CN107045367B - 一种温室环境多因子协调节能优化控制方法 - Google Patents

Abstract

本发明涉及一种温室环境多因子协调节能优化控制方法，包括以下步骤：1)设定作物在各个生长时期的期望日平均温度，并获得未来七日天气预报数据；2)预估温室通风系统状态；3)根据步骤1)和步骤2)采用多因子协调算法设定温室内各环境因子设定值，所述环境因子包括温度、湿度、光照辐射强度和二氧化碳浓度；4)获得环境因子实时值，根据所述环境因子设定值调控温室内相应执行机构。与现有技术相比，本发明运用了积温等作物生理特性，有效降低温室能耗，同时采用对应的策略将温室环境次要因子等效协调到温度主因子上，既保证了温室调控的精准与效率，又避免了不必要的能耗浪费，节约了调控的成本，保证了控制的精准有效。

Description

一种温室环境多因子协调节能优化控制方法

技术领域

本发明涉及农业环境控制技术领域，尤其是涉及一种温室环境多因子协调节能优化控制方法。

背景技术

温室是实现设施农业和工厂化农业的基础设施。温室环境控制是在充分利用自然资源的基础上，通过改变温室环境因子如温度、湿度、光照、二氧化碳等来满足作物生长各个生育期对温室气候的量化要求，通过计算机控制系统实现对温室气候数据的采集处理，并由相应的自动控制算法，实现对温室通风系统(天窗及侧窗)、遮阳系统、保温系统、加热系统、降温系统、二氧化碳释放系统的等执行机构的调控，从而实现对温室气候的自动控制，营造适宜作物生长的室内气候条件(也称小气候)。该技术是提高温室作物产量和质量进行大规模工厂化生产的重要手段，也是调控作物上市时间的重要途径。

经过30多年的发展，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。然而，相对于发达国家，我国温室生产的总体效率仍然较低。其原因是国内缺乏对温室能耗的有效管控，虽然能够精确调控室内环境实现增产，但所付出的能耗代价太高经济效益低下，未能真正增加农民收入。温室生产能耗过高主要因为下几个原因：

1.温室环境因子设定值不合理。不合理的温度设定值源于对温室管理与过程控制的时间尺度处理不合理。以樱桃番茄为例，作物整个生长周期可长达300天，而对于室内环境过程控制而言，通常以“分钟”、“小时”为时间单位。目前的温室环境控制算法，有的片面强调整个生产周期的能耗管理忽视了过程控制，无法实现短时间尺度内对环境的精确调控，造成产量过低，影响农户收入；有的则片面强调短时间尺度小气候的精确控制，而忽视了整个生产周期能耗的管理，能耗过高导致成本过高，也影响农户收入。这些算法中的温度设定值必然也是不合理的。很多基于经验的温室环境控制算法采用静态工作点控制算法，采用简单的温度作为单变量，来控制温室内的温度。这种做法具有简单易操作等优势，充分利用了作物对于环境的适应性这一优势，但缺点也是很明显的，一是在遭遇高温或寒潮等极端恶劣天气，降温或加热系统负荷增高，会给温室调控增加极大的能耗；二是无法满足作物对除温度以外的环境因子(如湿度、二氧化碳浓度)的需求。

2.调控手段及环境因子间不协调。温室内与作物生长相关的环境因子众多，执行机构系统繁多，调控手段多样。各种控制手段的调控效果，控制强度以及所需能耗也各不相同，有时不同手段调节结果甚至是互相冲突的。不合理的调控手段也会加大能耗，例如，冬季室外气温较低而温室内湿度较高，过低的温度不利于作物生长，过高的湿度可能会造成作物烂根等危害。从温度方面考虑需要对温室进行加热，而从通风方面考虑需要对温室进行通风以便除湿，而通风又会造成大量的热量流失，增加温室生产的成本。

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温室环境多因子协调节能优化控制方法，将温室环境次要因子等效协调到温度主因子上，同时保证执行机构之间相协调，既保证了温室调控的精准与效率，又避免了不必要的能耗浪费，节约了调控的成本。

本发明的目的可以通过以下技术方案来实现：

一种温室环境多因子协调节能优化控制方法，包括以下步骤：

1)设定作物在各个生长时期的期望日平均温度，并获得未来七日天气预报数据；

2)预估温室通风系统状态；

3)根据步骤1)和步骤2)采用多因子协调算法设定温室内各环境因子设定值，所述环境因子包括温度、湿度、光照辐射强度和二氧化碳浓度；

4)获得环境因子实时值，根据所述环境因子设定值调控温室内相应执行机构。

所述步骤3)中，对温度进行设定的具体过程为：

A1)根据每周作物所处生长期确定周平均温度；

A2)根据期望日平均温度和天气预报数据，采用滚动优化方式计算未来七日的最优日平均温度，滚动优化的频率为每日一次，滚动优化时采用的性能函数J₁为：

式中，q_tomη_DMFMDM_Har(T_Di)表示第i日的日平均温度为T_Di时作物产生的经济收入，q_tom表示作物单价，η_DMFM表示果实干重到果实鲜重的转化因子，DM_Har表示收获的果实干物质产量，q_heatQ_heat(T_Di)表示第i日平均温度为T_Di时的加热能耗成本，q_heat表示加热能量的单价，Q_heat表示加热能耗，

