基于溫度積分算法的溫室環(huán)境控制方法

第 31 卷 第 11 期 農(nóng) 業(yè) 工 程 學 報 Vol.31 No.11 2015 年 6月 Transactions of the Chinese Society of Agricultural Engineering Jun. 2015 221 基于溫度積分算法的溫室環(huán)境控制方法袁洪波1,2，李 莉1，王俊衡1，N.A.Sigrimis3（ 1. 中國農(nóng)業(yè)大學現(xiàn)代精細農(nóng)業(yè)系統(tǒng)集成研究教育部重點實驗室，北京 100083； 2. 河北農(nóng)業(yè)大學機電工程學院，保定 071001； 3. 希臘雅典農(nóng)業(yè)大學農(nóng)業(yè)工程系，雅典 11855，希臘） 摘 要： 溫室環(huán)境控制領(lǐng)域所研究的大多數(shù)智能控制算法復雜程度較高，不適宜實際生產(chǎn)應(yīng)用，生產(chǎn)型溫室大多采用設(shè)置靜態(tài)工作點模式進行簡單的環(huán)境控制，這種模式無法根據(jù)環(huán)境變化進行自動調(diào)整，浪費了大量的能量。針對這一問題，提出了基于溫度積分算法的溫室環(huán)境控制方法，根作物種類和生長階段確定期望平均溫度值，將全天 24 h 均分為長度更短的若干時間片，然后利用溫度積分原理對每一時間片的溫度調(diào)節(jié)點進行計算，根據(jù)得到的溫度調(diào)節(jié)點結(jié)合當前實際溫度進行環(huán)境控制。仿真試驗表明，在保持溫室內(nèi)實際平均溫度相同的情況下，利用溫度積分算法對溫室進行環(huán)境調(diào)節(jié)所消耗的能量為靜態(tài)工作點的模式的 64.43%。該方法計算量相對較小，適用于普通的溫室環(huán)境控制器，能夠簡單有效地實現(xiàn)節(jié)能控制。 關(guān)鍵詞： 溫度；溫室；環(huán)境控制；積分算法；節(jié)能 doi： 10.11975/j.issn.1002-6819.2015.11.032 中圖分類號： S625.5 文獻標志碼： A 文章編號： 1002-6819(2015)-11-0221-07 袁洪波，李 莉，王俊衡，等. 基于溫度 積分算法的溫室環(huán)境控制方法J. 農(nóng)業(yè)工程學報，2015，31(11)：22122 7. doi： 10.11975/j.issn.1002-6819.2015.11.032 http:/www.tcsae.org Yuan Hongbo, Li Li, Wang Junheng, et al. Control method for greenhouse climate based on temperature integrationJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(11): 221 227. (in Chinese with English abstract) doi： 10.11975/j.issn.1002-6819.2015.11.032 http:/www.tcsae.org 0 引 言溫室產(chǎn)業(yè)作為現(xiàn)代農(nóng)業(yè)的一個重要載體，由于其大大減少了農(nóng)業(yè)生產(chǎn)受外界環(huán)境影響的制約，近年來得到了較快發(fā)展，截止到 2012 年末，中國設(shè)施園藝總種植面積已經(jīng)達到了 379 萬 hm2， 占世界總種植面積 85%以上1-2。溫室生產(chǎn)可以對內(nèi)部小氣候環(huán)境進行人工控制，使其達到作物適宜的生長狀態(tài)，促進作物生長發(fā)育，進而提高其產(chǎn)量和品質(zhì)3。 溫室環(huán)境控制方法經(jīng)過多年研究，已取得了很多理論成果4-5，目前研究重點主要集中 3 個方面： 1）利用各種先進的智能控制算法進行環(huán)境控制6-7，例如模糊控制算法8-10、神經(jīng)網(wǎng)絡(luò)算法11-13、遺傳算法14-15、非線性回歸16等。但是，這些算法計算量較大，對溫室環(huán)境控制器和配套設(shè)施要求較高，在大型溫室中，控制系統(tǒng)均在上位機運行，但是針對大面積的中小型生產(chǎn)性溫室，尤收稿日期： 2015-01-16 修訂日期： 2015-05-25 基金項目：國家自然科學基金（青年）項目（ 31301240） ；河北省自然科學基金項目（ C2014204025） ；河北省高等學校科學研究計劃青年基金項目（ QN20131083） ；土壤植物機器系統(tǒng)技術(shù)國家重點實驗室開放課題基金（ 2014-SKL-03） 作者簡介：袁洪波，男，河北保定人，講師，博士生，主要從事精細農(nóng)業(yè)和農(nóng)業(yè)信息化技術(shù)方面的研究。 