CN115328241A - 一种智慧小镇智能温室控制方法与系统 - Google Patents

Abstract

本发明提供一种智慧小镇智能温室控制方法与系统，属于温度控制技术领域，具体包括：基于室外温度影响数据构建室外温度影响因子，基于温度调控数据构建温度调控因子，并进行输入集的构建；将输入集送入到基于智能算法的预测模型之中，得到第一时间阈值后的室内温度；当第一时间阈值后的室内温度小于第一温度调控阈值时，采用保温帘进行温度的调节，当采用保温帘的调节时间大于保温调节时间阈值时，加入暖气锅炉进行升温调节；当第一时间阈值后的室内温度大于第二温度调控阈值时，采用开窗、遮阳帘的方式进行温度的调节，当采用开窗和遮阳帘的方式的调节时间大于降温调节时间阈值时，加入风机进行降温调节，从而使得温室的温度控制变得可靠有效。

Description

一种智慧小镇智能温室控制方法与系统

技术领域

本发明属于温度控制技术领域，尤其涉及一种智慧小镇智能温室控制方法与系统。

背景技术

目前我国温室智能化水平不高。温室大棚是突破自然条件实现作物生长的主要场所，是现代化农业一个非常重要的设施，温室大棚所具有的智能化水平正在成为衡量一个国家现代化农业的重要指标。但目前我国的温室环境建模及温室环境控制智能化水平不高，不仅影响到了我国设施作物的产量及品质，还影响到了资源的利用率，最终影响了农业生产的收益及环境的可持续发展。

为了解决智能温室的温度控制问题，在硕士论文《基于神经网络的温室温湿度预测与控制》中作者柴伟家通过神经网络构建了温室温湿度预测模型，准确预测了未来 30分钟内温室内的温度，在此基础上开发了温度控制模型，并加入成本函数，优化控制信号，寻找最优组合，用最小的控制成本实现温室温度的最佳调控，提高了温室控制的智能性，但是却没有根据不同的温度调节措施的耗电量和调节效果的差异进行分步骤调控，而且没有对温度预测模型的输入集按照室外影响因子、室内温度数据、温度调控因子进行优化，导致算法需要处理的数据量过大，影响了预测模型的效率和准确性，从而不能有效的实现对智能温室的温度调节。

针对上述技术问题，本发明提供了一种智慧小镇智能温室控制方法与系统。

发明内容

为实现本发明目的，本发明采用如下技术方案：

根据本发明的一个方面，提供了一种智慧小镇智能温室控制方法。

一种智慧小镇智能温室控制方法，其特征在于，具体包括：

S11监测智能温室的室外温度影响数据、室内温度、温度调控数据，并基于所述室外温度影响数据构建室外温度影响因子，基于所述温度调控数据构建温度调控因子，并基于所述室外温度影响因子、室内温度、温度调控因子构建输入集；

S12基于所述输入集送入到基于智能算法的预测模型之中，得到第一时间阈值后的室内温度；

S13当所述第一时间阈值后的室内温度小于第一温度调控阈值时，采用保温帘进行温度的调节，当采用保温帘的调节时间大于保温调节时间阈值时，加入暖气锅炉进行升温调节，若否，则进入步骤S14；

S14当所述第一时间阈值后的室内温度大于第二温度调控阈值时，采用开窗、遮阳帘的方式进行温度的调节，当采用开窗和遮阳帘的方式的调节时间大于降温调节时间阈值时，加入风机进行降温调节，若否，则返回步骤S11。

通过基于智能温室的监测数据构建室外温度影响因子、室内温度、温度调控因子，从而解决了原有的预测模型处理数据量大，导致效率低、精确度不高的技术问题，从而使得预测效率和准确度都得到了一定程度的提升，能够在第一时间实现对异常温度的预测。将得到的室外温度影响因子、室内温度、温度调控因子构建输入集，并基于预测模型得到第一时间阈值后的室内温度，当第一时间阈值后的室内温度小于第一温度阈值时，说明此时的温度较低，采用保温帘实现升温，并根据采用保温帘的调节时间比较大时，此时可以通过暖气锅炉对温度进行补偿，进一步进行升温调节，从而解决了原有的没有按照调节措施的耗电量和调节效果的差异进行分步骤调控导致的电能的过多消耗的技术问题，不仅可以实现对温度的快速有效调节，也降低了电能的消耗；当第一时间阈值后的室内温度大于第二温度调控阈值时，说明此时的温室的室内温度较高，采用开窗、遮阳帘的方式进行温度的调节，当采用开窗和遮阳帘的方式的调节时间大于降温调节时间阈值时，加入风机进行降温调节。

