孙俊林++曾成++张馨 +郑文刚

摘要：温室能源管理系统是温室生产管理的重要组成部分，该系统在环境调控的基础上通过对温室各供能和耗能设备运行状态监测、计量与计算分析，依据能源优化策略管理并规划能源调度与分配，达到节能降耗、提高经济效益的目的。设施园艺发达国家将能源管理系统作为独立功能组件选择有效能量来源为温室生产提供适宜热量、二氧化碳及光環境以提升能源效率和温室可持续发展，在理论研究与实际应用方面都处于领先位置。我国对温室节能的研究多集中于节能设施、结构材料、环境监控等方面，缺少从系统角度考虑的综合能源管理软硬件系统。在分析当前温室能源消耗和节能管理研究应用现状的基础上，提出并介绍温室能源管理系统的基本功能模块与构架组成，详细综述能源计量检测、能源信息管理、能源优化调度决策等关键技术研究进展，探明温室能源管理系统存在的问题及在国内应用可行性，为温室能源管理系统在我国温室生产中的应用提供依据。

关键词：温室；能源管理系统；检测；节能；优化

中图分类号： S625.5+1文献标志码： A[HK]

文章编号：1002-1302（2017）03-0014-06[HS）][HT9.SS]

[HJ1.3mm]

收稿日期：2016-02-24

基金项目：农村领域国家科技计划（编号：2014BAD08B0202）。

作者简介：孙俊林（1991—），男，河北邢台人，硕士研究生，主要从事通信与信息系统、农业信息化方面研究。E-mail：379473744@qq.com。

通信作者：张馨，博士，副研究员，主要从事设施环境调控与能源管理方面研究。E-mail：zhangx@nercita.org.cn。[HJ]

[JP2]能源管理系统是20世纪90年代末发展起来的一项系统性节能技术，它利用过程控制技术、检测技术、优化理论、数据库技术等对能源系统进行全面监控，从而为能源调度和分配提供依据，通过系统化管理来达到高效利用能源和节约能源的目的[1]。目前，能源管理系统已经被广泛应用于钢铁企业、电厂、楼宇、家居等领域[2-7]，通过对各项能耗的监测、计量、评估分析从而制定出最优化的节能控制策略[8]，取得了显著成效。[JP]

温室作为现代农业发展的载体，在能源日益紧缺的今天，如何把能源管理系统应用到现代温室生产管理中已成为当前关注的热点。目前，荷兰、以色列、美国等发达国家在温室能源管理方面取得了很好成效，商业化应用的能源管理系统大幅度提高了温室能源利用效率，取得了一定的经济效益，进一步推动了温室产业的可持续发展。我国先进的设施形式如人工光型植物工厂、连栋温室等由于过高的能源消耗只能用于育苗、花卉、苗木等高附加值植物生产，但运营多有亏损，直接制约我国智能温室的推广普及；应用较多的日光温室、塑料大棚由于环境调控设备简易，具备调控条件的很少考虑能源情况，管理粗放，能源利用率低。为解决温室能源消耗与管理问题，近几年，也开展了温室能源管理方面的研究，很多限制在单个或多个节能技术与设备，多数温室没有系统能源管理，虽然一些大型温室也成套引进了国外能源管理技术，但受气候、设备等条件限制，引进的节能技术并不完全适合我国国情[9]，低效率、高能耗问题一直没有解决。因此，我国急需加大对温室能源管理的研究，开发适合我国国情且低成本的能源管理系统，可以对温室环境变量和耗能设备的能耗情况进行实时监测，并根据监测数据制定精确的针对性优化能源管理控制策略。若将其合理运用于温室产业，将会大幅降低温室能源消耗，减少生产成本，有助于我国连栋温室和植物工厂的普及，推动日光温室生产现代化，对我国现代化设施农业发展具有十分重要的现实意义。

笔者对当前温室能源消耗及节能管理研究现状进行总结分析，提出并介绍温室能源管理系统的基本功能模块与整体架构，综述了计量检测、信息管理分析、优化调度决策等方面的研究进展，提出温室能源管理系统存在的问题以及相关发展方向，为我国温室生产中系统性能源管理系统的研究发展提供依据。

1温室能源消耗及节能管理

1.1温室能源消耗

温室环境是在不断变化的外部气候条件下，完全运用能源营造出适宜农作物生长的环境，具有高投入、高产出、高能耗等特点。整体来看，当前温室生产中冬季加温、夏季降温除湿等能源消耗占总生产成本的10%～40%，高纬度地区温室能耗甚至占到温室生产成本的50%～60%[10]。因此，温室能源消耗分析对于降低生产成本至关重要。

