【摘要】針對(duì)現(xiàn)有電氣火災(zāi)預(yù)警技術(shù)存在監(jiān)測(cè)功能不夠全面以及智能決策不夠完善等問(wèn)題，開(kāi)發(fā)了一種新型電氣火災(zāi)預(yù)警系統(tǒng)。首先，使用多個(gè)不同類(lèi)型的單參量采集模塊來(lái)采集火情現(xiàn)場(chǎng)數(shù)據(jù)，再將采集到的數(shù)據(jù)匯集到參量匯集模塊，完成多參量采集；其次，參量匯集模塊通過(guò)兩級(jí)制數(shù)據(jù)傳輸網(wǎng)絡(luò)，即ZigBee本地?zé)o線通訊和NB-IoT遠(yuǎn)程聯(lián)網(wǎng)通訊，將火情現(xiàn)場(chǎng)數(shù)據(jù)上傳至云平臺(tái)；*后，云平臺(tái)對(duì)數(shù)據(jù)進(jìn)行相應(yīng)運(yùn)算與處理，運(yùn)用智能識(shí)別算法，實(shí)現(xiàn)火災(zāi)預(yù)警?；谠撓到y(tǒng)，可及時(shí)預(yù)警和提前預(yù)判火情現(xiàn)場(chǎng)，減少人員傷亡和財(cái)產(chǎn)損失。

【關(guān)鍵詞】電氣火災(zāi)預(yù)警，ZigBee,NB-IoT,智能識(shí)別算法

0引言

近年來(lái)，我國(guó)電氣火災(zāi)多發(fā)，造成重大人員傷亡和財(cái)產(chǎn)損失。據(jù)統(tǒng)計(jì),2020年，因違反電氣安裝使用規(guī)定引發(fā)的火災(zāi)共8.5萬(wàn)起，占總數(shù)的33.6%,重特大火災(zāi)中電氣火災(zāi)占比高達(dá)55.4%，目前，已有一些電氣火災(zāi)預(yù)警問(wèn)題的相關(guān)研究:葉研等研究了基于CAN總線的實(shí)驗(yàn)樓火災(zāi)預(yù)警系統(tǒng)，將數(shù)據(jù)通過(guò)CAN總線發(fā)送到控制部分完成數(shù)據(jù)處理，提高了火災(zāi)預(yù)警系統(tǒng)的可靠性和反饋速度;張夢(mèng)媛設(shè)計(jì)了一款基于物聯(lián)網(wǎng)技術(shù)的無(wú)線火災(zāi)智能預(yù)警系統(tǒng)，采用ZigBee協(xié)議，利用各傳感器進(jìn)行檢測(cè)，通過(guò)蜂窩移動(dòng)通信技術(shù)將火災(zāi)情況發(fā)送至消防站，達(dá)到火災(zāi)預(yù)警的目的，于蘭等研究了基于神經(jīng)網(wǎng)絡(luò)技術(shù)的電氣火災(zāi)預(yù)警系統(tǒng)，利用BP神經(jīng)網(wǎng)絡(luò)判斷電氣火災(zāi)是否發(fā)生故障，增強(qiáng)了電氣火災(zāi)系統(tǒng)的預(yù)警能力。但當(dāng)前電氣火災(zāi)預(yù)警系統(tǒng)仍存在一些不足，例如，傳感器采集參數(shù)不夠全面，影響評(píng)價(jià)結(jié)果；使用多個(gè)不同類(lèi)型的傳感器采集數(shù)據(jù)，但這些參量之間部分或全部存在非線性依賴(lài)關(guān)系，單純通過(guò)這些數(shù)值進(jìn)行報(bào)警不夠科學(xué)智能決策不夠完善等。本文提出一種新型電氣火災(zāi)預(yù)警系統(tǒng)，通過(guò)多個(gè)參量采集模塊,將采集到的現(xiàn)場(chǎng)火情數(shù)據(jù)發(fā)送給參量匯集模塊；數(shù)據(jù)傳輸模塊（含ZigBee協(xié)調(diào)器）接收參量匯集模塊（即ZigBee終端節(jié)點(diǎn)）發(fā)送的有關(guān)數(shù)據(jù)，再通過(guò)NB-IoT模塊將數(shù)據(jù)上傳給云平臺(tái)，由此構(gòu)成兩級(jí)制無(wú)線通信物聯(lián)網(wǎng)架構(gòu)。云平臺(tái)對(duì)傳感器采集到的多個(gè)變量參數(shù)進(jìn)行融合分析,建立火災(zāi)狀態(tài)與多變量參數(shù)之間的非線性數(shù)學(xué)模型?；谠撃Ｐ?，根據(jù)多變量數(shù)據(jù)，計(jì)算得出火災(zāi)發(fā)生的概率，從而達(dá)到預(yù)警的目的。

