风光储与电解制氢系统的Simulink仿真光看标题你可能以为只是一个普通的电力电子模型拼装。但真上手做过的人都知道这个系统有趣的地方在于它不是简单的 光伏板电解槽 串联而是牵扯到电气、电化学、热力学、控制策略多个学科的耦合。我最早接触这个课题是在做绿氢项目前期方案论证时当时手里只有一堆效率曲线和厂商手册一到光伏波动时制氢功率稳不稳储能到底配多大电解槽半载工况下效率掉多少这些问题纯手算根本算不清楚。后来把整套模型在Simulink里搭起来很多争论当场就有了答案。这篇文章就把我从零搭建光伏耦合PEM制氢仿真模型的完整经验写出来包括每个环节的建模原理、Simulink实现路线以及调试过程中踩过的坑给正在做风光储制氢仿真的朋友一个可以直接参考的范本。1. 氢电耦合仿真的必要性三个不靠拍脑袋能回答的问题1.1 光伏波动下制氢功率怎么稳光伏发电有一个天然的坏脾气出力随光照强度、云层遮挡、温度实时变化短时间内的功率波动可能超过额定功率的30%。而PEM电解槽对输入功率有一个相对严格的工作区间——电流太低时产氢速率下降、法拉第效率变差甚至单电池电压跌破可逆电位后会出现逆反应电流太高又受热管理和膜寿命限制。这就带来一个问题光伏曲线在中午十二点前后往往是一个驼峰上午和下午出力都比较低。如果电解槽直接跟随光伏出力意味着它一天内要经历多次启停和大幅变载电解槽不用几年膜就扛不住了。通过仿真你可以把不同季节、不同天气下的光伏功率曲线喂给模型观察电解槽端的功率变化从而验证储能平抑 电解槽跟随这种策略是否真的能把功率波动控制在电解槽允许的爬坡速率范围内。1.2 储能容量与功率到底怎么选储能在风光制氢系统中的角色不是传统的削峰填谷卖电而是平滑功率 短时支撑。仿真要回答两个具体问题多少功率容量的储能能让母线电压稳定在允许范围内多低的SOC阈值会导致控制策略被迫切负荷这些问题在方案阶段往往只能靠经验估算。但经验估算有一个盲区它算的是稳态能量忽略了动态过程。比如一片云突然飘过光伏出力在十几秒内跌掉一半储能需要在几秒内补上这个缺口。这个过程的响应速度、电流冲击、电压跌落靠平均功率估算是看不出来的必须用带动态特性的模型仿真。1.3 系统效率边界在哪里制氢系统的总效率不是光伏效率 × 电解槽效率这么简单中间还夹着DC/DC变换器损耗、储能充放电损耗、辅助设备水泵、风机、纯化装置的厂用电以及电解槽工作在非额定点时的效率下降。仿真模型可以把这些损耗拆开看清楚为设计优化提供方向。比如我在模型中就发现一套额定功率100kW的PEM制氢系统当光伏出力只有30kW、且储能SOC偏低需要从电网补充时如果辅助设备固定功耗是5kW系统的等效制氢效率会明显下降。这个结论对运维策略有直接影响什么时候该降辅助设备功率什么时候该让电解槽停一台都要靠仿真数据说话。2. 光伏耦合PEM制氢系统拓扑先画清楚能量流再动手建模2.1 直流母线架构 vs 交流耦合架构我在搭建模型前花了大量时间确定系统拓扑原因很简单——拓扑决定了模型的边界条件和接口关系。目前风光制氢系统主流有两种架构直流母线架构光伏、储能、电解槽全部接在直流母线上通过DC/DC变换器进行功率变换。光伏侧用DC/DC做MPPT储能侧用双向DC/DC控制母线电压电解槽侧用DC/DC控制输入电流。这种架构的优点是能量转换环节少、效率高缺点是对直流母线保护和控制要求高。交流耦合架构光伏先通过逆变器并到交流母线储能通过双向变流器PCS接入电解槽通过整流器从交流母线取电。这种架构的好处是设备标准化程度高可以方便地与电网互动但能量转换环节多整体效率会低几个百分点。仿真模型的拓扑选型要和实际项目一致。我当时做的是直流母线架构因为目标是最大化绿电→氢的转换效率减少中间变换损耗。在Simulink里这种架构只需要建立直流母线的功率平衡方程不必建模三相交流并网计算负担也小得多。2.2 系统各环节的功率等级与连接关系仿真的第一步先把系统的功率等级和能量流关系定清楚。