槽式抛物面太阳能集热器(Parabolic Trough Collector，简称PTC)成本占电站初期总投资的40％以上，加强其技术研发、工艺改进是提高热发电效率、降低成本的关键。PTC的聚光传热过程非常复杂，包含光能聚集、转换以及耦合传热等过程，如何准确预测传热工质出口温度和系统集热效率是难点问题。我国曾借鉴国外经验对PTC如何提高集热温度和效率进行了一定的研究。由于在PTC热性能研究中数据通常具有随机、非线性和不确定性等特点，采用传统方法建模时往往引入一些假设，导致模拟结果精度较低。BP(Back Propagation)人工神经网络具有良好的非线性映射能力、泛化能力和容错能力，借助BP网络模型进一步对PTC的聚光传热特性进行理论探索研究是十分有意义的。　　本课题基于MATLAB软件平台，采用传统理论建模、神经网络预测校正模型、实验研究相结合的方法，建立了太阳辐射强度仿真模型、PTC热性能数学模型及PTC神经网络预测校正模型。本文的主要研究内容和结论如下:　　(1)建立了晴天太阳辐射强度的计算模型及其可视化计算界面，实现了在界面上输入和改变纬度、日期、时间等参数时，可以快速准确地得到任意地区、任意时间的太阳辐射能。将模型得到的太阳辐照强度曲线与实测数据曲线进行比较，结果表明两者非常接近，说明建立的太阳辐照度模型可以满足实际的工程需要。　　(2)建立了PTC的热损失以及工质出口温度数学模型，并通过与美国国家可再生能源实验室(NREL)对PTR70集热管的实验数据进行对比分析，验证了模型的可靠性。并设计了PTC的热性能计算界面，实现了输入PTC外形参数和气象信息时，可以较快、较准确地输出其热性能参数。同时分析了吸收管温度、环境因素、传热介质种类、选择性吸收涂层发射率及环形区域残留气体对PTC热性能的影响。　　(3)设计并搭建了PTC热性能动态测试实验台，对影响工质进出口温差及瞬时集热效率的因素进行了探讨。实验结果表明:随着太阳辐射强度由745W/m2增加到998W/m2时，环境温度变化范围为26.4～34.6℃，风速在1.5～4.3m/s范围变化时，水进出口温差从43.7℃升高至69.8℃，PTC瞬时集热效率从70.1％增加至73.0％。说明了该PTC具有较好的热性能，为后续完善研究提供实验依据。　　(4)引入BP人工神经网络与传统理论模型相互耦合，建立了工质出口温度的神经网络预测校正模型。并运用Levenberg-Marquardt法对BP神经网络的权值及阈值进行优化。分析结果表明预测校正模型可将绝对误差控制在3.8℃以内，相对误差保持在3.6％以内，有效提高了PTC热性能仿真模型的计算精度。