通过采用基于所述室外温度影响因子、室内温度、温度调控因子构建输入集，从而使得预测模型所处理的输入集的数据量变小，在保证较高的预测精度的基础上，使得预测效率得到明显的提升。

通过基于第一时间阈值后的室内温度进行温度调节，从而与温度调整的趋势相结合，而不是根据当前的温度进行调节，从而使得温度调节的效果变得更加的完善可靠，保证了温室内植物的生长。

当室内温度较低时，首先采用保温帘进行温度的调节，当采用保温帘的调节时间大于保温调节时间阈值时，加入暖气锅炉进行升温调节，从而能够在实现温度调节的基础上，降低了电能的消耗，提升了经济性和稳定性。

当温度较高时，采用开窗、遮阳帘的方式进行温度的调节，当采用开窗和遮阳帘的方式的调节时间大于降温调节时间阈值时，加入风机进行降温调节，从而能够在实现温度调节的基础上，降低了电能的消耗，提升了经济性和稳定性。

由于低温有可能会导致植物的根系或者枝叶产生永久性的伤害，而温度较高仅仅会使得植物的生产状态不佳，因此通过先对室内温度的低温进行判断，再对室内温度的高温进行判断，从而进一步保证了植物的安全可靠生长。

进一步的技术方案在于，所述室外温度影响数据包括：外部温度、光照强度、风速、温室屋顶面积、温室保温层材质，所述室外温度影响因子的计算公式为：

其中K₃、K₂、K₁为权值，G为光照强度，T为外部温度，V为风速，温度屋顶面积为M，c为根据温室保温层材质确定的权数，取值范围在0到9之间。

进一步的技术方案在于，所述温度调控数据包括：风机的工作功率、窗户开启百分比、遮阳帘开启百分比、保温帘开启百分比、暖气锅炉工作功率，所述温度调控因子的计算公式为：

其中K₈、K₅、K₆、K₇、K₉为权值，F、B_C、Z_C、L_C、N分别为风机的工作功率、窗户开启百分比、遮阳帘开启百分比、保温帘开启百分比、暖气锅炉工作功率。

进一步的技术方案在于，得到所述第一时间阈值后的室内温度的具体步骤为：

S21基于所述室外温度影响因子、温度调控因子、室内温度构建输入集，并将所述输入集传输至基于ACO-ANN算法的预测模型之中，得到第一时间阈值后的预测室内温度；

S22提取所述温室的占地面积、使用年限构建室内温度影响因子；

S23 基于所述室内温度影响因子对所述第一时间阈值后的预测室内温度进行修正，得到第一时间阈值后的室内温度。

通过采用ACO-ANN算法的预测模型，结合了ANN算法精度高和对异常值不敏感的优势，并进一步采用ACO算法对ANN算法的学习率进行寻优，从而使得ANN算法的收敛速度得到进一步的提升。

由于温室的占地面积和使用年限对于温室的保温效果影响很大，通过采用上述两种因素构建室内温度影响因子，并对预测温度进行修正，使得得到的第一时间阈值后的室内温度的准确性得到进一步的提升，在不增加模型复杂度的基础上，提升了预测的精度。

进一步的技术方案在于，所述室内温度影响因子的计算公式为：

其中M、T₁为温室的占地面积、使用年限，T_1max为温室的最高使用年限，K₁₀为权值。

进一步的技术方案在于，所述升温调节的具体步骤为：

S31判断所述保温帘、风机、窗户是否处于关闭状态，若否则关闭，判断所述保温帘开启百分比是否已达到100%，若是则直接进入步骤S35,若否则进入步骤S32；

S32将所述保温帘百分比调整为100%，得到修正后的温度调控因子，将所述修正后的温度调控因子、室外温度影响因子、室内温度、第一温度调控阈值传输至基于ABC-LSTM算法的预测模型之中，得到保温帘调节时间；

S33判断所述保温帘调节时间是否大于保温调节时间阈值，若是，则进入步骤S34;

S34 判断所述暖气锅炉是否已经达到最大功率，若否，则进入步骤S35;

