溫室能源管理系統研究進展

孫俊林++曾成++張馨 +鄭文剛

摘要：溫室能源管理系統是溫室生產管理的重要組成部分，該系統在環境調控的基礎上通過對溫室各供能和耗能設備運行狀態監測、計量與計算分析，依據能源優化策略管理并規劃能源調度與分配，達到節能降耗、提高經濟效益的目的。設施園藝發達國家將能源管理系統作為獨立功能組件選擇有效能量來源為溫室生產提供適宜熱量、二氧化碳及光環境以提升能源效率和溫室可持續發展，在理論研究與實際應用方面都處于領先位置。我國對溫室節能的研究多集中于節能設施、結構材料、環境監控等方面，缺少從系統角度考慮的綜合能源管理軟硬件系統。在分析當前溫室能源消耗和節能管理研究應用現狀的基礎上，提出并介紹溫室能源管理系統的基本功能模塊與構架組成，詳細綜述能源計量檢測、能源信息管理、能源優化調度決策等關鍵技術研究進展，探明溫室能源管理系統存在的問題及在國內應用可行性，為溫室能源管理系統在我國溫室生產中的應用提供依據。

關鍵詞：溫室；能源管理系統；檢測；節能；優化

中圖分類號： S625.5+1文獻標志碼： A[HK]

文章編號：1002-1302（2017）03-0014-06[HS）][HT9.SS]

[HJ1.3mm]

收稿日期：2016-02-24

基金項目：農村領域國家科技計劃（編號：2014BAD08B0202）。

作者簡介：孫俊林（1991—），男，河北邢臺人，碩士研究生，主要從事通信與信息系統、農業信息化方面研究。E-mail：379473744@qq.com。

通信作者：張馨，博士，副研究員，主要從事設施環境調控與能源管理方面研究。E-mail：zhangx@nercita.org.cn。[HJ]

[JP2]能源管理系統是20世紀90年代末發展起來的一項系統性節能技術，它利用過程控制技術、檢測技術、優化理論、數據庫技術等對能源系統進行全面監控，從而為能源調度和分配提供依據，通過系統化管理來達到高效利用能源和節約能源的目的[1]。目前，能源管理系統已經被廣泛應用于鋼鐵企業、電廠、樓宇、家居等領域[2-7]，通過對各項能耗的監測、計量、評估分析從而制定出最優化的節能控制策略[8]，取得了顯著成效。[JP]

溫室作為現代農業發展的載體，在能源日益緊缺的今天，如何把能源管理系統應用到現代溫室生產管理中已成為當前關注的熱點。目前，荷蘭、以色列、美國等發達國家在溫室能源管理方面取得了很好成效，商業化應用的能源管理系統大幅度提高了溫室能源利用效率，取得了一定的經濟效益，進一步推動了溫室產業的可持續發展。我國先進的設施形式如人工光型植物工廠、連棟溫室等由于過高的能源消耗只能用于育苗、花卉、苗木等高附加值植物生產，但運營多有虧損，直接制約我國智能溫室的推廣普及；應用較多的日光溫室、塑料大棚由于環境調控設備簡易，具備調控條件的很少考慮能源情況，管理粗放，能源利用率低。為解決溫室能源消耗與管理問題，近幾年，也開展了溫室能源管理方面的研究，很多限制在單個或多個節能技術與設備，多數溫室沒有系統能源管理，雖然一些大型溫室也成套引進了國外能源管理技術，但受氣候、設備等條件限制，引進的節能技術并不完全適合我國國情[9]，低效率、高能耗問題一直沒有解決。因此，我國急需加大對溫室能源管理的研究，開發適合我國國情且低成本的能源管理系統，可以對溫室環境變量和耗能設備的能耗情況進行實時監測，并根據監測數據制定精確的針對性優化能源管理控制策略。若將其合理運用于溫室產業，將會大幅降低溫室能源消耗，減少生產成本，有助于我國連棟溫室和植物工廠的普及，推動日光溫室生產現代化，對我國現代化設施農業發展具有十分重要的現實意義。

筆者對當前溫室能源消耗及節能管理研究現狀進行總結分析，提出并介紹溫室能源管理系統的基本功能模塊與整體架構，綜述了計量檢測、信息管理分析、優化調度決策等方面的研究進展，提出溫室能源管理系統存在的問題以及相關發展方向，為我國溫室生產中系統性能源管理系統的研究發展提供依據。

1溫室能源消耗及節能管理

1.1溫室能源消耗

溫室環境是在不斷變化的外部氣候條件下，完全運用能源營造出適宜農作物生長的環境，具有高投入、高產出、高能耗等特點。整體來看，當前溫室生產中冬季加溫、夏季降溫除濕等能源消耗占總生產成本的10%～40%，高緯度地區溫室能耗甚至占到溫室生產成本的50%～60%[10]。因此，溫室能源消耗分析對于降低生產成本至關重要。