1系統(tǒng)整體設(shè)計(jì)

系統(tǒng)整體結(jié)構(gòu)如圖1所示，由參量采集模塊、參量匯集模塊、數(shù)據(jù)傳輸模塊、云平臺(tái)及客戶(hù)端組成。參量采集模塊負(fù)責(zé)連接傳感器，感知火情現(xiàn)場(chǎng);參量匯集模塊負(fù)責(zé)匯集與上傳火情現(xiàn)場(chǎng)數(shù)據(jù)；數(shù)據(jù)傳輸模塊作為通信橋梁，負(fù)責(zé)參量匯集模塊與云平臺(tái)之間的信息傳遞；云平臺(tái)則負(fù)責(zé)運(yùn)算及處理數(shù)據(jù)信息，計(jì)算得出火災(zāi)發(fā)生的概率，并發(fā)送信息至客戶(hù)端，客戶(hù)端可相應(yīng)呈現(xiàn)火災(zāi)預(yù)警信息。

2硬件構(gòu)成

單參量采集模塊、參量匯集模塊硬件構(gòu)成如圖2所示?；鹎楝F(xiàn)場(chǎng)數(shù)據(jù)的采集由單參量采集模塊和參量匯集模塊共同完成。

參量采集模塊包括傳感器、信號(hào)處理電路、MCU,并通過(guò)工業(yè)標(biāo)準(zhǔn)接口（232、485、I2C、SPI等）與參量匯集模塊連接。根據(jù)火情現(xiàn)場(chǎng)情況，選取煙霧、溫度、火焰、電參數(shù)（包括入戶(hù)母線電壓、電流、有功功率、無(wú)功功率或功率因數(shù)）等傳感器進(jìn)行數(shù)據(jù)采集，經(jīng)信號(hào)處理電路處理后送入MCU,再通過(guò)標(biāo)準(zhǔn)接口。根據(jù)約定的通訊協(xié)議，將火情現(xiàn)場(chǎng)數(shù)據(jù)傳輸給參量匯集模塊。參量匯集模塊以無(wú)線MCU（ZigBee終端節(jié)點(diǎn)）為核心。通過(guò)標(biāo)準(zhǔn)接口與單參量采集模塊有線連接，接收單參量采集模塊發(fā)送的火情現(xiàn)場(chǎng)數(shù)據(jù)，再通過(guò)ZigBee網(wǎng)絡(luò)轉(zhuǎn)發(fā)給

ZigBee協(xié)調(diào)器。數(shù)據(jù)傳輸模塊結(jié)構(gòu)如圖3所示，主要由ARM微處理器.ZigBee協(xié)調(diào)器以及NB-IoT模塊組成。

各參量匯集模塊作為ZigBee終端節(jié)點(diǎn)加入網(wǎng)絡(luò),ZigBee協(xié)調(diào)器接收多個(gè)參量匯集模塊上傳的火情現(xiàn)場(chǎng)數(shù)據(jù)。ARM微處理器負(fù)責(zé)統(tǒng)籌處理數(shù)據(jù)本地傳輸、遠(yuǎn)程傳輸,以及相應(yīng)的解析及轉(zhuǎn)換,NB-IoT模塊將火情現(xiàn)場(chǎng)數(shù)據(jù)等信息遠(yuǎn)程發(fā)送至云平臺(tái)進(jìn)行處理。

3軟件設(shè)計(jì)

3.1數(shù)據(jù)采集

數(shù)據(jù)采集過(guò)程完成對(duì)火情現(xiàn)場(chǎng)數(shù)據(jù)的采集,其軟件流程如圖4所示。

初始化完成后，參量采集模塊需要通過(guò)相應(yīng)的傳感器采集現(xiàn)場(chǎng)數(shù)據(jù)，處理完相關(guān)數(shù)據(jù)后，將數(shù)據(jù)傳輸至參量匯集模塊。