连栋玻璃温室中，徐大成研究了引进连栋玻璃温室的耗能情况：1995年，北京引进以色列连栋温室，1个冬季加温耗煤量达到1 300 t/hm2；1996年，辽宁省北陵兰花开发有限公司引进荷兰玻璃温室，1个冬季耗煤量多达2 300 t/hm2；1995年，上海孙桥、东海园艺场引进的2栋荷兰玻璃温室，1年的运行费用中，加温的燃料费用分别占生产成本的 33.91%、33.81%；引进的玻璃温室在43°N以上地区，燃料费用占到了生产成本的60%～70%[11]。Pieters等建立了欧洲西部地区玻璃温室内太阳能传输模型，可以计算出温室加温控制的能源消耗量[12]。姚益平等以Venlo型连栋温室和温室主栽作物黄瓜为研究对象，利用温室能耗预测模型和作物生长模型，模拟预测了在商业化生产中常用的2种不同温室控制策略下连栋温室黄瓜周年生产所需的能耗和潜在产量，既而计算出黄瓜的单位生产能耗，得出不同温度控制策略下黄瓜单位产量能耗差异并不明显，平均在8%以内，但在增施CO2的情况下可以降低单位产量能耗高达29%～67%[13]。

日光温室及塑料大棚中，柴立龙等在北京地区日光温室中采用地下水式热泵系统进行了供暖试验研究，计算对比了地源热泵供暖、天然气供暖、燃煤热水供暖以及燃油热风供暖的能耗成本，得出其相对运行费用分别为1.20、1.31、1.00、3.36，与燃煤热水采暖系统相比，地源热泵系统供暖可节约42%的能耗，整体对比情况见表1[14]。Cemek等分析了不同的覆盖材料和冷凝速率对温室采光的影响[15]，为研究不同覆盖材料的日光温室能耗提供了理论依据。孙心心等对日光温室中的新型复合相变墙进行了实测分析，验证了复合相变材料应用于温室墙体中的节能降耗作用[16]。籍秀红通过试验表明，夜间墙体内表面对室内的累计散热量作为综合评价指标能够全面评价日光温室墙体的热性能[17]，从而为日光温室的节能降耗设计提供了有效理论指导。塑料大棚中，李胜利等对不同层次简易覆盖的巨型塑料大棚的温度特征进行了研究，反映出不同覆盖材料塑料大棚的能源损耗情况[18]，为塑料大棚的节能建设提供了理论依据。

植物工厂中，电能为主要的能源消耗，占到了总运行成本的30%以上[19]，其中照明用电约占总体电耗的82%，空调约占15%，其他占3%[20]。能源使用效率上，Tong 等以日本千叶市的植物工厂为研究对象，分析指出通过使用高转化效率的人工补光灯，提升植物有效光的吸收，综合控制环境因素等可以使电能消耗最多减少50%[21]；Tong等研究指出，植物工厂中的热泵制冷性能系数与室内外温度密切相关，随室外温度降低而降低，随室内温度升高而升高[22]；Kozai分析了人工光环境下密闭植物工厂水、电、二氧化碳等不同能源的使用效率，计算出在二氧化碳供应充足的情况下，二氧化碳的使用效率是通风关闭的普通温室的1.8倍[23]。

1.2温室能源管理

目前，关于温室节能管理研究主要基于植物生长最佳条件和环境控制成本最低来优化环境控制参数。国外较早地展开了该项研究，Seginer等在作物生长模型基础上进行数值寻优，得到不同温光水平下最优的CO2施肥量[24]。Aslyng等利用作物叶片的光合作用和呼吸作用及光辐射吸收的预测模型，根据自然光照来控制温室内的温度来达到节能的效果[25]。Lacroix等开发了积温模拟控制器，经过对不同温度设定模式的节能效应模拟，可以降低7%的温室能耗[26]。Korner 等的研究結果表明，利用积温的方法可以比常规温度调控降低9%的能耗[27-29]。Blasco等建立了温室环境的非线性预测控制模型，利用遗传算法对参数优化，可以显著降低能源的消耗[30]。近年来，国内也对环境控制的动态优化设定方面展开了相关研究。伍德林等提出了基于经济最优的温室环境优化调控技术，将温室作物整个生长阶段分为营养生长阶段、生殖生长阶段。在不同生长阶段采用不同的调控策略，既保证了作物正常生长的需要，又兼顾了节能降耗[31]。李志伟等将作物1 d中生长所需要的温度划分为若干阶段，以此实现温室环境的节能管理[32]。王纪章等提出，利用作物光合作用模型，建立基于光照的温室环境调控技术，通过系统比和设定值控制来进行节能管理[33]。

