能源是促进社会经济发展的重要支柱, 是保障人民生活质量的基础。节约资源、保护环境始终是我国的政策导向。如何有效推进节能减排工作是国家政府和各行各业共同关注的焦点。近年来, 随着社会进步和人民生活质量提升, 公共建筑能源消耗量在不断攀升^[1], 其能耗在全国建筑总能耗中的比重已达到39 %, 单位面积电耗一直保持增长趋势^[2]。照明用电作为公共建筑的主要用电分项之一。其耗电量在公共建筑总能耗中占据较大比重^[3], 具有很大的节能潜力。

照明系统能耗与控制方式息息相关。目前, 国内外关于照明节能控制的研究主要集中在两个方向。

一是天然采光与人工照明的高效结合。通过引入室外自然光降低建筑的照明能耗, 同时提高用户的视觉舒适度^[4]。因此, 如何合理利用自然光, 使其与室内灯光结合, 从而满足室内光照需求是许多研究人员的目标。宗卫周等人^[5]构建了公共场所中人造光与自然光结合的混合照明模型, 并采用改进蚁群算法求解, 以找出能够实现照明舒适与节能兼顾的最优灯具照度组合。YANG P等人^[6]研究了应用自然光和照明灯具的智能控制策略, 以舒适度高和能耗最低为目标函数建立模型, 采用带约束条件的粒子群优化算法求解, 搜索照明设备的最佳亮度组合, 在满足员工舒适度和个性化需求的同时实现节能。杨思源^[7]针对办公类场景的照明特点提出了一种结合天然采光与灯具调光的智能照明控制策略, 包含窗帘智能调节和照明设备调光补光两个控制模型, 可以根据室内的天然采光和人员位置调节照明设备的光通量, 在满足照度要求的同时实现灯光的节能调控。

二是智能照明系统。智能照明系统借助计算机、通信、自动控制等技术, 采集室内光环境参数, 分析用户需求, 通过对相关数据的传输和处理实现对照明系统的智能控制和便捷管理, 在保证照明效果的基础上减少人为控制的负担和电能的消耗^[8]。王伟^[9]研究了一种分布式智能照明系统, 在采集目标区域光照强度的基础上, 结合用户期望的光照强度, 通过相应的控制算法调节室内人工光源的亮度, 以满足人们多样化的照明需求。BYUN J等人^[10]提出了一种基于用户满意度评价模型的节能照明控制系统, 该系统考虑了空间特性和居住者行为模式, 通过调节照明系统的控制参数来提高能源利用率和居住者满意度。ZHENG Y P等人^[11]以物联网技术为核心, 基于网状拓扑设计了一种办公楼照明节能控制系统, 可以根据感应到的办公室人数、人员位置和照明亮度智能控制灯具开关或切换预设照明模式。陈寒梅等人^[12]提出了一种基于深度学习的智能照明调节系统, 通过区块化设计和神经网络算法完成对室内人员的快速定位, 根据人员实时位置进行跟踪式照明与自适应亮度调节, 实现照明系统总体节能且局部照明舒适的目的。

基于上述研究, 本文从研究天然采光对室内照度的影响出发, 结合照明系统的智能控制手段, 针对办公建筑中办公室和停车场两类典型场景, 提出了基于情景模式和天然采光的办公场景照明优化调控策略, 以及采用定时与人体感应相结合的停车场景照明优化调控策略, 并通过案例对比分析照明系统在该策略控制下的节能效果。

光环境作为建筑环境中重要的组成部分之一, 是指自然光和人工光照射在建筑内部空间而形成的环境^[13]。随着社会进步以及建筑设计和建造技术的创新发展, 办公类建筑慢慢趋向高层化、大空间化, 但是具备此类特点的建筑中心区域往往因为远离门窗, 导致天然采光不足, 基本全靠灯具照明来满足照度要求。

构造优质舒适的光环境离不开自然光。经国内外研究发现, 在同等照度水平下, 人在自然光环境下的视觉功效相比于在人工照明下要高5 % ~20 % ^[14], 也就是说, 将天然采光引入室内照明更有利于营造舒适健康的光环境, 从而对人的心情和精神产生积极影响, 有利于工作效率的提高。此外, 自然光作为一种良好的绿色能源, 可替代部分人工照明, 降低照明能耗, 实现节能减排。为了验证上述天然采光所能实现的效果, 本文通过构建仿真模型, 对比分析有无天然采光情况下室内的照度分布, 为办公类建筑中照明系统的优化调控提供思路。

常用的光环境模拟软件有Ecotect, Radiance, Dialux, Daysim等, 每款软件都有各自不同的特点和优势, 其中, Autodesk Ecotect Analysis可以进行天然采光的模拟以及声环境和热环境等模拟分析^[15]。考虑到本文目的是分析天然采光对室内照明的影响, 因此选用Ecotect软件对室内光环境中的照度分布进行分析。仿真模型的构建主要包括天空模型的选择、房间模型的建立和光控方式的选择3个部分。

