温室环境优化运行监督模型，是如何实施预测和控制的？

文丨星河古韵

编辑丨星河古韵

随着气候变化、人口增长以及可用水资源和耕地短缺的威胁，农业部门在确保粮食安全方面面临着挑战。

因此，从传统的耕作系统转向有利于温室作物的可持续农业集约化，是显著提高生产力的手段。

今天，就让小星带领大家，一起了解温室环境优化运行监督模型，是如何实施预测和控制的？

温室室内环境

温室通过提供经济的土地使用，以及进行重要的能源和节水，为农业部门开辟了新的前景，它们用于花卉和园艺以延长栽培季节，保护植物免受极端温度、风、冰雹和雨水等不利环境条件的影响等。

它们的主要目标是控制室内环境以促进农作物的质量、数量和生长，然而，由于涉及的变量数量众多且相互依赖，所以其室内环境智能监测是一个特别复杂的过程。

除了外部环境条件外，室内气候条件的适当管理还受到室内温度、相对湿度、二氧化碳浓度和室内光强度这四个主要控制参数的高度影响，这些参数必须控制在可接受的范围内。

从这个角度来看，为了满足所需的要求，许多控制策略已经在基础研究中进行了讨论，例如模糊逻辑控制器和比例积分微分分布式控制器，它们使用与传统控制技术相比代表有用工具的遗传算法。

尽管过程变量与外部气象条件之间存在高度相互作用，但稳健控制在温室温度和湿度控制方面也显示出良好的性能。

上述大部分工作都侧重于改善温室内部气候，而没有考虑能源问题，然而，面对被认为是阻碍其发展的主要因素的温室高能耗，需减少对不可持续能源的受限生产的依赖，不同可再生能源（RES）的整合导致了微电网的概念。

微电网可以被视为配电网络的一部分，包括负载、分布式发电和储能设备，在有限的地理区域内组合在一起。

由于它们能够以并网模式整合可再生能源，并且能够在不中断主网络或微电网本身的情况下继续以孤岛模式运行，因此它们正在带来附加值。

在并网配置中，微电网与配电网运营商 (DNO) 相连，在售电和购电方面互惠互利。

温室优化运行

在温室能源管理系统方面，需要用到几种控制技术，以尽量减少微气候调节所需的能量。

在此范围内，研究人员主要关注整合可再生能源，通过提供可持续的温室能源供应方式来降低经济作物生长的成本。

这种情况下使用的技术主要是光伏组件、地热系统、混合光伏和太阳能集热器或它们的组合。

尽管如此，这些方法中的大多数都是确定性的，并且没有整合天气条件的随机性，事实证明这对于处理操作中数据的不确定性是有效的。

事实上，温室种植者使用天气预报工具，是因为它们有可能减少能源需求，它们与温室能耗预测模型相结合，可以解决智能电网应用中的负荷建模问题。

虽然，在微电网范式下，温室能源利用优化的目标是通过分层模型，将总能源成本和需求费用降至最低，但不整合RES。

试验中使用的温室，可以看作是一种在比室外更好控制的环境中种植植物的结构，它通过各种控制工具，提供了更好管理水需求和能源需求的创新观点。

它被认为是通过电子转换器连接到 DNO 的微电网，以增强面对发电和负载需求的间歇性时的稳定性。

它还集成了代表可再生能源的光伏板和风力涡轮发电机、储能单元 (ESU)、代表驱动装置需求的热、电和水负载、负责优化生产性能的能源管理系统 (EMS)，以及基于无线传感器网络的数据采集系统。

能源管理系统负责微电网范式下的最佳和自主温室运行，第一步是从现场可用的不同传感器收集相关数据，以10分钟为间隔预测室外环境的信息，包括温度、湿度、风速和太阳辐射。

系统首先使用这些预测，来确定光伏电池板和风力涡轮发电机产生的预测电量，然后将其发送到实施规则的主控制器，根据最佳范围，为现有执行器生成设定点控制信号和控制参数。

主控制器的目标是将可再生能源优化分配给温室负荷，同时通过将剩余的剩余电力传递给网络，或将其存储在电池中作为替代来减少波动。

预测控制是基于实时使用控制器内部过程的动态模型，以预测未来的行为。

事实上，在每个时间步，控制变量的预测被计算到一个时间范围 (Np)，以确定每个功率流的未来控制序列，并且这是为了参考，轨迹达到所需的设定点。

然而，只有在下一个时钟脉冲时被应用，再根据后退地平线原则重复所有这些步骤，就可以在下一个时间段内，使用新的功率和负载数据，并允许计算新的控制序列。

这种方法的主要优点是它能够预测未来事件，同时提供明确的约束管理。

温室数学建模

在典型的温室中，植物生产的效率主要取决于关键气候生长条件的调整，包括光照，空气，水分，矿质营养（肥料），无虫害/细菌病毒/杂草的竞争，只要达到以上所要求的适当条件，大部分植物可在3-6周内长大一倍。

