基于鯨魚(yú)優(yōu)化算法的變電站照明系統(tǒng)智能優(yōu)化研究

趙振喜 劉銳 劉智興 吳龍飛 劉春生 孫浩 楊彪

DOI：10.20030/j.cnki.1000?3932.202403016

摘 要 針對(duì)現(xiàn)有照明系統(tǒng)存在的成本高、設(shè)備協(xié)同配合弱等問(wèn)題，使用智能優(yōu)化算法對(duì)變電站照明設(shè)備進(jìn)行智能控制。根據(jù)變電站的工作狀態(tài)、智能巡檢系統(tǒng)及監(jiān)控補(bǔ)光等需求確定照明優(yōu)化目標(biāo)，在窗戶處設(shè)置測(cè)量節(jié)點(diǎn)獲取全天各時(shí)段及不同天氣狀況下的自然光照條件，得出需要人工光源補(bǔ)充的照度值，以照明系統(tǒng)總照度為指標(biāo)，使用一種改進(jìn)鯨魚(yú)優(yōu)化算法求解滿足照明需求的最低能耗方案。通過(guò)將隨迭代次數(shù)變化的收斂因子改為非線性遞減，并引入自適應(yīng)慣性權(quán)重因子等策略來(lái)提高算法前期的全局搜索能力和后期局部求解精度，最后通過(guò)仿真實(shí)驗(yàn)將所提方法與不同算法進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明，所提出的算法能夠有效求解變電站照明的多設(shè)備多目標(biāo)優(yōu)化問(wèn)題，并具有較高求解精度和較快收斂速度，能夠在滿足變電站照明需求的同時(shí)有效降低能耗，具有較高實(shí)用價(jià)值。

關(guān)鍵詞 變電站照明系統(tǒng) 智慧變電站 智能優(yōu)化 鯨魚(yú)優(yōu)化算法 智能巡檢

中圖分類號(hào) TP273?? 文獻(xiàn)標(biāo)志碼 A?? 文章編號(hào) 1000?3932（2024）03?0477?11

基金項(xiàng)目：國(guó)網(wǎng)吉林省電力有限公司科技項(xiàng)目（批準(zhǔn)號(hào)：522371210003）資助的課題。

作者簡(jiǎn)介：趙振喜（1975-），高級(jí)工程師，從事電力系統(tǒng)研究及電網(wǎng)工程建設(shè)管理工作。

通訊作者：楊彪（1974-），教授，從事電力系統(tǒng)故障診斷與軟測(cè)量的研究，ybiaocn@163.com。

引用本文：趙振喜，劉銳，劉智興，等.基于鯨魚(yú)優(yōu)化算法的變電站照明系統(tǒng)智能優(yōu)化研究[J].化工自動(dòng)化及儀表，

2024，51（3）：477-486;494.

隨著我國(guó)經(jīng)濟(jì)的不斷增長(zhǎng)和科技的快速發(fā)展，各行業(yè)能源需求不斷增大，其中建筑能耗占總體能耗的比例也迅速增加。同時(shí)，隨著人們環(huán)保意識(shí)越來(lái)越強(qiáng)，為了滿足照明舒適度和便捷性的要求，對(duì)照明系統(tǒng)智能化的要求也越來(lái)越高。因此提高照明系統(tǒng)智能化、降低照明能耗，是未來(lái)照明系統(tǒng)發(fā)展的主要趨勢(shì)[1]。近年來(lái)我國(guó)變電站逐步轉(zhuǎn)向智能化，照明控制系統(tǒng)的智能化應(yīng)用逐漸成為變電站安全和電網(wǎng)效率提升的關(guān)鍵。變電站傳統(tǒng)的照明系統(tǒng)已難以滿足社會(huì)發(fā)展需求，智能化的照明控制系統(tǒng)逐步占據(jù)市場(chǎng)[2]。變電站智能照明系統(tǒng)通過(guò)融合計(jì)算機(jī)、自動(dòng)化及電力等技術(shù)，可根據(jù)時(shí)間、自然光照等條件，并結(jié)合變電站智能運(yùn)檢及定時(shí)監(jiān)測(cè)等需求實(shí)現(xiàn)自動(dòng)開(kāi)啟、關(guān)閉、調(diào)節(jié)燈具亮度，實(shí)現(xiàn)遠(yuǎn)程和就地控制，滿足高效運(yùn)行及節(jié)能環(huán)保等多樣化需求。

