CN119421300A 基于光伏技术的城市文旅照明夜景互联控制方法、系统 （深圳市标美照明设计工程有限公司）

道禾花社区富安大道8号海源创新中基于光伏技术的城市文旅照明夜景互联控及一种基于光伏技术的城市文旅照明夜景互联所有的光伏照明夜景设备进行空间位置定位计2步骤S1：获取景区人流监测参数及光伏照明夜景设备步骤S2：基于光伏照明夜景设备状态数据对多个步骤S3：基于多个设备区域分布图对景区人流监测参数步骤S5：根据每一个区域的用电负载需求预测数据步骤S6：基于不同区域的人流量态势预测数据对动态2.根据权利要求1所述的基于光伏技术的城市文旅照明夜景互联控制方法，其特征在3.根据权利要求1所述的基于光伏技术的城市文旅照明夜景互联控制方法，其特征在34.根据权利要求3所述的基于光伏技术的城市文旅照明夜景互联控制方法，其特征在提取所述用电负载趋势特征的第一个区域的用电负载对第一个区域的用电负载趋势特征进行多时点特征分析，得到多对多个时间点的用电负载趋势特征进行负载峰谷值识别，以标记用对用电负载的峰谷值时间点进行周期演变特征挖掘，从而生成用电负载周期演变特基于用电负载周期演变规律对第一个区域的用电负载趋势特征进行用电负载需求预5.根据权利要求1所述的基于光伏技术的城市文旅照明夜景互联控制方法，其特征在步骤S35：根据不同区域间的人流交互逻辑对区域人流量分布数据进行短期人流态势6.根据权利要求1所述的基于光伏技术的城市文旅照明夜景互联控制方法，其特征在步骤S44：根据不同时间段的照明行为特征对多个设备区域分布图进行逐个设备照明7.根据权利要求6所述的基于光伏技术的城市文旅照明夜景互联控制方法，其特征在基于多个时间段的照明运行方案提取照明运行指令特征，所述4对平均照明亮度数据、不同时间段的色温变化范围、不同设备的亮8.根据权利要求1所述的基于光伏技术的城市文旅照明夜景互联控制方法，其特征在步骤S52：对负载需求峰值进行峰值时间预测，生成每一个区域的负载需求峰值时间步骤S53：基于每一个区域的负载需求峰值时间点对每一个设备的动态灯光行为特征9.根据权利要求1所述的基于光伏技术的城市文旅照明夜景互联控制方法，其特征在步骤S61：基于不同区域的人流量态势预测数据对动态照明亮度调整数据进行实时递步骤S62：对实时微调夜景照明数据进行区域联动响应分析，以生成区域联动响应数步骤S64：根据区域间响应延迟数据对所有的光伏照明夜景设备进行协同联动控制优设备空间分布模块，用于获取景区人流监测参数及光伏照明夜景设备人流态势预测模块，用于基于多个设备区域分布图对景区人流监动态亮度调整模块，用于根据每一个区域的用电负载需协同控制模块，用于基于不同区域的人流量态势预测数据对动态照明亮56[0005]本发明通过空间位置定位计算和分布分析了解各光伏照明夜景设备的位置分布7[0007]本发明通过多维传感器获取景区人流监测参数和光伏照明夜景设备状态数据全步骤S24：基于每一个设备的用电负载对多个设备区域分布图进行区域用电负载8提取所述用电负载趋势特征的第一个区域的用电负载基于用电负载周期演变规律对第一个区域的用电负载趋势特征进行用电负载需重复所述用电负载需求预测操作，从而生成每一个区域的用电负载需求预测数步骤S32：基于多个设备区域分布图对景区人流量波动数据进行区域人流浮动识步骤S35：根据不同区域间的人流交互逻辑对区域人流量分布数据进行短期人流9[0013]本发明通过对景区人流监测参数进行人流量波动分析有助于了解人流量的波动备区域分布图对景区人流量波动数据进行区域人流浮动识别确定不同区域的人流量变化每一个区域的人流量浮动特征进行区域人流交互分析揭示不同区域之间的人流互动规律，步骤S42：对夜景照明运行方案进行多时段分解，得到多个时间段的照明运行方步骤S44：根据不同时间段的照明行为特征对多个设备区域分布图进行逐个设备个设备照明行为匹配可确保每个设备按照照明行为特征运行，提高照明系统的整体效率，[0017]本发明通过对照明运行方案进行多时段分解有助于根据不同时间段的需求调整步骤S53：基于每一个区域的负载需求峰值时间点对每一个设备的动态灯光行为步骤S61：基于不同区域的人流量态势预测数据对动态照明亮度调整数据进行实步骤S63：对区域联动响应数据进