【摘要】針對現(xiàn)有電氣火災(zāi)預警技術(shù)存在監(jiān)測功能不夠全面以及智能決策不夠完善等問題，開發(fā)了一種新型電氣火災(zāi)預警系統(tǒng)。首先，使用多個不同類型的單參量采集模塊來采集火情現(xiàn)場數(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，參量匯集模塊通過兩級制數(shù)據(jù)傳輸網(wǎng)絡(luò)，即ZigBee本地無線通訊和NB-IoT遠程聯(lián)網(wǎng)通訊，將火情現(xiàn)場數(shù)據(jù)上傳至云平臺；*后，云平臺對數(shù)據(jù)進行相應(yīng)運算與處理，運用智能識別算法，實現(xiàn)火災(zāi)預警?；谠撓到y(tǒng)，可及時預警和提前預判火情現(xiàn)場，減少人員傷亡和財產(chǎn)損失。

【關(guān)鍵詞】電氣火災(zāi)預警，ZigBee,NB-IoT,智能識別算法

0引言

近年來，我國電氣火災(zāi)多發(fā)，造成重大人員傷亡和財產(chǎn)損失。據(jù)統(tǒng)計,2020年，因違反電氣安裝使用規(guī)定引發(fā)的火災(zāi)共8.5萬起，占總數(shù)的33.6%,重特大火災(zāi)中電氣火災(zāi)占比高達55.4%，目前，已有一些電氣火災(zāi)預警問題的相關(guān)研究:葉研等研究了基于CAN總線的實驗樓火災(zāi)預警系統(tǒng)，將數(shù)據(jù)通過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)預警系統(tǒng)的可靠性和反饋速度;張夢媛設(shè)計了一款基于物聯(lián)網(wǎng)技術(shù)的無線火災(zāi)智能預警系統(tǒng)，采用ZigBee協(xié)議，利用各傳感器進行檢測，通過蜂窩移動通信技術(shù)將火災(zāi)情況發(fā)送至消防站，達到火災(zāi)預警的目的，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，增強了電氣火災(zāi)系統(tǒng)的預警能力。但當前電氣火災(zāi)預警系統(tǒng)仍存在一些不足，例如，傳感器采集參數(shù)不夠全面，影響評價結(jié)果；使用多個不同類型的傳感器采集數(shù)據(jù)，但這些參量之間部分或全部存在非線性依賴關(guān)系，單純通過這些數(shù)值進行報警不夠科學智能決策不夠完善等。本文提出一種新型電氣火災(zāi)預警系統(tǒng)，通過多個參量采集模塊,將采集到的現(xiàn)場火情數(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）發(fā)送的有關(guān)數(shù)據(jù)，再通過NB-IoT模塊將數(shù)據(jù)上傳給云平臺，由此構(gòu)成兩級制無線通信物聯(lián)網(wǎng)架構(gòu)。云平臺對傳感器采集到的多個變量參數(shù)進行融合分析,建立火災(zāi)狀態(tài)與多變量參數(shù)之間的非線性數(shù)學模型。基于該模型，根據(jù)多變量數(shù)據(jù)，計算得出火災(zāi)發(fā)生的概率，從而達到預警的目的。

1系統(tǒng)整體設(shè)計

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、云平臺及客戶端組成。參量采集模塊負責連接傳感器，感知火情現(xiàn)場;參量匯集模塊負責匯集與上傳火情現(xiàn)場數(shù)據(jù)；數(shù)據(jù)傳輸模塊作為通信橋梁，負責參量匯集模塊與云平臺之間的信息傳遞；云平臺則負責運算及處理數(shù)據(jù)信息，計算得出火災(zāi)發(fā)生的概率，并發(fā)送信息至客戶端，客戶端可相應(yīng)呈現(xiàn)火災(zāi)預警信息。