近年來(lái)，國(guó)內(nèi)外諸多學(xué)者針對(duì)智能照明系統(tǒng)的優(yōu)化改進(jìn)從算法求解、智能架構(gòu)及通信控制等方面進(jìn)行了積極的研究探索并提出了一些有效的解決方案。方培鑫等通過(guò)改進(jìn)粒子群算法對(duì)分布式智能照明系統(tǒng)進(jìn)行優(yōu)化[3]。陳寒梅等提出了一種基于深度學(xué)習(xí)的室內(nèi)照明智能調(diào)節(jié)系統(tǒng)[4]。CHENG Y S等提出了一種具有分布式無(wú)線傳感器網(wǎng)絡(luò)（WSN）和照明控制規(guī)則的智能照明系統(tǒng)來(lái)降低能源消耗[5]。SUN F K和YU J Q提出了一種基于分布式多智能體框架的室內(nèi)智能照明控制方法，對(duì)燈具和百葉窗進(jìn)行控制[6]。SEYEDOLHOSSEINI A等提出了一種新的控制機(jī)制，利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)確定每個(gè)光源的輸出通量，并調(diào)整燈具的調(diào)光水平，以滿足區(qū)域所需照度[7]。CHIESA G等提出了一種基于傳感、驅(qū)動(dòng)節(jié)點(diǎn)和主單元可擴(kuò)展的方法，并結(jié)合動(dòng)態(tài)遮陽(yáng)系統(tǒng)控制自然和人工光平衡的物聯(lián)網(wǎng)系統(tǒng)的工作原型[8]。KANDASAMY N K等提出了一種新型的零能耗建筑照明控制系統(tǒng)，采用人工神經(jīng)網(wǎng)絡(luò)（ANN）對(duì)照明系統(tǒng)進(jìn)行建模，并利用該模型與內(nèi)?？刂疲↖MC）原理進(jìn)行控制器設(shè)計(jì)[9]。CHENG Z J等開(kāi)發(fā)了一個(gè)基于閉環(huán)滿足感的系統(tǒng)，通過(guò)引入一種改進(jìn)的強(qiáng)化學(xué)習(xí)控制器來(lái)獲得百葉窗和燈的最優(yōu)控制策略[10]。許馨尹等提出一種每個(gè)燈具和工作面分別配備有照度傳感器和智能單元的智能照明系統(tǒng)[11]，可以向中央控制器提供工作面照度信息。王俊影等利用無(wú)線自組網(wǎng)技術(shù)通過(guò)路由器的串口輸出配合Web頁(yè)面來(lái)對(duì)帶自組網(wǎng)模塊中心節(jié)點(diǎn)的照明燈具進(jìn)行無(wú)線控制[12]。

變電站照明系統(tǒng)通過(guò)傳感器獲取工作面照度值，然后對(duì)燈具進(jìn)行控制。過(guò)去使用的照明系統(tǒng)大多只注重工作面單個(gè)點(diǎn)的照度，未考慮不同位置燈具相互之間的交叉配合，不能在保證較好照明效果的同時(shí)實(shí)現(xiàn)節(jié)能環(huán)保的目標(biāo)。工作面?zhèn)€別點(diǎn)位實(shí)際照度超出需求較多，能源消耗較大。除此之外，傳統(tǒng)的照明系統(tǒng)多數(shù)智能化程度不高，當(dāng)照明效果未能達(dá)到預(yù)期目標(biāo)或產(chǎn)生新的照明需求時(shí)，使用人員難以依據(jù)實(shí)時(shí)需求變化調(diào)整系統(tǒng)照度值，調(diào)節(jié)照明效果。

為了解決上述問(wèn)題，筆者提出一種基于鯨魚(yú)優(yōu)化算法的變電站智能照明系統(tǒng)。以各照明設(shè)備光照強(qiáng)度作為優(yōu)化對(duì)象，每一種光照強(qiáng)度組合作為一個(gè)優(yōu)化個(gè)體，以照明燈具和工作面位置作為約束條件，環(huán)境光照作為初始條件，建立最小能耗優(yōu)化函數(shù)，計(jì)算滿足照明需求并使能耗最小的照度組合最優(yōu)解，以此控制照明設(shè)備照度，從而實(shí)現(xiàn)多區(qū)協(xié)同均勻照明，在保證光照需求的同時(shí)使系統(tǒng)更節(jié)能高效。

1 變電站照明系統(tǒng)優(yōu)化控制

變電站智能照明控制系統(tǒng)設(shè)計(jì)通過(guò)對(duì)變電站照明系統(tǒng)的集約管理，實(shí)現(xiàn)變電站的智能化，達(dá)成照明優(yōu)化和節(jié)能減排的主要目標(biāo)[13]。變電站智能照明系統(tǒng)主要由3個(gè)部分組成，即系統(tǒng)后臺(tái)軟件、以現(xiàn)場(chǎng)智能感控終端構(gòu)成的智能檢測(cè)設(shè)備以及由集中控制器和照明設(shè)備構(gòu)成的智能控制終端[14]。變電站智能照明系統(tǒng)可根據(jù)具體照明需求對(duì)照明設(shè)備進(jìn)行實(shí)時(shí)控制，調(diào)節(jié)照明設(shè)備亮度及開(kāi)啟時(shí)間，實(shí)現(xiàn)變電站照明系統(tǒng)的智能控制，延長(zhǎng)燈具使用壽命，降低系統(tǒng)能耗并減少人工維護(hù)成本。

1.1 照明系統(tǒng)架構(gòu)

變電站智能照明系統(tǒng)采用分布式群智能系統(tǒng)控制架構(gòu)設(shè)計(jì)，可提高智能設(shè)備通用性，增強(qiáng)系統(tǒng)狀態(tài)感知和各設(shè)備間的協(xié)同控制能力[15，16]。

