CN102283283A - 智能化浅层地能低温储粮系统 - Google Patents

Abstract

一种智能化浅层地能低温储粮系统，是由地源热泵空调子系统、数据采集子系统、多传感器数据融合子系统、粮库监控参数优化及控制子系统、参数动态自适应匹配及综合评价子系统、以及多子库轮换式间歇运行子系统组成；该系统以地源热泵空调子系统作为粮库的冷量来源，结合基于高斯过程回归的数据融合技术建立粮库粮情自动化监控中心；将最优最差粒子群算法优化的最小二乘支持向量机应用于粮库储粮环境参数的预测与控制当中，实现冷量供应与冷量需求的动态自适应匹配；该系统具有效率高、智能化、人机交互、节能环保等特点。

Description

智能化浅层地能低温储粮系统

一、技术领域

本发明涉及一种粮食低温仓储技术领域，特别是一种智能化浅层地能低温储粮系统。

二、背景技术

粮食的低温储藏是国际粮农组织推荐的科学、环保的储粮方式，是粮食优质储存的发展方向。低温储粮作为一种科学、先进、无公害的绿色储粮技术，它能够解决粮食在储藏过程中可能发生的发热、霉变和虫害等常规储粮经常发生的问题，是现代粮食仓储业技术发展的长远方向。

利用低温储粮，在国外是一项先进和较为成熟的粮食储藏保鲜技术。早在20世纪50年代国外已开展对谷物冷藏技术的研究应用，并已生产出较为成熟的谷物冷却设备。联邦德国在1917年首次提出低温储粮的概念。波恩农业工程研究所、联邦粮食加工研究所等单位做了大量的粮食冷却储藏方面的研究，并于1958年成功地开发研制了谷物冷却机，同时投入工业化生产。1965年前，联邦德国已有8家公司生产了该设备。目前该设备的技术已比较完善，能实现微机全自动控制。此技术在欧洲一些国家已经完全替代了化学药剂熏蒸。到1990年谷物冷却机低温储粮技术已在世界上50多个国家和地区使用，每年使用此技术保存的粮食达2000～2500万吨。

在我国，在学习和借鉴国外先进技术的基础上大胆试验创新，1998年研制成功拥有自主知识产权的谷冷机，1999年以后，谷物冷却机在各地粮库陆续投入使用。该技术是利用常规的压缩式制冷机在高温季节，使得粮库廒间内部的粮食降温，但由于设备一次性投资较大，使用过程中能耗偏高，所以谷物冷却机的应用受到限制。由于我国是一个发展中国家，幅员辽阔，人口众多，财力有限，中国的粮食储藏也有着与欧美、日本等发达国家不同的特点，即库存量大、分布面广、粮质复杂、设备简单，加上粮食本身又是一种“占据空间较大，销售价格相对便宜”的商品，因此我国低温储粮不能像国外那样大规模地发展机械制冷低温仓。

低温储粮技术体系主要包括自然低温、机械通风低温、谷物制冷设备三项主要技术措施。使用自然通风的方法，制冷效果差，受到季节局限和失水过多；机械通风低温和谷物制冷设备则是能耗大，费用高，从而制约了这类低温储粮方法的应用和推广。也有进行利用太阳能进行低温储粮的研究，但由于太阳能的时间特点，使得太阳能低温储粮系统具有很大的局限性，特别是在夏季晚间以及梅雨季节，制冷机不能正常工作，影响低温储粮的效果，而且太阳能集热系统成本较高，这是一个非常不利的因素。另外，还有使用深井水进行低温储粮的，这种技术就是在粮仓外打一眼深井，然后用深水泵将冷水抽入粮仓，通过空气调节器向粮仓内提供冷气，但是近年来由于水资源稀缺和污染的问题，国家已经不提倡使用此方法。

三、发明内容

针对现有粮食仓储技术存在上述诸多缺陷，本发明的目的是提供一种智能化浅层地能低温储粮系统，它利用浅层地能进行低温储粮，实现粮库粮情的自动智能化监测与控制。

为实现上述目的，本发明采用如下技术方案：智能化浅层地能低温储粮系统，是由地源热泵空调子系统、数据采集子系统、多传感器数据融合子系统、粮库监控参数优化及控制子系统、参数动态自适应匹配及综合评价子系统以及多子库轮换式间歇运行子系统组成。

