CN116847521A - 一种智能太阳能路灯控制方法及系统 - Google Patents
一种智能太阳能路灯控制方法及系统 Download PDFInfo
- Publication number
- CN116847521A CN116847521A CN202310714555.1A CN202310714555A CN116847521A CN 116847521 A CN116847521 A CN 116847521A CN 202310714555 A CN202310714555 A CN 202310714555A CN 116847521 A CN116847521 A CN 116847521A
- Authority
- CN
- China
- Prior art keywords
- street lamp
- data
- illumination
- energy consumption
- lamp illumination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005286 illumination Methods 0.000 claims abstract description 697
- 238000005265 energy consumption Methods 0.000 claims abstract description 299
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 89
- 230000009467 reduction Effects 0.000 claims abstract description 83
- 238000012545 processing Methods 0.000 claims abstract description 63
- 238000005516 engineering process Methods 0.000 claims abstract description 40
- 238000000605 extraction Methods 0.000 claims abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 11
- 230000006399 behavior Effects 0.000 claims description 73
- 230000006870 function Effects 0.000 claims description 63
- 238000001514 detection method Methods 0.000 claims description 59
- 238000012795 verification Methods 0.000 claims description 30
- 238000012360 testing method Methods 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 26
- 238000001228 spectrum Methods 0.000 claims description 24
- 238000005457 optimization Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 15
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 12
- 230000008713 feedback mechanism Effects 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000002834 transmittance Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005315 distribution function Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000002699 waste material Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/165—Controlling the light source following a pre-assigned programmed sequence; Logic control [LC]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/105—Controlling the light source in response to determined parameters
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/105—Controlling the light source in response to determined parameters
- H05B47/11—Controlling the light source in response to determined parameters by determining the brightness or colour temperature of ambient light
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/16—Controlling the light source by timing means
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/175—Controlling the light source by remote control
- H05B47/19—Controlling the light source by remote control via wireless transmission
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/20—Responsive to malfunctions or to light source life; for protection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明涉及智能控制技术领域，尤其涉及一种智能太阳能路灯控制方法及系统。所述方法包括以下步骤：利用气象监测技术和路灯传感器分别对太阳能路灯区域进行监测和数据采集处理，以得到路灯区域天气数据和路灯区域道路数据；并利用无线通信技术将路灯区域天气数据和路灯区域道路数据无线传输至路灯控制器，得到路灯区域环境数据；通过光照传感器实时获取路灯光照数据，并利用光照能耗算法对路灯光照数据进行能耗提取处理，得到路灯光照能耗数据；利用光照降噪算法对路灯光照能耗数据进行数据降噪处理，得到路灯光照能耗降噪数据。本发明根据天气及道路情况利用多种算法和技术智能控制太阳能路灯光照亮度，从而提高太阳能路灯的使用寿命和效率。
Description
技术领域
本发明涉及智能控制技术领域，尤其涉及一种智能太阳能路灯控制方法及系统。
背景技术
当前，太阳能路灯作为一种具有节能环保优势的新型路灯逐渐被广泛应用。然而，对于太阳能路灯的控制方法，通常仍采用在灯头上配备时间控制器的方法，或者固定时间段人工控制的方法。这样的控制方法无法针对路灯周围环境的实时情况进行智能化调整，造成能源的浪费和路灯的过量照明等问题。另外，传统的太阳能路灯还通过使用昼夜光控开关进行控制，该方法不能根据天气变化自适应调整亮度，也不能根据道路上行人和车辆情况实时控制太阳能路灯的亮度，从而导致路灯能源浪费和寿命缩短。
发明内容
基于此，本发明有必要提供一种智能太阳能路灯控制方法，以解决至少一个上述技术问题。
为实现上述目的，一种智能太阳能路灯控制方法，包括以下步骤：
步骤S1：利用气象监测技术和路灯传感器分别对太阳能路灯区域进行监测和数据采集处理，以得到路灯区域天气数据和路灯区域道路数据；并利用无线通信技术将路灯区域天气数据和路灯区域道路数据无线传输至路灯控制器，得到路灯区域环境数据；
步骤S2：通过光照传感器实时获取路灯光照数据，并利用光照能耗算法对路灯光照数据进行能耗提取处理，得到路灯光照能耗数据；利用光照降噪算法对路灯光照能耗数据进行数据降噪处理，得到路灯光照能耗降噪数据；
步骤S3：利用特征提取技术对路灯光照能耗降噪数据进行特征提取，得到路灯光照能耗数据特征；根据预设的智能路灯检测模型对路灯光照能耗数据特征进行光照行为检测处理，得到路灯光照行为数据；
