CN117255454B - 一种城市照明智能化的控制方法及系统 - Google Patents
一种城市照明智能化的控制方法及系统 Download PDFInfo
- Publication number
- CN117255454B CN117255454B CN202311534140.2A CN202311534140A CN117255454B CN 117255454 B CN117255454 B CN 117255454B CN 202311534140 A CN202311534140 A CN 202311534140A CN 117255454 B CN117255454 B CN 117255454B
- Authority
- CN
- China
- Prior art keywords
- illumination
- data
- low
- moment data
- illuminance
- 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.)
- Active
Links
- 238000005286 illumination Methods 0.000 title claims abstract description 250
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008859 change Effects 0.000 claims abstract description 15
- 230000001932 seasonal effect Effects 0.000 claims description 29
- 230000007613 environmental effect Effects 0.000 claims description 17
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012549 training 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
- H05B47/105—Controlling the light source in response to determined parameters
- H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
-
- 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
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明涉及照明控制技术领域,提出了一种城市照明智能化的控制方法及系统,包括:获取环境照度数据序列、人车流量数据序列和低照度时刻数据;获取低照度时刻数据的子序列和子序列中包含的每个数据的核密度值,获取照度更变幅度值;获取低照度时刻数据的前相邻数据,根据路段区间的相邻路段区间的情况划分和前相邻数据获取相邻路段区间关联概率;根据低照度时刻数据的相邻路段区间关联概率和照度更变幅度值获取城市照明系统调节可行系数,根据城市照明系统调节可行系数实现对各个路段区间的城市照明智能化控制。本发明解决城市照明在工作时全功率运行导致电力资源浪费的问题。
Description
技术领域
本发明涉及照明控制技术领域,具体涉及一种城市照明智能化的控制方法及系统。
背景技术
随着城市化的推进以及科学技术的发展,城市照明对照明的要求也逐渐提升,除了主要运输道路外,城市中的商业中心和城市的居民生活区域同样对照明有着一定的要求,而城市照明设备资源消耗量巨大,若毫无限制地使用照明,势必会造成资源的浪费,所以,需要对城市中的照明系统进行科学、合理地智能化控制,使其在节约资源的同时更好地发挥作用。
通常,城市的照明是根据外界环境亮度或时间决定的,当夜晚降临或是达到预定时间点后,城市照明自动开启,而当白天来临时,城市照明自动关闭,以节省电力资源。然而,尽管如此,目前城市照明仍存在一定的电力资源浪费情况,例如;某路段可能车流量、人流量及其稀少,但路灯依然全功率整夜运行;城市照明工作时功率是恒定的,但如夏季时早上太阳升起时间更早,环境亮度更高,但城市照明依然全功率运行,造成电力资源浪费。为了在节约资源的同时使城市照明更好地发挥作用,需要对城市照明进行智能化控制。
发明内容