北京中國農(nóng)業(yè)大學現(xiàn)代精細農(nóng)業(yè)系統(tǒng)集成教育部重點實驗室， 100083。 Email： yuanhongbo222163.com 通信作者：李 莉，女，河北唐山人，副教授，博士，主要從事精細農(nóng)業(yè)系統(tǒng)集成方面的研究。 北京 中國農(nóng)業(yè)大學現(xiàn)代精細農(nóng)業(yè)系統(tǒng)集成研究教育部重點實驗室， 100083。 Email： lilycau.edu.cn。中國農(nóng)業(yè)工程學會會員：李莉（ E040100007M） 其是日光溫室，先進的溫室環(huán)境控制算法并不適于實際的溫室生產(chǎn)管理，簡單的控制算法和廉價的單片機控制系統(tǒng)才是實際生產(chǎn)中迫切需要的； 2）以溫室環(huán)境模型為基礎(chǔ)進行環(huán)境控制，國內(nèi)外學者都對此進行了大量的研究，針對各種溫室類型也建立了許多環(huán)境模型17-19，利用模型對溫室內(nèi)環(huán)境進行預(yù)測并進行相關(guān)操作20-24。但是，溫室環(huán)境是個多變量，高耦合的復雜系統(tǒng)，不易建立精確的模型25，而且中國溫室類型多樣，結(jié)構(gòu)各異，很難和已建立的模型完全匹配； 3）各種溫室模型和控制算法主要著眼于“最優(yōu)”的溫室內(nèi)部小氣候的設(shè)定和控制。但是，這些方法很少考慮為了達到所謂的“最優(yōu)”狀態(tài)所付出的能量消耗24。在實際的溫室生產(chǎn)中，能量的消耗占到了生產(chǎn)成本的 30% 40%26，尤其是現(xiàn)代溫度，冬季生產(chǎn)必須依靠加溫進行，在溫室產(chǎn)業(yè)比較發(fā)達的歐洲，荷蘭溫室生產(chǎn)能耗最高達 1 900 MJ/m2，而在緯度更高的北歐地區(qū)，例如瑞典，加溫所耗能源占全部溫室生產(chǎn)能耗的 65% 85%27-29。所以，溫室環(huán)境控制必須要把能耗因素考慮在內(nèi)。 綜上所述，理論研究得到的溫室環(huán)境控制方法和實際溫室環(huán)境控制之間存在脫節(jié)問題，目前中國大多數(shù)的溫室生產(chǎn)主要以人工經(jīng)驗管理為主25，在現(xiàn)代溫室管理中，自動溫度控制系統(tǒng)也主要依據(jù)靜態(tài)溫度設(shè)定點進行操作。針對中國溫室生產(chǎn)現(xiàn)狀，需要找到一種簡單、節(jié)能、易推廣，適于實際溫室管理的環(huán)境控制方法。本研究設(shè)計了一種基于溫度積分算法的溫室環(huán)境控制方法，降低了復雜的智能控制方法對控制器的處理能力要求，農(nóng)業(yè)生物環(huán)境與能源工程農(nóng)業(yè)工程學報（ http:/www.tcsae.org） 2015 年 222 又避免了傳統(tǒng)靜態(tài)溫度設(shè)定點不能根據(jù)實際情況進行動態(tài)優(yōu)化調(diào)節(jié)溫室內(nèi)溫度所帶來的熱能浪費，能夠簡單有效的對溫室環(huán)境實現(xiàn)調(diào)節(jié)。 1 基本理論 1.1 溫室能量模型 溫室內(nèi)部環(huán)境因子主要包括：溫度、相對濕度、光照強度和 CO2濃度，目前，實際生產(chǎn)中的大多數(shù)以調(diào)整溫度和相對濕度為主，其調(diào)整主要通過遮陽、通風降溫或加熱來實現(xiàn)，通風的同時實現(xiàn)對濕度的調(diào)整。在較寒冷的冬季，加熱是保持溫室溫度達到預(yù)定目標的重要手段，并且加熱過程中能源的消耗占溫室生產(chǎn)成本的很大一部分，本文以研究溫室溫度控制，尤其是寒冷天氣溫室加熱控制為主要目標。 為了簡化模型，一般將溫室內(nèi)部空氣看成一個整體，假定溫室內(nèi)部空氣、水蒸氣混合分布均勻。溫室內(nèi)溫度變化可以通過能量平衡方程來表達8,30，如公式（ 1）所示： rad heat cond vent tranQQ Q Q Q Q= + （ 1） 式中： Q 為溫室中能量變化， GJ； Qrad為通過太陽光照短波輻射得到的能量， GJ； Qheat為通過加熱源得到的能量， GJ； Qcond為通過熱傳導和外界交換的能量， GJ； Qvent為通風操作帶來的能量流失， GJ； Qtran為作物蒸騰作用產(chǎn)生的潛熱消耗， GJ。 