所述地源热泵空调子系统，是以浅层地能作为地源热泵空调子系统的冷源，由冷却水泵、冷凝器、压缩机、蒸发器、膨胀阀、冷冻水泵、粮库中的空调末端和除湿器组成。系统冷源端通过冷却水泵将冷却循环水抽到地下埋管换热器，然后进入冷凝器，从蒸发器中吸收的热量连同压缩机消耗的功率所转化的热量在冷凝器中被冷却水带到地下，并通过地下埋管换热器扩散到地表介质中。压缩机将循环工质压缩后从低温低压处输送到高温高压处。经膨胀阀流入的制冷剂液体在蒸发器中蒸发，以吸收冷冻水的热量，达到制冷的目的。膨胀阀对循环工质起到节流降压作用，并调节进入蒸发器的循环工质流量。冷冻水流经空调末端，通过开启粮库中的空调末端的风机，对输送到粮库的外界空气进行降温。除湿器的作用是降低经过空调末端的空气中的水蒸气含量。

所述数据采集子系统，包括测量粮库内外温、湿度，粮堆内部温、湿度，流入空调末端的冷冻水进水温度，从空调末端流出的冷冻水出水温度，冷冻水流量，冷冻水进出水压差的多种传感器，与所述多种传感器相连接并用于将传感器测量得到的模拟信号转换为数字信号的模拟量测量模块，与所述模拟量测量模块相连接且通过RS485总线将数字信号集中采集的数据采集器。

所述多传感器数据融合子系统，是将基于高斯过程回归的数据融合技术应用于粮库粮情的多传感器数据融合处理当中，充分利用计算机技术获得粮库中若干传感器的检测信息，在一定规则下，通过对信息加以自动分析、优化综合，准确地获得储粮过程中粮库的最优监测参数。为了使多传感器系统能够自适应、并行、高效地融合信息，本发明采用高斯过程回归融合粮库的多传感器信息具有如下特点：(1)高斯过程(Gaussian Process，GP)是近几年发展起来的一种新的机器学习技术，是目前国际上机器学习研究的热点领域，并常被成功应用于回归、分类问题的解决；(2)采用该方法能准确的监测粮库的粮情信息；(3)在不牺牲性能的条件下，与人工神经网络相比，高斯过程较容易实现，易于优化参数，容易收敛；(4)在对模型学习过程中，可自适应地获得算法参数；(5)对预测输出值解释为概率分布，以提供估计方差的方式对输出值做出精度估计。

所述粮库监控参数优化及控制子系统，包括上位机力控组态软件、与力控组态软件基于以太网通讯并用来控制系统各设备动作的可编程逻辑控制器PLC、与所述PLC相连接的地源热泵机组、冷却水泵、冷冻水泵、空调末端、除湿器以及用于调节空调末端冷冻水流量大小的流量调节阀；上位机利用C#和力控组态软件开发储粮系统的监控中心，根据多传感器数据融合子系统反馈的融合信息与储粮的温、湿度要求，对粮库粮情进行自动化监控。

所述参数动态自适应匹配及综合评价子系统，是根据分布于空调末端冷冻水侧的多种传感器反馈回来的信息，结合基于最优最差粒子群算法优化的最小二乘支持向量机对粮库的需冷量进行预测，通过数据拟合方式计算出最佳冷冻水流量值，从而对冷冻水的流量进行动态控制，在保证粮库低温储粮的前提下，实现冷量供应与冷量需求的匹配。由于空调末端的冷冻水循环周期较长，再加上冷冻水的热容量很大，因此，冷冻水既存在传递滞后，又存在容量滞后。对于这种大滞后系统，控制的难度在于控制过程的不可控性和易变性。往往控制指令发出之后，一个水循环周期尚未结束，或者被控参量还未来得及响应，系统负荷或运行工况可能又发生了变化。控制系统采集到新的变化后，又会发出新的控制指令，从而导致系统运行紊乱或振荡，难以达到人们所预期的控制要求。基于最优最差粒子群算法优化的最小二乘支持向量机的需冷量预测是通过对流入空调末端的冷冻水进水温度、从空调末端流出的冷冻水出水温度、冷冻水流量、冷冻水进出水压差、粮库外环境温度的检测，在对各项运行参数进行统计、分析、运算的基础上，根据动态预测模型，在线预测出粮库的需冷量，并产生控制动作，通过流量调节阀对冷冻水流量进行调节，使系统提供的冷量与需求的冷量相匹配，以消除供需之间偏差的产生。

