基于天空模型的公共場所照明智能控制

宗衛(wèi)周，余建波

(同濟(jì)大學(xué) 機(jī)械與能源工程學(xué)院，上海 201804)

基于天空模型的公共場所照明智能控制

宗衛(wèi)周，余建波

(同濟(jì)大學(xué) 機(jī)械與能源工程學(xué)院，上海 201804)

公共場所照明具有全天候、多應(yīng)用、能耗大的特點(diǎn)；掌握任意時(shí)間的天空亮度分布情況是充分利用自然光、實(shí)現(xiàn)智能照明的基礎(chǔ)；基于國際照明委員會(CIE)給出的天空亮度計(jì)算公式，建立自然光對公共照明區(qū)域產(chǎn)生的天空照度模型；引入數(shù)學(xué)和光學(xué)相關(guān)原理建立公共場所人造光和自然光的混合模型;利用改進(jìn)蟻群算法求解模型，得出最佳的燈具亮度組合，實(shí)現(xiàn)舒適和及節(jié)能的綜合最優(yōu)；最后，選擇典型的大跨度帶天窗建筑物為采光對象完成仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果驗(yàn)證該策略的有效性。

智能照明；天空模型；蟻群算法；節(jié)能

0 引言

公共照明是指大空間內(nèi)全面的、基本的照明，其特點(diǎn)是光線比較均勻，適用于學(xué)校、體育場、會議廳、農(nóng)業(yè)大棚、候機(jī)廳、隧道等場所。大多數(shù)情況下、公共照明中基礎(chǔ)照明作為整體處理，然后在一些需要突出強(qiáng)調(diào)的地方加以局部照明。隨著城市化進(jìn)程的加快，各種大型公共場館的建立，照明設(shè)施使用頻率越來越高，如此眾多的設(shè)備每天需要專門的人員管理控制，效率低下，人力浪費(fèi)。目前，全球的照明能耗大約占據(jù)整個(gè)電力資源消耗的五分之一。公共照明因其空間大、全天候的特點(diǎn)，引入自然光具有極大的節(jié)能潛能。同時(shí)自然光對室內(nèi)人員的視覺舒適、視野景觀范圍、身心健康和工作效率都有很大影響。因此混合照明智能控制系統(tǒng)可以改善滯后的照明管理方式，降低能源消耗，優(yōu)化照明環(huán)境。國內(nèi)外學(xué)者結(jié)合自然光和人造光混合照明的研究做了較多工作：1)馮冬青[1]根據(jù)太陽高度以及窗戶的方位角建立窗簾調(diào)控模型，當(dāng)自然光不足需要人工補(bǔ)光時(shí)，利用改進(jìn)的粒子群算法求出最佳的亮度組合;2)Hertog[2]根據(jù)自然光和人造光的光譜成分和波長的差別不同，利用優(yōu)化算法使二者的混合照明效果最有效于人體的健康，節(jié)約了能耗;3)Tsuei[3]等開發(fā)了這樣的照明系統(tǒng)：聚光燈收集的太陽光被分光器分為可見光和非可見光，可見光通過光導(dǎo)進(jìn)入一個(gè)燈箱，它與LED燈混合，最終由漫反射器提供均一照明，非可見光被太陽能光伏吸收，為LED提供電能;4)蔡金林[4]著眼于終端配光裝置，設(shè)計(jì)了一種基于反射器/透鏡結(jié)構(gòu)的照明燈具，通過導(dǎo)光裝置引入室外的自然光，采用自由曲面透鏡對自然光進(jìn)行配光調(diào)制，實(shí)現(xiàn)自然光和LED光源混合照明;5)Yin[5]從控制算法入手，在混合照明控制系統(tǒng)中提出了一種分?jǐn)?shù)階自適應(yīng)能量認(rèn)知照明控制策略，該策略組合了兩種控制器：極值收索控制器用于減少能源消耗，PID控制器用于優(yōu)化光環(huán)境舒適性;6)袁宗南[6]針對管式天然光導(dǎo)入系統(tǒng)的性能預(yù)評估方法，分析了彩色照度圖法、天然光滲透系數(shù)法、Sky Vison模擬法、Carter法和Tsangrassoulis法的優(yōu)缺點(diǎn)，對選擇光導(dǎo)入器材有重要指導(dǎo)意義。上述研究從策略、算法、光質(zhì)、終端器具、光導(dǎo)入系統(tǒng)等層面推進(jìn)了混合照明的發(fā)展。但是如何根據(jù)自然光動(dòng)態(tài)的亮度變化及其分布，根據(jù)照明場所對光質(zhì)光色的需要，實(shí)時(shí)調(diào)整人造光源的光強(qiáng)，使人造光和自然光智能融合，到達(dá)最佳照明效果。這一課題目前較少學(xué)者對其研究。對自然光天空亮度分布描述的模型有Perez模型、Igawa模型和國際照明委員會(CIE)標(biāo)準(zhǔn)天空模型。CIE模型以其精確性成為行業(yè)標(biāo)準(zhǔn)。