本发明提供一种城市照明智能化的控制方法及系统,以解决城市照明在工作时全功率运行导致电力资源浪费的问题,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了一种城市照明智能化的控制方法,该方法包括以下步骤:
采集路段区间的环境照度数据和人车流量数据并进行预处理,获取环境照度数据序列和人车流量数据序列;
根据环境照度数据序列获取低照度时刻数据,获取低照度时刻数据的子序列,根据低照度时刻数据的子序列获取趋势项序列、季节项序列和残差项序列,根据子序列的趋势项序列、季节项序列和残差项序列获取趋势性强度和季节性强度,获取子序列中包含的每个数据的核密度值,根据趋势性强度、季节性强度和核密度值获取照度更变幅度值;
对路段区间的相邻路段区间进行情况划分,获取低照度时刻数据的前相邻数据,根据路段区间的相邻路段区间的情况划分获取照度时刻数据的第一情况概率、第二情况概率和第三情况概率,根据低照度时刻数据的第一流量概率、第二流量概率和第三流量概率获取相邻路段区间关联概率;
根据低照度时刻数据的相邻路段区间关联概率和照度更变幅度值获取城市照明系统调节可行系数,根据城市照明系统调节可行系数实现对各个路段区间的城市照明智能化控制。
进一步,所述根据环境照度数据序列获取低照度时刻数据,获取低照度时刻数据的子序列,根据低照度时刻数据的子序列获取趋势项序列、季节项序列和残差项序列的获取方法为:
将环境照度数据序列中小于等于城市的照度数值范围的下限的数据标记为低照度时刻数据;
将环境照度数据序列中、低照度时刻数据前第一预设阈值个环境照度数据以及后第一预设阈值个环境照度数据组成的序列记为低照度时刻数据的子序列;
使用时间序列分解算法,将低照度时刻数据的子序列分解为趋势项序列、季节项序列和残差项序列。
进一步,所述根据子序列的趋势项序列、季节项序列和残差项序列获取趋势性强度和季节性强度的获取方法为:
将低照度时刻数据的子序列的残差项序列内包含的所有数据的方差与低照度时刻数据的子序列的残差项序列和趋势项序列内包含的所有数据的方差和的比值记为第一比值;
将低照度时刻数据的子序列的残差项序列内包含的所有数据的方差与低照度时刻数据的子序列的季节项序列和残差项序列内包含的所有数据的方差和的比值记为第二比值;
将第二预设阈值与第一比值的差值记为第一差值,将第二预设阈值与第二比值的差值记为第二差值;
将第一差值和第三预设阈值中的最大值记为低照度时刻数据的趋势性强度,将第二差值和第三预设阈值中的最大值记为低照度时刻数据的季节性强度。
进一步,所述根据趋势性强度、季节性强度和核密度值获取照度更变幅度值的获取方法为:
将低照度时刻数据的趋势性强度与季节性强度的比值记为第三比值;
将低照度时刻数据的子序列内所有数据的核密度值的和的归一化值与第三比值的乘积记为低照度时刻数据的照度更变幅度值,其中,低照度时刻数据的子序列内所有数据的核密度值的和的归一化值与子序列内所有数据的核密度值呈负相关。
进一步,所述对路段区间的相邻路段区间进行情况划分,获取低照度时刻数据的前相邻数据的方法为:
每个路段区间的相邻路段区间包含相邻两个路段区间都没有人车存在、相邻两个路段区间内有一个路段区间存在人车和相邻两个路段区间内都有人车三种情况,依次分别记为第一种情况至第三种情况;
将低照度时刻数据对应的时刻之前第四预设阈值个时刻的人车流量数据记为低照度时刻数据的前相邻数据。
进一步,所述根据路段区间的相邻路段区间的情况划分获取照度时刻数据的第一情况概率、第二情况概率和第三情况概率的方法为:
将低照度时刻数据的前相邻数据中第一种情况出现的概率记为低照度时刻数据的第一情况概率;
将低照度时刻数据的前相邻数据中第二种情况出现的概率记为低照度时刻数据的第二情况概率;
将低照度时刻数据的前相邻数据中第三种情况出现的概率记为低照度时刻数据的第三情况概率。
进一步,所述根据低照度时刻数据的第一流量概率、第二流量概率和第三流量概率获取相邻路段区间关联概率的方法为:
当低照度时刻数据的前相邻数据为第一种情况时,将低照度时刻数据的第一情况概率与第一调节因子的乘积记为低照度时刻数据的相邻路段区间关联概率;
当低照度时刻数据的前相邻数据为第二种情况时,将低照度时刻数据的第二情况概率与第二调节因子的乘积记为低照度时刻数据的相邻路段区间关联概率;
当低照度时刻数据的前相邻数据为第三种情况时,将低照度时刻数据的第三情况概率记为低照度时刻数据的相邻路段区间关联概率。
进一步,所述根据低照度时刻数据的相邻路段区间关联概率和照度更变幅度值获取城市照明系统调节可行系数的方法为:
将低照度时刻数据的照度更变幅度值与相邻路段区间关联概率的乘积的相反数记为低照度时刻数据的城市照明系统调节可行系数。
进一步,所述根据城市照明系统调节可行系数实现对各个路段区间的城市照明智能化控制的方法为:
