智能照明系统控制策略研究综述

刁建新，王振坤，姚 胜，袁景玉，刘诗雨

(1.河北工业大学建筑与艺术设计学院，天津 300130；2.河北省健康人居环境重点实验室，天津 300130)

引言

近年来，照明所造成的建筑能耗不断增大，电力照明消耗了全球电力总产量的19%[1]，就我国而言，办公建筑能耗在公共建筑能耗中约占30%，其中照明能耗在公共建筑总能耗中占10%～40%[2]，而集成了各种传感器、通讯模块及控制技术的智能照明系统相比于传统照明控制系统可节能约17%～60%[3]，除此以外智能照明还可以用于提高照明质量，通过非视觉效应改善人体的生理节律，营造健康的采光照明环境[4]。智能照明作为一个平台，融合了建筑、通信、人体生理学等学科领域，具有广阔的发展前景，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》[5]中提到要加快数字社会的建设步伐，其中智能照明作为结合了5G、物联网等技术和概念的智慧家居，是构建美好数字生活新图景的重要部分，因此结合传感技术所获得的反馈信息开发新型控制算法并对照明控制框架进行优化设计，是研究人员不断努力的方向。本文主要针对智能照明系统构成以及智能照明控制策略两个方面的现有研究进行总结和分析。

1 智能照明系统构成

我国国家标准《照明系统和相关设备术语和定义》(GB/T 39022—2020)[6]中定义智能照明(也称自适应照明)为根据环境或预定义条件自动调节以提供所需求质量的照明，其中“需求”涉及能源性能、动态用户需求、视觉作业需求和环境氛围等多个方面；智能照明系统的实施通常是根据环境方面的需求预先设定好程序；或者是根据外界需求的变化，实现对灯具的自动调节。智能照明系统的控制策略需要建立在其具体形式的基础上，系统各模块的构成形式会直接影响其控制策略，通常智能照明系统主要由照明模块、传感模块、控制模块以及通讯模块4部分组成。

1.1 照明模块

目前智能照明中大多使用LED作为人工光源构成照明模块，LED是低压半导体二极管，可以运用数字控制结合微控制器，使用调光协议进行控制[7]；此外，LED驱动简单，响应速度快，其寿命不会因频繁调光而受到不利影响，并且功耗低能效高，且不含汞对环境无害[8]。在LED灯调光方法方面，主要存在模拟调节方法和脉冲宽度调制(PWM)两种方法[9]，相比于模拟调节方法，PWM调光应用简单灵活，并且不会导致色偏移现象的发生，是应用前景最好的调光方式，目前相关研究也主要围绕该调光方式开展，如宁效龙等[10]提出了基于CIE色度图和PWM的LED调光方法，依据LED灯具的自身属性(峰值波长与半高宽等)对人眼可视光谱范围(380～780 nm)进行分组，再分别调控，减少了系统复杂度的同时能够更快速且精准地实现对照明系统的调节；吕天刚等[11]对比了不同调光技术的优劣，对LED灯丝灯的调光方法进行研究，其基于软硬件结合的设计思路对LED灯珠混光调色方法进行了改进，实现了可调光通量大小，可混光混色以及色温、色调调节。

目前关于LED驱动器及相关电路的研究聚焦于调光的准确性、高效性并致力于简化电路复杂性，这为未来进一步融合传感器的反馈信息，通过构建模型借助智能控制算法实现精细化的调光策略提供了基础。

1.2 传感模块

传感技术主要用于为智能照明系统提供环境信息以实现降低照明能耗、提高视觉舒适度、调节人体生理节律等目的，为此照明系统需要确定用户的位置并为用户所在区域调整相应的灯光设置，同时关闭无人区域中不必要的灯光，这其中如何感知房间的人员分布是提供精细化控制的基础，近年来各种传感技术，例如被动式红外探测器、摄像头、超声波传感器、蓝牙以及WiFi等被用来进行人员感知[12-15]；此外，智能照明系统还需要能够根据自然采光来优化灯源的调光水平，因此光电检测器是必不可少的，这其中如何根据传感器空间位置及环境物体的反射影响对光电检测器的反馈值进行建模是相关研究的重点[16]；更进一步，除了对环境的感知之外，近年来出现的以人为中心的照明控制策略强调人的生理及心理感受，在此类系统中智能手环、手表等被用于感知用户的生理数据[17]。

