一种温室大棚的智能供热方法及系统与流程

1.本发明涉及智慧农业技术领域，具体而言，涉及一种温室大棚的智能供热方法及系统。


背景技术：

2.温室大棚的蓬勃发展丰富了人们的菜篮子，尤其是对于生活在北方的人们来说，能够在严寒的冬季吃上各式各样的新鲜蔬菜。众所周知，温室大棚的温度很难控制，尤其是在我国北方高纬度省份，普通的温室大棚单纯靠保温无法为蔬菜提供适宜的生长环境，遇到暴雪或者连续阴天等极寒天气，气温有可能骤降到-40-30℃，大棚保温措施无法抵御严寒，会导致棚内作物无法正常生长，甚至大面积死亡。有些大棚会采用生炉火加温的方式来抵御严寒天气，这种方式虽然简单，但炉火周围容易局部温度过高，产生过多的二氧化碳，热量损耗大、成本高、耗时耗力，且不容易控制温度。
3.可见，现有技术中尙无精准控制温室大棚内温度的技术，亟需解决。


技术实现要素：

4.为了解决上述背景技术中存在的技术问题，本发明提供了一种温室大棚的智能供热方法、系统、电子设备及存储介质，以实现对温室大棚内温度的精准控制。
5.本发明的第一方面提供了一种温室大棚的智能供热方法，包括：
6.s10，获取当地的历史气温大数据，基于所述历史气温大数据建立日气温变化曲线；
7.s20，获取所述温室大棚的棚体数据；
8.s30，基于所述棚体数据和所述日气温变化曲线建立第一温度损失变化曲线；
9.s40，基于所述第一温度损失变化曲线对应建立供热曲线；
10.s50，基于所述供热曲线对所述温室大棚进行供热。
11.可选地，所述日气温变化曲线对应多个连续日。
12.可选地，步骤s10中，所述基于所述历史气温大数据建立日气温变化曲线，包括：
13.基于所述历史气温大数据建立第一日气温变化曲线；
14.获取当前日之前的若干日的气温数据，对所述气温数据进行拟合处理以得到第二日气温变化曲线；
15.计算所述第一日气温变化曲线与所述第二日气温变化曲线的差值的累积值，若所述累积值小于或等于第一阈值，则将所述第一日气温变化曲线作为所述日气温变化曲线；
16.若所述累积值大于第一阈值，则获取天气预测数据，基于所述天气预测数据对所述第二日气温变化曲线进行修正以得到第三日气温变化曲线，将所述第三日气温变化曲线作为所述日气温变化曲线。
17.可选地，步骤s10中，所述基于所述历史气温大数据建立日气温变化曲线，还包括：
18.若所述累积值小于第一阈值但大于第二阈值，则基于所述历史气温大数据建立第
四日气温变化曲线，将所述第四日气温变化曲线作为所述日气温变化曲线；
19.其中，建立所述第四日气温变化曲线时相比于建立所述第一日气温变化曲线所基于的所述历史气温大数据的量更大。
20.可选地，步骤s30中，基于所述棚体数据和所述日气温变化曲线建立第一温度损失变化曲线，包括：
21.将所述棚体数据和所述日气温变化曲线输入深度学习模型，所述深度学习模型输出第一温度损失变化曲线。
22.可选地，步骤s40中，所述基于所述第一温度损失变化曲线对应建立供热曲线，包括：
23.实时获取所述温室大棚内的温度，基于所述温度和所述第一温度损失变化曲线，建立供热曲线。
24.可选地，所述s50之前，还包括：
25.s40，检测所述温室大棚周边是否存在其它温室大棚，若是，则转s42，否则，转s50；
26.s42，获取其它温室大棚内的温度，若所述其它温室大棚内的温度高于所述温室大棚，则以第一修正系数对所述供热曲线进行修正；否则，以第二修正系数对所述供热曲线进行修正；
27.其中，所述第一修正系数小于所述第二修正系数。
28.本发明的第二方面提供了一种温室大棚的智能供热系统，包括处理模块、存储模块、通信模块，其中，所述处理模块与所述存储模块和所述通信模块连接；
29.所述存储模块上存储有计算机程序；
30.所述通信模块，用于实现处理模块与供热设备的通信；
31.所述处理模块用于调用所述计算机程序以实现如前所述的方法。
32.本发明的第三方面提供了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上任一项所述的方法。
33.本发明的第四方面提供了一种电子设备，该电子设备包括处理器和存储器，所述存储器上存储有计算机程序，该计算机程序被处理器运行时执行如上任一项所述的方法。
34.本发明的有益效果在于：
35.本发明的技术方案基于当地的历史气温大数据拟合得出的日气温变化曲线和棚体数据，建立第一温度损失变化曲线，接着就可以建立出供热曲线。本发明建立的供热曲线基于前述因素确定了温室大棚的温度损失数据，进而对应供热，相对于现有技术中按照预设值进行供热的模式，能够明显保持温室大棚内温度的稳定，也在一定程度上可以节省能源。
附图说明
36.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
37.图1是本发明实施例公开的一种温室大棚的智能供热方法的流程示意图；
38.图2是本发明实施例公开的一种温室大棚的智能供热系统的结构示意图；
39.图3是本发明实施例公开一种电子设备的结构示意图。
具体实施方式
40.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
41.因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
42.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
