本發(fā)明實施例涉及溫室環(huán)境調控
技術領域：
，尤其涉及一種溫度控制節(jié)能處理方法、裝置及系統(tǒng)。
背景技術：
：溫室生產可在一定程度上提高作物產量，改善作物質量，該產業(yè)的發(fā)展對農業(yè)結構的調整有著重要的意義。我國政府非常重視這一產業(yè)的發(fā)展。自70年代末，我國先后從國外引進了現(xiàn)代溫室成套設備，到如今的“十三五”規(guī)劃中，強調大力推進農業(yè)現(xiàn)代化，加快轉變農業(yè)發(fā)展方式以穩(wěn)定糧食和重要農產品產量、保障國家糧食安全和重要農產品的有效供給，加快農業(yè)技術創(chuàng)新步伐，積極構建現(xiàn)代農業(yè)產業(yè)體系、生產體系、經營體系，使現(xiàn)代農業(yè)成為重要的產業(yè)支撐。這些都表明溫室產業(yè)在國民經濟中的重要性。我國從進口到研發(fā)溫室設施，積累了很多相關經驗，溫室總面積獲得大幅增長。但與快速發(fā)展的溫室硬件相比，在溫室環(huán)境調控方面，大多數(shù)溫室生產還是以人工經驗管理為主，對經驗的依賴使得溫室生產的作物產量和經濟效益偏低。目前已有的溫室環(huán)境系統(tǒng)建模與控制研究主要集中于連續(xù)系統(tǒng)控制理論，連續(xù)控制執(zhí)行機構的輸入，如通風窗的開啟度。我國溫室環(huán)境控制設備(常見于日光溫室)大多數(shù)為開關型設備，輸入變量只有開啟和關閉兩種狀態(tài)，內部環(huán)境是一類由離散事件驅動的動態(tài)系統(tǒng)，基于連續(xù)輸入信號的建模與控制方法難以適用于溫室系統(tǒng)。實際生產中主要控制方法為Bang-Bang控制，該控制方法控制精度低、超調量大、經濟效益不理想。為了改善溫室環(huán)境的實際控制效果，少數(shù)學者提出了基于切換思想的溫室環(huán)境系統(tǒng)建模與預測控制方法，這些方法均可在一定程度上優(yōu)化開關控制設備的切換方式，但預測控制性能指標中僅考慮了控制精度，未考慮控制過程中的能量損耗。技術實現(xiàn)要素：針對現(xiàn)有技術存在的問題，本發(fā)明實施例提供一種溫度控制節(jié)能處理方法、裝置及系統(tǒng)。一方面，本發(fā)明實施例提供一種溫度控制節(jié)能處理方法，包括：根據控制設備的種類數(shù)建立對應的多個溫度預測模型；通過采集到的歷史數(shù)據對所述溫度預測模型進行模型辨識，確定所述溫度預測模型中各個模型參數(shù)，其中所述歷史數(shù)據包括室外太陽輻射、室外溫度、室外相對濕度和溫室溫度；根據所述溫度預測模型輸出的預測溫度值與設定溫度值的偏差和所述控制設備開啟的能量損耗，構建二次型性能指標；獲取當所述二次型性能指標達到最小值時所述控制設備對應的開關組合切換序列，根據所述開關組合切換序列控制所述控制設備的開關。另一方面，本發(fā)明實施例提供一種溫度控制節(jié)能處理裝置，包括：模型建立單元，用于根據控制設備的種類數(shù)建立對應的多個溫度預測模型；模型辨識單元，用于通過采集到的歷史數(shù)據對所述溫度預測模型進行模型辨識，確定所述溫度預測模型中各個模型參數(shù)，其中所述歷史數(shù)據包括室外太陽輻射、室外溫度、室外相對濕度和溫室溫度，所述模型辨識包括模型結構辨識和模型參數(shù)辨識；算法構建單元，用于根據所述溫度預測模型輸出的預測溫度值與設定溫度值的偏差和所述控制設備開啟的能量損耗，構建二次型性能指標；獲取單元，用于獲取當所述二次型性能指標達到最小值時的所述控制設備對應的開關組合切換序列，根據所述開關組合切換序列控制所述控制設備的開關。再一方面，本發(fā)明實施例提供一種溫度控制節(jié)能處理系統(tǒng)，包括：上述溫度節(jié)能調節(jié)裝置、服務器、多種傳感器、執(zhí)行機構狀態(tài)采集板、執(zhí)行機構狀態(tài)控制板和執(zhí)行機構，其中：所述溫度節(jié)能調節(jié)裝置與所述服務器通信連接，用于獲取環(huán)境信息和所述執(zhí)行機構的狀態(tài)信息，以及向所述執(zhí)行機構發(fā)送控制信息；所述執(zhí)行機構分別與所述執(zhí)行機構狀態(tài)采集板和所述執(zhí)行機構狀態(tài)控制板通信連接；所述多種傳感器用于采集溫室內外環(huán)境信息。