溫室環(huán)境涉及到很多因素，對其進行精確描述的模型很難得到，但溫室內(nèi)能量變化可通過內(nèi)部溫度變化來體現(xiàn)。為了得到較實用的控制模型，公式（ 1）還可以簡化為公式（ 2）的形式30： rad heat()0ioQQ UTT+= （ 2） 式中： U 代表全部熱流失系數(shù)，包括傳導、對流、熱交換及長波輻射等所有的熱流失因素， U 是受溫室結(jié)構(gòu)和外界環(huán)境影響的變量。 Ti和 T 為溫室內(nèi)部和外部的溫度，。 Qrad和 Qheat代表了溫室內(nèi)能量的增加，所以可以用Qen來替代，即公式（ 3）： en()ioQUTT= （ 3） 因為外界溫度 To是不可控的，則在某段時間內(nèi)， Ti就直接決定了溫室內(nèi)能量變化 Qen的大小，如公式（ 4）所示： en()dioQUTTt=（ 4） 1.2 基于溫度積分的溫室環(huán)境控制算法 作物從生長到成熟的整個發(fā)育過程，需要一定程度的日平均溫度的積累，即要求一定量的積溫。作物的生長發(fā)育除了受上限溫度閾值和下限溫度閾值影響之外，積溫也起著至關(guān)重要的作用。在生長過程中的每一個階段，必須達到一定的有效積溫，作物才能完成正常的生長發(fā)育，所以溫室環(huán)境控制中除了要考慮作物的溫度適應(yīng)閾值，還需要考慮積溫的影響。積溫可以通過平均溫度來反映，所以平均溫度成為本算法的關(guān)鍵因素，平均溫度可以通過公式（ 5）來得出： 1iaver-() dtitPTP Ttt= （ 5） 式中： Tiaver表示某生長階段 P （ P=1, 2, 3d）內(nèi)的平均溫度， ； Ti(t)表示 P 時間段內(nèi)任意時刻溫室內(nèi)的溫度值，。 Tiaver的范圍如公式（ 6）所示： min iaver maxPPTTT （ 6） 式中： TPmin、 TPmax分別表示 P 時間段內(nèi)溫室內(nèi)部上限和下限溫度閾值，。為了實現(xiàn)精確的溫度控制，還可以將 P 時間段按天進行細分，則公式（ 5）又可以轉(zhuǎn)換為公式（ 7）： ()1iaver-1iaver1() d () djjPttiiPtP t DjjjPjjjTP Ttt TttDPDT= = =j（ 7） 式中： Dj為時間段 P 內(nèi)細分天數(shù)，averjT 為 Dj內(nèi)溫室內(nèi)部平均溫度值，。同理，公式（ 4）可以轉(zhuǎn)換為公式（ 8）： ()en i o-iaver oaver() ()dtjtPPjjjj jjQUTtTttUDT DT =（ 8） 式中：oaverjT 為 Dj內(nèi)溫室外部平均溫度值，。因為 U 是受溫室結(jié)構(gòu)和外界環(huán)境影響的變量， 在短時間內(nèi)可以將 U看做一個常量，則公式（ 8）又可以轉(zhuǎn)換為公式（ 9）： ()()en iaver oaveriaver oaverPjjjjjQ U DT DTUPT PT = =（ 9） 式中： Toaver是時間段 P 內(nèi)，溫室外部平均溫度值，。 因為溫室外部溫度是不可控變量，欲調(diào)整溫室內(nèi)能量的變化，使之達到規(guī)定的積溫值并保證作物處于適宜的生長環(huán)境，只能對溫室內(nèi)部的溫度 Ti進行調(diào)整。在時間段 P 內(nèi)，假設(shè)本時間段的期望平均溫度為ePT （），每天的期望平均溫度為edT ，實際平均溫度為 Tdj（），則公式（ 5）可以轉(zhuǎn)化為公式（ 10）： 11iaver-=1-11=1() dPtidjtPjPeddjjTP TttPTPT T= =+（ 10） 則edT 可以通過公式（ 11）進行計算。 -1-+1() dteedP itPTPT Ttt= （ 11） 式中：積分下限 tP+1 表示當前日的前（ P1）天，積分上限 t1 表示當前日的前一天， Ti(t)為每日實際平均溫度值，。 確定了每日期望平均值之后，以此為基準進行溫室內(nèi)溫度的調(diào)節(jié)，為了實現(xiàn)相對精準的調(diào)控，將每日時間均分為若干時間片，每個時間片的時長為 int（ int=5,10,15,min），則每日時間按照公式（ 12）分為N 個時間片，按照計算每日期望平均溫度值相同原理，利用公式 （ 13） 可以計算當前第 n 個時間片的期望平均值enT 。 第 11 期 袁洪波等：基于溫度積分算法的溫室環(huán)境控制方法 223 24 60intN= （ 12） -1int( )1d(1)nedienNT T tTNn =（ 13） 式中： Tint(i)表示第 i 個時刻內(nèi)溫度平均值，。