太阳能热水系统仿真建模：Simulink从零维集热器到分层水箱

前几天在整理电脑里存了七八年的旧资料夹，翻到一份题为《基于Matlab/Simulink的太阳能热水系统仿真研究 沈超.doc》的文档，标题后面还跟着一串“李大勇matlab密码”的备注。当时随手点开扫了几眼，发现这份资料里其实藏着不少能直接用到工程仿真里的干货。这些年我做过不少新能源系统建模的项目，MATLAB和Simulink几乎是天天打交道，看到这种和自己领域贴近的旧文档，索性就着这个标题，把太阳能热水系统仿真里最关键的那些建模思路、参数设置、调试方法，完整整理成一篇能照着操作的笔记。

这篇文章不是复述论文，而是实打实的经验分享。核心聚焦三件事：第一，太阳能热水系统如何在Simulink里搭出可运行的仿真模型，从集热器到储热水箱再到控制逻辑，每一步怎么落地；第二，仿真过程中最容易卡住你的代数环、初值问题、数值振荡这些坑，该怎么排查；第三，怎么把仿真结果变成工程决策依据，比如算太阳能保证率、评估水箱容积是否合理。适合正在做新能源仿真课题的研究生、准备用Simulink做系统级建模的工程师，以及刚学完MATLAB基础想拿真实系统练手的同学。

1. 仿真研究的整体思路：为什么太阳能热水系统要用Simulink建模仿真

1.1 从物理系统到数学模型：先搞清楚能量从哪来到哪去

太阳能热水系统听起来不复杂，无非是集热器吸热、循环泵把热量带到水箱、水箱把热水存起来供用户使用，但真要分析它的运行性能，事情就没那么简单了。太阳辐射强度一天之内是条曲线，环境温度在波动，用户用水也是间歇性的，集热器进出口温度差、水箱内的温度分层、循环泵的启停控制，这些因素互相耦合在一起。靠手算只能算稳态工况，动态过程完全算不清楚，而实际生活中系统几乎永远处在动态过程中。

用Simulink做这个仿真的好处在于，它天然适合表达“状态随时间变化”的物理过程。你可以把一个包含微分方程的热力学模型拖拽成直观的模块图，哪一路是热流、哪一路是控制信号、哪里存在反馈回路，一眼就能看出来。仿真跑完之后，Scope里直接画出水箱温度一天之内的变化曲线，控制器在什么时刻启动泵、什么时刻关掉泵，全都能回放出来，这种感觉是纯写代码或者纯靠手算完全给不了的。

建模仿真之前，第一件要想清楚的事是：系统里的能量到底怎么流动。太阳辐射打到集热器上，一部分被反射掉，一部分被集热板吸收，吸收的热量里又有一部分通过热损失散失到空气中，剩下的才传给集热器里的导热介质。导热介质被循环泵送到水箱，通过换热器把热量交给水箱里的水。水箱在储热的同时，一直在向外界漏热，同时用户不断从水箱顶部取走热水，补进来的冷水又从底部进入。把这串能量传递路径画成框图，数学模型就自然出来了。

1.2 从这份研究文档里能学到什么

这份文档的核心价值不在于结论本身，而在于它提供了一个典型的建模流程模板：先简化物理过程，再建立微分方程，然后转换成Simulink模块，最后设置参数跑仿真。这个思路适用于绝大多数热力系统的Simulink建模，不仅限于太阳能热水。

标题里那串“密码”，我理解不是软件授权那种密码，而是指启动这个仿真项目的关键参数和关键操作。我仔细研究过这份文档后，把它拆成了四个真正的“密码”：

第一，集热器模型不能一上来就建三维CFD，先用零维集总参数模型把问题跑通，精度不够再加细节。第二，储热水箱必须考虑温度分层，完全混合模型的结果会明显偏离实际，但分层层数又不能太多，否则计算会变得很慢。第三，温差循环控制器的滞回区间要设置合理，否则循环泵会频繁启停，仿真曲线会出现让人头疼的锯齿形振荡。第四，太阳辐射和环境温度数据导入Simulink时，格式和时间对不上是最常见的报错原因，需要提前处理好。

