光伏温室负荷控制与能源系统的协同优化方法及装置

1.本技术涉及电力系统技术领域，特别涉及一种光伏温室负荷控制与能源系统的协同优化方法及装置。


背景技术：

2.当前，现代农业与可再生能源的交叉发展提高了土地综合利用率，已成为农村能源系统的发展趋势。并且与工业用电负荷不同，农业用电负荷受天气条件的影响很大，农业气象学对农业能源消耗有直接影响。将光伏温室整合到农村能源系统中可以大大减少二氧化碳排放，但也带来了农业气象学和能源气象学问题。此外，目前针对农业能源系统的研究相对较少，新能源农业的经济没有得到明显改善。
3.相关技术中，可以根据风力发电模型和光伏发电模型作为限制条件进行优化求解，得到最小化系统年均成本的储热装置、产热装置、风力发电和光伏发电的装机容量分配结果。
4.然而，相关技术中，无法平衡温室微气候需求和电网的运行之间的关系，无法保证电网运行的经济性和农作物的产量。


技术实现要素：

5.本技术提供一种光伏温室负荷控制与能源系统的协同优化方法及装置，以解决相关技术中，无法平衡温室微气候需求和电网的运行之间的关系，无法保证电网运行的经济性和农作物的产量等问题。
6.本技术第一方面实施例提供一种光伏温室负荷控制与能源系统的协同优化方法，包括以下步骤：建立用于通过温室的负荷控制以促进作物的净光合作用的温室负荷模型，并构建作物干物质积累模型；建立以温室内光照强度、温度和二氧化碳浓度为决策变量；根据农村能源系统的运行成本和碳减排量建立优化目标；根据作物干物质积累、农业温室环境安全边界、电力、热力平衡/不平衡建立多项约束；以及基于所述决策变量、所述优化目标和所述多项约束，根据所述温室负荷模型和所述作物干物质积累模型构建光伏温室负荷控制与农村能源系统的协同优化模型，以基于粒子群优化算法对模型进行求解，得到协同优化结果。
7.可选地，在本技术的一个实施例中，所述温室负荷模型包括温室电力负荷模型、温室热力负荷模型和温室碳耦合模型。
8.可选地，在本技术的一个实施例中，所述基于所述决策变量、所述优化目标和所述多项约束，根据所述温室负荷模型和所述作物干物质积累模型构建光伏温室负荷控制与农村能源系统的协同优化模型，以基于粒子群优化算法对模型进行求解，得到协同优化结果，包括：根据作物各层所获得的光合有效辐射，得到作物各层相应的冠层净光合速率。
9.可选地，在本技术的一个实施例中，所述根据作物各层所获得的光合有效辐射，得到作物各层相应的冠层净光合速率，包括：根据作物每层的净光合速率加权求和，得到整个
冠层的净光合速率。
10.可选地，在本技术的一个实施例中，所述根据作物各层所获得的光合有效辐射，得到作物各层相应的冠层净光合速率，还包括：根据每个时刻作物整个冠层的净光合速率进行求和，得到作物单日冠层的净同化量，以计算作物冠层干物质的单日积累量。
11.可选地，在本技术的一个实施例中，所述作物冠层干物质的单日积累量的计算公式为：
12.tdrw＝ξ
·cf
·
nd/(1-0.05)，
13.其中，tdrw为冠层干物质的单日积累量，pnd为单日冠层的净同化量，ξ为co2与碳水化合物(ch2o)的转换系数，cf为碳水化合物转换成干物质的系数，0.05表示干物质中的矿物质含量。
14.本技术第二方面实施例提供一种光伏温室负荷控制与能源系统的协同优化装置，包括：构建模块，用于建立用于通过温室的负荷控制以促进作物的净光合作用的温室负荷模型，并构建作物干物质积累模型；第一建立模块，用于建立以温室内光照强度、温度和二氧化碳浓度为决策变量；第二建立模块，用于根据农村能源系统的运行成本和碳减排量建立优化目标；第三建立模块，用于根据作物干物质积累、农业温室环境安全边界、电力、热力平衡/不平衡建立多项约束；以及求解模块，用于基于所述决策变量、所述优化目标和所述多项约束，根据所述温室负荷模型和所述作物干物质积累模型构建光伏温室负荷控制与农村能源系统的协同优化模型，以基于粒子群优化算法对模型进行求解，得到协同优化结果。
15.可选地，在本技术的一个实施例中，所述温室负荷模型包括温室电力负荷模型、温室热力负荷模型和温室碳耦合模型。
16.可选地，在本技术的一个实施例中，所述求解模块包括：求解单元，用于根据作物各层所获得的光合有效辐射，得到作物各层相应的冠层净光合速率。
17.可选地，在本技术的一个实施例中，所述求解单元包括：求和单元，用于根据作物每层的净光合速率加权求和，得到整个冠层的净光合速率。
18.可选地，在本技术的一个实施例中，所述求解单元还包括：计算单元，用于根据每个时刻作物整个冠层的净光合速率进行求和，得到作物单日冠层的净同化量，以计算作物冠层干物质的单日积累量。
19.可选地，在本技术的一个实施例中，所述作物冠层干物质的单日积累量的计算公式为：
20.tdrw＝ξ
·cf
·
nd/(1-0.05)，