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、信號處理電路、MCU,并通過工業(yè)標準接口（232、485、I2C、SPI等）與參量匯集模塊連接。根據(jù)火情現(xiàn)場情況，選取煙霧、溫度、火焰、電參數(shù)（包括入戶母線電壓、電流、有功功率、無功功率或功率因數(shù)）等傳感器進行數(shù)據(jù)采集，經(jīng)信號處理電路處理后送入MCU,再通過標準接口。根據(jù)約定的通訊協(xié)議，將火情現(xiàn)場數(shù)據(jù)傳輸給參量匯集模塊。參量匯集模塊以無線MCU（ZigBee終端節(jié)點）為核心。通過標準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)場數(shù)據(jù)，再通過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)點加入網(wǎng)絡(luò),ZigBee協(xié)調(diào)器接收多個參量匯集模塊上傳的火情現(xiàn)場數(shù)據(jù)。ARM微處理器負責統(tǒng)籌處理數(shù)據(jù)本地傳輸、遠程傳輸,以及相應(yīng)的解析及轉(zhuǎn)換,NB-IoT模塊將火情現(xiàn)場數(shù)據(jù)等信息遠程發(fā)送至云平臺進行處理。

3軟件設(shè)計

3.1數(shù)據(jù)采集

數(shù)據(jù)采集過程完成對火情現(xiàn)場數(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相應(yīng)的傳感器采集現(xiàn)場數(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)場數(shù)據(jù)上傳至云平臺的過程，其軟件流程如圖5所示。

ZigBee協(xié)調(diào)器檢測周圍網(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)場數(shù)據(jù)，通過串口通信將數(shù)據(jù)發(fā)送給ARM微處理器,ARM微處理器對數(shù)據(jù)解析、打包后，由NB-IoT模塊上傳至云平臺完成數(shù)據(jù)處理，*終實現(xiàn)火災(zāi)預警。

3.3數(shù)據(jù)處理

數(shù)據(jù)處理是指在云平臺對上傳的火情現(xiàn)場數(shù)據(jù)進行運算與處理的過程，其軟件流程如圖6所示。

云平臺完成初始化后，首先接收火災(zāi)監(jiān)測現(xiàn)場的位置以及火情現(xiàn)場數(shù)據(jù)等信息，運算與處理上傳數(shù)據(jù)中的多個變量，隨后建立火災(zāi)現(xiàn)場狀態(tài)與多變量參數(shù)之間的非線性數(shù)學模型。基于該模型，依據(jù)采集的多變量數(shù)據(jù)，通過智能算法計算得出火災(zāi)發(fā)生的概率，然后發(fā)送火災(zāi)預警信息至客戶端。

4智能識別算法

本文提出的火災(zāi)預警智能識別算法，可融合分析傳感器采集的多個變量，基于半監(jiān)督學習方法，自動實現(xiàn)變量分類，并通過求解算法,建立火災(zāi)現(xiàn)場狀態(tài)與多變量參數(shù)之間的非線性數(shù)學模型。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，達到預警的目的。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

其對應(yīng)的學習網(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個樣本可表示為ai=,則自動編碼器參數(shù)訓練的目標為輸出數(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SVM的實現(xiàn)