S35提高暖气锅炉的输出功率对所述温室进行升温调节。

通过首先判断保温帘、风机、窗户是否处于关闭状态，从而将降温手段关闭，提升了升温的效率，也提升了保温帘调节时间的预测的可靠性，首先将保温帘百分比调整为100%，并采用ABC-LSTM算法的预测模型之中，得到保温帘调节时间，当保温帘调节时间大于保温调节时间阈值时，说明此时仅靠保温帘已经不能实现对温度的调节，在此基础上再基于暖气锅炉进行升温调节，在保证较少的能源消耗的基础上，保证了升温调节的效率。

采用基于ABC算法对LSTM算法的dropout比率进行优化，从而保证了预测的效率和精确度，同时也结合了LSTM算法在处理时序数据的优势。

进一步的技术方案在于，还包括升温报警信号，当所述暖气锅炉已经达到最大功率且所述保温帘调节时间大于保温调节时间阈值时，此时输出升温报警信号，提醒工作人员。

当暖气锅炉已经到达最大功率时，说明此时已无法通过暖气锅炉对升温调节进行补偿，通过升温报警信号，提醒工作人员采用其他措施保证温室内部的温度，进一步实现了系统的稳定性调节。

进一步的技术方案在于，所述降温调节的具体步骤为：

S41判断所述遮阳帘、暖气锅炉是否处于关闭状态，若否则关闭，判断所述窗户开启百分比和遮阳帘开启百分比是否均已达到100%，若是则直接进入步骤S45,若否则进入步骤S42；

S42将所述窗户开启百分比和遮阳帘开启百分比调整为100%，得到修正后的温度调控因子，将所述修正后的温度调控因子、室外温度影响因子、室内温度、第一温度调控阈值传输至基于ABC-LSTM算法的预测模型之中，得到采用开窗和遮阳帘的方式的调节时间；

S43判断所述采用开窗和遮阳帘的方式的调节时间是否大于降温调节时间阈值，若是，则进入步骤S44;

S44 判断所述风机的工作功率是否已经达到最大功率，若否，则进入步骤S45;

S45提高风机的输出功率对所述温室进行降温调节。

进一步的技术方案在于，还包括降温报警信号，升温报警信号，当所述风机的工作功率已经达到最大功率且所述采用开窗和遮阳帘的方式的调节时间大于降温调节时间阈值时，此时输出降温报警信号，提醒工作人员。

另一方面，本发明提供了一种智慧小镇智能温室控制系统，采用上述的一种智慧小镇智能温室控制方法，其特征在于，具体包括：

包括数据采集模块，数据处理模块，数据分析模块，升温调节模块，降温调节模块；

其中所述数据采集模块负责监测智能温室的室外温度影响数据、室内温度、温度调控数据，并将所述监测智能温室的室外温度影响数据、室内温度、温度调控数据传输给数据处理模块；

所述数据处理模块负责基于所述室外温度影响数据构建室外温度影响因子，基于所述温度调控数据构建温度调控因子，并基于所述室外温度影响因子、室内温度、温度调控因子构建输入集，并将所述输入集传输给数据分析模块；

所述数据分析模块负责基于所述输入集送入到基于智能算法的预测模型之中，得到第一时间阈值后的室内温度，并当所述第一时间阈值后的室内温度小于第一温度调控阈值，将所述第一时间阈值后的室内温度传输给升温调节模块；并当所述第一时间阈值后的室内温度大于第二温度调控阈值时，将所述第一时间阈值后的室内温度传输给升温调节模块；

所述升温调节模块负责采用保温帘进行温度的调节，当采用保温帘的调节时间大于保温调节时间阈值时，加入暖气锅炉进行升温调节；

所述降温调节模块负责采用开窗、遮阳帘的方式进行温度的调节，当采用开窗和遮阳帘的方式的调节时间大于降温调节时间阈值时，加入风机进行降温调节。

另一方面，本申请实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的智慧小镇智能温室控制方法。

另一方面，本申请实施例中提供一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施上述的智慧小镇智能温室控制方法。

附图说明

通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。

图1是根据实施例1的一种智慧小镇智能温室控制方法的流程图；

图2是实施例1中的得到所述第一时间阈值后的室内温度的具体步骤的流程图；

图3是实施例1中的升温调节的具体步骤的流程图；

图4是实施例1中的降温调节的具体步骤的流程图；

图5是根据实施例2的一种智慧小镇智能温室控制系统的框架图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。

