聚光太阳能热能（CSP）和燃料将是减缓气候变化并确保能源供应可负担性的关键技术革命的一部分。当与热能储存（TES）结合使用时，CSP可以提供可调度的一次性可再生能源电力，并支持工业供热、海水淡化、太阳能燃料生产和二氧化碳减排[1]。如图1所示，2024年CSP系统的总装机容量为7900.2兆瓦。国际能源署（IEA）和国际可再生能源署（IRENA）预测，到2050年CSP系统的容量可能达到426吉瓦[2]。CSP有四种常见技术：抛物面碟式系统（PDS）、抛物面槽式集热器（PTC）、太阳能塔式系统（SPT）和线性菲涅尔反射器（LFR）。其中，SPT系统利用定日镜场将阳光聚焦到中央接收器上，吸收的热量通过热力循环储存或转化为电能[3]。SPT系统的性能受到直射辐照度（DNI）的极大影响，而DNI又受天气和环境条件（如云层覆盖）的影响。任何入射能量的瞬变都会被放大，可能对SPT系统的运行产生显著影响[4]。
对于CSP系统，太阳能到热能的转换过程非常复杂，世界各地对此进行了大量研究，包括接收器配置[6]、风速条件[7]和质量流量[8]。Ahnaf等人[6]发现，具有圆锥形表面和球形吸收器的接收器比具有平面吸收器的圆柱形接收器具有高出50%的热传递率。碟形表面的倾斜误差对接收器壁上的太阳辐射分布和集中度有重大影响；对于10毫弧度的表面倾斜误差，大约有13%的总接收太阳辐射量损失[9]。Avargani等人[10]发现，带有10片叶片的开放式孔径真空接收器（OAER）的总吸收热量比没有叶片的情况提高了7.69%。Xie等人[11]研究了一种具有内部二次反射结构的太阳能接收器，发现热损失率从28.5%降低到13.2%。为了提高热性能和运行安全性，Avargani等人[12]发现65°的反射角能够提供最佳性能，使太阳辐射增加了21%，同时减少了阴影效应。
CSP系统中，阳光通过反射器聚焦，这会导致太阳辐射分布不均匀，从而在太阳能接收器中产生局部高温和较大的温度梯度，影响结构完整性、运行限制[1]，并对安全和高效运行带来巨大挑战[13]。González-Gómez等人[14]发现，基于UTS/3应力极限的接收器运行会导致巨大的经济损失。Veronica等人[15]发现数据集的大小会影响蠕变模型的准确性，对于最小的数据集（IN740H），单一区域LMP模型的表现优于WE和WE RS模型。Behzad等人[16]开发了一种用于体积式太阳能接收器的多目标优化方法，最佳配置实现了89.3%的热效率和87.3%的安全系数。云层覆盖不仅会在短时间内显著降低高温热流（HTF）的出口温度，还会显著改变接收器盘管的热应力[17]。适当的瞄准策略对于避免由于突然变化引起的“热点”导致的接收器过早损坏至关重要[4]。研究表明，优化策略可以将峰值通量降低多达65%，同时提高热效率10-16%[1]。然而，当存在云层时，定日镜组的效率会降低，这改变了最佳瞄准策略，许多瞄准策略并不适应现有设施或实际条件（如云层）。
云层是导致太阳辐射变化的最重要因素[14]，它们会导致太阳辐射的衰减[18]。云层还会在定日镜场上产生阴影，减少接收器接收到的总太阳能。许多研究人员提出了几种模型来估计与云层覆盖和云层类型相关的太阳辐射[19]。Kou等人[19]开发了一种用于多模态数据融合和预测的新PMFM-kdTransformer，实现了计算效率（65.1 FLOPs/G）和预测精度之间的平衡。对于超短期太阳辐射预测，Wang等人[20]提出了一种基于云类别引导的多模态融合模型，与Transformer相比，MAE降低了13.77%。Neve等人[21]发现，结合卷积神经网络和循环神经网络的模型在短期DNI预测方面最准确，获得了最高的预测技能得分（25.5%）。此外，还提出了许多云检测方法，如C3SE-YOLOv5s对象检测模型[22]、半监督学习方法[23]、静止卫星图像策略[24]。云层是一种复杂的现象，是多种参数相互作用的结果[25]。预测云层运动、形成、变形和消散是一个巨大的挑战[26]。目前还没有一种太阳辐射预测模型能在所有地区和所有时间都表现良好[27]。
对于SPT系统，研究人员正在努力应对云层阴影造成的干扰。Mullin和Wagner[28]开发了一种方法，可以将来自卫星、全天空成像仪（TSIs）等高空间分辨率DNI数据以及类似数据源的数据映射到定日镜场上。García等人[25]提出了一种用于太阳场瞬态分析的云阴影模型，并开发了一种集成控制策略，有效稳定了出口温度，标准偏差约为3°C[29]。Zhu和Ni[30]提出了一种模型预测控制（MPC）方法，与PSO方法相比，性能提高了约0.5×103kW。Emerick等人[31]发现，控制质量流量可以使接收器提前75秒恢复到稳定状态。Abunajeeb等人[32]研究了一种新的跟踪方法，发现三角测量法的准确度为0.8毫弧度。
云层经过定日镜场是一个影响CSP系统的关键因素。如上所述，已经进行了大量关于太阳能到热能转换过程、太阳辐射预测、云层检测以及减轻云层影响的方法的研究。但仍存在一些研究空白：首先，学者们主要关注接收器的热性能，而没有明确研究云层对热流分布的详细影响。其次，以往的研究通常采用简单的云层形状，而实际云层形状多样且随时间变化，导致动态阴影和遮挡。对于SPT系统，一个尚未充分探索的关键领域是定日镜场与接收器在瞬态大气变化下的相互作用[1]，因此在评估模型中需要使用真实的云层覆盖情况。第三，为了应对云层阴影造成的干扰，采用了允许的通量分布（AFD）作为控制变量，AFD传统上是从热应力和熔盐腐蚀限制中推导出来的[33]。对于接收器，热应力会受到温度梯度和吸收器约束（夹具）的影响，如图2所示。温度梯度和约束的排列都由接收器的详细热流分布决定，而这尚未得到充分研究。
通过使用SolarPILOT[36]及其Python API[28]，本文提出了一种简单快速的方法，可以将真实云层的阴影投射到定日镜场上，从而获得多云条件下接收器的实时和详细热流分布，用于SPT中热应力和定日镜的控制。还研究了不同云层类型和云层运动对定日镜以及接收器性能的影响。
在实际应用中，很难准确获得云层的影响，因为许多因素会随时间变化，例如云层不均匀性、灰尘积累、大气衰减等。为了简化模型和节省模拟时间，做了一些假设：（1）云层的不透明度取决于多种条件（云层类型、厚度、三维结构等），假设其均匀且恒定；（2）大气散射和衰减取决于天气条件，因此被忽略；（3）由于定日镜的清洁，忽略了长期污垢积累，假设污垢系数恒定；（4）由于缺乏真实实验数据，为了简化，假设γ的值在0到1之间变化。这些假设可能在某些多云条件下导致理想化的热流分布，但随着更先进的云检测模型和现场数据的采用，这些问题将得到解决。
