基于灰色预测模型的温室温湿度系统建模与控制

温室温湿度系统是一个典型的混杂系统(hybrid system,HS),系统的输入包括环境调控设备的开关状态以及可测不可控的外界环境因子扰动输入,包括太阳辐射、室外温度、室外湿度、风速、风向等。针对温室温湿度系统的这种混杂特性,该文提出一种基于切换系统的温室温湿度系统建模与预测控制方法。首先,分别在天窗开启与关闭状态下采用遗忘因子递推最小二乘法(forgetting factor recursive least squares,FFRLS)辨识模型参数,得到系统的2个子系统模型。采用灰色预测GM(1,1)模型预测温室温室度系统中可测不可控的扰动输入。然后,将系统预测控制问题描述为混合整数二次规划问题(mixed integer quadratic problem,MIQP),并通过分支定界法求解。分析了系统在有限时间内的稳定性(finite time stable,FTS)。最后进行了仿真研究,仿真结果表明该文中提出的建模和控制方法是有效的。     

基于热量平衡方程的温室冬季温度控制策略

为解决配备空气源热泵的温室在冬季加热时温度调控不稳定等问题，该研究在对温室热传递原理进行分析的基础上，通过实测数据分别计算了温室卷被闭合与揭开两种状态下的综合传热系数、空气源热泵系统工作性能参数和雾化喷淋工作性能参数。根据温室热量平衡方程，建立了调控设备控制时间与温室环境参数间的数学关系，并以此提出了温度控制策略，系统运行时利用传感器实时采集环境数据作为输入，输出设备所需工作时间，并据此控制设备启停。经试验验证，基于热量平衡方程的控制方法能有效控制温度在目标值附近，且温度变化稳定、波动幅度小。在外部天气状况相近条件下，该控制方法的单日耗电量比基于上下限阈值控制的方法节约9.06 kW·h，占其当日耗电量的10.95%。在控制策略研究的基础上，利用典型物联网结构设计并实现远程自动控制，研究结果可直接应用于实践。     

基于RTOS的单片机系统在温室环境控制中的应用研究

温室环境控制对实时响应和实时处理能力都有较高的要求，针对这一特点，提出了基于实时操作系统RTOS的嵌入式单片机系统作为其环境调控的底层控制器，在温室环境各参数调控中该底层控制器性能优越、效果显著，实际运行表明该系统具有较高的稳定性和可靠性。     

北京地区温室地源热泵供暖能耗及经济性分析

为研究地热在温室中应用的可行性,该文在北京地区一栋日光温室中采用地下水式地源热泵系统进行了供暖试验研究。试验结果表明,整个供暖期（2007年10月15日－2008年3月10日）地源热泵系统的供暖性能系数约为3.83,与燃煤热水采暖系统相比,地源热泵系统供暖可节约42%的能源消耗量,具有显著的节能减排效果。温室内单位面积的每日供暖耗电量约为0.15 kW·h/(m2·d),供暖费用约为0.12元/(m2·d)。地源热泵供暖、天然气供暖、燃煤热水供暖以及燃油热风供暖几种温室采暖方式的相对运行费用分别约为1.20、1.31、1.00与3.36,地源热泵供暖的运行费用略高于燃煤热水供暖,但低于天然气供暖和燃油热风供暖。     

基于切换控制的温室温湿度控制系统建模与预测控制

为解决温室环境系统的建模与控制问题,该文提出一种基于切换的温室建模方法与预测控制方法,该方法具有结构简单、模犁有效、控制稳定等优点;并以温室实际运行效果为例,说明了文中提出的建模和控制方法的有效性.     

地源热泵系统在西南地区温室的应用分析

为探索地源热泵系统在西南地区温室的应用效果和发展潜力,于2016年开展了重庆地区玻璃温室地源热泵系统设计、工程施工和夏季降温试验研究。结果表明,在重庆气温最高的8月,采用地源热泵系统可在室外平均气温36.2℃的情况下,将温室内温度降低至26.5℃,相比常规冷源空调,地源热泵系统节能率23.5%。     

基于Hammerstein-Wiener模型的地埋管换热器出水温度预测

针对土壤源热泵系统节能运行的控制需求,该文提出一种面向系统运行控制的地埋管换热器Hammerstein-Wiener(H-W)模型。基于H-W模型结构特性和非线性特征,结合地埋管换热器168 h的实时进出、水温度数据,利用Levenberg-Marquardt寻优算法对H-W模型进行辨识,在此基础上,以48 h的逐时进水温度作为模型输入,模型预测值与相应数据的拟合度为99.44%,验证了H-W模型的预测结果。在连续1 000次的H-W模型辨识与验证测试中,拟合度高于90%的占83%。地埋管换热器H-W模型的辨识速度快、预测结果精度较高,并在持续的在线预测中显示了较强的稳定性,为土壤源热泵系统在线优化控制的实施提供了保障。     

