论文部分内容阅读
传统路灯行业主要采用时间、经纬度、光照度等策略控制路灯开关,使用间隔开灯、定时调节功率来实现适应车流量变化来达到节能目的。一方面,光照度控制节能效果最佳,但因采集数据误差大、安装角度难等因素影响,导致不能最大化节能效果。另一方面,功率调节方法中,定时调节功率较好,但是定时控制不能适应一年四季以及节假日车流量变化的情况,因此还能有进一步提升的空间。本文针对现有路灯开关控制和功率控制的不足之处,拟提出融合聚类和支持向量机算法的路灯节能控制策略,对不同指标数据的分析,制定路灯的使用时间和调节功率,达到有效节能的目的,精确率和召回率的实验证明该方法的可行性。本文完成的主要研究工作如下:(1)针对光照度控制路灯开关不稳定的问题,本文提出一种融合光照度聚类与支持向量分类机的路灯开关方法SVM-ES。该方法收集光照度、时间、安装角度数据,并用K-means算法对光照度进行聚类,把原本变化剧烈的光照度数据变为5个等级(1~5),然后通过SVM对数据进行学习训练,在不考虑其他外在因素的情况下,预测路灯的开关时间。实验结果表明,该算法可有效降低路灯的用电量。(2)针对定时调节功率不能适应车流量变化的问题,本文提出一种融合车流量聚类和支持向量回归机算法的路灯功率调节方法SVR-ES。该方法首先收集车流量、时间、道路类型数据,并使用K-means算法对车流量数据进行聚类,把原本变化剧烈的车流量数据变为5个等级(1~5),然后通过SVR对数据进行学习训练,在不考虑其他外在因素的情况下,预测路灯的功率百分比。实验研究结果表明,该算法可有效降低路灯的用电量。(3)SVM-ES和SVR-ES从不同角度研究路灯节能,因此可将两者融合,提出一种基于支持向量机先分类再回归的路灯节能方法SVMR-ES。该方法首先收集光照度、时间、安装角度数据,并使用K-means算法对光照度数据进行聚类分组,然后通过SVM对数据进行学习训练,预测路灯的开关时间;然后收集车流量、时间、道路类型数据,使用K-means算法对车流量数据进行聚类分组,通过SVR对数据进行学习训练,预测路灯在开灯时间内的功率百分比。实验研究结果表明,该算法可比以上2种方法SVM-ES、SVR-ES单独使用更能降低路灯的用电量。(4)根据方法三SVMR-ES做出原型系统。原型系统与路灯控制系统相对独立,提供HTTP协议的接口。路灯控制系统将光照度、车流量、时间、安装角度、道路类型数据发送给原型预测系统,然后由原型预测系统计算开关灯状态、功率百分比的结果并返回给路灯控制系统。