連棟玻璃溫室中，徐大成研究了引進連棟玻璃溫室的耗能情況：1995年，北京引進以色列連棟溫室，1個冬季加溫耗煤量達到1 300 t/hm2；1996年，遼寧省北陵蘭花開發有限公司引進荷蘭玻璃溫室，1個冬季耗煤量多達2 300 t/hm2；1995年，上海孫橋、東海園藝場引進的2棟荷蘭玻璃溫室，1年的運行費用中，加溫的燃料費用分別占生產成本的 33.91%、33.81%；引進的玻璃溫室在43°N以上地區，燃料費用占到了生產成本的60%～70%[11]。Pieters等建立了歐洲西部地區玻璃溫室內太陽能傳輸模型，可以計算出溫室加溫控制的能源消耗量[12]。姚益平等以Venlo型連棟溫室和溫室主栽作物黃瓜為研究對象，利用溫室能耗預測模型和作物生長模型，模擬預測了在商業化生產中常用的2種不同溫室控制策略下連棟溫室黃瓜周年生產所需的能耗和潛在產量，既而計算出黃瓜的單位生產能耗，得出不同溫度控制策略下黃瓜單位產量能耗差異并不明顯，平均在8%以內，但在增施CO2的情況下可以降低單位產量能耗高達29%～67%[13]。

日光溫室及塑料大棚中，柴立龍等在北京地區日光溫室中采用地下水式熱泵系統進行了供暖試驗研究，計算對比了地源熱泵供暖、天然氣供暖、燃煤熱水供暖以及燃油熱風供暖的能耗成本，得出其相對運行費用分別為1.20、1.31、1.00、3.36，與燃煤熱水采暖系統相比，地源熱泵系統供暖可節約42%的能耗，整體對比情況見表1[14]。Cemek等分析了不同的覆蓋材料和冷凝速率對溫室采光的影響[15]，為研究不同覆蓋材料的日光溫室能耗提供了理論依據。孫心心等對日光溫室中的新型復合相變墻進行了實測分析，驗證了復合相變材料應用于溫室墻體中的節能降耗作用[16]。籍秀紅通過試驗表明，夜間墻體內表面對室內的累計散熱量作為綜合評價指標能夠全面評價日光溫室墻體的熱性能[17]，從而為日光溫室的節能降耗設計提供了有效理論指導。塑料大棚中，李勝利等對不同層次簡易覆蓋的巨型塑料大棚的溫度特征進行了研究，反映出不同覆蓋材料塑料大棚的能源損耗情況[18]，為塑料大棚的節能建設提供了理論依據。

植物工廠中，電能為主要的能源消耗，占到了總運行成本的30%以上[19]，其中照明用電約占總體電耗的82%，空調約占15%，其他占3%[20]。能源使用效率上，Tong 等以日本千葉市的植物工廠為研究對象，分析指出通過使用高轉化效率的人工補光燈，提升植物有效光的吸收，綜合控制環境因素等可以使電能消耗最多減少50%[21]；Tong等研究指出，植物工廠中的熱泵制冷性能系數與室內外溫度密切相關，隨室外溫度降低而降低，隨室內溫度升高而升高[22]；Kozai分析了人工光環境下密閉植物工廠水、電、二氧化碳等不同能源的使用效率，計算出在二氧化碳供應充足的情況下，二氧化碳的使用效率是通風關閉的普通溫室的1.8倍[23]。

1.2溫室能源管理

目前，關于溫室節能管理研究主要基于植物生長最佳條件和環境控制成本最低來優化環境控制參數。國外較早地展開了該項研究，Seginer等在作物生長模型基礎上進行數值尋優，得到不同溫光水平下最優的CO2施肥量[24]。Aslyng等利用作物葉片的光合作用和呼吸作用及光輻射吸收的預測模型，根據自然光照來控制溫室內的溫度來達到節能的效果[25]。Lacroix等開發了積溫模擬控制器，經過對不同溫度設定模式的節能效應模擬，可以降低7%的溫室能耗[26]。Korner 等的研究結果表明，利用積溫的方法可以比常規溫度調控降低9%的能耗[27-29]。Blasco等建立了溫室環境的非線性預測控制模型，利用遺傳算法對參數優化，可以顯著降低能源的消耗[30]。近年來，國內也對環境控制的動態優化設定方面展開了相關研究。伍德林等提出了基于經濟最優的溫室環境優化調控技術，將溫室作物整個生長階段分為營養生長階段、生殖生長階段。在不同生長階段采用不同的調控策略，既保證了作物正常生長的需要，又兼顧了節能降耗[31]。李志偉等將作物1 d中生長所需要的溫度劃分為若干階段，以此實現溫室環境的節能管理[32]。王紀章等提出，利用作物光合作用模型，建立基于光照的溫室環境調控技術，通過系統比和設定值控制來進行節能管理[33]。

