《Smart Agricultural Technology》：Advancing Digital Twin Development for Controlled-Environment Agriculture: Comparative Evaluation of two Greenhouse Energy Models and their Readiness for Digital Twin Implementation
编辑推荐：
本研究旨在应对地中海地区温室高能耗与高化石燃料依赖的挑战。为解决精确、动态的温室气候控制与能源优化难题，研究人员开发并比较了两种基于物理学的动态能量模型（高保真EnergyPlus模型与简化5R1C模型），并使用意大利中部实测数据进行了校准与验证。研究表明，两种模型均能准确预测室内气温（RMSE分别为1.52°C和1.57°C）。超越预测精度，研究首次构建并应用了一个结构化评估框架，系统性评价了两种模型集成到数字孪生(DT)架构的准备度。结果显示，EnergyPlus在互操作性、高级控制系统兼容性方面表现优异，而5R1C模型则凭借其简化的结构与计算敏捷性，适合快速模拟和实时应用。这项工作为根据温室设计与运营目标，选择稳健、可扩展的能量建模方法提供了方法论指导，是连接能源模拟与DT实现、推动可控环境农业(CEA)数字化气候控制策略的关键一步。
农业，与交通运输和住宅建筑一样，是全球温室气体排放的主要贡献者。在应对气候变化的全球背景下，可控环境农业(CEA)作为一种关键实践应运而生。它通过在温室、植物工厂等高度受控环境中进行生产，以提高产量、改善产品质量并减少资源消耗。然而，CEA系统，特别是位于地中海等气候多变地区的温室，也面临着高能源强度的严峻挑战。据统计，在寒冷月份，供暖需求可占其总能耗的25%以上。尽管研究和实践正致力于提高能源效率和可再生能源利用，但该行业目前仍严重依赖化石燃料。这种依赖凸显了提高效率、降低化石燃料使用等策略的紧迫性。同时，温室园艺也正在经历深刻的技术转型。物联网(IoT)基础设施、远程传感和先进控制算法的引入，正将温室转变为能够整合实时数据进行自适应气候控制与资源优化的高科技环境。
在此背景下，数字孪生技术作为复杂生产环境中实时监测、预测和优化的有力工具，受到了越来越多的关注。一个数字孪生通常被定义为一个物理资产的虚拟对应物，它通过实时数据流不断更新，能够在系统的整个生命周期内实现模拟、预测和性能优化。这种方法扩展了基于物联网的基础设施的功能，不仅支持诊断和预测分析，还能够实现物理操作与其控制逻辑的动态解耦。然而，将能量模型作为数字孪生的计算核心进行集成，仍然是一个开放性的挑战。现有研究虽然分别推动了数字孪生应用和温室能量建模的发展，但将两者有效结合的评估框架和方法论指导仍然缺乏。为了填补这一空白，并为温室管理开发可操作、可互操作的数字孪生铺平道路，Andrea Costantino及其合作者开展了这项研究。
该论文发表于《Smart Agricultural Technology》。为了完成此项研究，作者团队采用了多种关键技术方法。研究核心是比较评估两种不同的温室能量模拟模型：一种是使用EnergyPlus软件构建的详细白箱模型，另一种是基于ISO 13790标准的5R1C（5个电阻1个电容）等效热阻-电容网络的简化白箱模型。研究以位于意大利中部比萨大学的一个文洛型(Venlo-type)温室为实验案例。该温室被划分为四个独立的热区。研究人员在2024年春季至夏季期间，在选定的热区4内进行了为期127天的番茄栽培实验，并利用集成智能监测与控制系统(ISMaCS)对温室内外的环境变量（如温度、湿度、太阳辐射、风速风向等）进行了连续监测。模型校准和验证采用了2024年5月8日至7月4日期间收集的实测数据。此外，研究者还开发并应用了一个结构化的证据框架，以评估两种模型在物理/生物过程模拟方面的能力及其集成到数字孪生架构的准备度，这包括对模型集成能力、实时集成潜力、控制系统兼容性、云/物联网部署能力和图形用户界面(GUI)可用性等五个方面的评估。
1. 能量模型的校准与性能比较
研究人员开发了两种能量模型，并在相同的实验数据集上进行了校准和验证。研究发现，在预测温室热区4的室内空气温度方面，两种模型都表现出了较高的准确性。EnergyPlus模型的均方根误差为1.52°C，平均偏差为-0.08°C，表明其模拟值略有系统性高估。相比之下，5R1C模型的均方根误差为1.57°C，平均偏差为-0.16°C，虽然略高，但仍保持在可接受的预测范围内。通过对比一段时间内的温度变化曲线，研究者指出，两种模型都能可靠地捕捉到温室内部的日间峰值和夜间谷值的交替，与实测数据趋势吻合良好。这证实了即使是简化模型，也能有效再现温室的主要热动态。
