本文详解使用 pvlib 计算东、南、西、北向垂直墙面（倾角90°）平面总辐照度（poa）的关键要点，指出常见误解——并非“南墙辐照度必然最高”，而是需结合太阳高度角、方位角与各朝向几何响应综合分析，并提供可验证的代码实践与参数建议。
本文详解使用 pvlib 计算东、南、西、北向垂直墙面（倾角90°）平面总辐照度（poa）的关键要点，指出常见误解——并非“南墙辐照度必然最高”，而是需结合太阳高度角、方位角与各朝向几何响应综合分析，并提供可验证的代码实践与参数建议。
在北半球，对垂直墙面进行POA辐照度建模时，一个典型误区是默认“南向墙面接收辐照度一定高于东/西向”。实际上，垂直表面的辐照特性与水平面截然不同：其峰值响应发生在太阳高度角较低（清晨、傍晚、冬季）且方位角与墙面朝向高度匹配的时段。例如：
- 东向墙面（surface_azimuth = 90°）：在日出后2–4小时内，太阳方位角接近90°且高度角较低（尤其春秋季），此时直射分量以近正入射方式打在墙面，POA可达峰值；
- 南向墙面（surface_azimuth = 180°）：虽在正午前后接收较强直射，但夏季正午太阳高度角常 >60°，导致入射角过大（cosθ 接近0），直射贡献反而锐减；而冬季太阳高度低，南墙优势才显著体现；
- 北向墙面（surface_azimuth = 0°）：全年基本无直射，仅依赖散射与反射，POA始终最低。
因此，您观察到“东墙辐照度高于南墙”的现象，在全年尺度或特定季节（如春末夏初）完全合理，并非代码错误，而是物理本质的准确反映。
以下为优化后的完整示例代码，支持四方向对比并增强可解释性：
import pandas as pd
import pvlib
import matplotlib.pyplot as plt
# 读取气象数据（确保列名与单位正确）
tmy = pd.read_csv('Weatherfile_0.5_Ed.csv', nrows=8760, usecols=["DHI", "DNI", "GHI"])
tmy.index = pd.date_range("2023-01-01 00:00", "2023-12-31 23:00", freq='h', tz="US/Mountain")
# 定义地点（注意：tz应与数据时区一致；Etc/GMT+6 = UTC−6，即CST）
location = pvlib.location.Location(latitude=53.5501, longitude=-113.469, tz="US/Mountain")
times = tmy.index
# 获取高精度太阳位置（推荐使用 'nrel_numpy' 模型）
solar_position = location.get_solarposition(times, method='nrel_numpy')
# 定义四方向垂直墙面（tilt=90°, azimuth: E=90°, S=180°, W=270°, N=0°）
orientations = {
'East': 90,
'South': 180,
'West': 270,
'North': 0
}
poa_results = {}
for name, az in orientations.items():
poa = pvlib.irradiance.get_total_irradiance(
surface_tilt=90,
surface_azimuth=az,
dni=tmy['DNI'],
ghi=tmy['GHI'],
dhi=tmy['DHI'],
solar_zenith=solar_position['apparent_zenith'],
solar_azimuth=solar_position['azimuth'],
model='isotropic' # 散射模型；若需更高精度，可尝试 'haydavies' + albedo=0.2
)
poa_results[name] = poa['poa_global']
# 可视化对比（按月平均，消除小时波动）
df_poa = pd.DataFrame(poa_results)
df_monthly = df_poa.resample('M').mean()
ax = df_monthly.plot(kind='line', figsize=(10, 6), marker='o', markersize=3)
ax.set_ylabel('Monthly Avg POA Irradiance (W/m²)')
ax.set_title('Vertical Wall POA by Orientation (Edmonton, 53.55°N)')
ax.grid(True, alpha=0.3)
plt.show()
✅ 关键注意事项：
- 时区一致性：tmy.index.tz、Location(tz=...)、get_solarposition() 输入时间必须同属同一时区（如 US/Mountain），否则太阳位置计算严重偏移；
- 方位角定义：pvlib 中 surface_azimuth=0° 指北，90° 指东，180° 指南，270° 指西——务必与地理朝向严格对应；
- 模型选择：model='isotropic' 假设散射均匀，适用于粗略估算；若需更高精度（尤其对东/西墙），建议改用 'haydavies' 并设置合理地面反照率（albedo=0.2）；
- 验证逻辑：运行不同倾角（0°、15°、30°、45°、60°、75°、90°）的POA模拟，观察各朝向峰值月份与强度变化趋势——垂直面（90°）的“早/晚高峰”特征应清晰区别于水平面（0°）的“正午单峰”。
综上，您的代码逻辑基本正确，观测结果符合辐射传输物理规律。理解垂直表面的低太阳高度角增益机制，是准确解读POA结果的前提。建议结合月度统计与多倾角对比，建立对建筑围护结构得热特性的系统认知。
