趙振喜 劉銳 劉智興 吳龍飛 劉春生 孫浩 楊彪

DOI：10.20030/j.cnki.1000?3932.202403016

摘 要 針對現(xiàn)有照明系統(tǒng)存在的成本高、設(shè)備協(xié)同配合弱等問題，使用智能優(yōu)化算法對變電站照明設(shè)備進行智能控制。根據(jù)變電站的工作狀態(tài)、智能巡檢系統(tǒng)及監(jiān)控補光等需求確定照明優(yōu)化目標，在窗戶處設(shè)置測量節(jié)點獲取全天各時段及不同天氣狀況下的自然光照條件，得出需要人工光源補充的照度值，以照明系統(tǒng)總照度為指標，使用一種改進鯨魚優(yōu)化算法求解滿足照明需求的最低能耗方案。通過將隨迭代次數(shù)變化的收斂因子改為非線性遞減，并引入自適應慣性權(quán)重因子等策略來提高算法前期的全局搜索能力和后期局部求解精度，最后通過仿真實驗將所提方法與不同算法進行比較。實驗結(jié)果表明，所提出的算法能夠有效求解變電站照明的多設(shè)備多目標優(yōu)化問題，并具有較高求解精度和較快收斂速度，能夠在滿足變電站照明需求的同時有效降低能耗，具有較高實用價值。

關(guān)鍵詞 變電站照明系統(tǒng) 智慧變電站 智能優(yōu)化 鯨魚優(yōu)化算法 智能巡檢

中圖分類號 TP273?? 文獻標志碼 A?? 文章編號 1000?3932（2024）03?0477?11

基金項目：國網(wǎng)吉林省電力有限公司科技項目（批準號：522371210003）資助的課題。

作者簡介：趙振喜（1975-），高級工程師，從事電力系統(tǒng)研究及電網(wǎng)工程建設(shè)管理工作。

通訊作者：楊彪（1974-），教授，從事電力系統(tǒng)故障診斷與軟測量的研究，ybiaocn@163.com。

引用本文：趙振喜，劉銳，劉智興，等.基于鯨魚優(yōu)化算法的變電站照明系統(tǒng)智能優(yōu)化研究[J].化工自動化及儀表，

2024，51（3）：477-486;494.

隨著我國經(jīng)濟的不斷增長和科技的快速發(fā)展，各行業(yè)能源需求不斷增大，其中建筑能耗占總體能耗的比例也迅速增加。同時，隨著人們環(huán)保意識越來越強，為了滿足照明舒適度和便捷性的要求，對照明系統(tǒng)智能化的要求也越來越高。因此提高照明系統(tǒng)智能化、降低照明能耗，是未來照明系統(tǒng)發(fā)展的主要趨勢[1]。近年來我國變電站逐步轉(zhuǎn)向智能化，照明控制系統(tǒng)的智能化應用逐漸成為變電站安全和電網(wǎng)效率提升的關(guān)鍵。變電站傳統(tǒng)的照明系統(tǒng)已難以滿足社會發(fā)展需求，智能化的照明控制系統(tǒng)逐步占據(jù)市場[2]。變電站智能照明系統(tǒng)通過融合計算機、自動化及電力等技術(shù)，可根據(jù)時間、自然光照等條件，并結(jié)合變電站智能運檢及定時監(jiān)測等需求實現(xiàn)自動開啟、關(guān)閉、調(diào)節(jié)燈具亮度，實現(xiàn)遠程和就地控制，滿足高效運行及節(jié)能環(huán)保等多樣化需求。

