【技术实现步骤摘要】
一种考虑可时移与成本因素的LED补光灯运行调控方法
[0001]本专利技术涉及电力LED灯补光控制领域,尤其涉及一种考虑可时移与成本因素的LED补光灯运行调控方法。
技术介绍
[0002]LED灯相比传统的白炽灯或者节能灯,具有寿命长、体积小、能耗低、波长固定和冷光源的显著优势,是一种经济环保的补光灯,目前在植物工厂、植物大棚等种植模式中正大规模推广应用,并将逐步替代传统农业补光设备。
[0003]目前采用可控硅调光如线性模拟调光和PWM调光技术,对光质、光强和光周期实现精准调光,因此LED灯已具备实时调控的技术条件。但目前LED补光灯一方面存在补光成本和能耗成本占总运行成本比重高的特点,需要在满足农作物补光需求下尽可能降低用能成本;另一方面,不同类型、不同生长阶段的农作物对光照量存在不同的最佳适应点,当补光不足则生长缓慢,当光照过剩则抑制生成,因此需要确定科学的日补光量;此外,农业用电存在“峰谷”电价差异,大规模的LED补光灯应尽可能在“谷”时段用电,这样不仅有利于电力系统稳定,而且可降低农户成本,因此,需要合理规划LED灯的补光时段。
[0004]目前,在LED补光灯控制方法方面有如下一些方法:
⑴
搭建了末端温度、光照、湿度传感器,实时向移动终端上传数据,然后电脑实现决策计算确定补光方案,向补光控制器下发指令,控制LED的红蓝光比例,以适应不同植物的补光需求;
⑵
在前述基础上根据环境信息和荧光信息调节三基色LED灯的颜色和强度;
⑶
构建智能的补 ...
【技术保护点】
【技术特征摘要】
1.一种考虑可时移与成本因素的LED补光灯运行调控方法,包括以下步骤:S1:在植物温室内布置多个采集终端,获取多日的光照采集数据,组成大量的历史光照样本数据;然后构建BP神经网络预测模型,根据前一日的光照数据预测次日光照曲线,并与实际的次日光照数据进行对比,修正神经网络参数,经过多日数据的训练修正,得到目标神经网络参数;S2:根据得到的BP神经网络预测模型,输入前一日的光照数据,得到次日温室内的光照曲线;然后根据不同植物、不同生长阶段对光照需求量,将植物光照需求量与预测的光照累计量做差值,得到次日的LED补光量;再通过LED补光灯功率理论计算模型,反推出次日总的LED补光电负荷;S3:根据次日LED补光电负荷,以分时电能成本、LED能耗成本、LED寿命成本为目标,构建LED补光灯优化运行控制模型;S4:采用加入惩罚函数的粒子群算法,求解出次日最优的LED补光时间和补光功率。2.如权利要求1所述的一种考虑可时移与成本因素的LED补光灯运行调控方法,其特征在于:所述步骤S1中BP神经网络预测模型按下述方法获得:S11:在温室内农作物处布置多个照度传感器,用于采集自然光照强度;然后通过无线通讯模块与补光控制器连接,同时补光控制器与智能终端连接,用于传输日照数据,同时接收LED等控制指令,补光控制器与各LED灯连接,LED采用恒流驱动,用于控制的补光强度;S12:归一化计算:BP神经网络预测模型根据历史中前一日的每小时光照数据,作为输入向量,次日的24h光照亮作为输出量,与历史中实际的光照强度做对比,反馈修正模型参数;其中需要按下式对24h光照输入量做归一化处理:式中,是指取值范围为[0,1]的标幺值;代表t时刻的光照量,单位为W/m2;为年度光照量均值,单位为W/m2;S13:设定神经网络参数:设定网络输入节点数为n、隐藏节点数l、输出层节点数m,输入层与隐藏层的连接权重为w
ij
,隐藏层与输出层的连接权重为w
jk
,隐藏层各神经元的阈值为a
j
(j=1,2,
…
,l),j为隐藏层节点数;输出层各神经元阈值为b
k
(k=1,2,
…
,m),k为输出层节点数;S14、隐藏层输出计算:根据24小时的光照输入量、输入层与隐藏层之间的连接权值w
ij
以及隐藏层阈值a
j
,计算隐藏层输出R
j
;式中,f(x)为隐藏层激励函数;S15:输出层输出计算:根据隐藏层的输出R
j
、隐藏层与输出层的连接权重w
jk
、输出层阈值b
k
,计算BP神经网络的预测值M
k
;
S16:计算误差,并更新网络参数:输出层的结果M
k
与实际数据向量Y
k
之间的误差设为,根据误差更新各层的连接权值和,并更新网络节点阈值和,公式如下:公式如下:公式如...
【专利技术属性】
技术研发人员:何欣,杨勇,郝如海,包康亚,牛浩明,冯文韬,王永年,韩凯丽,谢映洲,刘文飞,张旭军,祁莹,周治伊,陈仕彬,崔力心,邢研东,刘巍,金永盛,张海龙,尹亭,李红文,
申请(专利权)人:国网甘肃省电力公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。