch / E_bat; end % 越界直接截断并记数 SOC min(0.9, max(0.2, SOC_new)); end我看过不少模型把充放电效率统一取 95%短时间尺度看不出问题但跑全年 8760 小时后储能损耗会被低估 3%~5%直接影响储能容量最优值。参数上默认eta_ch 0.95、eta_dch 0.92磷酸铁锂基本在这个区间。SOC上下限设为 0.2 和 0.9 是工程折衷——太浅会让寿命很好但容量利用率低太深会加速衰减。这组约束会和优化算法里的惩罚函数配合如果某个粒子算出的 SOC 越界次数太多适应度直接加一个惩罚项。3.3 充电桩负荷模型快充功率曲线与并网负荷光储充微网和纯光储微网最大的区别就在充电桩负荷。电动车快充功率不是恒定的典型 120 kW 双枪快充桩在一辆车接入后的功率曲线是“阶梯上升—平台—阶梯下降”如果把它当成恒功率模型峰值时段会明显被高估从而放大储能需求。资源里的ev_load.m采用随机车辆到达模型按泊松分布生成车辆接入时间每辆车按典型快充曲线取功率之和最后加上基础负荷得到总时序负荷。场景充电桩数量单桩平均功率(kW)日充电车辆数充电时间区间公共快充站86045~5507:00-23:00园区专用站123080~10009:00-18:00小区慢充站307120~15017:00-次日08:00如果你手上没有真实充电数据我建议先用上表的参数生成负荷序列做模型走通之后再换实际桩群数据。特别需要注意的是夏季午后 13:00-15:00 的叠加时段——此时光伏出力尚高但开始回落充电负荷又是午间高峰这正是储能“削峰填谷”发挥价值的时段。资源包的scenario_define.m里预留了ev_mode参数把它设为random就启用泊松模拟设为fixed则读取固定功率曲线。4. 容量优化配置的仿真实现从单目标到多目标4.1 以年综合成本最小为目标的完整配置流程把第 2 章的目标函数、第 3 章的时序模型和粒子群算法串起来就是一套完整的单目标容量配置流程。资源包里的主程序run_configuration.m按下面五步执行第一步加载气象、负荷、电价数据并构建场景第二步初始化粒子群种群每个粒子对应一组[P_pv, E_bat, P_bat, P_ev]第三步对每个粒子的配置做全年逐小时仿真算成本与可靠约束第四步粒子群迭代第五步输出最优容量并出报表。% run_configuration.m 骨架 scenario load_scenario(site_demo.xlsx, tariff.csv); x0 [200, 400, 250, 240]; % 初始解光伏200kW, 储能400kWh, PCS 250kW, 充电桩240kW lb [50, 100, 50, 30]; % 变量下界 ub [800, 1500, 800, 600]; % 变量上界 max_iter 60; nPop 30; % 粒子群参数 [x_opt, f_min] pso_optimize((x)objective_fun(x, scenario), lb, ub, max_iter, nPop, x0); report generate_report(x_opt, scenario);这里lb和ub是关键不能随意放大。光伏下界 50 kW 是为了保证微网有一定的绿电占比上界 800 kW 是受园区屋顶面积限制储能上界 1500 kWh 对应场地面积约 90㎡按集装箱 3 倍率设计。如果场地紧张就把ub收窄到 600 kWh否则粒子群会一直在高储能区间搜索浪费前几十代迭代。run_configuration.m运行结束后会在out/目录生成最优容量表和逐时功率曲线这个报表可以在后处理中直接用来做验收。4.2 多目标权衡经济性、自给率与碳排放单目标优化天然会“捡便宜”——只要标杆电价比光伏上网电价高不了太多算法就可能少装光伏多买电这不符合“双碳”考核。资源包里的multi_obj目录提供了一个双目标版本把年综合成本和年碳排放量作为两个目标用加权指数法或线性加权合并成一个标量。