1、第 41 卷第 3 期吉军，邝峻玮基于改进粒子群算法的教室照明优化节能研究29基于改进粒子群算法的教室照明优化节能研究吉军1，邝峻玮2(1.大理大学 工程学院，云南 大理 671000；2.广东电网有限责任公司 梅州供电局，广东 梅州 514021)摘要：为解决我国高校教室传统照明普遍存在的无效照明、过度照明、照度分布不均等缺陷和弊端，探究了一种在日间将天然采光与人工照明结合的教室智能照明技术.根据教室工作面上不同测点的照度需求，利用带罚函数的改进粒子群算法搜索出最优的照明灯具光通量组合，最后通过 DIALux 对不同天气场景下优化后的教室采光照明情况进行仿真.结果表明：阴天仿真场景下的照度均
2、匀度提升至 0.76，最高可实现节能 76%；晴天仿真场景下的照度均匀度提升至 0.62，最高可实现节能 80.2%.关键词：教室照明；节能优化；粒子群算法；DIALux中图分类号：TU18文献标识码：A文章编号：1006-642X(2023)03-0029-080 引言根据经济合作与发展组织（OECD）公布的数据，我国自 2006 年起 CO2排放量超过美国，成为世界上温室气体排放量最大的国家1.中国建筑能耗研究报告 2020中指出，2018 年全国建筑运行阶段能耗占全国能源消费总量的 21.7%2，建筑照明用电作为能耗的一部分，在“节能减排”方面具有较高的潜力.在 2021 年两会期间，碳
3、达峰、碳中和的概念被首次写入政府工作报告，有助于实现生态优先、绿色低碳的高质量发展目标.我国高校的教室室内通常采用单侧大面积的采光窗户进行采光，呈现出近窗区域采光条件远好于远窗区域，能够实现合理利用天然光的智能照明技术具有巨大的节能潜力.高等院校是教育的摇篮，倡导节能减排有助于培养学生群体的可持续发展意识，带来了一定的经济效益的同时，也对社会起着良好的示范作用.此外，现有研究表明不合理的光环境增加学生的疲劳感，降低学习工作效率，甚至引起昼夜节律紊乱从而导致疾病的发生3.国内外学者主要从硬件设备和控制算法两方面对智能照明展开研究.硬件技术方面，Xavier N4根据自然光的可用性，占用率和居住者
4、所需的照明水平等需求通过 ZigBee 通信技术对灯具进行控制.Tang S5等人以 Raspberry Pi 为控制器在智能设备上的光传感器采集照度数据后，通过闭环反馈对具有 RGB 通道的灯具进行控制.控制算法方面，将天然采光与人工照明有机结合进行控制是非线性、高维度的优化问题6.敬舒奇7通过线性规划法作为控制算法设计了一种智能照明系统，但传统算法在实际应用中进行高维度的计算时效率较低.王锡琴等人8将 BP 神经网络与自适应神经模糊推理相结合的方法应用于智能照明领域；李炳华等人9建立了 PSO-SVM 模型对某地大型体育场馆的灯具数量、布置位置等参数进行优化，优化后的灯具照明功率减少了 8
5、 640 W，但此类有监督学习的方法需要大量的数据集进行训练，建筑空间类型多样化导致难以推广普及.群体智能算法因其适用范围广、效率高等特点，同样在照明控制领域得到收稿日期：2022-02-10基金项目：云南省住房和城市建设厅科研项目（K021181366）作者简介：吉军（1970-），男，辽宁沈阳人，副教授，博士，硕士生导师，主要研究方向：智能建筑及绿色建筑.邝峻玮（1998-），男，广东梅州人，助理工程师，硕士，主要研究方向：智能建筑，电气节能.第 41 卷第 3 期2023 年 6 月Vol.41NO.3Jun.2023嘉应学院学报（自然科学）JOURNAL OF JIAYING UNIV
6、ERSITY(Natural Science)嘉应学院学报（自然科学）30了广泛应用，如遗传算法(Genetic Algorithm，GA)10、混合差分蜂群算法(The hybrid differential bee colonyalgorithm,HABCDE)11等.1 建立研究模型本文尝试通过粒子群算法（Particle Swarm Optimization，PSO）解决日间照明节能的问题，达到最大程度利用天然采光，减少照明电力能耗的目标.相较于其它进化算法，PSO 算法的优点是相对简单，算法更容易描述和实现.由于传统的 PSO 算法无法解决带约束条件的优化问题，因此在算法基础上引入了
7、罚函数，通过对不符合约束条件粒子的适应度施加“惩罚”，从而将有约束条件的问题转化为无约束条件的问题进行求解12.滇西地区地处类光气候区，平均日照时间长，日照资源丰富.13本文以滇西地区大理大学（东经10027，北纬 2558）教室为例，建立 9.2 m11 m3.7 m 的侧窗采光教室模型，窗户尺寸为 10.6 m（长）2.35 m（高），窗台高度 0.95 m，如图 1 所示.教室课桌区域的照度取 300 lx 为最低限值14.为便于研究，将教室离散化成长宽分别为a、b的小格，选择课桌区域均匀分布的 9 个小格，小格中心点作为编号Qm=(Q1，Q2，Q9)的测点.为了确保课桌面上的天然采光最
8、差的区域照度在照明补偿后能够达到 300 lx，选取 2 个最不利点测点Q10和Q11，分别位于远窗端的前后课桌面边沿，如图 2.测点数量合适为宜，测点数过多容易导致控制算法数据冗余，测点数过少无法准确反映整体照明环境.图 1教室场景平面图图 2测点分布图教室内设置有4排4列共16盏LED灯，编号116.灯具选用PHILIPS公司的SP341P LED50S/940 MLOSRD L150 0 灯，根据不同的调光系数每盏 LED 灯输出光通量范围为 05 000 lm，灯具安装高度距离桌面2.5 m.第 41 卷第 3 期吉军，邝峻玮基于改进粒子群算法的教室照明优化节能研究31室内的天然光由太
