照明系統(tǒng)控制策略的研究與實(shí)現(xiàn)

張玉杰， 李 棟， 春江鋒

(陜西科技大學(xué) 電氣與信息工程學(xué)院， 陜西 西安 710021)

照明系統(tǒng)控制策略的研究與實(shí)現(xiàn)

張玉杰， 李 棟， 春江鋒

(陜西科技大學(xué) 電氣與信息工程學(xué)院， 陜西 西安 710021)

針對傳統(tǒng)照明系統(tǒng)不能兼顧大面積照明環(huán)境的舒適性及節(jié)能性的問題，將模糊控制算法與粒子群算法結(jié)合的照明控制策略應(yīng)用到照明控制系統(tǒng)中[1].利用模糊控制算法確定百葉窗的開度，最大限度的利用自然光，同時(shí)粒子群算法通過對多傳感器采集的照度信息進(jìn)行尋優(yōu)處理，確定照明設(shè)備的最佳亮度組合.經(jīng)過測試，系統(tǒng)在滿足舒適性的同時(shí)，具有很好的節(jié)能效果，能夠?qū)崿F(xiàn)舒適性和節(jié)能性的綜合最優(yōu).

照明系統(tǒng)； 模糊控制； 粒子群算法； 舒適性； 節(jié)能

0 引言

隨著全球經(jīng)濟(jì)的飛速發(fā)展，人民生活水平的不斷提高，人們對照明環(huán)境舒適性的要求也越來越高，然而，全球范圍內(nèi)的能源卻日益緊缺，因此在滿足照明環(huán)境舒適性的前提下最大限度的節(jié)約照明用電，降低能耗，將逐漸成為設(shè)計(jì)照明方案需著重考慮要點(diǎn).

目前，照明控制系統(tǒng)技術(shù)在不斷的發(fā)展和完善，然而對于大面積多傳感器照明區(qū)域，傳統(tǒng)照明系統(tǒng)卻不能很好地實(shí)現(xiàn)舒適性與節(jié)能性雙重要求，因此需要優(yōu)化照明控制策略[1].本系統(tǒng)將自然光與人工照明緊密結(jié)合，通過調(diào)節(jié)百葉窗的開度，依靠自然光最大限度的滿足舒適性需求[2]；通過人工照明對作業(yè)面進(jìn)行補(bǔ)光，通過采用改進(jìn)型的粒子群尋優(yōu)算法搜索燈具的最佳亮度組合，在滿足照明環(huán)境舒適性同時(shí)實(shí)現(xiàn)節(jié)能的目的[3].建立辦公場所模型，通過粒子群算法進(jìn)行仿真分析，驗(yàn)證了照明控制策略的有效性，實(shí)現(xiàn)綠色節(jié)能.

1 照明系統(tǒng)結(jié)構(gòu)框架

照明系統(tǒng)主要由傳感網(wǎng)、應(yīng)用控制器、驅(qū)動(dòng)器、燈具節(jié)點(diǎn)組成，系統(tǒng)結(jié)構(gòu)如圖1所示.傳感網(wǎng)包括亮度傳感器和照度傳感器，亮度傳感器用來采集百葉窗外環(huán)境的亮度，作為計(jì)算百葉窗開度時(shí)其中一個(gè)輸入變量；照度傳感器收集室內(nèi)作業(yè)區(qū)域的照度值，用來約束判斷是否滿足照明環(huán)境的舒適性要求.將傳感器信息傳送到應(yīng)用控制器，控制器執(zhí)行照明控制策略，確定每一個(gè)燈具的最優(yōu)亮度值，實(shí)現(xiàn)照明區(qū)域內(nèi)舒適性與節(jié)能性的綜合最優(yōu)[4].

