[发明专利]基于人工神经网络的智能路灯节能控制系统

说明书

技术领域

本发明涉及一种路灯控制系统，尤其涉及一种基于人工神经网络的路灯节能控制系统。

背景技术

近些年来，随着我国经济迅速发展,能源效率低下、能源结构陈旧已经成为实现经济社会可持续发展所面临的重要问题。

目前国内路灯照明光源一般采用高压钠灯、高压汞灯和金属卤化物灯。常用的功率为150W，250W，400W，目前最常用的是250W和400W两种。

当前，中国电力供需形势严峻。据《发展中的中国城市照明》数据，全国路灯总盏数已达千万盏，道路照明年总经费达五十余亿元。建设部统计数字则显示，目前城市照明（仅计算景观照明和路灯等功能照明）的年用电量约占全国总发电量的4%至5%，相当于在建三峡水力发电工程投产后的年发电能力。这一系列数据显示，作为城市发展的形象，照明节电意义重大。

城市照明系统中，由于路灯夜晚保持常亮，所以路灯照明系统的能源消耗占很大比例。传统的路灯系统，由市电统一供电。由于照明灯的耗能巨大以及供电系统的单一化操作，整体路灯照明系统的电能消耗变得十分巨大。现有技术中，有对环境光进行采集后，控制路灯开启或关闭的系统，但是，这种系统一般都是对一个区域的路灯进行集中控制的，并不能针对某一路灯周围的情况进行单独控制。另一方面，由于日照情况的变化、人流、车流情况的变化、周边其它光源的照明情况变化等，对路灯的照明需求是在不断变化的。很多时候，只需要维持一个相对较低的照度，即可满足人们对路灯的需求，即，目前的路灯系统有很大的节能空间。因此，设计一个根据环境变化智能判断功率输出的单个路灯能耗小并且整体能耗能得到有效控制的路灯照明系统变得十分必要。

发明内容

本发明的发明目的是提供一种基于人工神经网络的智能路灯节能控制系统，以实现对路灯的独立控制，使路灯功率随环境变化智能变化，从而降低路灯能耗。

为达到上述发明目的，本发明采用的技术方案是：一种基于人工神经网络的智能路灯节能控制系统，包括传感器系统、节能控制系统和功率控制器，所述传感器系统的输出信号连接至节能控制系统的输入端，节能控制系统的输出信号连接至功率控制器，所述传感器系统包括环境光信号采集处理模块、红外信号采集处理模块和声音信号采集处理模块；所述节能控制系统包括DSP嵌入式系统和设置在DSP芯片中的人工神经网络模块；所述人工神经网络模块由人工神经网络BP算法的前向算法和经过训练的人工神经元构成。

上述技术方案中，所述人工神经网络模块由计算机中经训练的人工神经网络移植获得，其过程包括：

(1)在计算机中构建采用BP算法的人工神经网络，所述人工神经网络的输入向量包括环境光信号、红外信号、声音信号和时间，输出为路灯功率；

(2)选取m个不同的路灯安装地点，对每个地点以预先设定的时间间隔t采集n个样本，一共采集m×n个样本作为学习样本，同时给出相应时间地点满足照明要求的照明功率作为导师信号，其中，m为大于等于8的整数，0.5小时≤t≤2小时，n为大于等于5的整数；

m的值根据实际情况应当取足够大，以保证能够在各种不同的地段下取得具有普遍性的样本。n是一天内采样的次数，优选的方案，采样间隔t=2小时，且nt=24小时。

(3)把样本和相应的导师信号输入至计算机中的人工神经网络，对人工神经网络进行训练，训练完成后，把经过训练的人工神经元的结果输出为矩阵保存；

(4)把计算机中采用BP算法的人工神经网络的前向算法和输出的人工神经元矩阵移植到DSP芯片中。

上述技术方案中，BP人工神经网络的训练包括传感器信号预处理、前向计算、误差反向传播；

所述的传感器信号预处理为， 

确定训练的传感器信号样本集Xp，其中，p=1,2,……P，P为样本的个数，取其中一个样本进行编码，

给出环境信息的导师信号t，初始化权值；

所述的前向计算为，

隐含层的输入为，

为第i个输入神经元，为输入层和隐含层之间的权值，

隐含层的输出为， 其中 为sigmoid函数；

输出层的输入

为隐含层和输出层之间的权值，

输出层的输出为

定义误差；

为给出的学习信号的值，为人工神经网络的输出与学习信号的差方的和；

所述的误差反向传播为，

更新规则——利用梯度下降法调整权值，学习速率为，

，其中

是误差函数对权值的负偏导数，是的一阶导数，

，其中