商用节能管理方面，荷兰、美国等发达国家的温室技术已经形成了一套完整的规范化技术体系。在温室设施上，双热屏、双层玻璃、新型绝缘材料等早已被广泛使用，并在此基础上提出了全封闭温室的概念[34]。新能源利用上，荷兰、瑞典等国家利用变相储能装备、光伏太阳温室发电和利用装备、生物质能和余热利用的毛细管网供暖装备、太阳能热泵等，大幅减少了传统能源的利用，转而利用各种绿色能源。据统计，瑞典温室产业用于供暖的总能源消耗2008年比2011年多50%，2011年燃油消耗降低了18%，同时生物质能的利用增加了45%，所有化石燃料的使用总共减少了25%[35-36]，瑞典商业温室能源使用情况见图1。

[TPSJL1.tif][FK）]

系统性能源管理上，加拿大的Argus环控公司采用的温室能源管理方案，实现了一定的能源管理功能，可以实时监测温室内的环境状况和各种能耗设备的运行状态，发生异常便自动报警，并且系统中的环境控制子系统会根据温室具体情况来制定通风、加热、除湿等工作策略。荷兰PRIVA公司围绕Priva connext控制器的环控系统，连接所有的温室耗能设备与传感器，而且具有环控软体。该系统可以控制锅炉、热水管控制阀以得到能源最佳利用效率。其周边配置Priva Control Module Library为软体资料，包括控制策略已进行最具能源效率、最佳生长的资讯，并且资料库可以扩充最新数据；Priva Office Direat为作业软体，可将环控资讯以图形的方式显示于个人电脑；并可以根据Priva Enervision和Meteovision预测未来24 h气候变化，并依次计算预测未来24 h加温所需要的能源消耗量。Priva公司系统性的方案以温室作物为考虑对象，结合环境调控与能源管理，使用先进的天文时间控制、延迟技术、积分盲区等控制技术和控制策略，充分考虑控制过程间的关系，整个系统最多可以节省50%的能源[37]。从图2可以看出，Ridder公司旗下的HortiMax公司开发的CHP热电联产控制软件，根据作物对CO2及供热的需求，燃烧天然气进行发电，所产生的电力直接输送至国家电网，发电余热则供温室加温或储藏于地下，燃烧的尾气经过净化、换热后，作为CO2直接进行施肥。该系统完成了对天然气、二氧化碳、热能、电能的优化调度使用，经计算，14 hm2的玻璃温室，冬季仅需1个2.5 MW的发电机基本即可满足生产需求[38]。

2温室能源管理系统组成

目前，针对整个温室能源管理系统的研究较少，相对于温室环境监控系统而言，温室能源管理系统实现的功能更多，结构更加复杂，系统应该包括监测子系统、能源计量子系统、数据分析子系统，甚至还包括环境控制系统。因此，完整意义上的温室能源管理系统至少应包括以下几个功能模块。

2.1人机交互模块

用户通过人机交互界面获取温室内的环境参数和各项设备的能耗情况等信息，同时根据了解到的信息对温室内的设备进行参数设置，选定不同的控制模式等，用户可以通过此模块完成与温室能源管理相关的所有设置。

2.2检测模块

检测模块用于实现环境检测、设备检测。环境检测包括温室内温湿度、光照度、二氧化碳浓度等环境变量的检测；设备检测指温室内的用电负载、储能系统等的工作状态检测，既能源运作状态的检测。

2.3分析评估模块

此模块为温室能源管理系统的核心模块，根据环境变量、设备运行状态、用户设置参数等信息对整个系统的运行模式进行分析评估，反映出温室工作状态，从而制定能源优化调度策略，为温室环境节能管理提供决策支持，最终达到温室节能降耗的目的。

2.4控制模块

此模块根据分析评估模块计算制定的优化调度策略，对温室内使用水、电、热、气等能源的耗能设备进行反馈优化控制，直接完成温室环境的精确调控。

整个温室能源管理系统的设计应该包括数据采集层、数据传输层、数据解释层、数据评估层、数据优化层等部分。数据采集层包括温湿度传感器、光照度传感器等对温室环境变量的采集和流量计、智能电表等计量设备对温室能源获取量和消耗量的计量；数据传输层主要对采集到的数据进行传输，通过智能网关对各种不同通信协议进行转换，完成传感器、计量设备等与主机的通信；数据解释层包括数据包解析、数据存储；系统评估层主要体现在用户终端的能耗分析、能源管理等软件功能；节能优化层包括系统运行优化、参数优化、启停优化等，整个系统体系构架见图3。

