抽水蓄能电站地下厂房施工期照明最优照度分配问题研究

李　宁，陈　磊，李璟延，杨　梅，王建明（.中国电建集团北京勘测设计研究院有限公司，北京0004；.河北丰宁抽水蓄能有限公司，河北承德06850；.国网新源控股有限公司，北京0076）



抽水蓄能电站地下厂房施工期照明最优照度分配问题研究

李宁1，陈磊2，李璟延3，杨梅1，王建明1
（1.中国电建集团北京勘测设计研究院有限公司，北京100024；2.河北丰宁抽水蓄能有限公司，河北承德068350；3.国网新源控股有限公司，北京100761）

摘要：抽水蓄能电站地下厂房施工期的照明问题比较复杂，其最优照度分配问题国内也鲜有研究。蓄能电站地下厂房系统不仅要最大限度节省成本还要考虑施工期照明质量及照明效果，避免安全事故的发生，针对这一特点，本文建立了基于遗传算法的蓄能电站地下厂房施工期智能优化模型，以照明系统耗能最小作为运行的目标函数，使各照明灯具照度分配达到最优。并对其进行了仿真验证，实验结果表明：该方法可以按不同的照度需求调节地下厂房内各照明灯具，使其获得最佳的优化照度，可以在保证照明质量的前提下最大限度的节省施工期的照明成本。

关键词：蓄能电站地下厂房；节能；照度模型；遗传算法

1引言

抽水蓄能电站地下厂房的建设有其独有的特点，24 h全天候的照明是保障电站建设及施工安全的前提，但施工单位往往基于成本考虑仅仅是对施工作业提供了必要的保障，导致施工环境昏暗，因此存在很大的安全隐患。可见，既要保障地下厂房施工人员的安全作业，又要降低成本的投入是彼此矛盾的，但是，若能对抽水蓄能电站中照明灯具的照度值进行合理的配置，即可解决这个问题。目前，国内照明的节能途径包括：①节能电光源及其照明器件的选择；②照明节能设计中的控制方式；③合理优化照明灯具的布局；④良好的日常维护。不同区域内各照明灯具照度分配的合理优化这一非线性问题在国内却鲜有研究，因此，该方法的研究对降低蓄能电站地下厂房施工期照明投入成本这一问题具有积极意义[1-4]。

目前，国内外的学者对抽水蓄能电站地下厂房施工期不同区域内最优照度分配这一领域的研究相对较薄弱，本文旨将遗传算法这一概念引入到照明灯具的照度优化过程中，再运用系统工程的观点，分析蓄能电站地下厂房施工期中最经济的运行模式。遗传算法提供了一种求解非线性、多模型、多目标等复杂系统优化问题的通用框架，在满足基本照明的前提下进行综合分析，搜索全局得到最优解，从而使系统整体照度的分配达到最优，确保系统的低功耗[5]。最后，本文通过工程对比，充分验证了该方法在解决照度优化问题方面，具有良好的效果。

2抽水蓄能电站照度调节优化方案

2.1施工期洞室照明及优化方案概述

抽水蓄能电站地下厂房不同区域内的照明有其不同的照度需求，尤其是各条连接外界的隧道。为了既满足照明问题，也同时满足低成本的要求，目前的解决方法多数是更改照明灯具的数量，从而满足各区域的不同需求，然而，这不仅会造成厂房内部，亮暗不均，而且还不能达到照度的需求，从而导致内部施工的安全隐患，所以，通过调整各个灯具的照度值来达到整体的照明最佳照度，则成为了关键，以达到低能耗、厂房照明充足的要求。

2.2地下厂房内照度模型

2.2.1地下厂房内单灯照度模型

灯具照度模型的设计受很多因素的影响，包括灯具种类，光通量，灯具的安装位置，安装方式，布置角度和布置方法，灯具的安装高度，色谱图等多种因素。在计算单灯照度时有很多种方法，如利用系数法、单位容量法、概算曲线法、平方反比法等多种方法，不同的方法有不同的优缺点，在进行照度计算时要根据不同的情况进行选择，以期选择出适合不同环境的最优方法，本文选用光强表的数值计算方法来建立地下厂房内单灯照度模型。