圖1 照明系統(tǒng)結(jié)構(gòu)圖

2 模糊控制器的百葉窗開度控制策略

自然光一直是人類最習(xí)慣、感覺最舒適的光源[5]，同時(shí)為了充分利用自然資源，實(shí)現(xiàn)節(jié)能，本系統(tǒng)在避免直射造成人員眩暈的前提下，通過調(diào)節(jié)百葉窗開度最大限度的利用自然光實(shí)現(xiàn)照明需求[6].百葉窗開度與太陽高度角、天空光模式等因素有關(guān).其中，天空模式很難用一個(gè)精確量來描述，而模糊控制對這類問題往往可以得到較好的控制效果，因此本系統(tǒng)采用了模糊控制策略[7]，其過程如下：

(1)確定輸入輸出變量，模糊化處理

本系統(tǒng)模糊控制器主要是根據(jù)太陽高度角以及天空光模式來確定百葉窗的開度.

太陽高度角是太陽直射光線與地球水平面的夾角，計(jì)算公式：

sinH=sinφsinδ+cosφcosδcost

(1)

式(1)中:H為太陽高度角；φ為當(dāng)?shù)鼐暥?，δ為太陽直射點(diǎn)的緯度；t表示時(shí)角，正午時(shí)刻t=0，每小時(shí)變化15 °.以西安為例，論域取[0，80 °].

天空光模式是指CIE規(guī)定的標(biāo)準(zhǔn)全晴天空、標(biāo)準(zhǔn)全陰天空及一般混合的天空模式，可以用天頂亮度的相對值來表示[8]，這里由亮度傳感器測量得到，論域?yàn)閇0，45 000].

百葉窗的開度可以定義為百葉窗的葉片與豎直方向形成的夾角，夾角為0時(shí)，開度最小，夾角為90 °時(shí)，開度最大，百葉窗開度的論域?yàn)閇0，90 °].

對輸入輸出量模糊化處理，定義變量模糊集如表1所示.

表1 變量模糊集定義

(2)確定隸屬度函數(shù)

本系統(tǒng)模糊變量的隸屬度函數(shù)均選用規(guī)則的三角形函數(shù).

(3)建立模糊規(guī)則庫

規(guī)則庫是模糊控制的核心，定義了輸入與輸出變量間的模糊關(guān)系[9].在燈具關(guān)閉的情況下，通過照度傳感器，確定不同作業(yè)面的照度分布，選取照度最大的作業(yè)面作為基準(zhǔn)面，在避免直射的前提下，根據(jù)基準(zhǔn)面的照度需求不斷地更新規(guī)則庫，直到能夠最大限度地滿足人的舒適性,如此確定模糊規(guī)則如表2所示.

表2 模糊規(guī)則庫

(4)去模糊化處理

通過模糊推理得到的是一個(gè)綜合輸出模糊集合，反映了推理結(jié)果的模糊特性，必須從模糊輸出隸屬度函數(shù)中找出一個(gè)最能代表這個(gè)模糊集合可能性分布的開度值[10].本系統(tǒng)采用重心法進(jìn)行去模糊化處理，重心法具有更平滑的輸出推理控制.即對應(yīng)于輸入信號(hào)的微小變化，其推理的最終輸出一般也會(huì)發(fā)生一定的變化，重心法是取模糊隸屬度函數(shù)曲線與橫坐標(biāo)圍成面積的重心為模糊推理最終輸出值，即開度角為：

(2)

3 改進(jìn)型粒子群算法的照明控制策略

3.1 建立照度模型

模型中的燈具采用近似點(diǎn)光源，忽略各個(gè)作業(yè)面的反射對檢測點(diǎn)照度的影響后[11]，第i個(gè)燈具在檢測點(diǎn)A處產(chǎn)生的水平照度如圖2所示.

圖2 燈具與檢測點(diǎn)照度計(jì)算示意圖

檢測點(diǎn)A處水平照度的數(shù)學(xué)模型：

(3)

式(3)中:Ei(A)為第i個(gè)燈具在A點(diǎn)處的水平照度值；Ii(θi)為第i個(gè)燈具在θi下的光強(qiáng)；Hi和Li分別是第i個(gè)燈具到P點(diǎn)的垂直距離和水平距離.