近年來，國內(nèi)外諸多學者針對智能照明系統(tǒng)的優(yōu)化改進從算法求解、智能架構(gòu)及通信控制等方面進行了積極的研究探索并提出了一些有效的解決方案。方培鑫等通過改進粒子群算法對分布式智能照明系統(tǒng)進行優(yōu)化[3]。陳寒梅等提出了一種基于深度學習的室內(nèi)照明智能調(diào)節(jié)系統(tǒng)[4]。CHENG Y S等提出了一種具有分布式無線傳感器網(wǎng)絡(luò)（WSN）和照明控制規(guī)則的智能照明系統(tǒng)來降低能源消耗[5]。SUN F K和YU J Q提出了一種基于分布式多智能體框架的室內(nèi)智能照明控制方法，對燈具和百葉窗進行控制[6]。SEYEDOLHOSSEINI A等提出了一種新的控制機制，利用神經(jīng)網(wǎng)絡(luò)學習確定每個光源的輸出通量，并調(diào)整燈具的調(diào)光水平，以滿足區(qū)域所需照度[7]。CHIESA G等提出了一種基于傳感、驅(qū)動節(jié)點和主單元可擴展的方法，并結(jié)合動態(tài)遮陽系統(tǒng)控制自然和人工光平衡的物聯(lián)網(wǎng)系統(tǒng)的工作原型[8]。KANDASAMY N K等提出了一種新型的零能耗建筑照明控制系統(tǒng)，采用人工神經(jīng)網(wǎng)絡(luò)（ANN）對照明系統(tǒng)進行建模，并利用該模型與內(nèi)模控制（IMC）原理進行控制器設(shè)計[9]。CHENG Z J等開發(fā)了一個基于閉環(huán)滿足感的系統(tǒng)，通過引入一種改進的強化學習控制器來獲得百葉窗和燈的最優(yōu)控制策略[10]。許馨尹等提出一種每個燈具和工作面分別配備有照度傳感器和智能單元的智能照明系統(tǒng)[11]，可以向中央控制器提供工作面照度信息。王俊影等利用無線自組網(wǎng)技術(shù)通過路由器的串口輸出配合Web頁面來對帶自組網(wǎng)模塊中心節(jié)點的照明燈具進行無線控制[12]。

變電站照明系統(tǒng)通過傳感器獲取工作面照度值，然后對燈具進行控制。過去使用的照明系統(tǒng)大多只注重工作面單個點的照度，未考慮不同位置燈具相互之間的交叉配合，不能在保證較好照明效果的同時實現(xiàn)節(jié)能環(huán)保的目標。工作面?zhèn)€別點位實際照度超出需求較多，能源消耗較大。除此之外，傳統(tǒng)的照明系統(tǒng)多數(shù)智能化程度不高，當照明效果未能達到預期目標或產(chǎn)生新的照明需求時，使用人員難以依據(jù)實時需求變化調(diào)整系統(tǒng)照度值，調(diào)節(jié)照明效果。

為了解決上述問題，筆者提出一種基于鯨魚優(yōu)化算法的變電站智能照明系統(tǒng)。以各照明設(shè)備光照強度作為優(yōu)化對象，每一種光照強度組合作為一個優(yōu)化個體，以照明燈具和工作面位置作為約束條件，環(huán)境光照作為初始條件，建立最小能耗優(yōu)化函數(shù)，計算滿足照明需求并使能耗最小的照度組合最優(yōu)解，以此控制照明設(shè)備照度，從而實現(xiàn)多區(qū)協(xié)同均勻照明，在保證光照需求的同時使系統(tǒng)更節(jié)能高效。

1 變電站照明系統(tǒng)優(yōu)化控制

變電站智能照明控制系統(tǒng)設(shè)計通過對變電站照明系統(tǒng)的集約管理，實現(xiàn)變電站的智能化，達成照明優(yōu)化和節(jié)能減排的主要目標[13]。變電站智能照明系統(tǒng)主要由3個部分組成，即系統(tǒng)后臺軟件、以現(xiàn)場智能感控終端構(gòu)成的智能檢測設(shè)備以及由集中控制器和照明設(shè)備構(gòu)成的智能控制終端[14]。變電站智能照明系統(tǒng)可根據(jù)具體照明需求對照明設(shè)備進行實時控制，調(diào)節(jié)照明設(shè)備亮度及開啟時間，實現(xiàn)變電站照明系統(tǒng)的智能控制，延長燈具使用壽命，降低系統(tǒng)能耗并減少人工維護成本。

1.1 照明系統(tǒng)架構(gòu)

變電站智能照明系統(tǒng)采用分布式群智能系統(tǒng)控制架構(gòu)設(shè)計，可提高智能設(shè)備通用性，增強系統(tǒng)狀態(tài)感知和各設(shè)備間的協(xié)同控制能力[15，16]。

