粒子群算法在智能照明系統中的概述

陳超　劉劍

摘 要：隨著近些年來高層建筑不斷增加，隨之而來的建筑照明系統也變得越來越復雜，據研究表明我國的建筑物能耗中照明部分的能耗占建筑物總能耗的30%以上，因此節能問題更加突出。本課題研究目的就是將引入粒子群算法，利用粒子群自尋優的特點，使智能照明控制系統能夠自動的完成預設的控制要求。達到系統運行可靠，經濟、節能的目的。

關鍵詞：粒子群算法 建筑物智能照明系統 可靠

中圖分類號：TM923；TP273.5 文獻標識碼：A 文章編號：1674-098X（2014）02（c）-0227-01

建筑智能照明系統是建筑系統中重要的組成部分。高效的智能照明調節方式不僅能夠提高室內的光照質量，同時也更加環保節能，其對智能建筑的能量管理控制具有非常重要的意義。傳統的建筑控制照明系統對能源大，且不能根據實際情況自適應調節，而利用基于優化粒子群算法（PSO）的建筑物智能照明可以有效利用自然光照和人工光源，實現根據人眼的舒適程度主動調節室內遮陽角度并同時輔以對室內燈具的最優控制。使得在滿足照度的情況下，使得燈具的能耗量減小，到達舒適、節能的目的。

1 系統發展趨勢

智能照明系統的理論基礎起步于國外，經過近40年來的不斷發展，已成為商業建筑中最為重要和節能的系統組成部分，但在控制的穩定性以及節能的有效性等方面依然存在較多的問題。近年來得益于遺傳算法、粒子群算法、蟻群算法等與控制、計算機領域的緊密結合，傳統的控制方式已經逐漸不能滿足當代人對舒適度及環保的需求，因此目前結合人工神經網絡算法來控制建筑物照明的建筑控制系統越來越得到人們的青睞。建筑物智能照明系統行業自20世紀90年代進入中國市場，受市場的消費意識、市場環境、產品價格、推廣力度等各方面的影響，一直處于緩慢發展的態勢。近些年，隨著國民經濟的快速發展，特別是地產行業的快速發展，國內智能照明行業也在逐步發展壯大，但由于國外品牌智能照明系統起步早，系統構筑相對完善，實際效果明顯，特別是跨國企業研發實力較強，其產品在創意、質量等方面均走在智能照明行業前端，國內智能照明市場目前仍是國外品牌的天下。與傳統照明相比，智能照明可達到安全、節能、舒適、高效的目的，因此智能照明在家居領域、辦公領域、商務領域及公共設施領域均有較好發展前景。目前，國內智能照明的應用領域還主要集中在商務領域和公共設施領域，酒店、會展場館；此外，辦公建筑和高端別墅項目也有采用智能照明。隨著國內智能照明研發生產技術的發展和產品推廣力度的加大，家居領域的智能照明應用有望得以普及。

2 系統理論依據

系統的控制方式采用P-I-D，P-I-D的控制方式具有結構相對簡單、控制能力穩態、結果誤差能力強等特點，但是同時P-I-D控制方式也存在著以下缺點：（1）如果控制的對象是滯后的慣性被調量（即被調對象內按照一定趨勢，保持給定值或按一定規律變化的狀態，但是通常意義上其變化反應晚于調整時間），那么涉及到的參數調節就會愈加復雜，這種情況下，一般很難建立精確的數學模型。（2）由于照明系統屬于滯后系統，實際照度、均勻度要在上升到設定值以后，隨著時間、自然光等變化在經過多次的上升下降振蕩后，才可能趨于穩定。而這顯然在實際生產生活中會造成一定的影響。（3）抗干擾能力差，對于干擾比較敏感。當某時刻測量的照度、均勻度值由于干擾而存在較大誤差時，由于比例作用而會使控制產生較大的波動。

粒子群算法（Particle Swarm Optimization，PSO），最早由美國社會心理學家詹姆斯·肯尼迪（James Kennedy）和電氣工程師拉塞爾·艾伯哈特（Russell Eberhart）在1995年共同提出。

粒子群算法本身是模擬飛鳥群捕食最優路徑的行為，因此其配合P-I-D控制方式，能夠產生以下特點：（1）具有良好的尋優性，即使是在初始條件選擇不當的情況下，PSO算法仍能尋找到合適的參數，這就可以解決P-I-D控制方式對于干擾情況下參數會出現偏差的情況，使得控制目標更容易滿足所需條件。（2）與其余算法相比，PSO具有操作方便、速度快的優點，而且幾乎不需要設置復雜的規則，只通過本身的演化（隨機初始化-計算適應值-復制-條件滿足終止，否則轉第二步）便可達到尋優的目的。（3）PSO算法可以在解空間進行高效的啟發式搜索，克服了從單一起點出發搜索的弊端，在搜索盲目性上有更好的處理能力，避免搜索過早陷入局部最優解的情況出現。（4）PSO算法同時適用于多目標尋優。對于多個目標，在不同系統控制下，均能在規定的范圍內按照特點的要求尋找到合適的參數。

因此在對照明系統的建模的基礎上，PSO與常規P-I-D控制的結合，通過計算機仿真模擬（MATLAB）驗證了系統具有較高的適應性和抗干擾能力，能夠有效的抑制進入系統主副回路的擾動，其設計的主要思路為：（1）建立房間遮擋窗簾控制系統的模型（Shielding System）；（2）建立房間照度模型（Lighting System）；（3）利用PSO算法，為PSO算法中重要參數的設定和選擇范圍（PSO System）；（4）將基于選定參數的PSO算法與P-I-D控制方式相結合，設計適用于串級系統的D自適應控制器，實現對照明及遮擋系統的智能控制（PSO & P-I-D Control System）。

依據S-L-P-C為主題思路設計的控制系統，在保證房間照度、均勻度及舒適性等指標的前提下，能夠使得整套控制系統更加節能。

參考文獻

[1] 馮冬青，潘磊.基于改進粒子群算法的控制策略研究[J].鄭州大學學報，2013（3）.

[2] KENNEDY J，EBERHART R.Particle swarm optimi-zation[C]//.Proceedings of the IEEE International Conference on Neural Network. Piscataway，NJ：IEEE Press，1995：1942-1948.

[3] 徐敏，袁建洲，劉四新.基于改進粒子群優化算法的短期電功率預測[J].鄭州大學學報，2012，33（6）：32-35.

[4] 王維博，林川，鄭永康.粒子群算法中參數的實驗與分析[J].西華大學學報自然科學版，2008，27（1）：76-80.

[5] 梁科，夏定純.對粒子群優化算法的幾種改進方法[J].武漢科技學院學報，2006，19（7）：44-47.endprint