照明差異化是節(jié)能的另一重要途徑，可以避免恒定均一照明帶來的能源的浪費(fèi)，同時(shí)滿足同一場所不同使用區(qū)域多樣化照明需求。如足球場館的球場區(qū)和觀眾席，溫室大棚內(nèi)不同農(nóng)作物種植區(qū)，工廠中不同工位與工序等。

本文基于CIE天空模型，通過照度學(xué)有關(guān)知識和原理，建立人造光和自然光混合照明模型，目的使公共區(qū)域不同取光空間達(dá)到最適照度，提高照明的智能和節(jié)能水平。

1 模型的建立

天空模型是CIE根據(jù)不同國家和地區(qū)所做的相關(guān)基礎(chǔ)研究，將不同天空亮度總結(jié)成15種不同的標(biāo)準(zhǔn)天空類型，如表1,可精確計(jì)算出不同時(shí)空下亮度分布。圖1用來描述CIE模型三維結(jié)構(gòu)及變量：

圖1 天空模型的示意圖

αs為太陽方位角，指本地子午線與太陽光線在地平面的投影的夾角，方位角以正南方向?yàn)榱?，向東變小，向西擴(kuò)大。γs為太陽高度角，即當(dāng)?shù)亟?jīng)線與太陽光線在水平投影形成的夾角。χ指太陽為測量點(diǎn)之間最短距離。γ為測量點(diǎn)高度角，即當(dāng)?shù)亟?jīng)線與測量點(diǎn)在水平投影形成的夾角，當(dāng)測量點(diǎn)選定后，γ為固定值。Z為測量點(diǎn)與天頂?shù)慕蔷嚯x。Zs為太陽直射點(diǎn)與天頂?shù)慕蔷嚯x。他們之間的關(guān)系根據(jù)幾何定理有：

(1)

(2)

λ=arccos[cosZs·cosZ+

sinZs·sinZ·cos(α-αs)]

(3)

此外，劉春艷提供通過空間模型測量點(diǎn)的照度比值的確定CIE標(biāo)準(zhǔn)一般天空類型方法[7]。吳玉香基于提出了一種基于CIE天空模型計(jì)算任意天空亮度分布方法[8]。他們的研究工作為利用自然光實(shí)現(xiàn)智能照明奠定了基礎(chǔ)。

1.1 天空模型計(jì)算太陽直射點(diǎn)照度

太陽平行光源下，根據(jù)立體角投影定律，被照點(diǎn)照度與亮度的關(guān)系有如下公式描述：

(4)

本文的照明場所選取帶有弧形頂棚的建筑物，如圖2，建筑物弧形頂棚用G表示，太陽光直射其上，為發(fā)光面，Gk(xk,yk,zk)為G分割成的小微元。H是室內(nèi)作業(yè)面，為被照面，Hi為H上面的一點(diǎn)，Eik為發(fā)光微元Gk對Hi形成的照度。Lγi為室內(nèi)作業(yè)面上的Hi點(diǎn)透過微元Gk所看到的天空元亮度。

Lγi=

(5)

在式(5)中，Lz為計(jì)算點(diǎn)天頂亮度。Lz的值可以使用測量儀器去測量;a、b、c、d、e為CIE標(biāo)準(zhǔn)15中天空類型中的參數(shù)，可通過查找表1取值。表1基本涵蓋不同天氣下的天空狀態(tài)。