文档中沈超的研究用的就是这套方法。先简化，再建模，后验证，最后用仿真结果分析系统性能。这篇文章会把这套流程彻底展开，给出可以直接复现的操作。

2. 核心模型搭建：集热器、储热水箱与控制策略怎么落地

2.1 集热器模型的三种层次，为什么首选零维模型

集热器是太阳能热水系统的热量来源，建模时精度从低到高大概有三个层次：零维集总参数模型、一维流动模型、三维CFD模型。零维模型把整个集热器看作一个温度均匀的热容体，只用一个微分方程描述平均温度随时间的变化，计算量小，参数数量少，特别适合用于系统级仿真和控制策略研究。一维模型考虑导热介质沿流动方向的温度变化，能把出口温度算得更准，但需要离散化处理，模型复杂度明显上升。三维CFD模型精度最高，但计算资源消耗大，仿真速度慢，在系统级研究中基本不会直接使用。

在Simulink里做太阳能热水系统仿真，绝大多数场景选零维模型就够了。它的核心方程可以写成：

C_c * dT_c/dt = η_0 * G * A_c - U_L * A_c * (T_c - T_a) - m_dot * c_p * (T_c - T_w)

其中C_c是集热器的热容，代表集热器本身储存热量的能力；η_0是集热器的光学效率，默认取0.75到0.8之间；G是太阳辐射强度，单位W/m²；A_c是集热器面积；U_L是总热损失系数，通常在3到6 W/(m²·K)之间；T_c、T_a、T_w分别是集热器平均温度、环境温度和进入集热器的水温；m_dot是循环流量，c_p是导热介质的比热容。

这个方程的含义很直观，左边是集热器储存热量的变化速率，右边依次是太阳辐射收入、对环境的热损失、以及被导热介质带走的热量。在Simulink里搭这个方程，直接用一个Integrator模块承接dT_c/dt，再用几个Gain、Sum和Product模块把右边各项算出来就行。如果你喜欢用代码建模，也可以写成MATLAB Function模块或者S函数，但对大多数人来说，直接用基础模块搭反而更好排查问题。

有一个细节值得注意：m_dot不是常数，它受循环泵启停控制的影响，而泵的启停又依赖于T_c和T_w的差值，所以模型中天然存在一条反馈回路。这条回路处理不好就会出现代数环，后面第4节会专门讲怎么解决。

2.2 储热水箱模型：分层与混合的折中选择

储热水箱是整个系统中的“蓄水池”，它的建模准确度直接决定仿真结果能不能反映真实运行情况。水箱内部不同高度的水温是不一样的，热水密度小浮在上面，冷水密度大沉在下面，这就形成了所谓的温度分层。分层效果好的水箱，顶部水温高、底部水温低，取水时能优先供应高温热水，热效率比完全混合的水箱高出不少。

在Simulink里做分层模型，最常用的做法是把水箱在竖直方向分成N层，每一层都当成一个完全混合的小反应器，层与层之间只通过能量交换和质量流动耦合。每一层都可以写一个能量守恒方程：

C_i * dT_i/dt = m_dot * c_p * (T_{i-1} - T_i) + UA_i * (T_{i+1} - 2*T_i + T_{i-1})

其中i是层序号。如果N取1，模型退化为完全混合模型，整个水箱一个温度；如果N取10层以上，结果已经接近连续温度分布，但仿真速度会显著下降。我实际调试下来的经验是，N取4到8层就能在精度和速度之间取得比较好的平衡，没有必要迷信更多层数。

水箱建模在Simulink里的实现方式有两种思路。一种是直接复制N份模块组，手工连接层与层之间的信号线，这种做法直观但修改层数时很麻烦。另一种是使用Simulink的向量化信号能力，把所有层的状态变量组成一个向量，用一个Integrator一次性处理，配合Selector模块选取相邻层的状态值，这样模型结构会紧凑很多，修改N的值只需要改一个常量参数。如果你对NumPy或者MATLAB矩阵操作比较熟悉，向量化建模的方式上手会很快。

还有一点要注意：循环泵运行时水流会加剧水箱内部的搅混，破坏温度分层。严格来说，应该在模型中加一个“混合强度”系数，流量越大混合越严重，分层效果越差。这个效应在工程上非常明显，夏天大流量循环时水箱上下温差可能只有两三度，而小流量循环时温差能拉到十几度。如果建模时忽略这一层，仿真出来的集热器进口水温会偏低，进而高估集热器效率。

