The concept of intelligent system for street lighting control using artificial neural networks

• Autorzy: Kolasa M.

Identyfikatory

DOI

10.15199/48.2016.07.05

Warianty tytułu

PL

Koncepcja inteligentnego systemu wspomagającego sterowanie oświetleniem ulicznym z wykorzystaniem sztucznych sieci neuronowych

• Języki publikacji: EN

Abstrakty

EN

Street lighting systems which are commonly used today are inefficient in terms of energy consumption, as they don’t take into account actual current demand for lighting intensity. This paper presents a concept of an intelligent street lighting control system, whose aim is to improve energy efficiency by matching lighting intensity to weather conditions. In this study, an overview of state-of-the-art solutions of this type is presented, which is a background for the concept of the proposed intelligent system. In the paper selected preliminary experimental results are also shown.

PL

Stosowane powszechnie systemy sterowania oświetleniem ulicznym są wysoce nieefektywne z punktu widzenia zużycia energii, gdyż nie uwzględniają aktualnego zapotrzebowania na natężenie oświetlenia. W artykule zaprezentowano koncepcję inteligentnego systemu wspomagającego sterowanie oświetleniem ulicznym, którego celem jest poprawa efektywności energetycznej poprzez dostosowanie intensywności oświetlenia do aktualnych warunków pogodowych. W pracy przedstawiono także przegląd literaturowy istniejących rozwiązań oraz wstępne wyniki badań symulacyjnych.

Słowa kluczowe

EN

street lighting control; artificial neural network; optimization of energy consumption

PL

sterowanie oświetleniem ulicznym; sztuczna sieć neuronowa; optymalizacja zużycia energii

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2016
• Tom: R. 92, nr 7
• Strony: 32--37
• Opis fizyczny: Bibliogr. 22 poz., rys., wykr.

Twórcy

autor

Kolasa M.

• Faculty of Telecommunications, Computer Science and Electrical Engineering, UTP University of Science and Technology, ul. Kaliskiego 7, 85- 796 Bydgoszcz, Poland

Bibliografia

• [1] Saravanan K.: Fuzzy Controller Design of Lighting Control System By Using VI Package, International Journal of Artificial Intelligence, 1(2), pp. 73–78, 2012.
• [2] Górczewska M.: Redukcja poziomu oświetlenia drogowego - możliwości i ograniczenia, Spektrum, 5-6, pp. 9–12, 2013.
• [3] Pabjańczyk W.: Inteligentne sieci oświetlenia drogowego jako metoda poprawy bilansu energetycznego w gminach, elektro. info, 7-8, 07.08.2013.
• [4] Tomczuk P.: Pomiary rozkładu luminacji na ulicy oświetlonej oprawami LED, Przegląd Elektrotechniczny, R. 87 NR 4/2011, pp. 110–113, 2011.
• [5] Intelligent Street Lighting Saves Up to 80% On Energy, ScienceDaily, July 2011.
• [6] Rea M.S., Bullough J.D., Akashi Y.: Several views of metal halide and high pressure sodium lighting for outdoor applications, Lighting Research and Technology, 41(4), pp. 297–320, 2009.
• [7] Inteligentne oświetlanie uliczne: Phillips, Ekopartner, 5(199), pp. 32-34, 2008.
• [8] Pizzuti S., Moretti F., Annunziato M., Panzieri S.: Advanced Street Lighting Control through Neural Network Ensembling, The Second International Conference on Smart Systems, Devices and Technologies, pp. 76–81, 2013.
• [9] Lavric A., Popa V.: A Traffic Prediction Algorithm for Street Lighting Control Efficiency, Journal of applied Computer Science & Mathematics, 15(7), pp. 13–17, 2013.
• [10] CIE 115: Recommendations for the Lighting of Roads for Motor and Pedestrian Traffic, 1995.
• [11] Gała M.: Zastosowanie sztucznych sieci neuronowych do oceny wpływu pracy odbiorników nieliniowych na jakość energii elektrycznej, Przegląd Elektrotechniczny, NR 6/2011, pp. 42–46, 2011.
• [12] Hou C.-I.: Traffic Flow Forecasting in Leisure Farm Areas Using Artificial Neural Networks, Przegląd Elektrotechniczny, R. 89, NR 1b/2013, pp. 205–207, 2013.
• [13] Canca D., Larraneta J. , Lozano S. , Onieva L.: Traffic intensity forecast in urban networks using a multilayer perceptron, Joint International Meeting EURO XV - INFORMS XXXIV, Barcelona, Hiszpania, 1997.
• [14] Dougherty M.S. and Cobbett M.: Short term inter-urban traffic forecasts using neural networks, Proc. Second DRIVEII Workshop on Short-Term Traffic Forecasting, Delft, The Netherlands, pp. 65–79, 1994.
• [15] Ishak S., Kotha P., Alecsandru C.: Optimization of Dynamic Neural Network Performance for Short-Term Traffic Prediction, In Transportation Research Record, pp. 45–56. 2003.
• [16] Pamula T.: Road traffic parameters prediction in urban traffic management systems using neural networks, Transport Problems, 6(3), pp. 123–128, 2011.
• [17] Bucur L., Florea A., Petrescu B.S.: An adaptive fuzzy neural network for traffic prediction, 18th Mediterranean Conference Control & Automation (MED), 6(3), pp. 123–128, 2011.
• [18] Jawanjal S., Bajaj P.: A design approach to traffic flow forecasting with soft computing tools, 3rd International Conference Emerging Trends in Engineering and Technology (ICETET), Goa, pp. 81–84, 2010.
• [19] Volosencu C., Curiac D.I., Banias O., Ferent C., Pescaru D., Doboli A.: Hierarchical Approach for Intelligent Lighting Control In Future Urban Environments, IEEE International Conference on Automation, Quality and Testing, Robotics , pp. 158–163, 2008.
• [20] Ramadhani F., Bakar K.A., Shafer M.G.: Optimization of Standalone Street Light System with Consideration of Lighting Control, International Conference on Technological Advances in Electrical, Electronics and Computer Engineering (TAEECE), pp. 583–588, 2013.
• [21] Długosz R., Kolasa M., Pedrycz W., Szulc M.: A Parallel Programmable Asynchronous Neighborhood Mechanism for Kohonen SOM Implemented in CMOS Technology, IEEE Transactions on Neural Networks, 22(12), pp. 2091–2104, 2011.
• [22] Kolasa M., Długosz R., Pedrycz W., Szulc M.: Programmable Triangular Neighborhood Function for Kohonen Self-Organizing Map Implemented on Chip, Neural Networks, Elsevier, 25, pp. 146–160, 2012.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.