步骤S4：根据路灯区域环境数据和路灯光照行为数据构建路灯亮度控制模型，以得到路灯光照控制调整结果；获取路灯设备使用寿命数据，利用寿命光控算法对路灯设备使用寿命数据和路灯光照行为数据进行寿命照明计算，得到路灯使用寿命光照数据；并利用路灯使用寿命光照数据对路灯亮度控制模型进行权重调整，得到路灯光照控制调整优化结果；
步骤S5：利用光控技术实时检测路灯光照控制调整优化结果，得到路灯光照光强信息；将路灯光照光强信息传输至路灯控制器，并配置设备故障预警系统自动检测路灯光照光强信息以执行相应的路灯控制调整管理策略。
本发明通过气象监测技术和路灯传感器分别对太阳能路灯区域进行监测和数据采集处理，以得到路灯区域天气数据和路灯区域道路数据。其中，路灯区域天气数据包括温度、湿度、风向、风速等气象参数，路灯区域道路数据包括交通流量、道路状况等信息。这些信息可以在智能太阳能路灯控制系统中用于调整路灯光亮度、光色等配置，以应对不同的天气条件和道路状况。通过光照传感器实时获取路灯光照数据，并利用光照能耗算法对路灯光照数据进行能耗提取处理，以得到路灯光照能耗数据。通过光照降噪算法对路灯光照能耗数据进行数据降噪处理，可以去除噪声干扰，提高路灯光照能耗数据的精度和准确性。降噪后的路灯光照能耗数据可以用于优化智能太阳能路灯的节能性能，降低太阳能路灯的能耗消耗。然后，通过利用特征提取技术对路灯光照能耗降噪数据进行特征提取，以得到路灯光照能耗数据特征。通过构建合适的智能路灯检测模型进行光照行为检测处理，可以确定太阳能路灯的光照状况，进而对太阳能路灯进行精准调节和管理。路灯光照行为数据也可以用于后续路灯亮度控制模型的构建，为太阳能路灯光照控制管理提供数据支持。通过路灯区域环境数据和路灯光照行为数据构建路灯亮度控制模型，以得到路灯光照控制调整结果。通过获取路灯设备使用寿命数据，并通过设置适当的寿命光控算法对路灯设备使用寿命数据和路灯光照行为数据进行寿命照明计算，可以预测太阳能路灯设备的使用寿命光照状况，并通过路灯使用寿命光照数据对路灯亮度控制模型进行权重调整，这样，可以保证太阳能路灯的寿命和性能，提高太阳能路灯的可靠性和稳定性。最后，通过使用光控技术实时检测路灯光照控制调整优化结果，以得到路灯光照光强信息。通过反馈机制将路灯光照光强信息传输至路灯控制器，并配置设备故障预警系统自动检测路灯光照光强信息以执行相应的路灯控制调整管理策略，可以帮助太阳能路灯管理人员及时发现太阳能路灯故障和异常情况，进行太阳能路灯控制调整和维护管理，从而提高太阳能路灯的可持续性和经济性。
优选地，本发明还提供了一种智能太阳能路灯控制系统，包括：
至少一个处理器；
与至少一个处理器通信连接的存储器；
存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行如上任一项所述的智能太阳能路灯控制方法。
综上所述，本发明提供了一种智能太阳能路灯控制系统，该系统能够实现本发明所述任意一种智能太阳能路灯控制方法，用于联合存储器、处理器及存储器上运行的计算机程序之间的操作实现一种智能太阳能路灯控制方法，系统内部结构互相协作，该智能太阳能路灯控制系统根据太阳能路灯区域内的天气及道路情况利用多种算法和技术智能控制太阳能路灯光照亮度，可以大大减少重复工作和人力投入，能够快速有效地处理路灯区域天气数据和路灯区域道路数据，以提高太阳能路灯的使用寿命和控制效率，从而简化了智能太阳能路灯控制系统的操作流程。
附图说明
通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明智能太阳能路灯控制方法的步骤流程示意图；
图2为图1中步骤S2的详细步骤流程示意图；
图3为图2中步骤S23的详细步骤流程示意图；
图4为图1中步骤S3的详细步骤流程示意图。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为实现上述目的，请参阅图1至图4，本发明提供了一种智能太阳能路灯控制方法，所述方法包括以下步骤：
步骤S1：利用气象监测技术和路灯传感器分别对太阳能路灯区域进行监测和数据采集处理，以得到路灯区域天气数据和路灯区域道路数据；并利用无线通信技术将路灯区域天气数据和路灯区域道路数据无线传输至路灯控制器，得到路灯区域环境数据；
步骤S2：通过光照传感器实时获取路灯光照数据，并利用光照能耗算法对路灯光照数据进行能耗提取处理，得到路灯光照能耗数据；利用光照降噪算法对路灯光照能耗数据进行数据降噪处理，得到路灯光照能耗降噪数据；
步骤S3：利用特征提取技术对路灯光照能耗降噪数据进行特征提取，得到路灯光照能耗数据特征；根据预设的智能路灯检测模型对路灯光照能耗数据特征进行光照行为检测处理，得到路灯光照行为数据；
步骤S4：根据路灯区域环境数据和路灯光照行为数据构建路灯亮度控制模型，以得到路灯光照控制调整结果；获取路灯设备使用寿命数据，利用寿命光控算法对路灯设备使用寿命数据和路灯光照行为数据进行寿命照明计算，得到路灯使用寿命光照数据；并利用路灯使用寿命光照数据对路灯亮度控制模型进行权重调整，得到路灯光照控制调整优化结果；
步骤S5：利用光控技术实时检测路灯光照控制调整优化结果，得到路灯光照光强信息；将路灯光照光强信息传输至路灯控制器，并配置设备故障预警系统自动检测路灯光照光强信息以执行相应的路灯控制调整管理策略。
本发明实施例中，请参考图1所示，为本发明智能太阳能路灯控制方法的步骤流程示意图，在本实例中，所述智能太阳能路灯控制方法的步骤包括：
步骤S1：利用气象监测技术和路灯传感器分别对太阳能路灯区域进行监测和数据采集处理，以得到路灯区域天气数据和路灯区域道路数据；并利用无线通信技术将路灯区域天气数据和路灯区域道路数据无线传输至路灯控制器，得到路灯区域环境数据；
本发明实施例通过使用气象监测技术实时监测太阳能路灯区域内的天气情况，并通过选择合适的路灯传感器实时监测太阳能路灯区域的道路状况，对监测结果采集与路灯光照强度相关的天气数据以及道路状况数据，以得到路灯区域天气数据和路灯区域道路数据。然后，通过使用无线通信技术将采集得到的路灯区域天气数据和路灯区域道路数据无线传输至路灯控制器，构建一个适当的数据整合算法对路灯区域天气数据和路灯区域道路数据进行数据合并处理，最终得到路灯区域环境数据。
步骤S2：通过光照传感器实时获取路灯光照数据，并利用光照能耗算法对路灯光照数据进行能耗提取处理，得到路灯光照能耗数据；利用光照降噪算法对路灯光照能耗数据进行数据降噪处理，得到路灯光照能耗降噪数据；
本发明实施例通过光照传感器实时获取太阳能路灯区域内的光照数据，以得到路灯光照数据，并通过考虑光照角度、光照时间、光照范围等多个因素对路灯光照数据能耗的影响，来构建一个适当的光照能耗算法对路灯光照数据进行能耗提取处理，以得到路灯光照能耗数据。然后，通过将路灯光照能耗待降噪数据映射到光谱上，并结合光谱上的相关函数构建一个适当的光照降噪算法对路灯光照能耗待降噪数据进行数据降噪处理，最终得到路灯光照能耗降噪数据。
步骤S3：利用特征提取技术对路灯光照能耗降噪数据进行特征提取，得到路灯光照能耗数据特征；根据预设的智能路灯检测模型对路灯光照能耗数据特征进行光照行为检测处理，得到路灯光照行为数据；
本发明实施例通过特征提取技术对降噪后的路灯光照能耗降噪数据进行特征提取，以得到路灯光照能耗数据特征。然后，通过选择合适的卷积神经网络算法构建一个适当的智能路灯检测模型，将路灯光照能耗数据特征作为该智能路灯检测模型的输入对不同的路灯光照行为进行检测，最终得到路灯光照行为数据。
步骤S4：根据路灯区域环境数据和路灯光照行为数据构建路灯亮度控制模型，以得到路灯光照控制调整结果；获取路灯设备使用寿命数据，利用寿命光控算法对路灯设备使用寿命数据和路灯光照行为数据进行寿命照明计算，得到路灯使用寿命光照数据；并利用路灯使用寿命光照数据对路灯亮度控制模型进行权重调整，得到路灯光照控制调整优化结果；
本发明实施例通过采用神经网络算法构建路灯亮度控制模型，通过路灯区域环境数据以及路灯光照行为数据训练和优化构建的路灯亮度控制模型，通过路灯亮度控制模型预测出路灯适宜调整亮度，以得到路灯光照控制调整结果。然后，获取路灯设备使用寿命数据，并构建一个适当的寿命光控算法，通过结合路灯设备使用寿命数据和路灯光照行为数据利用寿命光控算法预测路灯设备使用寿命和光照行为条件之间的关系，以得到路灯使用寿命光照数据。最后，通过引入权重机制利用路灯使用寿命光照数据对路灯亮度控制模型进行权重调整，最终得到路灯光照控制调整优化结果。
步骤S5：利用光控技术实时检测路灯光照控制调整优化结果，得到路灯光照光强信息；将路灯光照光强信息传输至路灯控制器，并配置设备故障预警系统自动检测路灯光照光强信息以执行相应的路灯控制调整管理策略。
本发明实施例通过使用光控技术实时检测路灯光照控制调整优化结果，通过光控技术测量路灯的光照强度和颜色，准确反映路灯运行状态，以得到路灯光照光强信息。然后，通过基于无线传输技术的反馈机制将采集到的路灯光照光强信息传输至路灯控制器，并通过在路灯控制器上配置设备故障预警系统自动检测路灯光照光强信息以执行相应的路灯控制调整管理策略。
