光伏-鋰電池混合能源管理系統設計與仿真

摘要：針對傳統光伏能源汽車充電困難、續駛里程短的問題，提出一種能夠在復雜環境條件下實現自動化管理的光伏電池與鋰電池混合能源管理系統。在MATALB-Simulink中構建包含光伏電池模型和鋰電池模型的混合能源系統模型，采用最大功率點跟蹤（maximum power point tracking，MPPT）算法優化太陽能的轉化效率，利用比例積分（proportional integral，PI）控制器和雙向直流（direct current，DC）/DC變換電路實現鋰電池的充放電自動轉換功能，仿真分析不同輻照度下光伏電池發電功率對鋰電池充電的影響，并在特定的環境條件下評估能量管理策略的響應能力。仿真結果表明：系統可以根據電動汽車的需求，在光照充足時對鋰電池進行充電；光照微弱時，對鋰電池進行放電。光伏MPPT算法提高了太陽能的利用率；在復雜環境條件下，該系統能夠實現高效的能量管理，提高了系統的穩定性和魯棒性。

關鍵詞：光伏電池；鋰電池；輻照度；荷電狀態；電動汽車

中圖分類號：TM911.4文獻標志碼：A文章編號：1673-6397（2025）01-0032-06

引用格式：傅澤浩，黑月凱， 張強.光伏-鋰電池混合能源管理系統設計與仿真［J］.內燃機與動力裝置，2025，42（1）：32-37.

FU Zehao， HEI Yuekai， ZHANG Qiang. Design and simulation of a hybrid energy management system for a photovoltaic-lithium battery ［J］.Internal Combustion Engine amp; Powerplant， 2025，42（1）：32-37.

0 引言

隨著全球變暖以及能源短缺問題日益嚴重，光伏發電作為一種利用太陽能的高效清潔能源技術，受到廣泛關注^{[1- 2]}。光伏發電將太陽能直接轉化為電能，有助于減少溫室氣體排放，節約能源，減少對化石燃料的依賴^[3-4]。將光伏發電技術應用于電動汽車的供電系統中，通過光伏電池實現對電動汽車的供電，在節約能源的同時，也解決了傳統電動汽車充電困難，續航里程短的問題。

光伏發電在電動汽車應用中的優勢與發展前景的研究較多。Lodi等^[5]提出了一種在傳統燃油車頂部安裝光伏發電陣列的方法，評估了車頂光伏發電在實際駕駛條件下所能接收到的太陽輻射，結果表明：在真實條件下車頂光伏陣列平均可接收太陽輻射能量的58%，使用容量為75 A·h的啟動、點火和照明（starting lighting and ignition，SLI）電池的車輛年發電量約為41 kW·h。Mallon等^[6]提出使用光伏發電組件增加公交車的行駛里程和電池壽命，并進行了現場試驗，結果表明：當光伏電池安裝在車輛的頂部和側面時，每年可提供高達8 881 kW·h的電能。Oh等^[7]以韓國首爾地區部分城鎮為例，對公交車的太陽能潛力進行了估計分析，結果表明：每輛公交車的日平均發電量為2.7 kW·h，并通過使用開發的移動傳感器驗證了試驗結果。Van Der Kam等^[8]對荷蘭地區的光伏-電動汽車-電網的移動能源整合模式進行了研究，結合歷史數據發現，荷蘭40個地區的光伏電池和電動汽車的空間擴散模式存在著差異，這些差異對車輛到電網整合的可行性具有顯著影響。Padmagirisan等^[9]提出了一種光伏混合動力汽車的功率控制器，并進行了理論仿真和驗證，結果表明：搭載該控制器的汽車在不同工況下都能保證電池的健康和安全。

傳統的光伏能源汽車能量管理系統采用光伏-電池-汽車的充電模式，光伏電池先給鋰電池充電，然后由鋰電池給電動汽車供電，系統通常需要多組鋰電池協調光伏電池和電動汽車之間的能量轉換，一部分鋰電池用于接收太陽能，其余電池負責為電動汽車供電。當鋰離子電池組充滿電后，需要手動切換系統，調整鋰電池組之間的供電和充電關系。此外，使用多個鋰電池組也導致成本較高。針對上述問題，提出一種光伏電池和鋰電池相結合的混合能源管理系統，實現復雜條件下的自動化、合理的能源管理。該系統可以根據電動汽車的需求，在光照充足時，光伏電池為鋰離子電池和電動汽車供電；當光照不足時，系統智能地同時使用光伏電池和鋰電池為電動汽車供電。