enT 表示當前時間片 n 的溫度參照點，如果溫室內(nèi)當前實際溫度高于enT ，則說明當前溫度滿足作物生長需要，不需要進行加溫操作，反之需要加溫；所以可以將enT 稱之為加溫設(shè)定點 THSP，那么公式（ 13）可以轉(zhuǎn)換為公式（ 14），同理，可以根據(jù)在時間段 P 內(nèi)作物生長的上限溫度值 TPmax來計算降溫設(shè)定點（大多數(shù)生產(chǎn)型溫室通過通風操作進行降溫） TCSP。 -1HSP int( )11d11nediNTT TtNn Nn=+ +（ 14） -1CSP max int( )11d11nPiNTT TtNn Nn=+ +（ 15） 2 算法設(shè)計 2.1 參數(shù)設(shè)定 不同作物各個階段生長發(fā)育要求的平均溫度和閾值溫度都不盡相同，所以算法實施過程中，每一項參數(shù)的設(shè)定都需要根據(jù)實際情況來進行，同時，參數(shù)設(shè)定的不同，也會對實際的環(huán)境控制效果造成不同的影響。例如，積分時間段 P 的確定可以根據(jù)特定的生長階段取 1、 2、3d，如果追求長期的節(jié)能效果，并且作物生長處于非關(guān)鍵階段，則 P 可以設(shè)定一個相對較長的時間；如果作物處于生長的關(guān)鍵時間，則 P 的設(shè)定較小為佳。此外，參數(shù)的設(shè)定還需要考慮控制設(shè)備的實際工作能力，例如對 int 的設(shè)定，如果配套設(shè)施性能較好，則可以取 5 或10 min 為一個時間片，此時對溫室內(nèi)部的溫度控制精度較高；如果設(shè)備的工作能力相對較差，無法進行頻繁的操作則需要將 int 設(shè)定的較長一些，這樣增強了系統(tǒng)的適應(yīng)性和安全性。所以，參數(shù)的設(shè)定需要根據(jù)作物種類、生長階段、配套設(shè)施的工作能力等實際情況來進行綜合考慮。 2.2 算法實施 基于溫度積分算法的程序流程圖如圖 1 所示。 1）對參數(shù)進行設(shè)定，配置 P、ePT 、 TPmax、 TPmin、 int、 N； 2）根據(jù)公式（ 11）計算當日期望平均溫度值edT ； 3）根據(jù)公式（ 16）判斷edT 是否滿足條件，若滿足，則利用edT 作為參考值對加溫設(shè)定點 THSP和降溫設(shè)定點TCSP進行計算。若maxedPTT ，則取 TPmax作為期望平均溫度值，即maxedPTT= ，若minedPTT ，說明當前溫度較高，需要降溫； HSP int( ) CSPnTT T （ 17） 6）返回第 4 步，重新計算下一時間片，即 Tint(n+1)時間片的溫度調(diào)節(jié)點，并根據(jù)實際平均溫度值對第（ n+1）時間片的溫度調(diào)節(jié)操作進行判斷。 注： P 為積分時間段；ePT 為 P 時間段內(nèi)期望平均溫度值； TPmin為 P 時間段內(nèi)下限溫度閾值； TPmax為 P 時間段內(nèi)上限溫度閾值； N 為每日細分時間片數(shù)量； int為每個時間片的時長；edT 為日期望平均溫度值； Ti(t)為日實際平均溫度值； THSP為加溫設(shè)定點； TCSP為降溫設(shè)定點； Tint(n)為當前時間片實際溫度平均值。 Note: P: Integration period; ePT : The average temperature of the expected value in the P period; TPmin: The minimum temperature in the P period; TPmax: The maximum temperature in the P period; N: The number of time intervals each day; int: The length of time intervals each day; edT : The average temperature of the expected value in everyday; Ti(t): The average temperature value in everyday; THSP: Heating set point; TCSP: Cooling set point; Tint(n): The average temperature value in every intervals. 