溫室小氣候模型的研究現(xiàn)狀

溫室小氣候模型的研究現(xiàn)狀

0溫室小氣候模型溫室是為收獲品種提供合適生長(zhǎng)環(huán)境的場(chǎng)所，包括溫度、濕度、co和照明等環(huán)境因素。為了提高對(duì)環(huán)境的管理和控制的有效性,溫室小氣候和作物模型是非常必要的。在過(guò)去的20年里,荷蘭、以色列、法國(guó)、美國(guó)、比利時(shí)、加拿大、葡萄牙等國(guó)家對(duì)溫室小氣候模型進(jìn)行了深入地研究,積累了很多寶貴的經(jīng)驗(yàn)[1~5],為溫室的建造和控制技術(shù)提供了理論基礎(chǔ)和實(shí)際指導(dǎo)。為了更好地改進(jìn)現(xiàn)有溫室,必須從溫室的小氣候模型進(jìn)行分析,建造適合我國(guó)各地區(qū)氣候特點(diǎn)的不同溫室。本文就溫室小氣候模型的發(fā)展現(xiàn)狀及其未來(lái)的發(fā)展趨勢(shì)進(jìn)行了綜述和展望。文獻(xiàn)中已有提到關(guān)于溫室內(nèi)溫度、濕度和CO2濃度動(dòng)態(tài)仿真的模型研究。建立模型的方法主要有3種:一是依據(jù)能量和物質(zhì)平衡[7~8];二是線(xiàn)性系統(tǒng)辨識(shí),如遞歸最小二乘算法等;三是非線(xiàn)性系統(tǒng)辨識(shí),如神經(jīng)網(wǎng)絡(luò)等。1水蒸汽平衡模型Bot.G.P.A對(duì)溫室物理過(guò)程進(jìn)行了分析。溫室分5層,即室外氣體、覆蓋層、室內(nèi)氣體、土壤和熱管。物理過(guò)程為它們之間的熱流動(dòng)(顯熱)和水汽(潛熱)流動(dòng),結(jié)構(gòu)如圖1所示。溫室內(nèi)的顯熱平衡解釋溫度的變化率dT/dt,用來(lái)計(jì)算溫室的熱需求。溫室內(nèi)的潛熱(水蒸汽)平衡用來(lái)解釋溫室絕對(duì)濕度的變化率。根據(jù)溫室的能量和物質(zhì)平衡建立動(dòng)態(tài)模型如下(Bot1991,式中v—溫室的體積(m3);qheater—加熱能;E—作物蒸騰所需要的能量(W);h—溫室平均高度(m)(溫室容積與它的地表面積之比gAv);在式(1)和式(2)中,通風(fēng)、熱傳導(dǎo)、加熱和輻射的轉(zhuǎn)換機(jī)理詳細(xì)見(jiàn)文獻(xiàn)與文獻(xiàn)。Stanghellini等(1995)對(duì)溫室內(nèi)作物的蒸騰作用水汽轉(zhuǎn)換,水汽在內(nèi)表面的壓縮與室內(nèi)外氣候條件的關(guān)系進(jìn)行分析。式(1)和(2)轉(zhuǎn)化為式中G—短波輻射;自然通風(fēng)時(shí),v與室外的風(fēng)速、風(fēng)向、開(kāi)窗的結(jié)構(gòu)大小等有關(guān),已有文獻(xiàn)對(duì)它進(jìn)行研究,都是對(duì)某一種類(lèi)型的溫室通過(guò)測(cè)量方法(氣體追蹤法、CFD和PIV等方法[11~12]),實(shí)驗(yàn)測(cè)量得到。由于需要實(shí)驗(yàn)得到一些參數(shù)(如v),而且還涉及許多參數(shù)和物理變量,因此很難應(yīng)用到實(shí)踐工程中。2溫室氣候模型的建立依據(jù)實(shí)驗(yàn),為了推理模型,對(duì)系統(tǒng)的輸入和輸出信號(hào)進(jìn)行記錄和分析。這個(gè)過(guò)程被稱(chēng)為系統(tǒng)辯識(shí)。在溫室氣候模型中,輸出信號(hào)的向量y是對(duì)溫室內(nèi)的溫度iT和濕度Rhi測(cè)量得到。輸入信號(hào)的向量u是對(duì)室外的溫度oT,濕度Rho,太陽(yáng)光照輻射Rad,通風(fēng)和加熱器的控制信號(hào)uvent和uheater,以及其他相關(guān)參數(shù)的測(cè)量。這個(gè)模型還必須受外界氣候條件的干擾。系統(tǒng)和模型的原理圖,如圖2所示。在圖2中,e,y′和ε分別為干擾信號(hào)、模型輸出和預(yù)測(cè)誤差。假設(shè)溫室氣候模型用線(xiàn)性近似進(jìn)行描述,那么它可以用系統(tǒng)辯識(shí)過(guò)程方法來(lái)建立。