综述：驱动未来：从组件建模到系统协调的光伏与风力发电技术综述

《Applied Sciences》：Powering the Future: A Review of PV and Wind Turbine Technologies from Component Modeling to System Coordination

　　

将光伏(PV)与风力发电机(WT)系统集成至现代电网，不仅需要精确的组件级模型，更需要对其协调运行形成整体性认知。本综述填补了底层器件物理与高层系统协调之间的空白，提供了现有调研常被割裂对待的发电与管理双重视角。研究人员系统分析了从单二极管等效电路到数据驱动方法的光伏模型，以及涵盖气动、机械表征到适用于稳定性研究的简化电气等效模型的风力发电机模型。随后，研究重点转向系统层面，考察了实现光伏-风电混合协调的能量管理系统(EMS)。与以往仅强调组件精度或调度策略的综述不同，本文突出了混合光伏-风电建模与EMS架构之间新兴的协同效应。通过识别模型保真度与EMS需求之间的错配，本综述规划了通往更集成化混合可再生能源系统的路径。讨论部分综合了可扩展性、不确定性处理及实时可行性方面的关键权衡，强调唯有通过组件模型与控制架构的智能集成，才能释放其真正潜力。

1. 引言

全球能源格局正经历深刻变革，气候变化应对、化石能源依赖降低及能源可及性与安全性提升成为核心驱动力。各国政府相继出台政策法规推动可再生能源技术(RES)发展，其中太阳能与风能凭借燃料免费、运维成本低及无资源枯竭风险等优势，已成为新增装机容量的主导力量。过去数十年的技术学习与制造规模扩张显著降低了光伏发电的度电成本，数据显示1970年至2020年间光伏成本大幅下降。光伏与风电出力特性具有互补性：太阳辐照度呈昼夜与季节性规律，而风能可用性常在不同时段或季节达到峰值，这种特性使两者混合配置成为平抑出力波动、提升系统可靠性的主流方案，从小型离网微电网延伸至大型公用事业级电站。尽管两类技术作为独立系统已相对成熟，但在混合配置中仍面临跨时空尺度的挑战：组件级需精确建模以预测发电量、设计变流器并实现最大功率点跟踪(MPPT)；系统级则需通过能量管理系统(EMS)协调光伏阵列、风机、储能单元与负荷，在满足技术约束、经济目标与电网规范的同时，需警惕组件模型保真度与EMS需求错配可能导致的次优决策、失稳或计算负担过重问题。现有综述多局限于单一维度——或专注组件建模忽略系统协调，或将组件视为黑箱不审视模型局限，或从技术经济角度评估容量却弱化模型与控制策略的动态耦合。本综述通过统一分析光伏/风机模型与EMS架构，明确模型选择如何影响协调效果，贡献体现为三方面：对比不同保真度组件模型的参数可获取性与计算适用性；按模型需求分类EMS策略（从无模型到基于模型）；讨论错配、权衡及混合建模（物理+机器学习）、不确定性下实时协调等未来方向。

2. 光伏系统模型

光伏电池通过光生伏特效应将光能直接转化为电能，其性能受半导体材料与制造工艺影响显著。主流技术包括：单晶硅(Mono-Si)效率高（18%-22%）但成本较高；多晶硅(Poly-Si)效率略低（15%-18%）且存在晶界损耗；薄膜技术（非晶硅a-Si、碲化镉CdTe、铜铟镓硒CIGS）成本低且在弱光与高温下表现优异；双面组件可利用地面反射光提升5%-30%发电量；钙钛矿等新兴技术实验室效率已超25%，但存在迟滞效应与长期稳定性挑战。光伏建模可分为三类：经验/黑箱模型、物理/灰箱模型与近似模型。经验模型无需物理参数，直接通过数据拟合输入（辐照度、温度、电压）与输出（电流、功率）的关系，包括查表法(LUT)、多项式回归(PR)与人工神经网络(ANN)。LUT通过预存数据插值计算，简单但存在离散误差且无法适应老化；PR以多项式函数表达输出，解析性强但外推能力弱；ANN能捕捉复杂非线性关系，但需大量训练数据与算力，且可解释性差。物理模型以等效电路为基础，平衡了黑箱的完全不透明与全数值仿真的过高复杂度，核心挑战在于参数估计的非凸优化问题。单二极管模型(SDM)含光生电流I_ph、二极管反向饱和电流I_sat、理想因子a、串联电阻R_s与并联电阻R_sh五个参数，通过公式I_o=I_ph-I_d-I_sh描述电流-电压特性，是EMS应用中物理可解释性与计算可行性的最优折衷。双二极管模型(DDM)增加第二个二极管以表征空间电荷区复合，在低辐照度下精度更高，但七参数辨识难度更大。三二极管模型(TDM)进一步引入第三个二极管模拟晶界效应，适用于多晶与薄膜技术，但九参数计算量使其仅适合离线技术评估。近似模型以牺牲精度换取速度，包括理想电流源(ICS)模型（仅考虑辐照度比例，忽略电压特性）、线性近似(LA)模型（将非线性I-V曲线分段线性化以支持线性规划）与开路电压分数(FOCV)法（基于最大功率点电压与开路电压的固定比例关系实现简易MPPT）。此外，MATLAB/Simulink、PV*SOL、Helioscope、Solarius PV、HOMER Pro与SolarGis等工具为光伏系统规划、仿真与经济性分析提供了支撑。

