摘 要：

总辐射是气象探测、太阳能资源利用等领域中的一种重要测量参数。针对环境温度会影响总辐射测量准确度的问题，提出了一种基于热电效应的总辐射传感器设计，利用计算流体动力学方法对该传感器探头进行了流-固耦合传热分析。设计了一种高精度温度测量电路，搭建了测试平台，对-20 ℃~40 ℃范围的传感器温度特性进行了测试，并提出了一种利用BP神经网络算法消除环境温度引起的总辐射测量误差的方法。实验结果表明，该热电堆型总辐射传感器的读数精度可达2.79%，在气象探测、光伏电站等领域具有一定的应用潜力。

引言：

太阳总辐射传感器是一种重要的地面气象观测仪器，也是太阳能资源普查与光伏电站运行监控领域不可缺少的装备。太阳总辐射传感器按原理分为光电型和热电型两大类。响应时间短是光电型传感器的一大优点，其缺点是难以在较宽的波长范围内找出光谱响应一致的光电器件。热电型传感器通常利用高发射率涂层吸收太阳辐射并转化为温差，对各种波长的辐射能有较一致的吸收性能]。

环境温度变化造成的温漂误差是影响总辐射传感器测量精度的重要因素，荷兰Kipp & Zonen公司研制的CMP 6是主流高精度总辐射传感器，其温度漂移误差可达±4%，显著高于±1%的非线性误差和±1%的稳定性误差。为减小温漂误差，传统方法通常采用模拟电路补偿，但对于自身具有较大非线性或温漂特性呈非线性的传感器，采用模拟器件进行补偿的方法难以在满量程范围和较大环境温度变化范围内获得较好的补偿效果。为解决上述问题，本文设计了一种利用高精度低噪声测量电路和BP神经网络算法实现温漂修正的总辐射传感器。

1、热电堆型总辐射传感器探头设计与CFD仿真

本文设计了一种由感应面、热电堆和薄膜铂电阻组成的传感器探头，如图1所示。上层80 mm直径的高热导率铜片喷有高吸收率的哑光黑漆，可近似地认为其接近朗伯体[2]，以此来吸收太阳辐射。

为提高灵敏度，该传感器探头的热电堆由8组镍铬-康铜热电偶串联而成。热电堆的8个热端在上层铜片下表面，相应的8个冷端固定在下层铜片上表面。为减少热电偶自身的导热，定制了一种0.127 mm直径的热电偶丝。该传感器探头采用铂电阻为热电堆提供了冷端温度补偿，同时也为后期温漂修正提供了环境温度补偿。

为提高测量精度，需尽可能降低上感应面升温对下感应面的传热。为定量分析探头结构的传热特性，利用ICEM CFD软件对探头的三维模型进行网格划分，并采用CFD软件FLUENT对模型进行流-固耦合传热分析。设定太阳辐射强度、太阳高度角分别为1 000 W/m2、90°。根据仿真结果，距离上感应面60 mm处的空气温度与环境温度差小于0.01 ℃，其温度场分布图如图2所示。因此，本文设计的传感器探头中两感应面之间采取60 mm的间距，以抑制空气对流和支撑结构的热污染效应。

2、高精度测量电路设计

该总辐射传感器电路框图如图3所示，主要由Cortex-M3 ARM处理器 STM32F103VCT6、低噪声线性电源以及高精度24位低噪声模/数转换器AD7794等部分组成。

采用噪声1.2 μV、温漂系数3 PPM/℃的外部基准源ADR444为ADC提供基准电压;采用四线制接入铂电阻方式，可降低由导线电阻引起的误差;采用精度为± 0.01%、5 PPM/℃温漂的精密电阻作为参考电阻。

利用模数转换器AD7794内部的可编程增益放大器，对微弱热电势信号进行放大。利用斩波方法，不但降低了热电势误差和模拟输入端的噪声，亦提高了电压测量的线性度。该ADC利用Sinc4滤波，可编程放大器增益为128倍时，其噪声可低至80 nV。由实验测得的A/D转换值就可以计算得到热端和冷端(温度分别为T和T0)在回路中产生的热电动势Ediff，其大小为：

3、误差修正算法设计

3.1 实验平台搭建与数据分析

实验平台由热电堆型总辐射测量系统、太阳光模拟器以及作为参考仪器的高精度辐射表组成。模拟太阳光照射到热电堆型总辐射传感器上时，传感器的上层铜片会吸收热能，从而与下层铜片产生温差。将实验平台置于高低温实验箱中，可在不同环境温度下获得总辐射传感器的特性数据;通过调节太阳光模拟器的功率，可模拟不同太阳辐射强度。在环境温度T0分别为

-20 ℃、-10 ℃、0 ℃、10 ℃、20 ℃、30 ℃和40 ℃，太阳辐射强度分别为400 W/m2、500 W/m2、600 W/m2、700 W/m2、800 W/m2、900 W/m2、1000 W/m2和1100 W/m2时测得的温度差值如图4所示。

由测量结果可知，环境温度一定时，太阳辐射强度越大，传感器的两感应面之间的温度差值越大;太阳辐射强度一定时，环境温度越高，传感器的两感应面之间的温度差值越大。对于1 000 W/m2的太阳辐射强度，当环境温度从-20 ℃变化至40 ℃时，热电堆冷热端的温差可由50.1 ℃增加到57.6 ℃。如忽略传感器的温漂效应，则产生的测量误差可能达到15%以上。

3.2 基于BP神经网络算法的温漂修正方法

本文采用BP神经网络算法对采集的数据进行拟合，得到环境温度、温差与太阳总辐射的函数关系式R=f(T0，ΔT)。其中，R为太阳总辐射值，T0为环境温度，ΔT为温差。BP网络能学习和存储大量的输入-输出模式映射关系，使用最速下降法的学习规则，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。将拟合公式存入程序代码中，就可通过测量环境温度和温差求出太阳总辐射值。

设定BP神经网络输入层神经元为2个，输出层神经元为1个，隐含层神经元为5个。根据测量结果使用BP神经网络算法拟合得到三者之间关系：

输入层节点数j=1、2，隐含层节点数i=1、2、…、5，输出层节点数k=1。

为验证该传感器的性能，在中国气象局综合观测(南京)基地进行了外场测试。图5所示为传感器外场测试图。

在实验中，取10组在不同的环境温度下获得的实测数据。将这10组数据与高精度太阳辐射表所测值进行比较，结果如表1所示。该传感器的均方根误差为10.71 W/m2，相对误差不大于2.79%，以0~1 000 W/m2作为量程时，满量程误差不大于1.66%。

4、结论

本文设计了一种基于铂电阻和热电堆的总辐射传感器。利用CFD方法对该传感器探头进行了流-固耦合传热分析，降低了上感应面升温对下感应面的传热影响。为检测热电堆的微弱信号，设计了一种高精度温度测量电路。为消除环境温度对测量的影响，搭建了测试平台，对-20 ℃~40 ℃范围的传感器温度特性进行了模拟测试，并提出了一种利用BP神经网络算法消除环境温度引起的测量误差的新方法。外场测试结果表明，利用修正算法进行误差修正后，读数精度可达2.79%，满量程精度达1.66%，与国外主流传感器4%的温漂误差相比，具有一定优势。该传感器在气象探测、光伏电站等领域具有应用潜力。