CN110810027A - 一种基于粮温的粮仓内环流控温方法 - Google Patents

Abstract

本发明公开了一种基于粮温的粮仓内环流控温方法，包括：步骤一、选择粮仓在一段时间内的粮温测量数据，并对粮温测量数据进行清洗；步骤二、依据粮仓信息、传感器数量及其布局方式建立关于粮温数据的三维数据分布图；步骤三、并计算相邻时段内每个测温平面的自相关系数；步骤四、绘制温度场云图；步骤五、计算发热面积比率，确定发热区域的位置；步骤六、根所述发热面积比率和发热点位置，直至发热面积比率小于发热面积阈值时停止降温，本发明通过传感器检测的历史粮温数据，通计算各层粮温相邻两周的粮温矩阵的相关系数，统计发热层高温异众面积和整仓冷芯面积，最后诊断出高温区，并绘制出温度场云图，实现对内环流区域的快速精准判断。

Description

一种基于粮温的粮仓内环流控温方法

技术领域

本发明涉及储粮控温技术领域，尤其涉及一种基于粮温的粮仓内环流控温方法。

背景技术

内环流技术作为东北地区夏季储粮控温的主要技术，将粮仓内冬季蓄冷的“冷芯”通过底层小功率风机吹向顶层，降低仓温和表层粮温，实现夏季低温储藏。夏季储粮容易发生发热、结露、霉变等影响库存粮食质量的储粮安全性问题，会对国家和社会带来较大的经济损失。现行粮仓多采用粮食表层以上设置测温传感器和人工检温的方式进行内环流临界温度检测，但由于表层传感器无法检测上层粮温，人工进仓检温速度慢，不直观，无法对整仓粮情状况作出准确判断。

申请号为CN201820031536.3的专利申请介绍了一种内环流控制系统，其通过检测粮面上层的温度数据与设定值比较，高于设定值开启风机，低于设定值关闭风机。该专利仅对粮面上方温度进行判断，并未对上层粮堆异常状态做进一步分析，无法对粮堆内发热情况做出准确判断，判断依据粗糙。

申请号为CN201710418960.3的专利申请介绍了一种低温储粮系统及方法，其通过粮情监测单元采集粮仓内和粮面上层温度与粮仓外温度做对比，利用智能通风单元进行风机气阀开关判断。虽然该专利对粮堆上层粮温情况进行检测判断，但无法直观快速的显示出发热区，并对发热区进行精准的内环流风机调控。

发明内容

本发明设计开发了一种基于粮温的粮仓内环流控温方法，通过传感器检测的历史粮温数据，通计算各层粮温相邻两周的粮温矩阵的相关系数，统计发热层高温异众面积和整仓冷芯面积，最后诊断出高温区，并绘制出温度场云图，实现对内环流区域的快速精准判断。

本发明提供的技术方案为：

一种基于粮温的粮仓内环流控温方法，包括：

步骤一、选择粮仓在一段时间内的粮温测量数据，并对粮温测量数据进行清洗，并对清洗后的数据进行线性插值填充；

步骤二、依据粮仓信息、传感器数量及其布局方式建立关于粮温数据的三维数据分布图；

步骤三、将所述三维数据分布图划分为多个测温平面，并计算相邻时段内每个测温平面的自相关系数；

步骤四、将所述自相关系数与自相关系数阈值作比较，判定粮温是否稳定，若所述粮温稳定，则根据每个测温平面的平均温度绘制温度场云图；

步骤五、计算所述温度场云图中高于阈值温度的发热面积比率，确定发热区域的位置，并根据所述发热面积比率计算内环流风机开启数量；

步骤六、根据所述发热面积比率和发热点位置，选择开启靠近发热点位置的对应数量的内环流风机，进行降温，并利用云图监测内环流降温效果，直至发热面积比率小于发热面积阈值时停止降温。

