秦琳琳 馬 嬌 黃云夢(mèng) 吳 剛
(中國(guó)科學(xué)技術(shù)大學(xué)信息科學(xué)技術(shù)學(xué)院, 合肥 230027)
現(xiàn)代溫室是設(shè)施農(nóng)業(yè)的典型代表,溫室技術(shù)是現(xiàn)代農(nóng)業(yè)技術(shù)的重要組成部分,溫室環(huán)境系統(tǒng)建模與控制是溫室技術(shù)的核心[1]。為實(shí)現(xiàn)溫室環(huán)境調(diào)控,現(xiàn)代溫室安裝有各類傳感器和環(huán)境調(diào)控設(shè)備。根據(jù)溫室環(huán)境調(diào)控需要,傳感器一般包括溫度傳感器、濕度傳感器、二氧化碳濃度傳感器、太陽(yáng)輻射強(qiáng)度傳感器、風(fēng)速傳感器等,分別用來(lái)測(cè)量室內(nèi)外溫度、室內(nèi)外濕度、室內(nèi)二氧化碳濃度、太陽(yáng)輻射強(qiáng)度以及室外風(fēng)速??刂蒲b置主要包括天窗、濕簾、風(fēng)機(jī)、遮陽(yáng)網(wǎng)等[2]。在中國(guó),溫室環(huán)境調(diào)控設(shè)備主要由開(kāi)關(guān)設(shè)備和能連續(xù)控制但無(wú)位置反饋的設(shè)備構(gòu)成。
溫室小環(huán)境控制經(jīng)過(guò)多年積累,已經(jīng)取得很多重要成果,目前研究重點(diǎn)主要集中在3個(gè)方面:①建立溫室溫度和濕度模型,包括根據(jù)能量平衡和物質(zhì)平衡建立的機(jī)理模型[3-5],以及根據(jù)輸入輸出數(shù)據(jù),采用系統(tǒng)辨識(shí)方法建立的辨識(shí)模型[6-8],由于機(jī)理模型未知參數(shù)較多,而且多數(shù)參數(shù)難以確定,部分參數(shù)測(cè)量需要特殊儀器,甚至部分參數(shù)還可能隨著溫室長(zhǎng)期運(yùn)行發(fā)生改變,建模較多采用基于輸入輸出數(shù)據(jù)的參數(shù)模型[9]。②利用各種先進(jìn)的智能控制算法進(jìn)行環(huán)境控制,如MIRZAEE-GHALEH等[10]采用模糊控制、FOURATI[11]采用人工神經(jīng)網(wǎng)絡(luò)、MARTINOVI等[12]采用專家系統(tǒng),都是試圖避免建模過(guò)程,直接設(shè)計(jì)控制系統(tǒng)。③國(guó)內(nèi)溫室混雜系統(tǒng)的研究,通過(guò)引用混雜自動(dòng)機(jī)[13]、切換系統(tǒng)[14-15]來(lái)解決溫室溫度建模與控制的問(wèn)題?;祀s自動(dòng)機(jī)控制可以有效解決設(shè)備頻繁切換的問(wèn)題,但控制精度有限,切換系統(tǒng)可以與智能控制算法結(jié)合[16],提高控制質(zhì)量。
目前溫室調(diào)控策略多是著眼于“最優(yōu)”的氣候環(huán)境控制[17],但溫室溫度系統(tǒng)的輸入量包括環(huán)境調(diào)控設(shè)備的開(kāi)關(guān)狀態(tài)以及外界可測(cè)不可控的擾動(dòng)輸入,只能通過(guò)控制調(diào)控設(shè)備開(kāi)關(guān)對(duì)溫室溫度進(jìn)行調(diào)控,但擾動(dòng)輸入會(huì)使溫度控制無(wú)法始終滿足設(shè)定值。如果只考慮控制精度會(huì)大大增加調(diào)控成本,為減少調(diào)節(jié)溫室溫度帶來(lái)的能源浪費(fèi),需要優(yōu)化溫度調(diào)控設(shè)定值[18]。
本文利用切換系統(tǒng)的思想來(lái)解決溫室溫度系統(tǒng)的建模和多輸入預(yù)測(cè)控制問(wèn)題,在每個(gè)控制時(shí)刻獲得溫室多個(gè)設(shè)備的控制序列,因此優(yōu)化性能指標(biāo)的求解是一個(gè)NP-hard問(wèn)題[19]。引入積溫控制思想[20-21]對(duì)預(yù)測(cè)控制設(shè)定值進(jìn)行優(yōu)化,采用雙周期規(guī)劃積溫目標(biāo),根據(jù)積溫和當(dāng)前溫度動(dòng)態(tài)調(diào)整預(yù)測(cè)控制設(shè)定值,以減少能耗,避免設(shè)備頻繁切換。