商用節能管理方面，荷蘭、美國等發達國家的溫室技術已經形成了一套完整的規范化技術體系。在溫室設施上，雙熱屏、雙層玻璃、新型絕緣材料等早已被廣泛使用，并在此基礎上提出了全封閉溫室的概念[34]。新能源利用上，荷蘭、瑞典等國家利用變相儲能裝備、光伏太陽溫室發電和利用裝備、生物質能和余熱利用的毛細管網供暖裝備、太陽能熱泵等，大幅減少了傳統能源的利用，轉而利用各種綠色能源。據統計，瑞典溫室產業用于供暖的總能源消耗2008年比2011年多50%，2011年燃油消耗降低了18%，同時生物質能的利用增加了45%，所有化石燃料的使用總共減少了25%[35-36]，瑞典商業溫室能源使用情況見圖1。

[TPSJL1.tif][FK）]

系統性能源管理上，加拿大的Argus環控公司采用的溫室能源管理方案，實現了一定的能源管理功能，可以實時監測溫室內的環境狀況和各種能耗設備的運行狀態，發生異常便自動報警，并且系統中的環境控制子系統會根據溫室具體情況來制定通風、加熱、除濕等工作策略。荷蘭PRIVA公司圍繞Priva connext控制器的環控系統，連接所有的溫室耗能設備與傳感器，而且具有環控軟體。該系統可以控制鍋爐、熱水管控制閥以得到能源最佳利用效率。其周邊配置Priva Control Module Library為軟體資料，包括控制策略已進行最具能源效率、最佳生長的資訊，并且資料庫可以擴充最新數據；Priva Office Direat為作業軟體，可將環控資訊以圖形的方式顯示于個人電腦；并可以根據Priva Enervision和Meteovision預測未來24 h氣候變化，并依次計算預測未來24 h加溫所需要的能源消耗量。Priva公司系統性的方案以溫室作物為考慮對象，結合環境調控與能源管理，使用先進的天文時間控制、延遲技術、積分盲區等控制技術和控制策略，充分考慮控制過程間的關系，整個系統最多可以節省50%的能源[37]。從圖2可以看出，Ridder公司旗下的HortiMax公司開發的CHP熱電聯產控制軟件，根據作物對CO2及供熱的需求，燃燒天然氣進行發電，所產生的電力直接輸送至國家電網，發電余熱則供溫室加溫或儲藏于地下，燃燒的尾氣經過凈化、換熱后，作為CO2直接進行施肥。該系統完成了對天然氣、二氧化碳、熱能、電能的優化調度使用，經計算，14 hm2的玻璃溫室，冬季僅需1個2.5 MW的發電機基本即可滿足生產需求[38]。

2溫室能源管理系統組成

目前，針對整個溫室能源管理系統的研究較少，相對于溫室環境監控系統而言，溫室能源管理系統實現的功能更多，結構更加復雜，系統應該包括監測子系統、能源計量子系統、數據分析子系統，甚至還包括環境控制系統。因此，完整意義上的溫室能源管理系統至少應包括以下幾個功能模塊。

2.1人機交互模塊

用戶通過人機交互界面獲取溫室內的環境參數和各項設備的能耗情況等信息，同時根據了解到的信息對溫室內的設備進行參數設置，選定不同的控制模式等，用戶可以通過此模塊完成與溫室能源管理相關的所有設置。

2.2檢測模塊

檢測模塊用于實現環境檢測、設備檢測。環境檢測包括溫室內溫濕度、光照度、二氧化碳濃度等環境變量的檢測；設備檢測指溫室內的用電負載、儲能系統等的工作狀態檢測，既能源運作狀態的檢測。

2.3分析評估模塊

此模塊為溫室能源管理系統的核心模塊，根據環境變量、設備運行狀態、用戶設置參數等信息對整個系統的運行模式進行分析評估，反映出溫室工作狀態，從而制定能源優化調度策略，為溫室環境節能管理提供決策支持，最終達到溫室節能降耗的目的。

2.4控制模塊

此模塊根據分析評估模塊計算制定的優化調度策略，對溫室內使用水、電、熱、氣等能源的耗能設備進行反饋優化控制，直接完成溫室環境的精確調控。

整個溫室能源管理系統的設計應該包括數據采集層、數據傳輸層、數據解釋層、數據評估層、數據優化層等部分。數據采集層包括溫濕度傳感器、光照度傳感器等對溫室環境變量的采集和流量計、智能電表等計量設備對溫室能源獲取量和消耗量的計量；數據傳輸層主要對采集到的數據進行傳輸，通過智能網關對各種不同通信協議進行轉換，完成傳感器、計量設備等與主機的通信；數據解釋層包括數據包解析、數據存儲；系統評估層主要體現在用戶終端的能耗分析、能源管理等軟件功能；節能優化層包括系統運行優化、參數優化、啟停優化等，整個系統體系構架見圖3。