3. 风力发电机模型

风力发电机将空气动能转化为电能，包含水平轴(HAWT)与垂直轴(VAWT)两类主流技术，其中HAWT效率更高（功率系数0.45-0.50）且需偏航机构，VAWT则无需对风且重心低，适合分布式场景。变速运行是现代风机的标配，主要通过双馈感应发电机(DFIG)与永磁同步发电机(PMSG)实现：DFIG仅需部分功率变流器，成本低但电网故障耐受性弱；PMSG采用全功率变流器，支持更宽转速范围且低电压穿越能力强。风机建模需覆盖气动、机械与电气多物理场动态，核心为功率捕获模型与降阶模型。功率捕获模型基于公式P_WT=0.5×ρ×A_WT×V³×C_WT×η_g，其中C_WT为功率系数。叶素动量理论(BEM)结合动量守恒与局部翼型气动特性，通过迭代求解轴向与切向诱导因子预测功率，是行业标准的气动模型。简化功率系数(SPC)查表法将C_WT预存为叶尖速比与桨距角的二维数组，计算效率极高，成为EMS应用的首选。降阶模型进一步压缩复杂度：恒功率(CP)模型将风机视为可调度电源，忽略内部动态，适合分钟级以上调度；线性化小信号(LSS)模型通过泰勒展开得到传递函数，用于频率响应与小信号稳定性分析。仿真工具方面，MATLAB/Simulink侧重控制与变流器设计，OpenFAST为NREL开发的开源多物理场耦合工具，AMR-Wind提供高保真计算流体动力学求解，参考开源控制器(ROSCO)则支持风机与风电场控制器的设计与验证。

4. 混合光伏-风电能量管理系统

EMS是混合系统的决策核心，负责协调多源、储能与负荷以实现可靠经济运行，其性能直接受组件模型保真度制约。EMS架构分为三类：规则型、优化型与学习型。规则型EMS基于确定性逻辑（如“若荷电状态SOC>80%且负荷低，则削减光伏出力”）做出决策，仅需低保真模型（如恒功率模型），优势是极简、确定性强且计算需求低，适合小型离网系统与备用场景，但静态规则无法适配电价波动、天气预报与电池退化，系统复杂度提升时性能急剧下降。优化型EMS将调度问题表述为数学规划，最小化运行成本、燃料消耗或电池退化等目标，需组件模型具备可微分、凸性或可线性化特性：线性规划(LP)需线性模型（如恒功率近似）；二次规划(QP)可接受凸二次函数；模型预测控制(MPC)需动态模型，通常采用简化的单二极管模型或线性化小信号模型，非线性MPC因计算不可行极少应用。优化型EMS可逼近全局最优，但依赖预测精度且需在线求解优化问题。学习型EMS以强化学习(RL)为核心，通过智能体与环境交互学习策略，模型需求因训练方式而异：无模型RL训练时需大量仿真数据，通常采用最简模型加速训练；基于模型的RL则需可微分模型支持梯度规划。RL可处理高维状态与多目标优化，但缺乏形式化性能保证，且存在“仿真到现实”的差距——训练中使用的简化模型与真实物理行为的不匹配会限制部署效果。储能约束是EMS设计的关键环节：荷电状态(SOC)边界约束在各架构中分别体现为阈值触发、不等式约束与奖励惩罚；电池退化成本可通过线性或凸函数纳入优化目标；充放电效率的不对称性需在模型中显式体现；多时间尺度策略（秒级调频、小时级负荷跟踪、日级能量套利）则决定了分层EMS架构的设计。

5. 讨论

混合可再生能源系统的可持续发展需要实现组件建模精度与系统级协调能力的双重跃升。当前研究的核心矛盾在于：光伏与风电的单体建模已高度成熟，但针对“模型复杂度如何匹配EMS需求”的系统化指导严重不足。模型与EMS的协同可产生显著的系统级增效：高保真单二极管模型可支持电压调控与无功支撑，但若搭配仅需要最大功率点的规则型EMS则造成信息浪费；模型预测控制EMS需依托可提供可微分预测的风电SPC查表模型，而恒功率模型无法提供此类信息。EMS架构选择必须明确对应组件模型能力：小型离网系统可采用规则型EMS与恒功率模型；并网微电网推荐优化型EMS搭配分段线性光伏模型与风电查表模型；复杂多目标环境可考虑学习型EMS，但需配套充足训练数据与验证协议。需警惕三大权衡：模型精度与计算成本的冲突（高保真模型迭代求解难以满足实时EMS时限，简化模型则缺失电压调控能力）；EMS复杂度与可解释性的矛盾（学习型EMS性能优越但为黑箱，规则型EMS可验证但无法自适应）；组件细节与系统可扩展性的失衡（逐模块单二极管与逐风机BEM模型无法支撑大型电站实时计算，聚合模型则忽略机组间动态与个体退化）。未来需通过降阶近似、分段线性重构与安全层设计缓解这些错配，最终实现模型能力与EMS需求的主动对齐。

6. 结论

本综述系统分析了光伏与风力发电机模型及其在混合可再生能源系统EMS中的集成路径，指出尽管两类技术的单体建模已相当成熟——从单二极管等效电路到叶素动量理论，从恒功率近似到物理信息神经网络——但其真正潜力唯有通过与适配EMS架构的智能集成才能释放。太阳能与风能的间歇性本质要求多保真度建模策略与能挖掘模型信息价值的监督级EMS无缝结合。混合建模与预测优化、强化学习EMS的融合，将推动可再生能源从不可控随机输入转变为部分可调度、协调的优质资产。未来进展取决于弥合组件模型开发与系统级EMS验证的鸿沟，优先开发并现场验证能够协调气象动态、电力电子与多源发电的鲁棒、高效、智能控制框架，最终实现高比例可再生能源渗透的韧性、经济与可持续能源系统。