作为一项前景较好的绿色发电技术,碟式太阳能+斯特林系统（后文简称碟式斯特林系统）的发展受到了研究人员和政府的高度重视。中国在世界绿色能源生产方面处于世界领先地位,近年来投入了大量经费研发太阳能技术。然而,若要进行碟式太阳能+斯特林的特性描述及商业化,需要深入研究不同设计形式、几何参数优化及运行参数对系统性能及优化的影响规律。经文献调研,目前尚缺乏针对碟式斯特林系统的参数影响研究。在大部分既有研究中都未能考虑聚光器直径、吸热器温度、风速及环境温度对碟式斯特林系统发电功率及总效率的影响。此外,针对碟式斯特林系统设计阶段的多目标优化研究显著不足,特别是如何优化设计聚光器及吸热器参数以使总效率和发电功率最大化并最大程度降低成本。而且,关于边缘角、聚光器清洁度、聚光器直径、设计聚光比等参数对碟式斯特林系统性能及优化的影响规律,目前未见相关研究。因此,本文的研究将弥补上述研究不足之处,并建立一种准确可靠的碟式斯特林系统最佳参数设计及性能优化的新方法。同时,本文还设计了一套基于优化改进部件的商用规模碟式太阳能+斯特林发电系统。本文的主要研究目标是建立一套用于计算碟式斯特林系统发电功率及总效率的完整理论模型,该模型基于热力学原理,通过MATLAB编程实现,包含几何参数优化及不同系统部件间的能量平衡计算。进行了较为全面的参数影响分析,研究了聚光器直径、吸热器工作温度、直射辐射、风速、环境温度对碟式斯特林系统净发电功率、总效率、吸热器热损失的影响。本文参数影响研究的主要目的是从定性及定量角度评价各参数对碟式斯特林系统总效率及发电功率的影响,从而为碟式斯特林系统初始设计参数的选取及后续优化提供有效依据。之后,通过多目标粒子群优化（MOPSO）算法实现了碟式斯特林系统发电功率及总效率的最大化。研究包含了9个影响较为显著的关键参数,包括拦截率、聚光器反射率、吸热器吸收率、吸热器透射率、吸热器发射率、吸热器倾斜角、直射辐射、风速、环境温度。此外,确定了帕累托最优前沿,并通过多维偏好线性规划（LINMAP）决策方法来选取最优方案。结果表明采用MOPSO算法是可行的,基于该方法设计的碟式斯特林系统可实现23.46 k W的最大发电功率及30.15%的最佳总效率,这与基于最优参数的设计方案相比差距很小。而且,为了更深入的了解碟式斯特林系统的设计与性能优化,还进行了敏感性分析,研究了边缘角、聚光器直径、聚光器清洁度、设计聚光比对碟式斯特林系统优化后性能的影响程度。敏感性分析结果表明,对于优化后性能,聚光比、边缘角、聚光器清洁度的敏感性较高,而聚光器直径的敏感性较低。为了更好的评价设计参数对系统性能的影响,得到了一些了帕累托最优前沿及定量化结果;在碟式斯特林系统设计阶段,对部分参数的评估应满足以下准则:（1）设计聚光比对碟式斯特林系统最佳性能有显著的影响,研究结果表明,对于直径10m的聚光器,当聚光比为2500～1500时,系统可在较小的最佳总效率变化范围内（28.76%～30.15%）最大限度的提高发电功率,达到23.46 k W～22.59 k W;而当聚光比为250～1250时,系统仅可实现17.93 k W～22.16 k W的发电功率,且最佳总效率变化范围较大（22.83%～28.22%）。对于上述最佳聚光器配置,碟式斯特林系统最佳总效率变化很小,其主要由于聚光器额外获得的能量与吸热器增加的热损失达到了相对平衡。因此,后续结果表明,对于具有任意聚光器直径的此类碟式斯特林系统,吸热器温度和腔体热损失的变化达到最小。（2）碟式斯特林系统的最佳效率及发电功率随边缘角增加而增加,当边缘角为45°时达到最大值。（3）当聚光器直径为2.5 m～1.5 m时,最佳发电功率在1.43 k W～53.34 k W间变化,而总效率的变化幅度较小,为29.80%～30.20%。最佳目标总效率变化幅度较小的原因是,对于采用最佳聚光器配置的优化方案,聚光器获得能量的增益与吸热器热损失的增加达到了平衡。（4）敏感性分析结果还表明,聚光器清洁度对碟式斯特林系统的最佳发电功率和总效率有非常显著的影响。洁净聚光器的最佳发电功率比清洁度为0.96、0.92、0.88、0.84时分别提高了4.12%、9.90%、16.69%、22.98%。因此,应定期清洁聚光器以降低镜面污垢的不利影响。综上所述,对于碟式斯特林系统设计,采用MOPSO算法可以在保证所需指标（如发电功率）的基础上实现最大总效率及最小热损失,并得出详细结果,以提高聚光太阳能发电技术的商业化潜力。