馮冬青， 劉丹丹

(鄭州大學 電氣工程學院 河南 鄭州 450001)

?

室內(nèi)智能舒適照明控制策略研究

馮冬青， 劉丹丹

(鄭州大學 電氣工程學院 河南 鄭州 450001)

根據(jù)工作面照度、鄰近區(qū)域照度、背景區(qū)域照度、工作面均勻度和鄰近區(qū)域均勻度5個主要因素，建立了視覺評估指標模糊系統(tǒng)模型.針對實際照明需求情況，綜合考慮室內(nèi)照明的整體效果和個性化需求，提出了基于粒子群優(yōu)化的室內(nèi)燈具亮度控制策略.通過最大化室內(nèi)照明系統(tǒng)的視覺效果和節(jié)能的綜合目標函數(shù)，優(yōu)化控制燈具亮度，達到室內(nèi)照明舒適、方便并且節(jié)能的目的.將燈具布置分為整體和局部照明兩種，根據(jù)照明需求和人員分布，對燈具亮度控制策略進行仿真研究，結(jié)果表明,該方法可以實現(xiàn)節(jié)能與舒適的綜合最優(yōu).

智能照明； 舒適性； 控制策略； 粒子群算法

0 引言

隨著全世界范圍內(nèi)能源短缺以及人民生活水平的日益提高，人們對節(jié)能、舒適的要求也越來越強烈，同時控制技術(shù)、通信技術(shù)、計算機技術(shù)發(fā)展的日新月異，使智能照明控制技術(shù)應運而生，日趨成熟，國內(nèi)外有關(guān)智能照明方面的研究[1-5]很多.其中，文[1]提出通過改變燈開閉的一些時間常數(shù)從而達到節(jié)能的效果.文[2-3]提出不同區(qū)域固定燈組的控制方法，但都在不同程度上忽略了其他燈組的照度影響，模型不夠精確.并且大多數(shù)研究者對于舒適方面的研究較為簡單，因此，研究室內(nèi)智能照明的舒適性及節(jié)能性更具有實際意義.

影響照明效果的因素有不同區(qū)域的照度值和不同區(qū)域的均勻度，由于各個指標的度量標準和取值范圍不統(tǒng)一，影響程度也不一樣，需要對指標進行模糊處理.作者利用層次分析法獲得各個指標的權(quán)重，采用粒子群算法通過構(gòu)建以最小能耗獲取最大照明效果為目標的適應度函數(shù)，進行全局搜索各個燈具的最佳亮度.室內(nèi)照明燈具分為整體與局部照明兩種，當有人的工作位置多于總工作位置的1/3時采用整體照明，當少于或等于1/3時，采用整體和局部照明相結(jié)合的方法，這樣既可以滿足照明需求又能減少能源消耗，最后進行計算機仿真，并將仿真結(jié)果與實際測量數(shù)據(jù)進行了比較，驗證了方法的有效性.

1 視覺評估指標模糊性研究

涉及到的視覺指標評價問題為不同區(qū)域照度水平和不同區(qū)域照度均勻度，需要先對這些指標進行模糊性研究[6]，將指標實際值等效變換到0～1區(qū)間.

1.1 照度值的指標評價

室內(nèi)照度值一般考慮工作面、鄰近區(qū)域和背景區(qū)域的照度值.工作面照度取距地面0.75 m的桌面，鄰近區(qū)域為工作區(qū)域的0.5 m范圍內(nèi)，背景區(qū)域為房間或場所內(nèi)的通道和其他非作業(yè)區(qū)域.按照CIE標準《室內(nèi)工作場所照明》[7]的要求，根據(jù)經(jīng)驗進行模糊化處理之后，工作面、鄰近區(qū)域、背景區(qū)域照度值的隸屬度曲線如圖1～3所示.

