摘要：在"双碳"目标和新能源快速发展的背景下，传统电气能源系统面临碳排放高、新能源消纳能力不足以及运行调度灵活性较弱等问题。为提高系统低碳运行水平，本文以风电、光伏、储能、可控负荷和智慧电网为主要研究对象，开展低碳环境下新型电气能源系统优化配置与运行仿真研究。
系统概述
本项目面向低碳运行需求，构建了含风电、光伏、储能、可控负荷和智慧电网的新型电气能源系统，并基于 MATLAB/Simulink 实现优化配置与运行仿真分析。
系统组成
本系统主要由典型日工况输入模块、新能源发电模块、储能系统模块、EMS 能量管理模块、电网交互模块和低碳评价输出模块组成。典型日工况输入模块用于提供太阳辐照度、环境温度、风速和负荷需求等外部条件；新能源发电模块包括光伏发电单元和风力发电单元，分别根据辐照度、温度和风速变化计算光伏出力与风电出力，并形成系统的可再生能源总出力。
储能系统模块用于平抑新能源出力波动和缓解源荷不匹配问题。当新能源出力充足时，储能系统吸收多余电能；当新能源出力不足或负荷需求较高时，储能系统释放电能补偿功率缺额，并通过 SOC 上下限约束保证储能安全运行。EMS 能量管理模块作为系统的控制核心，根据新能源出力、负荷需求和储能 SOC 状态生成储能充放电、电网购售电、负荷调节和弃风弃光等控制指令，实现风光储荷网协调运行。
电网交互模块用于实现系统与外部电网之间的功率交换，在新能源和储能无法满足负荷需求时由电网购电补充，在新能源出力充足且存在剩余电能时可向电网售电。低碳评价输出模块用于计算累计碳排放量、运行成本、综合目标函数、新能源利用率、购电电量、售电电量、弃风弃光量和负荷削减量等指标，为系统优化配置和不同运行方案对比分析提供依据。
系统运行逻辑
系统运行时，风电和光伏优先满足负荷需求；新能源过剩时优先为储能充电，多余电能可外送或弃风弃光；新能源不足时由储能放电补偿，必要时由电网购电补充。EMS 根据新能源出力、负荷需求和储能 SOC 状态协调储能与电网运行，低碳评价模块用于计算碳排放、运行成本和新能源利用率等指标，评价系统运行效果。
系统架构
本系统采用"源---荷---储---网---控---评"一体化架构，主要由新能源发电层、负荷层、储能层、电网交互层、能量管理控制层和低碳评价层组成。各层之间通过功率信号、SOC 状态信号和调度控制信号进行连接，实现风电、光伏、储能、负荷和电网的协同运行。
系统总体结构
本系统由风电、光伏、储能、负荷、电网交互、EMS 能量管理和低碳评价模块组成。系统优先利用风光新能源满足负荷需求，并通过储能充放电和电网购售电实现功率平衡。EMS 模块根据新能源出力、负荷需求和储能 SOC 状态进行协调控制，低碳评价模块用于计算碳排放、运行成本和新能源利用率等指标，实现系统的低碳优化运行。
系统功能模块
本系统主要包括典型日工况输入、风光发电、EMS 能量管理、储能与电网交互以及低碳评价输出五个功能模块。输入模块提供辐照度、温度、风速和负荷数据；风光发电模块计算新能源出力；EMS 模块生成储能充放电和电网购售电指令；储能与电网模块完成 SOC 计算和功率交换；低碳评价模块输出碳排放、运行成本、新能源利用率等指标。
Simulink 仿真模型搭建
系统总体模型
图1 Simulink总体模型
展示系统整体结构，说明模型由典型日工况输入模块、风光发电模块、EMS 能量管理模块、储能与电网交互模块以及低碳评价输出模块组成。
输入与新能源发电模块
图2 典型日工况输入模块
图3 风光发电模块
主要介绍系统输入条件和新能源发电建模方法。典型日工况输入模块提供光照强度、环境温度、风速和负荷需求曲线；风光发电模块根据外部环境条件计算光伏发电功率和风力发电功率，并得到新能源总出力。
EMS能量管理与储能电网交互模块
图4 EMS能量管理模块
图5 储能与电网交互模块
主要介绍系统的控制与调度部分。EMS 能量管理模块根据新能源出力、负荷需求和储能 SOC 状态生成储能充放电、电网购售电、弃风弃光和负荷调节指令。储能与电网交互模块用于计算储能 SOC 变化，并将 SOC 状态反馈至 EMS，实现储能安全约束和系统功率平衡。
