企业官网建设流程全解析

1. 为什么电力电子界突然都在聊虚拟同步发电机

这两年只要参加电力电子或者新能源并网的线下交流，十个技术报告里至少有五个会提到VSG。虚拟同步发电机（Virtual Synchronous Generator）这个概念最早可以追溯到本世纪初欧洲学者提出的构想，核心思路很简单：用控制算法让逆变器在电网眼里“看起来”像一台真实的同步发电机。

为什么要这么干？因为新能源占比越来越高，传统逆变器并网时几乎不提供惯量和阻尼。电网里光伏、风电多了之后，频率波动变剧烈，一次调频能力变弱，系统稳定性面临压力。而同步发电机天然有旋转质量和阻尼绕组，电网频率一波动，它会本能地出力支撑。VSG做的事情，就是利用控制方程把这种“本能”给逆变器装上。

当前主流的商用构网型逆变器产品，几乎都把VSG或类似的下垂+惯性控制作为核心策略之一。工业界也慢慢形成了一个共识：未来高比例新能源电力系统里，没有惯量支撑的并网逆变器会越来越难混。

这篇文章要聊的不是泛泛的VSG原理，而是带惯量阻尼自适应控制的VSG仿真模型怎么在Simulink里落地。适合几类人看：一是做新能源并网控制研究的在校学生，二是做储能变流器或风电变流器控制算法的工程师，三是刚开始接触构网型控制、想用仿真快速验证思路的技术人员。我默认你有Simulink和Simscape Electrical的基础操作能力，但我会把模型结构、参数整定、自适应逻辑实现这些关键环节讲得比较细，新手也能跟着搭起来。

先放结论：惯量阻尼自适应控制，不是把J和D调成固定值就完事，而是让这两个参数跟随系统运行状态实时变化，在动态响应和稳态性能之间找平衡。真正的难点在于自适应律怎么设计、参数变化时怎么保证模型稳定、仿真里怎么把这种时变参数平滑地接进去。

2. VSG控制的核心方程与仿真模型整体拓扑

2.1 从同步发电机的二阶模型说起

同步发电机的转子运动方程是整个VSG控制的地基。忽略凸极效应和阻尼绕组细节，只保留最核心的机械动态：

[ J\frac{d\omega}{dt} = T_m - T_e - D(\omega - \omega_g) ]

其中J是转动惯量，D是阻尼系数，Tm是机械转矩，Te是电磁转矩，ω是转子电气角速度，ωg是电网同步角速度。

在逆变器的VSG控制里，Tm和Te由功率外环给定，J和D则由控制参数决定。把这个方程离散化，用Simulink的标准模块搭建，就构成了VSG控制环的骨架。功率环发出的有功功率基准值除以当前角速度得到机械转矩，实际输出有功功率除以角速度得到电磁转矩，两者做差后进入惯量环节，经过1/(J·s)积分得到角速度偏差，再和阻尼项叠加，最终积分得到VSG的虚拟转子角θ。

注意一个数学细节：D(ω - ωg)这一项在同步电机里代表阻尼绕组产生的阻尼转矩，但在VSG里我们通常把它当作有功功率的类下垂项。D越大，频率偏差对应注入的有功功率变化就越快，等效于阻尼更强。理解了这一层，后文自适应律的设计才有依据。

2.2 Simulink模型的分层结构与主要模块

一个完整的VSG自适应控制仿真模型，我习惯分成四层：

1. 主电路层：直流电压源通过理想开关桥（用Simscape Electrical里的Universal Bridge或者Three-Phase Bridge模块）、LC滤波器后接三相电网，负载可以是可切换的电阻负载或恒功率负载。
2. 控制算法层：包含功率计算、VSG转子运动方程、电压电流双闭环控制、PWM调制逻辑。
3. 自适应参数层：根据角速度偏差、角速度变化率等状态量实时生成J和D的调节指令。
4. 监测与录波层：电压、电流、有功无功、频率、J/D参数变化曲线，用于后续分析。

主电路拓扑和参数如下表（这是一套我跑过多次的典型参数，可以当初始参考）：

控制算法层里面最关键的模块是转子运动方程部分。很多初学者拿同步电机机械方程直接搭，结果仿真总发散，原因多半是没做标幺化或者积分初值没设对。转子运动方程积分器初始化时，ω初始值必须设为电网同步角速度314rad/s，θ初始值按锁相环输出的初始相位给定，否则模型启动瞬间会出现巨大的功率冲击。