本发明通过气象监测技术和路灯传感器分别对太阳能路灯区域进行监测和数据采集处理，以得到路灯区域天气数据和路灯区域道路数据。其中，路灯区域天气数据包括温度、湿度、风向、风速等气象参数，路灯区域道路数据包括交通流量、道路状况等信息。这些信息可以在智能太阳能路灯控制系统中用于调整路灯光亮度、光色等配置，以应对不同的天气条件和道路状况。通过光照传感器实时获取路灯光照数据，并利用光照能耗算法对路灯光照数据进行能耗提取处理，以得到路灯光照能耗数据。通过光照降噪算法对路灯光照能耗数据进行数据降噪处理，可以去除噪声干扰，提高路灯光照能耗数据的精度和准确性。降噪后的路灯光照能耗数据可以用于优化智能太阳能路灯的节能性能，降低太阳能路灯的能耗消耗。然后，通过利用特征提取技术对路灯光照能耗降噪数据进行特征提取，以得到路灯光照能耗数据特征。通过构建合适的智能路灯检测模型进行光照行为检测处理，可以确定太阳能路灯的光照状况，进而对太阳能路灯进行精准调节和管理。路灯光照行为数据也可以用于后续路灯亮度控制模型的构建，为太阳能路灯光照控制管理提供数据支持。通过路灯区域环境数据和路灯光照行为数据构建路灯亮度控制模型，以得到路灯光照控制调整结果。通过获取路灯设备使用寿命数据，并通过设置适当的寿命光控算法对路灯设备使用寿命数据和路灯光照行为数据进行寿命照明计算，可以预测太阳能路灯设备的使用寿命光照状况，并通过路灯使用寿命光照数据对路灯亮度控制模型进行权重调整，这样，可以保证太阳能路灯的寿命和性能，提高太阳能路灯的可靠性和稳定性。最后，通过使用光控技术实时检测路灯光照控制调整优化结果，以得到路灯光照光强信息。通过反馈机制将路灯光照光强信息传输至路灯控制器，并配置设备故障预警系统自动检测路灯光照光强信息以执行相应的路灯控制调整管理策略，可以帮助太阳能路灯管理人员及时发现太阳能路灯故障和异常情况，进行太阳能路灯控制调整和维护管理，从而提高太阳能路灯的可持续性和经济性。
优选地，步骤S1包括以下步骤：
步骤S11：利用气象监测技术对太阳能路灯区域进行实时监测和数据采集处理，以得到路灯区域天气数据；
本发明实施例通过使用气象监测技术实时监测太阳能路灯区域内的天气情况，并对监测结果采集与路灯光照强度相关的天气数据，最终得到路灯区域天气数据。
步骤S12：利用路灯传感器对太阳能路灯区域进行实时监测和数据采集处理，以得到路灯区域道路数据；
本发明实施例通过选择合适的路灯传感器实时监测太阳能路灯区域的道路状况，其中路灯传感器包括压力传感器、声波传感器以及红外传感器等，通过压力传感器监测车辆道路负荷，声波传感器监测车辆数量，红外传感器监测行人数量，并对监测结果采集与路灯光照强度相关的道路状况数据，最终得到路灯区域道路数据。
步骤S13：利用无线通信技术将路灯区域天气数据和路灯区域道路数据无线传输至路灯控制器，并通过路灯数据整合算法对路灯区域天气数据和路灯区域道路数据进行合并处理，得到路灯区域环境数据。
本发明实施例通过使用无线通信技术将采集得到的路灯区域天气数据和路灯区域道路数据无线传输至路灯控制器，通过多种加权函数以及路灯区域天气数据和路灯区域道路数据中各种影响因素的数值向量构建一个适当的路灯数据整合算法，通过构建的路灯数据整合算法对路灯区域天气数据和路灯区域道路数据进行数据合并处理，最终得到路灯区域环境数据。
本发明通过使用气象监测技术实时监测太阳能路灯区域的天气情况，能够及时掌握天气变化对路灯光照强度的影响，以便进行有效的调控，并通过对监测到的天气情况进行数据采集处理，可以提供有价值的天气数据信息。然后，通过路灯传感器实时监测太阳能路灯区域的道路状况，能够及时对太阳能路灯进行光照强度调整，并通过对监测到的道路状况进行数据采集，以便对太阳能路灯的运行进行更好地调整，从而提高太阳能路灯的节能效果。最后，通过使用无线通信技术将实时采集到的路灯区域天气数据和路灯区域道路数据无线传输到路灯控制器，能够降低数据传输成本和难度，另外，通过设置合适的路灯数据整合算法将路灯区域天气数据和路灯区域道路数据进行合并处理，可以全面掌握太阳能路灯区域的环境信息，为太阳能路灯控制提供更加精确的科学依据，从而提高太阳能路灯的使用效率和稳定性。
优选地，步骤S13中的路灯数据整合算法的函数公式具体为：
式中，L(t)为路灯区域环境数据，t为当前时间，nw为路灯区域天气数据中天气因素的数量，wi为路灯区域天气数据中第i个天气因素的影响权重，fi(x)为路灯区域天气数据中第i个天气因素的高斯加权函数，x为积分时间变量，W(x)为路灯区域天气数据中天气因素的数值向量，nd为路灯区域道路数据中道路环境因素的数量，dj为路灯区域道路数据中第j个道路环境因素的影响权重，gj(x)为路灯区域道路数据中第j个道路环境因素的卡尔曼滤波加权函数，D(x)为路灯区域道路数据中道路环境因素的数值向量，np为路灯区域道路数据中交通流量因素的数量，pk为路灯区域道路数据中第k个交通流量因素的影响权重，hk(x)为路灯区域道路数据中第k个交通流量因素的非线性加权函数，P(x)为路灯区域道路数据中交通流量因素的数值向量，为路灯区域道路数据中周围环境光线因素的影响函数，nq为路灯区域道路数据中周围环境光线因素的数量，qm为路灯区域道路数据中第m个周围环境光线因素的影响权重，lm(x)为路灯区域道路数据中第m个周围环境光线因素的自适应加权函数，Q(x)为路灯区域道路数据中周围环境光线因素的数值向量，μ为路灯区域环境数据的修正值。
本发明构建了一个路灯数据整合算法函数的公式，用于对路灯区域天气数据和路灯区域道路数据进行合并处理，该路灯数据整合算法将路灯区域天气数据和路灯区域道路数据进行整合，能够提供更准确的路灯区域环境数据，从而实现更精细和智能的路灯光照控制，通过多种加权函数和数值向量构成的各种因素影响函数对路灯区域天气数据和路灯区域道路数据的整合过程进行调整和扩展，使得路灯数据整合算法具有更好的适应性和灵活性，能够适应各种路灯区域环境的需求。该算法函数公式充分考虑了当前时间t，路灯区域天气数据中天气因素的数量nw，路灯区域天气数据中第i个天气因素的影响权重wi，路灯区域天气数据中第i个天气因素的高斯加权函数fi(x)，积分时间变量x，路灯区域天气数据中天气因素的数值向量W(x)，路灯区域道路数据中道路环境因素的数量nd，路灯区域道路数据中第j个道路环境因素的影响权重dj，路灯区域道路数据中第j个道路环境因素的卡尔曼滤波加权函数gj(x)，路灯区域道路数据中道路环境因素的数值向量D(x)，路灯区域道路数据中交通流量因素的数量np，路灯区域道路数据中第k个交通流量因素的影响权重pk，路灯区域道路数据中第k个交通流量因素的非线性加权函数hk(x)，路灯区域道路数据中交通流量因素的数值向量P(x)，路灯区域道路数据中周围环境光线因素的影响函数路灯区域道路数据中周围环境光线因素的数量nq，路灯区域道路数据中第m个周围环境光线因素的影响权重qm，路灯区域道路数据中第m个周围环境光线因素的自适应加权函数lm(x)，路灯区域道路数据中周围环境光线因素的数值向量Q(x)，路灯区域环境数据的修正值μ，其中路灯区域道路数据中周围环境光线因素的数量nq，路灯区域道路数据中第m个周围环境光线因素的影响权重qm，路灯区域道路数据中第m个周围环境光线因素的自适应加权函数lm(x)以及路灯区域道路数据中周围环境光线因素的数值向量Q(x)构成了路灯区域道路数据中周围环境光线因素的影响函数/>关系/>根据路灯区域环境数据L(t)与以上各参数之间的相互关系构成了一种函数关系该公式实现了对路灯区域天气数据和路灯区域道路数据的合并整合过程，同时，通过路灯区域环境数据的修正值μ的引入可以根据实际情况进行调整，从而提高路灯数据整合算法的适用性和泛化能力。
优选地，步骤S2包括以下步骤：
步骤S21：通过光照传感器实时获取路灯光照数据，并利用光照能耗算法对路灯光照数据进行能耗提取处理，得到路灯光照能耗数据；
其中，光照能耗算法函数如下所示：
式中，elight为路灯光照能耗数据，t1为路灯光照开始时间，t2为路灯光照结束时间，Amin为路灯光照的最小覆盖区域范围，Amax为路灯光照的最大覆盖区域范围，α为路灯光照天顶角，β为路灯光照方位角，d为路灯光照距离，T为路灯光照时间，η(α，β)为路灯光照辐射分布函数，G(T)为路灯光照功率，C(α，β，d，T)为路灯光照在天顶角α、方位角β、距离d以及光照时间T条件下的影响系数，∈为路灯光照能耗数据的修正值；
步骤S22：对路灯光照能耗数据进行误差核算处理，得到路灯光照能耗待降噪数据；
步骤S23：利用光照降噪算法对路灯光照能耗待降噪数据进行数据降噪处理，得到路灯光照能耗降噪数据。
作为本发明的一个实施例，参考图2所示，为图1中步骤S2的详细步骤流程示意图，在本实施例中步骤S2包括以下步骤：
步骤S21：通过光照传感器实时获取路灯光照数据，并利用光照能耗算法对路灯光照数据进行能耗提取处理，得到路灯光照能耗数据；
本发明实施例通过光照传感器实时获取太阳能路灯区域内的光照数据，以得到路灯光照数据，并通过考虑光照角度、光照时间、光照范围等多个因素对路灯光照数据能耗的影响，来构建一个适当的光照能耗算法对路灯光照数据进行能耗提取处理，最终得到路灯光照能耗数据。
