摘要:太陽能供熱廣泛地影響人們的日常生活，隨著供熱系統工程化，保障太陽能供熱系統及時、高效、穩定運行成為重點發展方向.將遠程控制系統作為太陽能供熱的長效監測控制裝備，對其進行深入研究的必要性不言而喻.通過CAN總線接收來自各用戶單元的數據以及通過LORA無線通訊模塊將相關信息發送至遠距離顯示模塊，同時通過GPRS模塊與遠程服務器進行數據通信，并建立太陽能制熱單元逐時制熱量預測模型.監控主機模塊采集數據的準確性和實時性以及數據處理的正確性是整個系統運行穩定的關鍵.

　　關鍵詞:無線網絡傳輸;太陽能傳熱系統;制熱控制;制熱量預測

　　0引言

　　目前普遍使用的太陽能加熱器制熱控制策略較為簡單，多數采用簡易的溫度控制邏輯完成加熱，不能根據外部條件及時調整系統運行狀態，難以最大化發揮太陽能能效.Lopes、Oliveira等人研制了太陽能提供熱水的智能控制設備，可實現用戶自我調節水溫，并設置了相關控制策略以減少輔助電能消耗，但只適用于單用戶情況.

　　中南大學的許奎等人設計了一套基于PLC的太陽能供熱監控系統，采用BP神經網絡對制熱量模型進行優化[1].該套系統的PLC下位機與PC上位機通過串口進行通訊[2-3]，不具備遠程監控功能，而且上位機只實現了制熱量預測，不能直觀監測和顯示供熱系統的運行狀態.

　　本文中采用了基于擴頻技術的超遠距離無線傳輸方式，利用傳感網絡，進行遠程監控，實現了遠距離、長壽命、大容量的太陽能傳熱控制系統.同時，開發了太陽能制熱單元逐時制熱量預測模型，采用PSO算法優化BP神經網絡[4]，利用自行設計的軟、硬件方案搭建實驗環境展開技術驗證.

　　1太陽能傳熱系統制熱控制策略

　　1.1制熱控制要求

　　當供熱系統處于太陽能制熱單元與輔助電加熱器聯合制熱時，監控系統的控制功能主要是在水箱補水時預測判斷供熱系統能否單獨依靠太陽能制熱單元完成水制熱，以此為依據完成輔助電加熱器的啟停操作，使得制熱系統更加充分有效地利用太陽能制熱.系統熱源由輔助電加熱器的制熱量Qp以及太陽能制熱單元的制熱量Qs兩部分組成，控制系統的要求需要盡量降低Qp值而增大Qs值.

　　本系統采用恒定水溫供熱水模式，由于用戶對熱水的消耗導致水箱水位下降，通過補水后水箱水溫也隨之下降，因此需要制熱系統對水進行加熱.輔助電加熱器啟停條件:本文中設定補水時刻到水溫恢復恒定溫度的時間為1h，如果監控系統能夠預測從補水時刻開始1h內太陽能制熱單元的制熱量Qs，將其與目標制熱量進行比較，即可得知在該時間段內系統是否需要啟動輔助電加熱器進行輔助制熱水.由此可見，制熱控制策略的關鍵是準確地計算出從補水時刻開始1h內太陽能制熱單元的制熱量Qs.

　　1.2制熱控制策略

　　目前，已有輔助加熱設備的太陽能供熱系統控制策略都較為簡單，一般以檢測的水溫為基礎，通過人為經驗設定控制條件來完成輔助電加熱器的啟停操作.這種方式導致在太陽能輻射強度足夠大時，制熱系統未能有效利用太陽能而消耗了常規能源，因此需要改進控制策略[5].

　　1.3逐時制熱量預測方法分析

　　智能化預測技術主要有3大方向:人工神經網絡、模糊邏輯系統以及專家系統.其中，人工神經網絡具有不依賴人為經驗，自主學習、記憶、推理等優點，被廣泛運用于各領域.而相對其他人工神經網絡模型，BP神經網絡模型具有較強的非線性映射能力和自學習、自適應能力，通過訓練在輸入數據集和輸出數據間建立網絡能很好地處理預測結果和相關因素的非線性關系，缺點是會導致過擬合現象而且訓練時間較長[6-7].通過分析，BP神經網絡的優點適用于太陽能制熱單元逐時制熱量預測，但由于存在過度擬合、訓練時間長、容易陷入局部最優等局限，需要改進BP神經網絡.

　　1.4基于PSO算法優化

　　BP神經網絡建立的太陽能制熱單元逐時制熱量預測模型包含4個輸入因子:預測時的日期序號、預測時刻、預測時的外界溫度以及云量大小;1個輸出因子為:預測時的太陽能制熱單元制熱量;隱含層節點數z由輸入層神經元個數x[8]、輸出層神經元個數y以及常數b決定，最后將b確定為5，如式(2)所示。

　　1.5太陽能制熱單元逐時制熱量預測仿真

　　將上述預測模型用MATLAB軟件仿真，在武漢地區選取天氣狀況良好的2018年3月8日、3月9日對預測數據進行分析，預測模型的期望輸出值、預測輸出值以及預測輸出的相對誤差，太陽能制熱單元制熱量的預測值與實際值總體比較接近，也有個別預測點誤差較大.說明此制熱量預測模型整體預測效果較好，但由于訓練集所包含的實際情況不足，仍然會導致某些預測點相對誤差稍大.