3. 惯量阻尼自适应的必要性：固定参数VSG的短板

3.1 固定J和D到底哪里不够用

用固定参数的VSG跑仿真，很快就能看到一组典型的矛盾现象：J取大，系统惯性大，频率变化平缓，但动态响应慢，有功功率超调明显；J取小，响应快，但频率波动剧烈，容易触发保护。D也是类似的道理，D过大会导致稳态频率偏差被放大，等效下垂特性过强，D过小则振荡衰减慢。

拿一个具体场景说明。假设负载在0.5s时突增20%，固定J=0.5、D=20时的频率响应曲线，频率最低点大约在0.8s出现，下跌幅度约0.8Hz，恢复时间接近1.5s。换成J=2、D=20，频率最低点出现得更晚，但最大偏差能控制到0.4Hz以内。问题是，一旦负载在1s内连续突变两次，大J的参数组第二次响应时会明显拖沓，有功功率振荡收敛需要很久。

这说明一个现实问题：单一固定参数只能针对某一种扰动工况做折中，无法覆盖宽范围运行工况。我接触过的很多实际储能并网项目，负载波动范围和电网频率波动范围都非常宽，固定参数的控制在部分工况下稳定性余量不足。

3.2 自适应控制的总体思路

自适应控制的本质是牺牲一部分“参数不变”的简单性，换取不同工况下的最优动态性能。惯量J自适应的大方向是：频率偏差大或频率变化率大时，增大J以抑制频率快速变化；频率偏差小时，减小J以提高响应速度。

阻尼D自适应的思路则更聚焦振荡抑制：当角速度偏差与角速度变化率同号时，说明系统正在加速偏离同步点，应增大D来增强制动效果；当两者异号时，说明系统正在回摆，此时适当减小D，避免过度阻尼导致恢复过慢。

这两个自适应律放在一起，就形成了“惯量+阻尼”的双通道自适应。注意，这里说的“角速度变化率”在离散控制系统里就是dω/dt，需要用差分或者带滤波的微分环节求取，不能直接对含噪的测量信号求导。

3.3 一句话讲清楚自适应VSG和传统VSG的差别

传统VSG是常数J和D；自适应VSG是J和D随运行点实时变化，变化的依据是系统当前是否处于“加速脱离同步”还是“回摆趋稳”的状态。相当于给虚拟同步发电机加了一套自动调节“惯性大小”和“刹车力度”的机构，类似给汽车加了一套能根据路况自动调节车身稳定姿态的系统。

4. 自适应律的工程化设计：两个公式和一套切换逻辑

4.1 惯量自适应律的两种经典形式

目前在文献和工程实践里，惯量自适应律大体分两类：一类是分段线性函数，一类是指数函数。分段线性形式实现简单、调参直观，适合Simulink里快速验证；指数形式更平滑，参数变化无突变点，但需要多调两个系数。

我常用的分段线性形式：

[ J = \begin{cases} J_0 + k_1 \cdot |\Delta\omega| & |\Delta\omega| > \Delta\omega_{th} \ J_0 & |\Delta\omega| \leq \Delta\omega_{th} \end{cases} ]

其中Δω是虚拟角速度与电网角速度的偏差，Δωth是阈值，超过阈值才增大惯量。这个阈值很关键——如果不设阈值，微小的频率波动也会导致J频繁波动，功率响应会有多余的抖动。

另一种考虑频率变化率的变体：

[ J = J_0 + k_1 \cdot |\Delta\omega| + k_2 \cdot \left|\frac{d\omega}{dt}\right| ]

这种形式响应更快，但微分项对噪声敏感，仿真中如果信号里混有开关谐波，dω/dt波形会很难看。工程上通常会在微分器前面加一个二阶低通滤波器，截止频率选在20~50Hz。

4.2 阻尼自适应律的功率振荡抑制逻辑

阻尼D的自适应我推荐按下式做：

[ D = \begin{cases} D_0 + k_3 \cdot |\Delta\omega| & \Delta\omega \cdot \frac{d\omega}{dt} > 0 \ D_0 & \Delta\omega \cdot \frac{d\omega}{dt} \leq 0 \end{cases} ]