21.其中，tdrw为冠层干物质的单日积累量，pnd为单日冠层的净同化量，ξ为co2与碳水化合物(ch2o)的转换系数，cf为碳水化合物转换成干物质的系数，0.05表示干物质中的矿物质含量。
22.本技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的光伏温室负荷控制与能源系统的协同优化方法。
23.本技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的光伏温室负荷控制与能源系统的协同优化方法。
24.本技术实施例可以建立温室负荷模型以促进作物的净光合作用，根据作物干物质积累等建立多项约束，从而平衡温室微气候需求和电网的运行，根据农村能源系统的运行成本和碳减排量建立优化目标，从而保证电网的经济性和农作物的产量。由此，解决了相关技术中，无法平衡温室微气候需求和电网的运行之间的关系，无法保证电网运行的经济性和农作物的产量等问题。
25.本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
26.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
27.图1为根据本技术实施例提供的一种光伏温室负荷控制与能源系统的协同优化方法的流程图；
28.图2为根据本技术一个实施例的光伏温室负荷控制与能源系统的协同优化方法的系统结构示意图；
29.图3为根据本技术一个实施例的光伏温室负荷控制与能源系统的协同优化方法的光伏温室的结构及参数示意图；
30.图4为根据本技术一个实施例的光伏温室负荷控制与能源系统的协同优化方法的光伏温室外部、斜面和内部太阳辐射图；
31.图5为根据本技术一个实施例的光伏温室负荷控制与能源系统的协同优化方法的光伏温室外部温度图；
32.图6为根据本技术一个实施例的光伏温室负荷控制与能源系统的协同优化方法的温室黄瓜冠层净光合速率图；
33.图7为根据本技术一个实施例的光伏温室负荷控制与能源系统的协同优化方法的温室黄瓜干物质积累量图；
34.图8为根据本技术一个实施例的光伏温室负荷控制与能源系统的协同优化方法的温室其他电力负荷曲线图；
35.图9为根据本技术一个实施例的光伏温室负荷控制与能源系统的协同优化方法的优化后温室电力负荷、热力负荷和二氧化碳负荷图；
36.图10为根据本技术一个实施例的光伏温室负荷控制与能源系统的协同优化方法的优化前后的电负荷曲线对比图；
37.图11为根据本技术一个实施例的光伏温室负荷控制与能源系统的协同优化方法的优化前后的热负荷曲线对比图；
38.图12为根据本技术一个实施例的光伏温室负荷控制与能源系统的协同优化方法的优化前后的二氧化碳负荷曲线对比图；
39.图13为根据本技术实施例提供的一种光伏温室负荷控制与能源系统的协同优化装置的示例图；
40.图14和根据本技术实施例的电子设备的结构示意图。
具体实施方式
41.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
42.下面参考附图描述本技术实施例的光伏温室负荷控制与能源系统的协同优化方法及装置。针对上述背景技术中心提到的相关技术中，无法平衡温室微气候需求和电网的运行之间的关系，无法保证电网运行的经济性和农作物的产量的问题，本技术提供了一种光伏温室负荷控制与能源系统的协同优化方法，在该方法中，可以建立温室负荷模型以促进作物的净光合作用，根据作物干物质积累等建立多项约束，从而平衡温室微气候需求和电网的运行，根据农村能源系统的运行成本和碳减排量建立优化目标，从而保证电网的经济性和农作物的产量。由此，解决了相关技术中，无法平衡温室微气候需求和电网的运行之间的关系，无法保证电网运行的经济性和农作物的产量等问题。
43.具体而言，图1为本技术实施例所提供的一种光伏温室负荷控制与能源系统的协同优化方法的流程示意图。
44.如图1所示，该光伏温室负荷控制与能源系统的协同优化方法包括以下步骤：
45.在步骤s101中，建立用于通过温室的负荷控制以促进作物的净光合作用的温室负荷模型，并构建作物干物质积累模型。
46.可以理解的是，本技术实施例中温室的负荷控制的目的可以是促进作物的冠层净光合作用，以进行高效的干物质积累。
47.具体而言，本技术实施例可以建立温室负荷模型，并购进啊作物干物质积累模型，从而促进作物的冠层净光合作用，以进行高效的干物质积累。
48.可选地，在本技术的一个实施例中，温室负荷模型包括温室电力负荷模型、温室热力负荷模型和温室碳耦合模型。
49.在步骤s102中，建立以温室内光照强度、温度和二氧化碳浓度为决策变量。