3.2數(shù)據(jù)傳輸

數(shù)據(jù)傳輸是指將參量匯集模塊接收到的多組火情現(xiàn)場(chǎng)數(shù)據(jù)上傳至云平臺(tái)的過(guò)程，其軟件流程如圖5所示。

ZigBee協(xié)調(diào)器檢測(cè)周?chē)W(wǎng)絡(luò)狀態(tài)，建立網(wǎng)絡(luò)。參量匯集模塊作為終端節(jié)點(diǎn)入網(wǎng)后，將數(shù)據(jù)轉(zhuǎn)發(fā)至ZigBee協(xié)調(diào)器,協(xié)調(diào)器接收到上傳的火情現(xiàn)場(chǎng)數(shù)據(jù)，通過(guò)串口通信將數(shù)據(jù)發(fā)送給ARM微處理器,ARM微處理器對(duì)數(shù)據(jù)解析、打包后，由NB-IoT模塊上傳至云平臺(tái)完成數(shù)據(jù)處理，*終實(shí)現(xiàn)火災(zāi)預(yù)警。

3.3數(shù)據(jù)處理

數(shù)據(jù)處理是指在云平臺(tái)對(duì)上傳的火情現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行運(yùn)算與處理的過(guò)程，其軟件流程如圖6所示。

云平臺(tái)完成初始化后，首先接收火災(zāi)監(jiān)測(cè)現(xiàn)場(chǎng)的位置以及火情現(xiàn)場(chǎng)數(shù)據(jù)等信息，運(yùn)算與處理上傳數(shù)據(jù)中的多個(gè)變量，隨后建立火災(zāi)現(xiàn)場(chǎng)狀態(tài)與多變量參數(shù)之間的非線性數(shù)學(xué)模型?；谠撃Ｐ停罁?jù)采集的多變量數(shù)據(jù)，通過(guò)智能算法計(jì)算得出火災(zāi)發(fā)生的概率，然后發(fā)送火災(zāi)預(yù)警信息至客戶(hù)端。

4智能識(shí)別算法

本文提出的火災(zāi)預(yù)警智能識(shí)別算法，可融合分析傳感器采集的多個(gè)變量，基于半監(jiān)督學(xué)習(xí)方法，自動(dòng)實(shí)現(xiàn)變量分類(lèi)，并通過(guò)求解算法,建立火災(zāi)現(xiàn)場(chǎng)狀態(tài)與多變量參數(shù)之間的非線性數(shù)學(xué)模型。基于該模型,依據(jù)采集的多變量數(shù)據(jù)，*后得出火災(zāi)發(fā)生的概率，達(dá)到預(yù)警的目的。算法包含兩部分。

（1）基于稀疏編碼的結(jié)構(gòu)特征提取方法

其對(duì)應(yīng)的學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)如圖7所示。

記樣本數(shù)量為N,樣本維度為D,則第i個(gè)樣本可表示為ai=,則自動(dòng)編碼器參數(shù)訓(xùn)練的目標(biāo)為輸出數(shù)據(jù)接近輸入數(shù)據(jù),即

：

式中=為輸入樣本集合狙為相應(yīng)的輸出值集合。

(2)多類(lèi)SVM的實(shí)現(xiàn)

