考慮時空變異特性的溫室多環(huán)境因子優(yōu)化策略

李康吉 張世通 孟凡躍 毛罕平

(1.江蘇大學(xué)電氣信息工程學(xué)院， 鎮(zhèn)江 212013； 2.江蘇大學(xué)農(nóng)業(yè)工程學(xué)院， 鎮(zhèn)江 212013)

0 引言

溫室環(huán)境是非線性、多變量、高耦合的復(fù)雜系統(tǒng)，作物培育可以根據(jù)室外氣象條件和作物生長發(fā)育各個階段所需環(huán)境，利用控制設(shè)備進(jìn)行合理調(diào)控，進(jìn)而得到整體的環(huán)境參數(shù)優(yōu)化方案，從而高效、均衡、快速地生產(chǎn)各種作物[1-3]。

文獻(xiàn)[4-5]利用計算流體力學(xué)(CFD)研究溫室環(huán)境和通風(fēng)問題，并取得較好的結(jié)果。隨著計算機性能的發(fā)展和湍流模型的不斷完善以及更多數(shù)值模型的建立，計算流體力學(xué)成為國內(nèi)外研究溫室動力學(xué)的一種新的有力工具， BOULARD等[6]運用太陽輻射模型并考慮溫室內(nèi)作物，研究溫室微氣候和作物蒸騰情況，所得結(jié)果與實驗值吻合較好。文獻(xiàn)[7-8]采用CFD軟件建立了有植物條件下的濕簾機械通風(fēng)三維模擬模型，對不同天氣條件和種植密度溫室內(nèi)溫度分布模式進(jìn)行了三維數(shù)值模擬與預(yù)測，探討不同通風(fēng)模式下溫室熱環(huán)境分布狀況。在溫室環(huán)境模型建立中, 單因子的研究起到了積極的作用, SIGRIMIS等[9]通過動態(tài)積溫法分別對短期和長期的溫度進(jìn)行優(yōu)化，年均節(jié)能可達(dá)到9%。但是單獨調(diào)整某個因子時, 總是離不開其他相關(guān)因子的影響，作物很難獲得最優(yōu)培育環(huán)境條件。因此，BARTZANAS等[10]、周偉等[11]研究不同通風(fēng)配置、日光輻射對溫度、濕度、二氧化碳等環(huán)境因素的影響。當(dāng)某一環(huán)境因素發(fā)生改變時, 必須考慮因素之間的相互影響[12]。張雪花等[13]運用灰色多目標(biāo)粒子群對溫室內(nèi)部的溫度、濕度、能耗進(jìn)行多目標(biāo)調(diào)控，結(jié)果表明該方法可以有效控制溫濕度，同時可降低溫室能耗。人工CFD仿真對多組控制參數(shù)進(jìn)行模擬優(yōu)化調(diào)節(jié)溫室通風(fēng)、遮陽、二氧化碳參數(shù)的方法計算效率低，求解過程冗雜。文獻(xiàn)[14]提出了一種基于GenOpt的雙目標(biāo)優(yōu)化方法，并通過Hooke-Jeeves和粒子群優(yōu)化算法的實現(xiàn)，研究了建筑圍護(hù)結(jié)構(gòu)設(shè)計對建筑采光和熱性能兩個目標(biāo)的影響。孫耀杰等[15]提出基于寬-深神經(jīng)網(wǎng)絡(luò)的兩級溫室環(huán)境數(shù)據(jù)融合算法，在保證決策精度的同時豐富了可融合特征類別，進(jìn)一步提升溫室融合系統(tǒng)的智能化程度。胡瑾等[16]提出了基于離散曲率算法的溫室CO2優(yōu)化調(diào)控模型，具有高效節(jié)能特點，為設(shè)施作物CO2高效精準(zhǔn)調(diào)控和節(jié)本增效提供了理論基礎(chǔ)。LAMMARI等[17]提出了一種復(fù)雜溫室氣候模型，運用遺傳算法(GA)對溫度和蒸氣壓優(yōu)化的方法，使得溫室模型參數(shù)達(dá)到最優(yōu)。張軍華等[18]研究基于物聯(lián)網(wǎng)的日光溫室冠層特征溫度時空變化規(guī)律。本文采取基于超級計算機進(jìn)行CFD模擬與多目標(biāo)優(yōu)化遺傳算法相結(jié)合的方法，選取溫室內(nèi)部溫度、二氧化碳濃度分布以及溫室能耗為目標(biāo)，濕簾入口溫度和風(fēng)機出口處風(fēng)速為控制變量進(jìn)行優(yōu)化調(diào)節(jié)，并進(jìn)行實地實驗驗證。