[FK（W18][TPSJL3.tif][FK）]

3溫室能源管理系統關鍵技術研究進展

整個溫室能源管理體系中，檢測技術是進行監控和能源優化調度的基礎，能源優化調度是核心，能源信息管理是系統的關鍵。與傳統的溫室環境監控系統相比，能源管理系統中檢測技術除環境變量采集外，增加了能源計量技術，即能源運作狀態的檢測；信息管理與分析是能源管理的直接表現；能源優化調度的重點為溫室節能策略的研究。

3.1檢測技術

與其他領域的能源管理系統相比，溫室環境下的能源管理系統需要檢測的變量范圍廣、精度要求高。除了要以各種傳感器如溫濕度傳感器、光照傳感器、二氧化碳傳感器等精確檢測實時溫濕度、光照度、二氧化碳濃度等環境變量外，重點還要準確檢測出水、電、熱、氣等各種能源的消耗量。在檢測能源消耗時，不僅要計量出各種能源消耗總量，還要具體細化到不同設備、不同時段的能源消耗。目前，能源計量主要依靠流量計、智能電表等計量設備來實現。

3.1.1流量計種類與性能

水和天然氣的計量主要依靠流量計量檢測技術來實現，流量計量檢測技術主要采用孔板流量計、渦輪流量計、超聲流量計等。孔板流量計具有結構簡單、性能穩定、價格便宜等優點，但也有測量范圍窄、壓損大、前后直管段長度較長等缺點，對整套流量計的準確度有較大影響，所以孔板流量計研究的重點一直集中在提高準確度上[39]；渦輪流量計具有測量范圍寬、結構緊湊、準確度高等優點，但是在對天然氣的計量檢測中，天然氣的流變特性和物性對渦輪流量計的性質有很大影響，并且準確度越高，影響越敏感。近幾年，渦輪流量計技術的發展主要體現在以下幾個方面：通過改變轉子的幾何形狀擴大流量計的使用流量范圍；改善旋轉部件的耐磨性，以增加使用壽命；通過機載微處理器等電子元件隨時監測流量計的使用情況[40]。超聲流量計是利用超聲波在流體中的傳播特性來測量流量，其主要優點表現在測量范圍寬、無壓損、可正反輸、無移動部件、準確度高、非接觸測量等方面。按測量方法的不同，超聲流量計可分為波束偏移法、互相關法、傳播速度差法、多普勒法等[41]。3種流量計性能見

3.1.2能源計量檢測

電能的檢測主要依靠智能電表來實現，傳統的電能計量檢測技術需要為每個檢測對象安裝計量儀表，成本高、維護難，是一種侵入式的檢測方法。在電能消耗檢測方面，可以采用智能電網中的非侵入式檢測方法[42]。它最早由MIT的George Hart提出，用于居民樓負載監測[43]。該方法通過分析負載的穩態和瞬態特征來實現負載的識別。非侵入式負載檢測方法只需在溫室中安裝少數傳感器檢測關鍵節點的用電量，然后通過算法來確定補光燈、排風扇、遮陽簾等用電設備的工作狀態和用電量。根據智能電表在一段時間內測量的用電功率實時曲線圖，可以采用基于“時間窗口”的方法以窗口期功率信號的邊沿特征、順序特征持續時間和變化趨勢為特征量，通過與特征數據庫中的特征匹配來識別設備，從而將智能電表測量的總功耗分解到具體的用電負載[44]。非侵入式負載檢測方法中設備特征選取和識別算法設計是關鍵，目前的算法有人工神經網絡法、遺傳算法、時間序列法、模糊聚類法、整數規劃法等[45-50]。非侵入式負載檢測雖然采用的儀表少且成本低、安裝維護容易，但對于工作模式復雜、能耗較小的設備進行識別比較困難，并且隨著設備數量的增加，識別精度下降，具有不穩定性。此外，使用的多數算法需要大量的訓練和標定過程[51]。

溫室熱能的計量檢測主要通過間接計算來實現，如通過熱水管道上下行水溫和管道熱水流量即可計算所供熱能，此外，溫室內相變儲熱材料的溫差、供熱風機的功率等均可計算。整個溫室內包括水、電、熱、氣，溫室計量檢測見表3。[FL）]

