粒子群算法在智能照明系统中的概述

陈超　刘剑

摘 要：随着近些年来高层建筑不断增加，随之而来的建筑照明系统也变得越来越复杂，据研究表明我国的建筑物能耗中照明部分的能耗占建筑物总能耗的30%以上，因此节能问题更加突出。本课题研究目的就是将引入粒子群算法，利用粒子群自寻优的特点，使智能照明控制系统能够自动的完成预设的控制要求。达到系统运行可靠，经济、节能的目的。

关键词：粒子群算法 建筑物智能照明系统 可靠

中图分类号：TM923；TP273.5 文献标识码：A 文章编号：1674-098X（2014）02（c）-0227-01

建筑智能照明系统是建筑系统中重要的组成部分。高效的智能照明调节方式不仅能够提高室内的光照质量，同时也更加环保节能，其对智能建筑的能量管理控制具有非常重要的意义。传统的建筑控制照明系统对能源大，且不能根据实际情况自适应调节，而利用基于优化粒子群算法（PSO）的建筑物智能照明可以有效利用自然光照和人工光源，实现根据人眼的舒适程度主动调节室内遮阳角度并同时辅以对室内灯具的最优控制。使得在满足照度的情况下，使得灯具的能耗量减小，到达舒适、节能的目的。

1 系统发展趋势

智能照明系统的理论基础起步于国外，经过近40年来的不断发展，已成为商业建筑中最为重要和节能的系统组成部分，但在控制的稳定性以及节能的有效性等方面依然存在较多的问题。近年来得益于遗传算法、粒子群算法、蚁群算法等与控制、计算机领域的紧密结合，传统的控制方式已经逐渐不能满足当代人对舒适度及环保的需求，因此目前结合人工神经网络算法来控制建筑物照明的建筑控制系统越来越得到人们的青睐。建筑物智能照明系统行业自20世纪90年代进入中国市场，受市场的消费意识、市场环境、产品价格、推广力度等各方面的影响，一直处于缓慢发展的态势。近些年，随着国民经济的快速发展，特别是地产行业的快速发展，国内智能照明行业也在逐步发展壮大，但由于国外品牌智能照明系统起步早，系统构筑相对完善，实际效果明显，特别是跨国企业研发实力较强，其产品在创意、质量等方面均走在智能照明行业前端，国内智能照明市场目前仍是国外品牌的天下。与传统照明相比，智能照明可达到安全、节能、舒适、高效的目的，因此智能照明在家居领域、办公领域、商务领域及公共设施领域均有较好发展前景。目前，国内智能照明的应用领域还主要集中在商务领域和公共设施领域，酒店、会展场馆；此外，办公建筑和高端别墅项目也有采用智能照明。随着国内智能照明研发生产技术的发展和产品推广力度的加大，家居领域的智能照明应用有望得以普及。

2 系统理论依据

系统的控制方式采用P-I-D，P-I-D的控制方式具有结构相对简单、控制能力稳态、结果误差能力强等特点，但是同时P-I-D控制方式也存在着以下缺点：（1）如果控制的对象是滞后的惯性被调量（即被调对象内按照一定趋势，保持给定值或按一定规律变化的状态，但是通常意义上其变化反应晚于调整时间），那么涉及到的参数调节就会愈加复杂，这种情况下，一般很难建立精确的数学模型。（2）由于照明系统属于滞后系统，实际照度、均匀度要在上升到设定值以后，随着时间、自然光等变化在经过多次的上升下降振荡后，才可能趋于稳定。而这显然在实际生产生活中会造成一定的影响。（3）抗干扰能力差，对于干扰比较敏感。当某时刻测量的照度、均匀度值由于干扰而存在较大误差时，由于比例作用而会使控制产生较大的波动。

粒子群算法（Particle Swarm Optimization，PSO），最早由美国社会心理学家詹姆斯·肯尼迪（James Kennedy）和电气工程师拉塞尔·艾伯哈特（Russell Eberhart）在1995年共同提出。

粒子群算法本身是模拟飞鸟群捕食最优路径的行为，因此其配合P-I-D控制方式，能够产生以下特点：（1）具有良好的寻优性，即使是在初始条件选择不当的情况下，PSO算法仍能寻找到合适的参数，这就可以解决P-I-D控制方式对于干扰情况下参数会出现偏差的情况，使得控制目标更容易满足所需条件。（2）与其余算法相比，PSO具有操作方便、速度快的优点，而且几乎不需要设置复杂的规则，只通过本身的演化（随机初始化-计算适应值-复制-条件满足终止，否则转第二步）便可达到寻优的目的。（3）PSO算法可以在解空间进行高效的启发式搜索，克服了从单一起点出发搜索的弊端，在搜索盲目性上有更好的处理能力，避免搜索过早陷入局部最优解的情况出现。（4）PSO算法同时适用于多目标寻优。对于多个目标，在不同系统控制下，均能在规定的范围内按照特点的要求寻找到合适的参数。

因此在对照明系统的建模的基础上，PSO与常规P-I-D控制的结合，通过计算机仿真模拟（MATLAB）验证了系统具有较高的适应性和抗干扰能力，能够有效的抑制进入系统主副回路的扰动，其设计的主要思路为：（1）建立房间遮挡窗帘控制系统的模型（Shielding System）；（2）建立房间照度模型（Lighting System）；（3）利用PSO算法，为PSO算法中重要参数的设定和选择范围（PSO System）；（4）将基于选定参数的PSO算法与P-I-D控制方式相结合，设计适用于串级系统的D自适应控制器，实现对照明及遮挡系统的智能控制（PSO & P-I-D Control System）。

依据S-L-P-C为主题思路设计的控制系统，在保证房间照度、均匀度及舒适性等指标的前提下，能够使得整套控制系统更加节能。

参考文献

[1] 冯冬青，潘磊.基于改进粒子群算法的控制策略研究[J].郑州大学学报，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，刘四新.基于改进粒子群优化算法的短期电功率预测[J].郑州大学学报，2012，33（6）：32-35.

[4] 王维博，林川，郑永康.粒子群算法中参数的实验与分析[J].西华大学学报自然科学版，2008，27（1）：76-80.

[5] 梁科，夏定纯.对粒子群优化算法的几种改进方法[J].武汉科技学院学报，2006，19（7）：44-47.endprint