1 實驗與CFD建模

1.1 實驗溫室

實驗溫室位于江蘇省鎮(zhèn)江市丹徒區(qū)，位于東經(jīng)119.20°，北緯32.20°，屬于亞熱帶季風(fēng)氣候區(qū)。溫室長40 m，寬18 m，頂高5 m，面積720 m2，屋脊為南北走向3跨度，每跨度6 m，溫室四周和頂部覆蓋材料為透光度高于89%的浮法玻璃，北墻裝備3個負(fù)壓風(fēng)機，南墻裝有濕簾入口。實驗與建模時，選擇正北方向為X軸負(fù)方向，正東方向為Z軸正方向，向上為Y軸正方向，建立笛卡爾坐標(biāo)系。

實驗時間為2017年5月5日中午，測試期間天氣晴好或多云，室外溫度為32℃，風(fēng)機出口風(fēng)速為2 m/s，風(fēng)向為南風(fēng)，風(fēng)力3～4級。

1.2 實驗方法

溫室外采用HT-8983型熱敏式風(fēng)速測量儀測量風(fēng)速風(fēng)向和氣溫，采用光照度變送器測量太陽輻射強度，保持測量儀器置于開闊處，無遮擋。溫室內(nèi)部溫度測量儀器沿著南北方向和垂直高度方向兩個方向進(jìn)行布點放置，選用TP402型低功耗無線溫度測量器采集溫度，實驗現(xiàn)場布置圖如圖1所示。在南北方向上距離濕簾入口一側(cè)間隔8、16、24、32 m布置，東西方向上正對風(fēng)機出口距離西墻間隔3、7、15 m布置，高度分別為0.5、2、3 m，共有36個溫度觀測點。

溫室內(nèi)風(fēng)速測量儀器選用WS-A2型三維超聲波風(fēng)速風(fēng)向測量儀，在南北方向上距離進(jìn)氣口一側(cè)間隔2、10、20、30、38 m布置，東西方向上正對第1個和第2個風(fēng)機出口距離西墻間隔3、7 m布置，高度分別為0.6、1.7 m，實驗現(xiàn)場如圖2所示。

由于溫室面積較大，實驗過程需要進(jìn)行長時間、多次數(shù)的數(shù)據(jù)采集，故采用無線數(shù)據(jù)記錄儀T3采集和顯示數(shù)據(jù)，該儀器支持遠(yuǎn)程定時定點自動采集并保存室內(nèi)環(huán)境數(shù)據(jù)。

1.3 溫室CFD建模與模型驗證

在構(gòu)建CFD模型時，考慮到該工況下溫室側(cè)窗、南墻的門處于關(guān)閉狀態(tài)，風(fēng)機向室外排風(fēng)，室內(nèi)形成負(fù)壓，室外空氣從濕簾被吸入溫室。模型總體比較簡單，但是包含著一些特殊設(shè)置(濕簾窗戶、負(fù)壓風(fēng)機、遮陽簾、地面)，所以總體網(wǎng)格劃分無需過于密集，但是需要對特殊設(shè)置進(jìn)行加密。溫室網(wǎng)格劃分如圖3所示。