假如將測(cè)量節(jié)點(diǎn)設(shè)置在工作面上，將難以區(qū)分各照明設(shè)備的照度貢獻(xiàn)占比;若使用關(guān)閉所有燈具然后依次開(kāi)啟單個(gè)燈具的方法進(jìn)行測(cè)量，則在測(cè)量過(guò)程中無(wú)法保證照明需求。為滿足變電站智能照明系統(tǒng)實(shí)時(shí)調(diào)光需求，將測(cè)量節(jié)點(diǎn)設(shè)置于各窗戶處，并根據(jù)工作面與窗戶之間的相對(duì)位置信息計(jì)算自然光在工作面上產(chǎn)生的照度值，結(jié)合各工作面照明需求得出需人工光源提供的實(shí)際照度值。通過(guò)各照明設(shè)備與工作面的位置分布預(yù)測(cè)人工光源產(chǎn)生的照度，再使用優(yōu)化算法計(jì)算得出最佳照度分配方案。

1.2 照明需求

變電站智能照明控制系統(tǒng)的照明需求主要有兩個(gè)方面，即時(shí)間差異相關(guān)的照明需求和依據(jù)設(shè)備運(yùn)行的照明需求。

1.2.1 不同時(shí)間的照明需求

變電站的照明需求在全天各時(shí)段及不同天氣自然光照條件下有所不同。白天自然光照較強(qiáng)，靠近窗戶位置采光條件較好，可利用自然光照對(duì)照明系統(tǒng)進(jìn)行補(bǔ)充，夜晚缺乏自然光照，需依靠照明系統(tǒng)的人工光源提供更多照度值。同時(shí)，相同時(shí)間段的自然光照條件在不同天氣狀況下會(huì)有所不同。變電站智能照明系統(tǒng)包含自然光照檢測(cè)模塊，依據(jù)不同天氣狀況調(diào)整人工光照強(qiáng)度。除此之外，全年各生產(chǎn)季度需求、用電高峰與否、供電計(jì)劃目標(biāo)等都會(huì)對(duì)變電站照明需求產(chǎn)生一定的影響。依據(jù)時(shí)段、天氣狀況以及生產(chǎn)計(jì)劃等制定不同的照明策略，實(shí)時(shí)調(diào)整照明照度值，可有效提高照明效率，降低能耗，實(shí)現(xiàn)光照及能源的高效利用，達(dá)到節(jié)能減排的目的。

1.2.2 不同設(shè)備的照明需求

變電站照明系統(tǒng)應(yīng)能夠根據(jù)各設(shè)備及生產(chǎn)工位照明需求，尋找最優(yōu)人工光源開(kāi)啟方案，在保證各工作面照明照度需求的同時(shí)最大化降低照明能耗。智能化變電站設(shè)有智能巡檢系統(tǒng)[17]，利用智能巡檢機(jī)器人對(duì)變電站進(jìn)行智能巡檢，可以實(shí)時(shí)監(jiān)測(cè)變電站運(yùn)行情況，排除各類安全隱患。變電站智能照明系統(tǒng)能夠根據(jù)智能巡檢機(jī)器人巡檢路線實(shí)時(shí)調(diào)整照度，配合智能巡檢系統(tǒng)，滿足巡檢機(jī)器人巡檢需求。除此之外，變電站內(nèi)部還設(shè)有監(jiān)控系統(tǒng)，用以監(jiān)測(cè)變電站運(yùn)行及安全情況。較好的光照條件能夠提高監(jiān)控采集圖像的質(zhì)量。變電站智能照明系統(tǒng)能根據(jù)監(jiān)控系統(tǒng)定時(shí)采集和其他監(jiān)控需求及時(shí)進(jìn)行補(bǔ)光，適時(shí)調(diào)整照度值，滿足監(jiān)控需求。

1.2.3 照明需求計(jì)算

隨著變電站的智能化發(fā)展，智能電子設(shè)備（IED）自動(dòng)化系統(tǒng)（SAS）在變電站中的應(yīng)用日漸增多[18]，為滿足變電站照明、智能巡檢及監(jiān)控補(bǔ)光等需求，變電站智能照明系統(tǒng)與智能巡檢、監(jiān)控系統(tǒng)間使用Web端控制連接并采用MVC框架構(gòu)建，統(tǒng)一計(jì)算各工作面光照需求。工作面應(yīng)達(dá)到的實(shí)際照度值由各項(xiàng)光照需求中的最大值決定，即：

E=max（E，E，E）???? （1）

其中，E表示工作面照明需求，E為設(shè)備運(yùn)行所需照度，E為智能巡檢所需照度，E為監(jiān)控補(bǔ)光所需照度。

1.3 照度值獲取

1.3.1 照度疊加原理

設(shè)某區(qū)域內(nèi)有n個(gè)照明設(shè)備和m扇窗戶，在工作面上，某點(diǎn)處的光照強(qiáng)度為各個(gè)人工和自然光源照度的線性疊加，計(jì)算出各光源照度之和，即可得到光照面的光照強(qiáng)度，公式如下：

E=E+E=E+E???? （2）

其中，E表示工作面某點(diǎn)的實(shí)際照度值，E表示所有光源在該點(diǎn)產(chǎn)生的照度值，E表示所有窗戶進(jìn)入的自然光照在該點(diǎn)的照度值，E表示第i個(gè)光源在該點(diǎn)產(chǎn)生的照度值，E表示從第j扇窗戶進(jìn)入的自然光照在該點(diǎn)的照度值。