(1) 天空模型。在使用Ecotect软件进行采光分析时, 可选择的天空模型有全阴天模型和均匀天空亮度分布模型。室外照度采用的是设计天空照度, 由室外照度的统计分析结果得出, 代表全年上午9∶ 00至下午17∶ 00内85 % 以上时间的平均照度。Ecotect软件为设计天空照度提供了2种计算方法: 一种是根据Tregenza散射天空照度公式计算; 另一种是基于实测数据进行三次曲线拟合得出。相比之下后者更接近实际情况。

(2) 房间模型。为模拟室内光环境, 建立一个4 900 mm×3 000 mm×2 800 mm(长×宽×高)的房间模型, 并在南墙面开设一扇窗户, 窗户尺寸为2 000 mm×1 500 mm(长×宽), 窗户下沿距地面1 100 mm。窗户和墙面材质均按照相关规范进行简单赋予。在房间天花板上设置两盏照明灯具, 灯具光通量为1 500 lm。房间模型如图 1所示。

(3) 光控方式。在Ecotect软件中, 对光控照明的分析方式有开关式控制方式和调光式控制方式。开关式控制方式的可控制状态只有开和关两种, 当室内照度低于设定值时开启人工照明, 室内照度较高时则关闭, 与人工控制照明的状态很接近。调光式控制方式则是渐变式的, 当室内照度低于设定值时可以对照明设备实时动态调节, 使室内照度能够随时满足用户要求。

基于上述房间模型, 以2种不同的天空模型为变量条件, 以750 mm的水平面作为测量照度时的标准高度值^[16], 对比分析该水平面在天然采光和综合采光下的照度分布。

在仅有天然采光条件下，房间750 mm水平面(即“工作面”)的照度分布如图 2所示。

由图 2可以看出, 工作面照度在近窗侧的一定距离内变化较为明显, 随着与窗户距离的增加而逐渐降低, 此后受自然光的影响较小, 照度较为均匀。

阴天时最高照度约为1 630 lx, 均匀天空条件下最高照度约为1 815 lx, 此时室内采光更好, 采光范围更大, 均匀度更佳。

无窗情况下, 仅有人工照明时的室内照度分布如图 3所示。此时室内照度最高仅有350 lx, 最低为48 lx, 与天然采光下的光环境照度差距较大, 说明相比于人工照明, 开设采光口引入自然光的照明效果更佳, 对室内光环境更加有益。

天然采光和人工光源综合照明条件下，房间工作面的照度分布如图 4所示。

由图 4可以看出，在天然采光较好的情况下, 引入更多的自然光能够让空间内照度更加均匀, 照明舒适性更好。

为了对比两种光控方式的区别, 在采光模拟时将最小照度设置为300 lx。两种光控方式下的计算设置和结果如图 5所示。

分析模拟结果发现, 在使用开关式控制方式时, 89 % 左右的天然采光时间里可以完全采用自然光照明, 不需要人工照明补充。采用调光式控制方式时, 有95 % 左右的天然采光时间可以完全关闭人工照明灯具, 仅使用自然光照明, 说明调光式控制方式的光控照明能够更好地利用天然采光的优势, 在满足室内照度的前提下节省照明能耗。

本文以公共建筑中办公室和停车场两类典型场景为例, 通过分析特定场景的环境特点和用户需求, 分别提出照明系统优化调控策略。

国内外照明相关的标准和规范中提到, 办公场景中的照明要营造安全舒适的视觉环境, 以确保工作人员准确高效地完成视觉任务, 而不造成过度疲劳和不适^[17]。在满足这一要求的基础上, 为尽可能实现节能, 本文所提出的办公场景照明优化调控策略包含以下两个方面。

(1) 基于典型情景的照明模式设定基于工作人员的活动时间对办公场景进行划分, 一般包含上班、午休、下班和加班4种情景。根据这4种情境下室内工作人员对照明的要求, 将照明模式进行相对应的设定, 具体如表 1所示。其中，预设照度值可根据办公场景的不同区域要求分别设定。

(2) 基于天然采光的照明自动调节根据上文分析可知, 充分利用天然采光能够提高室内光环境的舒适性, 有效减少人工光源的使用, 从而达到节能的目的。办公场景通常具备一定的采光条件, 但射入室内的自然光会随着气候、天气、时间等因素发生变化, 具有不稳定性, 因此需借助照度传感器等设备实时检测办公场景内的工作面照度, 基于采集的照度数据判断该区域是否需要调节人工照明设备进行补光, 以及需要补光多少, 从而实现各区域照明设备的自动调光控制, 始终保持各区域照度在预设照度值附近。