SVM在解決小樣本、非線性以及高緯模式識別問題中具有優(yōu)勢，但傳統(tǒng)的SVM僅用于解決兩類分類問題,不能直接用于多類分類。本文采用一對一訓練策略來實現(xiàn)多類SVM的分類，為每類構(gòu)造一個SVM,通過粒子群(PSO)算法實現(xiàn)對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)訓練多類SVM,從而實現(xiàn)完整的智能識別算法。云平臺對各參量匯集模塊傳來的數(shù)據(jù)進行智能計算與分析，判斷當前是否有預警發(fā)生，若有，云平臺首先通過嵌入式網(wǎng)關(guān)的IMEI碼,定位當前發(fā)生預警的監(jiān)測點位置。再通過該監(jiān)測點對應(yīng)的ZigBee網(wǎng)絡(luò)，定位該監(jiān)測點區(qū)域內(nèi)發(fā)生預警的參量匯集模塊對應(yīng)的位置。此外，云平臺還可判斷出當前預警的嚴重等級，可保證在多個監(jiān)測點同時發(fā)生預警時，工作人員可根據(jù)嚴重等級，合理安排處理順序，云平臺可將這些定位及預警等級信息推送到計算機或智能手機客戶端上，工作人員可接收到推送的預警信息，及時采取相應(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)品試驗認證，并且均通過嚴格的EMC電磁兼容試驗，保證了該系列產(chǎn)品在低壓配電系統(tǒng)中的安全正常運行，現(xiàn)均已批量生產(chǎn)并在全國得到廣泛地應(yīng)用。該系統(tǒng)通過對剩余電流、過電流、過電壓、溫度和故障電弧等信號的采集與監(jiān)視，實現(xiàn)對電氣火災(zāi)的早期預防和報警，當必要時還能聯(lián)動切除被檢測到剩余電流、溫度和故障電弧等超標的配電回路;并根據(jù)用戶的需求，還可以滿足與AcreIEMS企業(yè)微電網(wǎng)管理云平臺或火災(zāi)自動報警系統(tǒng)等進行數(shù)據(jù)交換和共享。

（2）應(yīng)用場合

適用于智能樓宇、高層公寓、賓館、飯店、商廈、工礦企業(yè)、國家重點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)備能接收多臺探測器的剩余電流、溫度信息，報警時發(fā)出聲、光報警信號，同時設(shè)備上紅色“報警"指示燈亮，顯示屏指示報警部位及報警類型，記錄報警時間，聲光報警一直保持，直至按設(shè)備的“復位"按鈕或觸摸屏的“復位"按鍵遠程對探測器實現(xiàn)復位。對于聲音報警信號也可以使用觸摸屏“消聲"按鍵手動消除

當被監(jiān)測回路報警時，控制輸出繼電器閉合，用于控制被保護電路或其他設(shè)備，當報警消除后，控制輸出繼電器釋放。

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

當發(fā)生剩余電流、超溫報警或通訊、電源故障時，將報警部位、故障信息、報警時間等信息存儲在數(shù)據(jù)庫中，當報警解除、排除故障時，同樣予以記錄。歷史數(shù)據(jù)提供多種便捷、快速的查詢方法。

（5）配置方案

6結(jié)語

本文利用參量采集模塊采集火情現(xiàn)場數(shù)據(jù)并上傳至參量匯集模塊，通過ZigBee網(wǎng)絡(luò)和NB-IoT模塊將數(shù)據(jù)上傳至云平臺，云平臺融合分析傳感器采集到的多個變量，并通過求解算法，得出火災(zāi)發(fā)生的概率并將其發(fā)送至客戶端，據(jù)此提醒工作人員及時采取措施。基于該系統(tǒng)，及時預警火情現(xiàn)場，提前預判。從而減少人員傷亡和財產(chǎn)損失。

參考文獻

[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] 張紀飛.煤礦井下自動化供水索統(tǒng)的設(shè)計應(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)儀表與自動化裝置,2020(4)：25-28+47.

[5] 孫派，吳志強，蘇瑞.礦井供水管網(wǎng)在線監(jiān)測自控技術(shù)研究實踐[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.建筑電氣火炎預警系統(tǒng)的綜述研究[J]. 吉林建筑大學學報,2017,34(3):112-115.

[7] 藍雄，劉勝永.軸承故障稀疏編碼特征提取與多分類SVM識別[J].機械設(shè)計與制造,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].鐵路通信信號工程技術(shù),2022,19(S1):137-140.

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

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

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

作者簡介

陳德信，男，安科瑞電氣股份有限公司，主要研究方向為電氣火災(zāi)系統(tǒng)的設(shè)計與應(yīng)用，郵箱:2881454557@qq.com；手機：13611994373（同微信）；QQ:2881454557