简单解释：当Δω>0且dω/dt>0，说明角速度高于同步值且还在加速增大，系统正在加速偏离，必须加大阻尼“踩刹车”；当Δω<0且dω/dt<0，角速度低于同步值且继续减小，同样需要加大阻尼阻止进一步下跌。反过来，如果偏差和变化率异号，系统已经在回摆，保持基础阻尼即可。

实际仿真中建议对Δω乘一个限幅系数，把D的变化范围限制在[D_min, D_max]之间，防止极端工况下D过大导致控制增益过高引发震荡。

4.3 Simulink里搭自适应模块的具体操作

在Simulink里实现上述自适应律，不一定要写S-Function，纯模块搭建完全够用。

搭建立体逻辑的步骤大概是：

1. 从VSG控制环里引出角速度偏差信号Δω和角速度变化率信号dω/dt。
2. 用Abs模块取绝对值，用Gain模块乘上自适应系数k1、k2、k3。
3. 用Switch模块（阈值判断）或者Saturation模块（限幅）处理分段逻辑。
4. 输出信号接到惯量环节的J端口和阻尼环节的D端口。

这里有个Simulink细节容易被忽略：Integrator模块的增益参数不能直接从一个普通信号线引入——你需要把惯量积分环节拆成Gain模块（1/J） + Integrator的形式，或者用Integrator, Second-Order这种支持外部参数输入的模块。很多新手用固定J的时候，直接在积分器参数栏填一个常数，等想改成自适应时发现没法接外部信号，只能重构模型。

推荐的做法是：把转子运动方程写成下面的形式：

[ \frac{d\omega}{dt} = \frac{1}{J}(T_m - T_e - D(\omega - \omega_g)) ]

用一个Gain模块接收1/J信号，D用一个Gain模块接收D信号，两个Gain都接来自自适应模块的外部输入。这样无论在模型调试还是后续换成参数辨识模块时，结构都不用大动。

还有一个工程细节：J和D的突变会导致转矩和角速度出现阶跃性的变化，特别是J在阈值附近频繁切换时。建议在自适应模块输出端加一阶惯性滤波（时间常数取0.01~0.05s），让J和D平滑过渡。加了这个滤波器后，自适应参数的切换过程会表现为平滑上升，而不是瞬间跳变，系统稳定性会好很多。

5. 完整仿真模型搭建实录：从零开始到跑通

5.1 主电路模型的搭建细节

打开Simulink，新建模型，我建议先把主电路搭通，再往控制层加东西。

直流侧用一个DC Voltage Source，电压800V，内阻忽略。三相桥用Simscape Electrical里的Universal Bridge，器件选IGBT，导通电阻压降默认即可。滤波部分用电感L和电容C构成LC滤波器，注意电容星形连接时中性点要做接地处理或悬空处理，否则仿真会报告代数环问题。

电网侧用Three-Phase Source，电压设为220V相电压有效值，频率50Hz，短路容量按实际电网强度设置。如果想模拟孤岛或弱电网条件，可以把电网等效阻抗调大，看自适应逻辑在这种工况下的表现。

负载方面建议接一个Three-Phase Series RLC Load，负载突变用Breaker模块实现——可以先让断路器在0.5s闭合投入一组负载，1.0s再切除另一组，制造连续扰动。

主电路参数设置的几个坑：

• LC滤波器的谐振频率f0 = 1/(2π√(LC))，按L=2mH、C=30μF算约650Hz，远离50Hz基频和10kHz开关频率，不会引发谐振问题。
• 如果仿真步长太大，开关管的PWM波形会失真，建议把求解器设在discrete模式，采样时间设在1e-5到5e-5秒之间。
• 不要让三相电网的初始相位角设为0，三相互差120度即可，避免启动时产生直流偏置。

5.2 功率计算与VSG控制环的搭建顺序

功率计算模块我习惯分两步走：先算瞬时功率，再滤波得到有功和无功的平均值。

瞬时三相有功功率计算直接用：

[ p = u_a i_a + u_b i_b + u_c i_c ]

利用Product模块和Add模块搭一个三相功率求和。无功功率瞬时值计算要使用Clark变换把三相电压电流变换到αβ坐标系，然后用：

[ q = u_\beta i_\alpha - u_\alpha i_\beta ]