由于溫室溫度調(diào)控設(shè)備主要是由開(kāi)關(guān)設(shè)備以及能連續(xù)調(diào)節(jié)但無(wú)位置反饋設(shè)備構(gòu)成,設(shè)備(如天窗、濕簾、風(fēng)機(jī)、遮陽(yáng)網(wǎng)等)狀態(tài)一般是離散變量,而室外環(huán)境變量(如太陽(yáng)輻射、室外溫度、室外濕度、風(fēng)速等)與室內(nèi)環(huán)境變量(室內(nèi)溫度、室內(nèi)濕度等)是連續(xù)變量,因此溫室溫度系統(tǒng)是一個(gè)典型的混雜系統(tǒng)。溫室溫度系統(tǒng)中的室外環(huán)境變量是可測(cè)不可控的擾動(dòng)輸入變量,與環(huán)境調(diào)控設(shè)備共同影響溫度系統(tǒng)的動(dòng)態(tài)特性。設(shè)備狀態(tài)不同邏輯組合會(huì)使系統(tǒng)產(chǎn)生不同的動(dòng)態(tài)特性,一種確定的設(shè)備狀態(tài)即可視為一個(gè)子系統(tǒng),溫室系統(tǒng)的建模也可轉(zhuǎn)換為對(duì)所有子系統(tǒng)的建模。
模型選擇采用線性自回歸滑動(dòng)平均(Auto-regressive moving average with exogenous variable,ARMAX)模型
(1)
其中
(2)
q-1y(k)=y(k-1)
式中k——采樣時(shí)刻序號(hào)
q-1——移位算子
y(k)——第k個(gè)采樣時(shí)刻室內(nèi)溫度
ui(k)——第k個(gè)采樣時(shí)刻室外環(huán)境因子
nbi——各室外環(huán)境因子量階次
ndi——噪聲階次
e(k)——均值為零、有界、不相關(guān)的平穩(wěn)隨機(jī)序列
溫室環(huán)境變量眾多,冗余的信息條件會(huì)降低模型精度,減慢收斂速度,故需要分析輸入變量以簡(jiǎn)化模型。采用相關(guān)分析技術(shù)選取與溫度系統(tǒng)最相關(guān)的輸入變量。皮爾遜相關(guān)性系數(shù)ρX,Y計(jì)算公式[22]為
(3)
式中E——數(shù)學(xué)期望
模型階次n是模型殘差平方和γ(n)的函數(shù),模型階次遞增γ(n)下降,且在n=n*處有拐點(diǎn),n*為實(shí)際階次,根據(jù)拐點(diǎn)實(shí)現(xiàn)模型定階[23]。
γ(n)=(y-X)T(y-X)
(4)
為了更直觀判斷,利用統(tǒng)計(jì)假設(shè)檢驗(yàn)判斷拐點(diǎn),引入統(tǒng)計(jì)量
(5)
式中N——數(shù)據(jù)長(zhǎng)度
f服從F(f1,f2)分布,2個(gè)自由度分別是:f1=3(n2-n1),f2=N-3n2,當(dāng)階次是逐階遞增,則f1=3,當(dāng)數(shù)據(jù)長(zhǎng)度足夠長(zhǎng),f2≈N。
根據(jù)F檢驗(yàn),判斷當(dāng)階次從n1增加至n2時(shí),γ(n)的減小是否顯著。引入統(tǒng)計(jì)量α,f*為f1、f2確定時(shí)的F分布臨界值,若f>f*,則認(rèn)為在α風(fēng)險(xiǎn)水平下γ(n)的變化是顯著的,反之亦然。