1.3.2 人工光源照度

變電站照明系統(tǒng)主要通過(guò)控制人工光源光照強(qiáng)度來(lái)調(diào)節(jié)工作位光照。由于變電站照明設(shè)備安裝位置相對(duì)固定，且多安裝在室內(nèi)頂部同一水平面上，故可通過(guò)計(jì)算預(yù)測(cè)出單個(gè)照明設(shè)備在特定工作面上產(chǎn)生的光照強(qiáng)度：

E===??? （3）

其中，θ為入射光線在T點(diǎn)處與工作面法向分量形成的夾角，I為此方向上的光照強(qiáng)度，d為光源與工作面之間的直線距離，h為窗戶下沿距地面的高度，d與d分別為d的垂直分量與水平分量。

1.3.3 自然光源照度

鐘源宇提出兩種自然光照度值模型[19]：太陽(yáng)光散射模型和太陽(yáng)光直射模型。為了使變電站設(shè)備正常運(yùn)行，應(yīng)保證設(shè)備處于工作溫度范圍，變電站設(shè)備和采光點(diǎn)分布應(yīng)避免太陽(yáng)光直射，故變電站自然光照應(yīng)為太陽(yáng)光散射。太陽(yáng)光散射模型如下：

ERj=dydz （4）

其中，E為窗戶照度值，Y為窗寬，H為窗高，Y為窗戶最靠近垂直于窗戶的墻的最近一側(cè)到該墻面的距離，z為工作面的高度，被測(cè)點(diǎn)坐標(biāo)為（x，y，z）。

2 改進(jìn)鯨魚(yú)優(yōu)化算法

2.1 鯨魚(yú)優(yōu)化算法

鯨魚(yú)優(yōu)化算法[20]（Whale Optimization Algorit hm，WOA）是一種元啟發(fā)式群體智能優(yōu)化算法，其設(shè)計(jì)源于鯨魚(yú)群的捕食行為，最初由澳大利亞的Mirjalili教授提出。座頭鯨在捕食獵物時(shí)會(huì)以螺旋路徑逐漸包圍獵物，并使用氣泡網(wǎng)攻擊獵物。鯨魚(yú)優(yōu)化算法設(shè)置若干個(gè)體來(lái)模擬鯨魚(yú)群的協(xié)同捕食行為，并用螺旋線來(lái)模擬其氣泡網(wǎng)攻擊機(jī)制。隨機(jī)設(shè)置一組初始解并計(jì)算適應(yīng)度，找出適應(yīng)度最高的個(gè)體并使其余個(gè)體逐漸向其靠近。鯨魚(yú)優(yōu)化算法已應(yīng)用于模型預(yù)測(cè)、參數(shù)優(yōu)化等方面，其整體穩(wěn)定性較高且尋優(yōu)能力較強(qiáng)[21]?；镜腤OA算法分為3個(gè)階段：尋找獵物、包圍捕食和氣泡網(wǎng)捕食。

2.1.1 尋找獵物（全局搜索）

此階段強(qiáng)調(diào)算法的全局搜索。鯨魚(yú)群體隨機(jī)產(chǎn)生一個(gè)領(lǐng)頭鯨，其他鯨魚(yú)個(gè)體根據(jù)領(lǐng)頭鯨確定搜索方向，以此使得鯨魚(yú)種群能夠探索整個(gè)搜索空間尋找獵物。此階段鯨魚(yú)個(gè)體更新位置向量的公式為：

D=C·X

（t）-X（t） ??（5）

X（t+1）=X（t）-A·D ?? （6）

其中，X（t）和X（t+1）分別表示第t次和第t+1次迭代時(shí)鯨魚(yú)個(gè)體的位置，X（t）表示第t次迭代中隨機(jī)選取的個(gè)體位置，D表示X（t）與X（t）之間的距離，A和C為控制向量的系數(shù)，每次迭代時(shí)重新計(jì)算，其計(jì)算公式為：

A=2αr-α ??????????? ??（7）

C=2r（8）

α=2-2t/T（9）

其中，r為[0，1]間的隨機(jī)數(shù)，t為當(dāng)前迭代次數(shù)，T為最大迭代次數(shù)。隨著迭代的進(jìn)行，收斂因子α的值從2線性下降到0。A的值從[-2，2]逐漸變?yōu)?，用來(lái)控制探索和開(kāi)發(fā)之間的轉(zhuǎn)化。C的取值是一個(gè)隨機(jī)值，范圍為[0，2]，表明鯨魚(yú)個(gè)體能夠到達(dá)這個(gè)范圍內(nèi)的所有位置，能夠使鯨魚(yú)在一定程度上跳出局部最優(yōu)。

2.1.2 包圍捕食（局部搜索）

WOA的局部搜索階段分為包圍獵物捕食和氣泡網(wǎng)螺旋捕食兩種模式。在包圍捕食模式下，選取當(dāng)前搜索空間中適應(yīng)度最優(yōu)的鯨魚(yú)個(gè)體并標(biāo)記其位置，種群中鯨魚(yú)個(gè)體位置根據(jù)最優(yōu)個(gè)體位置更新，從而快速進(jìn)化到類似最優(yōu)解。更新過(guò)程公式為：