低碳评价与结果输出模块
图6 低碳评价输出模块
主要介绍系统运行结果评价方法。低碳评价输出模块用于计算累计碳排放量、运行成本、综合目标函数、新能源利用率、弃风弃光量和负荷削减量等指标，并通过 Scope 与 To Workspace 模块输出仿真结果，为后续对比分析提供数据基础。
快速开始
在 MATLAB 中运行模型生成脚本并启动仿真，即可查看风光储荷网系统的运行曲线、低碳评价指标和三方案对比结果。
环境要求
本项目基于 MATLAB/Simulink 平台开发，建议使用 MATLAB R2020b 及以上版本运行。运行环境需安装 Simulink 基础组件，并支持 MATLAB Function 模块、Scope 显示、To Workspace 数据输出以及固定步长离散仿真设置。硬件方面，普通 Windows 个人电脑即可完成模型生成、仿真运行和结果绘图，建议内存不低于 8 GB。
结果展示与分析
以储能低碳优化调度方案为对象，对系统运行过程中的风光出力、储能状态、电网交互功率、低碳评价指标以及新能源利用情况进行仿真结果分析。
低碳优化调度方案运行结果
图7 风光出力与负荷需求对比曲线
图8 储能系统-SOC-与充放电功率变化曲线
图9 电网购电与售电功率变化曲线
图10 系统累计碳排放量与运行成本变化曲线
图11 新能源利用率与系统功率调节变化曲线
三种运行方案对比分析
运行run_low_carbon_three_scenarios.m
图12 风光出力与负荷需求对比曲线
图12给出了典型日内光伏出力、风电出力、新能源总出力和负荷需求的变化情况。由图可知，光伏出力主要集中在白天，并在中午时段达到峰值；风电出力变化相对平缓，但仍具有一定波动性；负荷需求在早晚时段较高。新能源出力与负荷需求在时间上存在不完全匹配现象，说明系统需要通过储能调节和电网交互来维持功率平衡。
图13 三种运行方案储能 SOC 对比曲线
图13反映了三种运行方案下储能 SOC 的变化情况。方案1未配置储能系统，因此 SOC 曲线为零；方案2采用基础储能调度，储能在部分时段进行充放电，SOC 存在明显变化；方案3采用低碳优化调度策略，SOC 在新能源出力较高时上升，在负荷高峰时下降，并始终保持在安全运行范围内。结果说明，低碳优化调度能够更合理地安排储能充放电过程，提高储能系统的调节作用。
图14 三种运行方案电网购电功率对比曲线
图14给出了三种方案下电网购电功率的变化情况。方案1由于没有储能参与调节，在新能源出力不足时对电网购电依赖较大；方案2加入储能后，部分时段购电功率有所下降；方案3通过低碳优化调度进一步协调新能源、储能和电网功率，使电网购电功率整体降低。该结果表明，储能配置和优化调度能够减少系统对外部电网的依赖。
图15 三种运行方案储能充放电功率对比曲线
图15展示了不同方案下储能充放电功率的变化情况。方案1无储能系统，因此储能功率始终为零；方案2采用基础调度策略，储能在固定或简单规则下进行充放电；方案3采用低碳优化调度策略，储能能够根据新能源出力、负荷需求和 SOC 状态进行更加合理的充放电控制。图中储能在新能源充足时充电，在负荷较高时放电，体现了削峰填谷和提高新能源利用率的作用。
图16 三种运行方案核心指标对比图
图16对比了三种运行方案下的累计碳排放量、运行成本和购电电量等核心指标。由图可知，方案1各项指标相对较高，说明无储能系统时电网购电需求较大，低碳运行效果较差；方案2加入储能后，碳排放量、运行成本和购电电量均明显下降；方案3进一步采用低碳优化调度策略后，各项指标继续降低，综合运行效果最好。该结果验证了储能配置和低碳优化调度策略对降低碳排放、减少运行成本和提升系统运行性能的有效性。
表1 能源管理方案对比分析表
储能低碳优化调度方案（方案3）在碳排放、运行成本、新能源利用率等各项指标上均表现最优，相比无储能方案实现了显著的经济和环境效益提升。
作者信息
作者：Bob (张家梁)
原创声明：本项目为原创作品