应用于智能电网的物联网智能路灯系统

  本文关键词：面向物联网海量传感器采样数据管理的数据库集群系统框架，由笔耕文化传播整理发布。

　　摘 要：节能减排是社会发展的必然要求，文章给出了应用于智能电网的物联网路灯系统的设计方法，该系统能够按照智能电网的节能要求动态地调整路灯的亮度，以完成节能目标。文中同时提出了单车节能控制公式，并通过仿真实验对系统节能效果进行了验证，从而证明其符合智能电网的节能要求。
　　关键词：物联网；智能电网；LED路灯；节能控制
　　中图分类号：TP399 文献标识码：A 文章编号：2095-1302（2013）08-0070-03
　　0 引 言
　　物联网最先起源于1999年麻省理工学院（MIT）自动识别中心提出的网络无线射频识别（RFID）系统[1-2]。2005年ITU在突尼斯举行的信息社会世界峰会上正式提出了物联网的概念，并发布了《ITU互联网报告2005：物联网 》。ITU报告中指出将任何时间、任何地点、连接任何人，扩展到连接任何物品，万物的连接就形成了物联网[3]。
　　物联网被提出之后引起了广泛地关注，研究人员对其做了大量研究。从技术角度来看，文献[4]针对物联网海量数据问题，提出了一种面向物联网传感器采样数据管理的数据库集群系统构架IoT-ClusterDB，，为物联网数据存储与查询处理提供了一种可行的解决方案[4]。文献[5]研究物联网的安全与隐私问题，利用可信计算技术和双线性对的签密方法提出了一个物联网安全传输模型，满足了物联网的ONS查询及物品信息传输两个环节的安全需求[5]。从应用角度来看，文献[6]将物联网技术应用于购物引导系统，大大提高了工作效率，为了顾客节省等待时间[6]。文献[7]将物联网技术应用于电动汽车智能充换电服务网络当中，实现了电动汽车电池高效有序的管理[7]。文献[8]提出基于物联网的远程智能家居控制系统，将家居中的电器产品连入网络，真正实现了智能化[8]。文献[9]针对多车道复杂车辆行驶状况，借助物联网解决方案提出利用改进边缘势场函数来描述车辆行驶中动态产生威胁关系的方法[9]。
　　随着计算机技术和通信技术的发展，路灯系统的功能越来越完善，智能化程度越来越高。而路灯系统所使用的传感器如光强度传感器、微波车辆检测传感器，不需要在所有的路灯上都安装或者不需要安装在路灯上。路灯节点与在其周围分布的传感器相互通信，构成一个无线传感网络，适合用物联网方案来解决。
　　1 物联网路灯体系构架
　　物联网路灯系统分为四层：感知识别层、网络构建层、管理服务层和综合应用层[10]。在物联网路灯系统中，路灯节点（包括其中的各种检测、报警装置）、光传感器、微波车辆检测器、摄像头构成了传感层。ZigBee无线传感网络、GPRS网络、Internet构成了网络层。管理服务层包括数据中心、控制中心服务器、智能手机、平板电脑等。综合应用层包括智能电网、智能交通网络、智能路灯。
　　在感知识别层中，光传感器用于检测光照强度，对路灯进行光控。由于相邻路灯的光照强度基本相同，不需要每盏路灯都安装光传感器，系统中将路灯覆盖区域进行分区，每区中安装一个光传感器即可。凌晨时车辆很少，系统用微博车辆检测器检测车辆的出现，然后适时开启路灯。路灯上的摄像头采集道路交通信息，为智能交通提供数据支持。
　　网络构建层主要利用ZigBee、GPRS接入Internet。ZigBee终端节点和路由器将信息发送给协调器，协调器通过RS232与GPRS模块连接，GPRS通过网络将信息上传给服务器。
　　管理服务层包括服务器、手机、平板电脑，通过这些设备对数据进行处理，将大规模数据高效可靠地组织起来，为上层应用提供支持平台。
　　在综合应用层中，物联网路灯系统与智能电网进行交互，按照智能电网能耗要求进行亮度调节；同时系统将传感器和摄像头采集到的信息传递给交通管理系统，对数据处理后用于交通管理。图1为物联网路灯系统的构架图。
　　2 物联网路灯控制策略
　　凌晨车辆较少时，路灯系统不需要像傍晚车流量大时全功率开启工作，无车时可以以最低亮度进行照明；而当车辆出现时，由于车辆很少，也可以以低于标准的亮度进行照明以节约能源。本文综合考虑照明亮度和智能电网的节能要求，提出了物联网路灯系统的照明策略。
　　2.1 系统工作流程及相关参数计算
　　（1）确定节能要求
　　系统首先由智能电网根据城市节能要求提出路灯系统期望能耗要求W，然后根据城市历史车流量情况确定时刻t。在t之前车辆较多，路灯常亮；在t时刻之后车辆较少，路灯智能调节亮度。最后根据道路照明要求确定路灯常亮时的亮度A，并通过转换系数计算出能耗aA。
　　（2）智能调节时期期望能耗计算
　　t时刻之前路灯亮度不变，能耗也不变，路灯节能主要是在智能调节时期。定义W1为智能调节期间期望总能耗，定义T（n1，n2）为n1～n2时刻之间的时间长度。
　　（3）单车期望能耗计算
　　定义P为单车期望能耗，N为智能调节期间历史平均车流量，Ni为第前n天智能调节时期总车辆数目。根据智能调节时期期望总能耗W1和车辆历史数据，可以确定智能调节期间每辆车经过时期望的能耗。