圖1 工作面照度值的隸屬度曲線Fig.1 The working illuminant values membership curve

圖2 鄰近區(qū)域照度值的隸屬度曲線Fig.2 The adjacent illuminant values membership curve

1.2 照度均勻度的指標評價

均勻度為最小照度與均勻照度之比值.根據(jù)照度均勻度要求，作業(yè)區(qū)域內(nèi)的照度均勻度不應小于0.7，而工作面鄰近區(qū)域的照度均勻度不應小于0.5.經(jīng)模糊化處理之后，照度均勻度的隸屬度曲線如圖4所示.

圖3 背景區(qū)域照度值的隸屬度曲線Fig.3 The background illuminant values membership curve

圖4 照度均勻度的隸屬度曲線Fig.4 The uniformity of illuminant values membership curve

2 照度模型的建立

2.1 照度計算方法

圖5 點光源與P點照度計算示意圖Fig.5 The sketch of calculation between point light and illumination of P point

模型采用近似光源的燈具，忽略室內(nèi)各個墻面反射對檢測點產(chǎn)生的照度影響，并且每一點的水平照度是各個燈具在該處產(chǎn)生的水平照度的線性組合.燈具在P點產(chǎn)生的水平照度如圖5和式(1)[8]所示,

(1)

式中：E表示燈具在P點產(chǎn)生的水平照度；I(θ)表示燈具在θ方向的光強；H表示燈具到P點的垂直距離；L表示燈具與P點的水平距離.

在室內(nèi)是多燈具的情況下，某點的照度值為各個燈具在該點產(chǎn)生的照度值的和，即

(2)

式中：E(A)表示點A的總水平照度值；Ei(A)為燈具i在點A產(chǎn)生的水平照度值；n為燈具總數(shù).

2.2 綜合評價決策解集最優(yōu)評估數(shù)學模型

由于問題的目標是在耗能最小的情況下使得視覺效果達到最優(yōu)，要想達到較好的視覺效果需要更多的能量消耗，在設(shè)計目標函數(shù)f時加入視覺效果和能量消耗之間的權(quán)重系數(shù)，有

(3)

圖6 功能評價層次結(jié)構(gòu)圖Fig.6 The structure sketch of function evaluation

式中：wi(i=1,2,3,4,5)為各指標的權(quán)重值；E1為工作面照度；E2為鄰近區(qū)域照度；E3為背景區(qū)域照度；U01為工作面均勻度；U02為鄰近區(qū)域均勻度；p(i)為第i燈的能量消耗；q為視覺效果和能量消耗之間的權(quán)重系數(shù).

對于(3)式中影響視覺效果的各指標權(quán)重值的處理，是根據(jù)實際經(jīng)驗獲得的.為了更加合理地確定各個指標的權(quán)重值，采用層次分析法(AHP)進行處理，在已有環(huán)境下考慮的層次結(jié)構(gòu)如圖6所示.通過計算可以得到：工作面照度水平權(quán)重為0.52，鄰近區(qū)域照度水平權(quán)重為0.132 1，背景區(qū)域照度水平權(quán)重為0.047，工作面照度均勻度水平權(quán)重為0.251 4，鄰近區(qū)域照度均勻度水平權(quán)重為0.049 4.

3 各個燈具亮度設(shè)定值尋優(yōu)

3．1 改進粒子群算法

粒子群優(yōu)化(PSO)算法是一種新興的智能搜索算法，由于其具有較多優(yōu)點及實際應用價值，所以許多學者在PSO算法改進和PSO算法的應用方面不斷進行深入研究，并被工程技術(shù)人員應用到實際中[9-11].粒子群優(yōu)化算法的基本原理：搜索空間中有一群粒子，粒子的位置就是被優(yōu)化問題的空間可能解，所有粒子都有自己被優(yōu)化目標函數(shù)決定的適應值，每個粒子都由一個速度決定移動的方向和位移，粒子追隨當前最優(yōu)解進行搜索.在粒子更新位置所依賴的兩個最優(yōu)解：一個是粒子自身的歷史最優(yōu)解，另一個是粒子種群的歷史最優(yōu)解.

對于D維問題，粒子i的第k代位置表示為Xi(k)=(xi1(k),xi2(k),…,xiD(k))，速度表示為Vi(k)=(vi1(k),vi2(k),…,viD(k))T.

