2024华中杯A题的一种思路

摘要：

对于问题一，本文从太阳高度角和光伏板朝向的角度考虑，关键因素是太阳能的大气吸收率以及余弦损失，据此建立了太阳能的辐射衰减模型以及光伏板接收模型。首先利用2023年A题附录中的太阳高度角计算公式并对太阳辐射穿过大气层的过程进行分析，进一步得出太阳能辐射衰减的公式。再通过光伏板接收模型计算光伏板在不同倾角下的瞬时辐射接收强度，涵盖了余弦损失和太阳能辐射的衰减。最后对一天中辐射强度积分求解得到表1，为2025年每月15日晴天条件下，该城区一块面积为1m2的光伏板朝向正南方且水平倾角为20°、40°、60°时受到的最大太阳直射强度和太阳直射辐射总能量。最后进行分析，标明用的是武汉当地时的数据来计算而不是北京时间的数据，相差了十分之一左右，最后将武汉时间转换为北京时间。

对于问题二，本文优化了光伏板接收模型，属双变量非线性规划模型。问题二是求使光伏板在晴天条件下受到的太阳直射辐射日均总能量最大的光伏板方位角和水平倾角。由此更新了太阳直射方向与光伏板法线夹角的计算公式。决策变量为光伏板方位角和水平倾角。目标函数是一块光伏板上太阳直射辐射日均总能量的最大值。约束条件包括光伏板水平倾角在0°到90°之间，光伏板方位角在- 90°到90°之间。对太阳直射辐射强度单天积分，逐天累加，除以一年总天数，得到日均总能量。使用遗传算法来在模型基础上求解有约束的非线性规划问题。经初始化和适应度评估后进行选择，交叉，变异，进行迭代，最后收敛取得近似解。得到该城区固定安装太阳能光伏板的朝向为正南，仰角24.5°左右，受到的最大太阳直射辐射日均总能量约为1.42*107J。

对于问题三，本文综合考虑储电效率高和日均总能量大这两个目标，建立多目标优化模型。问题三是在两个目标函数相互冲突的情况下设计最优朝向。以太阳直射辐射日均总能量和太阳直射辐射时长为两个目标函数，决策变量为光伏板方位角和水平倾角，约束条件包括光伏板水平倾角和方位角。用多目标遗传NSGA-II算法优化得出帕累托最优解，确定对应的多个最优朝向，求得多组对应的函数值。

问题分析

对于问题一，在计算其在不同水平倾角下所受辐射强度及总量之前，我们需要求解因大气阻碍和光伏板余弦损失而造成的实际吸收的太阳辐射量。我们综合了多个有关权威网站的说明与相关文献的总结，确定了以下几个步骤进行建模与求解：

1. 衰减参数估计

题中简化计算为只考虑太阳直射，同时固定了方位角为正南方。通过纬度、太阳时角、赤纬角确定太阳高度角，并据此确定穿过大气层的太阳辐射强度的衰减。考虑到不同太阳高度角的太阳穿过的大气厚度不同，通过2023年5月23日早晨6点到晚上19点地表水平面受到的太阳直射强度值，在仅考虑大气层厚度的线性衰减作用的情况下，计算每个时间点下的衰减系数，计算衰减系数的中误差，符合误差标准，取均值作为真正的衰减系数。通过该衰减系数能估算不同太阳高度角太阳辐射在经过大气衰减后的剩余量。

2. 计算余弦损失

余弦损失是指由于太阳光入射方向与镜面采光口法线方向不平行引起的接收能量减少，余弦损失后被光伏板真正吸收的太阳辐射计算公式为光伏板法线与太阳光夹角的余弦值与输入辐射量相乘。我们首先计算某一时刻下太阳的相关参数，以此计算光伏板法线与太阳光夹角的余弦值，再结合余弦损失的公式计算剩余太阳辐射。

3. 建立光伏板接收模型

在完成前两个步骤后，我们根据不同月份的大气层外层太阳能辐射强度具体数值计算建立光伏板接收模型。模型的输入为具体的年、月、日、小时、光伏板水平仰角，输出值为此时刻光伏板能吸收的太阳辐射强度。建立模型后带入参数计算即可。

对于问题二，需要我们在同时考虑光伏板水平仰角、方位角的条件下求解，所以第一问建立的光伏板接收模型不符合第二问求解的要求，我们重新构建了光伏板接收模型。由此写出一年内每日平均太阳辐射强度关于光伏板水平仰角、方位角的函数。对此函数求最大值，最大值对应的点就是最佳的光伏板水平仰角、方位角。

1. 重新构建光伏板接收模型

第一问构建的光伏板接收模型没有考虑光伏板方位角对太阳辐射的影响。而大气损失与光伏板方位角不相关，所以我们只需重新计算余弦损失即可，其余条件相同。

2. 一年内每日平均太阳辐射强度函数

重新构建的光伏板接收模型能计算每时刻光伏板接收的太阳辐射强度，为求一年内每天的平均太阳辐射，我们先通过令太阳高度角为0°计算日出、日落的时间，在该时间段内对重新构建的光伏板接收模型积分，求得一天的总太阳辐射强度。再在一年内的时间逐天累加，得到一年的总太阳辐射值，进而得到一年内每日平均太阳辐射强度函数。

3. 在模型基础上求解有约束的非线性规划问题

以方位角γ和水平倾角β为双变量非线性规划模型的决策变量，日均总能量最大为目标函数，地点、光伏板面积仍固定。由于单日时间影响太阳时角，年积日影响太阳赤纬角（同一天内太阳赤纬角的变化极小，可忽略），因而在满足限制条件的情况下对两个决策变量求偏导令其为0求得极值即可，并采用遗传算法验证直接求取得到的答案。

对于问题三，其总体思路与问题二相似。在构建光伏板接收模型相同的情况下，计算一年内总太阳辐射强度函数，再计算上午太阳辐射强度首次超过150 W/m2和下午首次低于100 W/m2的时刻，由此计算一年内的总时长。则优化目标为一年内总太阳辐射强度函数和一年内的总时长。对于储电效率高和日均总能量大这两个目标，建立多目标优化模型，综合考虑两个目标，用遗传算法优化得出误差范围内和迭代次数内最好的结果，确定对应的最优朝向。最后单天积分，逐天累加再除以一年的天数求日均总能量，累加求太阳直射辐射时长。