所述多子库轮换式间歇运行子系统，包括多个子粮库、设置在所述子粮库里面的空调末端和除湿器、与所述空调末端相对应且用于调节空调末端冷冻水流量的流量调节阀。根据不同子粮库实际监测的温、湿度和储粮的温、湿度要求，判断各子粮库的监测参数是否符合储粮的温、湿度要求，实现不同子粮库的自适应控制。

本发明的有益效果在于：

(1)高效节能，节约资金和能源。利用地源热泵空调子系统作为粮库的冷量来源，具有制冷效果好、可再生的特点；针对多子库的储粮系统，提出多子库轮换式间歇运行方式，节能降耗；相比普通的谷物冷却机节能30％以上，保证粮库的温、湿度在储粮要求的最佳状态下，完全防止露点的产生。

(2)减少粮食损失。该低温储粮系统可以减少粮食因呼吸、虫害、高温发热、霉变及倒仓而造成的损失，最大程度地降低储粮成本。

(3)保持粮食品质。由于利用地源热泵进行降温的温差速率比较缓和，粮库中的谷物不易结露霉变，并且低温储粮可以明显减缓谷物颗粒的新陈代谢，延缓品质陈化及劣变，保证粮食品质和新鲜度。

(4)绿色环保。该系统不需药物熏蒸杀虫，减少粮食污染，设备的运行没有燃油、燃煤污染，无废热、废水、废气，是真正的绿色环保能源利用方式。

(5)寿命长。普通谷物冷却机寿命一般在10年左右，而地源热泵系统寿命可达到15年，地下埋管换热器若采用高强度惰性材料，埋地寿命至少50年，与粮库的设计寿命基本相同。

(6)智能化监测与控制。通过多传感器对粮库的粮情参数进行采集，结合数据融合技术、最小支持向量机及计算机仿真技术，实现智能化自适应动态监测与控制，有效地保证粮库粮情监控的及时性、稳定性和可靠性。

四、附图说明

图1为本发明所述智能化浅层地能低温储粮系统的组成示意图。

图2为本发明所述智能化浅层地能低温储粮系统的结构示意图。

图3为本发明所述智能化浅层地能低温储粮系统的监控中心的组成示意图。

图4为监控中心的软件架构图。

图5为多子库轮换式间歇运行方式的示意图。

图6为基于高斯过程回归的多传感器数据融合示意图。

图7为基于最优最差粒子群优化的最小二乘支持向量机的粮库需冷量预测示意图。

图8为最优最差粒子群优化的最小二乘支持向量机的算法实现流程图。

五、具体实施方式

如图1所示，本发明所述的智能化浅层地能低温储粮系统，是由地源热泵空调子系统、数据采集子系统、多传感器数据融合子系统、粮库监控参数优化及控制子系统、参数动态自适应匹配及综合评价子系统以及多子库轮换式间歇运行子系统组成。

下面通过附图和实施例对本发明的技术方案进一步说明。

图2所示为智能化浅层地能低温储粮系统的结构，它是由地源热泵空调子系统和粮库两部分组成，其中地源热泵空调子系统包括地下埋管换热器1、冷却水泵16、冷凝器2、压缩机3、膨胀阀15、蒸发器4、冷冻水泵5、1#粮库9的空调末端8和流量调节阀6、2#粮库10的空调末端11和流量调节阀7、n#粮库的空调末端13和流量调节阀14。

