کاهش ۱۳.۷ درصدی هزینه برق مزارع عمودی با بهینهسازی همزمان نور و شرایط اقلیمی

بر اساس یک مطالعه جدید، استفاده از یک سامانه کنترلی که برنامه رشد کاهو را در مزارع عمودی بهدقت تنظیم میکند، میتواند هزینه برق را بهطور متوسط ۱۳.۷ درصد کاهش دهد، بیآنکه وزن محصول برداشتشده از ۲۵۰ گرم تغییر کند. این سامانه صرفاً روشنایی را به ساعتهایی با برق ارزانتر منتقل نمیکند، بلکه نور مصنوعی، دما، رطوبت، گرمایش، سرمایش و رطوبتگیری را بهصورت هماهنگ تنظیم میکند تا کاهش مصرف انرژی در یک بخش، هزینههای بخش دیگر را افزایش ندهد. در هر ۳۶ ترکیب بررسیشده از سه کشور، چهار فصل و سه سطح شدت تولید، هزینه اجرای برنامه بهینه از یک الگوی ثابت که با دقت تنظیم شده بود، کمتر بود. بااینحال، این نتایج حاصل محاسبات رایانهای هستند، نه آزمایش در مزرعه واقعی؛ پژوهشگران تأکید میکنند که پیش از استفاده تجاری، باید سامانه را در شرایط عملی آزمایش کرد و به روشهای قابلاعتماد برای اندازهگیری زیستتوده محصول دست یافت.
سامانه کنترلی پیشنهادی برای مزارع عمودی سرپوشیده طراحی شده است؛ محیطهایی که در آنها محصولات بدون نور خورشید و در طبقات رویهمچیدهشده، تحت شرایطی کاملاً کنترلشده رشد میکنند. این مزارع میتوانند مواد غذایی را با مواجهه محدود با خشکسالی و شرایط جوی شدید تولید کنند، اما مصرف بالای برق برای روشنایی و تجهیزات تنظیم شرایط محیطی ممکن است از بهرهوری آنها بکاهد. در مدلسازی یک مزرعه مستقر در کانتینر، چراغهای الایدی و سامانههای گرمایش، تهویه، تهویه مطبوع و رطوبتگیری تقریباً تمام برق مصرفی در دوره بهرهبرداری را به خود اختصاص میدادند. همچنین، بر اساس پژوهشهای پیشین بررسیشده از سوی نویسندگان، روشنایی بهتنهایی حدود ۶۰ تا ۹۰ درصد مصرف برق را تشکیل میدهد. از آنجا که چراغهای الایدی علاوه بر تأمین نور، گرما نیز به فضای کشت منتقل میکنند، افزایش شدت روشنایی میتواند نیاز به سرمایش و رطوبتگیری را بالا ببرد. بنابراین، سامانهای که فقط با هدف خرید برق ارزانتر برنامه روشنایی را تنظیم کند و پیامدهای آن را برای سایر تجهیزات در نظر نگیرد، ممکن است هزینه روشنایی را کاهش دهد، اما هزینه کلی انرژی را افزایش دهد.
تیم پژوهشی برای مدیریت این وابستگی متقابل، یک سامانه کنترلی سلسلهمراتبی سهسطحی طراحی کرد که در مقیاسهای زمانی متفاوت عمل میکند. سطح نخست، یا لایه راهبردی، کل چرخه کشت ۱۴ تا ۲۵ روزه را برنامهریزی میکند. این لایه تاریخهای احتمالی برداشت را بررسی میکند و مسیر روزانه افزایش زیستتوده گیاه را تعیین میکند؛ در این فرایند، وزن نهایی محصول و تاریخ برداشت بهعنوان محدودیتهای قطعی در نظر گرفته میشوند. لایه راهبردی همچنین مجموع روزانه نور دریافتی گیاه را تنظیم میکند تا با گسترش سطح برگها، نور بیشتری در اختیار گیاه قرار گیرد و در مراحل ابتدایی رشد، زمانی که بخش زیادی از نور تابیدهشده جذب نمیشود، شدت نور کاهش یابد. قیمت برق و دمای هوای بیرون با استفاده از ۵۰ سناریوی تصادفی مدلسازی میشوند. این سناریوها بر پایه پیشبینیهای بلندمدت و با استفاده از یک فرایند خودرگرسیو تولید میشوند تا برنامهریزی به یک وضعیت آینده ایدئال و قطعی وابسته نباشد. سپس سامانه هزینه هر تاریخ احتمالی برداشت را محاسبه میکند و کمهزینهترین گزینهای را برمیگزیند که با محدودیتهای تعیینشده سازگار باشد.