粒子速度和位置更新方程為

vid(k+1)=wvid(k)+c1ξ(pid(k)-xid(k))+c2η(pgd(k)-xid(k)),

(4)

xid(k+1)=xid(k)+vid(k+1),

(5)

(6)

式中:pid(k),pgd(k)分別為粒子i在第k代的局部最優(yōu)位置和全局最優(yōu)位置；ξ,η為[0,1]內(nèi)均勻分布的隨機數(shù)；w為慣性因子；wmax為慣性因子的最大值；wmin為慣性因子的最小值；kmax為總的迭代次數(shù)；k為當前迭代次數(shù)；c1,c2為常數(shù).

v1id(k+1)=wvid(k)+c1ξ(pid(k)-xid(k))+c2η(pgd(k)-xid(k)),

(7)

v2id(k+1)=wvid(k)+c3ξ(pid(k)-xid(k))+c4η(gid(k)-xid(k)),

(8)

vid(k+1)=uv1id(k+1)+(1-u)v2id(k+1),

(9)

(10)

式中：v1id(k+1)為標準粒子群算法的速度更新公式；v2id(k+1)為局部粒子群算法的速度更新公式；vid(k+1)為改進粒子群算法的速度更新公式；ζ為隨機數(shù)；w的值見公式(6).

3．2 改進粒子群算法在燈具亮度的尋優(yōu)過程

在粒子群算法中xi(k)表示燈具亮度的當前組合，pid(k)表示某一燈具亮度組合最優(yōu)值，pgd(k)表示所有燈具亮度組合最優(yōu)值，gid(k)表示鄰域內(nèi)所有燈具亮度組合最優(yōu)值.則改進粒子群算法在燈具亮度的尋優(yōu)步驟如下：

(a) 設(shè)定粒子群參數(shù),如群體規(guī)模M,迭代次數(shù)k以及其他參數(shù)c1,c2,c3,c4,wmax,wmin.

(b) 對燈具的速度與位置進行初始化.

(c) 得到粒子個體最優(yōu)、全局歷史最優(yōu)、領(lǐng)域內(nèi)歷史最優(yōu).適應度函數(shù)根據(jù)公式(3).

(d) 粒子速度更新根據(jù)公式(7)～(9)，位置更新根據(jù)公式(10)，這樣得到粒子新的位置與速度.

(e) 判斷是否滿足結(jié)束條件，否則轉(zhuǎn)至步驟c.

4 照度實驗和數(shù)據(jù)分析

4.1 燈具照度實驗

圖7 室內(nèi)燈具和工作區(qū)域的分布示意圖Fig.7 The distribution sketch of lamps and work area

選取8m×5m×3m的室內(nèi)空間為例，位置為鄭州(東經(jīng)113.42°，北緯34.44°)，室內(nèi)共有8盞整體照明燈具，型號為LVT-PL6060-40W-T，每盞燈可以進行2 800級調(diào)光，燈具的最大亮度為2 800lm，功率為40W,12盞局部可調(diào)光照明燈具放在工作面上并且能夠滿足照明補光燈的需要，功率為40W，每個工作面都有照度傳感器和人員定位設(shè)備[12]，室內(nèi)燈具和工作區(qū)域的分布如圖7所示.

圖中共有12個工作位置且為工作區(qū)域，工作區(qū)域至虛線區(qū)域為鄰近區(qū)域，剩余為背景區(qū)域.使用粒子群算法仿真，要求該房間工作面照度值500lx左右，初始化粒子數(shù)M=100，粒子的迭代次數(shù)kmax=50，加速因子c1=2.05,c2=2.05，慣性因子 w=0.7.照明控制系統(tǒng)的操作流程如圖8所示.

圖8 照明控制系統(tǒng)的操作流程圖Fig.8 The structure sketch of lighting control system

在測試中選取無人離開場景為場景一、工作位置1，2，3無人時為場景二和只有工作位置1，2，3有人時為場景三進行仿真與測試，選取時間16:00，17:00，18:00進行三個場景仿真與實驗.結(jié)果顯示，改進粒子群算法搜索大概經(jīng)過8次尋優(yōu)過程基本接近最優(yōu)解，不同場景的目標值和群體均值的變化如圖9所示.