　　2系統設計

　　2.1系統總體設計

　　太陽能傳熱系統主要由監控用戶單元、監控主機單元、遠距離顯示單元等3部分組成.其中監控用戶單元用于監控用戶的用熱量情況;監控主機單元用于監控整體供熱情況;遠距離顯示單元能直觀、實時、精確地顯示整體供熱情況.監控用戶單元與監控主機單元通過CAN總線組網，監控主機單元與遠距離顯示單元通過LORA通信模塊無線傳輸.

　　2.2無線網絡技術及本研究中的運用

　　LORA作為創建遠程通訊鏈路的無線調制方式，同時也是通訊物理層.頻移鍵控(FSK)作為一種高效的調制方式，在很多無線通訊技術中被采用為物理層，而LORA作為基于chirp編碼脈沖技術的調制方式，同時擁有FSK調制的低功耗特性以及通訊距離遠的優勢[12].LORA調制技術在抗阻塞和選擇方面相較于傳統的調制技術也具有明顯的優勢，解決了傳統技術無法同時滿足通訊距離遠、抗干擾和低功耗的問題[13].

　　2.2.1SX1278模塊初始化

　　SX1278模塊要工作在LORA模式下，需要主控核心模塊通過SPI接口對其進行初始化，也就是需要配置SX1278芯片的內部寄存器.

　　2.2.2SX1278數據發送

　　作為半雙工收發器，SX1278在同一時間內只能進行數據接收或數據發送，收發模式每次轉換都需要單獨重新初始化.這個過程也是通過寄存器操作完成的，同時SX1278提供數字端口DIO0中斷主控模塊來提示數據接收和數據發送的完成.

　　2.3系統軟件組成

　　系統軟件主要包含:數據采集、內部邏輯控制、報警信息顯示以及各模塊之間的數據通信協議設計.

　　3實驗結果分析

　　3.1系統實機搭建

　　為了測試本文所論述系統的實際運行效果，選擇湖北省氣象局大樓樓頂平臺作為實驗場所展開測試，平臺光照充足，符合實驗環境要求.搭建的實驗設備包括保溫水箱、太陽能集熱管、保溫水箱內的輔助電加熱器，還有監控用戶單元和監控主機單元，將監控系統裝至太陽能供熱部分并調試正常后，對傳熱系統進行數據采集.

　　3.2實驗結果分析

　　太陽能制熱單元數據采集:為了獲取太陽能制熱單元的運行參數，關閉系統控制功能，采集制熱單元的制熱數據.數據記錄期間的天氣情況:15日云雨降溫;16日多云轉晴;17日云雨降溫;18日多云轉陰.根據實驗結果可知，太陽能制熱單元在15、17兩日陰雨降溫的天氣制熱效果不佳，水箱水溫一天內有下降的可能;在天氣情況好轉的16、18兩日，太陽能制熱單元的制熱效果較好，制熱量從當天11時開始明顯增大，并于下午1416時期間達到峰值，且全天的制熱量數據近似正態分布.

　　為了驗證本文所述太陽能傳熱系統的能源利用率，將其與許奎設計的控制系統展開類似條件下對比觀測，對本傳熱系統進行制熱水實驗.根據2018年8月16、17、18三日記錄數據計算得到太陽能制熱單元的制熱量和能源利用率.雖然兩組實驗觀測當天的天氣現象、溫度狀況等外部條件不盡相同，計算所得能源利用率也有不同，但實驗結果顯示本文所述傳熱系統在太陽能加熱器制熱控制策略下的運行效果令人滿意.將本文中研究的太陽能傳熱系統與以往設計的控制系統相比較，每天的平均能源利用率都有所提高，系統節能效果良好.

　　4總結

　　本文中針對太陽能傳熱系統的工作特點，搭建相關實驗環境，通過超遠距離無線傳輸方式，利用傳感網絡，對太陽能傳熱系統進行遠程監控，同時采用PSO算法優化BP神經網絡并通過仿真驗證.其結果表明:優化算法可以有效運用于太陽能制熱單元的逐時制熱量預測，提高太陽能制熱單元的制熱效率，從而減少對常規輔助電能的消耗.該技術符合當今節能減排的大趨勢，可推廣應用于小區樓宇太陽能供熱監控系統等節能工程，具有十分廣闊的市場前景.

　　5參考文獻

　　[1]許奎.基于制熱量預測模型的太陽能水源熱泵節能控制技術研究[D].長沙:中南大學，2014.

　　[2]肖磊，謝菊芳.一種基于PLC的PID流量控制設計[J].湖北大學學報(自然科學版)，2007，29(1):44-46.

　　[3]雷俐殊，謝菊芳，宋甜，等.基于自由口協議的S7-200PLC與伺服電機的數據通訊[J].湖北大學學報(自然科學版)，2011，33(2):146-148.

　　[4]鄧偉康，劉鋒，朱二周，等.基于新型PSO算法優化BP神經網絡的軟件缺陷預測方法研究[J].微電子學與計算機，2017，34(4):39-43.

　　[5]江樂新，陳慶杰，鐘杰.多功能太陽能空調制熱兼制熱水模式負荷平衡控制策略的研究[J].熱科學與技術，2012，11(2):182-186.

　　[6]王蒙，常勝，王豪.一種自適應訓練的BP神經網絡FPGA設計[J].現代電子技術，2016，39(15):115-118.

　　[7]徐暉，王乾宇，張干兵，等.用BP神經網絡法預測反相液相色譜保留值[J].湖北大學學報(自然科學版)，2002，24(2):145-148.

　　電子類刊物推薦：《現代電子技術》是由陜西省信息產業廳主管，陜西省電子技術研究所、陜西電子學會和陜西電子雜志社主辦的一本半月刊科技類期刊。