滚动优化时采用的约束条件包括七日累积温度条件和室内温度上下限条件；

A3)采用滚动优化方式计算满足所述最优日平均温度约束下的当日小时平均温度，滚动优化的频率为每小时一次，滚动优化时采用的性能函数J₂为：

式中，T_Hj表示第j小时的小时平均温度；

滚动优化时采用的约束条件日累积温度条件、室内温度上下限条件、白天平均温度条件和相邻小时温差上限条件。

所述作物所处生长期包括苗期、生长期和果期。

获取所述作物产生的经济收入时，把作物产量或果实干物质等效分布到作物生长的每一生长发育阶段。

所述步骤3)中，对二氧化碳浓度进行设定的具体过程为：

在每个小时内，以当前的温度设定值和天气预报数据中的光照数据为条件，以二氧化碳浓度设定值为优化变量，以最大化控制步的经济效益总和为目标，进行优化，计算获得各控制步的二氧化碳浓度设定值，所述优化过程采用的经济效益总和，即性能函数J₃为：

式中，CO_2,k表示第k个控制步的二氧化碳浓度设定值，q_tom表示农产品单价，η_DMFM表示果实干重到果实鲜重的转化因子，η_PDM表示光合产物转化为干物质的转化因子，P表示控制周期内光合总产量，表示二氧化碳单位，表示二氧化碳释放量，s表示一个小时内控制步总数。

所述控制步为15分钟。

所述步骤2)中，预估温室通风系统状态具体为：

将天气预报数据中的温度值作为室外温度，将所述室外温度与结霜温度和通风温度进行比较，根据比较结果获得通风系统的开启程度。

所述步骤4)中，调控温室内相应执行机构时，以调控温室环境因子间相互协调及调控手段相互协调为原则。

所述步骤4)中，对温室进行调控时，具体包括温度控制、湿度控制、光照控制、二氧化碳控制和通风控制。

所述步骤4)中，对温室进行调控时，加权线性函数T来决定各控制手段的动作，所述加权线性函数T的表达式为：

T(m_co2,m_T,m_R,m_H)＝α×F(m_co2set,m_Tset,m_Rset,m_Hset)+β·G(m_co2in,m_Tin,m_Rin,m_Hin)+λ·H(m_Tout,m_Rout,m_Hout,Fv,P_rain)

式中，T表示具体控制手段，F表示人工设定参数值函数，G表示室内环境参数，H表示室外环境参数，α,β,λ分别表示对应的权值；m_co2表示二氧化碳释放量，m_T表示目标温度，m_R表示光照目标辐射量，m_H表示目标湿度，m_co2set表示室内二氧化碳浓度设定值，m_Tset表示室内温度设定值，m_Rset表示室内光照辐射量设定值，m_Hset表示室内湿度设定值，m_co2in表示室内二氧化碳浓度，m_Tin表示室内温度，m_Rin表示室内光照辐射量，m_Hin表示室内湿度，m_co2out表示室外二氧化碳浓度，m_Tout表示室外温度，m_Rout表示室外光照辐射量，m_Hout表示室外湿度，Fv表示室外风速，P_rain表示室外雨量。

与现有技术相比，本发明具有以下有益效果：

1、本发明对各温室环境因子的设定值获取方法进行了协调设计，有效降低温室能耗实现增收。在农业经验的基础上，对植物产量影响较大的环境因子设定值做了优化，达到节能与增收的目的。

2、本发明运用了积温等作物生理特性，结合室外气象预报预测室外天气，在保证温室产量的前提下，以降低温室能耗为出发点，用数值求解的方法，在保证作物积温需求的前提下，环境设定值随着室外气象改变，由此得到的动态的温室环境设定值，相较于传统的静态工作点节能效果更为显著。

3、在调控手段方面，本发明采用对应的策略将温室环境次要因子等效协调到温度主因子上，同时保证执行机构之间相协调，既保证了温室调控的精准与效率，又避免了不必要的能耗浪费，节约了调控的成本，保证了控制的精准有效。

4、本发明采用多时间尺度分层递阶滚动优化的方式对温度设定值进行寻优，其中，在计算七日日平均温度进采用滚动优化，消除了分层递阶过程中周与周之间的边界，解决了一周跨生理阶段的问题；在计算小时平均温度进采用滚动优化，用当日已过去时间的实际温度修正了偏差，可以保证达到最优的日平均温度。

5、结合一周室外天气预报，通过对室内日平均温度的优化，依据室外日均温度的区别，将一周内对积温分配至每一天，从而节约能耗。

6、本申请在每个小时内以控制步对变化速率较快的二氧化碳浓度进行优化，计算结果更为准确。依据室外的光照强度，确定二氧化碳的设定值，通过在光照较强时释放二氧化碳，起到既促进光合作用又避免浪费的目的。

7、本发明以调控环境因子间相互协调及调控手段相互协调为原则，调控温室内相应执行机构，次类因子(如湿度、光照等)均设法与主要因子(如温度)相协调，建立协调关系函数，从而将复杂的多因子控制变成以温度单因子为主的多因子协调控制，再辅之以前馈和反馈控制消除“协调”带来的某些不确定性，解决温室环境多因子严重耦合的问题，达到多因子的控制目的。

附图说明

图1为温室环境控制系统结构图；

图2为节能的温室控制流程图；

图3为基于积温的温室环境设定值节能优化原理图；

图4为基于积温的温室环境设定值节能优化流程图；

图5为室内湿度对温度的影响关系图；

图6为室外光照对温度的影响关系图；

图7为室内湿度修正通风温度流程图；

图8为室外光照辐射修正通风温度流程图；

图9为执行机构控制流程图；

图10为天窗控制流程图。

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。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本实施例提供一种温室环境多因子协调节能优化控制方法，运用了积温等作物生理特性，结合室外气象预报预测室外天气，在保证温室产量的前提下，以降低温室能耗为出发点，用数值求解的方法，在保证作物积温需求的前提下，环境设定值随着室外气象改变，由此得到的动态的温室环境设定值，相较于传统的静态工作点节能效果更为显著，同时采用对应的策略将温室环境次要因子等效协调到温度主因子上，同时保证执行机构之间相协调，既保证了温室调控的精准与效率，又避免了不必要的能耗浪费，节约了调控的成本。