سطح دوم با استفاده از قیمتهای روزقبل بازار برق، برنامه را برای روز پیش رو بازنگری میکند. اگر برق در روز جاری ارزان باشد، این لایه میتواند رشد پیشبینیشده زیستتوده را جلو بیندازد و در صورت بالا بودن قیمتها، آن را به تعویق بیندازد؛ البته به شرط آنکه گیاه بتواند طی یک افق کالیبراسیون چهارروزه دوباره به مسیر رشد تعیینشده در برنامه راهبردی برسد. این لایه همچنین بازه زمانی روشنایی را بر اساس الگوی مطلوب قیمت برق انتخاب میکند، اما تنها زمانی دوره روشنایی اولیه را تغییر میدهد که کاهش هزینه پیشبینیشده بیش از ۱۵ درصد باشد. هدف از تعیین این آستانه، جلوگیری از تغییر برنامه در واکنش به اختلافهای اندکی است که ممکن است ناشی از خطای حل محاسباتی باشند، نه صرفهجویی واقعی در بازار برق. سطح سوم هر ۱۵ دقیقه با استفاده از یک کنترلگر پیشبین مبتنی بر مدل و افق زمانی متحرک عمل میکند. در هر مرحله، سامانه با توجه به وضعیت اندازهگیریشده محصول و شرایط اقلیمی، بخش باقیمانده روز را دوباره محاسبه میکند. به این ترتیب، میتواند به تغییر قیمت برق در طول روز، بهروزرسانی پیشبینی هوا و خطاهای تصمیمگیریهای قبلی واکنش نشان دهد، بیآنکه هدف تعیینشده برای زیستتوده در پایان روز را نادیده بگیرد.
مدل مکانیکی مورد استفاده در پژوهش، یک مزرعه هیدروپونیک چهارطبقه را درون یک کانتینر حملونقل عایقکاریشده شبیهسازی میکند که هر طبقه آن ۱۲ مترمربع سطح کشت دارد. این مدل برای کاهوی رقم باتاویا اوتیلیه (Batavia Othilie) تنظیم شده بود و دمای تاجپوشش گیاه، دمای هوا، رطوبت، زیستتوده ساختاری و غیرساختاری گیاه، فتوسنتز، تنفس و بارهای الکتریکی و حرارتی چراغهای الایدی، گرمکن، دستگاه سرمایش و رطوبتگیر را در نظر میگرفت. تجهیزات تبرید بهصورت دستگاههای مبتنی بر چرخه تراکم بخار مدلسازی شدند؛ در نتیجه، ضریب عملکرد و نسبت گرمای محسوس آنها متناسب با دمای بیرون و نقطه شبنم داخل محیط تغییر میکرد و عملکردشان مانند دستگاههایی ایدئال فرض نمیشد. مدل رشد محصول برای شرایط کشت کنترلشده با عملکرد بالا و غلظت دیاکسیدکربن ۱۲۰۰ قسمت در میلیون کالیبره شده بود. همچنین، در شبیهسازیها محدودیتهایی برای نور، دما و رطوبت اعمال شد تا سامانه بهینهساز نتواند خارج از محدودهای عمل کند که مدل برای آن کالیبره شده بود. این محدودیتها شامل سقفی برای تغییرات روزانه مجموع نور دریافتی نیز میشدند؛ اقدامی احتیاطی برای جلوگیری از آثار زیستیای که مدل سادهشده رشد گیاه قادر به بازنمایی آنها نبود.