地源热泵空调子系统是用铜管将压缩机3与冷凝器2的入口连接，冷凝器2的出口与膨胀阀15连接，膨胀阀15的另一端与蒸发器4的入口连接，蒸发器4的出口与压缩机3连接，蒸发器4的进出水口与空调末端8、11、13的进出水口连接，冷凝器2的进出水口与地下埋管换热器1的两端相连。其中系统冷源端通过冷却水泵16将冷却循环水抽到地下埋管换热器1，然后进入冷凝器2，从蒸发器4中吸收的热量连同压缩机3消耗的功率所转化的热量在冷凝器2中被冷却水带到地下，并通过地下埋管换热器1扩散到地表介质中。压缩机3将循环工质压缩后从低温低压处输送到高温高压处。经膨胀阀15流入的制冷剂液体在蒸发器4中蒸发，以吸收冷冻水的热量，达到制冷的目的。膨胀阀15对循环工质起到节流降压作用，并调节进入蒸发器4的循环工质流量。压缩机3连续工作，经过空调末端8、11、13的冷冻水将外界空气降温后并输送到粮库当中，粮库内的热量就会源源不断地被蒸发器4吸进，释放到冷凝器2中，从而使粮库降温。每个空调末端都配有辅助器件除湿器，目的就是降低输送到粮库中冷空气的水蒸气含量，保证粮库的湿度。

图3所示为低温储粮系统的监控中心的组成，包括上位机力控组态软件、智能算法模块、数据采集器、模拟量测量模块、温度传感器、湿度传感器、流量传感器、压差传感器、可编程逻辑控制器PLC。传感器与模拟量测量模块之间由两芯屏蔽双绞线进行连接，各传感器的模拟信号传输相互独立且互不干扰。模拟量测量模块由24V直流电源供电，具有8个模拟量采集通道，可以下接多个传感器。模拟量测量模块将传感器采集到的模拟信号转化为数字信号并由数据采集器集中采集，数据采集器与模拟量测量模块之间的通讯方式为RS485，通讯协议为Modbus-RTU，两者同是用两芯屏蔽双绞线连接，数据采集器支持web页面配置，支持多种通讯协议，具有多个RS485通讯接口，支持以太网输出，可以上传多个数据中心服务器。数据采集器将采集的数据通过基于TCP/IP协议的以太网与上位机力控组态软件进行通讯传输，由于数据采集器支持OPC接入，力控组态软件具有OPC驱动程序，所以以数据采集器作为OPC Server，上位机力控组态软件作为OPC Client，两者遵循OPC规范进行实时通讯传输。同时力控组态软件提供了第三方编程接口Dbcom，便于进行开发智能算法模块，该接口具有以下功能：通过Dbcom可以访问本地数据库，也可以是网络上其它远程主机上的数据库；通过Dbcom不但可以读取数据，而且可以设置数据；通过Dbcom不但可以读写数据，而且可以得到数据变化通知，即当数据变化时，用户定义的方法将被触发；通过Dbcom不但可以访问实时数据，而且可以检索历史数据。

监控中心通过上位机力控组态软件和可编程逻辑控制器PLC来实现控制功能。PLC通过基于TCP/IP协议的以太网与力控组态软件进行通讯，上位机通过调用智能算法模块进行粮库监控参数的优化，并由力控组态软件下发控制指令至PLC，PLC响应上位机的指令，并执行相应的动作，包括控制地源热泵空调机组、冷却水泵、冷冻水泵、空调末端和除湿器的开启和关闭；监控中心通过PLC控制流量调节阀，改变冷冻水的循环流量。

图4所示为监控中心的软件架构，包括系统监控界面、力控组态软件的实时数据库、I/O通讯接口、Dbcom编程接口四大部分。力控组态软件的最大特点是能以灵活多样的“组态方式”而不是编程方式来进行系统集成，它提供了良好的用户开发界面和简捷的工程实现方法，只要将其预设置的各种软件模块进行简单的“组态”，便可以非常容易地实现和完成监控层的各项功能，通过“组态”的方式可以大大缩短了自动化系统集成的时间，提高了集成效率。本发明利用C#和力控组态软件开发一个智能化的浅层地能低温储粮系统的监控中心，通过监控界面来实现对粮库的粮情进行动态监测与控制，系统监控界面组成包括粮情动态界面、数据报表查询、实时数据曲线、历史数据曲线、粮情报警功能、用户权限管理。粮情监控中心软件的开发步骤如下：