[FK（W18][TPSJL3.tif][FK）]

3温室能源管理系统关键技术研究进展

整个温室能源管理体系中，检测技术是进行监控和能源优化调度的基础，能源优化调度是核心，能源信息管理是系统的关键。与传统的温室环境监控系统相比，能源管理系统中检测技术除环境变量采集外，增加了能源计量技术，即能源运作状态的检测；信息管理与分析是能源管理的直接表现；能源优化调度的重点为温室节能策略的研究。

3.1检测技术

与其他领域的能源管理系统相比，温室环境下的能源管理系统需要检测的变量范围广、精度要求高。除了要以各种传感器如温湿度传感器、光照傳感器、二氧化碳传感器等精确检测实时温湿度、光照度、二氧化碳浓度等环境变量外，重点还要准确检测出水、电、热、气等各种能源的消耗量。在检测能源消耗时，不仅要计量出各种能源消耗总量，还要具体细化到不同设备、不同时段的能源消耗。目前，能源计量主要依靠流量计、智能电表等计量设备来实现。

3.1.1流量计种类与性能

水和天然气的计量主要依靠流量计量检测技术来实现，流量计量检测技术主要采用孔板流量计、涡轮流量计、超声流量计等。孔板流量计具有结构简单、性能稳定、价格便宜等优点，但也有测量范围窄、压损大、前后直管段长度较长等缺点，对整套流量计的准确度有较大影响，所以孔板流量计研究的重点一直集中在提高准确度上[39]；涡轮流量计具有测量范围宽、结构紧凑、准确度高等优点，但是在对天然气的计量检测中，天然气的流变特性和物性对涡轮流量计的性质有很大影响，并且准确度越高，影响越敏感。近几年，涡轮流量计技术的发展主要体现在以下几个方面：通过改变转子的几何形状扩大流量计的使用流量范围；改善旋转部件的耐磨性，以增加使用寿命；通过机载微处理器等电子元件随时监测流量计的使用情况[40]。超声流量计是利用超声波在流体中的传播特性来测量流量，其主要优点表现在测量范围宽、无压损、可正反输、无移动部件、准确度高、非接触测量等方面。按测量方法的不同，超声流量计可分为波束偏移法、互相关法、传播速度差法、多普勒法等[41]。3种流量计性能见

3.1.2能源计量检测

电能的检测主要依靠智能电表来实现，传统的电能计量检测技术需要为每个检测对象安装计量仪表，成本高、维护难，是一种侵入式的检测方法。在电能消耗检测方面，可以采用智能电网中的非侵入式检测方法[42]。它最早由MIT的George Hart提出，用于居民楼负载监测[43]。该方法通过分析负载的稳态和瞬态特征来实现负载的识别。非侵入式负载检测方法只需在温室中安装少数传感器检测关键节点的用电量，然后通过算法来确定补光灯、排风扇、遮阳帘等用电设备的工作状态和用电量。根据智能电表在一段时间内测量的用电功率实时曲线图，可以采用基于“时间窗口”的方法以窗口期功率信号的边沿特征、顺序特征持续时间和变化趋势为特征量，通过与特征数据库中的特征匹配来识别设备，从而将智能电表测量的总功耗分解到具体的用电负载[44]。非侵入式负载检测方法中设备特征选取和识别算法设计是关键，目前的算法有人工神经网络法、遗传算法、时间序列法、模糊聚类法、整数规划法等[45-50]。非侵入式负载检测虽然采用的仪表少且成本低、安装维护容易，但对于工作模式复杂、能耗较小的设备进行识别比较困难，并且随着设备数量的增加，识别精度下降，具有不稳定性。此外，使用的多数算法需要大量的训练和标定过程[51]。

温室热能的计量检测主要通过间接计算来实现，如通过热水管道上下行水温和管道热水流量即可计算所供热能，此外，温室内相变储热材料的温差、供热风机的功率等均可计算。整个温室内包括水、电、热、气，温室计量检测见表3。[FL）]

3.2信息管理与分析

通过对检测到的信息进行分析管理，从而为温室生产提供管理决策支持，在这种温室环境调控决策支持方面研究也取得了一定的进展。王成等基于数据挖掘和数据仓库技术建立了温室决策支持系统[52]。Hu等将温室环境信息采集系统与温室环境决策模型相结合，基于数据库开发了温室环境管理专家系统[53]。Korner等开发了温室动态控制决策支持系统，该系统可以根据采集到的环境参数，并依据节能的要求选择合理的温室环境调控策略[54]。李萍萍等将温室作物模型、优化调控模型和环境模型结合，建立了温室黄瓜栽培管理智能决策支持系统，实现了温室的智能决策调控[55]。王纪章等构建了基于作物生长环境控制成本的温室环境调控决策支持系统，该系统通过建立温室环境调控的技术效果模型和成本模型组成相应的模型库[56]，使得系统能够根据室内外的环境信息、作物生长信息和温室调控设备状态信息给出温室环境调控实时最优参数，初步具备了一定的温室能源管理功能。

