太阳能作为可再生清洁能源，在能源供应体系中占据重要的地位。在光伏组件发电过程中，除了太阳辐射强度之外，环境温度、风速和湿度等因素也会影响光伏组件的发电效率。传统光伏电站设计和发电量预估软件，采用的气象卫星数据的空间分辨率通常是公里级，而光伏组件组成的光伏阵列区域的空间分辨率是米级，通过公里级的气象数据设计光伏电站和预估光伏系统发电量存在较大偏差。借助具有内在并行性的格子Boltzmann方法（lattice Boltzmann method，LBM）实现温度、风速和湿度耦合多物理场建模及其三维多GPU（graphic processing unit）并行计算，获得大规模光伏阵列区域环境温度、风速和湿度的米级数据，将能大幅提高光伏软件的精度。论文主要研究内容和结论如下：（1）实现了三维速度场LBM多GPU并行算法，通过三维顶盖驱动方腔流算例验证了该算法的有效性和准确性。利用该算法对不同雷诺数和不同截面比例下的方管流进行模拟，成功捕捉到管流截面的二次流特征，验证了该算法具有良好的并行性能和复杂流场特征识别能力。（2）通过LBM双分布函数构建了温度、速度和湿度耦合多物理场LBM模型，实现了耦合多物理LBM模型的三维多GPU并行算法。利用封闭方腔自然对流、两平板间流动传质和空腔自然对流气体扩散三个算例，验证了该耦合多物理场多GPU并行算法的有效性和准确性。（3）利用耦合多物理场LBM多GPU并行算法对单块光伏组件区域在不同进口风速、瑞利数Ra和施密特数Sc下的多物理场分布进行了模拟。选取不同空间位置的三个点，定量探究了进口风速、Ra和Sc对光伏组件区域内多物理场分布的影响。采用Smagorinsky涡粘模型对多物理场耦合模型的流体粘度进行修正，使用规模高达6.3亿网格实现了对243.2 m×102.4 m×25.6 m光伏系统多物理场分布的数值模拟，数值结果表明该耦合多物理场多GPU并行算法具有良好的工程应用前景。