SVM在解決小樣本、非線性以及高緯模式識(shí)別問(wèn)題中具有優(yōu)勢(shì)，但傳統(tǒng)的SVM僅用于解決兩類(lèi)分類(lèi)問(wèn)題,不能直接用于多類(lèi)分類(lèi)。本文采用一對(duì)一訓(xùn)練策略來(lái)實(shí)現(xiàn)多類(lèi)SVM的分類(lèi)，為每類(lèi)構(gòu)造一個(gè)SVM,通過(guò)粒子群(PSO)算法實(shí)現(xiàn)對(duì)SVM參數(shù)的優(yōu)化,并采用稀疏自編碼器獲取的特征參數(shù)訓(xùn)練多類(lèi)SVM,從而實(shí)現(xiàn)完整的智能識(shí)別算法。云平臺(tái)對(duì)各參量匯集模塊傳來(lái)的數(shù)據(jù)進(jìn)行智能計(jì)算與分析，判斷當(dāng)前是否有預(yù)警發(fā)生，若有，云平臺(tái)首先通過(guò)嵌入式網(wǎng)關(guān)的IMEI碼,定位當(dāng)前發(fā)生預(yù)警的監(jiān)測(cè)點(diǎn)位置。再通過(guò)該監(jiān)測(cè)點(diǎn)對(duì)應(yīng)的ZigBee網(wǎng)絡(luò)，定位該監(jiān)測(cè)點(diǎn)區(qū)域內(nèi)發(fā)生預(yù)警的參量匯集模塊對(duì)應(yīng)的位置。此外，云平臺(tái)還可判斷出當(dāng)前預(yù)警的嚴(yán)重等級(jí)，可保證在多個(gè)監(jiān)測(cè)點(diǎn)同時(shí)發(fā)生預(yù)警時(shí)，工作人員可根據(jù)嚴(yán)重等級(jí)，合理安排處理順序，云平臺(tái)可將這些定位及預(yù)警等級(jí)信息推送到計(jì)算機(jī)或智能手機(jī)客戶(hù)端上，工作人員可接收到推送的預(yù)警信息，及時(shí)采取相應(yīng)的處理措施。

5安科瑞電氣火災(zāi)監(jiān)控系統(tǒng)

（1）概述

Acre1-6000電氣火災(zāi)監(jiān)控系統(tǒng)，是根據(jù)中心的消防電子產(chǎn)品試驗(yàn)認(rèn)證，并且均通過(guò)嚴(yán)格的EMC電磁兼容試驗(yàn)，保證了該系列產(chǎn)品在低壓配電系統(tǒng)中的安全正常運(yùn)行，現(xiàn)均已批量生產(chǎn)并在全國(guó)得到廣泛地應(yīng)用。該系統(tǒng)通過(guò)對(duì)剩余電流、過(guò)電流、過(guò)電壓、溫度和故障電弧等信號(hào)的采集與監(jiān)視，實(shí)現(xiàn)對(duì)電氣火災(zāi)的早期預(yù)防和報(bào)警，當(dāng)必要時(shí)還能聯(lián)動(dòng)切除被檢測(cè)到剩余電流、溫度和故障電弧等超標(biāo)的配電回路;并根據(jù)用戶(hù)的需求，還可以滿(mǎn)足與AcreIEMS企業(yè)微電網(wǎng)管理云平臺(tái)或火災(zāi)自動(dòng)報(bào)警系統(tǒng)等進(jìn)行數(shù)據(jù)交換和共享。

（2）應(yīng)用場(chǎng)合

適用于智能樓宇、高層公寓、賓館、飯店、商廈、工礦企業(yè)、國(guó)家重點(diǎn)消防單位以及石油化工、文教衛(wèi)生、金融、電信等領(lǐng)域。

（3）系統(tǒng)結(jié)構(gòu)

（4）系統(tǒng)功能

監(jiān)控設(shè)備能接收多臺(tái)探測(cè)器的剩余電流、溫度信息，報(bào)警時(shí)發(fā)出聲、光報(bào)警信號(hào)，同時(shí)設(shè)備上紅色“報(bào)警"指示燈亮，顯示屏指示報(bào)警部位及報(bào)警類(lèi)型，記錄報(bào)警時(shí)間，聲光報(bào)警一直保持，直至按設(shè)備的“復(fù)位"按鈕或觸摸屏的“復(fù)位"按鍵遠(yuǎn)程對(duì)探測(cè)器實(shí)現(xiàn)復(fù)位。對(duì)于聲音報(bào)警信號(hào)也可以使用觸摸屏“消聲"按鍵手動(dòng)消除

當(dāng)被監(jiān)測(cè)回路報(bào)警時(shí)，控制輸出繼電器閉合，用于控制被保護(hù)電路或其他設(shè)備，當(dāng)報(bào)警消除后，控制輸出繼電器釋放。