当前能源管理系统在温室领域的应用研究较少，因此管理决策支持系统所依据的信息也多为温室生产的环境参数、作物生长条件等，缺乏对温室各调控设备的能源消耗、能源运作等信息的管理分析。标准的温室能源管理系统中，温室各类能源信息应为重点，对检测到的能源使用信息首先要以计量的形式显现，并且可以通过各种对比更加直观形象地显示出来；其次，采集到的有效信息可以随时地在数据库中存储调用；再次，各类调控设备的运行状态，即能源运作状态作为一定参数被应用到温室生产综合能耗模型的建立，在管理决策支持系统中，与温室环境参数共同作为重要参考进行优化调度分析，从而完成最终的管理决策支持功能。

3.3优化调度方面

能源投入规划上，Reza等采用了线性规划方法对温室内黄瓜和玉米生产进行能源优化，找出了最佳能源消耗模式[57-58]，线性规划模型包括目标函数和约束条件，目标函数是一个由决策变量反映的数学函数，用来表示效用的最大化，约束条件包括所有的限制性因素，由限制性决策变量来反映，整个过程通过WINQSB软件完成模拟计算。Majid等通过柯布-道格拉斯函数建立了温室生产的能源投入-产出模型，探讨能源投入收益，找出高效的能源投入方案[59-61]。Habib等在讨论双孢菇能源投入产出模型时，采用了数据包络分析法[62]。数据包络分析法在处理多输出-多输入的有效性评价方面具有绝对优势，它假定每个输入都关联到1个或多个输出，且输入输出之间确实存在某种联系，但又不必确定这种关系的显示表达式，因此特别适用于环境复杂的温室生产系统。邹秋滢为了解决温室的节能降耗问题，提出了以温室运作过程中能量损耗为目标函数的模型预测控制算法，建立了包括加热、通风、喷雾等控制输入在内的温室小气候非线性半机理模型，用来预测输出量的即刻值，并运用粒子群优化算法进行滚动优化，从而确定最佳能源投入方案[63]。

具体工作策略上，依据温室内平均每日温度达到最优的原则，可采用动态的温度控制和昼/夜温度设定。当温室内的能量损耗因子（主要包括室外温度和传入太阳辐射等）高时，可降低加热设定值；当温室能量损耗因子低时，应适当提高加热设定点，这种动态的温度控制要优于传统的昼/夜温度设定。美国大部分温室所采用的昼/夜温度模式是使昼夜温度设定的差离值为正，即保证了温室内的平均温度达到最优[64]。[JP2]2种模式都需要经过精确的计算，对控制算法要求较高。荷兰Priva公司采用的优化调度方案为根据温室内的能源需求量和各个耗能设备的供给能力及工作效率，并且充分考虑设备工作的副产物（CO2），排出供应源的工作优先级，选择最优供应源作为第一工作级，当不能满足温室能源需求时再开启下一供应源[65]。这样就从整体上提高了温室设备的工作效率，避免了能源浪费。此外，Priva公司提出了面向作物本身为对象的控制策略，如温室内的温湿度调节，其调控完全依据植株本身的生理需求，不再依据温室内的环境参数，这种方法能够更有效地减少能源浪费，提高温室的能源利用效率。[JP]

4存在问题及发展方向

4.1存在问题

相对于能源管理系统在智能楼宇、工厂企业等领域较为成熟的应用，将能源管理系统应用于温室行业主要还存在以下问题。

4.1.1成本问题玻璃温室、植物工厂等本身初期投入成本较高，因此温室能源管理系统的成本问题不容忽视，如何降低成本、减少智能温室的初期投入，对其推广普及至关重要。

4.1.2稳定性问题温室环境复杂，其行业特殊性决定了检测数据高精准性、系统运作高稳定性、核心分析算法高优化性的要求，目前各方面的技术水平仍有待加强。如通信技术，采用有线通信虽然传输速率快、稳定性高，但布线复杂，成本较高。无线通信虽然使用方便，但稳定性难以达到要求。

4.1.3信息管理与分析当前的生产管理决策支持系统虽然具备了一定的节能作用，但缺乏温室各类能耗信息的管理分析，通过各类模型和数据库制定的温室生产管理决策缺乏对温室能源运作状态的参考，因此，温室生产的节能降耗还有相当大的提升空间。