2.3 控制策略：温差循环与辅助热源的Simulink实现

太阳能热水系统的控制逻辑通常不复杂，核心是温差循环控制。系统实时比较集热器出口温度T_c与水箱底部水温T_bottom的差值ΔT = T_c - T_bottom，当ΔT大于启动阈值（比如8℃）时，循环泵启动，把集热器里的热量搬到水箱里；当ΔT小于关闭阈值（比如3℃）时，循环泵停止，防止水箱热量倒流回集热器。启动阈值和关闭阈值不一致，这个设计叫滞回控制，目的是避免泵在临界点附近频繁启停。

在Simulink里实现这个控制逻辑只需要三个基础模块：Subtract计算温差，Relational Operator判断温差是否大于或小于阈值，Switch根据判断结果选择泵的流量值是0还是额定流量。滞回逻辑如果只用单个Relational Operator实现，会出现边界处的抖动问题，建议用两个比较器加上RS触发器来构造滞回控制，这也是工业上最常用最可靠的做法。Simulink的Stateflow也可以实现，但对简单逻辑有点杀鸡用牛刀了。

辅助电加热的控制逻辑就更直接了，检测水箱中上部温度，低于设定下限（比如45℃）就投入加热，高于设定上限（比如55℃）就切断，同样是滞回控制。在模型里用一个带滞回的开关模块就能实现，输出信号作为热功率加载到水箱某一层或者整箱的能量方程里。

控制器在Simulink里实现的好处在这一点上体现得很彻底：如果你用别的语言写这套控制逻辑，你得自己处理时间调度、事件触发、状态保持；而在Simulink里，采样时间、状态记忆、信号路由全部由框架自动管理，你只需要描述“什么条件下做什么事”。这也是为什么Simulink能成为动态系统仿真的主流工具。

下面给出一个最小仿真模型需要的模块清单，方便你对着搭：

这套最小模型跑通之后，后续加辅助热源、加负荷预测、加多水箱并联，都是在这个框架上做增量，不会推翻重来。

3. 实操仿真：参数设置、模型运行与结果分析

3.1 参数从哪里来，怎么整理最省心

模型的参数来源通常有三个渠道：设备手册、工程经验、实验数据。集热器的面积A_c和效率曲线参数，集热器厂家都会在样本上标注；水箱容积和热损失系数，可以从水箱产品参数表查到；循环泵的额定流量，泵铭牌上就有。这些参数未必正好符合你的仿真工况，需要做一定的折算，比如泵实际运行流量可能因为管路阻力而低于铭牌值，可以先按铭牌值的70%到90%估算。

太阳辐射和环境温度数据可以不用自己编。工程上通常使用典型气象年的数据，国内可以从中国建筑气象数据专用集获取，国际上有TMY3数据集。拿到原始数据后需要格式化为Simulink能识别的形式，最简单的做法是准备两列数据，第一列是时间，第二列是对应的辐射值或温度值。数据在导入前要注意单位统一，辐射强度用W/m²，温度用摄氏度，这看起来是小事，但单位不一致导致的仿真结果离谱，我见过太多回了。

Simulink导入外部数据的推荐模块是From Spreadsheet，它直接读Excel文件，设置好sheet名和列范围就行，对于不熟悉MATLAB脚本的初学者非常友好。如果你更习惯用From Workspace模块，那需要在MATLAB工作区预先定义一个结构体变量，包含time和signals两个字段，signals.values是数据矩阵，signals.dimensions是信号维数。两种方式都能用，但From Spreadsheet读Excel文件时不用写代码，推荐优先使用。

下面给出一套示例参数，方便你直接用来做第一个仿真。假设系统位于北方某城市，集热器面积取5平方米，集热器光学效率0.78，总热损失系数4.5 W/(m²·K)，集热器热容按每平方米集热面积8000 J/K估算，水箱容积取300升，水箱热损失系数1.2 W/(m²·K)，循环泵额定流量0.15 kg/s。启动温差阈值8℃，关闭阈值3℃。