得到瞬时无功，再同样过低通滤波器。这里的低通滤波器时间常数选择很关键，我建议选0.005s左右——太快则滤波后的功率纹波太大，影响VSG功率环输出；太慢则功率响应滞后，VSG的动态性能被拖累。

VSG转子运动方程的搭建按照第三节的公式来，核心是1/J的Gain模块、D的Gain模块、一个积分器和一个再积分器。积分器的初始条件设置要注意：

• 第一个积分器输出是角速度ω，初始值314rad/s。
• 第二个积分器输出是相角θ，初始值0（假设A相电压过零点为参考）。

电压电流双闭环控制部分不展开细讲了，标准d-q解耦控制即可。内环电流环PI参数按典型二阶系统整定，外环电压环带宽比电流环低3~5倍。值得注意的是VSG输出的电压幅值给定，要由无功环产生，不要直接给常数——否则无功功率无法参与调节，各个环节之间就脱节了。

5.3 自适应模块接入控制环的调试记录

把自适应模块接进模型后，第一次跑仿真我遇到一个典型问题：dω/dt信号毛刺特别多，导致D在最大值和最小值之间来回切换，功率波形出现高频抖振。

排查后发现，dω/dt是直接对ω做Derivative得到的，而ω本身含有测量噪声和控制纹波，导数被放大了。解决方法是换用带滤波的微分器：

[ \frac{s}{1 + T_f \cdot s} ]

也就是一个高通加一阶低通，Tf取0.02s。这样既得到了频率变化趋势，又滤掉了高频毛刺。

另外一个调试经验是：自适应律的系数不要一开始就按文献里的数值抄，先把它们设得很保守（k1、k2、k3都取小值），让模型跑通、确认基本性能没问题，再逐步增大系数观察动态改善情况。这个调试过程我一般从0.1倍系数起步，每次仿真对比频率波形和功率波形。

参数整定的一个协调关系要提前想清楚：J增大会降低频率最大偏差，但同时会减慢功率响应；D增大会加速振荡衰减，但会增大稳态频率偏差。自适应只是在动态过程中“临时”改变这两个参数，稳态时依然回到基准值，所以稳态偏差由J0和D0决定，动态性能由自适应增量决定。理解了这一点，调参就能有的放矢。

6. 实测工况对比：固定参数与自适应策略的仿真数据差多少

6.1 工况设计：负载突增+频率跌落

为了公平对比，我用同一套主电路和控制参数，分别跑了三组：

• 组A：固定J=0.5, D=20（小惯量快响应）
• 组B：固定J=2, D=20（大惯量慢响应）
• 组C：自适应J和D，基准值J0=0.5, D0=20，自适应系数k1=0.3, k2=0.2, k3=0.1

扰动场景：0.5s时负载有功从10kW突增到20kW，1.2s时电网频率跌落0.3Hz（模拟远端故障导致的频率偏移）。

三组仿真的关键指标对比如下：

从数据可以明显看出，自适应组C的频率最低点接近大惯量组B，但振荡收敛时间却比小惯量组A还要短。这正是自适应策略的价值——它同时吸收了“大惯量抑制频率变化”和“小惯量快速响应”两边的优点，而回避了两边的缺点。

6.2 自适应参数变化波形怎么读

仿真的Scope里同时观察J、D和角速度偏差三条曲线，能看到一个很有意思的规律：负载突增瞬间，角速度开始下跌，此时Δω<0且dω/dt<0，满足“加速偏离”条件，J快速上升，D也同步增大。角速度跌到最低点后开始回升，此时Δω<0但dω/dt>0，系统在回摆，J和D逐渐恢复基值。

整个过程中，J的波形像一个单峰脉冲，D的波形和它几乎同步出现，但幅度小一些。这种“动态期间加强惯性、回摆期间减少阻尼”的配合逻辑，正是自适应算法能兼顾响应速度和振荡抑制的控制核心。

从功率波形上还能看到，自适应组的功功率曲线在突变后第一拍的超调量和大惯量组接近，但后续的衰减振荡幅度明显更小，半次振荡后基本贴回稳态线。这就是阻尼自适应的功劳——它在系统回摆时及时减小了D，避免了因阻尼过大造成的“过杀”。