地源热泵—地板散热系统在温室冬季供暖中的应用

针对浅层地能低品位的特点,在中国农业科学院Venlo型试验温室内设计建造了一套地源热泵与地板散热方式相结合的供暖系统,并对加热效果进行了试验,结果表明:温室内垂直方向的气温随着高度的增加而下降,水平方向气温分布均匀,温度分布有利于植物的生长。整套地源热泵系统的实际制热系数COP值达到3.14,与燃煤锅炉相比节能36.3%,节能效果明显。     

基于自加速遗传粒子群算法的半封闭式温室能耗预测

针对半封闭式温室环境参数众多且难以测量的问题,提出了一种机理建模与系统辨识建模相结合的温室能耗建模方法。采用自加速遗传粒子群算法(self-accelerating hybrid algorithm of particle swarm optimization and genetic algorithm,SPSO-GA)对温室物理模型中难以确定的参数进行辨识,建立半封闭式温室能耗预测模型。根据上海半封闭式玻璃试验温室的气象数据和测量的能耗值,分别采用遗传算法(genetic algorithm,GA)、粒子群算法(PSO,particle swarm optimization)和SPSO-GA进行参数辨识与能耗预测比较分析。采用SPSO-GA获得的温室能耗预测结果与实测数据的相对误差为1.4%,分别比GA和PSO减少了2.9%和13.7%。根据日太阳光照辐射总量、室外日均温度2个参数及相应的变化曲线,预测的温室能耗值精确度大于86%。试验与模拟结果验证了基于SPSO-GA的温室能耗预测模型有效,可为半封闭式温室能量负载设计、管理和控制提供理论依据。     

基于ANFIS的温室气温模糊控制仿真

该文实现了通过改变温室通风口开度来模拟和控制温室内气温的目的。根据能量平衡原理构建了温室气温数学模型,基于自适应神经模糊控制系统（ANFIS）完成了控制器设计,其中包括对控制变量的选取、模糊集的定义、论域的量化、隶属函数的选择及控制器的训练。最后用Simulink工具箱建立起室温控制过程的MATLAB仿真模型,并对控制模型进行了仿真分析。仿真结果证明了该温室环境温度模糊控制系统的有效性及合理性,该成果对温室小气候智能调控的发展具有一定的参考价值。     

温室环境多级控制系统及优化目标值设定的初步研究

该文采用多级控制策略，优化设定系统目标值来解决温室环境系统中多个时间响应常数相差过大的问题；设定系统优化目标值时，白天使植物获得最大的光合速率，夜间在满足植物生长和积温要求的前提下使温室处在能耗最小的状态下运行。构建了能量消耗为零（无加热、无制冷和无机械通风）时计算温室内部温度的模型，采用遗传算法对最优目标值进行搜索。计算结果表明：该系统优于某地先进的温室控制系统，既能获得较高的效率又能节能。     

温室温度控制系统不确定性与干扰的灰色预测补偿算法

温室温度常规控制方法的控制效果依赖于被控对象模型精确度和干扰测量精确度.而温室系统不确定性、不精确性、时变性和多扰动等特性使温室精确模型很难获得、且干扰很难精确测量.为此,该文采用灰色预测补偿算法对温室对象上述特性进行预测补偿,其优点是可避开温室对象不确定性和干扰因素所带来的在获取对象模型时无法避免的理论和技术上的障碍,摆脱了控制算法对模型精确度和干扰测量精确度的依赖.仿真及实际运行情况均表明,该算法可达到较好的控制效果,控制精度明显提高.统计分析显示,表征不确定性与干扰的灰参量估计值与真值的相关系数分别为0.9968、0.9804、0.9938,决定系数分别为0.9935、0.9585、0.9871;灰参量绝对误差均值为-0.11510、-0.26733、-0.31035,方差为0.05150、0.16324、0.09474,相对误差均值为-1.68%、-8.06%、-8.73%,方差为0.01368、0.00533、0.00581;实测温度曲线与仿真温度曲线相关系数为0.973972,决定系数为0.948621.由于有效地减弱或消除了温度调节过程中的超调和振荡,能耗明显降低,既满足了温度变化的预期要求,又可实现节能.     

