CN107545100B - 一种venlo型温室环境的高分辨率降阶建模方法 - Google Patents
一种venlo型温室环境的高分辨率降阶建模方法 Download PDFInfo
- Publication number
- CN107545100B CN107545100B CN201710637629.0A CN201710637629A CN107545100B CN 107545100 B CN107545100 B CN 107545100B CN 201710637629 A CN201710637629 A CN 201710637629A CN 107545100 B CN107545100 B CN 107545100B
- Authority
- CN
- China
- Prior art keywords
- greenhouse
- wind speed
- temperature
- flow field
- degrees
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000013598 vector Substances 0.000 claims abstract description 22
- 230000005855 radiation Effects 0.000 claims abstract description 21
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 8
- 238000005399 mechanical ventilation Methods 0.000 claims abstract description 8
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000009423 ventilation Methods 0.000 claims description 7
- 239000012530 fluid Substances 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 4
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 125000004432 carbon atom Chemical group C* 0.000 claims description 2
- 238000005286 illumination Methods 0.000 claims 1
- 230000017105 transposition Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 6
- 239000011521 glass Substances 0.000 description 8
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000005329 float glass Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种venlo型温室环境的高分辨率降阶建模方法,包括四个主要步骤:1)对温室环境作稳态数值仿真,构造不同外部条件下的温度场与风速流场数据集;2)通过本征正交分解技术构造数据集的特征向量;3)传感器测量温室外部条件,包括室外太阳辐射强度、室外温度与机械通风口风速;4)根据传感器测量值和数据集的特征向量推算温室内局部作物区域的温度分布和空气流场。本发明结合传感器测量和本征正交分解技术构造温室微气候降阶模型,能够通过布置少量传感器获取温室环境参数的高分辨率时空信息,具有硬件投资小、精度高等特点。
Description
技术领域
本发明涉及一种venlo型温室环境的高分辨率降阶建模方法,属于设施农业与农业自动化领域。
背景技术
目前,具有时空变异特性的作物生长环境与温室控制系统之间的失配是影响作物产量、能源消耗的重要原因。在传统控制策略下,温室环境参数通常在空间上简化为单一节点值,忽略空间分布对环境参数的影响。而实际上,作为大空间热力系统,温室内部微气候分布是影响作物生长发育最直接的因素。从控制学角度,整个温室环境可看作一个分布式参数的复杂系统,并具有不确定性。这是因为:(1)温室环境由多相结构组成,物理性质各异,相互之间存在复杂非线性关联;(2)温室微气候中各种环境因子呈现显著空间分布特性,如自然对流形成的温度和气流的分层现象、作物冠层和温室顶部的温度差异、二氧化碳沉积现象等;(3)温室环境受室外温度、太阳辐射、作物蒸腾等因素的影响,具有不确定性。
发明内容
针对目前温室微气候建模复杂度与精度之间的矛盾,本发明公开一种运用模型降阶技术对温室环境进行高分辨率快速建模的方法。其特点在于通过构造低阶的温室环境参数变化空间,结合布置少量传感器获取温室环境参数的高分辨率时空信息,具有硬件投资小、精度高等特点。