D=C·X

（t）-X（t） ??? （10）

X（t+1）=X（t）-A·D?? （11）

其中，X（t）為當(dāng)前鯨魚(yú)個(gè)體最優(yōu)位置，D為鯨魚(yú)個(gè)體與當(dāng)前最優(yōu)解之間的距離。

2.1.3 氣泡網(wǎng)捕食（局部搜索）

WOA局部搜索階段的另一種模式是氣泡網(wǎng)捕食，此模式是模擬座頭鯨在攻擊獵物時(shí)沿螺旋形路徑游動(dòng)的一種包圍捕食方式。種群中鯨魚(yú)個(gè)體根據(jù)最優(yōu)個(gè)體沿螺旋形路徑更新位置，搜索開(kāi)發(fā)目標(biāo)位置周圍區(qū)域，其數(shù)學(xué)模型為：

D=X

（t）-X（t）???? （12）

X（t+1）=X（t）+D·e·cos（2πl(wèi)）? （13）

l=rand（0，1）?????? （14）

其中，rand（0，1）為[-1，1]之間的一個(gè)隨機(jī)數(shù)，b為一個(gè)定義螺旋形狀的常數(shù)，D3表示第t次迭代時(shí)鯨魚(yú)個(gè)體與當(dāng)前最優(yōu)個(gè)體之間的距離。

鯨魚(yú)群在游動(dòng)時(shí)分別各有50%的概率使用氣泡網(wǎng)方式捕食或以種群中某個(gè)個(gè)體作為指導(dǎo)個(gè)體并向其移動(dòng)，向指導(dǎo)個(gè)體游動(dòng)時(shí)根據(jù)參數(shù)A決定以種群中隨機(jī)個(gè)體或當(dāng)前最優(yōu)個(gè)體作為指導(dǎo)個(gè)體，由此可將3種機(jī)制的數(shù)學(xué)模型統(tǒng)一處理為：

X（t+1）=X

（t）-A·D

，p<0.5，A≥1

X

（t）-A·D

，p<0.5，A<1

X

（t）+D

·e

·cos（2πl(wèi)），p≥0.5（15）

其中，p為[0，1]上的隨機(jī)數(shù)，表示座頭鯨的行為選擇概率。

2.2 優(yōu)化流程

基本鯨魚(yú)優(yōu)化算法流程如圖1所示。首先初始化種群產(chǎn)生一組隨機(jī)解，每次迭代更新相關(guān)參數(shù)，若p≥0.5，進(jìn)行螺旋路徑氣泡網(wǎng)捕食;若p<0.5，則判斷參數(shù)A的絕對(duì)值。當(dāng)A<1時(shí)進(jìn)行包圍捕食，種群中鯨魚(yú)個(gè)體根據(jù)當(dāng)前最優(yōu)個(gè)體更新自身位置;當(dāng)A≥1時(shí)，轉(zhuǎn)向全局搜索，鯨魚(yú)個(gè)體根據(jù)隨機(jī)選擇的個(gè)體更新位置，擴(kuò)大搜索范圍，避免陷入局部最優(yōu)，增強(qiáng)種群多樣性。當(dāng)算法進(jìn)行到最大迭代次數(shù)時(shí)結(jié)束，并輸出搜尋到的最優(yōu)解。

2.3 改進(jìn)策略

為了進(jìn)一步增強(qiáng)算法的性能，在前期能夠盡可能遍歷搜索區(qū)域，避免陷入局部最優(yōu)，在后期加快收斂速度盡快找到最優(yōu)解，需針對(duì)鯨魚(yú)優(yōu)化算法從以下幾個(gè)方面進(jìn)行適當(dāng)?shù)母倪M(jìn)：改進(jìn)初始種群生成方式;改進(jìn)算法參數(shù)，如收斂因子等;加入慣性權(quán)重因子;改進(jìn)搜索策略;混合其他搜索策略等。

2.3.1 改進(jìn)初始種群生成方式

初始種群的生成方式會(huì)影響算法的性能，傳統(tǒng)的偽隨機(jī)數(shù)初始化種群方法可能會(huì)使初始種群分布不均，造成全局最優(yōu)解質(zhì)量下降。為提高初始種群的多樣性，使用具有隨機(jī)性和遍歷性的混沌策略方法[22]和正交自適應(yīng)初始化方法[23]初始化種群。

采用Tent混沌映射初始化種群并對(duì)其進(jìn)行反向?qū)W習(xí)，可有效改善傳統(tǒng)WOA初始種群隨機(jī)生成策略造成的種群多樣性差的問(wèn)題[24]，如下式所示：

X（t）=X（t）+（X（t）-X（t））Z（t）（16）

其中，X（t）和X（t）分別表示種群第d維元素的最大值和最小值，X（t）為第t代時(shí)種群個(gè)體i的第d維元素，Z（t）為Tent混沌映射迭代t次所得混沌序列。之后對(duì)映射所得混沌初始化種群進(jìn)行反向?qū)W習(xí)：

