第四十七篇：太阳能热利用系统

摘要

太阳能热利用是将太阳辐射能转换为热能的技术，在热水供应、采暖制冷、工业加热和发电等领域有广泛应用。本文系统分析了太阳能集热器的工作原理和性能评价方法，建立了平板集热器和真空管集热器的热平衡模型，详细讨论了集热器效率、热损失系数和光学效率等关键参数。采用Python实现了集热器性能曲线、全年能量产出和系统优化的数值模拟，分析了不同集热器类型、工作温度和气候条件对系统性能的影响，为太阳能热利用系统设计提供理论指导。

关键词

太阳能集热器，平板集热器，真空管集热器，集热效率，光学效率，热损失，太阳能热水系统

---

1. 引言

1.1 太阳能热利用技术

太阳能热利用按温度等级分类：

• 低温(<100°C)：太阳能热水器、泳池加热
• 中温(100-400°C)：工业过程加热、吸收式制冷
• 高温(>400°C)：聚光太阳能发电(CSP)

1.2 集热器类型

平板集热器：

• 结构简单，成本低
• 适合低温应用
• 热损失较大

真空管集热器：

• 真空隔热，热损失小
• 适合中高温应用
• 成本较高

聚光集热器：

• 线聚焦：槽式、线性菲涅尔
• 点聚焦：塔式、碟式

---

2. 理论分析

2.1 集热器热平衡

能量平衡方程：
$$Q_{useful}=Q_{absorbed}-Q_{loss}$$

有用能量收益：
$$Q_u=A_c[G_t(\tau \alpha )-U_L(T_{pm}-T_a)]$$

集热效率：
$$\eta =\frac{Q_u}{A_c{G}_t}=(\tau \alpha )-U_L\frac{T_{pm}-T_a}{G_t}$$

2.2 热损失分析

顶部热损失：
$$U_t={\left(\frac{1}{h_{c,p-g}+h_{r,p-g}}+\frac{1}{h_w+h_{r,g-sky}}\right)}^{-1}$$

底部热损失：
$$U_b=\frac{k_{ins}}{{\delta }_{ins}}$$

边缘热损失：
通常忽略不计或合并到底部热损失中。

2.3 集热器性能测试

瞬时效率方程：
$$\eta ={\eta }_0-a_1\frac{\Delta T}{G}-a_2\frac{(\Delta T{)}^2}{G}$$

其中：

• ${\eta }_0$：零损失效率（光学效率）
• $a_1$：一线性热损失系数
• $a_2$：二次热损失系数

---

3. Python仿真实现

import numpy as np
import matplotlib.pyplot as plt
import os

output_dir = r'd:\文档\500仿真领域\工程仿真\传热学仿真\主题047'
os.makedirs(output_dir, exist_ok=True)

print("="*60)
print("仿真1：集热器效率曲线")
print("="*60)

# 集热器参数
eta_0 = 0.75  # 光学效率
a1 = 4.0  # W/(m²·K)，线性损失系数
a2 = 0.01  # W/(m²·K²)，二次损失系数

# 归一化温差
T_star = np.linspace(0, 0.15, 100)

# 不同集热器类型
# 平板集热器
eta_flat = 0.70 - 6.0 * T_star - 0.02 * T_star * 100

# 真空管集热器
eta_vacuum = 0.65 - 2.0 * T_star - 0.005 * T_star * 100

# 聚光集热器（高温）
eta_csp = 0.60 - 1.0 * T_star - 0.001 * T_star * 100

fig, ax = plt.subplots(figsize=(10, 5))
ax.plot(T_star*100, eta_flat*100, 'b-', linewidth=2, label='Flat Plate')
ax.plot(T_star*100, eta_vacuum*100, 'r-', linewidth=2, label='Evacuated Tube')
ax.plot(T_star*100, eta_csp*100, 'g-', linewidth=2, label='Concentrating')
ax.axhline(y=0, color='k', linestyle='-', alpha=0.3)
ax.set_xlabel('(T_in - T_amb)/G (°C·m²/kW)', fontsize=11)
ax.set_ylabel('Efficiency (%)', fontsize=11)
ax.set_title('Collector Efficiency Curves', fontsize=12, fontweight='bold')
ax.legend(fontsize=10)
ax.grid(True, alpha=0.3)
ax.set_ylim([0, 80])