如果你只改一行代码建议把scenario.carbon_price从 0 调到 0.06 元/kg这会显著改变最优解。加权法在处理这类问题时最简单J w1 × C_total / C_total_base w2 × Ems / Ems_base。其中w1 w2 1C_total_base和Ems_base是基准方案的归一化因子否则经济成本动辄百万、碳排放几万吨权重根本没意义。资源中的算例显示当w1 0.7, w2 0.3时最优光伏配置从单目标方案的 180 kW 上升到 260 kW储能从 300 kWh 上升到 420 kWh代价是回收期延长 1.6 年但碳排下降 21%。如果做严格的 Pareto 前沿分析直接改用遗传算法的多目标变种 NSGA-II 会更好。不过那对结果后处理的要求更高我一般先跑三组权重(1.0, 0)、(0.7, 0.3)、(0.5, 0.5)把三组最优解描在自给率-成本坐标系里已经足够支撑设计评审。资源包里对应的pareto_search.m就是为这种三组-多权重搜索准备的。4.3 运行策略对优化结果的影响容量配置不能脱离运行策略单独讲。同样一组光伏和储能做“自发自用、余电上网”还是“峰谷套利”最优容量差距很大。资源里内置了三种运行策略策略 A 是光伏优先供负荷、富余给储能充电或上网策略 B 是储能在低谷充电、高峰放电让充电桩负荷尽量在高峰时段由储能供电策略 C 是储能保持固定 SOC 范围仅在晚间削峰。% 策略判断决策表 % 策略A余电先充储, 储满后上网 % 策略B低谷充, 峰段放, 充电桩优先 % 策略C晚间削峰, 功率平滑 if strcmp(scenario.strategy, A) P_grid(t) P_load(t) P_ev(t) - P_pv(t) - P_bat_dch(t) P_bat_ch(t); elseif strcmp(scenario.strategy, B) % 需要结合分时电价表 tariff 判断当前时段 end我用这份资源跑过一个 200 kW 光伏、300 kWh 储能的对比策略 A 下年综合成本约 46 万策略 B 反而升到 51 万原因是该地区峰谷电价差只有 0.35 元/kWh不足以覆盖电池循环损耗。只有当峰谷价差大于 0.7 元/kWh 时策略 B 才优于 A。优化模块里的strategy参数直接放到scenario结构里每次更换策略后需要重新优化不能把 A 策略优化出的容量套用 B 策略去算经济账否则一定会得出错误结论。5. 避坑指南光储充微网容量配置仿真里的 5 个常见问题5.1 光伏出力数据粒度太粗导致结果失真现象用日平均辐照代入模型最优光伏容量比小时级数据算出的结果高出 30%且自消纳率跌破 60%。原因日平均辐照抹掉了上午与午后的辐照变化让光伏出力曲线变得“过胖”储能容量被误判为可以更小光伏被误判为可以更大。解决仿真内核必须使用小时级或分钟级辐照数据如果手头只有日累计辐照至少按典型日曲线拆分成 24 点。资源包里的pv_power.m已经做了校验如果传入数据的长度不到 8760会自动中断并提示补齐。5.2 储能 SOC 越界但没加惩罚项现象优化结果给出一个很小的储能容量成本很低但运行仿真里 SOC 长期在 95% 以上运行相当于电池处在虚构的过充状态。原因update_soc中直接把越界值截断到 [0.2, 0.9]而截断产生的能量差额没有在目标函数里体现算法利用这个漏洞“白拿”了储能容量。解决在目标函数里增加penalty 10000 × (越界次数 / 总时段)让越界超过 5% 的粒子直接淘汰。我在资源包里已默认加了 5000 倍惩罚系数建议不要低于这个值否则粒子群后期会反复试探边界。5.3 分时电价时段划分与充放电策略不匹配现象储能容量优化结果偏大回收期超过 12 年但收益计算里峰谷套利贡献的比例很小。原因换了一个省份的目录电价峰谷时段是 10:00-12:00 和 18:00-22:00但运行策略里默认的削峰时段还是 8:00-11:00。储能没在真正的峰段放电收益自然达不到预期。解决把电价时段作为运行策略的输入用数据驱动生成charge_mask和discharge_mask而不是写死时段。