光伏发电系统的发电性能受到太阳辐照、风场、环境温度、湿度及组件空间布局等多种因素共同影响。随着光伏发电装机规模持续增长，大规模光伏发电系统的精细化建模与性能仿真，对新能源规划和高效利用具有重要意义。在准确描述光伏阵列与周围环境相互作用的基础上，实现高效的站级多物理场耦合仿真，成为该领域亟待解决的关键问题。
近日，电工研究所可再生能源发电系统研究部在大规模光伏发电系统高精度、高效率多物理场耦合仿真领域取得重要进展。研究团队面向兆瓦级光伏发电系统性能评估需求，提出了一种基于格子玻尔兹曼方法（Lattice Boltzmann Method，LBM）的GPU加速多物理场耦合仿真框架，将辐照温度增益、对流换热、湿度扩散、光伏组件电热特性纳入统一计算框架，构建了兼顾物理过程描述能力与计算效率的站级仿真方法。在此基础上，研究团队利用CUDA与CuPy实现GPU并行加速，提升了大规模光伏阵列多物理场耦合仿真的计算效率，为复杂环境条件下的光伏发电系统性能分析提供了新的技术途径。
研究团队基于3座兆瓦级光伏发电系统开展了长时间序列验证。结果表明，所提出的方法在发电性能预测精度上较现有方法提升6.2％，GPU并行计算加速比达到71.7倍，实现了大型光伏发电系统多物理场耦合仿真精度与计算效率的双重提升，增强了复杂环境下大规模光伏发电系统的高效模拟与精细化仿真能力。
该研究成果为大型光伏发电系统的发电性能模拟、布局优化及复杂气象条件下的运行特性分析提供了新工具，可支撑大型可再生能源基地的规划设计、发电能力评估与环境适应性分析。仿真方法具备向城市光伏发电系统、沙戈荒可再生能源基地以及极端灾害场景拓展的潜力。研究成果有望推动可再生能源系统仿真技术的发展，为复杂环境下可再生能源基地安全可靠运行、高效开发利用提供重要技术支撑。
该研究成果发表于《应用能源》（Applied Energy），相关工作得到国家重点研发计划“考虑碳足迹和环境效益的城市光伏系统规划方法”项目资助。
大型光伏发电系统多物理场耦合仿真框架