| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景与意义 | 第12-15页 |
| 1.1.1 塔式太阳能热电系统简介 | 第12-13页 |
| 1.1.2 塔式太阳能热电系统的国内外发展情况 | 第13-15页 |
| 1.2 塔式太阳能热电系统聚光集热系统的研究现状与发展趋势 | 第15-21页 |
| 1.2.1 聚光集热系统的研究现状 | 第15-20页 |
| 1.2.2 聚光集热系统的现有研究中存在的问题与发展趋势 | 第20-21页 |
| 1.3 本研究的主要内容与论文结构 | 第21-24页 |
| 第二章 塔式太阳能热电系统的聚光仿真 | 第24-52页 |
| 2.1 引言 | 第24页 |
| 2.2 非平行太阳光 | 第24-26页 |
| 2.2.1 太阳光锥 | 第25页 |
| 2.2.2 太阳圆盘 | 第25-26页 |
| 2.3 聚光集热系统的物理模型 | 第26-28页 |
| 2.3.1 聚光集热系统的坐标系表示 | 第26-27页 |
| 2.3.2 太阳位置与主入射光的计算 | 第27-28页 |
| 2.3.3 定日镜的主反射光与法向量的计算 | 第28页 |
| 2.4 聚光功率计算 | 第28-32页 |
| 2.4.1 太阳光垂直入射强度DNI | 第29-30页 |
| 2.4.2 定日镜的光学效率 | 第30-32页 |
| 2.5 聚光仿真方法 | 第32-42页 |
| 2.5.1 几何投影法 | 第32-36页 |
| 2.5.2 光线追迹法 | 第36-40页 |
| 2.5.3 仿真方法的实施流程与评价 | 第40-42页 |
| 2.6 仿真结果与分析 | 第42-50页 |
| 2.6.1 单面定日镜聚光仿真结果与分析 | 第42-46页 |
| 2.6.2 镜场聚光仿真结果与分析 | 第46-50页 |
| 2.7 本章小结 | 第50-52页 |
| 第三章 基于GPU的聚光仿真并行加速 | 第52-70页 |
| 3.1 引言 | 第52页 |
| 3.2 图形处理器GPU | 第52-55页 |
| 3.2.1 GPU简介 | 第52-53页 |
| 3.2.2 GPU的特点 | 第53-55页 |
| 3.3 统一计算设备架构CUDA | 第55-60页 |
| 3.3.1 CUDA简介 | 第55页 |
| 3.3.2 CUDA编程模型 | 第55-57页 |
| 3.3.3 CUDA存储模型 | 第57-58页 |
| 3.3.4 MATLAB调用CUDA程序 | 第58-60页 |
| 3.4 聚光仿真的GPU并行加速 | 第60-64页 |
| 3.4.1 并行加速内容的确定 | 第60页 |
| 3.4.2 并行加速的实现 | 第60-64页 |
| 3.5 并行加速结果与分析 | 第64-68页 |
| 3.5.1 仿真环境 | 第64-65页 |
| 3.5.2 结果与分析 | 第65-68页 |
| 3.6 本章小结 | 第68-70页 |
| 第四章 基于GPU聚光仿真的镜场聚焦策略优化 | 第70-88页 |
| 4.1 引言 | 第70页 |
| 4.2 聚焦策略的优化模型 | 第70-72页 |
| 4.2.1 聚焦点选取与镜场子区域划分 | 第70-71页 |
| 4.2.2 优化模型 | 第71-72页 |
| 4.3 聚焦策略优化模型的求解 | 第72-78页 |
| 4.3.1 优化算法的确定 | 第72页 |
| 4.3.2 遗传算法简介 | 第72-73页 |
| 4.3.3 改进遗传算法的实现 | 第73-78页 |
| 4.3.4 算法流程 | 第78页 |
| 4.4 优化结果与分析 | 第78-86页 |
| 4.4.1 基于GPU的聚光仿真程序的适应性处理 | 第78-79页 |
| 4.4.2 优化模型有效性的验证 | 第79-80页 |
| 4.4.3 优化结果与分析 | 第80-86页 |
| 4.5 本章小结 | 第86-88页 |
| 第五章 总结与展望 | 第88-90页 |
| 5.1 总结 | 第88页 |
| 5.2 展望 | 第88-90页 |
| 参考文献 | 第90-94页 |
| 作者在学期间所取得的科研成果 | 第94页 |