(1)在IO设备组态中，定义OPC设备，选择通讯方式；

(2)创建实时数据库，确定点参数，建立数据连接；

(3)组态系统画面，描绘粮库的储粮环境和显示粮情的动态状况；

(4)建立动画连接，对粮库的监控进行仿真，实时显示粮库的动态参数；

(5)编写脚本语言，对各种采集到的原始值进行计算处理；

(6)创建数据报表，实现对历史数据的查询，便于对粮库历史粮情的了解；

(7)生成数据曲线，包括实时曲线和历史曲线，直观地了解粮情的变化趋势；

(8)实现粮情报警功能，便于及时反映粮情，针对粮库的粮情作出相应的决策；

(9)实现用户管理功能，便于对低温储粮系统的在线监控的管理和完善；

(10)借助Dbcom编程接口，利用C#语言开发一个智能算法模块，包括基于高斯过程回归的数据融合算法和基于最优最差粒子群算法优化的最小二乘支持向量机的预测算法。

图5所示为本发明所述的多子库轮换式间歇运行方式。针对具有多个子粮库的低温储粮系统，本发明提出了一种节能减耗，降低成本的轮换式间歇运行方式。首先，通过传感器测量各子粮库内外温、湿度，粮堆内部温、湿度，流入空调末端的冷冻水进水温度，从空调末端流出的冷冻水出水温度，冷冻水流量，冷冻水进出水压差后，模拟信号由模拟量测量模块转化为数字信号，并由安装于各子粮库内的数据采集器采集后，基于以太网传输至上位机的监控中心；然后，上位机利用基于高斯过程回归的数据融合技术对各子粮库粮情参数的多传感器信息进行融合处理，得出融合值；最后，根据各子粮库实际储粮的温、湿度要求，判断各子粮库经过数据融合得到的温、湿度是否符合储粮的温、湿度要求，具体步骤如下：

(1)若某子粮库的温度小于或等于储粮的温度要求，而湿度大于储粮的湿度要求，则开启该子粮库的空调末端，进行密闭保温的同时开启除湿器，对输送到粮库的冷气进行除湿；

(2)若某子粮库的温度小于或等于储粮的温度要求，而湿度小于或等于储粮的湿度要求，则关闭该子粮库的空调末端，进行密闭保温的同时关闭除湿器；

(3)若某子粮库的温度大于储粮的温度要求，而湿度大于储粮的湿度要求，则开启该子粮库空调末端的同时开启除湿器，对输送到粮库的冷气进行除湿；

(4)若某子粮库的温度大于储粮的温度要求，而湿度小于或等于储粮的湿度要求，则开启该子粮库空调末端的同时关闭除湿器；

(5)若某子粮库的温度大于储粮的温度要求，则开启空调末端，同时，监控中心根据分布于空调末端冷冻水侧的多种传感器反馈回来的信息，利用基于最优最差粒子群算法优化的最小二乘支持向量机对该子粮库的需冷量进行预测，并按预测的需冷量计算出最佳冷冻水流量值，根据最佳冷冻水流量值调节该子粮库的冷冻水流量，在保证子粮库低温储粮的前提下，实现冷量供给与冷量需求的最佳匹配。

