城市智慧照明控制系統研究與實現

余建波，宗衛周，王 濤，張國棟，程 輝

(1.同濟大學 機械與能源工程學院，上海 201804；2.上海航天設備制造總廠研發部，上海 200245；3.上海邦奇智能科技有限公司，上海 201317)

0 引 言

現行公共區域照明在節能，自動化程度，故障報警，數據分析等方面諸多不足之處。智慧照明是通過計算機技術、軟件技術、通信技術和微型控制技術等實現對分散的照明設備進行集中管理和智能化的控制，從而升級落后的照明系統控制方式，降低能耗。智慧照明是當今學術界研究的一個熱點課題。袁佳等[1]設計的基于ZigBee分布式燈光控制系統，充分發揮ZigBee組網靈活的特性，易于擴展，可滿足多種場合燈光控制；Pandharipand等[2]借助RSSI技術，通過LED燈間的通信，到達室內定位、能耗分布和自適應控制的目標；Tran等[3]提出了基于線性和非線性照明對象的前饋神經網絡模型的控制方案，由于在控制回路中無傳感器，該方案具有快速響應、低成本的特點；Byun等[4]根據人員處于不同的工作和生活狀態以及自然光強度而動態控制照明亮度，充分利用自然光照明亮度，減少能源浪費；王敏等[5]提出的基于物聯網架構的智能照明系統實現了常見通信協議間的轉換，綜合了多種傳感器，系統通用性更強。以上研究存在如下問題：①研究域相對狹小，系統性低；②控制算法復雜，實用性差；③缺少對保證通信實時性和穩定性的研究。

本文經過對現代城市智慧照明的實用化研究，以智慧控制和高效節能為核心，提出城市照明控制系統完整層次架構，在此基礎上開發了一套遠程分布式城市智慧照明控制系統軟件，實現對照明終端的遙感、遙測、遙控等功能，達到高效、穩定、智慧、節能的效果。

1 城市智慧照明控制系統的總體架構

城市智慧照明系統監控中心通過GPRS/CDMA與集中控制模塊組建一級通信主網絡，集中控制模塊通過無線局域網或現場總線組建二級通信子網絡。兩級的組網方式滿足大空間下分散的設備應用需求。系統的總體架構從下到上可分為6層，如圖1所示：終端層、感知層、硬件層、通信層、控制層和應用層。將一個復雜龐大的系統分為相對獨立、分工明確、結構清晰的6個層次。層與層間的高內聚低耦合，提高系統開發和運行時的可靠性、安全性、可伸縮性、可擴展性和可維護性。

圖1 城市智慧照明控制系統框架

終端層：位于架構的底層，是實現光強、色彩和均一照明效果最終承擔者，包括舞臺燈、路燈、景觀燈和植物補光燈等各種用途的照明終端。

感知層：由具有通信能力的MZM(machine to machine)終端，用于感知照明環境的行人、車流量、氣候、能見度等信息，采集光強、溫度等指標，實時傳送到云服務器端[6]。

硬件層：包括集中控制模塊、單燈控制模塊等控制終端，網關、通信模塊等傳輸終端及配套的供電設備。單燈控制模塊作為二級通信子網中微型控制器，直接協調傳感器和燈具的工作，集中控制模塊管理一定數量的單燈控制模塊，受控控制層。網關實現通信信號在不同網絡中轉換。

通信層：數據的搬運工，在系統中起承上啟下的作用，將現場一線數據搬運至應用層，將控制層的指令搬運到硬件層。

控制層：將感知層的數據，作為控制層的輸入變量，同時將控制層的控制信號發送到微型控制器。實現控制層輸入變量到輸出變量轉化過程依靠相關控制節能算法。

應用層：直面用戶，強調分析和決策支持，通過對來自傳感層數據加工、挖掘、統計、聚類分析形成地理信息系統、能源最優化系統、故障診斷專家系統等高附加值子模塊系統。

2 城市照明智慧化研究

本節在上述6層框架的基礎上，從感知層、通信層、控制層3個核心層面具體闡述智慧照明技術。

2.1 感知層

感知層是智慧照明的皮膚和五官，用于識別目標，采集信息。作為系統應用的最前端,感知層的信息感知和采集效果對于系統功能的有效實現有著決定性的作用。在智慧照明常用的傳感技術有雷達、攝像、紅外定位及光敏傳感器、溫度傳感器、電壓電流傳感器等，其特性見表1。由于計算機視覺學科的快速發展，基于圖像識別的照明目標探測和識別將成為未來照明的主流感知技術。