2. 模型在关键物理与生物过程建模中的能力与局限
研究对比了两种模型在五个关键建模方面的处理能力：遮阳系统与周围环境、自然通风、通过地面的传热、热区划分以及作物-环境相互作用。对比分析揭示：
- •
遮阳系统：EnergyPlus能够显式地对遮阳网和周围建筑进行建模，而5R1C模型则通过修正因子来简化处理。
- •
自然通风：EnergyPlus采用包含风压和热压效应的详细公式动态计算通风率，而5R1C模型则将其简化为一个固定的通风传热系数。
- •
地面传热：EnergyPlus通过专门的预处理模块迭代计算地面温度，5R1C则通过简化的动态热平衡进行估算。
- •
热区划分：EnergyPlus将温室划分为四个互联的热区，以捕捉潜在的温度梯度；5R1C则将整个目标区域视为单一的集总热节点。
- •
作物-环境相互作用：EnergyPlus采用Penman–Monteith公式估算蒸腾作用，而5R1C采用简化的Stanghellini方法。
基于此，研究构建了一个评分框架，对两种模型在上述各方面的实现深度进行量化评估。总体而言，EnergyPlus在过程模拟的详细度和物理忠实度上具有优势，而5R1C在计算效率上更胜一筹。
3. 模型不确定性分析与敏感性
研究通过单因素(OAT)敏感性分析，量化评估了模型对关键参数扰动的响应。分析聚焦于通风开口调度分数(Fschedule)和地面传热参数（土壤导热系数ksoil或地面综合传热系数Uf+g）。结果表明，两种模型对通风率的估算误差都非常敏感，特别是当估算的通风率偏低时，模型的预测误差会显著增大。相比之下，模型对地面传热参数扰动的敏感性则要低得多。这凸显了在自然通风温室中，准确估计通风率对能量模拟至关重要，但同时也因其受多因素影响而极具挑战性。此外，研究者也讨论了太阳辐射数据分解和作物蒸腾模型参数化等其他不确定性来源。
4. 模型集成到数字孪生框架的准备度评估
本研究最大的创新点在于超越了传统的数值精度对比，首次开发并应用了一个结构化的框架，来评估能量模型在集成到数字孪生架构方面的准备度。该框架包含五个评估标准：模型集成能力、实时（或准实时）集成潜力、控制系统兼容性、云/物联网部署能力以及图形用户界面的可用性。对两种模型的评估结果如下：
- •
EnergyPlus模型：在模型集成能力、控制系统兼容性和图形用户界面可用性方面表现出色，这得益于其成熟的软件生态系统、丰富的API接口和强大的第三方图形工具支持。然而，其高计算复杂度限制了其实时集成潜力，通常更适用于准实时或离线场景。虽然可部署在云端，但计算资源的消耗相对较高。
- •
5R1C模型：凭借其简化的数学结构和极低的计算需求，在实时集成潜力方面具有绝对优势，非常适合嵌入到需要快速响应的控制回路中。其轻量级特性也使其易于在物联网设备和云端进行部署。然而，其在模型集成能力和控制系统兼容性方面表现一般，且通常缺乏成熟的图形用户界面。
总结来说，EnergyPlus模型更适合用于高保真仿真、详细场景分析和高级控制策略开发，而5R1C模型则适用于需要快速计算、实时预测和嵌入式应用的场合。
本研究的结论强调了两种能量模型在推动温室数字孪生发展中的互补性角色。研究表明，高保真的EnergyPlus模型和简化的5R1C模型在预测室内气候条件方面均能达到可接受的精度，为温室的能量分析和优化提供了可靠工具。更重要的是，通过系统性地评估它们在模拟关键物理/生物过程方面的能力，并引入一个新颖的数字孪生准备度评估框架，该研究为未来的模型选择和应用场景提供了清晰的指导原则。在讨论中，作者指出，能源模型与数字孪生的融合是温室管理迈向智能化、精细化的关键。EnergyPlus凭借其高保真度和强大的互操作性，可以作为数字孪生系统中进行“假设”分析、系统设计和离线优化的“主脑”。而5R1C则因其计算敏捷性，可以扮演“轻量级代理模型”的角色，在需要快速决策、实时控制或资源受限的边缘计算场景中大放异彩。两者结合，可以构建一个分层、混合的数字孪生架构，兼顾精度与效率。总体而言，这项研究不仅巩固了现有温室能量模拟知识，还为未来自然通风系统的仿真研究提供了参考。其成果为在园艺温室应用中建立坚实的数字孪生开发方法论基础做出了重要贡献，通过弥合基于模拟的建模与数字孪生实现之间的差距，有力地推动了可控环境农业数字化气候控制策略的发展。