图6所示为本发明所述的基于高斯过程回归的多传感器数据融合。在粮食存储过程中，传统的单一传感器很难获得全面、丰富的粮情信息，无法满足对粮食存储环境的整体掌握的需要。因此，采用多传感器监测粮情已成为趋势。但是多传感器也带来了信息冗余甚至相互矛盾的现象，必须通过对各种传感器及其观测信息的合理支配与使用，使其采集的信息依据某种优化准则组合，产生对粮情环境一致性的解释和描述。如何对多传感器的数据进行多级别、多方面、多层次的处理，即如何组合或融合来自多个传感器或其他信息源的数据，是获得综合的、更好的估计的关键。由于粮情监测参数多、数据量大，采用单一的数据融合结构很难获得丰富、全面、准确的环境信息。因此，本发明采用高斯过程回归算法实现粮情参数多传感器信息的数据融合。在统计学理论中，高斯过程是这样的一个随机过程：其任意有限变量集合的分布都是高斯分布，即对任意整数n≥1及任意的一族随机变量X，与其对应的t时刻的过程状态f(x)的联合概率分布服从n维高斯分布。高斯过程的全部统计特征完全由它的均值和协方差函数来确定。在机器学习领域中，高斯过程则是指建立在高斯随机过程与贝叶斯学习理论的基础上发展起来的一种机器学习方法。数据融合的步骤大致如下：(1)对粮库粮情的若干数据建立学习样本集合，当影响粮库储粮的各主要因素的数量级相差较大或同一控制因素的离散性过大时，不利于GP的学习，需要对学习样本数据和预测样本数据进行标准归一化预处理；(2)明确高斯过程回归元模型结构，给定元模型拟合及预测精度要求，以粮库内外温、湿度和粮堆内部温、湿度的多个传感器信息作为输入，粮库的温、湿度作为输出；(3)对学习样本进行学习，确定高斯过程回归元模型中的协方差函数类型，确定高斯过程回归元模型中的超参数分布类型，采用优化算法确定高斯过程回归元模型中的超参数；(4)对元模型进行测试评价，利用寻找到最优超参数的高斯过程回归元模型预测测试样本，检查精度是否达到用户要求，如果达到要求，则元模型建模过程中止，如果没有达到要求，改变协方差函数类型，或者重新优化超参数；(5)得出粮库多传感器信息数据融合的最佳融合值，即粮库的温、湿度。

图7所示为本发明所述的基于最优最差粒子群算法优化的最小二乘支持向量机的粮库需冷量预测。采用基于最优最差粒子群算法优化的最小二乘支持向量机对各子粮库的需冷量进行预测，计算出最佳冷冻水流量值，实现对各子粮库冷冻水流量的动态控制调节。以各子粮库流入空调末端的冷冻水进水温度、从空调末端流出的冷冻水出水温度、冷冻水流量、冷冻水进出水压差、粮库外环境温度作为因变量，子粮库的需冷量作为果变量，根据最小二乘支持向量机的原理，建立粮库需冷量与影响需冷量的辅助变量之间的函数关系，根据历史数据样本，以及当前数据样本对子粮库的需冷量进行预测。然而，当冷量一定时，必有一个与之对应的最佳冷冻水流量值，根据具体实验出来的数据进行数据拟合，得到流量和冷量的对应函数，计算出预测需冷量所对应的最佳冷冻水流量值并返回监控中心，通过PLC控制流量调节阀，调节冷冻水的循环流量。

图8所示为最优最差粒子群算法优化的最小二乘支持向量机的算法实现流程。粮库的需冷量与影响冷量供给的因素之间的关系是一个复杂非线性过程，难以直接从机理上分析它们之间关系。支持向量机是一种优秀的机器学习方法，能够在不充分了解过程机理的条件下，通过对过程数据进行学习和建模，挖掘出过程参数之间隐含关系，逼近过程机理。然而，最小二乘支持向量机(LS-SVM)是利用最优化方法对标准支持向量机的一种变形，相比标准支持向量机(SVM)简化了计算复杂性，提高了支持向量的求解问题的速度和收敛精度，但是因为LS-SVM的回归模型包含了几乎所有样本，LS-SVM缺少了SVM方法的“稀疏”特性，使模型结构庞大，加大了模型在线估计的计算量。作为支持向量机的一种扩展，LS-SVM同样存在参数选择的问题。目前应用较多的是采用网格搜索和交叉验证相结合的支持向量机参数优化算法，但是这种参数寻优方法计算量较大，尤其是训练样本集较大时搜索过程非常费时，因此这种方法在使用上受到一定程度的限制。本发明提出一种改进的粒子群算法，即最优最差粒子群算法(BWPSO)来对LS-SVM的核函数参数和惩罚因子参数进行寻优。最优最差粒子群算法的应用，加速了最小二乘支持向量机核函数参数和惩罚因子参数寻优速度，获取更优的核函数参数和惩罚因子参数结果，提高求解速度和收敛精度。利用BWPSO算法寻找适合的核函数参数和惩罚因子参数，使粮库的需冷量预测模型能够最佳地反映影响冷量供给的因素与粮库需冷量的信息关系，为储粮控制系统的建立提供了新方法。