照明區(qū)域內(nèi)有多個(gè)燈具，監(jiān)測點(diǎn)的水平照度值為每一個(gè)燈具在該處產(chǎn)生的水平照度值的線性組合[12]，即

(4)

式(4)中:E(A)為A點(diǎn)的總照度值；n為所有燈具的數(shù)量.

3.2 建立舒適性函數(shù)

作業(yè)面上不同的照度有不同的評價(jià)指標(biāo)，通過采用模糊控制的方法來對這些指標(biāo)進(jìn)行評價(jià).作業(yè)面一般包括工作面、臨近區(qū)域以及背景區(qū)域，通常，臨近區(qū)域?yàn)楣ぷ髅嬷車?.5米的范圍內(nèi)，背景區(qū)域?yàn)檫^道或者其他非工作區(qū)域[13].

根據(jù)CIE標(biāo)準(zhǔn)以及前期的研究經(jīng)驗(yàn)對變量模糊化處理以后，作業(yè)面照度的隸屬度曲線如圖3所示.

(a)工作面 (b)臨近區(qū)域 (c)背景區(qū)域圖3 作業(yè)面照度的隸屬曲線

照明控制策略的前提是要滿足人員的舒適性，因此要對舒適性進(jìn)行分析并建立舒適性函數(shù).由于不同的環(huán)境有不同的照明需求，在忽略其他因素對舒適性的影響下，舒適性函數(shù)為：

fp=w1·u(E1)+w2·u(E2)+w3·u(E3)

(5)

式(5)中:fp表示人員的舒適性；wi(i=1，2，3)表示各指標(biāo)的權(quán)重值；u(En)(n=1,2,3)表示不同照度下的評價(jià)指標(biāo)，由隸屬度曲線確定；E1表示工作面照度；E2表示臨近區(qū)域照度；E3表示照明設(shè)備背景區(qū)域照度.

選取大小為8 m×6 m×4 m的空間模型，其中，空間內(nèi)有6個(gè)燈具，4個(gè)辦公桌，百葉窗大小為3 m×2 m，底部離地面高1 m，空間內(nèi)的燈具、辦公桌及百葉窗的分布如圖4所示，每個(gè)作業(yè)面都裝有照度傳感器.

圖4 空間模型內(nèi)燈具及辦公桌分布圖

燈具的最大亮度為5 000 lm，功率為20 W，可實(shí)現(xiàn)0～255級(jí)PWM調(diào)光，燈具與辦公桌面的垂直距離H為2 m，燈具與桌面之間的水平距離L的關(guān)系如表3所示.

表3 燈具與辦公桌水平距離

檢測點(diǎn)照度與光源光強(qiáng)間的關(guān)系為：

(6)

式(6)中:Ii表示每個(gè)燈具的亮度，Ei表示所有燈具在辦公桌面i產(chǎn)生的水平照度，經(jīng)過計(jì)算，f1=0.152 4，f2=0.026 1，f3=0.033 7，f4=0.014 2.

3.3 改進(jìn)型的粒子群算法

粒子群算法(PSO)是一種仿生優(yōu)化算法，由Eberhart博士和kennedy博士于1995年提出，因其具有獨(dú)特的信息共享機(jī)制，同時(shí)粒子位置與速度能夠模型化而被廣泛采用[14].但PSO在優(yōu)化過程中容易出現(xiàn)早熟收斂，即局部收斂的問題，針對這一問題，本系統(tǒng)采用帶慣性權(quán)重的PSO，數(shù)學(xué)公式為：

vi(t+1)=w(t)vi(t)+c1r1[pbi(t)-xi(t)]+

c2r2[gbi(t)-xi(t)]

(7)

xi(t+1)=xi(t)+vi(t+1)

(8)

(9)