9、阳直射光、天空散射光和室内反射光 3 部分组成15，如图 3 所示.晴天进入教室空间的天然光包含了太阳直射光和天空散射光.而阴天由于缺少明显的太阳直射光，进入教室的天然光主要为天空散射光.图 3室内天然采光组成示意图分别以某时的阴天和晴天两种天气场景为模拟条件，在 DIALux 中对教室模型进行采光照度模拟仿真，结果分别如图 4 所示.(a)阴天场景（b）晴天场景图 4不同场景天然采光等照度线图根据不同天气场景的天然采光照度模拟情况，可以确定相应测点照度，并确定照明补偿需求，见表1 和表 2.表 1阴天场景教室天然采光情况测点编号照度值lx理论补偿值lx测点编号照度值lx理论补偿值lx1563
10、07474021002008912093432579422584590010492515116.5183.51143257648252嘉应学院学报（自然科学）32表 2晴天场景教室天然采光情况测点编号照度值lx理论补偿值lx测点编号照度值lx理论补偿值lx16280755902210908221793127173913216846590101501505252481115514561471532 算法设计粒子群算法是由电气工程师 Russell C.Eberhart 和社会心理学家 James Kennedy 提出并初步发展起来的.16算法的基本概念是在每一代中用 01 的随机值作为加权加速度
11、对每个粒子的速度属性加速，使其向和方向加速，是该粒子目前迭代次数的个体最优解，是整个粒子群目前所获得的全局最优解.每个粒子根据以下数值更新自己迭代后的速度和位置：当前位置 ；当前速度 ；个体最优解位置和当前位置的距离 ；全局最优解位置和当前位置的距离 .在 PSO 中每个粒子在j维空间搜索时位置表示为=1，2，3，速度表示为 =1，2，3，每个粒子都有其位置、速度和适应度.粒子速度迭代公式如下：+1=+11 +22 ,(1)其中t是迭代序列；1c和2c是加速度系数参数；1r和2r是介于(0，1)之间的随机数；为惯性权重，是一个常数，越大全局搜索能力强，局部搜索能力弱，越小则反之.+1 是第 t
12、+1 代时粒子i在j维的速度.、分别是第t次迭代时，粒子i在j维的速度和位置.粒子i新的位置+1 计算公式如下：+1=+1.(2)二维空间中粒子群算法的粒子更新过程如图 5 所示，图 5二维 PSO 更新过程图第 41 卷第 3 期吉军，邝峻玮基于改进粒子群算法的教室照明优化节能研究33粒子群优化算法进行调光控制的计算时，16 组光源灯具对应的粒子维度数j=16.设每组灯具的调光系数为，取值范围为 0，1 中的随机数，则灯具光通量可在 0，范围内调节，表示灯具的最大光通量，本次实例中=5 000.每个粒子的位置=1，2，3，16表示一种调光系数组合，n个粒子有n种灯具光通量组合方案C=1，2，
13、3，n，关系式如下12=11121(16)21222(16)12(16)12.(3)根据能耗最小的控制策略原则，应尽可能的小，使得各测点的实际照度值在满足照明标准的情况下，灯具的光通量尽可能小.由此可得到优化目标函数，min=116.?4在 GB 500 33-2013 建筑采光设计标准中规定了教育场所的专用教室、阶梯教室工作面照度不低于300 lx.而测点的照度值由天然采光sE和人工照明光源补偿照度dE共同作用，存在如下关系，,300dsQiEEE(5)由于dE不可能为负数，规定当dE最小值为 0，.)300(,0maxsdEE(6)我们将光源灯具nL对测点mQ的照度值定义为mnE，如21E
14、表示灯具1L作用于测点2Q照度值.根据照度场线性叠加原理，在公式(5)、公式(6)的基础上可得出约束条件为，11121 1621222 1691929 16129129，(7)初始化设置i个粒子和最大迭代次数maxT，在基础适应度函数的基础上增加罚函数 ，对约束条件之外粒子的适应度施加惩罚，新的适应度函数 可以表示为，max)(161NxxFjij0，12911121 1621222 1691929 16129，(8)其中，惩罚系数N取绝对值极大的正数.当粒子不满足约束条件时，式中的罚函数为正数，与N相乘之后其值远大于 的值，适应度)(xF取值越小越优，故该粒子的位置几乎不可能成为 pbest
15、i和 gbest，在进行迭代时不会影响后代粒子.嘉应学院学报（自然科学）34在 Matlab 中对算法进行仿真，代入数据初始化粒子数i=500；最大迭代次数maxT=100；惯性权重=2；加速度系数参数5.021 cc；惩罚系数N=105.阴天天气场景和晴天天气场景的搜索收敛过程如图6 所示，横轴为迭代次数，纵轴为适应度值.（a）阴天场景（b）晴天场景图 6粒子收敛过程3 DIALux 仿真验证根据第 2 节中设计的粒子群算法进行计算，全局最优解的粒子位置=1，2，3，16代表了最优调光系数组合.3.1 阴天仿真场景阴天场景最优灯具调光系数组合见表 3.根据调光系数对室内灯具进行调光控制，开启