优选的是，所述粮温测量数据清洗包括：清除乱码和超限异常粮温数据。

优选的是，所述线性插值填充数据计算公式为：

其中，T_q为q时刻的粮温填充数据，T_q+1为q+1时刻的粮温数据，T_q-1为q-1时刻的粮温数据，t_q为q时刻对应的测温时间，t_q+1为q+1时刻，对应的测温时间，t_q-1为q-1时刻的粮温数据。

优选的是，所述步骤三中相邻时段内每个测温平面的自相关系数的计算公式为：

其中，T_mnht为粮仓内测温点的粮温，m为粮仓长度方向的温度点坐标、n为粮仓宽度方向的温度点坐标、h为粮仓高度方向的温度点坐标，t_c为时间编号；

优选的是，所述自相关系数阈值为0.90，当R_s≤R_pg＜1时，粮温稳定；0＜R_pg＜R_s时，粮温不稳定。

优选的是，粮仓内设置的内环流风机数量为：

其中，η为粮仓内设置的内环流风机数量，m为粮仓长度方向的温度点坐标、n为粮仓宽度方向的温度点坐标、h为粮仓高度方向的温度点坐标，χ_m为两层长度方向的传感器间隔、χ_n为粮仓宽度方向的传感器间隔和χ_h粮仓高度方向的传感器间距。

优选的是，所述内环流风机开启数量计算公式为：

其中，α为发热面积阈值，η为粮仓内设置的内环流风机数量，β为发热面积比率。

优选的是，所述发热面积阈值为85％～92％。

本发明所述的有益效果

本发明通过传感器检测的历史粮温数据，通过计算储藏过程中相邻层温差变化率，计算各层粮温相邻两周的粮温矩阵的相关系数，统计发热层高温异众面积和整仓冷芯面积，最后诊断出高温区，并绘制出温度场云图，实现对内环流区域的快速精准判断。

本发明将粗糙的电缆检温判断及低效的人工手探结果可视化于上位机监测屏幕中。且历史粮温数据无法修改，保证了检测的准确性。本发明通过计算粮仓中相邻层温差变化率(以周为单位)及各层相邻两周的粮温矩阵的相关系数确定发热粮层；然后通过统计发热层高温异众面积确定发热粮层的具体发热区域；最后通过开启发热区附近内环流风机进行温度调控。

本发明改进后的判断方法能后快速，精准，直观的将粮仓中发热区域表达出来，同时准确开启相应区域的内环流风机，真正做到了针对粮食安全性问题的远程精准在线监控。该判断方法检测速度快、准确度高；无需进仓作业、解放人力、提高效率；节约能源；监测云图直观简洁，便于粮仓保管员远程查看。

附图说明

图1为本发明所述的基于粮温的粮仓内环流控温方法的流程图。

图2为本发明所述的粮仓测温点布局三维图。

图3为本发明所述的各平面自相关系数图。

图4为本发明所述的平面1的温度场云图。

图5为本发明所述的发现发热区仓温数据图。

图6为本发明所述的发热区联结仓温数据图。

图7为本发明所述的启动内环流仓温数据图。

图8为本发明所述的内环流控温结束仓温数据图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

如图1所示，本发明提供的基于粮温的粮仓内环流控温方法，包括：

步骤一、选择粮仓内传感器在一段时间内的粮温测量数据，并对粮温测量数据进行清洗，即将乱码、超限等异常粮温数据去除；步骤二、对清洗后的粮温数据进行插值，将缺失数据补全，保证整仓粮温数据完整；依据粮仓信息、传感器数量及其布局方式将粮温数据还原于三维粮仓；线性插值填充数据计算公式为：

其中，T_q为q时刻的粮温填充数据，T_q+1为q+1时刻的粮温数据，T_q-1为q-1时刻的粮温数据，t_q为q时刻对应的测温时间，t_q+1为q+1时刻，对应的测温时间，t_q-1为q-1时刻的粮温数据。

