CN106842923A - 基于作物生理和能耗优化的温室环境多因子协调控制方法 - Google Patents

Abstract

本发明涉及一种基于作物生理和能耗优化的温室环境多因子协调控制方法，该方法包括如下步骤：(1)获取温室环境因子初始设定值；(2)获取温室环境因子、作物生理参数和气候参数的实时值；(3)进行产量预测和能耗预测，以环境因子初始设定值为约束，以经济效益最大为目标对温室环境因子进行优化得到温室环境因子目标值；(4)将温室环境因子目标值输入至温室调控执行机构进行温室环境多因子协调控制；同一生长阶段重复执行(2)～(4)，进入下一生长阶段时返回(1)，重新获取环境因子初始设定值。与现有技术相比，本发明充分考虑了作物的生理信息和能耗对温室环境多因子进行控制，营造更适宜作物的生长环境，实现高产节能的温室运行。

Description

基于作物生理和能耗优化的温室环境多因子协调控制方法

技术领域

本发明涉及一种温室环境控制方法，尤其是涉及一种基于作物生理和能耗优化的温室环境多因子协调控制方法。

背景技术

温室气候自动控制是温室生产过程中的一项关键技术，它的目的是，根据作物生长各个不同时期对温室气候(主要指温室内的温度、湿度、光照、二氧化碳浓度等)的量化要求，通过计算机控制系统实现对温室气候指标的数据采集、处理，并由相应的自动控制算法，实现对温室气候的自动控制，营造作物生长的最适气候。该技术是提高温室作物的产量和质量的重要手段，也是实现自动调控作物上市时间的重要途径。

温室环境控制经历了从仅采用单纯的冬季保温措施到对植物生长所需多个条件进行控制的发展历程。目前荷兰、以色列、日本等一些农业发达的国家研制的温室已经可以成功地控制植物生长的几乎全部条件(温度、湿度、营养液、光等)。近几年来我国各地陆续从上述国家引进了一些这样的温室，但是在运行中这些温室普遍存在系统造价、运行费用高，不适应当地气候，控制效果不理想等诸多问题。

传统的温室环境自动控制算法以种植经验得到的数据作为算法的输入参数，旨在研究如何将温室环境控制好，同时满足控制精度、时间等需求。但是这些算法并没有考虑到温室的环境状态是否是最适应作物生长的，是否能够降低能耗，实现温室的长期经济运行。不仅如此，传统的温室调控算法多以控制温度、湿度为主，光照和CO₂的控制由于条件所限，还停留在基于专家经验通过设定阈值来进行调控，没有综合考虑能耗和作物生长的需求。但是自然光温室环境受室外环境的影响非常剧烈，阈值控制的方法很难达到作物产量和能耗的最佳优化组合，同时现有的控制方法多以离线设定阈值，在线反馈控制为主，难以应对天气的突然变化，因此会产生较高的能量消耗。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于作物生理和能耗优化的温室环境多因子协调控制方法。

本发明的目的可以通过以下技术方案来实现：

一种基于作物生理和能耗优化的温室环境多因子协调控制方法，该方法包括如下步骤：

(1)获取作物当前生长阶段的温室环境因子初始设定值；

(2)获取温室环境因子、作物生理参数和气候参数的实时值；

(3)根据温室环境因子、作物生理参数和气候参数的实时值输入至产量模型和能耗模型进行产量预测和能耗预测，同时结合产量预测值和能耗预测值，以温室环境因子初始设定值为约束，以经济效益最大为目标对温室环境因子进行优化得到温室环境因子目标值；

(4)将温室环境因子目标值输入至温室调控执行机构，同时将温室环境因子实时值反馈至温室调控执行机构，进而进行温室环境多因子协调控制；

在同一生长阶段重复执行(2)～(4)，当进入下一生长阶段，返回步骤(1)，重新获取环境因子初始设定值。

所述的温室环境因子为多因子参数，包括温度、CO₂浓度和光照强度。

所述的作物生理参数包括叶面积指数、气孔开度、光合作用速率和呼吸作用速率。

所述的产量模型为F₁：

其中，T为作物生长温度，CO₂为二氧化碳浓度，PAR为光照强度，f_CropYield为产量函数，[t₀,t_f]为作物生长时间区间。

所述的能耗模型为F₂：

其中，P_T为温度控制所需能耗，为二氧化碳浓度控制所需能耗，P_PAR为光照强度控制所需能耗，P_ACT为温室调控执行机构中的电能驱动机构所需能耗，[t₀,t_f]为作物生长时间区间。

与现有技术相比，本发明具有如下优点：

(1)本发明通过实时的温室环境因子、作物生理参数监测，周期性的作物生长状态检测，获取作物生长的环境状态和作物自身相关的生理生长状态，实现对作物全方位的监测，从而对作物生理和温室能耗以经济效益最高为目标进行优化，达到对温室环境的合理控制；