16、灯具照明但未进行调光控制时室内照度分布情况如图 7(a)所示，优化调光控制后室内照度分布情况如图 7(b)所示.表 3阴天场景最优灯具调光系数灯具编号L1L2L3L4L5L6L7L8L9L10L11L12L13L14L15L16调光系数0.000.560.560.000.000.000.000.390.000.280.270.260.160.000.660.69(a)优化控制前(b)优化控制后图 7优化控制前后室内照度分布伪色图照明优化前，室内灯具全部开启且未对其光通量进行控制.此时大部分课桌区域处于过度照明状态，平均照度值为 1 037 lx，最小照度值为450 lx，照度均匀度仅为 0.4
17、3.优化后，课桌桌面平均照度值为 400 lx，第 41 卷第 3 期吉军，邝峻玮基于改进粒子群算法的教室照明优化节能研究35最小照度值为 302 lx，照度均匀度从 0.43 提升至 0.76，照度均匀度得到了较好的改善，照度值均达到相关标准的规定.节能评价方面，设 LED 灯具运行实际功率之和与最大功率之和的比值为R，当R越接近 1时实际总功率越大，反之越小.比例系数 R 的计算公式为：=1j?，9计算可得，进行优化调光控制后，灯具实际运行总功率为灯具全功率开启时消耗功率的 24.0%，即当灯具全部采用光通量为 5 000 lm 的 PHILIPS 公司 SP341P LED50S/940
18、 MLO SRD L1500 时，当前场景最理想情况下可达到 76.0%的节能.3.2 晴天仿真场景阴天场景最优灯具调光系数组合见表 4.开启灯具照明但未进行调光控制时室内照度分布情况如图8(a)所示，优化调光控制后室内照度分布情况如图 8(b)所示.表 4晴天场景最优灯具调光系数灯具编号L1L2L3L4L5L6L7L8L9L10L11L12L13L14L15L16调光系数0.000.250.040.410.000.320.300.340.000.070.320.380.030.000.350.36(a)优化控制前(b)优化控制后图 8优化控制前后室内照度分布伪色图照明优化前，大部分课桌区域的
19、照度值超过 1 000 lx，平均照度值达到 1 551 lx，最小照度值为 539 lx，照度均匀度 0.47.优化后，课桌桌面区域平均照度值为 492 lx，最小照度值为 305 lx，照度均匀度从 0.47提升至 0.62.由公式(9)可得R=0.198，即当灯具全部采用上述型号灯具时，最理想情况下可达到 80.2%的节能，能够在改善光环境的同时有着较好的节能效果.4 结论本文以改善高校教室的照明光环境与节能优化为目标，在 DIALux 中建立典型教室模型，并分别模拟了某时刻阴天场景和晴天场景下的室内天然采光情况.为了使得室内照明达到标准水平的基础上尽可能多的引入天然光，减少人工光源的照
20、明负荷，利用基于罚函数的 PSO 算法对最佳调光系数组合进行寻优搜索，对不同采光环境下优化后的教室照明情况进行仿真.结果表明：优化后的教室工作区域照度均大于标准规定的 300lx，在阴天仿真场景下的照度均匀度提升至 0.76，晴天仿真场景下的照度均匀度提升至嘉应学院学报（自然科学）360.62.对于教室内 16 组光通量为 5 000 lm 的灯具，这两种仿真场景分别最高可实现节能 76.0%和 80.2%，对教室光环境的改善和实现节能方面具有显著效果.参考文献：1 郭华璋,罗歆尧,张红梅.我国气电产业发展的潜力、挑战与推进措施J.天然气技术与经济,2021,15(5):75-82.2 中国建
21、筑能耗研究报告 2020 建筑节能(中英文)J.2021,49(2):1-6.3 WANG X,LINNARTZ J P M G.Intelligent illuminance control in a dimmable LED lighting systemJ.Lighting Research&Technology,2017,49(5):603-617.4 XAVIER N,KUMAR A,PANDA S K.Design,fabrication and testing of smart lighting systemC/2016 Future TechnologiesConference
22、(FTC).IEEE,2017:763-768.5 TANG S,KALAVALLY V,NG K Y,et al.Development of a prototype smart home intelligent lighting control architecture usingsensors onboard a mobile computing systemJ.Energy and buildings,2017(138):368-376.6 ROMERO-RODRIGUEZ W J G,BALTAZAR R,ZAMUDIO V,et al.Comparative study of bi
23、o-inspired algorithms applied toillumination optimization in an ambient intelligent environmentJ.Smart Innovation,Systems and Technologies,2020,148(13):215-216.7 敬舒奇.基于云平台的智能照明系统设计与研发D.北京:北京建筑大学,2020.8 王锡琴,钱珂江,杜艺婕,等.采光照明的智能控制优化技术研究J.技术与市场,2019,26(1):32-34.9 李炳华,常昊,王成,等.基于 PSO-SVM 的体育场馆照明计算与优化J.照明工程学