1 數學模型

本文中提出的混合能源管理系統如圖1所示。光伏電池和鋰電池通過直流母線進行耦合，為電動汽車負載進行供電。其中，最大功率點跟蹤（maximum power point tracking，MPPT）系統包括直流（direct current，DC）/DC轉換器和MPPT控制器兩部分。本文中，選擇升壓轉換器調整光伏電池的輸出電壓，執行MPPT操作。因為它具有電路簡單、效率高、控制設計要求低等優點^[10]。電池管理系統包括DC/DC轉換器和比例積分（proportional integral，PI）控制器兩部分。DC/DC轉換器選擇雙向DC/DC電路控制電池的充放電過程。雙向DC/DC電路能夠實現電能在兩個方向上的高效轉換，從而優化能量管理。

1.1 光伏模型

光伏電池能夠把太陽能轉換為電能，光伏電池的端電流和電壓的關系式^[11-12]為：

Ipv=IG-Is1expUpv+IpvRsaUt-1-Upv+IpvRsRp，（1）

式中：IG、Is1、Ipv分別為光生電流、反向飽和電流和光伏輸出電流，A；a為二極管理想因子；Ut為二極管熱電壓，V；Rs、Rp分別為二極管串聯和并聯的電阻，Ω；Upv為光伏輸出電壓，V。

單個二極管光伏電池的等效電路如圖2所示。不同輻照度下，光伏電池的輸出特性如圖3所示。

由圖3可知：光伏電池的輸出功率與電壓之間為非線性關系，隨著輸出電壓增大，光伏電池的輸出功率先增大后減小，存在一個光伏電池的最大功率點。

1.2 鋰電池模型

鋰電池是一種可充電的高能量密度電池，廣泛應用于電子產品以及發電站的儲能設備中。本文中提出的混合能量管理系統以鋰電池作為系統的儲能單元，終端電壓和荷電狀態（state of charge，SOC）是表征電池的兩個重要參數。

鋰電池終端電壓^[13]

Ubat=U0+RbatIbat-UkQbatQbat+∫Ibatdt+UaexpBbat∫Ibatdt，（2）

式中：Rbat為電池內阻，Ω；U0為電池開路電壓，V；Ibat為電池充電電流，A；Uk為極化電壓，V；Qbat為電池容量，A·h；Ua為指數區域電壓，V；Bbat為指數區域電池容量倒數，（A·h）^-1。

鋰電池荷電狀態

SOC（t）=SOC，O-1Ctotal∫t0I（τ）dτ，（3）

式中：SOC，O為初始時電池的荷電狀態；Ctotal為電池的總容量，A·h;I（τ）為τ時刻的電流，A。

2 能量控制策略

2.1 光伏控制

MPPT算法是一種用于光伏電池的控制算法，目的是實時調整光伏電池的工作電壓，使其工作在最大功率點，從而使光伏電池的輸出功率最大。本文中采用電導增量法^[14-15]對最大功率點進行跟蹤。相對于擾動觀察法^[16]，電導增量法的跟蹤精度更高、響應速度更快。

電導增量法下，光伏電池的輸出功率

P=UpvIpv。（4）

對式（4）求導可得：

dPdUpv=Ipv+UpvdIpvdUpv。（5）

當功率對電壓的導數為0時，由式（5）可得：

dIpvdUpv=-IpvUpv。（6）

因此，當dIpvdUpvgt;-IpvUpv時，光伏電池的工作點在最大功率點左側，需要增大光伏電池的輸出電壓；當dIpvdUpvlt;-IpvUpv時，光伏電池的工作點在最大功率點右側，需要減小光伏電池的輸出電壓；當dIpvdUpv=-IpvUpv時，光伏電池工作于最大功率點處，無需調整。

2.2 電池控制

為實現混合能源系統的能量管理，采用雙向DC/DC電路實現電池的充電和放電的轉換。當光照強烈時，光伏電池的輸出功率大于負載所需，此時鋰電池處于充電狀態，將多余電量存儲起來。當光照由強轉弱時，鋰電池由充電狀態轉為放電狀態，與光伏電池一起為負載供電，控制電池的充放電電流，控制目標為負載電壓。設計的電池PI控制器如圖4所示。由圖4可知：當前負載電壓UL與負載參考電壓UR的差用作PI控制器的輸入，以獲得所需的電池參考電流；

同樣，當前充電電流IR和電池參考電流IBat的差用作PI控制器的輸入，生成需要的占空比信號；最后，使用脈沖寬度調制（pulse width modulation，PWM）模塊產生必要的PWM波形。

3 仿真分析

為了評估本文所搭建的混合能量管理系統，利用MATLAB-Simulink平臺建立系統的仿真模型，模型參數涵蓋系統各個組件的主要性能指標和工作條件。光伏電池和鋰電池主要參數如表1、2所示。