图1所示为地下厂房内单灯照度模型示意图，其中A点为厂房内某照明装置，P点为所设定的照度检测点，H为照明灯具的安装高度，r为夹角[6]。

图1　地下厂房内单灯照度模型示意图

本文采用光强表对照明装置的照度进行计算，地下厂房内的某一照明装置在检测点产生的照度为[7-8]：

Epi—照明装置i在图中照度检测点所产生的照度值（lx）；

r—检测点对应的照明装置的夹角；

I—照明装置在检测点P的光强值（cd）；

M—照明装置的养护系数；

E—照明装置的光通量（lm）；

H—照明装置的安装高度（m）。

所有照明装置在检测点所产生的总的照度值：

Ep—检测点p照度值（lx）；

n—照明装置数（个）。

通常，地下厂房内会有多个照明装置对某一区域进行同时作用，从而增强亮度。但是照明装置的作用范围是有限的，距离照明装置太远的区域基本不受影响，因此只需要计算某一检测点附近一定区域内的照明装置在此检测点同时作用产生的照度值。

2.2.2抽水蓄能电站地下厂房施工期照度优化模型

众所周知，同一种照明装置，照明功率越大它所对应的光通量越高，因此光通量可以间接反映照明装置的能量消耗。本着系统所耗能最低的指标，本文以各照明装置总的光通量最小作为算法择优选择的标准，并确定目标函数。

（1）目标函数：

式中：F—各照明装置总光通量的最小值（lm）；

E（i）—第i个照明装置的光通量（lm）；

m—照明装置总个数。

（2）限值条件：

①检测位置照度值限值条件：

检测位置的照度值应该不小于此区域所要求的照明水平，保证照明条件满足工作需要：

式中：Eav（i）—第i个检测区域的照度值（lx）；

e（i）—第i个检测区域的照度需求值（lx）。

②各照明装置照度限值条件：

各照明装置都有各自的照度调节区域，不能无限调节，调节值应在各自所规定的调节区域内：

式中：Emini—第i个照明装置照度下限（lx）；

Ei—第i个照明装置的照度值（lx）；

Emaxi—第i个照明装置的照度上限（lx）[9]。

3模型的建立

3.1算法简介

遗传算法是一种搜索最优解的算法，它模拟自然界的进化选择过程，这种算法把自然界生物进化过程中的优胜劣汰、择优选择等反映到了算法程序上，通过这个机理得到最优解，遗传算法在很多领域都得到应用。本文根据遗传算法的这些机理把理论研究应用到了实际工程中，以耗能最小作为择优选择的目标，进行了地下厂房施工期照明的优化模型建立，针对施工期地下厂房照明设计优化算法：

（1）初始种群的产生

针对现在灯具照度调节的方法，对每个灯具进行照度调节，在设计的施工期照明优化模型中，对初始种群的每个基因进行二进制编码，将初始种群中的个体用一个在照度调节范围内的实数来表示。

（2）进行适应度函数的构造

在算法实施过程中需要进行选择，首先必须制定选择依据，也就是择优选择的条件，这里构造了适应度函数进行选择评价，适应度函数认为个体越接近目标值则此个体遗传到下一代进行重新选择的概率就会更大，反之概率就会变低，甚至被淘汰。

（3）选择与繁殖

个体在遗传到下一代的过程中，为了防止产生局部最优解的问题出现，需要增加新的个体，这个新的个体产生的过程中可以采用交叉和变异，遗传算法中制定了很多交叉、变异的方法来进行选择和淘汰，并最终保证种群个体数量一定。

（4）进行约束条件的确定

在优化模型进行求解的过程中，用何种方法来确认程序所得出的结果已经达到最优，这是程序终止的关键问题。在这里优化模型采用的方式是：遗传算法所产生的平均适应度基本不变或者是其变化值在一个很小的给定值里[9-11]。

3.2优化模型的建立

根据工程中对照明优化的需要，并引入上文中提到的遗传算法的思想，进行了施工期照度优化模型的建立，下面对优化模型算法程序流程进行相应介绍，如图2所示。

图2　照度优化模型程序步骤

同时进行优化模型参数确定：

（1）概率选择：遗传算法交叉和变异概率有两种选择方式

①定值，一般而言，交叉概率在0.9～0.97之间任取,变异概率在0.1～0.001之间任取；②自适应取值，按交叉或变异个体的适应度值以及当代的平均适应度值计算，本文中此参数由程序自行设定。