43.在本发明的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
44.此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
45.需要说明的是，在不冲突的情况下，本发明的实施例中的特征可以相互结合。
46.实施例一
47.请参阅图1，图1是本发明实施例公开的一种温室大棚的智能供热方法的流程示意图。如图1所示，本发明实施例的一种温室大棚的智能供热方法，包括：
48.s10，获取当地的历史气温大数据，基于所述历史气温大数据建立日气温变化曲线；
49.s20，获取所述温室大棚的棚体数据；
50.s30，基于所述棚体数据和所述日气温变化曲线建立第一温度损失变化曲线；
51.s40，基于所述第一温度损失变化曲线对应建立供热曲线；
52.s50，基于所述供热曲线对所述温室大棚进行供热。
53.在本发明实施例中，先基于当地的历史气温大数据拟合得出日气温变化曲线，该日气温变化曲线可以表征当地在当前季节的每日的气温变化数据，不同的外界气温会导致温室大棚向外散热的速率不同，例如，内外温差越大则散热越多、越快。同时，温室大棚的棚体数据会直接决定其保温的能力及效果，例如，中空材质的棚体就比普通的塑料薄膜材质的棚体保温效果好，多层式结构的棚体的保温效果就比单层结构的棚体的保温效果好，所以，棚体数据也会显著影响温度损失的速率。于是，在获得日气温变化曲线和棚体数据之后，就可以确定每日不同时刻的温度/热量损失变化曲线，进而可以基于温度损失变化曲线针对性的驱动供热设备进行供热，以使棚内温度精准的保持在设定的温度。
54.本发明的方案可以通过设置在各温室大棚内的客户端实现，也可以在服务器端实
现。本发明实施例提供的服务器可以实施为独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能平台等基础云计算服务的云服务器；客户端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。
55.可选地，所述日气温变化曲线对应多个连续日。
56.在本发明实施例中，由于一个季节内的气温数据是高度相似的，所以，本发明设置每个日气温变化曲线对应多个连续日，这样可以有效降低日气温变化曲线的计算数量，进而降低计算负荷。另外，前述的高度相似主要表现在季节的中段，而对于季节的前段和后段的气温变化会靠近临近的季节，相似度会有比较明显的降低，所以，作为一种改进，可以将季节的前段和季节的后段的单一日气温变化曲线对应的连续日数量小于季节的中段，这样可以使得日气温变化曲线更为准确，从而实现准确性和计算量之间的平衡。
57.可选地，步骤s10中，所述基于所述历史气温大数据建立日气温变化曲线，包括：
58.基于所述历史气温大数据建立第一日气温变化曲线；
59.获取当前日之前的若干日的气温数据，对所述气温数据进行拟合处理以得到第二日气温变化曲线；
60.计算所述第一日气温变化曲线与所述第二日气温变化曲线的差值的累积值，若所述累积值小于或等于第一阈值，则将所述第一日气温变化曲线作为所述日气温变化曲线；
61.若所述累积值大于第一阈值，则获取天气预测数据，基于所述天气预测数据对所述第二日气温变化曲线进行修正以得到第三日气温变化曲线，将所述第三日气温变化曲线作为所述日气温变化曲线。
62.在本发明实施例中，气温的变化虽然有一定的规律，但是，规律之中也存在突变情况。针对于此，本发明基于近期的气温数据拟合出的气温变化曲线与基于大数据拟合出的气温变化曲线进行差值的累积计算，如果累积值在正常范围，则说明近期气温曲线与历史情况类似，可直接将大数据建立的第一日气温变化曲线作为大数据建立第一日气温变化曲线；如果累积值过大，则说明近期的气温曲线并不符合历史情况。
63.针对突变情况，本发明进一步基于天气预测数据来修正第二日气温变化曲线，其中天气预测数据可以是从气象局获得的近期气温预测数据。对于修正方式，可以为：基于所述第二日气温变化曲线的变化趋势判断是否与天气预测数据相符，若是，则将天气预测数据对应的系数对第二日气温变化曲线进行修正。例如，天气预测数据表明接下来两天会持续降温5℃，而第二日气温变化曲线的变化趋势也表明气温呈下降趋势，而且下降幅度(可基于趋势曲线的斜率来判断)大体也是5℃，此时可基于趋势曲线得出的温度下降幅度和天气预测数据中的温度下降幅度的差值来确定修正系数，差值越大，修正系数越大，修正系数可以为[0,1]之间的任意数，可以基于经验值预先建立关联关系。
[0064]
可选地，步骤s10中，所述基于所述历史气温大数据建立日气温变化曲线，还包括：
[0065]
若所述累积值小于第一阈值但大于第二阈值，则基于所述历史气温大数据建立第四日气温变化曲线，将所述第四日气温变化曲线作为所述日气温变化曲线；
[0066]
其中，建立所述第四日气温变化曲线时相比于建立所述第一日气温变化曲线所基于的所述历史气温大数据的量更大。
[0067]
在本发明实施例中，还存在一种情况，即累积值虽然也小于第一阈值，但仍然大于了第二阈值，则说明虽然整体上与历史情况类似，但可能曲线的局部存在一些不同，这种不同可能是由于拟合数据量不足导致作为基准的第一日气温变化曲线本身不够准确。针对该情况，为了进一步提高日气温变化曲线的准确性，本发明进一步利用更大量的大数据来重新计算得出第四日气温变化曲线，这样就能够进一步提高第一日气温变化曲线本身的准确性，相应地，也就能够获得更为准确的日气温变化曲线。
