温室微气候高度异质,但捕获这种空间变异性通常需要密集的传感器网络,由于成本和维护问题,此类网络在实践中难以实施。因此,气候管理往往依赖于不完整的空间数据。为解决这一问题,研究人员开发了一种同步数字孪生(Digital Twin, DT),通过在39个分布位置生
温室微气候高度异质,但捕获这种空间变异性通常需要密集的传感器网络,由于成本和维护问题,此类网络在实践中难以实施。因此,气候管理往往依赖于不完整的空间数据。为解决这一问题,研究人员开发了一种同步数字孪生(Digital Twin, DT),通过在39个分布位置生成空气温度估计值来表征温室微气候行为。一项关键贡献是将基于CFD的DT集成到标准化、可扩展的物联网(Internet of Things, IoT)生态系统中,实现连续同步和运行化部署,而不仅限于离线模拟。该DT利用ANSYS FLUENT中的CFD模型与节点能量平衡模型耦合,以表示真实运行条件下的热动力学。该虚拟模型部署在基于FIWARE平台和OMA NGSI标准的模块化IoT架构中。通过iVeg平台,物理传感器、执行器和CFD衍生的虚拟传感器通过表述性状态转移应用程序接口(Representational State Transfer Application Programming Interface, REST API)和交互式仪表盘暴露,确保物理温室与其虚拟对应物之间的无缝交互。实验验证表明,模拟与实测温度之间具有令人满意的一致性,在所有验证的传感器位置和对比气象条件下,离线验证的平均绝对误差(Mean Absolute Error, MAE)在0.74 ℃至1.04 ℃之间(均方根误差(Root Mean Square Error, RMSE):0.94–1.35 ℃;归一化平均绝对误差(Normalized Mean Absolute Error, NMAE):3.55–5.28%),在线 ℃;NMAE:5.3–9.3%)。通过在无需额外硬件的情况下扩展空间温度监测,该DT生成空间分布的温度估计值以补充物理测量,并为温室气候管理中的预测性监测和决策支持奠定基础。
温室微气候受太阳辐射、浮力驱动对流、作物蒸腾和通风气流的综合作用,在水平和垂直方向上均呈现显著的空间异质性,这会导致作物生长不均、局部热胁迫以及冷凝相关病害风险增加。然而,商用温室的气候监测通常依赖稀疏的物理传感器网络,仅能提供点位测量数据,难以完整刻画空间微气候格局。密集布设传感器在经济和运行层面均不切实际,导致监督控制系统和决策支持工具往往在不完整的空间信息下运行。计算流体力学(Computational Fluid Dynamics, CFD)虽能基于第一性原理提供高分辨率的流场和热环境描述,但其高昂的计算成本和复杂配置限制了其向运行监测与决策系统的集成。数字孪生(Digital Twin, DT)概念通过建立物理系统与虚拟表示之间连续的数据驱动联系,为弥合这一鸿沟提供了框架。然而,现有研究要么将高保真CFD模型作为离线设计工具,要么在实际温室中部署的DT仅依赖数据驱动或简化模型,尚无框架能同时满足高保真物理建模与运行级IoT集成两方面的需求。
针对上述空白,研究人员在位于西班牙阿尔梅里亚大学的AgroConnect实验温室(总面积1840 m2,六跨Almería型温室,番茄种植,平均株高约2 m,叶面积指数约3.1 m2m?2)中,开发并运行验证了一种同步的基于CFD的温室气温DT,并将其集成到基于FIWARE平台和OMA NGSI标准的标准化IoT架构中。该研究提出了三项主要贡献:一是开发了由二维高保真CFD模型与节点能量平衡模型耦合的同步温室DT;二是设计并部署了基于开放标准的互操作IoT架构,实现物理传感器、CFD模拟与虚拟传感器之间的连续数据交换;三是在地中海温室真实运行条件下完成了DT的实验验证,并将其集成到iVeg智慧农业平台中。该研究论文发表在《Internet of Things》期刊上。该工作通过生成39个分布在三个横截面上的虚拟传感器,无需额外硬件即扩展了空间温度监测能力,为温室气候管理中的预测性监测和决策支持奠定了基础。
为开展研究,研究人员采用了以下主要技术方法:首先,构建了三个独立的高保真二维CFD模型(对应温室横截面F1、F2、F3),在ANSYS FLUENT中求解瞬态对流—扩散方程,并耦合两波段灰体离散坐标(Discrete Ordinates, DO)辐射模型以刻画太阳短波辐射与长波辐射换热;其次,通过一个基于MATLAB/SIMULINK的一维替代能量平衡模型,采用非线性最小二乘法(lsqnonlin求解器)对13个关键不确定参数进行季节性校准;再次,采用多孔介质参数变化简化通风口运动特性,并通过能量损失源项模拟侧面通风口在第三维度的均匀化效应;最后,利用三次样条插值将CFD节点输出扩展为39个空间分布虚拟传感器数据,并通过FIWARE/OMA NGSI标准发布至iVeg平台。湿度和CO2被视为边界条件输入,而CFD框架已包含水蒸气输运方程,为未来湿度预测扩展保留了接口。
针对地中海气候下春季、夏季和秋季三个季节的实测数据,研究人员以六个室内真实/虚拟传感器位置的气温作为响应变量,对13个关键参数进行独立校准。在传感器位置F1_4_S1的校准结果中,温度范围为4.72 ℃至48.35 ℃时,MAE为0.76 ℃,最大误差2.33 ℃,标准差1.07 ℃,NMAE为8.79%,证明了替代模型的良好拟合性能,所获最优参数随后用于驱动CFD模型。