（2）收敛条件的确定：采用遗传算法所产生的平均适应度基本不变或者是其变化值在一个很小的给定值里来判定是否达到终止条件。

4工程实例分析

本文以丰宁抽水蓄能电站引水隧洞施工支洞照明作为研究对象，丰宁蓄能电站引水隧洞施工支洞长965 m，现采用单排LED灯布置（洞口实际功率100 W，洞内实际功率70 W），安装高度5.5 m，照明效果良好。本文选取洞内某段照明区域进行优化研究，此段照明区域长40 m、宽7.5 m、灯具安装高度为5.5 m；灯间距为10 m；空间内装设5盏灯；灯具布置5个检测点，其分布见图3所示。在此只计算检测点周围3盏灯对其产生的影响。采用本文中所设计的照度优化模型对所选取对象进行优化，对照明灯具照度进行合理配置，同时把照度分配结果与运行情况进行对比，并分析其节能效果。

图3　地下厂房施工支洞某段区域灯具分布图

在图3设定A、B、C、D、E总共5个检测点，其照度值分别设定为100（lx）100（lx）80（lx）80（lx）50 （lx），优化算法运行过程中最优解的变化情况如图4所示。

图4　解的变化及种群均值变化情况

由图4解的变化及种群均值变化情况可以看出目标函数值越来越小，并最终收敛于一个很小的区间范围内，优化模型计算得所需各灯具的总光通量值分别为：9000lm、4000lm、4500lm、8000lm、2000lm，而现有引水隧洞施工支洞采用的灯具光通量均为7 000 lm，两者对比可以看出优化算法对灯具的配置

具有一定的节能效果。

5结论

本文主要针对蓄能电站地下厂房施工期照明运行方式进行了研究，重点解决地下厂房施工期照明系统的安全性能与成本投入这一此消彼长的矛盾。设计了抽水蓄能电站地下厂房照度优化配置的数学模型，通过引入遗传算法，可较好的解决抽水蓄能电站地下厂房最优照度分配问题，减少了施工期照明的投入成本，本文提出的照度优化模型不仅使得蓄能电站地下厂房施工期的照明效率有了明显的提高，同时使各灯具的照度分配达到最优，满足了蓄能电站地下厂房施工期进行较少投入又达到良好照明的需求。不足之处是施工期地下厂房照度优化模型的设计前提条件是理想条件下进行的，未全面考虑影响照明质量的各种因素，同时程序默认选定区域外照度为零，因此优化结果可能与实际设计经验有区别，所以后续研究中应全面考虑各种影响因素，同时增加样本数目以期达到良好的优化节能效果，进而指导工程设计。

参考文献：

[1]中国水力发电工程学会电网调峰与抽水蓄能专业委员会.抽水蓄能电站工程建设文集(2013)[M].北京：中国电力出版社，2013.

[2]崔璐璐,陈仲林,殷颖.隧道照明安全与光源光色研究[J].照明工程学报,2009,20(2):25-29.

[3]ANGEL P，DESSISLAVA P.Optimization of the light distribution of luminaries for tunnel and street lighting[J].Engineering Optimization,2008,40(1):47-65.

[4]崔丰曦.基于模糊神经网络的隧道照明控制系统研究与设计[D].长沙：湖南大学，2009.

[5]王群锋,冯冬青,蒋德珑.室内照明智能控制技术研究与仿真[J].计算机仿真,2012,29(3):218-221.

[6]中华人民共和国交通部.JTJ 026公路隧道通风照明设计规范[S].北京:人民交通出版社,2000 .

[7]张九红,庄金迅.配光曲线在照明计算中的应用[J].沈阳建筑大学学报,2007,23(6) :941-944.

[8]王鹏展.LED道路照明光环境优化技术探索[D].上海：复旦大学,2011.

[9]李宁，王晓东.遗传算法在高速公路隧道照明智能优化中的应用[J].中南大学学报(自然科学版),2013.

[10]陶吉利.基于DNA计算的遗传算法及应用研究[D].杭州:浙江大学,2007.

[11]RAMKUMAR B,SCHOEN M P,Hybrid enhanced continuous tabu search and genetic algorithm for Parameter estimation in colored noise environments[J].Expert Systems with Applications,2011,38(4):3909-3917.

作者简介：李宁（1986-），男，工程师，从事水电站电气一次设计工作。

收稿日期：2015-12-18

中图分类号：TM923.02

文献标识码：A

文章编号：1672-5387（2016）03-0012-04

DOI：10.13599/j.cnki.11-5130.2016.03.005