[0068]
可选地，步骤s30中，基于所述棚体数据和所述日气温变化曲线建立第一温度损失变化曲线，包括：
[0069]
将所述棚体数据和所述日气温变化曲线输入深度学习模型，所述深度学习模型输出第一温度损失变化曲线。
[0070]
在本发明实施例中，由于棚体数据和日气温变化曲线与温度损失之间并无现实可用的关联关系，而且也很难利用人力研究得出一个可用的关联关系公式。所以，本发明构建了深度学习模型，将棚体数据、日气温变化曲线、温度损失数据(通过预先测量得出)输入深度学习模型以对其进行训练，经过训练的深度学习模型就可以掌握棚体数据、日气温变化曲线与温度损失之间的关系，于是，在将实时的棚体数据、日气温变化曲线输入深度学习模型后，深度学习模型就可以输出准确的第一温度损失变化曲线。
[0071]
对于深度学习模型的构建，可以基于前向神经网络(feedforward neural networks,fnn)、卷积神经网络(convolutional neural networks,cnn)、循环神经网络(recurrent neural networks,rnn)、递归神经网络(recursive neural network)、深度信念网络(deep belief networks)、受限制玻尔兹曼机(restricted boltzmann machines)、生成对抗网络(generative adversarial networks)等算法搭建，对于具体的搭建方式，本发明不再赘述。
[0072]
可选地，步骤s40中，所述基于所述第一温度损失变化曲线对应建立供热曲线，包括：
[0073]
实时获取所述温室大棚内的温度，基于所述温度和所述第一温度损失变化曲线，建立供热曲线。
[0074]
在本发明实施例中，在确定出第一温度损失变化曲线之后，就可以知晓不同时段的温度损失量，相应地，就可以确定应当提供对应量的温度补偿，也即确定出供热曲线。另外，由于供热需要一定的时长，所以，为了进一步提升大棚内温度的稳定性，设定供热曲线相对于第一温度损失变化曲线适当的提前，其中，第一温度损失变化曲线中温度损失量越大，则提前的程度越高。
[0075]
可选地，所述s50之前，还包括：
[0076]
s40，检测所述温室大棚周边是否存在其它温室大棚，若是，则转s42，否则，转s50；
[0077]
s42，获取其它温室大棚内的温度，若所述其它温室大棚内的温度高于所述温室大棚，则以第一修正系数对所述供热曲线进行修正；否则，以第二修正系数对所述供热曲线进行修正；
[0078]
其中，所述第一修正系数小于所述第二修正系数。
[0079]
在本发明实施例中，温室大棚通常是集群布置的，多个温室大棚就会形成聚温效应，本发明对此进行了考量。其中，如果周边温室大棚的温度高于本温室大棚时，则本温室
大棚会明显受到周边温室大棚的温度延及，于是本温室大棚的温度损失就会减小，此时使用较小的第一修正系数对供热曲线进行修正，即减少原供热曲线中的供热量；反之，则本温室大棚不能获得周边温室大棚的温度延及，温度损失就会相对较大，此时使用较小的第二修正系数对供热曲线进行修正，即以更小的幅度减少原供热曲线中的供热量。
[0080]
实施例二
[0081]
请参阅图2，图2是本发明实施例公开的一种温室大棚的智能供热系统的结构示意图。如图2所示，本发明实施例的一种温室大棚的智能供热系统(100)，包括处理模块(101)、存储模块(102)、通信模块(103)，其中，所述处理模块(101)与所述存储模块(102)和所述通信模块连接；
[0082]
所述存储模块(102)上存储有计算机程序；
[0083]
所述通信模块(103)，用于实现处理模块(101)与供热设备的通信；
[0084]
所述处理模块(101)用于调用所述计算机程序以实现如实施例一所述的方法。
[0085]
该实施例中的一种温室大棚的智能供热系统的具体功能参照上述实施例一，由于本实施例中的系统采用了上述实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
[0086]
实施例三
[0087]
请参阅图3，图3是本发明实施例公开的一种电子设备，所述设备包括：
[0088]
存储有可执行程序代码的存储器；
[0089]
与所述存储器耦合的处理器；
[0090]
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如实施例一所述的方法。
[0091]
实施例四
[0092]
本发明实施例还公开了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如实施例一所述的方法。
[0093]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0094]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0095]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0096]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何
熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。