本發(fā)明實施例提供的一種溫度控制節(jié)能處理方法、裝置及系統(tǒng)，通過根據溫度預測模型輸出的預測溫度值與設定溫度值的偏差和控制設備開啟的能量損耗構建二次型性能指標，并獲取當二次型性能指標達到最小值時控制設備對應的開關組合切換序列，同時考慮了溫室溫度和控制設備控制過程中的能量損耗。附圖說明為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。圖1為本發(fā)明實施例提供的一種溫度控制節(jié)能處理方法流程示意圖；圖2為本發(fā)明另一實施例提供的一種溫度控制節(jié)能處理方法流程示意圖；圖3為本發(fā)明實施例提供的加熱不通風模型的驗證曲線圖；圖4為本發(fā)明實施例提供的通風不加熱模型的驗證曲線圖；圖5為本發(fā)明實施例提供的加熱通風模型的驗證曲線圖；圖6為本發(fā)明實施例提供的不加熱不通風模型的驗證曲線圖；圖7為本發(fā)明實施例提供的λ＝0與λ＝2的溫度跟蹤曲線仿真結果示意圖；圖8為本發(fā)明實施例提供的λ＝0與λ＝2的溫度跟蹤曲線實際結果示意圖；圖9為本發(fā)明實施例提供的一種溫度控制節(jié)能處理裝置結構示意圖；圖10為本發(fā)明另一實施例提供的一種溫度控制節(jié)能處理裝置結構示意圖；圖11為本發(fā)明實施例提供的一種溫度控制節(jié)能處理系統(tǒng)結構示意圖；圖12為本發(fā)明實施例提供的一種溫度控制節(jié)能處理系統(tǒng)實體結構示意圖。具體實施方式為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。圖1為本發(fā)明實施例提供的一種溫度控制節(jié)能處理方法流程示意圖，如圖1所示，所述方法包括：步驟101：根據控制設備的種類數(shù)建立對應的多個溫度預測模型；具體地，溫室溫度系統(tǒng)為多輸入單輸出系統(tǒng)，溫度變化受室外氣候條件與室內控制設備輸入兩大因素的影響。對于開關型控制設備，在同樣的外部氣候條件下，室內溫度的動態(tài)變化分為開啟控制設備和關閉控制設備兩種情形。因此，對同一種控制設備，可構建2種溫度預測模型，對于m種控制設備，可構建2m種溫度預測模型，每一種溫度預測模型對應一種控制設備的開關組合方式。應當說明的是，溫度預測模型的輸入為外界氣候條件，輸出為溫室溫度，且外界氣候條件包括室外太陽輻射、室外溫度和室外相對濕度。步驟102：通過采集到的歷史數(shù)據對所述溫度預測模型進行模型辨識，確定模型中各個模型參數(shù)，其中所述歷史數(shù)據包括室外太陽輻射、室外溫度、室外相對濕度和溫室溫度；具體地，模型辨識包括模型結構辨識和模型參數(shù)辨識，通過采集到的歷史數(shù)據對溫度預測模型進行模型辨識，確定溫度預測模型中的各個模型參數(shù)，其中歷史數(shù)據包括室外太陽輻射、室外溫度、室外相對濕度和溫室溫度等。例如：以2016年3月27日的歷史數(shù)據作為辨識數(shù)據，以2016年3月28日的歷史數(shù)據作為驗證數(shù)據，每隔30秒進行一次數(shù)據采集，根據采集到的數(shù)據確定溫度預測模型中各個模型參數(shù)。步驟103：根據所述溫度預測模型輸出的預測溫度值與設定溫度值的偏差和所述控制設備開啟的能量損耗，構建二次型性能指標；具體地，根據溫度預測模型，預測系統(tǒng)未來輸出狀態(tài)，將未來輸出狀態(tài)與參考輸入進行比較。在溫室溫度的實際控制中，需要同時考慮根據溫度預測模型輸出的預測溫度值與設定溫度值的偏差和控制設備開啟的能量損耗，構建二次型性能指標。步驟104：獲取當所述二次型性能指標達到最小值時所述控制設備對應的開關組合切換序列，根據所述開關組合切換序列控制所述控制設備的開關。具體地，由于有多種開關組合切換序列，且每種開關組合切換序列都對應一個二次型性能指標數(shù)值，令二次型性能指標的數(shù)值最小化，獲取此時的控制設備對應的開關組合切換序列，作為控制設備的最終選取的開關組合切換序列。