1.3 控制模块

智能照明系统中的控制模块主要负责接受传感器的反馈信息或用户手动输入的命令，并把相应的控制指令发送给底层照明模块，进而实现调节光源、控制照明的目的。现有照明控制系统主要可以分为集中式、分散式和分布式3种类型[18]。集中式控制系统具有中央控制器，其负责处理各传感器测量值，根据测量值为每个灯具下达调节指令[19]；而在分散式照明控制系统中，每个灯具除了具备灯源及其驱动电路外，还拥有独立的传感模块和控制模块，因此，灯具可以基于自身的传感器读数来调节光源，但不具备和其余灯具的通讯功能，这也是其与集中式系统的最大区别。分布式系统如图1所示，由于具备灯具间相互通讯的功能，每个灯具既是执行者又是控制者，系统去中心化明显[20]。Van等[21]使用办公室照明系统模型对分散式和分布式控制方法进行了比较，结果发现，由于灯具之间不具有通讯能力，当传感器受到日光或环境影响而发生误测时，会使得局部区域出现照明不足的现象，这可以通过为灯具添加通讯模块来改善，当前灯具从其余灯具处收到多个信息，并把信息与相应的因子相乘来决定邻近灯具对区域的贡献程度，这提高了系统的鲁棒性。

图1 分布式智能照明系统架构

1.4 通讯模块

智能照明系统中的通讯模块是保证控制系统“智能”的基础，目前市面上有为室内照明专门设计的DALI协议，专注于楼宇自控的KNX协议，以及用于室内照明组网的ZigBee协议等[22]。ZigBee标准具有低功耗、近距离传输等特点，得到了互联照明联盟的认可，是IEEE 802.15.4 ZigBee标准的一部分，ZigBee家庭自动化、ZigBee远程控制和ZigBee Health Care以及飞利浦Hue和GE Link智能LED等商业产品都是利用ZigBee Light Link作为光源连接的基础[23]。王光伟[24]基于KNX协议开发了智能网关，该网关能够连接KNX智能家居网络，并可接入以太网、无线网等网络，这意味着TCP/IP协议与KNX协议的相互转换，从而达到了智能家居网络化、智能化控制的目的。此外也有研究者关注智能照明和云平台的有机融合，如方东[25]设计的LED智能照明控制系统能够通过云平台与红外遥控、ZigBee相互结合的方式进行控制，通过对系统各模块进行相关开发，最后实验表明该系统具有低功耗、安全性高等特点。目前，关于智能照明在通讯方面的研究多关注于解决不同协议的兼容性问题；而针对设备间的无线连接方面，除了ZigBee，其他无线连接选项还包括IEEE 802.15.1蓝牙4.0低功耗(BLE)和IEEE 802.11a/b/g/n/ac WiFi标准。表1列举了各无线连接技术的性能，可以看出，ZigBee是具有低成本、低功耗、高范围和高可扩展性的组合，适用于家庭和办公室照明场景。

表1 无线连接技术性能比较

2 智能照明控制策略

传统理解中提升照度值和显色指数即可改善室内光环境质量，但实际中当照度值升高到一定程度时反而不利于视觉舒适和照明节能，这与提升光环境质量的目标并不相符[26]，因此需要能够充分考虑人的行为模式和建筑的独特性需求来制定照明控制策略，建立基于使用者视觉感受需求和环境特征的智能照明系统。智能照明控制策略通常需要综合考虑包括区域人员分布、自然采光以及用户生理信息等因素构建数学模型，进而运用智能算法来确定。

2.1 区域人员分布

区域人员分布是智能照明最基本也是最先需要考虑的信息，尤其是以服务业为主的商业建筑，黄岚[27]选择某商场作为研究对象，基于环境心理学分析发现良好的商场光环境能够通过影响消费者的心理状态来改善其消费体验。商业建筑的高质量光环境影响着店铺的吸引度和商品的展示效果，但同时导致照明能耗的提高，通常照明能耗约占整个建筑的三分之一，为公共建筑中比例最高的[26]，因此基于商业建筑内区域人员分布的不均匀性和节律性特点，根据其不同区域人员分布调整室内照明设置，可以实现节能的效果。