plt.tight_layout()
plt.savefig(f'{output_dir}/efficiency_curves.png', dpi=150, bbox_inches='tight')
plt.close()

print("图1：效率曲线已保存")

print("\n" + "="*60)
print("仿真2：全年能量产出")
print("="*60)

# 简化全年太阳辐射数据
months = np.arange(1, 13)
G_monthly = 3 + 4 * np.sin((months - 1) * np.pi / 6 + np.pi/6)
T_amb_monthly = 5 + 20 * np.sin((months - 1) * np.pi / 6 + np.pi/6)

# 集热器面积
A_c = 2  # m²

# 工作温度
T_water = 45  # °C

# 计算月效率
T_star_monthly = (T_water - T_amb_monthly) / (G_monthly * 1000)
eta_monthly = eta_0 - a1 * T_star_monthly - a2 * T_star_monthly**2 * 1000
eta_monthly = np.maximum(0, eta_monthly)

# 月能量产出(kWh)
E_monthly = A_c * G_monthly * 30 * 24 * eta_monthly

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

ax1 = axes[0]
ax1.bar(months, G_monthly, alpha=0.7, color='orange')
ax1.set_xlabel('Month', fontsize=11)
ax1.set_ylabel('Solar Irradiance (kWh/m²/day)', fontsize=11)
ax1.set_title('Monthly Solar Resource', fontsize=12, fontweight='bold')
ax1.set_xticks(months)

ax2 = axes[1]
ax2.bar(months, E_monthly, alpha=0.7, color='green')
ax2.set_xlabel('Month', fontsize=11)
ax2.set_ylabel('Energy Output (kWh/month)', fontsize=11)
ax2.set_title('Monthly Collector Output', fontsize=12, fontweight='bold')
ax2.set_xticks(months)

plt.tight_layout()
plt.savefig(f'{output_dir}/annual_output.png', dpi=150, bbox_inches='tight')
plt.close()

print("图2：全年产出已保存")

print("\n" + "="*60)
print("仿真3：太阳能集热器效率分析")
print("="*60)

# 平板集热器 vs 真空管集热器效率对比

# 参数
T_ambient_range = np.linspace(0, 40, 50)  # °C
T_inlet = 20  # °C
I_solar = 800  # W/m²

# 平板集热器参数
eta_0_flat = 0.75  # 光学效率
U_loss_flat = 4.0  # W/(m²·K)，热损系数

# 真空管集热器参数
eta_0_vacuum = 0.70
U_loss_vacuum = 1.5  # W/(m²·K)

# 效率计算
eta_flat = eta_0_flat - U_loss_flat * (T_inlet - T_ambient_range) / I_solar
eta_vacuum = eta_0_vacuum - U_loss_vacuum * (T_inlet - T_ambient_range) / I_solar

# 可视化
fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(T_ambient_range, eta_flat*100, 'b-', linewidth=2, label='Flat Plate Collector')
ax.plot(T_ambient_range, eta_vacuum*100, 'r-', linewidth=2, label='Evacuated Tube Collector')
ax.axhline(y=0, color='k', linestyle='--', alpha=0.3)
ax.set_xlabel('Ambient Temperature (°C)', fontsize=11)
ax.set_ylabel('Efficiency (%)', fontsize=11)
ax.set_title('Solar Collector Efficiency vs Ambient Temperature', fontsize=12, fontweight='bold')
ax.legend(fontsize=10)
ax.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig(f'{output_dir}/collector_efficiency.png', dpi=150, bbox_inches='tight')
plt.close()

print("图3：集热器效率分析已保存")

print("\n" + "="*60)
print("仿真4：太阳能热水系统经济性分析")
print("="*60)

