项目代码:https://github.com/yicongl1/MPPT-direct

光伏 MPPT 的仿真不难在建模型,难在数据:一年的实测辐照度和温度,怎么变成 Simulink 能吃的输入?跑完 366 天之后,又怎么把瞬时功率换成 kWh 和效率?这篇记录这条数据管道,以及几个当时踩过的坑。

数据的形状

UTC 的 STELLA 平台给的是三个 Excel:辐照度、环境温度、电池温度。每个文件的结构都很“表格化”:

  • 第 1 行是时刻表头,对应一天里的第 0~1439 分钟;
  • 第 1 列是日期,ISO 格式 yyyy-mm-dd;
  • 中间 1440 列,是这一天每分钟的测量值;
  • 一共 366 行,对应 2023-04-01 到 2024-03-31。

也就是说,一个文件是 366 × 1441 的矩阵,时间被摊平在列方向上。

第一个坑:Excel 会把第 1 行的时刻(00:00、00:01……)识别成日期,显示成 1899-12-30 之类的怪值。不要试图去“修复”它——反正第 1 行只是表头,读进来直接丢掉。

读入与时间轴

MATLAB 里用 readtable 读,然后跳过第 1 行和第 1 列:

temperatureTable = readtable(fullfile(rawDir, 'CellT.xlsx'));
irradianceTable  = readtable(fullfile(rawDir, 'Irradiation.xlsx'));

numDays = size(temperatureTable, 1) - 1;   % 去掉表头行
numTimes = 24 * 60;                        % 每天 1440 点

temperature = table2array(temperatureTable(2:end, 2:end));
irradiance  = table2array(irradianceTable(2:end, 2:end));

接下来要造一条绝对时间轴:第 1 天 00:00 到第 366 天 23:59,每分钟一个点。

timeStamps = NaT(numDays * numTimes, 1);
for i = 1:numDays
    start = (i - 1) * numTimes;
    timeStamps(start + 1 : start + numTimes) = ...
        datetime(dateStrings{i}) + minutes(0:numTimes - 1)';
end

elapsed = seconds(timeStamps - timeStamps(1));
tsTemperature = timeseries(temperature(:), elapsed);
tsIrradiance  = timeseries(irradiance(:),  elapsed);

注意 temperature(:):把 366×1440 的矩阵按列优先拉直,正好和逐日递增的时间轴对上。如果顺序反了,仿真不会报错,但所有数据都会错位——这种 bug 比崩溃更难查。

取一天,重置时间

Simulink 的 From Workspace 模块吃的是工作区里的 timeseries。整年跑一次不现实,所以按天循环:每次取 1440 个样本,把时间轴重新从 0 开始。

dayIndex = find(strcmp(dateStrings, requestedDate), 1);
samples = (dayIndex - 1) * numTimes + (1:numTimes);

tsTemperatureDay = getsamples(tsTemperature, samples);
tsIrradianceDay  = getsamples(tsIrradiance,  samples);

tsTemperatureDay.Time = tsTemperatureDay.Time - tsTemperatureDay.Time(1);
tsIrradianceDay.Time  = tsIrradianceDay.Time  - tsIrradianceDay.Time(1);

时间轴必须从 0 开始,否则每天都要把仿真起点往后推,模型里的初值、控制器状态都会跟着漂。

注入工作区只需要两行:

assignin('base', 'ts_temperature', tsTemperatureDay);
assignin('base', 'ts_irradiance',  tsIrradianceDay);

变量名必须和模型里 From Workspace 的配置一致。这是 Simulink 脚本化最常见的失败点:名字对不上,仿真直接用空数据跑完,结果一片零。

366 天怎么跑

逐日 sim,把每天的功率拼起来:

for i = 1:numDays
    [tsTj, tsGj] = loadDayData(tsTemperature, tsIrradiance, dateStrings, dateStrings{i});
    assignin('base', 'ts_temperature', tsTj);
    assignin('base', 'ts_irradiance',  tsGj);

    dayOut = sim(modelName);
    PO  = [PO;  asVector(dayOut.PO)];
    POA = [POA; asVector(dayOut.POA)];
end

按当时的机器,一天大约一分钟,366 天就是几个小时。这个量级决定了不能用“跑一次改一个参数”的方式做调参,必须先把单日仿真跑通,再批量跑。

还有一个细节:sim 返回的可能是 timeseries,也可能是普通数组,取决于模型配置。所以拼接口前统一转成列向量:

function values = asVector(signal)
    if isa(signal, 'timeseries')
        values = signal.Data(:);
    else
        values = signal(:);
    end
end

从功率到 kWh

仿真步长是 2 s,一天有 86400 / 2 = 43200 个采样点。把全年功率按天 reshape,再乘上每个采样代表的时长:

samplesPerDay = round(86400 / sampleTime);
numDays = numel(power) / samplesPerDay;
reshaped = reshape(power, samplesPerDay, numDays)';

dailyEnergy = sum(reshaped / 1000 * (sampleTime / 3600), 2);
annualEnergy = sum(dailyEnergy);

/1000 是 W → kW,sampleTime/3600 是秒 → 小时。两件事都不能漏,否则结果会差三个数量级。

如果采样点数不是一天的整数倍(比如仿真提前结束),代码会把最后一个值重复补齐,并给出 warning。这个处理不优雅,但比静默截断好:至少你知道数据被动过。

效率的分母

效率的定义是“发电量 / 入射太阳能”:

η = E_PV / E_solar

分母同样用 computeDailyEnergy 算,只是输入换成辐照度(W/m²),步长换成数据的 60 s。这里有两个容易忽略的点:

  1. 年度效率是“和的比”,不是“比的平均”:
annualEfficiency = sum(dailyEnergy) / sum(dailyIrradiance);

如果先算每天的 η 再取平均,阴天会被赋予和晴天相同的权重,结果偏高。

  1. 分母接近 0 时不要硬除。夜间和清晨的入射能量很小,任何微小的功率残差都会让日效率炸成很大的正数或负数。仓库里 data/processed/efficiency_data.csv 的前几天就出现了负值——这是直接相除的结果,不是算法坏了,但解读时要先过滤掉低辐照日。

代码分层

课程结束后我把脚本重写成了三层:

src/data/       loadYearData.m, loadDayData.m      读数据、造时间轴
src/           runSimulation.m, runYearSimulation.m 单日 / 全年仿真
src/analysis/  computeDailyEnergy.m, computeEfficiency.m, plotDailyComparison.m
src/runAnalysis.m                                   串起 CSV、效率与图

好处是每一层都能单独验证:先确认读进来的数据形状对不对,再确认单日功率曲线像不像太阳,最后才看全年统计。全部用 projectRoot() 推导相对路径,仓库复制到哪台机器都能跑。

代价是没有自动化测试。MATLAB 的测试框架在课程项目里不好落地,所以只能在 README 里写清楚复现步骤,并在“已知限制”里注明:先跑单日,再跑全年。

复现命令

cd('MPPT-direct 所在路径');
addpath('src');
setupProject();

[tsT, tsG, dates] = loadYearData();
out = runSimulation('2023-07-01');
runAnalysis(out, 'Irradiance', tsG.Data);

跑全年把 runSimulation 换成 runYearSimulation,大约需要几个小时。

仓库:https://github.com/yicongl1/MPPT-direct