23、基于物联网的智能路灯控制在需求响应应用中的实现

基于物联网的智能路灯控制在需求响应应用中的实现

在现代城市管理中，智能路灯控制对于实现能源高效利用和满足需求响应（DR）具有重要意义。下面将详细介绍智能路灯控制所涉及的数据收集、处理以及控制算法，并通过实际案例进行评估。

1. 数据收集

1.1 天气数据收集

天气数据对于确定路灯的开关状态至关重要。具体收集步骤如下：
1. 使用Location API获取待优化路灯所在郊区的位置密钥。
2. 从每日天气预报中获取特定日期的日出和日落时间。
3. 在日出前1小时和日落后1小时，基于云量和能见度指标定义路灯开关的自然光水平。
4. 向天气数据API发送HTTP请求，获取能见度（以公里为单位）和云量（以百分比表示）数据。
5. 将响应转换为JSON变量，以便进一步处理。

下面是天气数据收集流程的mermaid流程图：

graph LR
    A[使用Location API获取位置密钥] --> B[获取日出和日落时间]
    B --> C[定义自然光水平指标]
    C --> D[发送HTTP请求获取数据]
    D --> E[转换为JSON变量]

1.2 交通数据收集

交通数据的格式如下：

Traffic Data = {"RWS": [ ], "MAP_VERSION": (), "CREATED_TIMESTAMP": (), "VERSION": (), "UNITS": ()}

其中，“RWS”包含主要道路的交通数据，其具体格式为：

"RWS": [{"RW": [ ], "TY": (), "MAP_VERSION": (), "EBU_COUNTRY_CODE": (), "EXTENDED__COUNTRY_CODE": (), "TABLE_ID": (), "UNITS": ()}]

每个主要道路元素“RW”的格式为：

{"FIS": [{"FI": [], "mid": (), "LI": (), "DE": (), "PBT": ()}

每个交叉路口的交通数据格式为：

{"TMC": {"PC": (), "DE": (), "QD": (), "LE": ()}, "CF": [{"TY": (), "SP": (), "SU": (), "FF": (), "JF": (), "CN": ()}]}

在这个格式中，“JF”表示拥堵因子，范围在0到10之间，用于指示特定交叉路口的交通密度。对于每个交叉路口的正负方向交通数据，比较两个方向的拥堵因子，取较大值作为该交叉路口交通量的指标。道路元素的拥堵因子越高，优先级越高。

交通数据的收集过程是通过HTML请求获取，然后转换为JSON格式。以下是交通数据收集和处理的mermaid流程图：

graph LR
    A[发送HTML请求获取交通数据] --> B[将数据转换为JSON格式]
    B --> C[提取拥堵因子]
    C --> D[比较正负方向拥堵因子]
    D --> E[确定交叉路口交通量指标]

2. 路灯控制算法

路灯控制算法的输入包括用户提供的路灯瓦数、数量、街道名称以及所需的DR值。具体步骤如下：
1. 收集日出前1小时和日落后1小时的天气数据（能见度和云量）。
2. 收集并处理交通数据，提取用户指定道路的拥堵因子。
3. 计算主要道路上所有交叉路口的拥堵因子总和，并除以交叉路口总数，得到平均拥堵因子。
4. 根据平均拥堵因子将主要道路分为高优先级、中优先级和低优先级区域：
- 平均拥堵因子小于或等于2.2的道路为低优先级。
- 平均拥堵因子在2.2到4.4之间的道路为中优先级。
- 平均拥堵因子在4.4到10.0之间的道路为高优先级。
5. 对每个优先级区域按拥堵因子从低到高排序。
6. 检查当前时间是否在日出前1小时或日落后1小时：
- 若未请求DR，检查能见度和云量：
- 能见度小于14公里且云量大于60%，所有主要道路的路灯开启。
- 能见度大于或等于14公里且云量小于或等于50%，所有主要道路的路灯关闭。
- 其他情况，所有路灯开启。
- 若请求了DR，且能见度在14到16公里之间，云量在50%到60%之间：
- 按拥堵因子从低到高的顺序，将低优先级区域的路灯调暗50%，直到满足DR请求。
- 若调暗后仍未满足DR请求，则按相同顺序关闭这些区域的路灯。

以下是路灯控制算法的mermaid流程图：

graph LR
    A[获取用户输入和DR值] --> B[收集天气和交通数据]
    B --> C[计算平均拥堵因子]
    C --> D[划分道路优先级]
    D --> E[检查当前时间]
    E --> F{是否请求DR}
    F -- 否 --> G{检查能见度和云量}
    G -- 能见度<14km且云量>60% --> H[开启所有路灯]
    G -- 能见度>=14km且云量<=50% --> I[关闭所有路灯]
    G -- 其他情况 --> H
    F -- 是 --> J{能见度和云量条件}
    J -- 满足条件 --> K[调暗低优先级路灯]
    K --> L{是否满足DR请求}
    L -- 否 --> M[关闭低优先级路灯]
    L -- 是 --> N[结束]
    J -- 不满足条件 --> H

3. 案例研究评估

以澳大利亚维多利亚州贝尔蒙特的一个实际路灯网络为例进行评估。该案例考虑了11条主要道路，包括South Valley Road、Pioneer Road等。各道路的路灯数量如下表所示：
| 道路名称 | 缩写 | 路灯数量 |
| ---- | ---- | ---- |
| South Valley Road | SVR | 60 |
| Pioneer Road | PR | 37 |
| Fellmongers Road | FR | 0 |
| Barwon Heads Road | BHR | 26 |
| Torquay Road | TQR | 99 |
| Thompson Road | TR | 64 |
| Settlement Road | SR | 82 |
| Latrobe Terrace | LT | 64 |
| High Street | HS | 36 |
| Colac Road | CR | 77 |
| Breakwater Road | BR | 2 |