　　（4）单车动态能耗计算
　　每天智能调节时期经过的车辆一般与历史平均数据不同，若车辆经过时以单车期望能耗对应的亮度照明，最终无法达到智能电网的能耗要求，所以要动态地调节路灯亮度。调节思想是，若当天智能调节时期车辆较多，路灯亮度就低一点（不能低于下限）；若车辆较少，路灯亮度就高一点，用第n辆车出现的早晚来预测当天车流量的大小。定义Q1为路灯亮度下限所对应的能耗，即出于安全考虑，路灯亮度不能低于Q1所对应的亮度。定义Q为单车动态能耗，Δ为波动调节参数，tn为第n辆车出现的时刻。用当天的T（t， tn）与历史平均数据TN （t，tn）比较，预测当天车流量情况。若当天车辆较多超出了历史数据，则超出的车辆以Q1对应的亮度进行照明。定义n{TN（t，tn）}为TN（t，tn）所对应n的值。 　　车辆数目不超过历史数值
　　车辆数目超过历史数值
　　2.2 能耗曲线
　　对于通过PWM方式调光的LED光源，其能耗正比于亮度，假设比例系数为a，智能电网对路灯系统能耗的要求为W，路灯从傍晚18点钟点亮，一直持续到第二天早晨6点。18点到t点由于车辆较多，路灯以标准亮度A持续照明，t点到6点车辆很少路灯采取动态照明。当W、A、t确定后，t到6点时间段内的能耗也可确定。无车时路灯以αA的亮度照明（α为无车状态亮度下限系数，0≤α<1）。有车经过时路灯以βA的亮度进行照明（β为可变参数，根据智能电网对路灯的能耗要求以及实际工作情况来确定，0<β<1）。系统动态调节路灯亮度，但车辆经过时若路灯亮度过低会造成安全隐患，所以定义γA为有车时最低照明亮度。系统的能耗曲线如图2所示。
　　3 实验与仿真
　　为测量物联网路灯系统实际能耗与期望能耗之间的误差，本文对这一系统进行了仿真测试。N=30，并且由于在智能控制期间车辆出现的时刻完全是随机的，认为30天的平均数据汽车是等时间间隔出现的，则汽车出现的时刻为0.2，0.4，0.6，…，6。
　　每组实验需要产生2次随机数，第一次产生随机数n，表示当天智能控制期间出现的车辆数，25<n≤35。第二次产生n个随机数，表示车辆出现的时刻，随机数范围为（0，6]。总共进行130组实验，计算出每次试验实际功耗与期望功耗之间的误差。正数表示实际功耗超过期望功耗，负数表示实际功耗低于期望功耗，并将误差累加，观测较长时间段内总功耗是否能达到期望功耗。前30组实验能耗误差如图3所示，正数表示超过期望能耗，负数表示低于期望能耗。从图中可知单组实验误差较大，最大超过30%。将30组实验误差累加，得出一月内的总的累计误差，分别为25.4%、13.92%、1.41%。进行130组实验时，累计误差分别为6.52%、3.95%、1.05%，误差较小。
　　4 结 语
　　本文提出的应用于智能电网的物联网路灯系统能够根据车流量和智能电网能耗要求智能地调节路灯亮度，实验仿真显示系统的累计误差较小，能够符合实际的工程要求。论文提出的单车动态能耗计算公式中参数Δ取值分别为5%、10%、15%，后续的研究中可以尝试对Δ进行动态取值，以求达到更好的调光和节能效果。仿真实验当中，认为30天平均历史数据中汽车是等时间间隔出现，可能会与实际情况有所差别，接下来的实验中可以对平均历史数据汽车出现时刻进行随机模拟，以更好地贴近实际情况。
　　参 考 文 献
　　[1]孙其博，刘杰，黎羴，等.物联网：概念、构架与关键技术研究综述[J].北京邮电大学学报，2010，33（3）：1-9.
　　[2]沈苏彬，范曲立，宗平，等.物联网的体系结构与相关技术研究[J]南京邮电大学学报：自然科学版，2009（6）：1-11.
　　[3] International Telecommunication Union. IUT Internet Reports 2005：The Internet of things[R]. Geneva：ITU，2005.
　　[4]丁治明，高需.面向物联网海量传感器采样数据管理的数据库集群系统框架[J]计算机学报，2012，35（6）：1175-1191.
　　[5]吴振强，周彦伟，马建峰.物联网安全传输模型[J].计算机学报，2011，34（8）：1351-1364.
　　[6]秦毅，彭力.基于RFID的超市物联网购物引导系统的设计与实现[J].计算机研究与发展，2010，47（SuppI.）：350-354.
　　[7]薛飞，雷宪章，张野飚，等.基于物联网的电动汽车智能充换电服务网络电池管理[J].电力系统自动化，2012，36（21）：41-46.
　　[8]袁敏，基于物联网的远程智能家居控制系统的设计[J].制造业自动化，2012，11（34）：32-34.
　　[9]李珣，曲仕茹.物联网构架下的车辆动态避险路径规划方法研究[J].西北工业大学学报，2012，30（5）：729-733.
　　[10]刘云浩.物联网导论[M].北京：科学出版社，2011.

  本文关键词：面向物联网海量传感器采样数据管理的数据库集群系统框架，由笔耕文化传播整理发布。