Claims (7)

1.智能化浅层地能低温储粮系统，其特征在于：该系统由地源热泵空调子系统、数据采集子系统、多传感器数据融合子系统、粮库监控参数优化及控制子系统、参数动态自适应匹配及综合评价子系统、以及多子库轮换式间歇运行子系统组成；

所述地源热泵空调子系统是由地下埋管换热器、冷凝器、压缩机、蒸发器、膨胀阀、冷却水泵、冷冻水泵、空调末端和除湿器组成，所述压缩机通过铜管与冷凝器的入口连接，冷凝器的出口与膨胀阀连接，膨胀阀的另一端与蒸发器的入口连接，蒸发器的出口与压缩机连接，蒸发器的进出水口分别与空调末端的两端相连，冷凝器的进出水口分别与地下埋管换热器的两端相连，冷却水泵作为冷却水循环的动力来源，冷冻水泵作为冷冻水循环的动力来源，所述空调末端与除湿器配合使用，所述除湿器作为空调末端的辅助器件；

所述数据采集子系统包括测量粮库内外温、湿度，粮堆内部温、湿度，流入空调末端的冷冻水进水温度，从空调末端流出的冷冻水出水温度，冷冻水流量，冷冻水进出水压差的多种传感器，与所述多种传感器相连接并用于将传感器测量得到的模拟信号转换为数字信号的模拟量测量模块，与所述模拟量测量模块相连接且通过RS485总线将数字信号集中采集的数据采集器；

所述多传感器数据融合子系统是将基于高斯过程回归的数据融合技术应用于粮库粮情的多传感器检测及数据融合处理当中，利用计算机技术获得粮库中若干传感器的检测信息，在一定规则下，通过对信息加以自动分析、优化综合，准确地获得储粮过程中粮库的最优监测参数；

所述粮库监控参数优化及控制子系统包括上位机力控组态软件、与力控组态软件基于以太网通讯并用来控制系统各设备动作的可编程逻辑控制器PLC、与所述PLC相连接的地源热泵机组、冷却水泵、冷冻水泵、空调末端、除湿器以及用于调节空调末端冷冻水流量大小的流量调节阀；上位机利用C#和力控组态软件开发储粮系统的监控中心，根据多传感器数据融合子系统反馈的融合信息与储粮的温、湿度要求，对粮库粮情进行自动化监控；

所述参数动态自适应匹配及综合评价子系统是利用最优最差粒子群算法优化的最小二乘支持向量机对粮库的需冷量进行预测，通过计算机进行数据拟合，计算出最佳冷冻水流量值，从而对冷冻水的流量进行动态控制，在保证粮库低温储粮的前提下，实现冷量供应与冷量需求的动态自适应匹配；

所述多子库轮换式间歇运行子系统包括多个子粮库、设置在所述子粮库里面的空调末端、与所述空调末端相对应且用于调节空调末端冷冻水流量的流量调节阀，根据不同子粮库实际监测的温、湿度和储粮的温、湿度要求，判断各子粮库的监测参数是否符合储粮的温、湿度要求，实现不同子粮库的自适应控制。

2.根据权利要求1所述的智能化浅层地能低温储粮系统的实现方法，其特征在于该方法包括如下步骤：

(1)关闭所有子粮库的门窗和通风口，使子粮库内部处于密闭状态；

(2)利用分布于各子粮库内外及粮堆内部的多种传感器，对各子粮库的粮情进行实时监测，并将多种传感器测量的信息反馈到上位机的监控中心；

(3)上位机利用C#和力控组态软件开发粮库粮情的自动化监控中心，根据各子粮库反馈的粮情信息，在上位机的监控中心对各子粮库进行自动判断、调节和控制，实现轮换式间歇运行自适应控制；