太陽高度角γs計(jì)算如下：

γs=arcsin(sinδsinη+cosδcosηcost)

(6)

η=0.3723+23.2567sinψ+0.1149sin2ψ-

0.1712sin3ψ-0.758cosψ+0.3656cos2ψ+0.0201cos3ψ

(7)

ψ=2π{N1-79.86+0.24×(Y-1985)-

INT[(Y-1985)/4]}/365.24

(8)

在式(6)～(8)中，δ表示建筑物所在地區(qū)的緯度，定位確定后可查，北緯為正，南緯為負(fù)；η表示太陽的緯度；t表示太陽時(shí)間的角度，t等于15°與距離正午小時(shí)數(shù)的乘積;N1為累積天數(shù)，Y為年份，INT表示取整數(shù)部分。

表1 15種天氣類型的分類方法

圖2 天空模型產(chǎn)生照度示意圖

方位角計(jì)算公式如下：

(9)

θi為光線在被照面Hi的入射角，計(jì)算公式為：

(10)

εi為光線在發(fā)光面Gi的出射角，計(jì)算公式為：

(11)

對公式(1)積分，即可得到整個(gè)露天發(fā)光面(圖中曲面)G在Hi處產(chǎn)生的照度：

(12)

1.2 自然光和人造光混合模型建立

點(diǎn)光源的定義：近似圓形發(fā)光體，如果自身直徑小于其達(dá)到照射平面距離的1/5,可視為點(diǎn)光源。以采用點(diǎn)光源的燈具為前提，假設(shè)室內(nèi)各個(gè)墻面的反射光所產(chǎn)生的照度對檢測點(diǎn)照度的影響很小。如圖3，由光學(xué)基本知識，有：

圖3 點(diǎn)光源產(chǎn)生照度模型

(13)

(14)

其中:dω為光源Aj(xj,yj,zj)對面元dHi(xi,yi,zi)所形成的立體角，lij為Aj至被照點(diǎn)Hi的距離，βij為Aj的入射方向，Iβij為Aj入射方向的光強(qiáng)，dΦij為面元dH范圍內(nèi)的光通量。由點(diǎn)光源直射照度的距離平方反比定律知：Aj在Hi點(diǎn)所產(chǎn)生的法向方向的照度為:

(15)

Aj在Hi點(diǎn)所產(chǎn)生的水平方向的照度為Evij在法線方向的投影:

Eaij=Evijcosβij

(16)

由立體幾何知識有:

(17)

室內(nèi)J個(gè)燈具在dHi處產(chǎn)生的照度為各個(gè)燈具在該處產(chǎn)生的水平照度的線性組合：

(18)

綜合日光和人造光得到室內(nèi)取光面內(nèi)點(diǎn)dHi最終照度:

Eti=Eai+μEsi

(19)

μ為材料的透光率：即設(shè)備材料的透光的效率，是光透過半透明和透明材料后的光通量與其入射光線光通量的百分比，根據(jù)不同材料而定[9], 無任何材料其透光率為1。同理，照度與光通量成正比，光線經(jīng)過材料折射后，照度的衰減程度同光通量。

由于照明對象在各個(gè)區(qū)域由于使用功能不同而導(dǎo)致需要的照度也不同，且在一定的上限和下限內(nèi)，即產(chǎn)生的模型約束條件，為：

Emaxi≤Eti≤Emini

(20)

同一種光源，功率越高，光通量越大，因此光通量可以間接反映光源的能源消耗。為了使照明能耗最低，以照明系統(tǒng)各燈具總光通量最小為評價(jià)指標(biāo)：

(21)

式中,Fit為區(qū)域內(nèi)各燈具光通量的最小值；Φj為第j個(gè)燈具的光通量；J為大棚內(nèi)燈具的總數(shù)。

由光學(xué)基本知識：光強(qiáng)為光源在單位立體角內(nèi)的光通量，而點(diǎn)光源的立體角是球面積與球半徑平方之比，所以有：

Φj=4πIβ

(22)

圖4 室內(nèi)燈具及功能照明區(qū)域分布圖

2 改進(jìn)蟻群算法求解智能調(diào)光模型

2.1 蟻群算法及改進(jìn)