應當說明的是，構建溫度預測模型，通過設計二次型性能指標，使其權衡控制精度和能量損耗，并基于預測模型選擇使二次型性能指標的數(shù)值最小的開關組合切換序列稱為溫度節(jié)能控制算法。本發(fā)明實施例通過根據溫度預測模型輸出的預測溫度值與設定溫度值的偏差和控制設備開啟的能量損耗構建二次型性能指標，并獲取當二次型性能指標達到最小值時控制設備對應的開關組合切換序列，同時考慮了溫室溫度和控制設備控制過程中的能量損耗。在上述實施例的基礎上，圖2為本發(fā)明另一實施例提供的一種溫度控制節(jié)能處理方法流程示意圖，如圖2所示，所述方法還包括：步驟105：根據預設采樣周期、預設預測步長和所述二次型性能指標對所述控制設備的開關組合切換序列進行選擇。具體地，當確定控制設備對應的開關組合切換序列后，根據預設采樣周期、預設預測步長和二次型性能指標，對控制設備的開關組合切換序列進行選擇。例如：只考慮一種控制設備，即溫室中只有一個開關加熱器，即m＝1，預測步長為3，即N＝3。據此可知，有8種開關組合切換序列，[開，開，開]、[開，開，關]、[開，關，關]、[關，開，關]、[關，關，開]、[關，關，關]、[關，開，開]和[開，關，開]。8種開關組合切換序列對應8種溫度預測值序列，將上述8種開關組合切換序列對應的參數(shù)(溫度預測值和能量損耗)分別代入二次型性能指標中，并選擇使二次型性能指標達到最小值的一組開關組合切換序列，假如為[開，關，關]，則加熱器開啟一個采樣周期，若下一個采樣周期，計算出[關，開，開]這一開關組合切換序列使二次型性能指標達到最小值，則加熱器關閉一個采樣周期。應當說明的是，由于溫室溫度受到的干擾因素較多，變化頻繁，所以本發(fā)明實施例列舉預測步長為3，但只取開關組合切換序列中的第一個開關控制來控制加熱器。當該采樣周期執(zhí)行完后，獲取溫室實際溫度值，再搜索三個預測步長的最優(yōu)開關組合切換序列，同樣地，只執(zhí)行其中的第一個采樣周期，如此類推。本發(fā)明實施例通過構建溫度預測模型和二次型性能指標，確定使二次型性能指標達到最小值的開關組合切換序列，并對每個采樣周期都進行一次計算，保證了對溫室溫度控制的精度以及對控制設備在控制過程中能量損耗的控制。在上述實施例的基礎上，所述構建二次型性能指標，包括：構建所述二次型性能指標公式：其中，J為二次型性能指標，N為所述預測步長，x(k+i|k)為k時刻預測k+i時刻的溫室溫度值，xset為溫室溫度設定值，λ為控制量的加權系數(shù)，m為所述控制設備個數(shù)，αj(k+i-1)為k+i-1時刻第j個所述控制設備的開啟狀態(tài)，uj為第j個所述控制設備開啟一個采樣周期的能耗。具體地，在對溫室溫度的實際控制中，需要同時考慮預測溫度值與設定溫度值的偏差和控制設備開啟的能量損耗，建立了二次型性能指標，如公式(1)所示：其中，J為二次型性能指標，N為所述預測步長，x(k+i|k)為k時刻預測k+i時刻的溫室溫度值，xset為溫室溫度設定值，λ為控制量的加權系數(shù)，m為所述控制設備個數(shù)，αj(k+i-1)為k+i-1時刻第j個所述控制設備的開啟狀態(tài)，uj為第j個所述控制設備開啟一個采樣周期的能耗。根據公式(1)即可計算出不同開關組合切換序列對應的二次型性能指標數(shù)值。本發(fā)明通過構建二次型性能指標，設計溫度節(jié)能控制算法搜索最優(yōu)切換序列，可同時保證溫室溫度滿足設定值以及減少控制過程中的消耗能量。在上述實施例的基礎上，所述根據控制設備的種類數(shù)建立對應的多個溫度預測模型，包括：采用自回歸滑動平均模型建立所述溫度預測模型。具體地，自回歸滑動平均模型(Auto-RegressiveandMovingAverageModel，簡稱ARMA模型)，由自回歸模型(Auto-RegressiveAuto-Regressive，簡稱AR模型)與滑動平均模型(MovingAverageModel，簡稱MA模型)為基礎“混合”構成。采用ARMA模型建立溫度預測模型。本發(fā)明實施例通過自回歸滑動平均模型建立所述溫度預測模型，預測未來某一時刻溫室溫度。