表1 調(diào)整前的檢測值Tab.1 The experiment values before adujsting

4.2 數(shù)據(jù)分析

調(diào)整燈具亮度前，通過多組照度傳感器采集調(diào)節(jié)前的照度值以及均勻度，結(jié)果如表1所示.

根據(jù)檢測到的照度值，由改進粒子群尋優(yōu)算法得到場景一的燈具調(diào)節(jié)結(jié)果是：1～8號燈具的亮度分別為999，416，372，1 027，1 051， 298，368，1 022 lm.場景二的燈具調(diào)節(jié)結(jié)果是：燈具的亮度分別為367，1 021，159，1 128，1 252， 429，217，1 042 lm.場景三的燈具調(diào)節(jié)結(jié)果是：燈具的亮度分別為322，516，0，557，864，91，0，497 lm.根據(jù)以上各個燈具調(diào)節(jié)的亮度值進行燈具調(diào)節(jié)，理論分析和實際結(jié)果對比如表2所示.

由表2可知，理論值和實際測量值之間有一定誤差.由分析可知誤差來源主要有：①測量儀器的誤差；②由于室內(nèi)墻面、天花板以及地面的反射會產(chǎn)生反射光，尤其是背景區(qū)域離墻面比較近，所以實測值會更高一些.但調(diào)光后室內(nèi)照度都能夠滿足照度要求，并且誤差在允許范圍內(nèi)，所以該實驗證明室內(nèi)亮度調(diào)節(jié)策略是可行的.

圖9 不同場景的目標值和群體均值的變化Fig.9 The change of the goal result and population mean in different situations 表2 理論值和實際值的對比結(jié)果Tab.2 The comparision of actual and theory values

指標場景一場景二場景三局部補光量/lx00328工作面理論照度值/lx工作面實際照度值/lx496505498503500509鄰近區(qū)域理論照度值/lx鄰近區(qū)域?qū)嶋H照度值/lx316320300304172173背景區(qū)域理論照度值/lx背景區(qū)域?qū)嶋H照度值/lx209220170184100119工作面理論均勻度工作面實際均勻度0．970．900．940．900．940．92鄰近區(qū)域理論均勻度鄰近區(qū)域?qū)嶋H均勻度0．870．860．750．740．730．75

4.3 節(jié)能分析

取正常工作的某天為例，計算該亮度調(diào)節(jié)控制策略的節(jié)能效果.若是沒有亮度調(diào)節(jié)功能，室內(nèi)照明每小時的耗電量為

Ed=n×P,

(11)

其中，n為燈具的總個數(shù)，P為每盞燈的功率.

場景一與場景二每小時的耗電量為

(12)

其中，Wi為每盞燈的光通量.

場景三每小時的耗電量為

(13)

其中，Pd為臺燈的功率.

正常工作情況下一天的照明時間大約為8h，其中工作區(qū)域無人缺席的照明時間大約為5h，工作區(qū)域缺席人數(shù)少于1/3的照明時間大約為2h，工作區(qū)域缺席人數(shù)大于2/3的照明時間大約為1h，則每天能耗大約減少1.722kW·h，節(jié)能約為55%，產(chǎn)生了良好的節(jié)能效果.節(jié)能分析結(jié)果表明，所提出的亮度控制策略可以實現(xiàn)舒適與節(jié)能的綜合最優(yōu).

5 結(jié)語

首先考慮室內(nèi)照明的功能性，得到照明環(huán)境評價的5個指標，但由于這些指標的度量標準等不統(tǒng)一，所以要對這些指標進行模糊處理，得到了隸屬度曲線.利用層次分析法求出各個指標的權(quán)重，得到最小耗能情況下的最大視覺效果的目標函數(shù)，最后運用改進粒子群算法搜尋不同情境下的燈具最優(yōu)組合.實驗表明，該亮度調(diào)節(jié)控制策略能夠根據(jù)照明需求和人員分布有效地調(diào)節(jié)燈具亮度，實現(xiàn)舒適度與節(jié)能的綜合最優(yōu).