Ampenberger等[28]在保证商店空间明亮程度一致的条件下，通过区域照明代替均匀照明，实现了30%的照明节能；Lowry[29]通过大量商业建筑照明能耗的案例分析，得出良好控制算法的智能控制系统能够极大地节约照明能耗。实现智能照明控制系统的核心问题在于对室内人员的感知识别，常见的室内人员感知技术性能比较如表2所示。摄像头虽然被认为是精确感知房间内人员分布的一种方法[13]，但不适合一些有隐私性要求的场景。被动式红外探测器是目前最常见的人员感知设备[30]，它根据检测范围内温度的变化来推断房间的人员分布，尽管其易于实现且价格便宜，但检测精度低，无法准确检测出长时间固定不动的用户[31]。Dong等[32]提出使用CO2检测器来推断房间的人员分布，与之相类似，Candanedo等[33]提出使用温度、湿度和声学传感器来推断房间内的人员分布，但此类方法具有较高的延迟性，因此不适合对响应时间要求高的场景。

目前，由于WiFi设备普遍存在于家庭及公共场所内，因此基于WiFi定位的智能照明得到广泛关注。Zou等[31]基于WiFi开发了具有室内人员感知的智能照明系统，结果显示相比于被动式红外探测器，新系统能够实现80.27%的节能水平，但该系统是基于接收信号强度指示(RSSI)而开发，需要配合区域内用户手机等设备才能实现室内定位。近年来出现的WiFi信道状态信息(CSI)是网络物理层更细腻精细的感知数据源，利用人员对无线信号的干扰，可以在不需要携带信号接收设备的情况下从CSI数据中推断室内人员的位置及行为状态[34,35]。FILA系统首次使用CSI作为感知数据源来实现室内感知，通过构建CSI值与距离之间的数学模型，以此来实现室内定位[36]。鲁翔[34]的研究显示利用CSI数据感知人员时，定位精度达到0.54 m，对于6种常见的人员行为动作识别精度在97%左右。商业建筑中基本已实现摄像头、WiFi全覆盖，因此实施智能照明可行性高，可根据实际情况选择具体的控制策略，在不影响消费者消费行为的前提下，通过智能照明系统来降低能耗。

表2 室内人员感知技术性能比较

2.2 区域自然采光

结合区域自然光的室内照明控制，不仅能为人员提供舒适的光环境，同时能够减少人工光源的运行功率以实现照明控制系统的节能，尤其是办公建筑不仅需要满足办公桌面的基本照度需求，还需要保持适宜的室内光环境来保证使用者的视觉舒适度。视觉舒适度的定义为由视觉环境引起的视觉健康的主观条件[37]，照度、相关色温、视野内的亮度分布、光源显色性、闪烁频率、照度均匀度及眩光等客观的物理属性都可能成为其影响因素[38]。Lee等[39]研究表明办公建筑中照度值会对人的视觉舒适度产生影响；而在相关色温层面，国外照明实践表明相关色温对视觉舒适度也有一定的影响[40,41]。李淑娴等[42]通过建立智能照明动态模型，采用单纯形算法对模型进行求解，提出了一种结合用户个性化需求和天然采光的智能照明动态模型，既满足用户人眼视觉舒适度又实现了建筑节能。基于自然采光的智能照明系统技术路线如图2所示，在结合天然采光的智能照明系统研究中，通常运用各类智能算法最优化调光水平，如Miki等[43]提出了一种分布式照明系统，通过给传感器配备一个控制器，利用红外通信来控制附近的照明设备，并运用可变邻域随机爬山方法来优化光源的照明水平，鉴于光电传感器的位置位于用户工作平面上，受到周围环境的影响较大，在实践中控制效果并不好，于是通常将光电传感器安装在天花板上，但在这种情况下由于光电传感器所在平面与用户工作平面不同，其测量值需要经过校准处理；针对此问题，Kazanasmaz等[44]基于BP神经网络建立了室内自然采光情况下的照度模型，通过输入自然光的垂直照度、太阳的高度角和方位角、室外环境的温度、照度预测点与窗户之间的距离、室内墙面的反射率以及窗户的数量和朝向，模型可以输出目标点的照度值，以此实现了对目标点光照度的精确控制；而王金光等[45]将传感器置于室外，通过检测室外固定点的水平和垂直照度，利用自适应神经模糊推理系统建立预测模型，预测室内工作面特定点的照度；宗卫周等[46]基于CIE天空模型并结合光学原理建立了公共场所下人造光源与自然光的混合模型，并利用蚁群算法求解得出最佳的灯具亮度组合，实现了舒适和节能的优化目标；此外还有研究者将智能照明结合电动窗帘以实现对室内光环境的调节，如冯冬青等[47]根据太阳高度角及窗户方位计算人眼位置处的太阳高度角，以此建立窗帘调节模型，通过调节电动窗帘的位置，并利用粒子群算法得出最佳人造光源的亮度组合。

