AI温室环境调控定制：光温湿耦合与能耗权衡

温室调控长期依赖老师傅经验：开窗、湿帘、风机、补光、加温各管一段，参数互相打架，结果往往是温度压住了、湿度顶上去，能耗还高。本实验室近期的一条实验线，尝试把这件事拆成「预测 + 决策」两级来做，而不是让模型直接去控执行器。

第一级是室内小气候短时预测：以温室外气象、室内多点温湿度、光照、作物生育期与前一天执行器动作序列为输入，做 15~30 分钟粒度的滚动预测；第二级是动作求解：在温度、湿度、CO₂ 与能耗的约束下，搜索天窗开度、湿帘与风机档位、补光与加温时长的组合，并按分时电价给能耗加权。模型轻量化后跑在棚边控制器上，断网可降级为规则策略，人工随时可接管。

要点一：在番茄越冬茬的一个试点棚，温度控制偏差由 ±2.5℃ 收窄到 ±1.0℃ 以内，同期加温能耗下降约 9%，湿度未突破病害风险阈值。要点二：我们刻意保留硬性安全边界——夜间最低温、湿度上限、连续加温时长上限均不交由模型自由决定，模型只在边界内择优。