南方連棟塑料溫室夏季機械通風優化設計

黃震宇 高浩天 朱森林 趙春宇 蔡春花

(1.上海交通大學電子信息與電氣工程學院， 上海 200240； 2.上海浦東現代農業溫室工程技術有限公司， 上海 201210)

南方連棟塑料溫室夏季機械通風優化設計

黃震宇1高浩天1朱森林1趙春宇1蔡春花2

(1.上海交通大學電子信息與電氣工程學院， 上海 200240； 2.上海浦東現代農業溫室工程技術有限公司， 上海 201210)

我國南方地區夏季長期高溫，嚴重影響了溫室作物生長。為了提高降溫效果且減少通風能耗，需要優化溫室機械通風系統的設計參數和控制方法。以南方地區典型的連棟塑料溫室為研究對象，針對溫室機械通風，建立了三維全尺度瞬態及穩態計算流體力學仿真模型。通過在溫室內、外均勻布置溫、濕度和光照傳感器，測量機械通風引起的溫室內氣溫變化和分布，用實驗驗證了仿真模型瞬態和穩態計算的準確性和有效性。通過仿真模型模擬了室外高溫條件下的風機數量、溫室長度、入口溫度及環境溫度變化等參數對機械通風降溫效果的影響程度，并模擬了不同數量風機啟閉控制的降溫效果。本文提供的控制策略最高可減少約60%的能源消耗，而植物冠層平均溫度僅升高0.21℃。

連棟塑料溫室; 機械通風; 優化設計; 計算流體力學

引言

在我國南方地區的夏季，長期高溫導致溫室內的氣溫過高，嚴重影響了作物生長。為此，南方地區廣泛使用的連棟塑料溫室普遍配備了降溫設施：遮陽網、用于自然通風的頂窗和側窗、用于機械通風的濕簾-風機等。在夏季晴好天氣，使用遮陽網減少進入溫室的太陽輻射量，從而降低室內的升溫速度。在氣溫較低的夏季清晨和傍晚，采用頂窗和側窗的自然通風降低室內氣溫，具有無運行能耗、設備成本低的優點，但降溫效果很大程度上受室外氣溫、風速、風向和窗口配置的影響[1-2]，且原則上能達到的最低室內氣溫略高于室外氣溫。在夏季正午，由于室外氣溫明顯高于作物的適宜生長溫度，需要通過打開風機和濕簾，將經過濕簾形成的冷風抽入溫室，實現機械通風降溫[3-4]。雖然機械通風能實現高溫條件下的有效降溫，但設備成本較高，工作能耗較大，有必要在溫室設計階段優化配置機械通風設備、在溫室運行階段實施有效降低能耗的優化控制方法。

機械通風過程涉及溫室內空氣流場、溫度場、濕度場、太陽輻射等因素的相互作用，屬于多物理場耦合的復雜流體動力學問題。OKUSHIMA等[5]首次應用計算流體力學(Computational fluid dynamic，CFD)研究溫室的通風問題，開拓了定量分析溫室通風問題的有效途徑。此后，隨著CFD理論的完善和商用CFD軟件的發展，溫室通風CFD仿真結果已被證明具有良好的吻合性，成為溫室通風研究的常用方法[6]。在基于CFD的機械通風研究領域，隨著仿真技術的發展和問題分析的深入，模型由二維到三維全尺度，由穩態分析到瞬態分析，由簡單模擬到用于優化控制設計。BOURNETA等[7]采用CFD方法研究了不同風機形狀及安裝方式下的溫室內流場分布情況。童莉等[8]建立了機械通風條件下的連棟塑料溫室三維CFD模型，結合試驗與仿真結果研究了溫室氣溫可控距離與入口風速和濕簾高度的關系。CHEN等[9]采用CFD方法研究了濕簾、風機安裝位置與濕簾-風機系統降溫效果之間的關系。胥芳等[10]基于CFD 模型對不同溫室長度、濕簾面積和風機速度參數條件下的室內降溫進行了優化設計。任守綱等[11]基于CFD方法建立了夏季溫室氣溫變化瞬態模型，研究了自然通風和機械通風降溫措施切換控制策略。

