浅析智能电网技术在智能农场中的应用

耿宵慧

（国网枣阳市供电公司，湖北 襄阳 441200）

0 引言

在农业领域中，农作物灌溉、采集以及加工等过程对电能的需求十分巨大。同时，农业生产中的残渣和废物具有很好的发电潜力，利用其生物质能进行发电的技术已经十分成熟。加上光伏、风能等可再生能源的综合利用，可以有效降低农业生产中的电能消耗。近年来，智能农场的概念逐渐兴起，智能农场是一种农场管理方法，它可以利用信息与通信技术、卫星定位技术、物联网技术和人工智能技术等，通过实时的监控、各类参数的调整、各类资源的综合利用来实现农场利润的最大化，也能为设施中的作物和养繁殖物创造最佳环境，生产高质量的农产品[1-2]。此外，智能农场技术还可以准确预测产量，估计农业的副产物以及农业废物的能源潜力，即估计谷类作物的秸秆，玉米、水稻和小麦的壳等农业废物的存储量，以及利用其生物质能进行发电的能力。

目前，随着计算机技术、电气自动化技术、人工智能技术在农业领域的广泛应用[3-5]，智能电网技术作为以上技术的集成，可以视作是电力系统与海量信息的结合体，能够在保证电力系统安全运行的前提下，将光伏、风能、生物质能、可再生能源与传统发电方式有效结合，将电力系统与统计学、应用数学和智能算法等领域相融合。基于此，本文提出了一种智能农场与智能电网的集成方案，不仅能使农场科学地改变用电行为和用电方式，还能够通过计算农场中农业废物的存储量来决定是向电网购电还是输送电能，从而提高农场经营效益，促进现代农业的可持续发展。

1 智能农场概述

传统农场的面积大、生产环节复杂，造成其管理不便、经济效益低等缺点[6]，智能农场区别于传统农场，结合了农业科学、信息和通信技术（Information and Communication Technology, ICT）、决策支持系统等领域，以实现最佳决策。典型的智能农场通常由获取各类信息数据、传达数据、分析数据和实施最佳决策等环节构成。GPS和GIS也是智能农场中的重要技术，通常，智能农场中的各类信息可以通过数据点手动采样、现场传感器采样、无人机采样或卫星采样等方式进行。

田间传感器负责收集对作物产量至关重要的信息，包括大气温湿度、土壤湿度、氧气浓度、光照强度以及有害气体浓度等环境参数，并通过大数据模式与数据挖掘技术，完成对生长过程中产生的生长数据的分析处理，得到合理的产量预估[7]。

智能农场中的通信技术往往采用ZigBee技术，ZigBee技术具有成本低、延时短和易于设置等特性[8]。只需要将检测模块放置在检测区域，就可以通过ZigBee网络将农场内采集的数据传输至PC端，实时显示农场中传感器收集的各项环境参数。

智能农场的本地服务器与云服务器相连，可以从云服务器上获取一段时间内的天气信息和不同作物的特性信息，通过天气情况对智能农场内部实施干预。天气信息可以由当地的气象站直接提供，计算机终端则是提供决策支持系统，向用户呈现信息以便用户进行决策，智能农场内也有用于执行决策的执行器。

2 智能电网与智能农场集成

2.1 智能电网的构成

智能电网的最终目标是建设成为覆盖电力系统整个生产过程，包括发电、输电、变电、配电、用电及调度等多个环节的全景实时系统[9]。其主要由需求侧管理（Demand Side Management, DSM）和分布式发电（Distributed Generation, DG）两个方面构成。

DSM是指根据智能电网的目标来控制电力使用的技术，在广义上可以概括为能源效率、使用时间、需求响应和旋转备用。DG则是指使电网所有者能够在偏远地区并入许多发电厂的技术，DG技术对于风能和太阳能发电等可再生能源尤其重要，因为这些能源厂大多数设置在不同的偏远地区。此外，电网所有者还可以使用小型生物质发电作为供应来源。