(23)

T(n)=O(Nc·n2·m)

(24)

Nc為循環(huán)次數(shù)，m為螞蟻個(gè)數(shù)，n為城市數(shù)量，本文為燈具的個(gè)數(shù)。在蟻群算法中，尋址路徑最長的螞蟻釋放的信息素將導(dǎo)致算法的搜索陷入局部解。為提高收斂速度，避免算法陷入局部最優(yōu)解，提出改進(jìn)規(guī)則1：

規(guī)則1：一輪螞蟻尋優(yōu)結(jié)束后，比較各條路徑對應(yīng)信息素總和的大小，只對本輪中信息素濃度最大的螞蟻路徑進(jìn)行更新，這樣就稀釋了路徑較差的螞蟻信息素對選擇路徑的影響，避免陷入了局部最優(yōu)。經(jīng)測試，大大提高尋找最優(yōu)解的概率。

圖5 各燈具照度調(diào)整曲線

由于大型場所的照明燈具數(shù)量較多，對應(yīng)需要的種群規(guī)模也較大，這樣搜索時(shí)間長的問題尤為突出。為降低算法的時(shí)間復(fù)雜度，減少運(yùn)行時(shí)間，提出改進(jìn)規(guī)則2：

規(guī)則2：將每個(gè)節(jié)點(diǎn)放置一個(gè)螞蟻改為在任意一個(gè)節(jié)點(diǎn)放置一只螞蟻。在每次算法循環(huán)中，起點(diǎn)是被隨機(jī)選擇的。這避免了螞蟻與節(jié)點(diǎn)的冗余。經(jīng)測試，可降低時(shí)間復(fù)雜度。

改進(jìn)蟻群算法解決多目標(biāo)優(yōu)化的步驟如下：

Step1:初始化模型參數(shù)。

Step2: 構(gòu)造解空間。將各個(gè)螞蟻隨機(jī)地置于不同的位置，對每一個(gè)螞蟻通過公式(23)判斷下一個(gè)訪問的城市。

Step3: 更新信息素。計(jì)算各個(gè)螞蟻經(jīng)過的路徑長度，保存最近一次迭代的最優(yōu)解。同時(shí)，對各條路徑上的信息素進(jìn)行更新。

Step4：判斷是否終止。根據(jù)當(dāng)前迭代的次數(shù)與是否達(dá)到初始化設(shè)置迭代次數(shù)的上限。如無，清空路徑記錄表，如有，則停止計(jì)算，輸出最優(yōu)解。

2.2 仿真研究

本文選擇地理位置為121.59 N、東經(jīng)31.07 E建筑物為仿真對象，建筑物頂部為大跨度弧形透明天窗,自然光可以從屋頂和窗戶透射進(jìn)來。建筑物的體積參數(shù)為：東西15 m，南北寬6 m,頂高6 m，側(cè)高1 m，建筑物的頂部為圓弧形，弧度1.25 rad。建筑物內(nèi)部各照明區(qū)域如圖4所示：燈與采光面的垂直高度為2 m，橫向布置2盞燈，2盞燈的間距為3 m，縱向兩行燈間距離為2 m。燈具最大亮度為6 000 lm，燈具內(nèi)部可以實(shí)現(xiàn)0～6 000 lm多級調(diào)光，實(shí)驗(yàn)中將燈具分6 000級調(diào)光。假設(shè)各個(gè)照明區(qū)域的采光照度分布如下：55～60 klx、40～45 klx、30～50 klx、30～35 klx、25～30 klx。以上午9:00點(diǎn)為例，選擇CIE標(biāo)準(zhǔn)一般天空類型6：部分存在云的天空，朝向天頂無漸變。設(shè)置初始螞蟻的數(shù)量為m為31個(gè)，信息素重要程度因子χ為1，啟發(fā)函數(shù)重要程度因子δ為5，信息素?fù)]發(fā)因子ρ為0.1，最大迭代次數(shù)iter_max為50。