温室环境是一个多因子的控制系统，达到温室多因子控制目标的控制手段(执行机构)有很多，如图1所示。本发明控制方法在充分了解温室调控技术的基础上，对温室环境控制进行了简化：

a)在温室顶部布置环流风机，加快空气循环，尽量使温室内部环境参数分布大致相同；

b)依据光照辐射强度不同，将室外天气分为晴，多云，阴，雨四种情况(对应光照辐射强度临界点为mR0,mR1,mR2)。

如图2所示，本实施例提供的温室环境多因子协调节能优化控制方法包括如下步骤：

(1)初始化。设定作物在各个生长时期的期望日平均温度，该温度是由园艺经验得到的，并获取七日天气预报数据。以定值后的番茄为例，种植经验总结如表1。

表1 番茄各生长时期持续天数及期望平均温度

七日天气预报数据包括一周内每日的：室外温度、湿度、光照强度、雨量、风速、风向等。

此处选七日的依据是：一方面作物发育直接受到积温的影响，积温的计算时间不宜过短，另一方面，天气预报如果时间过长，其准确性得不到保证，目前常用较为准确的气象预报时间长度为一周。

(2)使用多因子协调算法预估温室的通风系统状态。预估方法为将室外温度与通风温度作比较，具体参见步骤(407)与图10。

(3)设定室内温度、湿度、光照辐射强度、二氧化碳浓度等环境因子的设定值。其中温度和二氧化碳浓度是通过优化得到，这是本发明的一个创新点，湿度与光照辐射强度设定值根据园艺经验设定的，以番茄为例，湿度为苗期55％，生长期70％，果期80％，光照补偿点为3千lux，饱和点7万lux，适宜区间为4-5万lux。

温度和二氧化碳浓度的优化过程采用多时间尺度分层递阶滚动优化的方式，优化性能函数为经济效益函数E，该经济效益函数在各个时间尺度内有所区别。优化方法可选用遗传算法、粒子群算法等寻优算法。

温室环境控制的经济效益函数E[元/m²]为：

E＝Q_cropyield-Q_var

式中Q_cropyield[元/m²]为温室作物产生的经济收入，Q_var[元/m²]为温室经营的可变支出。

温室作物产生的经济收入Q_cropyield[元/m²]可用下式表示：

Q_cropyield＝q_tom×η_DMFM×DM_Har

式中q_tom[元/mg]为农产品单价，η_DMFM果实干重(干物质质量)到果实鲜重(果实产量)的转化因子，依据农业经验其取值一般位于7-20之间，DM_Har[mg/m²]为收获的果实干物质产量。

对于果蔬类作物，果实在作物进入生殖生长后的某一阶段才开始出现，为保证上述经济收入持续可估算，需要把作物产量或果实干物质等效分布到作物生长的每一生长发育阶段，这也是本发明的一个创新点。例如可参照齐维强研究的基于积温的番茄生长发育Logistic模型，构建作物果实干物质产量DM_Har在整个生产期的Logistic等效分布Y’：

式中，Y₀为与采收时刻作物总产量相关的辨识参数，PT为温室有效积温，a、b为辨识系数，参考相应文献设定上述参数值Y₀＝395.2275，a＝5.5616，b＝-0.004023。

或者采用Vanthoor模型中的生物量即缓冲区内碳水化合物C_Buf或者叶面积指数LAI作为等效产量的考量指标。

温室经营的可变支出Q_var[元/m²]，表述为：

Q_var＝Q_plant+Q_water+Q_CO2+Q_energy

其中，Q_plant[元/m²]代表与种植相关的成本，如种子和肥料等费用，Q_water[元/m²]表示水消耗的成本，Q_CO2[元/m²]表示二氧化碳增施消耗的成本，Q_energy[元/m²]表示加热和降温能消耗的成本。本发明的内容主要针对温室小气候控制，故不考虑灌溉用水，故可变成本支出中可将种植成本Q_plant与用水成本Q_water视为常数参量，不参与上述优化过程。

温室能耗模型描述如下：

ΔQ＝Q_rad+Q_heat-Q_cond-Q_vent-Q_tran

式中ΔQ为温室内能变化，Q_rad[J]为通过太阳光照辐射增加的能量，Q_heat[J]为加热系统输入温室的能量，Q_cond[J]为温室传导损失的能量，Q_vent[J]为温室通风损失的能量，Q_tran[J]为作物蒸腾作用消耗的潜热。

根据热力学知识，温室内能的变化量计算公式如下：

ΔQ＝ρC_pΔTV_gh

式中ρ为空气密度[kg/m³]，C_p为空气定压热容[J kg^-1 K^-1]，ΔT为温度变化量[K]，V_gh[m³]为温室体积。

Q_rad可用下式计算：

Q_rad＝τ_rad·I_Glob·S_gh

式中τ_rad为太阳辐射透过率，取值为0.78，I_Glob[W m^-2]为室外光照辐射强度，S_gh为[m²]温室面积。

温室内单位时间传导换热和通风换热可以用下式计算^[30]：

式中U_gh[W m^-2 K^-1]为热损值，玻璃温室取值为6.5，A_gh[m²]为温室的表面积，T_in、T_out[K]分别为温室室内外的温度，W为风速因子，其取值受温室附近风速影响，取值1-1.075，U_vent为通风控制量，V_gh[m³]为温室的体积，E为空气换热系数，玻璃温室其取值为1.08。

