基于BIM技術(shù)的變電站室內(nèi)照明系統(tǒng)照度測算方法

王紫雷， 王夢薇， 劉鑫， 單嬋， 郭斌彬

(國網(wǎng)上海市電力公司經(jīng)濟技術(shù)研究院， 上海 200002)

0 引言

變電站中的操作房間往往是無窗的，為了保證相關(guān)工作人員在操作時不會出現(xiàn)錯誤，需要保證變電站中房間照度符合相關(guān)要求[1-3]，所以需要進行室內(nèi)照明系統(tǒng)的照度測算，而對照度測算的研究近年才起步[4]。早期國外對照度測算的方法均為單位容量法與系數(shù)法，利用這兩種方法獲得大致估算的照度數(shù)值，但是這種方法缺乏智能性。我國的研究雖然起步較晚，但由于相關(guān)領(lǐng)域較為發(fā)達(dá)，我國研究者研究出了利用光電探測器建立起的照明測試系統(tǒng)，可以將操作房間中關(guān)鍵工作臺的照度進行測算，但無法實現(xiàn)對房間整體照度的測算[5-6]。而BIM利用多種建筑學(xué)信息軟件對建筑內(nèi)部和外部進行模擬，同時也可以利用該技術(shù)建立光環(huán)境模型，進一步地對室內(nèi)光照情況進行模擬，在此基礎(chǔ)上進行變電站室內(nèi)照明系統(tǒng)照度測算，以此進一步提升變電站建設(shè)質(zhì)量。

1 變電站室內(nèi)照明系統(tǒng)照度測算

1.1 基于BIM技術(shù)的室內(nèi)光環(huán)境模擬

BIM技術(shù)可以通過三維形式對建筑結(jié)構(gòu)進行模擬，從而解決復(fù)雜工程問題[7]。在本文中，利用BIM技術(shù)模擬光環(huán)境，進而對室內(nèi)光環(huán)境的相關(guān)參數(shù)進行確定，其中選擇BIM技術(shù)中的Revit系列軟件作為光環(huán)境模擬的技術(shù)核心，室內(nèi)光環(huán)境模擬過程如圖1所示。

在進行變電站室內(nèi)光環(huán)境模擬前，需要對場地還原，利用模擬場地實現(xiàn)參數(shù)驅(qū)動。而對變電站室內(nèi)光照參數(shù)導(dǎo)入則需要依靠燈具光譜對照明范圍進行分層處理，將照明范圍

分為3個區(qū)域[8-9]，即光照直射區(qū)、光照有效區(qū)以及光照影響區(qū)，如圖2所示。

圖2 光照模擬圖

通過對場地以及光照的還原并將相關(guān)參數(shù)導(dǎo)入BIM平臺軟件中，獲得變電站室內(nèi)所測區(qū)域的光環(huán)境[10]。

1.2 光照測量接收模型

在對變電站室內(nèi)照度測量過程中，需要利用光探測器接收光度，通過物理光度接收設(shè)備可以正確地給出其測量值，但在實際測量時，由于光源尺寸和光源表面距離較小，容易造成點光源的接收效果不佳[11-12]。因此，本文運用距離平方反比定律來構(gòu)建光源測量模型，由于上文運用了BIM技術(shù)完成了變電站室內(nèi)光環(huán)境的模擬，可以據(jù)此確定點光源的發(fā)光強度，這里將該點光源的發(fā)光強度設(shè)為I，同時在距離點光源的l位置設(shè)有一個與點光源光線方向垂直的面元dA，則存在：

dΦ=I·dΩ=IdA/l2

(1)

式中，dΦ代表面元dA下點光源的張角，dΩ則代表面元dA下點光源的立體角，則得到單一點光源的照度[13]為

E=I/l2

(2)

但當(dāng)接收到的光線是非垂直光線時，設(shè)受光面的法線和照射光線之間的夾角為θ，則照度可以表示為

E=Icosθ/l2

(3)

而在上述公式中，僅能對變電站室內(nèi)單一點光源的照度進行測算[14]，無法對室內(nèi)的整體照度進行測算，因此需要進一步的運算，以獲取整體照度。

1.3 基于神經(jīng)網(wǎng)絡(luò)的照度測算

(4)

本文采用神經(jīng)網(wǎng)絡(luò)中的后向傳播學(xué)習(xí)運算，當(dāng)學(xué)習(xí)樣本輸入后，神經(jīng)網(wǎng)絡(luò)需要沿著網(wǎng)絡(luò)權(quán)值以及閾值函數(shù)式向著負(fù)梯度方向修正，函數(shù)式如式(5)：

xk+1=xk-αkgk

(5)

(6)

計算誤差函數(shù)對輸出層權(quán)值的導(dǎo)數(shù)，結(jié)果表示為

(7)

針對上述所產(chǎn)生的誤差函數(shù)導(dǎo)數(shù)，可對隱層的權(quán)重更新過程進一步推斷，更新方程為

(8)

利用式(8)對隱層權(quán)重值進行更新，即可通過設(shè)置合理的權(quán)重值來降低神經(jīng)網(wǎng)絡(luò)的誤差值。在進行照度測算過程中，利用上文中的光照測量模型，獲得單個點光源的數(shù)據(jù)輸入至神經(jīng)網(wǎng)絡(luò)中，將樣本輸入后，計算神經(jīng)網(wǎng)絡(luò)中間各層單元的輸入sj，并利用sj的傳遞函數(shù)來計算中間層單元的輸出bj。計算完成后，對中間層中的輸出bj、連接權(quán)值wij和閾值θij進行計算，獲取各層單元內(nèi)的輸出lj，同時利用傳遞函數(shù)來計算神經(jīng)網(wǎng)絡(luò)輸出層中單元節(jié)點的響應(yīng)值ct，在得出ct后利用神經(jīng)網(wǎng)絡(luò)的目標(biāo)期望值以及實際輸出值通過式(6)以及式(7)計算出神經(jīng)網(wǎng)絡(luò)誤差，并應(yīng)用式(8)進行權(quán)重調(diào)整。選擇下一個輸入樣本，直到所有輸入樣本完成訓(xùn)練，在神經(jīng)元運算中，通過誤差對比來確定隱層神經(jīng)元的個數(shù)，并根據(jù)神經(jīng)網(wǎng)絡(luò)綜合所有輸入值測算出變電站室內(nèi)照明系統(tǒng)的整體照度。