隨著連棟塑料溫室調控方式逐步從電氣化向自動化發展，基于溫室環境參數實時控制風機的工作數量和工作時間成為可能，從而更有效地降低機械通風能耗。為實施機械通風優化控制，需要獲取夏季高溫條件下的機械通風效果與各工作參數的定量關系。由于實際工作環境的不可重復性，CFD模擬比實驗能更有效地確定機械通風效果與控制參數之間的關系。機械通風是典型動態過程，但目前對于機械通風瞬態過程的實驗和仿真研究還不夠深入，因此本文建立全尺度三維瞬態和穩態CFD模型，反映機械通風作用下，室內溫度的時空分布和變化過程，用以評價通風效果、優化風機的控制。

1 溫室環境CFD建模

1.1 理論基礎

由于溫室內植物生產區域的氣流速度不宜過高，一般低于2 m/s，在仿真中可以假設氣體為連續、穩定的牛頓流體，并忽略黏性發熱和壓力功。而且一般可假設氣體的各組分之間無化學反應。根據溫室內的氣體特征，建立質量守恒方程、動量守恒方程、能量守恒方程及組分守恒方程

(1)

(2)

(3)

(4)

式中ρ——氣體密度，kg/m3u——速度矢量，m/st——時間，sI——單位矩陣p——壓強，Paμeff——有效黏度，Pa·sF——體積力矢量，N/m3Cp——恒壓比熱容，J/(kg·K)T——絕對溫度，Kq——熱通量矢量，W/m2qr——輻射熱通量矢量，W/m2Q——熱源，W/m3ci——組分i的濃度，mol/m3Di——組分i的擴散系數，m2/sRi——系統內單位時間單位體積通過化學反應生成的組分i的量，mol/(m3·s)

式(1)～(4)構成了溫室仿真的基本控制方程。在溫室內，由于溫度不均勻和機械通風的共同作用，以及流體運動受溫室邊界的限制，不可避免地會產生湍流。因此溫室內的氣體流動可看作是湍流流動[12]。為了提高溫室湍流計算效率，通常引入標準k-ε湍流模型進行通風仿真[6,11,13]。同時考慮到溫室靠近壁面區域湍流未充分發展，故采用標準壁面函數法處理[12]。

1.2 溫室對象

研究對象為典型的南方連棟塑料溫室，位于上海市崇明島(東經121.74°、北緯31.50°)，見圖1。溫室頂高5 m，肩高3 m，屋脊方向為東西走向，長度32 m，單棟跨度8 m，共5棟，總寬度40 m。溫室西墻安裝濕簾，濕簾高度為1.8 m，中心位置安裝高度為1.3 m，每套長度為17 m，溫室南北兩側各一套，中間為2 m寬的推拉門。溫室東墻安裝10臺YS1250型重錘式負壓風機，每棟2臺，風機直徑為1 250 mm，中心位置安裝高度為1.5 m，電動機功率為1.1 kW，單臺排風量Qfan為40 000 m3/h。溫室主體采用結構鋼，四周及頂部覆蓋聚乙烯薄膜，薄膜厚度為0.15 mm，透光率大于(等于)90%，頂部安裝遮陽網，采用綴鋁外遮陽網布，遮陽率80%。

圖1 南方連棟塑料溫室Fig.1 Multi-span plastic greenhouse in southern China

1.3 幾何模型

在COMSOL中按1∶1建立溫室幾何模型，見圖2。由于側窗、頂窗和門在機械通風過程中均為關閉狀態，該幾何模型忽略了它們的細節建模。溫室內的支撐結構相較溫室尺寸較小，在建模過程中忽略。溫室外遮陽網通過太陽輻射強度折減體現，不體現在幾何模型中。實驗期間溫室內種植高度低于20 cm的西瓜和甜瓜，可以忽略作物幾何建模[11,14]。