假如將測量節(jié)點設(shè)置在工作面上，將難以區(qū)分各照明設(shè)備的照度貢獻占比;若使用關(guān)閉所有燈具然后依次開啟單個燈具的方法進行測量，則在測量過程中無法保證照明需求。為滿足變電站智能照明系統(tǒng)實時調(diào)光需求，將測量節(jié)點設(shè)置于各窗戶處，并根據(jù)工作面與窗戶之間的相對位置信息計算自然光在工作面上產(chǎn)生的照度值，結(jié)合各工作面照明需求得出需人工光源提供的實際照度值。通過各照明設(shè)備與工作面的位置分布預測人工光源產(chǎn)生的照度，再使用優(yōu)化算法計算得出最佳照度分配方案。

1.2 照明需求

變電站智能照明控制系統(tǒng)的照明需求主要有兩個方面，即時間差異相關(guān)的照明需求和依據(jù)設(shè)備運行的照明需求。

1.2.1 不同時間的照明需求

變電站的照明需求在全天各時段及不同天氣自然光照條件下有所不同。白天自然光照較強，靠近窗戶位置采光條件較好，可利用自然光照對照明系統(tǒng)進行補充，夜晚缺乏自然光照，需依靠照明系統(tǒng)的人工光源提供更多照度值。同時，相同時間段的自然光照條件在不同天氣狀況下會有所不同。變電站智能照明系統(tǒng)包含自然光照檢測模塊，依據(jù)不同天氣狀況調(diào)整人工光照強度。除此之外，全年各生產(chǎn)季度需求、用電高峰與否、供電計劃目標等都會對變電站照明需求產(chǎn)生一定的影響。依據(jù)時段、天氣狀況以及生產(chǎn)計劃等制定不同的照明策略，實時調(diào)整照明照度值，可有效提高照明效率，降低能耗，實現(xiàn)光照及能源的高效利用，達到節(jié)能減排的目的。

1.2.2 不同設(shè)備的照明需求

變電站照明系統(tǒng)應能夠根據(jù)各設(shè)備及生產(chǎn)工位照明需求，尋找最優(yōu)人工光源開啟方案，在保證各工作面照明照度需求的同時最大化降低照明能耗。智能化變電站設(shè)有智能巡檢系統(tǒng)[17]，利用智能巡檢機器人對變電站進行智能巡檢，可以實時監(jiān)測變電站運行情況，排除各類安全隱患。變電站智能照明系統(tǒng)能夠根據(jù)智能巡檢機器人巡檢路線實時調(diào)整照度，配合智能巡檢系統(tǒng)，滿足巡檢機器人巡檢需求。除此之外，變電站內(nèi)部還設(shè)有監(jiān)控系統(tǒng)，用以監(jiān)測變電站運行及安全情況。較好的光照條件能夠提高監(jiān)控采集圖像的質(zhì)量。變電站智能照明系統(tǒng)能根據(jù)監(jiān)控系統(tǒng)定時采集和其他監(jiān)控需求及時進行補光，適時調(diào)整照度值，滿足監(jiān)控需求。

1.2.3 照明需求計算

隨著變電站的智能化發(fā)展，智能電子設(shè)備（IED）自動化系統(tǒng)（SAS）在變電站中的應用日漸增多[18]，為滿足變電站照明、智能巡檢及監(jiān)控補光等需求，變電站智能照明系統(tǒng)與智能巡檢、監(jiān)控系統(tǒng)間使用Web端控制連接并采用MVC框架構(gòu)建，統(tǒng)一計算各工作面光照需求。工作面應達到的實際照度值由各項光照需求中的最大值決定，即：

E=max（E，E，E）???? （1）

其中，E表示工作面照明需求，E為設(shè)備運行所需照度，E為智能巡檢所需照度，E為監(jiān)控補光所需照度。

1.3 照度值獲取

1.3.1 照度疊加原理

設(shè)某區(qū)域內(nèi)有n個照明設(shè)備和m扇窗戶，在工作面上，某點處的光照強度為各個人工和自然光源照度的線性疊加，計算出各光源照度之和，即可得到光照面的光照強度，公式如下：

E=E+E=E+E???? （2）

其中，E表示工作面某點的實際照度值，E表示所有光源在該點產(chǎn)生的照度值，E表示所有窗戶進入的自然光照在該點的照度值，E表示第i個光源在該點產(chǎn)生的照度值，E表示從第j扇窗戶進入的自然光照在該點的照度值。