将每个路段区间对应的城市照明系统调节可行系数按照获取时间的先后顺序进行排列,获取城市照明系统调节可行系数序列;
将所有路段区间的城市照明系统调节可行系数序列作为BP神经网络的输入,获取BP神路段区间的城市照明明暗调控参数,其中,BP神经网络使用SGD算法作为优化算法;
将城市照明明暗调控参数传输至城市的照明总控制系统中,总控制系统可根据城市照明明暗调控参数判断是否可使用最低功率运行照明系统以及路段区间内的城市照明需要调节的幅度,实现对各个路段区间的城市照明智能化控制。
第二方面,本发明实施例还提供了一种城市照明智能化的控制系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明的有益效果是:
本发明对需要进行照明控制的城市区域范围内每个路段区间进行分析,首先,获取每个路段区间对应的低照度时刻数据,根据环境照度变化对城市照明调控的影响获取低照度时刻数据的照度更变幅度值;其次,根据路段区间存在人车情况与相邻路段区间的相关关系,低照度时刻数据的相邻路段区间关联概率,进而根据低照度时刻数据的相邻路段区间关联概率和照度更变幅度值获取城市照明系统调节可行系数;然后,根据城市照明系统调节可行系数获取每个路段区间的城市照明系统调节可行系数序列,利用BP神经网络获取城市照明明暗调控参数,根据城市照明系统调节可行系数实现对各个路段区间的城市照明智能化控制,在考虑环境照度变化的前提下,避免城市照明在依据环境照度和人车流量进行明暗调控时相邻路段区间对城市照明调控的影响,更准确地对城市照明进行智能化控制,解决城市照明在工作时全功率运行导致电力资源浪费的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种城市照明智能化的控制方法的流程示意图;
图2为城市照明智能化控制流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通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。
请参阅图1,其示出了本发明一个实施例提供的一种城市照明智能化的控制方法流程图,该方法包括以下步骤:
步骤S001,采集路段区间的环境照度数据和人车流量数据并进行预处理,获取环境照度数据序列和人车流量数据序列。
将需要进行照明控制的城市区域范围的路段每200米划分为一个路段区间,在每个路段区间内设置光照度传感器,使用光照度传感器每间隔时间获取一次环境照度数据,共采集/>个数据。将同一路段区间内的光照度传感器采集到的环境照度数据按照环境照度数据的获取时间的先后顺序进行排序,获取环境照度数据序列。
将第个路段区间的环境照度数据序列记为/>。其中,/>为第/>个路段区间的环境照度数据序列中第/>个环境照度数据,/>。
通过城市当地政府交通部门公布的实时人车流量数据获取每个环境照度数据获取时刻的实时人车流量数据。将同一路段区间内的人车流量数据按照人车流量数据的获取时间的先后顺序进行排序,获取人车流量数据序列。
将第个路段区间的人车流量数据序列记为/>。其中,/>为第/>个路段区间的人车流量数据序列中第/>个人车流量数据,/>。
为了保持数据的完整性,使用均值填充法分别对环境照度数据序列和人车流量数据序列进行数据填充,其中,均值填充法为公知技术,不再赘述。
其中,经验值取1min,/>经验值取200,实施者可根据实际情况对取值进行调整。
至此,获取环境照度数据序列和人车流量数据序列。
步骤S002,根据环境照度数据序列获取低照度时刻数据,获取低照度时刻数据的子序列,根据低照度时刻数据的子序列获取趋势项序列、季节项序列和残差项序列,根据子序列的趋势项序列、季节项序列和残差项序列获取趋势性强度和季节性强度,获取子序列中包含的每个数据的核密度值,根据趋势性强度、季节性强度和核密度值获取照度更变幅度值。
城市照明的目的是让行人、车辆能够在一个较好的照度下实现工作、行驶等行为,当环境照度较高时,城市照明并不需要启动;当环境照度较低时,则需要启动城市照明来提高照度。但环境照度是会随着时间改变的,而城市照明启动时通常会以全功率运行,这就导致照明的利用率较低,产生资源浪费。所以,需要针对环境照度对城市照明进行功率调整。
以第个路段区间的环境照度数据序列和人车流量数据序列为例进行分析。
城市的照度存在一定的范围,通常情况下,城市的照度数值范围为20-50lux,所以,本实施例以城市的照度数值范围的最小值20lux作为城市照明开启的阈值,将环境照度数据序列中小于等于20lux的数据标记为低照度时刻数据,大于20lux的数据标记为高照度时刻数据。