本发明的技术方案是:
一种venlo型温室环境的高分辨率降阶建模方法,包括如下步骤:
(1)利用计算流体力学工具对温室环境作稳态数值仿真,构造不同温室外部条件下的温度场与风速流场数据集;
(2)通过本征正交分解技术构造数据集的特征向量;
(3)传感器测量室外太阳辐射强度、室外温度与机械通风口风速;
(4)根据传感器测量值和数据集的特征向量推算温室内局部作物区域的温度分布和空气流场。
所述步骤(1)中,温室外部条件包括太阳辐射强度、室外温度和温室通风口风速;温室内部温度场与风速流场数据集的建立步骤如下:
A.根据历史天气数据对温室外部太阳辐射强度和干球温度的逐时值分档,对温室机械通风口风速分档,每档确定一个典型气象值;太阳辐射强度以100W为间隔,干球温度以1摄氏度为间隔;温室通风口风速以0.5m/s为间隔。
B.利用计算流体力学工具建立温室环境的三维几何模型。为简化模型的几何特征,提高数值求解速度和收敛性,对边界条件等设置作以下简化:①忽略温室内排水沟的实际结构;②由于玻璃的导热系数很大,且温室玻璃的长宽面远大于玻璃厚度,因此三维建模时所有玻璃围护以无厚度面近似;③温室内立柱、内部钢结构横梁对仿真结果影响较小,因此忽略温室内部这些设施。CFD软件采用基于Fluent计算引擎的Aripak软件,建立以笛卡尔坐标系为全局坐标系。为减少边界对温室内及周围流场的影响,使得模拟区域处于空气流动充分发展的区域,将温室空间连同周围一部分室外区域一起作为计算域。温室内气体流动假设为湍流,采用标准k-ε模型;Fluent求解器设置为解算质量、动量与能量方程的稳态解。
C.针对外部条件各个典型值分别求取控制域内质量、动量及能量方程的稳态解,提取其中的温度分布与风速流场组成数据集。考虑三维网格点数量过大引起维数灾难,同样可以考虑典型二维截面提取温度分布与风速流场的分布数据。
所述步骤(2)中,构造数据集特征向量的基本步骤如下:
A.考虑由不同外部条件典型值仿真得到m个温度场和风速流场,将它们拉直为列向量,并组成n×m维的矩阵Sθ和Su:
这里Sθ是拉直后的温度场矩阵,Su是拉直后的风速流场矩阵,n是温室内网格点总数;
B.定义相关矩阵Cθ和Cu:
其中Cθ为温度场矩阵的相关矩阵,Cu为风速流场矩阵的相关矩阵,T表示矩阵转置。计算其特征值问题:
Cθχθ=λθχθ和Cuχu=λuχu (2)
这里λθ、λu分别代表温度场与风速流场相关矩阵的特征值,χθ与χu分别代表温度场与风速流场相关矩阵的特征向量;
C.由公式(1),(2)计算温度场与风速流场数据集的特征向量Φθ(x)和Φu(x):
这里p表示保留前p个主导特征向量;这样,外部条件变化下的温室内部温度场和风速流场可描述为p个特征向量及其系数b的线性组合:
所述步骤(3)中,外部传感器实测值对应的温室内部温度分布和风速流场通过公式(3)推算。其中,特征向量系数b的取值通过多维插值方法得到,如样条插值法。
本发明提出一种venlo型温室环境的高分辨率降阶建模方法,结合传感器测量和本征正交分解技术构造温室微气候降阶模型,充分考虑空间分布对温室环境参数的影响,通过布置少量传感器获取温室环境参数的高分辨率时空信息,具有硬件投资小、精度高等特点。
相对目前的环境优化方法,本发明的有益效果表现在:
1、精确性。
本发明不再假设温室内部空气“充分混合”,而是利用CFD工具对建筑室内环境做精确建模,并通过模型降阶得到低阶温室环境模型,结合传感器测量,使得温室模型具备明显的精度优势。
2、硬件投资低。
本发明将少量传感器、CFD仿真与模型降阶技术三者结合,在提高建模精度的同时,可有效降低各类传感器实际布置的数量,硬件投资相对较低。
附图说明
图1是一个3D温室模型几何示意图;
图2是温度场、风速流场及传感器位置布置示意图;
具体实施方式
为了更为具体地描述本发明,下面结合附图和具体实施例对本发明进行详细说明。
图1为一个Venlo型温室三维模型。温室的长×宽×高为20m×12m×4.4m,一侧安装2台负压风机,另一侧为自然通风口,安装湿帘,顶棚及四周围护材料均为4mm厚浮法玻璃。
图2为温室中二维温度场、风速流场及三个传感器位置布置示意图,其中#1号传感器测量负压风机风速,#2号传感器测量接近自然通风口处的室外温度,#3号传感器测量温室顶棚的太阳辐射强度。
下面详细描述本发明方法的实施步骤:
步骤0,利用计算流体力学工具对温室环境作稳态数值仿真,构造不同温室外部条件下的温度场与风速流场数据集;温室外部条件包括太阳辐射强度、室外温度和温室通风口风速;温室内部温度场与风速流场数据集的建立步骤如下:
步骤0.1,根据历史天气数据对温室外部太阳辐射强度和干球温度的逐时值分档,对温室机械通风口风速分档,每档确定一个典型气象值;具体为:太阳辐射强度分为400瓦,500瓦,600瓦,700瓦和800瓦共五档;干球温度分为26度,27度,28度,29度,30度,31度,32度,33度,34度,35度共十档;温室通风口风速分为0.5米/秒,1.0米/秒,1.5米/秒,2.0米/秒,2.5米/秒共5档。