办公建筑停车场大多位于地下, 无法利用自然光, 因此针对地下停车场的照明优化调控主要采用定时与人体感应相结合的方式。考虑到工作日与休息日停车场内人流量的差别, 将其调控策略分开设置, 使停车场内的灯光既能按照人为规定的时间自动开启或关闭, 也可以根据人体移动感应控制的方式做到有人/车通行时渐亮开灯、无人/车时延时调暗灯光至关灯。具体策略如表 2所示。

为实现上述办公场景和停车场景的照明优化调控策略, 需在建筑的原照明系统中加装如下设备。

(1) 照明控制器串联在电源与灯具或设备之间, 既可以支持灯具的调光控制, 也可以对一个照明回路进行开关控制。该照明控制器可采用蓝牙BLE Mesh网络技术, 支持与各种控制设备(如传感器和交换器)进行无线集成。

(2) 照度传感器能精确感知周围环境亮度, 并通过蓝牙Mesh模块与整个照明系统互动, 以实现对灯光的智能调控, 在尽可能降低照明系统能耗的同时, 保证用户的照明舒适性。

(3) 人体红外传感器集成了蓝牙BLE Mesh网络模块, 可以与照明灯具组网实现联控。

(4) 物联网关基于蓝牙技术实现设备之间的信息推送和数据信息交互, 通过与照明控制器、人体和照度传感器等设备组成蓝牙BLE Mesh网络, 以实现设备的智能联动。它是整个照明优化控制系统的核心设备。

在加装上述照明系统关键设备的基础上, 构建照明控制系统体系架构如图 6所示。

由图 6可以看出，系统可分为感知层、网络层、平台层、终端层4个部分。感知层包括各类传感器和控制器, 主要负责照明参数和用户位置等相关数据的采集以及照明控制命令的执行; 网络层是指由网关等通信设备组成的无线传输端, 该层上下分别与云平台和感知层连接, 完成数据的传输; 平台层主要对系统中的数据进行处理, 包括信息的存储、比较等功能; 终端层主要面向用户, 用户可以使用手机、平板或电脑等设备登录终端服务器平台, 对各区域的照明设备进行在线查看或实时控制。

为验证上述策略的有效性, 以上海市某公共建筑为例, 针对地下停车场和部分办公区域, 通过加装前文中提到的硬件设备, 对两个区域的照明控制系统进行优化改造。图 7为照明控制系统的图形化界面, 可以实时查看环境照度、设备能耗等数据, 并随时控制照明灯具的运行状态。

优化改造后, 两个典型区域照明系统在某工作日的逐时能耗如图 8所示。办公区域照明能耗自早晨7∶ 00左右开始升高, 在8∶ 00到达峰值, 与工作人员的上班时间保持一致。上午该区域的照明能耗基本稳定, 11∶ 30至13∶ 00为午休时段, 在该时段照明系统切换至午休模式, 能耗降低。下午该区域照明能耗出现明显波动, 主要是受到室外自然光的影响。下午18∶ 00照明系统切换下班模式, 能耗开始降低, 至20∶ 00所有加班人员离开, 照明灯光关闭, 能耗基本为零。地下停车场照明控制系统以感应控制为主, 因此其能耗主要与人流量和车流量有关。能耗高峰一般出现在早晨8∶ 00左右的上班时刻、中午11∶ 00左右的午休时刻以及下午17∶ 00左右的下班时刻; 夜间21∶ 00以后停车场基本无人和车辆, 能耗基本为零。

两个区域的照明系统在原控制策略下某工作日的总能耗为41.89 kWh, 在优化控制策略下总能耗为25.97 kWh。其中, 由于未改造前目标建筑没有对照明系统的能耗进行监测, 因此原控制策略下的能耗是基于灯具数量、单个灯具的能耗以及运行时间计算得出。与原控制策略相比, 两个区域的照明系统采用优化控制策略可节省38 % 的日运行能耗, 且能有效避免夜间无人时灯具长时间开启的情况。

本文对办公建筑的照明系统提出了节能优化调控策略。借助Ecotect软件建立了室内光环境仿真模型, 分析了天然采光对室内照度的影响。针对目标建筑中办公场景和停车场景的不同特点分别提出有针对性的照明优化调控策略。以上海某办公建筑停车场和部分办公区域作为案例, 分析了照明优化调控策略的节能效果。通过上述分析得出如下结论。

(1) 基于对比模拟得到的室内光环境照度分布发现，引入自然光能够使室内照度更均匀, 有助于提高室内光环境的舒适性, 同时有效减少人工照明的使用, 起到节能效果。

(2) 典型案例分析表明, 与原控制策略相比, 针对办公场景采用基于情景模式设定和天然采光利用的照明优化调控策略, 针对停车场景采用定时和人体感应相结合的照明优化调控策略, 可节省38 % 的照明系统日运行能耗。