按照上述分析,可知第一次出現(xiàn)f 為防止因辨識(shí)數(shù)據(jù)過(guò)多導(dǎo)致飽和,優(yōu)先考慮新數(shù)據(jù)對(duì)模型的影響,采用帶遺忘因子λ的最小二乘增廣遞推算法[24] (6) 式中L(k)——k步估計(jì)觀測(cè)向量 Y(k)——k步模型輸出 λ——遺忘因子,λ∈(0,1] 為檢驗(yàn)?zāi)P途龋?yàn)證模型輸出與實(shí)際輸出的擬合效果,采用均方根誤差(Root mean square error,RMES)作為指標(biāo)[25] (7) 式中yk——k采樣時(shí)刻的實(shí)際輸出 eRMSE——均方根誤差 預(yù)測(cè)控制基本思想是在每一個(gè)采樣時(shí)刻,使用當(dāng)前時(shí)刻的實(shí)測(cè)輸出和模型的多步預(yù)測(cè)輸出,通過(guò)極小化有約束的目標(biāo)函數(shù),獲到當(dāng)前和未來(lái)有限時(shí)段的控制量序列,僅使用控制量序列第一個(gè)值作為當(dāng)前控制量。在下一采樣時(shí)刻檢驗(yàn)實(shí)際輸出值,重新計(jì)算預(yù)測(cè)輸出,計(jì)算控制量,形成了閉環(huán)反饋控制。 預(yù)測(cè)控制引入到溫室溫度控制中,每個(gè)采樣周期優(yōu)化的應(yīng)是預(yù)測(cè)域中的狀態(tài)切換序列。預(yù)測(cè)控制算法性能指標(biāo)函數(shù)為 (8) (9) (10) (11) (12) y(t|t)=y(t) (13) 式中Spt——預(yù)測(cè)控制設(shè)定值 P——預(yù)測(cè)步長(zhǎng) R——子模型個(gè)數(shù) σjk——第j個(gè)子模型狀態(tài),0表示關(guān)閉,1表示開(kāi)啟,σjk={0,1} y(t)——當(dāng)前t時(shí)刻輸出 y(t+k|t)——t時(shí)刻對(duì)t+k時(shí)刻的預(yù)測(cè)輸出 在預(yù)測(cè)控制序列求解過(guò)程中,由于系統(tǒng)輸入包括可測(cè)不可控的室外環(huán)境因子擾動(dòng),而擾動(dòng)序列中[ut+1,ut+2,…,ut-d+k]是未來(lái)時(shí)刻室外環(huán)境因子,需要對(duì)其進(jìn)行預(yù)測(cè)。采用滑動(dòng)灰色預(yù)測(cè)算法[15]預(yù)測(cè)未來(lái)短時(shí)間室外環(huán)境因子。 每個(gè)設(shè)備的動(dòng)作序列為待求解的控制量,每一步預(yù)測(cè)輸出中,不同時(shí)刻不同設(shè)備控制序列是乘積關(guān)系,性能指標(biāo)函數(shù)階次為RP。這個(gè)高階多項(xiàng)式還是一個(gè)非確定性多項(xiàng)式(Non-deterministic polynomial,NP),所求問(wèn)題是NP-hard問(wèn)題[19],且待優(yōu)化問(wèn)題中,未來(lái)的決策受之前狀態(tài)的直接影響,即不滿足動(dòng)態(tài)規(guī)劃算法的無(wú)后效性原理,無(wú)法使用動(dòng)態(tài)規(guī)劃解決。采用最優(yōu)化剪枝窮舉法來(lái)求解待優(yōu)化問(wèn)題。最優(yōu)化剪枝算法實(shí)施步驟如下: (1)按預(yù)測(cè)步數(shù)將問(wèn)題分解成P個(gè)子問(wèn)題:J=J1+J2+…+JP。 (2) 計(jì)算切換序列的損失函數(shù)J(i),i=1,令最小損失函數(shù)minJ=J(i),i=i+1。 (4) 重復(fù)步驟(3),直到遍歷所有切換序列。 在切換系統(tǒng)中運(yùn)用預(yù)測(cè)控制,在每一采樣時(shí)刻,設(shè)定值是確定的,得到的控制量是切換序列,而系統(tǒng)在不可控的室外環(huán)境因子強(qiáng)力擾動(dòng)下,輸出波動(dòng)較大,若采用固定設(shè)定值,則系統(tǒng)會(huì)頻繁切換,增加設(shè)備損耗。一般溫室溫度控制是將室內(nèi)溫度控制在一個(gè)區(qū)間內(nèi),且目標(biāo)區(qū)間的取值也不是固定的。 作物在極端溫度下生理結(jié)構(gòu)、光合作用會(huì)受到損害,積溫控制理論認(rèn)為,在極限溫度之內(nèi),作物的生長(zhǎng)發(fā)育與一段時(shí)間內(nèi)其所處環(huán)境溫度的積累有關(guān)。