用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。

实施例1

为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种智慧小镇智能温室控制方法。

一种智慧小镇智能温室控制方法，其特征在于，具体包括：

S11监测智能温室的室外温度影响数据、室内温度、温度调控数据，并基于所述室外温度影响数据构建室外温度影响因子，基于所述温度调控数据构建温度调控因子，并基于所述室外温度影响因子、室内温度、温度调控因子构建输入集；

S12基于所述输入集送入到基于智能算法的预测模型之中，得到第一时间阈值后的室内温度；

S13当所述第一时间阈值后的室内温度小于第一温度调控阈值时，采用保温帘进行温度的调节，当采用保温帘的调节时间大于保温调节时间阈值时，加入暖气锅炉进行升温调节，若否，则进入步骤S14；

S14当所述第一时间阈值后的室内温度大于第二温度调控阈值时，采用开窗、遮阳帘的方式进行温度的调节，当采用开窗和遮阳帘的方式的调节时间大于降温调节时间阈值时，加入风机进行降温调节，若否，则返回步骤S11。

具体的举个例子，所述第一时间阈值为30分钟，第一温度调控阈值为25摄氏度，第二温度调控阈值为40摄氏度，保温调节时间阈值为4小时，降温调节时间阈值为5小时。

通过基于智能温室的监测数据构建室外温度影响因子、室内温度、温度调控因子，从而解决了原有的预测模型处理数据量大，导致效率低、精确度不高的技术问题，从而使得预测效率和准确度都得到了一定程度的提升，能够在第一时间实现对异常温度的预测。将得到的室外温度影响因子、室内温度、温度调控因子构建输入集，并基于预测模型得到第一时间阈值后的室内温度，当第一时间阈值后的室内温度小于第一温度阈值时，说明此时的温度较低，采用保温帘实现升温，并根据采用保温帘的调节时间比较大时，此时可以通过暖气锅炉对温度进行补偿，进一步进行升温调节，从而解决了原有的没有按照调节措施的耗电量和调节效果的差异进行分步骤调控导致的电能的过多消耗的技术问题，不仅可以实现对温度的快速有效调节，也降低了电能的消耗；当第一时间阈值后的室内温度大于第二温度调控阈值时，说明此时的温室的室内温度较高，采用开窗、遮阳帘的方式进行温度的调节，当采用开窗和遮阳帘的方式的调节时间大于降温调节时间阈值时，加入风机进行降温调节。

通过采用基于所述室外温度影响因子、室内温度、温度调控因子构建输入集，从而使得预测模型所处理的输入集的数据量变小，在保证较高的预测精度的基础上，使得预测效率得到明显的提升。

通过基于第一时间阈值后的室内温度进行温度调节，从而与温度调整的趋势相结合，而不是根据当前的温度进行调节，从而使得温度调节的效果变得更加的完善可靠，保证了温室内植物的生长。

当室内温度较低时，首先采用保温帘进行温度的调节，当采用保温帘的调节时间大于保温调节时间阈值时，加入暖气锅炉进行升温调节，从而能够在实现温度调节的基础上，降低了电能的消耗，提升了经济性和稳定性。

当温度较高时，采用开窗、遮阳帘的方式进行温度的调节，当采用开窗和遮阳帘的方式的调节时间大于降温调节时间阈值时，加入风机进行降温调节，从而能够在实现温度调节的基础上，降低了电能的消耗，提升了经济性和稳定性。

由于低温有可能会导致植物的根系或者枝叶产生永久性的伤害，而温度较高仅仅会使得植物的生产状态不佳，因此通过先对室内温度的低温进行判断，再对室内温度的高温进行判断，从而进一步保证了植物的安全可靠生长。

在另外一种可能的实施例中，所述室外温度影响数据包括：外部温度、光照强度、风向、风速、温室屋顶面积、温室保温层材质，所述室外温度影响因子的计算公式为：

其中K₃、K₂、K₁为权值，G为光照强度，T为外部温度，V为风速，温度屋顶面积为M，c为根据温室保温层材质确定的权数，取值范围在0到9之间。

在另外一种可能的实施例中，所述温度调控数据包括：风机的工作功率、窗户开启百分比、遮阳帘开启百分比、保温帘开启百分比、暖气锅炉工作功率，所述温度调控因子的计算公式为：

其中K₈、K₅、K₆、K₇、K₉为权值，F、B_C、Z_C、L_C、N分别为风机的工作功率、窗户开启百分比、遮阳帘开启百分比、保温帘开启百分比、暖气锅炉工作功率。