1.3.2 人工光源照度

變電站照明系統(tǒng)主要通過控制人工光源光照強度來調(diào)節(jié)工作位光照。由于變電站照明設(shè)備安裝位置相對固定，且多安裝在室內(nèi)頂部同一水平面上，故可通過計算預測出單個照明設(shè)備在特定工作面上產(chǎn)生的光照強度：

E===??? （3）

其中，θ為入射光線在T點處與工作面法向分量形成的夾角，I為此方向上的光照強度，d為光源與工作面之間的直線距離，h為窗戶下沿距地面的高度，d與d分別為d的垂直分量與水平分量。

1.3.3 自然光源照度

鐘源宇提出兩種自然光照度值模型[19]：太陽光散射模型和太陽光直射模型。為了使變電站設(shè)備正常運行，應保證設(shè)備處于工作溫度范圍，變電站設(shè)備和采光點分布應避免太陽光直射，故變電站自然光照應為太陽光散射。太陽光散射模型如下：

ERj=dydz （4）

其中，E為窗戶照度值，Y為窗寬，H為窗高，Y為窗戶最靠近垂直于窗戶的墻的最近一側(cè)到該墻面的距離，z為工作面的高度，被測點坐標為（x，y，z）。

2 改進鯨魚優(yōu)化算法

2.1 鯨魚優(yōu)化算法

鯨魚優(yōu)化算法[20]（Whale Optimization Algorit hm，WOA）是一種元啟發(fā)式群體智能優(yōu)化算法，其設(shè)計源于鯨魚群的捕食行為，最初由澳大利亞的Mirjalili教授提出。座頭鯨在捕食獵物時會以螺旋路徑逐漸包圍獵物，并使用氣泡網(wǎng)攻擊獵物。鯨魚優(yōu)化算法設(shè)置若干個體來模擬鯨魚群的協(xié)同捕食行為，并用螺旋線來模擬其氣泡網(wǎng)攻擊機制。隨機設(shè)置一組初始解并計算適應度，找出適應度最高的個體并使其余個體逐漸向其靠近。鯨魚優(yōu)化算法已應用于模型預測、參數(shù)優(yōu)化等方面，其整體穩(wěn)定性較高且尋優(yōu)能力較強[21]?；镜腤OA算法分為3個階段：尋找獵物、包圍捕食和氣泡網(wǎng)捕食。

2.1.1 尋找獵物（全局搜索）

此階段強調(diào)算法的全局搜索。鯨魚群體隨機產(chǎn)生一個領(lǐng)頭鯨，其他鯨魚個體根據(jù)領(lǐng)頭鯨確定搜索方向，以此使得鯨魚種群能夠探索整個搜索空間尋找獵物。此階段鯨魚個體更新位置向量的公式為：

D=C·X

（t）-X（t） ??（5）

X（t+1）=X（t）-A·D ?? （6）

其中，X（t）和X（t+1）分別表示第t次和第t+1次迭代時鯨魚個體的位置，X（t）表示第t次迭代中隨機選取的個體位置，D表示X（t）與X（t）之間的距離，A和C為控制向量的系數(shù)，每次迭代時重新計算，其計算公式為：

A=2αr-α ??????????? ??（7）

C=2r（8）

α=2-2t/T（9）

其中，r為[0，1]間的隨機數(shù)，t為當前迭代次數(shù)，T為最大迭代次數(shù)。隨著迭代的進行，收斂因子α的值從2線性下降到0。A的值從[-2，2]逐漸變?yōu)?，用來控制探索和開發(fā)之間的轉(zhuǎn)化。C的取值是一個隨機值，范圍為[0，2]，表明鯨魚個體能夠到達這個范圍內(nèi)的所有位置，能夠使鯨魚在一定程度上跳出局部最優(yōu)。

2.1.2 包圍捕食（局部搜索）

WOA的局部搜索階段分為包圍獵物捕食和氣泡網(wǎng)螺旋捕食兩種模式。在包圍捕食模式下，選取當前搜索空間中適應度最優(yōu)的鯨魚個體并標記其位置，種群中鯨魚個體位置根據(jù)最優(yōu)個體位置更新，從而快速進化到類似最優(yōu)解。更新過程公式為：

