基于分段多區間的溫室夏季溫濕度智能控制策略

朱德蘭 涂泓濱 王瑞心 劉孟陽 張 銳 荊宇鵬

(1.西北農林科技大學水利與建筑工程學院， 陜西楊凌 712100； 2.西北農林科技大學旱區農業水土工程教育部重點實驗室， 陜西楊凌 712100； 3.普渡大學工業工程學院， 西拉法葉 47906)

0 引言

我國設施農業起步較晚，但近年來快速發展[1]。溫室可以通過人工手段構建出適宜農作物生長的生產環境，實現農作物的全天候生長。溫室環境監控是提高溫室作物產量、減少勞動力成本的關鍵技術[2]。溫室夏季常出現高溫低濕的現象，嚴重影響作物的正常生長。

溫室環境調控的目的是使植物常年處于適宜的生長環境之中，以發揮其最大的生產潛力[3]。目前溫室環境調控措施主要分為兩種[4-5]：①基于給定設定值，設計合理的控制方法，使得溫室環境盡可能跟蹤設定值。張侃諭等[6]利用PLC控制器實現溫度、濕度等設定目標值的實時跟蹤調控；王立舒等[7]利用多目標進化算法進行溫室溫濕度雙PID控制的參數在線整定；此外還包含預測控制[8-10]等方法。②基于目標函數的優化調控[11-14]，如以溫室生產能耗、經濟效益等一項或多項為目標函數，給定系統模型及邊界條件，獲得調控規則。李康吉等[15]構建溫室建筑計算流體力學(CFD)模型結合帶精英策略的非支配遺傳算法，以作物區域溫度場分布、控制溫室風機能耗等為目標，實現溫室環境因子的多目標、高效率優化。徐立鴻等[16]建立了藍莓光溫耦合凈光合速率模型與Venlo型溫室夏季降溫補光能耗模型，以凈光合速率最大、溫室降溫能耗最小為優化目標尋優，結果表明維持光合速率不變情況下可降耗；優先考慮種植效益的前提下，可同時滿足降耗和提高光合速率。

針對我國農業發展實際面臨的投入成本、接受程度等問題，廣大農戶多采用基于經驗設定的調控方法。同時越來越多的降溫措施在夏季溫室環境調控中得到運用。在這種形勢下，如何科學有效地決策溫室多設備運行，實現溫濕度的精準調控是亟待解決的問題。本文擬建立溫室數學模型，通過明晰不同調控設備以及其組合方式的調控效果，提出一種基于分段多區間的溫室夏季溫、濕度調控方法，以期實現溫室環境的精準調控，達到指導實際生產目的。

1 材料與方法

1.1 試驗溫室

試驗在西北農林科技大學中國旱區節水農業研究院自建溫室中進行。溫室為雙拱雙膜結構，外拱高4.0 m，內拱高3.5 m，外骨架長6.0 m，內骨架長5.6 m，外骨架寬5.2 m，內骨架寬4.8 m。溫室中配備的環境調控設備有遮陽網、濕簾、風機、頂窗、東西卷膜和霧化噴淋系統。溫室結構如圖1所示。

圖1 溫室結構Fig.1 Greenhouse structure diagrams

系統以物聯網云盒為核心并結合典型物聯網結構設計，由現場監控子系統、遠程監控子系統和物聯網云盒3部分組成，總體框架如圖2所示。現場監控子系統以可編程邏輯控制器(PLC，LK3U-64型)為核心，分別連接溫度傳感器等采集模塊和風機等設備功能模塊，通過觸摸屏人機交互界面實現對溫室環境因子顯示和設備控制；遠程監控系統以云平臺為核心，通過手機端、Web端實現溫室信息的獲取、控制命令的下達；物聯網云盒分別通過RS-232串口和4G網絡連接現場監控子系統與遠程監控子系統，實現數據信息和控制信號的自由傳輸。

圖2 系統總體框架Fig.2 Structure diagram of system

1.2 試驗設計

設備的調控能力可以通過控制過程中外界氣候變化的影響以及控制后環境參數實測值的關系進行分析描述。通過溫室無設備運行狀態下的環境變化明晰外界氣候變化對環境因子的影響，進一步結合實際操作選擇設備進行溫室環境調控，實測環境因子變化情況，分析設備調控能力。

