[发明专利]一种面向极端天气的智慧路灯调光方法、系统和存储介质

说明书

本发明公开了一种面向极端天气的智慧路灯调光方法、系统和存储介质，在智慧路灯常规配置的基础上，根据传感器设计了一种具有云边协同性的能够应对极端天气变化的智慧路灯调光系统和方法，通过对调光模型云端控制的风险项与决策项做了展开与具体设置，在其基础上形成具体的协同策略，提出一种云边协同的调光决策模型，可用于城市无差别的天气追踪调光任务，解决了现有路灯控制存在极端情况下需要人工滞后干预，不能跟踪连续调整且控制尺度不精细的弊端。

技术领域

本发明涉及计算机技术领域，尤其涉及一种面向极端天气的智慧路灯调光方法、系统和存储介质。

背景技术

近年来随着全球气候变化，极端天气的发生概率正在逐渐上升，给全球多个城市造成了经济破坏与人员伤亡。例如城市暴雨等天气可以在1～2min之内使得城市来自太阳的自然照度最大变化达90％左右，并在一天中多次波动。给城市高频率、高密度交通造成严重影响。而现有的市政照明系统主要采用分散的定时控制方式，通过布置在配电箱中的多种控制器实现预先设定好的控制要求。这种简单低成本的控制方法没有适应且充分利用城市道路硬件信息化高速发展的客观条件，存在极端情况下需要人工滞后干预，不能跟踪连续调整，控制尺度不精细的弊端。

尽管数值预报(NWP，numerical weather prediction)从20世纪70年代开始已经在世界各国的预报业务中得到普遍使用，并逐步得到完善。但大气运动中各变量的非线性相互作用使得纯粹的物理模型难以做到完全准确，而基于现有以雷达为主的跟踪订正目前还不能做到城市街道级别的分辨精度。近年来基于深度神经网络的人工智能方法被越来越多的用于极端天气的预报任务，应当说这些方法在地形因素比较理想、监测条件比较充分的情况下可以做到分钟间隔的、1km分辨率的短临预报。但纯粹数据驱动的方法在模型上难以解释，极为依赖输入样本的数据质量。而在城市自由地设置气象监测站存在诸多限制因素，建筑物的布局、绿化树木的遮挡、城市施工等活动都会产生外部干扰，进而影响拟合模型的预报性能。除去数据质量问题，基于人工智能方法尚且存在多源异构数据的融合难点，且需要巨大的算力作为支撑，目前更适合特殊重要目标的精细化预报，难以服务于城市无差别的天气追踪调光任务。

发明内容

本发明针对现有技术中的不足，提供了一种面向极端天气的智慧路灯调光系统，包括：物理采集模块，用于获取所需调光的城市区域内各路灯下方路面的照度值和地面反射系数，并通过架设在对应路灯的灯杆顶部的光伏电池板的性能参数、安装位置和转换电能来获取该路灯处的太阳辐射光强；边缘处理模块，用于根据获取的各路灯处的太阳辐射光强、各路灯下方路面的照度和所述区域空气浊度获取路灯的调光矩阵I_v；平台处理模块，用于接收调光矩阵I_v，更新并下发针对管控区域内各路灯的调光策略T，T＝I_v*M*D*C*W，其中I_v为调光矩阵，W为基于气象观测为主风险矩阵，C为根据气象的灾害类型与等级预报对城市街区拆分与调整形成的转移矩阵，D为用来承担来自电力系统方面约束的决策矩阵，M为将亮度调整目标的差异对光强调整的决策影响归一化的模式矩阵。

优选的，所述主风险矩阵W为：其中该Q×Q方阵模拟所需调光的城市面积中散布排列的路灯按照一仿射变换投影成的方阵，其中B_ii为代表一街区的尺寸为q×q的子矩阵，q为现有预报系统能够分辨的最小尺度在W上的投影；转移矩阵C为通过关联历史数据与地理数据对B_ii做精细拆分与调整获得，其中调整因子c_ii∈R⁺，其中R⁺为正实数集。

优选的，边缘处理模块通过任一路灯i对其下方路面的照度与该路灯i对应的调光量的关系来获知其中其中为路灯i上来自太阳辐射的光强估计值，其取值范围为[0，I(L_m)]，I(L_m)为中间视觉的启动上界，L_m为预设中间视觉亮度，l为路灯i的灯杆高度，τ为空气浊度，w为E_v1实时状态的不确定性参数，其大小与正相关，为路灯i对其下方路面的照度。