对于第个低照度时刻数据,获取环境照度数据序列中、其前第一预设阈值个环境照度数据以及后第一预设阈值个环境照度数据,将获取的所有环境照度数据组成的序列记为第/>个低照度时刻数据的子序列/>。其中,第一预设阈值的经验值为5。若低照度时刻数据前后无法获取足够数量的环境照度数据,则使用已经获取完成的数据进行均值插入。
当环境照度低照度时刻数据的子序列变化较为平缓时,说明此时环境照度较为均衡,不需要对城市照明进行调控;当环境照度变化较为剧烈时,说明此时环境照度发生了较大变化,照度可能出现升高,也可能出现降低,此时,需要对城市照明进行一定的调控,以降低照明带来的资源浪费。
对第个路段区间内第/>个低照度时刻数据的子序列使用STL分解算法,STL分解算法的输入为第/>个路段区间第/>个低照度时刻数据的子序列,输出为第/>个路段区间第/>个低照度时刻数据的子序列的趋势项序列、季节项序列和残差项序列。其中,STL分解算法为公知技术,不再赘述。
根据第个低照度时刻数据的子序列的趋势项序列、季节项序列和残差项序列获取趋势性强度和季节性强度。
为第/>个路段区间内第/>个低照度时刻数据的趋势性强度;/>为第/>个路段区间内第/>个低照度时刻数据的季节性强度;/>为第/>个路段区间内第/>个低照度时刻数据的子序列的残差项序列内包含的所有数据的方差;/>为第/>个路段区间内第/>个低照度时刻数据的子序列的残差项序列和趋势项序列内包含的所有数据的方差和;/>为第/>个路段区间内第/>个低照度时刻数据的子序列的季节项序列和残差项序列内包含的所有数据的方差和;/>为第二预设阈值,经验值为1;/>为第三预设阈值,经验值为0;/>为第一取值函数,作用为取括号内逗号隔开的数值的最大值。
利用核密度函数对第个路段区间内第/>个低照度时刻数据的子序列进行核密度估计,核密度函数的输入为第/>个路段区间内第/>个低照度时刻数据的子序列,选择高斯核函数作为核函数,利用Silverman规则计算带宽参数,输出为第/>个路段区间内第/>个低照度时刻数据的子序列中包含的每个数据的核密度值,将输出的第/>个数据核密度值记录为。其中,利用Silverman规则计算带宽参数即带宽参数/>,为第/>个路段区间内第/>个低照度时刻数据的子序列,/>为第/>个路段区间内第/>个低照度时刻数据的子序列内包含的数据数量,/>为标准差函数。
根据第个路段区间内第/>个低照度时刻数据的趋势性强度、季节性强度和第/>个低照度时刻数据的子序列中包含的每个数据的核密度值,获取第/>个路段区间内第/>个低照度时刻数据的照度更变幅度值。
式中,为第/>个路段区间内第/>个低照度时刻数据的照度更变幅度值;/>为第个路段区间内第/>个低照度时刻数据的趋势性强度;/>为第/>个路段区间内第/>个低照度时刻数据的季节性强度;/>为第/>个路段区间内第/>个低照度时刻数据的子序列内第/>个数据的核密度值,其中,/>;/>为第/>个路段区间内第/>个低照度时刻数据的子序列内包含的数据数量;/>为自然常数。
当第个路段区间内第/>个低照度时刻数据的低照度时刻数据的子序列趋势性越强、季节性越弱时,在第/>个路段区间内第/>个低照度时刻数据对应的时刻,环境照度数据越可能正在递增或递减,存在需要进行城市照明调控的可能性越大,即/>的值越大,照度更变幅度值越大;当第/>个路段区间内第/>个低照度时刻数据的子序列中的数据分布情况越为离散时,第/>个低照度时刻数据对应的时刻的环境照度变化程度越大,城市照明根据环境照度需要调整的幅度越大,即/>的值越小,照度更变幅度值越大。
至此,获取所有路段区间内包含的所有低照度时刻数据的照度更变幅度值。
步骤S003,对路段区间的相邻路段区间进行情况划分,获取低照度时刻数据的前相邻数据,根据路段区间的相邻路段区间的情况划分获取照度时刻数据的第一情况概率、第二情况概率和第三情况概率,根据低照度时刻数据的第一流量概率、第二流量概率和第三流量概率获取相邻路段区间关联概率。
在深夜时,城市照明依然是处于高功率工作,而此时人车较少甚至部分区域没有人车通行,城市照明仍保持高功率工作会导致电力资源的浪费,所以,城市照明的调控还需要考虑路段的人车通行情况。
具体的,当路段区间内存在人车通行时,则必须要保证照度在合适的范围内,当路段区间内不存在人车通行时,城市照明可以在低功率下进行工作,进而节省电力。然而,人车通行并非仅在一个路段区间内进行,可能会进入到相邻路段区间,所以,在根据人车流量数据调整城市照明时,还需要考虑路段区间之间的关联概率,即当本路段区间不存在人车通行时,人车从其他路段区间进入本路段区间的概率。