以我搭建的100kW级系统为例环节功率/容量等级接口形式备注光伏阵列150kWpDC/DCMPPT额定容量高于电解槽留有储能充电余量锂电池储能60kW / 100kWh双向DC/DC支撑母线电压与短时功率平衡PEM电解槽100kWDC/DC电流控制额定产氢约20Nm³/h辅助设备5~8kW直流/交流负载纯化、冷却、循环泵等功率等级设定不是随便拍的。光伏额定容量要比电解槽大30%~50%因为光伏有效利用小时数低如果容量刚好等于电解槽额定功率绝大多数时间电解槽都吃不满储能功率按光伏额定出力的40%~60%选储能容量按能平抑30分钟以上波动的原则定。这套配比逻辑在仿真里配置好之后可以通过不同天气工况下的仿真结果反过来校验及时调整配比。2.3 建模粒度选择物理模型还是半经验模型这是新手上手最容易犯迷糊的地方。同一个光伏组件你可以用Simscape Electrical里的物理模型也可以用自定义函数写的半经验公式电解槽更是如此从几行方程的半经验模型到包含膜含水量、温度分布、气体扩散的详细一维模型都有。我的建议是如果你的目标是系统级功率分配、控制策略验证、效率分析就用半经验模型。原因有三第一详细模型参数难以获取。电解槽膜厚度、交换膜含水量、气体扩散系数这些参数厂商往往不提供硬要在模型里用典型值结果反而失真。第二详细模型求解速度慢。制氢系统仿真动辄跑一天的光照数据如果电解槽模型还要解内部偏微分方程仿真时间会从分钟级变成小时级不利于参数扫掠和策略调优。第三控制策略验证主要看外部电气特性和宏观产氢量这些用半经验模型就能准确反映。等模型做完了、控制策略验证好了如果还需要研究电解槽内部温度分布再单独建一个详尽的电解槽模型做离线分析也不迟。3. 光伏阵列建模从光照到电功率的核心数学表达3.1 光伏电池单二极管五参数模型光伏电池的电气特性可以用单二极管等效电路来描述这是目前工程仿真中最常见的模型。等效电路由一个光生电流源、一个二极管、一个并联电阻和一个串联电阻构成对应的I-V方程是[ I I_{ph} - I_0 \left[ \exp\left(\frac{q(V IR_s)}{nkT}\right) - 1\right] - \frac{V IR_s}{R_{sh}} ]其中各参数的含义(I_{ph})光生电流正比于光照强度同时受温度影响(I_0)二极管反向饱和电流主要取决于电池温度(n)二极管理想因子一般在1~2之间(R_s)串联电阻反映电池体电阻和电极接触电阻(R_{sh})并联电阻反映漏电流路径。在Simulink里实现这个方程最干净的办法是用MATLAB Function模块写一个函数输入是光照强度G、温度T输出是当前工作点的电压和电流。但要得到完整的I-V曲线还需要做一次代数求解或者用查表法。实际做模型时我会先根据厂商提供的标准测试条件STC光照1000W/m²、温度25℃下的参数开路电压、短路电流、最大功率点电压、最大功率点电流反推出五个参数然后再代入不同光照和温度下计算。这其实就是五参数模型的标准标定流程Simulink里可以用脚本完成。3.2 Simulink中三种实践路线对比实现光伏阵列模型我在不同项目里用过三种路线这里做个对比实现路线工具/模块优点缺点适用场景公式化模型MATLAB Function / Fcn参数可控计算快可轻松修改五参数需要自己实现MPPT接口逻辑系统级能量管理仿真Simscape Electrical元件Simscape Electrical的Solar Cell模块内置物理模型与电路拓扑直接连接参数设置偏黑盒仿真速度较慢含电力电子变流器细节的电气仿真查表模型Lookup Table2D仿真速度极快需要预先离线生成大量工况下的数据长时间能量仿真、策略优化我最常用的是公式化模型。因为系统级仿真时我关心的是光伏阵列在某个时刻能输出多少功率不是光伏阵列内部每个电池单元的电压分布。公式化模型把整车阵列等效成一个受光照和温度控制的电流源输出接一个可控直流源再配合MPPT模块计算工作点逻辑非常清晰。