1.3.1模型選取

溫室內(nèi)空氣流速較低，并且流動過程中空氣溫度變化范圍不大，其通風(fēng)過程可視為定常不可壓縮流體運動。溫室內(nèi)氣體流動遵循質(zhì)量守恒方程、動量守恒方程和能量守恒方程三大方程[19]，其通用形式為

(1)

式中φ——通用變量

Γφ——擴(kuò)散系數(shù)

Sφ——廣義源項

溫室氣流存在明顯的冷熱對流，具有較高的湍流特性，考慮模型特點及精確度，采用標(biāo)準(zhǔn)k-ε模型進(jìn)行求解。溫室內(nèi)空氣與二氧化碳混合氣體的對流和擴(kuò)散采用組分傳輸模型。輻射傳熱是溫室內(nèi)熱量傳遞的主要形式，考慮到對溫室溫度場準(zhǔn)確性的要求，CFD的輻射模型采用Discrete Ordinates(DO)模型，本文根據(jù)溫室地理位置和實驗時間自動獲取溫室太陽輻射總量。

1.3.2邊界條件設(shè)置

溫室屋頂、側(cè)墻與室內(nèi)外空氣通過傳導(dǎo)、對流和輻射方式進(jìn)行能量交換。在模擬機械通風(fēng)工況時，溫室采取負(fù)壓通風(fēng)的方式，濕簾進(jìn)氣口處溫度設(shè)為定值。濕簾入口處的風(fēng)速由負(fù)壓風(fēng)機決定，因此其邊界條件設(shè)置為壓力邊界。同樣對于溫室的風(fēng)機出口，考慮其為負(fù)壓風(fēng)機，故將其設(shè)置為速度邊界，根據(jù)風(fēng)機出口處實際風(fēng)速進(jìn)行設(shè)置。模擬所用的土壤、空氣、氣象條件等基本參數(shù)以及溫室相關(guān)邊界條件設(shè)置如表1所示。

表1 模型基本參數(shù)及邊界條件設(shè)置Tab.1 Basic parameters and boundary conditions of model

1.3.3模型驗證

圖4為機械通風(fēng)條件下觀測點的溫度仿真值與實驗值比較，仿真結(jié)果與實驗數(shù)據(jù)基本吻合且變化規(guī)律一致，最大相對誤差和平均相對誤差分別為10.12%和4.9%；由于速度的測量受外界影響較大，以及測量儀器的誤差范圍較大，局部仿真值與實驗值吻合不是非常好，平均相對誤差為7.05%。數(shù)值結(jié)果能夠真實反映溫室內(nèi)環(huán)境分布，本研究所建立的CFD模型以及邊界條件設(shè)置是有效的。

2 環(huán)境因子優(yōu)化方法

2.1 夏季溫室環(huán)境因子分布

Venlo型玻璃溫室具有良好的透光性、密封性、通風(fēng)性，其內(nèi)部溫濕度、光照強度及濃度等環(huán)境因子相互耦合，共同影響溫室作物生長，且對溫室作物的產(chǎn)量與品質(zhì)起到至關(guān)重要的作用[20]。夏季華東地區(qū)高溫天數(shù)多，溫室內(nèi)部溫度高且分布不均勻，對夏季作物生長影響較大。目前濕簾風(fēng)機降溫方法是使用最為廣泛和有效的技術(shù)，具有效果顯著、經(jīng)濟(jì)可靠的優(yōu)點[21]。濕簾風(fēng)機系統(tǒng)的核心是能讓水均勻地淋濕整個降溫濕簾墻，空氣穿透濕簾時，與濕潤表面進(jìn)行的水氣交換使空氣的顯熱轉(zhuǎn)化為汽化潛熱，實現(xiàn)對空氣的加濕與降溫。溫室作物光合作用消耗大量二氧化碳，會導(dǎo)致溫室內(nèi)二氧化碳含量不足。調(diào)整空氣中二氧化碳的含量以增強光合作用，對促進(jìn)作物生長同樣重要。當(dāng)前溫室系統(tǒng)環(huán)境參數(shù)的調(diào)控大都假定參數(shù)分布均勻，很少考慮溫度、二氧化碳濃度等參數(shù)的空間分布對作物生長、能量消耗的影響。