結合溫室夏季環境調控需求，試驗分為4個處理：無設備運行、降溫調控、除濕調控和增濕調控。降溫、除濕和增濕調控處理進行多種調控設備組合研究，詳細試驗設計如表1所示。

表1 試驗設計Tab.1 Test design

1.3 測試指標及方法

在距溫室西南側1 m、高1.2 m處布設超聲波一體式氣象站(RS-FSXCS-N01-1型)，每間隔20 min采集1次室外空氣溫度、相對濕度和光照強度。

假定設備調控后溫室內部環境均勻分布，以溫室中心點數據代表溫室整體情況，利用光照溫濕度三合一傳感器(ST-GWS-6W型)每間隔20 min采集1次室內空氣溫度、相對濕度和光照強度。

2 結果與分析

2.1 無設備運行狀態下溫度和相對濕度變化及模型構建

溫室在無設備運行狀態下，典型晴天和典型陰天溫度及相對濕度變化分別如圖3、4所示。

圖3 無設備運行狀態下溫室溫度變化曲線Fig.3 Greenhouse temperature changing curves without equipment running

圖4 無設備運行狀態下溫室相對濕度變化曲線Fig.4 Greenhouse humidity changing curves without equipment running

溫室的內、外溫度變化趨勢總體一致。典型晴天下，隨著太陽輻射的逐漸增強，室內外溫度迅速提高，溫室表現出明顯的升溫作用，溫室內部最高溫度為45.7℃，室內外溫差最大達到10.5℃。典型晴天下由于太陽直射穩定，溫度變化更加平滑；典型陰天下由于云層變化擾動，溫室升溫作用減弱，溫室內部最高溫度仍可達40.8℃，室內外溫差最大為8.5℃，相較于晴天條件下溫度變化更加曲折。由此可分析出溫室內部溫度變化受到外界光照強度和溫度的影響較大，同時體現出溫度調控的必要性。溫室的內、外相對濕度變化趨勢總體一致。典型晴天下，日出后蒸發蒸騰量大，溫室內相對濕度下降明顯，在溫度最高時刻對應出現。相對濕度最低值，夜間溫室具有明顯的保濕效果；典型陰天下由于云層作用，白天的室外相對濕度明顯高于典型晴天下，相對濕度變化曲折，夜間，相對濕度較大且保持相對穩定。可以看出溫度和相對濕度之間具有顯著的負相關關系，溫室內部相對濕度變化受到外界光照強度和相度濕度的影響較大，體現出濕度調控的必要性。裴雪[17]通過相關分析指出室內空氣相對濕度、室內光輻射、室內二氧化碳濃度、室外空氣溫度和室外光輻射均與室內空氣溫度變化呈高度相關；顧寄南等[18]建立溫度模型時主要考慮室外溫度、室外光照強度，建立相對濕度模型時主要考慮了室外濕度、室外光照強度。因此提出溫室無設備運行狀態下溫度和相對濕度變化的數學模型為

(1)

(2)式中Tt0、Tt——起始時刻t0、終止時刻t時的室內溫度Ht0、Ht——起始時刻t0、終止時刻t時的室內相對濕度T′t0、T′t——起始時刻t0、終止時刻t時的室外溫度H′t0、H′t——起始時刻t0、終止時刻t時的室外相對濕度L′t0、L′t——起始時刻t0、終止時刻t時的室外光照強度aTT、aTL——外界溫度、光照強度的變化對溫室內溫度影響權重，兩者和為1aHH、aHL——外界相對濕度、光照強度的變化對溫室內相對濕度影響權重，兩者和為12021年7月11—16日進行無設備運行試驗，經數據處理后共得到138組試驗數據。根據構建數學模型進行自定義函數非線性曲線擬合，得到aTT=0.957，aTL=0.043，aHH=0.974，aHL=0.026。同時利用實測數據對模擬值進行了檢驗，結果如圖5所示。溫度和相對濕度的模擬值與實測值間的決定系數R2分別為0.971和0.966，表明擬合的預測模型可靠。

圖5 擬合值與實測值比較Fig.5 Comparison between fitted and measured values

將2021年7月17日的實測室內外環境數據輸入上述擬合的模型，得到溫室內部溫度、相對濕度預測值。與室內實測值對比，結果如圖6所示。室內溫度、相對濕度模擬值與實測值總體變化趨勢一致，溫度預測平均絕對誤差為0.73℃，相對濕度預測平均絕對誤差為3.7%。從圖6可看出，誤差較大主要發生在日出、日落兩個外界環境變化劇烈的時間段內，誤差源于采樣時間間隔較大，參數值產生較大的波動。總體而言，上述誤差在可接受范圍內，進一步驗證了預測模型的準確性，模擬值可以代表溫室一天中溫度和相對濕度的變化情況。

圖6 溫室內部環境模擬值與實測值對比Fig.6 Comparison of simulated and measured values of indoor environment in greenhouse