3.3 MPPT控制的Simulink实现与常见误区MPPT最大功率点跟踪是光伏系统中必不可少的控制环节它的作用是让光伏阵列始终工作在I-V曲线上的最大功率点。常用算法有扰动观察法PO和电导增量法INCSimulink实现以PO最常用因为它逻辑简单、容易调试。PO的核心逻辑可以描述为采样当前电压和电流计算功率P V × I与上一步功率比较如果功率变大保持扰动方向如果功率变小反转扰动方向按固定步长调整参考电压循环执行。在Simulink里扰动观察法可以直接用Discrete-time integrator加一个Compare模块实现也可以用Stateflow画状态机。我实际测试下来离散采样周期设为0.01s~0.05s对系统级仿真足够如果周期太短会引入高频振荡周期太长则最大功率跟踪响应太慢遇到云层快速遮挡时功率曲线会有较大的滞后误差。常见误区是直接把MPPT的参考电压信号给DC/DC变换器却没有考虑变换器的动态响应。正确做法是MPPT输出的参考电压要经过一个限幅和Rate Limiter爬坡限制再作为DC/DC电流环的给定否则很容易出现MPPT自己振荡、母线电压跟着震荡的问题。4. PEM电解槽动态建模电压、产氢与效率的计算细节4.1 单电池电压的四大组成项PEM电解槽的电压模型是整个仿真中最关键也最容易被低估的部分。单个电解池的输出电压由四部分叠加而成[ V_{cell} E_{nernst} V_{act} V_{ohm} V_{conc} ](E_{nernst})能斯特可逆电压是理论上电解水所需的最低电压25℃、1atm下约为1.229V温度升高会略微下降。(V_{act})活化过电位由电极反应动力学决定在低电流密度区占主导。可以用Tafel方程近似(V_{act} a b \ln(I))其中a和b是经验常数。(V_{ohm})欧姆过电位由质子交换膜的离子阻抗和电极接触电阻引起呈线性的 (V_{ohm} I \times R_{ohm})。膜的阻抗强烈依赖膜的含水量和温度这也是电解槽电压随温度变化的主要原因。(V_{conc})浓差过电位在高电流密度区反应物水传质受限时出现通常在大电流工况才显著。在系统级仿真中浓差过电位往往可以忽略——因为PEM电解槽很少长时间工作在极限电流密度下。但活化过电位和欧姆过电位必须保留它们是电解槽效率损耗的大头。4.2 从电压到产氢速率法拉第效率与气体输运有了电压模型下一个要回答的问题是通入这么多电流到底能产生多少氢气这就要用法拉第定律。理论产氢量摩尔/秒为[ \dot{n}{H_2} \frac{I \cdot N{cell}}{zF} ]其中 (I) 是电解槽电流(N_{cell}) 是串联电池数(z 2)每个氢气分子需要2个电子(F 96485\ C/mol) 是法拉第常数。但实际产氢量要打一个折扣因为电子不是百分之百用于产氢反应这一折扣就是法拉第效率 (\eta_F)。法拉第效率在低电流密度下明显下降有更多电子消耗在副反应和漏电流上一般可以用经验公式描述[ \eta_F \frac{(I/A)^2}{f_1 (I/A)^2} \cdot f_2 ]模型中如果采用固定的100%法拉第效率仿真结果会明显偏高尤其在光伏出力不足、电解槽半载以下运行的时段。我实际仿真时把法拉第效率模型考虑进去之后日均产氢量的计算结果比固定效率低8%~12%这是一个不可忽略的偏差。4.3 热效应对电解效率的影响如何处理电解槽的温度对电压有明显影响温度升高膜电阻下降、反应活性提升电解电压会降低效率反而提高。所以模型里不能忽略温度的影响。但完整的热模型非常复杂需要把电解槽的产热、冷却系统带走的热、与环境的热交换全部考虑进去。对于系统级仿真我推荐用一阶惯性环节来近似电解槽的热动态[ C_{th} \frac{dT}{dt} Q_{gen} - Q_{cool} - Q_{loss} ]其中 (Q_{gen} I \times N_{cell} \times (V_{cell} - V_{th}))(V_{th}) 是热中性电压约1.48V。