以多层立体栽培模式为代表的植物工厂具有生产效率高、作物生长周期短、品质优、资源利用率高等优点,是解决日益严峻的粮食生产问题的重要途径。然而,立体栽培设施自动化程度不高,智能化调度困难,资源利用率低下是我国现有植物工厂的主要问题。本文以自然光利用型植物工厂仓储式立体栽培系统为对象,研究基于多尺度光辐射机器学习滚动预测的立体苗床能效优化调度方法,解决面向无人植物工厂的自动化管理和能源高效利用的问题,研究内容如下:植物工厂半结构化环境难以进行数据表征。本文研究了异构网络环境信息、设备时空信息获取方法和无人值守的闭环监控方法。通过无线传输技术搭建了环境数据采集传感网络,开发了微型多模网关,对系统中的环境、苗情、设备进行数字抽象化建模,在服务器端建立数据库。最后开发了用户终端的远程监控平台,集成环境调控执行器的控制功能,实现了信息采集、传输、分析、决策、控制的无人值守的闭环监控系统。自然光型植物工厂难以对作物受光情况进行把控。本文研究光辐射小时精准预测方法,建立包括线性分量、非线性分量和时序分量的光辐射模型,对不同分量的特性分别建立GBDT和LSTM的预测模型。提出了基于历史气象信息、实时天气预报信息和本地环境信息多源数据的厂域、小时尺度的光照辐射融合预测模型。最后对预测模型进行验证,实验证明相对于其他统计模型和基于单机器学习模型来说,该模型提高了小区域光辐射的预测精度。传统立体栽培系统的固定栽培方法,存在层架间受光不均,作物生长状态不一致的问题。本文研究基于光辐射预测的苗床动态优化调度方法,建立多层立体苗床的受光模型,实现苗床动态实时调度系统。通过实验验证动态苗床调度方法有效性,结果证明对比固定调度模型,动态优化调度模型能更高效的利用日光辐射,并能有效地减少立体栽培苗床不同层之间的光量接收差异。本文建立了植物工厂立体栽培环境设备作物信息的闭环监控系统。研究了光辐射厂域、小时尺度实时滚动预测方法,提供了一种苗床能效动态优化调度方案,实现立体栽培作物的均匀受光和光能最优利用。