基于自加速遗传粒子群算法的半封闭式温室能耗预测

作     者：陈教料 陈教选 杨将新 胥芳 沈真 Chen Jiaoliao;Chen Jiaoxuan;Yang Jiangxin;Xu Fang;Shen Zhen

作者机构：浙江大学现代制造研究所杭州310027 浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室杭州310014 同济大学国家设施农业工程研究中心上海200092 

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) 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2015年第31卷第24期

页      码：186-193页

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。

主 题 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 

学科分类：082803[082803] 08[工学] 0828[工学-建筑类] 

核心收录：

D　O　I：10.11975/j.issn.1002-6819.2015.24.028

馆 藏 号：203188784...