4.1.4优化调度算法目前，我国针对整个温室能源管理系统的研究较少，相关研究仅仅局限于其中一个子系统，目前缺乏比较成熟的优化调度算法，并且各种温室设备不同、能源需求不同，缺乏统一的标准，如何解决温室能源优化调度问题，为温室环境管理提供决策支持还有待进一步研究。

4.1.5人机交互由于国外温室规模较大，多为各种连栋温室群，因此管理终端多采用PC平台。相对国内多数小规模温室而言，采用引进的PC端控制相对复杂，灵活性低，使用不便，不符合移动互联、嵌入式系统发展需求，且需要与国内不常用的温室设备配套使用，扩展性差、应用面窄，人机交互性有待提高。

4.2发展方向

针对存在的问题，温室能源管理系统整体上要朝着低成本、高稳定性、高人机交互性的方向发展。具体关键技术，高稳定性、高准确度的新型流量计仍为流量检测的主流；非侵入式检测应为用电能耗检测的重要研究方向之一；低成本、高稳定性的无线通信必然是通信技术的研究重点；包括温室环境参数、设备能耗信息、作物生长模型参数等在内的各类数据的逐渐完善将不断促进温室生产信息的综合管理与分析；优化调度上，随着能源信息管理分析的完善，适用性强、高效的能源优化调度算法仍需进一步研究；随着物联网时代的到来，温室能源管理系统也应向着云技术靠拢，交互终端应在已有PC端基础上逐步扩展到嵌入式平台，手机等便携式设备应成为人机交互的重要一环。

温室能源管理系统是智能温室发展的必然趋势，已有研究表明，能源管理系统可以有效降低温室内的能源消耗，提高能源利用效率，减少温室的生产成本。对温室能源管理系统相关关键技术进行深入研究，应致力于设计开发适用于我国温室设备的能源管理系统通用体系，依据我国温室环境具体情况建立精确能耗模型，研究适用于我国温室环境的能源优化调度决策，结合现有温室环境监控系统，解决存在问题，將其合理运用于智能温室当中，对我国温室产业发展具有十分重要的意义。

[HS2][HT8.5H]参考文献：[HT8.SS]

[1]尤章金. 基于BACnet协议的制造业企业能源管理系统的研究[D]. 北京：北京机械工业自动化研究所，2010.

[2]魏阿勇，凌志浩，潘濛濛. 建筑能源管理系统开发[J]. 上海电机学院学报，2013，16（3）：141-145，152.

[3]Kintner-Meyer M，Conant R. Opportunities of wireless sensors and controls for building operation[J]. Energy Engineering Journal，2005，102（5）：27-48.

[4]張全. 楼宇自控在绿色建筑中的应用[J]. 电工技术，2012（7）：9-11，17.

[5]靳晓刚，叶舟，张慎明. 智能楼宇能源管理研究[J]. 应用能源技术，2010（10）：48-50.

[6]Menzel K，Pesch D，Flynn O，et al. To-wards a wireless sensor platform for energy efficient building operation[J]. Tsinghua Science and Technology，2008，13（Suppl 1）：381-386.

[7]Feng Y P，Wu Y，Liu C B. Energy-efficiency supervision systems for energy management in large public buildings：necessary choice for China[J]. Energy Policy，2009，37（6）：2060-2065.

[8]崔然，马旭东，彭昌海，等. 楼宇能源管理系统设计与实现[J]. 计算机技术与发展，2010，20（7）：184-187.

[9]邓璐娟. 智能温室的模型和控制策略研究[D]. 上海：上海大学，2004.

[10]冯广和. 温室的节能问题[J]. 农村实用工程技术·温室园艺，2004（5）：23-25.

[11]徐大成. 北方型玻璃连栋温室节能技术开发研究[J]. 辽宁农业科学，2003（1）：8-11.

[12]Pieters J G，Deltour J M. Moldeling solar energy input in greenhouse[J]. Solar Energy，1999，67（1/2/3）：119-130.

[13]姚益平，戴剑锋，罗卫红，等. 中国连栋温室黄瓜周年生产能耗分布模拟[J]. 农业工程学报，2011，27（1）：273-279，封3.

[14]柴立龙，马承伟，张义，等. 北京地区温室地源热泵供暖能耗及经济性分析[J]. 农业工程学报，2010，26（3）：249-254.

[15]Cemek B，Demir Y. Testing of the condensation characteristics and light transmissions of different plastic film covering materials[J]. Polymer Testing，2005，24（3）：284-289.