表1 傳感技術比較

2.2 通信層

通信層由兩級通信網絡組成，一級主網通信介質主要是GPRS或CDMA，二級子網通信介質具有多樣性，總體可分為無線和現場總線?，F場總線技術具有傳輸穩定、抗干擾能力強和安全系數高優勢，是智能照明市場主流通信技術。CAN總線、LON總線、Profibus總線和基金會現場總線(FF)是目前最為常見的總線。無線通信可以克服布線的限制，使用靈活、便捷，是智能照明的組網的趨勢。ZigBee、Bluetooth、Wi-Fi和可視光通信(VCL)是目前智能照明通信領域最主要的4種無線物聯網通信技術。ZigBee技術可實現網絡節點自由增刪，達到燈光自適應控制效果[7]。Bluetooth可將手機、pad等設備納入控制終端，降低了硬件成本?；赪i-Fi的照明系統充分利用現有的Wi-Fi信號，非常適合家庭和辦公等場所?；诳梢暪馔ㄐ诺恼彰飨到y綠色低碳，能夠有效避免無線電通信電磁信號泄露等弱點[8]。

2.3 控制層

智慧控制是由多學科交叉形成的，其發展過程取決于人工智能技術、模糊推理、認知技術和仿生控制論等學科的發展及其之間的相互結合運用。智慧照明的核心在于智慧控制，通過運用人工智能、運籌學理論對其進行優化，并將該理論同自動控制方法相結合，使得系統能夠無人干預的情況下自主運行，到達智慧、節能、高效、便捷的效果。如圖2所示，本文列舉了計劃控制、場景控制、最優化控制、自適應控制[9]、模型推理控制[10]等5種智慧控制方法。

圖2 先進控制方法

3 城市智慧照明控制系統設計和實現

3.1 系統方案

本文提出的分布式城市智慧照明控制系統解決方案如圖3所示，集中控制模塊(以下稱集中控器)通過GPRS信號與監控中心組建一級通信主網絡，可充分發揮GPRS網絡傳輸距離遠、傳輸速率快的優點，單燈控制模塊(以下稱單燈控制器)通過電力載波或ZigBee與集中控制器組建二級通信子網絡，有效發揮了電力載波傳輸穩定、帶寬高、不需重新架設網線[11]和ZigBee低功耗、低成本、靈活性和可靠性高的特點，適應不同的組網環境。各通信節點可以脫離監控中心獨立運行，提高了系統的可靠性，體現了集中管理和分散控制的思想。系統支持電腦、Pad、手機等多終端跨平臺訪問,兼容性高。

圖3 城市智慧照明控制系統方案

為提高通信穩定性，保證通信實時性，在服務器端的通信機制中加入WCF和MSMQ技術。WCF即Windows Communication Foundation，是微軟開發的一系列支持數據通信的應用程序框架，相比于傳統從數據庫周轉的命令收發方式，WCF直接在內存中開辟服務器與游覽器信息傳輸通道，快速響應。MSMQ即Microsoft Message Queuing，是在多個不同的應用之間實現相互通信的一種異步傳輸模式，相互通信的應用可以分布于相連網絡中的任一位置，保證了并發性和節約系統開銷。如圖4所示，服務器端通信流程可以劃分為3個執行不同任務的線程。

圖4 服務器端通信機制

線程1(圖4虛線)：處理上位機命令。將來自web的命令M經WCF通道存入數據庫和消息隊列Q。存入數據庫命令供查詢和日志管理使用。

線程2(圖4實線)：發送命令。將消息隊列Q中的命令M依次發送到目標集中控制器。考慮到實際GPRS網絡在某些區域和局部時間段信號強度因素,對于集中控制器不立即響應的命令M加入重發機制，連續發送3次沒成功，本次發送命令M的任務作廢。

線程3(圖4點線)：接受命令。集中控制器接受到命令M后會回復響應R，線程3收到響應R后經WCF通道推送到web端。

3.2 系統軟件開發

城市智慧控制系統面向的用戶對象分散而廣泛，且素質高低不齊，由此，系統軟件采用B/S結構。軟件使用ASP.NET技術，采用模塊化組織方式，包含地理信息系統模塊、終端控制模塊、燈具狀態實時監測模塊、故障診斷與報警模塊、統計和決策支持模塊、WCF通信和用戶管理等功能模塊。

3.2.1 地理信息系統模塊(GIS)