这个模型的物理意义是电解槽产热功率等于电压高出热中性电压的那部分电功率。Simulink里实现时用积分模块对温度做积分然后把温度反馈到Nernst电压、膜电阻和Tafel系数的计算中。要注意给温度加合理的限幅和初始值否则仿真初期会出现温度远超实际运行范围的伪结果。5. 储能与能量管理策略让风光功率平滑地进电解槽5.1 锂电池等效电路模型与SOC估算储能模型的仿真精度直接影响能量管理策略的验证效果但也没必要做电化学机理级模型。工程仿真最常用的是Thevenin等效电路模型一个理想电压源开路电压OCV是SOC的函数串联一个内阻再加上一个或两个RC并联网络来表示动态极化。模型的输入是母线功率需求输出是当前SOC和电池端电压。SOC用安时积分法更新[ SOC SOC_0 - \frac{1}{C_{rated}} \int I_{bat} dt ]需要注意放电时 (I_{bat} 0)SOC下降充电时 (I_{bat} 0)SOC上升符号别弄反了。RC网络的参数不是常数它随SOC和温度变化但简化处理时可以取典型工作区间的平均值。5.2 能量管理优先级调度Stateflow状态机设计能量管理策略EMS是整个系统仿真的灵魂。设计原则按优先级排序优先满足电解槽的最低运行功率避免电解槽频繁启停光伏出力优先给电解槽使用多余功率给储能充电光伏出力不足时储能放电补足功率差额储能SOC低于下限时需要降低电解槽功率或从电网取电光伏和储能功率都超过电解槽上限时进行弃光限功率。这些逻辑用Stateflow画状态机非常合适。我会定义四个状态正常制氢Normal、储能补能Discharge、限制制氢Derate、待机Standby。状态迁移条件包括母线功率偏差、储能SOC上下限、光伏出力大小。5.3 母线电压稳定的控制约束状态机只解决功率往哪走而母线电压能不能稳得住取决于底层控制回路的响应速度。在直流母线架构中储能侧的双向DC/DC通常承担母线电压控制任务采取电压外环电流内环的双闭环结构光伏侧DC/DC和电解槽侧DC/DC都按功率/电流控制。仿真时钟的控制周期如何分配我在模型里采用了多速率采样架构储能电压控制环采样周期1ms~5msMPPT控制采样周期20ms电解槽电流控制采样周期5ms~10ms能量管理状态机采样周期100ms~500ms。不同速率的模块放在同一个模型里在Simulink里用不同采样时间的单元块实现即可。这样的好处是仿真速度比全系统统一用1ms采样快得多同时各环节的动态特性都能得到保留。6. Simulink调试实录求解器、代数环和仿真速度的坑6.1 求解器选择对仿真结果的影响这是新手最容易踩的坑。系统一开始我用默认的ode45跑结果仿真到一两秒就报步长太小或者结果严重发散。原因是制氢系统本质上是刚性问题——电解槽的热动态时间常数可能是分钟级的而储能电流环的时间常数是毫秒级的时间尺度相差好几个数量级ode45这种非刚性求解器根本跑不动。换用ode15s或ode23tb之后模型立刻就能跑起来了。对于这种多时间尺度的电气热力耦合系统刚性问题必须用隐式求解器。如果模型里主要关心的是稳态能量分配可以考虑用离散求解器比如设置成固定步长50ms但一定要先验证系统数值稳定性尤其是直流母线电压纹波是否在可接受范围内。6.2 代数环与高阻态问题排查搭建过程中最常见的一句话报错是Simulink cannot solve the algebraic loop。我碰到最多的情况出现在储能电压外环和电流内环之间电压环的输出直接作为电流环的给定而电流环的回采电压又和电压环的输入有关形成了代数环。解决办法有三种按推荐排序在反馈回路中加单位延迟Unit Delay / Memory打破代数环延迟一个采样周期。控制效果影响很小。在电压环输出端加一阶低通滤波器既能打破代数环又能平滑给定信号。用解代数环的求解器初始化时勾选Solve algebraic loops但副作用是仿真速度变慢。