通過(guò)這種方法,溫室氣候系統(tǒng)可以用線(xiàn)性參數(shù)受控自回歸模型(ARX)來(lái)表示(BoaventuraCunhaetal.,1997;2000,Lung,1987)。溫室內(nèi)的溫度和濕度由下式表示,即其中,ai為轉(zhuǎn)換函數(shù)的分母參數(shù),iB為延遲操作的多項(xiàng)式,Tpipe為加熱管的溫度。然而使用這個(gè)方法進(jìn)行仿真時(shí),如果參與仿真的模型參數(shù)的數(shù)據(jù)不足,將導(dǎo)致模型的不匹配(與物理模型比較)。這是由于ARX黑箱模型對(duì)整個(gè)系統(tǒng)的高度簡(jiǎn)化,不能跟蹤參數(shù)的變化造成的。然而溫室氣候系統(tǒng)的參數(shù)是時(shí)變的,如在一天或一年內(nèi),由于太陽(yáng)的高度和覆蓋物的光環(huán)境特性是隨時(shí)間變化的,因此太陽(yáng)輻射轉(zhuǎn)換為熱的量是變化的。為了克服上述的缺點(diǎn),可以采用遞推估計(jì)算法來(lái)計(jì)算式(6)和(7)轉(zhuǎn)換函數(shù)的時(shí)變參數(shù)。由于參數(shù)是慢時(shí)變的,而且在長(zhǎng)時(shí)間內(nèi)變化也不是非常大,因此也可以用漸消記憶(帶指數(shù)窗)的遞推最小二乘算法(RLS,RecursiveLeastSquare)來(lái)計(jì)算。計(jì)算公式如下其中,θ為估計(jì)模型參數(shù)(多項(xiàng)式A和B的系數(shù)),K和P分別是收益矩陣和協(xié)方差矩陣。令P(k)=αI,一般α取值0.0001~0.001,?(k)和v(k)分別為回歸信息向量和剩余方差估計(jì)。依據(jù)物理模型建立的溫室氣候模型,可知它是非線(xiàn)性的。因此,假設(shè)建立在線(xiàn)性系統(tǒng)上的黑箱線(xiàn)性參數(shù)模型方法會(huì)產(chǎn)生較大的誤差。3神經(jīng)網(wǎng)絡(luò)模型溫室氣候模型是多輸入多輸出(MIMO)的非線(xiàn)性模型。神經(jīng)網(wǎng)絡(luò)具有能夠逼近任意非線(xiàn)性函數(shù)的功能,支持多輸入多輸出,能夠進(jìn)行學(xué)習(xí),以適應(yīng)環(huán)境的變化等特點(diǎn),因此神經(jīng)網(wǎng)絡(luò)可以用于溫室氣候建模的研究。運(yùn)用神經(jīng)網(wǎng)絡(luò)來(lái)建立溫室氣候模型已經(jīng)在一些文獻(xiàn)中描述[14~16]。溫室氣候的神經(jīng)網(wǎng)絡(luò)模型基本上采用具有單隱含層的前饋神經(jīng)網(wǎng)絡(luò)模型。I.Seginer等用MIMO前饋神經(jīng)網(wǎng)絡(luò)模型,用7個(gè)輸入量(太陽(yáng)輻射、溫度、濕度和CO2發(fā)生器流量等)和兩個(gè)輸出(室內(nèi)溫度和CO2濃度)建立溫室模型。但是當(dāng)用來(lái)預(yù)測(cè)時(shí),得到結(jié)果并不合理。為了改變這種情況,對(duì)溫度和CO2濃度的模型分別進(jìn)行建立,再用來(lái)預(yù)測(cè)時(shí),與真實(shí)值很接近。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBF,RadialBasisFunction)是前饋反向傳播網(wǎng)絡(luò)。RBF結(jié)構(gòu)簡(jiǎn)單,具有函數(shù)逼近能力強(qiáng),以及更快的學(xué)習(xí)特征。P.M.Ferreira等(2002)采用RBF神經(jīng)網(wǎng)絡(luò),在培養(yǎng)溶液的溫室中,用室外的溫度,太陽(yáng)輻射和室內(nèi)濕度作為函數(shù),建立室內(nèi)的溫度模型取得較好的效果。圖3為神經(jīng)網(wǎng)絡(luò)的模型,其主要包括3個(gè)層次:輸入層、隱含層和輸出層。輸入層包括室外溫度、太陽(yáng)輻射、風(fēng)機(jī)、濕度、CO2濃度、天窗等參數(shù),輸出層包括溫度、濕度控制、風(fēng)機(jī)、CO2濃度控制等。