50.可以理解的是，温室内设定的光照强度决定了人工补光强度，人工补光强度决定了温室补光电负荷，温室补光电负荷决定了购电功率、光伏上网功率和有功网损；温室内设定的温度决定了温室热负荷，温室热负荷和单位时间内需要人工补充的co2的体积共同决定了锅炉的热出力，锅炉的热出力决定了燃气消耗体积；温室内的设定二氧化碳浓度决定了单位时间内需要人工补充的的体积，单位时间内需要人工补充的的体积和光伏发电功率共同决定了co2的减排量。
51.具体而言，本技术实施例可以通过负荷最优控制来最小化目标函数(经济性+绿色性)，决策变量可以为温室内光照强度、温度和二氧化碳浓度。
52.在步骤s103中，根据农村能源系统的运行成本和碳减排量建立优化目标。
53.在实际执行过程中，本技术实施例可以以农村能源系统的运行成本和碳减排量为优化目标，将目标函数分为综合考虑运行成本和碳减排两部分，其计算公式如下所示：
[0054][0055]
其中，p
grid
(t)为t时段的所有节点购电功率之和；e
price
为购电电价；p
loss
(t)为t时段所有线路的网损之和；v
gas
(t)为t时段的燃气消耗体积；g
price
为单位体积的燃气费用；p
pvup
(t)为t时段的光伏上网功率；e
upprice
为上网电价；为t时段co2的减排量，包括温室吸收和光伏发电对应的减排量；为单位重量的碳减排收益。
[0056]
进一步地，t时段的所有节点购电功率之和计算公式如下所示：
[0057][0058]
其中，nb为节点数量；p
greenhouse，n
(t)为t时段第n个节点对应光伏温室的电负荷，若第n个节点连接的不是光伏温室，则该值为0；p
dpv，n
(t)为t时段第n个节点消纳的光伏出力，若第n个节点连接的不是光伏温室，则该值为0；p
other，n
(t)为t时段第n个节点的其他电负荷，若第n个节点连接的是光伏温室，则该值为0。
[0059]
进一步地，t时段所有线路的网损之和计算公式如下所示：
[0060][0061][0062][0063]
其中，pi和qi分别为节点i注入的有功功率和无功功率；r
ij
为阻抗矩阵中对应元素的实部；vi和δi分别为节点i的电压幅值和相角。
[0064]
进一步地，t时段的燃气消耗体积计算公式如下所示：
[0065][0066]
其中，qb(t)为t时段锅炉的热出力；ηb为锅炉的热效率；l
ng
为燃气的低热值。
[0067]
进一步地，t时段的光伏上网功率计算公式如下所示：
[0068]
p
pvup
(t)＝p
pv
(t)-p
dpv
(t)
[0069]
式中：p
pv
(t)为t时段光伏出力；p
dpv
(t)为t时段消纳的光伏出力。
[0070]
进一步地，t时段co2的减排量计算公式如下所示：
[0071][0072]
其中，lai为叶面积指数；s为温室面积；pg为黄瓜单叶净光合作用速率；c
crop
为温室内的设定的二氧化碳浓度；co为温室外二氧化碳浓度；nc为温室内每秒钟换气次数；wi为风速影响因子；v为温室的体积；p
pv
为光伏发电功率。
[0073]
在步骤s104中，根据作物干物质积累、农业温室环境安全边界、电力、热力平衡/不平衡建立多项约束。
[0074]
举例而言，本技术实施例可以根据作物干物质积累、农业温室环境安全边界、电力、热力平衡/不平衡建立各类约束。其中，电力平衡约束计算公式如下所示：
[0075][0076]
其中，pi和qi分别为节点i注入的有功功率和无功功率；p
di
和q
di
分别为节点i的有功功率负荷和无功功率负荷，代表光伏温室负荷或者其他电力负荷；p
gi
和q
gi
分别为在节点i处光伏逆变器输出的有功功率和无功功率。
[0077]
热力平衡约束计算公式如下所示：
[0078][0079]
式中：t
start
和t
end
分别为管道起点和终点的温度；ta为环境温度；λ为管道的热传导系数；l为热力管道的长度。
[0080]
电力不平衡约束计算公式如下所示：
[0081]
p
min
＜p
ij
＜p
max
[0082]qmin
＜q
ij
＜q
max
[0083]umin
＜ui＜u
max
[0084]
其中，p
ij
为节点i传输节点j的有功功率；q
ij
为节点i传输节点j的无功功率；ui为节点i的电压幅值；p
min
和p
max
分别为线路上传输有功功率的最小值和最大值；q
min
和q
max
分别为线路上传输无功功率的最小值和最大值；u
min
和u
max
分别为节点电压幅值的最小值和最大值。
[0085]
进一步地，热力不平衡约束计算公式如下所示：
[0086]qbmin
≤qb≤q
bmax
[0087]mmin
≤m
ij
≤m
max
[0088]
其中，q
bmin
和q
bmax
为燃气锅炉出力的最小值和最大值；m
mmin
和m
max
为热力管道流量的最大值和最小值。
[0089]