در مقایسه با یک الگوی ثابت که دمای روز را روی ۲۴ درجه سانتیگراد و دمای شب را روی ۲۰ درجه نگه میداشت، دوره روشنایی ۲۰ساعته را در ارزانترین بازه قیمت ساعتی برق قرار میداد و شدت نور را برای دستیابی به همان وزن محصول تنظیم میکرد، سامانه کنترلی کامل هزینه انرژی را ۱۳.۷ درصد و مصرف برق را ۸.۴ درصد کاهش داد. میزان صرفهجویی در سناریوهای مختلف حدود ۷ تا ۲۰ درصد بود. هنگامی که محاسبات بر اساس قیمتهای لحظهای عمدهفروشی برق، بدون عوارض، مالیات و حاشیه افزایش قیمت، انجام شد، میانگین صرفهجویی به ۱۸.۷ درصد رسید. این تفاوت نشان میدهد که برآورد صرفهجویی تا چه اندازه به تعریف قیمت برق وابسته است. در مقایسه با یک الگوی پایه که عمداً شرایط خشکتری داشت، میزان صرفهجویی به ۲۴.۴ درصد رسید؛ زیرا در آن الگو، رطوبتگیری و گرمکردن مجدد هوا انرژی بیشتری مصرف میکرد. الگوی مرجع عمداً ضعیف طراحی نشده بود: دما و رطوبت آن بر اساس آزمایشهای کشت مورد استفاده برای کالیبراسیون مدل تعیین شده بود و زمان روشنایی نیز با هدف کاهش هزینه برق تنظیم میشد. همین موضوع مقایسه را دشوارتر و معنادارتر میکرد.
تحلیل حذف مؤلفهها نشان داد که بزرگترین سهم در صرفهجویی از انعطافپذیر کردن مجموع نور روزانه حاصل میشود، نه ثابت نگهداشتن آن. این قابلیت، میزان صرفهجویی را در سه سطح تولید حدود ۵ تا ۷ واحد درصد افزایش داد. بهینهسازی روزقبل با تفکیک زمانی ۱۵ دقیقهای حدود ۴.۶ واحد درصد دیگر به صرفهجویی افزود و کنترل درونروزی نیز سهمی بین ۰.۶ تا ۱.۴ واحد درصد داشت. تنظیم دوره روشنایی مزیتی کمتر، در حدود ۰.۱ تا ۰.۳ واحد درصد، ایجاد کرد. همچنین، بازتنظیم زیستتوده بر اساس قیمتهای روزقبل، هنگامی که لایه راهبردی از پیشبینی بلندمدت قیمت مناسبی برخوردار بود، بهطور پیوسته نتیجه نهایی را بهبود نمیداد. حدود ۹۷ درصد از صرفهجویی هزینهای سامانه کامل از بهینهسازی سیستم اقلیمی حاصل شد، نه از چراغهای الایدی. در مقابل، سامانهای که فقط روشنایی را بهینه میکرد، ۵ درصد صرفهجویی داشت و هزینه آن حدود ۱۰ درصد بیشتر از سامانه هماهنگ بود. دلیل این تفاوت آن بود که سامانه مختص روشنایی، نور را در ساعتهای ارزان متمرکز میکرد؛ ساعتهایی که فتوسنتز گیاه از پیش به نقطه اشباع نزدیک شده بود. در نتیجه، برای تولید همان محصول به نور بیشتری نیاز داشت.
هرچه نوسان قیمت برق بیشتر بود، مزایای سامانه نیز افزایش مییافت. در ۱۲ مسیر بررسیشده بر اساس کشور و فصل، میانگین صرفهجویی از ۱۰.۵ درصد در شرایط نسبتاً باثبات تابستان نروژ تا ۱۷.۹ درصد در بهار آلمان متغیر بود؛ فصلی که دامنه تغییرات روزانه قیمت برق در بازار روزقبل بسیار گستردهتر بود. میان دامنه تغییرات روزانه قیمت و میزان صرفهجویی رابطهای قوی مشاهده شد: ضریب همبستگی ۰.۸۸ بود و مقدار احتمال در آزمون جایگشتی کمتر از ۰.۰۰۱ به دست آمد. در مقابل، ارتباط قابلتشخیصی میان میانگین دمای بیرون و میزان صرفهجویی مشاهده نشد. افزایش شدت تولید نیز درصد صرفهجویی را کاهش داد. این میزان از ۱۵.۷ درصد در سطح نور روزانه ۱۷.۳۰ مول بر مترمربع در روز به ۱۱.۳ درصد در سطح ۲۸.۸۰ مول بر مترمربع در روز رسید. بااینحال، هزینه مطلق انرژی برای هر محصول برداشتشده در سه سطح تولید تقریباً یکسان بود، زیرا تولید در شدتهای بالاتر به روزهای کشت کمتری نیاز داشت.