D=C·X

（t）-X（t） ??? （10）

X（t+1）=X（t）-A·D?? （11）

其中，X（t）為當前鯨魚個體最優(yōu)位置，D為鯨魚個體與當前最優(yōu)解之間的距離。

2.1.3 氣泡網(wǎng)捕食（局部搜索）

WOA局部搜索階段的另一種模式是氣泡網(wǎng)捕食，此模式是模擬座頭鯨在攻擊獵物時沿螺旋形路徑游動的一種包圍捕食方式。種群中鯨魚個體根據(jù)最優(yōu)個體沿螺旋形路徑更新位置，搜索開發(fā)目標位置周圍區(qū)域，其數(shù)學模型為：

D=X

（t）-X（t）???? （12）

X（t+1）=X（t）+D·e·cos（2πl(wèi)）? （13）

l=rand（0，1）?????? （14）

其中，rand（0，1）為[-1，1]之間的一個隨機數(shù)，b為一個定義螺旋形狀的常數(shù)，D3表示第t次迭代時鯨魚個體與當前最優(yōu)個體之間的距離。

鯨魚群在游動時分別各有50%的概率使用氣泡網(wǎng)方式捕食或以種群中某個個體作為指導個體并向其移動，向指導個體游動時根據(jù)參數(shù)A決定以種群中隨機個體或當前最優(yōu)個體作為指導個體，由此可將3種機制的數(shù)學模型統(tǒng)一處理為：

X（t+1）=X

（t）-A·D

，p<0.5，A≥1

X

（t）-A·D

，p<0.5，A<1

X

（t）+D

·e

·cos（2πl(wèi)），p≥0.5（15）

其中，p為[0，1]上的隨機數(shù)，表示座頭鯨的行為選擇概率。

2.2 優(yōu)化流程

基本鯨魚優(yōu)化算法流程如圖1所示。首先初始化種群產(chǎn)生一組隨機解，每次迭代更新相關(guān)參數(shù)，若p≥0.5，進行螺旋路徑氣泡網(wǎng)捕食;若p<0.5，則判斷參數(shù)A的絕對值。當A<1時進行包圍捕食，種群中鯨魚個體根據(jù)當前最優(yōu)個體更新自身位置;當A≥1時，轉(zhuǎn)向全局搜索，鯨魚個體根據(jù)隨機選擇的個體更新位置，擴大搜索范圍，避免陷入局部最優(yōu)，增強種群多樣性。當算法進行到最大迭代次數(shù)時結(jié)束，并輸出搜尋到的最優(yōu)解。

2.3 改進策略

為了進一步增強算法的性能，在前期能夠盡可能遍歷搜索區(qū)域，避免陷入局部最優(yōu)，在后期加快收斂速度盡快找到最優(yōu)解，需針對鯨魚優(yōu)化算法從以下幾個方面進行適當?shù)母倪M：改進初始種群生成方式;改進算法參數(shù)，如收斂因子等;加入慣性權(quán)重因子;改進搜索策略;混合其他搜索策略等。

2.3.1 改進初始種群生成方式

初始種群的生成方式會影響算法的性能，傳統(tǒng)的偽隨機數(shù)初始化種群方法可能會使初始種群分布不均，造成全局最優(yōu)解質(zhì)量下降。為提高初始種群的多樣性，使用具有隨機性和遍歷性的混沌策略方法[22]和正交自適應初始化方法[23]初始化種群。

采用Tent混沌映射初始化種群并對其進行反向?qū)W習，可有效改善傳統(tǒng)WOA初始種群隨機生成策略造成的種群多樣性差的問題[24]，如下式所示：

X（t）=X（t）+（X（t）-X（t））Z（t）（16）

其中，X（t）和X（t）分別表示種群第d維元素的最大值和最小值，X（t）為第t代時種群個體i的第d維元素，Z（t）為Tent混沌映射迭代t次所得混沌序列。之后對映射所得混沌初始化種群進行反向?qū)W習：

O=X（t）+X（t）-X（t）（17）

其中，O為反向?qū)W習后所得新的鯨魚個體。

2.3.2 改進收斂方式

在控制系統(tǒng)中，需要根據(jù)系統(tǒng)的控制要求選定控制參數(shù)來優(yōu)化性能指標和控制效果[25]。優(yōu)化算法的收斂方式會對算法性能有較大影響，在鯨魚優(yōu)化算法中主要取決于收斂因子。將式（9）中的收斂因子α由線性遞減改為非線性遞減[21]，如下式所示：