步骤三、将粮仓划分为多个测温平面，并计算相邻时段内每个测温平面的自相关系数；其中，相关系数的计算公式为：

其中，T_mnht为粮仓内测温点的粮温，m、n、h分别为粮仓长、宽、高方向的温度点坐标，t_c为时间编号；

步骤四、将自相关系数与自相关系数阈值作比较，判定粮温是否稳定，即利用相关系数R_pg判断粮情状态，即当R_s≤R_pg＜1时，粮温稳定；0＜R_pg＜R_s时，粮温不稳定，R_s为自相关性阈值，取值为0.90。

若粮温稳定，则根据每个测温平面的平均温度绘制温度场云图；

步骤五、计算温度场云图中高于阈值温度的发热面积比率，确定发热区域的位置，并根据发热面积比率计算内环流风机开启数量；

粮仓内设置的内环流风机数量为：

粮仓内设置的内环流风机数量为：

其中，η为粮仓内设置的内环流风机数量，m为粮仓长度方向的温度点坐标、n为粮仓宽度方向的温度点坐标、h为粮仓高度方向的温度点坐标，χ_m为两层长度方向的传感器间隔、χ_n为粮仓宽度方向的传感器间隔和χ_h粮仓高度方向的传感器间距。

优选的是，内环流风机开启数量计算公式为：

其中，α为发热面积阈值，η为粮仓内设置的内环流风机数量，β为发热面积比率。

步骤六、根据发热面积比率和发热点位置，选择开启靠近发热点位置的对应数量的内环流风机，进行降温，并利用云图监测内环流降温效果，直至发热面积比率小于发热面积阈值时停止降温。作为一种优选，发热面积阈值为85％～92％。

以长春某粮仓为例，该粮仓的尺寸约为52×24m，粮面高度约为6m。粮仓内约有78根测温电缆，每根电缆有4个测温点，相邻测温点间距离为2m；成13×6的长方形排列，共计312个测温点。内环流风机6个，相对交叉排布于粮仓上方。2017年3月6日开始入仓，2017年3月22日完成入仓，共计5589.吨，储存粮种为中央储备玉米。在2017年6月15日至2017年8月15日进行内环流通风。

步骤一、选择该粮仓2017年3月1日至2017年8月15日之间的历史粮温数据，将乱码、超限等异常粮温数据去除。

步骤二、对清洗后的粮温数据进行插值，将缺失数据补全，保证整仓粮温数据完整。

步骤三、如图2所示，还原粮仓内传感器布局。在粮仓东北角底部建立三维坐标系，坐标系原点O即为底角。O点向南建立坐标轴Y轴，O点向西建立坐标轴X轴，O点向上建立坐标轴Z轴。X轴方向共13列测温电缆，Y轴方向共6列测温电缆，Z轴方向每根电缆共4个测温点，整仓共计312个测温点。

步骤四、粮仓共四层，将粮仓共分为四个平面，由上至下，依次为平面1，平面2，平面3和平面4。

步骤五、以周为单位，计算各平面粮温的自相关系数R_pg，利用自相关系数判断粮情状态。自相关性阈值R_s为0.90，R_u为0.60。如图3所示，计算各平面粮温自相关系数。

在所选储藏期间内，平面1和2在第30周点群自相关系数明显低于0.6，判断为粮温异常。

步骤六、如图4所示，绘制温度场云图。

步骤七、统计粮温云图内平面1和平面2中粮温高于T₀＝20℃的高温比率为89％，开启全部内环流风机。相关参数及阈值如下表1。

表1高温比率参数及阈值表

如图5～8所示，步骤八：启动内环流，利用云图观测内环流降温情况，适时停止降温直至发热面积比率小于发热面积阈值时停止降温。作为一种优选，发热面积阈值为85％～92％

本发明通过传感器检测的历史粮温数据，通过计算储藏过程中相邻层温差变化率，计算各层粮温相邻两周的粮温矩阵的相关系数，统计发热层高温异众面积和整仓冷芯面积，最后诊断出高温区，并绘制出温度场云图，实现对内环流区域的快速精准判断。