3.2信息管理與分析

通過對檢測到的信息進行分析管理，從而為溫室生產提供管理決策支持，在這種溫室環境調控決策支持方面研究也取得了一定的進展。王成等基于數據挖掘和數據倉庫技術建立了溫室決策支持系統[52]。Hu等將溫室環境信息采集系統與溫室環境決策模型相結合，基于數據庫開發了溫室環境管理專家系統[53]。Korner等開發了溫室動態控制決策支持系統，該系統可以根據采集到的環境參數，并依據節能的要求選擇合理的溫室環境調控策略[54]。李萍萍等將溫室作物模型、優化調控模型和環境模型結合，建立了溫室黃瓜栽培管理智能決策支持系統，實現了溫室的智能決策調控[55]。王紀章等構建了基于作物生長環境控制成本的溫室環境調控決策支持系統，該系統通過建立溫室環境調控的技術效果模型和成本模型組成相應的模型庫[56]，使得系統能夠根據室內外的環境信息、作物生長信息和溫室調控設備狀態信息給出溫室環境調控實時最優參數，初步具備了一定的溫室能源管理功能。

當前能源管理系統在溫室領域的應用研究較少，因此管理決策支持系統所依據的信息也多為溫室生產的環境參數、作物生長條件等，缺乏對溫室各調控設備的能源消耗、能源運作等信息的管理分析。標準的溫室能源管理系統中，溫室各類能源信息應為重點，對檢測到的能源使用信息首先要以計量的形式顯現，并且可以通過各種對比更加直觀形象地顯示出來；其次，采集到的有效信息可以隨時地在數據庫中存儲調用；再次，各類調控設備的運行狀態，即能源運作狀態作為一定參數被應用到溫室生產綜合能耗模型的建立，在管理決策支持系統中，與溫室環境參數共同作為重要參考進行優化調度分析，從而完成最終的管理決策支持功能。

3.3優化調度方面

能源投入規劃上，Reza等采用了線性規劃方法對溫室內黃瓜和玉米生產進行能源優化，找出了最佳能源消耗模式[57-58]，線性規劃模型包括目標函數和約束條件，目標函數是一個由決策變量反映的數學函數，用來表示效用的最大化，約束條件包括所有的限制性因素，由限制性決策變量來反映，整個過程通過WINQSB軟件完成模擬計算。Majid等通過柯布-道格拉斯函數建立了溫室生產的能源投入-產出模型，探討能源投入收益，找出高效的能源投入方案[59-61]。Habib等在討論雙孢菇能源投入產出模型時，采用了數據包絡分析法[62]。數據包絡分析法在處理多輸出-多輸入的有效性評價方面具有絕對優勢，它假定每個輸入都關聯到1個或多個輸出，且輸入輸出之間確實存在某種聯系，但又不必確定這種關系的顯示表達式，因此特別適用于環境復雜的溫室生產系統。鄒秋瀅為了解決溫室的節能降耗問題，提出了以溫室運作過程中能量損耗為目標函數的模型預測控制算法，建立了包括加熱、通風、噴霧等控制輸入在內的溫室小氣候非線性半機理模型，用來預測輸出量的即刻值，并運用粒子群優化算法進行滾動優化，從而確定最佳能源投入方案[63]。

具體工作策略上，依據溫室內平均每日溫度達到最優的原則，可采用動態的溫度控制和晝/夜溫度設定。當溫室內的能量損耗因子（主要包括室外溫度和傳入太陽輻射等）高時，可降低加熱設定值；當溫室能量損耗因子低時，應適當提高加熱設定點，這種動態的溫度控制要優于傳統的晝/夜溫度設定。美國大部分溫室所采用的晝/夜溫度模式是使晝夜溫度設定的差離值為正，即保證了溫室內的平均溫度達到最優[64]。[JP2]2種模式都需要經過精確的計算，對控制算法要求較高。荷蘭Priva公司采用的優化調度方案為根據溫室內的能源需求量和各個耗能設備的供給能力及工作效率，并且充分考慮設備工作的副產物（CO2），排出供應源的工作優先級，選擇最優供應源作為第一工作級，當不能滿足溫室能源需求時再開啟下一供應源[65]。這樣就從整體上提高了溫室設備的工作效率，避免了能源浪費。此外，Priva公司提出了面向作物本身為對象的控制策略，如溫室內的溫濕度調節，其調控完全依據植株本身的生理需求，不再依據溫室內的環境參數，這種方法能夠更有效地減少能源浪費，提高溫室的能源利用效率。[JP]

4存在問題及發展方向

4.1存在問題

相對于能源管理系統在智能樓宇、工廠企業等領域較為成熟的應用，將能源管理系統應用于溫室行業主要還存在以下問題。

4.1.1成本問題玻璃溫室、植物工廠等本身初期投入成本較高，因此溫室能源管理系統的成本問題不容忽視，如何降低成本、減少智能溫室的初期投入，對其推廣普及至關重要。

4.1.2穩定性問題溫室環境復雜，其行業特殊性決定了檢測數據高精準性、系統運作高穩定性、核心分析算法高優化性的要求，目前各方面的技術水平仍有待加強。如通信技術，采用有線通信雖然傳輸速率快、穩定性高，但布線復雜，成本較高。無線通信雖然使用方便，但穩定性難以達到要求。