[16]孙心心，邹志荣，王宏丽，等. 新型复合相变墙日光温室性能实测分析[J]. 农机化研究，2010，32（3）：168-170.

[17]籍秀红. 日光温室墙体综合热性能的评价与测试研究[C]. 2007年中国农业工程学会学术年会，2007.

[18]李胜利，霍颖君，孙治强. 不同层次简易覆盖的巨型塑料大棚温度特征研究[J]. 河南农业大学学报，2008，42（6）：621-624.

[19]Fang H. Quantification of performance in plant factory[J]. Technol Adv Prot Horti，2013，65：64-71.

[20]刘水丽. 人工光源在密闭式植物工厂中的应用研究[D]. 北京：中国农业科学院，2007.

[21]Tong Y，Yang Q，Shimamura S. Analysis of Electric-Energy utilization efficiency in a plant factory with artificial light for lettuce production[C].Proceedings of the International Symposium on New Technologies for Environment Control，Energy-Saving and Crop Prod in Greenhouse and Plant Factory-GreenSys，2013.

[22]Tong Y，Kozai T，Ohyama K. Performance of household heat pumps for nighttime cooling of a tomato greenhouse during the summer[J]. Applied Engineering in Agriculture，2013，29（3）：1-8.

[23]Kozai T. resource use efficiency of closed plant production system with artificial light：concept，estimation and application to plant factory[J]. Proceedings of the Japan Academy Series B，2013，89：447-461.

[24]Seginer I，Hwang Y，Boulard T，et al. Mimicking an expert greenhouse grower with a neural-net policy[J]. Transactions of the ASAE，1996，39（1）：299-306.

[25]Aaslyng J M，Lund J B，Ehler N，et al. IntelliGrow：a greenhouse component-based climate control system[J]. Environmental Modelling & Software，2003，18（7）：657-666.

[26]Lacroix R，Kok R. Simulation-based control of enclosed [JP3]ecosystems-a case study：determination of greenhouse heating setpoints[J]. Canadian Agricultural Engineering，1999，41（3）：175-183.[JP]

[27]Korner O，Challa H. Design for an improved temperature integration concept in greenhouse cultivation[J]. Computers and Electronics in Agriculture，2003，39（1）：39-59.

[28]Korner O，Bakker M J，Heuvelink E. Daily temperature integration：a simulation study to quantify energy consumption[J]. Biosystems Engineering，2004，87（3）：333-343.

[29]Korner O，Challa H. Temperature integration and process-based humidity control in chrysanthemum[J]. Computers and Electronics in Agriculture，2004，43（1）：1-21.

[30]Blasco X，Martinez M，Herrero J M，et al. Model-based predictive control of greenhouse climate for reducing energy and water consumption[J]. Computers and Electronics in Agriculture，2007，55（1）：49-70.

[31]伍德林，毛罕平，李萍萍. 基于经济最优目标的温室环境控制策略[J]. 农业机械学报，2007，38（2）：115-119.

[32]李志伟，王双喜，高昌珍，等. 以温度为主控参数的日光温室综合环境控制系统的研制与应用[J]. 农业工程学报，2002，18（3）：68-71.

[33]王纪章，李萍萍，毛罕平，等. 基于模型的温室环境调控技术研究[J]. 沈阳农业大学学报，2006，37（3）：463-466.

[34]Vadiee A，Martin V. Energy management in horticultural applications through the closed greenhouse concept，state of the art[J]. Renewable and Sustainable Energy Reviews，2012，16（7）：5087-5100.

[35]Vadiee A，Martin V. Energy management strategies for commercial greenhouses[J]. Applied Energy，2014，114（Suppl 1）：880-888.

[36]Saye A，Vanloon W P，Bot G A，et al. The solar greenhouse：a survey of energy saving methods[J]. Acta Hort，2000（534）：131-138.

[37]Seafreak0123.Argus省能源及PRIVA電脑环控技术[EB/OL]. （2012-02-28） [2015-12-30]. http：//www.docin.com.

[38]丁小明，魏晓明. 荷兰温室园艺生产技术现场参观记[EB/OL]. （2015-03-29）[2015-12-30]. http：//www.docin.com/p-1110492827.html.

[39]张红兵，郑云萍. 天然气流量计的选型及其计量发展趋势[J]. 石油与天然气化工，2003，32（3）：176-177，188.

[40]安建川，梁光川. 天然气计量技术现状及趋势[J]. 内蒙古石油化工，2007，33（1）：42-45.

[41]温怀海. 超声波流量计在大管径天然气计量中的应用[J]. 石油规划设计，2003，14（6）：20-21.