α=2cos

（18）

同時將與鯨魚螺旋收縮路徑相關(guān)的系數(shù)l改為：

l=1-

+2·rand（0，1） （19）

l的取值范圍從前期的[-1，1]逐漸變?yōu)楹笃诘腫-2，1]，使螺旋線的形狀適應搜索策略變化。

為了進一步改進算法性能，在種群迭代公式（15）中加入一個非線性自適應慣性權(quán)重因子w[26]，并使其隨迭代次數(shù)進行非線性變化，如下式所示：

w=w+（w-w）e? （20）

其中，w為最大慣性權(quán)重，w為最小慣性權(quán)重。

通過將收斂因子α由線性遞減改為非線性遞減，并加入非線性自適應慣性權(quán)重因子來改進算法收斂方式，可有效改善算法性能。

2.3.3 改進搜索策略

除初始種群和收斂因子外，算法的搜索策略也會影響其性能。使用單純形法[22]改進其局部搜索性能，提高搜索精度;針對基本鯨魚算法易陷入局部最優(yōu)的問題，采用Levy飛行策略和混合反向?qū)W習策略[27]，獲得隨機步長幫助算法擴大搜索空間，跳出局部最優(yōu)，增強其全局搜索性能。

智能優(yōu)化算法面臨的一個典型問題是易陷入局部最優(yōu)。Levy飛行策略可以幫助算法有效改善這一困境。當種群個體的適應度值連續(xù)多次沒有顯著變化時，可以判定其陷入局部最優(yōu)[28]，此時對鯨魚個體采用下式來產(chǎn)生新的候選解：

X（t+1）=X（t）+β?Levy（λ）?? （21）

其中，X（t）和X（t+1）分別表示當前個體在第t代和第t+1代時的位置，β為[0，1]上的隨機數(shù)，λ為一個用于控制算法在局部搜索與全局搜索之間傾向的常數(shù)。

綜上，改進后的鯨魚優(yōu)化算法流程如圖2所示。

3 優(yōu)化方案

3.1 優(yōu)化流程

變電站智能照明系統(tǒng)優(yōu)化控制流程如圖3所示，首先根據(jù)變電站工作情況和智能巡檢、監(jiān)控系統(tǒng)產(chǎn)生實時需求點，確定需要照明的區(qū)域及所需照度值，同時通過實時測量獲取窗戶處的照度值，計算自然光在各照明需求點處照度貢獻，得出需要人工光源補充的照度值，最后通過改進WOA優(yōu)化算法計算最佳照度分配方案。

3.2 優(yōu)化策略

設(shè)變電站某廠房內(nèi)可采集自然光的窗戶數(shù)為m，可用照明設(shè)備數(shù)量為n，變電站運行過程中各系統(tǒng)實時產(chǎn)生的照明需求點個數(shù)為P，第i個照明設(shè)備在需求點k處產(chǎn)生的照度為E（k），第j扇窗戶的自然光在需求點k處產(chǎn)生的照度為E（k），照明需求點k所需總照度值為E，照明設(shè)備i在其光源處照度為E。

變電站智能照明系統(tǒng)采用在滿足各點照明需求的同時使照明設(shè)備總能耗最小的方案，由于照明設(shè)備的能耗與燈具光通量之間存在一定的線性關(guān)系，故優(yōu)化目標的適應度函數(shù)和約束條件如下：

min f（x）=E???? （22）

s.t.E（k）+E（k）≥E，1≤k≤P，k∈N （23）

4 實驗驗證

4.1 實驗設(shè)置

為驗證筆者所提改進鯨魚算法的有效性及其優(yōu)化改善效果，采用基本鯨魚優(yōu)化算法和基本粒子群算法（PSO）作為對比實驗。本實驗使用MATLAB對變電站智能照明系統(tǒng)的多設(shè)備多目標照度優(yōu)化工作模式進行仿真。模擬變電站某一房間（圖4），房間內(nèi)以相同間隔分布有6個燈具，房間一側(cè)有兩扇窗戶進行自然光采集。窗戶處照度值為5 000 lx，照明設(shè)備最大照度值為20 000 lx。在區(qū)域內(nèi)隨機產(chǎn)生照度需求值在3 000～6 000 lx的照明需求點。實驗中的參數(shù)設(shè)置見表1。