4.1.3信息管理與分析當前的生產管理決策支持系統雖然具備了一定的節能作用，但缺乏溫室各類能耗信息的管理分析，通過各類模型和數據庫制定的溫室生產管理決策缺乏對溫室能源運作狀態的參考，因此，溫室生產的節能降耗還有相當大的提升空間。

4.1.4優化調度算法目前，我國針對整個溫室能源管理系統的研究較少，相關研究僅僅局限于其中一個子系統，目前缺乏比較成熟的優化調度算法，并且各種溫室設備不同、能源需求不同，缺乏統一的標準，如何解決溫室能源優化調度問題，為溫室環境管理提供決策支持還有待進一步研究。

4.1.5人機交互由于國外溫室規模較大，多為各種連棟溫室群，因此管理終端多采用PC平臺。相對國內多數小規模溫室而言，采用引進的PC端控制相對復雜，靈活性低，使用不便，不符合移動互聯、嵌入式系統發展需求，且需要與國內不常用的溫室設備配套使用，擴展性差、應用面窄，人機交互性有待提高。

4.2發展方向

針對存在的問題，溫室能源管理系統整體上要朝著低成本、高穩定性、高人機交互性的方向發展。具體關鍵技術，高穩定性、高準確度的新型流量計仍為流量檢測的主流；非侵入式檢測應為用電能耗檢測的重要研究方向之一；低成本、高穩定性的無線通信必然是通信技術的研究重點；包括溫室環境參數、設備能耗信息、作物生長模型參數等在內的各類數據的逐漸完善將不斷促進溫室生產信息的綜合管理與分析；優化調度上，隨著能源信息管理分析的完善，適用性強、高效的能源優化調度算法仍需進一步研究；隨著物聯網時代的到來，溫室能源管理系統也應向著云技術靠攏，交互終端應在已有PC端基礎上逐步擴展到嵌入式平臺，手機等便攜式設備應成為人機交互的重要一環。

溫室能源管理系統是智能溫室發展的必然趨勢，已有研究表明，能源管理系統可以有效降低溫室內的能源消耗，提高能源利用效率，減少溫室的生產成本。對溫室能源管理系統相關關鍵技術進行深入研究，應致力于設計開發適用于我國溫室設備的能源管理系統通用體系，依據我國溫室環境具體情況建立精確能耗模型，研究適用于我國溫室環境的能源優化調度決策，結合現有溫室環境監控系統，解決存在問題，將其合理運用于智能溫室當中，對我國溫室產業發展具有十分重要的意義。

[HS2][HT8.5H]參考文獻：[HT8.SS]

[1]尤章金. 基于BACnet協議的制造業企業能源管理系統的研究[D]. 北京：北京機械工業自動化研究所，2010.

[2]魏阿勇，凌志浩，潘濛濛. 建筑能源管理系統開發[J]. 上海電機學院學報，2013，16（3）：141-145，152.

[3]Kintner-Meyer M，Conant R. Opportunities of wireless sensors and controls for building operation[J]. Energy Engineering Journal，2005，102（5）：27-48.

[4]張全. 樓宇自控在綠色建筑中的應用[J]. 電工技術，2012（7）：9-11，17.

[5]靳曉剛，葉舟，張慎明. 智能樓宇能源管理研究[J]. 應用能源技術，2010（10）：48-50.

[6]Menzel K，Pesch D，Flynn O，et al. To-wards a wireless sensor platform for energy efficient building operation[J]. Tsinghua Science and Technology，2008，13（Suppl 1）：381-386.

[7]Feng Y P，Wu Y，Liu C B. Energy-efficiency supervision systems for energy management in large public buildings：necessary choice for China[J]. Energy Policy，2009，37（6）：2060-2065.

[8]崔然，馬旭東，彭昌海，等. 樓宇能源管理系統設計與實現[J]. 計算機技術與發展，2010，20（7）：184-187.

[9]鄧璐娟. 智能溫室的模型和控制策略研究[D]. 上海：上海大學，2004.

[10]馮廣和. 溫室的節能問題[J]. 農村實用工程技術·溫室園藝，2004（5）：23-25.

[11]徐大成. 北方型玻璃連棟溫室節能技術開發研究[J]. 遼寧農業科學，2003（1）：8-11.

[12]Pieters J G，Deltour J M. Moldeling solar energy input in greenhouse[J]. Solar Energy，1999，67（1/2/3）：119-130.

[13]姚益平，戴劍鋒，羅衛紅，等. 中國連棟溫室黃瓜周年生產能耗分布模擬[J]. 農業工程學報，2011，27（1）：273-279，封3.

[14]柴立龍，馬承偉，張義，等. 北京地區溫室地源熱泵供暖能耗及經濟性分析[J]. 農業工程學報，2010，26（3）：249-254.