其中，光照能耗算法函数如下所示：
式中，elight为路灯光照能耗数据，t1为路灯光照开始时间，t2为路灯光照结束时间，Amin为路灯光照的最小覆盖区域范围，Amax为路灯光照的最大覆盖区域范围，α为路灯光照天顶角，β为路灯光照方位角，d为路灯光照距离，T为路灯光照时间，η(α，β)为路灯光照辐射分布函数，G(T)为路灯光照功率，C(α，β，d，T)为路灯光照在天顶角α、方位角β、距离d以及光照时间T条件下的影响系数，∈为路灯光照能耗数据的修正值；
本发明构建了一个光照能耗算法函数的公式，用于对路灯光照数据进行能耗提取处理，该光照能耗算法通过考虑光照时间、光照范围等多个因素对路灯光照能耗的影响，并根据需要调整路灯光照角度、光照覆盖范围、路灯光照功率等参数以适应不同场景下的路灯光照能耗需求，从而提高路灯光照能耗数据的准确性和可靠性，更好地评估太阳能路灯节能效果。该算法函数公式充分考虑了路灯光照开始时间t1，路灯光照结束时间t2，路灯光照的最小覆盖区域范围Amin，路灯光照的最大覆盖区域范围Amax，路灯光照天顶角α，路灯光照方位角β，路灯光照距离d，路灯光照时间T，路灯光照辐射分布函数η(α，β)，路灯光照功率G(T)，路灯光照在天顶角α、方位角β、距离d以及光照时间T条件下的影响系数C(α，β，d，T)，根据路灯光照能耗数据elight与以上各参加之间的相互关联关系构成了一种函数关系 该公式实现了对路灯光照数据的能耗提取过程，同时，通过路灯光照能耗数据的修正值∈的引入可以根据能耗提取过程出现的特殊情况进行调整，从而提高光照能耗算法的准确性和适用性。
步骤S22：对路灯光照能耗数据进行误差核算处理，得到路灯光照能耗待降噪数据；
本发明实施例通过对计算得到的路灯光照能耗数据与真实值进行误差核算，并对核算后的路灯光照能耗数据进行去重、缺失值填充、数据清洗等处理后，最终得到路灯光照能耗待降噪数据。
步骤S23：利用光照降噪算法对路灯光照能耗待降噪数据进行数据降噪处理，得到路灯光照能耗降噪数据。
本发明实施例通过将路灯光照能耗待降噪数据映射到光谱上，并结合光谱上的相关函数构建一个适当的光照降噪算法对路灯光照能耗待降噪数据进行数据降噪处理，以消除路灯光照能耗待降噪数据中噪声源的影响，最终得到路灯光照能耗降噪数据。
本发明通过使用光照传感器实时获取路灯的光照数据，并设置一个合适的光照能耗算法对路灯光照数据进行能耗提取处理，准确评估路灯光照的能耗状况，为太阳能路灯的节能管理提供有价值的信息，通过路灯光照能耗数据还可以帮助优化路灯光照模式，确保太阳能路灯在不同场景下的光照效果，从而提高太阳能路灯的能源利用率和控制管理效能。然后，通过对计算得到的路灯光照能耗数据进行误差核算，能够确保路灯光照能耗数据的准确性和可靠性。通过误差核算路灯光照能耗数据的真实值，能够为路灯光照能耗数据的管理和决策提供有价值的信息。此外，通过确保路灯光照能耗数据的准确性和可靠性，能更好地评估太阳能路灯的能源消耗情况，从而实现更有效的能源管理，为后续的降噪过程提供了数据基础保障。最后，通过设置一个合适的光照降噪算法对路灯光照能耗待降噪数据进行降噪处理，能够提高路灯光照能耗待降噪数据的信噪比，从而保证了降噪后的路灯光照能耗降噪数据的精确性和准确性。通过使用该光照降噪算法消除路灯光照能耗待降噪数据中噪声源对数据质量的影响，减少太阳能路灯控制管理决策的误差。同时，能够提高路灯光照能耗降噪数据的可读性和可理解性，为后续的数据分析和决策提供更有价值的信息。
优选地，步骤S23包括以下步骤：
步骤S231：利用光照降噪算法对路灯光照能耗待降噪数据进行噪声值计算，得到路灯光照能耗噪声值；
其中，光照降噪算法函数如下所示：
式中，EN为路灯光照能耗噪声值，Ω为路灯光照能耗待降噪数据映射在光谱上的映射空间区域，λ1为光谱范围的下限系数，λ2为光谱范围的上限系数，θ为路灯光照能耗待降噪数据映射在光谱上的路灯光照方向角，φ为路灯光照能耗待降噪数据映射在光谱上的路灯光照俯仰角，λ为路灯光照能耗待降噪数据映射在光谱上的光线波长，p(θ，φ，λ)为路灯光照辐射度函数，I(θ，φ，λ)为路灯光照照度函数，H(θ，φ，λ)为路灯光照透过率函数，S(θ，φ)为路灯光照降噪控制函数，为路灯光照能耗待降噪数据的噪声均值，σ为路灯光照能耗待降噪数据的噪声标准差，ε为路灯光照能耗噪声值的修正值；
步骤S232：根据预设的路灯光照能耗噪声阈值对路灯光照能耗噪声值进行判断，当路灯光照能耗噪声值大于或等于预设的路灯光照能耗噪声阈值时，则剔除该路灯光照能耗噪声值对应的路灯光照能耗待降噪数据，得到路灯光照能耗降噪数据；
步骤S233：根据预设的路灯光照能耗噪声阈值对路灯光照能耗噪声值进行判断，当路灯光照能耗噪声值小于预设的路灯光照能耗噪声阈值时，则直接该路灯光照能耗噪声值对应的路灯光照能耗待降噪数据定义为路灯光照能耗降噪数据。
作为本发明的一个实施例，参考图3所示，为图2中步骤S23的详细步骤流程示意图，在本实施例中步骤S23包括以下步骤：
步骤S231：利用光照降噪算法对路灯光照能耗待降噪数据进行噪声值计算，得到路灯光照能耗噪声值；
本发明实施例通过将路灯光照能耗待降噪数据映射到光谱上，并结合路灯光照方向角、路灯光照俯仰角、光线波长、路灯光照辐射度函数、路灯光照照度函数、路灯光照透过率函数以及路灯光照降噪控制函数等相关参数构成一个适当的光照降噪算法，通过构建的光照降噪算法对路灯光照能耗待降噪数据进行噪声值计算，最终得到路灯光照能耗噪声值。
其中，光照降噪算法函数如下所示：
式中，EN为路灯光照能耗噪声值，Ω为路灯光照能耗待降噪数据映射在光谱上的映射空间区域，λ1为光谱范围的下限系数，λ2为光谱范围的上限系数，θ为路灯光照能耗待降噪数据映射在光谱上的路灯光照方向角，φ为路灯光照能耗待降噪数据映射在光谱上的路灯光照俯仰角，λ为路灯光照能耗待降噪数据映射在光谱上的光线波长，ρ(θ，φ，λ)为路灯光照辐射度函数，I(θ，φ，λ)为路灯光照照度函数，H(θ，φ，λ)为路灯光照透过率函数，S(θ，φ)为路灯光照降噪控制函数，为路灯光照能耗待降噪数据的噪声均值，σ为路灯光照能耗待降噪数据的噪声标准差，ε为路灯光照能耗噪声值的修正值；
本发明构建了一个光照降噪算法函数的公式，用于对路灯光照能耗待降噪数据进行噪声值计算，为了消除路灯光照能耗待降噪数据中的噪声源对后续的光照行为检测和路灯亮度控制管理过程的影响，需要对路灯光照能耗待降噪数据进行降噪处理，以得到更加干净、准确的路灯光照能耗待降噪数据，通过该光照降噪算法能够有效地去除路灯光照能耗待降噪数据中的噪声和干扰数据，从而提高路灯光照能耗待降噪数据的准确性和可靠性。该算法函数公式充考虑了路灯光照能耗待降噪数据映射在光谱上的映射空间区域Ω，光谱范围的下限系数λ1，光谱范围的上限系数λ2，路灯光照能耗待降噪数据映射在光谱上的路灯光照方向角θ，路灯光照能耗待降噪数据映射在光谱上的路灯光照俯仰角φ，路灯光照能耗待降噪数据映射在光谱上的光线波长λ，路灯光照辐射度函数ρ(θ，φ，λ)，路灯光照照度函数I(θ，φ，λ)，路灯光照透过率函数H(θ，φ，λ)，路灯光照降噪控制函数S(θ，φ)，路灯光照能耗待降噪数据的噪声均值路灯光照能耗待降噪数据的噪声标准差σ，根据路灯光照能耗噪声值EN与以上各参数之间的相互关联关系构成了一种函数关系该算法函数公式实现了对路灯光照能耗待降噪数据的噪声值计算，同时，通过路灯光照能耗噪声值的修正值ε的引入可以根据实际情况进行调整，从而提高光照降噪算法的准确性和鲁棒性。
步骤S232：根据预设的路灯光照能耗噪声阈值对路灯光照能耗噪声值进行判断，当路灯光照能耗噪声值大于或等于预设的路灯光照能耗噪声阈值时，则剔除该路灯光照能耗噪声值对应的路灯光照能耗待降噪数据，得到路灯光照能耗降噪数据；
本发明实施例根据预设的路灯光照能耗噪声阈值，判断计算得到的路灯光照能耗噪声值是否超过预设的路灯光照能耗噪声阈值，当路灯光照能耗噪声值大于或等于预设的路灯光照能耗噪声阈值时，说明该路灯光照能耗噪声值对应的路灯光照能耗待降噪数据中的噪声源的干扰影响较大，则剔除该路灯光照能耗噪声值对应的路灯光照能耗待降噪数据，最终得到路灯光照能耗降噪数据。
步骤S233：根据预设的路灯光照能耗噪声阈值对路灯光照能耗噪声值进行判断，当路灯光照能耗噪声值小于预设的路灯光照能耗噪声阈值时，则直接该路灯光照能耗噪声值对应的路灯光照能耗待降噪数据定义为路灯光照能耗降噪数据。
本发明实施例根据预设的路灯光照能耗噪声阈值，判断计算得到的路灯光照能耗噪声值是否超过预设的路灯光照能耗噪声阈值，当路灯光照能耗噪声值小于预设的路灯光照能耗噪声阈值时，说明该路灯光照能耗噪声值对应的路灯光照能耗待降噪数据中的噪声源的干扰影响较小，则直接该路灯光照能耗噪声值对应的路灯光照能耗待降噪数据定义为路灯光照能耗降噪数据。