現有的照明控制類軟件，對于其管理的燈具對象只是單一的列表或樹狀圖的形式顯示，而對于其實際位置根本不關心，沒有空間維度的具體映射，用戶體驗較差。如圖5所示，通過調用百度地圖api繪制區域的地理信息。用戶錄入的對象經緯度數據，經過系統處理后以GIS技術顯示在地圖上，并配合直觀的圖形結果，典型的應用有：路燈布局，路燈運行狀態顯示，故障燈具定位，傳感器分布顯示等。百度地圖顯示范圍廣泛，內容豐富，但其在顯示的精度最高10 m左右。而城市照明系統的燈桿具有大分布，小聚集的特點。常見的采光對象如工廠、場館、橋梁密布著幾十棧甚至上百棧燈具，這時百度地圖在局部區域顯示不夠細膩。為解決這一問題，我們引入人工地圖：通過本地導入目標區域的平面圖，矢量格式，根據需求在該圖上配置相關的燈具圖標，在百度地圖下形成高精度的二級地圖顯示。局部精確和總體概況的綜合展示，多角度展示了燈具在立體空間的地理信息，更具形象感。

3.2.2 終端控制模塊

(1)直接控制。可通過上位機直接調節一片管理區域照明單元、一個集中控制器下照明單元及某個單燈的亮度。

圖5 地理信息系統模塊

克服傳統公共照明照度單一的局限。

(2)場景控制?？筛鶕嶋H需要將若干單燈編制成組，制定全開、全關、半亮等場景，形式靈活。

(3)時控計劃。除直接控制照明單元的亮度外，本系統也可提前設置一天、一周、一個月甚至一個季度的調光計劃，提交未來某段時間的調光方案。計劃制定的常用依據是天氣、日出日落時間、預計路段的車流量和人流量。由于不同區域的日出日落時間不同，同一區域不同季節日出日落時間也不同，本系統針對每個單燈的經緯度，依據日出滅燈和日落亮燈的規則，規避自然光和人造光同時作用和同時不作用的現象，從而達到能源的優化利用。日出和日落時間的計算方法如下：

日出時間

T1=24*((180+Z*15-Lo)-arccos(tan(23.4*
cos(2*π*(T+9)/365)*π/180)
tan(La*π/180))*180/π)/360

日落時間

T2=24*(1+(Z*15-Lo/180))-T1

T1為日出時間，T2為日落時間，Z為某地的時區，Lo為某地的經度，T為日期的時間序列，即某日是一年中的第多少天，La為某地緯度。

3.2.3 燈具實時監測模塊

實時監測是在GIS地圖上對燈具進行實時監控和數據采集?？蓪崟r顯示各燈具的運行參數、聯網狀態、當前亮度、負載功率等信息。這些信息每3 min或10 min(可設置)更新一次，系統長時間運行會產生TB級別甚至PB級別的大數據，借助云平臺的超大規模，高可靠性和通用性和低成本的特點，將這些現場數據放在云端，為節能模型建立和故障診斷分析提供數據原材料。

3.2.4 基于規則的故障診斷專家系統模塊

專家系統作為具有大量的專業理論性知識與經驗性知識的程序系統，能夠利用人類專家的知識和解決問題的方法來處理該領域問題。公共照明智能化監控系統中嵌入基于規則推理的專家系統，以解決復雜的LED燈具故障診斷問題。單燈在發生故障時，傳感器會及時將該時刻的電壓、電流、溫度、濕度、功率和亮度等參數及時推入到數據庫中，構成專家系統的事實庫。工程師根據專業知識和實踐經驗總結斷定故障類型，構成規則庫。推理機是專家系統的“思維”機構，按既定的控制策略和搜索機制進行推理，將知識庫的內容映射為具體的故障，及時報警。

3.2.5 統計和決策支持模塊

可檢索某日的點燈率；一年內某地區的開關燈時刻表；全夜和半夜燈設置情況?？煞治鯨ED燈的能耗故障等歷史數據，通過橫向的對比和縱向的挖掘形成月報表、季度報表和年報表，提供導出和打印報表接口。這些報表為管理員提供寶貴的決策支持數據。如：分析故障的種類與區域時間的關系，為生產和采購LED燈提供性能上的指導；分析能耗的數據，及時排查和消除高能耗的終端。

4 系統運營分析

以上海市某鎮下屬所以公共照明燈具為實驗對象，在實施城市智慧照明控制系統前后4個季度能耗、在線故障率和人工管理時間的數據見表2。分析數據可知，由于實施了節能的控制策略，相比傳統的人工開關燈，有效地降低能耗約30%。由于系統中具有異常報警和故障診斷的功能，可及時準確定位和排除相應的燈具故障，將實時在線故障率降低到2%以下。由于系統中包含了智能的控制策略，可代替許多紛繁的人力工作，極大降低了人工管理時間。整個系統運行穩定，實際運行時能夠達到高效、穩定、智慧、節能等效果。

