论文部分内容阅读
路灯是人们生活中必不可少的部分,随着新能源日益普及,太阳能路灯的利用成为必然的趋势。然而,由于太阳能路灯储能受限,需要进行节能控制。同时,考虑到不同灯光色彩对人舒适度的影响,可通过在当前太阳能路灯系统基础上添加灯光色彩的选择模式,也具有明显意义。因此,基于能见度对太阳能路灯进行智慧化设计具有明显的实用价值。本文以西安气象局的数据为基础,针对具有能见度预测及自学习功能的太阳能智慧路灯系统做了以下研究:1)本文以2018年西安气象台和污染物监测站的数据为基础,分析影响能见度的各个要素,并提取出相关性较大的4个影响因素。采用粒子群优化BP(Particle swarm optimization BP,PSO-BP)神经网络和长短期记忆(Long and short term memory,LSTM)神经网络的方法建立相应的能见度实时估计和预测模型。仿真实验结果表明:基于LSTM的预测模型精度更高、预测性能更好。2)针对复杂多变的大气环境,为进一步增强能见度实时估计和预测性能,本文引入自适应增强策略,提出一种基于Adaboost-LSTM的能见度预测模型。仿真实验结果表明:基于Adaboost-LSTM的实时估计和预测性能要优于LSTM模型,更适用于能见度预测。同时为了模型具有自学习的功能,采用滑动窗口的方式定时更新每个弱预测器的权重系数,使模型精度进一步提高。3)本文设计了具有能见度预测和自学习功能的太阳能智慧路灯系统。首先,设计智慧太阳能路灯系统的网络结构;其次,通过Adaboost-LSTM能见度模型的输出值来控制路灯色彩、节电模式和节电策略;最后,设计相应的硬件系统和能见度监测软件系统,并通过实验验证该系统的有效性。本文设计的具有能见度预测及自学习功能的太阳能智慧路灯系统,可以根据当前能见度和未来能见度实施不同的亮灯模式,这样既延长路灯的照明时间又增加了太阳能路灯的智慧性。