但是,神經(jīng)網(wǎng)絡(luò)模型也有其局限性。由于多自由度,需要大量的數(shù)據(jù)例子來(lái)訓(xùn)練;而且學(xué)習(xí)時(shí)間較長(zhǎng),推理不可靠,因此不能在實(shí)時(shí)系統(tǒng)中運(yùn)用。4溫室內(nèi)模擬和測(cè)量溫度仿真結(jié)果試驗(yàn)場(chǎng)所是浙江省農(nóng)業(yè)高科技示范園區(qū)內(nèi)的Venlo型現(xiàn)代化玻璃溫室。溫室為東西走向,每跨長(zhǎng)6.4m,檐高3.5m,共10跨,材料為4mm的孚法玻璃。南北方向各有10扇交錯(cuò)天窗,長(zhǎng)1.5m,寬0.8m。冬季溫室利用電廠(chǎng)余熱進(jìn)行加溫,溫室內(nèi)機(jī)構(gòu)都由計(jì)算機(jī)控制。圖4為采用物理模型方式建立的溫室內(nèi)模擬溫度和測(cè)量溫度仿真結(jié)果。其中,實(shí)線(xiàn)表示模擬溫度曲線(xiàn),虛線(xiàn)表示實(shí)測(cè)溫度曲線(xiàn)。實(shí)驗(yàn)時(shí)間為2003年12月13~17日,計(jì)算機(jī)每隔5min對(duì)采集的數(shù)據(jù)記錄并保存,圖4中顯示的為16日和17日兩天的數(shù)據(jù)。仿真得到的模擬和實(shí)測(cè)溫度之間的均方根誤差為0.8929℃,模擬溫度曲線(xiàn)與實(shí)測(cè)溫度曲線(xiàn)非常吻合。圖5為采用神經(jīng)網(wǎng)絡(luò)方法建立的溫室內(nèi)的模擬溫度和測(cè)量溫度仿真結(jié)果,實(shí)線(xiàn)表示模擬溫度曲線(xiàn),虛線(xiàn)表示實(shí)測(cè)溫度曲線(xiàn)。實(shí)驗(yàn)時(shí)用2003年12月8~13日所測(cè)得的數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí),14日至19日測(cè)得的數(shù)據(jù)進(jìn)行模擬溫度與實(shí)測(cè)溫度的比較。所得的兩條曲線(xiàn)的擬合程度也較好,仿真得到的模擬和實(shí)測(cè)溫度的均方根誤差為1.0305℃。5氣候控制模型通過(guò)上面3種方法的分析比較,發(fā)現(xiàn)這3種方法對(duì)建立溫室氣候模型都還存在著一定的局限性,因此很難在實(shí)踐的工程中得到應(yīng)用。此外,出現(xiàn)了一種新的溫室溫度控制的方法—基于粒子群最優(yōu)化法則(PSO)。這種方法能夠在使用較低的控制效果地情況下有效的降低各個(gè)控制點(diǎn)的跟蹤錯(cuò)誤,控制效果優(yōu)于遺傳算法和連續(xù)二次方程模型;但是它也需要更長(zhǎng)的估算運(yùn)行時(shí)間。然而,包括使用微小規(guī)模種群和平行估算手段的研究,會(huì)直接影響實(shí)時(shí)溫室氣候控制;并且這種技術(shù)不僅能夠用在溫室的溫度控制上,也可以用于溫室的濕度以及CO2濃度的控制等。在實(shí)際應(yīng)用中,為了消除它們各自的不利因素,采用雜交(Hybrid)模型的方式,如物理模型和RBF神經(jīng)網(wǎng)絡(luò)模型相結(jié)合,可以得到比其單獨(dú)更好的預(yù)測(cè)效果。線(xiàn)性參數(shù)受控自回歸模型(ARX)和神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)結(jié)合組成基于神經(jīng)網(wǎng)絡(luò)的線(xiàn)性參數(shù)受控自回歸模型(NNARX)系統(tǒng),采用遺傳算法和物理模型,用粒子群最優(yōu)化與遺傳算法等方法結(jié)合建立溫室小氣候模型等方式,實(shí)現(xiàn)溫室小氣候的優(yōu)化控制。ρa(bǔ)—空氣密度(kg干燥空氣/m3);Cpa—空氣中的熱含量(J/kg·K);qr—太陽(yáng)光照輻射能;qv—通風(fēng)和滲透的能量;qc—與外界傳導(dǎo)的能量;ql—長(zhǎng)波輻射能量;Et—作物蒸騰作用釋放的水汽量(kg/m2·s);Ev—通風(fēng)換氣損