研究目的
利用粒子群优化算法（PSO）结合基于GPU的光线追踪技术，研究定日镜场布局的优化方案以提升太阳能场效率。
研究成果
径向交错布局的粒子群优化减少了场地占地面积，并且比基础布局使用更少的定日镜即可提高效率。螺旋布局的粒子群优化进一步减小了占地面积，但比基础布局使用更多定日镜，导致效率降低。使用GPU显著提升了计算速度。
研究不足
粒子群优化算法的运行时间限制在一两天内，这表明更长的运行时间可能会进一步提高效率。该研究聚焦于矩形定日镜和特定的场配置。
1：实验设计与方法选择：
本研究采用粒子群优化（PSO）算法结合基于GPU的光线追踪技术来优化定日镜场布局。
2：样本选择与数据来源：
使用两个案例研究——小型定日镜场和配备矩形定日镜的大型定日镜场。
3：实验设备与材料清单：
采用六台搭载NVIDIA显卡（GTX 580、GTX 590、GTX Titan、GTX Titan Black、GTX 980Ti、GTX 1080、GTX 1080Ti）的Windows集群计算机。
4：GTX GTX Titan、GTX Titan Black、GTX 980Ti、GTX GTX 1080Ti）的Windows集群计算机。 实验流程与操作步骤：
4. 实验流程与操作步骤：应用PSO算法优化定日镜场布局，并通过GPU上的快速光线追踪引擎计算年性能表现。
5：数据分析方法：
从定日镜数量、年发电量及反射表面积三方面，对比优化布局与基准布局的效率。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
NVIDIA GTX 580
GTX 580
NVIDIA
GPU for parallel computation in the ray-tracing engine
-
NVIDIA GTX 590
GTX 590
NVIDIA
GPU for parallel computation in the ray-tracing engine
-
NVIDIA GTX Titan
GTX Titan
NVIDIA
GPU for parallel computation in the ray-tracing engine
-
NVIDIA GTX Titan Black
GTX Titan Black
NVIDIA
GPU for parallel computation in the ray-tracing engine
-
NVIDIA GTX 980Ti
GTX 980Ti
NVIDIA
GPU for parallel computation in the ray-tracing engine
-
NVIDIA GTX 1080
GTX 1080
NVIDIA
GPU for parallel computation in the ray-tracing engine
-
NVIDIA GTX 1080Ti
GTX 1080Ti
NVIDIA
GPU for parallel computation in the ray-tracing engine
-
登录查看剩余5件设备及参数对照表
查看全部