圖2 溫室幾何模型Fig.2 Geometrical model of greenhouse

1.4 多物理場

機械通風條件下，室內氣溫的時空分布受室內外環境條件、濕簾風機、太陽輻射等因素的影響。需要在COMSOL中添加湍流模塊、流體傳熱模塊和稀物質傳遞模塊。然后建立各物理場模塊間的耦合關系：湍流模塊和稀物質傳遞模塊通過速度、絕對壓力和濃度耦合；湍流模塊和流體傳熱模塊通過速度、絕對壓力和溫度耦合；稀物質傳遞模塊和流體傳熱模塊通過濃度耦合。為了引入流體傳熱模塊對流體密度和黏度的影響，添加非等溫流模塊。

1.5 邊界條件

為獲得機械通風的初始狀態，研究機械通風過程及升溫過程，仿真分為濕簾風機關閉狀態和開啟狀態。前者溫室處于密閉環境，風機和濕簾處于關閉狀態，用以計算自然對流狀態下溫室內的狀態；后者風機和濕簾處于開啟狀態，進行機械通風仿真，用以計算濕簾風機對溫室內環境的影響。

仿真以溫室內空氣為研究對象，所涉及的邊界條件包括室外環境參數、溫室圍護結構和頂棚、風機與濕簾、室內土壤等，邊界條件設置見表1。由于關注的仿真過程較短，故可以忽略在此期間各邊界條件參數的變化，各算例基本參數設置見表2。

表1 CFD模型邊界條件
Tab.1 Boundary condition used in CFD model

類型邊界湍流場流體傳熱稀物質傳遞四周圍護壁面熱通量、散射面無通量頂棚壁面熱通量、散射面無通量關閉風機地面壁面溫度、散射面無通量風機壁面熱通量、散射面無通量濕簾壁面熱通量、散射面無通量四周圍護壁面熱通量、散射面無通量頂棚壁面熱通量、散射面無通量開啟風機地面壁面溫度、散射面無通量風機壓力出口流出流出濕簾速度入口溫度濃度

表2 基本參數設置
Tab.2 Common parameters used in CFD model

參數 數值太陽輻射強度/(W·m-2)832室外環境溫度/℃36.5室內地面溫度/℃39.5入口相對濕度/%82.3薄膜壁面溫度/℃39.5薄膜頂棚溫度/℃41.5薄膜對流換熱系數/(W·(m2·K)-1)6.6土壤發射率0.92薄膜發射率0.70土壤吸收率0.88薄膜吸收率0.10

濕簾風機關閉狀態下，對溫室設置體積力域，用以計算溫度影響空氣密度帶來的自然對流，并設置壓力約束點以提供壓力參考點。

濕簾風機開啟狀態，入口風速計算式[11]為

vin=nQfan/Sin

(5)

式中vin——入口風速，m/sn——開啟風機數量，臺Qfan——單臺風機排風量，m3/hSin——入口面積，m2

入口溫度可根據濕簾降溫模型[15]計算，即

Tin=Tout-E(Tout-Tw)

(6)

式中Tin——濕簾后干球溫度，℃Tout——濕簾前干球溫度，℃E——濕簾蒸發冷卻換熱效率Tw——濕簾前濕球溫度，℃

1.6 網格劃分和求解步驟

選取整棟溫室作為計算域。溫室內部采用自由剖分四面體網格進行劃分，并在濕簾入口、風機出口和壁面邊界進行邊界層加密，以適應該區域速度、溫度和濃度梯度變化大的要求。為得到數值計算的網格無關解，反復嘗試不同密度的網格，本次計算整個模型共劃分743 604域單元、59 854邊界單元和2 424邊單元。

第1階段進行濕簾風機關閉狀態穩態求解；第2階段進行濕簾風機開啟狀態瞬態求解，求解變量的初始值設為第1階段的計算解；隨后以上階段結果為初始值進行穩態或瞬態任意狀態仿真。各階段間的計算主要關注速度、壓力、溫度、濃度等參數的傳遞。