农业温室环境约束计算公式如下所示：
[0090]imin
《i
crop
＜i
max
[0091]
t
min
＜t
crop
＜t
max
[0092]cmin
＜c
crop
＜c
max
[0093]
其中，i
min
和i
max
为温室内光照强度的上下限；t
min
和t
max
为温室内温度的上下限；c
min
和c
max
为温室内co2浓度的上下限。
[0094]
进一步地，作物干物质积累约束计算公式如下所示：
[0095]
tdrw≥tdrw
min
[0096]
其中，tdrw
min
为单日干物质积累的下限。需要指出的是，农业温室环境约束是作物安全生长的基本要求，而作物干物质积累约束是作物丰产的保证。
[0097]
在步骤s105中，基于决策变量、优化目标和多项约束，根据温室负荷模型和作物干物质积累模型构建光伏温室负荷控制与农村能源系统的协同优化模型，以基于粒子群优化
算法对模型进行求解，得到协同优化结果。
[0098]
具体而言，本技术实施例可以采用粒子群优化算法对所构建的模型进行求解。每个粒子由温室内的光照强度、温度和二氧化碳浓度组成，每个粒子i的位置参数为x
n，i
，速度参数为v
n，i
，适应度f
n，i
为运行成本，n为粒子进化的代数。进化过程中，每个粒子的局部最优解为p
n,i,best
，全局最优解为g
n,i,best
，粒子i的速度和位置计算公式如下所示：
[0099]vn+1，i
＝ω
1vn，i
+c1rand(p
n,i,best-x
n，i
)+c2rand(g
n,i,best-x
n，i
)
[0100]
x
n+1，i
＝x
n，i
+v
n+1，i
[0101]
其中，ω1为速度权重因子；c1和c2为常数，通常取值为2。
[0102]
可选地，在本技术的一个实施例中，基于决策变量、优化目标和多项约束，根据温室负荷模型和作物干物质积累模型构建光伏温室负荷控制与农村能源系统的协同优化模型，以基于粒子群优化算法对模型进行求解，得到协同优化结果，包括：根据作物各层所获得的光合有效辐射，得到作物各层相应的冠层净光合速率。
[0103]
具体而言，本技术实施例可以根据以黄瓜作物为例各层所获得的光合有效辐射，得到作物各层相应的冠层净光合速率，其计算公式如下所示：
[0104]icrop,1
＝iu·
[1-exp(-k
ec
·
lai1)]
[0105]icrop，2
＝iu·
exp(-k
ec
lai1)[1-exp(-k
ec
lai2)]
[0106]icrop，3
＝iu·
exp(-k
ec
(lai1+lai2))[1-exp(-k
ec
lai3)]
[0107][0108]
其中，iu为冠层顶部光合有效辐射，为便于计算，将其近似等于温室内实际光照强度；k
ec
为消光系数；laii为冠层顶部至深度i处所累积叶面积指数(i＝1，2，3)，pg为黄瓜单叶净光合作用速率；c
crop
为温室内的设定二氧化碳浓度；t
crop
为温室内设定的温度；i
crop
为温室内设定的光照强度；a，b，c，d，h和f是可以通过拟合实验数据来计算的模型参数。
[0109]
可选地，在本技术的一个实施例中，根据作物各层所获得的光合有效辐射，得到作物各层相应的冠层净光合速率，包括：根据作物每层的净光合速率加权求和，得到整个冠层的净光合速率。
[0110]
举例而言，本技术实施例可以根据作物每层的净光合速率加权求和便可以得出整个冠层的净光合速率，其计算公式如下所示：
[0111]fg
＝1.584∑p
gi
[0112]
其中，系数1.584是为了将单位μmolco2/(s
·
m2)转化为kg/(hm2·
h)以进行干物质积累的计算。
[0113]
可选地，在本技术的一个实施例中，根据作物各层所获得的光合有效辐射，得到作物各层相应的冠层净光合速率，还包括：根据每个时刻作物整个冠层的净光合速率进行求和，得到作物单日冠层的净同化量，以计算作物冠层干物质的单日积累量。
[0114]
在实际执行过程中，本技术实施例可以根据每个时刻作物整个冠层的净光合速率，求和得到作物单日冠层的净同化量，其计算公式如下所示：
[0115]
pnd＝∑f
g，t
[0116]
其中，f
g，t
为t时刻整个冠层的净同化量；pnd为单日冠层的净同化量。
[0117]
可选地，在本技术的一个实施例中，作物冠层干物质的单日积累量的计算公式为：
[0118]
tdrw＝ξ
·cf
·
pnd/(1-0.05)，
[0119]
其中，tdrw为冠层干物质的单日积累量，pnd为单日冠层的净同化量，ξ为co2与碳水化合物(ch2o)的转换系数，cf为碳水化合物转换成干物质的系数，0.05表示干物质中的矿物质含量。
[0120]