由于蒸腾作用的热交换主要是植物与温室环境间的过程，温室调控中通常将作物与温室环境视为一个整体，暂时将其视为固定参数。

二氧化碳消耗模型描述如下：

温室内二氧化碳浓度变化是作物光合作用、呼吸作用、通风以及增补二氧化碳共同作用的结果，平衡模型如下：

式中，C_i为温室中二氧化碳浓度[kg m^-3]，h[m]为温室的高度，C_g为温室内增补二氧化碳速率[kg m^-2 s^-1]，C_i,o为通风引起的二氧化碳变化速率[kg m^-2 s^-1]，C_gl表示温室内光合作用吸收二氧化碳速率[kg m^-2 s^-1]，C_c,resp和C_s,resp分别表示作物呼吸作用和土壤呼吸作用释放二氧化碳速率[kg m^-2 s^-1]。

多数温室中在寒冷的冬天会在地表上覆盖一层保温膜，土壤的呼吸作用C_s,resp可以忽略；出于冬季保温节能的需要，天窗绝大多数时间处于小角度或全关状态，通风引起的二氧化碳变化C_i,o也可以忽略；光合作用和呼吸作用引起的二氧化碳变化量C_gl与C_c,resp可以参照作物生理模型计算，如番茄作物可使用Vanthoor、TOMGRO等作物生理模型。

步骤(3)逻辑原理及具体步骤分别如图3和图4所示，具体为：

(301)根据每周作物所处生长期确定每周平均温度T_M1，T_M2……T_Mm。根据长期的园艺经验，作物按照不同的生理特征及对环境的不同需求，可分为苗期、生长期、果期3个生长阶段，步骤(1)已设定各个生长阶段的期望日平均温度(即最佳日均温度)T_N1，T_N2，T_N3，则可由每周作物所处生长期获得每周的平均温度T_M1，T_M2……T_Mm。作物在某生长阶段P的平均温度其中T(t)为时间段内温室内任意时刻的温度值，P表示生长阶段P的时间长度。若以周为时间单位，则可表述为(P＝N1，N2，N3)。以第i周为例，若处于果期则T_Mi＝T_N3。

(302)每日00：00计算七日内每日平均温度。

将一周划分为七日，输入七日天气预报结合作物生理模型、温室能耗模型，代入相应的经济效益模型，以最大化温室调控的经济效益为目标，以滚动优化方式将下一周的累积温度分配至每一天，求得一周内每天平均温度T_D1，T_D2……T_D7。采用滚动优化的方式，消除了分层递阶过程中周与周之间的边界，解决了一周跨生理阶段的问题，这也是本发明的创新点之一。由于本步骤中主要考虑温度因子，每日的经济效益表现为作物的经济收入与加热能耗成本之差，性能函数J₁为：

式中，q_tom[元/mg]为农产品单价，η_DMFM果实干重到果实鲜重的转化因子，DM_Har[mg/m²]为收获的果实干物质产量，q_heat[元/J]为加热能量的单价，Q_heat[J/m²]为加热能耗。

滚动优化时采用的约束条件包括七日累积温度条件和室内温度上下限条件。

本层的优化主要目的是将一周的平均温度(本层优化将一周作为一个周期)，依据外部气象天气的变化，以节能为目标将平均温度分配到一周内的每一天。目标为经济效益最高，同时有耐受温度的约束，依次滚动迭代优化出每天的平均温度。结合以上分析，本层优化问题可归纳为带约束的非线性最大优化问题。

为方便说明问题，以第一周七天和第二周七天为例，假设未来一周的室外天气总是可准确预报的，并且考虑到满足积温的需求，那么这两周中每一天的最优日平均温度按如下滚动优化获得，将迭代过程细节阐述如下：

第1日凌晨00：00进行第1周第1次迭代优化，以确定第1天平均温度：

T_D＝[T_D1,T_D2,T_D3,T_D4,T_D5,T_D6,T_D7]

W_D＝[W_D1,W_D2,W_D3,W_D4,W_D5,W_D6,W_D7]

其中，J₁代表经济效益目标函数，T_min、T_max分别为允许的室内温度上下限，T_M1为第1周平均温度，W_D为室外一周的天气预报向量，作为J₁的固定输入。考虑到温度控制要满足作物对积温的需求，每日温度应等于每周积温需求。那么第1天的最优日平均温度为T_D1,opt，但T_D2,opt～T_D7,opt并不直接设定为第2至第7天的最优日平均温度，因为实际上，第2至第7天的最终实际日平均温度与在第1次迭代中获得的最优日平均温度必然存在一定的差异，这种差异必须要在后面的迭代优化中获得补偿。

第2日凌晨00：00进行第1周第2次迭代优化，以确定第2天平均温度：

T′_D＝[T′_D2,T′_D3,T′_D4,T′_D5,T′_D6,T′_D7,T′_D8]

W_D＝[W_D2,W_D3,W_D4,W_D5,W_D6,W_D7,W_D8]

其中，T′_D,opt为第2次迭代优化出来的日平均温度，T_D1为第一日实际平均温度，T_M1为第1周平均温度，T_M2为第二周的平均温度，为了克服边界的影响，以滚动方式进行优化，滚动体现在下七日平均温度的约束中，即第2-8日平均温度的优化结果的总和第2-8日温度之和减第1日实际温度。那么第二天的最优日平均温度可取为T′_D2,opt。