所有計算在Intel Xeon E5-1620V3 CPU，主頻3.5 GHz，內存64 GB，操作系統為64位Windows 10的計算機上進行，建模過程中前處理、求解、后處理等過程均在COMSOL Multiphysics 5.2環境下進行。各算例穩態計算歷時近6 h，瞬態計算與仿真步長、時長有關，如步長1.5 s、時長10 min歷時近15 h。

2 機械通風實驗

2.1 實驗平臺

實驗采用上海交通大學智能機電系統控制研究所研制的基于物聯網的智能溫室環境參數監測系統“iGreenhouse Monitor”。該系統基于ZigBee的無線傳感器網絡，最多可達50個節點，室內節點如圖3所示，可監測溫室內空氣溫濕度、土壤溫濕度、光照強度，室外空氣溫濕度、風速、風向、大氣壓、雨量及太陽輻射強度。土壤表面溫度測量采用CA380型手持式紅外測溫儀，薄膜溫度測量采用PT100型鉑電阻。傳感器詳細參數見表3。

圖3 無線傳感網絡路由器和終端節點Fig.3 Router and end node in wireless sensor network

2.2 實驗方案

7月下旬—8月上旬，上海地區的氣溫達到全年的峰值，該段時間的溫室降溫尤為重要。實驗時間為2016年7月31日，天氣晴朗，室外溫度較高且相對平穩。開始時間為13:10，溫度為1 d中最高的階段，室外氣溫達到36℃以上。由于室內氣溫達到32℃以上將不適宜作物生長，此時需開啟濕簾-風機進行機械通風降溫。實驗期間遮陽網為打開狀態。

表3 傳感器參數
Tab.3 Parameters of sensors

傳感器類型測量范圍測量精度室內空氣溫度-40～123.8℃±0.3℃室內空氣相對濕度0～100%<2%室內土壤溫度-40～80℃±0.5℃室內土壤相對濕度0～100%<5%室外空氣溫度-40～123.8℃±0.2℃室外空氣相對濕度0～100%<3%室外風速0～60m/s±3%室外風向0～359.9°±3°室外大氣壓10～1100hPa±0.5hPa室外太陽輻射強度0～2000W/m2<3%土壤表面溫度-32～380℃±2℃薄膜溫度-200～200℃±0.15℃

溫室內傳感器每20 s記錄一次數據。溫室內外共布置30個測量節點，如圖4所示。傳感器編號方式如下：距離濕簾4、12、24 m位置編號A、B、C，距離地面1.3 m和2 m位置編號L、H，自北向南每棟編號1、2、3、4、5，除HA1、HC1、HA5、HC5外，其余位置各布置一個節點；另外分別在緊鄰濕簾內外正中間位置東西各布置一個節點。室外氣象站布置在距離溫室10 m處的空曠區域。

圖4 溫室內傳感器節點分布圖Fig.4 Distribution diagrams of sensors in greenhouse

實驗步驟：

(1)關閉所有門窗，待室內氣溫升高至穩定。

(2)打開風機，待室內氣溫降低至穩定。

(3)關閉風機，待室內氣溫升高至穩定。

(4)重復上述步驟，進行下一組實驗。

2.3 實驗結果

本次實驗分別進行了啟閉10臺、6臺和4臺風機的實驗。最具代表性的先后啟閉10臺和4臺風機情況下植物冠層即截面L典型位置測得的氣溫變化曲線如圖5所示。

圖5 溫室內植物冠層溫度實測值變化曲線Fig.5 Measured temperatures of plant canopy inside greenhouse at section L

圖6 植物冠層仿真溫度與實測溫度變化曲線Fig.6 Changing curves of simulated and measured temperatures at section L

由實驗結果可以看出，開啟10臺和4臺風機，各測點氣溫變化趨勢一致，即開啟風機時快速下降，隨后緩慢下降，最后達到并保持穩定。開啟10臺風機的情況下，相較于開啟4臺風機，氣溫下降速度較快，且縱向溫度梯度較大，穩定溫度略低，橫向分布較為均勻，兩者溫度上升趨勢基本一致。