通訊故障報(bào)警：當(dāng)監(jiān)控設(shè)備與所接的任一臺(tái)探測(cè)器之間發(fā)生通訊故障或探測(cè)器本身發(fā)生故障時(shí)，監(jiān)控畫(huà)面中相應(yīng)的探測(cè)器顯示故障提示，同時(shí)設(shè)備上的黃色“故障"指示燈亮，并發(fā)出故障報(bào)警聲音。電源故障報(bào)警：當(dāng)主電源或備用電源發(fā)生故障時(shí)，監(jiān)控設(shè)備也發(fā)出聲光報(bào)警信號(hào)并顯示故障信息，可進(jìn)入相應(yīng)的界面查看詳細(xì)信息并可解除報(bào)警聲

當(dāng)發(fā)生剩余電流、超溫報(bào)警或通訊、電源故障時(shí)，將報(bào)警部位、故障信息、報(bào)警時(shí)間等信息存儲(chǔ)在數(shù)據(jù)庫(kù)中，當(dāng)報(bào)警解除、排除故障時(shí)，同樣予以記錄。歷史數(shù)據(jù)提供多種便捷、快速的查詢(xún)方法。

（5）配置方案

6結(jié)語(yǔ)

本文利用參量采集模塊采集火情現(xiàn)場(chǎng)數(shù)據(jù)并上傳至參量匯集模塊，通過(guò)ZigBee網(wǎng)絡(luò)和NB-IoT模塊將數(shù)據(jù)上傳至云平臺(tái)，云平臺(tái)融合分析傳感器采集到的多個(gè)變量，并通過(guò)求解算法，得出火災(zāi)發(fā)生的概率并將其發(fā)送至客戶(hù)端，據(jù)此提醒工作人員及時(shí)采取措施?；谠撓到y(tǒng)，及時(shí)預(yù)警火情現(xiàn)場(chǎng)，提前預(yù)判。從而減少人員傷亡和財(cái)產(chǎn)損失。

參考文獻(xiàn)

[1] 閆傳令，李紅艷.冶山礦業(yè)公司“六大系統(tǒng)"的建設(shè)及應(yīng)用[J]. 現(xiàn)代礦業(yè)，2014,30(12):186-187.

[2] 張紀(jì)飛.煤礦井下自動(dòng)化供水索統(tǒng)的設(shè)計(jì)應(yīng)用[J].山東煤炭科技,2021,39(7)：135-137.

[3] 馬莉.煤礦供水系統(tǒng)優(yōu)化改造的研究[J].當(dāng)代化工研究，2021(5) :92-93.

[4] 劉文峰，孟祥忠.煤礦深井多水平恒壓供水系統(tǒng)的研究與應(yīng)用[J].工業(yè)儀表與自動(dòng)化裝置,2020(4)：25-28+47.

[5] 孫派，吳志強(qiáng)，蘇瑞.礦井供水管網(wǎng)在線監(jiān)測(cè)自控技術(shù)研究實(shí)踐[J].中小企業(yè)管理與科技(下旬刊),2013(4):240.

[6]魏立明，楊坤，陳妍希.建筑電氣火炎預(yù)警系統(tǒng)的綜述研究[J]. 吉林建筑大學(xué)學(xué)報(bào),2017,34(3):112-115.

[7] 藍(lán)雄，劉勝永.軸承故障稀疏編碼特征提取與多分類(lèi)SVM識(shí)別[J].機(jī)械設(shè)計(jì)與制造,2020(10):182-186.

[8]周文潮，周子涵，靳沖.基于SVM的變壓器局部放電故障診斷研究[J].鐵路通信信號(hào)工程技術(shù),2022,19(S1):137-140.

[9] 范婕，許欣怡，周詩(shī)崠等.基于PSO-SVM的天然氣水合物生成條件預(yù)測(cè)[J].天然氣化工—C1化學(xué)與化工,2022,47(5):171-176.

[10]龍興林，俞鑒鋒，劉學(xué)勇，方永達(dá).一種新型電氣火災(zāi)預(yù)警系統(tǒng)研究 [A].傳感檢測(cè)與儀器儀表.2023(13)-1133

[11] 安科瑞企業(yè)微電網(wǎng)設(shè)計(jì)與應(yīng)用手冊(cè)2022.05版．

作者簡(jiǎn)介

陳德信，男，安科瑞電氣股份有限公司，主要研究方向?yàn)殡姎饣馂?zāi)系統(tǒng)的設(shè)計(jì)與應(yīng)用，郵箱:2881454557@qq.com；手機(jī)：13611994373（同微信）；QQ:2881454557