步骤0.2,利用计算流体力学工具建立温室环境的三维几何模型。对边界条件等设置作以下简化:①忽略温室内排水沟的实际结构;②由于玻璃的导热系数很大,且温室玻璃的长宽面远大于玻璃厚度,因此三维建模时所有玻璃围护以无厚度面近似;③温室内立柱、内部钢结构横梁对仿真结果影响较小,因此忽略温室内部这些设施。CFD软件采用基于Fluent计算引擎的Aripak软件,建立以笛卡尔坐标系为全局坐标系。为减少边界对温室内及周围流场的影响,使得模拟区域处于空气流动充分发展的区域,将温室空间连同周围一部分室外区域一起作为计算域,具体比例为:包含周围室外区域总体积:温室内部体积=10:1。温室内气体流动假设为湍流,采用标准k-ε模型;Fluent求解器设置为解算质量、动量与能量方程的稳态解。边界条件除进出口外,假定边界上无物质和能量上的传递,覆盖层边界条件设定为热流常量,以模拟覆盖层吸收太阳热辐射后以自然对流的形式向室内释放热量;对建立的几何模型划分网格。本例中三维空间共划分191318个不规则网格,如图2所示二维空间共86227个网格点;温室内气体流动假设为湍流,采用标准k-ε模型;Fluent求解器设置为解算质量、动量与能量方程的稳态解。
步骤0.3,针对外部条件各个典型值分别求取控制域内质量、动量及能量方程的稳态解。简化起见,提取图2二维空间中的温度分布与风速流场组成数据集。
步骤1,通过本征正交分解技术构造数据集的特征向量,其中,构造数据集特征向量的基本步骤如下:
步骤1.1,考虑由不同外部条件典型值仿真得到m个温度场和风速流场,将它们拉直为列向量,并组成n×m维的矩阵Sθ和Su:
这里n是温室内网格点总数;
步骤1.2,定义相关矩阵Cθ和Cu:
并计算其特征值问题:
Cθχθ=λθχθ和Cuχu=λuχu,这里λ代表相关矩阵的特征值,χ代表相关矩阵的特征向量;
步骤1.3,计算数据集的特征向量Φθ(x)和Φu(x):
这里p表示保留前p个主导特征向量,确保包含系统动能占比大于99%,本例中p=5;这样,外部条件变化下的温室内部温度场和风速流场可描述为p个特征向量及其系数b的线性组合:
步骤2,传感器测量室外太阳辐射强度、室外温度与机械通风口风速;本例中传感器型号具体为光照传感器采用拓普瑞TP-LUX,温度传感器采用拓普瑞TP402,风速传感器采用三相超声波风速风向仪WXT510。
步骤3,根据传感器测量值和数据集的特征向量推算温室内局部作物区域的温度分布和空气流场。外部传感器实测值对应的温室内部温度分布和风速流场通过公式(1)推算得到。其中,特征向量系数b的取值通过多维插值方法得到,这里采用样条插值法。
综上,本发明的一种venlo型温室环境的高分辨率降阶建模方法,包括四个主要步骤:1)对温室环境作稳态数值仿真,构造不同外部条件下的温度场与风速流场数据集;2)通过本征正交分解技术构造数据集的特征向量;3)传感器测量温室外部条件,包括室外太阳辐射强度、室外温度与机械通风口风速;4)根据传感器测量值和数据集的特征向量推算温室内局部作物区域的温度分布和空气流场。本发明结合传感器测量和本征正交分解技术构造温室微气候降阶模型,能够通过布置少量传感器获取温室环境参数的高分辨率时空信息,具有硬件投资小、精度高等特点。
上面已经结合具体实施步骤说明了本发明,然而对于本领域的技术人员来说,可以在不背离本发明的精神和范围的前提下,对本发明做出不同的改进和变型。因而落入本发明的权利要求范围内的各种改进和变型,都应属于本发明的保护范围之内。
Claims (5)
1.一种venlo型温室环境的高分辨率降阶建模方法,其特征在于,包括如下步骤:步骤1,利用计算流体力学工具对温室环境作稳态数值仿真,构造不同温室外部条件下的温度场与风速流场数据集;步骤2,通过本征正交分解技术构造数据集的特征向量;步骤3,传感器测量室外太阳辐射强度、室外温度与机械通风口风速;步骤4,根据传感器测量值和数据集的特征向量推算温室内局部作物区域的温度分布和空气流场;
所述步骤1中,温室外部条件包括太阳辐射强度、室外温度和温室通风口风速;温室内部温度场与风速流场数据集的建立步骤如下:
步骤1.1根据历史天气数据对温室外部太阳辐射强度和干球温度的逐时值分档,对温室机械通风口风速分档,每档确定一个典型气象值;步骤1.2利用计算流体力学工具建立温室环境的三维几何模型,确定温室边界条件、合理选择湍流模型;步骤1.3针对外部条件各个典型值分别求取控制域内质量、动量及能量方程的稳态解,提取其中的温度分布与风速流场组成数据集;
特征向量系数b的取值通过多维插值方法得到。
2.根据权利要求1所述的一种venlo型温室环境的高分辨率降阶建模方法,其特征在于:步骤1.1具体为:太阳辐射强度分为400瓦,500瓦,600瓦,700瓦和800瓦共五档;干球温度分为26度,27度,28度,29度,30度,31度,32度,33度,34度,35度共十档;温室通风口风速分为0.5米/秒,1.0米/秒,1.5米/秒,2.0米/秒,2.5米/秒共5档。