圖5a為屋脊方向典型縱截面的實驗結果，可以觀察到與濕簾不同距離測點氣溫的變化情況，可以看出距離濕簾越近，氣溫下降越早，且達到的穩定溫度越低。圖5b為跨度方向典型橫截面的實驗結果，可以觀察到每棟測點氣溫的變化情況，可以看出受推拉門處造成濕簾不連續的影響，第3棟降溫效果最差，氣溫下降速度最慢，穩定溫度最高。

3 模型驗證與通風過程分析

3.1 模型驗證

模型驗證時選取實驗參數作為邊界條件參數，具體參數見表4 方案1及表2。實驗條件下，溫室內植物冠層典型截面(即縱截面2和橫截面B)，各測點氣溫仿真值和實測值如圖6所示，由于橫截面B具有對稱性，在此僅展示B1、B2、B3測點結果。

表4 仿真方案參數設置
Tab.4 Parameters in different simulation cases

方案編號風機數量/個入口溫度/℃溫室長度/m環境溫度變化量/℃110303202630320343032042303205102832061029320710313208103040091030480101030100011103032112103032-1

由圖6可知，在氣溫下降階段，各測點的仿真值相比于對應實測值下降速率明顯快，其主要原因是仿真模型是理想的密封環境，而實際溫室存在不可避免的空氣滲透問題。在穩定階段兩者基本一致。變化過程中溫度梯度也保持一致，即縱截面2方向距離濕簾越近氣溫下降越快，溫度也較低，第1棟與第2棟氣溫基本一致，第3棟氣溫相對較高，且下降速度較慢。

從風機開啟至氣溫下降到穩定階段，溫室內所有測點的絕對誤差，即實測值與仿真值之差，分布如圖7所示。由圖可知，誤差較大的區域主要集中在氣溫快速下降階段，其主要原因是溫室的空氣滲透問題，導致實際情況下氣溫下降速率相較于仿真略緩慢，由圖6也可觀察到這一現象，從而導致在氣溫快速下降階段誤差較大。整個過程均方根誤差為1.39℃，平均相對誤差為2.63%，穩定階段均方根誤差為0.53℃，平均相對誤差為0.79%。誤差分析結果表明，仿真值與實測值雖存在一定偏差，但整體溫度場的分布和溫度變化的趨勢基本一致，所建立的模型是有效的，仿真結果能夠比較準確地顯示溫室氣溫的分布和變化。

圖7 仿真值與實測值絕對誤差分布Fig.7 Distribution of absolute error between simulated and measured temperatures

3.2 機械通風過程分析

圖8和圖9為方案1條件下機械通風過程中縱截面2和橫截面L的速度瞬態分布云圖。從圖中可以看出，受機械通風、熱浮力共同作用，以及溫室邊界的限制，溫室內氣體流動存在湍流現象。濕簾入口和風機出口處速度較高，且變化較為劇烈，呈現明顯的速度梯度，從出入口向溫室內部風速逐漸減弱。由圖9可以看出，受到溫室推拉門的影響，溫室中部風速明顯較低，且基本不發生變化，通風效果較差。

圖10和圖11為方案1條件下機械通風過程中縱截面2和橫截面L的溫度瞬態分布云圖。從圖中可以看出：整個通風過程中，四周壁面和地面附近溫度相對較高，主要因為這些地方受到強烈太陽輻射的影響；頂棚附近溫度較高，主要因為受太陽輻射和熱浮力共同影響。

圖8 縱截面2速度瞬態分布云圖Fig.8 Transient distribution contours of velocity at section 2

圖9 橫截面L速度瞬態分布云圖Fig.9 Transient distribution contours of velocity at section L

圖10 縱截面2溫度瞬態分布云圖Fig.10 Transient distribution contours of temperature at section 2

圖11 橫截面L溫度瞬態分布云圖Fig.11 Transient distribution contours of temperature at section L