基于上述研究成果,设计并实验研究了一套额定功率为25 k W的新型碟式斯特林系统,系统建于天津大学（后文简称该系统为TJ-SDSS）。介绍了该新建系统的设计准则、模块组件选取、结构设计及实施步骤。系统所在地区属于寒冷气候。设计并建造了一个有效采光面积达105 m~2（直径12.5 m、焦距7.65m）的碟式聚光器,该聚光器包含144个弧形安装的镀银镜面,采用单柱支撑。采用圆盘吸热体来测试碟式聚光器系统的跟踪性能及聚焦光斑均匀性。由于京津冀地区的示范碟式斯特林系统较少,缺乏关于该地区典型气象条件对该类聚光太阳能发电系统可行性及性能影响的资料,因此对所建系统的测试具有较大的意义和价值。之后,为了研究天津实际气象数据对TJ-SDSS性能的影响,基于系统几何设计参数建立了动态热经济性模型。基于热力学原理,对TJ-SDSS日、月、年尺度下的性能进行了深入分析,以评价TJ-SDSS的年发电量和年化效率。此外,在考虑中国聚光太阳能发电系统上网电价（1.2元/k Wh）的基础上,通过分析平准化能源成本（LEC）,净现值（NPV）和效益成本比（BCR）等各类经济指标来评价碟式斯特林系统的发电成本及全生命周期成本,以此进行技术经济可行性分析。结果表明,TJ-SDSS每年可发电28.748 MWh,对应年净总效率为19.55%;在6月份可实现最大发电量3.8 MWh,对应月平均效率为22.75%。根据成本分析结果,TJ-SDSS的LEC为1.719元/k Wh（即0.2565美元/k Wh）。需要指出的是,由于系统初投资较高,且天津地区年直射辐射量较低（1198.25k Wh/m~2/y）,导致聚光器年可利用太阳能量及系统年发电量较低,并最终导致系统的LEC较高。基于计算结果,TJ-SDSS的LEC高于中国聚光太阳能发电系统的上网电价,因此可得出如下结论:在天津地区,投资碟式斯特林系统进行发电的经济性不佳,技术适用性不强。总体上,碟式斯特林系统的年发电量与年直射辐射量成正比,因此年直射辐射量对能源成本有显著影响。因此,若将碟式斯特林系统的位置由华北地区更换为西北地区,全年的太阳直射辐射均较高,则系统的性能可在一定程度上有所提高。综上所述,通过研究给出了碟式斯特林系统的实际商业和经济状况,并为预测碟式斯特林系统的年度性能及评价系统经济性提供了新的理论依据。针对另一种研究路径,根据既有文献,若采用经典的人工神经网络（ANN）,可实现仅需有限的工作量即可对碟式斯特林系统不同运行工况下的性能进行预测,以显著降低试验检验所需的时间及成本。对于各种工况,系统物理运行过程都很复杂,有许多变量会显著影响预测指标。然而,大多数既有的ANN模型仅考虑输出层和隐藏层间的关系,而未能考虑输出层和输入层间的关系,这可能会导致过拟合问题,从而降低预测精度。因此,为了准确预测碟式斯特林系统的性能参数,需要替换复杂的数值及经典ANN模型,采用增强的混合型人工智能+元启发式算法建立经过参数优化的预测模型。此外,采用优化人工智能技术可为复杂可持续能源系统提供多元处理方法,特别适用于聚光太阳能发电能源系统的建模。因此,对于难以通过数值模型和/或经典ANN模型进行动态性能预测的具有复杂交互的可持续能源系统——如复杂碟式斯特林系统,本文提供了一种开发应用混合人工智能模型的技术路径。在本文所建模型中,将一或两类人工智能技术与优化算法相结合,用于建立经过参数优化的预测模型。因此,本文的另一项研究成果是开发了几种混合人工智能模型,用于建立不同工况下的碟式斯特林系统模型。在第一个案例研究中,采用具有显著优势的新型人工智能技术——随机向量函数链网络（RVFL）——来预测碟式斯特林电厂（SDSPP）的性能。此外,将四种新型元启发式算法与原始RVFL模型耦合建立经过参数优化的预测模型并确定最佳RVFL参数,其中包括黑猩猩优化算法（CHOA）、球面搜索优化算法（SSO）、鲸鱼优化算法（WOA）和粒子群优化算法（PSO）。利用RVFL、RVFL-PSO,RVFL-CHOA,RVFL-SSO和RVFL-WOA五个RVFL模型进行商用SDSPP瞬时发电功率和月发电量的预测,并进行了对比。模型输入参数包括太阳直射辐照度、环境温度、相对湿度和风速被,输出参数包括SDSPP瞬时发电功率和月发电量。为了确认最准确的SDDPP性能预测模型,对上述五个模型的性能进行了对比统计分析。在统计分析中使用了七个统计学指标,包括决定系数（R~2）、均方根误差（RMSE）,平均绝对误差（MAE）,平均相对误差（MRE）,功效系数（EC）,变异系数（COV）和总指数（OI）。