(4)若某子粮库的温度小于或等于储粮的温度要求，而湿度大于储粮的湿度要求，则开启该子粮库的空调末端，进行密闭保温的同时开启除湿器，对输送到粮库的冷气进行除湿；

(5)若某子粮库的温度小于或等于储粮的温度要求，而湿度小于或等于储粮的湿度要求，则关闭该子粮库的空调末端，进行密闭保温的同时关闭除湿器；

(6)若某子粮库的温度大于储粮的温度要求，而湿度大于储粮的湿度要求，则开启该子粮库空调末端的同时开启除湿器，对输送到粮库的冷气进行除湿；

(7)若某子粮库的温度大于储粮的温度要求，而湿度小于或等于储粮的湿度要求，则开启该子粮库空调末端的同时关闭除湿器；

(8)若某子粮库的温度大于储粮的温度要求，则开启空调末端，同时，监控中心根据分布于空调末端冷冻水侧的多种传感器反馈回来的信息，利用基于最优最差粒子群算法优化的最小二乘支持向量机对该子粮库的需冷量进行预测，并按预测的需冷量计算出最佳冷冻水流量值，监控中心根据最佳冷冻水流量值，下发控制指令至PLC，通过PLC控制流量调节阀，调节冷冻水的循环流量；

(9)在线监测空调末端的实际供冷量，并与该子粮库的预测需冷量进行比较，对预测控制效果进行评价，并根据评价结果，进行相应的修正调节；

(10)若检测到的实际供冷量小于预测需冷量，则调节流量调节阀，增大冷冻水流量，证该子粮库的冷量需求；

(11)若检测到的实际供冷量大于预测需冷量，则调节流量调节阀，减小冷冻水流量，减少多余冷量的输送；

(12)若所有子粮库均达到储粮的温、湿度要求后，上位机的监控中心下发控制指令至PLC，通过PLC控制地源热泵机组、冷冻水泵、冷却水泵、空调末端和除湿器的关闭。

3.根据权利要求1所述的智能化浅层地能低温储粮系统，其特征在于：所述浅层地能是指土壤低温热能，地源热泵空调子系统是以土壤低温热能作为冷源，地源热泵空调子系统为各子粮库提供冷量。

4.根据权利要求1所述的智能化浅层地能低温储粮系统，其特征在于：所述数据采集子系统中的数据采集器作为OPC Server，所述粮库监控参数优化及控制子系统中的上位机力控组态软件作为OPC Client，两者基于OPC规范进行实时通讯传输。

5.根据权利要求1所述的智能化浅层地能低温储粮系统，其特征在于：所述多传感器数据融合子系统是指将采集得到的粮库内外温、湿度以及粮堆内部温、湿度的多个传感器信息形成样本集，并进行归一化处理，明确高斯过程回归元模型的结构预测精度要求，对样本集进行学习，确定高斯过程回归元模型中的协方差函数类型，确定高斯过程回归元模型中的超参数分布类型，采用优化算法确定高斯过程回归元模型中的超参数，利用寻找到最优超参数的高斯过程回归元模型进行预测，得出粮库粮情多传感器信息数据融合的最佳融合值。

6.根据权利要求1所述的智能化浅层地能低温储粮系统，其特征在于：所述的粮库监控参数优化及控制子系统中的上位机力控组态软件通过Dbcom接口与用C#开发的智能算法模块进行数据交换，智能算法模块包括基于高斯过程回归的数据融合算法和基于最优最差粒子群算法优化的最小二乘支持向量机的预测算法。

7.根据权利要求1所述的智能化浅层地能低温储粮系统，其特征在于：所述参数动态自适应匹配及综合评价子系统是将基于最优最差粒子群算法优化的最小二乘支持向量机应用于粮库的需冷量预测当中，同时，利用最优最差粒子群算法对最小二乘支持向量机的核函数参数和惩罚因子参数进行寻优。

Images