機械通風形成的冷空氣在向前推進的過程中，冷空氣會包裹暖空氣形成溫度漩渦，未及時推動的暖空氣會被卷入其中，在冷空氣氣流中不斷進行熱交換并向前移動，直至到達風機口處排出。受溫室邊界及熱浮力的影響，溫室各角落溫度相對較高。由于氣流將熱空氣攜帶至風機口處排出，同時受到風機處邊界的阻礙，導致風機口處溫度相對較高。由于推拉門的存在，溫室中部通風效果較差，導致該區域降溫效果也較差。

4 機械通風優化設計

4.1 機械通風參數優化

為分析開啟風機個數、入口溫度、溫室長度和環境溫度變化(即相對于表2室內地面溫度、薄膜壁面溫度和薄膜頂棚溫度變化)對溫室機械通風降溫效果的影響，共進行12組仿真計算，參數設置如表4所示，其它基本參數見表2。

圖12為表4的不同方案下，植物冠層即橫截面L氣溫仿真平均值的變化曲線。

圖12 橫截面L不同方案下空氣溫度仿真平均值變化曲線Fig.12 Changing curves of simulated average air temperature in different cases at section L

由圖12a可以看出隨著開啟風機數量減少，溫室內降溫速度在一定程度上變慢，且穩定溫度會升高。相較于開啟10臺風機降溫至穩定的時間，開啟6臺風機約為其1.5倍，開啟4臺風機約為其2.2倍，開啟2臺風機約為其4.5倍。相較于開啟10臺風機，開啟6臺和4臺風機約升高0.3℃，開啟2臺風機約升高0.7℃。因此在降溫速度要求不高的情況下，可適當減少開啟風機的數量，減少能源消耗。

由圖12b可以看出，溫室長度的增加會影響降溫效果，增加降溫時間，提高穩定溫度，但在一定范圍內對降溫效果的影響較小，如增加50%的情況下，平均穩定溫度僅升高0.5℃，但單位面積能耗明顯下降。因此可適當增加溫室長度，降低溫室單位面積能耗。

由圖12c可以看出，入口溫度的降低對于降溫速度的影響較小，但會顯著降低穩定溫度，每降低1℃，穩定溫度平均可降低0.9℃。入口溫度對于溫室降溫效果的影響較為顯著，可通過降低入口溫度的方式提高降溫效果，如使用地下水、增加濕簾厚度等。

由圖12d可以看出，較小范圍地改變外界環境溫度，對于機械通風的降溫效果影響較小。

4.2 機械通風策略優化

圖13所示為不同控制策略下，植物冠層氣溫仿真平均值的變化曲線。策略1為開啟10臺風機持續工作；策略2為開啟10臺風機降溫至穩態溫度后關閉風機，待溫度回升到一定程度后再次開啟10臺風機降溫，為保證溫室平均氣溫低于32℃，本文在溫度回升至32.59℃時即再次開啟風機進行降溫；策略3為開啟10臺風機迅速降溫至穩態溫度后只保留4臺風機開啟維持降溫效果。

圖13 橫截面L不同控制策略下空氣溫度仿真平均值變化曲線Fig.13 Changing curves of simulated average air temperature with different control strategies at section L

在長時間連續降溫過程中，開始階段的快速降溫的能耗可忽略，因此選取600 s以后的2個完整周期評價策略效果，結果如表5所示。

表5 不同控制策略結果比較
Tab.5 Comparison of results with different control strategies

參數策略1策略2策略3風機數量/個10104間歇比10.531等效風機數量/個105.34平均溫度/℃30.8831.8231.09最高溫度/℃30.8832.5931.09溫度穩定性/℃<0.1<0.43<0.1

注：溫度穩定性為完整周期內的溫度均方根誤差，間歇比指風機開啟時間的占比。

策略1降溫效果和穩定性最好，但能源消耗過大，降溫成本較高，策略2溫室平均溫度升高0.94℃，穩定性也較差，但可降低約47%的能源消耗，策略3溫室平均溫度升高0.21℃，穩定性也較好，同時可降低60%的能源消耗。因此針對實驗溫室，選擇策略2和策略3都能大幅降低能源消耗，而策略3從實現的簡單和效果兩方面都為較適宜的機械通風控制策略。