依此类推，第7日凌晨00：00进行第1周第7次迭代优化，以确定第7天平均温度：

W_D＝[W_D7,W_D8,W_D9,W_D10,W_D11,W_D12,W_D13]

其中，W_D为室外一周的天气预报向量，T_D1-T_D6为第1-6日实际平均温度，T_M1为第1周平均温度，T_M2为第二周的平均温度。考虑到温度控制要满足作物对积温的需求，每日温度应等于每周积温需求。那么第7天的最优日平均温度为但并不直接设定为第8至第13天的最优日平均温度。

以此类推，在每一次迭代过程中，约束条件都要累加未来7日平均温度以保证总积温符合作物生长需求。而每一天的最优平均温度都取自每一次迭代的第1个变量。综上以第一周为例整个迭代过程表示如下：

依此类推，第8日凌晨00：00进行第2周第1次迭代优化，以确定第8天平均温度：

T_D＝[T_D8,T_D9,T_D10,T_D11,T_D12,T_D13,T_D14]

W_D＝[W_D8,W_D9,W_D10,W_D11,W_D12,W_D13,W_D14]

其中，T_M2为第二周平均温度，W_D为室外一周的天气预报向量。考虑到温度控制要满足作物对积温的需求，每日温度应等于每周积温需求。那么第8天的最优日平均温度为T_D8,opt，但T_D9,opt～T_D14,opt并不直接设定为第9至第14天的最优日平均温度。

(303)取步骤(302)获得的第一日平均温度计算结果作为优化的约束条件，各整点计算到该时刻到下一整点的温度设定值。

由于光合作用与白天的温室环境关系较为密切，而每日的光照变化较为剧烈，可结合各小时阴晴状况进行得到估算。输入以小时为单位的天气预报结合作物生理模型、温室能耗模型，以最大化温室调控的经济效益为目标，滚动优化求取满足步骤(302)求取的满足日平均温度约束时下各小时的平均温度T_H1,T_H2……T_H24。采用滚动优化的方式，用当日已过去时间的实际温度修正了偏差，可以保证达到日平均温度，这也是本发明的创新点之一。由于本步骤中主要考虑温度因子，每日的经济效益表现为作物的经济收入与加热能耗成本之差，性能函数J₂为：

式中，[元/mg]q_tom为农产品单价，η_DMFM果实干重到果实鲜重的转化因子，DM_Har[mg/m²]为收获的果实干物质产量，q_heat[元/J]为加热能量的单价，Q_heat[J/m²]为加热能耗。值得注意的是，由于夜间不具有自然光照，作物不进行光合作用，不产生光合产物。

滚动优化时采用的约束条件日累积温度条件、室内温度上下限条件、白天平均温度条件和相邻小时温差上限条件。

为方便说明问题，以室外天气寒潮的某一天的温度优化为例，假设未来这一天的室外天气总是可准确预报的，那么这一天中每小时级的温室内最优平均温度按如下滚动优化方法获得：

第1日凌晨00：00进行第1日第1次迭代优化，以确定第00：00到01：00温度设定值：

T_H＝[T_H1,T_H2,T_H3...T_H24]

W_H＝[W_H1,W_H2,W_H3...W_H24]

and T_min≤T_Hk≤T_max

and|T_Hi-T_Hi-1|≤m(i＝2,3,4,...24)

其中，J₂代表经济效益目标函数，T_min、T_max分别为允许的室内温度上下限，T_D1,opt为上一层优化出来的第1日平均温度，表示白天平均温度，n表示作物最佳昼夜温差，m为相邻小时之间温差上限。那么第1个时间窗优化出来的最优小时平均温度为T_H1,opt，但T_H2,opt～T_H24,opt并不作为第2至第24个时间窗口的最优小时平均温度，因为实际上，第2至第24小时的最终实际平均温度与在第1次迭代中获得的最优小时平均温度必然存在一定的差异，这种差异必须要在后面的迭代优化中获得补偿。

第1日凌晨01：00进行第1日第2次迭代优化，以确定第01：00到02：00温度设定值：

T′_H＝[T′_H2,T′_H3,T′_H4...T′_H25]

W_H＝[W_H2,W_H3,W_H4...W_H25]

and T_min≤T′_H≤T_max

and|T′_Hi-T′_Hi-1|≤m(i＝3,4...25)

其中，T_H1,real为第1小时的实际小时平均温度，T_D1,opt与T_D2,opt分别为上一层优化得出的第1日，第2日平均温度，为了克服边界的影响，以滚动方式进行优化，滚动体现在下24小时平均温度的约束中，即第2-25小时平均温度的优化结果的总和第1-25小时温度之和减第1小时实际温度。那么第2个时间窗口的最优小时平均温度可取为T′_H2,opt。

T′_H＝[T′_H2,T′_H3,T′_H4...T′_H25]

W_H＝[W_H2,W_H3,W_H4...W_H25]

and T_min≤T′_H≤T_max

and|T′_Hi-T′_Hi-1|≤m(i＝3,4...25)

依此类推，在每一迭代中，约束条件都要累加真实的小时平均温度以保证日平均温度需求，同时满足昼夜温差。而每小时的最优平均温度都取自每一迭代的第1个变量。第1日23：00进行第1日第24次迭代优化，以确定第23：00到00：00温度设定值：

T”_H＝[T”_H24,T”_H25,T”_H26...T”_H47]

W_H＝[W_H24,W_H3,W_H4...W_H47]

and T_min≤T”_H≤T_max

and|T”_Hi-T”_Hi-1|≤m(i＝25,26...48)