本发明首先通过使用合适的光照降噪算法对得到的路灯光照能耗待降噪数据进行噪声值计算，由于路灯光照能耗待降噪数据中可能存在噪声干扰或异常噪声源等情况，会对后续的光照行为检测和路灯亮度控制工作的准确度和可靠性造成不良影响，所以需要设置一个适当的光照降噪算法对路灯光照能耗待降噪数据进行噪声值计算，能够识别和测量出路灯光照能耗待降噪数据中存在的噪声和干扰信号，从源头上去除噪声信号，从而提高路灯光照能耗待降噪数据的准确性和可靠性。该光照降噪算法通过将路灯光照能耗待降噪数据映射到光谱上，并结合路灯光照方向角、路灯光照俯仰角、光线波长、路灯光照辐射度函数、路灯光照照度函数、路灯光照透过率函数、路灯光照降噪控制函数以及相关参数对降噪过程进行调整和优化处理，以获得最佳的降噪效果和计算结果，从而较为精确地计算出路灯光照能耗噪声值。然后，根据具体的数据降噪处理需求和质量标准，通过设定合适的路灯光照能耗噪声阈值对计算得到的路灯光照能耗噪声值进行判断，判断哪些路灯光照能耗待降噪数据需要进行剔除，哪些路灯光照能耗待降噪数据可以被保留，能够有效地剔除路灯光照能耗噪声值较大的路灯光照能耗待降噪数据，避免这些路灯光照能耗噪声值较大的路灯光照能耗待降噪数据对整体数据的影响，有助于进一步提高数据的质量，减少不必要的干扰和误差，从而保证了路灯光照能耗待降噪数据的准确性和可靠性。最后，使用预设的路灯光照能耗噪声阈值对路灯光照能耗噪声值进行判断，将路灯光照能耗噪声值较小的路灯光照能耗待降噪数据定义为路灯光照能耗降噪数据，可以得到更加准确和可靠的路灯光照能耗待降噪数据，这些数据较少受到噪声的干扰，可以为后续的光照行为检测和路灯亮度控制管理提供更加稳定的数据基础，从而提高路灯光照能耗降噪数据的可用性和有效性。
优选地，步骤S3包括以下步骤：
步骤S31：利用特征提取技术对路灯光照能耗降噪数据进行特征提取，得到路灯光照能耗数据特征；
步骤S32：对路灯光照能耗数据特征进行数据采集处理，得到路灯光照能耗特征数据集；
步骤S33：根据预设的基于卷积神经网络的智能路灯检测模型对路灯光照能耗特征数据集进行光照行为检测处理，得到路灯光照行为数据。
作为本发明的一个实施例，参考图4所示，为图1中步骤S3的详细步骤流程示意图，在本实施例中步骤S3包括以下步骤：
步骤S31：利用特征提取技术对路灯光照能耗降噪数据进行特征提取，得到路灯光照能耗数据特征；
本发明实施例通过特征提取技术对降噪后的路灯光照能耗降噪数据进行特征提取，提取出最具代表性的数据特征，最终得到路灯光照能耗数据特征。
步骤S32：对路灯光照能耗数据特征进行数据采集处理，得到路灯光照能耗特征数据集；
本发明实施例通过对提取到的路灯光照能耗数据特征进行去除重复数据、异常数据、无效数据以及特征数据提取等处理后，最终得到路灯光照能耗特征数据集。
步骤S33：根据预设的基于卷积神经网络的智能路灯检测模型对路灯光照能耗特征数据集进行光照行为检测处理，得到路灯光照行为数据。
本发明实施例通过选择合适的卷积神经网络算法构建一个适当的智能路灯检测模型，将路灯光照能耗特征数据集作为该智能路灯检测模型的输入对不同的路灯光照行为进行检测，最终得到路灯光照行为数据。
本发明通过使用特征提取技术对降噪后的路灯光照能耗降噪数据进行特征提取，可以从原始的路灯光照能耗降噪数据中提取出具有代表性的特征。而这些特征可以从多个方面描述路灯的光照能耗情况，如光照强度、能耗变化规律、时间变化规律等。通过特征提取，不仅可以降低数据的维度，减少数据冗余，还可以提高数据的处理效率，并为后续的光照行为检测提供更有价值的数据。然后，通过对路灯光照能耗数据特征进行数据采集处理，可以建立一个完整的数据集，包括原始数据、特征数据以及涵盖各个场景的样本数据集。通过数据采集，可以充分利用现有的路灯光照能耗数据，为后续的光照行为检测提供更完整的数据支持。同时，通过数据采集，还可以不断优化数据集，从而提高太阳能路灯的性能和效率。最后，基于卷积神经网络的智能路灯检测模型可以通过学习路灯光照能耗数据特征，自动分析和判断路灯的光照行为，从而实现对路灯光照行为的检测和管理。由于卷积神经网络具有学习和自适应能力，能够识别路灯光照能耗数据中的各种模式和特征，从而快速准确地判断路灯的光照行为。通过光照行为检测，可以实现路灯的自动化管理，提高能源利用效率和太阳能路灯的智能化程度，降低维护成本和能源浪费率。
优选地，步骤S33包括以下步骤：
步骤S331：按照预设的划分规则将路灯光照能耗特征数据集划分为光照特征训练数据集、光照特征验证数据集和光照特征测试数据集；
本发明实施例通过将路灯光照能耗特征数据集按照一定的划分比例划分为光照特征训练数据集、光照特征验证数据集和光照特征测试数据集，根据预设的划分比例7：2：1将路灯光照能耗特征数据集划分为70％的光照特征训练数据集、20％的光照特征验证数据集和10％的光照特征测试数据集。
步骤S332：构建基于卷积神经网络的智能路灯检测模型，其中智能路灯检测模型包括模型训练、模型验证和模型测试；
本发明实施例根据实际情况，利用卷积神经网络算法构建智能路灯检测模型，该智能路灯检测模型包括模型训练、模型验证和模型测试，通过光照特征训练数据集对智能路灯检测模型进行模型训练，光照特征验证数据集对智能路灯检测模型进行模型验证，同时利用光照特征测试数据集对智能路灯检测模型进行模型测试，用来提高智能路灯检测模型的泛化性能和鲁棒性。
步骤S333：将光照特征训练数据集输入至构建的智能路灯检测模型进行模型训练，并通过交叉验证方法对模型参数进行优化处理，得到验证模型；利用验证模型对光照特征验证数据集进行模型验证，以得到测试模型；
本发明实施例通过将划分后的光照特征训练数据集输入至构建的智能路灯检测模型中进行模型训练，并通过选择合适的交叉验证方法对模型参数进行优化处理，首先，将光照特征训练数据集随机分为K个互不相交的子集，其中K通常取5或10，随机使用其中的K-1个子集作为模型的训练数据，剩余的1个子集作为验证数据，用来评估模型的性能，重复以上过程K次后，每次都将不同的子集作为验证数据来对模型进行评估，得到K个不同的评估结果。然后，计算K个评估结果的平均值，得到验证模型的评估结果。最后，使用验证模型对划分后的光照特征验证数据集进行模型验证，以生成最终的测试模型。
步骤S334：利用测试模型对光照特征测试数据集进行模型测试，得到优化的智能路灯检测模型；并将路灯光照能耗特征数据集重新输入至优化的智能路灯检测模型进行光照行为检测处理，得到路灯光照行为数据。
本发明实施例通过将划分后的光照特征测试数据集输入至验证后的测试模型中进行模型测试，通过计算模型的准确率、召回率、F1值等指标，对模型参数进一步检查和优化处理，获得更高效更准确的优化的智能路灯检测模型，同时，将路灯光照能耗特征数据集重新输入至优化的智能路灯检测模型中进行光照行为检测，最终得到路灯光照行为数据。
本发明通过预设的划分规则将路灯光照能耗特征数据集划分为光照特征训练数据集、光照特征验证数据集和光照特征测试数据集，可以更好地利用不同的数据集对智能路灯检检测模型进行训练、验证和测试，使得智能路灯检测模型具有更好的泛化性能和鲁棒性。光照特征训练数据集用于训练模型，光照特征验证数据集用于调节模型参数和防止过拟合，光照特征测试数据集用于评估模型在新样本上的性能，从而为智能路灯检测模型的应用提供保障。通过基于卷积神经网络的智能路灯检测模型可以有效利用路灯光照能耗特征数据进行光照行为检测，因为卷积神经网络具有学习和自适应能力，能够根据数据自动提取特征，并通过多层结构进行模式识别和分类。通过模型训练、模型验证和模型测试三个阶段相结合，可以有效提高智能路灯检测模型的训练效率和准确性。然后，将划分后的光照特征训练数据集输入至智能路灯检测模型进行模型训练，不断提高模型的准确性和泛化能力。通过交叉验证方法可以有效地避免模型过拟合，提高模型的鲁棒性和可靠性。模型验证阶段可以评估模型的性能，从而提高模型的泛化能力和适应性。最后，利用光照特征测试数据集对模型进行测试，可以评估模型在未知样本上的预测能力，并根据测试结果对模型进行优化和调整。在优化的智能路灯检测模型中重新输入路灯光照能耗特征数据集进行光照行为检测，可以实现智能化的路灯光照行为管理和控制，提高太阳能路灯的能源利用效率和可持续性，减少维护成本和能源浪费率。
优选地，步骤S4包括以下步骤：
步骤S41：根据路灯区域环境数据和路灯光照行为数据构建路灯亮度控制模型，通过路灯亮度控制模型预测路灯适宜调整亮度，以得到路灯光照控制调整结果；
本发明实施例通过采用神经网络算法构建路灯亮度控制模型，通过路灯区域环境数据以及路灯光照行为数据训练和优化构建的路灯亮度控制模型，通过路灯亮度控制模型预测出路灯适宜调整亮度，最终得到路灯光照控制调整结果。
步骤S42：通过路灯控制器获取路灯设备使用寿命数据，并利用寿命光控算法对路灯设备使用寿命数据和路灯光照行为数据进行寿命照明计算，得到路灯使用寿命光照数据；
本发明实施例通过路灯控制器获取路灯设备的使用寿命，以得到路灯设备使用寿命数据，并通过路灯初始使用寿命、路灯使用寿命衰减系数、路灯使用寿命衰减率以及相关参数构建一个适当的寿命光控算法，通过结合路灯设备使用寿命数据和路灯光照行为数据利用寿命光控算法预测路灯设备使用寿命和光照行为条件之间的关系，最终得到路灯使用寿命光照数据。
其中，寿命光控算法函数如下所示：
