基于粒子群優(yōu)化算法的太陽能水培智能控制系統(tǒng)設(shè)計與實現(xiàn)

關(guān)鍵詞：粒子群優(yōu)化算法;最大功率點跟蹤;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 文獻標志碼：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)補給存在較大時延[1]，并且設(shè)備運轉(zhuǎn)會產(chǎn)生額外的碳排量。因此，研制兼具精準控制技術(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用于農(nóng)作物的生產(chǎn)監(jiān)控中[2]，但其參數(shù)選取隨機性較大，控制反饋有時延，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)估器有效補償了模糊控制器的輸入時變延遲。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]。為實現(xiàn)效率最大化，周濤等[6]設(shè)計了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，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，兩個模塊集成于STM32L151C8T6芯片中，構(gòu)成一個完整的控制核心。其中，由pH傳感器和EC傳感器構(gòu)成的數(shù)據(jù)采集模塊負責獲取營養(yǎng)液的水質(zhì)參數(shù)，并將數(shù)據(jù)上傳至設(shè)備控制模塊進行控制決策;設(shè)備控制模塊通過定時程序和算法程序分別對循環(huán)水泵、補光燈、MPPT控制器和加液蠕動泵下達相應(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用戶端，可以進行網(wǎng)絡(luò)配置、設(shè)備管理、控制模式切換、補光控制、實時數(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

用戶先通過微信公眾號向系統(tǒng)下達自動控制指令，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傳感器獲取實時數(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，進而驅(qū)動蠕動泵分別適量抽取4種溶液進行補充。在實驗過程中，營養(yǎng)液的pH通過注入酸液和堿液進行調(diào)節(jié)，EC值通過注入肥料母液和水進行調(diào)節(jié)。由于改進后的模糊控制器具有獨特的反饋機制，因此系統(tǒng)會持續(xù)獲取pH 和EC的實測值并與預(yù)設(shè)的最適值進行相互比較，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)水泵會定時開啟，向水培架中補充營養(yǎng)液，同時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

根據(jù)種植現(xiàn)場需求，將若干個電池分別串聯(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，使變換后的工作點正好與光伏電池的最大功率點重合[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)的負載使用，以保證系統(tǒng)正常運轉(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)計與優(yōu)化（Design andoptimization of fuzzy controller）

2.1 模糊控制器設(shè)計針

對調(diào)控pH和EC值的需求，分別設(shè)計了兩個模糊控制器，每個控制器負責合理分配兩個蠕動泵的加液速率，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，這兩個變量的取值因作物品種而有所差異，本實驗選擇生菜作為研究對象，分別取P 為6.5，E 為2.000 mS/cm[9]。

在初始化工作點時，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|ΔP|小于設(shè)定閾值α 時停止擾動，將系統(tǒng)的工作點穩(wěn)定在最大功率點附近。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)實物開發(fā)

本研究設(shè)計的水培智能控制系統(tǒng)是江蘇省鎮(zhèn)江市重點研發(fā)計劃項目，實驗系統(tǒng)的設(shè)計、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)品實驗基地完成，其研究成果于2023年11月9日成功通過專家組項目驗收，目前已結(jié)項并將研制出的系統(tǒng)進行了實際的部署，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

實驗比較了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。實驗主要驗證的是本研究設(shè)計的算法模型對比兩種傳統(tǒng)算法，是否能夠更靈敏、準確地調(diào)節(jié)營養(yǎng)液水質(zhì)參數(shù)，使目標參數(shù)以更快的速度回歸作物生長所需的最適值，并維持在一個相對穩(wěn)定的范圍。實驗將最適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。

仿真實驗結(jié)果如下。

傳統(tǒng)模糊控制算法耗費81 s達到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59 s達到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44 s達到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80 s達到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57 s達到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43 s達到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

將實驗的觀測時間定為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、晚進行3次水質(zhì)采樣，每次采樣重復(fù)獲取6次數(shù)據(jù)，計算18次采樣數(shù)據(jù)的平均值，記錄為當日的觀測值。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值在實驗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;最大功率點電壓Um為17.70 V;最大功率點電流Im 為7.94 A;最大功率Pm 為140.00 W。設(shè)置的實驗環(huán)境條件為室溫25 ℃和光照強度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)完成了實物搭建。實驗數(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)時間和更小的波動幅度，解決了時滯問題，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)備工作點能與最大功率點相匹配，提升了發(fā)電效率。

綜上所述，本系統(tǒng)既達到了大幅提升農(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：計算機應(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。