使用直流負載代替電動汽車，在負載功率恒定的情況下，研究不同輻照度下光伏電池發電功率對鋰電池充放電的影響，并通過模擬特定的環境條件評估提出的能量管理策略。

鋰電池初始SOC為40%，仿真時間為5 s。不同輻照度對鋰電池充放電的影響如圖5所示。由圖5可知：SOC隨時間的變化曲線近似為一條斜線；在輻照度為1 kW/m²時，鋰電池處于充電狀態，光伏電池能顯著提高鋰電池的電量，5 s內鋰電池SOC增大了0.113百分點；隨著輻照度下降，鋰電池SOC的上升速度有所降低。當輻照度降至0.5 kW/m²時，鋰電池SOC開始下降，此時鋰電池處于放電狀態，與光伏電池一起為直流負載供電。當輻照度降至0.4 kW/m²時，在5 s內，鋰電池SOC下降了0.025百分點。

在模擬測試中，考慮自然環境中光照的間歇性和不穩定性，引入輻照度波動曲線，如圖6所示。該曲線展示了在一段時間內輻照度的變化情況，反映了自然環境中光照的不確定性的特征。由圖6可知：該段時間內輻照度變化較大，初始輻照度為0.6 kW/m²；經過0.5～1.0 s，輻照度逐漸上升至1.0 kW/m²；經過1.0～3.0 s，模擬云層遮陰的情況，輻照度下降較大；4 s后變化緩慢。

使用Signal Builder模塊將圖6中的太陽輻照度變化繪制為輸入信號傳輸到光伏電池模型中，設定環境溫度恒定為25 ℃，直流負載功率為8 kW。在圖6所示環境條件下，光伏電池的輸出電壓和電流曲線如圖7所示。由圖7可知：由于輻照度在短時間內經歷了快速變化，光伏電池的輸出特性出現了波動；隨著輻照度增強或者減弱，光伏電池的輸出電壓和電流出現了震蕩，這種波動對光伏電池的輸出存在一定的影響；當輻照度由低到高迅速上升時，光伏電池的輸出電流隨之上升；當輻照度迅速下降時，光伏電池的輸出電流隨之下降；相對輸出電流，輸出電壓的變化不明顯。光伏電池輸出特性的這種變化趨勢說明：在輻照度發生變化時，光伏電池的最大功率點處的電壓變化較小，電流變化較大。

光伏電池的實際輸出功率與參考功率（理想條件下光伏電池所能發出的最大功率）的比較如圖8所示。由圖8a）可知：在快速變化的環境條件下，光伏電池的輸出功率與輻照度（圖6）呈現相同的變化趨勢，這種趨勢與光伏電池的輸出電壓電流變化趨勢相吻合，實際輸出功率曲線能夠長時間接近參考功率曲線甚至與參考功率曲線重合。由圖8b）可知：雖然光伏電池的實際輸出功率與參考功率之間存在一定的差異，但差異并不明顯，分析這種差異與環境條件的多變性和MPPT算法的穩定性有關；實際輸出功率與參考功率的最大功率損失為150 W左右，隨后光伏電池迅速地追蹤到新的最大功率點。這種快速的響應能力不僅驗證了電導增量法在動態環境下的高效性，也證明了系統在穩定性和實時性方面的優越表現。

鋰電池的SOC變化曲線如圖9所示。由圖9可知：1）在初始階段，由于光照強烈，光伏電池輸出功率大于負載所需功率，此時，鋰電池處于充電狀態；在此過程中，鋰電池的SOC逐漸上升，儲存的電能增加。2）1.5 s后由于云層遮擋，光伏電池發電功率大幅下降，所發電量已經無法滿足負載所需，此時，鋰電池由充電模式自動轉換為放電模式，與光伏電池共同承擔負載所需功率，確保系統能夠穩定工作；鋰電池的SOC開始下降，儲存的電能減少。3）第3秒時，由于光伏發電功率增加，所發電量超過負載所需功率，鋰電池自動轉為充電模式，SOC上升。鋰電池SOC變化曲線驗證了本文中構建的混合能量管理系統的有效性，顯示了系統在面對外部環境變化時的高速響應能力和靈活的能量管理策略。

4 結論

針對傳統光伏能源汽車能量管理系統普遍存在的光伏能量利用率低、操作復雜、成本高的缺點，本文提出了一種光伏電池與鋰離子電池相結合的混合能源管理系統，能夠在復雜的環境條件下合理地分配能量。

1）系統能夠在光伏功率急劇變化的環境條件下，迅速切換鋰電池的工作模式，從充電到放電再到充電，這種無縫切換證明了系統設計的高效性和魯棒性。

2）光伏電池與鋰離子電池相結合的混合能源管理系統具有對外部環境變化的適應性，無論是短暫的電力供應波動還是長期的能源使用需求，系統都能通過靈活的能量管理策略及時調整，保證電動汽車的充電需求。

參考文獻：

[1] ZHANG S H， PAN J Y， LIN B R， et al.Evaluating rooftop PV’s impact on power supply-demand discrepancies in grid decarbonization[J].Nexus， 2024， 1（4）： 100041.