式中，U(τ)为在时间τ时刻的路灯使用寿命光照数据，U0为路灯初始使用寿命，ψ为路灯光照方向与路面法线的夹角值，δ(u)为路灯使用寿命衰减系数，u为路灯使用寿命，为路灯使用寿命衰减率，s为积分时间变量，F(s)为在时间s时刻的路灯光照行为数据，ξ为路灯使用寿命光照数据的修正值；
本发明构建了一个寿命光控算法函数的公式，用于对路灯设备使用寿命数据和路灯光照行为数据进行寿命照明计算，该寿命光控算法结合了路灯设备使用寿命数据和路灯光照行为数据，能够有效地预测路灯设备使用寿命和光照行为条件之间的关系，提高了预测精度和准确性。另外，该寿命光控算法具有较高的系统健壮性，能够有效地应对路灯设备使用寿命和光照行为条件发生变化的情况，从而保证了路灯光照控制的稳定性和可靠性。该算法函数公式充分考虑了路灯初始使用寿命U0，路灯光照方向与路面法线的夹角值ψ，路灯使用寿命衰减系数δ(u)，路灯使用寿命u，路灯使用寿命衰减率积分时间变量s，在时间s时刻的路灯光照行为数据F(s)，根据在时间τ时刻的路灯使用寿命光照数据U(τ)与以上各参数之间的相互关系构成了一种函数关系 该公式实现了对路灯设备使用寿命数据和路灯光照行为数据的寿命照明计算过程，同时，通过路灯使用寿命光照数据的修正值ξ的引入可以根据实际情况进行调整，从而提高寿命光控算法的准确性和适用性。
步骤S43：通过引入权重机制利用路灯使用寿命光照数据对路灯亮度控制模型进行权重调整，得到路灯光照控制调整优化结果。
本发明实施例通过引入权重机制利用路灯使用寿命光照数据对路灯亮度控制模型进行权重调整，将路灯使用寿命光照数据与路灯区域环境数据、光照行为数据进行合理的组合，从而调整路灯亮度控制模型，最终得到路灯光照控制调整优化结果。
本发明根据路灯区域环境数据和路灯光照行为数据构建路灯亮度控制模型，预测路灯当前适宜调整的光照亮度，从而实现路灯光照控制调整，其中，路灯区域环境数据包括路灯的位置、周围环境亮度、人流情况等信息，路灯光照行为数据包括路灯的亮度、功率、使用时间等信息，可以根据不同情景下的环境信息和路灯光照行为信息，自动优化太阳能路灯光照亮度，帮助太阳能路灯节约能源，延长太阳能路灯的寿命，提高太阳能路灯的可持续性和经济性。然后，根据路灯使用寿命数据和路灯光照行为数据利用寿命光控算法计算出太阳能路灯在不同时间点的路灯使用寿命光照状况，从而判断太阳能路灯是否需要更换或维修。寿命光控算法的运用能充分利用路灯光照行为数据，对路灯使用寿命进行合理的估计和预测，有利于提高太阳能路灯的运维效率和经济性。最后，通过引入权重机制对构建的路灯亮度控制模型进行权重调整，即利用路灯使用寿命光照数据对路灯亮度控制模型进行权重调整，可以提高路灯亮度控制模型的精度和可靠性。例如，对于已使用寿命较长的太阳能路灯，应该降低其亮度以延长其使用寿命；而对于寿命尚未到期的太阳能路灯，则可适当提高其亮度以提升路灯光照效果。通过引入权重机制能够根据太阳能路灯的使用寿命光照情况，将不同时间和状态的太阳能路灯进行动态调整，以提高太阳能路灯的能源利用效率和可持续性，减少维护成本和能源浪费率。
优选地，步骤S5包括以下步骤：
步骤S51：利用光控技术实时检测路灯光照控制调整优化结果，得到路灯光照光强信息；
本发明实施例通过使用光控技术实时检测路灯光照控制调整优化结果，首先通过在太阳能路灯设备上安装光强度计，对路灯光照控制调整优化结果后的路灯光照状况进行实时监控，通过光强度计测量路灯的光照强度和颜色，准确反映路灯运行状态，最终得到路灯光照光强信息。
步骤S52：通过反馈机制将路灯光照光强信息传输至路灯控制器，并通过配置设备故障预警系统自动检测路灯光照光强信息，以生成设备故障报警信息；
本发明实施例通过基于无线传输技术的反馈机制将采集到的路灯光照光强信息传输至路灯控制器，并通过在路灯控制器上配置设备故障预警系统自动检测路灯光照光强信息，通过设置阈值，当路灯光照光强信息中的光照强度低于阈值时，则说明该太阳能路灯设备出现故障，当路灯光照光强信息中的光照强度等于阈值时，则维持正常状态，当路灯光照光强信息中的光照强度高于阈值时，则说明还有相关因素在影响路灯光照亮度，重新设置权重调整路灯亮度控制模型生成路灯光照控制调整优化结果，最终生成设备故障报警信息。
步骤S53：利用设备故障报警信息制定路灯控制调整方案以执行相应的路灯控制调整管理策略。
本发明实施例通过利用设备故障报警信息制定相应的路灯控制调整方案，太阳能路灯管理人员通过路灯控制调整方案及时做出调整太阳能路灯的光照控制策略，以实现太阳能路灯的自适应运行。
本发明通过使用光控技术实时检测路灯光照控制调整优化结果，可以在实际场景中对路灯的光照效果进行准确实时的监测和评估。该光控技术可以通过无线通讯或传感器等手段，对路灯的亮度、色温、颜色等方面的光照参数进行检测和记录，以便根据实际情况进行路灯光照控制调整和故障排查。通过光控技术的实时监测，可以及时发现路灯异常情况，比如亮度过高或过低，需要做出即时和精准的调整。然后，通过反馈机制将路灯光照光强信息传输至路灯控制器，并通过配置设备故障预警系统自动检测路灯光照光强信息，以生成设备故障报警信息，有助于进一步提高路灯的运维效率和管理精度。通过反馈机制，可以及时将光照光强信息传送至路灯控制器，进行动态管理和调整。同时，在路灯控制器中配置设备故障预警系统，可以实现路灯设备运行状况的自动监测和故障诊断。一旦出现故障或异常情况，设备故障预警系统就可以及时提醒进行相应的处理，充分利用光控技术和反馈机制，从而提高太阳能路灯的控制效率和管理精度。最后，通过利用设备故障报警信息制定路灯控制调整方案以执行相应的路灯控制调整管理策略，可以帮助太阳能路灯管理人员及时处理太阳能路灯故障和异常情况，优化太阳能路灯的运行模式和控制策略。通过对设备故障报警信息的分析和处理，可以制定相应的路灯控制调整方案，对故障点进行快速的排查和维修，并针对性地对太阳能路灯亮度、色温、光照时间等方面进行调整和优化。此外，太阳能路灯管理人员还可以进行实时监控和巡检，确保太阳能路灯设备的稳定运行和节能优化。通过制定合理的路灯控制调整管理策略，可以延长太阳能路灯的使用寿命，减少能源消耗和维护成本，提高太阳能路灯的可持续性和经济性。
优选地，本发明还提供了一种智能太阳能路灯控制系统，包括：
至少一个处理器；
与至少一个处理器通信连接的存储器；
存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行如上任一项所述的智能太阳能路灯控制方法。
综上所述，本发明提供了一种智能太阳能路灯控制系统，该系统能够实现本发明所述任意一种智能太阳能路灯控制方法，用于联合存储器、处理器及存储器上运行的计算机程序之间的操作实现一种智能太阳能路灯控制方法，系统内部结构互相协作，该智能太阳能路灯控制系统根据太阳能路灯区域内的天气及道路情况利用多种算法和技术智能控制太阳能路灯光照亮度，可以大大减少重复工作和人力投入，能够快速有效地处理路灯区域天气数据和路灯区域道路数据，以提高太阳能路灯的使用寿命和控制效率，从而简化了智能太阳能路灯控制系统的操作流程。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种智能太阳能路灯控制方法，其特征在于，包括以下步骤：
步骤S1：利用气象监测技术和路灯传感器分别对太阳能路灯区域进行监测和数据采集处理，以得到路灯区域天气数据和路灯区域道路数据；并利用无线通信技术将路灯区域天气数据和路灯区域道路数据无线传输至路灯控制器，得到路灯区域环境数据；
步骤S2：通过光照传感器实时获取路灯光照数据，并利用光照能耗算法对路灯光照数据进行能耗提取处理，得到路灯光照能耗数据；利用光照降噪算法对路灯光照能耗数据进行数据降噪处理，得到路灯光照能耗降噪数据；
步骤S3：利用特征提取技术对路灯光照能耗降噪数据进行特征提取，得到路灯光照能耗数据特征；根据预设的智能路灯检测模型对路灯光照能耗数据特征进行光照行为检测处理，得到路灯光照行为数据；
步骤S4：根据路灯区域环境数据和路灯光照行为数据构建路灯亮度控制模型，以得到路灯光照控制调整结果；获取路灯设备使用寿命数据，利用寿命光控算法对路灯设备使用寿命数据和路灯光照行为数据进行寿命照明计算，得到路灯使用寿命光照数据；并利用路灯使用寿命光照数据对路灯亮度控制模型进行权重调整，得到路灯光照控制调整优化结果；
步骤S5：利用光控技术实时检测路灯光照控制调整优化结果，得到路灯光照光强信息；将路灯光照光强信息传输至路灯控制器，并配置设备故障预警系统自动检测路灯光照光强信息以执行相应的路灯控制调整管理策略。
2.根据权利要求1所述的智能太阳能路灯控制方法，其特征在于，步骤S1包括以下步骤：
步骤S11：利用气象监测技术对太阳能路灯区域进行实时监测和数据采集处理，以得到路灯区域天气数据；
步骤S12：利用路灯传感器对太阳能路灯区域进行实时监测和数据采集处理，以得到路灯区域道路数据；
步骤S13：利用无线通信技术将路灯区域天气数据和路灯区域道路数据无线传输至路灯控制器，并通过路灯数据整合算法对路灯区域天气数据和路灯区域道路数据进行合并处理，得到路灯区域环境数据。
3.根据权利要求2所述的智能太阳能路灯控制方法，其特征在于，步骤S13中的路灯数据整合算法的函数公式具体为：