式(7)～(9)中:vi(t)表示當(dāng)前燈具亮度組合在t迭代時(shí)刻的亮度變化；w(t)為t迭代時(shí)刻的慣性權(quán)重；pbi(t)表示當(dāng)前燈具亮度組合到t迭代時(shí)刻所經(jīng)歷的最佳值；gbi(t)表示所有燈具亮度組合到t迭代時(shí)刻的最佳亮度組合，表現(xiàn)了粒子間的信息共享機(jī)制[15]；c1、c2表示加速系數(shù)，通常為常數(shù)；r1、r2是兩個(gè)在[0，1]均勻分布的隨機(jī)數(shù)；xi(t)表示t迭代時(shí)刻的當(dāng)前燈具亮度組合的亮度；wmax、wmin分別是最大、最小慣性權(quán)重；N為迭代次數(shù)；k為當(dāng)前時(shí)刻的迭代次數(shù).

將加速系數(shù)c1和c2的動(dòng)態(tài)更新也考慮進(jìn)去，實(shí)現(xiàn)系統(tǒng)高速全局收斂的性能[16]，c1和c2的數(shù)學(xué)公式表示為：

(10)

(11)

設(shè)計(jì)適應(yīng)性函數(shù)f時(shí)，要考慮到舒適性和能量消耗的雙重要求，假設(shè)照明區(qū)域內(nèi)的用戶有m個(gè)，人員的舒適性需求為uj(j=1，2，…,m)，則目標(biāo)(適應(yīng)性)函數(shù)為：

(12)

最佳燈具亮度組合尋優(yōu)過程：

步驟1：對照明區(qū)域內(nèi)所有燈具的亮度組合初始化，包括隨機(jī)位置和速度；

步驟2：評價(jià)初始化后的燈具亮度組合的適應(yīng)度；

步驟3：對每組燈具亮度組合，將其適應(yīng)度值與其經(jīng)過的最好燈具亮度組合作比較，如果較好，則將其作為當(dāng)前的最好位置，否則不更新；

步驟4：對每組燈具亮度組合，將其適應(yīng)度值與種群中經(jīng)過的最好燈具亮度組合作比較，如果較好，則將其作為當(dāng)前的最好位置，否則不更新；

步驟5：根據(jù)(7)、(8)式，調(diào)整燈具亮度組合變化的速度和位置；

步驟6：未滿足結(jié)束條件跳轉(zhuǎn)到步驟2.

4 仿真分析

4.1 實(shí)驗(yàn)仿真

在MATLAB2014a環(huán)境下進(jìn)行實(shí)驗(yàn)仿真，其中初始化粒子個(gè)數(shù)M=500，粒子迭代次數(shù)N=20，加速系數(shù)C1start=C2end=2.5，C1end=C2start=0.5，慣性因子最大值wmax=0.9，慣性因子最小值wmin=0.4，要求照度檢測點(diǎn)照度值500 lx左右，照度誤差控制在10%以內(nèi).

在測試中選取上午10點(diǎn)為場景模式一，中午12點(diǎn)時(shí)為場景模式二，通過調(diào)節(jié)百葉窗開度，最大限度的實(shí)現(xiàn)照明需求，再通過粒子群算法搜索最佳亮度組合，實(shí)現(xiàn)作業(yè)面的補(bǔ)光處理.

(1)場景模式一

通過計(jì)算，若太陽高度角為45 °，亮度傳感器讀取亮度值為3 250 lm，則百葉窗開度仿真結(jié)果如圖5所示.

圖5 場景模式一百葉窗開度仿真結(jié)果

根據(jù)照度需求，1～4號(hào)照度檢測點(diǎn)需要補(bǔ)光的照度分別為70 lx，40 lx，65 lx，105 lx，利用粒子群算法搜索出最優(yōu)的1～6號(hào)燈具亮度組合為1 498 lm，0 lm，570 lm，697 lm，1 974 lm，849 lm，如圖6所示，照度檢測點(diǎn)實(shí)際補(bǔ)光照度為64 lx，45 lx，60 lx，98 lx，滿足照度誤差要求.

