城市智慧照明控制系统研究与实现

余建波，宗卫周，王 涛，张国栋，程 辉

(1.同济大学 机械与能源工程学院，上海 201804；2.上海航天设备制造总厂研发部，上海 200245；3.上海邦奇智能科技有限公司，上海 201317)

0 引 言

现行公共区域照明在节能，自动化程度，故障报警，数据分析等方面诸多不足之处。智慧照明是通过计算机技术、软件技术、通信技术和微型控制技术等实现对分散的照明设备进行集中管理和智能化的控制，从而升级落后的照明系统控制方式，降低能耗。智慧照明是当今学术界研究的一个热点课题。袁佳等[1]设计的基于ZigBee分布式灯光控制系统，充分发挥ZigBee组网灵活的特性，易于扩展，可满足多种场合灯光控制；Pandharipand等[2]借助RSSI技术，通过LED灯间的通信，到达室内定位、能耗分布和自适应控制的目标；Tran等[3]提出了基于线性和非线性照明对象的前馈神经网络模型的控制方案，由于在控制回路中无传感器，该方案具有快速响应、低成本的特点；Byun等[4]根据人员处于不同的工作和生活状态以及自然光强度而动态控制照明亮度，充分利用自然光照明亮度，减少能源浪费；王敏等[5]提出的基于物联网架构的智能照明系统实现了常见通信协议间的转换，综合了多种传感器，系统通用性更强。以上研究存在如下问题：①研究域相对狭小，系统性低；②控制算法复杂，实用性差；③缺少对保证通信实时性和稳定性的研究。

本文经过对现代城市智慧照明的实用化研究，以智慧控制和高效节能为核心，提出城市照明控制系统完整层次架构，在此基础上开发了一套远程分布式城市智慧照明控制系统软件，实现对照明终端的遥感、遥测、遥控等功能，达到高效、稳定、智慧、节能的效果。

1 城市智慧照明控制系统的总体架构

城市智慧照明系统监控中心通过GPRS/CDMA与集中控制模块组建一级通信主网络，集中控制模块通过无线局域网或现场总线组建二级通信子网络。两级的组网方式满足大空间下分散的设备应用需求。系统的总体架构从下到上可分为6层，如图1所示：终端层、感知层、硬件层、通信层、控制层和应用层。将一个复杂庞大的系统分为相对独立、分工明确、结构清晰的6个层次。层与层间的高内聚低耦合，提高系统开发和运行时的可靠性、安全性、可伸缩性、可扩展性和可维护性。

图1 城市智慧照明控制系统框架

终端层：位于架构的底层，是实现光强、色彩和均一照明效果最终承担者，包括舞台灯、路灯、景观灯和植物补光灯等各种用途的照明终端。

感知层：由具有通信能力的MZM(machine to machine)终端，用于感知照明环境的行人、车流量、气候、能见度等信息，采集光强、温度等指标，实时传送到云服务器端[6]。

硬件层：包括集中控制模块、单灯控制模块等控制终端，网关、通信模块等传输终端及配套的供电设备。单灯控制模块作为二级通信子网中微型控制器，直接协调传感器和灯具的工作，集中控制模块管理一定数量的单灯控制模块，受控控制层。网关实现通信信号在不同网络中转换。

通信层：数据的搬运工，在系统中起承上启下的作用，将现场一线数据搬运至应用层，将控制层的指令搬运到硬件层。

控制层：将感知层的数据，作为控制层的输入变量，同时将控制层的控制信号发送到微型控制器。实现控制层输入变量到输出变量转化过程依靠相关控制节能算法。

应用层：直面用户，强调分析和决策支持，通过对来自传感层数据加工、挖掘、统计、聚类分析形成地理信息系统、能源最优化系统、故障诊断专家系统等高附加值子模块系统。

2 城市照明智慧化研究

本节在上述6层框架的基础上，从感知层、通信层、控制层3个核心层面具体阐述智慧照明技术。

2.1 感知层

感知层是智慧照明的皮肤和五官，用于识别目标，采集信息。作为系统应用的最前端,感知层的信息感知和采集效果对于系统功能的有效实现有着决定性的作用。在智慧照明常用的传感技术有雷达、摄像、红外定位及光敏传感器、温度传感器、电压电流传感器等，其特性见表1。由于计算机视觉学科的快速发展，基于图像识别的照明目标探测和识别将成为未来照明的主流感知技术。

表1 传感技术比较

2.2 通信层

通信层由两级通信网络组成，一级主网通信介质主要是GPRS或CDMA，二级子网通信介质具有多样性，总体可分为无线和现场总线。现场总线技术具有传输稳定、抗干扰能力强和安全系数高优势，是智能照明市场主流通信技术。CAN总线、LON总线、Profibus总线和基金会现场总线(FF)是目前最为常见的总线。无线通信可以克服布线的限制，使用灵活、便捷，是智能照明的组网的趋势。ZigBee、Bluetooth、Wi-Fi和可视光通信(VCL)是目前智能照明通信领域最主要的4种无线物联网通信技术。ZigBee技术可实现网络节点自由增删，达到灯光自适应控制效果[7]。Bluetooth可将手机、pad等设备纳入控制终端，降低了硬件成本。基于Wi-Fi的照明系统充分利用现有的Wi-Fi信号，非常适合家庭和办公等场所。基于可视光通信的照明系统绿色低碳，能够有效避免无线电通信电磁信号泄露等弱点[8]。