4.2 實驗結(jié)果

實驗設(shè)置鯨魚種群個體和粒子群粒子數(shù)為30，最大迭代次數(shù)為500。實驗中照明需求點位置和所需照度大小隨機產(chǎn)生。算法性能從優(yōu)化后設(shè)備最低總照度、需求點實際照度冗余及收斂速度等方面進行比較。

優(yōu)化后需求點實際照度冗余可使用照度誤差評價，公式如下：

δ= ??? （24）

其中，δ為照度誤差，E為實際照度值，E′為目標照度值。

3種算法優(yōu)化后的曲線如圖5～7所示，相關(guān)數(shù)據(jù)見表2～4。

4.3 實驗分析

從圖5、6可以看出，3種算法對變電站照明控制均有優(yōu)化效果，而由圖7可知，筆者所提改進WOA算法收斂速度明顯快于其他兩種算法。從表2中可以看出筆者所提算法優(yōu)化后的照明設(shè)備總照度顯著低于其他兩種算法，表3、4說明筆者所提算法在所有需求點總照度值及其相對于照度總需求的冗余均為最低。

由實驗結(jié)果可知，在滿足照度需求的前提下，所提變電站照明系統(tǒng)智能控制方案具有較好的優(yōu)化效果，個別目標點處由于其照度需求值較小及位置分布影響，在該位置的照度誤差較大，但總誤差仍保持在較小水平，整個系統(tǒng)能夠有效降低變電站照明能耗，具有較好的節(jié)能效果。

5 結(jié)束語

為解決變電站照明系統(tǒng)的照明設(shè)備間缺乏配合、能耗較高的問題，同時使其滿足變電站智能巡檢及監(jiān)控需求，充分利用自然光照補充來降低照明系統(tǒng)能耗，筆者提出了一種改進鯨魚優(yōu)化算法，結(jié)合不同時段和天氣自然光照度，求解滿足變電站生產(chǎn)、巡檢及監(jiān)控等照明需求的最低能耗照明方案。

為驗證筆者算法的有效性，在二維和三維環(huán)境下對變電站照明模型進行仿真模擬，將所提改進鯨魚算法與基本鯨魚算法、基本粒子群算法比較，實驗結(jié)果表明，筆者所提算法在求解精度和收斂速度上均優(yōu)于另外兩種算法，證明了該變電站照明智能控制系統(tǒng)的有效性和可行性，對變電站智能化乃至綠色建筑的發(fā)展具有重要意義。

在下一步的研究中，將會考慮在更為復雜的情況下（如移動型照明設(shè)備、更多數(shù)量的光源及照明需求點等）求解滿足需求的照度分配方案，并尋找更加優(yōu)秀的參數(shù)控制方式，進一步提高變電站智能照明系統(tǒng)的性能。

參 考 文 獻

[1] 楊萌.智能照明控制系統(tǒng)的應用現(xiàn)狀及發(fā)展趨勢[J].設(shè)備管理與維修，2021（Z1）：147-148.

[2] 李彩玲.變電站智能照明控制系統(tǒng)的設(shè)計和應用[J].光源與照明，2022（2）：95-97.

[3] 方培鑫，嚴虎，汪明，等.基于改進粒子群算法的分布式智能照明系統(tǒng)[J].計算機測量與控制，2022，30（12）：284-291.

[4] 陳寒梅，于春榮，劉智超.基于深度學習的室內(nèi)照明智能調(diào)節(jié)系統(tǒng)[J].紅外與激光工程，2022，51（7）：499-504.

[5] CHENG Y S，F(xiàn)ANG C，YUAN J F，et al.Design and Application of a Smart Lighting System Based on Distributed Wireless Sensor Networks[J].Applied? Sciences，2020，10（23）：8545.

[6] SUN F K，YU J Q.Indoor intelligent lighting control method based on distributed multi?agent framework[J].Optik，2020，213：164816.

[7] SEYEDOLHOSSEINI A，MASOUMI N，MODARRESSI M，et al.Daylight Adaptive Smart Indoor Lighting Control Method Using Artificial Neural Networks[J].Journal of Building Engineering，2020，29：101141.