根据VicRoads的技术指南，住宅区域使用L1型灯具，典型瓦数为105W。案例研究评估了该路灯控制方法在日出前1小时和日落后1小时的三天内，因需求响应信号而关闭或调暗的路灯数量。日出前的需求响应要求为8,800W，日落后为4,400W。不同日期的能见度和云量数据如下表所示：

日出前1小时能见度和云量
| 日期 | 能见度（km） | 云量（%） |
| ---- | ---- | ---- |
| 2021年8月2日 | 16.1 | 0 |
| 2021年8月3日 | 16.1 | 71 |
| 2021年8月5日 | 16.1 | 66 |

日落后1小时能见度和云量
| 日期 | 能见度（km） | 云量（%） |
| ---- | ---- | ---- |
| 2021年7月25日 | 16.1 | 93 |
| 2021年7月26日 | 16.1 | 91 |
| 2021年8月3日 | 17.7 | 66 |

通过对这些数据的分析，可以评估该路灯控制方法在不同天气和交通条件下的性能。例如，在云量为0%的情况下，大部分路灯可以关闭以满足需求响应；而在云量较高时，只能调暗路灯以维持街道的照明水平。同时，拥堵因子较低的道路上的路灯会优先被调暗或关闭。

综上所述，这种智能路灯控制方法能够在满足照明水平要求的同时，根据需求响应信号有效地调整路灯状态，实现能源的高效利用。后续可以进一步研究如何优化算法，以更好地适应不同的实际场景。

基于物联网的智能路灯控制在需求响应应用中的实现

4. 结果与讨论

通过对澳大利亚维多利亚州贝尔蒙特实际路灯网络的评估，得到了不同日期、不同时间段的路灯状态和拥堵因子数据。

4.1 日出前1小时的情况

在日出前1小时，请求的需求响应（DR）为8,800W。不同日期的路灯状态和拥堵因子情况如下表所示：
| 日期 | 云量（%） | 路灯状态 | 最高拥堵因子道路 |
| ---- | ---- | ---- | ---- |
| 2021年8月2日 | 0 | 除Fellmongers Road和Breakwater Road外，大部分道路路灯关闭 | Latrobe Terrace |
| 2021年8月3日 | 71 | 仅Pioneer Road、High Street和Colac Road的路灯调暗 | - |
| 2021年8月5日 | 66 | 仅Settlement Road、South Valley Road和Thompson Road的路灯调暗 | - |

在2021年8月2日，由于云量为0%，所有路灯可以关闭以满足DR请求，只有拥堵因子较高的Latrobe Terrace上有少量路灯未关闭。而在8月3日和8月5日，云量超过60%，为了维持街道的照明水平，只能对部分拥堵因子较低的道路上的路灯进行调暗。

以下是日出前1小时路灯状态和拥堵因子关系的mermaid流程图：

graph LR
    A[确定日期和云量] --> B{云量是否为0%}
    B -- 是 --> C[关闭大部分路灯]
    B -- 否 --> D{云量是否>60%}
    D -- 是 --> E[调暗低拥堵因子道路路灯]
    D -- 否 --> F[根据其他规则控制路灯]

4.2 日落后1小时的情况

在日落后1小时，请求的DR为4,400W。不同日期的路灯状态和拥堵因子情况如下表所示：
| 日期 | 路灯状态 | 主要调暗道路 |
| ---- | ---- | ---- |
| 2021年7月25日 | 主要道路路灯调暗 | - |
| 2021年7月26日 | 主要道路路灯调暗 | - |
| 2021年8月3日 | 主要道路路灯调暗 | - |

由于这三天的能见度和云量条件，路灯只能在主要道路上调暗，且调暗的是拥堵因子较低的道路。

以下是日落后1小时不同DR请求下路灯调暗情况的表格：
| DR请求（kW） | 调暗路灯的道路及数量 |
| ---- | ---- |
| 5 | South Valley Road、Barwon Heads Road、High Street、Breakwater Road全部路灯，Torquay Road 12盏路灯 |
| 10 | Torquay Road全部路灯，Thompson Road 8盏路灯 |
| 15 | Thompson Road全部路灯，Settlement Road 39盏路灯 |

可以看出，随着DR请求的增加，会对更多拥堵因子较低的道路上的路灯进行调暗。当所有路灯都调暗时，最多可获得28.73kW的DR。

以下是日落后1小时不同DR请求下路灯调暗流程的mermaid流程图：

graph LR
    A[确定DR请求值] --> B{DR请求是否满足}
    B -- 否 --> C[选择低拥堵因子道路调暗路灯]
    C --> B
    B -- 是 --> D[结束]

5. 结论

这种智能路灯控制方法能够在满足电力公司需求响应要求的同时，根据能见度和云量参数满足街道的照明水平要求。该方法利用主要道路的实时交通数据，根据拥堵因子为道路分配优先级，仅对拥堵因子较低的道路上的路灯进行调暗或关闭。

通过对实际地点的不同日期、不同DR水平的评估，分析表明该方法在能见度和云量条件允许的情况下，能够成功满足DR要求。未来的工作可以聚焦于开发一个Web API，用于监控使用该路灯控制算法优化后的路灯状态，以便更好地管理和维护路灯网络，进一步提高能源利用效率和城市管理水平。