本发明将粗糙的电缆检温判断及低效的人工手探结果可视化于上位机监测屏幕中。且历史粮温数据无法修改，保证了检测的准确性。本发明通过计算粮仓中相邻层温差变化率(以周为单位)及各层相邻两周的粮温矩阵的相关系数确定发热粮层；然后通过统计发热层高温异众面积确定发热粮层的具体发热区域；最后通过开启发热区附近内环流风机进行温度调控。

本发明改进后的判断方法能后快速，精准，直观的将粮仓中发热区域表达出来，同时准确开启相应区域的内环流风机，真正做到了针对粮食安全性问题的远程精准在线监控。该判断方法检测速度快、准确度高；无需进仓作业、解放人力、提高效率；节约能源；监测云图直观简洁，便于粮仓保管员远程查看。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (8)

1.一种基于粮温的粮仓内环流控温方法，其特征在于，包括：

步骤一、选择粮仓在一段时间内的粮温测量数据，并对粮温测量数据进行清洗，并对清洗后的数据进行线性插值填充；

步骤二、依据粮仓信息、传感器数量及其布局方式建立关于粮温数据的三维数据分布图；

步骤三、将所述三维数据分布图划分为多个测温平面，并计算相邻时段内每个测温平面的自相关系数；

步骤四、将所述自相关系数与自相关系数阈值作比较，判定粮温是否稳定，若所述粮温稳定，则根据每个测温平面的平均温度绘制温度场云图；

步骤五、计算所述温度场云图中高于阈值温度的发热面积比率，确定发热区域的位置，并根据所述发热面积比率计算内环流风机开启数量；

步骤六、根据所述发热面积比率和发热点位置，选择开启靠近发热点位置的对应数量的内环流风机，进行降温，并利用云图监测内环流降温效果，直至发热面积比率小于发热面积阈值时停止降温。

2.根据权利要求1所述的基于粮温的粮仓内环流控温方法，其特征在于，所述粮温测量数据清洗包括：清除乱码和超限异常粮温数据。

3.根据权利要求2所述的基于粮温的粮仓内环流控温方法，其特征在于，所述线性插值填充数据计算公式为：

其中，T_q为q时刻的粮温填充数据，T_q+1为q+1时刻的粮温数据，T_q-1为q-1时刻的粮温数据，t_q为q时刻对应的测温时间，t_q+1为q+1时刻，对应的测温时间，t_q-1为q-1时刻的粮温数据。

4.根据权利要求3所述的基于粮温的粮仓内环流控温方法，其特征在于，所述步骤三中相邻时段内每个测温平面的自相关系数的计算公式为：

其中，T_mnht为粮仓内测温点的粮温，m为粮仓长度方向的温度点坐标、n为粮仓宽度方向的温度点坐标、h为粮仓高度方向的温度点坐标，t_c为时间编号；

5.根据权利要求1所述的基于粮温的粮仓内环流控温方法，其特征在于，所述自相关系数阈值为0.90，当R_s≤R_pg＜1时，粮温稳定；0＜R_pg＜R_s时，粮温不稳定。

6.根据权利要求1所述的基于粮温的粮仓内环流控温方法，其特征在于，粮仓内设置的内环流风机数量为：

其中，η为粮仓内设置的内环流风机数量，m为粮仓长度方向的温度点坐标、n为粮仓宽度方向的温度点坐标、h为粮仓高度方向的温度点坐标，χ_m为两层长度方向的传感器间隔、χ_n为粮仓宽度方向的传感器间隔和χ_h粮仓高度方向的传感器间距。

7.根据权利要求6所述的基于粮温的粮仓内环流控温方法，其特征在于，所述内环流风机开启数量计算公式为：

其中，α为发热面积阈值，η为粮仓内设置的内环流风机数量，β为发热面积比率。

8.根据权利要求8所述的基于粮温的粮仓内环流控温方法，其特征在于，所述发热面积阈值为85％～92％。

Images