结合图2-图12所示，以一个实施例对本技术实施例的光伏温室负荷控制与能源系统的协同优化方法的工作原理进行详细阐述。
[0121]
其中，图2为算例系统结构图，包含电力、热力和二氧化碳网络。配电网为温室提供电力，燃气供暖系统为温室提供热能。具体而言，本技术实施例可以在农村配电网的39、40和41节点处连接三座光伏温室。其中，农村配电网的仿真参数如表1所示，不包括光伏温室电负荷。假设两台燃气锅炉连接农村的热网，光伏温室连接在热网的6、8、10节点处。其中，2号锅炉不仅产生热能，还可以产生二氧化碳，二氧化碳通过管道输送到三座光伏温室。表2列出了所研究热网的主要参数，其中不包括光伏温室热负荷。需要说明的是，本技术实施例可以只关注能源网络，不考虑二氧化碳管网约束。
[0122]
表1
[0123]
[0124][0125]
表2
[0126]
编号热负荷功率(mw)输出温度(℃)管道走向长度(m)直径(mm)10.25013-150020020.2501-240020030.2502-3600200
40.2504-340020050.25012-460020060.2501-520020070.1501-615020080.1502-718020090.3502-8150200100.2503-9100200110.2503-10110200
ꢀꢀꢀ
4-1190200
[0127]
进一步地，图3为一个山墙屋顶型光伏温室，尺寸以及温室内的各类负荷已在图3中标明。表3列出了光伏温室负荷模型的主要参数，可用于计算温室环境控制的能耗。本技术实施例可以对温室负荷控制优化时先进行气象模拟，农业气象是影响温室能源消耗的直接因素。图4为我国河北省北部承德(纬度：118
°
，经度：41
°
)冬季某温室的太阳辐射，图5为温室外的环境温度。可以理解的是，太阳辐射直接影响温室电能消耗，而环境温度直接影响温室的热能消耗。
[0128]
表3
[0129][0130]
其次，本技术实施例可以在气象模拟完成后进行温室模拟，其中，八家村温室冬季
种植的作物为黄瓜，为保证黄瓜的健康生长，设定单日干物质积累量为150kg/(hm2·
d)，并根据黄瓜的生理特性，对温室微气候变量进行优化控制。温室微气候变量的上界和下界如表4所示。
[0131]
表4
[0132]
微气候类型安全边界光照强度[51μmol/(s
·
m2),1421μmol/(s
·
m2)]温度[8℃,35℃]二氧化碳浓度[400μl/l,800μl/l]
[0133]
其中，由于传统的温室控制方法不考虑能源网络的运行，本技术实施例的仿真结果可以作为参考。温室微气候参数优化前后的结果对比如表5所示。
[0134]
表5
[0135]
微气候类型优化前(传统)优化后(本文方法)光照强度254.76μmol/(s
·
m2)51μmol/(s
·
m2)温度13.2℃16.95℃二氧化碳浓度462.52μl/l748.56μl/l
[0136]
进一步地，温室黄瓜冠层净光合速率变化情况可以如图6所示，温室黄瓜冠层干物质积累情况可以如图7所示。结合图6和图7可以发现，在白天9:00至16:00之间，温室外的太阳辐射充足，温度、二氧化碳是影响光合作用的主要因素。而在其他时间段，光照强度是影响光合作用的主要因素。优化后的黄瓜冠层在白天9:00至16:00之间的净光合速率高于优化前，这是因为优化后的温度和二氧化碳浓度在这段时间内比优化前要高。此外，优化前后的干物质积累量与设定的约束值相差不大，可以得出结论，本技术实施例所提出的考虑能源网络经济运行的方法不会影响农业生产。
[0137]
在仿真中，本技术实施例的能源网络仿真可以将当地电价设定为0.5元/kw
·
h，燃气价格设定为2.07元/m3，二氧化碳减排效益设定为0.028元/kg。温室除补光负荷外，其他电力负荷曲线如图8所示。采用本文所提的方法对温室负荷进行控制，优化后温室电力负荷、热力负荷和二氧化碳负荷如图9所示。
[0138]
进一步地，本技术实施例优化前后温室的各类负荷曲线对比可以如图10、11、12所示。从图10可以看出，优化后的电负荷曲线比优化前的电负荷曲线要低，但在白天9:00至16:00之间，两者的电负荷曲线比较接近，这是因为当温室外的太阳辐射足够时，温室补充光照的调节范围较窄。从图11可以看出，优化后的热负荷曲线大于优化前的热负荷曲线，因此，优化后的温室温度大于优化前的温室温度。此外，在8:00至18:00之间，热负荷先减小后增加，与太阳为温室提供的辐射热呈负相关。从图12可以看出，优化后的白天9:00-16:00时间段的二氧化碳负荷曲线高于优化前，这是因为黄瓜对二氧化碳的吸收量与净光合速率呈正相关。
[0139]
