[發明專利]一種基于云端的面向溫室集群的管控方法、系統與服務器

在審

• 申請號: 201710862145.6
• 申請日: 2017-09-21
• 公開（公告）號: CN107809461A
• 公開（公告）日: 2018-03-16
• 發明（設計）人: 陳一飛;李丹;張向南;蒲東;劉福潮;楊建華;彭雄;王亞威
• 申請（專利權）人: 中國農業大學
• 主分類號: H04L29/08
• 分類號: H04L29/08;A01G9/18;A01G9/22;A01G9/24;A01G7/04;G06Q10/04;G06Q50/02
• 代理公司: 北京路浩知識產權代理有限公司11002
• 代理人: 王瑩,吳歡燕

1.一種基于云端的面向溫室集群的管控方法，其特征在于，包括：

S1，基于目標溫室集群中各單棟溫室的當前環境數據和作物生長模型數據，更新各所述單棟溫室對應的作物產量目標函數，并基于所述目標溫室集群所屬區域的當前電價信息，更新各所述單棟溫室對應的耗能量目標函數；

S2，基于各所述單棟溫室對應的作物產量目標函數和耗能量目標函數，生成多目標優化目標函數；

S3，通過優化所述多目標優化目標函數，獲取各所述單棟溫室對應的各期望目標環境數據；

S4，基于各所述期望目標環境數據，對應調節各所述單棟溫室的實際環境數據。

2.根據權利要求1所述的方法，其特征在于，在步驟S1之前還包括：

基于各所述單棟溫室中的作物類型，對應獲取各所述單棟溫室對應的作物生長模型；

基于各所述單棟溫室對應的作物生長模型以及環境參數約束條件，生成各所述單棟溫室對應的作物產量目標函數。

3.根據權利要求2所述的方法，其特征在于，步驟S3中所述優化所述多目標優化目標函數的步驟進一步包括：

采用多目標粒子群優化算法，按如下步驟優化所述多目標優化目標函數：

S31，基于所述環境參數約束條件，設定所述期望目標環境數據的允許取值范圍與設定迭代次數；

S32，初始化粒子群P_t，計算各粒子對應的目標向量，并將其中的非劣解加入到外部檔案NP_t；

S33，設定所述粒子個數、初始局部最優解與全局最優解；

S34，在保證所述粒子在搜索空間內飛行的條件下，改變所述粒子的速度和位置，形成P_t+1，調整粒子的局部最優解；

S35，根據新的非劣解更新外部檔案，形成NP_t+1，同時為每個所述粒子選取全局最優解；

S36，更新迭代次數，若更新后的迭代次數達到所述設定迭代次數，則停止搜索，否則，轉到步驟S34。

4.根據權利要求1所述的方法，其特征在于，所述S2的步驟進一步包括：

基于各所述單棟溫室對應的作物產量目標函數和耗能量目標函數，生成如下多目標優化目標函數：

min F_i＝-Y_i+Z_i＝-G(X_1i,X_2i,…,X_ni)+H(X_1i,X_2i,…,X_ni,m)；

式中，F_i表示作物生長周期第i天的多目標優化目標函數，Y_i表示作物生長周期第i天預計作物產量，Z_i表示作物生長周期第i天預計耗能量，Y_i＝G(X_i)表示第i天預計作物產量關于環境參數的函數，X_i＝H(X_i)表示第i天預計耗能量關于環境參數的函數，X_1i、X_2i、…、X_ni分別表示作物生長周期第i天第一、第二、…、第n環境參數，m表示當前電價信息。

5.根據權利要求1所述的方法，其特征在于，所述S4的步驟進一步包括：

基于各所述期望目標環境數據，分別生成各所述單棟溫室對應的控制指令，并對應下發至各所述單棟溫室中的溫室控制器，以供各所述溫室控制器按所述期望目標環境數據對應調節各所述單棟溫室的實際環境數據。

6.根據權利要求1至5中任一所述的方法，其特征在于，還包括：

從各所述溫室控制器獲取環境數據傳感器周期性上傳的環境數據及監控攝像頭定期拍攝的作物生長圖像信息。