在溫室系統(tǒng)中考慮作物區(qū)域的溫度場、二氧化碳分布情況，同時期望溫室能耗最低，這屬于一類多目標(biāo)優(yōu)化問題。由于此類問題涉及復(fù)雜環(huán)境系統(tǒng)的大規(guī)模建模和求解，對計算能力要求高，目前仍缺乏通用的優(yōu)化方案。

2.2 多目標(biāo)優(yōu)化算法

多目標(biāo)優(yōu)化是指多個相互關(guān)聯(lián)的目標(biāo)在給定區(qū)域內(nèi)同時最佳的優(yōu)化問題。遺傳算法因為其不基于梯度，采用隨機優(yōu)化，廣泛用于參數(shù)優(yōu)化類問題[22]。文獻(xiàn)[23]針對多目標(biāo)優(yōu)化中各個目標(biāo)之間沖突，不能同時達(dá)到各個目標(biāo)最優(yōu)的問題，進(jìn)一步提出非支配遺傳算法(NSGA)。 在此基礎(chǔ)上，NSGA-Ⅱ算法采用了快速非支配排序、最優(yōu)保留和精英策略保持種群的多樣性，使準(zhǔn)Pareto域中的個體能均勻分布到整個Pareto域，同時降低了算法的復(fù)雜度，提高了運算速度和魯棒性，在非連續(xù)數(shù)據(jù)空間、離散型控制變量的優(yōu)化求解中效果顯著。

NSGA-Ⅱ算法流程圖如圖5所示。在本文溫室環(huán)境多因子的優(yōu)化方案中，選取在機械通風(fēng)模式下的濕簾入口溫度和風(fēng)機出口風(fēng)速為溫室控制變量，選取溫度適宜性、二氧化碳濃度分布均勻性和風(fēng)機能耗等參數(shù)作為優(yōu)化目標(biāo)。

2.3 優(yōu)化框架搭建

以優(yōu)化作物生長環(huán)境并節(jié)約溫室耗能為目標(biāo)，采用NSGA-Ⅱ算法，搭建考慮時空變異特性的溫室多環(huán)境因子優(yōu)化方案。采用Fluent 18.0軟件建立溫室環(huán)境系統(tǒng)CFD模型，采用C++編程實現(xiàn)NSGA-Ⅱ算法以及與CFD模型的數(shù)據(jù)交互。具體優(yōu)化過程如下：

(1)建立CFD仿真模型。建立溫室模型，設(shè)置邊界條件和材料參數(shù)，驗證模型精度，保存case和data工程文件，用于仿真求解。

(2)創(chuàng)建批處理文件。根據(jù)Fluent軟件的文本用戶界面(TUI)功能，編寫journal文件，用于Fluent 18.0順序執(zhí)行命令：讀取工程文件，導(dǎo)出溫室內(nèi)部環(huán)境參數(shù)結(jié)果。創(chuàng)建批處理腳本文件，用于調(diào)用Fluent 18.0自動讀取journal文件進(jìn)行仿真。

(3)NSGA-Ⅱ初始化。設(shè)置NSGA-Ⅱ多目標(biāo)優(yōu)化算法人口數(shù)、進(jìn)化代數(shù)和控制變量選取范圍，編寫溫室環(huán)境因子優(yōu)化目標(biāo)評價函數(shù)。

(4)交互式尋優(yōu)。NSGA-Ⅱ優(yōu)化開始，由NSGA-Ⅱ給出的控制變量值生成新的journal文件，運行批處理腳本啟動Fluent讀取新的journal文件進(jìn)行一次仿真，然后讀取Fluent該次迭代仿真的環(huán)境參數(shù)數(shù)值結(jié)果，用于計算優(yōu)化目標(biāo)評價函數(shù)，并記錄每次優(yōu)化時控制變量值、優(yōu)化目標(biāo)函數(shù)值與溫室內(nèi)部特征環(huán)境參數(shù)值。