针对测试集统计分析结果表明,RVFL-CHOA模型的R~2值在0.9180～0.9992之间,分别高于RVFL-PSO模型的0.8409～0.9799、RVFL-WOA模型的0.8518～0.9899、RVFL-SSO模型的0.8698～0.9799和RVFL模型的0.7239～0.9798。相比于其他优化模型（即RVFL-PSO、RVFL-WOA和RVFL-SSO）,RVFL-CHOA模型的效果较好,这是由于CHOA算法具有混沌映射的半确定性特征,因此其与其他优化算法相比具有更高的收敛速度。该特性显著提高了RVFL-CHOA的效果,可利用其确定RVFL的最佳参数（包括激活函数、随机权重和隐藏节点数）,从而最大程度提高了其预测性能。在第二个案例研究中,开了另一种新型混合模型,通过耦合自适应模糊神经推理系统（ANFIS）和平衡优化器（EO）形成改进算法,用于预测采用多壁碳纳米管（MWCNT）纳米流体导热油的碟式太阳能集热器（SPDC）的热性能参数。在所开发算法中,EO算法被用作一种新的元启发式方法,通过确定ANFIS模型的最佳参数来提高其预测准确性。为了评价新方法的效果,将ANFIS-EO模型与ANFIS模型和常规ANN模型进行了对比。三个模型用于预测SPDC圆柱吸热器的工作流体温差、得热量和能源效率,吸热器采用两种不同的工作流体,包括MWCNT纳米流体导热油和纯导热油。统计分析结果表明,与ANFIS模型和ANN模型相比,ANFIS-EO模型在预测两种工作流体SPDC的热性能方面具有更高的精度。对于纯导热油SPDC的能源效率预测,采用ANFIS-EO模型可以实现最小的RMSE,达到0.00095,比ANN模型和ANFIS模型分别低91.86%（0.01169）和87.09%（0.00736）;而当采用MWCNT纳米流体导热油时,ANFIS-EO模型预测的RMSE比ANN模型和ANFIS模型分别低82.79%和21.71%。ANFIS-EO模型效果更好的主要原因是由于EO算法在获得ANFIS模型最佳参数方面具有重要的作用。EO算法不仅在开发阶段优势明显,在探索阶段也具有较好的效果,这不仅强化了全局及局部搜索过程,也实现了ANFIS模型的最佳参数配置,从而提高了模型的准确性。综上所述,本文提出了一种新型综合技术路线用于设计、建设及优化碟式太阳能斯特林发电系统,并可分析其动态热经济性能。而且,研究成果可用于计算位于任意地理位置的聚光器可获得的最优性能。研究结果表明,当给定所需发电功率时,采用MOPSO算法评价其技术可行性可获得更理想的结果,可实现最大的总效率及最小的热损失,这有利于提高聚光太阳能发电技术的商业化潜力。因此,本文研究成果对于发电系统的发展具有较为重要的意义,可为制定相关政策以实现该类可持续能源系统更好的商业化提供技术依据。此外,开发和应用混合型人工智能技术用于预测具有复杂交互的碟式太阳能技术的动态性能,也是本文的主要研究点。统计分析结果表明,所有混合人工智能模型在训练集和测试集方面均有较好的效果。从更普适化的角度,本文所开发的混合人工智能模型可被认为是一种有价值的预测优化工具,所建新型混合复杂预测模型比经典的神经网络模型精度更高,有助于推进碟式斯特林系统的应用。本文所提出的各项研究目标均已对应发表一篇学术论文,包括1篇综述型论文及5篇研究型论文,这也可体现出本文对碟式太阳能+斯特林研究领域做出了一定学术贡献。对于后续研究提出如下建议:（1）为了验证本文所建各部件模型的准确性,可进行室外实验测试及性能分析,计算TJ-SDSS发电应用的热性能和实际可行性。（2）可进行经济政策研究,以确认该类技术具备经济可行性及获得更高利润所需的条件,同时应制定激励政策以提高碟式斯特林系统在经济方面的吸引力,增加其在各类太阳能系统中的竞争性。此类研究对于指导制定国家级政策以最大程度提高该类可再生能源系统的商业价值至关重要。（3）针对吸热器热流密度分布不均的问题,可在以下三个方面进行研究:吸热器内部复杂金属管路的集成、聚光器光学参数的优化、吸热器内采用相变蓄热材料及热管技术。（4）应研究通过更多人工智能模型进行复杂碟式斯特林系统的动态性能预测,如将多核函数嵌入相关向量机和最小二乘支持向量机。（5）应进行更多研究来提高该类系统的商业化可行性。为提高碟式斯特林系统的经济性,碟式斯特林系统关键部件的制造优化、成本控制及材料特性优化等是主要技术挑战,建议在提高碟式斯特林系统的光学性能、热性能及经济性等方面进行新技术研究。