此外，本技术实施例的优化前后的环境效益和经济效益可以如表6所示。从本质上，可以得出以下结论：(1)一座占地面积3996m2覆盖率为25％的光伏温室，通过黄瓜的光合作用可以在冬季消耗900.45kg二氧化碳；(2)考虑光伏发电的低碳效益，一座装机容量150kw的光伏温室可减少307.02kg的二氧化碳排放量；(3)农村能源网络在冬季一共可减少1207.47kg的二氧化碳排放量。农业和光伏的耦合增强了农村能源网络的环境优势。
[0140]
表6
[0141]
效益类型优化前(传统)优化后(本文方法)通过光合作用减少碳排放639.57kg900.45kg通过光伏发电减少碳排放307.02kg307.02kg单日购电费用43840元34059元单日购气费用16450元17724元单日网络损耗1732元945元光伏发电上网收益137.47元154元碳减排收益26.5元34元总费用61858元52540元
[0142]
进一步地，本技术实施例可以对温室不同光伏覆盖率优化分析，温室斜面上不同的光伏覆盖率对温室微气候和能源系统运行与控制的影响如表7所示。可以发现，随着光伏覆盖率的增加，温室吸收的二氧化碳量和光伏发电对应的减排量都在增加，说明新能源比例的提升可以显著减少温室气体排放。此外，随着覆盖率的增加，光伏发电的上网收益先增加后减少，造成这一现象的原因是由于高覆盖率的光伏温室会导致温室内太阳辐射不足，在这种情况下，就需要将光伏电能转化为人工光源，从而降低了可上网的光伏发电量。仿真结果表明，能量的转换会导致能量损失，太阳能被转换成光伏电能，然后再转换成人工光能，两次转换导致太阳能能量效率的降低。此外，光伏覆盖率的增加会降低从太阳获得的辐射热，为了维持温室温度恒定，需要增加锅炉的热出力，导致购气成本的增加。结合上述仿真结果，可以发现，在温室斜面安装光伏对电网和热网均有经济和环境影响。从而可以得出以下结论：(1)在冬季4种不同覆盖率的光伏温室中，覆盖率为25％占地面积为3996m2的光伏温室运行成本最低；(2)在冬季4种不同覆盖率的光伏温室中，覆盖率为100％占地面积为3996m2的光伏温室运行成本最大；(3)经计算，光伏覆盖率会影响农村地区能源网络、温室的经济和碳减排性能。
[0143]
表7
[0144][0145]
此外，本技术实施例提出的协同优化方法还可以实现温室斜面光伏覆盖率的最优选择，既能满足光伏发电的需求，又能满足光合作用的需求，随着农业电气化的发展，对农业能源消费协同管理和农村能源系统运行具有越来越重要的意义。
[0146]
根据本技术实施例提出的光伏温室负荷控制与能源系统的协同优化方法，可以建立温室负荷模型以促进作物的净光合作用，根据作物干物质积累等建立多项约束，从而平衡温室微气候需求和电网的运行，根据农村能源系统的运行成本和碳减排量建立优化目标，从而保证电网的经济性和农作物的产量。由此，解决了相关技术中，无法平衡温室微气候需求和电网的运行之间的关系，无法保证电网运行的经济性和农作物的产量等问题。
[0147]
其次参照附图描述根据本技术实施例提出的光伏温室负荷控制与能源系统的协同优化装置。
[0148]
图13是本技术实施例的光伏温室负荷控制与能源系统的协同优化装置的方框示意图。
[0149]
如图13所示，该光伏温室负荷控制与能源系统的协同优化装置10包括：构建模块100、第一建立模块200、第二建立模块300、第三建立模块400和求解模块500。
[0150]
其中，构建模块100，用于建立用于通过温室的负荷控制以促进作物的净光合作用的温室负荷模型，并构建作物干物质积累模型。
[0151]
第一建立模块200，用于建立以温室内光照强度、温度和二氧化碳浓度为决策变量。
[0152]
第二建立模块300，用于根据农村能源系统的运行成本和碳减排量建立优化目标。
[0153]
第三建立模块400，用于根据作物干物质积累、农业温室环境安全边界、电力、热力
平衡/不平衡建立多项约束。
[0154]
求解模块500，用于基于决策变量、优化目标和多项约束，根据温室负荷模型和作物干物质积累模型构建光伏温室负荷控制与农村能源系统的协同优化模型，以基于粒子群优化算法对模型进行求解，得到协同优化结果。
[0155]
可选地，在本技术的一个实施例中，温室负荷模型包括温室电力负荷模型、温室热力负荷模型和温室碳耦合模型。
[0156]
可选地，在本技术的一个实施例中，求解模块500包括：求解单元。
[0157]
其中，求解单元，用于根据作物各层所获得的光合有效辐射，得到作物各层相应的冠层净光合速率。
[0158]
可选地，在本技术的一个实施例中，求解单元包括：求和单元。
[0159]
其中，求和单元，用于根据作物每层的净光合速率加权求和，得到整个冠层的净光合速率。
[0160]
可选地，在本技术的一个实施例中，求解单元还包括：计算单元
[0161]
其中，计算单元，用于根据每个时刻作物整个冠层的净光合速率进行求和，得到作物单日冠层的净同化量，以计算作物冠层干物质的单日积累量。