每个路段区间的相邻路段区间共有三种情况:第一种情况为相邻两个路段区间都没有人车存在,第二种情况为相邻两个路段区间内有一个路段区间存在人车,第三种情况为相邻两个路段区间内都有人车。
当低照度时刻数据对应的人车流量数据为0时,获取低照度时刻数据对应的时刻之前第四预设阈值个时刻的人车流量数据,将低照度时刻数据对应的时刻之前第四预设阈值个时刻的人车流量数据记为低照度时刻数据的前相邻数据。其中,第四预设阈值的经验值为30。
将低照度时刻数据的前相邻数据中第一种情况出现的概率记为低照度时刻数据的第一情况概率,将低照度时刻数据的前相邻数据中第二种情况出现的概率记为低照度时刻数据的第二情况概率,将低照度时刻数据的前相邻数据中第三种情况出现的概率记为低照度时刻数据的第三情况概率。
根据第个路段区间内第/>个低照度时刻数据的第一流量概率、第二流量概率和第三流量概率获取第/>个路段区间内第/>个低照度时刻数据的相邻路段区间关联概率。
式中,为第/>个路段区间内第/>个低照度时刻数据的相邻路段区间关联概率;/>为第/>个路段区间内第/>个低照度时刻数据的情况概率;/>为第/>个低照度时刻数据的第一情况概率;/>为第/>个低照度时刻数据的第二情况概率;/>为第/>个低照度时刻数据的第一情况概率;/>为第/>个低照度时刻数据的第三情况概率;/>为第一调节因子,经验值为0.25;/>为第二调节因子,经验值为0.5。
当低照度时刻数据对应的路段区间存在人车通行的可能性越大时,低照度时刻数据的情况概率越大,低照度时刻数据的相邻路段区间关联概率越小,低照度时刻数据对应的时刻之后出现人车的可能性越大,城市照明越不应该根据当前人车流量进行调整,而应保持高效率运行。
当低照度时刻数据对应的人车流量数据不为0时,将低照度时刻数据的相邻路段区间关联概率赋值为第五预设阈值,第五预设阈值的经验值为-1。
至此,获取所有路段区间内所有低照度时刻数据的相邻路段区间关联概率。
步骤S004,根据低照度时刻数据的相邻路段区间关联概率和照度更变幅度值获取城市照明系统调节可行系数,根据城市照明系统调节可行系数实现对各个路段区间的城市照明智能化控制。
根据第个路段区间内第/>个低照度时刻数据的相邻路段区间关联概率和照度更变幅度值获取城市照明系统调节可行系数。
式中,为第/>个路段区间内第/>个低照度时刻数据的城市照明系统调节可行系数;/>为第/>个路段区间内第/>个低照度时刻数据的照度更变幅度值;/>为第/>个路段区间内第/>个低照度时刻数据的相邻路段区间关联概率。
当低照度时刻数据的城市照明系统调节可行系数越大时,低照度时刻数据对应的时刻出现人车的可能性越大,城市照明根据人车流量进行调控的空间越小,越应该保持城市照明的原功率继续进行工作;当低照度时刻数据的城市照明系统调节可行系数越小时,低照度时刻数据对应的时刻出现人车的可能性越小,城市照明根据人车流量进行调控的空间越大,越应该根据人车流量数据调整城市照明的功率。
同理,获取所有路段区间内包含的所有低照度时刻数据的城市照明系统调节可行系数。
将每个路段区间对应的城市照明系统调节可行系数按照城市照明系统调节可行系数对应的低照度时刻数据的获取时间的先后顺序进行排列,获取城市照明系统调节可行系数序列。
将所有路段区间的城市照明系统调节可行系数序列作为BP神经网络的输入,BP神经网络的输出为该路段区间的城市照明明暗调控参数,其中,BP神经网络使用SGD算法作为优化算法。将城市照明明暗调控参数传输至城市的照明总控制系统中,总控制系统根据城市照明明暗调控参数的正负优先判断是否可使用最低功率运行照明系统,再根据数值判断若不可进行最低功率运行时,该路段区间内的城市照明需要调节的幅度,实现对各个路段区间的城市照明智能化控制。其中,照明总控制系统根据城市照明明暗调控参数实现对各个路段区间的城市照明智能化控制的过程为公知技术,不再赘述;BP神经网络的构建和训练过程为公知技术,不再赘述。
至此,实现城市照明智能化控制,城市照明智能化控制流程图如图2所示。
基于与上述方法相同的发明构思,本发明实施例还提供了一种城市照明智能化的控制系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种城市照明智能化的控制方法中任意一项所述方法的步骤。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种城市照明智能化的控制方法,其特征在于,该方法包括以下步骤:
采集路段区间的环境照度数据和人车流量数据并进行预处理,获取环境照度数据序列和人车流量数据序列;
