基于自加速遗传粒子群算法的半封闭式温室能耗预测

摘要：

针对半封闭式温室环境参数众多且难以测量的问题，提出了一种机理建模与系统辨识建模相结合的温室能耗建模方法。采用自加速遗传粒子群算法（self-accelerating hybrid algorithm of particle swarm optimization and genetic algorithm， SPSO-GA）对温室物理模型中难以确定的参数进行辨识，建立半封闭式温室能耗预测模型。根据上海半封闭式玻璃试验温室的气象数据和测量的能耗值，分别采用遗传算法（genetic algorithm，GA）、粒子群算法（PSO，particle swarm optimization）和SPSO-GA进行参数辨识与能耗预测比较分析。采用SPSO-GA获得的温室能耗预测结果与实测数据的相对误差为1.4%，分别比GA和PSO减少了2.9%和13.7%。根据日太阳光照辐射总量、室外日均温度2个参数及相应的变化曲线，预测的温室能耗值精确度大于86%。试验与模拟结果验证了基于 SPSO-GA 的温室能耗预测模型有效，可为半封闭式温室能量负载设计、管理和控制提供理论依据。

关键词：温室、算法、能耗管理、半封闭式温室、自加速遗传粒子群算法

分类号：S625.5+1(设施园艺（保护地栽培）)

资助基金：国家高技术研究发展计划863计划2013AA050405；国家国际科技合作专项2014DFE60020；国家自然科学基金61374094；浙江省创新团队项目2011R50011-02。

在线出版日期：2016-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：186-193