(a)燈具亮度組合

(b)適應(yīng)性函數(shù)曲線圖6 場景模式一粒子群算法仿真結(jié)果

(2)場景模式二

本模式下太陽高度角為0 °，同時(shí)亮度傳感器讀取亮度值為4 473 lm，百葉窗開度仿真結(jié)果如圖7所示.

圖7 場景模式二百葉窗開度仿真結(jié)果

隨著外界自然光的變化，室內(nèi)自然光的照度及照度檢測點(diǎn)的補(bǔ)光強(qiáng)度也會(huì)隨之發(fā)生變化.經(jīng)過照度采集，照度檢測點(diǎn)需要補(bǔ)光的照度分別為100 lx，70 lx，90 lx，190 lx，利用粒子群算法搜索出最優(yōu)的燈具亮度組合為2 069 lm，0 lm，1 200 lm，0 lm，4 316 lm，1 019 lm，如圖8所示，實(shí)際補(bǔ)光照度為96 lx，73 lx，86 lx，183 lx，滿足照度誤差要求.

(b)適應(yīng)性函數(shù)曲線圖8 場景模式二粒子群算法仿真結(jié)果

由仿真結(jié)果可以看出:①通過粒子群算法只需搜索8～10次就可以得到最佳燈具亮度組合；②由于中午12點(diǎn)外界自然光的光強(qiáng)過強(qiáng)，為避免人員對光線產(chǎn)生眩暈而減小百葉窗的開度，從而使整體進(jìn)入辦公區(qū)域的光線減少，因此場景模式二比模式一需要更多的補(bǔ)光光強(qiáng)；③由于傳感器測量存在誤差，同時(shí)外界自然光不穩(wěn)定，從而使適應(yīng)度曲線在迭代10次以后仍有小幅波動(dòng).

4.2 節(jié)能分析

對控制策略的節(jié)能效果進(jìn)行分析.如果沒有采用改進(jìn)后的照明控制策略，不考慮亮度調(diào)節(jié)功能，每天工作時(shí)間段為9:00～12:00、15:00～18:00、20:00～23:00，共9 h，則一天的耗電量為：

(13)

采用改進(jìn)后的照明控制策略后，每隔5 s對燈具亮度組合采集一次，則一天的耗電量為：

(14)

式(14)中:M=9×60×60÷5=6 480為采集的次數(shù)，Ijk為第j次采集第k燈具的亮度.

經(jīng)計(jì)算，一天的耗電量0.582 KW·h，節(jié)能47%，具有良好的節(jié)能效果.由節(jié)能分析可知，本文中應(yīng)用于照明系統(tǒng)的控制策略能夠?qū)崿F(xiàn)舒適性與節(jié)能性的綜合最優(yōu).

5 結(jié)論

本文對照明系統(tǒng)的控制策略進(jìn)行改進(jìn)，通過基于模糊控制器的百葉窗開度的控制策略，實(shí)現(xiàn)了最大限度的利用自然光來滿足照明需求，在自然光不能滿足室內(nèi)照明區(qū)域的需求時(shí)，通過建立照度模型，提出了一種基于改進(jìn)型粒子群算法的照明控制策略，在滿足舒適性的前提下，確定了燈具的最佳亮度組合，實(shí)現(xiàn)節(jié)能.通過實(shí)驗(yàn)驗(yàn)證，實(shí)現(xiàn)了大面積照明區(qū)域內(nèi)照明環(huán)境舒適性與節(jié)能性的綜合最優(yōu)，控制策略改進(jìn)后有利于照明控制系統(tǒng)的應(yīng)用及推廣.

[1] 陳 超,劉 劍.粒子群算法在智能照明系統(tǒng)中的概述[J].科技創(chuàng)新導(dǎo)報(bào),2014(6):227.

[2] 丁新東.辦公照明天然采光特性及控制策略研究[D].重慶：重慶大學(xué),2008.