5 結論

(1)建立了南方連棟塑料溫室全尺度三維瞬態及穩態機械通風仿真模型。通過實驗驗證了仿真模型預測氣溫瞬態變化趨勢和穩態分布的準確性。結果表明，氣溫下降階段仿真值與實測值誤差較大，原因是仿真模型的理想密封環境與實際溫室存在的空氣滲透之間存在差異；氣溫達到穩定階段兩者保持一致；且整個過程各點溫度梯度保持一致。

(2)仿真結果表明：開啟風機的數量對降溫速度影響較大，對穩定溫度影響較小；與濕簾水溫等直接相關的入口溫度對穩定溫度影響顯著，每降低1℃，穩定溫度平均可降低0.9℃；溫室長度和外界環境溫度對降溫效果影響較小，溫室長度增加50%，平均穩定溫度僅升高0.5℃；濕簾入口的不連續會嚴重影響溫室部分區域的降溫效果。

(3)控制策略研究表明：可合理控制風機開啟時機、開啟時長和風機數量，以達到節能減排，節約溫室使用成本的目的。采用10臺風機間歇運行和10臺風機快速降溫、4臺風機維持的策略，可比10臺風機持續運行分別降低約47%和60%的能源消耗，植物冠層平均溫度僅升高0.94℃和0.21℃。

1 周偉, 汪小旵, 李永博. 可變邊界條件下的Venlo溫室溫度場三維非穩態模擬[J/OL]. 農業機械學報, 2014,45(11): 304-310. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20141147&flag=1.DOI：10.6041/j.issn.1000-1298.2014.11.047. ZHOU Wei, WANG Xiaochan, LI Yongbo. Unsteady temperature simulation under variable boundary conditions for Venlo type greenhouse[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(11): 304-310. (in Chinese)

2 ROY J C, BOULARD T. CFD prediction of the natural ventilation in a tunnel-type greenhouse: influence of wind direction and sensibility to turbulence models[J]. Acta Horticulturae, 2005, 691:457-464.

3 TOMAS N, SUN D, JIM G, et al. Applications of computational fluid dynamics (CFD) in the modeling and design of ventilation systems in the agricultural industry: a review[J]. Bioresource Technology, 2007, 98(12): 2386-2414.

4 KUMAR K S, TIWARI K N, JHA M K. Design and technology for greenhouse cooling in tropical and subtropical regions: a review[J]. Energy and Buildings, 2009, 41(12): 1269-1275.

5 OKUSHIMA L, SASE S, NARA M. A support system for natural ventilation design of greenhouses based on computational aerodynamics[J]. Acta Horticulturae, 1989, 248:129-136.

6 KACIRA M, SASE S, OKUSHIMA L. Optimization of vent configuration by evaluating greenhouse and plant canopy ventilation rates under wind-induced ventilation[J]. Transactions of the ASAE, 2004, 47(6): 2059-2067.

7 BOURNETA P E, BOULARD T. Effect of ventilator configuration on the distributed climate of greenhouses: a review of experimental and CFD studies[J]. Computers and Electronics in Agriculture, 2010, 74(2): 195-217.

8 童莉, 張政, 陳忠購,等. 機械通風條件下連棟溫室速度場和溫度場的CFD數值模擬[J]. 中國農業大學學報, 2003, 8(6): 33-37. TONG Li, ZHANG Zheng, CHEN Zhonggou, et al. Simulation of mechanical ventilation for huabei type multispan plastic greenhouse[J]. Journal of China Agricultural University, 2003, 8(6): 33-37. (in Chinese)

9 CHEN J, CAI Y, XU F, et al. Analysis and optimization of the fan-pad evaporative cooling system for greenhouse based on CFD[J]. Advances in Mechanical Engineering, 2014(4):1-8.