[0162]
可选地，在本技术的一个实施例中，作物冠层干物质的单日积累量的计算公式为：
[0163]
tdrw＝ξ
·cf
·
nd/(1-0.05)，
[0164]
其中，tdrw为冠层干物质的单日积累量，pnd为单日冠层的净同化量，ξ为co2与碳水化合物(ch2o)的转换系数，cf为碳水化合物转换成干物质的系数，0.05表示干物质中的矿物质含量。
[0165]
需要说明的是，前述对光伏温室负荷控制与能源系统的协同优化方法实施例的解释说明也适用于该实施例的光伏温室负荷控制与能源系统的协同优化装置，此处不再赘述。
[0166]
根据本技术实施例提出的光伏温室负荷控制与能源系统的协同优化装置，可以建立温室负荷模型以促进作物的净光合作用，根据作物干物质积累等建立多项约束，从而平衡温室微气候需求和电网的运行，根据农村能源系统的运行成本和碳减排量建立优化目标，从而保证电网的经济性和农作物的产量。由此，解决了相关技术中，无法平衡温室微气候需求和电网的运行之间的关系，无法保证电网运行的经济性和农作物的产量等问题。
[0167]
图14为本技术实施例提供的电子设备的结构示意图。该电子设备可以包括：
[0168]
存储器1401、处理器1402及存储在存储器1401上并可在处理器1402上运行的计算机程序。
[0169]
处理器1402执行程序时实现上述实施例中提供的光伏温室负荷控制与能源系统的协同优化方法。
[0170]
进一步地，电子设备还包括：
[0171]
通信接口1403，用于存储器1401和处理器1402之间的通信。
[0172]
存储器1401，用于存放可在处理器1402上运行的计算机程序。
[0173]
存储器1401可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0174]
如果存储器1401、处理器1402和通信接口1403独立实现，则通信接口1403、存储器
1401和处理器1402可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(industry standard architecture，简称为isa)总线、外部设备互连(peripheral component，简称为pci)总线或扩展工业标准体系结构(extended industry standard architecture，简称为eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图14中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0175]
可选地，在具体实现上，如果存储器1401、处理器1402及通信接口1403，集成在一块芯片上实现，则存储器1401、处理器1402及通信接口1403可以通过内部接口完成相互间的通信。
[0176]
处理器1402可能是一个中央处理器(central processing unit，简称为cpu)，或者是特定集成电路(application specific integrated circuit，简称为asic)，或者是被配置成实施本技术实施例的一个或多个集成电路。
[0177]
本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的光伏温室负荷控制与能源系统的协同优化方法。
[0178]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或n个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0179]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“n个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0180]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或n个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0181]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或n个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介