[3] 張 飛.混合照明環(huán)境下室內(nèi)照度均一性控制[D].鄭州：鄭州大學(xué),2014.

[4] 郭鵬偉.基于智能控制的建筑外遮陽節(jié)能系統(tǒng)研究[D].武漢：武漢輕工大學(xué),2014.

[5] A K Athienitis，A Tzempelikos.A methodology for simulation of daylight room illuminance distribution and light dimming for a room with a controlled shading device[J].Solar Energy,2002,72(4):271-281.

[6] 張 磊,孟慶林.百葉外遮陽太陽散射輻射計(jì)算模型及程序?qū)崿F(xiàn)[J].土木建筑與環(huán)境工程,2009,31(6):92-95.

[7] 鐘源宇.根據(jù)自然光照自動(dòng)調(diào)節(jié)室內(nèi)照明的方法及實(shí)現(xiàn)[D].廣州：華南理工大學(xué),2014.

[8] 包仁標(biāo),馬小軍,徐 勝,等.基于模糊控制的采光控制策略仿真研究[J].南京工業(yè)大學(xué)學(xué)報(bào),2016,24(3):55-58.

[9] 和 瑞.建筑光環(huán)境的智能照明控制模型研究[D].西安：西安建筑科技大學(xué),2015.

[10] 潘 磊.結(jié)合天然采光的室內(nèi)智能照明控制策略研究[D].鄭州：鄭州大學(xué),2014.

[11] 秦德全.粒子群算法研究及應(yīng)用[D].廣州：華南理工大學(xué),2011.

[12] 吳 洲,葉 倩,羅 堃,等.基于粒子群算法的室內(nèi)環(huán)境節(jié)能優(yōu)化控制[J].微計(jì)算機(jī)信息,2010，26(7):159-161.

[13] 馮冬青,潘 磊.基于改進(jìn)粒子群算法的智能照明控制策略研究[J].鄭州大學(xué)學(xué)報(bào),2013,34(3):14-17.

[14] 薛洪波,倫淑嫻.粒子群算法在多目標(biāo)優(yōu)化中的應(yīng)用綜述[J].渤海大學(xué)學(xué)報(bào)(自然科學(xué)版),2009,30(3):265-269.

[15] 黃婉平.自適應(yīng)粒子群優(yōu)化算法及其應(yīng)用研究[D].杭州：浙江大學(xué),2006.

[16] 高 芳.智能粒子群優(yōu)化算法研究[D].哈爾濱：哈爾濱工業(yè)大學(xué),2008.

【責(zé)任編輯：蔣亞儒】

Research and realization of control strategy of lighting system

ZHANG Yu-jie， LI Dong， CHUN Jiang-feng

(College of Electrical and Information Engineering, Shaanxi University of Science & Technology, Xi′an 710021, China)

Aiming at the problem that the traditional lighting system cannot take into account the large area lighting environment comfort and energy saving,the lighting control strategy combined the fuzzy control algorithm with the particle swarm optimization algorithm is applied to the lighting control system.By using the fuzzy control algorithm to determine the opening of the shutter,natural light is used to the maximum extent. Meanwhile,the illumination information collected by the multi sensors is optimized by the particle swarm optimization algorithm and the optimum combination of brightness of the lighting device is determined.The comfort of the system is satisfied and energy saving effect is obvious by test.The comprehensive optimization of comfort and energy saving is realized.

lighting system; fuzzy control; particle swarm optimization algorithm; comfort; energy saving

2016-09-29

陜西省科技廳科技計(jì)劃項(xiàng)目(2014K07-17)； 西安市科技計(jì)劃項(xiàng)目(CXY1436(1))

張玉杰(1966-)，男，陜西武功人，教授，碩士生導(dǎo)師，研究方向：信息采集與處理、模式識(shí)別、嵌入式系統(tǒng)開發(fā)

1000-5811(2017)01-0145-06

TN915

A