作物光合反應(yīng)是瞬間過(guò)程,而光合同化物向干物質(zhì)轉(zhuǎn)換是動(dòng)態(tài)過(guò)程,有緩沖能力。不同作物的緩沖能力有差異,為防止積溫對(duì)作物生長(zhǎng)發(fā)育造成影響,需要規(guī)劃積溫控制的積溫周期與積溫設(shè)定值。 本文采用雙周期積溫控制方法,長(zhǎng)周期設(shè)為6 d,短周期設(shè)為1 d[20]。作物在長(zhǎng)周期期間積溫總量期望為Tset,LT,長(zhǎng)周期積溫有效區(qū)間為[Tmin,LT,Tmax ,LT],作物可承受極限溫度區(qū)間(即短周期積溫區(qū)間)為[Tmin,ST,Tmax,ST],短周期積溫期望是非固定的,溫度在允許范圍內(nèi)波動(dòng)的同時(shí),其平均溫度需要滿足長(zhǎng)周期規(guī)劃。 雙周期積溫規(guī)劃圖如圖1所示,圖中實(shí)線表示長(zhǎng)周期規(guī)劃曲線,虛線表示短周期規(guī)劃曲線。圖中曲線a是常見(jiàn)的短周期溫度曲線,所有溫度都在長(zhǎng)周期有效積溫區(qū)間內(nèi),平均溫度為Tset,LT;曲線b則是以極限溫度作為界限,平均溫度為Tset,LT,溫度波動(dòng)范圍很寬;曲線c平均溫度為Tmax,LT,曲線d平均溫度為Tmin,LT,都滿足短周期規(guī)劃,也都可作為長(zhǎng)周期規(guī)劃的其中1 d。Ttarg,ST表示短周期規(guī)劃日平均溫度目標(biāo)區(qū)間。 作物生長(zhǎng)發(fā)育除了與積溫關(guān)系密切,其形態(tài)學(xué)特征是受晝夜溫差(Difference between day temperature and night temperature,DIF)的影響,溫差為正會(huì)促進(jìn)植株長(zhǎng)高,反之會(huì)抑制植株株高,根據(jù)作物生長(zhǎng)需求調(diào)節(jié)DIF值。 圖1 雙周期積溫規(guī)劃Fig.1 Dual-cycle temperature integration planning 長(zhǎng)周期積溫控制策略是一種事后補(bǔ)償過(guò)程,并非在控制過(guò)程前確定整個(gè)周期內(nèi)最佳的溫度設(shè)定值,而是在長(zhǎng)周期最后1 d補(bǔ)償周期前5 d的平均溫度偏差。故未來(lái)24 h積溫目標(biāo)可表示為 (14) (15) 令 (16) [Tset,L,Tset,H]即為未來(lái)24 h溫度控制目標(biāo),前(P-1)日平均溫度和直接決定未來(lái)24 h的溫度控制設(shè)定值。若前(P-1)日平均溫度已滿足長(zhǎng)周期積溫規(guī)劃,則未來(lái)24 h設(shè)定值區(qū)間會(huì)放寬,如圖1曲線b;若前(P-1)日平均溫度低于長(zhǎng)周期積溫規(guī)劃設(shè)定值,則未來(lái)24 h設(shè)定值會(huì)升高,如圖1曲線c;若前(P-1)日平均溫度高于長(zhǎng)周期積溫規(guī)劃設(shè)定值,則未來(lái)24 h設(shè)定值會(huì)降低,如圖1曲線d。積溫在長(zhǎng)周期積溫要求的同時(shí),短時(shí)溫度也不能超過(guò)作物可承受極限溫度范圍。此外,設(shè)定值范圍應(yīng)合理,不應(yīng)集中在過(guò)高或者過(guò)低區(qū)域,以長(zhǎng)周期積溫上下限中點(diǎn)Tmid,LT=(Tmax,LT+Tmin,LT)/2作為積溫目標(biāo)Tset,L的上限,作為積溫目標(biāo)Tset,H的下限,Tmin,ST≤Tset,L≤Tmid,LT,Tmid,LT≤Tset,H≤Tmax,ST。 