根据环境照度数据序列获取低照度时刻数据,获取低照度时刻数据的子序列,根据低照度时刻数据的子序列获取趋势项序列、季节项序列和残差项序列,根据子序列的趋势项序列、季节项序列和残差项序列获取趋势性强度和季节性强度,获取子序列中包含的每个数据的核密度值,根据趋势性强度、季节性强度和核密度值获取照度更变幅度值;
对路段区间的相邻路段区间进行情况划分,获取低照度时刻数据的前相邻数据,根据路段区间的相邻路段区间的情况划分获取照度时刻数据的第一情况概率、第二情况概率和第三情况概率,根据低照度时刻数据的第一流量概率、第二流量概率和第三流量概率获取相邻路段区间关联概率;
根据低照度时刻数据的相邻路段区间关联概率和照度更变幅度值获取城市照明系统调节可行系数,根据城市照明系统调节可行系数实现对各个路段区间的城市照明智能化控制。
2.根据权利要求1所述的一种城市照明智能化的控制方法,其特征在于,所述根据环境照度数据序列获取低照度时刻数据,获取低照度时刻数据的子序列,根据低照度时刻数据的子序列获取趋势项序列、季节项序列和残差项序列的获取方法为:
将环境照度数据序列中小于等于城市的照度数值范围的下限的数据标记为低照度时刻数据;
将环境照度数据序列中、低照度时刻数据前第一预设阈值个环境照度数据以及后第一预设阈值个环境照度数据组成的序列记为低照度时刻数据的子序列;
使用时间序列分解算法,将低照度时刻数据的子序列分解为趋势项序列、季节项序列和残差项序列。
3.根据权利要求1所述的一种城市照明智能化的控制方法,其特征在于,所述根据子序列的趋势项序列、季节项序列和残差项序列获取趋势性强度和季节性强度的获取方法为:
将低照度时刻数据的子序列的残差项序列内包含的所有数据的方差与低照度时刻数据的子序列的残差项序列和趋势项序列内包含的所有数据的方差和的比值记为第一比值;
将低照度时刻数据的子序列的残差项序列内包含的所有数据的方差与低照度时刻数据的子序列的季节项序列和残差项序列内包含的所有数据的方差和的比值记为第二比值;
将第二预设阈值与第一比值的差值记为第一差值,将第二预设阈值与第二比值的差值记为第二差值;
将第一差值和第三预设阈值中的最大值记为低照度时刻数据的趋势性强度,将第二差值和第三预设阈值中的最大值记为低照度时刻数据的季节性强度。
4.根据权利要求3所述的一种城市照明智能化的控制方法,其特征在于,所述根据趋势性强度、季节性强度和核密度值获取照度更变幅度值的获取方法为:
将低照度时刻数据的趋势性强度与季节性强度的比值记为第三比值;
将低照度时刻数据的子序列内所有数据的核密度值的和的归一化值与第三比值的乘积记为低照度时刻数据的照度更变幅度值,其中,低照度时刻数据的子序列内所有数据的核密度值的和的归一化值与子序列内所有数据的核密度值呈负相关。
5.根据权利要求1所述的一种城市照明智能化的控制方法,其特征在于,所述对路段区间的相邻路段区间进行情况划分,获取低照度时刻数据的前相邻数据的方法为:
每个路段区间的相邻路段区间包含相邻两个路段区间都没有人车存在、相邻两个路段区间内有一个路段区间存在人车和相邻两个路段区间内都有人车三种情况,依次分别记为第一种情况至第三种情况;
将低照度时刻数据对应的时刻之前第四预设阈值个时刻的人车流量数据记为低照度时刻数据的前相邻数据。
6.根据权利要求5所述的一种城市照明智能化的控制方法,其特征在于,所述根据路段区间的相邻路段区间的情况划分获取照度时刻数据的第一情况概率、第二情况概率和第三情况概率的方法为:
将低照度时刻数据的前相邻数据中第一种情况出现的概率记为低照度时刻数据的第一情况概率;
将低照度时刻数据的前相邻数据中第二种情况出现的概率记为低照度时刻数据的第二情况概率;
将低照度时刻数据的前相邻数据中第三种情况出现的概率记为低照度时刻数据的第三情况概率。
7.根据权利要求6所述的一种城市照明智能化的控制方法,其特征在于,所述根据低照度时刻数据的第一流量概率、第二流量概率和第三流量概率获取相邻路段区间关联概率的方法为:
当低照度时刻数据的前相邻数据为第一种情况时,将低照度时刻数据的第一情况概率与第一调节因子的乘积记为低照度时刻数据的相邻路段区间关联概率;
当低照度时刻数据的前相邻数据为第二种情况时,将低照度时刻数据的第二情况概率与第二调节因子的乘积记为低照度时刻数据的相邻路段区间关联概率;
当低照度时刻数据的前相邻数据为第三种情况时,将低照度时刻数据的第三情况概率记为低照度时刻数据的相邻路段区间关联概率。
8.根据权利要求1所述的一种城市照明智能化的控制方法,其特征在于,所述根据低照度时刻数据的相邻路段区间关联概率和照度更变幅度值获取城市照明系统调节可行系数的方法为:
将低照度时刻数据的照度更变幅度值与相邻路段区间关联概率的乘积的相反数记为低照度时刻数据的城市照明系统调节可行系数。