目前对于人工照明和自然采光结合的研究大多以仿真为主要研究手段，但有研究显示大多数智能照明控制系统一旦安装在实际建筑物中，无法达到其预期的节能效果[48]，这主要是因为目前对于自然光照度模型的构建不够精准，对传感器反馈数据的校准过程不准确所造成的，未来还需要进一步开展大量的测试及模型改进工作。

图2 基于自然采光的智能照明系统技术路线图

2.3 用户生理信息

目前照明控制正在向用户个性化控制的方向发展，以人为本的智能照明也正在受到越来越多的关注，随着物联网、5G、LED照明以及智能家居的发展，智能照明已经成为照明行业重要的发展方向[49]。目前人居智能照明尚处发展初期，在全部智能家居产品中，消费者对智能电视的认知度高达42.6%，对智能照明系统了解度较低，认可度仅为13.5%[50]。人居空间的智能照明系统作为直接触及终端用户的产品，用户的生理信息对产品的运行使用起着决定性的作用；另一方面相比于公共空间，得益于人居空间的私密性，产品可以更加自由地采用多种传感器直接识别并采集用户生理信息，而不涉及到隐私性等问题，更利于搭建智能照明控制系统。黄懿[51]基于云平台构建了照明控制系统，用户可通过互联网络进行远程控制，并能够根据自己的喜好进行调光、场景控制，同时该系统还具备分析人员的行为习惯对灯光进行智能控制的功能。在这种理念下，照明不仅应考虑环境因素，例如日光、时间和天气，还应考虑个人因素，例如用户的行为、健康和情绪；然而，每个用户具有不同的特征，这导致每个人感觉舒适的照明条件是不同的，但是智能手机及可穿戴设备的出现使得个性化照明成为可能。目前照明智能控制系统中各类传感器收集的信息，不仅包括环境信息(例如温度、湿度和大气压力)，还包括用户的生理信息(例如步行距离和时间、卡路里消耗量、心率和血压等)和通信信息，这些信息为智能个性化照明环境提供了关键数据[52]，如卫邦强[53]设计了一种智慧学习灯，以人眼视觉和非视觉作用为理论基础，提出人、自然光和学习灯三者为主体的双向学习模型，该模型可依据褪黑素、心率、体温等人体生理信息及天气、时间等环境信息，输出光的相对光谱功率分布和光通量；而Cho等[17]建立了一个基于生活日志的智能照明控制平台，平台通过各种智能穿戴设备提供的信息，分析并从用户反馈中不断学习，为用户优化照明环境提供模型，进而营造个性化的照明环境。总体上看，基于用户行为和生理的智能照明控制过程如图3所示，主要包括数据收集、存储、分析以及机器学习4个环节。随着相关企业积极推进智能家居业务，用户只需购买相应的智能家居产品，将产品接入WiFi网络，通过手机下载相应软件即可进行个性化设置，实现智能照明的目的，数据收集可通过购买安装相应传感器或智能家居自带传感器自动进行收集，数据存储、数据分析和机器学习都可以后台自动完成，大大降低了其使用门槛。

图3 基于用户行为和生理的智能照明控制过程

3 总结

目前智能照明控制策略的研究主要围绕节能和舒适展开，其中节能方面主要聚焦于自然采光下人工光源的控制方法的研究上，如基于各类传感器构建更精准的室内照明模型，利用各类优化算法求解最佳照明组合等，但是相关研究成果大多处于仿真阶段，未来应结合实际测试构建更精准的模型。对于舒适方面主要围绕用户生理和行为开展研究，现有研究已经可以根据传感器采集相关用户信息，构建模型对照明系统实施调控，但大部分研究仅关注用户的行为，基于用户生理信息的控制策略仍不够多。此外，照明系统与其他智能设备的互联互通仍然不够，未来可以结合云平台加强对各协议的兼容性，并进一步与智能家居等系统共同构建智慧云平台。