| 基于自加速遗传粒子群算法的半封闭式温室能耗预测 |
| |
| 引用本文： | 陈教料,陈教选,杨将新,胥芳,沈真. 基于自加速遗传粒子群算法的半封闭式温室能耗预测[J]. 农业工程学报, 2015, 31(24): 186-193 |
| |
| 作者姓名： | 陈教料 陈教选 杨将新 胥芳 沈真 |
| |
| 作者单位： | 1.浙江大学现代制造研究所，杭州 3100272.浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室，杭州 310014,2.浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室，杭州 310014,1.浙江大学现代制造研究所，杭州 310027,2.浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室，杭州 310014,3.同济大学国家设施农业工程研究中心，上海 200092 |
| |
| 基金项目： | 国家高技术研究发展计划（863计划）（2013AA050405）；国家国际科技合作专项（2014DFE60020）；国家自然科学基金（61374094）；浙江省创新团队项目（2011R50011-02）。 |
| |
| 摘 要： | 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。
|
| 关 键 词： | 温室；算法；能耗管理；半封闭式温室；自加速遗传粒子群算法 |
| 收稿时间： | 2015-08-11 |
| 修稿时间： | 2015-11-25 |
Prediction on energy consumption of semi-closed greenhouses based on self-accelerating PSO-GA |
| |
| Chen Jiaoliao,Chen Jiaoxuan,Yang Jiangxin,Xu Fang and Shen Zhen. Prediction on energy consumption of semi-closed greenhouses based on self-accelerating PSO-GA[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(24): 186-193 |
| |
| Authors: | Chen Jiaoliao Chen Jiaoxuan Yang Jiangxin Xu Fang Shen Zhen |
| |
| Affiliation: | 1. Institute of Contemporary Manufacturing Engineering, Zhejiang University, Hangzhou 310027, China; 2. Key Laboratory of E & M, Ministry of Education & Zhejiang Province, Zhejiang University of Technology, Hangzhou 310014, China;,2. Key Laboratory of E & M, Ministry of Education & Zhejiang Province, Zhejiang University of Technology, Hangzhou 310014, China;,1. Institute of Contemporary Manufacturing Engineering, Zhejiang University, Hangzhou 310027, China;,2. Key Laboratory of E & M, Ministry of Education & Zhejiang Province, Zhejiang University of Technology, Hangzhou 310014, China; and 3. National Engineering Research Center of Facilities Agriculture, Tongji University, Shanghai 200092, China; |
| |
| Abstract: | |
| |
| Keywords: | greenhouses algorithms energy management semi-closed greenhouse self-accelerating hybrid algorithm of particle swarm optimization and genetic algorithm (SPSO-GA) |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
|
点击此处可从《农业工程学报》下载全文 |
|