式中，L(t)为路灯区域环境数据，t为当前时间，nw为路灯区域天气数据中天气因素的数量，wi为路灯区域天气数据中第i个天气因素的影响权重，fi(x)为路灯区域天气数据中第i个天气因素的高斯加权函数，x为积分时间变量，W(x)为路灯区域天气数据中天气因素的数值向量，nd为路灯区域道路数据中道路环境因素的数量，dj为路灯区域道路数据中第j个道路环境因素的影响权重，gj(x)为路灯区域道路数据中第j个道路环境因素的卡尔曼滤波加权函数，D(x)为路灯区域道路数据中道路环境因素的数值向量，np为路灯区域道路数据中交通流量因素的数量，pk为路灯区域道路数据中第k个交通流量因素的影响权重，hk(x)为路灯区域道路数据中第k个交通流量因素的非线性加权函数，P(x)为路灯区域道路数据中交通流量因素的数值向量，为路灯区域道路数据中周围环境光线因素的影响函数，nq为路灯区域道路数据中周围环境光线因素的数量，qm为路灯区域道路数据中第m个周围环境光线因素的影响权重，lm(x)为路灯区域道路数据中第m个周围环境光线因素的自适应加权函数，Q(x)为路灯区域道路数据中周围环境光线因素的数值向量，μ为路灯区域环境数据的修正值。
4.根据权利要求1所述的智能太阳能路灯控制方法，其特征在于，步骤S2包括以下步骤：
步骤S21：通过光照传感器实时获取路灯光照数据，并利用光照能耗算法对路灯光照数据进行能耗提取处理，得到路灯光照能耗数据；
其中，光照能耗算法函数如下所示：
式中，elight为路灯光照能耗数据，t1为路灯光照开始时间，t2为路灯光照结束时间，Amin为路灯光照的最小覆盖区域范围，Amax为路灯光照的最大覆盖区域范围，α为路灯光照天顶角，β为路灯光照方位角，d为路灯光照距离，T为路灯光照时间，η(α,β)为路灯光照辐射分布函数，G(T)为路灯光照功率，C(α,β,d,T)为路灯光照在天顶角α、方位角β、距离d以及光照时间T条件下的影响系数，∈为路灯光照能耗数据的修正值；
步骤S22：对路灯光照能耗数据进行误差核算处理，得到路灯光照能耗待降噪数据；
步骤S23：利用光照降噪算法对路灯光照能耗待降噪数据进行数据降噪处理，得到路灯光照能耗降噪数据。
5.根据权利要求4所述的智能太阳能路灯控制方法，其特征在于，步骤S23包括以下步骤：
步骤S231：利用光照降噪算法对路灯光照能耗待降噪数据进行噪声值计算，得到路灯光照能耗噪声值；
其中，光照降噪算法函数如下所示：
式中，EN为路灯光照能耗噪声值，Ω为路灯光照能耗待降噪数据映射在光谱上的映射空间区域，λ1为光谱范围的下限系数，λ2为光谱范围的上限系数，θ为路灯光照能耗待降噪数据映射在光谱上的路灯光照方向角，φ为路灯光照能耗待降噪数据映射在光谱上的路灯光照俯仰角，λ为路灯光照能耗待降噪数据映射在光谱上的光线波长，ρ(θ,φ,λ)为路灯光照辐射度函数，I(θ,φ,λ)为路灯光照照度函数，H(θ,φ,λ)为路灯光照透过率函数，S(θ,φ)为路灯光照降噪控制函数，为路灯光照能耗待降噪数据的噪声均值，σ为路灯光照能耗待降噪数据的噪声标准差，ε为路灯光照能耗噪声值的修正值；
步骤S232：根据预设的路灯光照能耗噪声阈值对路灯光照能耗噪声值进行判断，当路灯光照能耗噪声值大于或等于预设的路灯光照能耗噪声阈值时，则剔除该路灯光照能耗噪声值对应的路灯光照能耗待降噪数据，得到路灯光照能耗降噪数据；
步骤S233：根据预设的路灯光照能耗噪声阈值对路灯光照能耗噪声值进行判断，当路灯光照能耗噪声值小于预设的路灯光照能耗噪声阈值时，则直接该路灯光照能耗噪声值对应的路灯光照能耗待降噪数据定义为路灯光照能耗降噪数据。
6.根据权利要求1所述的智能太阳能路灯控制方法，其特征在于，步骤S3包括以下步骤：
步骤S31：利用特征提取技术对路灯光照能耗降噪数据进行特征提取，得到路灯光照能耗数据特征；
步骤S32：对路灯光照能耗数据特征进行数据采集处理，得到路灯光照能耗特征数据集；
步骤S33：根据预设的基于卷积神经网络的智能路灯检测模型对路灯光照能耗特征数据集进行光照行为检测处理，得到路灯光照行为数据。
7.根据权利要求6所述的智能太阳能路灯控制方法，其特征在于，步骤S33包括以下步骤：
步骤S331：按照预设的划分规则将路灯光照能耗特征数据集划分为光照特征训练数据集、光照特征验证数据集和光照特征测试数据集；
步骤S332：构建基于卷积神经网络的智能路灯检测模型，其中智能路灯检测模型包括模型训练、模型验证和模型测试；
步骤S333：将光照特征训练数据集输入至构建的智能路灯检测模型进行模型训练，并通过交叉验证方法对模型参数进行优化处理，得到验证模型；利用验证模型对光照特征验证数据集进行模型验证，以得到测试模型；
步骤S334：利用测试模型对光照特征测试数据集进行模型测试，得到优化的智能路灯检测模型；并将路灯光照能耗特征数据集重新输入至优化的智能路灯检测模型进行光照行为检测处理，得到路灯光照行为数据。
8.根据权利要求1所述的智能太阳能路灯控制方法，其特征在于，步骤S4包括以下步骤：
步骤S41：根据路灯区域环境数据和路灯光照行为数据构建路灯亮度控制模型，通过路灯亮度控制模型预测路灯适宜调整亮度，以得到路灯光照控制调整结果；
步骤S42：通过路灯控制器获取路灯设备使用寿命数据，并利用寿命光控算法对路灯设备使用寿命数据和路灯光照行为数据进行寿命照明计算，得到路灯使用寿命光照数据；
其中，寿命光控算法函数如下所示：
式中，U(τ)为在时间τ时刻的路灯使用寿命光照数据，U0为路灯初始使用寿命，ψ为路灯光照方向与路面法线的夹角值，δ(u)为路灯使用寿命衰减系数，u为路灯使用寿命，为路灯使用寿命衰减率，s为积分时间变量，F(s)为在时间s时刻的路灯光照行为数据，ξ为路灯使用寿命光照数据的修正值；
步骤S43：通过引入权重机制利用路灯使用寿命光照数据对路灯亮度控制模型进行权重调整，得到路灯光照控制调整优化结果。
9.根据权利要求1所述的智能太阳能路灯控制方法，其特征在于，步骤S5包括以下步骤：
步骤S51：利用光控技术实时检测路灯光照控制调整优化结果，得到路灯光照光强信息；
步骤S52：通过反馈机制将路灯光照光强信息传输至路灯控制器，并通过配置设备故障预警系统自动检测路灯光照光强信息，以生成设备故障报警信息；
步骤S53：利用设备故障报警信息制定路灯控制调整方案以执行相应的路灯控制调整管理策略。
10.一种智能太阳能路灯控制系统，其特征在于，包括：
至少一个处理器；
与至少一个处理器通信连接的存储器；
存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行如权利要求1至9中任一项所述的智能太阳能路灯控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310714555.1A CN116847521B (zh) | 2023-06-15 | 2023-06-15 | 一种智能太阳能路灯控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310714555.1A CN116847521B (zh) | 2023-06-15 | 2023-06-15 | 一种智能太阳能路灯控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116847521A true CN116847521A (zh) | 2023-10-03 |
| CN116847521B CN116847521B (zh) | 2024-02-27 |
Family
ID=88168095
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310714555.1A Active CN116847521B (zh) | 2023-06-15 | 2023-06-15 | 一种智能太阳能路灯控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116847521B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117460129A (zh) * | 2023-12-25 | 2024-01-26 | 智隆(广州)网络科技有限公司 | 基于物联网驱动的节能路灯控制方法及系统 |
| CN118317484A (zh) * | 2024-04-10 | 2024-07-09 | 广东正力通用电气有限公司 | 一种基于物联网技术的智慧路灯照明控制方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100097001A1 (en) * | 2008-10-22 | 2010-04-22 | Chien-Chih Kuo | Auto-controlling power saving system for solar energy street lamps |