[15]Cemek B，Demir Y. Testing of the condensation characteristics and light transmissions of different plastic film covering materials[J]. Polymer Testing，2005，24（3）：284-289.

[16]孫心心，鄒志榮，王宏麗，等. 新型復合相變墻日光溫室性能實測分析[J]. 農機化研究，2010，32（3）：168-170.

[17]籍秀紅. 日光溫室墻體綜合熱性能的評價與測試研究[C]. 2007年中國農業工程學會學術年會，2007.

[18]李勝利，霍穎君，孫治強. 不同層次簡易覆蓋的巨型塑料大棚溫度特征研究[J]. 河南農業大學學報，2008，42（6）：621-624.

[19]Fang H. Quantification of performance in plant factory[J]. Technol Adv Prot Horti，2013，65：64-71.

[20]劉水麗. 人工光源在密閉式植物工廠中的應用研究[D]. 北京：中國農業科學院，2007.

[21]Tong Y，Yang Q，Shimamura S. Analysis of Electric-Energy utilization efficiency in a plant factory with artificial light for lettuce production[C].Proceedings of the International Symposium on New Technologies for Environment Control，Energy-Saving and Crop Prod in Greenhouse and Plant Factory-GreenSys，2013.

[22]Tong Y，Kozai T，Ohyama K. Performance of household heat pumps for nighttime cooling of a tomato greenhouse during the summer[J]. Applied Engineering in Agriculture，2013，29（3）：1-8.

[23]Kozai T. resource use efficiency of closed plant production system with artificial light：concept，estimation and application to plant factory[J]. Proceedings of the Japan Academy Series B，2013，89：447-461.

[24]Seginer I，Hwang Y，Boulard T，et al. Mimicking an expert greenhouse grower with a neural-net policy[J]. Transactions of the ASAE，1996，39（1）：299-306.

[25]Aaslyng J M，Lund J B，Ehler N，et al. IntelliGrow：a greenhouse component-based climate control system[J]. Environmental Modelling & Software，2003，18（7）：657-666.

[26]Lacroix R，Kok R. Simulation-based control of enclosed [JP3]ecosystems-a case study：determination of greenhouse heating setpoints[J]. Canadian Agricultural Engineering，1999，41（3）：175-183.[JP]

[27]Korner O，Challa H. Design for an improved temperature integration concept in greenhouse cultivation[J]. Computers and Electronics in Agriculture，2003，39（1）：39-59.

[28]Korner O，Bakker M J，Heuvelink E. Daily temperature integration：a simulation study to quantify energy consumption[J]. Biosystems Engineering，2004，87（3）：333-343.

[29]Korner O，Challa H. Temperature integration and process-based humidity control in chrysanthemum[J]. Computers and Electronics in Agriculture，2004，43（1）：1-21.

[30]Blasco X，Martinez M，Herrero J M，et al. Model-based predictive control of greenhouse climate for reducing energy and water consumption[J]. Computers and Electronics in Agriculture，2007，55（1）：49-70.

[31]伍德林，毛罕平，李萍萍. 基于經濟最優目標的溫室環境控制策略[J]. 農業機械學報，2007，38（2）：115-119.

[32]李志偉，王雙喜，高昌珍，等. 以溫度為主控參數的日光溫室綜合環境控制系統的研制與應用[J]. 農業工程學報，2002，18（3）：68-71.

[33]王紀章，李萍萍，毛罕平，等. 基于模型的溫室環境調控技術研究[J]. 沈陽農業大學學報，2006，37（3）：463-466.

[34]Vadiee A，Martin V. Energy management in horticultural applications through the closed greenhouse concept，state of the art[J]. Renewable and Sustainable Energy Reviews，2012，16（7）：5087-5100.

[35]Vadiee A，Martin V. Energy management strategies for commercial greenhouses[J]. Applied Energy，2014，114（Suppl 1）：880-888.

[36]Saye A，Vanloon W P，Bot G A，et al. The solar greenhouse：a survey of energy saving methods[J]. Acta Hort，2000（534）：131-138.

[37]Seafreak0123.Argus省能源及PRIVA電腦環控技術[EB/OL]. （2012-02-28） [2015-12-30]. http：//www.docin.com.

[38]丁小明，魏曉明. 荷蘭溫室園藝生產技術現場參觀記[EB/OL]. （2015-03-29）[2015-12-30]. http：//www.docin.com/p-1110492827.html.

[39]張紅兵，鄭云萍. 天然氣流量計的選型及其計量發展趨勢[J]. 石油與天然氣化工，2003，32（3）：176-177，188.

[40]安建川，梁光川. 天然氣計量技術現狀及趨勢[J]. 內蒙古石油化工，2007，33（1）：42-45.