2 實驗論證分析

為了驗證本文所設(shè)計的基于BIM技術(shù)的變電站室內(nèi)照明系統(tǒng)照度測算方法能夠滿足設(shè)計需求，在某變電站中選擇一個無窗操作房間，該房間的長12 m，寬7 m，高3.5 m，所需照度需要達(dá)到250 lx，利用本文方法來確認(rèn)該房間中室內(nèi)照明系統(tǒng)的照度是否滿足需求。

2.1 實驗場景參數(shù)

采集變電站房間內(nèi)影響照度的相關(guān)參數(shù)，將這些參數(shù)作為實驗樣本，實驗樣本值如表1所示。

表1 實驗樣本值

由于采集到的樣本參數(shù)不同，本文在進行運算中選擇其平均值，燈具效率為0.83，燈具高度為3.5 m，天花板反射比為0.375，地板反射比為0.225，墻面反射比為0.45，房間面積為84 m2，熒光燈光通量為2 451 lm。

2.2 實驗運算設(shè)備

在實驗過程中，使用PC主機來搭載神經(jīng)網(wǎng)絡(luò)以及BIM相關(guān)平臺和軟件，PC主機硬件配置如下：主板型號為華南H61、顯卡型號為GTX 1050 Ti 4GV1、顯存容量為4 GB、位寬128 bit、硬盤型號為WD 1TB、硬盤容量為1TB、內(nèi)存型號為HX424C15FB/8、內(nèi)存容量8 GB。

2.3 實驗測算方法訓(xùn)練

本文主要利用神經(jīng)網(wǎng)絡(luò)進行變電站室內(nèi)照明系統(tǒng)照度測算，在確認(rèn)相關(guān)輸入?yún)?shù)后，需要先對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，首先通過訓(xùn)練來確定神經(jīng)網(wǎng)絡(luò)中的隱層神經(jīng)元個數(shù)，神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中的神經(jīng)元誤差如下。

表2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中的神經(jīng)元誤差

在訓(xùn)練過程中，當(dāng)神經(jīng)元數(shù)量達(dá)到12后訓(xùn)練時間過高，而當(dāng)神經(jīng)元個數(shù)為9時，最大誤差和最小誤差的值最小，同時訓(xùn)練時間在要求范圍內(nèi)，因此本次實驗中神經(jīng)元網(wǎng)絡(luò)中的隱藏層神經(jīng)元數(shù)量為9。確定神經(jīng)元個數(shù)后，即可將通過BIM技術(shù)以及光照測量接收模型所獲取的參數(shù)作為輸入樣本進行訓(xùn)練，考慮到不同訓(xùn)練函數(shù)對神經(jīng)網(wǎng)絡(luò)的性能存在一定影響，因此采用不同訓(xùn)練函數(shù)進行訓(xùn)練，本文采用traingdx對網(wǎng)絡(luò)進行訓(xùn)練得出的結(jié)果如圖3所示。

圖3 采用traingdx函數(shù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的結(jié)果

分析圖3可知，采用traingdx函數(shù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的誤差為[-0.004 3 0.051 7; -0.078 -0.014 6; -0.042 7 -0.016 2; -0.041 2 0.012 7; -0.027 1 -0.015 8]，在運用traingdx函數(shù)進行訓(xùn)練后，采用traingdm對神經(jīng)網(wǎng)絡(luò)進行進一步的訓(xùn)練，訓(xùn)練結(jié)果如圖4所示。

圖4 traingdm函數(shù)對神經(jīng)網(wǎng)絡(luò)的二次訓(xùn)練結(jié)果

分析圖4可知，此時神經(jīng)網(wǎng)絡(luò)誤差為[0.019 7 0.024 6; 0.007 4 0.031 8; 0.014 1 0.012 6; -0.014 1 -0.016 1; -0.031 1 -0.048 7]符合誤差要求。在完成訓(xùn)練后，將所有參數(shù)輸入神經(jīng)網(wǎng)絡(luò)，并測算變電站室內(nèi)照明系統(tǒng)的照度，計算過程中部分程序如圖5所示。

圖5 測算過程部分程序

在圖5程序中，最終得出Y1=[12 0.265]，代表在燈具數(shù)量為12的情況下該房間的整體照度值為265 lx，而265 lx>250 lx證明該房間中的室內(nèi)照明系統(tǒng)照度滿足該變電站操作房間的照度要求。同時實驗也證實本文方法可以對房間整體照度進行測算，滿足設(shè)計要求。

3 總結(jié)

本文主要通過BIM技術(shù)進行變電站室內(nèi)光環(huán)境模擬，同時利用神經(jīng)網(wǎng)絡(luò)完成對室內(nèi)照明系統(tǒng)的照度測算方法的設(shè)計，最后通過實驗也證明了本文所設(shè)計方法的可行性。但本文所使用的神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本較少，可能會造成照度測算結(jié)果存在一定的誤差，因此需要在后續(xù)的研究中增加樣本數(shù)量或測量參數(shù)，也可以通過三維坐標(biāo)來確定布置位置，并進行智能的燈具布置設(shè)計，這些都是未來研究的主要方向。