(5)保存結(jié)果。若NSGA-Ⅱ多目標(biāo)優(yōu)化算法未滿足優(yōu)化條件則執(zhí)行步驟(4)繼續(xù)優(yōu)化，若滿足優(yōu)化條件則保存最優(yōu)解，記錄最優(yōu)控制變量，優(yōu)化結(jié)束。優(yōu)化流程如圖6所示。

2.4 超級計算機配置

為保證優(yōu)化結(jié)果的準(zhǔn)確性，每次優(yōu)化迭代均需利用CFD模型求解溫室環(huán)境響應(yīng)，這對計算機的運算能力要求很高。本文采用“神威·太湖之光”超級計算機，使用Linux操作系統(tǒng)實現(xiàn)上述多目標(biāo)優(yōu)化方案，優(yōu)化過程中，通過創(chuàng)建shell批處理腳本調(diào)用Fluent軟件的journal 文件對溫室環(huán)境進(jìn)行迭代求解。超算系統(tǒng)可通過SSH協(xié)議遠(yuǎn)程登陸，數(shù)據(jù)通過FTP或SCP方式遠(yuǎn)程傳輸。

使用個人計算機，設(shè)置NSGA-Ⅱ多目標(biāo)優(yōu)化算法，人口數(shù)為200，迭代次數(shù)為5，對溫室環(huán)境參數(shù)優(yōu)化計算耗時約690 h，相同設(shè)置下使用超級計算機求解耗時約82.14 h，計算時長縮短約為88.09%。表2為個人計算機與超級計算機配置。

表2 個人計算機與超級計算機配置Tab.2 Personal computer and supercomputer configuration

3 結(jié)果與分析

3.1 溫室性能評估指標(biāo)

使用所提出的方案優(yōu)化作物區(qū)域內(nèi)的溫度和二氧化碳濃度的分布。溫室內(nèi)溫度的理想值設(shè)定參考基于作物生長模型的變溫管理技術(shù)，圖7為變溫管理技術(shù)溫度曲線，在11：00到13：00處于光合適溫階段，應(yīng)保持較高溫度，促進(jìn)生成光合產(chǎn)物，選取溫室內(nèi)部理想溫度為30℃。參照文獻(xiàn)[24]對夏季茄科茄屬植物生長模型的研究，溫室內(nèi)最優(yōu)二氧化碳濃度設(shè)定主要取決于作物光合速率、二氧化碳損耗速率、室內(nèi)溫度以及成本，由時間與溫度關(guān)系、不同二氧化碳濃度下作物光合作用總量隨溫度變化關(guān)系，選取溫室內(nèi)部理想二氧化碳質(zhì)量比為6×10-4。

溫室作物生長區(qū)分布如圖8所示，在作物區(qū)等距離間隔6 m設(shè)置1條觀測線，L1距離濕簾入口5 m，高度為1 m，共設(shè)置6條觀測線用于記錄溫室環(huán)境參數(shù)，F(xiàn)luent每次仿真后寫出該線的平均溫度、平均二氧化碳濃度，與溫室內(nèi)對應(yīng)環(huán)境參數(shù)的理想值進(jìn)行對比，實現(xiàn)對溫室綜合性能的評估。

溫室環(huán)境參數(shù)因子優(yōu)化選取溫室溫度適宜性、二氧化碳分布均勻性和風(fēng)機能耗為優(yōu)化目標(biāo)，本次研究中，描述室內(nèi)溫度環(huán)境因子的適宜性采用均方根誤差 (RMSE)函數(shù)，溫度適宜性指標(biāo)JT定義為

(2)