在另外一种可能的实施例中，如图2所示，得到所述第一时间阈值后的室内温度的具体步骤为：

S21基于所述室外温度影响因子、温度调控因子、室内温度构建输入集，并将所述输入集传输至基于ACO-ANN算法的预测模型之中，得到第一时间阈值后的预测室内温度；

S22提取所述温室的占地面积、使用年限构建室内温度影响因子；

S23 基于所述室内温度影响因子对所述第一时间阈值后的预测室内温度进行修正，得到第一时间阈值后的室内温度。

通过采用ACO-ANN算法的预测模型，结合了ANN算法精度高和对异常值不敏感的优势，并进一步采用ACO算法对ANN算法的学习率进行寻优，从而使得ANN算法的收敛速度得到进一步的提升。‘

由于温室的占地面积和使用年限对于温室的保温效果影响很大，通过采用上述两种因素构建室内温度影响因子，并对预测温度进行修正，使得得到的第一时间阈值后的室内温度的准确性得到进一步的提升，在不增加模型复杂度的基础上，提升了预测的精度。

在另外一种可能的实施例中，所述室内温度影响因子的计算公式为：

其中M、T₁为温室的占地面积、使用年限，T_1max为温室的最高使用年限，K₁₀为权值。

在另外一种可能的实施例中，如图3所示，所述升温调节的具体步骤为：

S31判断所述保温帘、风机、窗户是否处于关闭状态，若否则关闭，判断所述保温帘开启百分比是否已达到100%，若是则直接进入步骤S35,若否则进入步骤S32；

S32将所述保温帘百分比调整为100%，得到修正后的温度调控因子，将所述修正后的温度调控因子、室外温度影响因子、室内温度、第一温度调控阈值传输至基于ABC-LSTM算法的预测模型之中，得到保温帘调节时间；

S33判断所述保温帘调节时间是否大于保温调节时间阈值，若是，则进入步骤S34;

S34 判断所述暖气锅炉是否已经达到最大功率，若否，则进入步骤S35;

S35提高暖气锅炉的输出功率对所述温室进行升温调节。

通过首先判断保温帘、风机、窗户是否处于关闭状态，从而将降温手段关闭，提升了升温的效率，也提升了保温帘调节时间的预测的可靠性，首先将保温帘百分比调整为100%，并采用ABC-LSTM算法的预测模型之中，得到保温帘调节时间，当保温帘调节时间大于保温调节时间阈值时，说明此时仅靠保温帘已经不能实现对温度的调节，在此基础上再基于暖气锅炉进行升温调节，在保证较少的能源消耗的基础上，保证了升温调节的效率。

采用基于ABC算法对LSTM算法的dropout比率进行优化，从而保证了预测的效率和精确度，同时也结合了LSTM算法在处理时序数据的优势。

在另外一种可能的实施例中，还包括升温报警信号，当所述暖气锅炉已经达到最大功率且所述保温帘调节时间大于保温调节时间阈值时，此时输出升温报警信号，提醒工作人员。

当暖气锅炉已经到达最大功率时，说明此时已无法通过暖气锅炉对升温调节进行补偿，通过升温报警信号，提醒工作人员采用其他措施保证温室内部的温度，进一步实现了系统的稳定性调节。

在另外一种可能的实施例中，，如图4所示，所述降温调节的具体步骤为：

S41判断所述遮阳帘、暖气锅炉是否处于关闭状态，若否则关闭，判断所述窗户开启百分比和遮阳帘开启百分比是否均已达到100%，若是则直接进入步骤S45,若否则进入步骤S42；

S42将所述窗户开启百分比和遮阳帘开启百分比调整为100%，得到修正后的温度调控因子，将所述修正后的温度调控因子、室外温度影响因子、室内温度、第一温度调控阈值传输至基于ABC-LSTM算法的预测模型之中，得到采用开窗和遮阳帘的方式的调节时间；

S43判断所述采用开窗和遮阳帘的方式的调节时间是否大于降温调节时间阈值，若是，则进入步骤S44;

S44 判断所述风机的工作功率是否已经达到最大功率，若否，则进入步骤S45;

S45提高风机的输出功率对所述温室进行降温调节。

在另外一种可能的实施例中，，还包括降温报警信号，升温报警信号，当所述风机的工作功率已经达到最大功率且所述采用开窗和遮阳帘的方式的调节时间大于降温调节时间阈值时，此时输出降温报警信号，提醒工作人员。