[41]溫懷海. 超聲波流量計在大管徑天然氣計量中的應用[J]. 石油規劃設計，2003，14（6）：20-21.

[42]張延宇，曾鵬，臧傳治. 智能電網環境下家庭能源管理系統研究綜述[J]. 電力系統保護與控制，2014，42（18）：144-154.

[43]Wang Z Y，Zheng G L. Residential appliances identification and monitoring by a nonintrusive method[J]. IEEE Transactions on Smart Grid，2012，3（1）：80-92.

[44]Dong M，Meira P C，Xu W，et al. An event window based load monitoring technique for smart meters[J]. IEEE Transactions on Smart Grid，2012，3（2）：787-796.

[45]Tsai M S，Lin Y H. Development of a non-intrusive monitoring technique for appliance identification in electricity energy management[C]. Advanced Power System Automation and Protection（APAP），2011 International Conference on，IEEE，2011：108-113.

[46]Chang H H，Chen K L，Tsai Y P，et al. A new measurement method for power signatures of nonintrusive demand monitoring and load identification[J]. IEEE Transactions on Industry Applications，2012，48（2）：764-771.

[47]Gao Y，Yang H. Non-intrusive load identification by fuzzy cluster analysis based on active power[C]. Power and Energy Engineering Conference，2012：1-4.

[48]Zeifman M. Disaggregation of home energy display data using probabilistic approach[J]. IEEE Transactions on Consumer Electronics，2012，58（1）：23-31.

[49]Suzuki K，Inagaki S，Suzuki T，et al. Nonintrusive appliance load monitoring based on integer programming[C]. SICE Annual Conference，2008. IEEE ，2008：2742-2747.

[50]Fan Y C，Liu X，Lee W C，et al. Efficient time series disaggregation for non-intrusive appliance load monitoring[C]. 9th International [JP2]Conference on Ubiquitous Intelligence&Computing and 9th International Conference on Autonomic&Trusted Computing，2012：225-248.[JP]

[51]Srivastava M. From measurements to sustainable choices[J]. IEEE Design & Test of Computers，2012，29（4）：58-60.

[52][JP2]王成，李民贊，王麗麗，等. 基于數據倉庫和數據挖掘技術的溫室決策支持系統[J]. 農業工程學報，2008，24（11）：169-171.[JP][HJ][FL）]

[KH*4D]

[HT8.]

[53]Hu Y G，Li P P，Zhang X L，et al. Integration of an environment information acquisition system with a greenhouse management expert system[J]. New Zealand Journal of Agricultural Research，2007，50（5）：855-860.

[54]Koerner O，van Straten G. Decision support for dynamic greenhouse climate control strategies[J]. Computers and Electronics in Agriculture，2008，60（1）：18-30.

[55][JP2]李萍萍，夏志軍，胡永光，等. 溫室黃瓜環境管理智能決策支持系統初探[J]. 江蘇大學學報（自然科學版），2004，25（1）：5-8.[JP]

[56]王紀章，李萍萍，毛罕平. 基于作物生長和控制成本的溫室氣候控制決策支持系統[J]. 農業工程學報，2006，22（9）：168-171.

[57]Abdi R，Hematian A，Ebrahim Z S，et al. Optimization of energy consumption pattern in the maize prodution system in kermanshah provinc of Iran[J]. Research Journal of Applied Sciences，Engineering and Technology，2012，4（15）：2548-2554.

[58]Zarei-Shahamat E，Hematian A. Energy optimization for greenhouse production process of cucumber using linear programming case study in Kermanshah[J]. African Journal of Agricultural Science and Technology，2013，1（1）：24-29.

[59]Namdari M，Kangarshahi A A. Modeling energy flow for orange production in Iran[J]. International Journal of Plant，Animal and Environmental Sciences，2011，1（1）：131-139.

[60]Taki M，Abidi R. Energy inputs-yield relationship and sensitivity analysis for tomato greenhouse production in Iran[J]. Agric Eng Int：CIGR Journal，2013，15（1）：59-67.

[61]Pahlavan R，Omid M，Akram A. Modeling and sensitivity analysis of energy inputs for greenhouse cucumber production[J]. Journal of Agricultural Technology，2011，7（6）：1509-1521.

[62]Habib R F，Seyed A T. Energy efficiency analysis of white button [JP3]mushroom produer in alburz province of Iran：a data envelopment analysis approach[J]. Open Journal of Energy Efficiency，2013（2）：65-74.[JP]

[63]鄒秋瀅. 溫室小氣候模型的建立及其控制策略研究[D]. 沈陽：沈陽農業大學，2010.

[64]Erik R，Both A J，Ruters. Greenhouse energy conservation strategies[EB/OL]. （2011-11-01）[2015-12-23]. http：//msue.anr.msu.edu.[JP]

[65]Priva公司手冊. Using connext 900 and optimahouse manual[Z].2010.