表2 實施系統前后數據

5 結束語

本文中所開發的城市智慧照明控制系統是借助軟件技術、通信技術、自動化技術和云技術將分散的照明對象進行集中管理。本文所做的貢獻：①提出了一套完整的城市智慧照明控制系統，涵蓋了6層結構框架，包括：終端層、感知層、硬件層、通信層、控制層和應用層。②提出了一套城市智慧照明控制系統軟件集成了智慧照明領域先進的智慧控制策略：復雜場景控制、日出日落控制、計劃控制、人工智能控制，提高了軟件的智能化，降低了能耗。③為了提高遠程通信可靠性與穩定性，面對照明控制領域高并發的數據網絡，在web服務器通信端提出了基于WCF技術的通信模式，通信可靠性與質量大幅提高，通信延遲有效被縮短。系統前期安裝調試簡單，后期維護升級方便，已成功運用在多地區傳統路燈、景觀燈等改造項目中。

在此基礎上，今后的研究工作將從以下幾個方面深入下去：①系統集成的控制算法朝著更加智慧的方向演進，如深度學習、意念控制等。②將該套控制系統推廣到其它實時控制領域，如智能樓宇中空調、壓縮機、電梯等設備的監控。③在系統實踐檢驗中，對通信穩定性、操作便捷性等方面加以持續的改進和完善。

[1]YUAN Jia,JIAO Zhiman,YU Jianbo,et al.GPRS and ZigBee based remote intelligent distributed control system for LED lighting[J].Computer Engineering and Design,2015,36(1):108-114(in Chinese).[袁佳,焦志曼,余建波,等.基于GPRS和ZigBee的遠程分布式燈光控制系統[J].計算機工程和設計,2015,36(1):108-114.]

[2]Panharipande A,Caicedo D,Wang XY.Sensor-driven wireless lighting control:System solutions and services for intelligent buildings[J].IEEE Sensors Journal,2014,14(12):4207-4215.

[3]Tran D,Tan YK.Sensorless illumination control of a networked LED-lighting system using feed forward neural network[J].IEEE Transactions on Industrial Electronics,2014,61(4):2113-2121.

[4]Byun J,Hong I,Lee B,et al.Intelligent household LED lighting system considering efficiency and user satisfaction[J].IEEE Tran-saction on Consumer Electronics,2013,59(1):70-76.

[5]WANG Min,WU Yang,WANG Ning,et al.Design and implementation of intelligent illuminating system based on IoT[J].Transactions of China Electrotechnical Society,2015,30(1):110-114(in Chinese).[王敏,武陽,王寧,等.基于物聯網架構的智能照明系統的設計和實現[J].電工技術學報,2015,30(1):110-114.]

[6]HU Anrui,ZHANG Lin,TAO Fei,et al.Resource service management of cloud manufacturing based on knowledge[J].Journal of Tongji University,2012,40(7):133-141(in Chinese).[胡安瑞,張霖,陶飛,等.基于知識的云制造資源服務管理[J].同濟大學學報,2012,40(7):133-141.]

[7]Leccese F.Remote-control system of high efficiency and intelligent street lighting using a ZigBee network of devices and sensors[J].IEEE Transactions on Power Delivery,2013,28(1):21-28.

[8]Jovicic A,Li J,Richardson T.Visible light communication:Opportunities, challenges and the path to market[J].Communications Magazine,2013,51(12):26-32.

[9]Yin C,Stark B,Chen YQ,et al.Fractional-order adaptive minimum energy cognitive lighting control strategy for the hybrid lighting system[J].Energy and Buildings,2015,87(1):178-184.

[10]Parise G,Parise L,Managanelli M.A fuzzy-based building automation control system:Optimizing the level of energy performance and comfort in an office space by taking advantage of building automation systems and solar energy[J].IEEE Industry Applications Magazine,2016,22(2):10-17.

[11]Yigit M,Gungor VC,Tuna G,et al.Power line communication technologies for smart grid applications:A review of advances and challenges[J].Computer Networks,2014,70(9):366-383.

[12]LI Ning,WANG Xiaodong,WU Jiande,et al.Using of genetic algorithms in highway tunnel lighting intelligent optimization[J].Journal of Central South University (Science and Technology),2013(S1):342-345(in Chinese).[李寧，王曉東，吳建德，等.遺傳算法在高速公路隧道照明智能優化中的應用[J].中南大學學報(自然科學版)，2013(S1)：342-345.]