24、报,2020,31(4):33-39.10 WANG C H,LIU F.Design of an Intelligent Light Control Method Based on Generic AlgorithmJ.Control Engineering of China,2017,24(2):341-345.11 曹安林,曹诚伟.基于混合差分蜂群算法的楼宇智能照明控制系统J.自动化技术与应用,2021,40(12):16-20.12 蔡绍滨,高振国,潘海为,等.带有罚函数的无线传感器网络粒子群定位算法J.计算机研究与发展,2012,49(6):1228-1234.13 大理州能源局关于
25、对大理州政协十三届三次会议第 133160 号提案的协办意见EB/OL.(2020-12-14)2022-10-12.http:/ 中华人民共和国住房和城乡建设部.GB 50034-2013,建筑照明设计标准S.北京:中国建筑工业出版社,2013.15 DANNY H.W.LI,ERNEST K.W.TSANG.An analysis of daylighting performance for office buildings in Hong KongJ.Buildingand Environment,2007,43(9):1446-1458.16 EBERHART R C,KENNEDY
26、J.A New Optimizer Using Particle Swarm TheoryC/Micro Machine and Human Science,1995.MHS 95.Proceedings of the Sixth International Symposium on.1995:39-43.责任编辑：王石榴Research on the Power-saving Optimization of Classroom Lighting SystemBased on Improved Particle Swarm Optimization AlgorithmJI Jun1，KUANG
27、 Jun-wei2（1.School of Engineering,DaLi University,DaLi 671000,China;2.Meizhou Power Supply Bureau,Guangdong PowerGrid Co.,Ltd.Meizhou 514021,China）Abstract:Abstract:In order to solve the common existing problems of ineffective lighting,excessive lighting,and unevendistribution of lighting in traditi
28、onal lighting system of universitys classrooms in China,this paper explores a classroomintelligent lighting technology combining natural lighting and artificial lighting in the daytime.According to theilluminance requirements of different measuring points on the classroom working surface,the improve
29、d particle swarmoptimization algorithm with penalty function is used to search for the optimal luminous flux combination of lighting lamps.Finally,the optimized lighting in the classroom under different weather conditions are simulated through DIALux.Theresults show that the illuminance uniformity i
30、n the simulation scenario on cloudy days is increased to 0.76,and themaximum power saving can be achieved by 76%.While the illuminance uniformity in the simulation scenario on sunnydays is increased to 0.62,and the maximum power saving can be achieved by 80.2%.KeyKey words:words:classroom lighting;power-saving and optimization;particle swarm optimization(PSO);DIALux