[1]ByunJ,HongI,LeeB,etal.IntelligenthouseholdLEDlightingsystemconsideringenergyefficiencyandusersatisfaction[J].IEEETransactionsonConsumerElectronics,2013,59(1):70-76.

[2]BhardwajS,OzcelebiT,VerhoevenR,etal.Smartindoorsolidstatelightingbasedonanovelilluminationmodelandimplementation[J].IEEETransactionsonConsumerElectronics,2011,57(4):1612-1621.

[3]PanMS,YehLW,ChenYA,etal.AWSN-basedintelligentlightcontrolsystemconsideringuseractivitiesandprofiles[J].IEEESensorsJournal,2008,8(10):1710-1721.

[4] 郭勝輝，朱學莉，朱樹先. 基于模糊控制的教室照明系統(tǒng) [J].照明工程學報，2013,24(3)：127-130.

[5] 馮冬青，潘磊.基于改進粒子群算法的智能照明控制策略研究[J].鄭州大學學報：工學版，2013,34(3):14-17.

[6] 孫雅明，杜紅衛(wèi).可靠性知識與最優(yōu)評估配電網(wǎng)故障恢復[J].電力系統(tǒng)自動化，2003，27(13)：36-39.

[7] 中華人民共和國住房和城鄉(xiāng)建設(shè)部.建筑照明設(shè)計標準GB50034—2013[S].北京：中國建筑工業(yè)出版社，2013.

[8] 李農(nóng)，楊艷.照明手冊[M].北京：科學出版社，2003:84-85.

[9] 郭建濤，劉洋，唐天宇.用于跳頻分量搜索的環(huán)形拓撲粒子群算法[J].信陽師范學院學報：自然科學版，2014，27(2)：267-270.

[10]張慧霞，張焱，高興寶.求解作業(yè)車間調(diào)度問題的粒子群優(yōu)化算法[J].河南科技大學學報：自然科學版，2008，29(6)：49-52.

[11]商雨青，許偉，顧幸生. 交叉前置式粒子群優(yōu)化算法及其在催化裂化C3含量軟測量中的應用[J].電子學報，2012,40(9)：1885-1888.

[12]Bahl P, Padmanabhan V N. RADAR: an in-building RF-based user location and tracking system[C]//Proceedings of the IEEE Infocom.Tel Aviv,2000:775-784.

(責任編輯：孔 薇)

Strategy Research on Indoor Intelligent Comfortable Lighting Control

FENG Dong-qing, LIU Dan-dan

(SchoolofElectricalEngineering,ZhengzhouUniversity,Zhengzhou450001,China)

In the lighting system, there were five main factors, such as the levels of illumination in the region of working, adjacent and background and the uniformity of illumination in the region of working and adjacent, that could affect indoor comfort and visual effects. The visual evaluation index fuzzy system model was established based on the above five factors. In view of the actual demand illumination, in order to adjust luminance automatically and to achieve the purpose of improving comfort, convenience and energy saving, a control strategy of indoor lamps’ luminance based on particle swarm optimization (PSO) algorithm was proposed. By maximizing the comprehensive objective function about the visual effect of indoor lighting system and energy conservation, the dimming levels were controlled optimally and the purpose of indoor lighting comfortable and convenient was reached. An illumination requirement was the combination of local and overall effects. According to users’ demands and locations, the control methods of lamps’ luminance were simulated and the results showed that this method could achieve the comprehensive goal of comfort and energy saving optimal.

intelligent lighting; comfort; control strategy; particle swarm optimization

2015-03-21

國家自然科學基金資助項目，編號61473266.

馮冬青(1958-)，男，廣東佛山人，教授，博士，主要從事智能控制理論與應用研究，E-mail:dqfeng@zzu.edu.cn.

馮冬青，劉丹丹.室內(nèi)智能舒適照明控制策略研究[J].鄭州大學學報：理學版，2015,47(3):99-104.

TP273

A

1671-6841(2015)03-0099-06

10.3969/j.issn.1671-6841.2015.03.019