在上述實施例的基礎上，所述采用自回歸滑動平均模型建立所述溫度預測模型，包括：建立表達式為的自回歸滑動平均模型，其中x(k)為k時刻的所述溫室溫度，ui(i＝1,2,3)為外界擾動，u1為所述室外太陽輻射，u2為所述室外溫度，u3為所述室外相對濕度，a(i)(i＝1,2,...,N1)為自回歸系數(shù)，b(i,j)(i＝1,2,3,j＝1,2,...,N2i)為滑動平均系數(shù)，N1為自回歸模型的階次，N2i為滑動平均模型的階次，N21為所述太陽輻射階次，N22為所述室外溫度階次，N23為所述相對濕度階次。具體地，表達式建立溫度預測模型，通過輸入室外太陽輻射、室外溫度、室外相對濕度以及相關參數(shù)即可通過溫度預測模型預測出溫室溫度。本發(fā)明實施例通過建立自回歸滑動平均模型預測溫室溫度，提高了預測溫室溫度的準確性。在上述實施例的基礎上，所述通過采集到的歷史數(shù)據對所述溫度預測模型進行模型辨識，確定模型中各個模型參數(shù)，包括：獲取多組不同取值的N1、N21、N22和N23構成的模型參數(shù)備選集，根據所述模型參數(shù)備選集對應的驗證指標選擇N1、N21、N22和N23的取值，其中所述驗證指標包括：模型預測值與實際測量值之間的最大絕對誤差、均方根誤差和模型有效性；根據所述歷史數(shù)據并采用最小二乘法確定a(i)和b(i,j)的取值。具體地，模型辨識包括模型結構辨識和模型參數(shù)辨識。模型結構辨識包括確定溫度預測模型中的參數(shù)N1、N21、N22和N23。在對模型結構辨識過程中，首先確定N1、N21、N22和N23的大致取值范圍，即獲取多組不同取值的N1、N21、N22和N23，構成模型參數(shù)備選集，然后根據溫度預測模型輸出的模型預測值與實際測量值之間的最大絕對誤差(MAE)、均方根誤差(RMSE)和模型有效性(MV)等驗證指標對各模型結構辨識的結果進行分析，從而確定N1、N21、N22和N23的取值。其中最大絕對誤差(MAE)可表示為公式(2)：均方根誤差(RMSE)可表示為公式(3)：模型有效性(MV)可表示為公式(4)：式中，Xe為溫室溫度實際測量值；Xmean為溫室溫度實際測量值的平均值；Xm為溫室溫度模型預測值；n為樣本個數(shù)。例如：試驗在中國農業(yè)大學東校區(qū)信息與電氣工程學院459實驗室溫室內進行。該溫室有一跨，跨長1.9米，跨寬0.9米，脊高1.9米。本試驗中，參與溫度控制的控制設備有加熱器和通風窗2種，分別用于升溫與降溫。加熱器和風機均在一定功率下開啟，通風窗每次開啟固定角度。這2種控制設備共有4種開關組合切換序列：加熱不通風，通風不加熱，加熱通風，不加熱不通風。為了建立4種開關組合切換序列對應的溫度預測模型，分別在這4種開關組合切換序列下進行輸入輸出數(shù)據的采集，試驗期間，其他控制設備均不動作。以2016年3月27號輸入輸出的歷史數(shù)據為辨識數(shù)據，3月28號輸入輸出的歷史數(shù)據為驗證數(shù)據，每隔30秒進行一次數(shù)據采集。3月27號辨識數(shù)據的采集情形為：09:00—10:00，加熱不通風；10:00—11:00，通風不加熱；11:00—12:00，加熱通風；12:00—13:00，不加熱不通風。每種情形均采集了120組數(shù)據。3月28號驗證數(shù)據的采集，控制設備工作方式與3月27號對應時間段一致。對于溫室內溫度系統(tǒng)，采用具有5階的極點足以描述系統(tǒng)特性，系統(tǒng)零點不超過3階，據此確定各階次[N1N21N22N23]的最大值為[5333]。各階次最大值確定后，要求在模型各類統(tǒng)計指標變化不明顯的前提下，盡可能降低模型零極點階次，以簡化預測控制算法的計算復雜度?，F(xiàn)以加熱不通風模型為例，不同結構溫度預測模型的辨識結果如表1所示。表1不同結構溫度預測模型的辨識結果序號N1N21N22N23MAE/℃RMSE/℃MV/％153330.28870.094493.37243330.29110.099193.36333330.31920.117392.14442330.29920.099193.36541330.33200.109292.23642230.29270.099393.35742130.31610.110491.34842220.29270.099293.29942210.29270.099293.28對比表1中的序號1、2、3可知，當N1由5降至4后，各統(tǒng)計指標均沒有明顯變化，但當N1由4降至3后，MAE與RMSE均有明顯上升，MV有明顯下降，故將N1選為4。