應用于智能電網的物聯(lián)網智能路燈系統(tǒng)

摘要：節(jié)能減排是社會發(fā)展的必然要求，文章給出了應用于智能電網的物聯(lián)網路燈系統(tǒng)的設計方法，該系統(tǒng)能夠按照智能電網的節(jié)能要求動態(tài)地調整路燈的亮度，以完成節(jié)能目標。文中同時提出了單車節(jié)能控制公式，并通過仿真實驗對系統(tǒng)節(jié)能效果進行了驗證，從而證明其符合智能電網的節(jié)能要求。

關鍵詞：

0引言

物聯(lián)網最先起源于1999年麻省理工學院(MIT)自動識別中心提出的網絡無線射頻識別(RFID)系統(tǒng)?2005年ITU在突尼斯舉行的信息社會世界峰會上正式提出了物聯(lián)網的概念，并發(fā)布了《ITU互聯(lián)網報告2005:物聯(lián)網》ITU報告中指出將任何時間、任何地點、連接任何人，擴展到連接任何物品，萬物的連接就形成了物聯(lián)網。

物聯(lián)網被提出之后引起了廣泛地關注，研究人員對其做了大量研究。從技術角度來看，文獻針對物聯(lián)網海量數(shù)據(jù)問題，提出了一種面向物聯(lián)網傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫集群系統(tǒng)構架IoT-ClusterDB,為物聯(lián)網數(shù)據(jù)存儲與查詢處理提供了一種可行的解決方案叫文獻研究物聯(lián)網的安全與隱私問題，利用可信計算技術和雙線性對的簽密方法提出了一個物聯(lián)網安全傳輸模型，滿足了物聯(lián)網的ONS查詢及物品信息傳輸兩個環(huán)節(jié)的安全需求叫從應用角度來看，文獻將物聯(lián)網技術應用于購物引導系統(tǒng)，大大提高了工作效率，為了顧客節(jié)省等待時間。文獻將物聯(lián)網技術應用于電動汽車智能充換電服務網絡當中，實現(xiàn)了電動汽車電池高效有序的管理。文獻提出基于物聯(lián)網的遠程智能家居控制系統(tǒng)，將家居中的電器產品連入網絡，真正實現(xiàn)了智能化。文獻針對多車道復雜車輛行駛狀況，借助物聯(lián)網解決方案提出利用改進邊緣勢場函數(shù)來描述車輛行駛中動態(tài)產生威脅關系的方法。

隨著計算機技術和通信技術的發(fā)展，路燈系統(tǒng)的功能越來越完善，智能化程度越來越高。而路燈系統(tǒng)所使用的傳感器如光強度傳感器、微波車輛檢測傳感器，不需要在所有的路燈上都安裝或者不需要安裝在路燈上。路燈節(jié)點與在其周圍分布的傳感器相互通信，構成一個無線傳感網絡，適合用物聯(lián)網方案來解決。

1物聯(lián)網路燈體系構架

物聯(lián)網路燈系統(tǒng)分為四層：感知識別層、網絡構建層、管理服務層和綜合應用層［10］。在物聯(lián)網路燈系統(tǒng)中，路燈節(jié)點（包括其中的各種檢測、報警裝置）、光傳感器、微波車輛檢測器、攝像頭構成了傳感層。ZigBee無線傳感網絡、GPRS網絡、Internet構成了網絡層。管理服務層包括數(shù)據(jù)中心、控制中心服務器、智能手機、平板電腦等。綜合應用層包括智能電網、智能交通網絡、智能路燈。

在感知識別層中，光傳感器用于檢測光照強度，對路燈進行光控。由于相鄰路燈的光照強度基本相同，不需要每盞路燈都安裝光傳感器，系統(tǒng)中將路燈覆蓋區(qū)域進行分區(qū)，每區(qū)中安裝一個光傳感器即可。凌晨時車輛很少，系統(tǒng)用微博車輛檢測器檢測車輛的出現(xiàn)，然后適時開啟路燈。路燈上的攝像頭采集道路交通信息，為智能交通提供數(shù)據(jù)支持。

網絡構建層主要利用ZigBee、GPRS接入Internet。ZigBee終端節(jié)點和路由器將信息發(fā)送給協(xié)調器，協(xié)調器通過RS232與GPRS模塊連接，GPRS通過網絡將信息上傳給服務器。

管理服務層包括服務器、手機、平板電腦，通過這些設備對數(shù)據(jù)進行處理，將大規(guī)模數(shù)據(jù)高效可靠地組織起來，為上層應用提供支持平臺。

在綜合應用層中，物聯(lián)網路燈系統(tǒng)與智能電網進行交互,按照智能電網能耗要求進行亮度調節(jié)；同時系統(tǒng)將傳感器和攝像頭采集到的信息傳遞給交通管理系統(tǒng)，對數(shù)據(jù)處理后用于交通管理。圖1為物聯(lián)網路燈系統(tǒng)的構架圖。

微波車輛檢測器攝像頭光傳感器電流互感器

圖1物聯(lián)網路燈系統(tǒng)構架圖

2物聯(lián)網路燈控制策略

凌晨車輛較少時，路燈系統(tǒng)不需要像傍晚車流量大時全功率開啟工作，無車時可以以最低亮度進行照明；而當車輛出現(xiàn)時，由于車輛很少，也可以以低于標準的亮度進行照明以節(jié)約能源。本文綜合考慮照明亮度和智能電網的節(jié)能要求，提出了物聯(lián)網路燈系統(tǒng)的照明策略。

2.1系統(tǒng)工作流程及相關參數(shù)計算

（1）確定節(jié)能要求

系統(tǒng)首先由智能電網根據(jù)城市節(jié)能要求提出路燈系統(tǒng)期望能耗要求W，然后根據(jù)城市歷史車流量情況確定時刻t。在t之前車輛較多，路燈常亮；在t時刻之后車輛較少，路燈智能調節(jié)亮度。最后根據(jù)道路照明要求確定路燈常亮時的亮度4并通過轉換系數(shù)計算出能耗aA.