(2)本发明突破了传统温室环境控制算法，在作物生长阶段均进行温室环境因子的优化，从而使得在作物不同生长阶段的温室环境进行可靠控制；

(3)本发明采用先进优化算法，以产量和能耗为指标，有效、较高精度地控制温室环境，实现高产、低耗、高收益的温室运行。

附图说明

图1为本发明控制方法的结构框图；

图2为本发明基于作物生理和能耗优化的温室环境多因子协调控制方法的具体流程框图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

如图1、图2所示，一种基于作物生理和能耗优化的温室环境多因子协调控制方法，该方法包括如下步骤：

(1)获取作物当前生长阶段的温室环境因子初始设定值；

(2)获取温室环境因子、作物生理参数和气候参数的实时值；

(3)根据温室环境因子、作物生理参数和气候参数的实时值输入至产量模型和能耗模型进行产量预测和能耗预测，同时结合产量预测值和能耗预测值，以温室环境因子初始设定值为约束，以经济效益最大为目标对温室环境因子进行优化得到温室环境因子目标值；

(4)将温室环境因子目标值输入至温室调控执行机构，同时将温室环境因子实时值反馈至温室调控执行机构，进而进行温室环境多因子协调控制；

在同一生长阶段重复执行(2)～(4)，当进入下一生长阶段，返回步骤(1)，重新获取环境因子初始设定值。

温室环境因子为多因子参数，包括温度、CO₂浓度和光照强度。作物生理参数包括叶面积指数、气孔开度、光合作用速率和呼吸作用速率。

产量模型为F₁：

其中，T为作物生长温度，CO₂为二氧化碳浓度，PAR为光照强度，f_CropYield为产量函数，[t₀,t_f]为作物生长时间区间。

能耗模型为F₂：

其中，P_T为温度控制所需能耗，为二氧化碳浓度控制所需能耗，P_PAR为光照强度控制所需能耗，P_ACT为温室调控执行机构中的电能驱动机构所需能耗，[t₀,t_f]为作物生长时间区间。

具体地，如图1所示，基于作物生理和能耗优化的温室环境多因子协调优化控制算法的结构框图，分为开环控制目标优化层和生产过程控制层。开环控制目标优化层主要基于能量消耗模型和作物产量模型，根据温室作物生产管理计算机辅助系统提供生产条件、环境变量等的约束条件，以经济效益为目标函数进行优化，从而对温室环境因子进行调整，以实现环境控制目标设定值的优化，使之满足作物生长的同时节省能耗；生产过程控制层主要根据上层设定的环境控制目标，对温室内的执行机构进行反馈调节，使之满足控制目标，图中温室环境因子目标值，初始值选用x(0)，对于非初始值x^*(t)为采用本发明方法进行优化所得的最优温室环境目标值，将此值输入至环境调节执行机构进行温室环境因子的调节，即可实现温室的高效多因子协调控制。

在温室实际生产过程中，具体按照下述步骤进行：

(a)温室环境采集系统通过温度、湿度、光照、CO₂浓度、作物光合作用速率等传感器、实时获取温室环境信息及作物生理信息；

(b)以当前检测到的作物产量为输入，结合长期、粗放的环境预测模型、产量模型、能耗模型、作物市场价格模型最大化最终的经济收益，并以此为准，反推并规划从当前时刻到作物收获期间的作物不同生长阶段的产量目标，选择下一阶段的目标带入步骤(c)-(d)中进行优化，丢弃其他阶段的规划目标，实现滚动式优化；

(c)分别以产量和能耗作为两个性能指标，结合阶段性的产量指标，优化温度、CO₂浓度和光照强度三个环境目标，进行精细化控制，达到高产节能的目的。

(d)采用多目标优化算法，高效、快速地计算、比较不同组合的<T,CO₂,PAR>情况下对应的产量和能耗两个性能指标函数，给出产量-能耗的Pareto解集，并结合用户偏好给出最终的调控决策；

(e)在作物生长的同一个阶段(以周、月为单位)，不同的温室环境控制周期内重复步骤(c)-(d)，实现实时在线的优化方法；在不同的生长阶段，不同温室环境控制周期内重复(b)-(d)，检测作物产量，修正产量模型带来的误差，重新规划下一阶段的产量目标。

基于作物生理信息的温室环境多因子协调控制算法所需数据有环境数据、作物生理信息数据如光合作用速率等实时数据，还有作物产量等较长时间的数据，因此实现精细化的控制也须考虑到不同时间尺度问题。首先，从天气预报网站中获取当前的室外天气，结合往年季节气候变化特点，通过长期天气预测模型得到粗略的室外环境的预测值，考虑当前的能源价格和作物的市场价格以及当前作物的生长状态，并结合温室结构参数，通过室内环境预测模型，作物模型，优化最终的作物产量和能耗两个指标，以获取最大净利润为目的，制定作物生长每个阶段(以能够检测出作物产量变化的时间为一个阶段，本算法中设定为两周)的阶段产量目标，并只取全程优化中的下一阶段的产量目标；