3.根据权利要求1所述的一种venlo型温室环境的高分辨率降阶建模方法,其特征在于:步骤1.2具体为:所述湍流模型采用标准k-ε模型;Fluent求解器设置为解算质量、动量与能量方程的稳态解;边界条件除进出口外,假定边界上无物质和能量上的传递,覆盖层边界条件设定为热流常量,以模拟覆盖层吸收太阳热辐射后以自然对流的形式向室内释放热量;对建立的几何模型划分网格。
4.根据权利要求1所述的一种venlo型温室环境的高分辨率降阶建模方法,其特征在于:所述步骤2中,构造数据集特征向量的基本步骤如下:
步骤2.1考虑由不同外部条件典型值仿真得到m个温度场和风速流场,将它们拉直为列向量,并组成n×m维矩阵Sθ和Su:
Sθ=(θ1,…,θm)和Su=(u1,…,um) (1)
这里Sθ是拉直后的温度场矩阵,…Su是拉直后的风速流场矩阵,n是温室内网格点总数;
步骤2.2定义相关矩阵Cθ和Cu:
其中Cθ为温度场矩阵的相关矩阵,Cu为风速流场矩阵的相关矩阵,T表示矩阵转置;计算其特征值问题:
Cθχθ=λθχθ和Cuχu=λuχu (2)
这里λθ、λu分别代表温度场与风速流场相关矩阵的特征值,χθ与χu分别代表温度场与风速流场相关矩阵的特征向量;
步骤2.3由公式(1),(2)计算温度场与风速流场数据集的特征向量Φθ(x)和Φu(x):
这里p表示保留前p个主导特征向量;这样,外部条件变化下的温室内部温度场和风速流场可描述为p个特征向量及其系数b的线性组合:
5.根据权利要求1所述的一种venlo型温室环境的高分辨率降阶建模方法,其特征在于:所述步骤3中,传感器型号具体为光照传感器采用拓普瑞TP-LUX,温度传感器采用拓普瑞TP402,风速传感器采用三相超声波风速风向仪WXT510。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710637629.0A CN107545100B (zh) | 2017-07-31 | 2017-07-31 | 一种venlo型温室环境的高分辨率降阶建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710637629.0A CN107545100B (zh) | 2017-07-31 | 2017-07-31 | 一种venlo型温室环境的高分辨率降阶建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107545100A CN107545100A (zh) | 2018-01-05 |
CN107545100B true CN107545100B (zh) | 2020-05-05 |
Family
ID=60970392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710637629.0A Active CN107545100B (zh) | 2017-07-31 | 2017-07-31 | 一种venlo型温室环境的高分辨率降阶建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107545100B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110784838B (zh) * | 2019-09-20 | 2021-02-09 | 重庆大学 | 一种基于能量节点的无线传感网络节点部署方法 |
CN111323148A (zh) * | 2020-03-06 | 2020-06-23 | 江苏省农业科学院 | 一种基于三维空间的温室传感器布设方法和系统 |
CN111811569B (zh) * | 2020-06-02 | 2023-11-28 | 深圳全景空间工业有限公司 | 一种用于感知室内环境的方法和系统 |
CN113553788B (zh) * | 2021-07-23 | 2022-12-06 | 中国航发贵阳发动机设计研究所 | 一种航空发动机润滑系统通风能力仿真计算方法 |
CN117413273A (zh) * | 2021-07-29 | 2024-01-16 | 西门子(中国)有限公司 | 用于监控封闭空间环境的方法、装置和计算机存储介质 |
CN113591410B (zh) * | 2021-08-06 | 2024-03-19 | 哈尔滨工业大学 | 针对博物馆展陈空间气流组织可视化的监测数据同化方法 |
CN113609695A (zh) * | 2021-08-16 | 2021-11-05 | 国网河北省电力有限公司电力科学研究院 | 能源系统分析方法、装置、终端及存储介质 |
CN113722860B (zh) * | 2021-09-07 | 2024-02-23 | 上海交通大学 | 基于降阶模型的瞬态热力状态在线评估方法、设备及介质 |
CN113849022A (zh) * | 2021-09-23 | 2021-12-28 | 上海孪数科技有限公司 | 一种基于数字孪生及空间计算的光伏温室环境管理系统 |