2.2 智能农场与智能电网的集成模型

智能农场和智能电网的集成模型如图1所示。该模型含有一个热电联产工厂，以农作物灌溉过程中的给水为例，现场传感器通过ZigBee技术无线连接到网关，网关则连接到智能农场内部或附近的数据中心以及气象站，数据中心与云数据中心相连以获取相关信息，由此确定在灌溉过程中给定作物不同生长阶段的最佳水分胁迫水平。

数据中心连接到计算机终端，该计算机终端向相关的智能农场代理（智能代理）发送相关决策信息，由智能代理负责协调决策。该模型中，智能灌溉系统也可包含在内，其功能是由执行器单元来实现的。

为了实现智能农场与智能电网的集成，需要对智能农场模型进行改进，将农业废物能源潜力的计算纳入智能农场当中。能源潜力的计算是通过考虑储存的农业废物量相对于可以再次获得废物的时间和智能农场中储存废物的成本来计算的。此外，还需要考虑到智能农场向电网历史购电和售电的情况，从而使得农场能够选择何时向智能电网供电、何时使用农场本身的电能、何时从智能电网购电。

智能农场-智能电网的集成系统还具有以下功能：现场传感器定期拍摄现场快照，通过网关路由器将其发送到数据中心。使用智能农场的数据中心构建相关信息的图片，并将其与标准图片进行比较，结合当前的各项环境参数，实时调整培育方案。

智能农场还可以对当前维持农场运行所需的电力进行评估，然后将其电能需求信息发送到智能电网端。由智能电网将电能可用性和定价信息反馈给智能代理，再由智能代理将其与可用生物质的生产和储存成本估计值进行比较。如果智能电网的电力成本低于生产能源和储存生物质的成本，则智能代理会做出由农场向电网购电的决定。而在用电高峰或电能短缺的情况下，智能电网会向智能代理传达电能需求以及电价。此时，智能代理会根据电能生产和存储的成本来评估。如果此时发电能够盈利，则由农场侧发电，向电网供电。

3 前景与挑战

智能农场与智能电网结合的发展前景十分广阔，一方面，通过智能农场的精准预测和用电设备的控制，使其能够很好地满足电网需求侧响应的要求；另一方面，智能农场具有利用农作物废物发电的能力，从而使得农场由单一的从电网购电变成了根据发电成本和电网负荷状况既可以向电网购电，也可以向电网供电的双向选择，有助于挖掘偏远地区用户的潜在发电能力，减少传输浪费，形成一个更高效的能源电网。同时，也促进了偏远地区电力、通信技术的不断更新，科学地解决农业废物，避免农民自主进行焚烧，能够很好地减少环境污染，缓解全球变暖等问题。

虽然智能农场与智能电网相结合具有许多优点，但其中的风险和挑战仍然不容忽视。其中，较为关键的挑战有：1）数据恢复和采集技术。由于传感器的数据有时会更新和覆盖，容易导致之前收集的数据被覆盖。但是在对数据中的有效信息进行提取之前，历史数据不应该被覆盖，一旦被覆盖，则会严重影响数据收集的准确性。2）数据的实时处理技术。考虑到智能农场和智能电网中的应用程序时常需要根据实时数据进行数据处理、分析，这就对数据清理的时间提出了较高的要求。就已有的技术而言，具有Hadoop的、基于云的基础设施是保障数据能够进行快速实时处理的一种方案，但仍存在着延迟、网络拥塞、计算速度有限等固有问题[10]。3）通信安全。快速、安全、可靠的通信通道是涉及数据实时分析的另一项挑战。保护通信通道的信息安全是一项复杂而耗时的任务。若该环节出现问题，可能导致用户的商业信息被泄露。而对于电网数据而言，其可能遭受网络安全攻击，故对其数据的保密性、安全性也需要十分重视。4）加强无人机技术研发。无人机监测是智能农场监测技术的重要环节，采用无人机可节约大量的人力、物力。但现行的无人机技术缺乏针对农业产业的、统一的行业标准，其续航能力、采集数据的准确性也无统一的衡量标准，这也是无人机应用时需要妥善处理的问题。