质，因为可以通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0182]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，n个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0183]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0184]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0185]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种光伏温室负荷控制与能源系统的协同优化方法，其特征在于，包括以下步骤：建立用于通过温室的负荷控制以促进作物的净光合作用的温室负荷模型，并构建作物干物质积累模型；建立以温室内光照强度、温度和二氧化碳浓度为决策变量；根据农村能源系统的运行成本和碳减排量建立优化目标；根据作物干物质积累、农业温室环境安全边界、电力、热力平衡/不平衡建立多项约束；以及基于所述决策变量、所述优化目标和所述多项约束，根据所述温室负荷模型和所述作物干物质积累模型构建光伏温室负荷控制与农村能源系统的协同优化模型，以基于粒子群优化算法对模型进行求解，得到协同优化结果。2.根据权利要求1所述的方法，其特征在于，所述温室负荷模型包括温室电力负荷模型、温室热力负荷模型和温室碳耦合模型。3.根据权利要求1所述的方法，其特征在于，所述基于所述决策变量、所述优化目标和所述多项约束，根据所述温室负荷模型和所述作物干物质积累模型构建光伏温室负荷控制与农村能源系统的协同优化模型，以基于粒子群优化算法对模型进行求解，得到协同优化结果，包括：根据作物各层所获得的光合有效辐射，得到作物各层相应的冠层净光合速率。4.根据权利要求3所述的方法，其特征在于，所述根据作物各层所获得的光合有效辐射，得到作物各层相应的冠层净光合速率，包括：根据作物每层的净光合速率加权求和，得到整个冠层的净光合速率。5.根据权利要求4所述的方法，其特征在于，所述根据作物各层所获得的光合有效辐射，得到作物各层相应的冠层净光合速率，还包括：根据每个时刻作物整个冠层的净光合速率进行求和，得到作物单日冠层的净同化量，以计算作物冠层干物质的单日积累量。6.根据权利要求5所述的方法，其特征在于，所述作物冠层干物质的单日积累量的计算公式为：tdrw＝ξ
·
c
f
·
nd/(1-0.05)，其中，tdrw为冠层干物质的单日积累量，pnd为单日冠层的净同化量，ξ为co2与碳水化合物(ch2o)的转换系数，c
f
为碳水化合物转换成干物质的系数，0.05表示干物质中的矿物质含量。7.一种光伏温室负荷控制与能源系统的协同优化装置，其特征在于，包括：构建模块，用于建立用于通过温室的负荷控制以促进作物的净光合作用的温室负荷模型，并构建作物干物质积累模型；第一建立模块，用于建立以温室内光照强度、温度和二氧化碳浓度为决策变量；第二建立模块，用于根据农村能源系统的运行成本和碳减排量建立优化目标；第三建立模块，用于根据作物干物质积累、农业温室环境安全边界、电力、热力平衡/不平衡建立多项约束；以及求解模块，用于基于所述决策变量、所述优化目标和所述多项约束，根据所述温室负荷模型和所述作物干物质积累模型构建光伏温室负荷控制与农村能源系统的协同优化模型，
以基于粒子群优化算法对模型进行求解，得到协同优化结果。8.根据权利要求7所述的装置，其特征在于，所述温室负荷模型包括温室电力负荷模型、温室热力负荷模型和温室碳耦合模型。9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-6任一项所述的光伏温室负荷控制与能源系统的协同优化方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-6任一项所述的光伏温室负荷控制与能源系统的协同优化方法。

技术总结
本申请涉及一种光伏温室负荷控制与能源系统的协同优化方法及装置，其中，方法包括：建立温室负荷模型，并构建作物干物质积累模型；建立以温室内光照强度、温度和二氧化碳浓度为决策变量；根据农村能源系统的运行成本和碳减排量建立优化目标；根据作物干物质积累、农业温室环境安全边界、电力、热力平衡/不平衡建立多项约束；构建光伏温室负荷控制与农村能源系统的协同优化模型，以基于粒子群优化算法对模型进行求解，得到协同优化结果。由此，解决了相关技术中，无法平衡温室微气候需求和电网的运行之间的关系，无法保证电网运行的经济性和农作物的产量等问题。作物的产量等问题。作物的产量等问题。


技术研发人员：张佳惠 白翔 葛怀畅 付学谦 白嘉浩 周亚中
受保护的技术使用者：中国农业大学
技术研发日：2023.07.10
技术公布日：2023/10/15