O=X（t）+X（t）-X（t）（17）

其中，O為反向?qū)W習(xí)后所得新的鯨魚(yú)個(gè)體。

2.3.2 改進(jìn)收斂方式

在控制系統(tǒng)中，需要根據(jù)系統(tǒng)的控制要求選定控制參數(shù)來(lái)優(yōu)化性能指標(biāo)和控制效果[25]。優(yōu)化算法的收斂方式會(huì)對(duì)算法性能有較大影響，在鯨魚(yú)優(yōu)化算法中主要取決于收斂因子。將式（9）中的收斂因子α由線性遞減改為非線性遞減[21]，如下式所示：

α=2cos

（18）

同時(shí)將與鯨魚(yú)螺旋收縮路徑相關(guān)的系數(shù)l改為：

l=1-

+2·rand（0，1） （19）

l的取值范圍從前期的[-1，1]逐漸變?yōu)楹笃诘腫-2，1]，使螺旋線的形狀適應(yīng)搜索策略變化。

為了進(jìn)一步改進(jìn)算法性能，在種群迭代公式（15）中加入一個(gè)非線性自適應(yīng)慣性權(quán)重因子w[26]，并使其隨迭代次數(shù)進(jìn)行非線性變化，如下式所示：

w=w+（w-w）e? （20）

其中，w為最大慣性權(quán)重，w為最小慣性權(quán)重。

通過(guò)將收斂因子α由線性遞減改為非線性遞減，并加入非線性自適應(yīng)慣性權(quán)重因子來(lái)改進(jìn)算法收斂方式，可有效改善算法性能。

2.3.3 改進(jìn)搜索策略

除初始種群和收斂因子外，算法的搜索策略也會(huì)影響其性能。使用單純形法[22]改進(jìn)其局部搜索性能，提高搜索精度;針對(duì)基本鯨魚(yú)算法易陷入局部最優(yōu)的問(wèn)題，采用Levy飛行策略和混合反向?qū)W習(xí)策略[27]，獲得隨機(jī)步長(zhǎng)幫助算法擴(kuò)大搜索空間，跳出局部最優(yōu)，增強(qiáng)其全局搜索性能。

智能優(yōu)化算法面臨的一個(gè)典型問(wèn)題是易陷入局部最優(yōu)。Levy飛行策略可以幫助算法有效改善這一困境。當(dāng)種群個(gè)體的適應(yīng)度值連續(xù)多次沒(méi)有顯著變化時(shí)，可以判定其陷入局部最優(yōu)[28]，此時(shí)對(duì)鯨魚(yú)個(gè)體采用下式來(lái)產(chǎn)生新的候選解：

X（t+1）=X（t）+β?Levy（λ）?? （21）

其中，X（t）和X（t+1）分別表示當(dāng)前個(gè)體在第t代和第t+1代時(shí)的位置，β為[0，1]上的隨機(jī)數(shù)，λ為一個(gè)用于控制算法在局部搜索與全局搜索之間傾向的常數(shù)。

綜上，改進(jìn)后的鯨魚(yú)優(yōu)化算法流程如圖2所示。

3 優(yōu)化方案

3.1 優(yōu)化流程

變電站智能照明系統(tǒng)優(yōu)化控制流程如圖3所示，首先根據(jù)變電站工作情況和智能巡檢、監(jiān)控系統(tǒng)產(chǎn)生實(shí)時(shí)需求點(diǎn)，確定需要照明的區(qū)域及所需照度值，同時(shí)通過(guò)實(shí)時(shí)測(cè)量獲取窗戶處的照度值，計(jì)算自然光在各照明需求點(diǎn)處照度貢獻(xiàn)，得出需要人工光源補(bǔ)充的照度值，最后通過(guò)改進(jìn)WOA優(yōu)化算法計(jì)算最佳照度分配方案。

3.2 優(yōu)化策略

設(shè)變電站某廠房?jī)?nèi)可采集自然光的窗戶數(shù)為m，可用照明設(shè)備數(shù)量為n，變電站運(yùn)行過(guò)程中各系統(tǒng)實(shí)時(shí)產(chǎn)生的照明需求點(diǎn)個(gè)數(shù)為P，第i個(gè)照明設(shè)備在需求點(diǎn)k處產(chǎn)生的照度為E（k），第j扇窗戶的自然光在需求點(diǎn)k處產(chǎn)生的照度為E（k），照明需求點(diǎn)k所需總照度值為E，照明設(shè)備i在其光源處照度為E。

變電站智能照明系統(tǒng)采用在滿足各點(diǎn)照明需求的同時(shí)使照明設(shè)備總能耗最小的方案，由于照明設(shè)備的能耗與燈具光通量之間存在一定的線性關(guān)系，故優(yōu)化目標(biāo)的適應(yīng)度函數(shù)和約束條件如下：

min f（x）=E???? （22）

s.t.E（k）+E（k）≥E，1≤k≤P，k∈N （23）

4 實(shí)驗(yàn)驗(yàn)證

4.1 實(shí)驗(yàn)設(shè)置

為驗(yàn)證筆者所提改進(jìn)鯨魚(yú)算法的有效性及其優(yōu)化改善效果，采用基本鯨魚(yú)優(yōu)化算法和基本粒子群算法（PSO）作為對(duì)比實(shí)驗(yàn)。本實(shí)驗(yàn)使用MATLAB對(duì)變電站智能照明系統(tǒng)的多設(shè)備多目標(biāo)照度優(yōu)化工作模式進(jìn)行仿真。模擬變電站某一房間（圖4），房間內(nèi)以相同間隔分布有6個(gè)燈具，房間一側(cè)有兩扇窗戶進(jìn)行自然光采集。窗戶處照度值為5 000 lx，照明設(shè)備最大照度值為20 000 lx。在區(qū)域內(nèi)隨機(jī)產(chǎn)生照度需求值在3 000～6 000 lx的照明需求點(diǎn)。實(shí)驗(yàn)中的參數(shù)設(shè)置見(jiàn)表1。