同理，分別對序號2、4、5，序號2、6、7，序號2、8、9，可將N21和N22均選為2，N23選為1。最終確定N1、N21、N22和N23的參數(shù)為[4221]。對于選定的模型結構，基于最小二乘法，可獲得溫度的4種溫度預測模型。模型參數(shù)辨識結果及相應模型的零極點分布如表2所示，在表2中，自回歸系數(shù)依次為a(1)、a(2)、a(3)、a(4)，滑動平均系數(shù)依次為太陽輻射滑動平均系數(shù)b(1,1)、b(1,2)，室外溫度滑動平均系數(shù)b(2,1)、b(2,2)，室外濕度滑動平均系數(shù)b(3,1)。應當說明的是，表2中的模型零點和模型極點是根據溫度預測模型計算得出的。表2各溫度預測模型的模型參數(shù)辨識結果及模型零極點分布由表2可知，各溫度預測模型極點均處于單位圓內，系統(tǒng)穩(wěn)定；經計算可得，各溫度預測模型極點的模均大于距離原點最遠極點模的5次方，且不存在偶極子現(xiàn)象，這表示模型中不存在主導極點，因此，溫度預測模型階數(shù)選取合適。以3月28號輸入輸出的歷史數(shù)據對溫度預測模型進行驗證，圖3為本發(fā)明實施例提供的加熱不通風模型的驗證曲線圖，圖4為本發(fā)明實施例提供的通風不加熱模型的驗證曲線圖，圖5為本發(fā)明實施例提供的加熱通風模型的驗證曲線圖，圖6為本發(fā)明實施例提供的不加熱不通風模型的驗證曲線圖，圖3-圖6中橫坐標t為仿真時間，縱坐標x為溫度，虛線表示溫室溫度預測值，實線表示溫室溫度測量值。根據圖3-圖6可知，在4種控制設備組合的情形下，辨識模型均能有效預測溫度變化趨勢。4種溫度預測模型溫度預測值與測量值之間的各類統(tǒng)計指標如表3所示，可以看出，4種溫度預測模型的MAE、RMSE均較小，MV均大于87％。表3溫度預測模型擬合統(tǒng)計結果開關組合方式MAE/℃RMSE/℃MV/％加熱不通風0.46510.130092.71通風不加熱0.59330.319990.95加熱通風0.77490.371687.91不加熱不通風0.23900.081392.75本發(fā)明實施例通過模型辨識以及模型驗證，確定了溫度預測模型中的各個參數(shù)，保證了溫度預測模型預測的精確度。在上述各實施例的基礎上，所述控制量的加權系數(shù)根據在預設時間內所述控制設備消耗總能量和均方根誤差確定。具體地，通過仿真確定二次型性能指標中λ的取值。例如：以3月30號00:00—24:00室外氣候數(shù)據作為模型輸入，對溫度進行四段變溫預測控制仿真，室內溫度采用模型預測輸出值。仿真設置如下：(1)四段變溫設定值為：05:00—09:00，18℃；09:00—14:00，26℃；14:00—19:00，21℃；19:00—05:00，13℃。(2)忽略通風窗開啟和關閉能耗，通風過程僅考慮風機能耗。電加熱器功率為500W，風機功率為35W，按此功率比例關系定義能耗：加熱和通風均不開啟時，能耗u＝0；加熱開啟1個采樣周期時，能耗u＝1；通風開啟1個采樣周期時，能耗u＝0.07；加熱和通風同時開啟1個采樣周期時，能耗u＝1.07。(3)預測時域N＝3，采樣周期為30s，即每30s進行1次優(yōu)化計算，獲得加熱通風兩種控制設備的組合情形，總共進行2880次控制設備組合的優(yōu)化判定。表4給出了式(1)中λ取不同值時，4種控制設備組合情形各自的開啟次數(shù)、消耗的能量以及對應的跟蹤均方根誤差。圖7為本發(fā)明實施例提供的λ＝0與λ＝2的溫度跟蹤曲線仿真結果示意圖，其中橫坐標t為試驗時間，縱坐標為溫度。由于試驗中控制設備每次開啟時長均為30s，共開啟2880次，總時長固定為86400s，故將各種組合開啟1次對應的能耗與相應組合開啟次數(shù)的乘積之和作為消耗的能量。以λ＝0為例，消耗能量為：305×0+586×1+41×0.07+1948×1.07＝2673.23。