温室环境温度预测自适应机理模型参数在线识别方法

温室小气候模型具有非线性、强干扰、时变等特性,常用的线性化模型或离线辨识模型无法有效预测温室环境动态变化规律,模型精度不高直接影响温室环境控制性能。针对模型的这种复杂特性,该文以温度模型为例,提出利用连续-离散递推预测误差算法,对非线性模型参数和状态进行在线估计,以提高模型精度。首先,考虑加热和通风2种控制输入,建立了温室温度模型。然后,论述了该算法的原理和优势,算法通过引入并调整增益矩阵,对系统噪声进行在线更新,减少了系统噪声初始化偏差对参数估计收敛性的影响。最后,基于试验温室实测数据,对温室温度模型进行了在线辨识仿真,结果表明,利用连续-离散递推预测误差算法辨识模型拟合度为93.7%,扩展卡尔曼滤波器拟合度为89.5%,该文提出的算法在预测温室温度方面更为有效。     

基于BP神经网络的杨梅大棚内气温预测模型研究

利用2009年12月-2010年5月塑料大棚内外观测的气象数据,构建了基于BP神经网络的杨梅生产大棚内的最高、最低气温预测模型,根据逐时转化系数计算出棚内相应的逐时气温,达到逐时预报大棚内气温的目的。通过模拟回代和对独立试验数据的验证,基于BP神经网络模型对大棚内日最低气温、日最高气温和逐时气温预测值与实际值的回归估计标准误差（RMSE）分别为0.8℃、1.4℃和0.7℃,精度明显高于同时利用逐步回归法建立的模型。该模型所需参数少,实用性强,模拟精度高,可为设施杨梅气象服务和环境调控提供依据。     

基于作物响应的温室环境SVMR控制仿真

在温室环境控制中,传统的根据专家经验的设定值确定控制的目标,由于经验的局限性和作物生长的适应性等原因而不能准确确定设定值,影响温室生产的效率。该文采用仿真模型,研究根据作物响应自动确定控制目标的温室环境控制方法。根据作物生长模型和温室环境变化模型采用遗传算法自动确定温室环境的设定值,采用稳定性、鲁棒性好的OS-LSSVMR(在线稀疏最小二乘支持向量机回归)内模控制进行温室环境控制。通过仿真,在相同室外条件下,基于作物响应的温室环境控制方法消耗的能量更少,作物的干质量增加的更多,控制的精度更高。说明了该方法     

日光温室地源热泵供暖碳足迹的生命周期分析

为分析日光温室地源热泵供暖的碳足迹,该文以日光温室地源热泵供暖系统中浅层地热能的存储、提取、制冷压缩提升和温室末端供暖整个过程为研究对象,对系统的温室气体排放和单位温室供暖面积的排放水平进行分析,构建基于生命周期分析LCA(life cycle assessment)的日光温室地源热泵供暖碳足迹分析方法。同时以北京地区日光温室地源热泵系统冬季供暖采集的试验数据为依据,分析和计算出北京地区日光温室在采用燃煤和燃气2种不同发电方式下地源热泵系统的供暖碳足迹和基于20 a和100 a温室地源热泵供暖碳足迹的全球变化潜能(global warming potential,GWP,单位为二氧化碳当量排放-CO2-eq.)的变化。研究表明,在北京地区采用燃煤和燃气驱动地源热泵系统的碳足迹GWP分别为257和72 g/(m2·d)。基于100 a的GWP总量比20 a的计算值分别减少了1.6%和5.4%。对比荷兰Venlo型温室天然气供暖,该研究中采用燃煤发电驱动日光温室地源热泵供暖的碳足迹是其1.39倍,而燃气发电驱动日光温室地源热泵供暖的碳足迹仅为Venlo型温室供暖的41%。采用燃气发电驱动的地源热泵供暖系统具有更低的碳足迹。     

基于灰色模型和ARMA模型的猪瘟月新发生次数预测比较

对猪瘟月新发生次数(每个月的新发生次数)的定量预测可以为当地动物疫病防控部门提供依据,使其针对猪瘟发病风险有选择性地采取防控措施.该文分别选用灰色预测模型和ARMA预测模型对贵州省猪瘟月新发生次数进行了预测.灰色模型和ARMA模型以2005-2008年兽医公报中统计的贵州省猪瘟发病数据为预测依据,以2009年的统计数据评价比较预测效果.灰色模型和ARMA模型预测平均绝对误差分别为1.84和1.48,平均绝对百分误差为0.272和0.229.预测结果表明,ARMA预测模型的预测精度更高,对贵州省猪瘟发病的预测是可行有效的.