圖6 改進(jìn)蟻群算法進(jìn)化過程圖

分別用傳統(tǒng)蟻群算法和改進(jìn)蟻群算法求模型最優(yōu)解。如圖6，改進(jìn)的蟻群算法的仿真結(jié)果能夠保證目標(biāo)函數(shù)穩(wěn)定快速收斂，從目標(biāo)函數(shù)值來看隨著螞蟻對路徑的不斷選擇，目標(biāo)函數(shù)的值越來越小，當(dāng)?shù)螖?shù)進(jìn)行不到30次時(shí)，目標(biāo)函數(shù)改善十分緩慢，基本接近最優(yōu)解。此時(shí)，對應(yīng)的各燈具在檢測點(diǎn)的照度為：499lx，499lx，1506lx，410lx，396lx，398lx，373lx，231lx，1219lx，229lx，890lx，763lx，922lx，562lx。而傳統(tǒng)的蟻群算法則收斂速度相對緩慢，當(dāng)?shù)螖?shù)差不多在40此以后，才開始收斂于最優(yōu)解。對應(yīng)的各燈具在檢測點(diǎn)的照度為：488lx，503lx，1306lx，434lx，382lx，390lx，401lx，311lx，921lx，209lx，800lx，666lx，1011lx，382lx。與此同時(shí)，統(tǒng)計(jì)兩種算法在同一CPU上的運(yùn)行時(shí)間：傳統(tǒng)的蟻群算法耗時(shí)145分鐘，改進(jìn)的蟻群算法56分追，時(shí)間復(fù)雜度降低了一倍多。仿真結(jié)果驗(yàn)證了改進(jìn)蟻群算法的有效性和先進(jìn)性。

每隔30分針計(jì)算天空模型在建筑屋頂?shù)牧炼确植?，利用改進(jìn)蟻群算法求出一天內(nèi)各燈具亮度隨時(shí)間調(diào)整曲線如圖5所示。從圖5可以看出，在有日光照明的時(shí)刻，隨著太陽高度角的變化，太陽光線在室內(nèi)產(chǎn)生的照度也隨之變化。同時(shí)由于室內(nèi)的不同作業(yè)區(qū)域?qū)φ彰鳂?biāo)準(zhǔn)要求不同，為使照度恒定地滿足標(biāo)準(zhǔn)，抵消日光變化的影響，室內(nèi)燈具也會實(shí)時(shí)調(diào)整自身亮度。在這樣的自然光與人造光混合照明系統(tǒng)內(nèi)，光強(qiáng)的變換均一而緩慢的，絲毫不影響用戶體驗(yàn)。同時(shí)，時(shí)間間隔(計(jì)算自然光的頻率)的大小可以隨具體的天氣狀況設(shè)置。這種根據(jù)多樣化的照明需求和動(dòng)態(tài)的日光變化而自適應(yīng)調(diào)整燈具照明強(qiáng)度，在滿足照明目標(biāo)保證照明舒適性的同時(shí)，使能量總消耗最小，大大節(jié)省了電能。

3 結(jié)論

首先，應(yīng)用CIE天空模型計(jì)算太陽光在公共照明區(qū)域內(nèi)亮度分布，將亮度值映射成照度值。運(yùn)用立體幾何、投影定律、光學(xué)相關(guān)知識原理構(gòu)建混合照明模型。然后提出改進(jìn)蟻群算法求解模型最優(yōu)解，利用其實(shí)現(xiàn)舒適度和節(jié)能的綜合最優(yōu)。最后，通過實(shí)驗(yàn)仿真驗(yàn)證了控制策略的有效性。本文的研究成果可應(yīng)用于大霧天氣的道路照明，智能大廈以及普通的辦公室照明、露天體育場館、農(nóng)業(yè)大棚等需要自然光采光的場合?；谔炜漳Ｐ偷墓矆鏊彰髦悄芸刂撇呗栽跐M足智能化和信息化的同時(shí)，實(shí)現(xiàn)了電能的節(jié)約。

[1] 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): 14-18.

[2] Hertog W, Llenas A, Carreras J. Optimizing indoor illumination quality and energy efficiency using a spectrally tunable lighting system to augment natural daylight[J].Applied optics 2014,14(12):4207-4215.