这套参数对应一个家庭用的典型太阳能热水系统，规模不大，但所有动态特性都齐全，跑出来的结果也容易解读，适合先拿来找手感。

3.2 一步步搭出第一个可运行模型

拿到参数之后，搭建模型的过程可以按下面这些步骤走。第一步新建一个Simulink模型，打开Library Browser，依次拖入你需要的模块。第二步搭集热器子系统，里面放一个Integrator表示T_c，输入端接辐射、环境温度、回水温度这三个信号，输出端输出集热器平均温度T_c，再把T_c反馈到右侧的Product模块参与热损失计算。第三步搭水箱子系统，按第2节的分层模型思路建4层，每一层一个Integrator，层间用信号线连接，注意上下层之间的热量交换表达式别搞反方向。

第四步搭控制逻辑，把集热器温度和水箱底部温度相减，经过滞回控制器输出泵的启停信号。第五步搭主回路，把泵的启停信号转换成实际流量，流量进入集热器的Product模块，同时影响水箱各层之间的质量流动。第六步把太阳辐射和环境温度接进模型，选择From Spreadsheet模块读取刚才整理好的Excel数据。第七步加Scope，把水箱第1层和第4层温度、集热器温度、泵启停信号全部引到Scope里。

第八步设置仿真参数。仿真时间设为一天，也就是86400秒，或者设置为7天观察连续运行效果。求解器选用变步长ode45，相对误差1e-3，最大步长根据数据采样间隔来设，如果气象数据是1小时间隔，最大步长可以放宽到600秒，这样仿真速度更快。如果选的是定步长求解器，步长建议设在10到60秒之间，太小了速度慢，太大了数值不稳定。

全部设置完成后点Run按钮。正常运行的标志是Scope中曲线平滑变化，没有突变和震荡。第一次跑不通很正常，常见的报错不外乎信号维度不匹配、数据类型不一致、初始条件不合理这几个原因。看到红色报错别慌，Simulink的错误信息通常会把出错模块的高亮出来，双击进去检查那个模块的端口设置，八成能解决问题。

3.3 结果分析：怎样判断系统设计好不好

仿真跑完之后，真正的工程分析才刚开始。最基本的结果解读是看水箱温度曲线。理想情况下，晴天一天中水箱温度应该先升后降，中午前后升温最快，晚上缓慢降温。如果水箱温度在白天没什么变化，说明集热器面积太小或者循环流量太小，热量没有有效传递到水箱。如果温度上升过快甚至在下午就接近沸腾温度，说明集热器面积相对于水箱容积过大，可以考虑增大水箱或者减小集热器面积。

定量评估系统性能时，最常用的指标是太阳能保证率，定义为太阳能提供的热量占总热负荷的比例。在Simulink里计算这个指标，需要额外搭建热计量模块：对集热器传递给水箱的功率做积分，得到一天（或一段时间）内太阳能总供热量；对用户取水带走的热量做积分，得到总热负荷；两者相除就是太阳能保证率。举一组示例：假设仿真结果是水箱内水温从20℃升到55℃，水箱300升，水的质量约300kg，比热容4180 J/(kg·K)，那么水箱储能增加约300×4180×35 = 43.89 MJ。如果仿真周期内用户用水带走的热量（也就是总热负荷）是60 MJ，那太阳能保证率就是43.89/60，约73%，说明这套系统在当天气象条件下承担了73%的热负荷，剩下的部分需要靠辅助加热补足。

效率指标的评估要看集热器效率。效率定义为集热器有效得热量除以太阳辐射能量。在Simulink里同样用积分模块实现：对集热器传递给水的热量积分，再对太阳辐射乘以集热器面积的功率积分，两者相比即可。如果仿真结果显示效率长期低于30%，要检查是不是热损失系数设置过大，或者温差控制策略导致泵经常不启动，集热器长时间在高温下空晒。

数据分析做完整之后，可以试着做一次参数扫描。把集热器面积从3平方米变化到8平方米，分别跑仿真，记录每种面积下的太阳能保证率和集热器效率，画出一条曲线。这条曲线会直观地告诉你，集热器面积增大到一定程度后，保证率的提升幅度会明显放缓，存在一个性价比拐点。这就是仿真相比现场实验最大的优势——你可以在一个下午完成现实中需要一整个夏天才能摸清的设计优化。