针对两种降维近似方法分别进行了验证。第一种方法用多孔介质模型参数变化替代二维平面内通风口的动态运动。CFD模拟显示,当外部风速低于1 m s?1时,浮力效应主导温室气流行为;风速高于1 m s?1时,风压驱动气流从迎风侧进入、经屋顶和背风侧通风口流出。关闭状态下通过介质区域的体积流量仅为通风状态的约0.3%,可忽略冷风渗透对系统的整体影响。第二种方法用热浮力能量损失源项模拟侧面通风口在第三维度的运动效应,2024年6月的四天验证结果表明该简化方法能够准确表示四个侧面通风口相关的对流换热动态过程,平均相对误差0.57 ℃,最大绝对误差0.89 ℃。
在独立验证期(2024年11月19–25日)内,离线验证的六个室内监测节点的MAE介于0.74 ℃至1.04 ℃之间,对应RMSE介于0.94 ℃至1.35 ℃,NMAE介于3.55%至5.28%,表明模型在较大范围的外部气候条件下与实测数据吻合良好。同时发现,模型对通风口输入的响应早于实测响应,这归因于模型忽略了实际运行中电机驱动通风口的惯性和响应时间。此外,在夜间室内外温差较大的时段,模型系统性地高估了室内温度,原因是未考虑通过温室围护结构缝隙和孔洞的冷风渗透热损失。
在配备Intel Core i9-14900K 3.20 GHz处理器(128 GB内存)和NVIDIA GeForce RTX 4070 Ti 12 GB显卡的工作站上,以5分钟同步间隔进行四个模拟周期(每个周期对应一周连续运行,共7680个数据点)的端到端执行时间测试。平均执行时间为200.65 ± 32.15 s,最大和最小执行时间分别为288.18 s和87.17 s,均低于300 s的更新窗口,满足实时运行要求。相关分析显示,风速与运行时间呈最强负相关(r = ?0.634),太阳辐射呈中等正相关(r = 0.426);方差膨胀因子(Variance Inflation Factor, VIF)分析显示所有输入变量的VIF值在1.11至4.40之间,低于阈值5,排除了多重共线性的混淆影响。
DT通过每5分钟执行一次的循环工作流运行,包括物理数据采集、上下文发布、输入检索、CFD预处理、CFD模拟、空间插值和软传感器发布七个步骤。MATLAB通过TUI命令和用户自定义函数(User-Defined Functions, UDFs)自动配置ANSYS FLUENT,模拟结果经三次样条插值后生成39个空间分布温度估计值,以NGSI v2格式发布为统一的软传感器实体。
每个空间估计值作为带时间戳元数据的类型化数值属性存储于单个实体中,通过标准REST API与物理设备采用统一的数据模型,确保任何下游应用都可以一致地访问物理测量值和CFD衍生的空间估计值。
在线月进行。空间监测方面,iVeg仪表盘通过插值温度图显示了39个采样点的空间分布,使操作人员能够实时识别热梯度、热点和通风/遮阳影响的区域。单传感器时间验证方面,2025年5月4日稳定气象条件下,F1_4_S1处的CFD估计值与共置物理OPC UA传感器的时间序列具有一致的昼夜动态,包括夜间冷却阶段和日出后由太阳辐射与通风驱动的温度上升过程。多传感器空间验证方面,2025年5月24–25日不稳定风况下,两个CFD估计值同时与各自共置物理传感器对比,DT成功再现了S1和S2扇区之间的温度动态及空间梯度。定量验证指标显示,稳定风况(5月23日)下F1_4_S1的MAE为1.13 ℃、RMSE为1.45 ℃,F1_9_S2的MAE为1.70 ℃、RMSE为1.88 ℃;不稳定风况(5月24–25日)下两处MAE分别增至1.32 ℃和2.12 ℃。F1_9_S2在两种条件下均呈现较高误差,表明该位置存在局部微气候效应,这是二维横截面方法固有的局限性。
在讨论部分,研究人员指出,尽管系统在典型沿海气象条件下能够维持稳定且高效的计算运行,但当前DT基于二维CFD简化模型,在复杂三维气流条件或强不对称通风场景下预测精度可能下降;快速变化的气候条件(如太阳辐射、风速或通风口状态的突然变化)会导致物理温室与虚拟模型之间的瞬态差异。此外,基于传统网格CFD的大规模温室DT仍需要可观的算力资源,网格生成与加密在处理复杂几何或动态边界时具有挑战性。无网格方法(如光滑粒子流体动力学(Smoothed Particle Hydrodynamics, SPH)和径向基函数(Radial Basis Function, RBF)方法)、降阶模型以及物理信息机器学习为未来降低计算成本、实现实时DT提供了潜在发展方向。
本研究成功开发并运行验证了一种同步的基于CFD的DT,用于温室温度空间分布监测。通过严格遵循ISO/IEC 30173:2023标准,所提出的框架将传统的离线CFD模拟转变为连续、数据驱动的数字副本,并集成在开放的IoT生态系统中。主要发现和贡献如下:
- **增强的空间可观测性。** DT通过生成分布在三个横截面上的39个虚拟传感器,成功扩展了温室空间监测能力,解决了稀疏物理传感器网络的局限性,而无需额外硬件投资。
- **高保真精度。** 自动化MATLAB-Fluent协同仿真和校准框架在真实的地中海运行条件下表现出一致的估计精度,在所有验证的传感器位置和对比气象条件下,MAE值在1.13 ℃至2.12 ℃之间(RMSE:1.45–2.35 ℃;NMAE:5.3–9.3%)。
- **连续同步和语义互操作性。** 通过与FIWARE平台和OMA NGSI标准的集成,实现了连续的双向数据回路。实时测量成功初始化了CFD循环,所得的空间密集虚拟数据被无缝地重新集成到统一的语义空间中。