实施例2

如图5所示，本发明提供了一种智慧小镇智能温室控制系统，采用上述的一种智慧小镇智能温室控制方法，其特征在于，具体包括：

包括数据采集模块，数据处理模块，数据分析模块，升温调节模块，降温调节模块；

其中所述数据采集模块负责监测智能温室的室外温度影响数据、室内温度、温度调控数据，并将所述监测智能温室的室外温度影响数据、室内温度、温度调控数据传输给数据处理模块；

所述数据处理模块负责基于所述室外温度影响数据构建室外温度影响因子，基于所述温度调控数据构建温度调控因子，并基于所述室外温度影响因子、室内温度、温度调控因子构建输入集，并将所述输入集传输给数据分析模块；

所述数据分析模块负责基于所述输入集送入到基于智能算法的预测模型之中，得到第一时间阈值后的室内温度，并当所述第一时间阈值后的室内温度小于第一温度调控阈值，将所述第一时间阈值后的室内温度传输给升温调节模块；并当所述第一时间阈值后的室内温度大于第二温度调控阈值时，将所述第一时间阈值后的室内温度传输给升温调节模块；

所述升温调节模块负责采用保温帘进行温度的调节，当采用保温帘的调节时间大于保温调节时间阈值时，加入暖气锅炉进行升温调节；

所述降温调节模块负责采用开窗、遮阳帘的方式进行温度的调节，当采用开窗和遮阳帘的方式的调节时间大于降温调节时间阈值时，加入风机进行降温调节。

实施例3

本申请实施例中提供一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施上述的智慧小镇智能温室控制方法。

实施例4

本申请实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的智慧小镇智能温室控制方法。

在本发明实施例中，术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可折卸连接，或一体地连接。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明实施例中的具体含义。

本发明实施例的描述中，需要理解的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作，因此，不能理解为对本发明实施例的限制。

在本说明书的描述中，术语“一个实施例”、“一个优选实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上仅为本发明实施例的优选实施例而已，并不用于限制本发明实施例，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (10)

1.一种智慧小镇智能温室控制方法，其特征在于，具体包括：

S11监测智能温室的室外温度影响数据、室内温度、温度调控数据，并基于所述室外温度影响数据构建室外温度影响因子，基于所述温度调控数据构建温度调控因子，并基于所述室外温度影响因子、室内温度、温度调控因子构建输入集；

S12基于所述输入集送入到基于智能算法的预测模型之中，得到第一时间阈值后的室内温度；

S13当所述第一时间阈值后的室内温度小于第一温度调控阈值时，采用保温帘进行温度的调节，当采用保温帘的调节时间大于保温调节时间阈值时，加入暖气锅炉进行升温调节，若否，则进入步骤S14；

S14当所述第一时间阈值后的室内温度大于第二温度调控阈值时，采用开窗、遮阳帘的方式进行温度的调节，当采用开窗和遮阳帘的方式的调节时间大于降温调节时间阈值时，加入风机进行降温调节，若否，则返回步骤S11。

2.如权利要求1所述的智慧小镇智能温室控制方法，其特征在于，所述室外温度影响数据包括：外部温度、光照强度、风速、温室屋顶面积、温室保温层材质，所述室外温度影响因子的计算公式为：

其中K₃、K₂、K₁为权值，G为光照强度，T为外部温度，V为风速，温度屋顶面积为M，c为根据温室保温层材质确定的权数，取值范围在0到9之间。

3.如权利要求1所述的智慧小镇智能温室控制方法，其特征在于，所述温度调控数据包括：风机的工作功率、窗户开启百分比、遮阳帘开启百分比、保温帘开启百分比、暖气锅炉工作功率，所述温度调控因子的计算公式为：

其中K₈、K₅、K₆、K₇、K₉为权值，F、B_C、Z_C、L_C、N分别为风机的工作功率、窗户开启百分比、遮阳帘开启百分比、保温帘开启百分比、暖气锅炉工作功率。