4.2 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)設(shè)置鯨魚(yú)種群個(gè)體和粒子群粒子數(shù)為30，最大迭代次數(shù)為500。實(shí)驗(yàn)中照明需求點(diǎn)位置和所需照度大小隨機(jī)產(chǎn)生。算法性能從優(yōu)化后設(shè)備最低總照度、需求點(diǎn)實(shí)際照度冗余及收斂速度等方面進(jìn)行比較。

優(yōu)化后需求點(diǎn)實(shí)際照度冗余可使用照度誤差評(píng)價(jià)，公式如下：

δ= ??? （24）

其中，δ為照度誤差，E為實(shí)際照度值，E′為目標(biāo)照度值。

3種算法優(yōu)化后的曲線如圖5～7所示，相關(guān)數(shù)據(jù)見(jiàn)表2～4。

4.3 實(shí)驗(yàn)分析

從圖5、6可以看出，3種算法對(duì)變電站照明控制均有優(yōu)化效果，而由圖7可知，筆者所提改進(jìn)WOA算法收斂速度明顯快于其他兩種算法。從表2中可以看出筆者所提算法優(yōu)化后的照明設(shè)備總照度顯著低于其他兩種算法，表3、4說(shuō)明筆者所提算法在所有需求點(diǎn)總照度值及其相對(duì)于照度總需求的冗余均為最低。

由實(shí)驗(yàn)結(jié)果可知，在滿足照度需求的前提下，所提變電站照明系統(tǒng)智能控制方案具有較好的優(yōu)化效果，個(gè)別目標(biāo)點(diǎn)處由于其照度需求值較小及位置分布影響，在該位置的照度誤差較大，但總誤差仍保持在較小水平，整個(gè)系統(tǒng)能夠有效降低變電站照明能耗，具有較好的節(jié)能效果。

5 結(jié)束語(yǔ)

為解決變電站照明系統(tǒng)的照明設(shè)備間缺乏配合、能耗較高的問(wèn)題，同時(shí)使其滿足變電站智能巡檢及監(jiān)控需求，充分利用自然光照補(bǔ)充來(lái)降低照明系統(tǒng)能耗，筆者提出了一種改進(jìn)鯨魚(yú)優(yōu)化算法，結(jié)合不同時(shí)段和天氣自然光照度，求解滿足變電站生產(chǎn)、巡檢及監(jiān)控等照明需求的最低能耗照明方案。

為驗(yàn)證筆者算法的有效性，在二維和三維環(huán)境下對(duì)變電站照明模型進(jìn)行仿真模擬，將所提改進(jìn)鯨魚(yú)算法與基本鯨魚(yú)算法、基本粒子群算法比較，實(shí)驗(yàn)結(jié)果表明，筆者所提算法在求解精度和收斂速度上均優(yōu)于另外兩種算法，證明了該變電站照明智能控制系統(tǒng)的有效性和可行性，對(duì)變電站智能化乃至綠色建筑的發(fā)展具有重要意義。

在下一步的研究中，將會(huì)考慮在更為復(fù)雜的情況下（如移動(dòng)型照明設(shè)備、更多數(shù)量的光源及照明需求點(diǎn)等）求解滿足需求的照度分配方案，并尋找更加優(yōu)秀的參數(shù)控制方式，進(jìn)一步提高變電站智能照明系統(tǒng)的性能。

參 考 文 獻(xiàn)

[1] 楊萌.智能照明控制系統(tǒng)的應(yīng)用現(xiàn)狀及發(fā)展趨勢(shì)[J].設(shè)備管理與維修，2021（Z1）：147-148.

[2] 李彩玲.變電站智能照明控制系統(tǒng)的設(shè)計(jì)和應(yīng)用[J].光源與照明，2022（2）：95-97.

[3] 方培鑫，嚴(yán)虎，汪明，等.基于改進(jìn)粒子群算法的分布式智能照明系統(tǒng)[J].計(jì)算機(jī)測(cè)量與控制，2022，30（12）：284-291.

[4] 陳寒梅，于春榮，劉智超.基于深度學(xué)習(xí)的室內(nèi)照明智能調(diào)節(jié)系統(tǒng)[J].紅外與激光工程，2022，51（7）：499-504.

[5] CHENG Y S，F(xiàn)ANG C，YUAN J F，et al.Design and Application of a Smart Lighting System Based on Distributed Wireless Sensor Networks[J].Applied? Sciences，2020，10（23）：8545.