[3] Tsuei C H, Sun W X, Kuo C C. Hybrid sunlight/LED illumination and renewable solar energy saving concepts for indoor lighting[J]. IEEE Transactions on Industrial Electronics, 2010,19(4):640-653.

[4] 蔡金林，葛愛明，陳鏡羽,等. 基于折反射組合的混合光照明燈具的設(shè)計(jì)[J]. 照明工程學(xué)報(bào)，2016,27(3):87-106.

[5] Yin C, Stark B, Chen Y Q, at al. Fractional-order adaptive minimum energy cognitive lighting control strategy for the hybrid lighting system[J]. Energy and Buildings,2015,87(1):176-184.

[6] 袁宗南，張 昕，詹慶旋. 管式天然光導(dǎo)入系統(tǒng)的性能預(yù)評估方法研究綜述[J].照明工程學(xué)報(bào)，2010,21(1):7-11.

[7] 劉春燕, 吳玉香, 王孝洪,等. 基于空間模型測量點(diǎn)的照度比值的CIE 標(biāo)準(zhǔn)一般天空類型選擇[J].發(fā)光學(xué)報(bào), 2015, 36(10): 1201-1204.

[8] 吳玉香, 劉春燕, 文尚勝,等. 基于CIE天空模型計(jì)算任意時(shí)間天空亮度分布[J].光學(xué)學(xué)報(bào),2014,34(11):11040101-1-1104101-7.

[9] 丁小明,周長吉. 溫室透光覆蓋材料透光特性的測試[J].農(nóng)業(yè)工程學(xué)報(bào), 2008, 24(8):210-213.

[10] National standardization Technical Committee. GB/T 20148-2006.Spatial Distribution of Daylight-CIE Standard General Sky[S]. Beijing:China Standard Press,2006.

[11] Fernando E B, Fretias A A, Johnson C G. A new sequential covering strategy for inducing classification rules with ant colony algorithms[J].IEEE Transactions on Evolutionary Computation, 2013, 17(1):64-76.

[12] Gao Y Q, GuanH B, Qi Z W. A multi-objective ant colony system algorithm for virtual machine placement in cloud computing[J]. Journal of Computer and System Sciences, 2013, 79(8):1230-1242.

[13] Hua S, Wang G Y, Sun X M, et al.Optimal node deployment strategy for wireless sensor networks based on dynamic ant colony algorithm[A]. Control and Decision Conference[C]. 2016,8(23):178-184.

[14] Saidi-Mebrabad M, Dehnavi-Arani S, Evazabadian F, et al.An ant colony algorithm (ACA) for solving the new integrated model of job shop scheduling and conflict-free routing of AGVs[J]. Computers & Industrial Engineering, 2015, 22(2):2-13.

Intelligent Control Strategy of Illumination in Locus Public Based on Sky Model

Zong Weizhou, Yu Jianbo

(School of Mechanical Engineering, Tongji University, Shanghai 201804, China)

Locus lighting has the characteristics of all-weather operation, variable demand and large energy consumption. Knowing the distribution of sky luminance at any time is the foundation to make full use of natural light and realize intelligent lighting. Sky illumination model was established based upon formula for calculating sky brightness from the International Commission on Illumination (CIE). A hybrid model of combining artificial light with natural light was established using optical principles. The best combination of lighting fixtures luminance is solved out by use of the improved ant colony algorithm，hence realizing the comprehensive optimum of comfort and energy-saving. Finally, the effectiveness of control strategy was verified by simulation of large span building.

intelligent lighting; sky model;ant colony algorithm; energy-saving

2017-02-02；

2017-02-27。

國家自然科學(xué)基金資助項(xiàng)目(51375290, 71001060)；上海航天科技創(chuàng)新基金(SAST2015054)；中央高?；究蒲袠I(yè)務(wù)費(fèi)學(xué)科交叉-面上項(xiàng)目(1000219176)。

宗衛(wèi)周(1992-)，男，宣城人，在讀碩士生，主要從事智能照明方向的研究。余建波(1978-)，男，上海人，工學(xué)博士，副教授，博士生導(dǎo)師，主要從事智能樓宇，故障診斷、模式識別等方向的研究。

1671-4598(2017)08-0050-04

10.16526/j.cnki.11-4762/tp.2017.08.014

TP273

A