# 系统参数
system_cost = 5000  # 元
annual_savings = 800  # 元/年
maintenance_cost = 100  # 元/年
system_lifetime = 15  # 年
discount_rate = 0.05

# 计算净现值
years = np.arange(1, system_lifetime + 1)
net_annual_savings = annual_savings - maintenance_cost
npv = -system_cost + sum([net_annual_savings / (1 + discount_rate)**y for y in years])

# 投资回收期
payback = system_cost / net_annual_savings

print(f"系统投资: {system_cost}元")
print(f"年净节省: {net_annual_savings}元")
print(f"投资回收期: {payback:.1f}年")
print(f"15年NPV: {npv:.0f}元")

# 可视化
fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 累计现金流
ax1 = axes[0]
cumulative_cashflow = [-system_cost]
for y in years:
    cumulative_cashflow.append(cumulative_cashflow[-1] + net_annual_savings)

ax1.plot(np.arange(0, system_lifetime + 1), cumulative_cashflow, 'b-', linewidth=2, marker='o')
ax1.axhline(y=0, color='r', linestyle='--', alpha=0.5)
ax1.axvline(x=payback, color='g', linestyle='--', alpha=0.5, label=f'Payback: {payback:.1f} years')
ax1.set_xlabel('Year', fontsize=11)
ax1.set_ylabel('Cumulative Cash Flow (Yuan)', fontsize=11)
ax1.set_title('Economic Analysis', fontsize=12, fontweight='bold')
ax1.legend(fontsize=10)
ax1.grid(True, alpha=0.3)

# 不同电价下的回收期
ax2 = axes[1]
electricity_prices = np.linspace(0.3, 1.0, 20)  # 元/kWh
savings_range = electricity_prices * 1000  # 假设年节电1000kWh
payback_range = system_cost / (savings_range - maintenance_cost)

ax2.plot(electricity_prices, payback_range, 'b-', linewidth=2)
ax2.fill_between(electricity_prices, payback_range, alpha=0.3)
ax2.set_xlabel('Electricity Price (Yuan/kWh)', fontsize=11)
ax2.set_ylabel('Payback Period (years)', fontsize=11)
ax2.set_title('Payback Period vs Electricity Price', fontsize=12, fontweight='bold')
ax2.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig(f'{output_dir}/economic_analysis.png', dpi=150, bbox_inches='tight')
plt.close()

print("图4：经济性分析已保存")

print("\n" + "="*60)
print("仿真5：太阳能采暖系统模拟")
print("="*60)

# 太阳能地板辐射采暖系统

# 建筑参数
floor_area_house = 150  # m²
heat_load = 75  # W/m²
Q_total_heat = floor_area_house * heat_load  # W

# 集热器参数
A_collector = 30  # m²
efficiency_collector = 0.65

# 太阳辐射（冬季典型日）
hours_day = np.arange(24)
I_solar_winter = np.maximum(0, 600 * np.sin(np.pi * (hours_day - 8) / 10))

# 集热器得热
Q_collected = A_collector * efficiency_collector * I_solar_winter

# 建筑热负荷（随时间变化）
T_outdoor_winter = -5 + 5 * np.sin(2 * np.pi * (hours_day - 14) / 24)
Q_load_hourly = Q_total_heat * (18 - T_outdoor_winter) / (18 - (-5))

# 辅助热源
Q_auxiliary = np.maximum(0, Q_load_hourly - Q_collected)

# 太阳能保证率
solar_fraction = np.sum(Q_collected) / np.sum(Q_load_hourly)
print(f"日集热量: {np.sum(Q_collected)/1000:.1f} kWh")
print(f"日热负荷: {np.sum(Q_load_hourly)/1000:.1f} kWh")
print(f"太阳能保证率: {solar_fraction*100:.1f}%")