2.3 控制层

智慧控制是由多学科交叉形成的，其发展过程取决于人工智能技术、模糊推理、认知技术和仿生控制论等学科的发展及其之间的相互结合运用。智慧照明的核心在于智慧控制，通过运用人工智能、运筹学理论对其进行优化，并将该理论同自动控制方法相结合，使得系统能够无人干预的情况下自主运行，到达智慧、节能、高效、便捷的效果。如图2所示，本文列举了计划控制、场景控制、最优化控制、自适应控制[9]、模型推理控制[10]等5种智慧控制方法。

图2 先进控制方法

3 城市智慧照明控制系统设计和实现

3.1 系统方案

本文提出的分布式城市智慧照明控制系统解决方案如图3所示，集中控制模块(以下称集中控器)通过GPRS信号与监控中心组建一级通信主网络，可充分发挥GPRS网络传输距离远、传输速率快的优点，单灯控制模块(以下称单灯控制器)通过电力载波或ZigBee与集中控制器组建二级通信子网络，有效发挥了电力载波传输稳定、带宽高、不需重新架设网线[11]和ZigBee低功耗、低成本、灵活性和可靠性高的特点，适应不同的组网环境。各通信节点可以脱离监控中心独立运行，提高了系统的可靠性，体现了集中管理和分散控制的思想。系统支持电脑、Pad、手机等多终端跨平台访问,兼容性高。

图3 城市智慧照明控制系统方案

为提高通信稳定性，保证通信实时性，在服务器端的通信机制中加入WCF和MSMQ技术。WCF即Windows Communication Foundation，是微软开发的一系列支持数据通信的应用程序框架，相比于传统从数据库周转的命令收发方式，WCF直接在内存中开辟服务器与游览器信息传输通道，快速响应。MSMQ即Microsoft Message Queuing，是在多个不同的应用之间实现相互通信的一种异步传输模式，相互通信的应用可以分布于相连网络中的任一位置，保证了并发性和节约系统开销。如图4所示，服务器端通信流程可以划分为3个执行不同任务的线程。

图4 服务器端通信机制

线程1(图4虚线)：处理上位机命令。将来自web的命令M经WCF通道存入数据库和消息队列Q。存入数据库命令供查询和日志管理使用。

线程2(图4实线)：发送命令。将消息队列Q中的命令M依次发送到目标集中控制器。考虑到实际GPRS网络在某些区域和局部时间段信号强度因素,对于集中控制器不立即响应的命令M加入重发机制，连续发送3次没成功，本次发送命令M的任务作废。

线程3(图4点线)：接受命令。集中控制器接受到命令M后会回复响应R，线程3收到响应R后经WCF通道推送到web端。

3.2 系统软件开发

城市智慧控制系统面向的用户对象分散而广泛，且素质高低不齐，由此，系统软件采用B/S结构。软件使用ASP.NET技术，采用模块化组织方式，包含地理信息系统模块、终端控制模块、灯具状态实时监测模块、故障诊断与报警模块、统计和决策支持模块、WCF通信和用户管理等功能模块。

3.2.1 地理信息系统模块(GIS)

现有的照明控制类软件，对于其管理的灯具对象只是单一的列表或树状图的形式显示，而对于其实际位置根本不关心，没有空间维度的具体映射，用户体验较差。如图5所示，通过调用百度地图api绘制区域的地理信息。用户录入的对象经纬度数据，经过系统处理后以GIS技术显示在地图上，并配合直观的图形结果，典型的应用有：路灯布局，路灯运行状态显示，故障灯具定位，传感器分布显示等。百度地图显示范围广泛，内容丰富，但其在显示的精度最高10 m左右。而城市照明系统的灯杆具有大分布，小聚集的特点。常见的采光对象如工厂、场馆、桥梁密布着几十栈甚至上百栈灯具，这时百度地图在局部区域显示不够细腻。为解决这一问题，我们引入人工地图：通过本地导入目标区域的平面图，矢量格式，根据需求在该图上配置相关的灯具图标，在百度地图下形成高精度的二级地图显示。局部精确和总体概况的综合展示，多角度展示了灯具在立体空间的地理信息，更具形象感。