4. 常见问题与排查技巧

4.1 代数环和初始条件问题

Simulink建模过程中，代数环几乎是每个做物理系统仿真的人都会遇到的坑。代数环的报错信息通常是“Algebraic loop detected”，Simulink会在Diagnostics Viewer里给出提示。出现代数环的根本原因是信号回路中没有任何一个模块包含状态记忆，导致Simulink无法按时间顺序求解。比如集热器平均温度T_c的计算依赖于回水温度，而回水温度又依赖于集热器出水温度，如果中间没有加延迟或记忆模块，整个环路中所有变量都需要同时求解，就形成了代数环。

解决代数环的办法有几种。最简单的方法是找到回路中滞回时间最短的模块，在其信号通路上加一个Memory模块或者Unit Delay模块，人为打破直接馈通。这种做法会牺牲一点仿真精度，但对慢变热力系统来说，一个仿真步长的延迟完全不影响结果，我用这个方法解决过好几个模型的代数环问题。另一种做法是把流量信号从“当前时刻计算”改为“上一时刻计算”，相当于模型里引入了一个采样保持，这在物理上也可以解释得通，因为泵和管路对流量变化的响应本来就有惯性。

初值问题也值得单独说。Integrator模块默认初始值是0，如果你仿真模拟的是夏季运行场景，水箱初始水温给0℃就明显不合理，仿真最开始几个小时都是在“追”稳态，曲线前段完全不可用。正确做法是根据系统实际初始状态设置Integrator的初始值，比如水箱初始温度设为20℃，集热器初始温度设为环境温度。初值设置在模块参数对话框里就能改，不要漏掉。

4.2 仿真结果“震荡”怎么办

仿真曲线出现高频震荡的原因通常有三大类：控制参数不合理、求解器数值问题、模型本身存在快速动态。

第一类最常见。温差循环控制的启动阈值和关闭阈值如果间隔太小，比如启动阈值只比关闭阈值高1℃，那么泵会在边界附近高频启停，Scope曲线会看到水泵控制信号像锯齿一样抖动。解决方法是增大滞回区间，工程上启动阈值8℃、关闭阈值3℃的组合已验证过比较可靠，不容易出现震荡。如果项目条件特殊，系统热惯性特别小，还可以把阈值拉得更开。

第二类震荡来自数值计算。变步长求解器为了满足误差要求会自动缩小步长，但如果你设置了固定的最大步长，而这个步长太大，高频动态无法被准确采样，曲线就会失真。解决办法是在求解器设置里把最大步长调小，比如从600秒调整到60秒，如果仍然震荡，继续减小。同时把相对误差从默认的1e-3收紧到1e-4甚至1e-5，多数情况下问题能解决。别一上来就用ode23s这类刚性求解器，先试ode45，不够再换。

第三类震荡出现在分层水箱层数很多、层间耦合很强的时候。层数越多，各层之间的热交换时间常数差异就越大，系统变得“刚性”，ode45的求解速度会急剧下降甚至失败。碰到这种情况，直接把求解器换成ode15s或ode23tb，这两个刚性求解器处理这种多时间尺度问题很有效。再配合适当的层数选择，比如4到8层，既保证精度又避开数值困难。

4.3 数据和实际工程对不上怎么排查

仿真结果和实际运行数据对不上的时候，先别急着怀疑模型不对，按照下面的排查顺序来，效率会高很多。

先查输入数据。太阳辐射表上记录的是水平面辐射量，而集热器通常是倾斜安装的，直接使用水平面辐射数据会低估集热器接收到的能量。需要做倾斜面辐射换算，把直射和散射分开处理，这是最容易被忽略的一步。再查时间同步问题，气象数据如果用的是地方时，而仿真时钟用的是标准时，两者差了一个小时甚至更多，输出的温度曲线整体偏移，不仔细看还以为是模型算错了。

再查模型假设。零维集热器模型默认集热器温度均匀，但实际上集热器内部沿流动方向存在温度梯度，出水温度高于平均温度。如果你的控制策略比较依赖出水温度值，这个误差会被放大，需要考虑用一维模型修正。水箱分层模型中如果忽略了循环流量对分层的破坏作用，也会导致仿真热效率偏高，这个细节前面提过，实际工程数据对比时特别明显。