圖 1 基于溫度積分算法程序流程圖 Fig.1 Flowchart of temperature integration algorithm 農(nóng)業(yè)工程學報（ http:/www.tcsae.org） 2015 年 224 3 試驗與結(jié)果分析 3.1 試驗 為了對算法進行驗證，在希臘雅典農(nóng)業(yè)大學試驗溫室進行了相關(guān)試驗， 溫室類型為 Venlo 型玻璃溫室， 面積為 4 000 m2（ 20 m 200 m），如圖 2 所示。利用 1 個加熱器對溫室進行加溫，加熱器工作能耗為 400 W/m2，降溫主要通過控制天窗的開合來進行。試驗時間為 2014 年11 月 8 日 13 日，試驗過程中，利用 MACQU 系統(tǒng)搭載的溫濕度傳感器 SHT11 對溫室環(huán)境的溫度、相對濕度進行采樣， SHT11 集成了溫度和濕度傳感器，測量精度為溫度 3，相對濕度 1.8%，溫室內(nèi)均勻部署了 10 個SHT11 傳感器，傳感器距離地面高度為 1.5 m，通過取平均值得到溫室內(nèi)的環(huán)境溫度和濕度；利用旋轉(zhuǎn)編碼器AS5040 對加熱器和天窗的工作狀態(tài)進行采樣；利用室外氣象站采集溫室外環(huán)境溫度和光輻射強度。所有采樣頻率均為 每 10 min 1 次。為了在相同氣象條件下進行算法對比，利用溫室智能管理系統(tǒng) MACQU（雅典農(nóng)業(yè)大學開發(fā)）建立了與試驗溫室完全相同的溫室模型，可以對試驗溫室真實的小氣候變化進行軟件仿真，并利用該軟件進行了相同氣象條件下的對比試驗。 1.天窗 2.MACQU系統(tǒng)控制器 3.傳感器 SHT11 4.加熱器 5.作物 （番茄） 1.Windows 2.Controller of MACQU system 3.Sensors SHT11 4. Heater 5.Crop(tomato) 圖 2 Venlo 型玻璃溫室及傳感器布置示意圖 Fig.2 Diagram of Venlo glasshouse and sensor location 為了進行節(jié)能效果對比，設(shè)計了 2 種試驗方案： 方案 1：靜態(tài)工作點模式，此種方案為實際生產(chǎn)型溫室最常用到的環(huán)境控制方法，通過設(shè)置靜態(tài)的工作點進行控制，高于某個溫度閾值降溫，低于某個溫度閾值加溫。 靜態(tài)工作點的設(shè)定需要根據(jù)具體的作物和作物不同的生長階段進行設(shè)定：試驗作物為番茄，處于植株生長階段， 白天溫度以 25為宜， 夜間溫度以 17為宜31-32，在本試驗中，靜態(tài)工作點的設(shè)置為 16 和 25。 方案 2：溫度積分模式，通過設(shè)置 P 時間段內(nèi)期望平均溫度值，利用溫度積分原理進行溫度調(diào)節(jié)點的計算，并利用得到的值進行環(huán)境控制。 試驗開始于 2014 年 11 月 14 日，目前一直在使用該控制方法對試驗溫室的環(huán)境進行調(diào)節(jié)。 為了在同一氣象條件下對靜態(tài)工作點模式和溫度積分模式這 2 種溫室環(huán)境控制方法進行能量消耗對比，使用 2014 年 11 月 3 日 13 日雅典當?shù)販囟燃肮庹諚l件，利用已經(jīng)建立的和試驗溫室完全相符的溫室仿真程序?qū)Ψ桨?2 進行了 10 d 的試驗驗證。 圖 3 所示 11 月 3 日 13日溫室外部氣象條件， 11 月份屬于當?shù)氐那锛?，氣候特點為晝間日照強烈，夜間溫度低，晝夜溫差大。由圖看以看出，從 11 月 3 日 13 日，最低溫度為 0.5，最高溫度為 23.35，平均溫度為 13.29，光輻射強度最高為 662.36 W/m2，平均值為 160.79 W/m2。 11 月 3 日 10日光輻射強度和外部環(huán)境溫度變化趨勢基本一致， 11 月11 日為陰天，光輻射強度明顯下降，晝間最高值在200 W/m2左右，因此，晝間最高氣溫與前期相比也出現(xiàn)了明顯的下降，并且導致了 12 日夜間氣溫也下降到了接近 0。 注：試驗日期為 2014年 11月 3日 10日。 Note： Date experiment from 3th-10th Nov, 2014. 圖 3 外界氣象條件 Fig.3 External weather conditions 3.2 結(jié)果分析 3.2.1 靜態(tài)工作點模式 采用靜態(tài)工作點模式下溫室內(nèi)部溫度的變化如圖 4所示。在該種工作狀態(tài)下，溫室內(nèi)溫度基本上能夠保持在 16 25之間，平均溫度為 18.62，加熱器總消耗能量為 167.39 GJ。 注：試驗日期為 2014年 11月 3日 -10日。加熱器工作狀態(tài)取值范圍： 01， 0代表加熱器完全關(guān)閉， 1代表加熱器完全打開。下同。 