事实上，影响植物生长质量和生产力的最重要因素是气温、相对湿度、光照强度和二氧化碳排放率。

为了以低成本实现良好的质量和高产量，必须通过加热、补充照明、注入浓缩二氧化碳、加湿或除湿、通风来优化控制这些环境变量。

变量也不是一下子就能确定的，还需要经过多次实验，设立不同的对照组，分批次进行实验，以获得最准确，最有利的条件。

优化问题被表述为服从二次成本函数的多目标优化问题，其中目标是最佳地操纵温室的小气候环境并优化其性能和操作。

目标函数的前五项旨在分别定义所需室内温度、湿度、CO2 率、人工照明和灌溉用水负荷的参考信号的最大偏差。

此外，目标函数考虑了存储系统和水库围绕参考值的运行，以确保服务质量，并最大限度地减少与主电网的交换，旨在增加当地可再生能源生产的使用。

温室内装有储能单元（电池），其作用是参与电力负荷的平衡和可再生能源发电，温室内设有蓄水系统（蓄水池），用于提供供水。

温室内的相对湿度也被认为是影响作物生长的最重要变量之一，有据可查的是，在蒸腾过程中，根部吸入并通过叶子蒸发到空气中的水流会受到湿度水平的影响。

相对湿度越高，蒸腾越慢，从而导致组织损伤、生长延迟和疾病传播，此外，低湿度会导致水分胁迫并影响光合作用过程，因此，需要监测温室内的相对湿度，为作物生长提供最佳环境。

二氧化碳是仅次于水的植物消耗最多的养分，它以气态形式从空气中吸收，其对植物生产的主要影响是光合作用。

二氧化碳在大气中的浓度通常为 380 ppm，但在高科技温室中显示，光合作用随着二氧化碳的增加而迅速增加。

事实上，许多植物物种，通过增加干重、植物高度、叶子和花的数量，以及侧枝显示出非常积极的效果和高质量的二氧化碳富集特征，因此，为了提高光合作用的速率，必须向温室补充额外的二氧化碳。

光被认为是植物生长最重要的参数，因为如果没有光的存在和积极影响，植物中的所有活跃生命过程都是不可能的。

它是光合作用的能量来源，也是许多生理过程的激活信号来源，除了环境光，植物发育还受到光强度、光周期（光或暗周期）以及波长或光谱分布的影响。

在温室生产中，人工照明在自然光照条件较差的时期被广泛使用，以提高作物生长和质量。

案例研究的应用

为了证明所提出的优化算法的性能并证明其具体实践，基于MPC的调度问题已通过多个案例研究进行了模拟和测试，其中最相关的案例如下所示：在大量可再生能源发电中运行时超过24小时间隔，以及在最坏情况下运行超过4天间隔。

预测范围和控制范围的长度分别设置为24小时和96小时，控制间隔为15分钟。

所提出的控制策略针对典型的温室运行，两个案例研究的预期室外温度、湿度、二氧化碳、太阳辐射和风速。

它连接到 DNO、可再生发电机（1 kW的光伏模块和3 kW的风力涡轮机）和最大容量为24 kWh 的储能单元以满足电力需求。

包含两个泵站：一个从水源向水库供水的主泵，另一个专用于灌溉的本地泵，此外，它还配备了一个用于加热和冷却的功率热比为0.2的微型热电联产，一个由80个28W LED灯组成的辅助人工光源，一个二氧化碳注射器、除湿器和基于无线传感器网络的先进计量基础设施。

温室专门种植西红柿，白天温度为 22°C，夜间温度为 17°C，最适合其根部生长和植物发育 ，室内二氧化碳的昼夜增加来自其环境水平。

适宜的相对湿度要求在60%~70%，植物表面光合作用所需的最低光照强度为5500勒克斯，光周期为20小时。

因此，预期的人工照明负荷应在上午 12:00 至凌晨 3:00 和下午 6:00 至凌晨 12:00 期间达到 2.2 kW，此时作物需要补充人工照明以完成其光周期。

此外，考虑到温室番茄每株至少需要0.37平方米，总种植面积为80平方米，并考虑到每株每天需要2.7升的水，当地保证的预期灌溉水负荷在每小时的第一个间隔。

这是一种用于微电网供电温室优化运行的新型控制策略，该策略是使用模型预测来制定的，以最佳地保持所需的温室气候，同时适当地管理专用于灌溉、人工照明、二氧化碳浓缩、除湿、通风和加热的能源和水流。

除天气预报外，优化模型还包括可再生能源和负荷的不确定性，设备产生的控制策略证明了优化方法的有效性，及其对温室能源管理单元的适用性。