其中，T_H1,real至T_H23,real分别为第1-23小时的实际小时平均温度，T_D1,opt与T_D2,opt分别为上一层优化得出的第1日，第2日平均温度，为了克服边界的影响，以滚动方式进行优化，滚动体现在下24小时平均温度的约束中，即第24-47小时平均温度的优化结果的总和第1-47小时温度之和减第1-23小时实际温度。那么第24小时的温度设定值可取为T”_P24,opt。

(304)各整点计算一小时内，各控制步的二氧化碳浓度设定值。

在每个小时内，由于控制步(本实施例以15分钟为例)内的温度变化速率较慢，温度设定值不作更改，而二氧化碳浓度变化速率较快。取步骤(303)获得的温度设定值与天气预报中光照为条件，以室内二氧化碳浓度设定值为优化变量，以最大化控制步的经济效益总和为目标，求解温室调控经济效益最高的四个二氧化碳浓度步设定值CO_2t1、CO_2t2、CO_2t3、CO_2t4，二氧化碳的约束不包含上层等式约束，不必采用滚动的优化方式进行。由于本步骤只考虑二氧化碳控制，控制步对应的经济效益函数为作物的经济收入与二氧化碳的成本之差，性能函数J₃为：

式中q_tom[元/mg]为农产品单价，η_DMFM果实干重到果实鲜重的转化因子，η_PDM为光合产物转化为干物质的转化因子，P[mg/m²]为控制周期内光合总产量，[元kg^-1]为二氧化碳单位，[kg/m²]为二氧化碳释放量。值得注意的是，由于夜间不具有自然光照，作物不进行光合作用，不产生光合产物。

(4)获取室内环境因子实时值，结合步骤(3)的环境设定值，以调控环境因子间相互协调及调控手段相互协调为原则，调控温室内相应执行机构，具体的执行机构控制方案流程如图9，具体描述如下：

温室执行机构众多，不同的调控手段能耗不尽相同。例如，温室需要降温时，选用简单的通风降温相比于湿帘水泵、风机降温，尽管降温效果有限但能耗成本更低。

温室控制的基本原则为：

a)保护系统要灵敏，遇暴雨大风时对温室设施进行保护；

b)优先选用能耗较低的执行机构进行控制，如通风；

c)春秋季节，注意适度保温，主要通过通风与帘幕对温室环境进行调控；

d)冬季注重保温，以免造成低温胁迫；

e)夏季注重降温与遮阳，以免造成高温胁迫与晒伤；

f)注意除湿，以降低虫害避免植株烂根；

现有研究表明，不论是在作物生长发育过程中，还是温室能耗的管控中，温度都有着至关重要的作用。因此本发明将温室内多个被控因子按重要性分成主、次两类，次类因子(如湿度、光照等)均设法与主要因子(如温度)相协调，找出协调关系函数，从而将复杂的多因子控制变成以温度单因子为主的多因子协调控制，再辅之以前馈和反馈控制消除“协调”带来的某些不确定性，解决温室环境多因子严重耦合的问题，达到多因子的控制目的。室内外各个参数和人工设定值组合的一个加权线性函数T来决定各控制手段的动作，算式如下：

T(m_co2,m_T,m_R,m_H)＝α×F(m_co2set,m_Tset,m_Rset,m_Hset)+β·G(m_co2in,m_Tin,m_Rin,m_Hin)+λ·H(m_Tout,m_Rout,m_Hout,Fv,P_rain)

其中，T为具体控制手段，F为人工设定参数值函数，G为室外环境参数，H为室内环境参数；α,β,λ分别为对应的权值；m_co2为二氧化碳释放量，m_T为目标温度，m_R为光照目标辐射量，m_H为目标湿度，m_co2set为室内二氧化碳浓度设定值，m_Tset为室内温度设定值，m_Rset为室内光照辐射量设定值，m_Hset为室内湿度设定值，m_co2in为室内二氧化碳浓度，m_Tin为室内温度，m_Rin为室内光照辐射量，m_Hin为室内湿度，m_co2out为室外二氧化碳浓度，m_Tout为室外温度，m_Rout为室外光照辐射量，m_Hout为室外湿度，Fv为室外风速，P_rain为室外雨量。

(401)温度控制

温室内最重要也最为复杂的因子，其他因子都直接或间接影响着温度，同样温度也影响着它们(光照除外)。出于节能的考虑，在需要降温时，优先选择通风对温室进行调控，如通风的调控结果不能满足要求时，再选用制冷(湿帘水泵与风机或喷雾)进行降温。在需要升温时，优先选用保温网进行保温，当保温结果仍不能满足要求时，再开启温室加热。由于通风时加热会带来大量的热量浪费，一般情况下，不宜在通风时对温室进行加热。目标温度：

mT＝J(m_co2,m_R,m_H,K,K',Fv)

在通风的情况下，为了不增加控制的难度，可考虑采用相对简单的协调关系，但必须达到允许的控制效果范围内。因此，经过园艺经验的简化，得到其它环境因子对通风温度的影响如图5、图6所示，相应的图7和图8为湿度和光照强度对通风温度修正流程。

在加热(制冷)的情况下，按步骤(3)中的分层滚动优化步骤求取室内温度设定值，通过调控温室加热(制冷)的执行机构达到上述温度设定值。

目标温度mT：mT_(L)≤mT≤mT_(U)，一天分24个小时，目标温度由步骤(3)获得。以番茄为例，白昼的最高温度界限是35℃，适宜的温度是18-25℃，晚间的最低温度界限是5℃，适宜温度是8-13℃。

