基于天空模型的公共場所照明智能控制

宗衛周，余建波

(同濟大學 機械與能源工程學院，上海 201804)

基于天空模型的公共場所照明智能控制

宗衛周，余建波

(同濟大學 機械與能源工程學院，上海 201804)

公共場所照明具有全天候、多應用、能耗大的特點；掌握任意時間的天空亮度分布情況是充分利用自然光、實現智能照明的基礎；基于國際照明委員會(CIE)給出的天空亮度計算公式，建立自然光對公共照明區域產生的天空照度模型；引入數學和光學相關原理建立公共場所人造光和自然光的混合模型;利用改進蟻群算法求解模型，得出最佳的燈具亮度組合，實現舒適和及節能的綜合最優；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驗，實驗結果驗證該策略的有效性。

智能照明；天空模型；蟻群算法；節能

0 引言

公共照明是指大空間內全面的、基本的照明，其特點是光線比較均勻，適用于學校、體育場、會議廳、農業大棚、候機廳、隧道等場所。大多數情況下、公共照明中基礎照明作為整體處理，然后在一些需要突出強調的地方加以局部照明。隨著城市化進程的加快，各種大型公共場館的建立，照明設施使用頻率越來越高，如此眾多的設備每天需要專門的人員管理控制，效率低下，人力浪費。目前，全球的照明能耗大約占據整個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，引入自然光具有極大的節能潛能。同時自然光對室內人員的視覺舒適、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可以改善滯后的照明管理方式，降低能源消耗，優化照明環境。國內外學者結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]根據太陽高度以及窗戶的方位角建立窗簾調控模型，當自然光不足需要人工補光時，利用改進的粒子群算法求出最佳的亮度組合;2)Hertog[2]根據自然光和人造光的光譜成分和波長的差別不同，利用優化算法使二者的混合照明效果最有效于人體的健康，節約了能耗;3)Tsuei[3]等開發了這樣的照明系統：聚光燈收集的太陽光被分光器分為可見光和非可見光，可見光通過光導進入一個燈箱，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，設計了一種基于反射器/透鏡結構的照明燈具，通過導光裝置引入室外的自然光，采用自由曲面透鏡對自然光進行配光調制，實現自然光和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中提出了一種分數階自適應能量認知照明控制策略，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控制器用于優化光環境舒適性;6)袁宗南[6]針對管式天然光導入系統的性能預評估方法，分析了彩色照度圖法、天然光滲透系數法、Sky Vison模擬法、Carter法和Tsangrassoulis法的優缺點，對選擇光導入器材有重要指導意義。上述研究從策略、算法、光質、終端器具、光導入系統等層面推進了混合照明的發展。但是如何根據自然光動態的亮度變化及其分布，根據照明場所對光質光色的需要，實時調整人造光源的光強，使人造光和自然光智能融合，到達最佳照明效果。這一課題目前較少學者對其研究。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)標準天空模型。CIE模型以其精確性成為行業標準。

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

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

1 模型的建立

天空模型是CIE根據不同國家和地區所做的相關基礎研究，將不同天空亮度總結成15種不同的標準天空類型，如表1,可精確計算出不同時空下亮度分布。圖1用來描述CIE模型三維結構及變量：

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，方位角以正南方向為零，向東變小，向西擴大。γs為太陽高度角，即當地經線與太陽光線在水平投影形成的夾角。χ指太陽為測量點之間最短距離。γ為測量點高度角，即當地經線與測量點在水平投影形成的夾角，當測量點選定后，γ為固定值。Z為測量點與天頂的角距離。Zs為太陽直射點與天頂的角距離。他們之間的關系根據幾何定理有：

(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的照度比值的確定CIE標準一般天空類型方法[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現智能照明奠定了基礎。