行响应延迟计算，从而得到区域间响应延迟数步骤S64：根据区域间响应延迟数据对所有的光伏照明夜景设备进行协同联动控[0021]本发明通过基于人流量态势预测数据进行实时递进微调根据实际情况对照明亮设备空间分布模块，用于获取景区人流监测参数及光伏照明夜景设备状态数据；[0023]本发明通过获取景区人流监测参数与设备状态数据有助于了解景区内的实时情[0024]图1为本发明一种基于光伏技术的城市文旅照明夜景互联控制方法的步骤流程示[0027]请参阅图1至图4，本发明提供了基于光伏技术的城市文旅照明夜景互联控制方[0028]本发明通过空间位置定位计算和分布分析了解各光伏照明夜景设备的位置分布PostgreSQL或MongoDB为后续的分析和决策提供基础数据支撑。用的照明模式（如渐变、闪烁等对每个设备进行详细的行为分析，生成动态灯光行为特明模式及其持续时间，将分析得到的设备动态灯光行为特征整理成结构化数据，包括设备亮度=当前亮度×(1+调整比例)其中调整比例根据人流量步骤S24：基于每一个设备的用电负载对多个设备区域分布图进行区域用电负载个光伏照明设备进行逐个时序发电量计算，记录每个时间段的发电量，使用数据分析工具提取所述用电负载趋势特征的第一个区域的用电负载基于用电负载周期演变规律对第一个区域的用电负载趋势特征进行用电负载需重复所述用电负载需求预测操作，从而生成每一个区域的用电负载需求预测数()方法，按时间维度分组并计算所需特征，将多个时间点的用电负载特征存储在数据框库中的find_peaks函数来识别用电负载数据的峰值，同时使用自定义的条件来识别谷值（如负载值低于某个阈值对多个时间点的用电负载数据执行峰谷值识别，标记出每个时间点的负载峰值和谷值，使用条件表达式来筛选出峰值和谷值，将识别出的峰谷值时间点数据库中提取第一个区域的用电负载趋势特征数据，准备输入到训练好的模型中，将待预测数据输入到经过训练的深度学习模型中，生成未来的用电负载需求预测数据，将预电负载进行全面分析，将每个区域的用电负载需求预测数据存储在数据库中，形成每个区步骤S32：基于多个设备区域分布图对景区人流量波动数据进行区域人流浮动识步骤S35：根据不同区域间的人流交互逻辑对区域人流量分布数据进行短期人流波动，计算人流量的日均值、标准差和变异系数，以识别不同时间段内的波动情况，用Pandas库的rolling()方法计算移动平均和标准差，根据计算结果生成景区人流量波动数步骤S42：对夜景照明运行方案进行多时段分解，得到多个时间段的照明运行方步骤S44：根据不同时间段的照明行为特征对多个设备区域分布图进行逐个设备Pandas的groupby()方法对时间段进行分组，并计算相应的统计特征，使用基于规则的匹使用条件语句或模型预测来确定设备在该时间段的行为，生成每个设备的照明行为数据，的开启和关闭速率，动态模式：识别灯光变化的模式，例如周期性闪烁、渐变等，使用应包括每个设备的亮度值、色温、亮灯时长和颜色状态，将提取的数据转换为结构化格式特征：记录设备的颜色状态（如RGB值或色相使用Pandas的设备的亮度数据进行分组，对每个时间段内的设备亮度值计算平均值，按时间段对设备的条件语句或数据过滤，计算每个设备在特定时间段的亮灯时长，按设备ID对亮灯时长进行步骤S53：基于每一个区域的负载需求峰值时间点对每一个设备的动态灯光行为算，对每个区域的用电负载需求数据进行遍历，使用max()函数计算每个区域的最据库中提取每个区域的负载需求峰值数据，确保包含峰值和对应的时间戳，使用时间序列峰值时间点使用选定的预测模型对训练数据进行训练，优化模型参数，利用训练好的模型预测每个区域的下一次负载需求峰值时间点，将预测结果记录下来，将每个区域的负载需求峰值时间点及预测结果存储在数据库中，形成负载需求峰值时间点数据集，从数据库于其所在区域的负载需求峰值时间点，应用定义的亮度调整策略，使用控制系统或调光器步骤S61：基于不同区域的人流量态势预测数据对动态照明亮度调整数据进行实步骤S63：对区域联动响应数据进行响应延迟计算，从而得到区域间响应延迟数步骤S64：根据区域间响应延迟数据对所有的光伏照明夜景设备进行协同联动控设备空间分布模块，用于获取景区人流监测参数及光伏照明夜景设备状态数据；