6.3 对结果的工程化解读

单纯看频率最低点，自适应组和大惯量组只差0.03Hz，这个差距在工程上几乎可以忽略。但振荡收敛时间从2.1s缩短到0.9s，意义很大——意味着故障或扰动发生后，系统能更快恢复到能接受的状态，为后续保护动作和恢复策略创造更多时间窗口。

实际项目中这种动态性能的提升，对储能变流器来说尤为重要。储能系统的可用容量有限，长时间振荡意味着储能单元反复吞吐功率，既影响电池寿命，又可能触发PCS内部过流保护。自适应VSG让系统在扰动后快速稳定，储能单元的功率输出能更早回到设定值。

不过我也要提醒：仿真数据是在特定参数和工况下跑出来的，不同系统参数、不同自适应律形式，结果会有差异。我给的这组数据是作为调试参考和性能量级的概念，不建议直接作为任何工程项目的设计依据。

7. 仿真中踩过的坑汇总：照着避雷能少熬两个通宵

7.1 积分器初始化不当导致的启动冲击

第一次把VSG模型跑起来时，最常见的异常是从仿真刚开始就出现巨大的电流尖峰，峰值可以达到额定电流的十多倍，甚至直接导致仿真因数值发散而中止。

原因几乎都是积分器初始值没设置对。角速度初始值应为314rad/s，相角初始值应与电网电压初始相位一致。如果两个初始值不匹配，VSG输出的电压和电网电压之间会产生很大的相位差，相当于在启动瞬间给电网加了一个非同步合闸的操作，电流冲击自然巨大。

解决办法是在两个积分器的Initial Condition参数里明确填写初始值，另外建议在0时刻加一个软启动过程——让有功功率给定值在0~0.2s内从0线性爬升到额定值，避免启动瞬间功率阶跃。

7.2 dω/dt信号的噪声污染问题

这个在上文已经提到了。微分环节对噪声的放大作用是数学上的必然，任何测量噪声在求导之后都会变成大振幅的高频分量。在自适应律里，dω/dt参与判断“加速偏离”还是“回摆”，如果噪声导致误判，D和J就会无规律抖动。

我的处理方案排序是：

1. 优先在控制信号源处加滤波，滤波截止频率选100Hz左右，滤除开关谐波和高频测量噪声。
2. 如果滤波后仍然抖动，再调整自适应律的判断阈值——在|Δω|小于某个极小值（如0.001rad/s）时，强制J和D用基准值，避免参数在零点附近频繁切换。
3. 最后再检查采样时间，过小的采样时间会放大导数阶段的量化噪声，适当增大采样时间反而能改善。

7.3 离散仿真与连续仿真的结果差异

VSG控制环是连续系统，但实际数字控制器是离散系统。很多人在连续域把参数整定得很漂亮，一旦改成离散域仿真就出现性能下降，甚至不稳定。

原因在于数字控制器的延迟——采样延迟一拍、PWM更新延迟一拍，合计约两个开关周期，这部分延迟在连续域仿真中完全不存在。处理方式有两种：

• 朴素方式：在控制环路里人为加一个Unit Delay模块，模拟一拍采样延迟。
• 更贴近工程的方式：用Discrete PI Controller等离散模块搭建控制环，显式设置采样时间，然后在仿真参数里把求解器设为discrete。

我推荐直接采用离散模块搭建，虽然前期建模工作量稍大，但后面对接代码生成和硬件在环测试的时候，模型可以直接复用，少走弯路。

7.4 代数环问题导致仿真卡死

用纯Simulink模块搭VSG控制环时，如果功率计算和PI控制之间存在瞬时前馈路径，有时会报“Algebraic Loop”警告，严重时仿真步长会不断缩水，仿真速度极慢。

代数环本质是模块之间存在没有延时的反馈路径。解决思路很简单：在反馈路径上插入一个采样保持模块（Zero-Order Hold），或者在功率滤波环节后加一个Unit Delay，把代数环打破。

我之前在一个模型里死活找不到代数环在哪里，后来用Simulink的Model Advisor里的代数环检测功能，很快就定位到了——在无功功率计算到电压幅值给定这一段。加了一个采样保持模块之后，问题迎刃而解。

8. 模型扩展方向：从自适应VSG到更完整的构网型控制

8.1 并联机组场景下的VSG均流

单台VSG搭好了，接下来很自然会想扩展成多台并联。并联 VSG 的控制难点在于有功功率均分和无功功率均分。有功均分靠频率下垂实现起来比较直接，无功均分则要协调电压幅值给定，否则会产生很大的环流。