CN114200986B (zh) * | 2021-11-18 | 2023-03-21 | 江苏大学 | 一种考虑作物生产效益和节省能耗的温室环境优化设计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049612A (zh) * | 2012-12-24 | 2013-04-17 | 江苏大学 | 一种基于模型降阶技术的建筑室内环境优化方法 |
EP1875797A3 (en) * | 2006-07-06 | 2013-12-18 | Van Der Valk Systemen B.V. | Greenhouse or glasshouse with screen installation provided with an energy-converting device |
CN103903068A (zh) * | 2014-04-11 | 2014-07-02 | 浙江工业大学 | 一种混合优化算法的温室能量预测方法 |
CN103995548A (zh) * | 2014-05-13 | 2014-08-20 | 江苏大学 | 基于模型降阶和多模型预测控制的室内热环境控制方法 |
CN104572246A (zh) * | 2014-12-08 | 2015-04-29 | 江苏大学 | 用于改善建筑物内环境的交互式优化方法 |
-
2017
- 2017-07-31 CN CN201710637629.0A patent/CN107545100B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1875797A3 (en) * | 2006-07-06 | 2013-12-18 | Van Der Valk Systemen B.V. | Greenhouse or glasshouse with screen installation provided with an energy-converting device |
CN103049612A (zh) * | 2012-12-24 | 2013-04-17 | 江苏大学 | 一种基于模型降阶技术的建筑室内环境优化方法 |
CN103903068A (zh) * | 2014-04-11 | 2014-07-02 | 浙江工业大学 | 一种混合优化算法的温室能量预测方法 |
CN103995548A (zh) * | 2014-05-13 | 2014-08-20 | 江苏大学 | 基于模型降阶和多模型预测控制的室内热环境控制方法 |
CN104572246A (zh) * | 2014-12-08 | 2015-04-29 | 江苏大学 | 用于改善建筑物内环境的交互式优化方法 |
Non-Patent Citations (1)
Title |
---|
风速对温室内气流分布影响的CFD模拟及预测;程秀花等;《农机化研究》;20101201;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107545100A (zh) | 2018-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107545100B (zh) | 一种venlo型温室环境的高分辨率降阶建模方法 | |
Molina-Aiz et al. | Comparison of finite element and finite volume methods for simulation of natural ventilation in greenhouses | |
Santolini et al. | Numerical study of wind-driven natural ventilation in a greenhouse with screens | |
CN104633856A (zh) | Cfd数值模拟结合bp神经网络人工环境控制方法 | |
CN103995548A (zh) | 基于模型降阶和多模型预测控制的室内热环境控制方法 | |
CN103995553B (zh) | 一种灰树花菇房温湿度传感器的布点方法 | |
Villagran Munar et al. | CFD simulation of the increase of the roof ventilation area in a traditional Colombian greenhouse: Effect on air flow patterns and thermal behavior | |
CN114200986B (zh) | 一种考虑作物生产效益和节省能耗的温室环境优化设计方法 | |
Villagrán et al. | Effects of surrounding objects on the thermal performance of passively ventilated greenhouses | |