所以有 (17) (18) 預(yù)測(cè)控制積溫設(shè)定值規(guī)劃為 (19) 式中Treal——當(dāng)前室內(nèi)溫度 設(shè)定值的確定還應(yīng)考慮DIF值,研究表明試驗(yàn)溫室種植的番茄作物在開(kāi)花前保證6.0~8.0℃的DIF可以促進(jìn)生長(zhǎng)[26]。 實(shí)驗(yàn)溫室位于安徽合肥中國(guó)科學(xué)技術(shù)大學(xué)西區(qū)信息科學(xué)技術(shù)學(xué)院,面積82 m2,東西走向,東西長(zhǎng)12.2 m,南北跨度8.2 m。溫室內(nèi)安裝有溫濕度傳感器、太陽(yáng)輻射儀器、CO2濃度傳感器,室外設(shè)有小型氣象站,包括溫濕度傳感器、太陽(yáng)輻射儀器、風(fēng)速風(fēng)向傳感器用于測(cè)量環(huán)境參數(shù)。 實(shí)驗(yàn)溫室中溫度調(diào)控的設(shè)備包括天窗、風(fēng)機(jī)和濕簾,結(jié)合溫室控制經(jīng)驗(yàn),這3種設(shè)備可將系統(tǒng)分為保溫、自然通風(fēng)、強(qiáng)制通風(fēng)與濕簾-風(fēng)機(jī)4種狀態(tài),狀態(tài)如表1所示。 表1 設(shè)備狀態(tài)Tab.1 Meaning of discrete states 表1中設(shè)備狀態(tài)表示風(fēng)機(jī)、濕簾和天窗3個(gè)設(shè)備的開(kāi)關(guān)狀態(tài),0表示設(shè)備關(guān)閉,1表示設(shè)備打開(kāi),如自然通風(fēng)模式下設(shè)備狀態(tài)為“001”表示δ1=0,δ2=0,δ3=1,即風(fēng)機(jī)關(guān)閉、濕簾關(guān)閉、天窗打開(kāi)。輔助變量的值是計(jì)算設(shè)備狀態(tài)的二進(jìn)制值,即Δ=4δ1+2δ2+δ3,利用輔助變量可實(shí)現(xiàn)狀態(tài)的編碼。 4.2.1相關(guān)性分析 不同離散狀態(tài)下輸入變量與輸出相關(guān)性分析結(jié)果如表2所示。 表2 室外環(huán)境因子與室內(nèi)溫度相關(guān)系數(shù)Tab.2 Correlation coefficients between outside environmental factors and inside temperature 注:x1為室外溫度,x2為室外濕度,x3為風(fēng)向,x4為風(fēng)速,x5為太陽(yáng)輻射強(qiáng)度。 表2中相關(guān)系數(shù)絕對(duì)值越大說(shuō)明相關(guān)性越強(qiáng),正值表示兩個(gè)變量正相關(guān),負(fù)值表示兩個(gè)變量負(fù)相關(guān)。由表2數(shù)據(jù)可知,在保溫模式下,室外溫度、室外濕度、太陽(yáng)輻射強(qiáng)度與室內(nèi)溫度相關(guān)性較強(qiáng),因此選取室外溫度、室外濕度、太陽(yáng)輻射強(qiáng)度作為主要輸入變量。在自然通風(fēng)、強(qiáng)制通風(fēng)和濕簾-風(fēng)機(jī)模式下,室外溫度、室外濕度、太陽(yáng)輻射強(qiáng)度以及風(fēng)速與室內(nèi)溫度相關(guān)性較強(qiáng),因此選取室外溫度、室外濕度、太陽(yáng)輻射強(qiáng)度與風(fēng)速作為主要輸入變量。 4.2.2模型階次確定 從階次n=1依次計(jì)算γ(n),γ(1)=0.041 4,γ(2)=0.018 9,γ(3)=0.018 6。 當(dāng)n1=1,n2=2,N=136時(shí),有 當(dāng)n1=2,n2=3,N=136時(shí),有 所以模型階次為二階,為進(jìn)一步確定子階,假設(shè)na=nb1=nb2=nb3=nb4=nc=15,nd1=nd2=nd3=nd4=1,根據(jù)假設(shè)檢驗(yàn)確定子階與時(shí)延結(jié)果為:na=2,nb1=1,nb2=1,nb3=2,nb4=1,nc=0,nd1=1,nd2=2,nd3=2,nd4=10。 4.2.3辨識(shí)結(jié)果 保溫模式下辨識(shí)結(jié)果為:a11=-1.367 3,a12=0.562 2,b11=0.005 6,b12=0.055 6,b131=-0.055 3,b132=-0.164 9。 自然通風(fēng)模式下辨識(shí)結(jié)果為:a21=-1.195 8,a22=0.427 6,b21=0.189 6,b22=0.001 3,b231=0.086 6,b232=0.064 8,b24=-0.064 4。 強(qiáng)制通風(fēng)模式下辨識(shí)結(jié)果為:a31=-0.682 5,a32=0.282 6,b31=0.684 6,b32=0.017 3,b331=-0.180 0,b332=0.073 5,b34=-0.057 3。 濕簾-風(fēng)機(jī)模式下辨識(shí)結(jié)果為:a41=-1.033 6,a42=0.457 7,b41=0.277 5,b42=-0.059 7,b431=0.268 7,b432=-0.155 8,b44=-0.178 8。 4.2.4模型預(yù)測(cè)結(jié)果 分別在2017年3月9日(保溫)、2017年3月22日(自然通風(fēng))、2017年8月10日(強(qiáng)制通風(fēng))、2017年8月4日(濕簾-風(fēng)機(jī))的08:00—18:00對(duì)溫室溫度系統(tǒng)4種子模型建模,效果如圖2~5所示。 圖2 保溫模式模型擬合效果(RMSE為0.706 4℃)Fig.2 Fitting result of temperature under preservation mode(RMSE was 0.706 4℃) 圖3 自然通風(fēng)模式模型擬合效果(RMSE為0.305 5℃)Fig.3 Fitting result of temperature under nature ventilation mode(RMSE was 0.305 5℃) 4.2.5預(yù)測(cè)控制結(jié)果 若未引入積溫,設(shè)定值為固定值。實(shí)驗(yàn)時(shí)間為2018年3月27日,取設(shè)定值為 預(yù)測(cè)控制效果如圖6所示,圖中系統(tǒng)給出1 d室內(nèi)外溫度以及離散狀態(tài)切換過(guò)程。 圖4 強(qiáng)制通風(fēng)模式模型擬合效果(RMSE為0.335 8℃)Fig.4 Fitting result of temperature under forced ventilation mode(RMSE was 0.335 8℃) 圖5 濕簾-風(fēng)機(jī)模式模型擬合效果(RMSE為0.277 8℃)Fig.5 Fitting result of temperature under curtain-fans mode(RMSE was 0.277 8℃) 圖6 預(yù)測(cè)控制效果Fig.6 Predictive control results 室內(nèi)最低溫度為17.7℃,比設(shè)定值下限24.0℃低26.3%,這是由于實(shí)驗(yàn)溫室設(shè)備控溫能力有限,沒(méi)有主動(dòng)加溫裝置,故不能保證室內(nèi)溫度始終在設(shè)定范圍內(nèi);最高溫度28.9℃,低于設(shè)定值上限29.0℃。在設(shè)備能控范圍內(nèi)(08:00—18:00時(shí)間段),有76.6%的時(shí)間室內(nèi)溫度控制在設(shè)定范圍內(nèi),可看出預(yù)測(cè)控制能有效控制室內(nèi)溫度。 使用雙周期積溫規(guī)劃預(yù)測(cè)控制設(shè)定值,取TDIF=6℃,Tmin,LT=22.0℃,Tmax,LT=26.0℃,Tmin,ST=10.0℃,Tmax,ST=30.0℃。實(shí)驗(yàn)時(shí)間2018年3月31日,前5 d日平均氣溫如圖7所示。 圖7 2018年3月26—30日5 d平均溫度曲線Fig.7 Average daily temperature curve of five days from March 26 to March 30 of 2018 設(shè)定值規(guī)劃為 加入積溫優(yōu)化設(shè)定值后,控制效果如圖8所示。室內(nèi)最低溫度為16.3℃,比設(shè)定值下限Tset,L低22.5%;室內(nèi)溫度最高為Tset,H=30.0℃。在設(shè)備能控范圍內(nèi),室內(nèi)溫度全部被控制在設(shè)定值范圍內(nèi)。 圖8 積溫優(yōu)化設(shè)定值預(yù)測(cè)控制效果(2018年3月31日)Fig.8 Predictive control results optimized by accumulative temperature method 積溫第2個(gè)實(shí)驗(yàn)時(shí)間為2018年4月10日,前5 d日平均氣溫如圖9所示。 圖9 2018年4月5—9日5 d平均溫度曲線Fig.9 Average daily temperature curve of five days from April 5 to April 9 of 2018 設(shè)定值規(guī)劃為 加入積溫優(yōu)化設(shè)定值后,控制效果圖如圖10所示。室內(nèi)最低溫度為18.1℃,比設(shè)定值下限Tset,L低26.2%;室內(nèi)溫度最高30.4℃比設(shè)定值上限Tset,H高1.3%。在設(shè)備能控范圍內(nèi),有95.6%的時(shí)間室內(nèi)溫度控制在設(shè)定值范圍內(nèi)。 圖10 積溫優(yōu)化設(shè)定值預(yù)測(cè)控制效果(2018年4月10日)Fig.10 Predictive control results optimized by accumulative temperature method 對(duì)比圖6與圖8、圖10,可見(jiàn)引入積溫理論動(dòng)態(tài)調(diào)整設(shè)定值,將設(shè)定值范圍放寬可以有效減少設(shè)備切換次數(shù)。 (1)基于溫室溫度系統(tǒng)同時(shí)包含離散狀態(tài)(設(shè)備開(kāi)關(guān))與連續(xù)狀態(tài)(各環(huán)境因子)的混雜特性,利用切換系統(tǒng)建模方法,根據(jù)設(shè)備狀態(tài)將溫室溫度混雜系統(tǒng)分為4個(gè)子系統(tǒng),分別對(duì)4個(gè)子系統(tǒng)建模。首先選取室外環(huán)境因子中與溫室溫度相關(guān)性最高的室外溫度、室外濕度、太陽(yáng)輻射強(qiáng)度和風(fēng)速作為輸入變量,使用ARMAX模型描述系統(tǒng),利用統(tǒng)計(jì)假設(shè)檢驗(yàn)方法確定模型階次為二階。分別在4個(gè)子系統(tǒng)下,采用帶遺忘因子的增廣遞推最小二乘法辨識(shí)模型參數(shù),并檢驗(yàn)?zāi)P途取?/p> (2)使用建立的切換系統(tǒng)模型設(shè)計(jì)預(yù)測(cè)控制器,引入雙周期積溫法調(diào)整預(yù)測(cè)控制設(shè)定值,避免設(shè)備頻繁切換。待求解問(wèn)題為高階NP-hard問(wèn)題,采用最優(yōu)化剪枝法優(yōu)化求解過(guò)程。最后在實(shí)際系統(tǒng)驗(yàn)證預(yù)測(cè)控制算法,實(shí)驗(yàn)證明溫室內(nèi)溫度在設(shè)備調(diào)控范圍內(nèi)可以有效控制在設(shè)定值范圍內(nèi),并且引入積溫理論規(guī)劃預(yù)測(cè)控制設(shè)定值可以減少設(shè)備切換次數(shù)。1.3 辨識(shí)方法與模型檢驗(yàn)
2 溫室溫度系統(tǒng)的預(yù)測(cè)控制
3 積溫理論優(yōu)化溫度設(shè)定值
4 實(shí)驗(yàn)分析
4.1 實(shí)驗(yàn)材料與方法
4.2 建模結(jié)果與分析
5 結(jié)論