表4不同權值下的控制設備組合情況、能量損耗及對應的均方根誤差由圖7和表4可知，設計的預測控制算法有如下特點：(1)λ越大，溫度預測值與設定值間的均方根誤差整體呈增長趨勢，即溫度動態(tài)響應性能越差，穩(wěn)態(tài)誤差越大。(2)λ越大，不加熱不通風組合次數(shù)越多，加熱通風組合開啟次數(shù)越少，總體能量損耗越小。據仿真結果可知，基于種植者對控制精度(RMSE)與能量輸入的權衡與需求，可在λ<2范圍內選取權值，這樣既可在一定程度上滿足設定值追蹤要求，使RMSE小于1，又能盡可能減少控制設備開啟次數(shù)，達到節(jié)能的效果。以上是仿真的過程及結果分析，為了驗證本發(fā)明實施例的真實性進行了實際的試驗。試驗于2016年4月1號00:00—24:00進行，選取λ＝2。為了驗證λ≠0時的節(jié)能效果，將4月1號室外氣候作為輸入，令λ＝0，進行四段變溫仿真實驗，仿真設置與實際設置完全一致。將λ＝2的實際控制效果與λ＝0的仿真結果進行對比，圖8為本發(fā)明實施例提供的λ＝0與λ＝2的溫度跟蹤曲線實際結果示意圖。表5λ＝0與λ＝2對比結果由表5可得到，λ＝2時的能耗約為λ＝0時能耗的43.43％。由對比結果可知：(1)λ＝0與λ＝2兩種情形下的溫度跟蹤效果均較好，λ＝0時的均方根誤差稍小，但開關設備開啟總次數(shù)較多(不加熱不通風總次數(shù)較少)，加熱通風開啟次數(shù)也遠遠大于λ＝2時的情形，這種控制模式會造成能源的大量浪費。(2)由于試驗中設置加熱不通風組合開啟1次消耗能量u＝1，加熱通風組合開啟1次消耗能量u＝1.07，因此在λ＝2試驗中如果需要升溫，溫度節(jié)能控制算法會優(yōu)先選擇能耗較小的加熱不通風方式，但在λ＝0試驗中，它僅考慮控制精度，未考慮能量損耗，為防止超調現(xiàn)象，該算法更趨向于選擇加熱力度較小的加熱通風方式。應當說明的是，本發(fā)明實施例中的溫度節(jié)能控制算法是指通過設計二次型性能指標，使其權衡控制精度和能量損耗，并選擇使二次型性能指標的數(shù)值最小的開關組合切換序列。本發(fā)明實施例通過根據溫度預測模型輸出的預測溫度值與設定溫度值的偏差和控制設備開啟的能量損耗構建二次型性能指標，并獲取當二次型性能指標達到最小值時控制設備對應的開關組合切換序列，同時考慮了溫室溫度和控制設備控制過程中的能量損耗。圖9為本發(fā)明實施例提供的一種溫度控制節(jié)能處理裝置結構示意圖，如圖9所示，所述裝置包括：模型建立單元901、模型辨識單元902、算法構建單元903和獲取單元904，其中：模型建立單元901用于根據控制設備的種類數(shù)建立對應的多個溫度預測模型；模型辨識單元902用于通過采集到的歷史數(shù)據對所述溫度預測模型進行模型辨識，確定所述溫度預測模型中各個模型參數(shù)，其中所述歷史數(shù)據包括室外太陽輻射、室外溫度、室外相對濕度和溫室溫度，所述模型辨識包括模型結構辨識和模型參數(shù)辨識；算法構建單元903用于根據所述溫度預測模型輸出的預測溫度值與設定溫度值的偏差和所述控制設備開啟的能量損耗，構建二次型性能指標；獲取單元904用于獲取當所述二次型性能指標達到最小值時的所述控制設備對應的開關組合切換序列，根據所述開關組合切換序列控制所述控制設備的開關。具體地，對于開關型控制設備，在同樣的外部氣候條件下，室內溫度的動態(tài)變化分為開啟控制設備和關閉控制設備兩種情形。因此，對同一種控制設備，模型建立單元901可構建2種溫度預測模型，對于m種控制設備，可構建2m種溫度預測模型，每一種溫度預測模型對應一種控制設備的開關組合方式。應當說明的是，溫度預測模型的輸入為外界氣候條件，輸出為溫室溫度，且外界氣候條件包括太陽輻射、室外溫度和相對濕度。模型辨識包括模型結構辨識和模型參數(shù)辨識，模型辨識單元902通過采集到的歷史數(shù)據對溫度預測模型進行模型辨識，確定溫度預測模型中的各個模型參數(shù)，其中歷史數(shù)據包括室外太陽輻射、室外溫度、室外相對濕度和溫室溫度等。算法構建單元903根據溫度預測模型，預測系統(tǒng)未來輸出狀態(tài)，將未來輸出狀態(tài)與參考輸入進行比較。在溫室溫度的實際控制中，需要同時考慮根據溫度預測模型輸出的預測溫度值與設定溫度值的偏差和控制設備開啟的能量損耗，構建二次型性能指標。