卡尔斯塔德大学的研究人员提出了一种面向气候控制温室的全新智能电池储能控制策略。该方法将人工智能与信号处理算法相结合，并利用短期电力消耗和太阳能发电预测，在保证温室运行需求的前提下，有效降低能源成本，同时减轻电网负荷。相关成果已发表在《IEEJ电气与电子工程学报》上。

温室为全年食品生产提供了稳定、可控的环境，但其能源消耗极高。研究团队展示了在温室具备较高比例本地可再生能源（如太阳能光伏）的情况下，如何通过强化学习驱动的电池储能控制系统，实现更高效的能源利用。

卡尔斯塔德大学电气工程副教授 Jorge Solis 表示：“研究结果表明，这种优化后的能源使用系统不仅适用于温室，也可以推广到制造业等其他领域，以帮助降低生产成本和碳足迹。”

本次研究基于卡尔斯塔德大学一座实际运行的气候控制温室的数据展开，该温室配备了太阳能电池板和电池储能系统，为控制策略的测试和验证提供了真实工况。

显著的经济收益

实验结果显示，自适应控制策略在多项指标上优于传统固定规则方法和较为简单的人工智能模型：

• 2 月的可变电费降低了 2.2%，3 月降低了 2.7%。
• 峰值功率需求（构成高负荷费用的关键依据）最高减少了 24%。
• 在所有对比方案中，该策略对应的总电费最低。

推动更灵活、更可持续的能源系统

研究表明，这一控制策略是实现更可持续且具成本效益的食品生产的重要一步，同时也有助于构建能够更好适应高比例可再生电力接入的灵活能源系统。

“令人振奋的是，已有其他行业的相关方对进一步开发并在更大规模上应用这套自适应能源储存控制方案表现出浓厚兴趣。”Jorge Solis 补充道。