[6] SUN F K，YU J Q.Indoor intelligent lighting control method based on distributed multi?agent framework[J].Optik，2020，213：164816.

[7] SEYEDOLHOSSEINI A，MASOUMI N，MODARRESSI M，et al.Daylight Adaptive Smart Indoor Lighting Control Method Using Artificial Neural Networks[J].Journal of Building Engineering，2020，29：101141.

[8] CHIESA G，DI VITA D，GHADIRZADEH A，et al.A fuzzy?logic IoT lighting and shading control system for smart buildings[J].Automation in Construction，2020， 120：103397.

[9] KANDASAMY N K，KARUNAGARAN G，SPANOS C，et al.Smart lighting system using ANN?IMC for personalized lighting control and daylight harvesting[J].Building and Environment，2018，139：170-180.

[10] CHENG Z J，ZHAO Q C，WANG F L，et al.Satisfaction based Q?learning for integrated lighting and blind control[J].Energy and Buildings，2016，5：67.

[11] 許馨尹，李淑嫻，付保川.基于日光和用戶需求的照明節(jié)能控制方法研究[J].建筑科學(xué)，2019，35（10）：150-156.

[12] 王俊影，李揚(yáng)，李偉明，等.基于無(wú)線自組網(wǎng)的燈光照明控制系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)測(cè)量與控制，2020，28（6）：70-75.

[13] 李奇.發(fā)電廠智能照明系統(tǒng)的設(shè)計(jì)與應(yīng)用[J].光源與照明，2021（12）：27-28.

[14] 楊巖敏.工業(yè)智能照明應(yīng)用分析[J].智能建筑與智慧城市，2021（5）：121-123.

[15] 姜子炎，代允闖，江億.群智能建筑自動(dòng)化系統(tǒng)[J].暖通空調(diào)，2019，49（11）：2-17.

[16] 李維時(shí)，陳琪，潘云剛.新型群智能建筑控制管理系統(tǒng)平臺(tái)的探索[J].智能建筑電氣技術(shù)，2020，14（1）：5-8.

[17] 劉楊，劉俊，柯奕辰.基于變電站巡檢機(jī)器人的指針式儀表讀數(shù)識(shí)別[J].化工自動(dòng)化及儀表，2019，46（8）：636-639;658.

[18] 朱龍超.基于IEC61850的智能變電站網(wǎng)絡(luò)性能仿真研究[J].化工自動(dòng)化及儀表，2017，44（12）：1139-1142.

[19] 鐘源宇.根據(jù)自然光照自動(dòng)調(diào)節(jié)室內(nèi)照明的方法及實(shí)現(xiàn)[D].廣州：華南理工大學(xué)，2014.

[20] MIRJALILI S，LEWIS A.The Whale Optimization Algorithm[J].Advances in Engineering Software，2016 ，95：51-67.

[21] 李寶帥，葉春明.混合鯨魚(yú)優(yōu)化算法求解柔性作業(yè)車間調(diào)度問(wèn)題[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2022，31（4）：244-252.

[22] 郭輝，付接遞，李振東，等.基于改進(jìn)鯨魚(yú)算法優(yōu)化SVM參數(shù)和特征選擇[J].吉林大學(xué)學(xué)報(bào)（工學(xué)版），2023，53（10）：2952-2963.

[23] 張金泉，徐壽偉，李信誠(chéng)，等.基于正交自適應(yīng)鯨魚(yú)優(yōu)化的云計(jì)算任務(wù)調(diào)度[J].計(jì)算機(jī)應(yīng)用，2022，42（5）：1516-1523.

[24] 張潮，馮鋒.混沌策略和單純形法改進(jìn)的鯨魚(yú)優(yōu)化算法[J].中國(guó)科技論文，2020，15（3）：293-299.

[25] 王銀雙，楊彪，杜婉，等.微波加熱固體顆粒類礦物的過(guò)程控制分析[J].化工自動(dòng)化及儀表，2021，48（1）：20-23.

[26] 徐立立，楊超，曾浩然.基于改進(jìn)鯨魚(yú)算法的含DG配電網(wǎng)故障區(qū)段定位[J].電子科技，2023，36（1）：15-20;27.

[27] 耿召里，李目，曹淑睿，等.基于混合反向?qū)W習(xí)策略的鯨魚(yú)優(yōu)化算法[J].計(jì)算機(jī)工程與科學(xué)，2022，44（2）：355-363.

[28] 崔鳴，靳其兵.基于Levy飛行策略的灰狼優(yōu)化算法[J].計(jì)算機(jī)與數(shù)字工程，2022，50（5）：948-952;958.

（收稿日期：2023-01-08，修回日期：2024-03-12）

Research on Intelligent Optimization of Substation Lighting System Based on Whale Optimization Algorithm

ZHAO Zhen?xi1， LIU Rui2， LIU Zhi?xing3， WU Long?fei3， LIU Chun?sheng3，

SUN Hao3，YANG Biao3

（1. State Grid Jilin Electric Power Co .， Ltd .;2. NARI Technology Nanjing Control Systems Co.， Ltd.;

3. Construction Branch of State Grid Jilin Electric Power Co.， Ltd.）

（Continued on Page 494）