2.2 不同設備對溫度和相對濕度調控能力

根據試驗方案進行不同設備運行狀態調控試驗，對比相同外界條件下無設備運行狀態時的模擬值與設備調控后的實測值，可分析不同設備對溫室溫度和相對濕度的調控能力。

于2021年7月20日—8月11日進行T2～T9處理的降溫調控試驗，每個處理重復3 d。實測調控過程中溫室內溫度及室外溫度和光照強度，將室外環境信息輸入前述模型中(式(1))，可模擬得到當天環境情況下溫室無設備運行狀態時的溫度值。8種不同處理下實測溫度變化和模擬無設備運行狀態下溫度變化的對比如圖7所示。模擬無設備運行狀態下溫室內溫度變化與設備實際調控后溫度的變化趨勢一致，兩曲線的間距就是該調控方法的降溫效果。從圖7中可以看出，8種不同運行狀態都有明顯的降溫效果，圖7a～7h兩曲線之間的距離越來越大，降溫的效果越來越強，符合實際調控情況。

圖7 降溫調控結果Fig.7 Cooling control results

為更加直觀地描述其降溫效果，通過計算控制時間段內調控前后溫度變化平均值可定量地描述其降溫能力，T2～T9處理分別為0.97、1.84、2.32、2.36、3.18、3.32、3.54、6.32℃。

T2～T5處理調控溫度的同時能降低室內濕度，通過輸入實測室外濕度和光照強度模擬無設備運行時相對濕度變化情況。4種不同處理下實測相對濕度變化和模擬無設備運行狀態下相對濕度變化的對比如圖8所示。模擬無設備運行狀態相對濕度變化與設備實際調控后相對濕度的變化趨勢一致，兩曲線的間距就是對應運行狀態下的除濕效果。從圖8中可以看出，4種不同運行狀態都有明顯的除濕效果，圖8a～8d兩曲線之間的距離逐漸變大，除濕效果逐漸增強。

圖8 除濕調控結果Fig.8 Dehumidification control results

從圖8中可以看出，兩條曲線的間距基本維持不變，沒有產生較大的突變和波動，說明相對濕度變化穩定。同樣地，計算控制時間段內調控前后相對濕度變化平均值來定量地描述其除濕能力，T2～T4處理結果分別為4.25%、8.08%、8.81%、16.38%。

于2021年8月12—17日進行T7、T10和T11增濕調控試驗，每個處理重復3 d。增濕試驗中霧化噴淋系統的單噴頭流量為0.034 m3/h，濕簾耗水量 為0.041 m3/h。實測調控過程中溫室內相對濕度及室外相對濕度和光照強度，將室外環境信息輸入前述模型中(式(2))，可模擬當天室外環境情況下溫室無設備運行狀態時的相對濕度。3種不同處理下實測相對濕度和無設備運行狀態下相對濕度模擬值變化的對比如圖9所示。模擬無設備運行狀態下相對濕度變化與設備調控后相對濕度實測值的變化趨勢一致，兩曲線的間距就是該調控方法的增濕效果。T7處理增濕效果最差(圖9a)，濕簾主要利用水氣的蒸發降低溫度，增濕作用微小。T11處理增濕效果最明顯(圖9c)，在霧化噴淋系統與濕簾組合運行下，溫室濕度呈現極顯著提升。

圖9 增濕調控結果Fig.9 Humidification control results

通過分析3種運行狀態增濕效果，T7、T10和T11處理調控前后相對濕度差值分別為4.45%、12.48%和16.72%。

2.3 分段多區間控制策略

因方法簡單且可靠，基于設定值的控制在實際生產中廣泛運用。但其僅關注環境調控目的，不考慮執行設備狀況、作物需求。通過對不同設備運行狀況下環境變化的研究，明晰其調控能力，根據實際需求選擇不同設備；結合大量學者在溫室種植中提出“變溫管理”[19-20]措施以滿足作物的生長需求。本文依據設定值控制原理進行改進，提出分段多區間控制的策略。

以黃瓜生長期為例，設置一日3段變溫控制：第1階段為07:00—12:00，適宜溫度區間為[26℃，28℃]，最優溫度為27℃；第2階段為12:00—19:00，適宜溫度區間為[30℃，32℃]，最優溫度為31℃；第3階段為19:00至次日07:00，適宜溫度區間為[16℃，20℃]，最優溫度為18℃。相對濕度適宜范圍在70%～80%。控制流程如圖10所示。溫室溫度、濕度有極顯著的負相關性[21]，可以通過設備的選擇來綜合調控溫度和濕度。溫度是環境控制最重要的參數之一，因此本文將溫度設為溫室內控制判斷的參數。第1階段濕度大，初始溫度不高但呈逐漸上升趨勢，主選通風類調控，除濕的同時降低溫度上升的速度；第2階段溫度較高而濕度低，主選噴淋類調控，通過水氣降溫加濕；第3階段濕度逐漸升高，溫度逐漸下降但仍處于較高水平，主選通風類調控方法，降溫降濕。在每個階段以最優目標為中心，依據設備調控的能力計算各個階段的區間邊界值并選擇不同運行設備，如表2所示。