Note： Date experiment from 3th-10th Nov, 2014. Range of value for heater working state： 0-1， 0 represents the heater is turned off， 1 represents the heater is fully turned on. The following is the same. 圖 4 靜態(tài)工作點模式下溫室內(nèi)溫度變化 Fig.4 Internal temperature variation of greenhouse in static operating point mode 3.2.2 溫度積分模式 因為在靜態(tài)工作點模式下，設(shè)置溫度區(qū)間為 1625，溫室內(nèi)實際平均溫度為 18.62，所以在溫度積分模式中，設(shè)置期望平均溫度值ePT =18.62，設(shè)置 P=2 d；大多數(shù)作物都具有一定的耐受性，短時間環(huán)境溫度超過或低于其適應(yīng)溫度，作物生長不會受到太大的影響；考慮到這一點， TPmax和 TPmin可以結(jié)合溫室能量的獲取和消第 11 期 袁洪波等：基于溫度積分算法的溫室環(huán)境控制方法 225 耗進行設(shè)定。 番茄處于植株生長階段， 晝溫以不超過 28為佳，夜溫以不低于 13為佳，但是短時間內(nèi)晝溫不超過 30，夜溫不低于 10不會影響番茄的正常生長。為了盡量多的獲取太陽輻射能量，并減少加溫帶來的能量耗費，設(shè)置 TPmax=30， TPmin=10， int=10 min， N=144，圖 5 所示為溫度積分算法控制下溫室內(nèi)溫度的變化情況。由圖 5 可以看出，因為 TPmax設(shè)置略高，減少了溫室通風降溫的時間，所以晝間獲取了較多的太陽輻射能量，延緩了夜間溫室內(nèi)溫度降低的速率； TPmin設(shè)置略低，使得夜間加溫時間縮短，耗費的能量少于靜態(tài)工作點模式。在這種工作模式下，溫室內(nèi)溫度大多數(shù)時間能夠保持在12以上，平均溫度為 20.21，加熱器總消耗能量為164.08 GJ。 注：試驗日期為 2014年 11月 3日 10日。 Note: Date experiment from Nov.3th-10th， 2014. 圖 5 溫度積分模式下溫室內(nèi)溫度變化（ePT =18.62 ） Fig.5 Internal temperature variation of greenhouse in static operating point mode（ePT=18.62 ） 3.2.3 能量消耗對比 在設(shè)定期望平均溫度值ePT =18.62的情況下，溫室內(nèi)實際平均溫度值達到了 20.21，為了進一步驗證在相同的實際平均溫度值下，溫室內(nèi)溫度和能量的變化，又分別進行了ePT =17、 16、 15的試驗，試驗結(jié)果如表 1所示。 表 1 溫度積分算法不同設(shè)置溫度ePT 仿真結(jié)果 Table 1 Simulation results using temperature integration algorithm by setting different expected temperature 設(shè)置的平均溫度Average temperatureePT / 最高溫度 Maximum temperature/ 最低溫度 Minimum temperature/ 平均溫度 Average temperature/ 加溫能量 Heating energy/GJ 18.62 30.02 10.09 20.21 164.08 17 30 10.07 19.67 143.46 16 30.02 10.02 19.14 126.07 15 30.01 10.03 18.61 107.85 經(jīng)過仿真試驗驗證，基于溫度積分算法的溫室環(huán)境控制方法與生產(chǎn)型溫室常用的靜態(tài)工作點環(huán)境控制方法相比，在減少能量消耗方面具有較大的優(yōu)勢，圖 6 所示為使用這 2 種不同方法情況下，溫室環(huán)境調(diào)控的能量消耗情況。 由圖可以看出， 同樣保持溫室平均溫度為 18.6，溫度積分算法模式下加溫耗費的能量（ 107.85 GJ）為靜態(tài)工作點模式（ 167.39 GJ）下的 64.43%；若采用 18.6作為ePT ，則溫度積分算法利用 98%的能量（ 164.08 GJ）使溫室內(nèi)部的平均溫度達到了靜態(tài)工作點的 1.09 倍（ 20.21）。以上結(jié)果說明，溫度積分算法相對于靜態(tài)工作點方法能夠有效的降低加溫能量的消耗，具有明顯的節(jié)能效果。 