自适应J和D在多机并联场景下要特别谨慎——如果每台VSG的J都随频率偏差自适应增大，可能导致总惯量变化和功率分配不一致，出现某些机组出力过多的情况。建议在多机并联的仿真里，把自适应系数设小一些，先验证均流效果，再逐步增加自适应强度。

8.2 与储能SOC的协调控制

在实际储能系统中，VSG的功率指令不能超出电池允许的充放电功率范围。更高级的做法是让惯量J和可用功率直接挂钩：当SOC偏高且正在放电时，限制惯量增大的幅度，防止过量输出导致电池过放；当SOC偏低且正在充电时，主动减小惯量，让频率响应更快地结束，避免长时间的大功率吸收。

这种“参数和能量状态联动”的思路已经出现在最新的文献和产品方案里。在Simulink中实现只需要加一个查表模块，把SOC映射到J的上限系数，然后乘到自适应模块的输出上。建模难度不大，但对理解系统层面的协调控制很有帮助。

8.3 从Simulink模型到硬件实现的距离

仿真跑通之后，很多人会关心代码生成。Simulink模型经过代码生成工具转成C代码后，运行在DSP或ARM核上，这是当前工业界常见的工作流。但要注意几个仿真中没有的问题：

• 控制周期和采样延迟的一致性：代码生成后，整个控制环的执行周期是固定的，仿真时把控制环的采样时间和实际代码的采样周期设置为一致，能避免很多移植问题。
• 自适应参数的在线调整接口：在硬件上，J和D往往是可变参数，需要预留上位机通信接口，而不是像仿真里那样直接在模块里改常数。
• 保护逻辑和限幅逻辑：仿真里很少遇到电压越限、电流越限的情况，硬件上这些保护必须在控制环里同步运行，而且优先级要高于VSG自适应算法。

8.4 故障穿越场景下的自适应策略调整

最后一个扩展方向是低压穿越或零电压穿越。电网电压骤降时，VSG输出功率会出现剧烈波动，此时惯量和阻尼的在线调整逻辑不仅要考虑频率偏差，还要考虑电压跌落深度。

在电压跌落的瞬间，可以适当增大D来快速阻尼功率振荡；在电压恢复期间，需要逐渐减小D，防止D过大拖慢电压恢复后的功率爬升过程。这套逻辑在仿真中不难实现，只需要把电压跌落的检测信号接入自适应模块的判断逻辑里。

9. 仿真模型的参数整定速查表

把我上面提到的关键参数整理成一张速查表，方便大家搭模型时对照参考。注意这些参数是在20kW/380V的仿真系统上整定的，不同功率等级的模型需要按比例换算。

调参建议：先固定D0，从小到大试J0，找到频率最大偏差满足要求的临界值；再固定J0，从小到大试D0，找到振荡收敛时间和超调量的折中点。然后把自适应系数从小到大加，每次只调一个系数，对比频率波形和功率波形，直到动态性能不再有明显改善为止。

10. 写在最后：自适应VSG仿真只是第一步

仿真模型跑通只是开始。从我接触的实际项目经验来看，仿真和现场之间的差距往往比想象中大——仿真里熟知的参数到了现场会遇到采样噪声、通信延迟、开关器件非理想特性、电网谐波等一堆在模型里没考虑的问题。

自适应VSG这个方向，虽然目前论文和产品方案已经很多，但真正落地时仍有大量工程细节需要打磨：自适应系数的在线自整定、多机并联时的参数协调、极端工况下的保护切换策略，每一项都值得单独深入研究。

如果你是学生，建议在仿真模型的基础上，把自适应律的形式换几种对比着写，记录不同策略在相同工况下的数据差异，这套对比实验本身就可以支撑一篇很好的论文。如果你是在做产品的工程师，我更建议把精力放在鲁棒性验证上——多跑几种极端工况，看看自适应参数会不会触发意外的震荡。

这次就分享到这里。最后想说的是，Simulink仿真最怕的不是模型复杂，而是参数设置不合理导致结果失真。搭模型时多回头检查主电路参数、控制环采样时间、积分器初始条件这些基础环节，往往比急着调自适应系数更重要。仿真数据自己会说话，但前提是模型本身得靠谱。