1.1 天空模型計算太陽直射點照度

太陽平行光源下，根據立體角投影定律，被照點照度與亮度的關系有如下公式描述：

(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，為發光面，Gk(xk,yk,zk)為G分割成的小微元。H是室內作業面，為被照面，Hi為H上面的一點，Eik為發光微元Gk對Hi形成的照度。Lγi為室內作業面上的Hi點透過微元Gk所看到的天空元亮度。

Lγi=

(5)

在式(5)中，Lz為計算點天頂亮度。Lz的值可以使用測量儀器去測量;a、b、c、d、e為CIE標準15中天空類型中的參數，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。

太陽高度角γs計算如下：

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的緯度，定位確定后可查，北緯為正，南緯為負；η表示太陽的緯度；t表示太陽時間的角度，t等于15°與距離正午小時數的乘積;N1為累積天數，Y為年份，INT表示取整數部分。

表1 15種天氣類型的分類方法

圖2 天空模型產生照度示意圖

方位角計算公式如下：

(9)

θi為光線在被照面Hi的入射角，計算公式為：

(10)

εi為光線在發光面Gi的出射角，計算公式為：

(11)

對公式(1)積分，即可得到整個露天發光面(圖中曲面)G在Hi處產生的照度：

(12)

1.2 自然光和人造光混合模型建立

點光源的定義：近似圓形發光體，如果自身直徑小于其達到照射平面距離的1/5,可視為點光源。以采用點光源的燈具為前提，假設室內各個墻面的反射光所產生的照度對檢測點照度的影響很小。如圖3，由光學基本知識，有：

圖3 點光源產生照度模型

(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Hi的距離，βij為Aj的入射方向，Iβij為Aj入射方向的光強，dΦij為面元dH范圍內的光通量。由點光源直射照度的距離平方反比定律知：Aj在Hi點所產生的法向方向的照度為:

(15)

Aj在Hi點所產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J個燈具在dHi處產生的照度為各個燈具在該處產生的水平照度的線性組合：

(18)

綜合日光和人造光得到室內取光面內點dHi最終照度:

Eti=Eai+μEsi

(19)

μ為材料的透光率：即設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區域由于使用功能不同而導致需要的照度也不同，且在一定的上限和下限內，即產生的模型約束條件，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，以照明系統各燈具總光通量最小為評價指標：

(21)

式中,Fit為區域內各燈具光通量的最小值；Φj為第j個燈具的光通量；J為大棚內燈具的總數。

由光學基本知識：光強為光源在單位立體角內的光通量，而點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 室內燈具及功能照明區域分布圖

2 改進蟻群算法求解智能調光模型

2.1 蟻群算法及改進

(23)

T(n)=O(Nc·n2·m)

(24)

Nc為循環次數，m為螞蟻個數，n為城市數量，本文為燈具的個數。在蟻群算法中，尋址路徑最長的螞蟻釋放的信息素將導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解，提出改進規則1：

規則1：一輪螞蟻尋優結束后，比較各條路徑對應信息素總和的大小，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。經測試，大大提高尋找最優解的概率。