圖 6 2 種不同方法溫室環(huán)境調(diào)控能量消耗對比 Fig.6 Comparison of energy consumption by using two different methods for greenhouse environment control 4 結(jié) 論 溫度積分算法可滿足溫室實際生產(chǎn)需求，解決常規(guī)設(shè)置靜態(tài)工作點方法消耗熱能過多的問題，計算相對簡單，一般控制器的處理能力足夠完成相關(guān)計算，適用于廣大的生產(chǎn)型溫室； 通過與靜態(tài)工作點控制方法對比仿真試驗進行比較，在保持溫室內(nèi)相同平均溫度的情況下，利用溫度積分算法進行環(huán)境控制所耗費的能量只是靜態(tài)工作點方法的 64.43%，表明該方法能夠有效的實現(xiàn)節(jié)能效果，降低溫室生產(chǎn)成本，提高用戶收益。 在下一步的研究中會加入對積溫的測算，在保證作物生長發(fā)育需求的基礎(chǔ)上，進一步減少能量的消耗。 致謝：本研究作為中國農(nóng)業(yè)大學汪懋華院士領(lǐng)導的“設(shè)施園藝物聯(lián)網(wǎng)技術(shù)應(yīng)用與創(chuàng)新工程”研究課題的一項內(nèi)容，在研究工作的各個方面都受到了汪院士的大力支持和指導，在此，向我的博士導師汪懋華院士致以衷心的感謝。 參 考 文 獻 1 汪懋華 . 轉(zhuǎn)型創(chuàng)新推動物聯(lián)網(wǎng)在設(shè)施園藝產(chǎn)業(yè)領(lǐng)域應(yīng)用的發(fā)展研究 R. 遼寧：朝陽設(shè)施農(nóng)業(yè)發(fā)展高峰論壇， 2012. 2 李天來 . 全國設(shè)施蔬菜重點區(qū)域發(fā)展規(guī)劃及北方寒區(qū)設(shè)施蔬菜生產(chǎn)基地的低位 R. 遼寧： 朝陽設(shè)施農(nóng)業(yè)發(fā)展高峰論壇， 2012. 3 杜尚豐，李迎霞，馬承偉，等 . 中國溫室環(huán)境控制硬件系統(tǒng)研究進展 J. 農(nóng)業(yè)工程學報， 2004， 20(1)： 7 12. Du Shangfeng, Li Yingxia, Ma Chengwei, et al. Current situation on greenhouse environment control system modes in ChinaJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(1): 7 12. (in Chinese with English abstract) 4 馬萬征，馬萬敏 . 智能溫室環(huán)境控制的研究現(xiàn)狀及發(fā)展趨勢 J. 北方園藝， 2011(23)： 179 180. 農(nóng)業(yè)工程學報（ http:/www.tcsae.org） 2015 年 226 Ma Wanzheng, Ma Wanmin. The current situation and trend of intelligent environment control technology in greenhouseJ. Northern Horticulture, 2005, 21(3): 179 180. (in Chinese with English abstract) 5 王君，于海業(yè)，張蕾 . 溫室環(huán)境控制系統(tǒng)的發(fā)展 J. 中國農(nóng)學通報， 2010， 26(12)： 371 375. Wang Jun, Yu Haiye, Zhang Lei. Development of environment control system in greenhouseJ. Chinese Agricultural Science Bulletin, 2010, 26(12): 371 375. (in Chinese with English abstract) 6 李錫文，楊明金，楊仁全 . 現(xiàn)代溫室環(huán)境智能控制的發(fā)展現(xiàn)狀及展望 J. 農(nóng)機化研究， 2008(4)： 9 13. Li Xiwen, Yang Mingjin, Yang Renquan. The development status and prospect of modern greenhouse environment intelligent controlJ. Journal of Agriculture Mechanization Research, 2008(4): 9 13. (in Chinese with English abstract) 7 李迎霞， 杜尚豐 . 