[42]张延宇，曾鹏，臧传治. 智能电网环境下家庭能源管理系统研究综述[J]. 电力系统保护与控制，2014，42（18）：144-154.

[43]Wang Z Y，Zheng G L. Residential appliances identification and monitoring by a nonintrusive method[J]. IEEE Transactions on Smart Grid，2012，3（1）：80-92.

[44]Dong M，Meira P C，Xu W，et al. An event window based load monitoring technique for smart meters[J]. IEEE Transactions on Smart Grid，2012，3（2）：787-796.

[45]Tsai M S，Lin Y H. Development of a non-intrusive monitoring technique for appliance identification in electricity energy management[C]. Advanced Power System Automation and Protection（APAP），2011 International Conference on，IEEE，2011：108-113.

[46]Chang H H，Chen K L，Tsai Y P，et al. A new measurement method for power signatures of nonintrusive demand monitoring and load identification[J]. IEEE Transactions on Industry Applications，2012，48（2）：764-771.

[47]Gao Y，Yang H. Non-intrusive load identification by fuzzy cluster analysis based on active power[C]. Power and Energy Engineering Conference，2012：1-4.

[48]Zeifman M. Disaggregation of home energy display data using probabilistic approach[J]. IEEE Transactions on Consumer Electronics，2012，58（1）：23-31.

[49]Suzuki K，Inagaki S，Suzuki T，et al. Nonintrusive appliance load monitoring based on integer programming[C]. SICE Annual Conference，2008. IEEE ，2008：2742-2747.

[50]Fan Y C，Liu X，Lee W C，et al. Efficient time series disaggregation for non-intrusive appliance load monitoring[C]. 9th International [JP2]Conference on Ubiquitous Intelligence&Computing and 9th International Conference on Autonomic&Trusted Computing，2012：225-248.[JP]

[51]Srivastava M. From measurements to sustainable choices[J]. IEEE Design & Test of Computers，2012，29（4）：58-60.

[52][JP2]王成，李民赞，王丽丽，等. 基于数据仓库和数据挖掘技术的温室决策支持系统[J]. 农业工程学报，2008，24（11）：169-171.[JP][HJ][FL）]

[KH*4D]

[HT8.]

[53]Hu Y G，Li P P，Zhang X L，et al. Integration of an environment information acquisition system with a greenhouse management expert system[J]. New Zealand Journal of Agricultural Research，2007，50（5）：855-860.

[54]Koerner O，van Straten G. Decision support for dynamic greenhouse climate control strategies[J]. Computers and Electronics in Agriculture，2008，60（1）：18-30.

[55][JP2]李萍萍，夏志军，胡永光，等. 溫室黄瓜环境管理智能决策支持系统初探[J]. 江苏大学学报（自然科学版），2004，25（1）：5-8.[JP]

[56]王纪章，李萍萍，毛罕平. 基于作物生长和控制成本的温室气候控制决策支持系统[J]. 农业工程学报，2006，22（9）：168-171.

[57]Abdi R，Hematian A，Ebrahim Z S，et al. Optimization of energy consumption pattern in the maize prodution system in kermanshah provinc of Iran[J]. Research Journal of Applied Sciences，Engineering and Technology，2012，4（15）：2548-2554.

[58]Zarei-Shahamat E，Hematian A. Energy optimization for greenhouse production process of cucumber using linear programming case study in Kermanshah[J]. African Journal of Agricultural Science and Technology，2013，1（1）：24-29.

[59]Namdari M，Kangarshahi A A. Modeling energy flow for orange production in Iran[J]. International Journal of Plant，Animal and Environmental Sciences，2011，1（1）：131-139.

[60]Taki M，Abidi R. Energy inputs-yield relationship and sensitivity analysis for tomato greenhouse production in Iran[J]. Agric Eng Int：CIGR Journal，2013，15（1）：59-67.

[61]Pahlavan R，Omid M，Akram A. Modeling and sensitivity analysis of energy inputs for greenhouse cucumber production[J]. Journal of Agricultural Technology，2011，7（6）：1509-1521.

[62]Habib R F，Seyed A T. Energy efficiency analysis of white button [JP3]mushroom produer in alburz province of Iran：a data envelopment analysis approach[J]. Open Journal of Energy Efficiency，2013（2）：65-74.[JP]

[63]邹秋滢. 温室小气候模型的建立及其控制策略研究[D]. 沈阳：沈阳农业大学，2010.

[64]Erik R，Both A J，Ruters. Greenhouse energy conservation strategies[EB/OL]. （2011-11-01）[2015-12-23]. http：//msue.anr.msu.edu.[JP]

[65]Priva公司手册. Using connext 900 and optimahouse manual[Z].2010.