(402)湿度控制

温度和湿度是两个耦合性很强的变量，由实际经验可知，温度对湿度的影响较大，温度越高，则湿度会相应降低，据测定，温度每上升1℃，相对湿度下降2％-3％。而湿度对温度的影响较小，可以忽略，并且湿度变化比温度变化慢得多，完全可以通过补偿来进行解耦。通过温度对湿度的补偿，温度和温度变量都可以作为单变量处理。相对温度控制来说，湿度控制比较简单，我们采用了一些等效的经验知识实现控制目标的转化，通过控制和协调天窗和侧窗的开度，内喷雾与匀风扇启停来完成。

目标湿度：

mH＝J(m_T,m_co2,m_R,K,K',Fv)

应满足mH_(L)≤mH≤mH_(U)，它随作物生长期的不同而变化，一般规律为：苗期55％，生长期70％，果期80％。

(403)光照控制

光照控制是一个相对独立的环节。从控制手段讲，光照控制通过遮阳网来体现。作物的光合作用非常重要，一天必须保证足够的光照时间，以确保作物的正常生长，但过强的光照则容易对作物表层造成伤害，因此必须采取适当的措施。

光照强度越大，温室内的温度提升越快，光照对其他环境因子的影响是单方面的，不论其他环境因子如何改变，光照强度都不会受到任何影响。因此，光照控制相对独立。光照目标mR应满足：

mR_(L)≤mR≤mR_(U)。

(404)二氧化碳控制

二氧化碳是作物生长必不可少的，二氧化碳尝试可使作物增产，果实丰硕，还可以减少病虫害的发生，但二氧化过多会抑制作物生长，使室内温度上升。因此要把握好二氧化碳的量。蔬菜生长前期、中期均可施用，果实迅速膨大期施用效果最好。

二氧化碳的供应主要取决于光合作用的强弱，而光合作用的强弱又与光照和温度有关系。反过来，二氧化碳又会影响室内的温度。白天，光照越强，作物的光合作用和表面温度了就越高，作物就会吸收更多的二氧化碳；同样，二氧化碳会造成“温室效应”，使室内温度升高。在夜间，作物不进行光合作用，可以不考虑二氧化碳的施用。在步骤(3)中将上述各影响综合考虑求得了增收效果最优的各控制步的二氧化碳设定值。

在通风状态下，人工增补的二氧化碳会扩散到空气中，不但没有达到提高室内二氧化碳浓度的作用，还可能加剧全球温室效应，加之人工二氧化碳成本较高，故通风时不宜进行二氧化碳增补。

白天当光照强度较大时，作物的光合作用增强，此时加大二氧化碳的浓度，但要有一定的上限；当光照强度低时，减小二氧化碳的浓度，也要保持在一定的下限之上：

m_co2(L)≤m_co2≤m_co2(U)。

(405)遮阳网控制

设定参数：遮阳网展开的阈值mR(U)，幼苗期mR(U)＝200W/m²，幼苗期mR(U)＝300W/m²，果期mR(U)＝800W/m²。遮阳网卷合保护：大风保护Fv(U)，暴雨保护Prain(U)。当光照R≥mR(U)，展开遮阳网，否则合上；当风速Fv≥Fv(U)或雨量Prain≥Prain(U)卷上遮阳网。其中R为光照实测值，Fv为风速实测值，Prain雨量实测值。

(406)降温(喷雾、湿帘)控制

降温系统控制与加热系统类似，步骤(3)求得的温度设定值即为降温系统开启阈值，设死区ΔmT(U)。

当室内温度T≥mT(U)时，开启降温系统，直至T≤mT(U)-ΔmT(U)时关闭降温系统。通常情况下夏天T≤mT(U)-ΔmT(U)。

(407)天窗控制

天窗控制流程如图10所示，设定参数：结霜温度T'＝2℃，通风温度T”＝T_i+ΔmT_Hi+ΔmT_Ri(通风温度T”的求取流程如图7、图8所示，mTi为第i时段的目标温度，ΔmT_Hi为湿度对通风温度的修正值，ΔmT_Ri为光照辐射强度对通风温度的修正值)。天窗开度共3档值：K1<K2<K3，K0＝0，K1＝10％，K2＝50％，K3＝100％。

当室外温度T_out≤T'或Fv≥Fv(U)时，不开窗(即天窗开度K＝0)；

当室外温度满足T'＜T_out≤mT(L)时，K＝K1＝10％；

当室外温度满足mT(L)＜T_out≤T”时，K＝K2＝50％；

当室外温度满足T_out＞T”时，天窗全开K＝K3＝100％。

保护算法：当雨量Prain≥Prain(U)或风速Fv≥Fv(U)时，关闭天窗(即K＝0)。

(408)侧窗控制

设定参数侧窗调节温度范围ΔT”。

当T_out≤T”时，侧窗不开，K’＝0；

当T_out＞T”时，侧窗开度K’为两档：K₁’(50％)，K₂’(100)。

具体如下：

K'＝K₁'(50％)当T”＜T_out≤T”+ΔT”

K'＝K'₂(100％)当T_out＞T”+ΔT”

保护算法：当雨量Prain≥Prain(U)或风速Fv≥Fv(U)时，关闭侧窗(即K’＝0)。

(409)保温网控制

设定参数：保温网展开的月份上下界M(L)与M(U)，时间上下界T(L)与T(U)(通常为冬天的晚上)。保温网卷合保护：大风保护Fv(U)，暴雨保护Prain(U)。当前时间处于开启月份M(L)≤M≤M(U)及开启时段T(L)≤T≤T(U)，展开保温网，否则合上；当风速Fv≥Fv(U)或雨量Prain≥Prain(U)卷上保温网。