最后查参数。热损失系数U_L不是一个固定常数，它随风速、温度差变化，手册上给定的是额定工况值，仿真时如果环境条件和额定工况差异大，需要做风速修正。把这三层查完，反馈到模型里修正，仿真和实测数据通常能对到误差10%以内。对于系统级仿真来说，这个精度已经足够支撑工程决策了。

我把这些年调试过程中遇到过的问题整理成一个速查表，方便你对照排查：

5. 扩展应用：让这个模型从课程设计走向工程实战

5.1 和优化工具箱结合，做系统容量匹配

基础模型跑通之后，很多人的下一步想法是：能不能让仿真直接帮我把集热器面积和水箱容积定下来？完全可以。把第3节的参数扫描过程自动化，就是最简单的单参数优化。更正规的做法是使用MATLAB Optimization Toolbox，在脚本里反复调用Simulink模型，每次修改参数，跑完仿真后读取结果，计算目标函数，用fmincon或者ga（遗传算法）搜索最优解。

目标函数可以根据工程项目需求设定。家用系统一般用生命周期成本最低，包括初投资、运行电费、维护费用，折算到15到20年生命周期里。工程投标项目更看重太阳能保证率不低于某个指标，比如保证率≥60%且系统造价最低，这个时候可以把保证率写成约束条件，把系统造价写成目标函数。优化过程中每次调用模型会消耗一定时间，建议设置好fast restart加速仿真，或者将模型编译成S-Function后调用，速度会提升一个量级。

5.2 导出FMU，让仿真结果接入更多工具链

Simulink模型在工程协同中的另一个实用功能是导出FMU。FMU是Functional Mock-up Unit的缩写，是一种跨工具仿真模型交换标准，可以把它理解成一个封装好的动态模型“黑盒”，其他软件通过标准接口调用这个黑盒参与仿真。如果你在做建筑能耗综合仿真，可以把太阳能热水系统模型导出成FMU，然后导入EnergyPlus或TRNSYS等建筑能耗软件里，让太阳能热水系统和建筑负荷在同一个框架下联动仿真。

操作上，导出FMU需要安装Simulink Compiler或者相关的FMU Export支持包，然后在你搭建好的模型上做一些适配工作，比如把输入输出端口全部转换成标准类型，去掉Scope等可视化模块，配置模型为适用于实时仿真的模式，再点击导出就可以生成.fmu文件。生成的FMU其他软件可以直接加载使用。我在一个实际项目中把这个模型导出给建筑模拟团队，对方在EnergyPlus里成功调用，省去了重新建模的大量工作。

5.3 用真实运行数据修正模型参数

模型做得再精细，参数和实际设备之间总归存在差距，最靠谱的修正方式是拿真实运行数据反推模型参数。比如你手头有一台已经运行的太阳能热水系统，采集到了某天的太阳辐射、环境温度、集热器进出水温度、循环流量数据，就可以用MATLAB的Parameter Estimator识别热损失系数U_L、光学效率η_0这些关键参数。

操作流程是：在Simulink模型里把待辨识参数设置成变量，然后在Parameter Estimator界面导入实测数据，选择待辨识参数和输入输出数据映射，设置好初值和边界范围，点击Start运行。优化算法会在参数空间里搜索使仿真曲线和实测曲线误差最小的参数组合。识别出来的参数可以直接写回模块参数，也可以生成代码用于后续仿真。每次做这个流程都让我对一句话体会更深：仿真模型不是越复杂越好，模型结构和真实物理过程的匹配程度，远比模型结构本身的复杂度重要。

我个人做这类仿真的体会是，上手太阳能热水系统建模，千万不要一上来就想把模型做得很精细。先搭一个零维集热器加四层水箱加温差滞回控制的最小可运行模型，把仿真跑通、结果看懂，再根据具体需要逐层加细节。这个顺序能让你最快地理解模型的每个环节，也不会在初期就被代数环和数值问题劝退。等你有了一两个自己搭好的模型底子在，后面不管是做参数优化、联合仿真还是数据修正，都会顺很多。