4.如权利要求1所述的智慧小镇智能温室控制方法，其特征在于，得到所述第一时间阈值后的室内温度的具体步骤为：

S21基于所述室外温度影响因子、温度调控因子、室内温度构建输入集，并将所述输入集传输至基于ACO-ANN算法的预测模型之中，得到第一时间阈值后的预测室内温度；

S22提取所述温室的占地面积、使用年限构建室内温度影响因子；

S23 基于所述室内温度影响因子对所述第一时间阈值后的预测室内温度进行修正，得到第一时间阈值后的室内温度。

5.如权利要求4所述的智慧小镇智能温室控制方法，其特征在于，所述室内温度影响因子的计算公式为：

其中M、T₁为温室的占地面积、使用年限，T_1max为温室的最高使用年限，K₁₀为权值。

6.如权利要求1所述的智慧小镇智能温室控制方法，其特征在于，所述升温调节的具体步骤为：

S31判断所述保温帘、风机、窗户是否处于关闭状态，若否则关闭，判断所述保温帘开启百分比是否已达到100%，若是则直接进入步骤S35,若否则进入步骤S32；

S32将所述保温帘百分比调整为100%，得到修正后的温度调控因子，将所述修正后的温度调控因子、室外温度影响因子、室内温度、第一温度调控阈值传输至基于ABC-LSTM算法的预测模型之中，得到保温帘调节时间；

S33判断所述保温帘调节时间是否大于保温调节时间阈值，若是，则进入步骤S34;

S34 判断所述暖气锅炉是否已经达到最大功率，若否，则进入步骤S35;

S35提高暖气锅炉的输出功率对所述温室进行升温调节。

7.如权利要求6所述的智慧小镇智能温室控制方法，其特征在于，还包括升温报警信号，当所述暖气锅炉已经达到最大功率且所述保温帘调节时间大于保温调节时间阈值时，此时输出升温报警信号，提醒工作人员。

8.如权利要求1所述的智慧小镇智能温室控制方法，其特征在于，所述降温调节的具体步骤为：

S41判断所述遮阳帘、暖气锅炉是否处于关闭状态，若否则关闭，判断所述窗户开启百分比和遮阳帘开启百分比是否均已达到100%，若是则直接进入步骤S45,若否则进入步骤S42；

S42将所述窗户开启百分比和遮阳帘开启百分比调整为100%，得到修正后的温度调控因子，将所述修正后的温度调控因子、室外温度影响因子、室内温度、第一温度调控阈值传输至基于ABC-LSTM算法的预测模型之中，得到采用开窗和遮阳帘的方式的调节时间；

S43判断所述采用开窗和遮阳帘的方式的调节时间是否大于降温调节时间阈值，若是，则进入步骤S44;

S44 判断所述风机的工作功率是否已经达到最大功率，若否，则进入步骤S45;

S45提高风机的输出功率对所述温室进行降温调节。

9.如权利要求8所述的智慧小镇智能温室控制方法，其特征在于，还包括降温报警信号，升温报警信号，当所述风机的工作功率已经达到最大功率且所述采用开窗和遮阳帘的方式的调节时间大于降温调节时间阈值时，此时输出降温报警信号，提醒工作人员。

10.一种智慧小镇智能温室控制系统，采用权利要求1-9任意一项所述的一种智慧小镇智能温室控制方法，其特征在于，具体包括：

包括数据采集模块，数据处理模块，数据分析模块，升温调节模块，降温调节模块；

其中所述数据采集模块负责监测智能温室的室外温度影响数据、室内温度、温度调控数据，并将所述监测智能温室的室外温度影响数据、室内温度、温度调控数据传输给数据处理模块；

所述数据处理模块负责基于所述室外温度影响数据构建室外温度影响因子，基于所述温度调控数据构建温度调控因子，并基于所述室外温度影响因子、室内温度、温度调控因子构建输入集，并将所述输入集传输给数据分析模块；

所述数据分析模块负责基于所述输入集送入到基于智能算法的预测模型之中，得到第一时间阈值后的室内温度，并当所述第一时间阈值后的室内温度小于第一温度调控阈值，将所述第一时间阈值后的室内温度传输给升温调节模块；并当所述第一时间阈值后的室内温度大于第二温度调控阈值时，将所述第一时间阈值后的室内温度传输给升温调节模块；

所述升温调节模块负责采用保温帘进行温度的调节，当采用保温帘的调节时间大于保温调节时间阈值时，加入暖气锅炉进行升温调节；

所述降温调节模块负责采用开窗、遮阳帘的方式进行温度的调节，当采用开窗和遮阳帘的方式的调节时间大于降温调节时间阈值时，加入风机进行降温调节。

Images