9.根据权利要求1所述的一种城市照明智能化的控制方法,其特征在于,所述根据城市照明系统调节可行系数实现对各个路段区间的城市照明智能化控制的方法为:
将每个路段区间对应的城市照明系统调节可行系数按照获取时间的先后顺序进行排列,获取城市照明系统调节可行系数序列;
将所有路段区间的城市照明系统调节可行系数序列作为BP神经网络的输入,获取BP神路段区间的城市照明明暗调控参数,其中,BP神经网络使用SGD算法作为优化算法;
将城市照明明暗调控参数传输至城市的照明总控制系统中,总控制系统可根据城市照明明暗调控参数判断是否可使用最低功率运行照明系统以及路段区间内的城市照明需要调节的幅度,实现对各个路段区间的城市照明智能化控制。
10.一种城市照明智能化的控制系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311534140.2A CN117255454B (zh) | 2023-11-17 | 2023-11-17 | 一种城市照明智能化的控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311534140.2A CN117255454B (zh) | 2023-11-17 | 2023-11-17 | 一种城市照明智能化的控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117255454A CN117255454A (zh) | 2023-12-19 |
CN117255454B true CN117255454B (zh) | 2024-01-16 |
Family
ID=89128042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311534140.2A Active CN117255454B (zh) | 2023-11-17 | 2023-11-17 | 一种城市照明智能化的控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117255454B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117856673B (zh) * | 2024-03-07 | 2024-05-14 | 国网黑龙江省电力有限公司绥化供电公司 | 基于神经网络的电力系统电压智能控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2373127A2 (de) * | 2010-03-26 | 2011-10-05 | Siemens Aktiengesellschaft | Verfahren und Steuerungsmodul zur Steuerung einer Beleuchtungsstärke in einem Strassentunnel |
JP2011198030A (ja) * | 2010-03-19 | 2011-10-06 | Mitsubishi Electric Corp | 交通流計測装置 |
KR20130055873A (ko) * | 2011-11-21 | 2013-05-29 | 주식회사 석영시스템즈 | Cim/bim기반의 모션디텍션 기능을 가지는 스마트 가로등 시스템 |
CN114980430A (zh) * | 2022-06-02 | 2022-08-30 | 常州嘉顿照明科技有限公司 | 一种应用于城市大型广场的高杆灯智能照明系统 |
CN116113112A (zh) * | 2023-02-15 | 2023-05-12 | 深圳市万物云科技有限公司 | 路灯照明控制方法、系统、计算机设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9646495B2 (en) * | 2013-11-21 | 2017-05-09 | General Electric Company | Method and system for traffic flow reporting, forecasting, and planning |
-
2023
- 2023-11-17 CN CN202311534140.2A patent/CN117255454B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011198030A (ja) * | 2010-03-19 | 2011-10-06 | Mitsubishi Electric Corp | 交通流計測装置 |