CN111597609B (zh) | 一种包含太阳辐射的基本运算单元及应用该单元的建筑能耗快速模拟方法 | |
Tadj et al. | Influence of heating system on greenhouse microclimate distribution | |
JP7459935B2 (ja) | 推定方法、シミュレーション方法、推定装置、及び推定プログラム | |
CN111460631B (zh) | 一种鸡舍通风的模拟方法及应用该方法的电子设备 | |
Fu et al. | A temperature and vent opening couple model in solar greenhouses for vegetable cultivation based on dynamic solar heat load using computational fluid dynamics simulations | |
Maher et al. | CFD modelling of air temperature distribution inside tunnel greenhouse in semi-arid region | |
Villagran | Implementation of ventilation towers in a greenhouse established in low altitude tropical climate conditions: Numerical approach to the behavior of the natural ventilation | |
CN112931297B (zh) | 基于计算机仿真的密闭式蛋鸡育雏舍小气候模型搭建方法 | |
Baeza et al. | Numerical simulation of the effect of different mulches on the heat storage capacity of a Mediterranean greenhouse soil | |
Guesbaya et al. | Thermal Modeling and Prediction of Soilless Greenhouse in Arid Region Based on Particle Swarm Optimization. Experimentally Validated | |
Feng et al. | Greenhouse CFD simulation for searching the sensors optimal placements | |
CN107562996A (zh) | 一种Venlo型温室环境参数的多目标集成优化方法 | |
Boulard et al. | Airflow and microclimate patterns in a one-hectare canary type greenhouse: An experimental and CFD assisted study | |
Vallati et al. | Influence of the geometrical parameters of urban canyons on the convective heat transfer coefficient | |
Liu et al. | Numerical simulation and analysis of the vertical and double pipe soil-air heat exchanger | |
Wang et al. | CFD simulation of the temperature and humid distribution for natural ventilated modern greenhouse |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240118 Address after: 230000 Woye Garden Commercial Building B-1017, 81 Ganquan Road, Shushan District, Hefei City, Anhui Province Patentee after: HEFEI JINGLONG ENVIRONMENTAL PROTECTION TECHNOLOGY Co.,Ltd. Address before: Zhenjiang City, Jiangsu Province, 212013 Jingkou District Road No. 301 Patentee before: JIANGSU University |
|
TR01 | Transfer of patent right |