由于有多種開關組合切換序列，且每種開關組合切換序列都對應一個二次型性能指標數(shù)值，令二次型性能指標的數(shù)值最小化，獲取單元904獲取此時的控制設備對應的開關組合切換序列，作為控制設備的最優(yōu)開關組合切換序列。本發(fā)明實施例提供的裝置的實施例具體可以用于執(zhí)行上述各方法實施例的處理流程，其功能在此不再贅述，可以參照上述方法實施例的詳細描述。本發(fā)明實施例通過根據溫度預測模型輸出的預測溫度值與設定溫度值的偏差和控制設備開啟的能量損耗構建二次型性能指標，并獲取當二次型性能指標達到最小值時控制設備對應的開關組合切換序列，同時考慮了溫室溫度和控制設備控制過程中的能量損耗。圖10為本發(fā)明另一實施例提供的一種溫度控制節(jié)能處理裝置結構示意圖，如圖10所示，所述裝置包括：模型建立單元901、模型辨識單元902、算法構建單元903、獲取單元904和選擇單元905，其中：選擇單元905用于根據預設采樣周期、預設預測步長和所述二次型性能指標對所述控制設備的開關組合切換序列進行選擇。具體地，模型建立單元901、模型辨識單元902、算法構建單元903和獲取單元904與上述實施例一致，此處不再贅述。當確定控制設備對應的開關組合切換序列后，選擇單元905根據預設采樣周期、預設預測步長和二次型性能指標，對控制設備的開關組合切換序列進行選擇。例如：只考慮一種控制設備，即溫室中只有一個開關加熱器，即m＝1，預設步長為3，即N＝3，據此可知，有8種開關組合切換序列，[開，開，開]、[開，開，關]、[開，關，關]、[關，開，關]、[關，關，開]、[關，關，關]、[關，開，開]和[開，關，開]。8種開關組合切換序列對應8種溫度預測值序列，將上述8種開關組合切換序列對應的參數(shù)(溫度預測值和能量損耗)分別代入二次型性能指標中，并選擇使二次型性能指標達到最小值的一組開關組合切換序列，假如為[開，關，關]，則加熱器開啟一個采樣周期，若下一個采樣周期，計算出[關，開，開]這一開關組合切換序列使二次型性能指標達到最小值，則加熱器關閉一個采樣周期。應當說明的是，由于溫室溫度受到的干擾因素較多，變化頻繁，所以本發(fā)明實施例列舉預測步長為3，但只取開關組合切換序列中的第一個開關控制來控制加熱器。當該采樣周期執(zhí)行完后，獲取溫室實際溫度值，再搜索三個預測步長的最優(yōu)開關組合切換序列，同樣地，只執(zhí)行其中的第一個采樣周期，如此類推。本發(fā)明實施例通過構建溫度預測模型和二次型性能指標，確定使二次型性能指標達到最小值的開關組合切換序列，并對每個采樣周期都進行一次計算，保證了對溫室溫度控制的精度以及對控制設備在控制過程中能量損耗的控制。圖11為本發(fā)明實施例提供的一種溫度控制節(jié)能處理系統(tǒng)結構示意圖，如圖11所示，所述系統(tǒng)包括溫度節(jié)能調節(jié)裝置1101、服務器1102、多種傳感器1103、執(zhí)行機構狀態(tài)采集板1104、執(zhí)行機構狀態(tài)控制板1105和執(zhí)行機構1106，其中：所述溫度節(jié)能調節(jié)裝置1101與所述服務器1102通信連接，用于獲取環(huán)境信息和所述執(zhí)行機構1106的狀態(tài)信息，以及向所述執(zhí)行機構1106發(fā)送控制信息；所述執(zhí)行機構1106分別與所述執(zhí)行機構狀態(tài)采集板1104和所述執(zhí)行機構狀態(tài)控制板1105通信連接；所述多種傳感器1103用于采集溫室內外環(huán)境信息。具體地，溫度節(jié)能調節(jié)裝置1101嵌入由VB編制的基于溫度預測模型的溫室溫度節(jié)能控制算法；服務器1102為S3C6410嵌入式處理器，集環(huán)境測控和信息發(fā)布為一體。溫度節(jié)能調節(jié)裝置1101通過Web訪問，經由服務器1102，一方面實現(xiàn)室內外環(huán)境信息和執(zhí)行機構狀態(tài)信息的獲取，一方面將控制算法決策結果發(fā)送給執(zhí)行機構1106。