中國溫室環(huán)境智能控制算法研究進展 J.農(nóng)業(yè)工程學報， 2004， 20(2)： 267 272. Li Yingxia, Du Shangfeng. Advances of intelligent control algorithm of greenhouse environment in ChinaJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(2): 267272. (in Chinese with English abstract) 8 胥芳，盛軍強，陳教料，等 . 基于 MATLAB 的溫室溫度模糊專家控制仿真研究 J. 系統(tǒng)仿真學報， 2007， 19(11)：2464 2471. Xu Fang, Sheng Junqiang, Chen Jiaoliao, et al. Simulation of fuzzy expert control for greenhouse temperature based on MATLABJ. Journal of System Simulation, 2007, 19(11): 2464 2471. (in Chinese with English abstract) 9 葛建坤，羅金耀，李小平，等 . 基于 ANFIS 的溫室氣溫模糊控制仿真 J. 農(nóng)業(yè)工程學報， 2010， 26(8)： 216 221. Ge Jiankun, Luo Jinyao, Li Xiaoping, et al. Simulation of fuzzy control for greenhouse temperature based on ANFISJ. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2010, 26(8): 216221. (in Chinese with English abstract) 10 Rodrigo C M, Eusebio V R Jr, Rebeca R P V, et al Fuzzy greenhouse climate control system based on a field programmable gate arrayJ. Biosystems Engineering, 2006, 94(2): 165 177. 11 劉東利，王延耀，張建勇 . 神經(jīng)網(wǎng)絡(luò)模糊 PID 算法在溫室溫度控制中的仿真研究 J. 農(nóng)機化研究， 2006(10)： 70 72. Liu Dongli, Wang Yanyao, Zhang Jianyong. Simulation study of the neural network fuzzy PID control method in the temperature control of the greenhouseJ. Journal of Agriculture mechanization Research, 2006(10): 70 72. (in Chinese with English abstract) 12 Fathi Fourati, Mohamed Chtourou. A greenhouse control with feed-forward and recurrent neural networksJ. Simulation Modelling Practice and Theory, 2007, 15(8): 1016 1028. 13 Fathi Fourati. Multiple neural control of a greenhouseJ. Neurocomputing, 2014, 139(9): 138 144. 14 Khelifa Lammari, Fateh Bounaama, Belkacem Draoui, et al. GA optimization of the coupled climate model of an order two of a greenhouseJ. Energy Procedia, 2012, 18(5): 416 425. 15 Du Bing, Zhou Xingxiang. Energy saving of controlled traffic tillageJ. Journal of China Agricultural University, 1999, 4(2): 63 66. (in Chinese with English abstract) 16 Pasgianos G