(410)加热系统控制

在温室加热的情况下，采用分层优化求最优数值解的方式，在保证积温需求的情况下，动态求得温度设定值，以降低温室的能耗。

步骤(3)求得的温度设定值即为加热系统工作的阈值，设死区ΔmT(L)。

当室内温度T≤mT(L)时，开启加热系统直至T≥mT(L)+ΔmT(L)，通常情况下冬天ΔmT(L)＝1℃。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (9)

1.一种温室环境多因子协调节能优化控制方法，其特征在于，包括以下步骤：

1)设定作物在各个生长时期的期望日平均温度，并获得未来七日天气预报数据；

2)预估温室通风系统状态；

3)根据步骤1)和步骤2)采用多因子协调算法设定温室内各环境因子设定值，所述环境因子包括温度、湿度、光照辐射强度和二氧化碳浓度；

4)获得环境因子实时值，根据所述环境因子设定值调控温室内相应执行机构；

所述步骤3)中，对温度进行设定的具体过程为：

A1)根据每周作物所处生长期确定周平均温度；

A2)根据期望日平均温度和天气预报数据，采用滚动优化方式计算未来七日的最优日平均温度，滚动优化的频率为每日一次，滚动优化时采用的性能函数J₁为：

式中，q_tomη_DMFMDM_Har(T_Di)表示第i日的日平均温度为T_Di时作物产生的经济收入，q_tom表示作物单价，η_DMFM表示果实干重到果实鲜重的转化因子，DM_Har表示收获的果实干物质产量，q_heatQ_heat(T_Di)表示第i日平均温度为T_Di时的加热能耗成本，q_heat表示加热能量的单价，Q_heat表示加热能耗，

滚动优化时采用的约束条件包括七日累积温度条件和室内温度上下限条件；

A3)采用滚动优化方式计算满足所述最优日平均温度约束下的当日小时平均温度，滚动优化的频率为每小时一次，滚动优化时采用的性能函数J₂为：

式中，T_Hj表示第j小时的小时平均温度；

滚动优化时采用的约束条件日累积温度条件、室内温度上下限条件、白天平均温度条件和相邻小时温差上限条件。

2.根据权利要求1所述的温室环境多因子协调节能优化控制方法，其特征在于，所述作物所处生长期包括苗期、生长期和果期。

3.根据权利要求1所述的温室环境多因子协调节能优化控制方法，其特征在于，获取所述作物产生的经济收入时，把作物产量或果实干物质等效分布到作物生长的每一生长发育阶段。

4.根据权利要求1所述的温室环境多因子协调节能优化控制方法，其特征在于，所述步骤3)中，对二氧化碳浓度进行设定的具体过程为：

在每个小时内，以当前的温度设定值和天气预报数据中的光照数据为条件，以二氧化碳浓度设定值为优化变量，以最大化控制步的经济效益总和为目标，进行优化，计算获得各控制步的二氧化碳浓度设定值，所述优化过程采用的经济效益总和，即性能函数J₃为：

式中，CO_2,k表示第k个控制步的二氧化碳浓度设定值，q_tom表示农产品单价，η_DMFM表示果实干重到果实鲜重的转化因子，η_PDM表示光合产物转化为干物质的转化因子，P表示控制周期内光合总产量，表示二氧化碳单位，表示二氧化碳释放量，s表示一个小时内控制步总数。

5.根据权利要求4所述的温室环境多因子协调节能优化控制方法，其特征在于，所述控制步为15分钟。

6.根据权利要求1所述的温室环境多因子协调节能优化控制方法，其特征在于，所述步骤2)中，预估温室通风系统状态具体为：

将天气预报数据中的温度值作为室外温度，将所述室外温度与结霜温度和通风温度进行比较，根据比较结果获得通风系统的开启程度。

7.根据权利要求1所述的温室环境多因子协调节能优化控制方法，其特征在于，所述步骤4)中，调控温室内相应执行机构时，以调控温室环境因子间相互协调及调控手段相互协调为原则。

8.根据权利要求1所述的温室环境多因子协调节能优化控制方法，其特征在于，所述步骤4)中，对温室进行调控时，具体包括温度控制、湿度控制、光照控制、二氧化碳控制和通风控制。

9.根据权利要求1所述的温室环境多因子协调节能优化控制方法，其特征在于，所述步骤4)中，对温室进行调控时，加权线性函数T来决定各控制手段的动作，所述加权线性函数T的表达式为：

T(mco2,mT,mR,mH)＝α×F(mco2set,mTset,mRset,mHset)+β·G(mco2in,mTin,mRin,mHin)+λ·H(mTout,mRout,mHout,Fv,P_rain)

式中，T表示具体控制手段，F表示人工设定参数值函数，G表示室内环境参数，H表示室外环境参数，α,β,λ分别表示对应的权值；m_co2表示二氧化碳释放量，m_T表示目标温度，m_R表示光照目标辐射量，m_H表示目标湿度，m_co2set表示室内二氧化碳浓度设定值，m_Tset表示室内温度设定值，m_Rset表示室内光照辐射量设定值，m_Hset表示室内湿度设定值，m_co2in表示室内二氧化碳浓度，m_Tin表示室内温度，m_Rin表示室内光照辐射量，m_Hin表示室内湿度，m_co2out表示室外二氧化碳浓度，m_Tout表示室外温度，m_Rout表示室外光照辐射量，m_Hout表示室外湿度，Fv表示室外风速，P_rain表示室外雨量。