# 可视化
fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 小时能量平衡
ax1 = axes[0]
ax1.fill_between(hours_day, Q_collected/1000, alpha=0.3, color='orange', label='Solar Gain')
ax1.plot(hours_day, Q_load_hourly/1000, 'b-', linewidth=2, label='Heat Load')
ax1.plot(hours_day, Q_auxiliary/1000, 'r--', linewidth=1.5, label='Auxiliary Heat')
ax1.set_xlabel('Hour of Day', fontsize=11)
ax1.set_ylabel('Heat Flow (kW)', fontsize=11)
ax1.set_title('Solar Heating System Daily Performance', fontsize=12, fontweight='bold')
ax1.legend(fontsize=10)
ax1.grid(True, alpha=0.3)

# 不同集热器面积下的保证率
ax2 = axes[1]
A_collector_range = np.linspace(10, 50, 20)
solar_fraction_range = np.minimum(0.95, A_collector_range * efficiency_collector * 4000 / 
                                   np.sum(Q_load_hourly))

ax2.plot(A_collector_range, solar_fraction_range*100, 'b-', linewidth=2)
ax2.fill_between(A_collector_range, solar_fraction_range*100, alpha=0.3)
ax2.axhline(y=80, color='r', linestyle='--', alpha=0.5, label='Target 80%')
ax2.set_xlabel('Collector Area (m²)', fontsize=11)
ax2.set_ylabel('Solar Fraction (%)', fontsize=11)
ax2.set_title('Solar Fraction vs Collector Area', fontsize=12, fontweight='bold')
ax2.legend(fontsize=10)
ax2.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig(f'{output_dir}/solar_heating.png', dpi=150, bbox_inches='tight')
plt.close()

print("图5：太阳能采暖系统已保存")

print("\n" + "="*60)
print("仿真6：太阳能空调系统")
print("="*60)

# 吸收式制冷系统

# 制冷负荷
Q_cooling_load = 50  # kW

# 吸收式制冷机COP
COP_absorption = 0.7

# 所需热源
Q_heat_required = Q_cooling_load / COP_absorption
print(f"制冷负荷: {Q_cooling_load} kW")
print(f"COP: {COP_absorption}")
print(f"所需热源: {Q_heat_required:.1f} kW")

# 集热器面积计算
I_solar_summer = 800  # W/m²
eta_collector_summer = 0.55
A_collector_ac = Q_heat_required * 1000 / (I_solar_summer * eta_collector_summer)
print(f"所需集热器面积: {A_collector_ac:.1f} m²")

# 不同制冷温度下的COP
T_evap_range = np.linspace(5, 15, 20)  # °C
T_cond = 35  # °C
T_gen = 90  # °C

# 简化COP模型
COP_range = 0.8 * (T_evap_range + 273) / (T_cond - T_evap_range) * \
            (1 - (T_cond + 273) / (T_gen + 273))

# 可视化
fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(T_evap_range, COP_range, 'b-', linewidth=2)
ax.fill_between(T_evap_range, COP_range, alpha=0.3)
ax.set_xlabel('Evaporation Temperature (°C)', fontsize=11)
ax2.set_ylabel('COP', fontsize=11)
ax.set_title('Absorption Chiller COP vs Evaporation Temperature', fontsize=12, fontweight='bold')
ax.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig(f'{output_dir}/absorption_cooling.png', dpi=150, bbox_inches='tight')
plt.close()

print("图6：太阳能空调系统已保存")
print("\n所有仿真完成！")

---

4. 工程应用

4.1 太阳能热水系统

• 家用太阳能热水器
• 集中式太阳能热水系统
• 太阳能辅助热泵系统

4.2 太阳能采暖制冷

• 主动式太阳能采暖
• 吸收式太阳能空调
• 吸附式制冷系统

4.3 聚光太阳能发电

• 槽式光热电站
• 塔式熔盐电站
• 碟式斯特林系统

---

5. 本章小结

太阳能热利用是成熟的可再生能源技术，集热器效率受光学效率和热损失系数共同影响。通过合理选择集热器类型、优化工作温度和系统设计，可以有效提高太阳能热利用效率，实现节能减排目标。