[8] CHIESA G，DI VITA D，GHADIRZADEH A，et al.A fuzzy?logic IoT lighting and shading control system for smart buildings[J].Automation in Construction，2020， 120：103397.

[9] KANDASAMY N K，KARUNAGARAN G，SPANOS C，et al.Smart lighting system using ANN?IMC for personalized lighting control and daylight harvesting[J].Building and Environment，2018，139：170-180.

[10] CHENG Z J，ZHAO Q C，WANG F L，et al.Satisfaction based Q?learning for integrated lighting and blind control[J].Energy and Buildings，2016，5：67.

[11] 許馨尹，李淑嫻，付保川.基于日光和用戶需求的照明節(jié)能控制方法研究[J].建筑科學，2019，35（10）：150-156.

[12] 王俊影，李揚，李偉明，等.基于無線自組網(wǎng)的燈光照明控制系統(tǒng)設(shè)計[J].計算機測量與控制，2020，28（6）：70-75.

[13] 李奇.發(fā)電廠智能照明系統(tǒng)的設(shè)計與應用[J].光源與照明，2021（12）：27-28.

[14] 楊巖敏.工業(yè)智能照明應用分析[J].智能建筑與智慧城市，2021（5）：121-123.

[15] 姜子炎，代允闖，江億.群智能建筑自動化系統(tǒng)[J].暖通空調(diào)，2019，49（11）：2-17.

[16] 李維時，陳琪，潘云剛.新型群智能建筑控制管理系統(tǒng)平臺的探索[J].智能建筑電氣技術(shù)，2020，14（1）：5-8.

[17] 劉楊，劉俊，柯奕辰.基于變電站巡檢機器人的指針式儀表讀數(shù)識別[J].化工自動化及儀表，2019，46（8）：636-639;658.

[18] 朱龍超.基于IEC61850的智能變電站網(wǎng)絡(luò)性能仿真研究[J].化工自動化及儀表，2017，44（12）：1139-1142.

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

[20] MIRJALILI S，LEWIS A.The Whale Optimization Algorithm[J].Advances in Engineering Software，2016 ，95：51-67.

[21] 李寶帥，葉春明.混合鯨魚優(yōu)化算法求解柔性作業(yè)車間調(diào)度問題[J].計算機系統(tǒng)應用，2022，31（4）：244-252.

[22] 郭輝，付接遞，李振東，等.基于改進鯨魚算法優(yōu)化SVM參數(shù)和特征選擇[J].吉林大學學報（工學版），2023，53（10）：2952-2963.

[23] 張金泉，徐壽偉，李信誠，等.基于正交自適應鯨魚優(yōu)化的云計算任務調(diào)度[J].計算機應用，2022，42（5）：1516-1523.

[24] 張潮，馮鋒.混沌策略和單純形法改進的鯨魚優(yōu)化算法[J].中國科技論文，2020，15（3）：293-299.

[25] 王銀雙，楊彪，杜婉，等.微波加熱固體顆粒類礦物的過程控制分析[J].化工自動化及儀表，2021，48（1）：20-23.

[26] 徐立立，楊超，曾浩然.基于改進鯨魚算法的含DG配電網(wǎng)故障區(qū)段定位[J].電子科技，2023，36（1）：15-20;27.

[27] 耿召里，李目，曹淑睿，等.基于混合反向?qū)W習策略的鯨魚優(yōu)化算法[J].計算機工程與科學，2022，44（2）：355-363.

[28] 崔鳴，靳其兵.基于Levy飛行策略的灰狼優(yōu)化算法[J].計算機與數(shù)字工程，2022，50（5）：948-952;958.

（收稿日期：2023-01-08，修回日期：2024-03-12）

Research on Intelligent Optimization of Substation Lighting System Based on Whale Optimization Algorithm

ZHAO Zhen?xi1， LIU Rui2， LIU Zhi?xing3， WU Long?fei3， LIU Chun?sheng3，

SUN Hao3，YANG Biao3

（1. State Grid Jilin Electric Power Co .， Ltd .;2. NARI Technology Nanjing Control Systems Co.， Ltd.;

3. Construction Branch of State Grid Jilin Electric Power Co.， Ltd.）

（Continued on Page 494）