还要特别注意Simscape Electrical中的电气连接问题。使用Simscape Electrical时必须在模型中添加Powergui模块否则模型可以直接报错或出现奇怪的高阻态行为。Powergui的采样类型Continuous/Discrete/Phasor也要根据你要仿真的问题选择系统级能量仿真用Phasor模式可以大幅提高速度但要看你要看的结果是否在相量域有效。6.3 仿真速度优化的三招模型搭完能跑但一天的光照数据要跑几个小时肯定没法接受。我靠三招把仿真速度提升了接近一个数量级第一把纯控制逻辑改成离散采样。Stateflow状态机、PI控制器都设成离散采样避免连续求解器在每个时间步都对它们进行解算。第二去掉不必要的电气细节。如果只是验证母线功率平衡不需要对每一个IGBT开关波形做纳秒级仿真。用平均模型替代开关模型是最有效的一招——省下的仿真时间非常可观。第三善用MATLAB脚本进行批量参数化仿真。我一般会把一个典型日的光照、温度曲线存入MATLAB工作区通过脚本循环修改仿真输入并调用sim()函数一次跑完一整个季度工况最后把结果汇总到表格里。7. 典型工况结果对比与系统效率损耗解析7.1 夏季晴日的功率曲线与制氢产率以某地夏季典型晴日为例光照从早晨6点开始上升中午12:30左右达到峰值下午逐渐回落。仿真出的功率分配曲线呈现出明显的三段特征上午和下午光伏出力低于电解槽额定功率储能SOC基本保持不变电解槽以跟随模式运行中午时段光伏出力超过电解槽额定功率多余功率给储能充电午后光伏骤降时若有云层储能放电补足缺口电解槽功率保持平稳。从结果来看电解槽日运行时间约11.5小时日均功率约68kW日累计产氢量约168Nm³按模型参数系统综合效率约63%。这与厂商给出的PEM电解槽在部分负载下的效率曲线吻合较好。7.2 冬季弱光工况的应对策略冬季弱光工况光伏出力可能一整天都不超过电解槽额定功率的40%这时能量管理策略会因为储能SOC长时间处于低位而频繁触发降载。仿真显示如果完全靠储能补电储能SOC会在下午三点前跌到下限被迫降低电解槽功率导致下午的产氢量明显缩减。这暴露了一个设计问题只靠储能无法解决连续多日弱光时段的功率支撑。如果项目允许电网补充电可以在EMS里加入电网补电状态如果不允许就需要调整电解槽的功率下限策略——即使效率低一点也让电解槽以更低功率连续运行而不是频繁启停。这个结论直接影响了实际项目的运行策略设计。7.3 各环节损耗占比与优化方向最后看一下系统损耗构成。仿真统计出的能量流向大致如下损耗环节损耗占比约占光伏发电总量主要原因光伏阵列自身损耗12%~15%组件效率、表面污染、温度损失DC/DC变换器损耗3%~5%IGBT导通与开关损耗储能充放电损耗2%~3%电池内阻、DC/DC损耗电解槽电化学损耗20%~25%活化过电位、欧姆过电位辅助设备厂用电4%~6%冷却泵、循环泵、纯化设备综合有效利用到氢能55%~65%以上损耗扣除后的净产氢能量损耗占比最高的环节是电解槽的电化学损耗。优化方向很明确提高电解槽运行温度在膜耐受范围内可以有效降低欧姆过电位让电解槽尽量工作在其最高效率区间附近而不是长时间深度低载这是控制策略层面最值得挖掘的优化空间。结合这些仿真结论我后来对EMS策略做了好几轮调整包括给电解槽功率设了最佳效率区间优先的调度权重并给储能SOC设置了动态回充阈值。几轮仿真下来系统等效制氢效率提升了大约4个百分点这在实际项目里意味着每年多出不少氢气产量。如果后续想在这个模型基础上继续深挖有几个我试过且值得推荐的扩展方向一是把电解槽的详细热模型加进来研究冷启动和热待机策略二是导成FMU做联合仿真让Simulink模型与其他平台比如气体管网仿真软件协同工作三是用Simulink Coder把控制策略生成C代码直接部署到控制器原型上做硬件在环测试。每一步都够再写一篇长文了先把这些基础建模和调试经验整理出来希望对正在这条路上摸爬滚打的你有实际帮助。