10 胥芳, 蔡彥文, 陳教料, 等. 濕簾-風機降溫下的溫室熱/流場模擬及降溫系統參數優化[J]. 農業工程學報, 2015, 31(9):201-208. XU Fang, CAI Yanwen, CHEN Jiaoliao, et al. Temperature/flow field simulation and parameter optimal design for greenhouses with fan-pad evaporative cooling system[J]. Transactions of the CSAE, 2015, 31(9): 201-208. (in Chinese)

11 任守綱, 楊薇, 王浩云，等. 基于CFD的溫室氣溫時空變化預測模型及通風調控措施[J]. 農業工程學報, 2015, 31(13):207-214. REN Shougang, YANG Wei, WANG Haoyun, et al. Prediction model on temporal and spatial variation of air temperature in greenhouse and ventilation control measures based on CFD[J]. Transactions of the CSAE, 2015, 31(13):207-214. (in Chinese)

12 王福軍. 計算流體動力學分析: CFD軟件原理與應用[M]. 北京: 清華大學出版社, 2004.

13 吳飛青, 張立彬, 胥芳，等. 機械通風條件下玻璃溫室熱環境數值模擬[J]. 農業機械學報, 2010,41(1): 153-158. WU Feiqing, ZHANG Libin, XU Fang, et al. Numerical simulation of the thermal environmentina mechanically ventilated greenhouse[J]. Transactions of the Chinese Society for Agricultural Machinery, 2010,41(1): 153-158. (in Chinese)

14 何科奭, 孫麗娟, 黃震宇，等. 南方連棟塑料溫室冬季通風除濕開窗優化[J/OL]. 農業機械學報, 2012, 43(11): 186-191.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20121135&flag=1.DOI：10.6041/j.issn.1000-1298.2012.11.035. HE Keshi, SUN Lijuan, HUANG Zhenyu, et al. Optimization of vent configuration for ventilation dehumidification in multi-span plastic greenhouses[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2012, 43(11): 186-191. (in Chinese)

15 JB/T 10294—2013 濕簾降溫裝置[S].2013.

Optimization Design of Mechanical Ventilation for Multi-span Plastic Greenhouses in Southern China during Summer

HUANG Zhenyu1GAO Haotian1ZHU Senlin1ZHAO Chunyu1CAI Chunhua2

(1.SchoolofElectronicInformationandElectricalEngineering,ShanghaiJiaoTongUniversity,Shanghai200240,China2.ShanghaiPudongModernAgricultureGreenhouseEngineeringTechnologyCompany,Shanghai201210，China)

Due to the long-term summer in southern China, the crops in greenhouses suffer from high temperature seriously. In order to improve the cooling effect and reduce the energy consumption of ventilation, it is necessary to optimize the design and control strategy for the mechanical ventilation system of greenhouses. A full-scale 3-D transient and steady CFD simulation model was established for a typical multi-span plastic greenhouse in southern China. By using evenly distributed temperature, humidity and light sensors inside and outside the greenhouse, the variation and distribution of temperature driven by the mechanical ventilation were measured. The comparison between the experimental and simulation results showed that the CFD model was valid. Under the high ambient temperature, the CFD model was carried out to investigate the impact of design parameters, such as the number of working fans, length of greenhouse, inlet temperature and outside environment temperature, on cooling effect of mechanical ventilation. And then the cooling effect under different control strategies of mechanical ventilation was simulated to reduce the energy consumption. The proposed CFD model can provide optimized parameters for the design and control of multi-span plastic greenhouse mechanical ventilation in summer, which can be applied to improve the cooling effect and reduce energy consumption of ventilation.

multi-span plastic greenhouse; mechanical ventilation; optimization design; computational fluid dynamics

10.6041/j.issn.1000-1298.2017.01.033

2016-09-18

2016-10-19

國家高技術研究發展計劃(863計劃)項目(2012AA10A505)和上海市科技興農重點攻關項目(滬農科攻字(2009)第8-1號)

黃震宇(1975—)，男，副教授，主要從事農業信息化研究，E-mail： bighuang@sjtu.edu.cn

S625.5+3

A

1000-1298(2017)01-0252-08