表2 分段多區間控制策略Tab.2 Subsection and multi-interval control strategy

圖10 控制流程圖Fig.10 Control flow chart

系統初始化后對各個階段目標參數進行設置，通過各類傳感器對環境信息進行感知采集并輸入PLC。首先進行時間段判斷，進入對應的階段，再根據環境實時溫度進行區間判斷，進入不同區間后產生不同的控制指令，使設備動作。

2.4 控制結果分析

于2021年8月20—25日進行分段多區間控制策略實際控制效果驗證試驗，溫室溫度控制結果如圖11a所示。從圖11a可以看出室內、外溫度變化趨勢一致。試驗期間室外最高溫度為40.9℃，分段多區間控制策略有效地降低晝間溫室內部溫度，室內最高溫度為32.4℃；同時保證后半夜至日出時溫度始終處于可控范圍內。室內溫度變化出現“波峰-臺階”式變化，體現了多區間的控制效果以及符合基于設定值控制的變化特點。根據執行設備調控能力、目標環境參數設置多區間調節，能在一定程度上符合溫室動態變化的規律。同時，根據作物一天內的需求不同，設置分段自動調節；根據作物實際生長狀態，手動設置不同生育期的環境目標參數，實現溫室內作物栽培的環境參數控制要求。第1階段初，太陽輻射使溫室溫度迅速升高，除去快速升溫時間，多區間調控使63.75%時間上的溫度在目標區間內。第2階段，多區間調控使58.57%時間上的溫度在目標區間內。溫度最大值為32.4℃，且主要在31.8℃附近波動，主要是午后外界溫度高以及溫室配備的硬件設施能力不足造成的，只有在外界溫度出現下降趨勢時室內溫度才有所下降。第3階段，多區間調控使58.33%時間上的溫度在目標區間內。綜上，全天59.46%時間內的溫度處于適宜區間。日落后，室外溫度逐漸下降，而室內外濕度逐漸升高，主要通過通風措施保證溫度，從圖11a可以看出，室內溫度逐漸趨近于室外溫度，因此降溫速率較慢，時間占比略低，但仍能滿足要求。室內溫度總體沒有呈現明顯的三段階梯形變化，但存在強烈的變化趨勢。

圖11 控制結果Fig.11 Results of control

溫室相對濕度控制結果如圖11b所示。從圖11b 可以看出室內、外相對濕度變化趨勢一致，試驗期間室外最低相對濕度為23.7%，分段多區間控制策略有效提高了第1和第2階段的濕度，相對濕度最小值為55.5%，保證了濕度環境盡最大程度滿足需求。日出后，溫度快速升高的同時濕度也在急劇下降，多區間調控使66.80%時間上的濕度在目標區間內波動。濕度在午后出現了突增變化，主要是因為該時間段溫度較高，采用濕簾、噴淋等降溫措施造成溫室內部濕度升高。夜間溫室相對濕度大于目標5%左右，造成該現象的原因主要有：①外界濕度增大造成的自然變化。②溫室霧化噴頭霧化程度不足造成地面部分積水以及溫室內部存在桶裝水源，導致夜間濕度較大。

溫室控制狀態如圖11c所示，日出后室內溫度逐漸上升，設備狀態隨著溫度變化在向高調控能力狀態切換；日落后隨著溫度下降向低調控能力狀態切換。溫室控制相對平穩，設備能穩定運行一定時間，未造成設備的頻繁啟閉。

3 結論

(1)結合現代溫室的管理需求，基于典型物聯網結構設計并實現了由現場監控子系統、物聯網云盒、遠程監控子系統組成的溫室智能監控系統。

(2)通過試驗構建了溫室無設備運行狀態下溫度和相對濕度變化的數學模型，對比了無設備運行狀態下的模擬值與設備實際調控后的實測值，定量分析了不同設備及組合的調控能力。結合設備調控能力、作物生長需求以及溫室溫濕度耦合的特性，提出了以溫度為邊界條件的分段多區間控制策略。

(3)經試驗驗證，該控制策略能有效地調節溫室溫度和相對濕度；溫度控制在適宜區間內的時間占全天的59.46%，相對濕度控制在適宜區間內的時間占全天的66.80%，設備運行穩定且未造成設備頻繁啟閉。