尤其在安装分时电价计费的用户侧场景运行策略要每月更新一次。5.4 忽略电池寿命损耗导致经济性虚高现象优化结果推荐储能循环次数达到 500 次/年IRR 算出来是 9%但实际电池 4 年就衰减到 80%。原因目标函数没有计及放电深度和循环寿命等于把电池当成永久免费设备存储系统的损耗被全部漏算。解决加入简化寿命模型即把电池替换成本按实际吞吐量折算进年费用例如按“全年放电量 / 2 / 可用容量”换算成等效循环次数再乘以退役成本折算公式。我常用的参数是磷酸铁锂 6000 次循环、容量 80% 退役把退役成本折算到每年投入C_rep中。5.5 参数灵敏度分析做太少现象光伏组件单价从 1.2 元/W 调成 1.5 元/W 后最优光伏容量从 300 kW 掉到 220 kW但报告里仍建议按 300 kW 施工。原因只跑了一组固定参数就把优化结果当成唯一正确解忽略了价格波动和补贴退坡的不确定性。解决资源包里的sensitivity.m可以自动把单价、电价、辐照量各调 ±20%批量生成 27 组优化结果并输出热力图。我一般至少做单因素 ±10% 扫描重点看储能容量对峰谷价差、光伏容量对组件单价的敏感程度这两个往往是最敏感的输入。6. 让优化结果落地的三个技巧数据清洗、场景聚类与边界校验6.1 用典型日聚类代替全年 8760 小时全年逐小时仿真是精度最高的但粒子群每代要计算几十个粒子每个粒子都要跑一整年迭代 60 次下来很花时间。资源包里预留了cluster_typical_days.m用 k-means 把 365 天聚成 8 个典型日每组典型日代表一种天气与负荷形态仿真时间可以缩短到原来的 1/10而最优容量误差通常在 5% 以内。实现上有两个细节要提醒你一是不能单独聚类光伏日曲线要把“光伏出力、温度、基础负荷、充电负荷”作为多维度特征一起聚类否则会出来一组“高光伏但低负荷”的不合理组合二是聚类迭代的次数要固定为 20 次以下kmeans的初始中心随机容易收敛到局部最优建议用kmeans(..., Replicates, 5)做重复聚类再挑选组内距离最小的那组结果。当然聚类后的典型日不能简单按天数等权平均。要保留每个典型日在全年中实际占用的天数权重整个全年成本就等于sum(典型日天数 × 该日的日成本)这一点资源包里的annual_cost_from_typical_days.m已经算好了不需要自己手工加权。6.2 把优化结果导回 Simulink 做时域验证容量优化用的是代数方程和时序离散它不关心母线电压、频率和逆变器响应因此优化出来的容量只有在 Simulink 仿真模型里跑一遍才敢拿去写设计书。资源里的simulink_model.slx接受一组容量参数然后以一定步长做时域仿真重点观察三种工况光伏满发且充电桩满载、夜间充电桩少量接入、早晨光伏爬坡时段。我在做项目时习惯把优化结果代入 Simulink 后将仿真时步设为 720 小时模拟一个月看储能 SOC 是否还在合理范围内漂移以及公共连接点功率是否反复越限。如果发现母线电压越限超过 7%基本可以判定储能 PCS 功率选小了此时要把P_bat上调 15%~20% 重新跑一次优化。这一点很多同学容易忽略觉得粒子群跑出来就是最优但实际上优化模型没建模电压必须由 Simulink 补这个短板。6.3 最差场景校验连续阴雨加充电高峰最后一个技巧是用边界场景掐住配置方案的命门。做法是构造“连续 3 个阴雨天、光伏出力低于额定值 15%充电桩负荷达到日峰值的 1.2 倍”的极端周把最优容量作为参数套入该场景统计缺电量和低压持续时间。如果缺电占比超过 3%说明方案过于乐观需要加大储能或引入有序充电策略。这一招我吃过亏。早先做某个园区光储充项目时优化结果很漂亮但没做最差场景校验直到梅雨季结束才发现连续阴雨天后微网母线电压天天跌破下限后来被迫在一期工程里追加了一套应急柴油发电机组。从那以后我每次容量配置完都强制走一遍“最差场景周仿真”不看仿真报告不签字这个习惯救了我很多次。希望这篇文章能帮你把光储充微网容量配置从拍脑袋变成有依据的测算也少走我当年走过的弯路。本文还有配套的精品资源点击获取