多種傳感器用于采集溫室內外環(huán)境信息，可以包括集數(shù)字溫度傳感器DS18B20(精度±0.5℃)、廣州西博臣科技有限公司生產的模擬濕度傳感器模塊CHTM-02/N(精度±5％RH)以及中國農業(yè)大學研制的脈沖光照傳感器S1000(精度±5％lux)為一體，可以理解的是，還可以使用其他型號及類別的傳感器，本發(fā)明實施例不作具體限定。執(zhí)行機構采集板1104和執(zhí)行機構控制板1105分別用于執(zhí)行機構狀態(tài)的檢測和控制。室內配有電加熱器、加濕器、補光燈、通風窗(配有風機，以加速室內外能量交換)等開關型控制設備。其中，電加熱器和風機均采用輸出功率可調設備，設置電加熱器和風機功率分別為500W和35W。應當說明的是本發(fā)明實施例提供的執(zhí)行機構用于舉例說明，其他具有相同功能的執(zhí)行機構也可以用于本發(fā)明實施例中，在此不作具體限定。本發(fā)明實施例通過根據溫度預測模型輸出的預測溫度值與設定溫度值的偏差和控制設備開啟的能量損耗構建二次型性能指標，并獲取當二次型性能指標達到最小值時控制設備對應的開關組合切換序列，同時考慮了溫室溫度和控制設備控制過程中的能量損耗。圖12為本發(fā)明實施例提供的一種溫度控制節(jié)能處理系統(tǒng)實體結構示意圖，如圖12所示所述系統(tǒng)可以包括：處理器(processor)1201、存儲器(memory)1202和通信總線1203，其中，處理器1201，存儲器1202通過通信總線1203完成相互間的通信。處理器1201可以調用存儲器1202中的邏輯指令，以執(zhí)行如下方法：根據控制設備的種類數(shù)建立對應的多個溫度預測模型；通過采集到的歷史數(shù)據對所述溫度預測模型進行模型辨識，確定所述溫度預測模型中各個模型參數(shù)，其中所述歷史數(shù)據包括室外太陽輻射、室外溫度、室外相對濕度和溫室溫度；根據所述溫度預測模型輸出的預測溫度值與設定溫度值的偏差和所述控制設備開啟的能量損耗，構建二次型性能指標；獲取當所述二次型性能指標達到最小值時所述控制設備對應的開關組合切換序列，根據所述開關組合切換序列控制所述控制設備的開關。此外，上述的存儲器1202中的邏輯指令可以通過軟件功能單元的形式實現(xiàn)并作為獨立的產品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中?；谶@樣的理解，本發(fā)明的技術方案本質上或者說對現(xiàn)有技術做出貢獻的部分或者該技術方案的部分可以以軟件產品的形式體現(xiàn)出來，該計算機軟件產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網絡設備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括：U盤、移動硬盤、只讀存儲器(ROM，Read-OnlyMemory)、隨機存取存儲器(RAM，RandomAccessMemory)、磁碟或者光盤等各種可以存儲程序代碼的介質以上所描述的系統(tǒng)實施例僅僅是示意性的，其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網絡單元上?？梢愿鶕嶋H的需要選擇其中的部分或者全部模塊來實現(xiàn)本實施例方案的目的。本領域普通技術人員在不付出創(chuàng)造性的勞動的情況下，即可以理解并實施。通過以上的實施方式的描述，本領域的技術人員可以清楚地了解到各實施方式可借助軟件加必需的通用硬件平臺的方式來實現(xiàn)，當然也可以通過硬件?；谶@樣的理解，上述技術方案本質上或者說對現(xiàn)有技術做出貢獻的部分可以以軟件產品的形式體現(xiàn)出來，該計算機軟件產品可以存儲在計算機可讀存儲介質中，如ROM/RAM、磁碟、光盤等，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網絡設備等)執(zhí)行各個實施例或者實施例的某些部分所述的方法。最后應說明的是：以上實施例僅用以說明本發(fā)明的技術方案，而非對其限制；盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發(fā)明各實施例技術方案的精神和范圍。當前第1頁1 2 3