بررسی حساسیت مدل، مانعی مهم بر سر راه اجرای عملی این روش را آشکار کرد. هنگامی که پژوهشگران خطای کالیبراسیون گزارششده در مدل رشد را دو برابر کردند و مسیرهای کنترلی را بدون دریافت بازخورد جدید از وضعیت محصول بازاجرا کردند، تنها ۱۹.۳ درصد از برداشتهای شبیهسازیشده کاملاً قابلعرضه به بازار باقی ماندند و ۴۳.۴ درصد از محصولات غیرقابلفروش بودند. در بیشتر موارد، هزینه انرژی همچنان پایینتر بود، اما در ۱۲.۸ درصد از آزمایشهای تغییریافته، الگوی ثابت هزینه کمتری داشت. افزودن یک اندازهگیری روزانه زیستتوده و استفاده از آن برای اصلاح شدت نور روز بعد، سهم برداشتهایی را که کاملاً در محدوده قابلعرضه به بازار قرار میگرفتند، به ۹۸.۲ درصد رساند. در تمام نمونههای شبیهسازیشده نیز صرفهجویی هزینه انرژی بین ۱۰.۵ تا ۱۴.۹ درصد باقی ماند. این محاسبات بر فرض اندازهگیریهای دقیق استوار بودند و نویز اندازهگیری، تأخیر، چرخههای روشن و خاموش شدن تجهیزات، رفتار سامانه هنگام یخزدایی، هزینههای مربوط به اوج توان مصرفی یا استهلاک ناشی از تغییرات مکرر بار را در نظر نمیگرفتند. استفاده از قیمتهای مصنوعی برق درونروزی، بازههای روشنایی پیوسته و پیکربندی مشخصی متشکل از سه دستگاه برای کنترل شرایط اقلیمی نیز تعمیم مستقیم نتایج به سایر مزارع را محدود میکند.
با وجود این محدودیتها، مطالعه نشان میدهد که در مزارع عمودی میتوان بازار برق و فیزیولوژی گیاه را بهجای دو مسئله مستقل، در قالب یک مسئله بهینهسازی مشترک در نظر گرفت. مهمترین دستاورد پژوهش، تضمین صرفهجویی در یک مزرعه واقعی نیست، بلکه ارائه یک معماری کنترلی است که میتوان آن را در عمل آزمود: وزن نهایی محصول را بهعنوان هدفی ثابت حفظ کرد، از روند رشد گیاه برای ایجاد امکان تغییر در برنامه استفاده کرد و پیامدهای اقلیمی هر تصمیم مربوط به روشنایی را نیز در محاسبات گنجاند. آزمایشهای واقعی بعدی باید اندازهگیری زیستتوده در محل را با اندازهگیری توان مصرفی تجهیزات و برقراری توازن دقیق دما و رطوبت در یک سامانه کنترلی حلقهبسته ترکیب کنند. چنین آزمایشی مشخص خواهد کرد که آیا مزایای پیشبینیشده در شبیهساز، در مواجهه با تغییرات غیرقابلپیشبینی رشد گیاه، خطاهای پیشبینی و عملکرد واقعی تجهیزات نیز حفظ میشوند یا خیر؛ و اینکه آیا یک مزرعه عمودی میتواند بدون به خطر انداختن محصول نهایی، مصرفکنندهای انعطافپذیر در بازار برق باشد.
موضوع پژوهش: بهینهسازی مشترک سلسلهمراتبی روشنایی و کنترل شرایط اقلیمی در مزارع عمودی سرپوشیده در شرایط نوسان قیمت برق
عنوان مقاله: فراتر از زمانبندی روشنایی: بهینهسازی مشترک روشنایی و شرایط اقلیمی در مزارع عمودی با حفظ محدودیتهای برداشت در شرایط نوسان قیمت برق
مشخصات مقاله: Sathyanarayanan, K. K., Raecke, J., & Streif, S. (2026). Beyond light scheduling: Harvest-constrained co-optimization of lighting and climate in vertical farms under volatile electricity prices. Smart Agricultural Technology, 15, Article 102636. https://doi.org/10.1016/j.atech.2026.102636
منبع تصویر: تولیدشده با هوش مصنوعی
شناسه دیجیتال مقاله (DOI): 10.1016/j.atech.2026.102636
کلیدواژهها: کشاورزی عمودی، کشت کاهو، پاسخگویی به تقاضای برق، کنترل روشنایی، کنترل شرایط اقلیمی، قیمت برق، کنترل پیشبین مبتنی بر مدل، بهرهوری انرژی، کشاورزی در محیط کنترلشده، مدلهای رشد محصول
