4. 传感器与数据采集基础
温室能耗监测系统的数据质量,几乎完全由最前端的传感器决定。后端的采集器、通信网络和软件算法再精密,也无法把一支安装位置错误或长期未校准的传感器所输出的偏差数据“算回来”。本节围绕温度、湿度、光照、CO₂、风速和电量六类传感器,讲清楚选型看什么、安装装在哪、校准怎么做,并给出可落地的参数与操作示例。
一、六类传感器的选型要点
选型不是比谁精度高,而是让“量程、精度、响应时间、防护等级、输出接口”与温室实际工况匹配。温室环境的特点是高温高湿、存在冷凝水、有农药与肥料挥发物、光照传感器长期暴露在紫外线下,因此防护与长期稳定性往往比标称精度更关键。
| 传感器 | 典型量程 | 合理精度目标 | 选型关键点 |
|---|---|---|---|
| 空气温度 | -20~60 ℃ | ±0.3 ℃ | 铂电阻PT1000或数字式,带辐射屏蔽罩 |
| 空气湿度 | 0~100 %RH | ±3 %RH | 电容式高分子湿敏元件,带防冷凝滤膜 |
| 光照 | 0~150 klx | ±5 %读数 | 余弦修正、防水封装,光合有效辐射可选PAR型 |
| CO₂浓度 | 0~5000 ppm | ±(50 ppm+5 %读数) | NDIR非色散红外原理,带ABC自动基线校正 |
| 风速 | 0~20 m/s | ±0.3 m/s | 超声波或三杯式,启动风速低,防尘防结露 |
| 电量 | 按回路容量 | ±1 % | 开口式电流互感器或智能电表,支持RS485/Modbus |
输出接口应统一规划:模拟量(4~20 mA、0~10 V)抗干扰好但需占用采集通道;数字量(RS485/Modbus-RTU)可总线级联、便于读取设备状态,是温室多测点场景的首选。电量监测若采用开口式互感器,需注意一次侧穿线方向,方向装反会导致功率出现负值。
二、安装位置决定数据代表性
温度湿度传感器应安装在作物冠层上方约0.3~0.5 m、具有代表性的种植区中部,避开门口、风机出风口、加热管道正上方和阳光直射面。必须加装百叶式辐射屏蔽罩并保持自然通风,否则晴天午后读数可能比真实气温高出3~5 ℃。CO₂传感器应布置在冠层内部或略高处,因为CO₂比空气略重且被作物持续消耗,靠近地面测点会偏低。
光照传感器需水平安装并保证全天无遮挡,注意温室骨架、卷膜轴和补光灯的投影;若用于补光控制,应安装在补光灯照射均匀区而非灯下正中心。风速传感器布置在通风口内侧或作物冠层高度,用于评估实际换气效果。电量传感器则安装在配电柜对应回路的进线侧,互感器二次侧严禁开路。
三、校准方法与可执行流程
校准的本质是建立“传感器读数—标准值”的修正关系。工程上常用两点校准:在量程低端和高端各取一个标准点,计算偏移量与斜率,写入采集器或传感器的修正系数。以下以空气温度传感器为例给出可执行流程(示例参数为合理假设,非实测结果)。
步骤1 准备:冰水混合物(0 ℃参考点)、恒温槽设为40.0 ℃、标准温度计(精度±0.05 ℃)
步骤2 将待校传感器与标准温度计同时浸入0 ℃环境,稳定10 min后各读3次取平均
示例:标准值 0.00 ℃,传感器平均读数 +0.42 ℃
步骤3 转入40.0 ℃恒温槽,稳定10 min后读取
示例:标准值 40.00 ℃,传感器平均读数 40.65 ℃
步骤4 计算修正:偏移 b = 0.42 ℃;斜率 k = (40.65-0.42-0.00)/(40.00-0.00) ≈ 1.0058
步骤5 修正公式:T_修正 = (T_读数 - 0.42) / 1.0058
步骤6 将 k、b 写入采集器通道,回读验证:0 ℃点残差应 ≤0.1 ℃,40 ℃点残差应 ≤0.15 ℃
湿度传感器不宜用饱和盐溶液以外的简易方法,工程现场可用便携式标准湿度计在稳定环境中共置比对,重点检查高湿段(85 %RH以上)是否出现饱和漂移。CO₂传感器应使用标准气体钢瓶配流量计通气比对,并确认ABC自动基线校正是否开启——若温室内长期维持高浓度CO₂(如施气栽培),ABC功能可能把真实高值误判为基线,此时应关闭ABC改为定期人工校准。光照传感器校准需记录安装倾角与余弦响应,若用于能耗与补光核算,建议同时记录PAR与照度两套数据。
四、数据采集中的常见问题与判断依据
采集环节要关注三件事:采样周期、数据有效性判断和异常标记。温度、湿度、CO₂建议采样周期30~60 s,风速可用10~20 s,电量按15 min冻结电量累计。判断数据是否可信,可设置物理合理区间与变化率阈值:例如温室内温度1 min内跳变超过5 ℃、湿度长期恒定在100 %RH、CO₂读数长期为0或满量程,通常意味着传感器故障、滤膜堵塞或接线松动,应在平台侧标记为“可疑”而非直接参与能耗计算。
把选型、安装、校准和采集判断串起来看,传感器环节的交付物不是“装上了”,而是“数据可追溯、偏差可量化、异常可识别”。只有在这个前提下,后续的能耗分项统计与优化控制才有可靠的数据基础。