EP2373127A2 (de) * | 2010-03-26 | 2011-10-05 | Siemens Aktiengesellschaft | Verfahren und Steuerungsmodul zur Steuerung einer Beleuchtungsstärke in einem Strassentunnel |
KR20130055873A (ko) * | 2011-11-21 | 2013-05-29 | 주식회사 석영시스템즈 | Cim/bim기반의 모션디텍션 기능을 가지는 스마트 가로등 시스템 |
CN114980430A (zh) * | 2022-06-02 | 2022-08-30 | 常州嘉顿照明科技有限公司 | 一种应用于城市大型广场的高杆灯智能照明系统 |
CN116113112A (zh) * | 2023-02-15 | 2023-05-12 | 深圳市万物云科技有限公司 | 路灯照明控制方法、系统、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
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;;计算机工程与设计(第03期);第836-841页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117255454A (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117255454B (zh) | 一种城市照明智能化的控制方法及系统 | |
CN110131843B (zh) | 基于大数据的空调的智能调控方法及系统 | |
CN116113112A (zh) | 路灯照明控制方法、系统、计算机设备及存储介质 | |
CN115968088A (zh) | 隧道智慧调光方法、系统及计算机储存介质 | |
CN111833590A (zh) | 交通信号灯的控制方法、装置及计算机可读存储介质 | |
CN107871157B (zh) | 基于bp和pso的数据预测方法、系统及相关装置 | |
CN112272074A (zh) | 一种基于神经网络的信息传输速率控制方法及系统 | |
CN107330538B (zh) | 一种气候变化条件下水库适应性调度规则编制的方法 | |
CN114489944B (zh) | 基于Kubernetes的预测式弹性伸缩方法 | |
CN116384583A (zh) | 一种基于多神经网络的光伏功率预测方法 | |
CN116151768A (zh) | 城市污水处理监管方法及其系统 | |
CN110836525A (zh) | 空调运行状态的自适应调节方法及装置 | |
CN112311078B (zh) | 一种基于信息融合的太阳能负载调节方法和装置 | |
CN113947007A (zh) | 能源的负荷预测方法、装置及设备 | |
CN116362503B (zh) | 基于人工智能的电力调节方法及系统 | |
CN108234151B (zh) | 一种云平台资源分配方法 | |
CN111682539A (zh) | 基于简化综合场景的含分布式电源电网的分区方法及系统 | |
CN114640669A (zh) | 边缘计算方法及装置 | |
CN105990833B (zh) | 一种基于运行场景匹配的配电网动态重构方法 | |
CN112905912B (zh) | 配时方案确定方法及装置 | |
CN115187863A (zh) | 多层次自适应知识蒸馏的轻量化高分遥感场景分类方法 | |
CN114390762A (zh) | 一种基于边缘计算的自适应调光系统及其工作方法 | |
CN107329403B (zh) | 一种基于分数阶牛顿算法的照明平台最小能耗搜索方法 | |
Zhang et al. | Daily reservoir inflow forecasting combining QPF into ANNs model | |
CN118102545B (zh) | 一种智慧照明系统的照明单元自适应调节方法 |
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 |