式中Ti——觀測線i的線平均溫度

Tidea——作物生長區(qū)域的理想溫度，取30℃

Np——觀測線數(shù)量

二氧化碳濃度分布均勻性指標(biāo)JCO2為

(3)

式中Ci——觀測線i的線平均二氧化碳濃度

Cidea——作物生長區(qū)域的二氧化碳理想濃度，取6×10-4

能耗指標(biāo)Jenergy為

(4)

式中ηfan——風(fēng)機效率，取0.75

ΔP——通過風(fēng)機的壓力上升值，取180 Pa

3.2 優(yōu)化結(jié)果分析

基于超級計算機結(jié)合NSGA-Ⅱ算法進(jìn)行分析，人口數(shù)設(shè)置為200，迭代次數(shù)為5，溫室邊界條件濕簾入口處二氧化碳注入速率設(shè)置為1.2×10-3,兩個控制變量的變化范圍設(shè)置為：濕簾入口溫度[295 K，305 K]，風(fēng)機出口風(fēng)速[2 m/s，7 m/s]，使用Fluent 18.0求解。

如圖9所示，最優(yōu)解集收斂到Pareto前沿曲面。圖10可以看出溫度指標(biāo)與溫室能耗指標(biāo)表現(xiàn)出明顯的反比關(guān)系。研究得出，最佳溫度適宜性指標(biāo)范圍在0.61～1.95，二氧化碳濃度分布均勻性指標(biāo)范圍在12～68，以及能耗指標(biāo)范圍在2.7～3.9，對應(yīng)的控制變量濕簾入口溫度為 [296.6 K，302 K]，風(fēng)機出口風(fēng)速范圍[2.9 m/s，5.5 m/s]。從Pareto前沿的最優(yōu)解中，考慮到能耗與環(huán)境參數(shù)性能的平衡，選擇一組控制變量值設(shè)置溫室邊界條件，濕簾入口溫度為299.5 K，風(fēng)機出口風(fēng)速為4.2 m/s，進(jìn)行CFD仿真。圖11分別為溫室高度1 m與1.7 m處溫度分布輪廓圖，可以看出，溫室內(nèi)作物主要生長區(qū)域溫度在29.5～32.85℃之間，適合華東地區(qū)夏季作物培育。圖12分別為溫室高度1 m與1.7 m處二氧化碳濃度分布輪廓圖, 可以看出，作物區(qū)域二氧化碳濃度分布均勻。3個指標(biāo)JT=1.25，JCO2=38.96，Jenergy=3.41，使用此方案可以對溫室內(nèi)部溫度場、二氧化碳濃度分布提供有效優(yōu)化，同時控制溫室能耗，適宜作物生長。

4 結(jié)論

(1)通過建立溫室建筑CFD模型，溫度場、二氧化碳分布模擬結(jié)果與華東地區(qū)實地實驗所測結(jié)果吻合良好，平均相對誤差分別為4.9%和7.05%，表明建立的CFD模型有效，模擬玻璃溫室內(nèi)環(huán)境參數(shù)分布可行。

(2)結(jié)合NSGA-Ⅱ算法建立C++-Fluent優(yōu)化框架，對溫室環(huán)境因子進(jìn)行調(diào)節(jié)優(yōu)化，可以得到溫室控制量的有效參數(shù)范圍，溫室濕簾入口溫度選取區(qū)間為[296.6 K，302 K]，風(fēng)機出口風(fēng)速范圍設(shè)置區(qū)間為[2.9 m/s，5.5 m/s]，選取一組控制變量值設(shè)置溫室邊界條件進(jìn)行仿真模擬，通過結(jié)果分布可以看出，對于控制調(diào)節(jié)有參考價值。

(3)基于超級計算機結(jié)合多目標(biāo)優(yōu)化算法對溫室內(nèi)部溫度場、速度場和二氧化碳濃度分布進(jìn)行優(yōu)化研究，尋求溫室耗能與環(huán)境適宜性相平衡，相比個人計算機計算效率大幅提高，計算時長縮短約88.09%。