[2] IWABUCHI K， WATARI D， ZHAO D， et al. Enhancing grid stability in PV systems： a novel ramp rate control method utilizing PV cooling technology[J].Applied Energy， 2025， 378： 124737.

[3] SUBERI H K， ASIF M， NADEEM T B. Rooftop solar PV in Bhutan： a systemic analysis of feed-in-tariff program[J].Energy for Sustainable Development， 2024， 83： 101591.

[4] FAROUK N，BABIKER S， ALQSAIR U F.Boosting electricity generation associated with Saudi Arabi buildings using PCM and PV cells on walls and roof leading to a sustainable building[J].Case Studies in Thermal Engineering， 2024， 64：105444.

[5] LODI C， SEITSONEN A， PAFFUMI E， et al. Reducing CO2 emissions of conventional fuel cars by vehicle photovoltaic roofs[J].Transportation Research Part D： Transport and Environment， 2018， 59： 313-24.

[6] MALLON K R， ASSADIAN F， FU B. Analysis of on-board photovoltaics for a battery electric bus and their impact on battery lifespan[J].Energies， 2017， 10（7）： 943.

[7] OH M， KIM S-M， PARK H-D. Estimation of photovoltaic potential of solar bus in an urban area： case study in Gwanak， Seoul， Korea[J].Renewable Energy， 2020， 160： 1335-1348.

[8] VAN DER KAM M J， MEELEN A A H， VAN SARK W G J H M， et al. Diffusion of solar photovoltaic systems and electric vehicles among Dutch consumers： implications for the energy transition[J].Energy Research amp; Social Science， 2018， 46： 68-85.

[9] PADMAGIRISAN P， SANKARANARAYANAN V. Powertrain control of a solar photovoltaic-battery powered hybrid electric vehicle[J].Zrontiers in Energy， 2019， 13（2）： 296-306.

[10] CHELLAKHI A， EL BEID S， ABOUELMAHJOUB Y， et al. An enhanced incremental conductance MPPT approach for PV power optimization： a simulation and experimental study[J].Arabian Journal for Science and Engineering， 2024， 49（12）： 16045-16064.

[11] ALI A I M， MOUSA H H H， MOHAMED H R A， et al. An enhanced Pamp;O MPPT algorithm with concise search area for grid-tied PV systems[J].IEEE Access， 2023， 11： 79408-79421.

[12] EL MARGHICHI M， DANGOURY S. Electrical parameters identification for three diode photovoltaic based on the manta ray foraging optimization with dynamic fitness distance balance[J].Optik， 2024， 296： 171548.

[13] 邢科. 基于模型預測的光儲直流微電網系統魯棒控制研究[D].蘭州：蘭州交通大學，2023.

[14] 羅金鑫.光伏發電系統MPPT算法優化研究[D].長春：吉林建筑大學，2020.

[15] 周杰.光伏發電系統中的MPPT控制和孤島檢測技術研究[D].淮南：安徽理工大學，2024.

[16] ALI A I M， MOHAMED H R A. Improved Pamp;O MPPT algorithm with efficient open-circuit voltage estimation for two-stage grid-integrated PV system under realistic solar radiation [J].International Journal of Electrical Power amp; Energy Systems， 2022， 137： 107805.

Design and simulation of a hybrid energy management system for

a photovoltaic-lithium battery

FU Zehao1， HEI Yuekai2， ZHANG Qiang^1*

1.School of Nuclear Science， Energy and Power Engineering， Shandong University， Jinan 250061， China;

2.Shandong Siji Automobile Service Co.， Ltd.， Jinan 250000， China

Abstract：A hybrid energy management system combining photovoltaic cells and lithium batteries is proposed to address the problems of difficult charging and short range of traditional photovoltaic energy vehicles.This system

aims to achieve automated management under complex environmental conditions. In MATALB-Simulink， a hybrid energy system model integrating a photovoltaic model and a lithium battery model are developed. The maximum power point tracking（MPPT） algorithm is employed to enhance the conversion efficiency of solar energy， while the proportional integral controller and the bi-directional DC/DC controller are utilized to optimize the conversion efficiency of solar energy. The effect of the photovoltaic power on the charging of the lithium battery under different irradiance is simulated and analyzed， and the responsiveness of the energy management strategy under specific environmental conditions is evaluated. The simulation results show that the system can charge the lithium battery when there is sufficient light， and discharge the lithium battery when there is weak light， according to the demand of electric vehicles. MPPT algorithm improves the utilization rate of solar energy under complex environmental conditions， the system is able to realize efficient energy management and improve the stability and robustness of the system.

Keywords： photovoltaic cell; lithium battery; irradiance; SOC; electric vehicle

（責任編輯：劉麗君）