（2）智能調節(jié)時期期望能耗計算

t時刻之前路燈亮度不變，能耗也不變，路燈節(jié)能主要是在智能調節(jié)時期。定義W1為智能調節(jié)期間期望總能耗，定義T（n，n）為"1?n時刻之間的時間長度。

（3）單車期望能耗計算

定義P為單車期望能耗,N為智能調節(jié)期間歷史平均車流量，N為第前n天智能調節(jié)時期總車輛數(shù)目。根據(jù)智能調節(jié)時期期望總能耗償和車輛歷史數(shù)據(jù)，可以確定智能調節(jié)期間每輛車經過時期望的能耗。

（4）單車動態(tài)能耗計算

每天智能調節(jié)時期經過的車輛一般與歷史平均數(shù)據(jù)不同，若車輛經過時以單車期望能耗對應的亮度照明，最終無法達到智能電網的能耗要求，所以要動態(tài)地調節(jié)路燈亮度。調節(jié)思想是，若當天智能調節(jié)時期車輛較多，路燈亮度就低一點（不能低于下限）；若車輛較少，路燈亮度就高一點，用第n輛車出現(xiàn)的早晚來預測當天車流量的大小。定義Q1為路燈亮度下限所對應的能耗，即出于安全考慮，路燈亮度不能低于Q1所對應的亮度。定義Q為單車動態(tài)能耗,/為波動調節(jié)參數(shù)，，“為第n輛車出現(xiàn)的時刻。用當天的T（t，tn）與歷史平均數(shù)據(jù)T（t，t）比較，預測當天車流量情況。若當天車輛較多超出了歷史數(shù)據(jù)，則超出的車輛以Q1對應的亮度進行照明。定義n{Tw（t,t?））為TO所對應n的值。

2.2能耗曲線

對于通過PWM方式調光的LED光源，其能耗正比于亮度，假設比例系數(shù)為a智能電網對路燈系統(tǒng)能耗的要求為W,路燈從傍晚18點鐘點亮，一直持續(xù)到第二天早晨6點。18點到f點由于車輛較多，路燈以標準亮度A持續(xù)照明，，點到6點車輛很少路燈釆取動態(tài)照明。當t確定后，，到6點時間段內的能耗也可確定。無車時路燈以aA的亮度照明(a為無車狀態(tài)亮度下限系數(shù)，0WaV1)。有車經過時路燈以陽的亮度進行照明(成為可變參數(shù)，根據(jù)智能電網對路燈的能耗要求以及實際工作情況來確定，0V&V1)系統(tǒng)動態(tài)調節(jié)路燈亮度，但車輛經過時若路燈亮度過低會造成安全隱患，所以定義YA為有車時最低照明亮度。系統(tǒng)的能耗曲線如圖2所示。

3實驗與仿真

為測量物聯(lián)網路燈系統(tǒng)實際能耗與期望能耗之間的誤差，本文對這一系統(tǒng)進行了仿真測試。N=30,并且由于在智能控制期間車輛出現(xiàn)的時刻完全是隨機的，認為30天的平均數(shù)據(jù)汽車是等時間間隔出現(xiàn)的,則汽車出現(xiàn)的時刻為0.204,0.6,…,6。

每組實驗需要產生2次隨機數(shù)，第一次產生隨機數(shù)n,表示當天智能控制期間出現(xiàn)的車輛數(shù)，25VnW35。第二次產生n個隨機數(shù)，表示車輛出現(xiàn)的時刻，隨機數(shù)范圍為(0,6]?？偣策M行130組實驗，計算出每次試驗實際功耗與期望功耗之間的誤差。正數(shù)表示實際功耗超過期望功耗，負數(shù)表示實際功耗低于期望功耗，并將誤差累加，觀測較長時間段內總功耗是否能達到期望功耗。前30組實驗能耗誤差如圖3所示,正數(shù)表示超過期望能耗，負數(shù)表示低于期望能耗。從圖中可知單組實驗誤差較大，最大超過30%。將30組實驗誤差累加,得出一月內的總的累計誤差，分別為25.4%、13.92%、1.41%。進行130組實驗時，累計誤差分別為6.52%、3.95%、1.05%,圖3實驗誤差曲線

4結語

本文提出的應用于智能電網的物聯(lián)網路燈系統(tǒng)能夠根據(jù)車流量和智能電網能耗要求智能地調節(jié)路燈亮度，實驗仿真顯示系統(tǒng)的累計誤差較小，能夠符合實際的工程要求。論文提出的單車動態(tài)能耗計算公式中參數(shù)A取值分別為5%、10%、15%,后續(xù)的研究中可以嘗試對/進行動態(tài)取值，以求達到更好的調光和節(jié)能效果。仿真實驗當中，認為30天平均歷史數(shù)據(jù)中汽車是等時間間隔出現(xiàn)，可能會與實際情況有所差別，接下來的實驗中可以對平均歷史數(shù)據(jù)汽車出現(xiàn)時刻進行隨機模擬，以更好地貼近實際情況。

20211024_617432df3b3d4__應用于智能電網的物聯(lián)網智能路燈系統(tǒng)