圖5 各燈具照度調整曲線

由于大型場所的照明燈具數量較多，對應需要的種群規模也較大，這樣搜索時間長的問題尤為突出。為降低算法的時間復雜度，減少運行時間，提出改進規則2：

規則2：將每個節點放置一個螞蟻改為在任意一個節點放置一只螞蟻。在每次算法循環中，起點是被隨機選擇的。這避免了螞蟻與節點的冗余。經測試，可降低時間復雜度。

改進蟻群算法解決多目標優化的步驟如下：

Step1:初始化模型參數。

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

Step3: 更新信息素。計算各個螞蟻經過的路徑長度，保存最近一次迭代的最優解。同時，對各條路徑上的信息素進行更新。

Step4：判斷是否終止。根據當前迭代的次數與是否達到初始化設置迭代次數的上限。如無，清空路徑記錄表，如有，則停止計算，輸出最優解。

2.2 仿真研究

本文選擇地理位置為121.59 N、東經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來。建筑物的體積參數為：東西15 m，南北寬6 m,頂高6 m，側高1 m，建筑物的頂部為圓弧形，弧度1.25 rad。建筑物內部各照明區域如圖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，燈具內部可以實現0～6 000 lm多級調光，實驗中將燈具分6 000級調光。假設各個照明區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點為例，選擇CIE標準一般天空類型6：部分存在云的天空，朝向天頂無漸變。設置初始螞蟻的數量為m為31個，信息素重要程度因子χ為1，啟發函數重要程度因子δ為5，信息素揮發因子ρ為0.1，最大迭代次數iter_max為50。

圖6 改進蟻群算法進化過程圖

分別用傳統蟻群算法和改進蟻群算法求模型最優解。如圖6，改進的蟻群算法的仿真結果能夠保證目標函數穩定快速收斂，從目標函數值來看隨著螞蟻對路徑的不斷選擇，目標函數的值越來越小，當迭代次數進行不到30次時，目標函數改善十分緩慢，基本接近最優解。此時，對應的各燈具在檢測點的照度為：499lx，499lx，1506lx，410lx，396lx，398lx，373lx，231lx，1219lx，229lx，890lx，763lx，922lx，562lx。而傳統的蟻群算法則收斂速度相對緩慢，當迭代次數差不多在40此以后，才開始收斂于最優解。對應的各燈具在檢測點的照度為：488lx，503lx，1306lx，434lx，382lx，390lx，401lx，311lx，921lx，209lx，800lx，666lx，1011lx，382lx。與此同時，統計兩種算法在同一CPU上的運行時間：傳統的蟻群算法耗時145分鐘，改進的蟻群算法56分追，時間復雜度降低了一倍多。仿真結果驗證了改進蟻群算法的有效性和先進性。

每隔30分針計算天空模型在建筑屋頂的亮度分布，利用改進蟻群算法求出一天內各燈具亮度隨時間調整曲線如圖5所示。從圖5可以看出，在有日光照明的時刻，隨著太陽高度角的變化，太陽光線在室內產生的照度也隨之變化。同時由于室內的不同作業區域對照明標準要求不同，為使照度恒定地滿足標準，抵消日光變化的影響，室內燈具也會實時調整自身亮度。在這樣的自然光與人造光混合照明系統內，光強的變換均一而緩慢的，絲毫不影響用戶體驗。同時，時間間隔(計算自然光的頻率)的大小可以隨具體的天氣狀況設置。這種根據多樣化的照明需求和動態的日光變化而自適應調整燈具照明強度，在滿足照明目標保證照明舒適性的同時，使能量總消耗最小，大大節省了電能。

3 結論

首先，應用CIE天空模型計算太陽光在公共照明區域內亮度分布，將亮度值映射成照度值。運用立體幾何、投影定律、光學相關知識原理構建混合照明模型。然后提出改進蟻群算法求解模型最優解，利用其實現舒適度和節能的綜合最優。最后，通過實驗仿真驗證了控制策略的有效性。本文的研究成果可應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、農業大棚等需要自然光采光的場合。基于天空模型的公共場所照明智能控制策略在滿足智能化和信息化的同時，實現了電能的節約。

[1] 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, 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計[J]. 照明工程學報，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. 管式天然光導入系統的性能預評估方法研究綜述[J].照明工程學報，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的照度比值的CIE 標準一般天空類型選擇[J].發光學報, 2015, 36(10): 1201-1204.

[8] 吳玉香, 劉春燕, 文尚勝,等. 基于CIE天空模型計算任意時間天空亮度分布[J].光學學報,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].農業工程學報, 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。

國家自然科學基金資助項目(51375290, 71001060)；上海航天科技創新基金(SAST2015054)；中央高校基本科研業務費學科交叉-面上項目(1000219176)。

宗衛周(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，工學博士，副教授，博士生導師，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