3.2.2 终端控制模块

(1)直接控制。可通过上位机直接调节一片管理区域照明单元、一个集中控制器下照明单元及某个单灯的亮度。

图5 地理信息系统模块

克服传统公共照明照度单一的局限。

(2)场景控制。可根据实际需要将若干单灯编制成组，制定全开、全关、半亮等场景，形式灵活。

(3)时控计划。除直接控制照明单元的亮度外，本系统也可提前设置一天、一周、一个月甚至一个季度的调光计划，提交未来某段时间的调光方案。计划制定的常用依据是天气、日出日落时间、预计路段的车流量和人流量。由于不同区域的日出日落时间不同，同一区域不同季节日出日落时间也不同，本系统针对每个单灯的经纬度，依据日出灭灯和日落亮灯的规则，规避自然光和人造光同时作用和同时不作用的现象，从而达到能源的优化利用。日出和日落时间的计算方法如下：

日出时间

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

日落时间

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

T1为日出时间，T2为日落时间，Z为某地的时区，Lo为某地的经度，T为日期的时间序列，即某日是一年中的第多少天，La为某地纬度。

3.2.3 灯具实时监测模块

实时监测是在GIS地图上对灯具进行实时监控和数据采集。可实时显示各灯具的运行参数、联网状态、当前亮度、负载功率等信息。这些信息每3 min或10 min(可设置)更新一次，系统长时间运行会产生TB级别甚至PB级别的大数据，借助云平台的超大规模，高可靠性和通用性和低成本的特点，将这些现场数据放在云端，为节能模型建立和故障诊断分析提供数据原材料。

3.2.4 基于规则的故障诊断专家系统模块

专家系统作为具有大量的专业理论性知识与经验性知识的程序系统，能够利用人类专家的知识和解决问题的方法来处理该领域问题。公共照明智能化监控系统中嵌入基于规则推理的专家系统，以解决复杂的LED灯具故障诊断问题。单灯在发生故障时，传感器会及时将该时刻的电压、电流、温度、湿度、功率和亮度等参数及时推入到数据库中，构成专家系统的事实库。工程师根据专业知识和实践经验总结断定故障类型，构成规则库。推理机是专家系统的“思维”机构，按既定的控制策略和搜索机制进行推理，将知识库的内容映射为具体的故障，及时报警。

3.2.5 统计和决策支持模块

可检索某日的点灯率；一年内某地区的开关灯时刻表；全夜和半夜灯设置情况。可分析LED灯的能耗故障等历史数据，通过横向的对比和纵向的挖掘形成月报表、季度报表和年报表，提供导出和打印报表接口。这些报表为管理员提供宝贵的决策支持数据。如：分析故障的种类与区域时间的关系，为生产和采购LED灯提供性能上的指导；分析能耗的数据，及时排查和消除高能耗的终端。

4 系统运营分析

以上海市某镇下属所以公共照明灯具为实验对象，在实施城市智慧照明控制系统前后4个季度能耗、在线故障率和人工管理时间的数据见表2。分析数据可知，由于实施了节能的控制策略，相比传统的人工开关灯，有效地降低能耗约30%。由于系统中具有异常报警和故障诊断的功能，可及时准确定位和排除相应的灯具故障，将实时在线故障率降低到2%以下。由于系统中包含了智能的控制策略，可代替许多纷繁的人力工作，极大降低了人工管理时间。整个系统运行稳定，实际运行时能够达到高效、稳定、智慧、节能等效果。

表2 实施系统前后数据

5 结束语

本文中所开发的城市智慧照明控制系统是借助软件技术、通信技术、自动化技术和云技术将分散的照明对象进行集中管理。本文所做的贡献：①提出了一套完整的城市智慧照明控制系统，涵盖了6层结构框架，包括：终端层、感知层、硬件层、通信层、控制层和应用层。②提出了一套城市智慧照明控制系统软件集成了智慧照明领域先进的智慧控制策略：复杂场景控制、日出日落控制、计划控制、人工智能控制，提高了软件的智能化，降低了能耗。③为了提高远程通信可靠性与稳定性，面对照明控制领域高并发的数据网络，在web服务器通信端提出了基于WCF技术的通信模式，通信可靠性与质量大幅提高，通信延迟有效被缩短。系统前期安装调试简单，后期维护升级方便，已成功运用在多地区传统路灯、景观灯等改造项目中。

在此基础上，今后的研究工作将从以下几个方面深入下去：①系统集成的控制算法朝着更加智慧的方向演进，如深度学习、意念控制等。②将该套控制系统推广到其它实时控制领域，如智能楼宇中空调、压缩机、电梯等设备的监控。③在系统实践检验中，对通信稳定性、操作便捷性等方面加以持续的改进和完善。

[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的远程分布式灯光控制系统[J].计算机工程和设计,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,武阳,王宁,等.基于物联网架构的智能照明系统的设计和实现[J].电工技术学报,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,张霖,陶飞,等.基于知识的云制造资源服务管理[J].同济大学学报,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).[李宁，王晓东，吴建德，等.遗传算法在高速公路隧道照明智能优化中的应用[J].中南大学学报(自然科学版)，2013(S1)：342-345.]