การควบคุมความสว่างของท่อนำแสงร่วมกับหลอดแอลอีดีด้วยวิธีโครงข่ายประสาทเทียม
Illuminance Control of Light Pipes and Dimmable LEDs with Artificial Neural Network
Abstract
ระบบแสงสว่างภายในอาคารเป็นปัจจัยหนึ่งในการใช้พลังงานไฟฟ้า การจะใช้พลังงานอย่างมีประสิทธิภาพนั้น ควรมีการนำแสงธรรมชาติมาใช้เพิ่มความสว่างภายใน เพื่อลดการสูญเสียพลังงานไฟฟ้าในระบบ จากการนำแสงธรรมชาติผ่านท่อนำแสง (Light pipe) มาใช้ภายในอาคาร พบว่ามีปริมาณแสงเปลี่ยนตามสภาพอากาศและฤดูกาล ทำให้ค่าความเข้มแสงเปลี่ยนแปลงไป เพื่อรักษาความเข้มแสงให้คงที่ บทความวิจัยนี้ได้นำเสนอการใช้ท่อนำแสงร่วมกับการชดเชยแสงด้วยหลอดแอลอีดี (LED) โดยใช้โครงข่ายประสาทเทียม (Neural Network) มาควบคุมความสว่าง โดยใช้ตัวแปรที่ต้องการออกแบบเป็นขนาดพื้นที่ห้อง 14 ตารางเมตร (3.50 เมตรx 4.00 เมตร) มีเซ็นเซอร์วัดปริมาณแสงจำนวน 4 ตัว โดยนำตัวแปรดังกล่าวมาใช้ในการฝึกสอน เพื่อให้ความเข้มแสงเฉลี่ยของห้องทดสอบเป็นไปตามต้องการ จากผลการทดลองพบว่าระบบ สามารถควบคุมความเข้มแสงเฉลี่ยให้มีค่ามากกว่า 400 ลักซ์ (Lux) ตลอดทั้งวัน ถึงแม้มีการเปลี่ยนแปลงของสภาพอากาศภายนอก จากตัวอย่างวันที่ทดสอบหาประสิทธิภาพการประหยัดพลังงานไฟฟ้า สามารถประหยัดพลังงานมากกว่าการเปิดไฟคงที่ถึง 17.70 เปอร์เซ็นต์ ด้วยชุดควบคุมความสว่างที่นำเสนอ ในบทความนี้สามารถรักษาระดับความสว่างในโซนที่ต้องการได้
A building’s interior lighting system is one of high energy consumption. For the energy efficiency of the lighting system, the application of both natural sources of light and artificial lighting are combined. Therefore, in the proposed technique, the cooperation of the light pipe and dimming power LEDs stand with a stable lux level. Then, light’s performance is controlled by an artificial neural network (ANN). To investigate the lighting performance of light pipe and dimming power LEDs, used as ANN training and testing set. The data for a room model area 14 m2 (3.50 m x 4.00 m), 4 light sensors, are used as inputs of the ANN. It was found that the Illumination level at 400 lux could be stable all day long even on a cloudy day with this system. The results verify that this technique is an achievable technique. Moreover, approximately 17.70% of energy saving was achieved by this controller. In this paper, according to a zone-defined priority desired maintained illumination levels at each zone.
Keywords
[1] A. Pandharipande and D. Caicedo, Daylight integrated illumination control of LED systems based on enhanced presence sensing, Energy and Buildings, 2011, 43(4), 944-950.
[2] S. Kim, I. Kim, A. Choi and M. Sung, Evaluation of optimized PV power generation and electrical lighting energy savings from the PV blind-integrated daylight responsive dimming system using LED lighting, Solar Energy, 2014, 107, 746-757.
[3] H. Choi, S.k. Hong, A. Choi and M. Sung, Toward the accuracy of prediction for energy savings potential and system performance using the daylight responsive dimming system, Energy and Buildings, 2016, 133, 271-280.
[4] P. Kakham and B. Ounpanich, The LED lighting systems with integrated daylighting for enhancing energy performance, Engineering Journal Chiang Mai University, 2016. 24(3), 13-24.
[5] A.P.J.M. Raja and V. Meenakshi, Neural network based dimming level control of LED network, International Journal on Recent and Innovation Trends in Computing and Communication, 2015, 2(3), 438-443.
[6] A.P.J.M. Raja and V. Meenakshi, Illuminance control of a LED lighting network using back propagated neural network, International Journal of Innovative Trends and Emerging Technologies, 2015, 1(2), IC15041.
[7] A.P. Taraseviciene, N. Morkevicius, A. Janaviciute, A. Liutkevicius, A. Vrubliauskas and E. Kazanavicius , The usage of artificial neural networks for intelligent lighting control based on resident’s behavioural pattern, Elektronika ir Elektrotechnika, 2015, 21(2), 71-79.
[8] M. Lin Jin and M. Chun Ho, LabVIEW-based fuzzy controller design of a lighting control system, Journal of Marine Science and Technology, 2009, 17(2), 116-121.
[9] J. Liu, W. Zhang, X. Chu and Y. Liu, Fuzzy logic controller for energy savings in a smart LED lighting system considering lighting comfort and daylight, Energy and Buildings, 2016, 127, 95–104.
[10] N.K. Kumar, G. Karunagaran, C. Spanos, K.J. Tseng and B. Soong, Smart lighting system using ANN-IMC for personalized lighting control and daylight harvesting, Building and Environment, 2018, 139, 170-180.
[11] V.D. Hien and S. Chirarattananon, Daylighting through light pipe for deep interior space of buildings with consideration of heat gain, Asian Journal on Energy and Environment, 2007, 08(01), 461-475.
[12] M. Kischkoweit-Lopin, An overview of daylighting systems, Solar Energy, 2002, 73(2), 77-82.
[13] N. Ekren and S. Görgülü , An investigation into the usability of straight light-pipes in Istanbul, Energy Education Science and Technology Part A: Energy Science and Research, 2012, 30(1), 637-644.
[14] S. Görgülü and N. Ekren, Energy saving in lighting system with fuzzy logic controller which uses light-pipe and dimmable ballast, Energy and Buildings, 2013, 61, 172–176.
[15] L. Sharma, S. Fatima Ali and D. Rakshit, Performance evaluation of a top lighting light-pipe in buildings and estimating energy saving potential, Energy and Buildings, 2018, 179, 57-72.
DOI: 10.14416/j.ind.tech.2023.12.002
Refbacks
- There are currently no refbacks.