| WO2014122602A1 (en) * | 2013-02-07 | 2014-08-14 | Koninklijke Philips N.V. | System and method for enhanced security for solar powered lighting |
| CN107396519A (zh) * | 2017-08-18 | 2017-11-24 | 无锡昊瑜节能环保设备有限公司 | 一种建筑工地降噪节能照明方法 |
| CN108398159A (zh) * | 2018-03-06 | 2018-08-14 | 西南石油大学 | 一种太阳能路灯监测与寿命评估系统 |
| WO2019214016A1 (zh) * | 2018-05-08 | 2019-11-14 | 江南大学 | 基于LoRa技术的多功能LED智能路灯系统 |
| CN110748846A (zh) * | 2019-10-28 | 2020-02-04 | 深圳市深创谷技术服务有限公司 | 地震检测系统、信号反馈和控制方法和可读存储介质 |
| CN111931388A (zh) * | 2020-09-27 | 2020-11-13 | 北京中设光环境科技研究院有限公司 | 一种基于大数据的led路灯运行分析系统及方法 |
| CN113531464A (zh) * | 2021-06-15 | 2021-10-22 | 江苏恒昌照明灯具有限公司 | 一种太阳能路灯的控制系统 |
| CN115038209A (zh) * | 2022-07-11 | 2022-09-09 | 深圳市永捷机电工程技术有限公司 | 一种基于物联网的节能控制系统及方法 |
-
2023
- 2023-06-15 CN CN202310714555.1A patent/CN116847521B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100097001A1 (en) * | 2008-10-22 | 2010-04-22 | Chien-Chih Kuo | Auto-controlling power saving system for solar energy street lamps |
| WO2014122602A1 (en) * | 2013-02-07 | 2014-08-14 | Koninklijke Philips N.V. | System and method for enhanced security for solar powered lighting |
| CN107396519A (zh) * | 2017-08-18 | 2017-11-24 | 无锡昊瑜节能环保设备有限公司 | 一种建筑工地降噪节能照明方法 |
| CN108398159A (zh) * | 2018-03-06 | 2018-08-14 | 西南石油大学 | 一种太阳能路灯监测与寿命评估系统 |
| WO2019214016A1 (zh) * | 2018-05-08 | 2019-11-14 | 江南大学 | 基于LoRa技术的多功能LED智能路灯系统 |
| CN110748846A (zh) * | 2019-10-28 | 2020-02-04 | 深圳市深创谷技术服务有限公司 | 地震检测系统、信号反馈和控制方法和可读存储介质 |
| CN111931388A (zh) * | 2020-09-27 | 2020-11-13 | 北京中设光环境科技研究院有限公司 | 一种基于大数据的led路灯运行分析系统及方法 |
| CN113531464A (zh) * | 2021-06-15 | 2021-10-22 | 江苏恒昌照明灯具有限公司 | 一种太阳能路灯的控制系统 |
| CN115038209A (zh) * | 2022-07-11 | 2022-09-09 | 深圳市永捷机电工程技术有限公司 | 一种基于物联网的节能控制系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 冯思;齐彦宇;杨利;贾振国;季鹏伟;郭瑞;: "太阳能智慧路灯设计", 科技创新与应用, no. 23, 2 August 2018 (2018-08-02) * |
| 刘勃妮;肖军;刘洲洲;王威: "智能太阳能LED路灯控制系统的研究", 自动化技术与应用, vol. 41, no. 1, 14 January 2022 (2022-01-14) * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117460129A (zh) * | 2023-12-25 | 2024-01-26 | 智隆(广州)网络科技有限公司 | 基于物联网驱动的节能路灯控制方法及系统 |
| CN117460129B (zh) * | 2023-12-25 | 2024-03-22 | 智隆(广州)网络科技有限公司 | 基于物联网驱动的节能路灯控制方法及系统 |
| CN118317484A (zh) * | 2024-04-10 | 2024-07-09 | 广东正力通用电气有限公司 | 一种基于物联网技术的智慧路灯照明控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116847521B (zh) | 2024-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116847521B (zh) | 一种智能太阳能路灯控制方法及系统 | |
| US9367925B2 (en) | Image detection and processing for building control | |
| KR101588035B1 (ko) | 조명 장면을 자동으로 연출하는 조명 제어 시스템 및 방법 | |
| US20070031237A1 (en) | Method and apparatus for producing wind energy with reduced wind turbine noise | |
| CN111970785B (zh) | 一种智慧路灯的应急led路灯控制方法与系统 | |
| EP1671257A1 (en) | System and method for adaptively setting biometric measurement thresholds | |
| KR102014751B1 (ko) | 변형된 mfcc를 이용한 전기부하 판별 장치 및 방법 | |
| KR20200046905A (ko) | IoT 기상환경 수집 데이터의 안정성 확보 방법 | |
| CN116963342B (zh) | 一种红外led光源及其自适应光调节方法 | |
| CN113095114A (zh) | 液压系统漏油检测方法、装置和设备 | |
| WO2013093771A1 (en) | Monitoring a scene | |
| CN117668518B (zh) | 一种离散型智能制造方法及系统 | |
| CN116668859B (zh) | 一种gis设备机房环境监控装置 | |
| JP2019114495A (ja) | 道路灯照明器具 | |
| CN115660898B (zh) | 基于svr的分类式风电短期功率预测精度提升方法及设备 | |
| CN115060323B (zh) | 一种智慧城市环境影响评估装置及方法 | |
| US20220404784A1 (en) | Method and device for performing an operation based on sensor signal data | |
| US20190012750A1 (en) | Energy performance evaluation method and device | |
| CN110409987B (zh) | 一种感光式百叶窗自适应控制方法及系统 | |
| GB2586227A (en) | System and method for controlling shadow flicker from a wind turbine | |
| CN118038141B (zh) | 红外、紫外和图像火灾探测系统和方法 | |
| CN118115821B (zh) | 基于图像特征提取的光伏板故障识别方法 | |
| CN112237420B (zh) | 生理信息侦测装置及生理信息侦测方法 | |
| CN118829030A (zh) | 一种基于人工智能的led车灯亮度自适应调节方法 | |
| CN115835454A (zh) | 一种基于物联电能表的楼道用灯节能装置及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |