關(guān)鍵詞：粒子群優(yōu)化算法;最大功率點(diǎn)跟蹤;水培智能控制;模糊控制;Smith預(yù)估器;光伏發(fā)電

中圖分類號：TP273 文獻(xiàn)標(biāo)志碼：A

0 引言（Introduction）

目前，水培營養(yǎng)液水質(zhì)參數(shù)調(diào)控的發(fā)展仍然滯后，營養(yǎng)補(bǔ)給存在較大時(shí)延[1]，并且設(shè)備運(yùn)轉(zhuǎn)會產(chǎn)生額外的碳排量。因此，研制兼具精準(zhǔn)控制技術(shù)和節(jié)能環(huán)保特性的水培智能控制系統(tǒng)，具有重大的科研意義。

模糊控制算法常被運(yùn)用于農(nóng)作物的生產(chǎn)監(jiān)控中[2]，但其參數(shù)選取隨機(jī)性較大，控制反饋有時(shí)延，容易超調(diào)。對此，趙羊羊等[3]用PSO算法優(yōu)化模糊控制器的量化、比例因子，提升了系統(tǒng)的抗干擾能力;SAKTHIVEL等[4]利用Smith預(yù)估器有效補(bǔ)償了模糊控制器的輸入時(shí)變延遲。光伏電池的轉(zhuǎn)換效率受環(huán)境變化影響而呈現(xiàn)不穩(wěn)定性[5]。為實(shí)現(xiàn)效率最大化，周濤等[6]設(shè)計(jì)了MPPT控制的自供電光伏電源系統(tǒng)，提高了能量收集效率;王津[7]提出一種基于擾動觀測法的MPPT方法，有效減少在外部環(huán)境變化時(shí)的功率波動。

綜上，本研究選擇PSO算法對模糊控制參數(shù)尋優(yōu)，引入Smith預(yù)估器，實(shí)現(xiàn)對營養(yǎng)液pH 和EC值的精確、高效控制，從而穩(wěn)定維持作物適宜的生長環(huán)境;同時(shí)，加入光伏發(fā)電模塊，并通過MPPT算法提升發(fā)電效率，大幅減少了碳排量。

1 系統(tǒng)結(jié)構(gòu)及工作原理（System structure andworking principle）

1.1 系統(tǒng)總體結(jié)構(gòu)

完整的水培智能控制系統(tǒng)采用三層架構(gòu)，自上而下有應(yīng)用層、云服務(wù)層和感知控制層。感知控制層主要由數(shù)據(jù)采集模塊和設(shè)備控制模塊組成，兩個(gè)模塊集成于STM32L151C8T6芯片中，構(gòu)成一個(gè)完整的控制核心。其中，由pH傳感器和EC傳感器構(gòu)成的數(shù)據(jù)采集模塊負(fù)責(zé)獲取營養(yǎng)液的水質(zhì)參數(shù)，并將數(shù)據(jù)上傳至設(shè)備控制模塊進(jìn)行控制決策;設(shè)備控制模塊通過定時(shí)程序和算法程序分別對循環(huán)水泵、補(bǔ)光燈、MPPT控制器和加液蠕動泵下達(dá)相應(yīng)指令以調(diào)控作物的生長環(huán)境。云服務(wù)層選用Openfire通信服務(wù)器作為數(shù)據(jù)雙向傳輸?shù)臉蛄?，把感知控制層獲取到的營養(yǎng)液水質(zhì)參數(shù)傳輸?shù)綉?yīng)用層，供用戶查看和分析，同時(shí)把用戶觸發(fā)的控制指令下發(fā)至感知控制層，指揮系統(tǒng)完成相應(yīng)操作。應(yīng)用層是基于微信公眾號平臺搭建的一個(gè)用戶端，可以進(jìn)行網(wǎng)絡(luò)配置、設(shè)備管理、控制模式切換、補(bǔ)光控制、實(shí)時(shí)數(shù)據(jù)監(jiān)測和歷史數(shù)據(jù)查詢等操作。水培智能控制系統(tǒng)整體結(jié)構(gòu)圖如圖1所示。

1.2 營養(yǎng)液水質(zhì)參數(shù)控制設(shè)計(jì)

用戶先通過微信公眾號向系統(tǒng)下達(dá)自動控制指令，設(shè)備控制模塊接收指令后，通過營養(yǎng)液存儲桶中的pH 傳感器和EC傳感器獲取實(shí)時(shí)數(shù)據(jù)，再通過PSO算法和Smith預(yù)估器優(yōu)化的模糊控制器輸出控制決策，進(jìn)而驅(qū)動蠕動泵分別適量抽取4種溶液進(jìn)行補(bǔ)充。在實(shí)驗(yàn)過程中，營養(yǎng)液的pH通過注入酸液和堿液進(jìn)行調(diào)節(jié)，EC值通過注入肥料母液和水進(jìn)行調(diào)節(jié)。由于改進(jìn)后的模糊控制器具有獨(dú)特的反饋機(jī)制，因此系統(tǒng)會持續(xù)獲取pH 和EC的實(shí)測值并與預(yù)設(shè)的最適值進(jìn)行相互比較，根據(jù)比較結(jié)果不斷重復(fù)上述蠕動泵的加液流程，直至參數(shù)穩(wěn)定在最適值。在自動控制狀態(tài)下，循環(huán)水泵會定時(shí)開啟，向水培架中補(bǔ)充營養(yǎng)液，同時(shí)也將被消耗的殘液輸送回存儲桶中重新加液更新，營養(yǎng)液水質(zhì)參數(shù)控制結(jié)構(gòu)圖如圖2所示。

1.3 光伏發(fā)電控制設(shè)計(jì)

根據(jù)種植現(xiàn)場需求，將若干個(gè)電池分別串聯(lián)和并聯(lián)組成光伏電池組。在光伏電池組和負(fù)載之間引入MPPT控制器，用于控制光伏電池端的電壓，使變換后的工作點(diǎn)正好與光伏電池的最大功率點(diǎn)重合[8]。完成光能向直流電的轉(zhuǎn)化后，電能存儲于蓄電池內(nèi)備用。逆變器則將蓄電池組中的存電轉(zhuǎn)化為穩(wěn)定的交流電供給系統(tǒng)的負(fù)載使用，以保證系統(tǒng)正常運(yùn)轉(zhuǎn)。完整的光伏發(fā)電控制結(jié)構(gòu)如圖3所示。

2 模糊控制器的設(shè)計(jì)與優(yōu)化（Design andoptimization of fuzzy controller）

2.1 模糊控制器設(shè)計(jì)針

對調(diào)控pH和EC值的需求，分別設(shè)計(jì)了兩個(gè)模糊控制器，每個(gè)控制器負(fù)責(zé)合理分配兩個(gè)蠕動泵的加液速率，以精確調(diào)節(jié)對應(yīng)的營養(yǎng)液水質(zhì)參數(shù)。記最適宜水培作物生長的pH和EC值分別為P 和E，這兩個(gè)變量的取值因作物品種而有所差異，本實(shí)驗(yàn)選擇生菜作為研究對象，分別取P 為6.5，E 為2.000 mS/cm[9]。

在初始化工作點(diǎn)時(shí)，電壓和電流的采樣值選擇開路電壓的一半或者短路電流的一半。算法通過不斷更新D （t），確保擾動方向始終與輸出功率增大的方向一致，當(dāng)|ΔP|小于設(shè)定閾值α 時(shí)停止擾動，將系統(tǒng)的工作點(diǎn)穩(wěn)定在最大功率點(diǎn)附近。擾動觀測算法流程圖如圖9所示。

依據(jù)上述算法原理設(shè)計(jì)出的控制仿真模型主要由核心Boost升壓電路、光伏電池、MPPT控制器和PWM 模塊組成，MPPT算法模型圖如圖10所示。

4 系統(tǒng)性能測試（Performance testing of system）

4.1 系統(tǒng)實(shí)物開發(fā)

本研究設(shè)計(jì)的水培智能控制系統(tǒng)是江蘇省鎮(zhèn)江市重點(diǎn)研發(fā)計(jì)劃項(xiàng)目，實(shí)驗(yàn)系統(tǒng)的設(shè)計(jì)、開發(fā)與測試工作均在江蘇科茂信息技術(shù)有限公司的農(nóng)產(chǎn)品實(shí)驗(yàn)基地完成，其研究成果于2023年11月9日成功通過專家組項(xiàng)目驗(yàn)收，目前已結(jié)項(xiàng)并將研制出的系統(tǒng)進(jìn)行了實(shí)際的部署，并獲得了顯著的產(chǎn)收效果。以下是基于粒子群優(yōu)化算法的太陽能水培智能控制系統(tǒng)的實(shí)物研發(fā)成果（圖11）。

4.2 營養(yǎng)液水質(zhì)參數(shù)調(diào)控有效性測試

4.2.1PSO Smith優(yōu)化的模糊控制算法效果測試

實(shí)驗(yàn)比較了3種模糊控制算法，分別為傳統(tǒng)模糊控制、Smith模糊控制和PSO Smith模糊控制。實(shí)驗(yàn)主要驗(yàn)證的是本研究設(shè)計(jì)的算法模型對比兩種傳統(tǒng)算法，是否能夠更靈敏、準(zhǔn)確地調(diào)節(jié)營養(yǎng)液水質(zhì)參數(shù)，使目標(biāo)參數(shù)以更快的速度回歸作物生長所需的最適值，并維持在一個(gè)相對穩(wěn)定的范圍。實(shí)驗(yàn)將最適pH和EC值分別設(shè)置為6.5和2.000 mS/cm，再把pH 和EC值的初始值分別調(diào)整為4.5和0 mS/cm。

仿真實(shí)驗(yàn)結(jié)果如下。

傳統(tǒng)模糊控制算法耗費(fèi)81 s達(dá)到pH 預(yù)設(shè)值，并在183 s 后維持穩(wěn)定，維穩(wěn)后的波動范圍在6.497～6.668，波動幅值為0.171;Smith模糊控制算法耗費(fèi)59 s達(dá)到pH 預(yù)設(shè)值，并在102 s后維持穩(wěn)定，維穩(wěn)后的波動范圍在6.412～6.561，波動幅值為0.149;PSO Smith模糊控制算法耗費(fèi)44 s達(dá)到pH預(yù)設(shè)值，并在63 s后維持穩(wěn)定，維穩(wěn)后的波動范圍在6.489～6.586，波動幅值為0.097。pH調(diào)控效果圖如圖12所示。

傳統(tǒng)模糊控制算法耗費(fèi)80 s達(dá)到EC預(yù)設(shè)值，并在181 s 后維持穩(wěn)定，維穩(wěn)后的波動范圍在2.001～2.176 mS/cm，波動幅值為0.175 mS/cm;Smith模糊控制算法耗費(fèi)57 s達(dá)到EC 預(yù)設(shè)值，并在100 s后維持穩(wěn)定，維穩(wěn)后的波動范圍在1.974～2.127 mS/cm，波動幅值為0.153 mS/cm;PSO Smith模糊控制算法耗費(fèi)43 s達(dá)到EC預(yù)設(shè)值，并在62 s后維持穩(wěn)定，維穩(wěn)后的波動范圍在1.987～2.089 mS/cm，波動幅值為0.102 mS/cm。EC值調(diào)控效果圖如圖13所示。

4.2.2 水培種植測試

將實(shí)驗(yàn)的觀測時(shí)間定為45 d，將生菜幼苗均勻地種植在水培架上，開啟設(shè)備控制箱中的PSO Smith模糊控制線程使系統(tǒng)進(jìn)入自動控制模式。營養(yǎng)液水質(zhì)參數(shù)每日的記錄方法為早、中、晚進(jìn)行3次水質(zhì)采樣，每次采樣重復(fù)獲取6次數(shù)據(jù)，計(jì)算18次采樣數(shù)據(jù)的平均值，記錄為當(dāng)日的觀測值。為了減少其中沉積物等雜質(zhì)對營養(yǎng)液水質(zhì)參數(shù)的影響，每隔15 d更新一次營養(yǎng)液。通過上述測量方法，得到pH 和EC值在實(shí)驗(yàn)期間的變化趨勢分別如圖14（a）和圖14（b）所示。

4.3 MPPT控制算法效果測試

在系統(tǒng)設(shè)計(jì)中選擇的光伏電池的基本參數(shù)如下：開路電壓Uoc 為22.00 V;短路電流Isc 為8.58 A;最大功率點(diǎn)電壓Um為17.70 V;最大功率點(diǎn)電流Im 為7.94 A;最大功率Pm 為140.00 W。設(shè)置的實(shí)驗(yàn)環(huán)境條件為室溫25 ℃和光照強(qiáng)度1 000 W/m2?；谝陨蠀?shù)，可以得到電流、電壓和功率的跟蹤效果如圖15所示。

5 結(jié)論（Conclusion）

本文設(shè)計(jì)的基于粒子群優(yōu)化算法的太陽能水培智能控制系統(tǒng)覆蓋了應(yīng)用層、云服務(wù)層和感知控制層，依靠嵌入式等相關(guān)技術(shù)完成了實(shí)物搭建。實(shí)驗(yàn)數(shù)據(jù)的對比結(jié)果顯示，引入PSO算法和Smith預(yù)估器的模糊控制器具有更短的調(diào)節(jié)時(shí)間和更小的波動幅度，解決了時(shí)滯問題，提升了控制效率。種植測試中，pH和EC值始終維持在最適范圍內(nèi)輕微浮動，證明了系統(tǒng)的可靠性。MPPT擾動觀測算法電流、電壓和功率跟蹤效果圖表明，經(jīng)過短暫的調(diào)節(jié)，光伏設(shè)備工作點(diǎn)能與最大功率點(diǎn)相匹配，提升了發(fā)電效率。

綜上所述，本系統(tǒng)既達(dá)到了大幅提升農(nóng)作物生產(chǎn)效率的目的，又符合低碳農(nóng)業(yè)的環(huán)保理念，具有深遠(yuǎn)的研究意義和廣闊的應(yīng)用前景。

作者簡介：

張凈（1975-），女，博士，副教授。研究領(lǐng)域：計(jì)算機(jī)應(yīng)用，電子與通信工程。

涂笑童（1999-），男，碩士生。研究領(lǐng)域：電子與通信工程。

劉曉梅（1976-），女，本科，高級工程師。研究領(lǐng)域：企業(yè)信息化，農(nóng)業(yè)信息化。