(2)以制定的下一阶段的产量目标为输入，计算每一控制周期的环境目标值作为控制的设定值，并在下一阶段中的不同控制周期(温室的控制周期通常为15分钟)中，循环进行第二步的精细化环境控制，分为两层结构，第一层为基于作物产量、能耗的控制目标优化层，其控制流程如附图2所示，获取以上各类信息后，结合专家经验判断室内环境是否处在合理范围内，如果不是，则执行基于人工经验的多因子协调算法将环境控制在合理范围内。多因子协调算法主要是基于人工经验的调节。

(3)同时，合理范围的环境目标设定值并不是最优的，因此，在此范围内还需根据如下性能函数进行下一步的计算，通过衡量两个性能指标进行优化得到最优环境目标的设定。

式中目标函数F₁为作物产量模型，输入分别为作物生长温度T，二氧化碳浓度CO₂和光照强度PAR，f_CropYield为产量函数，[t₀,t_f]为作物生长时间区间。

P_T为温度控制所需能耗，为二氧化碳浓度控制所需能耗，P_PAR为光照强度控制所需能耗，P_ACT为温室调控执行机构中的电能驱动机构所需能耗，[t₀,t_f]为作物生长时间区间。

(4)以周期内的作物产量和能耗为性能指标，并以设定值为基准，优化过程可采用运算速度较快的粒子群优化算法，以环境变量作为粒子的位置，干物质增量和能耗作为粒子的两个性能指标，通过迭代的方法，更新粒子位置(粒子位置由<温度T，CO2浓度C，光照强度L>表示)、速度(表示寻优的方向和步长)，也即不断重复(2)中能耗和产量的计算过程，其迭代过程如下：

V_k+1,d＝ω*V_k,d+C₁*R₁*(P_best,k,d-X_k,d)+C₂*R₂*(G_best,k,d-X_k,d)，

X_k+1,d＝X_k,d+V_k+1,d，

式中V _k+1,d是第(k+1)代d维粒子的速度，它由个体最优粒子P_best,k,d和全局最优粒子G_best,k,d决定，X_k+1,d是下一代的最优粒子位置，由前一代的粒子位置和更新后的粒子速度决定。

(5)通过(4)中粒子群优化算法优化环境控制目标(温度T、CO2浓度、光照强度PAR)，直至找到最终的干物质-能耗的Pareto曲面，即所有的非支配解，并结合实时的市场价格制定合理的权重，得到优化后的最优解，最终得到下一控制周期的决策，

(6)以优化层的计算结果作为第二层即生产过程控制层的输入，分别控制不同的执行机构，达到上述目标设定。

Claims (5)

1.一种基于作物生理和能耗优化的温室环境多因子协调控制方法，其特征在于，该方法包括如下步骤：

(1)获取作物当前生长阶段的温室环境因子初始设定值；

(2)获取温室环境因子、作物生理参数和气候参数的实时值；

(3)根据温室环境因子、作物生理参数和气候参数的实时值输入至产量模型和能耗模型进行产量预测和能耗预测，同时结合产量预测值和能耗预测值，以温室环境因子初始设定值为约束，以经济效益最大为目标对温室环境因子进行优化得到温室环境因子目标值；

(4)将温室环境因子目标值输入至温室调控执行机构，同时将温室环境因子实时值反馈至温室调控执行机构，进而进行温室环境多因子协调控制；

在同一生长阶段重复执行(2)～(4)，当进入下一生长阶段，返回步骤(1)，重新获取环境因子初始设定值。

2.根据权利要求1所述的一种基于作物生理和能耗优化的温室环境多因子协调控制方法，其特征在于，所述的温室环境因子为多因子参数，包括温度、CO₂浓度和光照强度。

3.根据权利要求1所述的一种基于作物生理和能耗优化的温室环境多因子协调控制方法，其特征在于，所述的作物生理参数包括叶面积指数、气孔开度、光合作用速率和呼吸作用速率。

4.根据权利要求1所述的一种基于作物生理和能耗优化的温室环境多因子协调控制方法，其特征在于，所述的产量模型为F₁：

$F_1={\&Integral;}_{t_0}^{t_f}{f}_{CropYield}(T,{\mathrm{CO}}_2,PAR)dt,$

其中，T为作物生长温度，CO₂为二氧化碳浓度，PAR为光照强度，f_CropYield为产量函数，[t₀,t_f]为作物生长时间区间。

5.根据权利要求1所述的一种基于作物生理和能耗优化的温室环境多因子协调控制方法，其特征在于，所述的能耗模型为F₂：

$F_2={\&Integral;}_{t_0}^{t_f}(P_T+P_{{\mathrm{CO}}_2}+P_{PAR}+P_{ACT})dt,$

其中，P_T为温度控制所需能耗，为二氧化碳浓度控制所需能耗，P_PAR为光照强度控制所需能耗，P_ACT为温室调控执行机构中的电能驱动机构所需能耗，[t₀,t_f]为作物生长时间区间。